驾驶人视觉注意力需求与驾驶行为特性的关系

采用驾驶模拟系统平台,以不同车道类型及不同交通流状态(自由流/稳定流/不稳定流/强制流)为虚拟试验场,应用心理试验设计方法,测试得到21名被试在不同交通流状态下的视觉注意力需求及驾驶行为。对5种车道类型及4种交通流状态下被试驾驶时的视觉注意力需求特性和驾驶行为特性数据进行分析,得到不同车道不同交通流状态下的视觉注意力需求变化情况。利用多元回归方法分析了不同交通流状态下驾驶人视觉注意力需求与驾驶行为之间的关系,并构建了基于驾驶行为特性的驾驶人视觉注意力需求预测模型。结果表明,驾驶人视觉注意力需求与制动次数、油门踏板位移和车辆轨迹偏差之间存在相关关系。     

交通环境及驾驶人属性对车辆横向控制水平的影响分析

为探究道路环境及驾驶人属性对车辆直道横向控制水平的影响，招募31名试验对象，设计白天-城市道路、夜晚-城市道路、白天-高速公路、夜晚-高速公路等4种情境下的实际道路驾驶试验，选取横向加速度均值和横向加速度标准差为二维向量，基于二分K-means算法对驾驶人在直道行驶的横向控制水平进行划分。结果表明：样本数据聚为3类时聚类效果最佳，驾驶人的直道横向控制水平被划分为良好、一般、较差；4种情境中，夜晚-城市道路环境下驾驶人的整体横向控制水平最差；所有驾驶人属性中，只有性别因素对驾驶人的横向控制水平存在显著影响，男性驾驶人的直道横向控制水平优于女性驾驶人，年龄、驾龄、婚姻状况、文化程度等5种因素不存在显著影响。     

基于改进驾驶员模型的车道保持控制模型

为解决传统车道保持系统控制精度较差、驾驶员模型对大曲率道路适应性不足的问题,对传统预瞄加速度驾驶员模型非零频率点进行泰勒展开以改进模型;利用驾驶模拟器试验数据和快速傅里叶方法(FFT)研究双移线道路下的主要转向频率,并搭建Simulink/Car Sim联合仿真模型以验证改进前后驾驶员模型的双移线路径跟踪精度。仿真试验表明:改进后模型的横向位移误差比改进前明显减小,车速为60、70和80 km/h时的最大横向位移误差比改进前分别降低了0.2、0.15和0.11 m;与常规道路人工势场车道保持系统的对比,改进驾驶员模型能够更好地控制车辆跟随期望路径行驶,体现出良好的车道保持能力。     

人-车-路耦合环境中车辆稳态安全仿真

为揭示驾驶员、道路、车辆综合作用下车辆运行状态的失稳机理,基于多Agent建模与安全仿真技术,构建包含驾驶员、道路、车辆、协调中心、人机接口等5方面的多Agent车辆稳态安全仿真框架;建立车辆多体动力学、道路三维空间、驾驶员预瞄控制与跟随仿真模型,从车辆稳定性和驾驶员操作负荷2方面分析车辆稳态安全性。以小轿车为代表车型,针对某二级公路开展车辆稳态安全仿真试验。仿真结果表明,当汽车以60和70 km/h行驶时,前后轮总体围绕平均轴重波动,稳态运行;以80 km/h行驶时,汽车冲出车道,轮胎最小垂直反力仍然大于0;3种速度下侧向加速度均大于0.3 g(g为重力加速度),且速度越高,侧向加速度越大,表明汽车冲出车道由侧滑引起。     

基于驾驶员模型参数辨识的疲劳驾驶研究

提出一种利用驾驶员模型反演方法来进行驾驶员疲劳诊断研究的新方法。首先利用预瞄神经网络建立适应于复杂路况条件下的驾驶员-汽车-道路闭环模型,然后定义特定行驶轨迹内理论数据与试验数据的近似度为目标函数,将驾驶员参数的反演问题转化为多目标优化问题,采用基于实数编码混沌变异量子遗传算法的优化方法,获得全局最优解。试验中采用脑电和主观疲劳心理评测结合的方法确定被试者的疲劳状况。在每种疲劳状况下对驾驶员参数进行辨识,对结果进行统计分析表明,在考虑到车型、道路曲率等因素条件下驾驶员参数分布与驾驶员的疲劳状况有很强的相关性。     

基于线性诱导的高速公路隧道交通安全优化设计

为缓解高速公路隧道照明能耗高、交通事故损失大且难以救援等问题。借鉴建筑照明领域的线性照明技术理念，提出高速公路隧道线性诱导系统设计方法；综合考虑空间路权、驾驶人因及驾驶任务等指标，构建基于事故预防的线性诱导系统评价体系；分析线性诱导设计的适用性，提出高速公路隧道交通安全整体优化思路，并以隧道入口为例，验证线性诱导系统的作用效果。研究结果表明：利用逆反射、蓄能自发光以及发光二极管(LED)发光显示技术，基于线性诱导原理重构高速公路隧道视觉参照系，能够低成本实现隧道空间的多层线形诱导和多层轮廓诱导，满足不同视觉条件下驾驶人对交通信息的视认能力，确保视线诱导的连续性、一致性，引导驾驶人采取安全合理的行为决策，分解驾驶任务，并减少驾驶行为操作失误的可能性，实现高速公路隧道照明节能与交通安全的统一。     

基于CREAM和贝叶斯网络的空管人误概率预测方法

针对研究管制人因可靠性时存在的模糊性和片面性问题,采用认知可靠性与失误分析方法（CREAM）中的扩展预测法,计算10项管制通用任务的人误概率;在此基础上,以管制行为形成因子作为根节点构建贝叶斯网络,建立其与情景控制模式的不确定关系模型,对管制员在多任务中的人误概率进行预测。研究结果表明:在由相同评判者给出行为形成因子影响效应的前提下,由CREAM扩展预测法和构建贝叶斯网络的方法预测得到的多数任务的人误概率差异较大,从方法的客观性、合理性和适用性角度分析,贝叶斯网络在研究该问题时更具优势。     

输气站场人员“意图+轨迹”早期智能风险预警

为防止输气站场无关人员闯入作业区造成事故，提前预判人员可能的位置，提出一种融合人员行进意图和轨迹的人员位置早期智能预判方法，建立基于机器视觉的输气站场人员行动“意图+轨迹”早期智能风险预警模型；在收集人员行动图像的基础上，通过方向梯度直方图(HOG)提取人员头部方向特征，利用支持向量机(SVM)分类器分类识别头部方向，分为正常直行、观望中直行、意图转弯3种行进意图，根据头部方向初步判别其行进意图以预判行进方向；对识别出人员意图转弯的情形进行持续追踪，结合卡尔曼滤波算法预测人员短时行进轨迹，从而实现对不同风险情景的预测，达到分级早期预警的目的。研究结果表明：该方法辨识行人意图准确率为90.79%,预测与实际轨迹曲线间相关系数r₁为0.994 84,r₂为0.993 43,两者高度相关，准确率较高，能够实现输气站场无关人员闯入的早期智能监管。     

基于机器学习的电动汽车电池系统的风险预警

为提高动力电池在实车工况下安全预警的及时性和准确性，将电池系统安全预警问题提炼为关键状态预测及基于预测状态的预警分类2大科学问题，根据实车运行中的电池状态数据，选择电池的单体电压最高值、单体电压极差等作为关键预测对象；利用费舍尔计分和最大信息系数(MIC)进行特征选择，采用样本卷积和交互网络模型(SCINet)实现关键状态预测；基于预测的状态，建立多分类随机森林(RF)模型，对动力电池的安全风险进行分级预警。研究结果表明：该模型对电池多个参数具有很强的预测能力，如预测1 min后单体电压最高值的均方根误差(RMSE)为0.027 1,温度最高值为0.054 0;对电池系统1 min后安全风险等级预测的查准率为84%,宏平均f₁分数为74%。     

集合卡曼滤波算法对FARSITE模型林火蔓延预测的修正效果研究

针对火源位置输入偏差导致的FARSITE林火行为模型火线预测不准确的问题,提出了一种基于集合卡曼滤波算法的动态修正方法。利用FARSITE对复杂工况下的林火蔓延过程进行数值模拟,以火线位置为待修正参量,以均方根误差(RMSE)为评价指标,对算法的可行性进行了验证,并研究了算法的集合元素个数,观测数据标准差及同化频率对FARSITE预测偏差的修正效果的影响。结果表明:算法能显著提高FARSITE火线预测精度;逐时同化时:集合元素个数为5 时,算法的修正效果并不理想,随着集合元素个数增大,样本误差减小,修正效果得到改善,但增大到30以上时, 修正能力的提升就不再明显;观测数据标准差大小与RMSE值呈正相关;给定条件下当同化频率由1 h/次降低至2 h/次,整个模拟时长内的误差仍能得到较好控制,RMSE曲线并不会过快增长。     

海洋平台圆柱体坠落运动轨迹及落点分析

传统的角度偏差经验值方法导致落物风险评价过程中的落点和危险区预测存在较大误差,科学化、立体化、完整化、多因素概化的落物轨迹和落点分析方法及工具缺位。为此,以海洋平台圆柱体落物为研究对象开展先导研究,在2D运动理论模型基础上,考虑3维、6度受力与运动参数,引入粘性拖曳力系数经验公式、海流运动、旋转升力和力矩项,建立了具有普适性的落物水下3D运动轨迹预测模型,并以现场实验数据校验表明模型方法可行、结果更可信;据此以Matlab 2016为程序设计平台编制了海洋平台圆柱体坠落运动预测分析工具（MREDP）,分析了坠落运动落点分布规律。研究结果表明:随着初始倾斜角度的增大,落点偏移距离呈现先增后降的趋势,于62°时达到最大值,运动轨迹整体呈现螺线曲率减小、向轨迹曲线外开口侧偏移趋势;落点分布变化可分为Y轴偏移稳定主导阶段、X轴偏移实力型快速主导阶段和X轴偏移机会型主导阶段3个阶段;相对MREDP预测结果,DNVGL-RP-F107经验性角度偏差推荐结果较为保守,MREDP可为DNVGL-RP-F107提供更加准确、可信的轨迹曲线和落点取值。基于分析结果,提出了采用Monte Carlo方法表征实际工程中起始运动参数随机性和入水撞击产生的不确定性等建议。     

强降雨环境下公路车辆制动安全性分析

为分析强降雨环境下公路车辆的制动安全可靠性，基于2种停车视距模型引入可靠性理论，将降雨强度、车速及驾驶员思索时间视为随机变量，运用蒙特卡罗模拟方法建立强降雨环境下公路车辆制动安全可靠性分析模型，以研究不同降雨强度、不同车速下公路车辆的停车视距。研究结果表明：降雨强度一定时，2种计算模型的停车视距差值随着车速的增大而增大，车速一定时，2种计算模型的停车视距差值随着降雨强度的增大基本不变；若随机变量服从正态分布，停车视距也近似服从正态分布，且模型Ⅱ的分布均值大于模型Ⅰ,模型Ⅱ的分布标准差近似于模型Ⅰ;车辆的制动失效概率随着车速及降雨强度的增大而增大，车速及降雨强度一定时，基于模型Ⅱ计算的车辆制动失效概率略高于模型Ⅰ;车辆的临界车速随着降雨强度的增大而降低，随着制动失效概率的增大而增大，车辆制动失效概率及降雨强度一定时，基于模型Ⅰ计算的临界车速略高于模型Ⅱ;较传统确定性方法相比，基于可靠性方法可以获得更为合理的雨天行车安全临界车速，当降雨强度为4mm/min,失效概率为0.000 1时，临界车速已低于45km/h。     

数据驱动的油田污水处理水质预测研究

为实时掌控油田的污水处理站生产工况，结合桩西污水处理站的监测数据，使用改进的支持向量机模型对油田污水水质进行预测。通过归一化方法将收油和收悬浮操作记录转化为数值特征，实现预测模型对外部介入操作的及时响应。利用差分进化算法对预测模型进行超参数寻优，实现模型超参数全局最优值的快速确定，采用最优模型对含油量和含悬浮量进行预测和验证。结果表明，基于差分进化算法的支持向量机模型(DE-SVM)在2个水质指标的预测中，均能取得最高的决定系数(R²)和最低的平均绝对百分比误差(MAPE)，显著优于其他预测方法，对实现油田污水处理流程的主动控制具有重要意义。     

不同环境照度下VDT影响视疲劳的实验研究

基于保护学生视力等方面的考虑，本文通过采用闪光融合频率、视觉行为绩效等多种疲劳检测方法相结合的方式，研究学生线上线下学习作业条件下，智能手机及投影仪在不同环境照度指标下对视觉绩效及视疲劳的影响。结果表明：在低环境照度下观看手机等显示器对眼睛产生的视疲劳程度较大，在屏幕亮度保持不变的情况下，随着环境照度的提高，视疲劳程度逐渐减小，当环境照度为100lux时对用户视疲劳的影响最小；当处于任一环境照度条件下，被试者通过智能手机完成视觉搜索任务的正确率远高于通过投影仪完成视觉搜索任务；在日常使用环境(0lux<环境照度<500lux)下，被试者通过智能手机完成视觉搜索任务后其闪光融合频率下降值明显小于观看投影仪的闪光融合频率下降值。因此传统教学环境投影仪模式对学生视疲劳与视觉绩效的影响程度要高于通过线上网课学习移动端智能手机模式对学生视疲劳的影响程度。     

非结构化空域下无人机冲突风险评估指标研究

为解决无人机自由混合飞行时的冲突风险评估问题，采用建立体系-筛选指标的方法，开展非结构化空域下无人机冲突风险评估指标研究。首先，基于非结构化空域下无人机冲突风险特性，分别从冲突可能性和冲突严重度2个维度建立风险评估指标体系；然后，依据信息含量最大和冗余信息最小等指标筛选原则，利用因子载荷绝对值与因子方差贡献率相结合的方法计算指标信息含量，并利用皮尔逊相关性分析计算各指标间的相关系数，筛选出无人机冲突风险评估关键指标；最后，以城市低空空域为运行场景开展仿真试验，对指标进行验证。结果表明，筛选出的关键指标垂直轨迹误差、冲突关联程度、平均冲突时长和冲突解脱难度兼具代表性和独立性。     

情绪对建筑工人不安全行为影响的认知试验

为深入解析情绪对不安全行为的影响作用机制，探究情绪控制视角下的不安全行为矫正方法。从信息认知过程入手，结合眼动追踪技术和情绪唤醒方法，基于个体信息认知模型，设计情绪对建筑工人不安全行为的影响试验，通过测量不同情绪状态下工人的注意力分配、隐患识别和风险倾向，采用眼动热点图和方差分析(ANOVA),探究情绪在信息认知加工过程中对建筑工人不安全行为的具体影响。研究结果表明：在认知过程的信息获取阶段，正性情绪能够促进工人对现场危险的感知活动，而在信息分析阶段，正性情绪比负性情绪的工人具有更为显著的不安全行为倾向；基于个体信息认知的情绪不安全行为模型，正性情绪状态下的建筑工人更倾向于有意不安全行为，而负性情绪状态下的建筑工人则更倾向于无意不安全行为。建议施工企业应根据工人的情绪状态采取针对性的不安全行为管控措施，提高现场安全管理效率。     

基于机器学习的公交驾驶员事故风险识别及影响因素研究

为从公交驾驶员群体中识别出易发生事故的风险公交驾驶员，结合某市公交公司营运安全管理系统数据库、百度应用程序接口(API)及网络爬取技术，并应用K近邻算法补充缺失值，获取42条线路及1 893名驾驶员的数据；基于驾驶员、车辆、线路特征、违规行为、事故、管理等基本特征变量构造派生变量；采用包括递归特征消除、有惩罚项的逻辑回归、随机森林的集成方法选择特征；采用极致梯度提升(XGBoost)等6种机器方法分别建立分类模型，并采用贝叶斯方法优化超参数。结果表明：在构建的6个分类模型中，XGBoost方法构建的模型其受试者工作特征(ROC)曲线下的面积(AUC)评估结果最佳；运用贝叶斯方法优化模型，可以在一定程度上提升ROC的AUC指标；对于风险公交驾驶员预测准确率达到98.66%,运营单位还可以根据自身情况权衡虚报率与命中率代价。此外，车辆服役时间、违规次数等特征对于事故风险具有明显的非线性影响。     

面向液氨泄漏应急救援区域的XGBoost预测方法研究

液氨发生泄漏事故后，随着扩散距离的增加，会对人员和环境造成严重的危害。为便于发生泄漏事故后，快速展开应急救援工作，对液氨泄漏事故应急救援区域预测方法开展研究。通过PHAST(Process Hazard Analysis Software Tool)软件模拟液氨泄漏事故工况，建立基于极端梯度提升(Extreme Gradient Boosting XGBoost)的液氨泄漏应急救援区域预测模型。利用网格搜索结合K折交叉验证进行超参数调优，并与随机森林、决策树模型性能进行对比分析。研究结果显示：以预测ERPG-2标准下液氨泄漏扩散距离为例，XGBoost模型预测性能最佳；与决策树和随机森林相比，XGBoost模型的E_MAPE分别减少了4.19个百分点和2.37个百分点，E_RMSE分别减少了66.74和2.93;基于优化后XGBoost模型液氨泄漏事故应急救援区域预测模型，预测结果R²为0.997 8,E_RMSE为50.37,E_MAPE为2.61%,基本满足工程实践应用。     

交叉口直行车辆出口车道选择行为的贝叶斯网络模型构建

为揭示交叉口车道的布设、交通流量、车辆所在时空位置等要素对直行车辆出口车道选择行为的影响，保障直行车流运行安全，运用专家知识和相关性分析确定了由最内侧直行车道中线偏移角、进口车道位置等10个影响因素组成的贝叶斯网络(Bayesian Network, BN)结构，采用数据驱动法进行了参数学习，建立了直行出口车道选择BN模型。经验证，模型的平均绝对偏差(Mean Absolute Error, MAE)、均方根误差(Root Mean Square Deviation, RMSE)分别为4.37%、4.96%,具有良好的精度。应用正向推理得到：影响直行出口车道选择的主要因素是进口车道位置、进出口车道数量匹配性、进出口车道选择不匹配比例、最内侧车道中线偏移角；引入情景分析法可有效预测进口车道平均流量等不同影响因素组合波动时出口车道利用率的变化，如直行车辆由最内侧进口车道驶入直行最内侧车道中线左偏移角为2°～4°的交叉口，在直行车流为>600～900辆/(h·道)、绿色信号倒数(Green Signal Countdown Display, GSCD)显示到达的条件下，选择最内侧出口道...     

考虑社会监督行为的工贸企业安全监管演化博弈分析

为有效遏制工贸企业不安全行为的发生，探究工贸企业安全生产及监管的交互机理和影响因素。首先，在政府监管部门和工贸企业具有有限理性的前提下，采用演化博弈方法，建立了政府监管部门与工贸企业之间的演化博弈模型；然后，运用复制动态方程分析博弈主体的策略选择以及演化稳定策略；最后，以绵阳市工贸企业为研究对象，基于实地调查和专家访谈的基础上，对相关参数进行赋值，并运用MATLAB软件进行仿真试验，探究社会监督行为的作用规律。结果表明：工贸企业安全监管博弈系统中的演化稳定状态与安全成本、监管成本、处罚力度、期望事故损失、社会监督率等因素相关；社会监督率有3个取值区间，当社会监督率大于2/3时才能有效改善安全监管博弈系统。