影响汽车驾驶员行车安全的内在因素分析

本文主要从驾驶员的生理和心理角度，分析了驾驶员的视觉机能、注意品质、观测与判断能力等因素对道路行车安全的影响，探讨了汽车驾驶员的内在素质与道德交通安全的关系。     

车辆转向操纵过程中驾驶员的生理／心理分析与测试

本文指出驾驶员在行车过程中的生理／心理状态对其操纵行为有着重要影响，着重探讨了驾驶员转向操纵过程中生理／心理问题，首先对驾驶员行车时的心理进行了分析及描述，提出了一种合格驾驶员的心理模型；然后提出了驾驶员身心反应测试的几项指标，并进行了有关的测试，得到了不同驾驶员在不同车速，不同路线下的生理／心理变化规律，本文为建立一个包括驾驶员心理特性，行为规律的综合模型提供了新的依据。     

稳定情绪 安全行车

人(驾驶员)、车、路是构成安全行车的三大要素,其中驾驶员又是三要素中的主要因素。驾驶员在行车中的情绪、情感变化,必定给安全行车带来影响。因此在抓好驾驶员的安全教育的同时,要注意从心理方面对驾驶员进行分析引导,使每名驾驶员处于平稳、宁静、豁达、舒畅的心情中,完成每     

基于人机工效学的交通标志有效性评价指标研究

交通标志与驾驶员、车辆、道路环境构成了一个复杂的人机系统。基于人机工程学理论,给出了驾驶员认知模型框架,分析了人机系统中影响驾驶员认知的各影响因素及其相互作用关系;运用马尔可夫过程理论对交通标志信息作用于驾驶员的过程进行了阶段性划分,将驾驶员的认知过程分为4个状态——觉察、识读、决策、操作,阐述了各状态在人机系统中的相互关系;解析了4个状态中驾驶员加工、处理信息的过程,结合已有研究成果和大量的问卷调查,根据驾驶员信息处理状态间的转移特性及其影响因素,从人机工程学角度提取并建立了评价交通标志有效性的指标体系。研究成果可为交通标志的合理设计、设置及评价提供理论依据。     

基于人、车、路和环境的AEB控制策略发展研究综述

分析了经典自动紧急制动(AEB)控制策略的发展现状及局限性,从人、车、路以及环境等因素出发,总结了AEB控制策略在驾驶员特性、车辆属性、路面特性、应用场景等方面的完善与发展过程.驾驶员特性影响个性化的驾驶员需求,车辆的感知、结构与制动特性等引起车辆固有属性的差异,不断更新的路况导致路面附着系数实时变化,多样化的工况场景...     

上路驾车 谨防错觉

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)了解这些易引起错觉的特性,并在行车中加以预防,才能保证行车的安全.     

从驾驶员的心理角度分析道路线形对交通安全的影响

从驾驶员的心理角度出发,研究了道路线形设计对驾驶员驾驶行为的影响,并从道路的线形(直线、曲线、线形组合)、视距及道路景观的协调性方面阐述了公路线形设计因素对交通安全的影响,分析了不合理的道路线形设计造成交通事故的过程,并对道路设计中易忽视的细节作出了总结.     

高速公路单调路段安全研究现状综述

为了有效降低高速公路单调路段的交通事故率,对国内外单调路段交通事故机理和安全对策的研究现状进行了总结和评价。分别从道路条件、交通条件、环境景观条件以及驾驶时间,行驶速度等方面分析了外界环境对驾驶员的影响因素,对交通事故机理进行了总结。对不同研究手段、实验方法进行了归类。对标志标线设置、彩色路面、路侧参照物设置和景观绿化设计等措施进行了比较和评价。研究建议以外界主要因素对驾驶员心理生理变化影响模式及驾驶员速度顿觉产生机理为理论基础,建立驾驶员心理生理失调应急模型,分析交通事故机理和提出安全对策,达到提高行驶安全水平的目的。     

驾驶员因素对道路交通安全影响的模糊一致评价

为定量评价驾驶员因素对道路交通安全的影响,在对驾驶员心理、行为等特征充分分析的基础上,采用模糊一致矩阵方法,建立评价道路交通安全的数学模型,选取易引发交通事故的驾驶员因素为评价指标,定量评价各因素对道路交通安全影响的大小。将该模型应用于河北某道路,结果表明,采用模糊一致矩阵方法能够定量地分析驾驶员因素对道路交通安全的影响。     

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,基于深度确定性策略梯度算法建立了驾驶员跟车模型,将驾驶员跟车轨迹数据集输入到模拟跟车环境中,让智能体从经验数据中学习驾驶员的决策行为。最后,以原始工况数据为基准,对基于深度强化学习的跟车模型进行对比仿真验证,结果表明所构建的驾驶员跟车模型具有良好的跟踪性能,能真实地复现驾驶员的跟车行为。