车载信息系统操作对驾驶员动作分神的影响

车载信息系统的使用,在为驾驶员提供较为舒适车内驾驶环境的同时,还给驾驶员带来了不可忽视的分神问题.以多资源理论为基础,对驾驶员动作分神进行界定,选择车载收音机、CD、MP3 和导航仪作为车载信息系统研究对象,基于实验测试,定量分析车载信息系统操作对引起的驾驶员动作分神规律,并对导致驾驶动作分神的因素进行显著性分析.结果表明,交通环境和车载信息系统操作对驾驶人动作分神具有显著影响,车载收音机操作对动作分神影响不大,MP3 调节时手离开方向盘时间增加超过8.56%,冲突或差错率增加9.72%,导航仪路径输入时手离开方向盘时间显著增加,冲突或差错率增加 28.17%,语音路径诱导时刹车操作差错增加.     

车路协同场景下导航播报方式有效性评估

导航信息作为驾驶人进行决策的重要依据， 其播报方式差异性会对驾驶人的信息接受程度和理解程度产生不同的作用效果， 因此， 有必要研究不同播报方式对驾驶行为的影响表现。 针对高速公路大流量路段车路协同场景下， 不同导航播报方式对驾驶行为的有效性评估， 缺乏量化依据的问题， 文章基于驾驶模拟器， 搭建了 4 类车路协同典型场景， 并选取 38 名驾驶人进行驾驶模拟实验， 获取驾驶行为数据并采用灰色近优综合评价法， 从驾驶效率和安全 2 个层面选取 4 个指标， 评估了近距离、 远距离两种播报时机和哔声、 语音两种播报形式 4 种组合方案的有效性。 研究结果表明， 高速公路大流量路段车路协同场景下驾驶人偏向远距离语音播报。     

认知分心情境下驾驶人应激反应行为研究

选取40名被试,采用2-back任务诱导认知分心,利用驾驶模拟系统构建行人-机动车、非机动车-机动车和机动车-机动车等3种应激场景,开展了不同应激场景正常驾驶及认知分心驾驶2种工况驾驶人的应激反应实验研究;根据采集的被试的眼动、脑电和驾驶行为等数据,分析了认知分心驾驶工况驾驶人的应激反应行为特性;对实验结果进行集对分析(SPA),完成了不同应激场景下驾驶人应激反应行为的安全性评估。结果表明：驾驶人应激反应行为的安全性因受认知分心的影响而降低,其中在行人应激场景下的影响最为显著。     

货车驾驶人驾驶行为与行车安全研究进展

驾驶行为是影响交通安全最活跃的因素,在“人-车-路”复杂环境中扮演着关键角色。为了深入理解货车驾驶人驾驶行为规律和行为风险性,本文聚焦货车驾驶人驾驶行为对行车安全的影响,对货车驾驶人的驾驶行为风格、行为风险性及其与行车安全的关系等相关研究成果进行系统地梳理和分析。首先,利用构建的文献检索策略,筛选出38篇相关文献,并结合LDA(Latent Dirichlet Allocation)模型,对生成的4个研究主题,即货车驾驶人驾驶行为辨识,危险驾驶行为与行车安全,货车碰撞事故致因分析及驾驶安全风险评估进行总结;其次,针对数据源、特征工程及建模方法等分析要素,构建了适用于任意研究主题的通用研究路径,并重点归纳了目前研究主题在数据源、变量选择方法、研究地点及建模方法等关键要素的研究进展;最后,分析和探讨了货车驾驶人驾驶行为与行车安全领域面临的主要问题,从描述、解释、关联及应用的角度提炼该领域研究的未来发展趋势。研究认为：有必要将驾驶状态特性、车辆运行状态及道路交通状况等多维特征变量进行多源信息融合,开展基于大数据和人工智能双驱动的驾驶行为研究;需加强研究山区公路环境下货车与其他类型车辆之间的交互作用机制,从“人-车-路”视角分析货车碰撞事故致因;需进一步完善智能网联和自动驾驶等高新智能自动化环境下的货车驾驶人驾驶行为与行车安全关系研究;拓展面向驾驶安全的货车驾驶人驾驶风险评估的理论方法和应用框架。研究 成果将为货车事故治理、公路货运平台监控及道路线形设计等应用场景提供重要依据,并有助于相对全面地理解货车驾驶人驾驶行为与道路行车安全的交互作用机理。     

驾驶经验对先进驾驶辅助系统的作用研究

为了探究驾驶经验对先进驾驶辅助系统(ADAS)的影响,招募32名被试开展现场运行测试(FOTs).开发的试验车通过数据同步技术采集车辆运动学信息、道路环境信息和驾驶人操作信息,对采集的数据进行预处理并提取城市快速路数据进行统计分析.试验结果表明:跟车时,ADAS对熟练驾驶人和非熟练驾驶人均有积极影响且对非熟练驾驶人更为显著;制动时,ADAS对非熟练驾驶人有积极影响但对熟练驾驶人有消极影响;接受程度方面,熟练驾驶人对ADAS的接受程度显著高于非熟练驾驶人.本文研究结论为避免ADAS在特定驾驶经验的人群中产生的不利影响提供了数据支撑.     

汽车驾驶人驾驶经验对注视行为特性的影响

通过实车试验,分别在城市道路和公路上,利用EyeLinkⅡ眼动仪测试了20名驾驶人的眼动参数与注视行为特性。将被试驾驶人分为熟练驾驶人组和非熟练驾驶人组,通过将实际驾驶过程中的交通场景录像逐帧分解,并与驾驶人的眼动数据相结合来确定驾驶人的真实注视目标,对比了熟练与非熟练驾驶人的注视区域和注视目标特征,研究了2组驾驶人驾驶经验对驾驶人注视行为特性的影响,并分析了导致2组驾驶人注视行为差异的原因。研究结果表明：驾驶经验对驾驶人注视行为特性有显著影响;在城市道路上,熟练驾驶人对近处目标的注视频次比非熟练驾驶人高约18％,而对车内后视镜的注视频次约为非熟练驾驶人的4．7倍;在公路上,非熟练驾驶人对远距离区域的注视频次仅为熟练驾驶人的4l％,而对车内区域的注视频次则为熟练驾驶人的2．1倍;驾驶人对右区域的注视频次平均约为左区域的2．5倍,且熟练驾驶人对右区域关注更多,约为左区域的4倍,而非熟练驾驶人对右区域的注视频次约为左区域的1．5倍;非熟练驾驶人处理信息的策略和效率均比熟练驾驶人差。     

语音信息对驾驶人超速行为干预效果研究

为了明确语音信息对不安全驾驶行为的干预效果,以典型不安全驾驶行为超 速行驶为研究对象,针对超速发生前、发生时和发生后等3 个阶段设计不同风格的语音干 预信息,对30 名驾驶人在驾驶模拟器上分别进行干预模拟实验,设计合理的客观和主观 评价方法,针对干预效果进行评价和对比分析.实验结果表明,干预语音信息风格对干预 效果具有较大影响,驾驶员的客观表现与其主观认知也存在差异,超速发生前差异较大, 超速发生时和发生后差异较小,综合主客观评价结果得出了超速发生前、发生中和发生 后的最佳干预风格,可以为车载提醒设备设计、驾驶员教育策略制定等提供理论基础.     

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.     

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。     

自动驾驶环境下驾驶人接管行为结构方程模型

为提取自动驾驶环境下驾驶人接管行为的关键影响因素,使用驾驶模拟器和眼动仪进行自动驾驶环境下驾驶人接管试验;采集了11个受试者对5种接管情境的反应数据,包括车辆运行数据和眼部运动数据,并调查了受试者的个人属性;基于实测数据定性分析和情境差异定量分析的结果,利用AMOS软件建立了描述驾驶人接管行为的结构方程模型;假设纵向接...     

高速公路作业区智能预警与驾驶行为关系研究

为探寻高速公路作业区智能预警与驾驶行为影响关系,通过构建警示标志、人机交互界面及智慧道钉群三种预警场景,同时将驾驶人对智能预警功能知晓与否作为研究自变量,采用驾驶模拟器对53位驾驶人进行试验,提取车辆行驶状态数据并利用方差分析及配对T检验方法分析驾驶行为差异性.结果表明,警告区不同预警方式对驾驶行为具有显著性影响;人机...     

车载信息对驾驶人眨眼特性及负荷的影响规律

为研究车载信息对驾驶人负荷的影响,进行了实车道路实验.实验中,将车载设备安装在3处不同位置,采集驾驶人眨眼时间与频率数据,采用图像路径信息发布或图像、声音路径信息同时发布方式,研究驾驶人的眨眼特性,并对比驾驶人是否使用车载导航状态下眨眼时间与频率分布规律差异.实验数据显示,将眨眼持续时间为0~200 ms的眨眼数据以10 ms为间距展开时,驾驶人眨眼次数分布曲线出现了明显的双峰特征;未使用车载导航时,眨眼持续时间在50~60 ms的峰值低于10~20 ms的峰值,使用车载导航时反之;不同导航安装位置条件下,中、长眨眼差异不显著,而短眨眼具有显著差异;无语音提示下的眨眼次数双峰均大于有语音提示时,短眨眼明显增大,中眨眼也相对较大,长眨眼几乎不变.上述结果表明:使用车载导航情况下驾驶人的工作负荷更大,导航安装在置物台上时,驾驶人工作负荷最小;使用车载导航语音提示,可减小驾驶人的工作负荷.      

基于车联网数据挖掘的营运车辆 驾驶速度行为聚类研究

为了充分利用交通运输企业积累的海量车联网数据,挖掘营运车辆驾驶行为 特征的潜在规律.根据车联网数据属性提取涉及驾驶行为特征的参数,基于因子分析把8 个驾驶行为特征参数化为少数几个蕴含明确驾驶行为信息的综合变量,以此为指标通过 系统聚类,将选取的江苏范围内营运车辆驾驶行为特征进行聚类分析.结果表明,营运车 辆驾驶行为特征可有效聚为变速行为、超速行为、减速行为、加速行为,其中变速驾驶行 为程度较重的驾驶人其他3 种驾驶行为程度也较大.这类驾驶人具有较高驾驶风险,交通 运输企业需要对其重点监控.研究结果对我国营运车辆驾驶人的监管与培训具有一定参 考作用.     

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。     

重载货车驾驶人驾驶风格识别与量化研究

重载货车驾驶人的激进驾驶风格具有强烈的习惯性特征和风险性特征,一旦养成很难矫正,且极易诱发交通事故。针对现有研究极少关注重载货车驾驶人驾驶风格的不足,本文基于某全国货运监管平台提供的云南省重载货车低频轨迹数据,从风格聚类、风格识别和风格评估这3个方面,提出综合考虑疲劳驾驶特征和超速驾驶特征的重载货车驾驶人驾驶风格分析方法。首先,基于轨迹数据蕴含驾驶人驾驶行为模式的特点,构建表征重载货车驾驶人驾驶风格的疲劳驾驶和超速驾驶特征集;其次,利用因子分析进行特征约简,并采用K-均值聚类方法划分重载货车驾驶人的驾驶风格;然后,构建基于支持向量机的驾驶风格识别模型,并与梯度提升决策树的识 别结果进行对比;最后,基于疲劳驾驶特征和超速驾驶特征的累积分布,建立基于 CRITIC (Criteria Importance Though Intercriteria Correlation)赋权法的重载货车驾驶人驾驶风格量化评估 模型。研究结果表明：经过特征约简,提取的疲劳因子和超速因子能综合反映上述两类特征集 80.838%的信息;根据疲劳因子和超速因子可将驾驶风格划分为4种类别,即稳健型、超速型、疲劳型和危险型,相应重载货车驾驶人比例依次为62.60%、25.02%、7.40%和4.98%;基于支持向量机的重载货车驾驶人驾驶风格识别模型对不同风格的识别准确率均大于97%,整体表现优于梯度提升决策树;基于CRITIC赋权法的驾驶风格评估模型能有效量化重载货车驾驶人的驾驶风格, 其中稳健型驾驶人表现最好,75%以上的驾驶人风格评估总分高于60分;危险型驾驶人表现最差,75%以上的驾驶人风格评估总分低于20分。研究结果可为重载货车驾驶人不良驾驶行为的监测、干预和管理提供理论依据和技术支撑。     

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。     

基于自然驾驶数据的螺旋匝道(桥) 驾驶人心理负荷分析

为得到驾驶人在螺旋型立交匝道路段行车时的驾驶负荷及影响因素，选取4 座山地城市螺旋型立交开展自然驾驶实验，利用车载仪器采集自然驾驶习惯条件下的驾驶人心电信号. 分析心率幅值特征、心率连续差异均方根( RMSSD )整体分布特征，以及其与匝道半径、坡度之间的关系. 结果表明，影响心理负荷的主要因素是车辆行驶环境和匝道曲率变化. 匝道的分、合流鼻端处，以及行车过程中跟车、超车和会车均会使驾驶人心理负荷增大，驾驶人行驶在上坡路段的紧张感高于下坡路段，匝道半径与RMSSD 存在较强的负相关性. 纵坡坡度与心率变异指标之间呈现两种不同的相关关系：不熟练型驾驶人随着坡度增加，RMSSD 呈线性上升的趋势；一般型和熟练型驾驶人表现为中间高两边低的趋势.     

基于模拟实验的驾驶人警觉影响因素研究

为测试驾驶人警觉影响因素,设计了基于驾驶模拟系统,以驾驶人为主体,以交通信号灯和风险信息数量分别为警觉影响因素的城市道路和高速公路为测试场景,以驾驶人在4种场景下面对风险情况时的制动反应时间和注视行为数据作为驾驶人警觉特性评价参数的仿真测试实验。分析驾驶人在不同场景因素下警觉水平的差异性。结果表明:所设计的仿真实验与测试结果良好,不同交通管控条件和不同风险信息量下,驾驶人警觉水平存在一定差异。研究结果可用于道路交通事故的原因分析。     

ATIS环境下驾驶人交通信息行为研究进展

为系统梳理ATIS领域驾驶人交通信息行为的研究现状,基于信息行为学理论分析了驾驶人交通信息行为的内涵特征及其在交通领域的应用前景与可行性。分析个体因素以及ATIS环境对驾驶人交通信息行为的影响机制,并总结ATIS环境下驾驶人的交通信息行为研究理论与方法。对文献的梳理和分析表明:重视ATIS环境下智能手机发布的动态、个性化交通信息,分析驾驶人对交通信息的偏好、选择,辨识多源信息环境下的驾驶人响应行为机理,将成为驾驶人交通信息行为研究需关注的方向。提出有必要从方法、理论等层面结合信息行为学,分析交通信息影响下的驾驶人交通行为特征,推进ATIS环境下的交通行为研究并进一步提升ATIS服务水平。     

驾驶特性的识别评估及其在智能汽车上的应用综述

研究了驾驶特性的识别方法、驾驶人接管能力评估的进展、驾驶特性在智能汽车领域中的应用；将驾驶人状态监测划分为驾驶人疲劳监测、分心监测和不良驾驶行为监测，总结了驾驶人状态监测研究的目标、方法、精确度、判断标准以及优缺点；对比了驾驶人疲劳监测中不同检测信号之间的差异；评析了基于模糊识别和隐马尔可夫模型的驾驶人意图识别与预测方法；梳理了驾驶风格分类与辨识的主要步骤、典型辨识方法的特点；分析了驾驶人接管能力的影响因素与评判标准；阐述了驾驶特性用于开发用户接受度高和人机交互性能好的辅助驾驶系统的主要方式；概括了在人机共驾协同控制中考虑驾驶特性的途径。研究结果表明:基于多种传感器信号融合的驾驶人状态监测可有效避免基于单一传感器信号的弊端，提高了检测精度，减少了误警报；将传统预测模型与混合智能学习相融合的方法能够为驾驶意图在线识别与预测提供解决方案；应该重点研究复杂工况下的驾驶特性辨识；驾驶人接管能力的研究有待理论化和系统化；未来的发展趋势是开发基于驾驶特性的集成辅助驾驶技术、实现多种典型路况下驾驶人与辅助驾驶系统进行意图和控制策略的交互；将个性化驾驶人的驾驶特性融入共驾系数的设计中，从而提高人机共驾系统的个性化、智能化水平和环境适应性能。