道路虚线与实线间过渡标线长度影响因素分析

针对驾驶人因视距受限导致换道过程中压实线的问题,提出在道路虚线与实线间设置过渡标线的解决方案.基于车辆换道行为特征,定义过渡标线长度.通过驾驶模拟实验,分析车道宽度、车距及车速对过渡标线长度的影响.研究发现,车道宽度对过渡标线长度无显著影响,而车距和车速是影响过渡标线长度的关键变量,且过渡标线长度与车距呈负相关,与车速...     

多车道复杂环境下驾驶倾向性状态辨识

驾驶倾向性是汽车行驶过程中操控者情感偏好等特征的动态测度,是车辆安全驾驶辅助系统,特别是其碰撞预警系统中汽车驾驶人意图等心理、意识计算必须考虑的核心参数.以3车道场景为例,分析目标车位于不同车道时周边的交通态势(主要指车辆集群编组关系,重点以目标车位于中间车道为例),设计实验采集人、车、环境等相关动态信息,获取不同态势下驾驶倾向性特征数据,利用动态贝叶斯网络建立时变环境下驾驶倾向性动态辨识模型.实验验证表明,所建模型对驾驶人倾向性类型的辨识准确率可达到91％以上,能够适应多车道情况下驾驶人倾向性类型的动态识别,为以人为中心的个性化汽车主动安全系统的实现提供理论基础.     

城市快速路减速车道驾驶行为分析及其安全性研究

为了研究驾驶人在城市快速路匝道减速车道的驾驶行为及其风险特征,基于43名不同经验驾驶人的道路实验数据,提取了典型快速路出口减速车道共260 m的驾驶行为数据;采用统计方法分析了不同经验驾驶人的行车轨迹、进入减速车道的纵向位置、进入匝道时的车速、进入匝道时的横向位置,以及在典型断面上平均车速.通过分析数据发现,熟练驾驶人提前变道意识强于非熟练驾驶人,而这种提前变道行为对于尽早进入减速车道有正面作用;熟练驾驶人能更好地保持进入匝道时的横向位置,非熟练驾驶人则偏右;减速车道对熟练驾驶人和非熟练驾驶人的减速效果均不理想,非熟练驾驶人在减速车道上车速显著低于熟练驾驶人,但是所有驾驶人在出口匝道车速比限速值要高.研究结论可为城市快速路减速车道参数设计和交通安全管理提供理论基础.      

多车道复杂环境下汽车驾驶倾向性特征动态提取

对多车道复杂环境下汽车驾驶倾向性特征动态提取进行研究,有利于准确推演驾驶人意图,对汽车辅助(自动)驾驶系统、特别是其主动安全预警子系统构建也具有十分重要的意义.以3车道场景为例,分析目标车位于不同车道时周边的交通态势(主要指车辆集群编组关系,重点以目标车位于中间车道为例),设计实验采集人、车、环境等相关动态信息,运用粗糙集理论,进行基于最小信息熵的连续属性离散化和基于启发式贪心算法的属性约简,提取不同态势下驾驶倾向性类型特征向量.实验验证表明,文中提取的多车道复杂车辆编组关系下汽车驾驶倾向性动态特征向量是科学合理的,能够准确反映驾驶人倾向性.研究结果可为建立多车道复杂环境下驾驶倾向性动态辨识模型提供理论依据.     

基于随机森林的驾驶人驾驶习性辨识策略

深入理解驾驶人驾驶习性及其表征方法,对于实现在汽车自动驾驶、辅助驾驶等不同控制系统下的人机和谐交互具有重要意义。为此,本文中提出了一种基于随机森林模型的驾驶人驾驶习性辨识策略。搭建了驾驶人驾驶数据实车采集系统,在典型跟车驾驶工况下对驾驶人驾驶习性数据进行了实时采集;根据层次聚类理论,对驾驶人驾驶习性进行了标定;在此基础上,引入随机森林模型建立了驾驶人驾驶习性辨识策略,并进行了重要性分析、模型训练和测试分析。测试结果表明,本文提出的基于随机森林模型的驾驶人驾驶习性辨识策略能有效辨识驾驶人驾驶习性,模型整体精准度可达97.1%。     

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。     

基于结构方程模型的疲劳驾驶行为影响因素间量化关系研究

导致疲劳驾驶的影响因素众多,量化相互间的关系是疲劳驾驶行为研究的理论基础.通过实车试验采集了32名驾驶人在疲劳状态下的驾驶行为数据,观测变量包括车速、加速度、车道位置、车头时距、血流量脉冲、皮电、闭眼周期等,并对数据进行了预处理以及利用Bootstrap法对样本容量进行扩充来满足结构方程模型对样本的需求.建立结构方程模型分析了疲劳程度、身体状况和驾驶经验之间的关系以及对疲劳驾驶行为的影响.结果表明,疲劳程度对驾驶行为的影响程度最大,达到0.944;其次是驾驶经验,相关系数为0.447,说明在驾驶过程中驾驶人应时刻注意自身的疲劳状况,因其会直接影响驾驶安全.     

考虑驾驶人风格的换道轨迹规划与控制（双语出版）

基于自动换道控制技术中融合个性化驾驶人风格的研究,建立考虑驾驶人风格的车辆换道轨迹规划及控制模型以提高换道规划控制模型对不同风格驾驶人的适用性,在保证安全性的基础上进一步满足驾驶人的个性化需求。首先通过问卷调查的方式采集得到了212份驾驶人风格量表数据,采用主成分分析法和K均值（K-means）聚类分析法将驾驶人按驾驶风格分为激进型、普通型和谨慎型,并通过驾驶模拟器试验采集不同风格驾驶人分别在自车道前车、目标车道前车和目标车道后车影响下的换道行为数据。然后对椭圆车辆模型进行改进,以描述不同风格驾驶人的行车安全区域,并据此构建3种典型工况下不同风格驾驶人的换道最小安全距离模型,结合驾驶舒适性约束、车辆几何位置约束以及不同风格驾驶人的换道行为数据,以换道纵向位移最短为目标,实现适应驾驶人风格的换道轨迹规划。最后以基于预瞄的路径跟踪模型作为前馈量,设计基于动力学的线性二次型最优（LQR）反馈控制器,通过调节控制权重矩阵实现3种工况下不同驾驶人风格的换道轨迹跟踪。PreScan和MATLAB/Simulink联合仿真结果表明：所设计的考虑驾驶人风格的换道轨迹规划及跟踪控制模型能够实现不同驾驶风格的自动换道轨迹规划及跟踪控制,可满足驾驶人个性化换道需求。     

安全切入场景下的驾驶人初始制动时刻分析

基于中国自然驾驶项目的China-FOT数据库，研究安全切入场景下的驾驶人制动响应，为研究自动驾驶功能在安全切入场景下的控制策略开发及测试评价提供参考。首先使用人工截取车载视频的方法初步筛选出266例安全切入场景工况，通过观看车载视频提取交通环境参数（包括光照条件、切入车辆切入方向、车辆类型、横向位置变化等）以及本车驾驶人制动响应等视频数据；通过自动截取CAN总线数据提取本车车速、加速度等车辆动力学参数；并使用MATLAB图像分析的方法估算两车相对速度、相对距离等图像处理结果。然后基于提取到的工况数据，分析驾驶人响应类型及分布，得出在前车安全切入场景下，本车驾驶人保持本车道行驶的响应行为占96.24%，保持本车道行驶且同时制动的响应比例为51.13%。因此，对前车安全切入时，本车驾驶人保持本车道行驶的同时采取制动响应的行为进行了更深入的研究，以提取的136例符合此响应行为的工况数据为基础，以THW（Time Headway）值作为表征参数分析驾驶人初始制动时刻特征。预设交通环境、切入车辆参数、本车参数中可能对THW值产生影响的因素，分析THW值在预设的影响因素下的分布情况，并使用皮尔逊相关性检验验证THW值与该因素的相关关系，最终确定切入车辆类型、两车相对车速及相对距离与THW值显著相关。最后使用以上显著影响因素的参数进行聚类分析，得到5种典型的安全切入场景下的制动工况。     

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...     

实测数据驱动的自动驾驶道路测试驾驶模式辨别方法

自动驾驶道路测试中车企驾驶模式数据具有一定保密性，导致自动驾驶能力难以被客观评估。为此，提出了实测数据驱动的自动驾驶道路测试驾驶模式辨别方法。首先选取数据特征值构建K近邻估计、支持向量机、决策树、随机森林和BP神经网络5种机器学习监督分类模型；其次通过非参数秩和显著性检验确定驾驶模式持续时长阈值，持续时长大于阈值的数据段记录为准确的驾驶模式数据，小于等于阈值的数据段则为驾驶模式待分类数据集；随机选取70%记录准确的驾驶模式数据作为监督分类模型训练数据集，剩余30%作为测试数据集；最后利用正确率、精确率和召回率3个指标评价5种监督分类模型，并选取表现最佳的分类模型用于待分类数据的驾驶模式辨别。基于上海市城市道路和快速路2个道路测试场景共约43.6万条数据，验证驾驶模式辨别方法的有效性。结果表明：随机森林监督分类模型辨别道路测试驾驶模式的效果最佳；城市道路场景和快速路场景待分类数据驾驶模式记录有误率分别达到42.3%和39.4%。实测数据驱动的驾驶模式的辨别与修复，可显著提升评估自动驾驶道路测试驾驶能力的准确度。     

Test Scenario Design for Intelligent Driving System Ensuring Coverage and Effectiveness

Intelligent vehicle greatly benefits traffic safety, efficiency and driving comfortable. With the development of intelligent driving technology and its application, it is becoming increasingly important to do effective and comprehensive tests before putting on the market. Comprehensively considering the cost of test, an automatic generation method of test scenarios is proposed to ensure both coverage and effectiveness. Based on the analyzed key infuence factors of an intelligent driving system, the analytic hierarchy process (AHP) is used to determine their importance and accordingly an complex index is defined, based on which an improved test case generation algorithm based on the pairwise independent combinatorial testing tool (PICT) is proposed to ensuring both combinational coverage and complexity of test cases. Finally, the test scenario is generated by clustering these discrete test cases considering similarity and complexity. The high complex test cases are preferred to be combined together and conducted preferentially to increase the test efficiency. The effectiveness of this method is validated by applying it on a lane departure warning system (LDW).     

基于驾驶员认知过程的车辆跟驰模型的建立

基于认知心理学的有关知识,提出一种将驾驶员的直觉、分析和推理三者相结合的驾驶员认知结构基本框架,在此框架体系下对车辆跟驰过程中驾驶员的认知过程进行了详细的分析;结合五轮仪试验系统采集的数据,采用因子分析法确定出对驾驶员的车辆跟驰信息提取过程有独立作用的4个因素,包括前车位移、前车速度、前车加速度和后车位移,相应地将驾驶员认知过程划分为4个阶段,构建了跟驰过程中驾驶员的认知结构模型,并对各个阶段做出了具体分析,建立了相应的车辆跟驰模型。仿真结果表明,基于驾驶员认知过程的跟驰模型可以较好地揭示跟驰过程中的驾驶行为。     

智能车辆安全辅助驾驶技术研究近况

论述了安全辅助驾驶技术的研究现状、研究的必要性以及研究进展。安全辅助驾驶技术包括车道偏离预警与保持、前方车辆探测及安全车距保持、行人检测、驾驶员行为监测、车辆运动控制与通讯等。分析了各种传感器的优缺点及其在实际应用过程中存在的问题,基于单一传感器不能很好地解决安全辅助驾驶技术可靠性和环境适应能力的要求,应结合激光雷达技术解决图像模糊问题,利用红外传感器增强机器视觉识别的可靠性,未来的安全辅助驾驶技术应该采取多种传感器融合的技术,结合毫米波雷达和激光雷达系统具有深度测量精确的特点,将极大的推动汽车安全辅助驾驶系统的应用和推广。     

城市下穿隧道纵坡坡度和速度对驾驶人心率增长率的影响

为研究城市下穿隧道纵坡段驾驶人生理和行为特征变化规律,选取22名驾驶人在早晨5：00至7：00非高峰时段,交通状况几乎无差别的环境下,开展城市下穿隧道纵坡段实车试验。利用MP150生理测试仪和ECU车速采集设备采集驾驶人的心率值和车速值,应用单因素方差分析对数据进行差异性显著检验;并分析城市下穿隧道纵坡坡度和速度对驾驶人心率增长率的影响规律,构建城市下穿隧道上下坡段坡度、速度和驾驶人心率增长率关系度量模型,量化了坡度、速度与驾驶人心率增长率之间的关系。然后采用单因素敏感性分析方法对模型中的2个自变量（坡度和速度）进行敏感性分析。结果表明：在城市下穿隧道上、下坡段行驶时,不同坡度范围下的车速和心率增长率有一定的差异性,车速和心率增长率均随坡度增大呈现先增加后减少的趋势;城市下穿隧道上、下坡段,车辆速度均是在3.5%~4.0%坡度范围下的达到最大,在城市下穿隧道上坡段行驶时,3.5%~4.0%坡度范围下的驾驶人心率增长率达到最大,而在下坡段行驶时,4.0%~4.5%坡度范围下的驾驶人心率增长率达到最大;驾驶人在城市下穿隧道下坡段行驶时,心率增长率均值均高于上坡段,驾驶人在城市下穿隧道下坡段行驶时比上坡段更紧张;驾驶人心率增长率对坡度敏感程度要高于其对速度的敏感程度,坡度的变动比速度更易引起驾驶人心率增长率的变动,驾驶人的心理紧张程度受坡度的影响较大。     

基于驾驶行为共性建模的速度-密度关系研究

为了能对车流的速度-密度关系进行准确描述及对现实交通中的速度陡降现象进行解释,首先提取出驾驶行为共性:(1)驾驶员利用与渴望车速对应的心理车头间距来判断前方的交通流状况;(2)驾驶行为中加速或减速行为是驾驶员根据前车传递的交通信息和自己对此信息的时间和空间理解来进行的,并且以回波速度向后传递。此后,在对这些驾驶共性进行数学描述的基础上建立一种以车头间距和驾驶员反应时间等为参数的回波速度和速度-密度关系模型,通过分析模型中驾驶员反应时间这个参数在加速和减速时的不同选择对速度陡降现象进行解释。最后,使用MATLAB7.0软件数值模拟计算回波速度和速度-密度关系,计算结果表明:回波速度最大值与相关文献给出的值吻合,速度-密度关系曲线与观测的数据吻合,驾驶员反应时间变化是产生速度陡降现象的根本原因。     

基于驾驶员短期记忆的限速标志合理间距研究

从驾驶安全性和驾驶员短期记忆特性两个方面综合考虑高速公路限速标志的设置间距.采用室内实验的方法,对驾驶员的短期记忆衰减规律进行研究,建立驾驶员短期记忆衰减规律指数模型,并将此结果应用于高速公路限速标志的设置过程中.根据高速公路的不同限速值,定量给出高速公路限速标志的合理设置间距.     

双车道公路超车两难区域研究

基于超车行为分析,提出了双车道公路超车行为的两难区域概念,在该区域内超车车辆既无法完成超车动作又不能在避免与对向车辆相撞前安全避让。应用运动学理论建立了下游车队规模、车速、设计车速与两难区域范围以及安全超车视距之间的关系,发现与超越单车的视距要求相比,超越车队所需的安全视距较大,且随着设计车速、下游车队规模以及车速的增大而增大。并发现当流量或车速较大时,两难区域出现的概率较大,且因驾驶者错误估计引发交通事故的机会增多。最后给出了不同下游车队规模条件下安全超车的速度限制及视距要求,为制定安全行车策略以及道路安全管理提供了理论依据。     

高等级公路线形连续性分析与评价

针对公路线形连续是保证汽车安全行驶的基本要求,结合某高速公路事故多发地段,提出了运行速度与设计速度合理匹配的路线设计理念,分析了高等级公路保证线形连续的条件,讨论了该高速公路事故多发地段(黑点路段)发生事故的原因。结果表明,确定公路几何线形参数必须做到运行速度与设计速度的匹配设计,一方面可保证路线所有相关要素如视距、超高、纵坡、竖曲线半径等指标与设计速度的合理搭配;另一方面,也考虑了公路上绝大多数驾驶员的交通心理需求,更能体现“以人为本”的交通理念。最后提出了满足道路交通安全需要的合理化建议。     

基于ITS技术的汽车驾驶安全辅助系统

基于ITS技术的汽车驾驶安全辅助系统是提高道路交通安全的有效手段,本文介绍了清华大学汽车安全与节能国家重点实验室在此领域的研究与开发工作。在研究行驶环境感知和信息融合、驾驶员特性和安全距离模型、车辆运动控制及系统集成等关键技术的基础上,研制了汽车驾驶安全辅助系统试验平台和试验样车,实现了行车前撞预警、安全车距保持、智能车道保持等功能,并完成了相关试验分析与评价,为进一步开展基于ITS的汽车主动安全辅助技术的研究以及汽车驾驶辅助系统的产业化奠定了基础。