基于自然驾驶的中国驾驶员驾驶使用手机行为研究

手机频繁地出现在人们的日常活动中,甚至驾驶人驾驶时使用手机造成分心驾驶,产生了较大的安全隐患。目前世界范围内约束手机使用的法律、教材种类繁多,但对使用手机对驾驶人视觉及操作的影响缺乏了解。国内对该领域的研究相对较少,且主要停留在通过问卷和蹲点调查进行驾驶使用手机现状调查分析,或通过简单的驾驶模拟试验来进行特定行为特征分析的程度,我国驾驶员在真实驾驶状态下的驾驶使用手机情况和行为特征尚无明确的研究结果。本文依托上海自然驾驶研究数据,利用23名驾驶员2013年的115次出行数据对其驾驶行为特征与安全性进行研究。结果显示,被试驾驶员最常使用的手机功能为发送短信、通话和阅读,三者还对驾驶员的视线分心影响最大,达到最高的平均视线偏离时长;在操作分心方面,发送短信具有远高于其他功能的双手占用率;手机使用对于驾驶速度的波动和车辆在车道内的横向位置波动有极大的影响。     

手机使用对驾驶员行为影响研究综述

驾驶中使用手机通话存在安全隐患,可能直接或间接地导致交通事故.从驾驶时使用手机的原因切入,分析了手机使用对驾驶的影响.手机使用引起驾驶分心从而影响驾驶行为.总结国内外手机对驾驶影响的研究,得出结论.      

基于深度学习的分心驾驶行为检测方法

针对现有分心驾驶行为检测方法存在的检测精度低、实时性差等问题，利用基于深度学习的目标检测方法进行了驾驶员分心驾驶行为检测，首先构建分心驾驶行为数据集，包括驾驶员使用手机、饮水和吸烟3种行为的图像，并进行目标物的标注，然后选用轻量化目标检测模型NanoDet进行训练验证，结果表明，该方法可以准确并快速地识别出驾驶员在驾驶过程中使用手机、饮水和吸烟的行为。     

基于MobileViT-CA模型的营运车辆驾驶人分心行为检测

营运车辆驾驶人因其职业特殊性,驾驶过程中易产生分心驾驶行为从而引发重大交通事故。为提高营运车辆驾驶人分心驾驶行为的检测准确性和泛化性,提出一种基于改进MobileViT网络的驾驶人分心行为检测方法。首先,基于自然驾驶实车试验,构建包含安全驾驶、使用手机、喝水、整理仪容和与副驾驶交谈5类行为的营运车辆驾驶人分心行为数据集。其次,将注意力机制引入轻量型MobileViT网络,通过选择有效的网络主干MobileViT、注意力模块CA、网络嵌入位置从而设计出最优分类模型MobileViT-CA。研究结果表明：所提出的MobileViT-CA分类模型可以有效提升分类网络的性能,在正常光照条件下的营运车辆驾驶人分心行为数据集和State Farm数据集上分别达到了96.57%和99.89%的准确率,且模型具有体积小、检测精度高的优势,有较高的可靠性和泛化能力。     

手机操作类型对驾驶人跟车行为的影响

为了探究行车过程中手机使用模式对驾驶人跟车行为的影响,依据功能类型及使用模式将手机操作分为8类,利用驾驶模拟器开展试验,提取跟车速度、跟车间距、车头时距、横向偏移距离、方向盘转角5项指标表征车辆的横向、纵向运行状态,定义驾驶人的注视点分布信息熵、注视点区域分布比例、注视时长、扫视频率、扫视时长、眨眼频率、眨眼时长7项指标表征驾驶人眼动特性,分析驾驶人进行不同手机操作时的车辆运行特性与驾驶人视觉特性,并利用方差分析法验证上述指标作为驾驶人跟车行为衡量指标的有效性。应用灰色关联分析法对8类手机操作对驾驶人跟车行为的影响程度进行量化,并结合具体手机操作的分心内容、形式和动作时间,对具有相近功能的两两操作进行对比分析。结果表明:特定的手机操作行为对选取的各项车辆运行指标与驾驶人视觉特性指标有显著影响;对驾驶人跟车绩效影响由大到小的手机分心操作依次是发送文字信息、阅读文字信息、手持接听电话、发送语音信息、按键拨打电话、听取语音信息、语音拨打电话、免提接听电话,文字信息的编辑和阅读等操作对驾驶人跟车行为的影响大于其他手机操作;研究结果可帮助驾驶人明确不同手机操作对行车安全的危害程度。     

手机操作类型对驾驶人跟车行为的影响（双语出版）

为了探究行车过程中手机使用模式对驾驶人跟车行为的影响,依据功能类型及使用模式将手机操作分为8类,利用驾驶模拟器开展试验,提取跟车速度、跟车间距、车头时距、横向偏移距离、方向盘转角5项指标表征车辆的横向、纵向运行状态,定义驾驶人的注视点分布信息熵、注视点区域分布比例、注视时长、扫视频率、扫视时长、眨眼频率、眨眼时长7项指标表征驾驶人眼动特性,分析驾驶人进行不同手机操作时的车辆运行特性与驾驶人视觉特性,并利用方差分析法验证上述指标作为驾驶人跟车行为衡量指标的有效性。应用灰色关联分析法对8类手机操作对驾驶人跟车行为的影响程度进行量化,并结合具体手机操作的分心内容、形式和动作时间,对具有相近功能的两两操作进行对比分析。结果表明：特定的手机操作行为对选取的各项车辆运行指标与驾驶人视觉特性指标有显著影响;对驾驶人跟车绩效影响由大到小的手机分心操作依次是发送文字信息、阅读文字信息、手持接听电话、发送语音信息、按键拨打电话、听取语音信息、语音拨打电话、免提接听电话,文字信息的编辑和阅读等操作对驾驶人跟车行为的影响大于其他手机操作;研究结果可帮助驾驶人明确不同手机操作对行车安全的危害程度。     

驾驶分心行为及应对策略研究综述

驾驶分心行为对驾驶安全具有重要影响,文中对驾驶分心行为的定义、来源、影响因素、心的检测,研究实验方法以及缓解应对策略进行了综述。     

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。     

基于人体姿态估计的分心驾驶行为检测

为弥补现有驾驶特征提取方法的不足,提高分心驾驶行为检测的准确性和鲁棒性,将2D/3D人体姿态估计应用于驾驶人行为检测,提出一种适用于驾驶舱环境下的驾驶特征提取方法。首先通过将2D姿态估计网络Simple Baseline和分类网络ResNet进行融合,构建基于2D姿态估计的分心驾驶行为检测模型,并在分心驾驶数据集State Farm上分析不同数据增强方法、不同超参数、不同分类网络对模型性能的影响。其次,融合3D密集姿态估计网络DensePose与分类网络ResNet,构建基于3D姿态估计的分心驾驶行为检测模型。接着,在State Farm数据集上,针对模型的实时性和泛化能力,对比分析基于原始图像和基于2D/3D姿态的分心驾驶行为检测模型。最后,针对效果更优的基于2D姿态估计的分心驾驶行为检测模型,在分心驾驶数据集State Farm上,对使用不同姿态估计算法和分类网络的分心驾驶行为检测模型做了交叉试验,对比分析4个不同检测模型的优缺点。进一步地,将基于2D姿态估计的分心驾驶行为检测模型应用于实际采集的驾驶图片,对模型的泛化能力和有效性进行了测试验证。研究结果表明:与基于原始图像的检测模型相比,基于2D和3D姿态的检测模型都能显著提高分心驾驶行为的检测准确率;基于3D姿态的检测模型在检测精度方面略优,但基于2D姿态的检测实时性更好,检测效率是基于3D姿态检测的4倍;在驾驶舱单一环境下,基于2D姿态估计的分心驾驶行为检测模型能够满足分心驾驶行为检测的需求,在分心驾驶行为检测方面具有重要应用价值。     

治理驾驶人“低头族” 国内外有哪些好办法

正近年开车时使用手机这种分心驾驶行为逐渐增多,由此导致的交通事故屡见不鲜。尽管我国法律明确禁止驾驶人在开车时使用手机,各地交管部门针对此类违法行为也采取相应措施严查严管,但仍有大量驾驶人抱有侥幸心理在开车时使用手机。治理驾驶人"低头族",降低事故风险,看看国外有哪些规定?     

音乐喜好对驾驶行为的影响

驾驶的同时听音乐已经成为1种十分普遍的现象,但听音乐是否会对驾驶人的行为产生影响,并带来一定的交通风险,尚有待研究.文中对驾驶人的音乐喜好、驾驶时听音乐导致的情绪状态的变化,以及不当驾驶行为进行了问卷调查,收集了351份有效样本,并建立了音乐喜好、情绪状态和不当驾驶行为之间的结构方程模型,分析了驾驶时听音乐对驾驶行为的影响.结果显示,驾驶时听激进的音乐会对情绪造成显著的负面影响,其直接效应为0.416(p＜0.001),而驾驶人的负面情绪会导致更多的不当驾驶行为的发生,其直接效应为0.626(p＜0.001).驾驶时听音乐,尤其是摇滚音乐、重金属音乐,会间接产生更多的抢行、超速、分心等不当驾驶行为.     

基于图卷积网络的多信息融合驾驶员分心行为检测

为减少由驾驶员分心造成的交通事故,并检测驾驶员在自动驾驶情况下的分心状态以判断驾驶员是否有接管车辆的能力,提出了一种基于图卷积的多信息融合驾驶员分心行为检测方法。通过分析驾驶员分心行为和姿态特征,设计了驾驶员姿态估计图,基于图卷积网络对驾驶员姿态估计图进行特征提取,使用全连接层对所提取特征进行行为分类,同时融合手机等关键物体信息对驾驶员分心行为进行再判断。实验结果表明,本文提出的方法在SrateFarm数据集和自制数据集上分别达到了90%和93%的准确率,检测速度约为20帧/s,准确性和实时性均达到检测要求。     

驾驶使用手机最新研究进展

驾驶使用手机导致的安全问题近年来广受关注,研究从基于问卷、访谈对这一行为的普遍程度、基本特征的研究,逐渐过渡到基于自然驾驶、驾驶模拟实验对行为产生的分心作用,对事故率的提升,以及对周边交通流的影响。然而研究的目标始终是通过对这一行为的深入了解,发掘切实可行的改善措施,从而改善其带来的安全问题。美国交通研究委员会组织的年会是享誉全球的交通研究领域国际会议,本文梳理了近两年举办的两届交通研究委员会年会对于驾驶使用手机的最新研究进展,以期为国内开展类似的深入研究提供参考依据。     

10个最可怕的分心驾驶习惯 你有几个?

<正>分心驾驶跟防御驾驶刚好是针锋相对的,前者容易使驾驶员及乘车人造成极大的伤害、甚至丧失生命。在国外,已经有媒体把分心驾驶定义成新酒驾,意思就是说:这样的行为与酒后驾车无异。这里,我们归纳出10种最危险的分心驾驶行为,希望大家能够引以为戒!一、陷入沉思你可知道有个比使用手机更容易导致交通事故的因素吗?它不一定是受到外界影响所产生,而是深藏在你的大脑里,随时都有可能出现,降低了你驾驶时面对意外的反     

关于公交车驾驶员安全驾驶视觉特性的分析

随着我国现代化的不断发展,城镇居民的生活水平不断提高,对各种交通工具的需求也在不断加大。同时,由于环境的逐渐恶化和人们环保意识的提高,越来越多人在出行时选择公交或者地铁等公共交通工具出行,因此,公交车驾驶的安全问题受到大家广泛关注。相关数据表明,驾驶员的违规驾驶是引起交通事故的重要原因,应从驾驶员的角度出发,分析公交车驾驶员安全与驾驶视觉特性的关系,有效保障公交车行驶的安全性。公交车驾驶员是驾驶行为的参与者,行驶过程中结合视觉信息操作驾驶行为。本文简要概述了驾驶员的视觉基本特性与疲劳驾驶、分心驾驶及驾驶经验对视觉特性的影响等方面,基于驾驶员的视觉特性影响因素进行研究和提出几点建议。     

驾驶行为与驾驶风险国际研究进展

驾驶人在驾驶车辆的过程中总会面临由自身或外界条件所带来的或高或低的风险,即驾驶风险,通过对驾驶风险进行识别、分析及评估是对风险进行管理的有效对策,明确由人为因素（即驾驶人个体特征及驾驶行为）所带来的驾驶风险并对驾驶人进行安全管理尤为重要。为了全面了解各类危险驾驶行为和各种驾驶人群体的驾驶风险行为研究进展,对驾驶风险领域重点问题进行了总体概述。从驾驶人个体特征及驾驶行为的角度出发,探究了驾驶风险领域目前的研究现状,并利用科学知识图谱展示驾驶风险领域研究的发展进程与结构关系。通过Web of Science核心合集数据库获取了3 406篇在1986~2020年（截至2020年2月29日）间出版的驾驶风险研究相关英文文献,共涵盖8 684位作者及6 018个关键词,基于科学知识图谱对该领域文献进行梳理与分析。结果表明：驾驶风险领域的国外研究在驾驶人选择方面主要从年轻驾驶人、老年驾驶人、新手驾驶人及职业驾驶人的角度进行切入,重点围绕酒驾、药驾、分心驾驶及疲劳驾驶等主题开展研究。与国外研究相比,中国在分心驾驶、疲劳驾驶领域的研究相对丰富,而针对酒驾、药驾的研究试验手段较为单一,研究不够全面;在研究对象的选取上,有必要进一步增加老年驾驶人及新手驾驶人的深入研究,包括老年驾驶人适驾性评估与教育培训,以及新手驾驶人驾照分级制度的可行性探索。在研究方法方面,国外常见研究方法包括问卷调查、驾驶模拟器试验、实车试验以及自然驾驶研究等,而中国在自然驾驶研究领域尚未充分开发利用;未来应考虑多种方法相结合并从不同角度促进对驾驶行为及驾驶风险的全面理解。     

联合国及世界各国普遍关注分心驾驶问题

<正>分心驾驶所引发的不良后果已经受到联合国以及多国政府的高度关注。5月19日,美国和俄罗斯常驻联合国代表团在纽约联合国总部组织了一场防止分心驾驶的公益活动。联合国秘书长潘基文在活动上表示,因驾驶员行车过程中使用手机导致的分心驾驶,已经成为全球范围内道路安全的一大隐患,他强烈呼吁全球各个国家采取行动,避免这种危险蔓延。     

基于计划行为理论的防御性驾驶行为意向分析模型

结合我国当前实际驾驶环境,为解决防御性驾驶行为心理作用过程缺少定量描述方法的问题,在界定防御性驾驶行为内涵的基础上,提炼出防御性驾驶行为6因子:遵守规则不侥幸、保持安全空间、预估风险、专注不分心、引人注意和宽容礼让。借鉴国内外相关基于正向引导的驾驶行为量表,编制了防御性驾驶行为量表。基于计划行为理论构建了以行为态度、主观规范、知觉行为控制和过去防御性行为为预测变量,以行为意向为结果变量的分析模型。采用便利抽样和雪球抽样法,通过问卷星网上调查途径对部分非职业驾驶员进行了调查,调查内容包括过去防御性驾驶行为、TPB变量、个人基本信息,共获得有效问卷525份。对调查数据进行了可靠性分析和验证性因素分析。结果表明:数据具有良好的信度和效度。采用探索性因子分析法验证了因子构面的合理性,模型拟合结果显示:主观规范对执行防御性驾驶行为的意向影响不显著,这一结果与之前研究得出的主观规范对负面行为影响比较显著,对正面行为影响不显著相一致;知觉行为控制(0.51)对行为意向影响最大,行为态度(0.18)和过去驾驶行为(0.17)可以一定程度对行为意向进行解释。     

基于自然驾驶数据的分心驾驶行为识别方法

大量证据表明，驾驶人分心是导致交通事故的主要原因之一。当前基于侵入式（如脑电波等）或半侵入式（如视频等）检测驾驶人分心的方法，不仅对驾驶任务造成一定干扰，且受多种环境因素的制约，误报率较高。基于此，只考虑非侵入式车辆运动特征，提出一种基于深度学习的驾驶人分心状态识别方法：首先，从自然驾驶数据集中获得大量的跟驰片段，采用态势感知方法，提取典型的分心驾驶片段，并建立仅包含车辆运动学特征的分心判别指标集；其次，利用梯度提升决策树-递归特征消除算法（GBDT-RFE）和随机森林-递归特征消除算法（RF-RFE）对特征进行重要度排序，得到重要度较高的分心监测指标；最后，采用长短时记忆神经网络（LSTM-NN）实现分心驾驶的分类识别，并与支持向量机和AdaBoost的模型结果进行对比。研究结果表明：LSTM-NN在判别分心或正常状态时F₁分别为89%、91%，高于SVM和AdaBoost对应二分类结果；进行多分类任务时，判别分心情景的平均F₁较SVM和AdaBoost分别提升了12%和7%，不同类别分心识别的误报率在15%以下，说明LSTM-NN能够有效学习分心序列的前后信息，有利于准确估计驾驶人的状态。研究结果可为车辆分心预警系统和驾驶风险倾向性评估提供方法基础。     

驾驶中拨打手机对驾驶人脑力负荷及驾驶行为的影响分析

基于驾驶模拟实验平台,选择高速公路、城市道路2种交通环境,对3名低龄驾驶人正常驾驶与拨打手机驾驶情况下的脑力负荷及驾驶行为表征指标进行了全程监测。每组实验时间约为15min。其中,脑力负荷评估采用心率变异性相关指标,驾驶行为表征采用后视镜使用、转向灯使用、档位变换及速度变化等指标。实验结果表明,相比于正常状态驾驶中拨打手机时心率变异性指标,出现了驾驶人LFNU指标增大、HFNU指标减小、LF/HF比值明显增大、TP增大的现象,规律明显。在排除驾驶疲劳对心电指标产生影响的可能后,可初步判定出现以上现象的原因是拨打手机引起了驾驶人脑力负荷的大幅增加。在驾驶人认知资源有限的情况下,脑力负荷的增大造成了驾驶人在信息获取、转向灯使用、档位变换和车速保持等方面的能力有不同程度的下降。综上所述,驾驶中拨打手机使得驾驶人脑力负荷大幅增加,进而对驾驶行为产生了诸多负面影响,给交通安全带来了隐患。因此,建议相关部门在法律、法规中对驾驶中拨打手机的行为加以限制,以减少交通事故风险。