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。     

信息刺激条件下驾驶人警觉性改善规律

为研究持续行驶中的驾驶人在多种信息刺激条件下的警觉性改善情况,构建驾驶模拟试验环境进行试验,试验要求被试驾驶主车跟随前车,并在前车制动减速度超过一定阈值时报告。将时长2 h的试验分为6段,试验分组包括控制组（无刺激组）、设定音乐刺激组与信息刺激组,设定部分时段实施音乐或信息提示进行刺激。利用MP150记录驾驶人的心率与脑电α波、θ波数据,同时记录驾驶人判断绩效,并在试验前后填写SOFI疲劳测量表。试验结果表明：在无刺激条件下,驾驶人警觉性随时间延续呈逐渐下降趋势,信号击中率从84.7%下降到65.2%,心率降低,脑电α波、θ波功率谱密度升高;音乐刺激条件下,驾驶人的判断绩效、脑电α波、脑电θ波均保持在较为稳定的水平,可在一定程度上减缓警觉性下降的幅度;在信息刺激条件下,信号击中率有显著提高,脑电α波功率谱密度增加不明显,但脑电θ波功率谱密度升高;上述3个试验组的驾驶人心率均随时间呈缓慢减少趋势;适当的音乐刺激可使驾驶人警觉性保持在较为稳定的水平,还可以缓解疲劳感受,而信息刺激有助于驾驶人在特定时段提高警觉性并觉察风险。研究结果可应用于车载信息系统设计与安全管理。     

基于样本熵特征的驾驶人换道过程特征分析

在行车环境中,驾驶人的精神负荷是否能合理分配直接影响行驶安全,因而驾驶人的驾驶熟练程度与驾驶人驾驶过程中的精神负荷分配之间关系值得研究,其中脑电是客观评价驾驶人精神负荷的重要指标.通过实验采集了10组城市道路环境下驾驶人驾驶过程中的脑电信号,并记录了车辆行驶过程中的车辆数据,然后使用样本熵的方法来定量计算脑电数据,从而评价驾驶人在换道过程中的精神负荷问题.样本熵计算结果显示:换道过程中驾驶人的脑电特征要明显比非换道过程中驾驶人的脑电特征复杂;换道过程中驾驶人的脑电特征样本熵明显大于非换道状态下的驾驶人脑电特征样本熵,熟练驾驶人的脑电数据样本熵明显小于非熟练驾驶人的样本熵值,熟练驾驶人在换道过程中车速高于非熟练驾驶人;相较于跟驰驾驶行为,换道驾驶行为过程占用更多的精神负荷,熟练驾驶人比非熟练驾驶人分配更少的精神负荷在换道过程中.     

国内汽车市场驾驶人眼动行为检测技术分析

为研究不同认知分心等级时的驾驶人眼动行为,通过数理统计的分析方法,对实车道路试验采集的驾驶人完成不同等级认知次任务时的眼动行为特性指标进行了对比分析,定量研究了不同认知分心等级时驾驶人的眨眼、扫视及注视的变化规律。结果表明:认知次任务复杂度、眨眼频率、扫视幅度、视野广度之间显著相关。随着认知次任务难度的增加,驾驶人眨眼频率显著增加、搜索广度明显缩小、注视点分布更加集中。可见本文的研究可以为基于眼动行为的驾驶辅助系统的开发提供理论支持。     

考虑道路平曲线设计的驾驶疲劳对车道保持能力影响研究

不同的道路平面线形几何设计对于驾驶人车道保持能力的需求是有差异的,驾驶人受疲劳程度影响也会呈现车道保持能力下降的趋势,当前的研究未综合考虑以上2个因素:线形和疲劳程度对驾驶横向表现的交互影响.邀请41位被试者分别开展550 km的实车实验,获取车辆位置信息GPS以匹配道路线形类型,基于问卷调查方法获取驾驶过程疲劳等级.分析不同疲劳程度、不同平面线形类型以及弯道半径条件下的车道偏离标准差参数,构建了多元线性回归模型.数据分析结果表明,相同疲劳程度下驾驶人在圆曲线段驾驶的偏离值要超过直线段以及缓和曲线段;当弯道半径超过5 500 m时,曲线段弯道半径越大,车道偏离差值越高.同时,考虑了线形影响的多元线性回归模型对疲劳程度的预测精度要高于未考虑线形因素的模型,进一步说明在针对驾驶疲劳行为表现开展研究时,有必要对道路设计参数加以考虑以提高疲劳辨识精度.     

城市快速路中央分隔带线性空间布局形式的视觉刺激对驾驶行为的影响

为探究城市快速路中央分隔带线性空间布局形式的视觉刺激对驾驶行为的影响，通过图像语义分割技术量化景观构成要素，并用SILAB软件平台构建虚拟仿真场景，开展模拟驾驶试验。测试路段限速值分别为50 km·h^-1和70 km·h^-1。试验获取了41名被试对中央分隔带布局形式视觉刺激的眼动和车辆运行指标以及驾驶疲劳的主观评价，以分析不同中央分隔带布局形式视觉刺激下各特征参数的变化规律。采用注视点信息熵作为布局形式视觉刺激度的量化指标，并使用ROC曲线方法为表征不同中央分隔带布局形式视觉刺激的驾驶行为指标确立了舒适性阈值，根据不同中央分隔带布局形式下的驾驶行为指标及阈值，建立了舒适性综合判别模型。研究结果表明：单次扫视时长、注视次数、车道横向偏移距离受布局形式视觉刺激的影响较大；与车速50 km·h^-1相比，当车速为70 km·h^-1时，扫视频率低，单次扫视时长短，注视次数少，平均眨眼持续时间长；注视点信息熵与视觉刺激度相关；由车辆运行特征分析可知，排列式的中央分隔带布局形式由于景观单调、视觉刺激过低会导致驾驶人出现反应迟缓、疲劳，影响行车安全；规则式布局形式视觉刺激过高，环境的复杂性、新奇性、意外性等特征过于显著，会导致驾驶人难以集中注意力，从而威胁行车安全；而自然式的布局形式不仅能够改善城市快速路景观环境的单调性，还能够提供适宜的视觉刺激。研究成果能够改善中央分隔带布局形式及提高驾驶安全性提供一定的理论依据。     

驾驶人熟悉程度对其安全驾驶行为的影响研究综述

驾驶人作为人-车-路-环境复杂系统中最核心的因素,在交通安全中发挥最为关键的作用。聚焦驾驶人熟悉程度这一因素对道路交通事故的影响,系统地梳理和分析了驾驶人熟悉程度与交通事故的关系及其影响安全驾驶的机理等相关研究及成果。首先,基于驾驶人熟悉程度的距离维度和频率维度识别标准,分析了驾驶人对道路、环境及车辆的熟悉程度与其发生交通事故概率的关联性;其次,从驾驶人控制行为、路径选择行为及视觉行为等角度归纳了驾驶人熟悉程度影响其安全驾驶的机理;最后,就该领域面临的挑战及未来的研究趋势进行了分析和探讨,提出进一步标准化驾驶人熟悉程度指标的方法,为驾驶安全程度评价及提高交通安全提供了理论基础。针对已有相关研究的局限性及机理研究中尚不明朗的问题,后续研究需从认知心理学方面探究因道路、环境、车辆等驾驶人熟悉程度影响其安全驾驶的机理,进一步将视觉特征指标与生理指标结合以量化驾驶人熟悉程度,将此纳入到道路选择模型中。同时,从生理指标角度客观衡量驾驶人熟悉程度对其乘坐舒适度的影响,这些为提升自动驾驶技术接受度、交通安全及车辆安全提供强有力的理论基础。     

自动驾驶等级提高条件下驾驶人驾驶姿势变化规律分析EI北大核心CSCD

为研究驾驶人在自动驾驶等级提高条件下的坐姿变化规律,基于直接测量的人体标志点位计算人体内部目标标志点并构建人体模型,确定驾驶人在驾驶过程中7个部位的关节角度,定量描述L0和L3级自动驾驶坐姿特征差异。结果表明,自动驾驶等级由L0提高到L3后,驾驶人的肘部屈曲、胸腹部屈曲、膝盖弯曲度不同程度的增大导致活动空间得到扩展,坐姿舒适度有所提高,而腰背部后倾的趋势加深,上躯干倾向处于扭曲或压缩状态,腰背部由于得不到充分支撑而疲劳,降低了乘坐舒适性。自动驾驶等级的提高改变了驾驶任务,因此驾驶人坐姿特征发生显著变化。本文可为高度自动驾驶汽车的驾驶室布局与自动驾驶功能研究提供重要参考依据。     

基于自然驾驶数据的城市交叉口纵向驾驶特征分析

为满足驾驶辅助系统在城市交叉口对类人驾驶能力的更高需求,本文中研究了实际交通中的驾驶人在该区域的纵向驾驶行为特征。从自然驾驶数据中提取了778条驾驶人接近城市交叉口的样本数据,应用YOLOv4识别了交通场景中的各类道路使用者,采用方差分析研究了反应特性在不同运动类型和交通密度中的差异,建立分层回归模型分析了制动特性与运动状态、运动类型和道路使用者的关系。结果表明：高密度交通显著降低接近速度;与右转驾驶人相比,停车驾驶人的反应距离更长;当接近速度较高或反应距离较短时,会在更短的时间内以更高的减速度和制动强度接近交叉口,且提前4.46 s开始制动;不同道路使用者对制动特性产生了不同影响,停车驾驶人主要关注同向行驶的他车,右转驾驶人主要关注行人和骑车人。     

基于脉搏波特征融合的驾驶疲劳检测方法

疲劳驾驶是交通事故的主要诱因之一,精确检测驾驶人的疲劳程度是主动预防疲劳驾驶事故的核心内容之一。通过开展自然驾驶试验,以驾驶人的生物信号脉搏波（Blood Pressure Waveform,BPW）为数据源,使用脉搏波波形分析方法从中提取有效表征驾驶疲劳的特征指标,构建用于检测驾驶疲劳等级的BPW特征指标集,在此基础上引入D-S证据理论建立了基于BPW特征融合的驾驶疲劳检测模型。结果表明：该模型对测试数据的疲劳驾驶理论检测精度达到了91.8%,优于贝叶斯网络模型的81.4%和支持向量机模型的84.3%,能够满足实际应用的需求,但与决策回归树检测模型99.7%的精度相比较还有差距。研究获得的基于生物信息融合的驾驶疲劳检查模型和方法在驾驶疲劳检测与监测中具有很好的应用前景,可为辅助安全驾驶和疲劳预警及主动干预提供新的技术方案。     

平直高速公路低交通量下L2自动驾驶对驾驶人心理负荷的影响

为研究驾驶人在L2自动驾驶模式下的心理负荷特性,设计了正常驾驶和次任务驾驶2种状态,进行实车高速道路试验,采集21名被试驾驶人在2种驾驶状态下分别选择手动驾驶和自动驾驶模式的眼动数据、次任务绩效和主观评价数据.采用重复测量一般线性模型,分析不同驾驶模式对上述参数的影响,从客观和主观两方面分析驾驶人的心理负荷变化.结果表...     

驾驶人对潜在危险性事件的心理预期识别研究

为准确识别驾驶人对潜在危险事件的心理预期,提出一种通过脑电信号对驾驶人心理预期进行识别的方法。参照心理学预期行为研究常用的标准S1-S2范式,改进设计了路侧停靠公交车造成视觉遮挡的人车碰撞事故模拟驾驶试验。模拟任务中以路侧停靠的公交车为线索刺激,公交车头的行人为目标刺激,诱发驾驶人的心理预期。为有效识别驾驶人心理预期,首先采用释放油门的避险行为对每个试次标定是否产生心理预期,然后通过快速傅里叶变换提取相关的脑电特征数据,并通过差异性分析及主成分分析算法对脑电特征指标进行筛选和压缩,最后基于支持向量机建立驾驶人心理预期识别模型。研究获取36名驾驶人数据,共计1 440个样本。结果表明:当驾驶人产生心理预期活动时,枕区和额区的α波能量值显著降低,而β波能量值则显著增加;差异性分析显示共有31项脑电指标对驾驶人心理预期敏感,所有脑电特征指标通过PCA算法进行降维,抽取出5个主成分作为识别模型输入;选择径向基核函数构建SVM识别模型,通过粒子群寻优算法对模型进行优化,模型对驾驶人心理预期水平的平均识别正确率为82.02%,平均AUC面积为0.82,结果表明模型具有良好的识别能力和稳定性,可为驾...     

海底隧道平纵线形对驾驶人视觉特征及车速的影响

海底隧道平纵线形组合方式复杂多样,容易导致驾驶人产生分心、疲劳等不良反应。为此,采集了30名驾驶人的实车数据,量化分析了海底隧道平纵线形对驾驶人视觉特征及车速的影响。运用Facelab眼动仪、GPS X10车载坡度计、行车记录仪等设备采集眨眼频率、单位时间内人眼闭合时间所占比例（percentage of eyeclosure over the pupil per unit time,PERCLOS）、隧道坡度、车速等数据。利用偏相关性分析得出海底隧道坡度、曲率与驾驶人眨眼频率、PERCLOS、车速的相关性及显著性,采用Ploy 2D非线性曲面拟合方法,分别建立眨眼频率、PERCLOS、车速与坡度-曲率的数学模型,量化分析眨眼频率、PERCLOS及车速与海底隧道平纵线形之间的关系,进而反映出海底隧道不同平纵线形组合对驾驶人的精神状态及行车状态的影响。结果表明：坡度1.3 %和圆曲线半径4 348 m的海底隧道平纵线形组合方式下,驾驶人的眨眼频率最大,精神最放松,适当增加上坡坡度值、减小圆曲线半径可以提高驾驶人的紧张感;坡度3.05 %和圆曲线半径3 521 m的海底隧道平纵线形组合方式下,驾驶人的PERCLOS最大,疲劳程度最高,适当增加下坡坡度值、减小圆曲线半径可以缓解驾驶人的疲劳;坡度1.78 %和圆曲线半径2 433 m的海底隧道平纵线形组合方式下,车速最快,适当增加上坡坡度值和圆曲线半径,可以降低车速。本文构建的视觉特征及车速模型,可以反映驾驶人的精神及行车状态随平纵线形的变化,为海底隧道平纵线形安全设计与运营管理提供理论支撑。     

基于因子模型的高速公路特长隧道驾驶人心理负荷特性研究

为研究驾驶人行驶通过特长隧道环境中的心理负荷变化特性,选取2座典型特长隧道进行实车试验,采集驾驶人实时心电信号,以心率和心率变异性指标分析为基础,通过数据挖掘构建了基于因子分析的心理负荷计算模型,采用心率变异性频域分析结果对模型进行验证。研究结果表明：心率变异性指标在计算心理负荷时比心率指标具有更高的效度和信度,驾驶人在距离隧道入口较远处和距离隧道出口较近时负荷较大;在隧道路段和普通高速路段,熟悉试验道路的驾驶人平均心理负荷小于不熟悉试验道路的驾驶人;被试在隧道路段的平均心理负荷大小依次为入口段、出口段、行车段,熟练驾驶人心理负荷在特长隧道入口前300 m至前180 m范围受到的影响最为明显;非熟练驾驶人心理负荷在入口前300 m至入口后240 m范围受到的影响最为明显。上述结果说明：在隧道出、入口段,尤其是入口段驾驶人负荷过高,也是造成事故数量多的主要原因之一;熟悉道路条件可在一定程度上降低驾驶人心理负荷;普通高速路段虽然行车环境较好,但运行车速过高也会造成驾驶人负荷增加。熟练驾驶人心理负荷在隧道入口前升高,而非熟练驾驶人心理负荷在进入隧道后仍保持较高水平。     

大型客车横向稳定性仿真分析

为了给营运客车横向稳定状态监测提供理论依据,针对极限工况下状态参数的临界值仿真结果,进行了营运客车稳定区域边界条件的研究。基于非线性三自由度车辆模型建立了基于扩展卡尔曼滤波（EKF）的状态参数估计器,对营运客车的质心侧偏角和横摆角速度进行实时估计,并利用Trucksim验证估计值具有较好的一致性和状态跟随能力。基于MATLAB/Simulink建立非线性七自由度车辆模型,分析不同行驶状态参数对质心侧偏角-质心侧偏角速度（β-β）相平面稳定区域边界的影响,基于仿真数据确定了以车速、前轮转角和路面附着系数为变量的稳定区域边界条件,结合状态估计模型获得以β-β决定的控制变量。在Trucksim中进行连续正弦方向盘转角输入标准稳定性试验,通过分析营运客车行驶过程中控制变量的曲线变化趋势是否超出稳定区域边界确定车辆的运行状态。结果表明：营运客车以60 km·h^-1车速、小方向盘转角行驶在低附着系数（μ=0.3）路面和高附着系数（μ=0.85）路面时,横摆角速度对驾驶人的意图（方形盘转角曲线趋势）有很好的跟随能力,具有较小的延迟响应,车辆处于稳定状态,此时控制变量曲线一直处于稳定区域内;当相同工况下以大方向盘转角输入时,横摆角速度已经不能很好地跟随驾驶人意图,且低附着系数路面下,在3.5 s左右时方向盘转角已经回正,但横摆角速度仍位于最大值,具有较大的延迟,营运客车发生急转侧滑;高附着系数路面下第2.5 s和第6.2 s左右车辆发生严重偏移,车辆处于失稳状态,而对应时刻的控制变量曲线部分超出稳定边界,验证了营运客车横向稳定状态判据的准确性。     

基于视觉特性的驾驶人预瞄时间建模

针对固定时长的预瞄时间无法真实反映驾驶人预瞄行为的问题,首先对自由流条件下的驾驶人视觉特性进行研究,得到直行路段驾驶人注视点多分布在车道中央、弯道路段驾驶人注视点多分布在内侧边缘线附近且视线近似与内侧边缘线相切的结论;在此基础上,探究直行和弯道路段驾驶人预瞄时间的求解方法,并借助驾驶模拟器进行试验,获得了17位驾驶人的预瞄时间。由于预瞄时间的原始数据分布离散程度高,难以直观地体现其随道路线形的变化规律,因而对预瞄时间随道路线形的分布特征进行研究,利用分组求中位数的方法进行数据处理,最终构建预瞄时间关于道路线形的分段线性函数和非线性指数函数。最后,通过数值仿真研究不同类型的预瞄时间（固定时长的预瞄时间、分段线性函数预瞄时间及指数函数预瞄时间）对人-车-路闭环系统动力学特性的影响。研究结果表明：驾驶人预瞄特性会对车辆的轨迹跟随和车道保持绩效产生重要影响;在闭环系统中使用随道路线形变化的预瞄时间可以显著提高车辆的轨迹跟随绩效,确保车辆在指定车道内行驶;驾驶人对道路环境的感知具有自适应性,通过其视觉特性可准确感知环境变化,并据此调整决策目标及其操纵特性。     

人-车-路交互下的驾驶人风险响应度建模

人机共驾中，共驾模式的选择和驾驶控制权的分配高度依赖于对驾驶人状态的正确识别。为了分析人机共驾中驾驶人的状态，对行车风险场模型进行重构，通过构建风险场力作用机制，建立包含驾驶人特性、自车特性和外部风险特性的人-车-路闭环系统中的驾驶人风险响应度模型，用于表征驾驶人对风险的认知能力和应对倾向。根据24位驾驶人在跟车和并道2个场景中的驾驶试验结果，对不同风险响应度下驾驶人的驾驶特性进行分析。研究结果表明：驾驶人风险响应度在驾驶过程中具有时变性，在驾驶人个体之间和不同驾驶场景间均存在差异性。在风险响应度分别为低、中、高的3类驾驶片段中，驾驶人在驾驶时的碰撞时间倒数T_TCi和加减速行为均具有显著差异（p<0.05）；风险响应度较高的保守型驾驶中，驾驶人行车时倾向于保持较小的T_TCi（均值为-0.48 s^-1，标准差为1.25 s^-1），单位时间内制动操作最多[均值为0.65次·（15 s）^-1]，总体驾驶风格倾向于规避风险；风险响应度较低的激进型驾驶中，驾驶人行车时倾向于保持最大的T_TCi（均值为0.28 s^-1，标准差为0.42 s^-1），相较于保守型驾驶，单位时间内加速操作较多[均值为0.48次·（15 s）^-1]，制动操作较少[均值为0.50次·（15 s）^-1]，总体驾驶风格倾向于追求行驶效率；风险响应度居中的平衡型驾驶中，驾驶人行车时所保持的T_TCi居中（均值为0.04 s^-1，标准差为0.36 s^-1），单位时间内加速操作[均值为0.23次·（15 s）^-1]和制动[均值为0.41次·（15 s）^-1]操作总数最少，对于行驶效率和行车安全的追求相对均衡。相较于以往将驾驶人作为孤立个体的驾驶人状态评估方法，所提出的驾驶人风险响应度模型可以依据驾驶人在人-车-路交互中的驾驶表现，更为全面地反映驾驶人的个性化驾驶状态。