驾驶员制动速度与生理反应的混合效应模型

选择8位35~48岁之间的驾驶员,利用动态心电分析仪、Frecord数据采集系统及动态GPS对紧急状况下驾驶员制动速度与生理反应进行试验分析.综合考虑车距障碍物距离、行驶车速、行车时段、个性特征等因素,建立混合效应模型,并对同时受行车环境影响、且存在关联的制动速度与生理反应间的关系进行研究.结果表明,车距障碍物距离对最大制动踏板速度的影响作用大于行车速度的影响作用,为进一步分析紧急状况下驾驶员行为提供了新的方法.     

城市道路环境中驾驶人应激判断决策的时间特性

针对驾驶人在城市道路环境中的应激判断决策时间进行了虚拟驾驶试验,统计了不同被试的判断决策时间,分析了该时间与驾驶经验、年龄、车速之间的相关性.结果表明,熟练驾驶人的判断决策时间要略大于非熟练驾驶人,且属中年人最为稳定.应激决策时间随着车辆速度的增加,而逐渐减小.此外,应激决策反应时间可以通过驾驶人的驾驶经验、年龄以及行车速度来综合进行预测.     

高科技让开车变轻松

智能监测系统杜绝酒后驾车安全行驶一直是人们关注的焦点。调查显示,酒后驾车和疲劳驾驶是造成交通事故最主要的原因。为此,科学家们推出了酒精自动检测系统,该系统在汽车的方向盘上安装一个成分分析仪,如果司机呼出气体的酒精含量超过限量,系统就会通知车载电脑将车自动锁住,让人无法开动,从而避免酒后驾驶。     

不良汽车驾驶行为特征分析

不良汽车驾驶行为的表现形式多种多样,其特征复杂,造成不良汽车驾驶行为的因素也有很多。根据道路交通管理局的相关安全统计资料显示,驾驶员的驾驶技术不过关是导致道路交通事故发生的原因之一。驾驶员作为道路交通运营的实施者和决策者,个人的驾驶行为是保障生命安全的基础。除此之外,在道路交通运营中,车辆和行驶环境也是使驾驶行为出现不规范操作的因素,但是三者对安全的影响程度有所差异。     

基于图像信息处理的车辆自动驾驶控制方法

在分析驾驶员利用图像信息进行驾驶的一般规律基础上,提出了利用图像信息处理技术实现车辆路迹追踪自动行驶的控制方法和规则,并进行了模拟计算和试验．结果表明,所提出的控制方法和规则用于进行车辆的自动驾驶是可行的．     

车载信息系统与驾驶安全研究综述

作为新的技术和经济增长点,微型电子计算机、无线电通讯、卫星导航等新技术、新设备和新方法已开始广泛应用于汽车工业中.汽车的信息化进程正在逐步加速.但根据多资源理论,以显示查看和信息输入为主要形式的车载信息系统应用任务会分散驾驶员在行驶过程中最重要的视觉注意力,与主要驾驶任务在视觉和认知等多种有限资源形成竞争,从而影响驾驶安全.研究发现,车载信息系统使用任务造成的注视次数和注视时间与汽车的碰撞危险有直接关系,并降低了驾驶员对关键交通事件的探测识别能力和对车辆的控制能力.因此,车载信息系统在行车中的安全性设计非常重要,其研究要点包括人机交互方式、驾驶员行为特征等,研究方法则包括实际道路测试、仿真环境测试、简单实验室测试等.     

长平直线公路驾驶行为测试

目的通过长平直线路段驾驶员心理状态的研究,给出驾驶建议,以降低在该种道路上的交通事故发生率。方法运用动态心电仪、GPS、雷达测速仪等设备,在一段长约27km的长平直线路段上进行2名驾驶员的心理测试实验,通过对实验数据的处理和分析,研究驾驶员的生理特征随车速和时间的变化情况。结果根据大量实验数据,运用最小二乘法拟合取得驾驶员的心率变化曲线等,通过分析,得到了长平直线路段驾驶员心理状态的变化情况。结论在长平直线公路上驾驶员不易产生心理紧张,从而导致警惕性降低、易超速行驶,是形成交通事故的主要原因。     

基于脑电的实时疲劳监测算法的研究

疲劳驾驶是造成交通事故的一个重要因素。基于脑电波传感器采集到的脑电(EEG)信号,提出了一种基于特征节律波样本空间距离的实时驾驶疲劳监测算法。该算法通过提取脑电特征信号并建立相应的特征样本空间,然后通过将实时采集的脑电信号与样本空间之间的距离来判别驾驶员是否处于疲劳状态;并结合多次实验结果,使用ROC曲线分析方法获得确定疲劳判别的阈值,由此实现对驾驶者疲劳状态的实时监测。实验结果显示,该算法能有效地、实时地对疲劳进行监测,且具有较好的鲁棒性和准确性。     

基于改进YOLOv5的鱼眼图像目标检测算法

针对自动驾驶场景下车载鱼眼相机采集到的图像存在畸变严重、场景复杂、尺度变化剧烈、小目标多以及传统的目标检测模型的检测精度不高的问题,提出了一种基于YOLOv5s改进的鱼眼图像检测模型YOLOv5s-R.首先,为解决小目标难识别的问题,提出随机裁剪多尺度训练的数据增强方法,该方法优于消融实验所得的最优数据增强方法.其次,为了提高模型的检测精度,在网络头部添加置换注意力机制与轻量化解耦头,增强模型对特征的提取能力与识别能力,并抑制噪声干扰.最后,模型额外增加角度预测项,实现旋转框目标检测.通过构建环形标签并用高斯函数对标签平滑,解决了旋转框角度的周期性问题;又对损失函数进行了优化,提出了RIOU,在CIOU的基础上增加角度惩罚项,提高了回归精度并加快了模型的收敛.实验结果表明,提出的YOLOv5s-R模型在WoodScape数据集上取得良好的检测效果,相比于原始的YOLOv5s模型,mAP@0.5、mAP@0.5∶0.95分别提升了6.8%、5.6%,达到82.6%、49.5%.     

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。