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％.     

基于个性化行为模型的驾驶疲劳识别方法

为提高疲劳驾驶状态的识别精度,应考虑驾驶人之间的个体差异。以实车驾驶试验条件下车道保持行为中的车速和车道偏离值为输入,以方向盘转角为输出,基于径向基(RBF)神经网络针对每个驾驶人构建正常驾驶状态下的车道保持行为模型,并根据残差对模型的拟合及预测效果进行评价;将疲劳驾驶状态下的车速和车道偏离值输入到上述驾驶行为模型中,可得到模型预测的方向盘转角值,通过分析预测值与实际方向盘转角之间的差异,研究疲劳对驾驶人行为的影响;将预测残差作为输入,建立基于支持向量机(SVM)的疲劳驾驶状态辨识模型。结果表明:所建立的RBF神经网络-SVM识别模型对不同驾驶人疲劳驾驶状态的平均识别率达85%。     

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。     

因子分析与多层神经网络组合的酒驾辨识模型研究

为准确辨识驾驶员酒驾行为以及酒驾状态水平,提高酒驾治理效率,通过人因工程试验和驾驶模拟试验,采集并预处理驾驶员在正常、饮酒、醉酒3种驾驶状态下的驾驶行为数据(包括驾驶员的人、车、环境数据);对原始参数进行因子分析,提取特征参数并将其作为多层神经网络的输入向量,训练多层神经网络,建立基于因子分析和多层神经网络的酒驾行为辨识模型;选取75组测试样本数据输入模型,将模型的输出结果与实际情况比较,验证模型的有效性。研究表明:该模型的训练时间为0.905 s,最优验证均方误差(MSE)为0.034,识别准确率达92.41%,用该模型能较为快速、准确地识别酒后驾驶行为。     

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。     

BP神经网络跟车模型优化

为提高跟车预警系统给出的结果的准确性和可靠性,利用毫米波雷达开展实际驾驶试验,获取驾驶人在跟车过程中的稳定、加速和减速状态表征数据。以自车速度、自车与前车相对速度、自车与前车相对距离等3类参数的不同组合为输入变量,以自车的加减速特性为输出变量,建立BP神经网络模型。用遗传算法(GA)优化该模型。结果表明,单纯的BP神经网络模型预测准确率较低,利用GA优化模型后可有效提高模型的准确率。当输入参数为自车速度、相对距离与相对速度时,模型的有效率达到94.17%。     

基于Multi-class SVM的车辆换道行为识别模型研究

自动安全换道是车辆实现无人驾驶的关键,为精确识别行驶车辆换道状态,保证行车安全,设计了一种基于多分类支持向量机(Multi-class Support Vector Machine,Multiclass SVM)的车辆换道识别模型。从NGSIM数据集中选取美国101公路车辆轨迹数据进行分类处理,并将车辆换道过程划分为车辆跟驰阶段、车辆换道准备阶段和车辆换道执行阶段。采用网格搜索结合粒子群优化算法(Grid Search-PSO)对SVM模型中惩罚参数C和核参数g进行寻优标定,利用多分类支持向量机换道识别模型对样本数据进行训练和测试,模型测试精度达97.68%。研究表明,模型能够很好地识别车辆在换道过程中的行为状态,为车辆换道阶段的研究提供支持。     

驾驶人危险辨识进展研究

为促进驾驶人危险辨识研究,系统梳理国内外有关驾驶人危险辨识的研究进展。介绍驾驶风险管理理论以及危险辨识的定义和模型,归纳驾驶人危险辨识能力的评估和提升方法,展望驾驶人危险辨识的研究前景。结果表明,驾驶人危险辨识的模型和训练体系有待进一步完善;为获得更为准确的评估结果,有必要研究融合交通环境、眼动特性、驾驶行为等多源信息的驾驶人危险辨识能力评估方法。为进一步提升我国道路交通系统安全水平,应加快驾驶人危险辨识相关研究成果在我国的市场化应用。     

基于换道行为的驾驶分心识别方法

为预防驾驶分心导致的交通事故,利用径向基函数(RBF)神经网络模型,研究驾驶分心识别方法。通过驾驶模拟试验,分析驾驶人分别在正常驾驶、手持接听电话和免提接听电话等3种状态下执行车辆换道操作时的驾驶行为,构建基于最小正交二乘法(OLS)的RBF神经网络驾驶分心识别模型,用于判定驾驶人是否处于分心状态。研究表明:驾驶分心对换道过程中车辆的纵向速度、横向速度、横向加速度、方向盘转角、方向盘转速和油门开度等6项驾驶绩效参数有显著影响,所构建模型的平均识别正确率达到88. 7%,可准确识别驾驶人的分心状态,为分心事故预防提供理论支撑。     

基于SEM的双车道公路超车行为安全评价

为提高驾驶人在双车道公路上超车的安全性,基于tau理论适应性分析,提出超车过程中驾驶人不仅根据tau线索估计避碰时间,也利用距离、速度、加速度等判断超车是否安全的试验假设。招募12名受试者,应用驾驶模拟系统试验平台,依据试验假设采集12个与超车行为有关的驾驶行为数据,对其进行无量纲化处理,并利用Bootstrap法对数据进行扩增。结合驾驶行为问卷得分,利用AMOS软件,建立超车行为安全评价的结构方程模型。通过对初始假设模型进行多次修正与评价,得到影响超车行为安全的3个驾驶行为参数。结果表明,超车车辆在超车并道后的速度、与前导车之间的避碰时间及与对向车辆之间的避碰时间这3个驾驶行为参数可作为超车行为安全评价的有效指标。     

基于智能手环的愤怒驾驶行为动态检测方法

为解决驾驶人因愤怒驾驶而导致交通事故的问题,首先,聘请18名职业驾驶人佩戴智能手环开展实车试验,采集驾驶人的心电指标;然后,经统计检验发现不同愤怒情绪强度下心电指标心率(HR)、RR间期的平均值(RRmean)、RR间期的标准差(SDNN)、连续差的均方根(RMSSD)、RR间期大于50 ms的个数(PNN50)、高频(HF)、非线性指标(SD1、SD2、SD2/SD1)具有显著差异;最后,分别以三级愤怒驾驶行为(正常、轻微愤怒、强烈愤怒)和二级愤怒驾驶行为(正常和愤怒)为因变量,以显著差异心电指标为自变量,基于支持向量机(SVM)、K近邻(KNN)和线性分析(LD)建立驾驶人愤怒驾驶行为动态检测模型。结果表明：二级愤怒驾驶行为识别模型识别效果明显优于三级愤怒驾驶行为识别模型;二级愤怒驾驶行为识别模型中SVM效果最好,三级愤怒驾驶行为识别模型LD模型识别性能最佳。     

基于SVM的通风系统故障诊断惩罚系数与核函数系数优化研究

使用支持向量机（SVM）方法对矿井通风系统进行故障诊断,存在惩罚系数（c）和核函数系数（g）,通过人工方法选取效率低、难以达到较高准确率并且出现过拟合的问题。为了提高矿井通风故障诊断的效率、准确率,同时避免过拟合现象,提出了一种改进遗传算法（GA）,在故障诊断过程中对支持向量机的c,g参数进行优化。经过多组试验分析,研究结果表明:用遗传算法优化的SVM矿井通风故障诊断系统相比于未优化系统的故障诊断准确率有所提升,参数未优化前故障诊断的准确率为60%,优化后的准确率为97.894 7%,并且优化参数经过大数据样本验证,未出现过拟合现象,证明了本文提出方法的有效性。     

复杂道路环境中驾驶人应激反应能力研究

为提高驾驶人在复杂道路环境中的应激反应能力,利用汽车驾驶模拟器试验平台和眼动仪,针对山区双车道公路、城市道路、高速公路和农村公路4种道路应激场景,研究驾驶人的应激反应能力。通过回归分析,研究驾驶人在复杂道路环境下应激反应能力与训练次数的关系。结果表明,驾驶人瞳孔面积变化率与应激训练次数的对数回归模型的拟合度较高;高速公路雾天(前车未打转向灯突然换道)条件下,驾驶人的应激反应能力较差;非职业驾驶人的应激反应能力,会随着时间的增长出现不同程度的减弱,可通过恢复性训练,较快回到原来的应激反应水平。     

考虑愤怒情绪的驾驶员换道行为博弈分析

为建立以人为中心的个性化汽车安全驾驶预警系统,提高驾驶安全性,在传统车辆换道模型的基础上,考虑驾驶员的愤怒情绪因素,通过改进传统的车辆自由换道模型,引入不完全信息动态博弈理论,构建驾驶员情绪换道博弈模型;依次计算驾驶员正常、愤怒情绪下换道2阶段过程中双方博弈收益,并通过30名被试在正常和愤怒情绪下的换道行车数据验证模型,分析换道决策博弈特征。研究表明:驾驶员的情绪因素对换道行为具有比较明显的影响,当博弈参与者中的目标车辆驾驶员处于愤怒情绪时,较正常情绪具有更高的换道频率。     

辅助驾驶中的换道决策安全研究

换道是驾驶员达到快速通行目标的一种常用手段,但换道会带来很多公路交通事故。为有效避免交通事故,需给驾驶员提供换道安全预警。构建了安全换道决策模型,将换道决策分为换道意图识别和换道条件判断分别建立模型以提高预测精确度。通过神经网络方法SOM(Self-Organization-Map)聚类及BP(Back Propagation)建立换道意图识别模型,基于贝叶斯理论建立最小风险贝叶斯换道条件判别模型。模型开发和测试采用车辆轨迹数据集(NGSIM),提取数据中的换道行为特征参数作为模型的输入,将驾驶员换道决策预测视为输入变量的函数。通过对比最小贝叶斯和最小风险贝叶斯方法发现,由后者构建的换道条件判别模型效果较好,对于不换道行为的预测精度为90.4%,换道行为的预测精度为73.8%。鉴于错误的换道决策可能导致交通事故,而错误的不换道决策只会导致失去一次换道的机会,在换道辅助系统中,不换道决策的精确度要求需高于换道决策的精度。最后,在微观交通仿真系统中加入换道决策模型,其结果验证换道决策安全。最小风险贝叶斯换道条件判别模型的引入,使得换道决策系统能够通过修正风险系数,进一步提高换道判别精度,减少不安全的换道概率。     

视觉记忆型次任务对驾驶绩效及安全的影响

为研究视觉记忆型次任务对驾驶绩效及安全的影响,采用对未知内容的记忆任务和对已知内容的再认任务分别表征工作记忆和长时记忆过程,构建多组不同难度的次任务,基于标准换道试验环境LCT进行双任务研究。提取并分析驾驶人执行不同任务时车道保持、换道控制等指标的差异以及次任务绩效,基于主客观数据构建综合评判模型。结果表明:双任务驾驶条件下,车辆平均路径偏差、方向盘平均转向角、车道偏移次数指标增大,正确换道比例减小,感知负荷增大,总绩效下降。困难工作记忆组与简单工作记忆组相比,随着任务难度增大,换道控制绩效下降,感知负荷增大,总绩效下降36.1%;困难再认组与工作记忆组相比,车道保持绩效、换道控制绩效提高,感知负荷下降,总绩效提高50%;简单再认组与工作记忆组相比,总绩效变化不大;困难工作记忆组综合绩效最低。上述结果说明:随着次任务难度增大,总绩效下降,但将对未知内容的工作记忆过程转化为对已知内容的再认过程时,总绩效明显提升,这一特点在任务难度较大时更为显著。     

基于RBF核ε-SVR的导水裂隙带高度预测模型研究

为了构建更多样本条件下的高精度导水裂隙带高度预测模型,利用灰色关联理论筛选出关联度较高的煤层采厚、顶板岩层强度及其组合特征、采深、工作面斜长、开采分层数及倾角等因素作为输入变量;应用支持向量机回归模型理论,建立了不同模型类型与不同核函数组合的4种支持向量回归模型;采用PSO算法对模型参数进行优化,并对4组模型预测结果进行分析比较.结果表明,基于RBF核ε-SVR预测模型在预测精度、拟合效果与训练效率等方面优于其他3组模型.通过对PSO算法优化的RBF核ε-SVR模型与传统经验公式的预测效果进行综合比较和讨论,可得支持向量回归模型在现代化开采条件下预测准确率更高,可为矿井安全开采与资源综合开发提供依据.     

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。     

基于改进KFDA和RW ν-SVM的化工生产系统故障快速诊断

为提高复杂化工生产系统在线故障诊断的效率和准确率,将改进核费舍尔主元分析法(KFDA)和鲁棒损失小波ν-支持向量机法(RWν-SVM)结合。首先,利用近邻边界法对KFDA进行监督降维,快速辨识和提取化工过程影响因素的核主元。然后,将核主元作为诊断和分类RWν-SVM的输入参数,并优化回归决策函数表达式,使诊断过程更加快速,分类更加准确。最后,设计一个基于改进KFDA和RWν-SVM算法,并以经典的田纳西-伊士曼化工过程(TEP)为实例进行计算。结果表明:用改进的算法,能快速诊断和分类化工生产系统中的故障,且在计算效率和正确率方面均优于普通方法,故障诊断结果能够反映化工过程的实际情况。     

考虑驾驶负荷的高速公路作业区换道预测模型

为预防高速公路养护作业区车辆换道引起的交通事故,首先,开展不同车流密度的驾驶模拟对比试验,采集车辆换道位置距离过渡区末端长度、车辆换道距离和驾驶人心率数据;然后,基于试验数据,通过车辆运行轨迹和方向盘转角,定义车辆换道位置和换道距离,分析车流密度和驾驶员心率对车辆换道位置和换道距离的影响;最后,采用强迫进入变量法,构建基于车流密度和驾驶员心率的车辆换道预测模型。结果表明:车辆换道位置随车流密度的增大先增大后减小,随驾驶员心率的增大而增大;车辆换道距离随车流密度的增大先增大后减小,随驾驶员心率增大而减小。车辆换道预测模型能够预测驾驶人心率与高速公路养护作业区车辆换道的关系。