首页 理论教育 人机共驾智能车辆行为决策建模及安全性评估方法及优势分析

人机共驾智能车辆行为决策建模及安全性评估方法及优势分析

时间:2023-08-18 理论教育 版权反馈
【摘要】:而国内外大多数学者目前都倾向于采用驾驶人的血流量脉冲、呼吸率、皮肤电导及脑电波等指标对疲劳、分神、驾驶压力、攻击性驾驶等危险驾驶行为状态进行判断分析。此外,通过对比分析发现,在模拟驾驶实验中驾驶人的BVP、SC 和RESP 等指标值与实际驾驶过程中的值存在一致性,即表明采用模拟实验进行驾驶行为险态辨识结果具有一定的可行性。

人机共驾智能车辆行为决策建模及安全性评估方法及优势分析

在驾驶行为险态事件标定方面:驾驶行为险态的产生是一个过程事件,而非一个点事件,所以单纯地对某一时间点驾驶行为特征进行分析,往往效果不佳。本研究中提出采用时间窗长度理论将险态事件定义为过程事件,并通过细化标定最终得出以3 s 为标准的时间长度,能够基本表征驾驶行为险态发生事件的完整过程,这一发现也与正常人的认知反应和处理反应时间基本相吻合。

在驾驶行为险态事件定义方面:本研究结合工业系统中险态事件的定义,同时融入交通工程中交通事件的界定,在此基础上,充分考虑到实际实验中交通事故获取的难度和事件的危害程度等方面因素,并结合JTT 916—2014《道路运输驾驶员 特殊环境与情境下安全驾驶技能培训与评价方法》对交通事件的驾驶行为险态等级进行了重新定义和划分。三级划分模式有利于实际驾驶和模拟实验过程中的事件分类与筛选,进而为先进的辅助驾驶系统提供决策辅助支持。

在驾驶行为险态的辨识方面:驾驶人生理心理状态对其驾驶行为具有直接影响,并直接作用于驾驶行为险态交通事件,所以通过观测驾驶人生理指标的变化来实现对驾驶行为险态的判定在理论上是可行的。而国内外大多数学者目前都倾向于采用驾驶人的血流量脉冲(BVP)、呼吸率(RESP)、皮肤电导(SC)及脑电波(EEG)等指标对疲劳、分神、驾驶压力、攻击性驾驶等危险驾驶行为状态进行判断分析。考虑到实际操作的可行性及设备采集的敏感性,脑电波数据受外界环境的干扰太大,并且一些细小的驾驶人动作都会引起脑电波的剧烈变化。所以,本研究最终采用血流量脉冲(BVP)、呼吸率(RESP)、皮肤电导(SC)3 个指标进行研究。结果表明,BVP 值和SC值与驾驶行为险态等级之间存在显著正相关,RESP 值与驾驶行为险态间存在一定相关性,但是规律性不强。此外,通过不同特征组合下驾驶行为险态辨识的聚类结果分析可以发现,采用BVP 和SC 两个指标进行驾驶行为险态辨识具有一定的说服力。(www.xing528.com)

在驾驶行为险态辨识实验设计与开展方面:本研究采用驾驶模拟器进行仿真实验并完成数据的采集,因为驾驶人生理指标具有不稳定性及易受周边环境的影响,同时模拟实验的场景设置相较于实车实验更易于控制。在对生理指标数据进行处理后发现,实验所采集的生理指标数据处于正常的区间范围内,存在的奇异值较少。此外,通过对比分析发现,在模拟驾驶实验中驾驶人的BVP、SC 和RESP 等指标值与实际驾驶过程中的值存在一致性,即表明采用模拟实验进行驾驶行为险态辨识结果具有一定的可行性。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈