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。     

基于轨迹数据的高速公路隧道风险特性分析

由于隧道内部照度不同，隧道不同区域的驾驶行为具有很大差异。基于TJRD自然驾驶轨迹数据，提出基于车辆速度和加速度的个体风险指标和基于交通冲突的交互风险指标，分析了隧道内不同路段的风险分布特性。研究结果发现：(1)在隧道入口段、过渡段、出口段驾驶行为存在较大差异，行车风险较大；(2)入口段及过渡段车辆低速比例较高，且处于危险及较危险等级的比例高达15%、20%,车辆减速度处于不安全等级的比例分别为6.2%、7.8%;(3)入口段车辆交互风险最大，交互指标TTC、DRAC处于不安全等级的比例分别为23.8%、14.2%。研究结论揭示了隧道风险演化特征，对于改善隧道风险隐患和靶向主动安全治理具有重要意义。     

基于驾驶人心理风险场模型的个性化换道决策方法

行驶环境中交互车辆的运动行为会对驾驶人心理产生刺激,引起驾驶人心理状态的变化,进而影响其换道决策行为。为此提出了1种基于驾驶人心理风险场模型的个性化换道决策方法。基于单向3车道快速路交通场景,通过交互式多模型分析车辆的横向速度与横向位移,引入可变横向速度相关的转移概率矩阵,预测交互车辆的目标车道选择;建立驾驶人心理风险场模型,量化行驶环境与交互车辆的运动行为对驾驶人心理风险造成的影响;利用高仿真驾驶模拟器联合SUMO试验平台开展287人次的模拟驾驶试验,通过建立混合交通仿真场景采集驾驶人的换道数据,并选取平均碰撞时间与驾驶人心理风险因子2个特征参数,使用K-means算法进行驾驶风格聚类,将驾驶人分为保守型、正常型和激进型这3类,并进一步确定不同风格的驾驶人在换道初始时刻所能接受的心理风险阈值。在此基础上,实现车辆的个性化安全换道决策。驾驶模拟器试验验证结果表明：对应于保守型、正常型和激进型的驾驶人,实际最小换道决策时间分别为3.48,6.29,11.33 s,实际最大换道决策时间分别为4.65,7.45,12.52 s,理论换道决策时间分别为4.09,6.83,11.95 s,所建立...     

基于人车交互行为模型的上下客行为识别

上下客行为是常见的人车交互交通行为，但随意地在路边或者禁停区域上下客，不但容易干扰道路交通秩序，还可能造成人员伤亡的恶性交通安全事故，需要及时检出以便疏导管理。受益于智慧灯杆的开发和部署，全路段的上下客行为检测成为可能。设计了一种基于智慧灯杆监控视频的人车交互行为模型HVIB（Human-Vehicle Interaction Behavior）及上下客行为识别方法，实现路边停车和上下客行为的检测。人车交互行为模型HVIB由车辆运动状态检测模块和人车关系检测模块组成。在车辆运动状态检测模块中，利用YOLOv4（You Only Look Once，Version 4）目标检测模型和SORT（Simple Online and Realtime Tracking）跟踪算法输出高置信度目标信息，并抽取车辆时空位置特征表达。在人车关系检测模块中，结合人与车辆的空间位置变化和相对运动方向，形成人车关系的时空特征表达。通过计算视频中人车时空位置特征，基于车辆运动状态判别函数和人车关系判别函数输出车辆运动状态和人车关系类别，并依据不同人车交互行为的定义，可以实现上下客行为识别。使用真实城市交通场景视频数据，对多种天气条件（晴天、阴天、雨天）下的不同人车行为进行了识别试验。试验结果表明：所提出的方法可以全天候工作，其中在白天多种天气条件下，停车和上下客行为的检测准确率能达到90%和87%以上，夜晚正常天气条件下分别为82.5%和77.5%；同时，检测速度在每秒30帧以上，满足实际应用的实时性要求。     

货运车辆主动安全预警系统

在科技高速发展与追求高效的当今社会,保证货运车辆行驶安全尤为重要,为了能够有效避免事故发生,在事故发生前给出提示预警至关重要。本文首先分析了组成货运车辆主动安全预警系统的高级驾驶辅助系统ADAS、司机驾驶行为预警系统DMS的组成以及关键技术。其次,定义主动安全预警系统能够预警的危险类型;通过整合ADAS、DMS系统获取的数据及视频结合主动安全预警算法,最终生成风险等级对应不同等级提醒驾驶员改正危险驾驶行为。最后阐述对货运主动安全预警系统的价值总结以及前景展望。     

社会性驾驶交互关键效用析取与应用

共享道路空间中的人类驾驶交互行为具有兼顾伴行车损益的社会性特征。由于对驾驶交互社会性的理解缺失,自动驾驶车辆往往难以估计自身行为对伴行车辆的潜在影响,因而陷入“被迫保守”的决策困境。本文在博弈论框架中引入驾驶人兼顾伴行车损益的行为特征,构建社会性驾驶交互行为模型,刻画了驾驶交互中个体间的动作依赖关系。结合该模型,提出主车预期行为对其交互对象所造成潜在影响的通用定量表达——交互效用项。通过在规划目标中引入交互效用项,可定向调整运动规划算法的交互主动性。高速路出匝道实验结果表明,在对安全性无显著影响的前提下,通过提升交互主动性,基于优化和基于采样的运动规划算法在给定距离内出匝道任务成功率可分别提升3.9%与5.2%。     

快速路车路协同场景交通流运行效率仿真评价

为研究车路协同系统在不同车间信息交互水平下对快速路交通流的影响,采集并提取北京市四方桥快速路段早高峰交通流轨迹,同时分析车路协同场景下快速路车辆运行特征,实现对常规驾驶场景和信息交互场景的车辆行驶模型标定。选取期望速度行驶车辆占比、横向车距收缩比、纵向车距收缩比、通行能力拓展比对车辆运行效率进行评价,提出车辆横向偏移距离缩小比用以评价车辆空间占用状况;搭建仿真模型并进行仿真试验,分析不同信息交互水平对交通的影响程度。结果显示,车辆运行效率随信息交互水平的提升而提升,其中通行能力的提升幅度最为显著,车路协同场景下信息交互水平从4级提高到1级,道路通行能力较常规驾驶场景分别拓展了19.42%,28.06%,46.48%,74.62%,仿真时段内其余指标值提升幅度较小。车间信息交互场景下车辆行驶的横向偏移幅度缩小,且在高水平信息交互下缩小比例达到17.33%,表明相同车道宽度下车辆行驶的横向安全性提升。      

雾天驾驶人车辆操纵行为特性及其与追尾风险相关性分析

为分析驾驶人在雾天环境下的车辆操纵行为特性及其与追尾风险的内在关系,设计并开展驾驶模拟试验,采用方差分析,混合效应模型等对晴天、雾天2种环境下驾驶人的车辆操纵行为特性进行对比分析,并利用相关性分析及二元Logistics回归模型对避撞过程中行为间的相互作用及其与追尾风险间的关系进行挖掘.结果表明:雾天环境下驾驶人的车道...     

道路运输车辆达标车型整车主动安全项目测试简析

道路运输车辆达标车型的实施,有效提升了道路运输车辆的安全性能。文章主要从电子稳定性控制系统、车道偏离预警系统、前向碰撞预警系统、自动紧急制动系统四个整车主动安全测试项目对道路运输车辆达标车型相应标准进行介绍,为道路运输车辆达标车型相关从业人员提供了主动安全整车项目试验参考。     

基于轨迹预测的智能汽车行驶风险评估方法

提出了基于预测轨迹的行车风险评估方法，首先建立了沿预测轨迹两侧具有渐变高斯截面特征的驾驶风险域DRF以表征驾驶员行为的不确定性，然后考虑车辆与周围静态、动态障碍物处于特定状态的风险后果建立环境事件成本，得到适应复杂行车场景不确定性的量化感知风险，并基于贝叶斯理论融合预测区间内的量化感知风险时间序列，实现了对于未来行车潜在碰撞风险的预测。实车轨迹和仿真实验结果表明，相比于经典TTC指标方法，基于融合未来一段时间内自车与周边环境交互信息的DRF的风险评估方法可以更快、更准确地辨识复杂交通场景的行车风险变化，为研究周边多车复杂场景下车辆碰撞风险问题提供了参考。     

考虑驾驶人风格的跟车预警规则研究

为研究驾驶人的跟车特性及探究可适用于不同风格驾驶人的跟车预警规则,为自动驾驶车辆开发可满足不同用户驾驶需求和驾乘体验的主动安全预警系统,选取50名被试驾驶人开展实车试验,采集驾驶人跟车行为表征参数并基于雷达数据确定跟车事件提取规则。选取平均跟车时距和平均制动时距为二维向量,使用基于K-means聚类结果的高斯混合模型将驾驶人聚类为3种风格类型(冒进型、平稳型、保守型)。通过分析3组驾驶人的跟车及制动数据,将不同类型驾驶人的制动时距分位数作为跟车预警阈值,结合实际预警数据及不同制动时距分位数对应的预警正确率,对现有跟车预警规则进行调整,以适应不同类型驾驶人的驾驶需求。研究结果表明:3组驾驶人的平均跟车时距和平均制动时距差异显著,冒进型驾驶人倾向于选择较小的跟车时距和制动时距,保守型驾驶人的跟车时距和制动时距则普遍较大;3组驾驶人的实际跟车预警次数为215次,驾驶人采取制动操作而系统未予以预警的次数为329次,系统整体预警正确率为21.9%,漏警率为87.5%,通过分析信息熵等判定当前预警规则并不合理;将每类驾驶人制动时距的10%分位数作为阈值时的预警效果较好,调整后的跟车预警规则能在一定程度上适应不同的驾驶人类型。     

邻车切入工况下前撞预警系统的驾驶人依赖特性

为提升邻车切入工况下的行车安全,基于驾驶模拟实验平台,研究了驾驶人对前撞预警系统的依赖特性评价方法以改进预警系统的设计。以预警时机(即碰时间TTC)为研究变量,采集了12名驾驶人的实验数据,以制动依赖指数、次任务评分为2项客观指标,以危险度评分、信任度评分为2项主观指标,建立了评价体系模型,实现了对驾驶人系统依赖程度的量化评价。设计了L9(34)正交实验,建立了依赖特性评价回归模型。结果表明:预警时机(TTC)对依赖特性的影响最为显著:过晚的预警时机(TTC=2.4 s)降低系统的有效性;过早的预警时机(TTC=1.2 s)易导致驾驶人对系统过度依赖。因而,适度推迟预警时机(TTC=1.8 s)可以抑制依赖性的产生,提升系统的安全性。     

基于脉搏波特征融合的驾驶疲劳检测方法

疲劳驾驶是交通事故的主要诱因之一,精确检测驾驶人的疲劳程度是主动预防疲劳驾驶事故的核心内容之一。通过开展自然驾驶试验,以驾驶人的生物信号脉搏波（Blood Pressure Waveform,BPW）为数据源,使用脉搏波波形分析方法从中提取有效表征驾驶疲劳的特征指标,构建用于检测驾驶疲劳等级的BPW特征指标集,在此基础上引入D-S证据理论建立了基于BPW特征融合的驾驶疲劳检测模型。结果表明：该模型对测试数据的疲劳驾驶理论检测精度达到了91.8%,优于贝叶斯网络模型的81.4%和支持向量机模型的84.3%,能够满足实际应用的需求,但与决策回归树检测模型99.7%的精度相比较还有差距。研究获得的基于生物信息融合的驾驶疲劳检查模型和方法在驾驶疲劳检测与监测中具有很好的应用前景,可为辅助安全驾驶和疲劳预警及主动干预提供新的技术方案。     

Intelligent speed adaptation: Preliminary results of on-road study in Penang,Malaysia

The first field experiment with intelligent speed adaptation (ISA) in Malaysia was held in December 2010 in the State of Penang. Eleven private cars were instrumented with an advisory system. The system used in the present study included a vocal warning message and a visual text message that is activated when the driver attempts to exceed the speed limit. When the driver decreases the speed, the warning stops; otherwise it is continuously repeated. The test drivers drove the vehicles for three months with the installed system, and the speed was continuously logged in all vehicles. The warning was however only activated in the second month of the three month period. The present study aimed to evaluate the effects of an advisory ISA on driving speed, traffic safety, and drivers' attitude, behavior, and acceptance of the system. To examine these effects, both the survey and the logged speed data were analyzed and explored. The results show a significant reduction in the mean, maximum and 85th percentile speed due to the use of the system. However, there was no long-lasting effect on the speed when the system was deactivated. In the post-trial survey, drivers declared that the system helped them well in following the speed limits and that it assisted them in driving more comfortably. Furthermore, the warning method was more accepted compared to a supportive system, such as active accelerator pedal (AAP). After the trial, most drivers were willing to keep an ISA system.     

Intelligent collision warning using license plate segmentation

Given the increase of vehicles in traffic, traffic accidents have become a crucial and urgent issue for some countries. Particularly, in heavy traffic conditions, rear-end collisions make up the majority of traffic accidents, which make the traffic jam worse. This article proposes a novel approach to rear-end collision warning systems using areas of license plates acquired with a single camera mounted on a car. The edges of the front car's license plate are segmented and a rectangle is sketched to calculate the area, which is used for estimating distance between the cars. Relative speed of the front car is computed using the differences of the rectangles in a specific time. Distance and relative speed are obtained from the estimated areas of the license plates and transferred to the fuzzy inference system to send a warning signal to the driver for collision prevention, in emergency cases. The experiments are greatly encouraging, indicating that number plate segmentation can be utilized to estimate the distance and fuzzy inference system can be developed to create a warning signal to the drivers.     

车辆防追尾碰撞安全系统

高速公路的事故类型中追尾碰撞占了很大的比例,因而开发车辆防追尾碰撞安全系统是非常必要的。文章分析了影响行车安全的各种因素,建立了安全车距数学模型,利用现代技术,构造了一种车辆防追尾碰撞安全系统。指出此安全系统能减少由于驾驶员分心和疲劳等原因导致的交通事故,最大限度地提高车辆行驶的安全性。     

驾驶辅助技术在事故预防中的应用效果

越来越多的车型都搭载了驾驶辅助系统,部分驾驶人对这类系统的实际效果持怀疑态度。本文通过调研国内外相关研究,对几类主流驾驶辅助系统的事故预防效果进行综述。与相同条件下未安装驾驶辅助系统的车辆对比,研究人员发现多数驾驶辅助系统在事故预防方面发挥了明显的作用,降低了相关的事故率、保险索赔率,其中前向和后向的自动紧急制动系统效果最为显著。此外,驾驶人对驾驶辅助系统的接受度以及响应度均会影响事故预防效果。     

Development of a Driving Behavior-Based Collision Warning System Using a Neural Network

An advanced driver assistance system (ADAS) uses radar, visual information, and laser sensors to calculate variables representing driving conditions, such as time-to-collision (TTC) and time headway (THW), and to determine collision risk using empirically set thresholds. However, the empirically set threshold can generate differences in performance that are detected by the driver. It is appropriate to quickly relay collision risk to drivers whose response speed to dangerous situations is relatively slow and who drive defensively. However, for drivers whose response speed is relatively fast and who drive actively, it may be better not to provide a warning if they are aware of the collision risk in advance, because giving collision warnings too frequently can lower the reliability of the warnings and cause dissatisfaction in the driver, or promote disregard. To solve this problem, this study proposes a collision warning system (CWS) based on an individual driver’s driving behavior. In particular, a driver behavior model was created using an artificial neural network learning algorithm so that the collision risk could be determined according to the driving characteristics of the driver. Finally, the driver behavior model was learned using actual vehicle driving data and the applicability of the proposed CWS was verified through simulation.     

面向人因的车路协同系统综合测试及影响评估

面向冬奥主干通道兴延高速，以驾驶人适应性为导向，构建一种面向人因的车路协同系统硬件在环效能测试平台，针对多种道路条件、交通状态、特殊事件等面向高速公路设计13种交通情境，从主、客观2个维度实现车路协同系统包括主观感受、高效性、安全性、生态性、舒适性、有效性6个方面的驾驶人适应性评价，分析车路协同驾驶状态下的综合评估指标及影响机理。主观评估结果显示，车路协同技术对驾驶人有积极作用，52%的被试认为车载预警信息可以使行车过程更安全。客观运行结果表明：由于车路协同状态下驾驶人对于前方道路危险状况的可预知性，导致驾驶人提前降速，运行速度降低，效率有所下降；车路协同条件下的加速度和换道次数明显减小，其安全性显著提升；由于车路协同系统避免了驾驶人对于突发危险状况的紧急制动，因此车辆的油耗、排放均明显降低，其生态性改善效果显著；归因于驾驶人对于车路协同系统熟悉程度不足，导致舒适度各系统存在不一致的结论，也表明驾驶人对于车路协同系统的接受度和信任度均有待进一步提高；驾驶人在车路协同条件下可获取不同路段的限速值和超速提示，其有效性表现出明显的优势，速度跟随比有显著提升。所构建的测试平台和指标体系为进一步深层次挖掘车路协同的作用机理奠定了基础。     

A driver-adaptive stability control strategy for sport utility vehicles

Conventional vehicle stability control (VSC) systems are designed for average drivers. For a driver with a good driving skill, the VSC systems may be redundant; for a driver with a poor driving skill, the VSC intervention may be inadequate. To increase safety of sport utility vehicles (SUVs), this paper proposes a novel driver-adaptive VSC (DAVSC) strategy based on scaling the target yaw rate commanded by the driver. The DAVSC system is adaptive to drivers’ driving skills. More control effort would be exerted for drivers with poor driving skills, and vice versa. A sliding mode control (SMC)-based differential braking (DB) controller is designed using a three degrees of freedom (DOF) yaw-plane model. An eight DOF nonlinear yaw-roll model is used to simulate the SUV dynamics. Two driver models, namely longitudinal and lateral, are used to ‘drive’ the virtual SUV. By integrating the virtual SUV, the DB controller, and the driver models, the performance of the DAVSC system is investigated. The simulations demonstrate the effectiveness of the DAVSC strategy.