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.     

疲劳驾驶的转向特征研究

为有效地实现疲劳提前预警,研究了心电信号(ECG)和转向特征随驾驶时间的变化规律.通过试验,分析了ECG信号的4个指标随时间的变化趋势,进行了显著性分析之后,运用主成分分析方法建立了综合的ECG评价指标来分辨驾驶员的疲劳状态.分析了驾驶员在不同驾驶状态,不同的道路线形下的转向行为,应用转向熵方法分析了转向数据,结果表明...     

疲劳驾驶的转向特征研究

为有效地实现疲劳提前预警,研究了心电信号(ECG)和转向特征随驾驶时间的变化规律。通过试验,分析了ECG信号的4个指标随时间的变化趋势,进行了显著性分析之后,运用主成分分析方法建立了综合的ECG评价指标来分辨驾驶员的疲劳状态。分析了驾驶员在不同驾驶状态,不同的道路线形下的转向行为,应用转向熵方法分析了转向数据,结果表明:相比清醒状态,疲劳状态下的转角熵升高了57.1%。     

无侵入测量指标的驾驶疲劳检测性能评估

为了准确检测驾驶疲劳状态,利用高仿真度驾驶模拟器进行模拟实验,采集了驾驶行为和眼动数据,并进行了主观疲劳程度调查.在此基础上,设计了23种无侵入检测指标,从与疲劳的相关性、二元检测性能、对道路线形的敏感性和个体一致性4方面,评估了指标的性能并按综合性能排序.研究结果表明:眼闭合时间比例与主观疲劳程度（Karolinska sleepiness scale,KSS）的相关性最高,为0.443;二元检测性能最好的是眼闭合时间比例和车道偏移标准差;眼动指标在曲-直路段的变化幅度均低于20%;当KSS为7时,除车中心越线时间比例外,其余指标均存在显著的个体差异;综合性能最高的指标依次为车道偏移标准差、闭眼时间比例和越线期间横向平均速度.      

基于脑电信号的高速公路驾驶疲劳检测研究

高速公路驾驶环境单调枯燥,容易使驾驶员产生驾驶疲劳,影响行车安全。通过检测高速公路模拟环境下驾驶员脑电信号特征,验证了采用脑电信号作为驾驶疲劳检测指标的合理性。结果表明,β和(α+θ)β两项指标对驾驶疲劳反应最敏感,可作为表征高速公路驾驶疲劳的脑电指标;在80~100min时间段内,驾驶员驾驶疲劳状态趋势尤为明显,应采取适当措施来减缓疲劳,从而降低由于疲劳驾驶引起的道路交通事故。实验结果可为高速公路驾驶疲劳预警和道路安全设计提供理论支撑。     

基于多指标测试的驾驶疲劳高发时段

基于前期已被验证为有效的研究方法,引入经典的评价指标,结合新的注意力测试方法,完善实验设计,绘制了模拟情况下连续驾驶的疲劳曲线并评估被试者注意力集中程度的变化情况.基于室内实验经验和结果,制定室外实时测试方案并予以实施,得到了真实驾驶情况下驾驶疲劳的高发时间段,对室内实验的结果作出进一步的修正,指出了室内、外实验的差别.     

基于脑电分析的连续驾驶疲劳高发时间判断

采用脑电测试的方法,辅以经过特殊设计的注意力测试手段,以室内模拟的方法,以脑电为基本指标,研究在驾驶过程中最可能出现疲劳的时间.参考经典的脑电指标,分析了12个被试者在时长为3.5h的室内试验中的疲劳曲线,结合注意力评价以及被试者主观监测结果,得出被试者在实验开始之后的100～120min是最容易出现疲劳,注意力分散严重.根据疲劳试验结论以及实验中的其他发现,给出关于驾驶疲劳的有效防治建议.     

疲劳驾驶的形成原因、表现特征及预防措施

疲劳驾驶成了威胁交通安全的一大杀手。疲劳驾驶的形成原因有生活原因、作业原因和个人原因，表现特征为肌肉疲劳、精神疲劳、背椎疲劳和眼部疲劳，预防疲劳驾驶必须提高安全意识，合理、科学地安排驾驶时间，保证必要的睡眠时间和较好的睡眠效果。     

疲劳驾驶与交通事故关系

对国内外道路交通事故数据进行了统计,分析了疲劳驾驶事故中驾驶人特征、事故时段分布及高速公路上交通事故主要成因,研究了疲劳驾驶对操作行为的影响和驾驶人疲劳产生的原因,提出了疲劳驾驶预防对策。分析结果表明:30岁以下男驾驶人、3年以下驾龄和10年左右驾龄的驾驶人是疲劳驾驶事故的高发群体;2:00~6:00与15:00~16:00是疲劳驾驶事故的高发时段;高速公路上疲劳驾驶引发的交通事故比例远高于普通公路;疲劳驾驶产生的原因主要包括长时间驾驶、睡眠不足或质量差、生理节律、驾驶人因素等。通过保证驾驶人有充足的睡眠与短暂休息,合理安排行车时间及使用疲劳预警装置等方法,可以有效预防疲劳的产生,减少疲劳驾驶事故的发生。     

基于生理信号的驾驶疲劳声音对策有效性实验

为了有效减轻驾驶疲劳、减少交通事故,研究了脑电信号(EEG)和心电信号(ECG)随驾驶时间的变化规律,分析EEG和ECG的原始数据与指标之间的相关性,用主成份分析法确定了驾驶疲劳综合评价指标.采用正交实验法,在驾驶模拟舱内验证声音刺激作为驾驶疲劳对策的有效性.研究结果表明:驾驶员在疲劳状态下,对单一声音刺激存在警觉反应;声强和刺激间隔时间影响显著,频率和刺激时间影响较小,且声强70 dB、频率5 800 Hz、刺激时间7 s和刺激间隔时间30 s的声音对策减轻疲劳的效果最好.     

基于人体姿态空时特征的驾驶员疲劳检测

为减少疲劳驾驶给道路交通带来的安全隐患,本文以驾驶员人体姿态为研究对象,分析驾驶动作变化与驾驶员疲劳状态之间的联系,提出基于空时特征与人体姿态的驾驶员疲劳检测模型。首先,以改进的Simple Baselines网络定位驾驶员骨架关键点(空间特征);其次,分析驾驶过程中人体姿态的变化特点,依据“高内聚、低耦合”的原则将人体关键点模块化,以此为基础设计多个与驾驶员疲劳驾驶相关的特征表示;最后,引入滑动窗口计算各疲劳特征的离散程度,将其作为长短时记忆网络(时间特征)的输入,从而实现对驾驶员疲劳状态的预测。通过13位被试驾驶人的驾驶行为数据实验结果表明：使用本文提出的基于空-时特征和人体姿态的驾驶员疲劳检测模型可达到97.73%的检测精确率,98.95%的召回率以及98.35%的准确率,表明该检测模型具有可行性。     

基于车辆运行数据的疲劳驾驶状态检测

疲劳驾驶是导致交通事故的主要原因之一,及时检测疲劳驾驶,并提醒驾驶员集中注意力,对保证安全行车具有重要意义.本文基于CAN(Controller Area Network)总线采集的车辆运行状态数据,提取了18项与驾驶行为相关的特征,并采用随机森林算法对疲劳驾驶进行识别,结果表明整体的识别准确率为0.785,其中召回率为0.61,即61%的疲劳驾驶状态可被识别出来.实验表明,基于车辆运行状态的疲劳驾驶检测具有一定的效果,且与其他客观的疲劳驾驶检测方法(基于驾驶员生理指标和图像面部特征)相比,具有简单方便,不影响驾驶,且成本低的优势.     

特种车辆驾驶模拟系统转向力觉临场感的实现

介绍了特种车辆驾驶模拟系统的构成,并对特种车辆驾驶模拟系统转向力觉临场感子系统的实现方法进行了说明,给出了转向反力矩的数学模型,以及实现力觉临场感的反力矩电动机的驱动方法.测试结果表明,所建立的特种车辆驾驶模拟系统的转向力觉临场感子系统模拟的坡路、颠簸路面、车辆加减速、转向、侧滑时的力觉具有良好的真实沉浸感,而且解决了反力矩电动机驱动的效率和振动噪声问题.     

基于自然驾驶跟车数据的驾驶人差异性分析与辨识

为研究跟车工况下个体驾驶行为特性及其辨识,以驾驶人自然驾驶数据为基础,通过统计分析,频域分析及时频分析,多尺度对比驾驶人加速度、碰撞时间倒数、跟车时距等跟车轨迹特征参数分布的差异性;利用统计方法和离散小波变换提取能够表征驾驶人跟车习性差异的特征参数,分析不同参数输入结果,确定最优参数组合,建立基于随机森林的驾驶人差异性...     

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.     

高原公路连续驾驶时间对驾驶员疲劳影响的分析

为研究在高原公路上行车时连续驾驶时间对驾驶员疲劳的影响,在帕米尔高原典型高原公路上进行行车试验。利用生物反馈仪,采集驾驶员连续驾驶过程中心率与心率变异指标。通过定性、定量相结合的方法分析连续驾驶时间对驾驶员疲劳的影响。研究结果表明:驾驶员在高原公路上连续驾驶70min左右会呈现疲劳状态。     

青藏高原地区空气氧含量对大、小车运行速度差的影响

为探究青藏高原地区空气氧含量对大、小车运行速度差的影响,运用MetroCount 交通检测仪采集了109 国道部分路段的车辆运行速度数据,选取其中不同氧含量下的3 个平直路段、2 个平曲路段及2 个纵坡路段的数据作为研究对象,进行统计分析,并建立回归模型。分析得出：平直路段下,随着氧含量的降低,大、小车运行速度差逐渐增大;氧含量在50%~55%区间内时,速 度差增大趋势逐渐平缓,最终稳定在20km· h-1;同氧含量时,大、小车速度差在纵坡和平曲路段下较平直路段都会进一步增大,其中较低氧含量时在纵坡路段下速度差增加幅度较大,较高氧含量时平曲路段下速度差变化更为显著。结果表明：大、小车速度差在一定程度上与空气中的氧含量呈 负相关性。