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。     

基于驾驶模拟的疲劳识别与车载预警设备有效性研究

疲劳检测是车载疲劳预警设备的关键技术.研究开发了考虑生理和驾驶行为特征的疲劳预警设备,并通过驾驶模拟实验测试了该设备的有效性.结果发现:严重疲劳报警率、总报警率与KSS正相关,一般疲劳报警率在KSS小于等于8时,随KSS的升高而升高,KSS由8变为9时,一般疲劳报警率降低,严重疲劳报警率大幅升高.KSS在7级以下的报警率为0;当KSS为8级时,总报警率的平均值为0.45;当KSS为9时,严重疲劳报警率高于一般疲劳报警率,且总报警率在0.85以上.该报警设备对KSS为9级有效性最高.     

基于眼睛状态识别的驾驶员疲劳实时监测

提出了一种基于眼睛状态识别的驾驶员疲劳状态实时监测的方法。为了实现眼睛状态的检测,首先通过计算累计背景和当前帧的差分图像的质心确定脸部范围,然后通过二值化和轮廓检测确定眼睛的搜索区域。在利用启发式规则进行筛选定位之后,计算眼睛骨架曲线和两眼角连线之间的距离得到眼睛的睁开程度。通过计算相应的疲劳指标如PERCLOS、平均睁眼程度、最长眼睛闭合时间来推测驾驶员的疲劳状态。以驾驶员面部视频的主观评分作为评价依据对检测方法进行评价,结果显示上述3个指标在不同的疲劳等级下均存在显著性差异,通过对不同指标的融合可达到较好的疲劳检测准确率。     

基于视觉的驾驶人疲劳及注意力监测方法

对驾驶人疲劳状态监测技术进行了深入研究,分析了在实际应用中存在的问题,在此基础上提出基于灰度方差定位驾驶人面部,利用投影曲线极点位置分割面部器官独立区域,对每一个独立区域进行OSTU计算和轮廓提取,最终获得眼睛的轮廓状态,利用PERCLOS判断驾驶人的精神状态。利用驾驶人面部器官定位的结果,对人体头部旋转运动模型进行分析,提出了计算驾驶人面部旋转角度的计算方法。最后给出判断驾驶人的注意力是否分散的判断策略。试验结果表明,该算法实时性好,具有较好的鲁棒性,可以为驾驶人疲劳状态及注意力状态的判断提供较为准确的依据。     

电磁共振式高频疲劳试验机故障应急处理的方法

介绍了旧型号电磁共振式高频疲劳试验机在使用中，因缺乏特殊线光源灯泡而产生的问题及处理方法。     

基于眼睛状态的驾驶员疲劳识别

有效防止和监督驾驶员疲劳驾驶,对降低交通事故具有重要意义。文章提出了一种基于眼睛状态识别的驾驶员疲劳状态的识别方法。首先通过计算累计背景和当前帧的差分图像的质心确定脸部范围,然后采用了二值边缘图像的人眼定位方法,计算出眼睛区域的面积和持续闭合时间,依据PERCLOS准则,判断驾驶员是否处于疲劳状态。实验表明,系统能够实时准确地定位人眼及检测眼睛的开闭状态,从而有效地检测驾驶员的疲劳程度。     

考虑驾驶人风格的跟车预警规则研究

为研究驾驶人的跟车特性及探究可适用于不同风格驾驶人的跟车预警规则,为自动驾驶车辆开发可满足不同用户驾驶需求和驾乘体验的主动安全预警系统,选取50名被试驾驶人开展实车试验,采集驾驶人跟车行为表征参数并基于雷达数据确定跟车事件提取规则。选取平均跟车时距和平均制动时距为二维向量,使用基于K-means聚类结果的高斯混合模型将驾驶人聚类为3种风格类型(冒进型、平稳型、保守型)。通过分析3组驾驶人的跟车及制动数据,将不同类型驾驶人的制动时距分位数作为跟车预警阈值,结合实际预警数据及不同制动时距分位数对应的预警正确率,对现有跟车预警规则进行调整,以适应不同类型驾驶人的驾驶需求。研究结果表明:3组驾驶人的平均跟车时距和平均制动时距差异显著,冒进型驾驶人倾向于选择较小的跟车时距和制动时距,保守型驾驶人的跟车时距和制动时距则普遍较大;3组驾驶人的实际跟车预警次数为215次,驾驶人采取制动操作而系统未予以预警的次数为329次,系统整体预警正确率为21.9%,漏警率为87.5%,通过分析信息熵等判定当前预警规则并不合理;将每类驾驶人制动时距的10%分位数作为阈值时的预警效果较好,调整后的跟车预警规则能在一定程度上适应不同的驾驶人类型。     

山区公路弯道预警方法研究

山区公路弯道的事故率往往高于普通路段,驾驶人由于视距等原因对弯道风险产生识别模糊的现象,基于此提出了一种弯道预警方法.针对山区公路上行驶前方是否为弯道进行预警,以前车的驾驶状态和环境因素为依据进行建模,为后车提供有效的信息以完成信息的链式传递.分析了速度和三向加速度与弯道条件的关系,通过频率分布图与相关系数的计算,从统计学的角度说明了4个变量作为模型自变量的可行性.同时考虑到驾驶人的性格等个人因素的影响,以历史数据为基础,利用以处理时序数据见长的Elman递归神经网络构建预警模型,并将该模型与二元逻辑回归、BP神经网络等方法进行对比,其准确率达到85.59%,验证了模型的有效性.     

车路集成环境下车辆防撞预警安全状态判别模型的研究

针对现有安全状态判别模型未能兼顾行车安全与道路空间资源利用率,且忽略了实际行驶环境下动态制动减速度信息的问题,提出了车路集成条件下车辆防撞预警安全状态判别模型。通过车-路通信协作实现对路面类型等实际行驶环境因素的动态识别,并确定车辆采取制动措施时所能获得的动态制动减速度;通过分析前车与自车的有效制动时间和车辆制动全过程,建立了新型临界跟车距离模型,并给出了模型关键参数的获取方法。仿真结果表明,该判别模型具有较强的自适应性,更贴近车辆实际行驶环境下的制动过程,有利于提高道路空间的利用率。     

车辆荷载运营状态对预应力箱梁桥疲劳损伤的影响研究

模拟分析预应力箱梁桥在不同运营密度状态下的应力时程曲线,采用雨流计数法获得结构的应力幅谱,在此基础上依据线性累积损伤理论得出不同运营密度状态下预应力箱梁桥的疲劳损伤度,继而提出了考虑运营车辆密度的线性积伤公式。研究表明:疲劳车辆模型和数量相同的情况下,高速行驶的车辆比一般行车速度的车辆对桥梁疲劳损伤大。考虑运营密度的影响下,当行车间距小于某中间值,行车间距越小、连续车流数量越少对桥梁的疲劳损伤越大。当行车间距大于桥梁计算跨径时,则无需考虑行车间距和连续车流量数目对疲劳损伤的影响。     

疲劳驾驶预警系统的研究进展

疲劳驾驶已成为交通安全的重要隐患,严重威胁着人们的生命和财产安全。本文分析疲劳驾驶预警系统的研究难点,介绍当前有代表性的预警系统,并在此基础上对这些预警系统的优缺点进行了对比分析,最后对疲劳驾驶预警系统的发展趋势进行了展望。     

基于ROC曲线的疲劳驾驶判别方法研究

疲劳驾驶判别是危险驾驶行为研究的主要内容之一,基于驾驶行为的疲劳驾驶判别更加直接.文中选取疲劳状态下的驾驶行为指标作为研究对象,结合不同道路线形分析疲劳对于驾驶行为的影响,获得能在相应的道路条件下显著反映疲劳驾驶的驾驶行为指标.使用ROC曲线方法分别确定不同道路线形下各个驾驶行为指标判别疲劳驾驶的阈值.根据各个驾驶行为指标及阈值,建立疲劳驾驶综合判别模型,并通过对比分析说明基于驾驶行为指标进行疲劳驾驶判别考虑不同道路线形的必要性.研究结果表明,疲劳状态对驾驶行为的影响在不同道路线形上表现不同,基于ROC曲线的疲劳驾驶判别方法可应用于基于驾驶行为的疲劳检测,不同道路线形下平均识别率达75％,平均误判率为16.5％.     

预警时间对信控交叉口避撞驾驶行为的影响研究

研究不同预警信息发布时间下,不同性别驾驶人对于交叉口迎头侧面避撞情景驾驶行为影响规律,为提高车辆避撞预警系统功效性提供理论依据.基于汽车驾驶模拟器设计实验,招募具有稳定驾驶能力的驾驶人45名,采集7种预警信息发布时间(2.5～5.5 s),将无预警作为控制组,采用C#编程提取能够表征驾驶行为的变量.用方差分析和线性回归方法分析在交叉口迎头侧面碰撞情景下不同预警信息发布时间对驾驶人的制动时间、最大减速度、测试车辆与冲突车辆的最小距离的影响.结果表明,预警信息发布越早,驾驶人的制动时间越长,最大减速度越小,说明较早发布预警信息可以减缓驾驶人采取制动措施的剧烈程度.同时,预警信息发布较早,可以增大车辆间的最小间距,降低碰撞事故发生的可能性.此外,女性驾驶人的驾驶行为比男性驾驶人更加保守.     

连续驾驶条件下公交驾驶员疲劳特征实验研究

为辨识公交驾驶员的疲劳状态随驾驶时间的变化关系,采用驾驶模拟器进行模拟驾驶实验.采集驾驶员连续驾驶过程中脉搏和呼吸周期数据,进行曲线拟合,选取拟合效果最好的高斯曲线用于疲劳状态界定;进而建立依据生理指标判断驾驶员疲劳状态的2项Logistic模型.以20~30岁男性公交驾驶员为测试对象进行案例研究,建立判定该类驾驶员疲劳状态的模型,得到其合理连续驾驶时间阈值为235 min.提出的方法可为公交安全监控和管理工作所借鉴.     

汽车驾驶疲劳分析及其监测

为了揭示驾驶员疲劳驾驶导致交通事故的根本理论原因,本文分析了驾驶疲劳的形成过程及其机理。基于人因工程学角度,以疲劳相关理论为基础,构建了承担驾驶负荷的驾驶员身体系统,并把驾驶行为分为三个阶段,把每一阶段所产生的疲劳严格区分为精神疲劳和体力疲劳。根据驾驶疲劳的程度,把驾驶员的疲劳状况分为了四类,建立了驾驶疲劳累积模型。根据对驾驶疲劳形成的系统分析,概括了现阶段疲劳驾驶监测技术的研究方向,并提出了对疲劳驾驶监测技术的发展趋势和应用前景的建议。     

基于驾驶风格的前撞预警系统报警策略

考虑驾驶风格的影响,设计了一种优化的纵向相对距离预测模型,并基于此模型改进了前撞预警系统报警策略.驾驶风格分类结合了分位点法和信息熵法,以不同方式进行特征提取,使用k-means方法聚类样本数据.基于长短期记忆模型,设计了编码器-解码器模型用于预测,以上述分类的全部数据训练模型的共用部分参数,以提高模型的泛化能力;而以...     

基于头部姿态特征的列车司机疲劳驾驶检测系统研究

列车司机疲劳驾驶严重威胁列车行车安全.为弥补人眼检测方法存在的不足,提出了1种基于头部姿态特征的列车司机疲劳驾驶检测方法.该方法首先采用AdaBoost算法检测人脸区域,然后采用Camshift算法对人脸进行跟踪,并对人脸的旋转角度进行计算,得出其旋转角速度以及旋转角加速度,最后根据其头部的倾斜角度以及旋转角速度综合判断列车司机的疲劳状态.建立了头部旋转物理模型,得到头部自由旋转时角速度与角加速度随旋转角度的变化曲线.在上述方法的研究基础上,研发了1个基于头部偏转情况判断疲劳驾驶的系统.该方法的疲劳检测成功率为87.5％,但其只能对头部缓慢倾斜和头部突然向两侧倾斜这2种疲态状态进行报警,尚不能对打呵欠、低头、闭眼等其他疲劳状态做出反应,需与其他检测方式结合使用.     

隧道驾驶疲劳唤醒段设置长度研究

为解决驾驶员在隧道中间段因驾驶疲劳带来的行车安全问题,对隧道驾驶疲劳唤醒段设置长度进行研究。首先,建立疲劳唤醒段的刺激量与其产生疲劳唤醒后对驾驶员的唤醒程度以及唤醒维持时间的相互关系;然后,进行蓝、紫、青3种色彩,3种亮度及5种刺激持续时间共45种不同刺激量组合下疲劳唤醒段的静态唤醒试验,研究隧道疲劳唤醒段不同刺激量对被试驾驶员唤醒程度的影响规律,建立刺激量与唤醒程度的相关关系模型,得到疲劳唤醒段刺激量应不低于8.84 cd·s/m2;最后,分析不同刺激量的疲劳唤醒段对驾驶员唤醒的维持时间,建立不同运行速度条件下疲劳唤醒段刺激量与唤醒维持时间的相关关系模型,根据不同运行速度下隧道疲劳唤醒段侧壁可设置的最高亮度,得到不同运行速度下隧道疲劳唤醒段应设置的长度。当设计速度为60、80、100 km/h时,第x（x∈［1, N-1］）处疲劳唤醒段的设置长度分别为160、200、220 m,第N处疲劳唤醒段的设置长度应保证剩余路段驾驶员的正常驾驶,且不低于65、80、90 m。