潜在的危险——不宜仓促推广自动驾驶

正近年来,不断传来国内、国外的集团企业已经成功地进行了自动驾驶车辆的相关技术测试研究,自动驾驶车辆上路似乎仅仅是时间问题。但是,也传来了一些不同的声音。例如有媒体报道在美国亚利桑那州坦普市发生了自动驾驶车辆致人死亡的交通事故,在美国加州等其它地方也发生了类似的交通事故。于是,反对自动驾驶技术的各种看法也应运而生,自动驾驶是否会产生新的交通安全问题引起了国内外大众的广泛讨论。尽管汽车自动驾驶已经进     

不同能见度及信息量对驾驶人视觉特性影响

为探究不同能见度及信息量条件下驾驶人的视觉特性，以城市主干路为模型基础，分别建立不同能见度及信息量条件的模拟驾驶场景。选取21名驾驶人参与试验，运用模拟驾驶试验的方式采集数据，分析不同能见度及信息量条件下驾驶人注视时长、扫视百分比和瞳孔直径变化规律；通过动态分类法对驾驶人视野区域进行划分，应用马尔科夫链计算驾驶人在不同能见度及信息量条件下注视点在各区域间的一步转移概率和平稳分布概率。结果表明：能见度较好时交通标志信息量是影响驾驶人视觉特性的主要因素，在I3条件下驾驶人能够迅速判别道路交通环境中的重点信息；当能见度较差时驾驶人的观察区域由道路远处向近处转移，无法及时搜索远处的潜在威胁，不利于行车安全。     

浅析驾驶员心理因素对交通安全的影响

正近些年来,随着我国社会经济的进步发展,交通建设也逐渐呈现出一片繁荣的态势,越来越多的车辆使得道路交通安全问题频发,带来较大的安全隐患。通常在道路安全事故中会将驾驶人当作是引发安全事故的关键因素,而在驾驶人的实际行车过程中也会受到人、车、道路和环境等因素的共同影响导致驾驶人的心理状态不稳定,从而出现交通事故。因此,驾驶人的心理安全是其安全行车的重要原因,本文就驾驶心理对交通安全产生的影响进行了分析,并提出了     

驾驶人心理技术测试的应用

根据土耳其最近通过的法律，特定驾驶人群必须进行“心理技术测试”。驾驶人的心理测试内容包括；驾驶人对交通安全的理解；驾驶技术的熟练程度；驾驶人在驾驶车辆时的精神及心理状态等。类似于“心理技术测试”的系统在一些道路交通事故发生大国（如意大利、西班牙）也在应用。     

无信号交叉口横向冲突预警对驾驶行为的影响

针对智能网联汽车在无信号交叉口对横向冲突的避撞问题,本研究设计了横向冲突人机交互预警及横向冲突驾驶模拟试验场景,并分析不同类型预警对驾驶行为的影响规律。运用驾驶模拟器搭建城市道路无信号交叉口并设计横向冲突事件,选取30位驾驶人作为试验对象,应用眼动仪、驾驶模拟平台开展驾驶模拟试验;采集风险场景下驾驶人的眼动、操作行为与车辆运行数据;对比分析各组场景下驾驶人的注视时长和扫视频率及行车速度、制动时间和踩制动踏板速率等驾驶行为特性参数,分别运用方差分析和描述性统计方法分析了预警提示类型和提示时机两个方面对驾驶行为特性的影响。结果表明：网联警告型预警的警示效果优于常规提示型预警,但该类预警使驾驶人操作车辆时的减速度增大至-4 m/s²以上,导致行车舒适性降低;预警提示时机对驾驶行为的影响显著,且预警提示位置宜设置在距离交叉口50～90 m处。研究结果能够为交通安全设施开发者提供有效HMI预警设计建议,提高无信号交叉口通行安全性。     

基于支持向量机的低能见度前车识别研究

复杂气象条件环境是造成交通事故高发的重要原因之一,驾驶员视觉无法在复杂气象条件造成的低能见度环境中快速有效识别前方车辆,而机器视觉在克服生物视觉易受干扰的基础上,还保留了高效的延续性和稳定性等特点,挑选驾驶经验丰富且精神状态良好的驾驶员对采集的低能见度车辆前方样本图片进行分类,并使之成为训练样本。然后在MATLAB2016b版本上利用LIBSVM工具箱建立基于支持向量机的模拟驾驶员分类识别模型,最后使用测试样本验证其识别率,仿真分类模型识别结果表明,识别率达到90%以上。     

高速公路混合交通干扰的安全性分析

混合交通中不同车辆间的相互干扰是我国高速公路交通安全的突出问题之一.混合交通中车辆型号差异、行驶速度差异等产生的相互干扰会导致驾驶人产生安全心理压力,从而出现不安全操作,容易引发交通事故.为了避免事故发生或降低事故发生的可能性,需要通过优化行车环境,加强驾驶人培训和管理等措施,来减小环境给驾驶人带来安全心理压力的影响.     

驾驶压力影响因素与识别方法研究综述

高强度的驾驶压力会对驾驶人的情绪、决策及行为产生负面影响，可能导致交通事故，并对驾驶人的健康状况造成长期影响。本文借助CiteSpace软件对驾驶压力研究进行可视化分析，进一步从驾驶人自身因素、车辆内部和外部因素这3方面总结驾驶压力影响因素，并归纳整理驾驶压力识别方法。总结发现：交通拥堵、道路复杂性及新技术使用等驾驶环境因素是引发或增加驾驶压力的主要因素；非职业驾驶人易受车辆外部环境的影响，职业驾驶人易因工作产生负面情绪，导致驾驶压力增加。驾驶压力识别主要基于主观测评量表、驾驶行为分析及生理数据分析等方法开展研究，其中，基于生理数据的识别方法因其较高的识别精度和准确度被认为在驾驶压力识别领域具有明显的优势。从研究趋势来看，未来研究需重视社会环境以及多因素叠加对驾驶压力的影响，特别关注职业驾驶人及新技术的影响，以及如何采用多模态数据融合方法实现实时监测，以提高驾驶压力识别的精度。     

开车时使用手机对交通安全影响之研究

汽车内的任何附加设备都会改变驾驶人、车辆、其他道路使用和道路环境之间原有的关系。驾驶人开车时分心是因其注意力被吸引到路外而导致的，这是引发道路交通事故的一个主要原因。据美国国家道路交通安全局估计，至少有20～30％的道路交通事故是因驾驶人开车时分心造成的。     

高速公路隧道群出、入口段驾驶人视觉特征

为提高隧道群交通安全水平,研究高速公路隧道群出、入口段驾驶人视觉信息认知过程和变化.针对驾驶人视觉特征参数变化规律,选用9名驾驶入进行隧道群环境中实车试验.采用眼动仪,记录行车过程中驾驶人视觉特征参数.应用统计方法,分析试验数据特征.运用神经网络技术,模拟视觉特征参数变化,并建立相关模型.研究结果表明:在逐渐接近特长隧...     

疲劳驾驶与交通事故关系

对国内外道路交通事故数据进行了统计,分析了疲劳驾驶事故中驾驶人特征、事故时段分布及高速公路上交通事故主要成因,研究了疲劳驾驶对操作行为的影响和驾驶人疲劳产生的原因,提出了疲劳驾驶预防对策。分析结果表明:30岁以下男驾驶人、3年以下驾龄和10年左右驾龄的驾驶人是疲劳驾驶事故的高发群体;2:00~6:00与15:00~16:00是疲劳驾驶事故的高发时段;高速公路上疲劳驾驶引发的交通事故比例远高于普通公路;疲劳驾驶产生的原因主要包括长时间驾驶、睡眠不足或质量差、生理节律、驾驶人因素等。通过保证驾驶人有充足的睡眠与短暂休息,合理安排行车时间及使用疲劳预警装置等方法,可以有效预防疲劳的产生,减少疲劳驾驶事故的发生。     

驾驶人“感知-决策-操控”行为模型

为准确模拟驾驶人跟车行为，提出基于隐马尔可夫模型(Hidden Markov Model，HMM)的驾驶人“感知-决策-操控”行为模型。建立描述驾驶意愿的HMM模型，模拟驾驶人感知过程，获得期望的车间距；预测模块模拟驾驶人根据交通环境和自身生理、心理状态预测车辆未来轨迹，即决策过程；优化模块描述驾驶人为使预测的车辆轨迹跟踪上期望的车辆间距而采取的操控汽车的执行动作，即操控过程。上述3个模块的滚动过程实现了对驾驶人跟车行为的模拟。利用自然驾驶数据进行算例分析，结果表明，本文模型预测车间距平均误差仅为1.47%，证明了所建模型的有效性及准确性。本文为驾驶行为建模方法的理论研究和应用拓宽了思路。     

高速公路隧道入口区域视线诱导系统有效性研究

为了达到高速公路隧道入口区域驾驶人早发现、早适应、早决策的目的,分析了隧道入口区域的交通安全现状,提出了一种高速公路隧道入口区域视线诱导系统的改善思路与方法;通过室内驾驶模拟仿真平台,利用眼动仪采集了驾驶人的眼部数据;将驾驶人浏览兴趣区域划分为5类,分析了驾驶人在各区域的眼动参数变化;采用注视点分布位置、视觉敏感区面积...     

汉纳森创新技术实现基于车辆运行数据检测疲劳驾驶

在交通领域,安全始终是一个重要的议题.在众多引发交通事故的原因之中,疲劳驾驶当属罪魁祸首.根据美国汽车交通安全基金会的一项调查表明:疲劳驾驶在交通事故死亡事件中占据 21％ 的比例.因此,及时检测疲劳驾驶,并提醒驾驶员集中注意力,对保证行车安全,减少交通事故具有重要意义.     

视野死角——幼儿的安全杀手

最近发生许多因汽车"视野死角",造成幼儿不幸身亡的案例。所谓视野死角,是指在视力的范围内,因物体的障碍而看不到的地方。比如,汽车驾驶人在驾驶汽车时,因为车辆的速度、大小、后视镜,以及人体视觉的视界不同,导致驾驶人的视野死角。另外,车辆在转弯时,因前后轮的行进轨迹不同,会出现内轮差。行人或是骑车者因为不了解这两项信息,常常发生错觉,以为汽车驾驶人应该看到自己而没有警觉。一旦闯入汽车的视野死角或内轮差,便会造成意外的发生。2～6岁幼儿因身心发     

高速公路雾区监控系统功能设计初探

高速公路雾区的交通安全是一个世界性的问题,每年由雾引发的交通事故导致的经济损失是十分巨大的。因此,提高高速公路在雾天低能见度条件下的交通安全水平,保证运输的畅通、安全具有极其重要的经济和社会效益,其中一个重要的方面就是高速公路的监控系统。针对雾对高速公路交通安全的影响机理,分析驾驶员的服务需求,对雾区高速公路监控系统的功能设计进行了初步探讨。     

机动车超速行驶防范对策分析

机动丰超速行驶是引起交通事故的主要原因,是严重的道路交通违法行为之一。机动丰超速是由于驾驶人没有及时纠正驾驶过程中的误判、误动的结果。引起超速的原因包括驾驶人、机动车、交通安全设施和其他因素四个方面,应从教育培训、法律、交通安全设施、交通科技四个方面采取措施预防超速。     

基于模糊控制的智能车辆自主行驶方法研究

车辆无人驾驶是智能交通系统的一个重要部分,其目标是开发在高速公路和城市道路环境下的辅助驾驶系统,旨在帮助乃至取代驾驶员,实现车辆自动控制和自动驾驶,减少交通事故发生,提高道路交通系统的效率,因此提出了一种基于机器视觉和模糊控制实现智能车辆自主行驶的方法. 该方法以CMOS摄像头为路径识别传感器,通过图像分析提取车道中心线,并引入速度反馈,形成闭环控制,建立一个由两个模糊控制器组成的分级模糊控制器控制车辆转向,并使用模糊控制代替传统的PID速度控制来控制速度. 和常规的PID算法及模糊控制算法相比,改进的模糊控制算法使智能车在道路上更快速、平稳地运行,并且在转弯处的超调更小.     

一种基于信息融合的跟随驾驶行为协同仿真模型

基于信息融合技术模拟驾驶人信息感知、分析决策和车辆控制的全过程,建立跟随驾驶协同仿真模型.模型以动态交通信息为输入,设计单个神经元仿真驾驶人对感知信息的筛选,采用模糊径向基高斯神经网络提取驾驶行为特征向量,应用模糊积分法模拟驾驶人对信息的分析和决策过程,输出为车辆控制状态.离线检验结果表明,该模型能较好地描述跟随车状态变化,具有较高的精度.     

基于贝叶斯网络的车辆换道决策模型研究

车辆换道行为是微观交通流中的典型驾驶行为之一。车辆换道决策模型研究可以为自动驾驶汽车协同自适应巡航控制(cooperative adaptive cruise control,CACC)提供理论基础,也能有效减少车辆危险换道行为引发的交通事故。为使换道模型更加适应动态道路交通环境,以美国交通部联邦公路管理局NGSIM项目实测试验数据为依据,分析车辆换道决策时自身车辆速度、加速度及其与交互车辆相对时距等相关特征参数,并运用贝叶斯网络人工智能理论,建立车辆换道决策模型,通过仿真分析并与NGSIM实测数据进行对比。结果表明:基于贝叶斯网络的换道决策模型的平均决策准确度和识别率可达到89%以上,具有良好的换道决策效果,可为智能车辆协同自适应巡航控制及自动驾驶深度学习提供理论参考。