机动车驾驶人侵犯驾驶行为的调查研究

侵犯驾驶行为是近年来逐渐引起重视的驾驶人不良驾驶行为之一。本研究采用问卷调查的方法。对浙江省三个城市的驾驶人进行随机抽样调查，得出侵犯驾驶行为可以分为漠视他人、空间侵占、保持前进、赢得优先、人际侵犯等具体类型，并从人口统计学的角度比较分析了不同类型驾驶人在不同侵犯驾驶行为类型上的差异，为制定驾驶人驾驶行为矫正和安全教育策略提供理论参考。     

个性化驾驶人驾驶行为操纵模式建模方法

根据个体驾驶人完成一个具体驾驶行为的驾驶操纵动作具有一定内聚性、时序性和个性化的机理,构建了基于有向图的驾驶人驾驶行为操纵模式的建模方法。根据获取的个体驾驶人在不同驾驶行为下的驾驶操作动作数据,并利用MATLAB仿真软件设计驾驶人驾驶行为操纵模式建模与仿真系统,对启动和超车2种典型驾驶行为下的驾驶操作动作数据进行测试。测试结果表明：基于有向图的建模方法可以实现驾驶人个性化驾驶行为的有序驾驶操纵动作建模。研究为驾驶安全辅助系统驾驶人驾驶行为的驾驶操纵底层上预防和干预危险驾驶行为提供支撑。     

考虑驾驶风格的车辆换道行为及预测模型

车辆换道过程对交通安全和交通拥堵有重要影响,为了获得不同驾驶人的换道行为特性,考虑了车辆换道过程中驾驶人的因素,利用SPSS对问卷调查的结果进行主成分分析,采用K-均值聚类方法对驾驶风格进行量化,将驾驶人分为激进型和保守型两种类型,再利用时间对数模型提出了驾驶风格值变量。对两组类型驾驶人进行换道试验,获得了不同风格驾驶人换道时间和换道纵向距离等换道特性的试验数据,并建立了考虑驾驶风格的车辆换道时间预测模型;基于预测的换道时间以及换道车辆转向角与驾驶风格值变量、速度之间的关系,结合车辆运动学模型,建立了车辆换道纵向距离预测模型,并将预测结果与实际换道数据进行了对比分析,结果表明,本研究提出的预测模型准确率较高。研究结果表明,激进型驾驶人在换道过程中其行为较为激进,换道时间较短,换道距离较短;所建立的预测模型可以较准确地预测和解释驾驶人的换道行为。     

机动车驾驶学员培训改革探讨

驾驶人是人、车辆、道路、环境中的核心,新手驾驶人的驾驶行为对交通安全具有显著的影响.通过列举当前驾驶培训中的弊端,指出机动车驾驶学员培训模式及方法亟待改革,应从驾驶学习的源头入手,提高新手驾驶人的驾驶操作技能和安全行车意识.     

常见驾驶行为下驾驶人注意力分配特征

为了获得驾驶人在常见驾驶行为下的注意力分配特征,借助驾驶模拟器采集特定交通流下的驾驶人眼动数据,利用注视时间和视觉信息搜索范围表征驾驶人注意力分配;分析不同驾驶行为下的驾驶人注意力分配特征,并探究来自不同方向的交通流对驾驶人注意力分配的影响。结果表明:驾驶人对前方正中心总是给予足够多的关注;自由流条件下,车辆转弯或换道时,驾驶人对正中心的关注下降,对转向一侧的关注增加,并且搜索范围由远处向近处转移;车辆沿曲率缓和的道路行驶时,交通流出现对驾驶人注意力分配的影响较小,而在转弯或换道时,交通流出现会对驾驶人注意力分配产生较大影响。     

基于驾驶行为的隧道交通标志影响特征及作用机理

合理设置隧道交通标志能够在一定程度上缓解隧道特殊环境引发的“时空隧道效应”。文中研究了高速公路隧道内部交通标志（限速标志、出口预告标志）对驾驶行为的影响特性,首先选取特长隧道作为实验路段,通过驾驶模拟实验测试获取驾驶人细粒度微观行为数据,然后再考虑随机效应影响的条件下构建线性混合效应模型,揭示了隧道内部交通标志对驾驶行为的影响特征及作用机理。结果表明：不同影响区段内交通标志对驾驶行为的作用存在差异;在隧道内部设置限速标志能够一定程度上降低事故风险的发生概率,限速标志的重复设置一定程度上能提高驾驶人的操控能力;在隧道内部设置限速标志及出口距离预告标志有助于改善驾驶人空间控制能力、提高驾驶舒适度,其中,在距离隧道出口约小于1 km的影响区段内设置隧道出口距离预告标志有助于提高驾驶人的行车舒适性,在距离隧道出口2 km和1.5 km的影响区段内设置预告标志能在提高车辆控制能力的同时使驾驶人具有更高的行驶车速;此外,隧道交通标志作用下的驾驶行为受驾驶人性别、年龄、驾驶经验等特征属性影响,男性驾驶人的驾驶风险更低。     

自然驾驶状态下使用手机对驾驶控制行为的影响

研究基于上海市自然驾驶项目,共计提取了296个驾驶人使用手机的行为样本,并基于动态时窗构建了表征驾驶人控制行为的特征指标,针对使用手机的5种操作行为:拨打、接听、通话、挂断和查看信息,分别分析了各操作过程中驾驶人纵向、横向控制活动的强弱情况,执行控制操作的灵敏程度以及车辆控制状态的稳定性.研究表明驾驶过程中使用手机的部分操作会导致驾驶人控制活动有所减弱,控制操作更加迟缓,且大多数分心操作对纵向控制稳定性产生了显著影响.这些发现有助于更好地了解驾驶人使用手机时的自然行为变化,为交通安全管控提供指引.     

营运客车危险驾驶行为与驾驶人特性相关性分析

为明确营运客车危险驾驶行为与驾驶人特性之间的关系,以实际事故案例为依据,初步筛选主要危险驾驶行为及影响因素并设计调查问卷,引入概率统计方法确定调研样本量,进行实际调研。以调研数据为基础,采用有序多分类Probit回归方法,从出现频率与导致事故可能性两个维度对不同危险驾驶行为与影响因素间的相关性进行分析。通过研究确定了9种危险驾驶行为,并对危险驾驶行为进行了重要度排序。对调查结果进行信度效度检验,表明问卷总体具有很高的可信度与有效性。且驾驶人的特性与危险驾驶行为之间存在关联。     

考虑驾驶风格的高密度立交群出入口车辆驾驶风险研究

为分析不同驾驶风格驾驶人车辆的驾驶风险,在重庆内环快速路开展了高密度立交群实车驾驶试验,使用车载仪器采集车辆行驶轨迹、速度等运行参数,通过因子分析和聚类分析等方法,提取车辆速度、加速度和横向位移等参数,以此为依据将驾驶风格分为三个类型,即保守型、常规型和冒险型。通过车辆驶离和汇入主线过程中的轨迹偏移,分析了不同驾驶风格的行车轨迹特征,结果表明：冒险型驾驶人的轨迹偏移高于其余2种驾驶风格的驾驶人,且轨迹偏移的分布较为分散;在驶离/汇入主线时,冒险型驾驶人所需要的换道时间更短、换道起始位置更靠前、换道频次也多于另外2 种驾驶风格;以速度波动和加速度波动作为驾驶风险评价指标,两者大小均是冒险型＞常规型＞保守型;利用熵权法确定指标权重并得到驾驶风险率,将其按照不同驾驶风格分类,结果表明：在主线出口位置,呈现明显的分布特征,即冒险型＞常规型＞保守型,而在主线入口位置,冒险型与常规型的驾驶风险率大小相差无异,但冒险型驾驶人分布更加离散。分析不同驾驶风格驾驶人的驾驶风险率,有助于提高驾驶人的行驶安全性。     

车联网环境下信息交互形式对驾驶行为的影响

为研究车联网环境下不同信息提供方式对驾驶行为的影响,设计了车联网环境下的模拟驾驶实验,采集了4个场景下车辆运行数据。对比不同分心任务的驾驶行为特征和正常驾驶行为的差异,从转向角、车辆侧向偏移、速度、跟车距离等特征参数描述了车联网信息导致分心的驾驶行为规律,并构建了基于模糊综合评价方法的驾驶人分心等级评判模型,横向对比了不同信息提供方式对驾驶行为的影响程度。     

考虑驾驶人驾驶习性的自适应车道偏离预警策略

提出了考虑驾驶人驾驶习性的自适应车道偏离预警策略。通过实车驾驶数据采集平台采集驾驶人的驾驶行为数据,并基于模糊聚类对驾驶数据进行聚类处理,进而利用广义回归神经网络(GRNN)模型实现了驾驶人驾驶习性辨识策略;建立车道偏离时间估算模型,设计个性化的车道偏离预警系统;最后,通过驾驶模拟器进行测试验证。结果表明,所提出的考虑驾驶人驾驶习性的自适应车道偏离预警策略能够在有效辨识驾驶人驾驶习性的基础上,提高车道偏离预警的适用性。     

基于低频轨迹数据的分时租赁驾驶人驾驶风格分析

基于上海某汽车分时租赁企业的运营数据,开展了基于低频轨迹数据的驾驶行为特征提取及驾驶风格分析.采用相对超速时间比例及其变异系数为驾驶风格特征指标,基于K-means聚类算法将驾驶人风格划分为谨慎、温和、激进三类,相应驾驶人比例分别为54.04%、36.60%和9.36%.对不同驾驶风格租赁用户的出行、运行及个体特征的比较发现,不同驾驶风格的用户在出行、运行速度及车辆能耗特征方面具有差异性,在年龄、性别及违章方面无统计上的显著差异.     

基于迁移学习的驾驶分心行为识别及模型解释

为了提高驾驶分心识别的应用性及识别模型的可解释性,利用迁移学习方法研究构建驾驶人驾驶分心行为识别模型并采用神经网络可视化技术研究对模型进行解释.以VGG-16模型为基础,对原模型全连接层进行修改以适应驾驶分心行为识别任务,将原数据集中的10类驾驶行为按照所包含的分心类型合并为6类,采用合并后的数据集进行模型训练和验证.利用Grad-Cam方法提取了模型在识别不同驾驶行为时的重点关注区域并进行可视化,对照各分心行为的特点及模型分类时的重点关注区域对模型进行了解释.结果表明:所构建模型在测试集中的平均识别准确率达98.89％,经过训练的模型已具备了定位各驾驶行为的关键特征并据此判别行为类别的能力.     

结合功能测试与模拟驾驶的老年人驾驶适性评估

为应对老年驾驶人驾驶能力下降带来的交通安全问题并降低与其相关的事故风险,建立了可有效替代道路驾驶测试的老年人驾驶适性评估方法.对92名老年驾驶人进行了功能测试、模拟驾驶测试与道路驾驶测试,通过独立样本T检验与分层逐步Logistic回归确定评价指标体系,分别建立并比选了决策树、随机森林和支持向量机3种评估模型.结果表明,以对比敏感度、功能性伸展、交通标志理解以及合流变道距离等作为评价指标的支持向量机模型对驾驶适性的评估效果最好,准确率高达84.6％.该方法可以有效替代道路测试评估老年人的驾驶适性,能为其停止驾驶、调整驾驶行为、训练提升驾驶能力、使用辅助驾驶技术等提供参考.     

基于结构方程的信号交叉口驾驶人两难区选择行为影响因素分析

驾驶人在信号交叉口两难区的驾驶选择行为影响因素分析对交叉口的安全运行具有重要意义。通过设计问卷,获取了不同个人属性、不同道路情况、考虑设置辅助驾驶系统等因素下驾驶人的选择行为,使用结构方程分析了上述因素对驾驶人在两难区的选择行为的影响。结果表明:驾驶人的个人属性、驾驶信息、对于辅助系统的态度及意见等都对驾驶人在两难区的选择行为有直接的影响,而其中驾驶人的驾驶信息是主要影响因素。     

考虑个体差异性疲劳驾驶检测方法研究

研究个体差异性对疲劳驾驶检测的影响.基于驾驶模拟实验,提取了20名驾驶人不同驾驶状态下的眼动特征参数.基于支持向量机,搭建了通用检测模型,分析了不同驾驶人之间检测结果的差异性.运用配对样本t检验和方差分析分别量化了驾驶人疲劳和个体差异性对眼动特征影响的显著性水平,以及综合影响的显著性水平.搭建了个体检测模型,并进行了实验验证.结果表明,眼动特征受疲劳驾驶和驾驶人个体差异性的显著性影响,同时,个体差异性会削弱由疲劳驾驶导致的差异.在构建疲劳驾驶检测模型时应充分考虑驾驶人个体差异性.     

基于网络分析法的次任务驾驶安全评价模型

为了准确判断次任务驾驶安全性,采用驾驶模拟器与眼动仪相结合的方式,重点研究次任务驾驶过程中驾驶人眼动行为变化规律,综合考虑车辆运行状态参数变化特点,结合次任务类型对行车安全性的影响,提出了次任务驾驶安全性评价指标体系。利用网络分析法确定不同评价指标的权重系数,建立了驾驶安全等级隶属度函数,并采用最大隶属度原则实现了安全等级的划分,完成了次任务驾驶安全性评价模型构建。最后,以40名驾驶人次任务驾驶试验数据为实例应用,对模型的适用性进行了验证。     

基于改进群智能k-means优化算法的侵犯性驾驶行为异常点检测

如何有效地检测侵犯性驾驶行为异常数据,避免它们对后续建模分析产生不利影响是研究的焦点。在综述侵犯性驾驶行为研究现状基础上,借助驾驶模拟仿真实验系统和Ergo LAB人因系统进行侵犯性驾驶实验;并通过不同传感器获取了驾驶行为人车环境高维数据,最后采用优化的K-means聚类算法对该高维数据进行聚类和异常值检测。结果表明,最佳聚类数为2;并有效输出了异常点检测结果,为下一步的侵犯性驾驶行为定量分析提供了优质的数据保证。     

跟驰中的驾驶人自稳定控制及网联辅助驾驶策略

为探究交通状态及演化趋势在驾驶人自稳定控制(SSC)中的作用，提出了考虑驾驶人交通态势估计的自稳定跟驰模型.首先，基于SHAP解释模型和不同交通状态下速度差敏感性系数分布差异，解析了前方交通状态对驾驶行为的重要作用以及在驾驶人自稳定控制中的影响机制.其次，在全速度差模型(FVDM)中引入表征驾驶人对前方交通态势感知与估计的参数，提出了一种改进的自稳定全速度差模型(SS-FVDM).然后，对原始和改进后的模型进行了参数标定和对比验证.最后，为弥补SSC的局限性，开发了一种新的网联辅助驾驶策略来实现SSC效果的稳固和进一步提升，并基于线性稳定分析理论，推导了模型的稳定性条件.结果表明：相比于FVDM,SS-FVDM具有更大的稳定区间和更高的拟合精度，并能够很好地捕捉驾驶人在自稳定控制下的松弛行为特征.此外，基于SSC所开发的网联辅助驾驶策略能够更大程度地提升交通流稳定性.     

音乐对草原公路驾驶疲劳恢复的有效性

音乐调节在疲劳恢复领域应用广泛,为了解决草原公路因单调驾驶环境造成的驾驶疲劳的恢复问题,提出了音乐调节的恢复方式,对草原公路驾驶疲劳的恢复情况进行有效性探究。通过草原公路模拟驾驶实验,将20名驾驶人随机分为两组,分别进行自然恢复和音乐环境下的驾驶疲劳恢复实验,并采集驾驶人静测、驾驶作业过程中和疲劳恢复期的脑电信号,分析不同恢复方式下驾驶人脑电信号的变化规律,探究音乐对草原公路驾驶人疲劳恢复的有效性。实验结果表明：在本次实验中,驾驶人脑电信号的α波和θ波指标在驾驶疲劳恢复期内的反应最为敏感,利用这两项指标进行不同恢复方式下驾驶疲劳恢复期的差异性分析。草原公路模拟驾驶实验180min后,在30min的疲劳恢复期内,音乐调节组驾驶人的恢复时间为12～15min,自然恢复组驾驶人的疲劳恢复时间为27～30min。