机动车驾驶人侵犯驾驶行为的调查研究

侵犯驾驶行为是近年来逐渐引起重视的驾驶人不良驾驶行为之一。本研究采用问卷调查的方法。对浙江省三个城市的驾驶人进行随机抽样调查，得出侵犯驾驶行为可以分为漠视他人、空间侵占、保持前进、赢得优先、人际侵犯等具体类型，并从人口统计学的角度比较分析了不同类型驾驶人在不同侵犯驾驶行为类型上的差异，为制定驾驶人驾驶行为矫正和安全教育策略提供理论参考。     

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。     

城市道路不同驾驶环境下汽车驾驶员注意力分配定量研究

驾驶员的注意力分配对行车安全至关重要。目前基于驾驶员注意力分配的研究大多是基于定性的,从定性和定量两个角度,结合实际道路场景,借助眼动仪进行实车试验,记录并统计驾驶员在不同道路环境及驾驶环境[直行路段、掉头路段、人行横道(非路口)路段、超车、起步、靠边停车]下眼动数据,分析其注视点、注视时间及注视区域的特性;并得出在不同道路环境及驾驶环境下注意力的分配模式,揭示驾驶员在驾驶过程中的注意力分配特点。研究结果对驾驶员安全驾驶、车辆辅助系统、无人驾驶系统及驾驶员驾驶培训考核标准的改进有着十分重要的意义。     

基于双车驾驶模拟的城市快速路驾驶人换道交互行为特征

为研究换道情境下换道车辆与目标车道后方车辆驾驶人间的交互行为,设计了城市快速路换道场景,搭建出双车驾驶模拟实验平台,招募40名驾驶人,开展了8种换道场景下的双车实验并进行驾驶风格问卷调查.基于换道阶段实验数据,分析对比了单、双车实验中两车驾驶人的交互行为特征和差异.利用多元Logistic回归模型,分析不同因素对换道交互决策的影响.结果表明：单、双车实验中,换道车辆和目标车道后方车辆的行为特征具有明显差异,从而验证了开展双车实验的必要性;不同的道路限速、换道方向、驾驶风格等因素下,两车驾驶人关键行为变量呈现差异性;道路限速、车辆初始速度、两车纵向位置差、横/纵速度差、纵向速度乘积等均对两车换道交互决策产生显著影响.     

营运客车危险驾驶行为与驾驶人特性相关性分析

为明确营运客车危险驾驶行为与驾驶人特性之间的关系,以实际事故案例为依据,初步筛选主要危险驾驶行为及影响因素并设计调查问卷,引入概率统计方法确定调研样本量,进行实际调研。以调研数据为基础,采用有序多分类Probit回归方法,从出现频率与导致事故可能性两个维度对不同危险驾驶行为与影响因素间的相关性进行分析。通过研究确定了9种危险驾驶行为,并对危险驾驶行为进行了重要度排序。对调查结果进行信度效度检验,表明问卷总体具有很高的可信度与有效性。且驾驶人的特性与危险驾驶行为之间存在关联。     

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%.     

低能见度下驾驶人安全驾驶量表效信度分析

为了检验低能见度条件下驾驶人安全驾驶量表的信度效度,应用实地调查和网络调查方法对314名驾驶员进行测试,将所得数据进行因素分析和信效度的检验。结果表明,1安全驾驶量表由驾驶人行为量表和驾驶能力量表两个部分组成,共包含28个题项,由违规行为、错误行为、失误行为、技术性驾驶能力以及危险感知能力等5个因素构成;2总量表的内部一致性系数达到0.82,并且两分量表内部一致性系数分别为0.88和0.95,具有较好的稳定性;3年龄与违规行为得分呈负相关(r=-0.12);驾龄与错误行为得分呈负相关(r=-0.13),但与技术性驾驶能力及危险感知能力得分呈正相关(r=0.21、r=0.15);年平均行驶里程与技术性驾驶能力和危险感知能力得分呈正相关(r=0.13、r=0.14);2015年总扣分与违规行为和失误行为得分呈正相关(r=0.16、r=0.14),与危险感知能力得分呈负相关(r=-0.12);驾驶员是否在低能见度条件下发生过交通事故则分别与违规行为、错误行为以及失误行为得分呈正相关(r=0.31、r=0.14、r=0.19);最低能见度范围对驾驶人的影响主要集中在违规行为、技术性驾驶能力以及危险感知能力。该量表较为完整地反映了驾驶员行驶在低能见度环境中的安全驾驶行为,并具有良好的信度及效度,同时也更加符合中国的交通规则及文化特征,可以为后续研究中国驾驶人低能见度安全驾驶提供可靠的度量基础。     

夜间长途大客车减速带区段驾驶人操作行为特征

采用实车道路试验方法,设计长距离大型客车上实时采集驾驶人操作行为试验方案,研究客车驾驶人夜间在自由流交通条件下通过单向连续下坡减速带路段的操作行为特征。建立车速、加速度、油门和制动踏板行程及变化率等操作行为指标体系,研究进出减速带段驾驶人操作行为的变化。研究结果表明:在长下坡减速带初始阶段,油门踏板行程指标均小于无减速带阶段,并伴随偶有制动行为;平均车速、制动踏板行程为0分布频数与减速带路段成线性递减关系,减速带能够影响长下坡时驾驶人的操作行为,进而实现对车辆的控速。     

团雾环境驾驶人最低注意力需求研究综述

团雾环境下驾驶人生理心理的相关研究一直是一个亟待解决的行业难题。为了提升团雾环境行车安全性,明确团雾环境中驾驶人最低注意力需求,本文综述了国内外低能见度条件下驾驶人注意力的相关研究进展。首先,本文阐述了驾驶人注意力特性,明确了团雾环境对驾驶人注意力的主要影响因素,讨论了相关的研究方法和数学模型;其次,分析了车辆行驶速度与能见度对驾驶人最低注意力需求的影响,阐明了视觉生理负荷与驾驶人最低注意力需求之间的联系;最后,进行了团雾环境对驾驶人最低注意力需求影响耦合分析,根据行驶车辆经过团雾路段所处不同时空进行划分。本文通过剩余注意力的变化,分析了团雾环境中能见度、速度与最低注意力需求之间的动态变化关系,建立了车辆通过团雾路段过程中驾驶人最低注意力需求突变的理论模型。通过归纳总结现有团雾环境的研究,发现目前在驾驶人诱导需求方面有所欠缺。在后续的研究中,考虑团雾环境对驾驶人的多因素影响,选择更能反映驾驶人视觉心理需求的评价指标进行量化分析,将会成为主要的目标。     

驾驶人纵侧向驾驶能力评价方法研究

为合理分配智能汽车人机协同共驾驾驶权,提高智能车辆的驾乘安全性和舒适性,本文提出驾驶人纵侧向驾驶能力的概念及其评价方法.对驾驶人的驾驶能力进行了定义和分析,并在此基础上设计了纵向跟车激励工况和侧向移动双移线激励工况,在搭建的驾驶人在环智能仿真平台上进行数据采集.建立了基于Hammerstein辨识过程的驾驶能力辨识模型,采用主成分分析法对驾驶能力辨识模型中的关键参数进行解耦和降维处理;通过客观蚁群聚类和主观量表分析相结合的分类方式,实现驾驶能力的分类;通过多元线性回归分析得到驾驶能力评价方程.结果表明,纵侧向驾驶能力辨识模型平均辨识及拟合精度均大于90%,经主成分分析及主客观分类处理后的纵侧向驾驶能力评价方程满足统计检验指标,具有良好的拟合及预测结果.      

驾驶人应急制动行为下的车辆纵向响应分析

为了深入研究驾驶人在应急制动行为下车辆的纵向响应问题,建立了车辆应急制动响应动力学模型;通过驾驶人应急制动行为下车辆纵向应急响应实车试验,完成驾驶人制动操作力度与车辆纵向响应等关键数据的采集,对比分析实车试验数据与响应动力学计算数据;研究结果表明:利用制动踏板位移描述驾驶人的应急操作力度更加准确,并且建立的车辆应急制动响应动力学模型数据误差较小,车辆制动应急响应计算模型70%的数据的相对误差在10%以内,最大相对误差为18.71%。     

基于注意力机制及分层网络的危险驾驶行为预测方法

基于自然驾驶实验,获取“人-车-环境”多维驾驶行为数据,经过数据清洗与筛选构建危险驾驶行为标准数据库。采用显著性分析对指标进行筛选,并构建八维度的危险驾驶行为预测指标集。以神经网络为第一层,以基于注意力机制的长短期记忆（LSTM）网络为第二层,建立危险驾驶行为预测双层时序模型。结果表明：该模型能有效提升预测准确率（10%）;分层结构和注意力机制对预测准确率有较好的提升作用,分别为5%和3%。     

注意力机制下轻量化网络视频行为识别方法

为了解决视频行为识别中网络模型结构过于复杂且计算量大的问题,提出一种基于MobileNet+BiGRU结构的轻量化视频行为识别方法。通过嵌入注意力机制提取改进的MobileNet网络视频单帧画面空间特征,将多帧画面的空间特征叠加后送入BiGRU网络提取时序特征,并通过softmax分类器进行分类。对比实验表明,该方法在UCF-101和HMDB51数据集上的识别率分别达到81.4%和56.8%,相比未使用注意力机制的模型分别提升4.7%和6.2%,计算量仅相当于ResNet50+LSTM结构的7.7%,表明该方法比其他方法效率更高。     

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.     

基于自然驾驶数据的驾驶员紧急制动行为特征

基于中国自然驾驶数据,建立了紧急工况下制动避撞的驾驶员模型,分析了驾驶员的紧急制动反应时间和紧急制动输入特性的规律特征.结果表明:驾驶员的紧急制动反应时间与驾驶工况的紧急程度相关,以碰撞时刻倒数的临界值0.2s~(-1)作为危险触发阈值,驾驶员的紧急制动反应时间分布为均值0.5s的正态分布;最大制动减速度随驾驶工况紧急程度变化不明显,最大制动减速度梯度随驾驶工况紧急程度的增加而增加.     

基于行为特征的疲劳驾驶检测技术研究

介绍了几类目前常用的疲劳检测技术的优缺点,提出了一种改进的疲劳驾驶检测方法:先通过2次图像投影和形态学方法实现眼睛精确定位;再根据眼睛睁闭时,其眼睛宽高比的差异,提出一种眼睛状态的识别方法;根据PERCLOS方法的判断是否疲劳.算法能够有效减少计算量提高运算速度,并在实验室内取得了较高的精确度.     

考虑驾驶人驾驶习性的自适应车道偏离预警策略

提出了考虑驾驶人驾驶习性的自适应车道偏离预警策略。通过实车驾驶数据采集平台采集驾驶人的驾驶行为数据,并基于模糊聚类对驾驶数据进行聚类处理,进而利用广义回归神经网络(GRNN)模型实现了驾驶人驾驶习性辨识策略;建立车道偏离时间估算模型,设计个性化的车道偏离预警系统;最后,通过驾驶模拟器进行测试验证。结果表明,所提出的考虑驾驶人驾驶习性的自适应车道偏离预警策略能够在有效辨识驾驶人驾驶习性的基础上,提高车道偏离预警的适用性。     

自动驾驶环境下交通均衡分配模型及算法

研究自动驾驶环境下(autonomous vehicles,AVs)路径选择和停车选择的交通均衡分配.AVs的路径选择和停车选择两个过程,分别对应载人状态(从起点到目的地)和空载状态(从终点到停车场),考虑两种状态的交通流在路段上相互影响,针对路段成本函数Jacobian矩阵对称与不对称的情况,提出相应的模型以及求解算...     

汽车驾驶员注意力分配定量研究

驾驶员的注意力分配对行车安全至关重要。目前基于驾驶员注意力分配的研究大多是基于定性的,本文从定性和定量两个角度,结合实际道路场景,借助眼动仪进行实车试验,记录并统计驾驶员在不同道路环境及驾驶环境(直行路段、掉头路段、人行横道(非路口)路段、超车、起步、靠边停车)下眼动数据,分析其注视点、注视时间及注视区域的特性,并得出在不同道路环境及驾驶环境下注意力的分配模式,揭示驾驶员在驾驶过程中的注意力分配特点。本文研究结果对驾驶员安全驾驶、车辆辅助系统、无人驾驶系统及驾驶员驾驶培训考核标准的改进有着十分重要的意义。     

不良驾驶行为分析

随着经济发展,城市交通拥挤问题成为交通四大问题之首。面对越修越宽,越修越多的道路,但是交通拥堵问题并没有得到有效的缓解,究其原因,不只是交通流量的增加,还有运行秩序的混乱也导致道路使用效率降低。而现阶段造成运行秩序混乱的主要原因就是驾驶员的不良驾驶行为。本文通过对驾驶行为的分析,总结不良驾驶行为的多发原因,和目前不良驾驶行为的主要类型,针对性的提出管制的措施意见。