基于安全和情感化的汽车辅助驾驶系统多模态交互设计研究综述

汽车作为目前人类最常使用的交通工具之一,其智能驾驶技术大部分处在L2～L3“人机共驾”技术的发展阶段,在L5级自动驾驶技术出现之前,“人机共驾”仍然是目前主流的驾驶方式,其各种车载系统和交互方式正在不断完善。多模态交互作为未来设计的发展趋势,必然将与汽车融合产生新的“火花”。对车载系统中多模态交互设计研究包括疲劳状态预警、碰撞预警、车道偏离预警、智能接管提醒、智能泊车等方向进行梳理总结,对车载AI多模态交互设计包括多屏交互、触控交互、手势交互、语音交互、表情交互、眼动交互等自然交互方式进行分析。采用文献研究及案例分析的方式探究如何在基于安全和情感化的背景下使驾驶员的体验更加舒适,展望了汽车多模态交互设计在车载系统中的应用及未来趋势。恰当而良好的交互方式融合将会提高各种车载系统及应用的安全性和驾驶的舒适度。多模态交互的引入必将是汽车发展的趋势。     

福特翼虎行车日记之上卷

驾驶着福特翼虎在都市丛林中尽情驰骋,愉悦的心情在欢快的车轮间跳跃,这对于我们这些整日沉迷于繁忙工作的人来说简直是一次奢侈的享受。[编者按]     

基于ETC门架数据的高速公路车辆行驶特征画像方法

为合理评估高速公路车辆驾驶行为风险和通行费稽查状态异常程度,进而对风险车辆进行提前预警,提出了一种基于ETC门架数据的车辆行驶特征画像方法。首先,通过分析车辆风险驾驶行为和通行费稽查状态,构建了以超速驾驶行为、疲劳驾驶行为、门架状态异常情况、收费状态异常情况、路径状态异常情况为指标的车辆行驶特征画像指标体系;然后,利用熵权-TOPSIS法和熵权-灰色关联分析建立综合熵权法确定各指标权重;最后,选取8辆车作为实验对象生成车辆行驶特征雷达图来验证该方法的有效性。研究结果表明：在4辆1类客车中,有3辆存在超速驾驶行为,其超速驾驶指数趋于0.8,其余的行驶特征指数均趋于0;在4辆6类货车中,有2辆在疲劳驾驶指数上表现异常,其疲劳驾驶指数趋于0.4,还有1辆的收费状态异常指数趋于0.4,可能存在偷逃费风险。可以看出,该方法能有效区分不同车型的风险类型,在高速公路管理中可用于有针对性的风险决策制定。     

基于高速公路自然驾驶数据的自动驾驶车辆跟驰智能性评价模型

为解决当前自动驾驶车辆跟驰智能性评价中存在的以主观评价为主、缺少微观驾驶行为数据支撑的问题,以高速公路自然驾驶数据为基础,从自动驾驶车辆与人工驾驶车辆驾驶行为一致性的角度出发,构建自动驾驶车辆跟驰智能性评价模型。首先,通过无人机视频拍摄和图像处理,获取了国内18个省份部分高速公路上的高精度车辆轨迹,利用K-means聚类方法提取了15 446组稳定跟驰数据。然后,采用描述性统计方法对速度、加速度、跟车间距及跟车时距等指标进行分析。通过Gamma分布拟合不同速度下的跟车间距,以不同速度下跟车间距众数为中心,将跟车间距按照样本量的70%、20%、10%划分为与人工驾驶车辆驾驶行为一致性较好、一般、较差等3种情况,以此为基础建立自动驾驶车辆跟驰智能性评价模型。最后,通过自动驾驶车辆跟驰试验,证明所建模型适用于自动驾驶车辆跟驰智能性评价,相比既有研究,该模型的特点是能基于全过程、微观跟驰行为数据对自动驾驶车辆做出综合的量化评价。这表明基于自然驾驶数据与驾驶行为一致性构建的模型能客观、量化评价自动驾驶车辆跟驰行为,可用于自动驾驶车辆跟驰行为研究与技术参数设计。     

基于强化学习与安全约束的自动驾驶决策方法

在自动驾驶决策场景下,为解决强化学习算法安全性差、学习效率低的问题,提出一种在算法的训练阶段添加基于价值的安全约束和虚拟奖励的方法。首先,利用状态、动作价值函数和安全判断规则,对智能体执行的动作进行基于价值的安全约束,选择价值高且安全的动作。然后,向回放池添加包含虚拟奖励的预测轨迹数据,以补充由于约束而未能获取的试错动作信息和相应的状态、奖励信息。最后,为进行加减速和换道决策实验,基于修改后的高速公路仿真环境highway-env搭建了3车道高速公路场景,并以深度Q网络（Deep Q Network, DQN）算法为基础,分别训练和测试了无安全约束的算法、拥有基于规则的安全约束的算法和拥有基于价值的安全约束的算法。结果表明,考虑加速、减速、保持车速和车道、向左换道、向右换道共5种动作时,基于价值的安全约束算法的成功率比无安全约束的算法高3倍以上,平均回报提升28%;仅考虑向左换道、向右换道、保持车道这3种换道动作时,基于价值的安全约束算法的成功率比基于规则的安全约束算法高0.11,平均回报提升6%;都添加基于价值的安全约束时,考虑5种动作的算法相较于考虑3种动作的算法成功率低0.06但...     

基于深度强化学习的自动驾驶车辆跟驰行为建模

为提高自动驾驶车辆的跟驰性能,减轻交通震荡干扰的负面影响,研究了1种基于深度强化学习的自动驾驶跟驰模型。在现有奖励函数设计基础上融入对能源消耗的考虑,基于VT-Micro模型构建能耗相关项;同时对使用跟车时距构建行驶效率因素相关项的方法进行优化,添加虚拟速度来避免在交通震荡场景中出现计算溢出和车间距过近的问题。为克服过往抑制震荡研究中仅用闭合环状模拟道路和仿真车辆轨迹开展训练的局限性,选用NGSIM轨迹数据中交通震荡阶段的驾驶员行为特征搭建训练环境,应用双延迟深度确定性策略梯度算法（Twin Delayed Deep Deterministic Policy Gradient Algorithm,TD3）训练形成多目标优化的跟驰模型。进一步构建模型性能测试评价体系,对比分析TD3模型与其他传统模型在跟车与交通震荡2类测试场景中的表现。跟车测试场景实验结果表明：在舒适度与行驶效率上,TD3模型和传统自适应巡航控制（Adaptive Cruise Control, ACC）模型表现相近,二者均优于人类驾驶员;在安全性上,TD3模型相较于传统ACC模型安全隐患降低53.65%,相较于人类驾驶...     

城市平面交叉口左转车辆规避效应特性

城市道路交叉口交通隔离栏侵入内侧车道建筑限界,导致车辆横向偏移,增加行车风险。为了解城市平面交叉口交通隔离栏对左转车辆规避行为的影响,通过无人机采集3个设有交通隔离栏的平面交叉口车辆视频,提取车辆轨迹、速度、加速度等参数。分析交叉口出口不同车道车辆偏移和速度的分布特性,研究左转车辆规避特性。结果表明：(1)两侧车道上行驶的车辆更倾向于向中间车道偏移,中间车道行驶轨迹则较为稳定;(2)20 m的行程可供驾驶人稳定行驶方向,保持与交通隔离栏的安全横向距离;(3)左侧车道上85%以上车辆远离交通隔离栏行驶,平均偏移距离为0.278 m;右侧车道上60%左右车辆远离右侧行驶,平均偏移距离为0.116 m。(4)左转车辆在出口不同车道的速度分布存在显著差异,其中左侧车道和右侧车道上左转车辆速度分布峰值、横向加速度均值、纵向加速度均值均小于中间车道。以此提出城市道路交叉口的改善方法：(1)增加中分带宽度,提升路侧净距,实现左侧车道名义路权宽度与实际路权宽度一致;(2)增大硬质设施与驾驶人的横向距离;(3)开口段硬质设施优化为柔性,减弱设施心理冲击,降低驾驶负荷;(4)增设路面导流线和反光设施,保证...     

基于自然驾驶试验的小半径弯坡路段大型载货汽车驾驶员视觉特性研究

在贵州省G246公路小半径弯坡路段开展大型载货汽车和小汽车驾驶员自然驾驶试验,基于Begaze软件与统计学方法,分析了两类驾驶员注视点分布特征与小半径弯坡路段转弯方向、半径、坡度的关系;研究了左转、右转方向驾驶员瞳孔直径、信息获取能力与速度的关系。研究结果表明：大型载货汽车驾驶员在小半径弯坡路段中行驶时,主要关注车头前方15～25 m区域,对后方车辆关注度不足;小汽车驾驶员关注的区域更远,会关注对向来车和道路线形走向;转向和曲线半径是影响驾驶员关注点的主要因素,左、右转时驾驶员主要关注道路中央标线、右侧道路边线,且应着重加强半径小于30 m弯坡路段的视觉引导有效性;大型载货汽车驾驶员过弯时瞳孔直径和信息获取能力的峰值位置与弯道中央并不重合,现有将凸面镜等提示性施设设置在弯道中央的处理措施并不适宜大型载货汽车。     

重点要“稳” 采埃孚自动驾驶目标锁定L2+和L4

"现在市场上有些系统,让你在驾驶过程中,明显的感觉到车身的摆动,说明它们的车道保持不好。这样会影响驾驶者的驾驶体验。对我们而言,度量级别不重要,重点是稳!"——采埃孚全球CEO沃夫翰宁·施艾德回顾过去三年所经历的CES展会,整个自动驾驶行业一直长期处于亢奋状态。从L2-L5级别,只要你想似乎都能找到相对应的产品以及解决方案。仿佛大家之间正进行一场不言而喻的军备竞赛。远的不说,单说采埃孚本身,2017年第一次亮相并现场与百度合作上车的ProAI至今历历在目。随后两年,ProAI的型号一年比一年高,性能也逐代强悍。     

山区高速公路驾驶人加减速行为建模

山区地形地质条件复杂,各类复杂的组合线形设计更为常见,例如直线与平曲线间组合或不同平曲线间组合。驾驶人在相邻组合路段行驶时会感知到线形的变化,引起驾驶行为的改变,最终车辆的纵向加速度也会随之改变。频繁的加减速行为会引起驾驶人不适,甚至形成安全隐患。目前针对相邻组合路段驾驶行为的研究中,关于加速度的研究主要基于路段特殊点进行计算。随着驾驶模拟技术的发展,高仿真驾驶模拟器为高速公路的设计评估提供了更好的数据及试验条件支撑。在高仿真驾驶模拟器中,基于湖南省永吉高速公路道路设计参数及周边地形环境参数,构建山区高速公路的三维虚拟模型,以山区高速公路中的相邻组合路段为研究对象,获取山区高速公路组合线形路段的车辆纵向加速度数据,提取加减速事件后,基于驾驶人的加减速行为,采用混合Logit模型,分别判定道路线形层和驾驶人层的影响,研究组合线形对驾驶人纵向加减速选择的具体影响变量以及变量的影响范围。研究结果表明：下游路段最大曲率、上游路段圆曲线段比例、下游路段变坡点数量、下游路段曲线数量、上游路段平均曲率和当前位置曲率等对驾驶人加减速行为有显著影响;通过对比混合Logit模型和多元Logit模型,指出驾驶人层面对模型结果的影响显著。研究结果提供了一种山区高速公路连续纵向加减速行为的建模方案,并可为研究驾驶人在复杂线形条件下的纵向加速度选择行为提供基础。