营运车辆驾驶行为的研究与应用

我国公路运输里程数居世界前列,且大部分的客货运输工作都是由营运车辆来完成.有数据显示,大部分的重特大运输事故与营运车辆有关.因此需重视营运车辆的运行状况,特别是重视驾驶员的驾驶行为,以减少车辆事故的发生.论文通过对车联网数据进行分析、确定驾驶行为指标及各指标得分细则并使用K-means聚类方法对驾驶行为进行分级,最终建立评估模型,客观评估驾驶行为的优劣.实际结果表明,该评价模型为驾驶员行为习惯的综合分析提供了一种可行的方法.     

一种新的自动驾驶轨迹规划方法

提出了一种轨迹规划算法,该算法可以为自动驾驶生成舒适安全的轨迹,障碍物通过摄像头或车间通讯的协同感知消息（（CAM））和分散化环境通知消息（DENM）方式感知。该算法主要分为3个部分,首先由轨迹生成模块生成舒适的轨迹簇,其次由于传感器可能存在的误差,对其他交通车的位置和速度进行估计,最后由轨迹选择模块选择最适合的轨迹。为了帮助无人车做出决策,建立了碰撞概率模型。在MATLAB环境下的仿真证明了该算法安全可靠。     

论汽车驾驶员的素质与行车安全

机动车驾驶属运输业中一种特殊的工种.由于工种特殊,所以对从事这个行业的人员要求也就特别和十分重视,这是因为当你在驾车处于工作状态所从事驾驶车辆的人员,每时每刻都要保证行人和道路两旁一切物体的安全.本文试对汽车驾驶员的素质与行车安全展开论述.     

汽车驾驶模拟器视觉系统传输延迟补偿

为了减小视觉系统的传输延迟对汽车驾驶模拟器的影响,应用机动目标跟踪理论中的当前统计(CS)模型并结合自适应卡尔曼预测方法,对汽车驾驶模拟器中车辆的位置进行预测,形成针对驾驶模拟器视觉系统传输延迟的当前统计模型补偿器。建立了驾驶员-驾驶模拟器仿真模型,分析了传输延迟对驾驶行为的影响,对比了当前统计模型补偿器与美国国家先进驾驶模拟器(NADS)的补偿器、改进的McFarland补偿器的补偿效果,结果表明当前统计模型补偿器具有更好的补偿效果,并在ASCL开发型汽车驾驶模拟器上对该补偿器进行了验证。     

夜间环境驾驶员精神负荷的生理特性评估与实验

以夜间环境下的驾驶行为为研究对象,基于驾驶模拟器开展了四类驾驶实验,以及白天、夜间单一驾驶任务实验,以及白天、夜间主从驾驶任务实验。在驾驶员脑电、心电、呼吸、皮电等生理数据和精神负荷主观评价的基础上,运用统计学方法综合分析了驾驶模拟实验过程中的生理参数变量变化规律。结果表明:相比白天行车环境,夜间环境下驾驶员的精神负荷有一定的增加,在执行主从任务的夜间行驶实验中被测试对象感知的主观压力显著增加,且主观压力与主从任务难度成正比关系。心率变异性功率谱密度、脑电负荷水平等生理指标呈现显著性差异,呼吸频率也有一定的变化,呼吸幅度和皮电的指标变化不明显。研究成果可用于夜间环境下的道路交通安全评价。     

驾驶员无意识车道偏离识别方法

为了改进车道偏离预警系统的工作效能,本文提出了考虑人-车-路特性的无意识车道偏离识别方法。首先,明确了无意识车道偏离识别的具体含义,将其划分为疲劳车道偏离和次任务车道偏离;其次,利用受试者工作特性曲线(ROC)确定无意识车道偏离的识别时间窗口,保证了无意识偏离样本筛选的有效性;再次,以12名驾驶人为试验对象,采集并对比分析了驾驶员操纵特性、车辆运动状态和车辆与车道线相对运动状态等相关参数,并分别选取作为疲劳车道偏离和次任务车道偏离识别基本特征;最后,采用高斯混合隐马尔科夫模型(GM-HMM)构建无意识车道偏离识别模型。实验结果表明,本文方法具有较好的识别效果。     

基于FANP的私用飞行驾驶员安全驾驶行为评价模型

为了正确评价私用飞行员的安全驾驶行为,在系统分析飞行运行全过程的基础上,建立了基于模糊网络分析法(FANP)的私用驾驶员安全驾驶行为评价模型.针对模型中三角模糊数互补判断矩阵一致性检验过于复杂的问题,引入了最小方差的非线性规划模型,通过求取最优解以简化计算,获得可信度较高的评价指标权重.以某航校飞行学员的评价为实例进行实证分析,结果表明,该模型较传统评价方式更全面、客观,有助于飞行员的安全驾驶行为训练.     

一种基于卷积神经网络的疲劳驾驶检测方法

疲劳驾驶检测具有重要的警示作用,对检测方法的准确性和实时性均有较高要求。为此,提出了一种基于卷积神经网络的疲劳驾驶检测方法。首先,针对车内特定使用环境,对MTCNN算法进行了加速优化,在保证高准确率的同时检测速度提升高达27倍。其次,在实现人脸特征点精确定位基础上,提出了一种基于稀少特征点快速准确提取目标区域图像的ERFP（extracting images based on rare feature points）方法。再次,利用构建的眼、嘴数据集EMSD（eye and mouth state date sets）完成了眼、嘴部状态分类模型的训练。最终,利用训练得到的模型,结合相应的判定算法,实现了疲劳驾驶的检测判定。实验结果表明,该方法在实车环境下对瞌睡和哈欠行为的判定准确率均达到了96%以上,且每秒可完成约50帧图像的检测,具备良好的实时性。     

驾驶员转向特性分类与在线辨识研究

针对汽车驾驶员转向特性分类与在线辨识问题,基于驾驶模拟器实验台,设计典型实验工况,选取具有一定驾驶经验的驾驶员进行实验研究。采集驾驶员转向过程实验数据并提取特征值,应用模糊C均值聚类算法将驾驶员转向特性分为谨慎型、一般型和激进型三类;根据分类实验数据应用BP神经网络算法建立驾驶员转向特性辨识模型,对模型辨识准确度进行离线验证,并基于辨识模型设计在线辨识方法。实验结果表明:研究方法能够实现对驾驶员转向特性的合理分类和在线准确辨识。