A Research on Analytical Method of Driver-Vehicle-Environment System for Construction of Intelligent Driver Support System

In this study, a driver model with the multiple regression and the neural network is constructed to analyze the relationship between the driver's control action and the information that includes data of vehicle behavior and environment. Using these models, effectiveness of the information to control the action of a driver is examined. To evaluate the intelligent driver support systems, Mental Work Load (MWL) model is constructed with the multiple regression and the neural network. MWL is expressed as Heart Rate Variability (HRV). Measured HRV data and calculated HRV data with MWL model show good agreement. Effectiveness of information is examined using the MWL model. From these results, it is shown that the analytical method with the driver's MWL can be used to assess and improve the intelligent driver support systems as the next stage of this research.     

基于深度学习的驾驶员状态识别

提出了基于驾驶员脸部及周围信息的驾驶员状态检测方法。文章通过实车摄像头采集了驾驶员驾驶状态视频数据,利用Dlib和OpenCV库对采集的驾驶员图像进行脸部检测,基于驾驶员脸部数据建立了深度学习数据集,然后基于该数据集设计了一种卷积神经网络模型FaceNet,利用PyTorch深度学习框架在数据集上对模型进行训练,最终得到了有较高准确率的驾驶员状态检测模型,其可识别抽烟、睡觉、左手打电话和右手打电话四种驾驶员状态。     

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。     

针对自适应巡航的驾驶人风格辨识

车辆进入自适应巡航工况下行驶时,不同风格的驾驶人会对自适应巡航控制系统(Adaptive Cruise Control,ACC)有不同的需求。文章首先通过对不同驾驶人在9种跟随试验下获取的实验数据分析,选取表征驾驶人风格的驾驶特征参数;其次对所有驾驶人驾驶特征参数利用K-mean算法聚类分析,将驾驶人三类,并利用BP神经网络建立辨识模型对驾驶人风格进行辨识。结果表明;文章提出的方法可以较高的准确率对驾驶人风格进行分类,提高自适应巡航系统适应驾驶人的能力。     

预瞄驾驶员模型中车辆操控稳定性的分析

通过将驾驶员模型、汽车运动学模型与闭环控制系统相结合,给出了一种基于最大预瞄距离驾驶员模型的空间方程.采用Lyapunov-Krasovskii泛函方法,分析基于该模型的“人—车—路”闭环控制系统的指数稳定性条件.利用所建立的4轮车辆驾驶员模型,分别采用不同的最大预瞄距离值和驾驶员反应时滞值,对车辆路径跟随进行了仿真试...     

汽车语控智能电器系统

提出一种语音控制汽车智能电器系统的总体结构框架,包括语音识别和驾驶员意图识别的运算平台及汽车智能电器系统。在车载环境下,利用规范模式和有限状态机理论对驾驶员的自然语言进行分析,达到意图识别和语音控制的目的。引入抗干扰设计方法后系统对驾驶员意图识别的正确率有明显提高。最后通过试验系统验证了利用驾驶员语言进行汽车电器控制的可行性。     

基于模糊神经网络的驾驶员弯道安全感受预测模型研究

论述了在人-车-路(环境)系统中驾驶员弯道安全感受的非线性特性。为了体现车辆、道路结构对驾驶员认知过程的作用和认知结果形成的影响,驾驶员弯道安全感受模型采用弯道平曲半径、车辆运行速度和驾驶员驾龄作为道路线形、车辆结构动力性、驾驶员经验的主要特征参数集,在增加积极和消极补偿运算的基础上,构建出模糊逻辑推理规则与神经网络优化逼近运算相互结合的5层推理预测模型,并结合实例数据,进行了对比分析验证,表明5层结构模型能够较好的满足特定弯道条件下驾驶员主观安全感受的认知推理预测要求,能够准确的、稳定的再现出驾驶员主观安全感受同驾龄、平曲半径和车辆运行速度间的相互作用关系。     

面向ARM平台的自标定驾驶员疲劳检测方法

提出了一种面向进阶精简指令集机器(ARM)平台的自标定驾驶员疲劳检测方法。对驾驶员不同身高、体型及车内摄像头不同位置,采用驾驶员初始姿态自标定方法;采用改进的基于深度学习的多任务卷积神经网络(MTCNN),提取人脸识别和特征点,以得到头部姿态、眼睛、嘴巴运动等信息;基于操作员序列的深度卷积神经网络,来判断驾驶员的疲劳状态等级。实验了驾驶员疲劳检测方法。结果表明:相对于没有标定,采用本驾驶员自标定的方式,识别准确性提高了15%,采用MTCNN方法和ARM NEON加速技术,在“全志H5”、“树莓派”和Android手机上,运行速度分别是200、150、140 ms,提高约50%。因而,该检测方法,既提高了系统鲁棒性,也满足实时需求。     

基于扩展TAM的车路协同系统驾驶人接受度研究

车路协同系统（Cooperative Vehicle Infrastructure System，CVIS）已成为智能交通领域的前沿技术和研究热点。世界各国都在致力于CVIS的研发、试验、示范应用和效用评估。然而CVIS的服务对象是驾驶人，在其正式投入使用之前研究驾驶人对CVIS的主观接受度及其影响因素非常重要。基于此，以基础的技术接受模型（Technology Acceptance Model，TAM）为理论框架，在基础变量（感知有用性、感知易用性、态度和使用意图）的基础上，引入预警服务质量、分心感知、个人创新和信任度4个扩展变量，建立扩展TAM，分析驾驶人对CVIS的主观接受度及其影响因素。首先，通过在线调查收集392名驾驶人对CVIS的技术接受问卷；然后，使用Cronbach's α和验证性因子分析检验问卷的信效度；最后，采用路径分析探究驾驶人对CVIS的接受度及其影响因素。研究结果表明：基础TAM变量之间的关系与基础模型假设一致；CVIS的预警服务质量通过感知有用性、感知易用性和态度间接影响使用意图；驾驶人对CVIS的分心感知对其态度和使用意图没有负向影响；驾驶人的个人创新不仅直接影响使用意图，而且通过态度间接影响使用意图；驾驶人对CVIS的信任度是使用意图的直接影响因素，也通过其他变量间接影响使用意图。研究结果有助于了解驾驶人对CVIS的接受度及其影响因素，并为CVIS的设计提供理论依据。     

HRV分析在驾驶疲劳中的应用研究

驾驶员在驾驶过程中易因疲劳、烦躁和压力等不良生理反应引发事故,而心率变异性(HRV)作为评价人体自主神经系统活性,反映人体生理状态的重要指标,能够准确评估驾驶员的精神状态。为了有效预防事故发生,文章介绍了驾驶员在驾车过程中HRV指标的变化及其应用。结果表明HRV指标结合相应算法模型对驾驶员生理状态识别的准确率高达90%以上,能够有效降低事故发生率。     

基于脉搏波特征融合的驾驶疲劳检测方法

疲劳驾驶是交通事故的主要诱因之一,精确检测驾驶人的疲劳程度是主动预防疲劳驾驶事故的核心内容之一。通过开展自然驾驶试验,以驾驶人的生物信号脉搏波（Blood Pressure Waveform,BPW）为数据源,使用脉搏波波形分析方法从中提取有效表征驾驶疲劳的特征指标,构建用于检测驾驶疲劳等级的BPW特征指标集,在此基础上引入D-S证据理论建立了基于BPW特征融合的驾驶疲劳检测模型。结果表明：该模型对测试数据的疲劳驾驶理论检测精度达到了91.8%,优于贝叶斯网络模型的81.4%和支持向量机模型的84.3%,能够满足实际应用的需求,但与决策回归树检测模型99.7%的精度相比较还有差距。研究获得的基于生物信息融合的驾驶疲劳检查模型和方法在驾驶疲劳检测与监测中具有很好的应用前景,可为辅助安全驾驶和疲劳预警及主动干预提供新的技术方案。     

基于模糊推理的驾驶员意图识别研究

对驾驶员换档操作进行了动力学分析,定义了平直道路匀速行驶的平衡节气门开度和相对节气门开度,研究了典型工况下驾驶员操作特征,将平直道路行驶时的驾驶员意图分为相互关联的五类,并在此基础上提出了将驾驶环境和驾驶员操作相统一的识别方法。根据相应的实车实验数据和经验收集,制定了模糊推理的规则库,建立了多输入单输出的模糊推理模型。对实车实验数据进行了离线识别验证,能够比较准确完整的识别驾驶员意图。     

基于重复博弈的无灯控交叉口驾驶员行为模型

在分析无灯控交叉口插车过程中驾驶员行为决策相互影响关系的基础上,从更小时空尺度出发,提出了考虑安全因素、速度因素的驾驶员插车行为过程效用函数,建立了基于动态重复博弈的无灯控交叉口驾驶员插车行为模型,分析了不同驾驶员类型组合在插车博弈过程中的纳什均衡及相应的驾驶员决策行为。结果表明:该模型能够在一定程度上反映不同条件下交通冲突的演化结果,说明了应用动态重复博弈进行驾驶员行为模型研究的合理性。     

基于预期偏移距离的人机权值分配策略研究

针对智能车辆横向运动控制中驾驶员和辅助系统的控制权限冲突问题,本文中提出一种人机权值分配策略。采用车辆在预瞄点处的预期偏移距离(PDLC)衡量车道偏离危险度,预期偏移距离通过对预瞄偏差修正获取。权值分配函数设计时以PDLC为自变量,以保证驾驶员的权值为优先控制目标,以一定的横向运动控制精度为先决条件。在CarSim/Simulink联合仿真平台和CarSim/Labview RT硬件在环实验台上对提出的控制策略进行了实验验证和数据分析。结果表明,采用权值分配策略协调驾驶员和辅助系统的控制,可在有效跟踪理想道路中心线的前提下保证驾驶员的控制权值,降低其工作负荷以及纠正驾驶员的误操作行为。     

An Advanced Steering System with Active Kinesthetic Feedback for Handling Qualities Improvement

Advanced Steering System with artificial steering wheel torque-active kinesthetic information feedback for improving handling qualities is discussed. Fundamentally the structure of the system may be considered to another form of model following control. In this system, a driver always remains in the control loop and receives steering control information which give him/her a direct hint to steer a steering wheel. This system works as a stability and control augmentation system of the vehicle to improve the vehicle handling qualities both in compensatory and pursuit control task, and is expected to reduce driver's workload. Effects of this system are analyzed in terms of man-machine system characteristics. Identification of driver dynamics was carried out to find why such improvement could be achieved. Availability of the proposed system is verified by analysis, simulator and proving ground tests.     

驾驶人对潜在危险性事件的心理预期识别研究

为准确识别驾驶人对潜在危险事件的心理预期，提出一种通过脑电信号对驾驶人心理预期进行识别的方法。参照心理学预期行为研究常用的标准S1-S2范式，改进设计了路侧停靠公交车造成视觉遮挡的人车碰撞事故模拟驾驶试验。模拟任务中以路侧停靠的公交车为线索刺激，公交车头的行人为目标刺激，诱发驾驶人的心理预期。为有效识别驾驶人心理预期，首先采用释放油门的避险行为对每个试次标定是否产生心理预期，然后通过快速傅里叶变换提取相关的脑电特征数据，并通过差异性分析及主成分分析算法对脑电特征指标进行筛选和压缩，最后基于支持向量机建立驾驶人心理预期识别模型。研究获取36名驾驶人数据，共计1 440个样本。结果表明：当驾驶人产生心理预期活动时，枕区和额区的α波能量值显著降低，而β波能量值则显著增加；差异性分析显示共有31项脑电指标对驾驶人心理预期敏感，所有脑电特征指标通过PCA算法进行降维，抽取出5个主成分作为识别模型输入；选择径向基核函数构建SVM识别模型，通过粒子群寻优算法对模型进行优化，模型对驾驶人心理预期水平的平均识别正确率为82.02%，平均AUC面积为0.82，结果表明模型具有良好的识别能力和稳定性，可为驾驶辅助系统的研发提供技术理论支撑。     

基于驾驶人转向意图的双电机驱动电动汽车稳定性控制策略

为了使双电机驱动电动车在车辆稳定性控制过程中能够精确解读驾驶意图,使车辆实际行驶状态与驾驶意图期望的车辆行驶状态尽可能相符合,提出一种基于驾驶人意图辨识的稳定性控制策略.利用基于支持向量机递归特征消除(SVM-RFE)得到的特征参数构建基于长短期记忆(LSTM)模型的驾驶人转向意图辨识模型;基于转向意图识别结果,以方向...     

融合预瞄与势场栅格法的紧急避撞驾驶人模型

紧急避障工况下的驾驶人操作具有响应快且动作幅值较大的特点，传统预瞄驾驶人模型已不能适应紧急避障工况的需求，故考虑实际避撞场景开发相应的驾驶人模型就显得尤为必要。针对此种状况，基于驾驶模拟器，结合紧急避撞工况实际驾驶人操纵数据，提出了一种融合预瞄与势场栅格法的紧急避撞驾驶人模型。首先针对紧急避撞工况下车辆运动特点，建立车辆横、纵向耦合非线性动力学模型，并给出其状态空间方程描述；其次，离线仿真分析紧急避撞系统特征，并结合线性二次型最优控制，建立最优曲率预瞄+跟踪误差反馈驾驶人模型；再者，基于紧急避撞工况下真实驾驶人经验转向行为数据，开发基于势场栅格法的驾驶人模型，为进一步提高驾驶人模型对避障行驶工况的适应性，将基于势场栅格法的驾驶人模型与最优曲率预瞄+跟踪误差反馈驾驶人模型进行融合，并基于Sigmoid函数实现两者输出的权重分配；最后，针对所提出的融合预瞄与势场栅格法的驾驶人模型，开展基于避撞台架的驾驶人在环仿真试验以及实车试验。研究结果表明：在紧急避撞工况下，对比最优曲率预瞄+跟踪误差反馈驾驶人模型，融合预瞄与势场栅格法的驾驶人模型输出的转向动作与实际驾驶人行为较为接近，可在保证避障安全性的前提下，兼顾避障路径跟踪精度与车辆行驶的稳定性。     

基于RBFNN与信息融合的电驱动系统故障诊断系统研究

构建基于模块化的径向基函数神经网络(RBFNN)模型与专家系统的产生式规则混合决策的汽车电驱动系统的故障诊断系统。结果表明,通过该诊断系统可实现电驱动系统故障的智能化诊断。     

Analysis of Driver's Decelerating Strategy in a Car-following Situation

This report describes a decelerating driver-model expressed by driving mode transition in car-following situations. The assumptions for constructing the model are that decelerating strategy of a driver is classified into several simple driving modes and that a driver changs his driving modes based on his perceptible characteristics and experiential rules. Deceleration action is divided into three states; following, standing and braking, which are applied to the model. The model has two paths for driver's decelerating action, one of which is selected by the driver based on the perceptible characteristics and experiential rules. The suitability of the model has been experimentally verified.