驾驶人员风险驾驶行为分析及相关因素研究

对驾驶人员风险驾驶行为的结构进行分析,同时研究影响风险驾驶行为的因素以及驾驶行为和交通事故的关系。用探索性因素分析对驾驶行为问卷进行分析,得到4个因素：一般性违规、攻击性违规、无害性失误和危险性失误。还研究了驾驶经验、人格、驾驶态度、以及驾驶技术与驾驶行为的关系。     

驾驶人员风险驾驶行为分析及相关因素研究

对驾驶人员风险驾驶行为的结构进行分析,同时研究影响风险驾驶行为的因素以及驾驶行为和交通事故的关系。用探索性因素分析对驾驶行为问卷进行分析,得到4个因素:一般性违规、攻击性违规、无害性失误和危险性失误。还研究了驾驶经验、人格、驾驶态度、以及驾驶技术与驾驶行为的关系。     

辅助驾驶系统对重型卡车驾驶员长途驾驶中疲劳程度的影响

乘用车领域的过往研究发现,相较于手动驾驶使用辅助驾驶系统的驾驶员会更容易出现疲劳,因此有必要探究辅助驾驶系统对重型卡车驾驶员长途驾驶疲劳程度的影响。基于超过120 h的自然驾驶实验,采用多项生心理指标（如心率、心率变异性等）对比了重型卡车驾驶员手动驾驶车辆时和在辅助驾驶系统帮助下驾驶车辆时的疲劳程度。辅助驾驶情况下驾驶员平均心率、呼吸频率、呼吸深度以及瞳孔直径均高于手动驾驶情况下,辅助驾驶情况下驾驶员连续二次心跳（RR）间隔均方根、低高频比例、眨眼频率、眨眼时长以及眼睑闭合百分比（PERCLOS）均低于手动驾驶情况下。当驾驶员处于手动驾驶情况时,驾驶时间每增加2 h,反应时间会增加0.032 s;当驾驶员处于辅助驾驶情况时,反应时间不随驾驶时间发生显著变化。重型卡车驾驶员在辅助驾驶系统帮助下驾驶车辆时的疲劳程度低于手动驾驶,本研究可以为辅助驾驶系统在重型卡车中的安全应用提供理论支持。     

列车驾驶仿真器及其关键技术

列车驾驶仿真器通过列车运行性能仿真、驾驶环境仿真来建构一个具有高度真实感的虚拟驾驶环境。以列车驾驶仿真器为平台,可进行驾驶培训和列车动力学仿真、优化操纵等研究工作。介绍了列车驾驶仿真器的不同构成形式,给出了全功能分布式列车驾驶仿真器的典型结构,并在此基础上进一步讨论了列车驾驶仿真器的关键技术。     

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.     

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。     

自动驾驶汽车用户接受度的中美差异

当前处于半自动驾驶向全自动驾驶过渡的关键时期,为探究中美自动驾驶汽车终端用户的接受度差异,分别针对北京和旧金山湾区各20名特斯拉车主,采用结构式访谈法对车主半自动驾驶汽车的用车情况、对全自动驾驶汽车的认知态度进行实证研究.通过对两地结果进行比较,发现两地特斯拉用户背景、购买动机无明显差异;而购买顾虑、半自动驾驶系统使用频率、全自动驾驶汽车保留手动控制意愿、接受度的重要影响因素、对共享自动驾驶的态度、愿意共享的原因差异明显.中美两地的显著差异说明自动驾驶汽车的发展需要因地制宜,而拓宽研究对象范围、重视终端用户的反馈将为全自动驾驶乃至共享自动驾驶汽车融入城市道路起到促进作用.     

浅析小型汽车夜间驾驶教学

本文从夜间驾驶的重要性入手,分析了夜间驾驶的主要特点,提出了夜间驾驶时对道路情况的判断与识别技巧,夜间驾驶主要操作方法以及夜间驾驶教学注意事项,以求提高小型汽车夜间驾驶教学质量,供教练员、学员和驾驶员参考学习。     

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。     

基于驾驶行为的驾驶倾向特征辨识

驾驶倾向特征的实时辨识,对安全驾驶有积极的意义,但实时并准确识别驾驶倾向却是难点.通过分析驾驶倾向的外在表现,选取驾驶行为中的刹车频率、加油频率、刹车紧急程度和加油紧急程度作为评价指标,以实车试验获取的各评价指标数据为基础,运用BP神经网络构建驾驶倾向特征辨识模型,实现从驾驶行为到驾驶倾向的辨识.经验证,该模型识别率可达89.2%.     

基于驾驶适宜性检测的驾驶技能评价方法研究

为了研究不同驾驶员个体之间的驾驶适宜性差异,基于驾驶适宜性检测数据,研究了驾驶技能评价方法。通过驾驶员驾驶适宜性检测试验,筛选出有效试验样本54例。研究了各项驾驶适宜性检测指标评价结果的等级划分方法和和驾驶技能评价方法。研究结果表明:基于驾驶适宜性检测可将驾驶员划分为优秀、良好、一般、较差和差5类;通过对54例试验样本的驾驶适宜性检测,得出优秀、良好、一般、较差和差5类驾驶员分别占比为38.89%、22.22%、20.37%、12.96%和5.56%。     

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。     

基于车载排放测试驾驶行为对轻型汽油车排放的影响

为了量化驾驶行为多维度特性及对应路段排放特征,基于车载排放测试系统,采集了实时排放数据及对应微观驾驶行为数据,分析了驾驶行为及轻型汽油车排放之间的关联关系.将驾驶片段划分为生态驾驶和非生态驾驶2种类别,在此基础上分别建立基于逻辑回归、朴素贝叶斯、神经网络、支持向量机和决策树的5种生态驾驶行为辨别模型.研究结果表明：当道路交通趋于饱和状态或者强制状态时,驾驶员驾驶行为及车辆运行状态会发生显著变化,车辆运行状态的改变导致排放因子在饱和流和强制流时有显著增加;除了驾驶操作强度外,驾驶模式转移频度及驾驶状态持续长度都会对污染物排放产生不同程度的影响;基于决策树建立的模型准确率较高,可以达到94.00%.     

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.     

浅谈如何学好汽车驾驶

着重从自己多年的驾驶经验以及理论、实践知识的积累来阐述如何学习汽车驾驶,怎样才能较快较好的掌握好驾驶技能。根据自己平时对汽车驾驶知识的积累,为多数人提供学习驾驶的学习方法和经验做法。     

浅析汽车驾驶教学管理

科学、严谨的汽车驾驶教学能够有效地培养学员汽车安全驾驶的意识，从而使其能够在驾驶中自觉遵守交通规则，保证自己与他人的行车安全。因此，切实增强汽车驾驶教学的管理，能够有效提升道路交通的安全系数，降低交通事故的发生概率，保障学员的生命财产安全。因此，该文在分析汽车驾驶教学管理意义的基础上，探析影响汽车驾驶有效管理的因素，并提出有效的措施来强化汽车驾驶教学的有效管理，以培养学员安全、文明驾驶的能力，保证道路交通的行车安全。     

自动驾驶机器人关键技术及应用

 自动驾驶机器人可代替驾驶员进行可靠性、危险性和高精度的车辆道路试验。以一款自主开发的自动驾驶机器人为研究对象,介绍自动驾驶机器人功能和结构,分析自动驾驶机器人的关键技术,开发自动驾驶机器人在车辆道路测试试验、车道保持、跟车、换道和远程驾驶方面的应用。     

基于卷积神经网络的不良驾驶行为辨识

为量化描述驾驶员驾驶行为的动态变化过程与不良程度,研究了不良驾驶行为谱的构建与分析方法,用于不良驾驶行为的实时辨识。首先,基于拉格朗日插值法对轨迹数据清洗处理后提取特征指标参数构建驾驶行为谱,采用风险度量法对急转向、急加速、急减速、超速4种不良驾驶行为进行量化表达。其次,使用大样本统计分布的IQR与客观赋权的CRITIC方法确定不良驾驶行为特征指标参数阈值与权重,结合隶属度函数构造模糊综合评价模型对不良驾驶行为谱特征值进行确定以标定不良行驶车辆。最后,将不良驾驶行为谱特征值作为输入,基于人工智能卷积神经网络(CNN)算法对不良驾驶行为进行辨识,并与SVM、RF、BP等传统机器学习算法在辨识误差上进行比较。结果表明:CNN算法对不良驾驶行为辨识的理论误差值MAE为0.059、RMSE为0.084、R2高达0.911。可见,不良驾驶行为谱作为一种客观量化不良驾驶行为的方法与CNN算法相结合,能依据车辆运行轨迹对不良驾驶行为进行自动辨识,具有客观性、可靠性与适应性。     

汽车驾驶基础训练方法研究与探讨

汽车驾驶基础训练是整个驾驶训练的基础,加强驾驶学员驾驶动作的训练,重视驾驶基本动作的练习,深入研究与探讨汽车驾驶训练的科学方法与手段对保证驾驶训练更好的完成,培养更多合格的驾驶人才,具有十分重要的意义。     

不同驾驶倾向驾驶员的酒后驾驶行为研究

为了探究不同驾驶倾向驾驶员的酒后驾驶行为,提高酒后驾驶行为识别模型的准确性,组织60名不同驾驶倾向驾驶员饮酒后进行驾驶模拟实验,获得12个驾驶行为指标的实验数据;采用距离分析和方差分析,对各驾驶倾向驾驶员的酒后驾驶行为数据进行了研究。结果表明：饮酒后,相同驾驶倾向驾驶员在速度标准差等9个驾驶行为指标上有相似性,其中,激进型驾驶员的速度均值的相关比例最高为85%;不同驾驶倾向驾驶员在油门踏板深度均值等7个的驾驶行为指标上差异显著。本研究可为基于驾驶行为的酒驾辨识研究提供理论支持。