高速路换道意图参数提取及意图阶段确定

针对换道意图辨识研究中的意图表征参数选择与意图阶段确定问题,提出一种新的组合方法.在驾驶模拟器所得原始参数基础上,从参数重要度与相关性角度,使用决策树C4.5算法和皮尔逊相关性分析,最终得到以方向盘转角、车道偏离量和横摆角加速度组成的重要度高且互相关性低的换道意图表征参数组.在此基础上,对方向盘转角和车道偏离量的时间序列进行K-means聚类,确定驾驶人换道意图阶段,并得出意图阶段长度与平均车速近似线性相关,且左换道意图阶段长度大于右换道意图阶段长度.最后,建立连续高斯隐马尔可夫模型,在所得意图表征参数组及意图阶段数据的基础上,训练换道意图识别模型及车道保持识别模型.模型的平均离线识别准确率为90％.并可在左换道开始前1.5 s判断出驾驶人左换道意图,右换道开始前1.4 s判断出驾驶人右换道意图.研究结果表明:基于所得的意图表征参数组及意图阶段所建立的意图识别模型可有效识别驾驶人换道意图,且识别精度较高,时序性较强.该方法可为意图识别研究中意图参数选取及意图阶段确定提供参考.     

车道变换与直行时的驾驶人注视转移特性

针对驾驶人在车道变换与直行过程中的视觉转移问题,利用眼动仪获取了20名驾驶人在真实道路驾驶过程中的注视行为数据。将注视范围划分为7个区域,分别统计了驾驶人在7个区域内的注视概率,以及在7个区域之间的转移概率。研究结果表明:无论是车道变换还是直行,驾驶人对当前车道和目标车道的注视概率始终是最高的,最大概率值为70.2%;车道变换过程中驾驶人对相应方向的后视镜注视概率较高,且向左、向右变换车道时的注视转移特性总体上呈现一定的对称性;车道变换过程中驾驶人的注视转移区域主要集中于原始车道、目标车道和相应方向的后视镜之间;直行时驾驶人主要在当前车道、相邻车道与前方远处之间进行注视转移。研究为自动识别驾驶人的换道意图提供了有益的参考。     

高速公路驾驶人超车过程视觉行为特性

基于驾驶模拟器构建高速公路超车行为模拟场景,利用眼动仪采集30位驾驶人的眼动视频数据,通过后处理软件逐帧分析,获得驾驶人超车过程中注视、扫视和眨眼等视觉行为参数。将驾驶人视觉区域划分为左后视镜、右后视镜、原始车道、目标车道和其余区域共5部分,经过统计分析,获得驾驶人视觉区域驻留概率。研究结果表明:驾驶人超车过程中目标车辆的速度对注视频率、扫视频率、眨眼频率和平均眨眼时间没有显著影响,与平均扫视时间正相关,与平均注视时间负相关;在同一速度水平下,超车目标为大型车时,驾驶人的平均注视时间、平均扫视时间较长,注视频率、扫视频率较低。超车过程中驾驶人在原始车道和目标车道的驻留时间概率超过70%,在左后视镜和右后视镜驻留时间概率相差不大,均为7%左右,在其他区域驻留时间概率为10%左右。驾驶人主要通过观察目标车道和原始车道获得交通信息,通过左后视镜和右后视镜获得交通信息的概率(约为14%)高于其余区域。     

考虑驾驶人换道意图的车道偏离预警系统

 为降低基于机器视觉车道偏离预警系统的误警率,提出一种考虑驾驶人换道意图的车道偏离预警系统。运用SteerableFilter 方法对所采集的道路图像信息进行滤波,运用局部搜索区域法提取车道线参数,运用基于图像信息的识别方法检测车辆的车速、转向信号、车道偏离状态以及驾驶人的头部动作状态,判断驾驶人的换道意图,建立了车道偏离预警的决策算法及系统。应用Matlab 软件对实车采集得到的视频进行算法验证和系统仿真试验,结果表明,提出的车道偏离预警决策算法是可行的,该预警系统将有意识与无意识的车道偏离区分开,从而能有效屏蔽在驾驶人有意识偏离车道时的误报警,具有更高的可靠性。     

驾驶人换道决策分析及意图识别算法设计

为设计一种能在保证准确率的条件下提高识别效率的驾驶人换道意图识别算法,分析驾驶人的换道决策,使用对驾驶人换道决策有影响的环境参数,设计了基于模糊逻辑理论的综合决策因子,反映驾驶人做出换道决策的可能性。提出一种基于隐Markov模型的换道意图识别算法,以综合决策因子与表征车辆横向运动的特征参数为观测变量,以驾驶人意图为隐状态,搭建并训练隐Markov模型,通过其解码方法实现驾驶人的换道意图识别。使用真实驾驶人在驾驶模拟器上进行换道的数据进行算法验证。结果表明:引入综合决策因子作为观测变量之一时,该换道意图识别算法能保证准确性并提高识别效率。     

基于实车试验的驾驶人换道行为多参数预测

针对驾驶人在换道时若出现决策失误,极易引发交通事故的问题,通过在真实交通环境中进行实车试验,采集车辆运动状态、驾驶人操作行为以及头部运动特性、周围交通环境等数据;通过对换道意图阶段和车道保持阶段数据参数的对比分析,提取能够表征驾驶人换道意图和行为的特征参数;通过建立BP神经网络模型,以不同特征参数作为输入向量对待测样本进行预测,确定最终的输入特征指标,并基于建立的BP网络模型,进行驾驶人换道行为预测。研究结果表明:换道前2s内的预测准确率为94.4%,灵敏度为93.33%,能够准确预测出93.33%的换道行为;该模型能够有效预测驾驶人的换道行为,且准确率高、时序性强。     

基于驾驶员操纵特性和交通环境状态的换道行为预测

为排除驾驶员在换道过程中存在的交通安全隐患,基于驾驶员操纵特性和交通环境状态分析,提出了一种能有效预测驾驶员换道行为的方法。依托自然道路条件下的实车实验,将驾驶员视觉特性与数据分析相结合,确定了意图时窗宽度为5 s。依据在车道保持与意图换道两阶段的操纵特性和交通环境等参数差异化分析,构建了换道行为预测的表征参数体系。引入二元Logistic模型,确定各参数的回归系数,并进行换道行为预测。研究结果表明:该模型可至少提前2. 5 s预测出换道行为;且换道行为起始时刻的预测精度为96. 34%。与基于视觉特性和转向灯状态预测换道行为相比,具有更高的准确率和更优的时序性。     

车道变换过程中驾驶人操作和注视行为

针对实际道路自然换道过程中驾驶人的操作与注视行为,搭建了自然换道行为测试车。利用眼动仪和车辆运动状态传感器,在城市道路环境中对20名驾驶人进行了实际道路自然驾驶试验,获取了换道过程中驾驶人操作与车辆运动状态数据;并对熟练驾驶人和非熟练驾驶人的换道数据进行了分析。研究结果表明:换道时驾驶人普遍不按照操作规范提前开启转向灯,且非熟练驾驶人比熟练驾驶人的开启时间要早;换道过程中车速呈现减速-加速-稳速的趋势,但熟练驾驶人的速度曲线更加平滑;换道开始阶段,熟练驾驶人和非熟练驾驶人对目标车道的注视所占百分比分别为70%和85%,而在调整阶段非熟练驾驶人比熟练驾驶人要高出20%;换道过程中,熟练驾驶人的注视行为更加灵活,同时处理较多任务的能力要优于非熟练驾驶人。     

高速公路长隧道出口段驾驶人视觉特征变化规律

为改善高速公路长隧道出口段信息认知舒适性和行车安全,应用中型客车进行实际隧道环境行车试验,研究了驾驶人在隧道出口段的视觉变化特征。将隧道出口段选定为洞内200m至洞外200m范围,采用眼动测试装置记录行车过程中驾驶人视觉特征参数,运用BP神经网络模拟视觉特征参数变化,建立出口区段驾驶人注视时间、注视次数和扫视幅度等参数变化的网络模型。结果表明:从驾驶人发现隧道出口起,随着与隧道出口的逐渐接近,注视时间不断减少,注视次数亦减少,而扫视幅度逐渐增加;出隧道后注视次数增加,注视时间稍微增加,洞外扫视幅度大于隧道内,但变化幅度较小。     

高速公路互通式立交出口识别视距计算模型

从分流区实际驶出交通流的特点和需求出发,提出了基于车道变换的高速公路出口识别视距计算模型。计算模型中考虑了驾驶人从内侧车道识别到出口的反应时间,以及驾驶人一次换道需要的距离。结果表明:和《路线设计规范》相比,该计算模型明确了识别视距构成的驾驶行为意义,界定了识别视距的范围,推荐的最小识别视距具有唯一选择性。     

加权指数损失下长短时记忆网络换道意图识别模型

针对车道变换意图识别中数据源单一,传统序列模型难以捕获长序列范围内换道意图且存在长期依赖问题,提出一种结合时间信息加权指数损失函数的长短时记忆(long short-term memory,LSTM)车辆换道意图识别模型.首先,利用驾驶模拟舱、眼动仪进行高速公路驾驶实验,采集车辆运行数据和驾驶员眼动数据;然后,基于LSTM结构单元构建高速公路环境下车辆换道意图识别模型,提出基于时间信息加权的指数损失函数对模型权重进行优化;最后,利用车辆运行数据和驾驶员眼动数据对所提模型加以验证并与其他模型进行对比,所提模型换道识别的准确率为91.33％,宏平均精确率为89.04％,宏平均召回率为92.84％,宏平均F1值为90.33％.结果表明,长短时记忆网络对于长序列换道意图识别过程具有较好的分辨能力,提出的损失函数对模型权重优化具有良好的效果.     

公路平面线形与驾驶员视觉搜索模式相关性分析

为定量描述驾驶员视觉搜索模式与公路平面线形的相关性,基于眼动试验展开对驾驶员视觉搜索模式的研究.首先通过室内试验获得驾驶员在不同公路平面线形条件下的眼动指标;其次,从宏观层面到微观层面分析驾驶员视觉搜索模式与平面线形的相关性;最后,通过室外试验分析验证室内试验的有效性和结论的可靠性.结果表明:在不同平面线形条件下,驾驶员注视持续时间具有显著差异性.此外,平曲线半径、缓和曲线A值与驾驶员注视持续时间有明显的相关性.应用拉格朗日中值定理发现,当平曲线半径R>1.5 km或直线段结束前100 m时驾驶员注视持续时间变化显著,即为驾驶员视觉搜索变化的关键点.     

一种山区急弯路段驾驶人熟练度甄别方法

为探究驾驶人眼动行为与驾驶熟练程度以及道路线型之间的响应特性,设计并组织山区公路实车驾驶行为试验。招募20名驾驶人,实时采集被试驾驶人在急弯路段的6个注视及扫视行为表征参数。试验表明:眼睛注视点在左转急弯路段的水平方向分布范围是-0.5~0.1 m,在右转急弯路段的水平方向分布范围是-0.2~0.5 m;眼睛水平注视角变化的主要范围是0°~30°;扫视速度的变化范围区间是0~1(°)·ms~(-1),扫视幅度的变化范围是5°~25°。基于采集的眼动行为参数,构建驾驶人视觉搜索模态矩阵。采用主成分分析法对影响因子进行降维,并建立驾驶人眼动特征综合评价模型。结果显示,眼动综合评分与驾驶里程呈正相关关系,表明该模型可用于量化甄别驾驶人驾驶熟练程度,并为驾驶能力评估提供有效的理论依据。     

基于自然驾驶数据的高速公路出口换道决策模型

为研究高速公路出口换道行为特性,分析驾驶员换道决策机理,依托上海自然驾驶实验所采集的驾驶行为样本和车辆运行参数,采用Google Earth标定行驶路径及高速公路出口范围以筛选出口样本,并根据车道偏移参数和方向盘转角识别换道行为;以单向4车道高速公路为例,综合考虑行驶路径信息和交通流环境,基于随机效用理论,采用Binary Logit(BL)模型拟合构建换道决策模型,得到车道效用函数;基于效用函数作出高速公路出口范围内在自由流、稳定流和拥挤流水平下的分车道效用分布图,并进行同质性和异质性分析.结果表明,换道决策模型准确率达到86.21%,各变量影响均可得到合理解释;根据效用分析,出匝车辆的换道行为是出匝意愿与通行环境改善需求两方面平衡的结果,兼有强制性换道与自由性换道的行为特性,且随着交通流状态由自由流过渡到拥挤流,后者影响逐渐增强,表现为上游向左换道行为趋于活跃、下游向右换道位置接近出口.     

通行规则对道路状况的影响分析

针对通行规则对不同道路状况的影响问题,使用非线性拟合、相关性分析、碰撞临界值法等方法,分别建立了等速超车模型、变速超车模型、变道临界距离模型等模型,计算得到了在右行通行规则下,不同的道路负荷。分析了不同的道路通行规则对驾驶员的反应时间、车道变道时间的影响,通过智能系统模拟计算得到车辆在发生碰撞临界条件下的最小行车距离。     

基于自然驾驶数据的驾驶员紧急转向变道模型

提出了一种以驾驶员转向目标瞄点为核心的、面向操纵层的驾驶员紧急转向变道的模型建立方法.基于驾驶员紧急变道的阶段特征,提出了驾驶员紧急变道侧向运动轨迹的规划方法,并结合远近目标点理论分析方法,分阶段建立了驾驶员转向变道工况的驾驶员转向模型.对紧急转向变道中避撞、侧移和稳定阶段的增益因子的分布特征进行了研究,模型能够真实地预测自然驾驶中的紧急转向变道行为.     

动视点指标与隧道进口平曲线半径

以高速公路隧道路段驾驶员视点变动为研究对象,在传统的平均注视时间动视点指标、注视时间比率动视点指标基础上,根据大量动视点行车实验,考虑驾驶员注视时间、注视频率、视力角等眼动特征,提出了基于视点平面分布的动视点指标,以评价驾驶员视觉信息加工水平．利用该指标对隧道进口平曲线安全性进行评价,结果表明平曲线半径不宜小于450m．     

信号交叉口上游路段网联车换道博弈特性及模型

为提高网联驾驶车辆在信号交叉口上游路段与驾驶员车辆换道博弈的主动性,以左转网联驾驶车辆为研究对象分析该路段的强制换道博弈特性。首先,通过分析信号交叉口上游路段车辆的行驶意图和换道行为,设定驾驶人期望函数来客观反映车辆的行驶需求,以车辆的安全和行驶效率为收益并进行量化,在完全信息的假设下通过博弈均衡解得到最优换道决策来实现换道收益最大化;其次,为提高换道的舒适性,以五次多项式规划换道轨迹并实现网联驾驶车辆对驾驶员车辆博弈换道的过程;最后,利用仿真试验对模型进行验证,分析不同换道位置和绿灯剩余时间等因素对网联驾驶车辆决策的影响。研究结果表明,在信号交叉口上游非合作博弈强制换道过程中,随单位换道位置增加换道概率平均增加0.69%,随单位绿灯剩余时间增加车辆换道概率平均降低0.82%。通过仿真分析信号交叉口上游路段车辆的博弈换道特性和决策倾向,有利于为网联驾驶车辆换道提供决策引导。     

面向无人驾驶的车辆协同换道轨迹规划研究

换道轨迹规划是无人驾驶车辆核心功能模块之一。传统换道轨迹模型研究场景简单,较少考虑车辆间的相互影响。为此,综合考虑换道过程中车辆之间的相互作用,结合车辆运动特性,引入换道安全控制参量——车间间距,建立考虑前方障碍车辆的多项式协同换道轨迹模型。基于换道安全考虑,采用矩形构建车辆模型分析换道过程中车辆的几何关系。以换道车辆的几何特征角点与前方障碍车辆车尾的相对位置关系建立安全约束方程。与现有多车换道轨迹规划方法相比,轨迹方程形式简单,求解方便,换道安全控制参量物理意义直观明确。仿真实验验证了换道轨迹模型的可行性与合理性,研究结果为无人驾驶多车安全换道轨迹规划研究提供探索性研究。     

Postsaccadic visual references generate presaccadic compression of space

With every rapid gaze shift (saccade), our eyes experience a different view of the world. Stable perception of visual space requires that points in the new image are associated with corresponding points in the previous image. The brain may use an extraretinal eye position signal to compensate for gaze changes, or, alternatively, exploit the image contents to determine associated locations. Support for a uniform extraretinal signal comes from findings that the apparent position of objects briefly flashed around the time of a saccade is often shifted in the direction of the saccade. This view is challenged, however, by observations that the magnitude and direction of the displacement varies across the visual field. Led by the observation that non-uniform displacements typically occurred in studies conducted in slightly illuminated rooms, here we determine the dependence of perisaccadic mislocalization on the availability of visual spatial references at various times around a saccade. We find that presaccadic compression occurs only if visual references are available immediately after, rather than before or during, the saccade. Our findings indicate that the visual processes of transsaccadic spatial localization use mainly postsaccadic visual information.