简介:针对公路线形、交通环境与驾驶员的协调性实时检测的定量化评价方法问题,围绕虚拟现实技术和驾驶员道路安全感认知评价,在对210国道西万三级路典型路段建模生成三维模型的基础上,组织53名驾驶人员在虚拟仿真实验室中对虚拟三级路进行现场认知评价试验。采用模糊统计的方法对评价试验得到的795组数据进行分析处理,建立虚拟三级路安全性认知因素的模糊评价隶属函数。采用计算虚拟和实测道路模糊评价隶属函数的贴近度的方法,与基于实际道路的三级路安全性认知因素的模糊评价隶属函数对比,证明虚拟现实技术在驾驶员道路安全感认知评价研究中的可行性。
简介: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(BackPropagation)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。
简介:对驾驶行为的危险状态进行动态辨识并提前预警是防止交通事故发生的重要手段。提出一种基于Kohonen神经网络和支持向量机(SVM)的驾驶行为险态动态辨识方法。基于国内外相关研究,选取油门、方向盘转角、刹车、离合、X轴速度、Y轴速度、X轴加速度、Y轴加速度、发动机转速作为驾驶行为状态指标。应用Kohonen神经网络对9个指标组成的向量进行非监督聚类。用聚类结果组成的时间序列表示驾驶员行为指标的动态变化特征并以此作为输入,通过训练SVM实现驾驶行为险态辨识,解决了高维指标数据监督聚类困难和险态识别的静态性问题。最后,采用驾驶模拟器进行试验设计,对方法的有效性进行验证。以8个危险场景作为诱发驾驶行为险态出现的刺激,10个被试共产生8400组识别序列,选取600组标识为险态的时间序列进行验证。结果表明:该模型的驾驶行为险态识别正确率为82.22%。不同被试的正确率差异控制在6%以下,表明此模型具备一定的泛化能力。
简介:为了研究单车事故中柱状物对客车驾驶室的影响,采用三维显式有限元分析软件LS-DYNA3D建立了客车正面撞击刚性柱的数值模拟模型。刚性柱直径依据美国法规FMVSS214来设定,分别为254mm(D)、381mm(1.5D)和508mm(2D),客车初速度分别设置为30km/h、40km/h和50km/h。基于GB11551—2014《汽车正面碰撞的乘员保护》和美国法规FMVSS214《侧面碰撞保护》试验要求,分别开展不同速度(30km/h、40km/h、50km/h)及不同刚性柱直径(254mm(D)、381mm(1.5D)、508mm(2D))工况下客车正面撞击刚性柱虚拟仿真试验。选取12个参数来评价刚性柱对客车驾驶室完整性的影响,包括驾驶室左侧6个测量点和驾驶室右侧6个测量点,驾驶室左侧结构6个测量点的最大位移表示驾驶室左侧结构的最大变形量,驾驶室右侧结构6个测量点的最大位移表示驾驶室右侧结构的最大变形量。结果表明:刚性柱直径一定时,初始速度越大,驾驶室完整性越差;初始速度一定时,刚性柱直径越大,驾驶室完整性越好。
简介:为研究视觉与听觉次任务对驾驶人视觉的影响及差异性,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、难度的视觉与听觉次任务,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执行不同次任务时,视觉搜索区域面积、瞳孔面积、次任务完成时间的差异并分析统计显著性。结果表明,驾驶人在执行视觉次任务、听觉次任务、无次任务3种状态下,执行视觉次任务时视觉搜索区域面积最小、瞳孔面积变化幅度最大、次任务完成时间最长;无次任务时视觉搜索区域面积最大、瞳孔面积变化幅度最小、执行次任务时间最短;执行听觉次任务时,视觉特征数据居于视觉次任务、无次任务两种状态之间。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,视觉与听觉次任务使驾驶人心理负荷明显增大,且视觉次任务对驾驶人的影响更为明显。