不等长边缘率标线对跟车车速和车头时距的影响

通过在高速公路上进行路上试验,研究不等长边缘率标线对跟车速度和车头时距的影响。试验结果显示:不等长边缘率标线对跟车速度影响显著,标线长度差越大则速度减小幅度越大;对跟车车头时距影响显著,标线长度差越大则车头时距增大幅度越大。驾驶员速度感知,以及距离感知可能因铺设边缘率标线后出现变化,进而导致速度与车头时距的改变。通过铺设不等长边缘率标线,可以增大跟车驾驶人的自身感知速度,并实现主动降速,进而增大跟车车头时距,提高行车安全性。     

基于层次分析法的智能跟车功能评价模型研究

围绕智能跟车功能综合评价进行了深入分析和研究,构建智能跟车功能综合评价体系。基于智能跟车功能相关测试标准及专著文献,将预计碰撞时间（TTC）、车头时距（THW）、最大加（减）速度、速度、车道线和道路边缘相对距离、加速度变化率和停车距离作为评价参数,应用德尔菲法（Delphi）对各评价参数与安全性和舒适性的相关性进行专家咨询,应用层次分析法（AHP）将安全性与舒适性作为评价准则,建立一套智能跟车功能的综合评价指标体系。构筑客观安全与主观体验相结合的多维度评估模型,为智能跟车功能综合评价提供评价依据。     

基于高速实车驾驶数据的驾驶人跟车模型研究

通过实车试验采集驾驶人在高速公路的跟车数据,分析了跟车过程中加速、稳速和减速阶段的划分标准,探讨了稳速跟车阶段驾驶人的期望跟车间距与跟车速度之间的关系,建立期望间距跟车模型,并与自适应巡航控制(ACC)系统所用的安全距离模型进行对比。结果表明:加速和减速阶段,驾驶人的反应并非对称,加速阶段的车辆状态变化更频繁;在稳速跟车阶段,驾驶人的期望跟车间距随车速的升高而增加;与安全距离模型相比,所建立的期望间距跟车模型更符合驾驶人跟车习惯。     

《HCM(2000)》典型高速公路路段速度-流率-密度曲线分析与启示

依据《HCM(2000)》中典型高速公路路段速度-流率-密度曲线,定义并计算了美国高速公路自由流速度、自由流临界流率、自由流临界流率密度、自由流临界流率车头时距(间距)、临界密度、临界密度流率、临界速度、临界密度车头时距(间距)等交通流参数;详细分析上述交通参数的变化规律及各参数之间的相关关系,得出自由流速度FFS(或者设计速度)级差不宜大于10km/h,高速公路自由流临界流率v0与自由流速度FFS成反比关系,流率大于自由流临界流率时流率影响FFS且FFS越高影响越大,以及流率接近通行能力时行驶速度、跟车距离、流率都将趋于一个相对稳定、恒值而与公路几何线形指标高低关联性不大的结论。     

相邻车道车辆并道预测与跟车控制改进的研究

为在自适应跟车控制中,预测相邻车道车辆的并道行为,提前调整自车速度控制策略,以提高自车的乘坐舒适性和安全性,通过采集和分析实际道路上自车与周围车辆的运动状态信息,建立相邻车道车辆并道行为预测模型,并在此基础上对现有期望间距跟车模型进行改进。仿真结果表明:自车车速vM、自车与前车的车头时距t1、自车与前车的相对速度vML和自车与相邻车道车辆的相对速度vMF可作为预测并道行为的表征参数;所建立的预测模型可提前2s预测并道行为的类型,对两种并道行为预测的准确率分别达到88%和90%;改进的期望间距模型使跟车过程更加平稳,可提高车辆的舒适性与安全性。     

新手上路开车要学会保持安全距离和安全会车

车辆问的安全距离,即跟车距离,是指跟车行驶时前后两车之间应保持的纵向安全距离及会车、超车时车与车之间应保持的侧向安全间距。跟车距离过小、过大都会影响安全行车,成为事故隐患。因此,对于刚刚上路开车的新手,如何把握这一安全距离,对安全行车是至关重要的。     

基于平均车头时距的城市道路PCE算法

为得到一种反映交通流运行情况,适用于各种交通流状态的车辆换算系数(PCE)计算方法,结合车头时距特性分析结论,基于等效车头时距原理,对车头时距法进行改进.通过分析车头时距数据发现,小型车与大型车跟车状态数量差距较大,路段总流量平均车头时距不能体现路段中与大型车有关车辆的平均车头时距,应分跟车状态统计平均车头时距;同一路段不同交通流状态下,同一跟车状态数量相差较大,应分交通流状态分析路段PC E值.因此,用跟车状态平均车头时距代替路段总流量平均车头时距,对车头时距法进行改进.与经典的容量法对比,所提方法在各交通流状态下计算得出的PC E值与容量法计算得出的PC E值差距最大为6.40%,最小为1.57%,证明所提方法适用于各种交通状态.分析PC E影响因素发现,PC E值与大型车比例呈U型曲线关系;公交专用道路段的PC E值在各个时段均高于未设置公交专用道路段相应时段的PC E值.      

基于可变跟驰时间和随机因素的通行能力理论计算模型

从车头间距构成的理论分析入手，考虑了不同跟驰状态下跟驰时间的变化规律和车辆、驾驶员总体随机特性对车头间距的影响，建立了跟驰时间和车头间距随机项的数学模型，并在此基础上，根据车头间距的一般形式，给出了通行能力的理论计算公式，通过对比改进模型与原有模型的速度－流量关系理论曲线，认为改进模型能更好地反映实际的交通流状况，最后，计算不同自由流速度，不同最大跟驰时间和不不同速度均方差条件下的通行能力，分析了这些影响因素对通行能力造成的影响，进一步说明了改进模型在一定程度上的合理性和实用性。     

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。     

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。     

基于深度强化学习的驾驶员跟车模型研究

为提升智能驾驶系统的纵向跟车性能,本文构建了一种基于深度强化学习的驾驶员跟车模型.首先,设计了跟车场景截取准则并从自然驾驶数据中筛选出符合条件的典型跟车场景,并对其数据进行统计分析,即采用相关系数法分析了车间距、相对速度和车头时距等因素对驾驶员跟车行为的影响机理,得出驾驶员跟车行驶过程的行为特性及其影响因素.接着,基于...     

认知分心对车辆跟驰过程操控安全性的影响

为了研究车辆跟驰过程中驾驶人认知分心与驾驶安全的关系,采用驾驶模拟器构建城市道路车辆跟驰场景,并设计3种难度等级的认知分心次任务,采集35名被试驾驶人在试验过程中的方向盘转角、油门开度、制动踏板力等操作参数,以及车辆位置、速度、加速度等车辆运动参数。采用重复测量一般线性模型,分析不同等级认知分心对上述参数的影响。研究结果表明：在横向操控方面,随着认知分心程度增高,方向盘回转率增大,但车辆横向位置标准差减小,表明驾驶人处于认知分心时,采取频繁修正方向盘的补偿方式,降低车辆横向位置波动,过度补偿车辆横向安全性,且该补偿行为与认知分心程度正相关;在纵向操控方面,认知分心时,油门开度、制动踏板位置方差增大,且制动踏板位置均值增大,同时车头间距及时距未观察到显著性变化,表明认知分心时驾驶人采取频繁操作油门、制动踏板,增大制动幅度等方式进行补偿,使车头间距及车头时距等表征车辆纵向跟车安全性参数处于正常驾驶水平,但加速度标准差增大,表明跟车稳定性降低。研究结果为涉及分心的人车交互装置优化设计及考虑分心状态的驾驶人状态管理系统开发提供了一定的理论依据。     

车主常见最危险5大驾车错觉

距离错觉驾驶人有时会对来车的车长、会车间距、跟车距离产生错觉,使会车的距离不够和跟车的距离过近而导致事故的发生。常见的有:同样距离,白天看起来近,而在夜间较昏暗时感觉远;前面是大车时感觉距离近,是小车时感觉距离远。速度错觉行车过程中驾驶人大多是根据观察到的景物移动作参照物来估计     

基于高空视频图像的山地城市信号交叉口到达车辆运行特征分析

为明确山地城市信号交叉口到达车辆的运行特征及其影响因素，通过无人机采集4个位于山地城市的道路信号交叉口的高空视频图像数据，利用基于DataFromSky云平台的AI视频分析技术，获得车辆运行参数。基于车辆运行时空图，得到了交叉口直行道停止线前车辆停滞延误特征、停止线位置车头时距和车头间距统计特征，分析车头间距、停止线截面处速度及道路平均坡度之间的相关性。结果表明:不同路段同一排队位次和同一路段不同排队位次的车辆运行特征均有所不同，排队位次越靠前的车辆，停车点分布区间越集中，下坡路段整体停车位置分布范围比上坡路段大；无论是上坡、下坡，还是缓坡，排队位次越靠前的车辆停滞延误分布范围越大，而靠后的车辆停滞延误分布范围小，最大值出现在下坡路段；不同路段类型车头时距分布均集中于1.5 s，上坡路段的车头时距离散程度最大，但峰值比下坡路段和缓坡路段小；不同路段类型的车头间距分布均集中于10 m，上坡路段和下坡路段车头间距分布出现左偏现象，而缓坡路段车头间距分布更为集中；车头间距在上坡、下坡和缓坡路段均和车辆经过停止线位置处时的速度存在较强的正相关性；道路平均坡度与相邻2车车头间距存在正相关性。      

基于高原地区高速公路特长隧道路段的跟车特征与安全性研究

高原山区高速公路特长隧道路段普遍偏多,且多为事故多发区段,存在诸多安全隐患。以云南省高原高速公路特长隧道路段为研究对象,对高速公路特长隧道路段进行了实地交通流数据调查与分析,采集了高原地区高速公路特长隧道路段试验车辆的车速与跟车距离数据。重点研究了跟车速度与跟车距离相对于高原特长隧道路段的变化趋势及影响因素,发现高原特长隧道路段跟车规律可以通过高斯函数进行较好拟合。进一步与平原长隧道路段行车特征进行比较分析,得出高原较平原地区高速公路特长隧道路段跟车风险更高的结论,并以加速度与跟车距离为变量构建高原特长隧道的行车危险评价模型,得到高原地区高速公路特长隧道各路段的行车危险性系数,以此评价高原地区高速公路特长隧道路段的安全性。研究结果表明高原特长隧道行车受光线变化的影响较为明显,在隧道进口和出口易出现"黑洞效应"和"眩光"现象,且"眩光"对行车的影响大于"黑洞效应",在"黑洞效应"和"眩光"作用时期行车危险性较高,其中高原特长隧道进口内部30 m与距出口80 m处位置危险性最高。通过在高原特长隧道出口处布设车辆控制设施是降低行车危险性的有效手段。     

期望车头间距的混沌模型研究

通过对跟驰车队刺激———反应过程以及人车单元组合的微观特性分析,说明跟驰车队中具有产生混沌现象的必要特征。首先运用数学方法给出4种期望车头间距理想模型,将Rossler混沌吸引子模型分别引入4种模型中,然后选择能更好地描述实际交通流状态的期望车头间距模型,并利用高精度车载GPS设备在城市快速路上采集的实测跟车数据对该模型进行标定和验证后,认为改进的期望车头间距模型能更好地反映实际交通流的跟驰特性。     

驾驶风格对不同跟驰场景下跟驰行为影响分析

为了分析驾驶风格对不同跟驰场景下跟驰行为的影响,利用高逼真度驾驶模拟器设计晴天、雾天两种天气状况和自由流、拥挤流、阻塞流三种交通流状态组合的六类典型跟驰场景。以跟驰过程中的最大加速度、最大油门踏板受力、最大油门踏板受力速度作为指标,通过K-means聚类识别方法,对六类典型跟驰场景下不同驾驶风格的驾驶员进行聚类识别,并以跟车间距、车头时距为风险指标评价不同驾驶风格的驾驶员在六类典型跟驰场景下的跟驰风险。结果表明：六类典型跟驰场景下,不同驾驶风格驾驶员的跟驰行为存在明显差异;激进型驾驶风格驾驶员倾向保持更小的跟车间距和车头时距,跟驰过程中的碰撞风险更高;晴天和自由流场景下不同驾驶风格驾驶员跟驰行为差异性更加显著。     

基于专用短程通信技术的自动跟车控制策略研究

针对跟车巡航功能中由于单车传感器精度受限和单车信息孤立等影响跟车效率和安全性的问题,文章采用新一代专用短程通信技术,建立了基于车车协同的自动跟车系统,实现自车与前车的关键状态信息实时共享和交互,设计开发了一套基于专用短程通信的自动跟车控制策略,提高跟车效率和安全性。实车试验表明,基于专用短程通信技术的自动跟车系统可有效实现跟车功能,自动跟车过程表现稳定合理,自动跟车控制策略可实时控制自车在安全距离范围内紧凑且安全地跟车,很好地兼顾跟车安全性和道路通行效率。     

基于认知风险动态平衡的智能汽车跟车模型

针对复杂交通环境下异质车型带来的跟车风险与行车效率权衡的决策难题,在分析自然驾驶数据的基础上,提出基于认知风险动态平衡的智能汽车拟人化跟车模型。首先,针对4种不同的货车-轿车组合跟车模式,建立跟车距离的经验模型,提炼出驾驶人稳态跟车行为中存在的车头时距和逆碰撞时间的“两不变”规律,通过作图法获得平衡线;其次,从驾驶过程中认知风险与加速度响应之间动态平衡的角度揭示了跟车决策的机理,将常用的跟车模型统一在认知风险动态平衡的框架内;最后,提出一种简洁的非线性函数实现认知风险动态平衡的数学表述,利用实测跟车数据验证了模型的准确性。     

警惕最危险的五大驾车错觉

<正>由于受生理、心理、年龄、身体条件及行车环境等诸多因素的影响,驾驶员在行车中往往会产生各种各样的错觉,导致错误操作而造成险情。因此,驾驶员(特别是新手)应了解这些易引起错觉的特性,并在行车中加以预防,才能保证行车安全。距离错觉:对于路上各种类型的车辆,驾驶员有时会对来车的车长、会车间距、跟车距离产生错觉,使会车的距离不够和跟车的距离过近而导致事故的发生。常见的有:同样距离,白天