用于检测疲劳驾驶的自适应脸部定位方法

针对疲劳驾驶视觉检测技术中驾驶员脸部定位快速性与准确性难以同时满足的情况,提出了一种将肤色和面部几何特征相结合的自适应脸部定位方法。该方法对YCbCr空间肤色相似度和传统Otsu闾值分割算法进行改进,降低了计算复杂度,采用新的区域连通和区域标记算法定位出脸部位置。最后,根据人脸几何特征对脸部区域做进一步确认：试验结果表明,该方法能对驾驶员图像脸部进行快速、准确定位。     

基于停车视距的高速公路雨天行车安全车速研究

考虑低能见度及路面附着系数减小的情况,研究了高速公路雨天的安全车速.从跟车状态下停车过程出发,根据不同的水膜厚度得出其对应的附着系数,进行了基于AASHTO停车视距模型的高速公路安全车速计算.并应用于湖北省黄黄高速公路雨天交通管理措施,供相关技术人员参考.     

路段公交专用道对车辆燃油消耗与污染物排放的影响分析

本文利用微观仿真软件（VISSIM）对研究对象进行微观交通流模拟,并将得到的车辆运行状况数据用数据库方式输出,转换后作为综合模式排放模型（CMEM）计算油耗和排放所需要的输入文件。用该方法以南京市太平北路为研究对象,模拟将该路段的最外侧混行车道改造为公交专用道后对交通流及油耗和排放的影响。模拟结果表明：该设置明显改善了公交车的交通流运行情况,并能够有效减少公交车的燃油消耗及尾气排放;但是对整体路段的总体机动车而言,该设置使得路段平均燃油消耗率及HC、CO和NOx的平均排放因子少量增加。     

家庭安全氛围对青年驾驶员风险驾驶行为的影响

据数据统计,青年驾驶员是交通事故和交通违规、违章的高发群体.国外研究表明,家庭安全氛围对青年驾驶员的风险驾驶行为有重要影响.在文献总结的基础上,以 177位中国青年驾驶员为研究对象,采用探索性和验证性因素分析方法探索了中国背景下家庭安全氛围的结构维度,进而运用层次回归技术,探讨了家庭安全氛围对风险驾驶行为的影响.结果显示,我国家庭安全氛围呈现清晰的七因子结构,且家庭安全氛围整体、示范维度、承诺维度均对青年驾驶员的风险驾驶行为存在显著的负向预测作用.最后从家庭安全的角度提出了规范青年驾驶员的风险驾驶行为和减少交通事故发生的建议.     

多车道元胞自动机换道决策模型的冲突处理策略

换道模型是多车道元胞自动机交通流模型的核心子模块之一,在分析现实中驾驶员执行换道时处理车辆冲突过程的基础上,依据其蕴含的不同换道驾驶行为特征把驾驶员采取的换道冲突策略划分为保守型、机敏型与激进型3 类,并通过进一步优化车辆状态更新算法,提出了换道冲突处理多策略,车辆状态更新次序随机的多车道换道模型.运行模型获得不同空间占有率条件下,驾驶员分别采取保守、机敏或激进策略时所产生的换道动机次数和换道成功次数.通过数据分析发现：在特定空间占有率区间,不同换道冲突处理策略将引起较显著换道动机概率差异与换道成功概率差异.     

智慧交通与智慧物流

智慧交通和智慧物流是智慧城市建设的重要内容.智慧交通技术的创新和发展,促进了智能交通升级.解决大规模数据计算问题是物流智能化的基础.本次论坛以“智慧交通和智慧物流”为主题,介绍了安全驾驶统一集理论、实践及成果,探讨了新一代信息技术对智能交通发展与创新的推动作用,介绍了无人驾驶技术的总体框架、发展与应用,探讨了智慧物流所面临的大规模数据计算问题及解决方案.     

智能手机使用行为对驾驶可靠性的影响模型

为解决智能手机使用行为对驾驶安全影响过程缺少定量描述的问题,基于驾驶行为信息加工和注意分配理论,探索智能手机使用行为与驾驶可靠性的关联关系,提出7 个因果关系假设,构建涵盖视觉资源消耗、认知资源消耗、驾驶不可靠性等潜变量的智能手机使用行为影响的结构方程模型. 通过线上与线下相结合的方式进行驾驶人问卷调查,实证分析结果表明,视觉资源消耗(0.448)、认知资源消耗(0.256)对驾驶可靠性具有直接负向效应,信息输入、显示观看、语音通话及心理特征具有间接负向效应,其中显示观看(0.450)的效应最大.     

疲劳驾驶转向特征指标的个体差异敏感度分析

个体差异是影响疲劳驾驶识别的重要因素. 为研究基于转向行为的疲劳驾驶识别受个体差异的影响,本文对疲劳驾驶转向特征指标的个体差异敏感度进行分析. 通过实车试验获得自然驾驶数据,对正常和疲劳状态下的指标进行Kruskal-Wallis(KW)检验,以H 统计量表示指标有效性;以H 统计量最大的单被试为基础逐一与其他被试组成双被试组合,采用线性模型拟合双被试组合的H 统计量和指标个体差异度,以斜率绝对值表征指标个体差异敏感度. 研究获得9 个转向特征指标的个体差异敏感度,结果表明,敏感度越低,指标有效性受个体差异影响越小,其中方向盘转角标准差的个体差异敏感度最低为2.056. 本研究可为转向特征指标的性能评估及疲劳驾驶识别模型的特征选择提供参考.     

自动驾驶影响下的出行行为研究综述

从小汽车出行总需求、出行方式选择、在途时间利用三方面梳理了自动驾驶影响下的出行行为研究现状,分析了用于研究自动驾驶对出行行为影响的数据基础与研究方法,总结了影响自动驾驶环境下出行方式选择的关键因素,指出了出行行为研究存在的问题和未来发展方向。研究结果表明：出行总需求的相关研究主要关注当前服务不足人口的潜在出行,大多通过需求假设分析潜在的变化,在假设的可靠性和结果的准确度方面还存在不足;出行方式选择的相关研究显示车辆服务和出行属性、社会人口和家庭属性、出行习惯属性、居住地和环境属性、个人心理和偏好属性等是影响出行方式选择的关键因素,考虑到不同的研究对象、场景设计与分析方法,性别、年龄、持有驾照、家庭结构等因素对出行行为的具体影响还有待进一步检验;人们对自动驾驶时代在途时间利用的方式和受益程度的认知存在较大的不确定性与异质性,亟需理论模型来进一步讨论潜在的时间利用变化;基于自动驾驶对出行行为影响相关研究的局限性,提出了建立自动驾驶汽车的规范化描述和丰富数据采集方式,开展横向与纵向对比研究,加强各影响因素异质性的考量,辨析自动驾驶时代各类出行行为间的相互影响机制的改进方向。     

基于实车行驶工况的电动公交运营期碳足迹测算

针对电动公交车运营期碳足迹难以监测的难题,本文设计了一种以实车行驶工况为基础的电动公交车碳排放折算量估计方法。以西安市主城区的609路和新建城区的362路公交车为研究对象,基于实车行驶轨迹数据提出一种面向城市电动公交运营线路的本地化驾驶工况构建方案。首先,引入T-SNE非线性机器学习算法进行数据降维,使用Birch聚类方法进行分类;然后,根据相似度最高原则和各类别比例关系构建两条线路的电动公交车运行工况。在Cruise仿真环境进行百公里耗电量计算,并折算得到碳排放量。结果表明：609路和362路同车型电动公交车百公里能耗分别为121.71 kW ⋅ h 和144.46 kW ⋅ h ,差异较为明显,证明了分线路进行驾驶工况构建的必要性;基于本文提出的估计方法计算了两条公交线电动公交车组在2019年11月的碳足迹,分别为114.099 t和117.863 t。提出的电动公交运营期碳足迹测算方法有助于推行城市交通碳排放监测与管理。