车路协同雾天预警系统对车辆运行生态特性的影响

为探究车路协同技术对车辆运行生态特性的影响,基于驾驶模拟试验平台构建车路协同条件下的雾天预警系统,测试了驾驶人在浓雾条件下驾驶车辆的能耗排放特征;设计了空白对照组、可变情报板(DMS)预警组、人机交互界面(HMI)预警组以及DMS+HMI预警组4种试验场景,招募43名驾驶人开展驾驶模拟试验,通过对比不同预警方式作用下车...     

认知分心情境下驾驶人应激反应行为研究

选取40名被试,采用2-back任务诱导认知分心,利用驾驶模拟系统构建行人-机动车、非机动车-机动车和机动车-机动车等3种应激场景,开展了不同应激场景正常驾驶及认知分心驾驶2种工况驾驶人的应激反应实验研究;根据采集的被试的眼动、脑电和驾驶行为等数据,分析了认知分心驾驶工况驾驶人的应激反应行为特性;对实验结果进行集对分析(SPA),完成了不同应激场景下驾驶人应激反应行为的安全性评估。结果表明：驾驶人应激反应行为的安全性因受认知分心的影响而降低,其中在行人应激场景下的影响最为显著。     

高速公路改扩建期间强制变道行为驾驶模拟的有效性研究

为了验证驾驶模拟技术应用于高速公路改扩建期间施工路段强制变道行为分析的有效性,开展了实车驾驶和驾驶模拟2种实验.首先,采集车辆的速度和位置信息,计算了强制变道的断面车速v、特征断面间距Δd和特征断面时距Δt等行为指标;然后,分别采用非参数统计方法与回归模型来检验各行为指标的绝对有效性与相对有效性.结果表明:驾驶模拟技术能有效地应用于高速公路改扩建期间强制变道行为分析;变道开始断面的车速、越线点与施工路段起点之间的间距和时距、变道结束点与施工路段起点之间的间距和时距均显示出驾驶人在驾驶模拟环境中具有更激进的驾驶行为.     

基于模拟实验的驾驶人警觉影响因素研究

为测试驾驶人警觉影响因素,设计了基于驾驶模拟系统,以驾驶人为主体,以交通信号灯和风险信息数量分别为警觉影响因素的城市道路和高速公路为测试场景,以驾驶人在4种场景下面对风险情况时的制动反应时间和注视行为数据作为驾驶人警觉特性评价参数的仿真测试实验。分析驾驶人在不同场景因素下警觉水平的差异性。结果表明:所设计的仿真实验与测试结果良好,不同交通管控条件和不同风险信息量下,驾驶人警觉水平存在一定差异。研究结果可用于道路交通事故的原因分析。     

高速公路作业区智能预警与驾驶行为关系研究

为探寻高速公路作业区智能预警与驾驶行为影响关系,通过构建警示标志、人机交互界面及智慧道钉群三种预警场景,同时将驾驶人对智能预警功能知晓与否作为研究自变量,采用驾驶模拟器对53位驾驶人进行试验,提取车辆行驶状态数据并利用方差分析及配对T检验方法分析驾驶行为差异性.结果表明,警告区不同预警方式对驾驶行为具有显著性影响;人机...     

基于自然驾驶数据的螺旋匝道(桥) 驾驶人心理负荷分析

为得到驾驶人在螺旋型立交匝道路段行车时的驾驶负荷及影响因素，选取4 座山地城市螺旋型立交开展自然驾驶实验，利用车载仪器采集自然驾驶习惯条件下的驾驶人心电信号. 分析心率幅值特征、心率连续差异均方根( RMSSD )整体分布特征，以及其与匝道半径、坡度之间的关系. 结果表明，影响心理负荷的主要因素是车辆行驶环境和匝道曲率变化. 匝道的分、合流鼻端处，以及行车过程中跟车、超车和会车均会使驾驶人心理负荷增大，驾驶人行驶在上坡路段的紧张感高于下坡路段，匝道半径与RMSSD 存在较强的负相关性. 纵坡坡度与心率变异指标之间呈现两种不同的相关关系：不熟练型驾驶人随着坡度增加，RMSSD 呈线性上升的趋势；一般型和熟练型驾驶人表现为中间高两边低的趋势.     

封闭道路条件下基于广播式Wi-Fi的车路协同系统信息交互性能测试及评价

为评估车路协同系统的信息交互实际应用效果,以适应车路协同系统安全可靠的发展要求,测试基于广播式Wi-Fi的车路协同系统信息交互性能。选取丢包率和通信时延作为评价通信性能的代表性指标,构建实际道路交通场景并根据车速将其分为动态和静态两种类型。在不同通信距离和视距条件下设计4种详细的测试方案,在试验场的封闭道路上布设车载和路侧设备进行互相通信,通过采集和处理测试数据,分析通信距离、车速和视距对车路协同系统通信性能的影响。结果表明:通信距离和视距是丢包率最为明显的影响因素,通信距离越长,车路协同信息交互性能越差,丢包率越高,并且视距条件下的丢包率比非视距条件下低,而车速对丢包率无较大影响;车速、通信距离和视距均对通信时延影响不大。由此可知,通信距离和视距是导致基于广播式WiFi的车路协同系统信息交互设备通信性能下降的重要因素,因此车路协同系统应保持在一定的通信距离范围和视距条件下进行信息交互,以确保不同种类消息传输的丢包率和通信时延达到要求值,满足实际道路上的应用要求。     

智能网联汽车协同生态驾驶策略综述

为了跟踪近年来智能网联汽车(CAV)协同生态驾驶策略的研究进展, 分析了车辆、驾驶行为、交通网络和社会这4类因素对CAV能耗的影响程度, 以车辆、基础设施和旅行者为对象对目前CAV生态研究进行分类, 重点分析了信号交叉口生态驶入与离开、生态协同自适应巡航控制、匝道合流区生态协同驾驶、生态协同换道轨迹规划和生态路由5种典型车辆协同生态驾驶应用场景的研究现状。分析结果表明: 相比人类驾驶方式, 在任何交通流量CAV 100%渗透率的条件下和低交通流量CAV部分渗透率的条件下, CAV油耗节省效果显著, 最高可达63%, 而具有部分智能化和网联化等级的CAV油耗可至少节省7%;现有研究较少考虑人机共驾情况下, 驾驶人反应延迟和自动控制器传输延迟导致的轨迹跟踪偏离; 现有研究将车车通信/车路通信假定为理想数据交互过程, 未考虑通信拓扑、传输时延、通信失效与基站切换等因素对CAV生态协同驾驶策略的影响; 现有研究较少探讨多车道、交叉口转向-直行共用车道和U型车道等交通场景, 以及不同智能网联等级CAV与人类驾驶汽车、行人、自行车等共存的混合交通条件下的生态驾驶策略; 受限于自动驾驶技术和基础设施尚未成熟和完善, 真实交通场景下的测试验证工作尚未开展; 车辆控制、车车通信、多车协同、混合交通流场景、半实物仿真测试和真实交通场景测试等方面将是CAV协同生态驾驶策略的进一步发展方向。      

考虑驾驶风格差异的高原公路危险路段识别研究

针对高原环境中驾驶人风格、生理变化与危险路段特征之间的潜在关联，提出一种基于驾驶状态的危险路段识别方法，辨识和分析不同风格驾驶人具有潜在风险的路段，并提出优化方案。首先，通过实车实验采集驾驶人行为及生理指标数据，使用DBSCAN(Density Based Spatial Clustering of Applications with Noise)得出驾驶风格类型，并依据行为特征对驾驶风格进行差异性 分析；其次，采用卷积神经网络、双向长短时记忆神经网络与注意力机制搭建危险状态识别模型，通过GPS(Global Positioning System)点位对应实现危险路段辨识，并基于驾驶风格差异，从驾驶人感知、操纵与生理角度对危险路段进行致因分析；最后，将生理与道路线形作为优化参考，以车速建议为着力点进行多元回归分析，并按照生理舒适域确定车速建议区间。结果表明：驾驶人根据行为特点分为谨慎、稳健和激进型，3类驾驶人在上行和下行途中的危险路段多为具有弯坡特征的组合型路段；海拔提升可加速危险驾驶状态的出现，各类驾驶人在上行时的紧张状态多源于弯坡组合值和转角值的增长，激进型驾驶人在坡度大于6%的直纵坡路段时亦会开始高度紧张；下行时，谨慎与激进型驾驶人在直纵坡坡度大于3%时易出现危险状态，激进型驾驶人在转角值大于80°且弯坡组合值大于50时亦存在驾驶风险。研究成果可满足高原公路人因事故预防的需求，为线形设计与交通管理措施制定提供理论依据。     

基于车路协同多业务优先级的车载通信退避算法

为研究车路协同下不同优先级业务的通信,打破传统IEEE802.11 标准的CSMA/CA(Carrier Sense Multiple Access/Collision Avoidance)协议所采用的二进制指数退避策略（Binary Exponential Backoff, BEB）仅适用于传统业务如语音、视频等业务,而未考虑车路协同场景典型业务及其优先级的限制,提出一种面向车路协同的车载通信退避算法。首先,研究车路协同场景下的典型通信业务;然后,利用层次分析法建立了业务优先级层次结构模型,对车路协同下的业务进行了优先级的划定;最后,基于车路协同多业务优先级不同对传统BEB算法进行改进,提出一种面向车路协同的车载通信退避算法。通过仿真,验证了所提算法具有良好的适应性,可针对不同业务优先级,提供差异化的信息资源和业务传输保障,相对于传统的通信协议系统丢包率降低,系统吞吐量增加。