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。     

交通标志对制动操作认知模型的影响

为了揭示交通标志诱发驾驶员弯道前制动操作的过程,根据认知学原理建立了驾驶员认知模型,并采用模拟驾驶的实验方法,分析了在不同条件下驾驶员第1刹车点位置与交通标志的关系.实验结果表明:当交通标志设置远离弯道入口时,制动操作直接受到交通标志影响;当设置位置距弯道入口较近时,交通标志对制动操作的作用将被弯道轮廓线所代替.另外,结果显示该过程还受到驾驶员内在记忆系统及外部环境的影响.实验结果验证了模型的有效性及相关影响规律,并且结合认知模型可以得到交通标志诱发驾驶员制动操作源于交通信息对于制动决策需求的满足.     

基于决策优化模型的驾驶行为建模方法

为了能在微观交通仿真模型中对复杂交通环境下的驾驶行为进行统一的数学描述，提出一个基于决策优化模型的驾驶行为建模方法.通过扩展Helly跟车模型并将其等式约束变换为不等式约束，建立驾驶员的可行加速度决策空间，再依次求解轨迹最优目标和速度最优目标，得到一个满意的横纵加速度.该建模方法将跟车、换道、超车、穿插、制动等驾驶行为统一地在驾驶行为决策优化模型进行描述中，模型结构灵活，模型参数校正方法简单明了，适用于交通环境复杂的混合交通流微观仿真建模.     

汽车转向时驾驶员驾驶意图辨识与行为预测

提出了一种基于隐马尔可夫模型(HMM)和人工神经网络(ANN)相结合的模型,用于实现驾驶意图辨识和驾驶行为预测,从而达到辅助驾驶和提高主动安全性的目的。通过驾驶模拟器获得双移线和直线行驶的数据,通过结合HMM和ANN建立了驾驶员意图辨识和行为预测模型,对驾驶员意图和行为在紧急转向、正常转向和直线行驶三种工况下的操作分别进行了辨识和预测。实验结果表明,该模型在给定车速下能够准确辨识当前的驾驶意图和较为精确预测驾驶员的驾驶行为。     

虚拟场景下饮酒对驾驶操作的影响分析

论文运用驾驶模拟舱研究饮酒对驾驶操作行为的影响.在由急弯、紧急停车港、障碍区和直线路段组成的虚拟场景中,利用驾驶模拟系统实时采集驾驶操作行为数据,建立各种操作行为的评价指标,运用成对t检验方法对各指标的实验数据进行分析.结果表明,饮酒对驾驶员的制动、转向、离合、油门等操作行为有显著影响,随着酒精的消散,松离合器踏板的速度、踩制动踏板和油门踏板的速度与深度等指标的差异逐渐减小.实验结果说明饮酒后驾驶员的操作行为发生了显著变化,且这种变化随酒精浓度的降低逐渐减小.该结论为进一步研究饮酒对驾驶操作影响的定量分析与判断奠定了基础.     

基于BP神经网络的驾驶精神疲劳识别方法

为了对驾驶精神疲劳予以有效识别,基于行为绩效结合心电信号指标构建了一种驾驶精神疲劳识别方法．以驾驶行为绩效为客观测评指标,给出了驾驶精神疲劳状态的分级划分方法．在此基础上,以心率变异性的6项指标作为疲劳识别特征因子,采用BP神经网络模型,建立了驾驶精神疲劳状态分类器．最后结合实例,依据驾驶行为绩效,将疲劳状态划分为2级,采用10名驾驶员连续4 h的驾驶行为绩效(反应时)、心电数据,对模型、方法予以测算．结果表明,10名驾驶员平均正确识别率在71％～80％之间,且其平均正确识别率为73％．BP神经网络模型与心率变异性指标相结合可有效的识别疲劳．     

驾驶员生理状态对驾驶行为差错的影响

根据驾驶行为的生理机制,建立了驾驶行为运动系统,并依据人的行为差错理论分析了驾驶行为过程中驾驶员的各种生理状态,以及生理状态导致的各种驾驶行为差错。通过分组调查470名驾驶员的生理状态导致的驾驶行为差错,应用主成份分析原理,得出驾驶员的生理状态对驾驶行为差错的影响。     

依据驾驶行为的动态分析辩识交通事故原因

通过建立的驾驶行为形成模型 ,推导出描述驾驶行为动态特征的可靠性表达式 ;然后 ,结合驾驶可靠性计算公式和驾驶行为形成因子的计算机仿真 ,提出了评价驾驶失误对驾驶员车辆系统动态性能影响的方法 .根据对驾驶员车辆系统中驾驶失误的分析得出 ,感知可靠度的变化增大了交通事故发生的可能性     

驾驶行为形成模型及其在道路交通系统中的应用

为了给驾驶行为模型化和道路交通事故原因辨识提供新的途径 ,以便从实践上达到解决诸如驾驶失误预防和驾驶行为分析等道路交通安全问题 ,提出了适于定量评价驾驶失误对道路交通安全影响程度的驾驶行为形成模型 .该模型能用于辩识道路交通事故原因 ,为驾驶员训练提供数据 ,评价驾驶步骤和道路交通系统中人的因素设计     

基于改进YOLOv5的驾驶员分心驾驶检测

针对采用分类方法进行分心驾驶检测存在只能识别有限分心驾驶行为类别以及忽视时间信息的问题,提出了基于改进YOLOv5的驾驶员分心驾驶检测方法。首先,在YOLOv5的基础上引入Ghost模块,采用线性变换代替部分常规卷积进行特征提取以轻量化网络模型,实现快速又准确地检测图像中手机、水杯、驾驶员双眼和头部区域;其次,在获取目标检测结果的基础上,结合头部姿态估计设计逻辑算法并融入YOLOv5中,从认知分心和视觉分心两个角度检测每帧图像中驾驶员是否存在分心驾驶,避免了分类方法受限分心驾驶类别数的问题,再设置适当的时间阈值,从而实现端到端实时的分心驾驶预警;最后,对采集的18名驾驶员的驾驶行为数据集进行对比试验,验证了本文方法的可行性和有效性。     

汽车纵向自动驾驶的因果推理型决策

针对汽车纵向自动驾驶决策过程的因果关联问题,建立了车辆跟驰行为的马尔可夫决策过程模型,利用真实驾驶员驾驶模拟器实验数据与驾驶风险原则确定了模型中的状态集和动作集,并根据车辆的行驶状态设计了相应的回报函数,进而基于增强Q学习算法对该模型进行求解,提出了以上决策过程的因果推理机制。最终,通过在随机工况下的仿真测试,验证了该方法的可行性与有效性。     

驾驶ACT-R认知行为建模

采用认知行为建模方法，建立符合真实驾驶认知行为的认知模型并应用于车辆辅助驾驶系统，达到减少交通事故的目的.基于对交通安全及驾驶行为研究发展历程的回顾，阐明认知科学是解决交通安全问题的重要理论，以及驾驶认知行为建模是驾驶任务研究的有效手段；通过对典型认知体系结构的比较和对ACT-R及其研究的分析，提出了认知体系驾驶认知行为建模方法；借助ACT-R建模工具，以高速公路驾驶超车认知行为为例，基于模型的驾驶行为预测以及基于实验的模型有效性验证,证明了认知行为建模方法具有较广的适用性和灵活性.通过对认知体系驾驶行为建模的优势分析表明，交通安全领域驾驶认知行为建模的应用可以有效地建立起来并发挥重要作用.     

基于模糊神经网络的车辆跟驰建模与仿真研究

驾驶员在车辆跟驰过程中表现出来的模糊的、不确定性的行为特征,难以对驾驶员的行为进行精确的数学描述．本文在以往跟驰模型基础上,采用以实际间距与期望间距的比值和相对速度作为双输入、后车加速度作为单输出的模糊神经网络建立数学模型．结果表明,该网络能较好的反映一定道路条件下的跟驰行为．     

基于条件随机场的驾驶行为识别研究

为深入研究驾驶员驾驶行为特性,减少驾驶辅助系统与驾驶员的控制冲突,本文基于条件随机场(conditional random field,CRF)算法,搭建了驾驶员驾驶行为识别模型。利用NI Phar Lap ETS实时操作系统,搭建车道保持辅助控制试验平台,在试验平台上进行相关参数的实时采集,并根据采集到的数据特性,提出一种根据横向位移对驾驶行为数据进行分段的方法,将采集到的数据样本划分为左换道、右换道以及车道保持阶段。同时,对实时获取的参数进行显著性分析,将与横向运动密切相关的五种参数作为观测参数,对驾驶行为进行识别。研究结果表明,车道保持、左换道以及右换道行为的识别率分别达94.2%,93%和84.4%。该研究对于提高车道保持辅助系统的辅助效果以及减少误警率具有明显的促进作用。     

基于单目摄像头的主动式驾驶行为分析算法

为了预防事故发生,提出一种以人体三维姿态估计对驾驶员行为进行识别监测的算法。利用单目摄像头获取运动中驾驶员的视频流,提取每帧图像的二维轮廓特征,与预先建立的三维人体模型的二维投影进行匹配,实时估计驾驶员上半身的姿态。根据获取驾驶员的8个骨骼节点的三维坐标,对驾驶员的行为识别分析。试验模拟驾驶员正常、单手、接听电话和疲劳/醉酒驾驶4种驾驶状态,通过骨骼节点的坐标变化,实现检测和识别驾驶员的姿态行为并给予提醒。在光线较好的情况下,与PRECLOSE(percent eye closure)算法相比,该算法的误检率降低了24.24%。     

驾驶员转向行为与生理反应的混合效应模型

选用8个年龄在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在交通部试验厂完成了紧急状况下驾驶员行为分析试验.通过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,建立了混合效应模型,对驾驶员转向行为与生理反应间的关系进行了研究,得出基于心率变化量的方向盘转速预测模型,研究结果表明,车距障碍物距离、行驶车速对方向盘转速估计值均具有明显影响.为进一步分析紧急状况下驾驶行为提供了新的方法.     

基于扩展计划行为理论的驾驶员跟驰意向分析

未来道路交通流将呈现自动驾驶车辆和传统车辆混行的现象,为探究人机混驾环境下传统车辆驾驶员对自动驾驶车辆跟驰意向的影响因素,引入驾驶员对自动驾驶车辆的了解程度、风险感知及接受程度3个变量,构建基于扩展计划行为理论的驾驶员跟驰意向模型框架．通过问卷调查获取331份主观评价数据,并借助SPSS和AMOS软件检验数据的内部一致性及可靠性．运用结构方程模型进行路径分析及中介效应分析以检验影响因素间的关系．结果表明,基于扩展计划行为理论的驾驶员跟驰意向结构方程模型对人机混驾环境下驾驶员的跟驰意向具有良好解释力;行为态度、主观规范和知觉行为控制对驾驶员跟驰意向具有显著正向直接效应;风险感知和接受程度通过中介变量对驾驶员跟驰意向产生显著间接效应,其中,风险感知作用为负向,接受程度作用为正向;了解程度对驾驶员跟驰意向既有显著正向直接效应又有显著正向间接效应．研究结果可作为人机混驾环境下车辆交互行为分析的基础．     

基于长短期记忆神经网络方法的车辆跟驰模型

为模拟驾驶员的跟驰驾驶行为,并考虑驾驶员不确定性和记忆效应,基于实车跟驰实验数据,提出并训练了一种基于长短期记忆(LSTM)神经网络方法的车辆跟驰模型。基于该模型研究驾驶员的记忆效应影响时长并进行交通仿真。结果表明:与同体积隐藏层神经元的前馈神经网络比较,LSTM神经网络的跟驰模型预测结果更加贴近观测值且更加平滑,接近驾驶员的实际驾驶行为;驾驶员行为受当前环境及其前1.0～3.5 s内的记忆影响;该模型能够消散交通流中的扰动,模型具有较好的抗干扰能力和稳定性。     

基于决策树的驾驶差错恢复行为的建模

驾驶行为模型化是道路交通系统分析中一个十分重要的研究领域.通过定量分析驾驶差错状态恢复行为的特性,依据对驾驶差错状态的识别和改正行为的测度,建立了驾驶恢复度模型;结合对驾驶行为的测试数据与主观判断,运用改进的决策树求得了驾驶差错状态的恢复概率.该研究结果有利于对道路交通系统中驾驶行为特征的进一步认识.     

驾驶威胁感知评估方法

为评估驾驶员所处交通态势的威胁感受,基于其主观感受性驾驶行为特征提出了一种量化评估方法。选取横向和纵向上的相对速度、间距以及轨迹交叉角5项驾驶行为特征作为态势因子,以预期避碰点与危险源的距离来测度威胁主观感受。采用统计学方法结合驾驶员直观威胁感受,给出各因子分级化隶属函数构造方法。同时结合模糊推理原理,析取威胁评估规则并建立威胁评估模型。最后结合算例验证了本文方法的实用性与有效性。