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。     

基于自然驾驶数据的分心状态特征分析与跟驰行为建模

基于行为特征对分心跟驰行为进行分类和建模,根据模型标定的方法探究不同状态下跟驰模型的适应性。首先从持续开展3年有余的上海自然驾驶数据中提取了大量分心跟驰样本,基于驾驶行为刺激反应框架对分心状态特征进行了初步分类,得到了5类分心跟驰行为;其次分析了现有4类经典跟驰模型（GHR、GIPPS、IDM和Wiedemann）对分心跟驰行为的适应性,同时根据五折交叉验证适应性结果对分心跟驰行为分类进一步优化,最终得到3类分心跟驰行为（麻木反应、过激反应和延迟反应）;最后探讨了分心状态下的2种跟驰行为建模策略（AIDM和TDIDM）。结果表明,对IDM模型进行合理标定即可较准确地描述不同类型的分心跟驰行为。     

基于车辆横向运行数据的遗传-支持向量机算法的分心驾驶状态判别模型

分心状态是造成交通事故的重要原因。当前侵入式与半侵入式检测多被应用于分心驾驶识别，此方法会对驾驶任务产生一定干扰，且成本相对较高。对此提出一种低成本的基于车辆横向运行数据的分心驾驶状态判别方法：实验选取手机通话作为分心影响因素，设计了正常驾驶、免提通话、手提通话三个维度。首先，基于驾驶模拟器采集的数据，对正常与分心状态下的车辆运行指标进行Man Whitney U检验，从时域及频域中提取出与分心驾驶显著相关的车辆横向控制指标；其次，构建支持向量机（support vector machine，SVM）分心状态判别模型，将径向基函数作为SVM的核函数，使用网格搜索算法（grid search algorithm，GSA）、粒子群算法（particle swarm optimization，PSO）及遗传算法（genetic algorithm，GA）对SVM模型参数进行优化；最后，对比GSA-SVM、PSO-SVM与GA-SVM分心判别模型的分类效果，并运用ROC曲线对模型性能进行评估。研究结果表明：GA-SVM分心判别模型的最优交叉验证率、准确率及F_1值分别为87.9%、91.9%、94.05%，高于GSA-SVM（86.2%、87.2%、90.35%）与PSO-SVM（87.9%、91.2%、93.46%）；GA-SVM判别模型ROC曲线接近于（0，1）坐标，其AUC值为93.53%。所提出的GA-SVM分心判别模型获得了较好的分类效果，故认为此模型适合作为低成本条件下基于车辆横向控制的分心驾驶状态判别模型。     

基于信息负荷的城市地下道路视觉环境影响车辆运行特征机理分析

计算不同道路环境下驾驶员所获得的视觉信息负荷,解析导致车辆在不同道路环境下存在运行特征差异的机理,提高地下道路技术设计和运营管理水平.应用实车试验技术获取地上和地下道路环境中车辆运行特征数据和视觉环境资料,进行不同道路环境系统中车辆运行特征和驾驶员视觉信息负荷的对比研究,分析视觉信息负荷对车头间距和运行车速等车辆运行特征的影响规律.在此基础上深入研究了地下道路视觉环境影响驾驶员视觉信息负荷的机理.最后通过模拟驾驶技术提出了完善和提高地下道路视觉环境交通安全性的技术措施.     

基于注视行为特性的驾驶人分心负荷评估

为了评估驾驶人操作手机的各种行为对行车安全的影响，组织19名驾驶人佩戴眼动仪开展室内模拟驾驶试验，分别采集城市快速路自由流和拥挤流2种典型交通状况下驾驶人进行正常驾驶、免提通话、语音短信3种操作时的注视数据。采用层次聚类法结合机械划分的方式，将驾驶人的视野平面划分为6个视觉兴趣区域；利用描述统计和方差分析法建立了衡量注视行为特性的敏感性指标集(注视区域信息熵、注视持续时间、垂直方向注视偏差、瞳孔面积变异系数)；最后采用熵权法构建4项指标的权重体系，提出了分心负荷指数的概念，并引入TOPSIS法验证了分心负荷指数对分心程度的评估效果。结果表明:进行免提通话操作时驾驶人多处于认知分心状态，语音短信操作时多处于视觉分心状态；相较于正常驾驶，除了自由流场景中进行免提通话操作时分心负荷差异甚微以外，其余手机操作均对驾驶人注视行为产生显著影响，致使分心负荷指数普遍升高，且在拥挤流场景中，执行语音短信操作时分心负荷激增，驾驶风险远高于免提通话。     

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.     

基于驾驶行为识别的车载交通信息数据实时发布系统研究

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。     

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。     

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。     

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.     

网联混合车流车辆换道博弈行为及模型

车联网环境中,交通系统将长期呈现智能网联汽车和传统人工驾驶车辆混合共存的状况.针对智能网联交通环境下的新型混合车流,建立了车辆的换道行为决策模型.对于混合车辆交通流引入最小安全区域模型,自主车辆交通流基于博弈论的思想进行建模.自主车辆之间的换道被看作为1种非合作博弈行为,车辆以自身行驶状态为博弈收益,寻求行驶条件更优的车道.运用SUMO软件对提出的换道模型进行仿真验证分析.仿真结果表明,博弈换道模型相比于传统间隙阈值接受模型具有较高的车道利用率和安全稳定性.     

城市环境下无人驾驶车辆驾驶规则获取及决策算法

城市道路多源信息环境下换道行为决策是无人驾驶车辆实现实际道路行驶的关键技术之一.为提取复杂动态环境下驾驶员的换道决策规则,利用PreScan软件搭建虚拟城市道路环境,基于Simulink建立6自由度车辆动力学模型,采用粗糙集提取驾驶员换道行为决策规则.结果表明本车与当前车道车辆的相对速度维持在4~7 m/s、相邻车道空间距离在20~35 m时驾驶员就会进行换道决策.研究结果可以为无人驾驶车辆在线机器学习提供规则知识库,并为进一步深入研究换道行为不确定决策提供理论基础.      

基于效用理论的车辆换道交互行为及决策模型

研究分析道路交通环境下的车辆换道交互行为,客观反映车辆微观行为特性及宏观车流运行规律。通过分析车辆换道微观驾驶行为,构建Logit模型定量分析驾驶人换道行为决策过程,基于“效用理论”思想,实现驾驶人决策效用最大化。选取青岛市杭鞍快速路实际交通流为研究背景,标定模型相关参数;进一步仿真验证了分层Logit模型的准确性。研究成果可为智能网联交通环境下的车车交互、车路协同和自动驾驶系统提供理论支撑和方法依据。     

The surrounding vehicles behavior prediction for intelligent vehicles based on Att-BiLSTM

A surrounding vehicles behavior prediction method was presented for intelligent vehicles. The surrounding vehicles’ behavior is hard to predict since the significant uncertainty of vehicle driving and environmental changes. This method adopts bidirectional long short-term memory (BiLSTM) model combined with an encoder to ensure the memory of long-time series training. By constructing an attention mechanism based on BiLSTM, we consider the importance of different information which could guarantee the encoder’s memory under long sequence. The designed attention-bidirectional LSTM (Att-BiLSTM) model is adopted to ensure the surrounding vehicles’ prediction accuracy and effectiveness.     

不同年龄段人群驾驶分心时的视觉特性分析

针对驾驶过程中浏览车载信息系统次任务时引发的驾驶分心问题，研究聚焦不同年龄段驾驶员的视觉注意资源分配策略，分析在动态视觉信息源的刺激下发生驾驶分心时的视觉行为表征。通过视觉搜索的实验方法，模拟驾驶过程中驾驶员浏览车载信息系统次任务的视觉行为过程，并分别测量了横向和纵向两种车载中控屏摆放方式下的参试者视觉特性数据与搜索绩效数据。通过分析驾驶员浏览车载信息系统次任务时视觉注意资源的分散程度，以衡量其在行程中的驾驶分心程度，在此基础上提出有益于缓解驾驶分心行为的车载中控屏视觉区域。实验结果显示:(1)横向中控屏测试中，参试者在上部区域的平均视觉搜索反应时长为641.92 ms，眼动数据显示，注视点集中分布于上部区域。(2)纵向中控屏测试中，参试者在下部区域的平均视觉搜索反应时长为751.75 ms，眼动数据显示，注视点集中分布于右侧区域。(3)年龄在59~68岁这个范围的老年参试者在执行模拟浏览车载信息系统次任务时的视觉搜索反应时长更长，平均为11639.57 ms，注视点分布更分散。可知，在横向中控屏的上部区域与纵向中控屏的下部区域的反应时间更长，在横向中控屏的上部区域与纵向中控屏的右侧区域交叉的占用的注视资源更多。研究表明，在动态视觉信息源的刺激下老年参试者与静态信息源刺激差异较为明显，且横向运动的信息源更容易被参试者捕捉，所占用的视觉资源少，不易引发驾驶分心行为。     

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。     

基于反向双目识别的驾驶员分心检测

为检测分心驾驶状态,研究了基于反向双目的驾驶状态检测方法。首先,根据Hough算法进行车道线检测和识别,计算车辆偏航率;同时采用多点透视算法对驾驶员头部姿态进行估计;然后建立基于高斯隶属度函数模糊判断规则,根据车辆偏航率与驾驶员头部姿态对驾驶员驾驶状态进行识别。最后,采用所建立的驾驶员驾驶状态识别模型,对车道保持、换道行驶及分心行驶三种不同驾驶状态进行测试。结果表明,建立的驾驶员驾驶状态识别模型对上述三种状态检测准确率分别为99.0%、86.7%、80.8%。     

无人驾驶车辆智能水平等级划分

 国内外无人驾驶车辆迅速兴起,为加快无人驾驶车辆关键技术研究,进行无人驾驶车辆智能水平等级划分成为首要任务。本文以无人驾驶车辆、任务、环境三者构成的复杂交互系统为研究对象,开展无人驾驶车辆智能水平评价研究。建立了由环境复杂度、人工干预程度、任务复杂度组成的无人驾驶车辆评测模型,并根据环境复杂度、人工干预程度、任务复杂度分别对无人驾驶车辆进行5个等级划分;最后根据无人驾驶车辆行驶的环境复杂度、人工干预的程度、执行任务的复杂度及行驶质量,对无人驾驶车辆智能水平进行了10个等级划分。     

山区高速公路紧急避险车道辅助车道设置

通过对8处紧急避险车道主线外侧车道车头时距的收集与分析,运用拟合分析和卡方检验,发现当外侧车道交通流小于500veh·h-1时,车头时距符合负指数分布.考虑主线外侧车道交通流量、失控车辆的速度与失控车辆汇入的临界间隙,应用微分法求导得到失控车辆汇入主线外侧车道的汇入概率模型.通过分析失控车辆汇入主线外侧车道的换车道驾驶行为,得到了不同路面状况下车辆汇入临界间隙.在保证失控车辆95%的汇入成功率条件下,计算不同路面状况、主线外侧交通流量与驶入速度下的辅助车道长度设置值.