基于交通标志信息量的驾驶负荷加载有效性研究

过高的驾驶负荷是导致驾驶绩效受损和交通事故的重要原因,因此驾驶行为和交通安全研究中需要采用适当的负荷加载形式;通过试验分析不同信息量的交通标志对驾驶人认知负荷的影响规律,验证交通标志信息量对负荷加载的有效性。基于不同信息量的交通标志,对驾驶人的驾驶负荷进行试验验证。招募44名被试在静态控制环境下进行交通标志认知试验,采用信息理论对交通标志信息量进行量化计算,用不同信息量的交通标志进行认知负荷加载,采集被试对每个标志的主观负荷评价及反应时间。试验结果表明：主观驾驶负荷与交通标志信息量有高度相关性,反应时间随着信息等级的增加而增加;而驾驶人性别和驾驶经验对交通标志视认反应时间和主观驾驶负荷量化没有显著影响,这说明在驾驶试验中,交通标志信息量可以用于驾驶试验中的认知负荷的加载,而这种负荷的加载对于驾驶人的性别和驾驶经验是无差别的。该研究更多地考虑了驾驶人的认知特性,研究成果可用于驾驶负荷试验的次任务加载,帮助进行交通安全理论研究。     

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...     

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.     

面向公路智能预警系统效用评价的驾驶模拟实验设计

随着智慧交通的发展，高速公路利用智能预警系统提升多因素影响高原山区高速公路互通立交区进出匝道的通行安全性与通畅性。为进一步评价预警系统的有效性，研究设计了驾驶模拟仿真实验，通过搭建典型低能见度天气下的虚拟场景的道路、交通、环境和交通流，通过驾驶模拟器、无线生理仪和眼动仪等设备采集驾驶员的驾驶行为和生理心理数据，通过不同场景的模拟仿真，对不同预警系统应用条件下的驾驶行为的变化进行分析。实验招募了50名驾驶人完成共12个互通立交进出口匝道场景的闭环虚拟仿真实验，利用实验设备采集了速度、加速度、皮电、心率以及注视扫视等数据，通过统计分析驾驶人在不同能见度、进出口匝道以及有/无预警系统的场景中的驾驶行为数据和生理心理数据，为预警系统的有效性分析提供定量化的评价。实验结果表明，预警系统能够有效提高驾驶人的驾驶安全性；此外，对比互通匝道预警系统对不同驾驶经验的驾驶人的影响，发现对驾龄>10年的驾驶人的警示效果更好。     

基于多维信息特征分析的驾驶人认知负荷研究

准确评估驾驶人认知负荷水平，对于深入研究驾驶人行为特性，改善驾驶安全性具有重要意义。现有的驾驶人认知负荷分类方法，大多基于心电、脑电等生理信息和车辆信息，由于特征选择上的单一性，导致驾驶人认知负荷分类模型的分类精度不高。设计基于跟驰场景的不同认知负荷N-back次任务试验，通过采集受试者的生理信号和车辆信号，结合NASA_TLX主观评分和机器学习算法，提出了基于多维信息特征融合的驾驶人认知负荷分类方法。研究表明：基于生理信息和车辆信息的多维信息特征认知负荷分类方法，其精度显著高于传统的基于生理信息的认知负荷分类方法，以多维信息特征为输入，随机森林法以其稳定性好、抗过拟合能力强的特点，表现出优异的分类效果，相比神经网络和支持向量机，具有最高的平均分类精度。     

长时驾驶任务中脑力负荷多维特征变化趋势研究

研究长时驾驶任务中驾驶人脑力负荷多维特征随时间的变化趋势，对构建长时驾驶任务中脑力负荷的动态测评方法有着重要意义。现有研究缺少对脑力负荷动态变化的深入分析，尚未能揭示脑力负荷多维特征随时间的变化趋势。设计基于模拟驾驶场景下不同任务难度的时间纵向驾驶任务仿真试验，采用双因素(3任务难度×6时间段)组内试验设计，记录了驾驶人脑力负荷的主观测评、驾驶行为绩效以及眼动、皮电和心电等多模态生理测评指标数据，通过重复测量的方差分析方法系统地分析了脑力负荷多维特征在长时驾驶任务中的变化机理。结果表明：在长时驾驶任务中，随着驾驶时长增加，驾驶人的主观脑力负荷产生累积增加现象，驾驶行为绩效变差，瞳孔直径先快速变小后趋于平稳，皮肤电导水平先快速变大后趋于平稳，心率变异性pNN20指标随时间缓慢降低，心率低频与高频的能量比LF/HF在一段时间平稳后变大。任务难度对主观脑力负荷、驾驶行为绩效、眼动及皮电指标都有显著影响。不同任务难度下脑力负荷特征的变化趋势有所不同。研究结果揭示了长时驾驶任务中脑力负荷的多维特征变化趋势，可为进一步探究长时驾驶任务中脑力负荷的动态测评方法提供参考依据。     

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。     

考虑生理特性的驾驶行为险态辨识研究

生理指标是驾驶过程中驾驶人状态最直观的体现,探讨生理指标与驾驶行为险态之间的关联关系对实现危险驾驶行为的辨识具有重要现实意义.以驾驶人生物反馈系统采集的3项生理特性指标为特征向量,采用皮尔逊(Pearson)相关系数法对不同生理指标与险态等级之间的关系进行深入分析,并在此基础上采用K-均值聚类方法构建驾驶行为险态辨识模型.通过对30组模拟驾驶实验数据的分析,最终得出驾驶人的血流量脉冲值(BVP)和皮肤表面电位(SC)与驾驶行为险态等级间存在显著正相关性(p<0.05),呼吸率(RESP)与驾驶行为险态间存在一定相关性,但是规律性不强.采用BVP和SC作为特征向量构建模型对驾驶行为险态辨识精度最高达到96%,对可忽略、可容忍和不可容忍3种状态的识别准确率分别达到97.33%,98.16%和88.16%.      

高速公路隧道群内隧道纵向间距对驾驶人生理负荷的影响规律研究

为研究隧道群内隧道间纵向间距对行车安全的影响，采用驾驶人实车试验方案，借助眼动仪和MP150生理仪采集了10名驾驶人的瞳孔面积以及心电信号数据，并采用模糊综合评价法表征不同隧道间纵向间距下隧道群中各相邻区段的生理负荷。结果表明：驾驶人的瞳孔面积变化率、窦性心搏间标准差(SDNN)在隧道群中各区段均具有显著性差异。驾驶人在第二隧道入口段瞳孔面积变化率最大，第一隧道中间段SDNN最大；在隧道群的第二隧道入口段和第一隧道出口段的生理负荷最大，其次是纵向间距段；第一隧道中间段的综合负荷较低。隧道群纵向间距在0～110 m驾驶人的综合生理负荷增加并达到最大，隧道群纵向间距在110～200 m,驾驶人的综合生理负荷降低，在150 m后变化趋近平缓。建议对于纵向间距小于150 m的隧道群，在隧道之间设置遮光棚，以减小驾驶人明暗适应带来的综合生理负荷。     

基于规避行为的城市水下特长隧道驾驶负荷评价

为明确城市水下特长隧道驾驶负荷与驾驶特性，在武汉市公铁水下特长隧道开展了自然驾驶实车试验，选取侧壁规避程度、速度限速差和扫视角度动态变化量等3个指标，对驾驶模式进行分类，并基于熵权法计算驾驶负荷综合评价值，研究驾驶人在城市水下特长隧道驶入段与驶离段的驾驶特性与负荷。结果表明：在多数情况下，驾驶人会处于本车道内向右侧方偏移的道路行驶，但随着行驶距离的增加，规避行为逐渐减弱；驶离段速度限速差较低，扫视角度动态变化量较小，行驶速度规范程度高，且速度变化与侧壁规避程度相关性强；驶入段处驾驶人的主要驾驶负荷集中于对隧道内行驶环境变化的观测与判断，而出隧道时，对于速度的控制成为了驾驶人主要的负荷来源；胆小型、保守型、激进型三类驾驶人的驾驶负荷综合评价值在驶入段分别为7.21、9.91、16.22,在驶离段分别为6.61、9.47、17.25。研究结果可为城市水下特长隧道的安全改善提供理论性的支撑。     

考虑肌电信号的驾驶人弯道操纵行为分析

驾驶人是"人-车-路"闭环系统中的核心。近年来,研发人性化、个性化的汽车驾驶辅助系统逐渐成为行业热点。为了更加透彻地理解弯道驾驶行为特性,为弯道驾驶辅助系统提供功效评估与优化,提出了一种考虑肌电信号的驾驶人弯道行驶过程操纵行为分析方法。招募12名驾驶人在试验场标准路面上进行实车试验,其中包含6名专业试车师与6名普通驾驶人,要求驾驶人分别以30,40,50 km·h^-1的不同初速度驶入U形弯道并自由驾驶。试验过程中记录驾驶人颈部肌电信号数据和车辆运动状态数据,分析转弯行驶车辆侧向运动对不同驾驶能力的驾驶人生理体验的影响,同时进一步探讨不同类型驾驶人在不同入弯速度条件下颈部肌电信号与侧向加速度的关联差异特性。试验结果表明：相同工况下,专业驾驶人和普通驾驶人颈部肌电特征值存在显著差异,专业驾驶人颈部肌电信号特征与车辆侧向加速度呈现一定的线性关系;随着驾驶任务难度的增加,驾驶能力好的驾驶人能够较好地适应任务的变化,在进行纵侧向耦合操纵时能够较好地协调身体生理反应与车辆侧向运动保持较好的关联特性。研究成果为进一步探索并完善驾驶体验评价方法提供了新的研究思路,同时,可为汽车辅助驾驶系统功能设计与智能汽车行驶性能的用户体验测评提供技术支撑。     

基于SOM神经网络的多工况驾驶风格识别

不同的驾驶员对车辆的各项性能可能有个性化地要求,因此有必要对驾驶风格的分类与识别问题进行研究。首先在驾驶模拟器上采集不同驾驶员在多工况下的数据,利用主成分分析法选取驾驶员在各个工况下的特征参数,SOM神经网络分别对起步、加速及制动工况下的驾驶数据进行了聚类分析,然后以驾驶风格聚类分析结果为基础,建立了基于SOM神经网络的驾驶风格识别系统,该系统可根据驾驶员驾驶历史数据来判断其驾驶风格,最后以某一温和型驾驶风格识别结果为例验证了系统的合理性。     

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。     

Comparison of driving characteristics between drivers in Korea and in the united states of America based on driver-vehicle interaction field database

Research and development involving intelligent vehicles of today is geared to safe, driver-friendly and sensitive vehicles that provide a driver with a pleasant and convenient driving environment while preventing him or her from possible risks of accident. In developing convenient and safe vehicles, research on drivers’ driving patterns, reactions and state characteristics depending on road conditions in actual field is essential in order to devise more driver-friendly intelligent vehicles. This paper describes how a driver-vehicle interaction (DVI) field database is built in order to obtain a driver’s input in normal road driving condition on highways, country roads, and city roads, and his or her state information, as well as data on the vehicle and traffic conditions. And the newly built database is compared with the RDCW FOT database established by UMTRI of the US for analysis to suggest that the driving tendencies of drivers in Korea and the road driving conditions are not the same as those in the US, reconfirming the need to establish a DVI field database, which will be used for the development of intelligent vehicles suitable for the Korean environment. The DVI data collected from actual driving in field are anticipated to be widely utilized as basic data for research on various intelligent driving safety systems, advanced driver assistance systems (ADAS) and human-vehicle interface (HVI) that are suitable for the driving environment in Korea.     

普通公路驾驶员期望车速调查分析与建模

为了解普通公路驾驶员的车速选择机理,对驾驶员进行了期望车速问卷调查,对驾驶员的个人信息、车辆特征、以及驾驶员对超速10%的认可态度等可能影响期望车速的因素进行了重点调查。根据限速值的不同,分80、60和40 km/h 3个等级进行了调查,并为各等级公路选取了代表路段,由具有类似驾驶经历的驾驶员认真填写。对435份有效问卷进行了分析,发现期望车速广泛存在于驾驶员心中,驾驶员在行车过程中会使车速尽量维持在期望车速附近。期望车速主要受限速值、驾驶员的驾龄、对超速10%的态度以及车辆性能等因素的影响,驾驶员的性别和年龄对期望车速的影响不显著。采用逐步回归法,得到了期望车速的计算方法。对期望车速的特点、交通安全措施以及调查方案中可供改进的地方进行了总结。     

基于嗅觉刺激的驾驶员负向情绪正向调控方法研究

针对驾驶员在异常情绪下更容易导致交通事故发生的问题，研究一种用于智能座舱的驾驶员异常情绪正向调控方法。招募 30 名被试者进行试验，利用视频素材诱发驾驶员愤怒等负向情绪，利用 E-prime 软件控制的嗅觉体验测试仪释放薰衣草、甜橙、沉香木气味对驾驶员负向情绪进行正向调节，采用 ErgoLab 多通道生理仪检测记录在气味刺激下被试者的心电信号 （ECG）、光电容积脉搏波信号 （PPG）、呼吸信号 （RESP） 等生理特征信号；采用问卷调查获取被试者的主观感受；使用面部表情识别软件对驾驶员情绪进行分析，联合主客观数据分析驾驶员的情绪调节效果，通过 30组对照试验研究3种嗅觉刺激气体对负向情绪的调节效果，结果表明，沉香木调节效果最好，甜橙其次，薰衣草最差。     

试论汽车驾驶员在安全驾驶中的问题

中国在过去几十年里发生了翻天覆地的变化,社会经济建设取得了重大成就,经济也实现了跨越式发展。目前人们的收入是非常可观的,所以人们有足够的经济支撑购买汽车,这也正是现如今汽车保有量不断增加的主要原因。任何事情都具有双面性,汽车为人们的出行提供了便利,但是其同样会造成交通安全事故,威胁人们生命健康安全。对于汽车驾驶员来讲,道路状况会影响汽车驾驶状态,但对其影响最大的是个人主观因素,即驾驶员驾驶过程中的状态以及心理素质水平的高低。本文主要论述驾驶员在安全驾驶中的问题,并就问题提出解决策略。     

基于驾驶人视觉感知的高速公路速度控制措施效果分析

为了从驾驶人视觉感知角度了解4种控制措施(限速标志、警告标志、减速标线、彩色路面)对驾驶人行车速度控制的效果,基于驾驶人动态视觉特性,建立了视觉信息负荷模型,将驾驶人前方视觉区域划分成1个中央视野和4个周边视野,量化了速度控制措施对驾驶人视觉感知影响。基于实车试验数据分析表明:行车速度与驾驶人感知到的速度控制设施的视觉信息量显著相关,信息量越大,减速幅度越大;在速度控制措施的持续影响下,减速频率不会超过,而后趋于稳定。     

Driver propensity characterization for different forward collision warning times

The forward collision warning system, which warns danger to the driver after sensing possibility of crash in advance, has been actively studied recently. Such systems developed until now give a warning, regardless of driver’s driving propensity. However, it’s not reasonable to give a warning to every driver at the same time because drivers are different in driving propensity. In this study, to give a warning to each driver differently, three metrics classifying driver’s driving propensity were developed by using the driving data on a testing ground. These three metrics are the predicted time headway, required deceleration divided by the deceleration of the leading vehicle, and the resultant acceleration divided by the deceleration of the leading vehicle. Driving propensity was divided into 3 groups by using these metrics for braking and steering cases. In addition, these metrics were verified by making sure that braking propensity could be classified on public roads as well.