连续驾驶时间下高原驾驶员适宜性模糊聚类评价

为了使高原驾驶员适宜性评价更加客观准确,从驾驶员疲劳角度出发,将影响驾驶员疲劳的主要因素连续驾驶时间作为参照依据,运用模糊理论,对驾驶员视觉特性、速度估计特性、反应特性、处置判断特性4个方面进行综合评价。通过实地行车试验获取20名驾驶员适宜性指标数据,对其中13名驾驶员样本数据进行模糊聚类,建立模糊相似矩阵与等价矩阵,依据聚类样本驾驶员连续驾驶时间长短确定最佳阈值,并将驾驶员适宜性分为4类,最后将已聚类驾驶员样本数据作为识别标准,利用择近原则对其余7名驾驶员进行识别与评价。结果表明:将连续驾驶时间作为参照依据,利用模糊聚类理论对驾驶员适宜性进行评价的方法是可行的。     

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。     

基于表面肌电信号的高原公路驾驶员颈部疲劳试验分析

为了解高原公路驾驶员颈部疲劳状况,寻求减轻驾驶员疲劳途径。选取新疆帕米尔高原典型路段进行实驾试验,通过生物反馈仪获取受测驾驶员颈部肌电数据,利用时域与频域分析方法选取积分肌电值(IEMG)与中值频率(MF)作为评价指标,研究高原公路驾驶员颈部肌肉IEMG与MF在连续驾驶时间、海拔作用下的疲劳特性。研究表明:连续驾驶时间、海拔是影响驾驶员IEMG、MF的主要因素。随着驾驶时间增长与海拔逐渐升高,驾驶员IEMG有上升趋势,而MF有下降趋势,表明高原公路驾驶员从低海拔到高海拔路段长时间连续驾驶车辆导致颈部疲劳感增加。通过对比不同行车经历驾驶员,发现经常出入高原公路驾驶员的颈部疲劳度与自我缓解能力要优于首次进入高原公路行驶车辆的驾驶员。     

基于驾驶适宜性检测的驾驶技能评价方法研究

为了研究不同驾驶员个体之间的驾驶适宜性差异,基于驾驶适宜性检测数据,研究了驾驶技能评价方法。通过驾驶员驾驶适宜性检测试验,筛选出有效试验样本54例。研究了各项驾驶适宜性检测指标评价结果的等级划分方法和和驾驶技能评价方法。研究结果表明:基于驾驶适宜性检测可将驾驶员划分为优秀、良好、一般、较差和差5类;通过对54例试验样本的驾驶适宜性检测,得出优秀、良好、一般、较差和差5类驾驶员分别占比为38.89%、22.22%、20.37%、12.96%和5.56%。     

模糊神经网络在驾驶员疲劳检测中的应用

针对驾驶员疲劳检测算法中数据量大、高速传输、复杂运算的实际需要,以DSP器件TMS320DM642为核心处理器,开发了嵌入式的驾驶员疲劳驾驶状况实时监测系统;为解决因疲劳/瞌睡驾驶而造成的交通事故,针对国内各种疲劳检测方法大都采用单一的疲劳特征进行疲劳识别的现状,运用模糊神经网络方法,将多个疲劳特征参数:眼睛闭合时间占某特定时间的百分率(PERCLOS)、眼皮的平均闭合速度(AECS)、点头频率(NodFreq)、哈欠频率(YawnFreq)结合起来对驾驶员疲劳状况进行识别,准确率达88.7%.试验结果表明,算法对疲劳检测问题有较好的效果,系统的开发对降低因驾驶疲劳引发交通事故发生率的研究具有重要意义.     

疲劳驾驶的脑电特性探索

研究疲劳驾驶时的脑电特性.利用汽车模拟驾驶系统模拟驾驶员疲劳驾驶的情况,用脑电仪记录驾驶员的脑电情况,得到了驾驶员在正常状态和疲劳状态下驾驶时的脑电数据和波形,分别用平均功率谱方法和非线性的关联维数方法对所得数据进行分析.得到了疲劳驾驶时脑电的2个特征量R和D.可以用驾驶员驾驶时的脑电特征量来评价其疲劳程度.     

基于面部特征分析的疲劳驾驶检测方法

为避免疲劳驾驶,通过提取面部疲劳特征参数的方法研究了驾驶员疲劳检测技术.对SSD(single shot multi box de-tector)目标检测算法及连续自适应均值漂移跟踪算法(continuously adaptive MeanShift,CamShift)进行优化,以检测人脸区域.利用特征点定位提取面部疲劳特征参数,并基于眼睛闭合时间百分比(percentage of eyelid closure over the pupil over time,PERCLOS)设定疲劳阈值和疲劳检测策略.在实车样本集上进行试验,结果表明:优化的人脸区域定位方法对光线变化、类肤色干扰的鲁棒性更强;所提取的疲劳特征参数能有效反映驾驶员疲劳状态,平均识别准确率达到了92.2％.改进后的算法系统在基于视觉特征的疲劳驾驶检测技术中达到了较高水平,对于预防交通安全事故具有重大意义.     

基于驾驶模拟实验的眼部指标与疲劳分级

基于同济大学8自由度高仿真驾驶模拟器,利用眼动仪采集了15位驾驶员各一小时驾驶过程中眼部指标,将驾驶员的疲劳状态分为清醒、轻度疲劳、中度疲劳、重度疲劳和极度疲劳5个等级,建立了考虑驾驶员个体差异的分层有序离散选择模型.结果表明:分层有序离散选择模型能有效地考虑驾驶员的个体差异,提高了对驾驶员不同疲劳等级的识别准确率.     

基于熵权法的驾驶疲劳量化

为了客观准确获取驾驶疲劳判别阈值,采用驾驶模拟试验研究方法,采集驾驶员在清醒及疲劳状态下的眼动数据、反应时间、执行时间.用驾驶人连续驾驶状态下的眼动数据、反应时间、执行时间表达驾驶人注意特性、反应能力、执行能力.并以三者为自变量,驾驶疲劳量化值为因变量,基于熵权法对三者加权平均建立三者之间的关系模型.为了提高驾驶疲劳阈值的客观性,选取基于可变的阈值确定方法,得到最优一次疲劳及二次疲劳阈值.文中还揭示了驾驶人连续驾驶状态下疲劳变化规律.评价了驾驶疲劳的量化方法.试验结果表明,该方法有效地提高了驾驶疲劳量化的准确性,在预防驾驶疲劳的行车安全领域有着广泛应用前景.     

基于汽车操纵信号的驾驶员疲劳状态检测

将驾驶方向盘运动信息及道路偏移值作为驾驶员疲劳表征信息,通过模拟器的模拟驾驶实验,采集10名驾驶员疲劳表征数据,建立神经网络模型对驾驶员疲劳状态进行检测.基于PVT（Psychomotor Vigilance Task）测试结果及驾驶录像,采集清醒状态与疲劳状态的实验数据,并进行分析;然后对数据进行离散化和归一化,作为神经网络模型的输入.采用BP算法对神经网络模型进行训练,直至满足误差要求.实验结果表明,该方法检测驾驶员疲劳状态的准确率较高,实用性较强.     

视觉类次任务驾驶安全性预测模型

为了建立一种视觉类次任务驾驶安全性预测模型,实现对驾驶人执行视觉类次任务时的行车安全进行预测,设计并进行了城际高速公路场景中三种视觉类次任务驾驶试验;以眼球运动状态参数集和车身行驶状态参数集为安全评价指标,使用模糊层次分析法(F-AHP)计算得到测试驾驶人的安全评价数字等级;以此为基础,利用BP神经网络建立视觉类次任务驾驶安全性预测模型,以30名测试驾驶人的评价指标数据作为神经网络的输入训练样本、安全评价数字等级作为神经网络的输出训练样本,调试网络参数直至满足本研究的精度需要;最后,使用其余10名测试驾驶人的数据对模型进行适用性测试。研究结果表明,在操作车载收音机、发信息以及操作触摸屏设备这三种次任务情境下,本预测模型的适用性较好,可以比较准确的实现对驾驶人安全等级的预测。     

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。     

基于权值惩罚法自适应人机协同避撞策略

针对协同避撞过程中人机权值难以适应不同驾驶员与工况的问题,提出了一种自适应人机协同避撞策略。基于单点预瞄驾驶员模型,根据驾驶员决策意愿搭建了表征驾驶风格的驾驶员模型。基于距离策略,提出避撞模式切换策略,设计模型预测控制器跟踪规划路径。提出驾驶员权值惩罚法,首先根据驾驶员参数与道路条件对驾驶员权值进行先验条件的惩罚,其次引入碰撞、侧滑和越出车道三种事故风险度,设计模糊控制器,依据事故风险度对避撞过程中的驾驶员权值进行实时惩罚。仿真结果表明所提出的人机协同避撞策略可实时调整人机权值,显著降低事故风险,从而在协调人机有效避撞同时保证行驶安全性与稳定性。     

基于计算机视觉的驾驶员疲劳状态检测预警技术研究

疲劳驾驶是造成交通事故的主要原因之一,为提高驾驶员疲劳驾驶状态的智能化检测水平,提出一种基于计算机视觉的面部多特征疲劳驾驶检测算法。该算法采用多线程优化后的Dlib（图像处理开源库）实现对驾驶员面部的定位与追踪,利用Dlib开源库中的人脸关键点检测器对驾驶员面部关键特征点进行提取,实时计算驾驶员眼部的纵横比（EAR）和嘴部长宽比（MAR）,并以自制视频流数据集作为实验样本计算出相关阈值,有效提高了检测算法的普适性,在此基础上,计算出眨眼频率、闭眼次数、眼睛闭合时间百分比（perclos）以及打哈欠频率这四个反映驾驶员疲劳状态的指标,并利用数学方法进行指标实时融合,根据融合指标的数值对驾驶员疲劳状态进行分级,最终通过实验验证该疲劳检测系统的准确性。结果表明,提出的综合疲劳指标能够准确反映在不同环境和光照下驾驶员的疲劳状态和发展趋势,驾驶员疲劳判定的正确率达到97.5%以上。     

一种山区急弯路段驾驶人熟练度甄别方法

为探究驾驶人眼动行为与驾驶熟练程度以及道路线型之间的响应特性,设计并组织山区公路实车驾驶行为试验。招募20名驾驶人,实时采集被试驾驶人在急弯路段的6个注视及扫视行为表征参数。试验表明:眼睛注视点在左转急弯路段的水平方向分布范围是-0.5~0.1 m,在右转急弯路段的水平方向分布范围是-0.2~0.5 m;眼睛水平注视角变化的主要范围是0°~30°;扫视速度的变化范围区间是0~1(°)·ms~(-1),扫视幅度的变化范围是5°~25°。基于采集的眼动行为参数,构建驾驶人视觉搜索模态矩阵。采用主成分分析法对影响因子进行降维,并建立驾驶人眼动特征综合评价模型。结果显示,眼动综合评分与驾驶里程呈正相关关系,表明该模型可用于量化甄别驾驶人驾驶熟练程度,并为驾驶能力评估提供有效的理论依据。     

高原公路驾驶员心率变化规律研究

驾驶员心理紧张度与行车安全有直接的关系,而心率变化是心理紧张度的直接反应。利用生物反馈仪对驾驶员在不同海拔的心率变化进行系统研究和分析。以LF/HF作为疲劳评价指标,利用SPSS建立LF/HF与海拔的关系模型并对此进行研究。随着海拔的升高,驾驶员行车疲劳度会更加明显。驾驶疲劳度对驾驶员的心率产生的影响越明显,行车过程中越容易发生安全问题。     

考虑驾驶风格的模糊控制跟驰模型

针对传统模糊控制跟驰模型较少考虑驾驶风格的差异,同时缺乏真实数据的有效验证,基于模糊控制理论,模拟驾驶人在跟驰过程中采取的动态驾驶决策过程,考虑不同驾驶风格,在分析自然驾驶数据的基础上,利用实测数据对不同驾驶风格进行分析,获得各驾驶风格的期望车头时距参数,在此基础上,利用前后车距离误差和速度差作为独立变量,并建立了模糊控制规则。数值分析结果表明,该模型与自然驾驶数据拟合较好。     

车辆驾驶人事故前操作行为模式

以西安及其周边地区交通事故调研数据为基础,对车辆驾驶人事故前操作行为模式进行研究,运用层次分析方法（AHP）和模糊评判方法,分析了影响驾驶人事故前操作行为的因素,建立了驾驶人事故前感知因素评价指标体系及驾驶人对各影响因素指标的评价模型,并用模糊数学和模糊推理的方法建立了基于公路交叉口交通事故的驾驶人事故前操作行为模式模糊控制规则。研究结果表明：在公路交叉口交通事故中,影响驾驶人事故前操作行为的主要因素为驾驶人车速感知、车距感知及交通信息感知;驾驶人事故前操作行为及驾驶人感知因素在一定显著性水平下遵循模糊控制规则。     

组合赋权-模糊综合评价的安全驾驶行为分析

驾驶行为日趋复杂化与个性化,使其逐步成为影响交通安全的活跃因素。为了对城市道路中驾驶行为安全风险等级进行评估,减少交通事故的发生,针对传统人或车因子单向给定的评价方法,从驾驶员操纵安全、车辆行驶工况安全两个方面,选取速度、发动机冷却液温度等7个指标构建驾驶行为评估体系。运用K-means聚类分别对两个维度进行聚类分析,将驾驶行为类型进行划分。应用层次分析法(Analytic Hierarchy Process, AHP)与熵权法(Entropy Weight Method, EWM)的组合赋权法求取权重并结合模糊综合评价法对目标层进行评估,将驾驶行为划分为安全型、风险型、危险型。为了获取汽车行驶过程中的运行状态数据,利用车载诊断设备(On Board Diagnostics, OBD)进行驾驶状态数据采集,分析不同的安全风险等级行为的诱因,为相关车管单位选择和考核驾驶员提供合理依据。