基于驾驶模拟器的车联网环境搭建及对驾驶行为的影响

为研究网联环境下车载设备对驾驶行为的影响,设计了车载终端人机交互界面,搭建了基于驾驶模拟仓的车、车通信环境,并开展模拟驾驶实验,采集了4个场景下车辆运行数据。通过对速度、加速度、跟车间距、超速驾驶员比例等驾驶行为数据以及人口学的统计分析,研究不同交通状态下,是否配备车载终端对驾驶行为影响的差异性。实验数据表明,实时提供前车运行状态的车载终端能够提高车辆运行效率和安全性。     

急刹预警作用下的车辆时空图特性

前方车辆紧急刹车是引起前向碰撞事故的主要原因之一,如果驾驶员能够提前获取前车急刹信息,可由被动视觉刺激而采取的被动应对行为转变为基于心理预期的主动应对行为,将大幅度降低事故发生率。基于驾驶模拟技术设计了车路协同环境下前车急刹事件,该实验场景能够在距离前方急刹车辆360 m和290 m处利用车载人机交互设备(HMI)向实验车辆提供急刹预警信息。通过招募合格被试驾驶员并使其参与驾驶模拟实验,获得车辆行驶数据和各项评价指标。通过对有无车载HMI预警信息情况下的驾驶数据的对比分析,提出了一种基于时空图的车路协同环境中前车急刹情形下的驾驶特性分析方法;并基于35名驾驶员的平均加速度特征对前车急刹事件情形下驾驶员驾驶自信特征进行分析。结果表明:有车载HMI预警信息时,驾驶员在应对前方急刹事件时减速位置较无车载HMI预警信息提前;有车载HMI预警信息提示情况下,面对急刹事件时驾驶员速度控制强度更低,通过曲率指标得出速度调整强度降低39.4%;速度调整更加从容,表现出驾驶自信特征,在面对风险环境时能够主动应对。     

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。     

基于驾驶行为识别的车载交通信息数据实时发布系统

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。     

智能汽车自动紧急控制策略

结合驾驶员在紧急工况下的驾驶行为以及不同避撞方式的避撞效能,对以自动紧急制动系统(Autonomous Emergency Braking,AEB)为代表的控制策略进行分析,发现当前的紧急制动控制策略并不能很好地适应驾驶员行为和满足避撞效能的需要.为此,提出了一种融合制动控制和转向控制的自动紧急控制(Autonomous Emergency Control,AEC)策略.在该策略中驾驶员始终在环,系统通过集成驾驶员模型、车辆模型和道路环境模型信息判断驾驶员的行为是否正确,并将控制输入与驾驶员输入叠加在一起作为车辆的输入对驾驶员不当驾驶行为进行纠正.     

车载信息系统与驾驶安全研究综述

作为新的技术和经济增长点,微型电子计算机、无线电通讯、卫星导航等新技术、新设备和新方法已开始广泛应用于汽车工业中.汽车的信息化进程正在逐步加速.但根据多资源理论,以显示查看和信息输入为主要形式的车载信息系统应用任务会分散驾驶员在行驶过程中最重要的视觉注意力,与主要驾驶任务在视觉和认知等多种有限资源形成竞争,从而影响驾驶安全.研究发现,车载信息系统使用任务造成的注视次数和注视时间与汽车的碰撞危险有直接关系,并降低了驾驶员对关键交通事件的探测识别能力和对车辆的控制能力.因此,车载信息系统在行车中的安全性设计非常重要,其研究要点包括人机交互方式、驾驶员行为特征等,研究方法则包括实际道路测试、仿真环境测试、简单实验室测试等.     

一种城市道路场景下行人危险度评估方法

针对行人在交通场景对车辆驾驶造成的影响和辅助驾驶需要对行人进行避险的问题,提出一种基于车载单目摄像机的行人危险度评估方法.基于中国城市的特色环境,将行车环境划分为三类:普通道路、人行横道和有辅警道路,对每类场景采用不同的评估方法.采用卷积神经网络,检测视频中道路上的行人、辅警、信号灯和人行道等信息;检测行人关键点并使用多目标跟踪方法,生成骨架姿态时间序列,通过LSTM(长短时记忆神经网络)分析姿态序列获得行人行为和趋势;最后综合视频信息、行人信息和场景信息,构建行人危险评估模型,实现行人危险度评估.实验结果表明,提出的模型可以有效地评估行人危险度,辅助驾驶员安全行车,场景分类使危险模型评估结果更符合行人实际危险度.     

驾驶模拟器运动系统对自由驾驶行为的影响分析

通过构建晴、雾天气下自由驾驶两个实验场景,对比分析了8自由度和零自由度驾驶模拟器对自由驾驶加减速行为、期望速度等变量的影响.结果发现,当能见度相同时,驾驶模拟器运动系统自由度对加速行为和期望速度影响不显著,但对减速行为影响显著,特别是对浓雾天气下的减速行为影响显著;当驾驶模拟器运动系统自由度相同时,能见度对驾驶员的加减速行为和期望速度有显著影响.     

不同年龄段人群驾驶分心时的视觉特性分析

针对驾驶过程中浏览车载信息系统次任务时引发的驾驶分心问题,研究聚焦不同年龄段驾驶员的视觉注意资源分配策略,分析在动态视觉信息源的刺激下发生驾驶分心时的视觉行为表征。通过视觉搜索的实验方法,模拟驾驶过程中驾驶员浏览车载信息系统次任务的视觉行为过程,并分别测量了横向和纵向两种车载中控屏摆放方式下的参试者视觉特性数据与搜索绩效数据。通过分析驾驶员浏览车载信息系统次任务时视觉注意资源的分散程度,以衡量其在行程中的驾驶分心程度,在此基础上提出有益于缓解驾驶分心行为的车载中控屏视觉区域。实验结果表明:横向中控屏测试中,参试者在上部区域的平均视觉搜索反应时长为641.92 ms,眼动数据显示,注视点集中分布于上部区域。纵向中控屏测试中,参试者在下部区域的平均视觉搜索反应时长为751.75 ms,眼动数据显示,注视点集中分布于右侧区域。年龄在59～68岁这个范围的老年参试者在执行模拟浏览车载信息系统次任务时的视觉搜索反应时长更长,平均为11 639.57 ms,注视点分布更分散。可知,在横向中控屏的上部区域与纵向中控屏的下部区域的反应时间更长,在横向中控屏的上部区域与纵向中控屏的右侧区域交叉的占用的注...     

基于TPB的疲劳对汽车驾驶员不安全驾驶行为的影响

为预防和控制由于驾驶员不安全驾驶行为导致的交通事故,基于TPB构建包含驾驶员不安全驾驶行为态度、主观规范、知觉行为控制3个变量的疲劳对驾驶行为研究模型,通过发放与分析问卷,得到影响驾驶员出现不安全驾驶行为的因素之间的关系。采用独立样本T检验的方法进行性别和职业的差异影响分析,采用单因素方差法对年龄、文化程度、驾龄的差异影响程度进行分析。结果表明:不同性别在疲劳驾驶行为控制和疲劳驾驶行为意向上显著差异性较大;不同年龄群体对于知觉行为控制和行为意向有显著差异;不同职业类型在疲劳驾驶行为态度和疲劳驾驶行为意向上具有显著性差异;教育程度对驾驶者的行为态度具有显著性差异影响。通过对驾驶员不安全驾驶行为的研究有助于减少驾驶员驾驶过程的不安全驾驶行为,保障交通安全。     

表征驾驶风格和驾驶员能力的驾驶员模型

由于驾驶员群体的驾驶方式和驾驶能力的差异,所决策的加速度值与最优值存在不同程度的偏差.本文作者在原有最优预瞄侧向驾驶员模型的基础上发展了多点多目标决策模型,以驾驶员的视野特征和决策意愿表征驾驶风格,并对驾驶员能力建模.Simulink/Carsim联合仿真结果表明,包括4个自由参数模型能够反映出不同驾驶员的驾驶行为,并有望应用于提升无人驾驶车辆乘坐感受的研究.      

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。     

基于虚拟现实试验场景的驾驶模拟系统研发

为解决驾驶模拟系统视景显示中的显示画面粗糙及驾驶员视角固定等问题,采用3 Ds Max建立了垫江某汽车综合试验场三维高精度模型,并基于Unity 3D和HTC Vive搭建了虚拟现实显示系统,进行汽车试验场完整环境的渲染和VR显示.最后通过Labview RT和Carsim搭建了汽车动力学仿真平台,至此完成了基于VR的驾驶模拟系统构建的全部过程.仿真结果表明:基于虚拟现实试验场景所开发的驾驶模拟系统显示画面良好,且驾驶员具有较高的视场角及自由灵活的观察视角,有效提升了驾驶员沉浸感.     

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.     

基于表面肌电信号的高原公路驾驶员颈部疲劳试验分析

为了解高原公路驾驶员颈部疲劳状况,寻求减轻驾驶员疲劳途径。选取新疆帕米尔高原典型路段进行实驾试验,通过生物反馈仪获取受测驾驶员颈部肌电数据,利用时域与频域分析方法选取积分肌电值(IEMG)与中值频率(MF)作为评价指标,研究高原公路驾驶员颈部肌肉IEMG与MF在连续驾驶时间、海拔作用下的疲劳特性。研究表明:连续驾驶时间、海拔是影响驾驶员IEMG、MF的主要因素。随着驾驶时间增长与海拔逐渐升高,驾驶员IEMG有上升趋势,而MF有下降趋势,表明高原公路驾驶员从低海拔到高海拔路段长时间连续驾驶车辆导致颈部疲劳感增加。通过对比不同行车经历驾驶员,发现经常出入高原公路驾驶员的颈部疲劳度与自我缓解能力要优于首次进入高原公路行驶车辆的驾驶员。     

重载货车挂档下坡速度变化特征仿真

为提高长大下坡道路大型车辆行车安全,建立了重载货车整车模型和道路模型,分析了载重量、挂档档位、路面坡度与挂档车速之间的关联和影响,探讨了挂档车速的波动特性及挂档机理,得到了不同坡度各档位挂档车速变化范围,提出了在挂档决策基础上结合驾驶人操纵行为特征谱的新型仿真模式。仿真结果表明:在挂档决策基础上结合驾驶人操纵行为特征谱分析长大下坡车辆行驶安全更具可靠性,从而为驾驶人挂档决策、道路行驶安全研究提供依据。     

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。     

标志信息及驾驶时间影响驾驶员视觉特性分析

为定量分析长时程驾驶条件下,驾驶员视认草原公路直线段上不同信息量交通标志设施时,视觉特性的变化,以信息量化理论为基础,通过开展草原公路重复驾驶实验,分析不同标志信息量和驾驶时间耦合作用下驾驶员视认行为变化规律。结果表明：随着标志信息量的增加,两次重复实验中驾驶员扫视持续时间与注视持续时间都呈波动上升趋势,扫视平均速度都呈波动下降趋势;对于标志中的重复道路信息,驾驶员的视认行为会发生与以上相反的变化趋势;进行多项式拟合,依据拟合结果,进一步利用相关分析方法与独立样本检验,探究驾驶员视觉特性变化规律。     

城市环境下无人驾驶车辆驾驶规则获取及决策算法

城市道路多源信息环境下换道行为决策是无人驾驶车辆实现实际道路行驶的关键技术之一.为提取复杂动态环境下驾驶员的换道决策规则,利用PreScan软件搭建虚拟城市道路环境,基于Simulink建立6自由度车辆动力学模型,采用粗糙集提取驾驶员换道行为决策规则.结果表明本车与当前车道车辆的相对速度维持在4~7 m/s、相邻车道空间距离在20~35 m时驾驶员就会进行换道决策.研究结果可以为无人驾驶车辆在线机器学习提供规则知识库,并为进一步深入研究换道行为不确定决策提供理论基础.