基于车辆横向运行数据的遗传-支持向量机算法的分心驾驶状态判别模型

分心状态是造成交通事故的重要原因。当前侵入式与半侵入式检测多被应用于分心驾驶识别,此方法会对驾驶任务产生一定干扰,且成本相对较高。对此提出一种低成本的基于车辆横向运行数据的分心驾驶状态判别方法：实验选取手机通话作为分心影响因素,设计了正常驾驶、免提通话、手提通话三个维度。首先,基于驾驶模拟器采集的数据,对正常与分心状态下的车辆运行指标进行Man Whitney U检验,从时域及频域中提取出与分心驾驶显著相关的车辆横向控制指标;其次,构建支持向量机（support vector machine,SVM）分心状态判别模型,将径向基函数作为SVM的核函数,使用网格搜索算法（grid search algorithm,GSA）、粒子群算法（particle swarm optimization,PSO）及遗传算法（genetic algorithm,GA）对SVM模型参数进行优化;最后,对比GSA-SVM、PSO-SVM与GA-SVM分心判别模型的分类效果,并运用ROC曲线对模型性能进行评估。研究结果表明：GA-SVM分心判别模型的最优交叉验证率、准确率及F_1值分别为87.9%、91.9%、94.05%,高于GSA-SVM（86.2%、87.2%、90.35%）与PSO-SVM（87.9%、91.2%、93.46%）;GA-SVM判别模型ROC曲线接近于（0,1）坐标,其AUC值为93.53%。所提出的GA-SVM分心判别模型获得了较好的分类效果,故认为此模型适合作为低成本条件下基于车辆横向控制的分心驾驶状态判别模型。     

年龄及分心对反应时间影响与安全车距分析

驾驶员反应时间受多种因素影响，存在模糊性与随机性，本文中对一些实验数据进行拟合归纳，得出分心驾驶条件及正常驾驶条件下反应时间的概率密度函数，使用模糊物元分析法确定了适应于各年龄人群的反应时间概率密度函数。在此基础上，根据车速及年龄条件，将反应时间进行归类划分和区间细化，分析了适宜于不同年龄、车速且在考虑分心驾驶状态下的安全车距，并研究了更符合实际行车状况的防碰撞安全车距模型。     

自然驾驶状态下使用手机对驾驶控制行为的影响

研究基于上海市自然驾驶项目,共计提取了296个驾驶人使用手机的行为样本,并基于动态时窗构建了表征驾驶人控制行为的特征指标,针对使用手机的5种操作行为:拨打、接听、通话、挂断和查看信息,分别分析了各操作过程中驾驶人纵向、横向控制活动的强弱情况,执行控制操作的灵敏程度以及车辆控制状态的稳定性.研究表明驾驶过程中使用手机的部分操作会导致驾驶人控制活动有所减弱,控制操作更加迟缓,且大多数分心操作对纵向控制稳定性产生了显著影响.这些发现有助于更好地了解驾驶人使用手机时的自然行为变化,为交通安全管控提供指引.     

基于注视行为特性的驾驶人分心负荷评估

为了评估驾驶人操作手机的各种行为对行车安全的影响，组织19名驾驶人佩戴眼动仪开展室内模拟驾驶试验，分别采集城市快速路自由流和拥挤流2种典型交通状况下驾驶人进行正常驾驶、免提通话、语音短信3种操作时的注视数据。采用层次聚类法结合机械划分的方式，将驾驶人的视野平面划分为6个视觉兴趣区域；利用描述统计和方差分析法建立了衡量注视行为特性的敏感性指标集(注视区域信息熵、注视持续时间、垂直方向注视偏差、瞳孔面积变异系数)；最后采用熵权法构建4项指标的权重体系，提出了分心负荷指数的概念，并引入TOPSIS法验证了分心负荷指数对分心程度的评估效果。结果表明:进行免提通话操作时驾驶人多处于认知分心状态，语音短信操作时多处于视觉分心状态；相较于正常驾驶，除了自由流场景中进行免提通话操作时分心负荷差异甚微以外，其余手机操作均对驾驶人注视行为产生显著影响，致使分心负荷指数普遍升高，且在拥挤流场景中，执行语音短信操作时分心负荷激增，驾驶风险远高于免提通话。     

基于自然驾驶数据的分心状态特征分析与跟驰行为建模

基于行为特征对分心跟驰行为进行分类和建模,根据模型标定的方法探究不同状态下跟驰模型的适应性。首先从持续开展3年有余的上海自然驾驶数据中提取了大量分心跟驰样本,基于驾驶行为刺激反应框架对分心状态特征进行了初步分类,得到了5类分心跟驰行为;其次分析了现有4类经典跟驰模型（GHR、GIPPS、IDM和Wiedemann）对分心跟驰行为的适应性,同时根据五折交叉验证适应性结果对分心跟驰行为分类进一步优化,最终得到3类分心跟驰行为（麻木反应、过激反应和延迟反应）;最后探讨了分心状态下的2种跟驰行为建模策略（AIDM和TDIDM）。结果表明,对IDM模型进行合理标定即可较准确地描述不同类型的分心跟驰行为。     

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。     

车联网环境下信息交互形式对驾驶行为的影响

为研究车联网环境下不同信息提供方式对驾驶行为的影响,设计了车联网环境下的模拟驾驶实验,采集了4个场景下车辆运行数据。对比不同分心任务的驾驶行为特征和正常驾驶行为的差异,从转向角、车辆侧向偏移、速度、跟车距离等特征参数描述了车联网信息导致分心的驾驶行为规律,并构建了基于模糊综合评价方法的驾驶人分心等级评判模型,横向对比了不同信息提供方式对驾驶行为的影响程度。     

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%。     

电动自行车交通事故严重程度影响因素分析

为了分析电动自行车交通事故严重程度的主要影响因素,以广西桂林市2 365起电动自行车与机动车交通事故数据为例,从电动自行车驾驶者、机动车驾驶者、道路条件、车辆、环境、驾驶行为等6个属性中选取19个候选自变量,运用有序Logit模型估计电动自行车财产损失、受伤和死亡3种等级交通事故的分布概率,引用弹性分析定量鉴别电动自行车事故严重程度的显著影响因素,并对影响因素的作用进行了分析和讨论。显著分析表明:电动自行车驾驶者性别、年龄、交通管控方式、道路中央隔离形式、机非隔离形式、机动车类型、照明情况、事故责任方、违规行为、机动车驾驶行为、电动自行车驾驶行为等11个因素与电动自行车事故严重程度显著相关。弹性分析表明:电动自行车不按车道行驶、超速驾驶和酒后驾驶等违规行为,电动自行车左转和横穿道路,涉及货车的事故等因素的伪弹性值均大于200%,对电动自行车交通事故严重程度的影响最为显著。     

基于老年驾驶员的自动驾驶接管振动提示

老年驾驶员在自动驾驶的接管过程中会出现反应时长增长、记忆力及运动能力下降等问题,振动接管提醒以其占据感知通道与驾驶任务不冲突的特性而优于其它接管提示方式。但不同的振动提示位置及顺序会影响驾驶员的接管能力,因此本研究比较不同风险场景下振动提示的顺序类型对于不同年龄段驾驶员的接管行为和主观感受的差异,以此来帮助老年驾驶员更好的完成接管。本研究共招募6名年轻驾驶员和6名老年驾驶员观看不同风险场景的事故视频,并在事故发生前给予不同振动顺序类型的接管提示。结合主观问卷,比较不同振动类型对于不同年龄段驾驶员的接管紧迫程度以及危险感知的差异。结果表明驾驶员在低风险场景下的接管意愿更高（F=5.872,P=0.018）且在高风险场景下驾驶员需要更长的接管提前时间来发现出现的风险,老年驾驶员对于自动驾驶汽车的信任显著低于年轻驾驶员（F=30.912,P<0.001）,老年驾驶员在风险的认知方面低于年轻驾驶员。对于老年驾驶员而言,多点依次振动的振动模式提示危险程度以及提示接管紧迫程度效果最好。对于年轻驾驶员而言,多点依次持续振动和多点依次振动提示前方危险程度的效果都很好,多点依次持续振动提示接管紧迫程度的效果最好。     

基于心生理反应的高速公路隧道入口安全

高速公路隧道入口由于光照强度变化,导致驾驶员行车时出现暂时失明而产生安全隐患,为了提高高速公路隧道口的行车安全性和驾驶舒适性。以交通工程学、高等数学、心生理学理论为基础,通过实车驾驶试验,检测驾驶员进隧道时的心生理反应参数、行车速度、光照强度和GPS数据,定性、定量分析高速公路隧道口距离与光照强度、速度、驾驶员心生理反应的相互关系,建立了隧道入口段多元回归安全评价模型。结果表明：驾驶员倾向减速驶入隧道,加速驶离隧道,心率随着速度的增大呈现不同幅度的增长;在隧道入口外3m至内20m照度变化最为明显,驾驶员的心率增长率随着照度的降低逐渐增大,在距隧道洞口内8m位置处心率增长率达到峰值,最大为31.95%,得到基于照度变化率的舒适性阈值为[5%,57%],为高速公路隧道口灯光参数设计和交通安全管理提供了理论参考依据。     

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。     

提高驾驶注意力的个性化训练方案生成方法

驾驶注意力是影响驾驶安全性的重要因素之一,但驾驶注意力的训练由于存在高危险性很难开展.针对此问题,本文提出了一种虚拟现实平台下的提高驾驶注意力的个性化训练方案生成方法,该方法借助虚拟现实头盔的眼动跟踪技术,采集用户的注意力习惯特性,针对用户的习惯特性,自动优化生成个性化驾驶训练方案.在实验中,用户可以在已生成的训练方案中进行个性化驾驶注意力训练,并进行训练后的水平评估,通过对比训练前与训练后的效果评价本文提出的方法,实验结果表明,该方法可有效提升用户的驾驶注意力水平,并且优于传统训练方法.      

基于双向核实机制的移动通信终端防伪验证

针对现有手机防伪方法存在的不足,提出一种新的移动通信手机终端防伪验证方法,并设计实现了基于短信平台和手机数据库的防伪验证系统。系统通过手机预置短信和开机超时自动发送的方式，实现对已售手机信息的主动采集,并利用基于数据加密保护和数据库查询校验的信息双向核实机制进行防伪确认。与传统方法相比，系统大大提高了手机防伪的可靠性,便于对销售信息进行及时、准确地采集和分析。     

音乐环境对驾驶行为危险度影响的预测模型

考虑到车载音乐环境下驾驶行为变化规律在道路交通系统中具有理论和现实意义,以国内外车载音乐对驾驶员心理负荷和驾驶行为影响的研究成果为基础,界定出驾驶行为危险度的定义.同时引入主成分分析法并结合驾驶行为的三个指标,实现对车载音乐环境下驾驶行为危险度的评价.以驾驶员的心率变异性作为输入变量,驾驶行为危险度作为输出变量,构建基于心理负荷的驾驶行为危险度预测模型,并提出不同类型驾驶员收听音乐的建议方案.研究成果可为减少道路交通事故和保障汽车安全运行发挥作用.     

多角度视频的驾驶人员行为识别

驾驶员在行驶过程中看手机,与乘车人员交谈等违规行为,为安全行驶造成了极大的隐患。为了解决此 类问题,提出了一种多角度行为识别方法,从3 个角度同步捕捉驾驶员行为的视频,构建多角度驾驶员行为的 视频和数据集,利用深度卷积神经网络,进行识别分类。实验结果表明,3D CNN 相对于2D CNN 的识别精度 更加准确,在对比输入剪辑的帧数实验中,发现堆叠的视频帧数会影响准确度,并在具有较大优势的R2plus1D 模型中( 将3D 卷积滤波器分解为单独的空间和时间分量) ,基于多角度驾驶人员行为识别精度达到87%。