驾驶员转向特性分类与辨识方法对比研究

针对汽车驾驶员转向特性分类与辨识问题,基于CarSim仿真平台对研究方法进行了初步探索。设计了转向工况仿真试验,采集试验数据,根据车辆最大横摆角速度,使用K-means聚类算法对驾驶员转向特性进行分类。在Matlab软件环境下分别采用学习向量量化(LVQ)神经网络、BP神经网络、支持向量机(SVM)建立驾驶员转向特性辨识模型,并对3种网络建立的辨识模型进行测试试验和比较。试验结果表明:3种辨识方法均具有较高的辨识精度,其中支持向量机方法在汽车驾驶员转向特性辨识方面具有一定的优势。     

交叉口驾驶员转向意图辨识研究

基于profit-sharing增强学习算法,提出了自适应性驾驶员意图辨识的方法,对交叉口驾驶员转向意图进行辨识,达到了缩短辨识所需时间和提高驾驶意图辨识准确性的目的。通过驾驶模拟仪采集的交叉口驾驶员操作数据,建立关于油门踏板操作量、制动踏板操作量、车速的驾驶员转向行为模型,运用profit-sharing增强学习方法对转向行为模型进行实时调整,使模型反映驾驶员的个体特征。实验结果表明,所提的方法在交叉路口前3 s对驾驶行为的识别率是96.8%,前5 s的识别率是94.1%。     

面向车辆纵向动力学控制的制动意图识别综述

制动意图识别作为新型线控制动系统控制的先决条件,其识别结果的优劣直接影响车辆控制系统的精度,进而影响特定工况下的车辆行车安全性,因此为了提高车辆的主动安全性,提升车辆的制动性能,针对车辆动力学中的纵向稳定性控制问题,以制动意图为切入点,介绍了目前制动意图的分类,概述了基于制动意图识别的车辆动力学控制的国内外研究现状;结合制动意图识别特征的选取问题,重点对比分析了几种典型的制动意图识别方法,包括模糊推理系统、神经网络、自适应神经模糊推理系统、隐马尔可夫模型和聚类分析;结合当下研究现状指出了合理选取特征参数、转换输出目标、多标准评价体系是面向车辆动力学控制的制动意图识别的研究重点和方向。     

驾驶人意图识别综述

为全面了解驾驶人意图识别研究进展,梳理了近30年关于驾驶人意图识别的研究,将驾驶人意图分类为策略意图、战术意图和操作意图;根据研究热点主要对换道、转向、制动和超车意图进行了归纳;从系统构建的角度对驾驶人意图识别系统的结构、输入、算法和评估进行了综述.根据系统输入的不同,从交通环境、车辆运动以及驾驶人行为对4种驾驶意图进...     

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。     

紧急情况下驾驶员行为特性分析

为了提高汽车安全性,除需要研究车辆稳定性外,对紧急情况下驾驶员的驾驶行为研究也十分重要.通过行驶记录仪对北京市内50辆出租车进行了为期12个月的实车数据采集.驾驶过程中,并不对驾驶员发布指令,采集仪器也不会对驾驶员造成干扰.基于该数据,对紧急情况下的驾驶员行为特性进行分析.按记录的冲突数量将驾驶员分为冲突多发、冲突一般、冲突少发3类,对比分析了驾驶员在追尾冲突中的行为特性.结果表明,在紧急情况下,冲突多发、冲突少发两类驾驶员都存在跟车过近现象,且对危险的感知、反应时间和制动速度不存在显著差异,但多发驾驶员在回避过程中采取强制动较为迟缓,造成减速度偏大,驾驶行为更为激进.     

汽车驾驶员主动安全性因素的辨识与分析

将驾驶员主动安全性的辨识分成熟练、疲劳程度两个独立的部分进行评价 ,并在实验的基础上 ,通过抽取与驾驶员熟练、疲劳程度相关联的特征参数的方法 ,按照实验统计结果划分成模糊子集 .通过 3个分层的模糊神经网络分别对驾驶员的熟练、疲劳程度和综合的主动安全性进行辨识和分析 ,对各个子网络采用改进的 BP算法进行学习和训练 ,达到许用误差后 ,可以定量地分析驾驶员的主动安全性因素     

驾驶员行为仿真模型研究进展

驾驶员因素及其所起的作用被广泛认为是智能运输系统(Intelligent Transportation Systems,ITS)成功发展的关键.总结了驾驶员行为的主要研究现状,包括对驾驶员特性的研究、多源信息融合技术和综合认知活动在驾驶员行为研究方面的应用、我国混杂交通环境中驾驶员行为的研究及驾驶环境的人性化研究等;结...     

基于驾驶员类型分析的智能车辆交叉口行为决策

提出一种基于车辆行为交互的两阶段智能车辆交叉口行为决策方法.第一阶段通过基于模糊逻辑的驾驶员激进程度判别模型,判断交叉口其他车辆的驾驶员类型;第二阶段通过驾驶员激进程度与碰撞到达时间（TTC）进行行为决策.使用Prescan和Matlab/Simulink进行交叉口联合仿真.结果表明,该方法可以使智能车辆安全有效通过有其他车辆通行的交叉路口.      

驾驶员行为仿真模型研究进展

着重从驾驶行为分析的角度出发,回顾了以往构建于控制论思想之上的车辆跟驰模型,特别是其中与人因素有关的GHR模型、碰撞避免模型、AP模型、基于模糊逻辑的模型、基于神经网络的模型、期望间距模型等,对各模型的构建理论和主要优缺点进行了详细阐述,从整体上揭示了上述模型构建过程中所忽视的用于刻画驾驶行为可变性特点的一些关键性问题,并结合当今交通领域最新的研究成果分别从应用领域专门化、研究手段多样化、研究层次深入化、模型构建实用化等方面预测了驾驶行为仿真模型未来的发展趋势.     

基于Attention机制的CNN-LSTM驾驶人意图识别方法研究

在自动驾驶系统中,系统需要准确识别驾驶人的意图,来帮助驾驶人在复杂的交通场景中安全驾驶。针对目前驾驶人意图识别准确率低,没有考虑优化特征对模型准确率影响的问题,运用深度学习知识,提出了一种基于时间序列模型的驾驶人意图识别方法。该方法基于Attention机制融合了卷积神经网络(convolutional neural networks, CNN)和长短时记忆网络(long short-term memory network,LSTM),引入车辆自身信息和环境信息作为时空输入来捕捉周围车辆的空间交互和时间演化。该方法可同时预测目标车辆驾驶人横向驾驶意图和纵向驾驶意图,并在实际道路数据集NGSIM(next generation simulation)上进行了训练和验证。实验结果表明,所提出的CNN-LSTM-Attention模型能够准确预测高速公路环境下驾驶人的驾驶意图,与LSTM模型和CNN-LSTM模型相比具有明显的优势,为自动驾驶系统的安全运行提供了有效保障。     

应用于HIL系统的驾驶员行为特性建模仿真与控制

驾驶员模拟是搭建人-车-路-环境的整车环境测试系统的关键环节之一,建立正确的、可以反映客观实际的驾驶员模型对于人-车闭环系统的描述与评价起着至关重要的作用。本文针对模拟仿真与测试需求进行驾驶员行为特性建模仿真与控制研究,研究预瞄环节、惯性环节和神经滞后环节以及前馈环节与反馈环节等对不同熟练程度驾驶员行为的影响,并建立PID和模糊自整定PID驾驶员控制模型以适应不同驾驶员操控,通过HIL仿真表明本文建立的驾驶员模型及控制模型能模拟驾驶员在不同熟练程度的真实操纵行为,且具有较好的适应性。     

电动液压助力制动系统制动意图识别方法

针对驾驶员在紧急状况下存在着因踏板力不足而导致制动距离过长问题,以某电动液压助力制动系统为研究对象,提出了一种基于隐马尔可夫模型的驾驶员制动意图识别方法,根据对驾驶员制动意图的识别来控制助力电机执行正常制动或紧急制动的助力模式.选取助力电机的转角、转速和车速作为制动意图识别参数.以制动强度为界限对识别参数数据集进行划分,训练出正常制动与紧急制动识别模型参数,建立了识别模型库,通过比较各模型库的对数似然估计值,判断出驾驶员的制动意图.仿真结果表明:该模型可准确、实时地识别出驾驶员的制动意图;在驾驶员踏板力一定的情况下,具有制动意图识别控制的助力器具有更好的制动效果,提高了驾驶安全性.     

汽车驾驶员应激能力分析

依据信息加工的基本理论,对汽车驾驶员在交通事故瞬间的动作行为,从人接收和加工信息的有限性,以及高度应激状态的特殊性进行了分析,为交通事故再现技术、安全设施的设计与设置、驾驶员的科学教育与安全指导提供了相关的理论依据。     

基于结构方程的信号交叉口驾驶人两难区选择行为影响因素分析

驾驶人在信号交叉口两难区的驾驶选择行为影响因素分析对交叉口的安全运行具有重要意义。通过设计问卷,获取了不同个人属性、不同道路情况、考虑设置辅助驾驶系统等因素下驾驶人的选择行为,使用结构方程分析了上述因素对驾驶人在两难区的选择行为的影响。结果表明:驾驶人的个人属性、驾驶信息、对于辅助系统的态度及意见等都对驾驶人在两难区的选择行为有直接的影响,而其中驾驶人的驾驶信息是主要影响因素。     

驾驶机器人关键技术的研究

介绍了利用驾驶机器人代替驾驶员进行汽车试验的必要性 ,以及它的主要特点和国内外研究现状 ,然后介绍了拥有自主知识产权的国内首台驾驶机器人的主要功能和特点 .针对目前存在的不足 ,最后结合分层递阶控制结构探讨了今后需要解决的几个关键技术问题 .     

安全驾驶的横向安全预警报警阈值的确定

为减少车道偏离事故的发生,基于车辆将要横越车道边界的时间标准（TLC）,提出一种新的横向安全报警算法。该算法根据车辆运行状态判断驾驶人意图,基于实车试验数据,分析车辆的车轮轨迹曲线与TLC曲线,设定不同路况、不同类型驾驶人的报警阈值;利用驾驶人分类结果中最激进和最保守驾驶人的实车数据,分别验证不同路况下的报警阈值。结果表明：在不同路况下,报警算法给性格保守的驾驶人留出了1s左右的反应时间,给性格激进的驾驶人留出了0.5s左右的反应时间。