约束系统对不同体型女性驾驶人的保护研究

为提高轿车正面碰撞中约束系统对不同体型女性驾驶人的保护效果,依据美国国家高速公路交通安全管理局(NHTSA)的一例实车碰撞试验数据,基于Madymo软件建立有效的驾驶侧仿真模型。利用人体放缩法建立符合中国成年女性身体尺寸的第5、50和95百分位的女性驾驶人模型,以正交试验法进行仿真试验,研究转向管柱倾角、座椅高度、安全带上挂点高度、座椅靠背倾角以及气囊点爆时间等参数的匹配对女性驾驶人损伤的影响。结果表明:女性驾驶人体型越高大,其整体损伤(WIC)值越低;约束系统模型优化后,能明显降低小身材和中等身材女性驾驶人WIC值。     

自适应巡航控制系统对驾驶安全性的影响研究

为探究自适应巡航控制(ACC)系统对驾驶安全性的影响,首先通过实际道路驾驶试验获取我国典型道路交通场景,用驾驶模拟器进行场景仿真,并在有/无ACC状态下开展模拟驾驶试验;然后分析ACC系统在中国典型道路中的表现,通过对比分析ACC模式下不同特征驾驶人的碰撞时间(TTC),探讨不同类型驾驶人的应急反应。结果表明,ACC能较好地处理大多数路况;但面对危险路况时,不管是哪种类型的驾驶人,ACC的应急反应都没有手动驾驶迅速;且女性、年老和对ACC认知度低的驾驶人更容易受ACC的不良影响;驾驶人对ACC的认知度决定其ACC驾驶的安全性。     

基于驾驶模拟的自动驾驶接管行为研究*

为探索有条件自动驾驶对非驾驶相关任务的允准边界,基于实车驾驶模拟器,设计自动驾驶接管试验典型场景,招募30名被试者开展驾驶模拟试验;要求驾驶人执行3种分心形式的驾驶次任务,系统发出接管请求提示后,驾驶人接管车辆控制权以避免险情发生,并分析驾驶人接管反应时间、驾驶负荷以及驾驶绩效等相关数据。结果表明:驾驶次任务涉及的分心形式越复杂,接管过程安全性越差,视觉分心任务与操作分心任务对接管行为影响显著;驾驶人更倾向于选择制动操作接管车辆,次任务分心程度越高,制动接管比例越大;与乘客聊天对接管行为影响不显著,看视频和玩手机游戏均会显著延长接管反应时间,增加工作负荷与车辆纵向减速度,玩手机游戏还会显著提升车辆横向加速度。     

城市道路驾驶人横向避险特性研究

为提高城市道路驾驶人横向避险能力,利用固定基座驾驶模拟器搭建5种典型城市道路危险交通场景,并借助眼动仪采集35名驾驶人的眼动数据和避险操作数据;分别统计并分析驾驶人的视线分布、感知-制动时间、持续制动时间、最大方向盘转角时间和车辆横向位置变化等参数。结果表明:5种场景下驾驶人水平视线基本上都处于中部偏右区域;除场景3外,驾驶人的感知-制动时间均值均在1 s内;在视线无遮挡场景,驾驶人主要通过制动进行避险,反之则以转向和制动相结合的方式进行避险。     

驾驶疲劳恢复时间的心电信号分析

适当的休息能有效缓解驾驶疲劳,提高行车安全。为探究科学的驾驶休息时间,开展试验,用MP150多通道生理信号采集仪,采集20名驾驶人4 h模拟驾驶作业后休息时的心电(ECG)信号,分析ECG信号的变化规律。结果表明:在驾驶疲劳恢复期,ECG指标心率(HR)、间期标准差(SDNN)、低高频比值(LF/HF)、样本熵(SampEn)与恢复时间高度线性相关,且性别差异对疲劳恢复期ECG指标有显著影响;驾驶人的心理疲劳恢复时间早于生理疲劳恢复时间;驾驶人主观恢复时间相对于客观疲劳恢复时间有提前现象;建议连续驾驶4 h后男性驾驶人休息时间不少于24 min,女性驾驶人休息时间不少于27 min。     

认知分心时驾驶人应激反应特征分析

为预防由认知分心影响驾驶人应激反应能力引发的交通事故,开展试验,在驾驶模拟器平台上模拟城市、乡镇、山区和高速公路等应激场景,测试有无分心任务2种条件下驾驶人的应激反应,采集驾驶人操作数据和车辆行驶数据,并利用Facelab5型眼动仪记录驾驶人眼动数据;选取相关表征指标并分析试验数据。结果表明:相比于正常驾驶,认知分心驾驶导致驾驶人视觉搜索范围变窄;无论正常驾驶还是认知分心驾驶,扫视行为均以中、低幅度为主;认知分心导致驾驶人对加速踏板的控制能力减弱;与正常驾驶相比,认知分心时驾驶人的应激反应时间明显增加。     

倒计时信号交叉口赶绿灯行为建模与分析

为探究绿灯信号倒计时末尾时间对驾驶入通过交叉口行为的影响规律,在其交叉口进口道不同地点,用雷达测速仪采集不同末尾时间车辆通过的速度数据。基于地点、时间、速度这3类数据,分析驾驶人的赶绿灯行为。采用SPSS软件分类处理数据,并建立赶绿灯行为模型,得到赶绿灯行为的影响因素与规律。结果表明:当绿灯倒计时剩余时间越短而车辆距停车线越远时,车速呈集中分布,并且驾驶人对车速的期望值与当前车速值的比值越大,驾驶人越倾向于采取激进型赶绿灯行为。当绿灯倒计时剩余时间越长而车辆距停车线越近时,车速呈离散型分布,且分布区间大,驾驶人多采取保守型赶绿灯行为。     

基于紧急制动行为预测的汽车智能制动灯研究

为预防车辆紧急制动造成的追尾碰撞事故,分析跟驰行驶中相邻车辆驾驶人的制动行为过程,提出基于紧急制动行为预测的防追尾碰撞方法。以实际道路采集的驾驶行为数据为基础,定量分析紧急制动、常规制动、加速换挡等行为的加速、制动、离合器踏板的位移变化过程,建立基于加速踏板位移变化率及驾驶操纵动作时序过程的紧急制动预测模型,设计开发汽车智能制动灯。分别在虚拟驾驶平台和实际道路上,对智能制动灯进行测试试验。结果表明,虚拟驾驶试验情况下,使用智能制动灯的车辆被追尾的发生率降低了30%;实际道路测试情况下,制动灯能够有效预测驾驶人的紧急制动行为,先于常规制动灯0.1~0.3 s点亮,提醒后车驾驶人注意安全。     

特长隧道环境下驾驶人注视转移特性研究

为了研究不同经验驾驶人在高速公路特长隧道环境下的注视转移特性,在高速公路特长隧道中开展实车实验,利用 iView X HED型眼动仪采集了32名不同经验驾驶人的眼动数据。运用动态聚类方法,对驾驶人注视区域进行划分,分析了职业与非职业驾驶员在高速公路隧道不同段与普通路段的注视转移规律与注意力分配特性。结果表明:相较于非职业驾驶人,职业驾驶员具有较强的注视前瞻性,且在隧道的不同段主要注视的区域因行车环境不同变化较小;驾驶人对同一目标需要重复注视才能提取足够的信息,且当行车环境复杂度增加或驾驶员驾驶经验不足时,重复注视概率增加;驾驶人在不同路段行车时,主要通过注视中间区域获取信息;行车环境与驾驶经验对驾驶人在中间近处、左侧区域及内后视镜区域的注视平稳分布存在显著的交互作用。     

融合K-means与高斯混合模型的驾驶风格聚类研究

为研究驾驶员的跟车特性,探究驾驶员风格划分方法,采集50名驾驶员的实车试验数据,选取平均跟车时距和平均制动时距为二维向量,建立基于K-means聚类结果的高斯混合模型(GMM)并分析不同风格驾驶员的聚类结果。研究表明:样本数据聚为3类时的平均轮廓系数为0. 45,将驾驶员划分为冒进型、平稳型、保守型3类时聚类效果较好;冒进型驾驶员倾向于选择较小的跟车时距和制动时距,保守型驾驶员的跟车及制动时距则普遍较大,模型聚类结果更加柔性,样本区分度更高。     

驾驶人危险感知能力影响因素及干预方式综述

为探究外部干预对驾驶人危险感知能力的作用效果,梳理不同理论描述驾驶人危险感知过程,并总结驾驶人危险感知行为机制;然后,从危险感知行为要素出发,分析驾驶风格、驾驶经验、交通环境、驾驶状态对危险感知能力的影响;其次,介绍5种危险感知能力干预方式的研究成果,归纳各方式特点;最后,从干预效果持续性、评价指标、迁移效应等方面总结...     

基于减速度的车辆主动避撞模型研究

为预防碰撞类事故,提高驾驶安全性,构建一种以避撞减速度为评价指标的主动避撞模型(DAC)。模型以车辆避撞时所需的最小减速度为系统阈值,将驾驶者的制动延迟时间定为1.2 s;针对不同危险场景下的临界避撞条件,提出以α为目标参数的避撞报警算法;并通过仿真,初步分析DCA模型与时间模型(TTC);然后利用模拟驾驶仪等设备进行DCA模型和TTC模型的对比试验。结果表明:在避撞过程中DCA模型与TTC模型都具有良好的预警能力,但在避撞率和及时性方面,DCA模型分别比TTC模型提高了5.4%和1.02 s。     

公交车停靠站形式对驾驶人生理特性的影响研究

设计并实施实车试验,运用生理测试仪采集驾驶人生理数据,对比分析公交车在通过直线式及港湾式车站时,驾驶人的生理数据基础信号(Basis Signal Analysis,BSA)和心率变异性(Heart Rate Variability,HRV)。结果表明,通过不同形式停靠站时驾驶人的生理特性有明显差异。通过直线式车站时,驾驶人的心电(Electro Cardio Graph,ECG)和阻抗Z0的极大值均高于通过港湾式车站时的极大值,皮电(Galvanic Skin Current,GSC)的极大值约是通过港湾式车站时极大值的1.9倍,心动周期时间序列变化及呼吸时间序列变化的极大值均比通过港湾式车站时的极大值高。要提高停靠站设置的合理性,适当增加港湾式站台,以达到改善驾驶人生理状态、降低驾驶疲劳、提高驾驶安全性的目的。     

基于集成学习的驾驶人避险安全效果影响因素研究

为准确分析影响避险安全效果的关键因素及其非线性影响关系,设计并实施了驾驶模拟试验。首先,利用模拟器及眼动仪采集各场景下驾驶人行为、眼动特征数据;其次,在相关性分析的基础上,采用随机森林等多种集成机器学习算法分析影响避险安全效果的因素,并对其重要度进行排序,采用GridSearch算法优化参数;最后,利用部分依赖图(Partial Dependence Plot, PDP)可解释性方法分析影响因素与避险安全效果之间的非线性关系。结果表明：影响特征与避险安全效果之间非线性关系明显;当特征数为6,特征分别为制动反应位置、制动反应时间、车速、刹车深度、纵向加速度、首次注视时间时的LightGBM模型效果最好,此时F₁为86.07%。如制动距离较近,则高危险状况可能性明显增加;反应时间影响并不明显,但如反应过慢(超过0.9 s)则会造成风险概率升高;车速明显低于正常速度时避险安全效果不佳,往往是因为驾驶技能不强或处于分心状态;较低的减速度往往造成高危险状况,高减速度对于避免高危险状况有一定作用;制动深度不足往往伴随着高危险状况;首次注视时间过早或过晚都容易造成高危险状况,过...     

驾驶分心对隧道段行车安全影响分析

为研究驾驶分心对隧道段行车安全的影响,在虚拟驾驶环境下设计次任务试验,要求被试驾驶人执行多组不同类型、难度的手动与无手动次任务,同时利用眼动追踪装置采集驾驶人视觉特征参数。在筛选有效数据的基础上,运用统计学与数据挖掘方法比较驾驶人在隧道内执行不同次任务时,车辆运行速度离散性、视觉搜索区域面积、瞳孔面积变化率和次任务持续时间的差异,并分析统计显著性。结果表明,驾驶人在执行手动次任务、无手动次任务、无次任务3种状态下,执行手动次任务时车辆运行速度离散性最大、视觉搜索区域面积最小、瞳孔面积变化率最大,次任务持续时间最长;无次任务时车辆运行速度离散性最小、视觉搜索区域面积最大、瞳孔面积变化率最小;无手动次任务的试验结果居于两者之间,次任务持续时间最短。上述差异具有统计学显著性,主观感知评价与客观数据具有一致性。研究表明,手动与无手动次任务使驾驶人心理负荷明显增大,手动次任务对驾驶人的影响最为明显,因此驾驶分心次任务对隧道段行车安全影响较大。     

手机导航方式对驾驶行为的影响研究

为研究驾驶员驾驶时使用不同手机导航方式对驾驶行为的影响,开展模拟驾驶试验,利用眼动仪获取4个场景下车辆行驶状态和驾驶人视觉参数;通过均值比较,方差和显著性分析,探究不同手机导航方式下驾驶行为存在的差异。结果表明:不同手机导航方式均造成驾驶分心,但分心程度不同;手持手机导航使驾驶人对前方和左侧区域的关注下降最为显著;使用导航时,驾驶人一般通过降低车速来减少分心带来的潜在风险,其中手持手机导航降低幅度最大;使用手机导航时,车辆纵向速度标准差更加集中,说明此时驾驶人对于车辆的控制变强。     

汽车正面碰撞中驾驶人坐姿对其损伤影响研究

为研究汽车正面碰撞时驾驶人坐姿对其损伤的影响,根据实车碰撞试验数据,建立车辆驾驶舱-驾驶人-约束系统的MADYMO仿真模型,并予以验证。利用仿真模型开展车速为56 km/h的100%正面碰撞试验,将假人定位并调整其参数,分析驾驶人碰撞前的8种典型姿态对其碰撞后损伤风险的影响,并对比头部损伤值(HIC)、胸部连续3 ms损伤值、胸部压缩量以及颈部、腿部的受力情况。结果表明,碰撞时驾驶人的坐姿对身体各个区域的损伤风险有较大影响;驾驶人碰撞时的纵向位置对其损伤风险影响最显著。     

高速公路特长隧道环境中驾驶员视觉特性研究

为研究有不同经验的驾驶员在高速公路特长隧道环境中的视觉特性,在高速公路特长隧道中开展实车试验。利用眼动仪采集29名不同经验驾驶人的注视持续时间、注视点位置、扫视持续时间、扫视频率及扫视幅度等视觉特性参数,运用统计分析方法比较眼动行为的差异性,分析驾驶经验及驾驶环境对驾驶安全的影响。结果表明:相较于普通路段,驾驶员在特长隧道段的平均注视时间更长,注视点分布位置在水平方向更广,在垂直方向趋于集中,扫视更频繁,且扫视幅度变小;相较于非职业驾驶员,职业驾驶员在不同驾驶环境中的注视时间较短,注视点分布位置更广,扫视频率较低且扫视时间较短。     

危险货物运输驾驶人风险倾向分类及识别模型研究

为合理评估危险货物运输驾驶人驾驶过程中的风险倾向,建立危险货物运输驾驶人风险倾向聚类及辨识体系,以动态监控系统中记录的驾驶人实时违规预警数据为基础,选取可能引发交通冲突的安全关键事件为特征参数,利用探索性因子分析方法实现指标降维,提取驾驶人风险倾向主因子,并通过K-means算法聚类不同风险倾向的驾驶人,最后基于聚类结果监督训练随机森林模型,辨识未知驾驶人的风险倾向。结果表明,利用选取的8类安全关键事件特征参数,可以将驾驶人风险倾向划分为攻击驾驶倾向、鲁莽驾驶倾向、驾驶分神倾向和驾驶疲劳倾向,且可以识别风险较低的驾驶人,基于随机森林模型的驾驶人风险倾向识别准确率为88.68%,可以较好地实现危险货物运输驾驶人风险倾向辨识。研究结果为危险货物运输驾驶人风险倾向分类及识别提供了方法依据。     

驾驶人视觉注意力需求与驾驶行为特性的关系

采用驾驶模拟系统平台,以不同车道类型及不同交通流状态(自由流/稳定流/不稳定流/强制流)为虚拟试验场,应用心理试验设计方法,测试得到21名被试在不同交通流状态下的视觉注意力需求及驾驶行为。对5种车道类型及4种交通流状态下被试驾驶时的视觉注意力需求特性和驾驶行为特性数据进行分析,得到不同车道不同交通流状态下的视觉注意力需求变化情况。利用多元回归方法分析了不同交通流状态下驾驶人视觉注意力需求与驾驶行为之间的关系,并构建了基于驾驶行为特性的驾驶人视觉注意力需求预测模型。结果表明,驾驶人视觉注意力需求与制动次数、油门踏板位移和车辆轨迹偏差之间存在相关关系。