汽车-动力两轮车碰撞前驾驶员风险感知研究

人机共驾阶段人类驾驶员对驾驶环境保持较高的风险感知水平是保证及时有效、稳定安全接管的核心。本研究通过开展风险感知模拟驾驶试验,获取了驾驶员在典型汽车-动力两轮车碰撞场景下的驾驶行为及脑电响应数据。从驾驶行为层面以制动TTC(time to collision)和平均加速度为评价指标,利用分位数回归构建了驾驶员风险感知量化模型,通过独立样本检验发现驾驶经验、碰撞场景类型对驾驶员风险感知存在显著影响。在脑电响应层面,通过双独立样本检验及FDR校正发现Alpha频段与驾驶员风险感知显著相关。此外,提出了驾驶员风险感知神经机理,包括视觉感知与认知加工两个阶段。研究结果有助于提升人机共驾汽车的安全性。     

驾驶行为与驾驶风险国际研究进展

驾驶人在驾驶车辆的过程中总会面临由自身或外界条件所带来的或高或低的风险,即驾驶风险,通过对驾驶风险进行识别、分析及评估是对风险进行管理的有效对策,明确由人为因素（即驾驶人个体特征及驾驶行为）所带来的驾驶风险并对驾驶人进行安全管理尤为重要。为了全面了解各类危险驾驶行为和各种驾驶人群体的驾驶风险行为研究进展,对驾驶风险领域重点问题进行了总体概述。从驾驶人个体特征及驾驶行为的角度出发,探究了驾驶风险领域目前的研究现状,并利用科学知识图谱展示驾驶风险领域研究的发展进程与结构关系。通过Web of Science核心合集数据库获取了3 406篇在1986~2020年（截至2020年2月29日）间出版的驾驶风险研究相关英文文献,共涵盖8 684位作者及6 018个关键词,基于科学知识图谱对该领域文献进行梳理与分析。结果表明：驾驶风险领域的国外研究在驾驶人选择方面主要从年轻驾驶人、老年驾驶人、新手驾驶人及职业驾驶人的角度进行切入,重点围绕酒驾、药驾、分心驾驶及疲劳驾驶等主题开展研究。与国外研究相比,中国在分心驾驶、疲劳驾驶领域的研究相对丰富,而针对酒驾、药驾的研究试验手段较为单一,研究不够全面;在研究对象的选取上,有必要进一步增加老年驾驶人及新手驾驶人的深入研究,包括老年驾驶人适驾性评估与教育培训,以及新手驾驶人驾照分级制度的可行性探索。在研究方法方面,国外常见研究方法包括问卷调查、驾驶模拟器试验、实车试验以及自然驾驶研究等,而中国在自然驾驶研究领域尚未充分开发利用;未来应考虑多种方法相结合并从不同角度促进对驾驶行为及驾驶风险的全面理解。     

自动驾驶接管绩效的影响因素、模型与评价方法综述

有条件自动驾驶系统无法应对所有驾驶场景,因而需要驾驶人在必要情况下进行接管。驾驶人的接管绩效对于有条件自动驾驶车辆的安全性、驾乘体验与接受度具有重要意义。近年来,大量文献从不同视角对驾驶人接管绩效这一主题进行了广泛研究,但仍然存在一些问题亟待解决。从驾驶人接管绩效影响因素、接管绩效模型与接管绩效评价方法3个方面综述了驾驶人接管绩效的研究现状。首先,从驾驶人因素、交通环境因素和自动驾驶系统因素3个维度对驾驶人接管绩效影响因素的相关研究进行综述。其次,对现有驾驶人接管绩效模型,包括经典统计模型、机器学习模型与结构方程模型进行总结。最后,总结了现有原始接管绩效评价指标以及接管绩效综合评价方法。分析发现：现有接管绩效影响因素的量化指标仍不够全面,现有接管绩效模型的可解释性和预测精度难以兼顾,现有接管绩效评价方法尚需进一步完善。有鉴于此,未来研究首先需要基于驾驶人群体主观评价提出接管绩效的全面评价方法,然后以此为基础从人-机-环境维度全方面探索接管绩效影响因素的量化指标,最后考虑多种影响因素的复杂关联关系,建立高精度接管绩效预测模型,从而为提升驾驶人接管绩效提供理论支持,促进有条件自动驾驶的进一...     

卫星定位数据驱动的营运车辆驾驶人驾驶风险评估模型

为了提高营运车辆驾驶人安全管理的精细化水平，合理地评估驾驶人驾驶风险程度，有的放矢地降低高风险驾驶人的事故率，基于卫星定位数据特点及驾驶行为与驾驶风险的相关关系设计26个驾驶行为特征参数。考虑到高速和非高速行驶时相同驾驶行为对驾驶风险的影响区别较大，根据23名营运车辆驾驶人的实测数据有针对性地筛选高速和非高速路段驾驶人风险评估指标，构建营运车辆驾驶人驾驶风险评估指标体系。然后，基于熵权法、独立性权系数法和Spearman相关系数法建立集成赋权法，确定各评估指标的权重。最后，雇佣40名营运车辆驾驶人进行实车试验以验证模型的合理性。结果表明：车辆速度和加速度方面的驾驶行为特征可以用于评估驾驶人的驾驶风险且评估效果较好，驾驶风险评估得分与实际交通冲突次数呈正相关关系，所建立模型可以较为准确地评估营运车辆驾驶人驾驶风险的高低，准确率达到77.50%，该模型在不同地区使用时，准确率存在一定的差异，但在容许范围之内，方法具有较好的鲁棒性。     

自动驾驶中视觉次任务对年轻驾驶人接管时间的影响

为了了解有条件的自动驾驶中,年轻驾驶人的接管反应特性,分析视觉次任务（3×3箭头次任务和4×4箭头次任务）和接管请求时间（TTC为5 s和7 s）对不同接管时间的影响,基于驾驶仿真平台,设计了包含不同的视觉次任务和接管请求时间的自动驾驶接管场景,针对29名年轻驾驶人进行模拟驾驶试验。使用双因素方差分析来研究不同次任务与不同接管请求时间对接管时间的影响,以及使用Pearson相关性检验来分析不同接管时间的相关性。研究结果表明：与无次任务相比,次任务会显著增加接管时间;不同的次任务对接管时间无影响,次任务与前方有障碍物时的接管请求时间对接管时间无交互作用;与前方无障碍物时的接管相比,前方有障碍物时的接管会显著减少接管反应时间;在驾驶人执行次任务的情况下,不同接管请求时间对转向反应时间和制动反应时间无影响;在前方有障碍物的接管中,驾驶人更倾向于采用制动加转向的组合操作来回避风险,且驾驶人接管回避操作中直接转向和制动加转向的组合操作的比例相同;接管反应时间与制动反应时间有较强的相关性。     

基于IAHP-EWM-LDM的L3级自动驾驶接管过程安全性评价方法

在L3级自动驾驶阶段,驾驶人需要在系统发出接管请求时,及时响应并接管车辆。因此为了准确评估L3级自动驾驶车辆接管过程的安全性,构建了自动驾驶接管过程的安全性评价指标体系。本文采用4×2×2的接管场景因子设计了驾驶模拟试验,利用驾驶模拟器采集各类驾驶数据;基于变异系数法和Spearman相关性判别法从风险感知、避险操纵和接管绩效3个方面分析得到了13个安全性评价指标;使用能够表征专家经验的改进层次分析法求取指标的主观权重,使用能够反映数据特征的熵权法求取指标的客观权重;为综合2种方法的优点,利用级差最大化法获得了融合主、客观权重的综合权重,并通过计算得出风险感知、避险操纵、接管绩效的综合权重分别为0.259、0.475、0.271,以此结果来构建接管过程的安全性评价指标体系。本文运用该体系对驾驶模拟试验所获得的655个接管过程进行了综合评价,根据评价结果将其划分为A、B、C这3类接管过程。对比3类接管过程在风险感知、避险操纵、接管绩效3个方面的得分发现,A类接管过程在3个方面均表现较好,C类接管过程在避险操纵和接管绩效2个方面表现较差,B类指标的表现介于A类和C类之间,不同类别的接管过程...     

人-车-路交互下的驾驶人风险响应度建模

人机共驾中，共驾模式的选择和驾驶控制权的分配高度依赖于对驾驶人状态的正确识别。为了分析人机共驾中驾驶人的状态，对行车风险场模型进行重构，通过构建风险场力作用机制，建立包含驾驶人特性、自车特性和外部风险特性的人-车-路闭环系统中的驾驶人风险响应度模型，用于表征驾驶人对风险的认知能力和应对倾向。根据24位驾驶人在跟车和并道2个场景中的驾驶试验结果，对不同风险响应度下驾驶人的驾驶特性进行分析。研究结果表明：驾驶人风险响应度在驾驶过程中具有时变性，在驾驶人个体之间和不同驾驶场景间均存在差异性。在风险响应度分别为低、中、高的3类驾驶片段中，驾驶人在驾驶时的碰撞时间倒数T_TCi和加减速行为均具有显著差异（p<0.05）；风险响应度较高的保守型驾驶中，驾驶人行车时倾向于保持较小的T_TCi（均值为-0.48 s^-1，标准差为1.25 s^-1），单位时间内制动操作最多[均值为0.65次·（15 s）^-1]，总体驾驶风格倾向于规避风险；风险响应度较低的激进型驾驶中，驾驶人行车时倾向于保持最大的T_TCi（均值为0.28 s^-1，标准差为0.42 s^-1），相较于保守型驾驶，单位时间内加速操作较多[均值为0.48次·（15 s）^-1]，制动操作较少[均值为0.50次·（15 s）^-1]，总体驾驶风格倾向于追求行驶效率；风险响应度居中的平衡型驾驶中，驾驶人行车时所保持的T_TCi居中（均值为0.04 s^-1，标准差为0.36 s^-1），单位时间内加速操作[均值为0.23次·（15 s）^-1]和制动[均值为0.41次·（15 s）^-1]操作总数最少，对于行驶效率和行车安全的追求相对均衡。相较于以往将驾驶人作为孤立个体的驾驶人状态评估方法，所提出的驾驶人风险响应度模型可以依据驾驶人在人-车-路交互中的驾驶表现，更为全面地反映驾驶人的个性化驾驶状态。     

智能汽车的人机共驾技术研究现状和发展趋势

智能汽车的人机共驾技术(HM IoIV)是解决其智能化级别难以快速跨越至高度自动化水平的有效过渡手段.HMIoIV涉及了L0～L3级别的智能汽车的多种自动化技术,包括先进辅助驾驶系统.针对当前国内外智能汽车人机共驾技术的研究现状,对其概念、结构和研究内容进行总结,根据独立驾驶人参与的数量和驾驶操作方参与的数量将现有的人...     

驾驶人跟车风险接受水平对其接管绩效的影响

自动驾驶接管是一种安全性要求很高的手动驾驶操作,可能会受到驾驶人手动驾驶安全习惯的影响.本文基于驾驶模拟器分别设计了手动驾驶跟车和自动驾驶接管实验,研究了驾驶人的手动跟车风险接受水平对其接管绩效的影响,同时考虑了接管时间预算和视觉非驾驶任务的影响.结果表明:在日常驾驶中具有低跟车风险接受水平的驾驶人接管反应时间更短,并...     

中国危险品车辆驾驶人驾驶行为影响因素分析

为探索中国危险品车辆驾驶人风险驾驶行为影响因素以及与小车驾驶人的差异性,采集50名男性危险品车辆驾驶人的DBQ问卷、PDBS问卷、DSI问卷、DAIS问卷、驾驶人基本信息问卷数据.借助Spearman相关性分析方法探索问卷中各变量的相关性,使用Mann-Whitney检验不同年龄、驾龄、攻击性、积极性4个维度在DBQ和DSI上的差异性.结果表明,相对于年龄,驾龄对驾驶技能的影响程度较小.年轻男性危险品车辆驾驶人的平均驾驶经验虽不如中年驾驶人,但行车更为谨慎,安全技能水平相对较高.与小车驾驶人不同,危险品车辆驾驶人的驾驶技能、异常驾驶行为与积极性没有明显相关性.攻击性行为频率较高的驾驶人出现违规操作、错误行为、失误行为的频率要高于低频组.利用Logistic二元回归分析建立了驾驶人攻击性预测模型,研究表明,限速50 km/h城区道路倾向行驶速度、违规操作总分、过去3年主动事故数可以作为驾驶人攻击性强弱预测模型的输入变量,依次输入模型后,模型卡方值改进为10.513,11.529,14.566,预测正确率依次为76.10%,80.40%,87.00%.整体模型Hosmer-Lemeshow检验值为4.415,最终驾驶人攻击性预测模型的预测正确率为87.00%.      

汽车驾驶人姿态监测系统研究综述（双语出版）

随着自动驾驶技术的发展,驾驶人将会参与更多的与驾驶无关的活动,从而呈现出新的姿态,这些新姿态是优化传统被动安全系统的重要切入点。而且在未来相当长的时间内,自动驾驶车辆的行驶依然依赖于人和系统的密切配合。对驾驶人姿态的观察,则可以为判断驾驶人是否有能力及时接管车辆提供帮助,从而确保安全、合理的人机交互过程。通过对大量相关文献的系统性梳理,综述了汽车驾驶人姿态监测技术的智能化发展趋势,从传感器种类以及相应的姿态监测算法出发,分析了目前不同监测系统的优缺点。研究发现,尽管传感器技术和姿态识别算法取得了明显进步,然而廉价稳定且能够在实际驾驶条件下对驾驶人姿态准确感知的监测系统依然缺乏。总体而言,目前的监测系统大多只是集中于对驾驶人局部身体部位的感知,缺乏实际驾驶条件下的性能分析,并且对驾驶人状态的实时感知和预测能力仍有待完善。最后,针对目前监测系统所面临的问题,对未来可能的研究方向进行展望,并提出主动式立体视觉系统和压力传感器阵列相融合的驾驶人姿态监测方式。研究成果将为驾驶人姿态监测系统的研究提供参考和借鉴,从而有助于道路交通安全水平的进一步提升,同时也可为人机交互界面的设计带来启发。     

城市快速路匝道合流区车辆交互行为模式

在城市快速路匝道合流区,驾驶任务难度主要来自于车辆与其周边车辆之间的动态交互,目前对这种交互行为的特征和机理的认识还不十分清楚。基于从无人机视频中提取的高精度车辆轨迹数据,提取出表征车辆交互行为的指标TTC和GAP,并结合速度、加速度、车道位置等其他指标,对车辆的交互过程加以刻画,从中获得了大量交互行为实例,并在此基础上归纳总结出9种典型的车辆交互行为模式。通过分析各模式特征发现：即使在相同的外部环境下,车辆交互行为模式也可能存在差异,这表明交互行为不仅与车辆之间的相对位置、时空距离、速度状态等环境因素有关,还与驾驶人的应对能力、动机及风险意识等认知心理有关;另外,不同的交互模式面临的风险不同,并且该风险既可能是周边车辆行为发生改变而被迫卷入,也可能是驾驶人自身主动寻求的结果;9种不同类型的交互行为模式,构成了驾驶人自行感知的4种风险状态互相转换的具体实现形式;在驾驶过程中,驾驶人努力寻找契机并选择某种交互行为模式在各个风险状态之间来回切换,并非仅由心理压力较大的危险态向压力较小的自由态转换,也会发生反向转换,前者主要由降低事故风险和减少认知努力的动机驱动,后者旨在追求行车效率,但同时驾驶人会付出更多的认知努力以对抗风险的增加,这充分反映了驾驶人试图在行车效率、事故风险与认知努力三方面取得平衡。研究成果对深化理解驾驶行为及其背后的决策机制具有积极意义。     

驾驶时间对营运驾驶员驾驶能力影响的试验研究

针对影响交通安全的疲劳驾驶问题,以公路客运行业的营运驾驶员为研究对象,应用人机工程学和试验心理学的理论方法按驾驶时间的不同设计了区组对比的试验方案,并用试验仪器现场采集了99个样本的试验数据,利用F检验和H检验等统计学方法分析了驾驶时间对驾驶员驾驶能力的影响。结果表明:驾驶时间在8~12 h之间,驾驶员的反应能力和注意能力会显著降低,而驾驶员的感知能力和操作能力的降低不明显;驾驶员的主观疲劳感受随驾驶时间的变化不明显。     

基于触觉引导的L2级智能汽车人机共享控制技术综述

因技术和法规等因素限制，智能汽车短时间内难以实现L1级到L5级的快速跨越，人机共驾将长期存在；基于触觉引导的人机共享控制技术为L2级智能汽车人机共驾提供了有效的人机共享控制途径。通过综述国内外车辆人机共享控制技术相关问题的研究现状，重点分析了基于触觉引导的车道保持、换道、避撞、倒车辅助等人机共享控制在路径规划、意图决策和权限分配转移等过程中，可能会造成人机冲突进而导致车辆稳定性降低、行车安全性变差和驾驶员操作舒适度与自由度恶化等关键问题。同时针对人机共享控制中固有的驾驶人风格及认知差异进行了探讨，以期进一步明确人机共享控制器的设计方法及人机冲突产生的机理。提出未来应在大量仿真或实测行车数据的基础上不断迭代优化智能系统，提高智能控制系统对行车环境和驾驶人状态识别的精准度，从而合理分配人机共享控制权重，有效解决人机冲突、车辆稳定性、行车安全性、驾驶员操作舒适性和自由度等问题。基于现有研究存在的问题，指出自适应性触觉引导共享控制器、权重分配共享控制器、基于神经肌肉反应共享控制器及基于高级辅助驾驶系统共享控制器等将是智能汽车人机共享控制的主要研究方向。      

搭载自动驾驶功能的智能网联汽车安全测试与评估方法研究

目前,针对搭载自动驾驶功能的智能网联汽车,国内外正在广泛开展特定设计运行条件下的道路测试、示范应用等工作,其安全测试与评估方法已经成为当前行业研究的热点和难点。从第三方视角出发,重点针对汽车智能化、网联化面临的主要安全风险,将智能网联汽车的安全测试与评估分为基础测评和监测调整两个阶段。在基础测评阶段,综合评估产品对过程保障及测试要求的符合情况;在监测调整阶段,基于对车辆实际安全状态的监测,适时调整安全评估结果。在此基础上,重点梳理了基于场景的测试、安全评估、监测等测评方法的内在逻辑及原则要求。分别阐述了功能安全、预期功能安全、网络安全和数据安全等过程保障方法及主要要求,以及模拟仿真、封闭场地、实际道路、网络安全和数据安全、软件升级、数据记录等测试方法及主要要求。提出的方法为特定设计运行条件下,具有自动驾驶功能的智能网联汽车综合安全评估提供了参考。     

关于一、三级公路安全性认知因素的试验建模研究

在实测86处一级公路典型路段和188处三级公路典型路段道路结构基础上,确定驾驶员对国道一、三级公路的安全性认知因素集,进而针对一级公路的38处样本路段和三级公路的77处样本路段,组织47名驾驶人员进行现场认知评价试验,并应用模糊集合原理和模糊统计方法对评价试验得到的2829组(一级路673组、三级路2156组)有效认知试验评语数据进行分析处理,得到一、三级公路安全性认知因素的模糊评价隶属函数,从而给出驾驶人员对一、三级公路道路条件和交通环境的安全性模糊评价模型。     

关于公交车驾驶员安全驾驶视觉特性的分析

随着我国现代化的不断发展,城镇居民的生活水平不断提高,对各种交通工具的需求也在不断加大。同时,由于环境的逐渐恶化和人们环保意识的提高,越来越多人在出行时选择公交或者地铁等公共交通工具出行,因此,公交车驾驶的安全问题受到大家广泛关注。相关数据表明,驾驶员的违规驾驶是引起交通事故的重要原因,应从驾驶员的角度出发,分析公交车驾驶员安全与驾驶视觉特性的关系,有效保障公交车行驶的安全性。公交车驾驶员是驾驶行为的参与者,行驶过程中结合视觉信息操作驾驶行为。本文简要概述了驾驶员的视觉基本特性与疲劳驾驶、分心驾驶及驾驶经验对视觉特性的影响等方面,基于驾驶员的视觉特性影响因素进行研究和提出几点建议。     

基于TD3算法的人机混驾交通环境自动驾驶汽车换道研究

提高人类驾驶人的接受度是自动驾驶汽车未来的重要方向,而深度强化学习是其发展的一项关键技术。为了解决人机混驾混合交通流下的换道决策问题,利用深度强化学习算法TD3（Twin Delayed Deep Deterministic Policy Gradient）实现自动驾驶汽车的自主换道行为。首先介绍基于马尔科夫决策过程的强化学习的理论框架,其次基于来自真实工况的NGSIM数据集中的驾驶数据,通过自动驾驶模拟器NGSIM-ENV搭建单向6车道、交通拥挤程度适中的仿真场景,非自动驾驶车辆按照数据集中驾驶人行车数据行驶。针对连续动作空间下的自动驾驶换道决策,采用改进的深度强化学习算法TD3构建换道模型控制自动驾驶汽车的换道驾驶行为。在所提出的TD3换道模型中,构建决策所需周围环境及自车信息的状态空间、包含受控汽车加速度和航向角的动作空间,同时综合考虑安全性、行车效率和舒适性等因素设计强化学习的奖励函数。最终在NGSIM-ENV仿真平台上,将基于TD3算法控制的自动驾驶汽车换道行为与人类驾驶人行车数据进行比较。研究结果表明：基于TD3算法控制的车辆其平均行驶速度比人类驾驶人的平均行车速度高4.8%,在安全性以及舒适性上也有一定的提升;试验结果验证了训练完成后TD3换道模型的有效性,其能够在复杂交通环境下自主实现安全、舒适、流畅的换道行为。     

信号交叉口行车风险场建立及车辆通行行为优化

随着汽车逐步向智能化、网联化发展,智能网联车辆逐步进入实际应用阶段。进行智能网联车辆的通行行为优化,对提升驾驶安全性和行车效率,避免事故发生和交通拥堵至关重要。车辆在通过交叉口时将受到很多环境及运动因素的影响,而现有的通行优化模型难以准确表达各类因素共同作用下的行驶环境。为此,基于风险场理论建立由环境场和运动场组成的信号交叉口行车风险场,表征信号交叉口中每点的实时行车风险程度,从而引导车辆驶向风险值低点,并提供下一步长的位移及速度指引,实现车辆的动态轨迹优化及速度控制。典型场景下的仿真结果表明：在优化模型的控制下单车的信号交叉口通行效率明显提升,其中直行方向车辆单车平均通行效率提升最高,平均提升6.35%,通过对交叉口面积内所有车辆进行通行行为优化,交叉口通行效率提升了9.3%,这表明所建模型可以准确表达交叉口行车环境并优化车辆通行行为。研究结论可应用于自动驾驶车辆的交叉口通行控制,并为网联环境下的行车环境表达和安全驾驶控制提供模型基础。