驾驶员注意涣散检测技术研究

通过对注意涣散时驾驶员头部运动及面部表情变化特征的分析,系统实时监测驾驶员眼睛、嘴巴位置和运动状态信息,构建驾驶员注意涣散特征表征参量,实现对驾驶员注意涣散状态信息的检测与提取。驾驶员注意涣散表征量具有复杂的非线性特征,利用BP神经网络非线性识别的优势对驾驶员注意特征进行模式分类,实现驾驶员不同注意涣散状态下的特征捕捉。同时采用Dempster-Shafer证据推理技术,对驾驶注意涣散多源表征信息进行决策融合,实现对驾驶员注意涣散状态的判断。结果表明,BP神经网络与D-S规则多源信息决策融合技术的运用提高了驾驶员注意涣散特征检测的准确性和可靠性。     

交通事故再现技术研究现状与发展趋势

道路交通事故再现不仅是交通事故责任鉴定和原因分析的重要方法,也是交通事故防治的重要内容。在详细介绍国内外事故再现计算机仿真技术的基础上,分析目前事故再现系统开发中事故现场数据采集技术、碰撞前后速度估算的技术、碰撞过程进行模拟的虚拟现实技术的研究现状与存在的问题,提出进一步优化的方向,进而达到完善交通事故模拟再现的目的。最后指出我国交通事故再现技术进一步研究的内容和发展趋势。     

面向驾驶员辅助系统的换道意图辨识方法研究

为提高先进驾驶员辅助系统工作效能,通过差异性分析选取了人-车-路特征参数,建立了支持向量机换道意图辨识模型.基于驾驶模拟器采集的数据,运用ROC曲线对比分析了不同参数组合、时窗、数据表达形式下模型的分类效果,结果表明以方向盘转角、加速度、车辆距车道线距离和驾驶人头动信息为特征参数,时窗为1.5s,以时窗内信息均值和方差表述特征参量可获得最优辨识效果.研究表明,模型在保证1 s前瞻性的同时辨识率可达93％.     

基于多信息检测的车辆智能防撞预警技术研究

运用多源信息检测技术对驾驶状态进行综合检测,利用架设在车辆外部的摄像机获取本车与前方车辆之间的相对距离、相对速度信息,利用架设在车辆内部的摄像机获取驾驶人状态信息,通过综合判断降低车辆防撞检测的漏警率、误警率以及冗余报警率;构建车辆行驶安全判定规则,对行车实时危险和潜在危险进行检测、分析与判断,获取可靠的防撞警示提醒;使反应时间、相对距离、相对速度3个方面都能得到优化控制,从而避免车辆碰撞事故;同时也为提高车速、增加道路通行能力、实现自动驾驶等奠定良好的基础。     

基于多通道信息融合的疲劳驾驶行为分析研究

为了克服单一通道信息在驾驶疲劳行为判定中的局限性,提出了综合运用多通道信息融合共同判定驾驶疲劳行为的方法。该方法在充分考虑各信息源相关性和互补性的基础上,优化采用驾驶人疲劳特征ECD、车道偏离程度SAAE、方向盘转动程度SWA等疲劳判别指标,运用MVAR进行多维特征向量提取,以有向无环支持向量机为融合算法,建立了基于多分类支持向量机的驾驶疲劳行为判定模型。结果表明,运用DAG-SVM进行多通道信息决策提高了疲劳驾驶行为检测的准确性和可靠性。     

不确定背景环境下车道检测技术的研究

针对不确定背景的交通环境,提出一种新的车道检测算法。确定道路路面的色彩范围,提取车道标线的色彩信息,消除光照强度变化对车道标线信息提取过程的影响;通过对比车辆与车道标线在大小、形状和运动模式3方面的差异排除车道中车辆对车道线检测的干扰;单帧图像的车道检测结果存储于车道一致性确认模块中,运用车道标志线一致性确认提高车道检测结果的准确性。试验结果表明,该方法能够有效地检测各种天气条件下车道区域以及解决车道遮挡问题。