不同行为模型框架下的数据驱动类人驾驶模型比较

传统的驾驶行为模型框架把驾驶行为划分为跟驰行为和换道行为两大类,并分别进行模型构建;而综合驾驶行为模型框架则认为跟驰行为和换道行为密不可分,因此将所有驾驶行为看作一个整体来进行建模。文中基于这两种行为模型框架,对数据驱动类人驾驶模型的性能进行分析。首先,建立综合驾驶行为模型框架和跟驰换道组合模型框架,并根据驾驶过程中的影响因素,确定模型的输入和输出。其次,提出了基于跟驰、换道和意图识别模块的两种跟驰换道组合方式：判别组合和概率组合。随后,对原始数据集进行处理筛选,构建综合驾驶行为、跟驰行为、换道行为和意图识别4个样本库,分别用于对相应行为模块进行训练和标定。最后,将两种跟驰换道组合模型与综合驾驶行为模型进行模型精度、安全性、鲁棒性和迁移性比较。结果表明：在模型输入输出、参数标定流程和样本数据库一样的情况下,基于长短期记忆神经网络(LSTM)的类人驾驶模型精度优于基于FNN的模型,其中基于LSTM的模型均方误差可达到0.227 m²,基于FNN的模型均方误差为0.470 m²。而在基于LSTM的模型中,采用跟驰换道组合模型框架的模型比采用综合驾...     

自动驾驶车辆对人工驾驶车辆跟驰行为影响分析

针对自动驾驶车辆（automated vehicle, AV）与人工驾驶车辆（manual vehicle, MV）组成的混行跟驰环境，基于Waymo公开数据集研究混行环境中AV前车对MV后车跟驰行为的影响。首先，探究混行环境中期望安全裕度模型和智能驾驶人模型的建模能力和模型参数变化，研究表明，混行环境中MV跟驰行为的机制没有发生变化，但是MV驾驶人的减速敏感程度更低。其次，从跟驰安全性、稳定性和环境效应3个方面对混行跟驰行为进行进一步分析得到，混行环境中的MV跟驰行为的稳定性和环境效应得到了改善，但是安全性并没有发生变化。最后，通过对前车速度波动性进行讨论发现，AV前车主要是通过降低自身速度波动性，从而抑制MV后车的速度波动性，改善MV后车在稳定性及环境效应方面的表现。     

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。     

跟驰行驶状态下的驾驶模拟有效性研究

为验证驾驶模拟技术在跟驰行为研究中的有效性,设计了实车实验与驾驶模拟实验。选取了跟驰距离、跟驰距离标准差、车头时距及驾驶员反应延迟时间作为分析指标,并采用Wilcox检验、生存分析方法分别验证了非时间数据、时间数据的有效性。结果表明跟驰距离、车头时距、驾驶员反应延迟时间具备绝对有效性,两种不同实验环境下跟驰距离标准差随跟驰速度变化趋势相同,具备相对有效性。实车实验中,前车加速度、前后车相对距离、前车加速度变化状态显著影响驾驶员反应延迟时间。有效性分析结果为基于驾驶模拟实验的跟驰行为研究提供前提条件,生存分析结果可用于驾驶员反应延迟时间建模及跟驰模型优化。     

快速路入口区域车辆跟驰行为研究

快速路入口区域车辆跟驰行为及安全间距会受到汇入车辆影响。为了探索快速路入口区域车辆的跟驰行为,利用无人机在200m高空对快速路入口区域进行高空悬停定点拍摄,并利用Tracker软件提取了车辆速度、车辆横纵坐标、加速度等参数。采用跟驰距离、相对跟驰速度绝对值及跟驰片段长度指标对快速路入口区域车辆的跟驰行为进行判断,确定了快速路入口区域跟驰行为判定准则。在此基础上,对交通流变化、车道分布、入口形式对跟驰行为的影响进行对比分析。研究发现：快速路入口区域车辆跟驰距离均值为26m,车辆跟驰距离集中分布在15~28m;相对跟驰速度绝对值均值为0.75m/s,且90%车辆相对速度绝对值小于1m/s;车辆跟驰距离和后车跟驰速度随交通流增加逐渐减小;快速路最内侧车道车辆跟驰距离和跟驰速度大于中间车道;直接式入口的主线车辆跟驰距离和跟驰速度大于平行式入口。本文研究成果可为快速路入口区域跟驰行为参数标定及管控提供参考依据。     

基于人工势能场的跟驰模型

为提升跟驰模型的模拟精度,更加有效地刻画跟驰行为特性,从车辆的实际运行规律出发,将行驶过程中的各种行为归纳为效率与安全2种因素的相互作用.借鉴人工势能场的基本思想,将这2种因素抽象为驾驶员受到的驱动力和阻碍力,进而建立相应的跟驰模型.根据普遍的驾驶行为特性,将车辆运行状态分为减速停车、起动加速和常态行驶3类,并据此对实...     

考虑前车驾驶风格的改进自适应巡航控制跟驰模型及仿真

为了提高自适应巡航控制跟驰模型的效率和安全性,考虑不同驾驶员驾驶行为的差异性,根据驾驶员以往的驾驶行为特性,利用k-均值聚类算法对驾驶风格进行判别和分类,作为优化自适应巡航控制跟驰行为的依据;提出智能网联环境中自适应巡航控制跟驰优化方法,基于对不同驾驶风格车辆的动力学分析,引入驾驶风格修正系数、安全冗余修正系数、响应延迟时间,针对不同前车驾驶风格,建立改进的自适应巡航控制跟驰模型,并对所建立的模型、原自适应巡航控制跟驰模型及对比模型进行仿真分析。结果表明,相比原自适应巡航控制跟驰模型和对比模型,所建立模型的加速度曲线和车头间距曲线均更平缓,可以有效提高跟驰效率,同时具有更高的安全性。     

车辆跟驰模拟模型的建立

在微观交通流模拟中 ,由于驾驶行为的不确定性 ,难以建立精确模型。本文以“期望间距”为基准参量 ,考虑驾驶员的心理和生理因素 ,建立了车辆跟驰模型 ,为研究驾驶行为提供了一种新的思路     

冰雪路面城市快速路跟驰模型研究

针对冰雪路面城市快速路的跟驰模型进行了研究。首先对两种常见的冰雪路面进行了交通调查。根据调查结果对不同冰雪路面城市快速路交通流的自由流速度、平均速度、速度分布,相邻跟驰车辆的车头时距、车头时距与相对速度的相互关系等微观特性进行统计分析,定量地研究不同冰雪路面形态对城市快速路跟驰行为的影响。其次,对不同类型的优化速度函数特征进行对比分析,依据Greenshields速度-密度关系建立期望车速模型,依据车辆不同跟驰状态建立冰雪路面最小安全距离模型,并由此构建冰雪路面优化速度模型。基于现有跟驰理论研究成果,以线性跟驰模型建模思想对全速度差模型进行改造,结合冰雪路面优化速度模型构建适用于冰雪路面的新跟驰模型。最后,利用实测数据对模型参数进行标定,并通过设计实验分析模型的稳定性、加速度非对称性。同时,利用调查数据对新模型和全速度差模型进行模拟分析,结果证明该模型更贴近冰雪路面城市快速路实际交通流,可以为冰雪路面下交通管理措施的制定提供理论支持。     

基于TSK的车辆跟驰模型

为解决基于模糊推理的车辆跟驰模型在参数校准方面存在的问题,提出了基于TSK模型的车辆跟驰模型。对TSK模型在现实驾驶行为中的意义进行了分析,解释了子系统的工作点和线性方程的物理意义,为TSK模型在车辆跟驰中的深入应用奠定了基础。采用改进的基于遗传算法的TSK模型辨识方法,对分组中数据点不足的情况作了特别处理,通过GPS采集跑车实验数据,从实测数据构建并验证TSK模型。实验结果和理论分析吻合较好,表明TSK模型用于车辆跟驰模型的可行性。     

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。     

风-车-桥耦合作用下大跨桥梁驾驶模拟实验方法

为了对大跨桥梁上的行车安全进行精细化研究,基于风-车-桥耦合作用理论,计算3种风速下的桥梁振动作用,建立同时考虑侧风作用和振动作用的大跨桥梁驾驶模拟实验场景.将20名驾驶员根据驾驶经验的不同分成两组,开展驾驶模拟实验.研究结果表明:在侧风作用的后期,受到桥梁振动影响的车辆横向偏移和偏航角速度的波动比无振动情况下大.桥梁振动作用会对驾驶员产生积极的警示作用和不利的干扰作用,对经验相对欠缺的驾驶员,侧风和振动共同作用对行车安全更不利.     

基于决策树模型的汽车驾驶倾向性判定方法

驾驶倾向性反映了驾驶员在车辆操作和运动过程中表现出的心理情感状态,对交通安全极为重要,准确地确定驾驶倾向性是研究驾驶员行为的难点.从研究驾驶员生理-心理特性的角度出发,利用决策树能融知识表示与获取于一身的优点,将决策树用于驾驶员驾驶倾向性的研究,实现了对驾驶员行为的模拟再现.仿真结果表明,该方法用于驾驶员驾驶倾向性的研究是可行的.     

语音预警对降低闯红灯交通事故的功效研究

为解决信号交叉口处闯红灯车辆常常引发交通事故的问题,利用北京交通大学驾驶模拟器,采用语音预警的方法对驾驶员避撞行为进行研究,通过实验得到了事故发生概率和碰撞严重程度两个结果分析语音信息的功效. 研究结果表明,语音信息能够减少事故发生的概率和碰撞的平均严重程度,是降低道路交叉口闯红灯交通事故发生的重要措施.     

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.     

基于决策树的驾驶疲劳等级分析与判定

为了提高疲劳检测的精度,通过驾驶模拟试验采集了15位中青年有经验驾驶员的车辆横向位置、方向盘操控、眼动等多源数据并计算疲劳特征指标,同时采集驾驶员主观疲劳程度并通过视频回放进行校核,在此基础上建立疲劳等级与特征指标的决策树模型,结果表明,对于区别疲劳等级最显著的变量有闭眼时间比例(percentage of eye closure,PERCLOS)、车道偏移标准差、越线时空面积、方向盘反转率,且上述变量与疲劳等级呈正相关;PERCLOS为最优的疲劳等级划分变量,并获取了2个重要阈值:当PERCLOS小于2.8%时,驾驶员处于严重疲劳状态的比例为零;当PERCLOS大于21.9%时,驾驶员处于未疲劳状态的比例为零;该模型预测的总正确率为64.31%.为了校验模型,从15位驾驶员中随机选取了4位进行模型校验试验.校核结果表明该模型的正确率达63.22%.模型在2次试验中都未发现将严重疲劳识别为未疲劳的情况.     

基于BP神经网络模型的驾驶行为环境影响评价

分析了不同驾驶行为对车辆污染物的排放对环境安全的重要影响,运用BP神经网络模型对驾驶行为环境影响进行评价,并与灰色关联模型评价进行比较．评价结果合理可信。     

基于三标度层次分析法的驾驶人路径选择模型

汽车驾驶人路径选择是智能交通系统研究的重要内容之一。通过分析驾驶人出发前路径选择决策过程,建立相应的层次结构,运用三标度层次分析法(analytic hierarchy process,AHP)对出发前驾驶人路径选择决策过程进行建模,基于问卷调查获得相应的数据信息,对模型的适用性进行了验证。结果表明,三标度AHP在确定驾驶人出行路径选择决策过程方面具有较好的适用性。     

基于BVH的驾驶动作捕捉数据研究

提出基于BVH的驾驶动作捕捉数据初步研究方法. 详细解析BVH文件格式特征以及文件中每个数据的表达内容;利用驾驶动作捕捉数据建立了驾驶员在保持驾驶姿势情况下的坐标系统;结合正向运动学方法对动作数据进行处理. 通过动作数据分析以及矩阵的变换将抽象的动作数据转换为具体的空间绝对坐标数据,并建立了量化描述驾驶动作的方法,为进一步研究驾驶动作及分析驾驶行为等提供了运动参数.     

驾驶模拟器在驾驶行为和心理影响因素研究方面的应用

本文综述了国内外利用驾驶模拟器进行驾驶行为和心理研究的现状。对影响驾驶行为和心理的因素进行分类,归纳了综合表征影响程度的评价指标,并对相关实验样本取样、设备及实验过程的研究进展进行了研究与分析。