认知分心情境下驾驶人应激反应行为研究

选取40名被试,采用2-back任务诱导认知分心,利用驾驶模拟系统构建行人-机动车、非机动车-机动车和机动车-机动车等3种应激场景,开展了不同应激场景正常驾驶及认知分心驾驶2种工况驾驶人的应激反应实验研究;根据采集的被试的眼动、脑电和驾驶行为等数据,分析了认知分心驾驶工况驾驶人的应激反应行为特性;对实验结果进行集对分析(SPA),完成了不同应激场景下驾驶人应激反应行为的安全性评估。结果表明：驾驶人应激反应行为的安全性因受认知分心的影响而降低,其中在行人应激场景下的影响最为显著。     

驾驶人应激训练仿真系统设计与实现

紧急状态下的驾驶人高度应激状态极易诱发交通事故,然而采用实车对驾驶人应激进行研究具有极高的危险性。训练型驾驶模拟器具有安全性和经济性的优点,能被用于驾驶人应激研究。构建了驾驶人应激训练仿真系统,并利用VC++和Open GL等技术实现了驾驶人应激训练视景系统。通过选择30名被试人员进行仿真实验,选取场景完成率和生理指标作为实验参数来验证系统有效性。结果显示所设计的仿真系统能有效地提高驾驶人应激反应能力,对驾驶人在紧急状态下紧急避险具有现实意义。     

风险驾驶模拟情境下驾驶人风险感知研究

分析风险驾驶情境中静态与动态结合过程的特征,给出风险驾驶情境风险度 (SRD)的定义.基于交通冲突分析技术及主观评价,提出风险驾驶SRD的量化评价方法.采用驾驶模拟实验研究,以六个典型的风险驾驶情境为研究对象,提取专家型被试的驾驶行为进行风险驾驶情境下的交通冲突分析,结合主观评价结果,得到驾驶人风险感知能力的识别基准.通过分析不同风险度情境下的驾驶行为差异,验证SRD 对驾驶行为的影响.本文的实验过程、方法及结论为我国驾驶人风险感知能力测试提供理论与实践参考.     

城市道路场景下驾驶注意力需求的影响因素研究

为探索城市道路场景下影响驾驶注意力需求的交通因素,搭建包含多种交通变量的城市道路交通场景,对30位被试进行驾驶模拟器视线遮挡实验。以视线遮挡概率表示驾驶注意力需求等级,采用逐步逻辑回归方法建立各交通变量对驾驶注意力需求等级模型,并分析其影响方式。结果显示,遮挡概率沿驾驶路线波动较大,不同交通变量对驾驶注意力的需求不同。十字路口、公交车站、路边停放车辆、跟车距离、会车距离和弯道曲率等对驾驶注意力需求影响显著。越接近十字路口遮挡概率越小,到达十字路口时几乎没有遮挡。说明被试会主动适应外界交通环境对注意力的需求,有选择的获取与驾驶有关的交通变量信息,并预测各个交通变量的发展趋势。研究结果有助于提高驾驶分心预警系统的环境敏感性。     

汽车驾驶人驾驶经验对注视行为特性的影响

通过实车试验,分别在城市道路和公路上,利用EyeLinkⅡ眼动仪测试了20名驾驶人的眼动参数与注视行为特性。将被试驾驶人分为熟练驾驶人组和非熟练驾驶人组,通过将实际驾驶过程中的交通场景录像逐帧分解,并与驾驶人的眼动数据相结合来确定驾驶人的真实注视目标,对比了熟练与非熟练驾驶人的注视区域和注视目标特征,研究了2组驾驶人驾驶经验对驾驶人注视行为特性的影响,并分析了导致2组驾驶人注视行为差异的原因。研究结果表明：驾驶经验对驾驶人注视行为特性有显著影响;在城市道路上,熟练驾驶人对近处目标的注视频次比非熟练驾驶人高约18％,而对车内后视镜的注视频次约为非熟练驾驶人的4．7倍;在公路上,非熟练驾驶人对远距离区域的注视频次仅为熟练驾驶人的4l％,而对车内区域的注视频次则为熟练驾驶人的2．1倍;驾驶人对右区域的注视频次平均约为左区域的2．5倍,且熟练驾驶人对右区域关注更多,约为左区域的4倍,而非熟练驾驶人对右区域的注视频次约为左区域的1．5倍;非熟练驾驶人处理信息的策略和效率均比熟练驾驶人差。     

驾驶特性的识别评估及其在智能汽车上的应用综述

研究了驾驶特性的识别方法、驾驶人接管能力评估的进展、驾驶特性在智能汽车领域中的应用；将驾驶人状态监测划分为驾驶人疲劳监测、分心监测和不良驾驶行为监测，总结了驾驶人状态监测研究的目标、方法、精确度、判断标准以及优缺点；对比了驾驶人疲劳监测中不同检测信号之间的差异；评析了基于模糊识别和隐马尔可夫模型的驾驶人意图识别与预测方法；梳理了驾驶风格分类与辨识的主要步骤、典型辨识方法的特点；分析了驾驶人接管能力的影响因素与评判标准；阐述了驾驶特性用于开发用户接受度高和人机交互性能好的辅助驾驶系统的主要方式；概括了在人机共驾协同控制中考虑驾驶特性的途径。研究结果表明:基于多种传感器信号融合的驾驶人状态监测可有效避免基于单一传感器信号的弊端，提高了检测精度，减少了误警报；将传统预测模型与混合智能学习相融合的方法能够为驾驶意图在线识别与预测提供解决方案；应该重点研究复杂工况下的驾驶特性辨识；驾驶人接管能力的研究有待理论化和系统化；未来的发展趋势是开发基于驾驶特性的集成辅助驾驶技术、实现多种典型路况下驾驶人与辅助驾驶系统进行意图和控制策略的交互；将个性化驾驶人的驾驶特性融入共驾系数的设计中，从而提高人机共驾系统的个性化、智能化水平和环境适应性能。      

典型事故形态下驾驶人工作记忆与应激反应研究

为探究事故发生时的不同形态和工作记忆与驾驶人应激反应能力及视觉行为的关系,本文对31名驾驶人分别开展城市道路中侧面碰撞、追尾碰撞和刮撞行人这3种典型事故形态下的驾驶模拟器实验。根据摄像机和眼动仪的输出视频,采用动态聚类将驾驶人的注视区域划分成7类,同时,基于单因素方差分析,Mann-Whitney U检验和Kruskal-Wallis检验,分析事故形态的类型、不同工作记忆容量的人群避险时的应激反应能力和视觉行为的影响。结果表明：事故形态和驾驶人的应激反应能力显著相关,在前车紧急制动事件中驾驶人的反应时间最短,较侧面碰撞减少了25.46%;在面对危险时的反应时间受到驾驶人工作记忆容量的影响,即相比于低工作记忆容量,高工作记忆容量的驾驶人反应时间短;此外,注视总持续时间、平均扫视时间和瞳孔直径均与工作记忆容量相关。研究结果可为车辆安全针对性预警提供理论支持。     

无信号交叉口横向冲突预警对驾驶行为的影响

针对智能网联汽车在无信号交叉口对横向冲突的避撞问题,本研究设计了横向冲突人机交互预警及横向冲突驾驶模拟试验场景,并分析不同类型预警对驾驶行为的影响规律。运用驾驶模拟器搭建城市道路无信号交叉口并设计横向冲突事件,选取30位驾驶人作为试验对象,应用眼动仪、驾驶模拟平台开展驾驶模拟试验;采集风险场景下驾驶人的眼动、操作行为与车辆运行数据;对比分析各组场景下驾驶人的注视时长和扫视频率及行车速度、制动时间和踩制动踏板速率等驾驶行为特性参数,分别运用方差分析和描述性统计方法分析了预警提示类型和提示时机两个方面对驾驶行为特性的影响。结果表明：网联警告型预警的警示效果优于常规提示型预警,但该类预警使驾驶人操作车辆时的减速度增大至-4 m/s²以上,导致行车舒适性降低;预警提示时机对驾驶行为的影响显著,且预警提示位置宜设置在距离交叉口50～90 m处。研究结果能够为交通安全设施开发者提供有效HMI预警设计建议,提高无信号交叉口通行安全性。     

驾驶经验对先进驾驶辅助系统的作用研究

为了探究驾驶经验对先进驾驶辅助系统(ADAS)的影响,招募32名被试开展现场运行测试(FOTs).开发的试验车通过数据同步技术采集车辆运动学信息、道路环境信息和驾驶人操作信息,对采集的数据进行预处理并提取城市快速路数据进行统计分析.试验结果表明:跟车时,ADAS对熟练驾驶人和非熟练驾驶人均有积极影响且对非熟练驾驶人更为显著;制动时,ADAS对非熟练驾驶人有积极影响但对熟练驾驶人有消极影响;接受程度方面,熟练驾驶人对ADAS的接受程度显著高于非熟练驾驶人.本文研究结论为避免ADAS在特定驾驶经验的人群中产生的不利影响提供了数据支撑.     

基于置信规则库的驾驶人愤怒情绪识别模型

针对“路怒症”诱发的攻击性驾驶行为影响交通安全问题,提出一种基于生理与脑电特征的驾驶人愤怒情绪识别模型.招募15 名被试在武汉市区开展限时实车试验.由于所选实验线路为交通繁忙路段,被试易被行人横穿马路、车辆加塞等道路事件诱发愤怒情绪.实验中采用愤怒量表记录被试的愤怒等级,以及采用生物反馈仪与脑电记录仪记录被试的生理和脑电信号.将血容量脉冲、皮肤电导、δ 波百分比与β 波百分比这四项生理与脑电指标作为模型输入,建立基于置信规则库的愤怒情绪识别模型.验证结果表明,该模型的识别精度(82.24%)较BP神经网络、SVM分别提高7.15%、5.02%.研究结果可为开发基于生理和脑电信号的驾驶情绪识别设备提供理论支持.     

���е�·�����м�ʻ��Ӧ����Ӧ����ʱ�����Է���

针对城市道路环境中驾驶人的应激响应操作时间特性,基于虚拟现实技术搭建了测试平台,对28名驾驶人在不同应激场景下的应激操作时间进行了研究.不同应激场景下的数据分析结果表明,非熟练驾驶人的应激操作时间要小于熟练驾驶人,且时间值较为稳定.青年驾驶人的操作时间值最小,且数据最为稳定.此外,随着车速的上升,驾驶人操作时间呈现下降趋势,两者之间符合对数函数关系.以驾驶经验、驾驶人年龄和车速为自变量,采用对数函数的多元线性预测模型能够对驾驶人的应激操作时间进行准确预测,被试样本实测值落在预测区间的比例达到了98.37%.     

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.     

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.     

听觉-言语认知负荷下工作记忆容量对跟车行驶影响

听觉-言语认知负荷作为一种典型的认知负荷,是驾驶人认知分心的主要来源,容易导致驾驶绩效下降,认知负荷对驾驶绩效的影响程度与个体工作记忆有关。为研究听觉-言语认知负荷下工作记忆容量对跟车驾驶绩效的影响,本文开展心理学与模拟驾驶实验。首先,设置不同听觉-言语认知负荷水平的n-back任务,构建车头时距变化和前车速度变化的跟车场景;其次,采集并预处理工作记忆容量、驾驶人操作行为与车辆运行状态数据,选择跟车速度差、绝对加速度、横向稳定性、制动反应时间及跟车间距作为分析指标,获得36名被试数据;最后,采用方差分析及事后比较,分析认知负荷和工作记忆容量在跟车时对驾驶绩效的影响,并探讨两种因素对驾驶绩效的交互和调节作用。研究表明：认知负荷增加导致驾驶人更大的加减速倾向,更长的制动反应时间;工作记忆容量较高的驾驶人具有更小的制动反应时间和更稳定的跟车间距,更频繁的方向修正和更好的车道保持水平;在工作记忆容量和制动反应时间中,听觉-言语认知负荷具有正向调节作用。本文可以为驾驶安全培训干预提供驾驶人认知特性方面的见解和理论参考。     

自适应期望跟车间距和行为习惯的驾驶人跟驰模型

为满足智能车辆的个性化需求，提高智能车辆人-机交互协同的满意度和接受度，构筑双层驾驶人跟驰模型框架，提出自适应驾驶人期望跟车间距和行为习惯的个性化驾驶人跟驰模型。首先，提取个体驾驶人跟驰均衡状态的数据，采用高斯混合和概率密度函数(Gaussian Mixture Model and Probability Density Function, GMM-PDF)建立第 1 层模型，即驾驶人期望跟车距离模型。然后，将期望跟车距离参数引入模型，基于高斯混合-隐马尔可夫方法(Gaussian Mixture Model and Hidden Markov Model, GMM-HMM)学习驾驶习性，建立第2层模型预测加速度，即个性化驾驶人跟驰模型。其次，研究不同高斯分量个数对模型效果的影响，对比双层模型与 Gipps 模型、最优间距模型(Optimal Distance Model, ODM)、单层模型及通用模型的性能。最后，8位被试驾驶人的自然驾驶行为数据验证结果表明：高斯分量数量与模型性能存在一定的正相关性；在最优高斯分量数量下，8位被试驾驶人在训练集上预测误差均值为0.101 m·s-2，在测试 集上为0.123 m·s-2；随机选取其中1位驾驶人的2个跟车片段数据进行模型计算，结果显示，加速度的平均误差绝对值分别为0.087 m·s-2和0.096 m·s-2，预测效果优于Gipps模型、ODM模型、单层 模型及通用模型30%以上，与驾驶人实际跟驰行为的吻合度更高。     

驾驶压力影响因素与识别方法研究综述

高强度的驾驶压力会对驾驶人的情绪、决策及行为产生负面影响，可能导致交通事故，并对驾驶人的健康状况造成长期影响。本文借助CiteSpace软件对驾驶压力研究进行可视化分析，进一步从驾驶人自身因素、车辆内部和外部因素这3方面总结驾驶压力影响因素，并归纳整理驾驶压力识别方法。总结发现：交通拥堵、道路复杂性及新技术使用等驾驶环境因素是引发或增加驾驶压力的主要因素；非职业驾驶人易受车辆外部环境的影响，职业驾驶人易因工作产生负面情绪，导致驾驶压力增加。驾驶压力识别主要基于主观测评量表、驾驶行为分析及生理数据分析等方法开展研究，其中，基于生理数据的识别方法因其较高的识别精度和准确度被认为在驾驶压力识别领域具有明显的优势。从研究趋势来看，未来研究需重视社会环境以及多因素叠加对驾驶压力的影响，特别关注职业驾驶人及新技术的影响，以及如何采用多模态数据融合方法实现实时监测，以提高驾驶压力识别的精度。     

次任务下的驾驶员视觉搜索能力研究

从视觉搜索的角度研究次任务对驾驶绩效的影响,通过反应时长评价驾驶接管绩效,使用视野测试和眼动数据研究驾驶员视觉搜索能力。自变量为驾驶员所执行的次任务类型和次任务沉浸时长。共采集32名被试在不同沉浸程度下的反应时长和眼动数据,结果表明,经过一段时间的反应后,被试所需要的反应时长缩短且正确率升高。被试所执行的次任务类型对其视觉搜索能力有显著性影响,相比于游戏次任务组,相声次任务组的被试反应更快且正确率更高。此外,5 min 和10 min的沉浸时长对被试的视觉搜索能力不具有显著性影响。     

交通事件影响下驾驶人行为选择计量分析模型

交通事件对人的行为选择具有重要影响.在充分考虑驾驶人认知特征的基础上,通过驾驶人意向行为问卷调查获取各类交通事件影响下驾驶人的行为选择数据,运用计量经济学的离散选择分析方法建立描述行为选择概率的二元Logit模型,分析交通事件下驾驶人行为选择的影响因素及特征规律.研究发现:驾驶人的性别、年龄、驾龄及各类交通事件产生的时间延误对驾驶人行为选择有显著影响,而不同类型交通事件这一因素对驾驶人的行为选择影响较小.研究结果可为交通事件发生前后的交通诱导策略提供依据.     

高速公路作业区智能预警与驾驶行为关系研究

为探寻高速公路作业区智能预警与驾驶行为影响关系,通过构建警示标志、人机交互界面及智慧道钉群三种预警场景,同时将驾驶人对智能预警功能知晓与否作为研究自变量,采用驾驶模拟器对53位驾驶人进行试验,提取车辆行驶状态数据并利用方差分析及配对T检验方法分析驾驶行为差异性.结果表明,警告区不同预警方式对驾驶行为具有显著性影响;人机交互界面预警方式下最小速度位置有所前移;驾驶人在知晓与不知晓智慧道钉群功能前后驾驶行为差异较大,当知晓智慧道钉群功能后行车速度减小最大,初始换道位置也出现明显前移.     

汽车驾驶人的可靠性分析

交通运输系统是具有关键性人为差错的冗余系统，通过引入人为差错概念，对时间连续工作驾驶人的可靠性进行分析．用经典的可靠度函数方法或马尔可夫方法建立了同样的驾驶人可靠性数学模型，同时提出了驾驶应力（忧虑）的新概念，指出它是影响驾驶工作工效和可靠性的重要因素。