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。     

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。     

图状信息板影响下的驾驶员路径选择行为

为了探索图状信息板(GRIP)对驾驶员路径选择行为的影响因素及其影响程度,借助GRIP信息发布平台,在信息板同时提供前方道路交通问题性质、事故严重程度的情况下,利用全因子方法设计了GRIP的6种假定交通情景,并对这6种情景下驾驶员路径选择行为数据进行采集.采用离散选择分析方法对路径选择行为的影响因素进行了多变量分析,并建立了路径选择概率的多元logit模型.研究表明,驾驶员对GRIP影响下路径选择影响程度的认知、开车类型、月收入、交通问题性质及严重程度在不同程度上影响驾驶员的出行决策行为.     

群体诱导信息下驾驶员响应行为的辨识与建模

提出一种利用实测宏观交通数据定量分析群体诱导信息下驾驶员路径选择行为的新方法.利用上海市快速路监控中心和路由控制示范工程数据库的交通数据,重构可变信息标志(variable message sign,VMS)信息下的交通出行场景,分析VMS信息作用下驾驶员路径选择行为,建立了一个集计的群体诱导信息响应行为Probit模型.结果表明:驾驶员在VMS信息影响下的路径选择行为除了和信息内容有关外,还与时段、下匝道交通状态、拥挤可视性、有无协调分流等因素有关,可为主动式智能交通诱导系统的构建和信息发布策略的制定提供依据.     

不同交通信息下网络交通动态路径选择行为

为从道路网络层面实现对城市交通的有效诱导,达到均衡交通流分布、提高交通整体运行效率的目的,在一个典型路网上,研究利用可变信息标志(variable message sign,VMS)提供不同交通信息内容条件下的驾驶员动态路径选择行为.针对地面道路上一块文字式VMS和快速路上一块图文混合式VMS,采用陈述偏好调查法采集交通行为数据,并用离散选择行为方法分析数据,建立了提供路径行程时间信息、交通状态信息和交通事故信息条件下驾驶员动态路径选择行为模型.分析结果表明,可变信息标志发布路径交通信息的精确性、完整性,驾驶员的个人属性等,是影响路径选择行为的主要因素.研究结果可为先进的出行者信息系统的规划建设和信息发布策略的制订等提供依据.     

基于经验加权吸引模型的车辆路径选择博弈研究

交通诱导成为解决城市交通拥堵问题的关键,驾驶员在接受诱导信息时如何选择值得研究。基于经历加权吸引学习理论,综合考虑自身历史经验及对其他驾驶员策略选择形成的信念,将驾驶员视为有限理性的参与者,建立交通诱导模型。通过博弈论研究驾驶员路径选择过程;并通过仿真分析路网流量、初始接受比例变化对驾驶员路径选择产生的影响,为诱导信息的发布提供指导,缓解城市交通压力。     

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。     

出行前交通信息发布对城市路网的交通影响分析

提出了一种出行前交通信息提供下进行交通影响分析的方法。利用随机路径选择模型来描述出行者对出行信息的反应,根据是否接收交通信息将驾驶员分为两类:接收者将在路径选择时避开拥堵路段,而非接收者将根据对路网的认知进行随机路径选择,并给出这两种出行行为共存下的交通分配方法。以广州市中心商务区珠江新城为例分析了信息发布对路网的改善作用,并讨论了最佳发布策略。     

突发交通事件信息影响下交通网络行为微观计量分析

研究了突发交通事件下地面道路可变情报板(SVMS)同时提供高架和地面道路行程时间条件下的驾驶员择路行为.采用意向行为调查获取择路行为数据,运用微观计量经济学中的离散选择分析方法对影响路径选择的因素进行了多变量分析,建立了描述择路概率的二元Logit模型.研究发现,SVMS信息对择路决策有显著影响,影响大小与驾驶员属性、信息内容及地面道路属性有关;驾龄越长、年龄越大的男性驾驶员,接收SVMS信息后选择地面道路的可能性更大;经常使用高架、认为高架可变情报板对其择路决策很有用的驾驶员,选择地面道路的可能性更小;高架延误越大、地面道路信号灯路口越少、延误原因为事故时,选择地面道路可能性更大.研究成果为交通突发事件下交通诱导策略优化提供理论依据和政策启示.     

基于技术接受模型的生态驾驶诱导辅助系统认知接受度

融合技术接受模型和信息系统成功模型框架,设计了李克特7级量表问卷,探究了不同驾驶场景下驾驶员对生态驾驶诱导辅助系统的使用意愿和对诱导信息的认知偏好。研究表明,驾驶员倾向于接受以语音形式警示非生态驾驶行为的诱导信息类型。在城市道路上,提高诱导辅助系统的感知有用性和感知易用性有助于提高驾驶员对系统的接受度。在城市快速路上,诱导辅助系统的感知有用性和感知易用性仅对高峰场景下的驾驶员使用意愿有显著正向影响,平峰场景下影响驾驶员使用意愿的具体因素仍需在未来诱导实验中深入探究。     

诱导信息条件下车辆路径选择——基于有限理性模糊博弈

诱导信息属于建议性信息,当诱导信息发布以后驾驶员并不一定接受诱导信息;在行为强化理论基础上,建立了基于有限理性模糊博弈的诱导信息条件下车辆路径选择模型,并通过仿真得出了不同初始状态下的博弈平衡结果;仿真结果表明:诱导信息的发布并不一定能改善路网交通流分布,它与路网总流量以及初始接受诱导的车辆比例密切相关.     

诱导信息下基于博弈论的路径选择模型

诱导信息下的路径选择模型无论是在宏观的交通规划领域,还是在微观的驾驶员行为机理研究过程中都具有重要的意义.通过分析出行者选择路径的过程,将博弈论中的静态多人博弈与路径诱导下的出行者的决策过程进行对比,引入求解纳什均衡的划线法,来阐述出行者的路径选择模型,以求得到最接近实际的出行者在静态诱导信息下的路径选择模型;给出了基于博弈论的路径选择模型算法,并通过1个简单实例阐述了在静态诱导信息下出行者的博弈过程以及求解纳什均衡的方法.     

面向驾驶员个性化需求的动态路径诱导方法

基于物理规划的思想,研究面向驾驶员个性化需求的动态路径诱导方法.首先,分析个性化动态路径诱导问题,构建路段交通阻抗的个性化评价指标体系;然后,基于物理规划思想,进行个性化动态路径诱导:面向驾驶员对道路的“可行性”需求动态确定交通路网搜索的几何空间;面向驾驶员对道路的“偏好性”需求,对几何空间内的交通路网阻抗进行个性化评价;面向驾驶员对道路的“最优性”需求,基于Dijkstra算法在动态交通路网中进行最优路径搜索;当路网中的交通阻抗发生变化时,及时更新路网信息,重新搜索从车辆当前位置到目的地的最优路径.研究结果表明:该方法既能体现驾驶员的个性化需求;仿真算例验证了该方法的有效性和可行性.     

数字界面微观信息结构的有序度分析

针对数字界面人机交互过程中的信息流畅性问题,提出从微观信息结构出发运用熵理论对信息结构的有序度进行定量分析.首先,指出微观信息结构由2类信息元和3种典型的信息关系组成;其次,提出信息结构的时效熵和质效熵的计算方法,用来度量数字界面信息结构的有序度;最后,选择手机界面这一典型的数字界面为例,构建了3种不同的App布局,进行信息结构的有序度计算.认知实验结果表明,有序度高的信息结构具有直观方便、分区有规律等特点,比较容易记忆;而有序度低的信息结构搜索路径复杂,记忆效果较差,且耗时较多.数字界面微观信息结构的有序度与用户的认知绩效相关,可以作为界面设计效果的评价指标.     

交通信息影响驾驶人在途路径选择的关键因素及分析

通过分析提出交通阻抗、驾驶人对交通信息的信任程度是影响驾驶人在途决策的主要因素,而且在需求一定的情况下,信息发布率对决定交通阻抗有重要作用;分析交通信息对交通阻抗的影响机理,同时,基于驾驶人对交通信息的信任度对其路径选择决策的影响进行建模分析。引入交通信息发布率的概念,对交通信息与交通阻抗的关系进行定量建模,分析结果对于交通管理部门评价交通信息服务质量,制定交通流诱导、控制策略,具有一定的理论与应用价值。     

基于信息负荷的城市地下道路视觉环境影响车辆运行特征机理分析

计算不同道路环境下驾驶员所获得的视觉信息负荷,解析导致车辆在不同道路环境下存在运行特征差异的机理,提高地下道路技术设计和运营管理水平.应用实车试验技术获取地上和地下道路环境中车辆运行特征数据和视觉环境资料,进行不同道路环境系统中车辆运行特征和驾驶员视觉信息负荷的对比研究,分析视觉信息负荷对车头间距和运行车速等车辆运行特征的影响规律.在此基础上深入研究了地下道路视觉环境影响驾驶员视觉信息负荷的机理.最后通过模拟驾驶技术提出了完善和提高地下道路视觉环境交通安全性的技术措施.     

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。     

基于MATLAB的智能车辆导航路径提取

近年来,随着汽车数量的增加,交通安全变得更加重要,视觉路径导航技术的应用可以有效的减轻驾驶员驾驶的负担,减少驾驶员疲劳驾驶的现象,缓解驾驶者的疏忽导致的交通事故,提高交通安全性。提出一种基于MATLAB的智能车辆导航路径提取的方法。首先,采用图像增强、自适应阈值二值化等方法处理原始导航路径图像以识别导航路径,再对图像进行搜索以确定路径左右边缘点位置,从而提取路径中心线及导航参数。     

基于信号博弈的道路交通隐性违法行为研究

【目的】方便道路交通安全管理部门更有效地开展交通违法治理,遏制道路交通中的隐性违法行为,实现道路交通的有序、安全、畅通。【方法】将酒后驾驶、无证驾驶等无法通过视频监控设施完成线上执法的交通违法行为定义为道路交通隐性违法行为。利用信号博弈理论,对驾驶员与交通执法者的决策互动过程进行建模,模型中引入了检测器机制,使交通执法者依据检测器输出结果和驾驶员信号来进行决策;推导交通执法者与驾驶员博弈双方的混同均衡策略和准分离均衡策略,揭示在不同先验概率下驾驶员和交通执法者均衡策略的变化情况。【结果】仿真结果表明：交通执法者两种信任度的倾向程度和质量对供驾驶员选择的纯策略先验概率区间、驾驶员自身实际类型的概率以及交通执法者的均衡效用均有重要影响。【结论】本研究基于信号博弈模型,从交通执法者的决策机理角度,对道路交通隐性违法行为的治理提出具有针对性的建议。     

基于云模型的驾驶员驾驶状态评估方法

为了满足智能车辆辅助驾驶系统对驾驶员状态监测的要求,提出了一种以云模型理论为基础的评估机动车辆驾驶员驾驶状态的方法。介绍了云模型定义、云模型的3个数字特征和云发生器。通过云模型对实际道路上采集的驾驶员不同驾驶状态下的视频录像进行了建模和比较。在清华大学室外移动机器人平台THM R-V上进行了简单实验,实验结果表明,该方法可以识别驾驶员的异常驾驶行为并且给出报警信息。