基于驾驶人分心影响程度的驾驶分心任务评级

为了进行驾驶分心任务评级,以选择反应判断检测和处置判断检测为试验平台,分析分心任务对驾驶人的影响.对13名被试驾驶人施加分心任务,包括视线遮挡、交谈、回忆、数学计算及部分任务的组合,并将各种分心状态下的反应时间及操作错误次数与无分心任务时进行对比.研究表明,在无驾驶操作的情况下,视线偏离1 s和交谈所产生的分心对驾驶人反应时间和操作准确度影响的差异不显著;认知分心任务比视觉分心任务产生更高的精神负荷;视觉分心与认知分心形成的复合分心任务对驾驶人的反应时间和操作准确度影响最大;基于对驾驶人的影响程度,可将常见分心试验任务大致划分为5个等级,依次为:无分心,视觉分心1 s/交谈,回忆,视觉分心3 s/计算,复合分心.     

分心对驾驶人交通冲突反应时间的影响

为了研究分心对交通冲突状态下驾驶人反应时间的影响,采用驾驶模拟器构建城市道路交通环境下2种典型冲突形态:侧向行人冲突和纵向追尾冲突,设计认知、视觉以及发短信(认知+视觉复合分心)3种分心任务,在不同行驶车速、跟车时距、前车减速度等紧迫度条件下,采集30名驾驶人应对交通冲突的制动反应时间,分别采用重复测量一般线性模型及线性混合模型进行统计分析。研究结果表明:认知分心使驾驶人应对侧向行人冲突的制动反应时间增加0.09s,但未观察到其对纵向追尾冲突反应时间的显著性影响;视觉分心与发短信都会延缓驾驶人应对侧向行人(分别增加0.31s和0.27s)以及纵向追尾冲突(分别增加0.47s和0.38s)的制动反应时间;此外,在纵向追尾冲突中,随着冲突紧迫度提高(前车减速度增大、车头时距减小以及自车速度增大),驾驶人制动反应时间显著减小。表明驾驶分心延长了驾驶人应对交通冲突的反应时间,容易导致事故的发生,具体而言,认知分心主要延长驾驶人应对侧向冲突的反应时间,涉及视觉的分心同时延长驾驶人应对侧向及纵向冲突的反应时间;视觉分心对驾驶人反应时间的延长显著性高于认知分心,说明视觉分心对行车安全影响更大。     

认知分心对车辆跟驰过程操控安全性的影响

为了研究车辆跟驰过程中驾驶人认知分心与驾驶安全的关系,采用驾驶模拟器构建城市道路车辆跟驰场景,并设计3种难度等级的认知分心次任务,采集35名被试驾驶人在试验过程中的方向盘转角、油门开度、制动踏板力等操作参数,以及车辆位置、速度、加速度等车辆运动参数。采用重复测量一般线性模型,分析不同等级认知分心对上述参数的影响。研究结果表明：在横向操控方面,随着认知分心程度增高,方向盘回转率增大,但车辆横向位置标准差减小,表明驾驶人处于认知分心时,采取频繁修正方向盘的补偿方式,降低车辆横向位置波动,过度补偿车辆横向安全性,且该补偿行为与认知分心程度正相关;在纵向操控方面,认知分心时,油门开度、制动踏板位置方差增大,且制动踏板位置均值增大,同时车头间距及时距未观察到显著性变化,表明认知分心时驾驶人采取频繁操作油门、制动踏板,增大制动幅度等方式进行补偿,使车头间距及车头时距等表征车辆纵向跟车安全性参数处于正常驾驶水平,但加速度标准差增大,表明跟车稳定性降低。研究结果为涉及分心的人车交互装置优化设计及考虑分心状态的驾驶人状态管理系统开发提供了一定的理论依据。     

手机操作类型对驾驶人跟车行为的影响（双语出版）

为了探究行车过程中手机使用模式对驾驶人跟车行为的影响,依据功能类型及使用模式将手机操作分为8类,利用驾驶模拟器开展试验,提取跟车速度、跟车间距、车头时距、横向偏移距离、方向盘转角5项指标表征车辆的横向、纵向运行状态,定义驾驶人的注视点分布信息熵、注视点区域分布比例、注视时长、扫视频率、扫视时长、眨眼频率、眨眼时长7项指标表征驾驶人眼动特性,分析驾驶人进行不同手机操作时的车辆运行特性与驾驶人视觉特性,并利用方差分析法验证上述指标作为驾驶人跟车行为衡量指标的有效性。应用灰色关联分析法对8类手机操作对驾驶人跟车行为的影响程度进行量化,并结合具体手机操作的分心内容、形式和动作时间,对具有相近功能的两两操作进行对比分析。结果表明：特定的手机操作行为对选取的各项车辆运行指标与驾驶人视觉特性指标有显著影响;对驾驶人跟车绩效影响由大到小的手机分心操作依次是发送文字信息、阅读文字信息、手持接听电话、发送语音信息、按键拨打电话、听取语音信息、语音拨打电话、免提接听电话,文字信息的编辑和阅读等操作对驾驶人跟车行为的影响大于其他手机操作;研究结果可帮助驾驶人明确不同手机操作对行车安全的危害程度。     

模拟驾驶环境下驾驶人分心状态判别

为了探寻驾驶人分心判别方法,构建了驾驶人分心状态判别模型。首先设计分心模拟驾驶试验,采集正常驾驶和发送语音信息过程中的驾驶绩效特征和驾驶人眼动特征数据,建立驾驶人分心状态判别指标备选集;其次,采用基因选择算法对备选指标进行筛选,得到29个备选指标的重要度排序;然后,依次选取重要度较高的部分指标作为BP神经网络的输入指标,利用遗传算法（GA）全局搜索的性能优化BP神经网络的初始权值和阈值,将优化后的GA-BP神经网络作为弱分类器,再将多个弱分类器组合成Adaboost强分类器,建立基于Adaboost-GA-BP组合算法的驾驶人分心状态判别模型;最后,利用模拟驾驶器试验平台采集的数据计算不同判别指标数量下模型的性能,从而确定最优判别指标,并对模型进行验证和评价。结果表明：模型最优判别指标为重要度排序中前14个指标;模型能够准确识别驾驶人分心状态,判别精度为95.09%;与BP神经网络算法、GA-BP神经网络算法和Adaboost-BP神经网络算法相比,Adaboost-GA-BP组合算法在准确率、精准率、召回率、F₁值和ROC曲线等模型性能方面均最优。建立的模型能够有效判别驾驶人分心状态,可为驾驶人分心预警系统和分心控制策略提供依据。     

驾驶人在手机通话行为中的认知分心图像识别研究

在手机通话（MPC）行为中,驾驶人极易陷入认知分心（DCD）状态,对此提出了一种基于头-眼行为特性的DCD图像识别方法。为适应自然驾驶中的波动光照和复杂背景,首先建立基于YCbCr色彩空间的在线肤色模型,提取待检肤色区域的PCA-HOG特征并建立支持向量机分类器来识别MPC手势;与此同时,采用多尺度局部模极大值方法检测嘴部显著边缘,并通过边缘活跃度来识别驾驶人说话行为,综合MPC手势和说话行为建立MPC行为的判别逻辑。最后,以5 s为时间窗口获取驾驶人的眼球活跃度、眨眼指数、头部横摆和俯仰运动活跃度,采用D-S证据理论建立融合头-眼行为特性的DCD识别方法。试验结果表明：融合手势和说话行为图像检测的MPC识别率为92.8%;对于不佩戴眼镜的驾驶人,眼球活跃度是DCD识别率最高的单一指标,“眼球活跃度-头部横摆活跃度-头部俯仰活跃度”融合证据的DCD识别率最高,为86.2%;对于佩戴眼镜的驾驶人,“头部横摆活跃度-头部俯仰活跃度”融合证据的DCD识别率最高,为83.2%;算法对熟练驾驶人的DCD识别率略高于非熟练驾驶人。     

老年驾驶人在交叉口的视觉特性（双语出版）

机动车驾驶人主要通过视觉搜索行为获取交通信息,为了分析老年驾驶人进入道路交叉口的视觉特性,建立了5个道路交叉口的虚拟场景,并进行了驾驶模拟试验,采集了21名老年驾驶人和17名中青年驾驶人进入交叉口的眼动数据。应用动态聚类法将驾驶人的视野平面划分为5个注视区域;在此基础上对比分析了2组驾驶人进入交叉口的注视特性、扫视特性、注视转移概率和注视平稳分布概率;并通过灰色关联度矩阵分析了影响注意转移行为的因素。分析结果表明：老年驾驶人对非行驶方向上的注视区域的注意都相对较差,2组驾驶人的注视持续时间、扫视幅度和扫视平均速度存在较大的差异,其中老年驾驶人的扫视幅度和扫视速度明显低于中青年驾驶人,而且老年驾驶人的注视点分布在车辆正前方区域的平稳分布概率为80.7%,比中青年驾驶人的69.3%高11.4%,并且具有显著性差异,说明老年驾驶人注视转移模式的灵活性相对中青年驾驶人较差。     

使用手机对低龄驾驶人可靠度影响的模拟驾驶实验分析

以驾驶模拟器为实验平台,分析使用手机对驾驶可靠度的影响.通过40名驾驶人参与模拟驾驶实验,统计比较不同通话方式下完成的不同驾驶任务,建立使用手机条件下的驾驶人可靠度模型.研究发现:频繁的多次通话后的可靠度将比长时通话的可靠度更低,频繁通话具有较高危险性;可靠度的极限值出现在驾驶人多重失误的情况下,使用手机同时完成双重任务的干扰性远比单一任务大.     

广告牌空间位置对驾驶人视觉的影响分析

以广告牌为代表的道路路侧设施信息纷繁复杂,给驾驶人带来视觉负荷,为确定路侧信息对驾驶人行车环境造城的影响,研究通过设计实车试验,将所有被注视的高立柱塔架式广告牌作为研究对象,以交通量、照明和空间位置等作为分类变量,利用Logistic回归模型,讨论分类变量是否对驾驶人捕捉广告牌有显著性影响。研究表明,广告牌空间位置对驾驶人视觉行为产生影响,右侧紧临道路设置广告牌对驾驶人视觉捕捉的比例最大。探究结论对广告牌的设置依据提供借鉴和建议。     

交通违法监控对职业与非职业驾驶人的心理及行为影响调查分析

为了发现交通违法监控对职业与非职业驾驶人的心理及行为的不同影响,采用问卷调查方法,获得321份关于这2类驾驶人在有无交通违法监控下的驾驶心理与驾驶行为选择、对安装交通违法监控的态度等11个题目的数据,对其进行了卡方分析和配对样本t检验.结果表明,非职业驾驶人与职业驾驶人通过有监控和无监控2种交叉口时的心理存在不同;交通违法监控对非职业驾驶人的影响大于职业驾驶人,无交通违法监控下,非职业驾驶人的冒险行为倾向大于职业驾驶人冒险行为倾向;非职业驾驶人在无监控交叉口与有监控交叉口驾驶行为有显著性差异;职业驾驶人在无监控交叉口与有监控交叉口驾驶行为选择差异不显著;无论是非职业驾驶人还是职业驾驶人,大多数都支持和认可安装交通违法监控.      

疲劳对驾驶人的心理状态的影响

中科院心理所工程心理学实验室的孙向红教授研究指出，人的外部行为反应是内部心理过程的体现，驾驶行为尤其如此。疲劳对驾驶员的心理状态会产生很大影响。驾驶人疲劳驾驶后，心理状态会发生各种各样的变化。比如视力下降，注意力分散、视野逐渐变窄，漏看错看信息的情况增多，反应迟钝、判断迟缓、动作僵硬、节律失调、思维能力下降、头脑糊涂、忘记操作规范、精神不振、郁闷嗜睡、自我控制能力减退、容易激动、心情急躁或开快车等等。     

基于脑电信号分析的不同年龄驾驶人疲劳特性

为研究不同年龄驾驶人驾驶过程中疲劳情况及疲劳累积速度,对比其疲劳产生与变化的差异性,获取不同年龄驾驶人的最优驾驶时间,设计自然驾驶试验,利用Physio生理多导仪采集脑电数据,并采用主观检测方法对驾驶人进行问询。应用MATLAB对采集到的脑电数据进行降噪处理,通过积分获取各时段α波、β波和θ波的平均功率谱密度,进而求得脑电指标R_（α/β）,R_（θ/β）,R_{（α+θ）/β}。利用SPSS将其与驾驶时间进行单因素方差分析,并通过敏感性判断,选取R_{（α+θ）/β}作为驾驶疲劳表征指标。对各年龄段驾驶人的R_{（α+θ）/β}进行均值化处理,并将其与驾驶时间进行线性拟合,分析驾驶人年龄对驾驶疲劳累积速度的影响。对驾驶过程中各时段的R_{（α+θ）/β}进行配对样本t检验,并结合主观问询结果确定不同年龄驾驶人的最优驾驶时间。研究结果表明：青年和中年驾驶人在0~1.5 h内疲劳累积速度相对缓慢,老年驾驶人较快;在1.5~3 h内,青年驾驶人疲劳累积速度最快,中年驾驶人最慢;老、中、青年驾驶人的最优驾驶时间分别为60~75,120~135,105~120 min;不同年龄驾驶人其驾驶经验、体力和精力及外界环境干扰是影响疲劳累积速度的重要因素;试验结果验证了采用R_{（α+θ）/β}作为驾驶疲劳表征指标的有效性,有助于为不同年龄驾驶人安全驾驶时长的确定提供科学依据。     

考虑分心驾驶行为的高速公路合流区安全性评价方法

现有的公路项目安全性评价主要基于车辆运行速度的协调性,并未考虑交通状况和驾驶人可能出现的注意力不集中情况。考虑驾驶人分心驾驶和交通状况,提出一种高速公路合流区安全性评价方法：将驾驶行为、交通流及合流区几何设计等因素纳入到安全评价模型中,构建高速公路合流区的Vissim仿真模型,通过设置临时走神的持续时长和发生概率这两个参数实现对分心驾驶行为的模拟;采用灰色聚类方法综合评价高速公路合流区的交通安全性,构建入口匝道合流区的风险预测模型,并应用该模型预测依托工程高速公路入口匝道合流区的交通安全风险。研究发现入口匝道合流区的风险预测值符合多元线性回归,在相似的交通流状态下随着走神时间、走神概率的增加而单调递增。除了驾驶行为因素,交通量、主线与匝道运行速度差是影响合流区交通安全的另外两个主要因素。当高速公路主线交通量较大时,合理的限速可以降低合流区的风险水平。提出的考虑分心驾驶行为的安全性评价方法可快速、全面地评价合流区的风险水平,为制定合理的交通管制措施、改善公路合流区交通安全提供理论依据。     

老年驾驶人的驾驶自我调节研究述评

随着社会人口老龄化的发展,老年驾驶人的占比逐年增加,提升老年人的驾驶安全性对于其安全自主出行和公共交通安全均具有重要意义。驾驶自我调节是老年驾驶人为适应身体、认知功能变化而对驾驶行为做出的主动调整,是其提升驾驶安全性、延长驾驶生命和维持自主行动能力的有效补偿策略。通过对已有关于老年驾驶人的驾驶自我调节研究进行系统回顾,介绍了老年驾驶人的驾驶自我调节行为的定义及其表现,归纳分析了其驾驶自我调节行为的影响因素及产生机制,在此基础上总结了现有研究的局限,并指出了未来进一步研究的主要思路和方向。对文献的梳理和分析表明：老年驾驶人的驾驶自我调节包括减少驾驶频率和回避具有挑战性的驾驶情境2种主要形式,并可分为策略性、战术性和生活目标性自我调节3种不同的层次水平;驾驶自我调节是一个复杂的过程,社会人口因素、生理健康和功能状况、心理因素等均可对其产生影响;驾驶自我调节的产生机制可以被概括为是个体从认知到态度改变,再到形成调节行为意向,直至最终发生驾驶行为改变的动态决策过程。未来对老年驾驶人的驾驶自我调节行为研究应更进一步将客观驾驶行为数据、医疗机构数据与驾驶人主观自我报告相结合,适当开展追踪研究,考察驾驶自我调节行为随年龄的发展变化趋势,深入探究驾驶自我调节的产生机制及其在降低事故发生和提升驾驶安全性方面的作用。     

机动车交通冲突技术研究综述

对机动车-机动车交通冲突定义、交通冲突度量指标、冲突严重性判定以及交通冲突评价与预测等的国内外研究进展做了归纳和综述。分析表明,目前交通冲突研究存在以下主要问题:传统的冲突度量指标存在各自的局限性和不一致性,冲突潜在碰撞的后果严重性研究处于初始阶段,交通事件分级模型和相关性需要进一步研究和确认,冲突严重性判定存在一致性问题,交通冲突产生和发展的微观机理研究不足,缺乏真实环境下整个区域相互作用车辆精确连续轨迹追踪的数据获取手段。建议未来从以下方向进行优化:复合的改进度量指标比单一指标更为科学合理,并要考虑冲突潜在碰撞的后果严重性;统一和规范交通冲突度量指标的使用也有一定意义;需要针对多个参与者的"区域连锁冲突"进行更深入的研究;可通过采集区域多车辆连续时空轨迹大数据,得到区域多车辆冲突时空演变模型,并进行交通冲突实时预警和干预研究;另外可通过大量精确数据量化和统一区分各级交通冲突的阈值,并验证交通冲突技术的有效性;在不同设施对象及冲突的空间特征等方面的探索等也会丰富交通冲突研究体系;最后,以上所有的改进方向离不开高精度大范围的采集方法和高效精确的处理手段,故急需真实环境下、长时间的整个区域相互作用车辆精确连续轨迹追踪的大数据获取手段。     

基于人体姿态估计的分心驾驶行为检测

为弥补现有驾驶特征提取方法的不足,提高分心驾驶行为检测的准确性和鲁棒性,将2D/3D人体姿态估计应用于驾驶人行为检测,提出一种适用于驾驶舱环境下的驾驶特征提取方法。首先通过将2D姿态估计网络Simple Baseline和分类网络ResNet进行融合,构建基于2D姿态估计的分心驾驶行为检测模型,并在分心驾驶数据集State Farm上分析不同数据增强方法、不同超参数、不同分类网络对模型性能的影响。其次,融合3D密集姿态估计网络DensePose与分类网络ResNet,构建基于3D姿态估计的分心驾驶行为检测模型。接着,在State Farm数据集上,针对模型的实时性和泛化能力,对比分析基于原始图像和基于2D/3D姿态的分心驾驶行为检测模型。最后,针对效果更优的基于2D姿态估计的分心驾驶行为检测模型,在分心驾驶数据集State Farm上,对使用不同姿态估计算法和分类网络的分心驾驶行为检测模型做了交叉试验,对比分析4个不同检测模型的优缺点。进一步地,将基于2D姿态估计的分心驾驶行为检测模型应用于实际采集的驾驶图片,对模型的泛化能力和有效性进行了测试验证。研究结果表明:与基于原始图像的检测模型相比,基于2D和3D姿态的检测模型都能显著提高分心驾驶行为的检测准确率;基于3D姿态的检测模型在检测精度方面略优,但基于2D姿态的检测实时性更好,检测效率是基于3D姿态检测的4倍;在驾驶舱单一环境下,基于2D姿态估计的分心驾驶行为检测模型能够满足分心驾驶行为检测的需求,在分心驾驶行为检测方面具有重要应用价值。     

汽车驾驶人姿态监测系统研究综述（双语出版）

随着自动驾驶技术的发展,驾驶人将会参与更多的与驾驶无关的活动,从而呈现出新的姿态,这些新姿态是优化传统被动安全系统的重要切入点。而且在未来相当长的时间内,自动驾驶车辆的行驶依然依赖于人和系统的密切配合。对驾驶人姿态的观察,则可以为判断驾驶人是否有能力及时接管车辆提供帮助,从而确保安全、合理的人机交互过程。通过对大量相关文献的系统性梳理,综述了汽车驾驶人姿态监测技术的智能化发展趋势,从传感器种类以及相应的姿态监测算法出发,分析了目前不同监测系统的优缺点。研究发现,尽管传感器技术和姿态识别算法取得了明显进步,然而廉价稳定且能够在实际驾驶条件下对驾驶人姿态准确感知的监测系统依然缺乏。总体而言,目前的监测系统大多只是集中于对驾驶人局部身体部位的感知,缺乏实际驾驶条件下的性能分析,并且对驾驶人状态的实时感知和预测能力仍有待完善。最后,针对目前监测系统所面临的问题,对未来可能的研究方向进行展望,并提出主动式立体视觉系统和压力传感器阵列相融合的驾驶人姿态监测方式。研究成果将为驾驶人姿态监测系统的研究提供参考和借鉴,从而有助于道路交通安全水平的进一步提升,同时也可为人机交互界面的设计带来启发。     

考虑多维驾驶特性的制动反应时间预测模型

为了准确预测驾驶人的制动反应时间,建立了考虑差异化驾驶人特性的制动反应时间预测模型.以多种次任务驾驶行为作为差异化驾驶人特性的诱导因素设计了试验,在封闭的城市道路展开了实车试验并采集了制动反应时间数据,以自报式信息采集法获取了受试者的多维度驾驶特性变量数据,使用结构方程模型解构制动反应时间的影响因素并以路径系数优化BP...     

基于MobileViT-CA模型的营运车辆驾驶人分心行为检测

营运车辆驾驶人因其职业特殊性,驾驶过程中易产生分心驾驶行为从而引发重大交通事故。为提高营运车辆驾驶人分心驾驶行为的检测准确性和泛化性,提出一种基于改进MobileViT网络的驾驶人分心行为检测方法。首先,基于自然驾驶实车试验,构建包含安全驾驶、使用手机、喝水、整理仪容和与副驾驶交谈5类行为的营运车辆驾驶人分心行为数据集。其次,将注意力机制引入轻量型MobileViT网络,通过选择有效的网络主干MobileViT、注意力模块CA、网络嵌入位置从而设计出最优分类模型MobileViT-CA。研究结果表明：所提出的MobileViT-CA分类模型可以有效提升分类网络的性能,在正常光照条件下的营运车辆驾驶人分心行为数据集和State Farm数据集上分别达到了96.57%和99.89%的准确率,且模型具有体积小、检测精度高的优势,有较高的可靠性和泛化能力。     

驾驶疲劳对驾驶员有效反应时间的影响研究

搭建了驾驶员有效反应时间测试平台,通过对不同疲劳状态下驾驶员有效反应时间的测试,研究分析了单纯困倦和驾驶疲劳对驾驶员有效反应时间的影响。研究表明：随着困倦或疲劳程度的加深,驾驶员有效反应时间有延长的趋势,但延长的幅度并不特别显著,约0.1s;而反应时间的离散程度变化极为显著,超长反应时间出现的概率大大提高,使驾车的安全风险急剧增大。