无信号控制交叉口老年驾驶人转向行为图谱研究

考虑到老年驾驶人存在的视觉弱化、反应能力下降等问题,有必要分析其转向行为特征。基于此,本文分析了在无信号控制交叉口情景下老年驾驶人的转向行为特征,并绘制图谱描述行为特征的时序变化。基于无信号控制交叉口的现实场景调查,搭建了具备常见冲突类型的虚拟仿真驾驶场景（包含6个无信号控制交叉口）,招募符合要求的老年驾驶人与中青年驾驶人进行驾驶模拟实验,分别采集车辆行驶数据（驾驶模拟器）、眼动数据和生理心理数据分析老年驾驶人与中青年驾驶人在不同转向场景下的行为特征差异,应用图谱理论构建驾驶人转向行为图谱描述老年驾驶人与中青年驾驶人的转向行为特征时序变化。实验结果表明:老年驾驶人的速度均值为20.4 km/h、注视持续时间均值为289.47 ms、扫视幅度均值为3.51°;中青年驾驶人的速度均值为35.79 km/h、注视持续时间均值为247.94 ms、扫视幅度均值为4.56°。老年驾驶人的心率变异性时域指标（SDNN和RMSSD）与频域指标（LF/HF和TP）的值更低,表明老年驾驶人在转向过程中更加紧张。图谱显示老年驾驶人的紧张持续时间更长,并在信息获取广度上弱于中青年驾驶人。结合图谱时空差异性指标发现,这2类驾驶人的驾驶行为在左转向场景下存在显著性差异,老年驾驶人驾驶操作的稳定性与安全性较低。      

基于自适应遗传粒子群优化模糊神经网络的疲劳驾驶预测模型

为提高疲劳驾驶的预测精度,提出了基于减法聚类和遗传粒子群优化模糊神经网络的疲劳驾驶预测模型.根据训练样本,利用减法聚类确定网络结构和初始参数;借助于进化速度因子,采用自适应遗传粒子群算法优化网络参数.利用疲劳驾驶实车模拟实验获得的数据,对该模型进行了训练和测试,并将结果与传统的粒子群、遗传和反向传播算法进行对比.结果表明,该模型不仅精简了网络结构,缩短了训练时间,而且减小了全局误差,提高了预测精度.     

基于驾驶员数据学习的自动驾驶车辆弯道转向控制研究

针对自动驾驶车辆的弯道转向控制问题,提出了一种基于驾驶员操纵数据分析和学习的控制方法。首先,建立了人-车-路软硬件综合模拟驾驶平台,采集了多位驾驶员在不同弯道上的转向操纵数据及车辆状态数据;然后,采用离散分析和拟合分析进行数据分析,并基于模糊综合评价算法建立转向行为评价体系进行数据评价与筛选;最后,将筛选后的驾驶员数据作为训练样本进行神经网络训练,建立基于神经网络的弯道转向控制器。仿真和实车验证结果表明,所设计的控制器能够很好地模拟熟练驾驶员在弯道上的转向行为,并能够保证车辆在弯道行驶的安全性和稳定性。     

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。     

双车道公路驾驶人-车辆-弯道（环境）系统模型

为探究双车道公路弯道事故机理,对驾驶人-车辆-弯道(环境)系统模型进行了研究。针对驾驶行为中客观存在的模糊性和主观性问题,建立多目标模糊优选决策的驾驶人模型,然后选用12个自由度的非线性汽车动力学分析模型(VDANL),针对其非线性特征研究综合数值计算方法,结合弯道的道路三维模型建立驾驶人-车辆-弯道(环境)系统模型,基于迭代思想提出系统误差补偿计算方法,最后建立综合指标体系,仿真分析了警告标志、附着系数等环境因素对行车稳定性和驾驶行为的影响。     

遗传策略粒子群优化的粗糙集神经网络在崩塌落石灾害风险评估中的应用

本文提出一种运用遗传策略粒子群优化的粗糙集神经网络的崩塌落石风险评估智能方法。首先利用基于邻域粗糙集模型的属性约简方法对样本数据进行属性约简,然后采用遗传策略对粒子群优化算法进行改良,用该改良后的优化方法替代传统BP算法来训练神经网络的权值和阈值,再用训练好的神经网络对崩塌落石风险进行评估。仿真结果表明:该方法降低了神经网络结构的复杂性,减少了网络训练时间,提高了预测精度。     

基于改进BP神经网络的智能车纵向控制方法

针对传统PI控制在车辆速度跟踪过程中参数固定且不易整定的问题,提出了一种基于改进BP神经网络的智能汽车纵向控制方法。分别构建驱/制动模式下的BP神经网络,针对BP神经网络初始参数选取困难及反向自学习存在梯度消失等问题,利用粒子群算法和批处理归一化方法对BP神经网络进行改进,最终实现PI控制参数的动态自整定。通过Carsim/Simulink联合仿真与实车测试对该方法进行了验证,结果表明：相比于传统PI控制,所提出的纵向控制方法在实现基于误差快速调整参数的同时提高了车辆纵向控制精度。     

老年驾驶人在交叉口的视觉特性

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。     

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。     

风险情境下老年驾驶人行为特性研究

为研究风险情境下老年驾驶人与中青年驾驶人行为特性的差异,并确定老年驾驶人的眼动、心理生理、驾驶操作及风险感知等各类行为特性的衰退情况;选取19位老年驾驶人和19位中青年驾驶人作为试验对象,应用眼动仪、生理仪及驾驶模拟平台开展驾驶模拟试验;采集5种风险场景下2组驾驶人的眼动、心理、生理、操作行为与车辆运行数据;对比分析2组驾驶人的注视及扫视等眼动行为特性、心率变异及皮电等心理生理行为特性、制动及转向等操作行为特性、风险反应及敏感度等风险感知行为特性。试验结果表明：2组驾驶人的各类行为特性均随风险等级的增加呈现一定的规律性变化,随着风险等级的增加,2组驾驶人的注视持续时间、皮电均值及增长率、心率增长率和风险敏感度亦随之增加,而扫视、心率变异指标SDNN、制动时间及风险反应时间等指标随风险等级的增加而下降;上述指标的规律性变化说明驾驶人对风险的关注度和敏感度随着风险自身危险性的上升而不断增加,进而做出的反应也就越早,同时伴随着心理紧张程度增加,需要付出的努力也越大,与年龄的高低无关;另一方面,老年驾驶人的各类行为特性出现明显的衰退且与中青年驾驶人存在显著差异,其中老年驾驶人的注视持续时间、扫视幅度、扫视速度等眼动指标分别衰退了37.83%、27.58%、23.80%,皮电均值、心率增长率和SDNN心理生理指标分别衰退了57.67%、20.08%和29.14%,转向熵、车速控制和制动反应时间操作行为指标分别衰退了32.81%、20.34%和49.48%,风险敏感度、判断阈值和风险反应时间风险感知指标分别衰退了13.70%、8.66%和31.80%。通过对风险情境下老年驾驶人的各类行为特性进行详细分析,确定了老年驾驶人各类行为的衰退情况,对老年驾驶人行为特性的研究具有一定借鉴意义。     

PSO-BP神经网络在隧道围岩变形预测中的应用

针对滇西复杂地质条件下隧道围岩变形预测问题,以BP神经网络为基础,引入了改进后的粒子群算法,通过调试和改进建立了PSO-BP神经网络。该神经网络结合了粒子群算法的全局搜索能力和BP神经网络的局部搜索能力,非线性映射能力强,泛化能力强,具有一定的容错能力。计算结果表明:PSO-BP神经网络预测精度高,平均绝对误差为2.4 mm,平均相对误差为2.7%,满足隧道围岩变形预测精度的需要。     

基于驾驶员视错觉特性的新型控速标线研究

基于驾驶人动视觉特性以及视觉错觉特性,综合现有驾驶员视觉的相关特性以及目前的减速标线研究现状和有关规程、规范,在此基础上设计了一种改进优化的视错觉控速标线,通过UC-win/Road软件和模拟驾驶对驾驶人开展了室内仿真驾驶,对减速效果进行评价。新型视错觉标线可以对驾驶人造成车速增加和车道变窄的错觉,控速效果较好。     

改进BP算法在公路工程主材价格预测中的应用研究

分析了传统BP算法的不足,利用相关分析法筛选出公路工程主材价格的主要影响因素;在确定BP神经网络结构及选取训练函数的基础上,建立了基于改进BP神经网络算法的公路工程主材价格预测模型,并结合合肥市石屑价格预测的实例,利用建立的预测模型,采用BP传统算法及附加动量法、自适应学习速率法、两者相结合法等3种改进算法分别预测了合肥市2个季度的石屑价格,并将预测结果进行对比,分析了不同BP算法预测结果之间的差异。结果表明,使用改进的BP神经网络算法进行公路工程主材价格预测,可以将预测误差控制在6%以内,并减少95%左右的训练步数。同时采用自适应学习速率和附加动量改进BP网络的方法相对最有效。     

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HPSO-BP神经网络融合的锂电池SOC预估研究

为实现锂离子电池荷电状态(SOC)的高精度预测,采用混合粒子群(HPSO)与BP神经网络相结合的联合优化算法,通过优化神经网络的初始权值和阈值克服了种群易陷入局部极小的缺点,加快了收敛速度,减小了SOC预估的误差,通过分析磷酸铁锂(LiFePO4)电池充、放电机理,将电池电压、电流、内阻和温度作为SOC的影响因子。MATLAB仿真结果表明,HPSO-BP神经网络算法的预测精度和收敛速度较传统BP神经网络算法更优。     

基于粒子群优化神经网络PID控制的车道保持系统研究

提出一种基于粒子群优化神经网络PID的车道保持控制方法。首先搭建车路模型和EPS(Electric Power Steering,电动助力转向系统)模型;然后建立粒子群优化神经网络PID控制器,利用粒子群算法优化神经网络的初始权值和阈值,提高神经网络算法的收敛速度和精度,优化后的神经网络算法在线调整PID控制器的3个参数比例Kp、积分Ki、微分Kd,输出最优组合;最后,进行车道保持硬件在环试验,试验表明:相对于常规PID控制和神经网络PID控制,在粒子群优化神经网络控制下,车道保持系统的跟踪精度和稳定性都更高。     

驾驶风格对驾驶行为的影响

为了揭示驾驶风格对驾驶行为的影响规律,进而提取表征驾驶风格的特征参数,对不同风格驾驶人在感知层和操作层的驾驶行为数据进行了量化分析。首先,基于驾驶行为问卷对18名中国非职业驾驶人进行了驾驶风格问卷调查,并采用主成分分析、K-均值聚类等方法将被试驾驶人分为谨慎型、正常型和激进型3种类型。接着,被试驾驶人在搭载了SmartEye眼动仪的驾驶模拟器上开展了高速公路行车环境下的驾驶试验,同步采集了感知层的视觉特性参数和操作层的驾驶绩效参数,并采用判断抽样的方式将驾驶样本按照驾驶风格和驾驶模式（换道意图和车道保持）进行了划分,共选取了810组有效样本。最后,采用方差分析法分析了不同风格驾驶人在不同驾驶模式下的注视行为、扫视行为、横向控制特性、纵向控制特性方面相关参数的差异显著性,并提取了不同风格间存在显著差异的参数作为表征驾驶风格的特征参数。研究结果表明：驾驶风格越激进,驾驶人对周围环境关注越少,对车辆的横向控制稳定性越差,急加速和急减速行为发生的频次越高;不同风格驾驶人在意图时窗内对后视镜的注视次数（p=0.002）、方向盘转角熵值（p=0.04）、加速踏板开度（p=0.01）、制动踏板开度（p=0.02）这4个参数的差异均较为显著,因此可作为表征驾驶风格的特征参数。     

高速公路隧道行车视觉特性分析

从交通安全的角度,为获取高速公路隧道行车视觉特性,利用Tobii Glass2眼动仪在夏季11:00—14:00开展了实车测试实验,采集了驾驶人的眼动数据.选取驾驶人的注视持续时间、平均注视时间、瞳孔直径、注视时间比例、扫视时间比例等指标,利用ErgoLAB平台和Origin数据分析软件对相关指标统计分析.以老山隧道为例,分析了隧道照明分段、半开敞棚洞段和隧道内部视线不良路段的驾驶人视觉特性.实验结果表明,驾驶人在隧道照明出入口段驾驶过程中注视时间比例较高;驾驶人在隧道照明基础段行驶过程中注视时间比例降低,扫视时间比例升高;隧道出口段采用半开敞棚洞结构能够降低驾驶人行驶过程中的注视时间比例及扫视时间比例,减弱驾驶人获取驾驶信息的难度和驾驶过程中的紧张感;驾驶人在长大隧道内部视距不良路段行驶时,注视时间比例集中在70%左右,注视热点区域主要集中在视线正前方.      

基于遗传神经网络的交通流量预测研究

针对BP神经网络用于交通流量预测时存在的不足,采用遗传算法优化BP神经网络初始权值的方法来提高BP网络的性能.应用改进前后的BP神经网络模型对长沙市具体路段的交通流量进行预测,通过预测结果对比,发现经遗传算法改进后的BP神经网络在降低预测平均误差的同时,迭代次数也比标准BP神经网络大大减少.     

基于BP神经网络的节能车弯道降速数学模型分析

针对节能车为有效降低燃油消耗率,在整车经过弯道时,发动机需怠速滑行的特点,对GPS车载数据采集系统得到的数据进行弯道部分数据提取。基于提取出的北京金港国际赛车场150余组数据,通过引入BP神经网络算法的方式,建立了节能车弯道降速的BP神经网络预测模型。在经遗传算法优化后,拟合优度的结果显示,BP神经网络的预测较为接近真实情况,预测效果较为良好,可以用于节能车滑行过弯速度变化情况预测,并为不同赛道不同工况下整车速度分配提供参考依据。