快速城镇化背景下的驾驶风格多样性分析

快速城镇化造成的交通拥堵、交通安全、交通环境等问题日益突出,从交通参与者个体的特性出发,分析驾驶风格多样性,从而建立"以人为本"的智能交通系统,是充分开发利用现有道路交通资源的有效途径。然而,驾驶风格难以检测和量化,这导致个体特征与系统性的计算难以进一步融合。该文通过实验车采集了16位驾驶员在实际道路上的驾驶行为数据,利用主题模型挖掘驾驶行为中的隐含主题,将数据结构由"驾驶风格—驾驶行为数据"转化为"驾驶风格—驾驶状态—驾驶行为数据"结构,发现了驾驶风格结构化信息,能够为建立更为有效的智能交通系统提供科学依据与理论支持。通过分析相关性,证实了模型重构数据与原数据有较好的一致性,验证了模型进行驾驶风格多样性分析的可行性。     

侧风作用下货车驾驶员反应行为模型

为建立侧风作用下驾驶员反应行为模型,基于8自由度驾驶模拟器,构建了风-车-桥耦合作用下大跨桥梁驾驶模拟平台。招募了32名职业货车驾驶员进行了侧风作用下驾驶模拟实验,采集了驾驶员行为及车辆动态响应数据,通过相关性分析选取了关键因素,建立了侧风作用下两阶段驾驶员反应行为模型。研究结果表明:方向盘反馈力矩是影响侧风作用下驾驶员反应行为的关键因素之一;考虑方向盘反馈力矩在内的两阶段模型能够较好的反映侧风作用下驾驶员的反应行为。     

基于元胞自动机的绿色驾驶行为特征仿真

绿色驾驶是可以使驾驶人在驾驶过程中节油减排的一系列驾驶措施。为了研究绿色驾驶的行为特征,建立了多车道元胞自动机模型进行仿真,并以北京北三环某路段作为仿真场景对模型进行标定和验证。利用该仿真模型,研究纵向驾驶行为和横向驾驶行为对交通运行、能源消耗以及尾气排放产生的影响。构建了绿色驾驶行为判别标准,并通过预测得到绿色驾驶行为特征。研究发现,缓慢加速、保持车速稳定、将车速保持在合理区间以及保持较大的安全间距是符合中国道路特性的绿色驾驶行为。     

基于车辆轨迹数据的急减速驾驶行为判定方法

目前很多研究使用车辆轨迹数据来识别急减速驾驶行为,但目前使用的固定阈值方法无法对不同驾驶场景做出区分且缺乏建模分析。本文基于车辆跟驰模型,提出了一种包含多种驾驶场景的急减速驾驶行为判断方法,该方法考虑照明条件、天气、道路车速等参数,解决了现有方法中缺乏场景分类的问题。使用聚类算法区分历史数据中的急减速驾驶行为,提取实际阈值并与模型结果进行比较,对该方法的准确性进行验证。结果表明,与现有方法相比,所建立的模型对不同种类驾驶场景的适应性较好,识别准确率较高。由此证明利用该模型可以更好地实现基于轨迹数据的车辆急减速行为识别,从而为驾驶安全研究打下基础。     

基于注意力机制及分层网络的危险驾驶行为预测方法

基于自然驾驶实验,获取“人-车-环境”多维驾驶行为数据,经过数据清洗与筛选构建危险驾驶行为标准数据库。采用显著性分析对指标进行筛选,并构建八维度的危险驾驶行为预测指标集。以神经网络为第一层,以基于注意力机制的长短期记忆（LSTM）网络为第二层,建立危险驾驶行为预测双层时序模型。结果表明：该模型能有效提升预测准确率（10%）;分层结构和注意力机制对预测准确率有较好的提升作用,分别为5%和3%。     

混合交通环境下逼近最优换道策略的 无人车驾驶模型

针对无人车在现实交通流中的驾驶行为以及车辆间相互影响机制还不明确的现状,提出逼近最优换道策略的无人车驾驶模型.结合无人车周围的交通环境,引入驾驶行为指标体系,利用层次分析法测算指标权值.基于欧氏距离与灰色关联分析的Topsis(Technique for Order Preference by similarity to an Ideal Solution)法建立驾驶行为决策模型来计算换道最优逼近值,代替随机换道策略驾驶模型中的随机概率值;建立逼近最优换道策略的无人车驾驶模型,利用美国洲际5号公路的实际交通数据对新模型进行数值仿真.结果表明:逼近最优换道策略的无人车驾驶模型明显优于随机换道的无人车驾驶模型,能够改善交通拥堵状况,提高整个道路车辆的行驶速度.     

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.     

基于证据理论的驾驶行为险态识别方法

针对驾驶过程中危险性驾驶行为状态的有效辨识问题,基于证据理论提出一套系统的驾驶行为险态辨识方法.在设定的显著性水平下,采用因子方差分析法,从驾驶行为状态因子中提取若干因子构建驾驶行为险态辨识特征集.在此基础上,分别采用贝叶斯模型、FCM模型、神经网络模型,构建3类驾驶行为险态辨识器,实现驾驶行为危险状态辨识.针对3类辨识器辨识结果的差异性,采用D-S证据理论,对3类模型的辨识结果予以融合,实现了驾驶行为状态危险等级的融合识别.最后结合实例予以试算,结果表明,对于危险性驾驶行为状态的误判率为1.73%,方法具有可行性.     

基于二次Lasso回归的纵向驾驶员模型研究

为了更好地模拟实际驾驶员行为，提出基于二次回归和 Lasso回归方法的纵向驾 驶员回归模型. 通过采集纵向驾驶行为数据，提取可能影响驾驶行为的状态参数，进而建立二 次回归驾驶员模型；面向多参数回归模型中的多重共线问题，采用Lasso回归方法进行状态参 数筛选；结合筛选数据建立二次回归驾驶员模型. 为了验证模型的有效性，与PI驾驶员模型和 一次 Lasso回归驾驶员模型进行仿真对比 . 仿真结果表明，相较于其他两种模型，所建立的驾 驶员模型具备良好的工况跟随效果，同时能较好地反映实际驾驶行为特征.     

基于数据驱动的城市地下快速路跟驰行为模型构建

为了揭示地下快速路交通流的运行特性,利用驾驶模拟器获得的高精度车辆轨迹数据,针对地下快速路提出一种基于数据驱动方法的车辆跟驰模型,并对该模型进行了标定与验证。首先,根据上海市北横通道东段场景模型进行驾驶模拟实验以获取车辆跟驰数据;其次,选择了采用支持向量回归（SVR）方法建立车辆跟驰模型,对模型改进并引入了驾驶行为约束条件;最后,利用实验数据对改进过的SVR车辆跟驰模型进行了标定与验证。结果表明,考虑驾驶行为约束的支持向量回归车辆跟驰模型能很好地描述地下快速路中的车辆跟驰行为;该模型具有一定的可移植性,在其他地下快速路上也有较高的精度。建立的车辆跟驰模型可以量化地分析地下快速路中跟驰车辆间的相互作用,为进行交通仿真和风险研究提供基础。     

交通流计算机微观仿真的一种随机模型

针对驾驶行为的不确定性，在对实验数据进行随机分析的基础上，通过研究驾驶员的心理——物理特性，构建了一个新的标定相对简单、且易于使用的车辆跟弛模型．     

机车司机视作业行为测试

对机车司机视作业行为进行考察是评估机车司机室人-机界面双方质量的一种方法。对我国铁路干线运行机车司机视作业行为进行了测试,从视线分配、仪表布置等几方面分析了我国机车司机视作业的基本规律。     

基于模糊逻辑的驾驶员路线选择行为分析

鉴于路线选择过程中驾驶员行为普遍存在的模糊性,基于模糊逻辑的分析方法,针对驾驶员的路线选择行为进行了研究。所建立的路线选择模型中,将驾驶员对路线行驶时间、距离以及安全性等指标的感知进行了模糊化处理,进而建立了解模糊化规则,并采用层次分析的推理方法对可选路线进行两两对比。在对比矩阵的基础上可计算路线各个性能的权重,进而得到路线被选择的概率。案例分析的结果表明,该模型能够有效解释驾驶员对路线的模糊感知,为驾驶员短期选择行为分析提供了一种新方法。     

驾驶员生理指标多层递阶自适应预测

采用多阶递阶模型进行驾驶员生理指标参数的预测研究,详细分析其建模预测方法,以心率指标作为驾驶员生理指标的关键参数,研究多阶递阶模型在驾驶员生理指标参数预测中的应用,并采用Matlab编程对模型求解.结果显示由于多阶递阶充分考虑到了驾驶员生理指标的时变特性和非线性特性,该模型能够很好地跟踪系统的变化趋势,因此其预测精度更高.     

基于径向基函数神经网络车辆跟驰模型

针对由于驾驶行为的不确定性,难以建立精确的车辆跟驰模型的问题,应用径向基函数神经网络建立了跟驰模型,改进了基于最近邻聚类的网络学习算法,并利用跟驰数据对模型进行了验证.结果表明,该网络模型与多层前馈网络模型相比,结构简单,训练时间短,精度高,适宜在线进行实时预测.     

基于道路特征信息的视觉车道模型研究

为有效进行道路设计评价以及分析道路环境影响驾驶员行为的机理,提出一个视觉车道模型,用于描述驾驶员眼中的道路特征信息. 视觉车道模型基于Catmull-Rom样条曲线建立,在CAD平台下自主开发了视觉车道模型软件,能自动进行设计道路视觉图像拟合;经大量实验分析表明,该模型能拟合任意形状的道路线形,并提取相关参数. 对视觉车道模型与道路三维几何信息的关系进行统计分析,是进行道路设计一致性评价的基础.     

具有驾驶员行为滞后的汽车列车闭环系统模型的稳定性分析

建立了具有驾驶员行为滞后的半挂式汽车列车闭环系统数学模型,利用线性近似系统的理论和方法,定性分析了模型的动力学性态,研究结果表明驾驶员行为滞后是半挂式汽车列车操纵稳定性控制不可忽视的因素之一.可以通过提高驾驶员的技术水平、调整其心理因素等方式降低驾驶员行为滞后的时间,利用时滞反馈控制改善车辆的操纵稳定性.     

汽车驾驶倾向性模糊多层次综合评判方法

以驾驶倾向性为研究对象,将驾驶倾向性具体化为反应判断指标、驾驶操纵指标及行车记录指标构建驾驶倾向性综合评判模型,应用模糊数学中多层次综合评判理论构造模糊评价矩阵,对驾驶员的驾驶倾向性做出综合评判,并进行了实例分析与计算. 评判结果表明其符合客观实际,具有一定的合理性和较强的实用性.     

一种汽车巡航控制的分层控制算法

为减轻驾驶员操作负荷,提高车辆行驶的安全性和舒适性,提出了一种自适应巡航分层控制算法,并通过调节电子节气门实现了在实车上的应用.在上层控制中,设计了一种基于驾驶员稳态跟车特性的线性跟车算法和可供选择的安全车距模型;在下层控制中研究了基于逆查询表的速度闭环控制策略.通过道路实验知识构建了节气门开度查询表,并结合增量式PID控制的精细调节,实现了良好的车速跟随效果.在此基础上,通过定速巡航实验和稳态跟车实验对所设计的控制算法进行了实车验证.实验结果表明,在正常行驶工况下,自适应巡航控制器能有效降低驾驶强度,对驾驶员具有良好的适应性和舒适性.     

基于肤色的驾驶员面部定位与跟踪算法

采用CCD摄像机获得驾驶员脸部图像,利用肤色在颜色空间的聚类性,建立基于肤色的人脸二维高斯分布数学模型.选用YCbCr颜色空间作为肤色分布统计的映射空间,用最大类间方差阈值对人脸图像分割,获得人脸图像灰度直方图水平投影和垂直投影,实现对面部定位.采用卡尔曼滤波算法,根据驾驶员面部当前帧图像预测下一帧图像的位置,并通过局部搜索精确定位,实现对驾驶员面部的跟踪.实验结果表明,基于肤色的驾驶员面部定位与跟踪算法可靠性高,具有良好的动态定位能力,而且对驾驶员坐姿的变化有较好的适应能力.