道路交通碰撞事故致因建模与影响因素试验分析

为了分析交通情境与驾驶人因素导致道路交通碰撞事故的原因,采用智能群体建模、鱼骨图方法与试验测试相结合的方式,剖析了道路交通碰撞事故的致因及影响因素的显著性.模型分析结果表明,碰撞事故的致因取决于驾驶人对于交通情境危险信息及时准确的感知以及个体间的相对运动速度.交通情境中的危险识别率和发现时间百分位与危险的类别、交通情境的特点以及驾驶人的经验密切相关.潜在危险与实际危险在识别率与发现时间百分位上存在显著差异;动态危险的发现时间百分位小于静态危险;相比非熟练驾驶人,熟练驾驶人能够发现更多的危险信息,更快速地发现危险,并且对于交通情境的演变预测与判别更准确,具有更高的自信程度.     

驾驶人危险感知影响因素建模与试验

为了分析驾驶人危险感知的影响因素,对驾驶人危险感知的影响因素进行演绎推理与试验分析。采用事故树分析建模与试验测试相结合的方式,剖析了驾驶人危险感知的影响因素并验证了影响因素的有效性。研究结果表明:驾驶人危险感知的影响因素来自于2个方面,一是危险与背景交通情境的特征,二是驾驶人的视觉搜索效率与认知水平;潜在危险与实际危险在识别率、发现速度和注视时间上有显著性差异(p0.01);动态危险的发现速度高于静态危险(p0.01)且受到的注视时间更长(p0.01);熟练驾驶人相比非熟练驾驶人能够发现更多的危险信息(p0.01),能够更加快速地发现危险(p0.01),对危险的注视时间更长(p0.01);熟练驾驶人对于交通情境的演变预测与判别更准确(p0.01),并具有更高的自信程度(p0.01)。     

驾驶人危险感知建模与实验解析

为了量化驾驶人群体危险感知的差异性并指出差异性的原因所在,对驾驶人危险感知进行建模与实验测试分析.借鉴污染环境下生物种群生存这一自然现象,构建了驾驶人危险感知模型,通过实验测试了驾驶人在不同交通场景的危险识别时间与反应时间.模型分析与实验结果表明,驾驶人危险感知阈限值与交通情境危险输入的速率负相关,与驾驶人正确反应率和危险识别率正相关.不同危险程度的交通场景对驾驶人危险感知的总反应时间和识别时间具有显著影响(p<0.001);驾驶经验对驾驶人危险识别时间没有显著影响(p=0.080),但是对危险的反应时间具有显著影响(p=0.003).熟练驾驶人相比非熟练驾驶人具有较高的危险感知水平,这种差异性主要体现在熟练驾驶人能够更快速准确地预测评估交通情境中的危险并进行合理判断.     

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%。研究结果能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。     

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。     

虚拟城市道路场景中的驾驶人应激感知反应时间特性

为了分析城市道路环境中驾驶人应激感知时间的影响因素,基于虚拟现实技术搭建了模拟驾驶平台。利用眼动仪对28名被试驾驶人进行了多种场景下的应激反应试验,获取了驾驶人在不同应激场景下的危险感知时间,并对驾驶人的危险感知时间进行了分析。结果表明:驾驶经验丰富的驾驶人应激感知时间要小于其他驾驶人,而中青年驾驶人的应激感知速度要快于其他年龄的驾驶人;随着车速的提高,驾驶人的应激感知时间相应的增加,且两者之间呈现较强的指数关系;基于驾驶经验、驾驶人年龄和车速,采用对数函数建立的驾驶人应激感知时间预测模型具有较高的精度,被试驾驶人实测感知时间落入到预测区间的比例达到96.2%。     

驾驶人纵侧向驾驶能力评价方法研究

为合理分配智能汽车人机协同共驾驾驶权,提高智能车辆的驾乘安全性和舒适性,本文提出驾驶人纵侧向驾驶能力的概念及其评价方法.对驾驶人的驾驶能力进行了定义和分析,并在此基础上设计了纵向跟车激励工况和侧向移动双移线激励工况,在搭建的驾驶人在环智能仿真平台上进行数据采集.建立了基于Hammerstein辨识过程的驾驶能力辨识模型,采用主成分分析法对驾驶能力辨识模型中的关键参数进行解耦和降维处理;通过客观蚁群聚类和主观量表分析相结合的分类方式,实现驾驶能力的分类;通过多元线性回归分析得到驾驶能力评价方程.结果表明,纵侧向驾驶能力辨识模型平均辨识及拟合精度均大于90%,经主成分分析及主客观分类处理后的纵侧向驾驶能力评价方程满足统计检验指标,具有良好的拟合及预测结果.      

低能见度下驾驶人安全驾驶量表效信度分析

为了检验低能见度条件下驾驶人安全驾驶量表的信度效度,应用实地调查和网络调查方法对314名驾驶员进行测试,将所得数据进行因素分析和信效度的检验。结果表明,1安全驾驶量表由驾驶人行为量表和驾驶能力量表两个部分组成,共包含28个题项,由违规行为、错误行为、失误行为、技术性驾驶能力以及危险感知能力等5个因素构成;2总量表的内部一致性系数达到0.82,并且两分量表内部一致性系数分别为0.88和0.95,具有较好的稳定性;3年龄与违规行为得分呈负相关(r=-0.12);驾龄与错误行为得分呈负相关(r=-0.13),但与技术性驾驶能力及危险感知能力得分呈正相关(r=0.21、r=0.15);年平均行驶里程与技术性驾驶能力和危险感知能力得分呈正相关(r=0.13、r=0.14);2015年总扣分与违规行为和失误行为得分呈正相关(r=0.16、r=0.14),与危险感知能力得分呈负相关(r=-0.12);驾驶员是否在低能见度条件下发生过交通事故则分别与违规行为、错误行为以及失误行为得分呈正相关(r=0.31、r=0.14、r=0.19);最低能见度范围对驾驶人的影响主要集中在违规行为、技术性驾驶能力以及危险感知能力。该量表较为完整地反映了驾驶员行驶在低能见度环境中的安全驾驶行为,并具有良好的信度及效度,同时也更加符合中国的交通规则及文化特征,可以为后续研究中国驾驶人低能见度安全驾驶提供可靠的度量基础。     

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。     

跟驰行为对道路通行能力的影响分析

驾驶人的驾驶经验差异不仅导致跟驰行为的差异,也对道路通行能力产生影响。将试验车采集的跟驰数据按非专业、专业驾驶人和二车道、三车道车道数分为四类,将观测数据按相关公式转换成所需数据。从数据的速度分布情况发现车道数的增加削弱了两类驾驶人的差异,对两种车道数情况下的车辆间距进行双样本K-S检验发现两类驾驶人的车辆间距在0.05水平下具有显著差异,进一步提出基于速度的驾驶人修正因子f并标定。得出以下结论:基于速度的驾驶人修正因子可以有效的将计算得到的道路通行能力进行合理修正;车道数相同情况下,驾驶人的驾驶经验与影响通行能力的程度成负相关,但车道数的增加会增加驾驶经验的影响程度。     

基于驾驶员视觉特性的草原公路平曲线半径研究

驾驶员在行车过程中主要依靠视觉获取相关的道路交通信息。基于草原公路特殊的线形特点,通过在草原公路进行实驾试验,利用眼动仪采集驾驶员眼动指标。分别提取各驾驶员在不同半径平曲线路段行车时的试验数据,探讨驾驶员在草原公路平曲线段行车过程中的眼动规律,分析驾驶员的眼动特性与道路平曲线半径之间的关系。得到平曲线半径对驾驶员的注视持续时间和扫视幅度的影响非常显著,对眨眼持续时间的影响较为显著。驾驶员在小半径曲线行车时,注意力高度集中,紧张感较强;在大半径平曲线行车时,行车感较为舒适,心理较为放松的特点。建议可以适当合理增加不同半径的平曲线来调节驾驶员的驾驶状态,缓解驾驶疲劳。     

基于驾驶行为的夜间山区作业路段安全距离研究

山区公路养护作业多数边通车边作业,为了减少养护作业对道路交通的影响,作业工作常常在夜间进行。为了提高夜间道路交通的安全性,以夜间作业区环境影响驾驶员视觉特性理论分析为基础,应用眼动仪等科学仪器,实地采集驾驶员夜间行车速度、视距和驾驶员的心生理反应等数据,分析夜间驾驶员明适应时间与车速的相互关系,不同年龄驾驶员的暗适应时间的变化规律,得到了速度与安全距离的关系模型,最终确定了基于“黑洞效应”的夜间安全行驶距离值,为解决夜间交通安全事故多发提出来一种思路。     

车与两轮车事故中驾驶员转向行为影响因素研究

为研究车与两轮车事故中驾驶员转向行为的影响因素,本文对172例车与两轮车真实案例进行统计分析,从中挑选出65例车辆具有驾驶转向行为的事故案例,并利用PC-CRASH对其进行事故再现仿真。运用Logistic回归模型对事故数据进行分析,得到驾驶员转向行为的显著性影响因素,最后利用拟合优度检验法和预测准确度检验法验证了模型的可靠性,置信度为95%时,模型的回判正确率为87.7%,具有良好的预测效果。结果表明：在车与两轮车事故中车流量、两者相对距离以及本车速度对驾驶员转向行为影响显著性较高,发生比依次为0.049、0.036、0.025,在车辆横向辅助驾驶系统开发及转向策略确定时应作为重点考虑因素,本研究可为汽车自动驾驶、紧急转向系统等汽车主动安全技术的研发提供参考价值。     

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。     

基于结构方程模型的公交驾驶员负性情绪驾驶下工作状态的影响因素分析

为减少公交驾驶员负性情绪下消极驾驶造成的交通事故,基于结构方程理论,选取了工作环境、个人属性、心理特性、综合压力以及感知水平5个指标,构建了影响公交驾驶员负性情绪驾驶下工作状态的结构方程模型,并定量分析了各影响因素之间的关系以及对驾驶员工作状态的作用大小.结果表明:工作环境、个人属性、心理特性以及感知水平对驾驶员负性情绪驾驶下的工作状态具有正向影响,综合压力具有反向影响,其中工作环境的总影响效应最大(0.97).     

考虑驾驶员行为特性的行车安全仿真试验

为了分析驾驶员行为特性对行车安全的影响状况,首先建立了基于MATLAB/Simulink和ADAMS联合仿真的人—车—路闭环系统,通过不同车速下的双移线和蛇形线的闭环仿真试验验证了该系统的有效性。此外,在综合国内外学者研究成果的基础上,综合驾驶员的生理、心理特性和疲劳程度将驾驶员的驾驶特性分为12类,并确定相应类型驾驶特性的表征参数。选取某省道设计方案的部分路段为试验路段,对不同类型驾驶员在弯道上的行车安全以及不同疲劳程度的驾驶员在恶劣天气下的行车安全进行正交试验设计,基于人—车—路闭环系统开展虚拟行车仿真试验。试验数据的极差和方差分析结果显示,驾驶员疲劳程度对行车安全状况影响显著,在雨天与冰雪等恶劣天气下行驶时车速是影响行车安全的决定性因素。     

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。     

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.