基于驾驶行为识别的车载交通信息数据实时发布系统

针对传统车载交通信息数据发布系统存在操控复杂、用户体验效果差、响应时间过程等问题,提出一种基于驾驶行为识别的车载交通信息数据实时发布系统。在车联网环境下,设计车载交通信息数据实时发布系统的硬件部分,其主要包括ARM处理器、GPS接收模块、行车记录信号采集模块、接口模块、存储器、车载网络、报警模块等。通过层次分析法对主因子决策权重进行分析,对驾驶行为特征进行提取,提取结果即为驾驶行为识别结果,根据识别结果和交通安全调查结果得到影响驾驶员行为的关键组成因子,实现对异常汽车运行信息和异常驾驶行为信息进行警报处理。实验结果表明,所研究系统易于操控,并具有良好的人机交互体验,能够减轻驾驶员心理负担,提高驾驶安全性,且响应时延低。     

基于驾驶模拟器的车联网环境搭建及对驾驶行为的影响

为研究网联环境下车载设备对驾驶行为的影响,设计了车载终端人机交互界面,搭建了基于驾驶模拟仓的车、车通信环境,并开展模拟驾驶实验,采集了4个场景下车辆运行数据。通过对速度、加速度、跟车间距、超速驾驶员比例等驾驶行为数据以及人口学的统计分析,研究不同交通状态下,是否配备车载终端对驾驶行为影响的差异性。实验数据表明,实时提供前车运行状态的车载终端能够提高车辆运行效率和安全性。     

虚幻4驾驶模拟器设计和驾驶员特性分析

深入研究人类驾驶员的驾驶行为和特性,对推动智能汽车向高度自动驾驶发展具有重要意义。采用驾驶模拟器研究驾驶员在复杂交通场景下的驾驶决策和驾驶行为,成为近年来的一个研究热点。基于虚幻四引擎UE4交互式视景仿真技术,通过车辆、道路、建筑、交通灯、行人、路牌等交通元素的驾驶视景仿真环境搭建,开发了CarSim汽车动力学模型和罗技G29力反馈方向盘踏板的具有高拟真度人机交互的驾驶模拟系统。并设计了典型工况下的驾驶模拟试验,通过实时采集驾驶员驾驶数据,对驾驶员特性进行研究。研究结果表明:该驾驶模拟器具有逼真的驾驶体验,利用模糊C聚类算法(FCM,fuzzy C-means),将驾驶员特性进行准确分为6个聚类,可以将驾驶员特性进行准确分类,确立驾驶员特性与驾驶能力的关联,为进一步建立实时驾驶权分配研究奠定了基础。     

车载信息系统与驾驶安全研究综述

作为新的技术和经济增长点,微型电子计算机、无线电通讯、卫星导航等新技术、新设备和新方法已开始广泛应用于汽车工业中.汽车的信息化进程正在逐步加速.但根据多资源理论,以显示查看和信息输入为主要形式的车载信息系统应用任务会分散驾驶员在行驶过程中最重要的视觉注意力,与主要驾驶任务在视觉和认知等多种有限资源形成竞争,从而影响驾驶安全.研究发现,车载信息系统使用任务造成的注视次数和注视时间与汽车的碰撞危险有直接关系,并降低了驾驶员对关键交通事件的探测识别能力和对车辆的控制能力.因此,车载信息系统在行车中的安全性设计非常重要,其研究要点包括人机交互方式、驾驶员行为特征等,研究方法则包括实际道路测试、仿真环境测试、简单实验室测试等.     

不同驾驶倾向驾驶员的酒后驾驶行为研究

为了探究不同驾驶倾向驾驶员的酒后驾驶行为,提高酒后驾驶行为识别模型的准确性,组织60名不同驾驶倾向驾驶员饮酒后进行驾驶模拟实验,获得12个驾驶行为指标的实验数据;采用距离分析和方差分析,对各驾驶倾向驾驶员的酒后驾驶行为数据进行了研究。结果表明：饮酒后,相同驾驶倾向驾驶员在速度标准差等9个驾驶行为指标上有相似性,其中,激进型驾驶员的速度均值的相关比例最高为85%;不同驾驶倾向驾驶员在油门踏板深度均值等7个的驾驶行为指标上差异显著。本研究可为基于驾驶行为的酒驾辨识研究提供理论支持。     

急刹预警作用下的车辆时空图特性

前方车辆紧急刹车是引起前向碰撞事故的主要原因之一,如果驾驶员能够提前获取前车急刹信息,可由被动视觉刺激而采取的被动应对行为转变为基于心理预期的主动应对行为,将大幅度降低事故发生率。基于驾驶模拟技术设计了车路协同环境下前车急刹事件,该实验场景能够在距离前方急刹车辆360 m和290 m处利用车载人机交互设备(HMI)向实验车辆提供急刹预警信息。通过招募合格被试驾驶员并使其参与驾驶模拟实验,获得车辆行驶数据和各项评价指标。通过对有无车载HMI预警信息情况下的驾驶数据的对比分析,提出了一种基于时空图的车路协同环境中前车急刹情形下的驾驶特性分析方法;并基于35名驾驶员的平均加速度特征对前车急刹事件情形下驾驶员驾驶自信特征进行分析。结果表明:有车载HMI预警信息时,驾驶员在应对前方急刹事件时减速位置较无车载HMI预警信息提前;有车载HMI预警信息提示情况下,面对急刹事件时驾驶员速度控制强度更低,通过曲率指标得出速度调整强度降低39.4%;速度调整更加从容,表现出驾驶自信特征,在面对风险环境时能够主动应对。     

音乐环境对驾驶行为危险度影响的预测模型

考虑到车载音乐环境下驾驶行为变化规律在道路交通系统中具有理论和现实意义,以国内外车载音乐对驾驶员心理负荷和驾驶行为影响的研究成果为基础,界定出驾驶行为危险度的定义.同时引入主成分分析法并结合驾驶行为的三个指标,实现对车载音乐环境下驾驶行为危险度的评价.以驾驶员的心率变异性作为输入变量,驾驶行为危险度作为输出变量,构建基于心理负荷的驾驶行为危险度预测模型,并提出不同类型驾驶员收听音乐的建议方案.研究成果可为减少道路交通事故和保障汽车安全运行发挥作用.     

基于云模型的驾驶员驾驶状态评估方法

为了满足智能车辆辅助驾驶系统对驾驶员状态监测的要求,提出了一种以云模型理论为基础的评估机动车辆驾驶员驾驶状态的方法。介绍了云模型定义、云模型的3个数字特征和云发生器。通过云模型对实际道路上采集的驾驶员不同驾驶状态下的视频录像进行了建模和比较。在清华大学室外移动机器人平台THM R-V上进行了简单实验,实验结果表明,该方法可以识别驾驶员的异常驾驶行为并且给出报警信息。     

数据驱动下交通异常行为的双层识别模型

为实现对车辆异常行为的准确识别,提高车辆行驶的安全性,提出了一种基于支持向量机(support vector machine, SVM)、监督学习与长短期记忆(long short term memory, LSTM)深度学习的交通异常驾驶行为双层识别模型。首先,对车辆轨迹数据筛除和滤波,构建异常行为数据集;其次,从异常行为轨迹特征中提取出特定异常行为的特征标签,并人为标定在训练集中;再次,构建SVM模型对训练集进行粗识别,基于SVM的二分法原理,从测试集中筛选出异常行为;最后,通过LSTM时间序列模型构建具体种类的异常行为模型,并通过深度学习的方法,从异常行为数据中细分为蛇形驾驶、急速变向、侧滑、大半径转弯、快速U型转弯、急刹车等具体的异常驾驶行为。本次实验选用下一代仿真(next generation simulation, NGSIM)数据中US-101高速公路和peachtree城市道路的数据集的轨迹数据验证SVM和LSTM双层识别模型的性能,包括均方根误差、识别准确率等。结果表明,构建的双层识别模型在第一层有98%的识别准确率,第二层有超过80%的识别准确率,可以较为准确地识...     

八车道高速公路可变信息标志前置距离对驾驶行为的影响

基于驾驶模拟实验,设置3.0、2.5、1.5、0.7 km 4种前置距离的可变信息标志（variable message sign,VMS）,收集32名驾驶员视认4种前置距离的VMS后换道驶出高速公路过程中的方向盘、速度和位置数据,并观察各驾驶员在换道过程中的方向盘操控行为、换道行为、减速行为。结果表明：VMS视认过程属于多任务驾驶行为,驾驶员需在短时间内完成VMS视认、路径决策、车辆减速与换道;当VMS前置距离不足时,驾驶员需快速、大幅转动方向盘,进行连续换道、急换道;为顺利驶入减速车道,部分驾驶员采取减速换道措施,增加了事故风险;当VMS前置距离过长时,驾驶员对VMS的短期记忆效应使得驾驶负荷提高。     

新一代车载电子警察系统的设计

系统主要由雷达测速、视频抓拍、云台与镜头控制和数据管理等组成,采用串口通信、视频压缩、车牌自动识别、神经网络训练等多项技术,实现了对车辆超速、压单双黄线行驶、违法停车、违法调头、逆向行驶、强行超车等多种违法行为进行实时的监测、抓拍、记录和处罚,为交通违法行为取证带来了很大的方便。测试结果表明系统稳定可靠、识别率高、实时性强,综合效率较高。     

基于多模态信息联合判断的驾驶员危险行为监测系统

危险驾驶是引发交通事故的主要原因,严重威胁公众的人身和财产安全.车辆在行驶过程中,各种环境因素复杂多变,严重干扰了驾驶员危险行为监测系统的识别精度;现有的驾驶员危险行为监测检测系统主要是通过眨眼和打哈欠的频率来判断驾驶员是否出现危险驾驶行为,忽略了表情、动作以及视线方向等多个重要信息.针对这些问题,提出了一种基于多模态信息联合判断的驾驶员危险行为监测系统,该系统使用分布在驾驶舱3个不同位置的近红外图像作为输入,解决了光照强度变化和视角盲区问题;设计了一种基于多任务学习的深度神经网络,该网络可以同时完成人脸检测、表情识别以及危险动作分类等任务,极大地提升了系统的识别精度,提升了运行效率.实验证明,所提出系统的识别准确率为96.2％,运行速度为81 fps,性能优于目前常用的算法.     

老年驾驶人的应激操作反应特性分析

随着年龄的增长,老年驾驶人的感知认知能力、判断决策能力及操作反应能力均出现衰退,进而导致其交通风险感知和应激反应能力发生变化。为了研究风险情景下老年驾驶人的应激操作反应特性,设计并搭建了行人与机动车、非机动车与机动车、机动车与机动车冲突的道路交叉口风险虚拟试验场景;分别招募了15名中青年与老年驾驶人进行了驾驶模拟试验,采集驾驶过程中驾驶人的操作行为及车辆运行数据,选取相关的指标对试验进行分析。结果表明,老年驾驶人在各风险情境下的反应时间与制动踏板行程总体上比中青年驾驶人长;而在高风险驾驶场景下,老年驾驶人的纵向加速度的波动幅度比中青年驾驶人大,其中有10名老年驾驶人发生了碰撞事故,占所有受试者的比例为33.3%。研究结果为交通安全政策制定者的措施制定提供一些提高老年驾驶人驾驶安全性的理论依据。     

前方车辆图像识别与纵向安全域控制方法研究

提出一种基于单目视觉的前方目标车辆图像识别与纵向安全域控制方法。利用目标车辆视频图像的小波分形特征进行图像识别,并采用粒子滤波对检测结果进行实时动态跟踪,在此基础上,结合单目机器视觉感知技术测量纵向车间距,并建立纵向安全域控制模型,最后进行了仿真分析。实验结果表明,该方法有效缓和了目标车辆图像检测准确性与实时性之间的矛盾,在保证行车安全的同时,兼顾了道路通行能力。     

高速公路雾天安全管理系统

以沪宁高速雾天安全管理为依托，基于雾天交通安全管制决策模型、高速公路雾天安全保障方案和地理信息系统、信息管理等应用技术，开发建立了高速公路雾天安全管理系统．系统由雾情监测与信息采集、基于GIS的数据库管理、雾情预警与安全管理决策支持、雾情发布等子系统组成，可实现雾天高速公路交通管制、路网交通流协调与应急处理等功能．并在系统开发过程中，提出了管理单元划分原则、能见度采集设备布设原则和可变信息发布设施布设原则．     

基于工况识别的安全距离模型

针对传统自适应巡航控制系统安全距离模型缺乏对车辆驾驶工况变化考虑的问题,提出一种基于驾驶工况识别的安全距离模型。依据城市驾驶工况特点构建了4种典型城市工况,引入人工神经网络对车辆实时驾驶工况进行识别与预测,然后以现有安全距离模型为基础,结合工况识别结果,完成对该模型的优化。通过CarSim和Simulink联合仿真验证,结果表明：基于驾驶工况识别的安全距离模型可以更好地实现与前车的速度跟随与距离控制,提高了乘坐安全性与道路利用率。     

基于驾驶倾向性辨识的避撞-报警算法

为了研究适应驾驶员个性需求的避撞-报警算法,将驾驶倾向性作为驾驶员的个性评价指标引入。以实车实验所得驾驶行为数据为基础,提出了一种驾驶倾向性的实时辨识方法。通过驾驶模拟实验,获取了不同驾驶倾向性驾驶员的反应时间和制动减速度数据;并据此提出了一种基于驾驶行为的避撞-报警算法;最后将该算法与典型安全距离算法进行仿真对比。结果表明:本文提出的避撞-报警算法具有较高的可信度,而且体现了各类型驾驶员报警触发时机差异。     

基于MKE06Z64的电动汽车低速行驶提醒系统设计

为了解决电动汽车低速行驶中因无提示音而易引发交通事故的问题,设计了一个基于MKE06Z64的电动汽车低速行驶提醒系统.该系统主要包括主控模块、电源模块、稳压模块、CAN总线模块、LPF模块、功放模块和存储模块（备用）等.主控模块接收并分析电动汽车CAN总线的指令,获取档位、车速、使能信号和音源选择等车况信息,主控芯片再根据这些信息找到对应的音源,利用PWM输出提示音.