驾驶特性对驾驶人应激反应的影响研究

【目的】驾驶人在行驶中受交通应激事件的影响,为探索应激反应的程度展开研究。【方法】采用维也纳交通心理测试系统（VTS）甄选出高驾驶特性组（H组）和低驾驶特性组（L组）各21名被试进行试验,通过统计学方法分析不同驾驶特性群体的应激反应特征,并采用集对分析模型评价被试的应激反应优劣。【结果】研究结果表明：通过检测驾驶人的驾驶特性能力区分其应激反应能力可行,提高驾驶特性能够帮助驾驶人提高应激能力,情况越危急,提高的幅度越大。【结论】试验中,在所有应激距离下,H组的应激反应均优于L组,且应激距离的减少对L组的影响比H组大;在交通应激事件中为驾驶人提供1 s以上交通冲突时间是必要的。     

考虑驾驶人不同分心类型的分心识别研究

驾驶人分心状态判别是实现分心预警的基础。由于视觉分心相比认知分心对行车安全具有更大威胁,本文针对驾驶人不同分心类型的识别展开研究,设计了驾驶人两种分心类型和正常驾驶下的模拟驾驶试验,利用1-back任务和看手机任务分别诱导驾驶人产生认知分心和视觉分心,采集并提取驾驶绩效、眼动及头动特征,采用序列后向选择算法进行特征优选,运用网格搜索确定分心识别的最佳时间窗口及模型参数。结果表明,基于随机森林所构建模型在测试集上取得了94.07%的宏精准率、93.89%的宏召回率和93.98%的宏F1值,分类表现优于两种比较方法,说明模型能够准确地对驾驶人的3种状态进行分类。根据随机森林模型的特征重要性排序结果以及采用不同类型特征作为输入训练模型的分类结果发现,驾驶人眼动及头动特征对驾驶人分心类型的识别更为重要。本文研究可为分心预警系统根据分心类型判定风险等级提供基础。     

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。     

分心驾驶研究文献计量学分析

车辆自动化和信息娱乐系统的发展趋势使驾驶人分心成为日益突出的社会问题。为全面了解分心驾驶的研究进展,本文选取近 12 年关于分心驾驶的 2313 篇文章,利用文献计量工具VOSviewer和R-Bibliometrix系统梳理与分析分心驾驶的研究现状。首先,概述分心驾驶研究的总体情况,包括分心驾驶研究的国家分布、核心作者及核心期刊;其次,重点归纳分心驾驶领域的高影响力文献,并从“注意力机制”“分心驾驶风险与年轻驾驶人驾驶行为”“分心源”“分心驾驶检测”“自动驾驶下驾驶人的分心效应”这5个研究主题总结分心驾驶的研究热点;最后,构建分心驾驶的研究体系,并预测未来的发展趋势。研究认为：有必要加强研究分心的形成、消散和恢复机理;需扩展研究对象和场景,综合考虑车内和车外的分心源以及复合分心带来的风险;多源信息融合及考虑多类型分心可以进一步完善分心驾驶风险的研究;界定分心状态与等级划分,针对不同驾驶分心类型的识别应是未来分心驾驶检测研究的重点;自动驾驶场景下的分心行为及接管效能,以及混合交通流下的分心状态是值得关注的研究。基于机器视觉的分心检测和自动驾驶的接管效能将成为分心驾驶领域的研究前沿。     

驾驶人分心状态判别支持向量机模型优化算法

驾驶人分心状态判别是分心驾驶预警系统的重要基础.建立以径向基为核函数的 驾驶人分心状态判别SVM模型,采用遗传算法(GA)优化SVM模型惩罚参数C和核函数参数 g,并利用模拟驾驶器实验平台采集的驾驶绩效数据对模型进行验证.结果表明,采用GASVM 模型能够准确识别自由流和拥挤流场景下驾驶人分心状态,判别精度分别为94.5%和 96.3%.与决策树C4.5 和交叉验证(CV)-SVM对比表明,GA-SVM在准确率、精准率、召回率和 F1值等模型性能方面均优于其他2 种方法.本文建立的模型能够有效地判别驾驶人分心状态, 可为驾驶人分心预警系统和分心控制策略提供依据.     

抵近信控交叉口分心驾驶识别模型

为降低驾驶人抵近交叉口过程因分心导致的交通事故,本文基于双向长短时记忆网络(BILSTM)建立分心驾驶识别模型。依托驾驶模拟实验,采集了45位驾驶人抵近信控交叉口过程中的横纵行为数据,通过方差分析研究分心任务对驾驶行为的影响。结果表明,分心驾驶人需要更长的制动反应时间,制动操作时间缩短,踩压制动踏板的力度下降,同时操纵方向盘的稳定性变差。然后,筛选有显著性影响的6个特征行为指标作为模型的输入,结果表明：BILSTM模型分心状态识别的精确率最高,达到92.6%,F1值为88.7%;准确率、精确率、召回率、F1、AUC和ROC曲线等模型性能均优于单向长短期记忆网络、支持向量机和决策树5.0分心识别模型。研究结果说明BILSTM模型能有效判别抵近信控交叉口驾驶人分心状态,可为交叉口驾驶人分心预警系统的优化设计提供依据和指导。     

驾驶分心影响因素的研究

以驾驶员驾驶习惯等主观因素以及道路环境客观因素为研究对象,从驾驶行为构成及特点入手,分析驾驶员分心行为的形成及影响因素。以驾驶行为操纵失误为因变量,以驾驶员主观因素及道路环境客观因素为自变量,统计分析影响驾驶行为要素的数据以及对驾驶行为的影响。分析结果表明:驾驶过程中道路两旁广告标识密度大以及不熟悉路况环境对驾驶员注意力的影响较大。     

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.     

驾驶人“感知-决策-操控”行为模型

为准确模拟驾驶人跟车行为,提出基于隐马尔可夫模型(Hidden Markov Model,HMM)的驾驶人“感知-决策-操控”行为模型。建立描述驾驶意愿的HMM模型,模拟驾驶人感知过程,获得期望的车间距;预测模块模拟驾驶人根据交通环境和自身生理、心理状态预测车辆未来轨迹,即决策过程;优化模块描述驾驶人为使预测的车辆轨迹跟踪上期望的车辆间距而采取的操控汽车的执行动作,即操控过程。上述3个模块的滚动过程实现了对驾驶人跟车行为的模拟。利用自然驾驶数据进行算例分析,结果表明,本文模型预测车间距平均误差仅为1.47%,证明了所建模型的有效性及准确性。本文为驾驶行为建模方法的理论研究和应用拓宽了思路。     

网联环境下基于多驾驶人风险评价的不良行为主动干预研究

依托智能网联技术背景,本文提出基于多驾驶人综合风险评价的不良行为主动干预框架。选取驾驶场景中多驾驶人行为表征参数,基于行车数据定义并辨识驾驶人的各类不良行为;利用面积法实现对不良驾驶行为发生频次、持续时间以及幅值的综合计算,并以可变权重构建其与事故风险的关联关系;借鉴数据包络分析思想,提出考虑可变权重的不良驾驶行为综合评价方法;利用Simulation of Urban Mobility(SUMO)搭建智能网联环境下驾驶仿真平台,以时间窗方式抽取场景中多驾驶人的历史行车数据,利用不良驾驶行为综合评价方法辨识风险驾驶人,提出基于累加窗口与滑动窗口的主动干预方法,每种方法均实现干预单车与干预多车两种策略;分析不同干预手段的效果,探究窗体大小、驾驶人接受率、干预车辆数等对干预结果的影响。研究表明,干预多车策略取得较好的效果,基于累加窗口与滑动窗口的驾驶人不良行为总得分分别下降22.80%和10.50%;与无干预情况相比,当干预接受率为50%时,驾驶人不良行为总得分仍有所降低;与基于累加窗口方法相比,基于滑动窗口的干预方法更适合实际应用。本文提出的框架可为驾驶行为监测等提供技术支持。     

货车驾驶人驾驶行为与行车安全研究进展

驾驶行为是影响交通安全最活跃的因素,在“人-车-路”复杂环境中扮演着关键角色。为了深入理解货车驾驶人驾驶行为规律和行为风险性,本文聚焦货车驾驶人驾驶行为对行车安全的影响,对货车驾驶人的驾驶行为风格、行为风险性及其与行车安全的关系等相关研究成果进行系统地梳理和分析。首先,利用构建的文献检索策略,筛选出38篇相关文献,并结合LDA(Latent Dirichlet Allocation)模型,对生成的4个研究主题,即货车驾驶人驾驶行为辨识,危险驾驶行为与行车安全,货车碰撞事故致因分析及驾驶安全风险评估进行总结;其次,针对数据源、特征工程及建模方法等分析要素,构建了适用于任意研究主题的通用研究路径,并重点归纳了目前研究主题在数据源、变量选择方法、研究地点及建模方法等关键要素的研究进展;最后,分析和探讨了货车驾驶人驾驶行为与行车安全领域面临的主要问题,从描述、解释、关联及应用的角度提炼该领域研究的未来发展趋势。研究认为：有必要将驾驶状态特性、车辆运行状态及道路交通状况等多维特征变量进行多源信息融合,开展基于大数据和人工智能双驱动的驾驶行为研究;需加强研究山区公路环境下货车与其他类型车辆之间的交互作用机制,从“人-车-路”视角分析货车碰撞事故致因;需进一步完善智能网联和自动驾驶等高新智能自动化环境下的货车驾驶人驾驶行为与行车安全关系研究;拓展面向驾驶安全的货车驾驶人驾驶风险评估的理论方法和应用框架。研究 成果将为货车事故治理、公路货运平台监控及道路线形设计等应用场景提供重要依据,并有助于相对全面地理解货车驾驶人驾驶行为与道路行车安全的交互作用机理。     

不同能见度及信息量对驾驶人视觉特性影响

为探究不同能见度及信息量条件下驾驶人的视觉特性,以城市主干路为模型基础,分别建立不同能见度及信息量条件的模拟驾驶场景。选取21名驾驶人参与试验,运用模拟驾驶试验的方式采集数据,分析不同能见度及信息量条件下驾驶人注视时长、扫视百分比和瞳孔直径变化规律;通过动态分类法对驾驶人视野区域进行划分,应用马尔科夫链计算驾驶人在不同能见度及信息量条件下注视点在各区域间的一步转移概率和平稳分布概率。结果表明：能见度较好时交通标志信息量是影响驾驶人视觉特性的主要因素,在I3条件下驾驶人能够迅速判别道路交通环境中的重点信息;当能见度较差时驾驶人的观察区域由道路远处向近处转移,无法及时搜索远处的潜在威胁,不利于行车安全。     

基于认知行为的高速公路减速标线研究

基于认知行为,运用驾驶员认知信息模型及视认标线过程机理,结合生理学及相关规定设计改进减速标线形式和设置参数,采用模拟驾驶实验与问卷调查相结合的方式,分析各种减速标线的减速效果、安全影响、注意力影响、可识别性、错觉效果等特征,据此评估所设计标线的效果并判别其适用范围和实用价值。     

主观拥堵感知下驾驶人路径调整行为决策研究

为深入调查研究交通拥挤的形成机制和扩散规律,本文针对交通拥堵形成和消散的内因,即驾驶人在拥挤状态下路径的研判调整行为进行研究.设计基于全方位视角场景的驾驶人主观拥堵感知实验,通过采集驾驶人个体特征、出行特征和交通流参数,结合驾驶人的主观拥堵评分和路径调整决策,采用方差分析方法,探究驾驶人个体特征和出行特征对路径调整决策...     

绿灯倒计时影响下机动车微观驾驶行为分析与决策建模

机动车在交叉口信号相位切换期间的驾驶行为对于城市道路交通安全至为重要,本文对绿灯倒计时影响下的机动车微观驾驶行为与“通过/停止”决策进行研究.首先,利用驾驶模拟器进行1组单盲实验来提取车辆的接近速度、反应时间、减速度等参数.其次,详细地刻画了车辆进入交叉口范围至行驶至停止线全过程的微观驾驶行为.再次,综合交通因素及驾驶员个体特征等解释变量,建立了随机效应Logistic模型以描述车辆的“通过/停止”决策行为.结果表明：车辆进入交叉口范围后会“先减速,再加速,再减速”,加速通常出现在距停止线30~ 40 m的范围内,且绿灯倒计时与黄灯启亮前期对驾驶员具有催促作用;速度、距离、年龄、性别对车辆的“通过/停止”决策行为具有显著影响;随机效应Logistic模型比Logistic模型更能表征其他未纳入模型的因素及反映不同交叉口与驾驶员的异质性.     

高速公路改扩建期间强制变道行为驾驶模拟的有效性研究

为了验证驾驶模拟技术应用于高速公路改扩建期间施工路段强制变道行为分析的有效性,开展了实车驾驶和驾驶模拟2种实验.首先,采集车辆的速度和位置信息,计算了强制变道的断面车速v、特征断面间距Δd和特征断面时距Δt等行为指标;然后,分别采用非参数统计方法与回归模型来检验各行为指标的绝对有效性与相对有效性.结果表明:驾驶模拟技术能有效地应用于高速公路改扩建期间强制变道行为分析;变道开始断面的车速、越线点与施工路段起点之间的间距和时距、变道结束点与施工路段起点之间的间距和时距均显示出驾驶人在驾驶模拟环境中具有更激进的驾驶行为.     

基于情境意识模型的高速公路出口区域逐级限速方案研究

为分析高速公路出口区域限速方案的效果,研究提出了逐级限速方案（一级限速、二级限速、三级限速）,并开展不同交通流情况下的驾驶模拟实验。引入情境意识理论（Situation Awareness, SA）和ACT-R认知理论从驾驶人角度对逐级限速方案进行研究,建立了道路交通驾驶人SA的定量计算模型,通过与情境意识全面评估技术（SAGAT）结果的对比,评估出SA定量计算模型的有效性。结果表明：（1）在自由流状态下,车辆在分流鼻端的速度分别超过限速13.4 km/h（一级限速）、7.4 km/h（二级限速）、4.0 km/h（三级限速）,在不稳定流状态下则超过9.7 km/h（一级限速）、6.2 km/h（二级限速）、1.7 km/h（三级限速）;（2）交通量一定时,随着限速次数增加,驾驶人的SA水平提高,事故的可能性下降,其中三级限速方案是考虑驾驶人SA的最佳方案;（3）瞳孔面积和平均扫视频率可作为衡量SA的眼动行为指标,分流鼻端速度可作为衡量SA的操纵绩效指标。