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。     

基于呼吸信号的驾驶员疲劳状态实时监测系统

针对疲劳驾驶导致交通事故多发，提出一种三维疲劳评定方法用于确定驾驶员的真实疲劳状态，利用经验模态分解、信号重构等信号分析技术提取呼吸信号的周期、周期标准差、幅值、幅值标准差和哈欠频繁次数等作为判定疲劳的特征参数。通过构建驾驶员疲劳状态监测系统和大量的模拟驾驶试验证明这些特征参数能够有效地反映疲劳状态，为该系统现场实际应用奠定了基础，对于减少因疲劳驾驶造成的交通事故具有重要的应用价值。     

非接触式车载疲劳驾驶实时报警系统

疲劳驾驶是行车交通事故的主要原因之一。本项目是为了研制一种嵌入式实时驾驶员疲劳报警系统。该装置实时跟踪驾驶员的驾驶状态，获取其眨眼频率和持续驾驶时间等数据，用以判断驾驶员是否疲劳或是否集中注意力。一旦驾驶员出现疲劳状态或者注意力不集中的情况，该装置将给出声光报警和语音提示。     

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%。     

基于迁移学习和AlexNet的驾驶员行为状态识别方法

为了解决传统基于神经网络算法的驾驶员行为状态识别系统精度过于依赖大量训练样本的问题,本文提出将迁移学习理论和AlexNet引入到驾驶员行为状态的识别研究中。首先对驾驶员行为特征及状态进行深入分析,对驾驶员7种驾驶状态进行了定义,构建了驾驶员状态信息采集系统;然后对基于卷积神经网络的驾驶员状态识别方法研究,建立了驾驶员状态数据集,构建了基于AlexNet卷积神经网络的状态监测系统,通过迁移学习完成了卷积神经网络识别模型。最后通过实验验证了本文提出的驾驶员状态识别算法对7种驾驶员状态识别的有效性。实验表明：该系统准确率达到97.8%,且在实验设备中运行速度达到70帧/分钟,满足较高的准确率要求与实时性要求。     

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.     

基于模糊多目标决策的驾驶员反应状态辨识

为了使安全车距模型中的预警算法适应驾驶员的个体驾驶特性,提出了一种基于模糊多目标决策的驾驶员反应状态辨识方法。首先,对驾驶员进行离线测试,确定出驾驶员的驾驶倾向力度,进而确定出驾驶员的静态反应时间;然后利用模糊数学方法将影响驾驶员反应状态的因素进行分类,利用综合加权层次分析法对驾驶员反应状态进行综合评估。根据评估结果利用反应时间修正公式对驾驶员的静态反应时间进行修正;最后对没有考虑驾驶员因素、考虑驾驶风格和考虑驾驶员反应状态三种情况下,Berkeley模型所作出的预警距离进行了仿真对比。仿真结果表明,在综合考虑驾驶员反应状态后所确定的安全车距更能满足驾驶员的个体需求,能够在一定程度上提高安全车距模型的准确性。     

基于人眼识别的防疲劳驾驶系统设计与研究

为了避免日常生活中因疲劳造成的交通事故, 利用人眼图像识别技术对驾驶进行疲劳监测。设计并提出了一套基于图像信息判断驾驶员疲劳状态的流程。首先使用Viola-Jones 算法, 在图像中直接进行人眼定位,再对人眼图像进行处理, 得到人眼长宽比值Q, 最后建立了Q 值和疲劳状态的关联模型。实验证明, 该定位方 式比传统方式检测速度提高了50%以上, 同时能适应头部不同姿态; 建立的“眼部相对长宽比-睁眼程度冶模型具有良好的线性。模拟实际驾驶环境进行测试结果表明, 监测系统能适应不同受试者并在1 s 内对疲劳状态的驾驶员发出警报, 在防疲劳安全驾驶领域有一定的应用前景。     

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。     

基于决策树模型的汽车驾驶倾向性判定方法

驾驶倾向性反映了驾驶员在车辆操作和运动过程中表现出的心理情感状态,对交通安全极为重要,准确地确定驾驶倾向性是研究驾驶员行为的难点.从研究驾驶员生理-心理特性的角度出发,利用决策树能融知识表示与获取于一身的优点,将决策树用于驾驶员驾驶倾向性的研究,实现了对驾驶员行为的模拟再现.仿真结果表明,该方法用于驾驶员驾驶倾向性的研究是可行的.     

Genetic-fuzzy HEV control strategy based on driving cycle recognition

A genetic-fuzzy HEV control strategy based on driving cycle recognition (DCR) was built. Six driving cycles were selected to represent different traffic conditions e.g. freeway, urban, suburb. A neural algorithm was used for traffic condition recognition based on ten parameters of each driving cycle. The DCR was utilized for optimization of the HEV control parameters using a genetic-fuzzy approach. A fuzzy logic controller (FLC) was designed to be intelligent to manage the engine to work in the vicinity of its optimal condition. The fuzzy membership function parameters were optimized using the genetic algorithm (GA) for each driving cycle. The result is that the DCR_fuzzy controller can reduce the fuel consumption by 1.9%, higher than only CYC_HWFET optimized fuzzy (0.2%) or CYC_WVUSUB optimized fuzzy (0.7%). The DCR_fuzzy method can get the better result than only optimizing one cycle on the complex real traffic conditions.     

考虑前方交通状态的交通流格子模型与数值模拟

考虑前方交通状态对驾驶行为的影响,提出了新的交通流格子模型.通过线性稳定性和非线性分析,获得了改进模型的中性稳定性条件和mKdv方程密度波解.理论分析和数值模拟表明,驾驶员通过关注前方交通状态,选择平稳的驾驶行为,减少不必要的加减速行为,保证车辆的平稳运行,从而进一步改善交通,增强交通流的稳定性.     

改进的城市公交循环工况开发方法

提出了一种改进城市公交循环工况的开发方法.根据车流量在主要商业区、工业区与居民区之间选择测试线路进行数据采集,以公交各站点间的行程作为短行程,根据工况时间比例由短行程构建城市公交循环工况,用参数均值方差选择典型城市公交循环工况.以大连城市公交为例,验证了改进的城市公交循环工况开发方法的有效性,以及应用该方法合成的大连城市公交循环工况的真实性.为开发适合城市公交特点的电动汽车,及其污染物排放量和燃油消耗量的测量提供了设计依据.     

基于视觉的目标姿态估计算法

驾驶员头部姿态在一定程度上反映驾驶员的意图。为了避免由驾驶员主观因素造成交通事故,基于计算机视觉的动态头部姿态估计算法,首先检测视频中的正面人脸,以此为基准,利用SIFT算法对视频序列中人脸特征进行匹配与跟踪,计算不同视角下的头部姿态角度,再通过记录不同姿态角度保持的时间来判别驾驶员的行为意识,从而给驾驶员警示,进而避免交通事故。实验表明,该系统可以精确估算驾驶员头部姿态,提高驾驶安全性。     

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.     

冰雪条件下信号交叉口上游拥堵识别方法

为解决冰雪条件下的信号交叉口上游拥堵识别问题,提出基于研究临界消散车队长度值的拥堵识别方法. 该方法根据汽车行驶理论与拥堵区间车辆行驶特点,将拥堵临界车辆的行车过程分为加速、匀速和减速过程,通过分析的拥堵排队车辆通过交叉口的过程,建立不同冰雪路面信号交叉口拥堵识别模型. 通过不同条件下相关参数标定,计算上游路段拥堵临界位置. 利用哈尔滨市区一个交叉口的实际调查数据进行验证,证明该模型能很好与实际相契合.     

车载即时测健康防酒驾智能检测器的设计

本文从实际角度针对醉酒驾驶和现今交警普遍使用的手持式酒精测试仪,结合汽车的特点,设计出这款"醉酒驾驶限制器",通过检测酒精浓度和驾驶员心率,综合实现对点火系统的实时控制,避免因单一因素监测造成的片面性,有效地防止醉酒驾驶,提高监测的可信度和高可靠性.同时该装置具有设计小、功能强大、灵敏度高、功耗低、便于安装等优点.     

基于跟驰模型的雾天安全限速研究

为准确描述雾天交通流特性,挖掘交通流速度以及交通状态的关系,本文通过对不同气质的驾驶人在不同能见度下的驾驶行为进行问卷调查,分析雾天驾驶人的驾驶心理特性,在NaSch模型中引入加速概率,改变以往加速过程中的贪婪机制,构建考虑雾天驾驶心理的道路交通流模型。通过数值模拟,得到不同能见度水平下车流密度、车头间距、速度以及排队长度的变化趋势,并利用主成分分析法构建交通运行水平模型,为高速公路雾天不同能见度下选择合适的限速值和行车间距建议值提供辅助决策。     

不利气象对高速公路运营安全影响及对策

作为道路环境的组成部分,气象条件与行车安全之间有着密切的联系,恶劣气象条件所引发高速公路的交通事故往往比其他原因引发的交通事故要严重,本文首先对影响交通安全的不良气象进行分类,分析几种灾害性天气影响交通安全的机理,积极探索高速公路应对不利气象条件的防治措施和途径,改善交通现状。     

机非混行交叉口交通管理控制方法研究

本文首先分析了机非混行交叉中交通参与者行人、非机动车、机动车三者的交通特性,其次,通过研究常用的交通管理控制措施,从交通性、安全性以及环境要求等三方面,对其进行了机非混行条件下的适用性分析,认为有必要建立一种同时考虑机动车、非机动车、行人、道路、环境等五个方面的利益的交通管理控制模型,由此建立了基于效益最大化的机非混行交叉口交通管理控制模型。并研究了其适用性。