基于马尔可夫过程的驾驶员视觉注意力转移模型研究

为研究驾驶员在车辆驾驶时的视觉注意力的转移规律,构建了注意力转移模型.基于马尔可夫过程,在将驾驶员重点视觉域划分为主视区、左后视镜、右后视镜、正后视镜、仪表盘5个子域的基础上,构建了视觉注意力转移模型,并给出了模型的求解算法.最后结合实例验证了模型的可行性.     

城市道路跟驰车辆驾驶员视觉感知滞后效应的研究

根据驾驶员的视觉感知阈及城市道路交通特点,分别建立了城市道路中直道、弯道以及超车3种情况下跟驰车辆驾驶员视觉滞后时间的计算公式。从城市交通具体参数计算结果表明,跟驰车辆驾驶员总反应时间中视觉感知滞后时间是不可忽视的。     

城市隧道驾驶员视力角特征及应用

利用利用眼动仪系统,以城市道路隧道路段驾驶员注视点变动为研究对象,对4名驾驶员共进行16次有效行车试验,得出注视点分布一般特征。并根据心理学研究中提出的视力角概念,用成功扫视幅度中值来量度视力角,建立基于视力角特征的城市隧道标志视认模型:城市隧道行车过程中,当目标物体在注视点分布椭圆边界的视力角范围之内,较容易视认,超过此范围,则难以视认。再利用该模型,对隧道进口交通标志的设置进行安全性评价,并提出改善建议。     

长株潭城际铁路沉降预测模型比较与基于Revit的可视化

为建立较高精度的沉降预测模型,同时探究沉降预测模型在建筑信息模型(BIM)中的结合应用,基于灰色系统模型GM(1,1)、支持向量回归机(SVR)和粒子群算法(PSO),建立PSO-GM-SVR变形预测模型。通过API接口以及二次开发功能,基于Revit软件平台开发一套应用于高铁沉降变形监测的插件,建立高铁沉降的三维基础模型。将Revit软件与SQL sever数据库连接,使变形监测信息能够作为模型的非几何信息集成到SQL数据库中,将变形监测信息与三维基础模型相结合。采用长株潭城际铁路与石长联络线工程监测数据验证PSO-GM-SVR变形预测模型的精度以及实现监测数据的可视化展示。结果表明：灰色系统模型GM(1,1)模型最大残差值为0.66 mm,GM-SVR模型最大残差值为0.18 mm,优化的PSO-GM-SVR模型最大残差值为0.1 mm;灰色系统模型GM(1,1)模型、GM-SVR模型以及优化的PSO-GM-SVR模型的相关系数分别为98.55%,99.54%和99.94%;与灰色系统模型GM(1,1)模型和GM-SVR模型相比,PSO-GM-SVR模型精度更高,对高速铁路沉降预测的效果更好;结合实际工程数据完成了建设项目中变形监测信息在SQL数据库中的信息化管理以及在Revit中的可视化表达,为施工阶段的铺轨作业提供指导,实现了沉降变形预测同BIM技术的结合运用,可供类似工程参考。     

考虑驾驶人安全与视觉特性的高速公路路堑边坡景观优化

为了提升高速公路路堑边坡的景观效益及安全价值,提出考虑驾驶人安全与视觉特性的路堑边坡景观优化思路。首先结合驾驶人视觉特性,以行车视距、注意力集中点和最深视野为参数,对高速公路视觉敏感度进行分区研究,得到高、中、低3级视觉敏感区空间范围。其次对路堑边坡进行景观比重研究,结合净区设置规范,进行净区和景观比重数值模拟计算,得到坡率为1∶8~1∶0.75的路堑边坡在6组坡高下满足净区设计规范之后的景观坡面占据高视觉敏感区的景观比重值。最后结合模拟结果提出路堑边坡优化建议,使其在保障驾驶安全的基础上实现景观效益最大化。结果表明：车速为80 km·h^-1时,高视觉敏感区宽37 m、高10 m,中、低视觉敏感区均宽119 m、高82 m;路堑边坡坡高为0.75 m时,坡率为1∶8~1∶7的边坡景观比重可以超过50%,坡高大于3 m时,缓于1∶1.5的路堑边坡坡长占据高敏感区的景观比重接近定值71%;坡高一定时,路堑边坡坡率越缓,越容易满足净区宽度设置要求,可在增强交通安全属性的同时提升边坡景观展示效率。     

城市快速路中央分隔带线性空间布局形式的视觉刺激对驾驶行为的影响

为探究城市快速路中央分隔带线性空间布局形式的视觉刺激对驾驶行为的影响,通过图像语义分割技术量化景观构成要素,并用SILAB软件平台构建虚拟仿真场景,开展模拟驾驶试验。测试路段限速值分别为50 km·h^-1和70 km·h^-1。试验获取了41名被试对中央分隔带布局形式视觉刺激的眼动和车辆运行指标以及驾驶疲劳的主观评价,以分析不同中央分隔带布局形式视觉刺激下各特征参数的变化规律。采用注视点信息熵作为布局形式视觉刺激度的量化指标,并使用ROC曲线方法为表征不同中央分隔带布局形式视觉刺激的驾驶行为指标确立了舒适性阈值,根据不同中央分隔带布局形式下的驾驶行为指标及阈值,建立了舒适性综合判别模型。研究结果表明：单次扫视时长、注视次数、车道横向偏移距离受布局形式视觉刺激的影响较大;与车速50 km·h^-1相比,当车速为70 km·h^-1时,扫视频率低,单次扫视时长短,注视次数少,平均眨眼持续时间长;注视点信息熵与视觉刺激度相关;由车辆运行特征分析可知,排列式的中央分隔带布局形式由于景观单调、视觉刺激过低会导致驾驶人出现反应迟缓、疲劳,影响行车安全;规则式布局形式视觉刺激过高,环境的复杂性、新奇性、意外性等特征过于显著,会导致驾驶人难以集中注意力,从而威胁行车安全;而自然式的布局形式不仅能够改善城市快速路景观环境的单调性,还能够提供适宜的视觉刺激。研究成果能够改善中央分隔带布局形式及提高驾驶安全性提供一定的理论依据。     

智能化民航安保的研究热点与发展趋势

随着民用航空运输规模快速增长,智慧民航背景下的民航安保工作逐步转向开放式、全流程的自助服务,日益复杂的安全需求亦决定了传统安保向智能化安保的转变趋势。目前,国内外学者对智能化民航安保展开了大量研究,为系统把握智能化民航安保的研究热点和发展趋势,以中国知网和Web of Science核心集合数据库中1 229篇智能化民航安保研究相关文献为数据源,利用CiteSpace软件,从国家和机构分布、主要期刊来源分布、关键词聚类以及关键词突现等方面进行可视化文献计量分析,总结并探讨该领域的研究热点和发展趋势。研究表明：①1998—2021年,国内外学者对智能化民航安保的研究趋势基本一致,总体发文量呈波动式上涨,自2019年起有所降低;②从国家和机构分布来看,发文量最多的国家为中国和美国,共占比37.04%,欧洲国家在该领域的研究合作更为密切;国内主要研究机构包括中国民航大学、中国民航科学技术研究院、中国民用航空飞行学院等,国外主要研究机构包括荷兰代尔夫特理工大学、美国伊利诺伊大学等;③该领域的热点主题包括民用航空营运安全保卫研究、民用机场安全保卫研究和安全检查研究,其中,仿真技术和网络信息安全是民用航空营运安全保卫的热点研究方向,应急疏散和基于主体的模型（agent-based modeling,ABM）是民用机场安全保卫的热点研究方向,旅客差异化、毫米波安检门、机器学习与现有安检技术结合是安全检查的热点研究方向,我国在智能化民航安保领域经济分析和网络信息安全方面的研究有待加强;④智能识别技术在预警和报警方面的研究、仿真技术结合虚拟现实技术进行安保人员培训或演练的研究值得关注。网络信息安全和安全评价模型的优化是当前智能化民航安保研究的主流趋势。     

地铁隧道表面病害视觉检测技术应用综述

针对地铁隧道表面病害快速检测与识别需求,分别从硬件组成、软件架构与识别算法等三方面对地铁隧道表面病害视觉检测技术展开综述分析。首先梳理了隧道病害视觉检测技术涉及的硬件参数,并分析确定出符合地铁隧道病害快速巡检需求的“线阵相机+线激光源”组成框架;其次针对隧道衬砌图像采集方面,数据与位移同步、图像增强与拼接处理为隧道病害视觉检测与识别样本数据生成的关键;在算法识别性能方面,相较于图像信号处理与浅层模式识别方法,深度学习网络算法可取得更好的隧道病害图像识别效果。论文最后指出隧道表面病害视觉检测与识别技术仍面临的瓶颈与挑战,并对其未来可能的发展方向给出总结与展望。     

地铁紧急停车按钮增设声光报警功能改造

早期的地铁紧急停车按钮在站台被激活后,站台工作人员无法立即确认,影响了对情况的判断。同时自动化行车场景的特殊性对站台工作人员现场处置的及时性有着更高的要求。针对上述情况,提出了两种基于既有地铁紧急停车按钮装置的可行改进方案,通过增加声光报警模块,实现站台紧急停车按钮生效后的可视化和可听化功能,使站台工作人员能够及时获得信息反馈,并在第一时间迅速执行后续处理操作,达到降低站台门事故发生风险、切实保障乘客人身安全的目的,并能够有效缩短所造成的时间延误。