驾车收发短信,事故暴升23倍

<正>有数据显示,在驾车时用手机收发文字短信,导致发生事故的几率暴升23倍。分心驾驶的危害不言而喻。加拿大一家全国性致力减少伤亡的组织调查的数据显示,分心驾驶造成的车祸伤亡,更甚于超速或是酒后驾驶。而在由于分心造成的交通事故中,尤以13至19岁的青少年在车祸中     

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     

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。     

驾驶分心检测方法综述

道路交通事故已经成为世界人民非自然死亡的主要原因,有学者认为90％的交通事故与驾驶员自身因素关联,而其中又有超过50％与驾驶分心相关.为了对驾驶员分心进行识别以及为下一步的分心预警干预提供结果判断,文章介绍了常见的驾驶分心检测与识别方法,包括人脸识别方法,眼睛瞳孔位置识别以及基于驾驶员生理信号(EEG)的分心监测方法....     

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。     

基于SVM的危货车驾驶员饮水分心判别模型

执行车内次任务是导致驾驶员注意力分散乃至造成交通事故的重要原因。为对危货车驾驶员饮水分心进行辨识,进行了驾驶模拟试验。试验中,将水杯放置在危货车驾驶舱内3种常见的杯架位置处,采集饮水分心驾驶和正常驾驶时的车辆运行状态数据。在差异性统计分析提取特征指标的基础上,对变化较快的特征引入频域分析方法提取特征指标,经分析新增加的特征指标能够反映被试驾驶员对车辆横向稳定性的控制能力。使用支持向量机建立驾驶员饮水分心驾驶判别模型,分别使用遗传算法和粒子群算法对初步判别模型进行优化并对比分析,最终对优化后的模型进行评估。结果表明,应用遗传算法和粒子群算法优化后的判别模型对驾驶员饮水分心状态的正确分类比例分别达到94.02%和93.21%,遗传算法的参数寻优结果优于粒子群算法,同时遗传算法主要通过选择、交叉、变异操作产生新的种群个体进化到下一代,是较为成熟的收敛性分析方法,故认为遗传算法更适合作为驾驶员饮水分心驾驶判别模型的优化算法。     

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。     

汽车驾驶模拟器在交通安全中的应用综述

汽车驾驶模拟器是1种研究“人‐车‐路‐环境”交通特性的重要工具,由于具有重现性好、安全性高、成本低等优势,被广泛应用于交通研究方面,尤其因其能够在危险场景中采集多种车辆数据,近年来汽车驾驶模拟器在交通安全方面的研究进展飞速。文中简要介绍了汽车驾驶模拟器的国内外发展历史,从驾驶分心、道路设计、交通设计、交通事故和驾驶疲劳5个方面梳理出汽车驾驶模拟器在交通安全领域的应用研究,并分析了这5个方面研究领域中驾驶模拟器实验的其中利弊,探讨了汽车驾驶模拟器在中国交通安全研究中的应用前景及存在的问题。      

自动驾驶汽车尚需现实检验

可以想象,自动驾驶汽车存在诸多优势,其中最大的优势就是安全性。目前,美国每年有超过3万人死于交通事故,其中近40％的致命事故是由于酒驾、驾驶员分心、驾驶员服用违禁药物或疲劳驾驶而导致的。这样看来,自动驾驶能够挽救很多生命。而在道路拥堵的情况下,自动驾驶能以更稳定的速度保持车距,也不会有插队的情况,交通将会更井然有序。     

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。     

分心驾驶——驾车的大忌

美国国家高速公路交通安全管理局指出，仅在2011年，分心驾驶就造成3300多人死亡。为此，该局建议，在行驶全过程中禁止驾驶员手写输入短信、显示短信或网页内容：美国汽车协会（AAA）也警告，包括免提在内的声控操作系统均可导致分散驾驶员对路面的注意力．造成新媒体时代的驾驶危险。     

驾驶员状态监测系统测试评价方法分析

随着智能驾驶汽车的高速发展，L2级别的高级辅助驾驶系统装车率也越来越高，L3级自动驾驶已逐步实现，而安全自动驾驶还尚未完全落地，当前正处于人机共驾阶段，尽管ADAS系统可以降低交通事故发生率，但疲劳驾驶、分心驾驶和危险驾驶等交通安全“隐形杀手”仍长期存在，给驾驶员和乘客带来生命安全，驾驶员状态监测系统能有效避免疲劳或者分心驾驶引发的交通事故，已经成为避免事故和改善道路驾驶安全的一项关键技术。本文介绍了驾驶员状态监测系统工作原理，分析了目前国内外驾驶员监测系统的测试评价方法，并总结了该系统的未来发展动向。     

酒后驾驶与我国交通事故现状分析

分析了2006—2013年机动车与非机动车酒后驾驶所造成的交通事故数据的变化情况,结果表明:机动车酒后驾驶交通事故数整体呈下降趋势,所占总交通事故数比例无太大波动,稳定在2.5%左右,其中交通事故数从2006年的9 442起,降低到2013年的4 886起;而非机动车酒后驾驶交通事故数整体呈上升趋势,从2006年的134起上升至2013年288起;酒后驾驶事故数所占总交通事故数比例也有所上升,其中2006年所占交通事故总数比例为0.04%,2013年所占交通事故比例为0.14%.     

提起精神 预防疲劳驾驶系统

由被动的车道偏离报警到主动的驾驶监测,汽车工程师们正在一步步消灭重大交通事故的元凶——疲劳驾驶。奔跑在国内的中型、重型卡车、大巴等都安装了疲劳探测系统,相信重大交通事故将急剧降低。每天早晨驾车出门都会听到各种各样由于疲劳驾驶造成的重大交通事故。在我的记忆里大货车冲过隔离带造成的重大恶性交通事故也不在少数,造成这些事故的元凶就是——疲劳驾驶。大量研究证明,疲劳驾驶极易导致交通事故。2010年,美国汽车协会(AAA)发布的一份基     

超速行驶的危害及预防

<正>追求刺激或许是人类的天性。无论是从自身的体验,还是从电视上看汽车比赛,高速驾驶所带给人们的刺激是无法用言语来形容的。为此,很多司机在驾驶汽车的时候总是跃跃欲试,殊不知危险正在一步一步地靠近。据统计,2007年全国共发生道路交通事故327209起,造成81649人死亡、380442人受伤,直接财产损失达12亿元。其中超速驾驶肇事导致的死亡人数占交通事故总死亡人     

驾驶使用手机行为动机及行为防治调查

手机和汽车大量走进人们的生活,手机功能不断丰富,人们对手机日益依赖,驾车频率和时长的提升,使得驾驶时使用手机行为频发的同时变得更为复杂,这给道路交通安全带来了巨大挑战。在世界范围内,驾驶使用手机导致的分心驾驶所引发的安全问题十分严峻。而我国分心驾驶交通事故的数据报告、相关的事故记录及官方报告缺失,相关研究内容和方法落后,因此,本研究基于"驾驶使用手机行为的问卷调查",了解和分析了我国驾驶人的驾驶使用手机行为现状,使用动机以及治理方式的接受情况,为防治驾驶使用手机行为提供了可行建议。结果显示,日常的手机使用习惯在驾驶时的投射十分明显,日常对手机依赖性较高,驾驶时同样较高;日常的手机功能使用喜好与驾驶时高度相似。此外,研究发现严苛而清晰的法律有助于降低驾驶时使用手机频率。     

基于驾驶人分心影响程度的驾驶分心任务评级

为了进行驾驶分心任务评级,以选择反应判断检测和处置判断检测为试验平台,分析分心任务对驾驶人的影响.对13名被试驾驶人施加分心任务,包括视线遮挡、交谈、回忆、数学计算及部分任务的组合,并将各种分心状态下的反应时间及操作错误次数与无分心任务时进行对比.研究表明,在无驾驶操作的情况下,视线偏离1 s和交谈所产生的分心对驾驶人反应时间和操作准确度影响的差异不显著;认知分心任务比视觉分心任务产生更高的精神负荷;视觉分心与认知分心形成的复合分心任务对驾驶人的反应时间和操作准确度影响最大;基于对驾驶人的影响程度,可将常见分心试验任务大致划分为5个等级,依次为:无分心,视觉分心1 s/交谈,回忆,视觉分心3 s/计算,复合分心.     

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。     

国外乡村公路交通事故主要致因综述

根据美国、加拿大、英国、澳大利亚等国关于乡村公路交通事故的数据和资料,以人的行为为重点,对乡村公路交通事故的致因进行归纳分析,主要有:第一,乡村公路上男性、年轻人、轻型货车乘员和后座乘员的安全带使用率较低;第二.乡村公路上男性和年轻人倾向于超速行驶,摩托车和小型车超速行驶的比例较高,在周末和夜间超速行驶的比例较高;第三,男性和年轻人是乡村公路上酒后驾驶的主要人群,周末和夜晚因酒后驾驶导致的交通事故较多;第四,乡村公路交通事故中男性疲劳驾驶的比例低于女性,年轻人疲劳驾驶的比例仍较高,周末、夜间和下午的因疲劳驾驶导致的交通事故较多;第五,65岁以上的老年驾驶员容易在乡村公路上发生由于未按规定让行和不遵守交通信号指挥而造成的交通事故;第六,导致乡村公路交通事故的道路环境因素主要有道路环境突变、车道狭窄、弯道半径过小、安全视距不够等;第七,乡村公路的交通事故救援响应慢、质量低、效果差.