面向冲突情境意识的安全驾驶时序性特征识别研究

Framed on the vehicle-pedestrian traffic conflicts at midblock crosswalks and intersections, this research aims to the fundamental theories in the formation mechanism of driver cognitive behavior based on the on-road experiments and static driving simulator tests. By exploring the behavioral characteristics of driver manoeuvres and visual performances, temporal patterns of the conflict behavior will be analyzed, and the drivers’ cognitive state models will be presented. A quantitative model for rating the driver situation awareness (SA) related to perception-comprehension-projection levels will be proposed through the estimation of driver’s attention resource allocation and situational information. After calculating the thresholds of risk driving behavior and the characteristics of behavioral sequences, safe driving zones with the boundary conditions will be systematically created. The whole work will trigger the improvement of driver assistance and intelligent in-vehicle systems for protecting vulnerable road users.

本项目以路段和交叉口人行横道处行人-机动车冲突时的驾驶认知行为形成为研究对象，通过冲突场景驾驶模拟和实车在途实验，揭示驾驶人操纵/视觉机制与人车冲突行为的时序性变化规律；构建驾驶人对冲突行人的认知状态模型，识别驾驶人的注意资源配比与冲突情境信息之间的耦合关系，提出量化驾驶人感知-理解-预测各层次情境意识水平的模型；基于险态行为阈值解析安全驾驶行为时序性特征，并系统界定人车冲突态势中驾驶安全区域及其边界条件，为保护弱势道路使用者提供驾驶辅助与车辆智能化的支持策略。

本项目以城市道路环境下机动车与行人冲突中的驾驶行为为主要研究对象，通过实验室静态驾驶模拟、实车在途测试、以及虚拟现实技术等实验手段，对驾驶人操纵行为、视觉行为、车辆运动行为、冲突行人行为的特性参数以及时序性特征进行提取。构建基于交通环境视觉信息的驾驶任务情景信息量计算模型，为冲突情景特性的量化表征提供依据。对驾驶人遭遇模拟的过街行人以及在多任务干扰下完成避险任务的视觉行为特性进行研究，提出注意资源分布的量化表述方法，并对多任务情景人车冲突风险认知水平进行划分；开展车速、最小碰撞时间、最小碰撞距离等人车冲突风险特征指标研究，并对险态行为阈值进行解析。结合最小碰撞时间参数以及隐马尔可夫预测概率，考虑个性化驾驶习惯，提出面向不同类型驾驶人的冲突预警时间计算方法。本项目研发了基于纳米发电机贴片的极微驾驶行为传感器用于时序性驾驶行为监测串行实验，基于无监督的混合高斯模型对驾驶人操纵控制器相关位置数据进行聚类，训练并测试了以摩擦纳米发电机电压数据为输入数据的随机森林模型，该随机森林算法可获得90%以上的准确率，能够对极微驾驶行为的时序性特征例如操纵行为强度进行识别。面向未来人机混驾环境，基于人车冲突安全性需求提出人机混驾环境下车外交互界面设计方法，完成界面原型设计，并对界面信息、交互方式、颜色等设计要素进行系统评价；通过虚拟现实与实车在途试验，对无人驾驶汽车车外交互场景下的冲突行为特性进行研究，为保护弱势道路使用者安全提供人车冲突场景的智能化支持策略。.本项目完成了冲突情景驾驶人时序性行为特性及冲突认知规律研究，解析安全驾驶行为形成的时序性表达并提出风险辨识方法，发表SCI期刊论文8篇，出版专著1部、编著2部，获批发明专利1项、申请1项，培养研究生6名，主办国际会议3次，获得国际学术奖励1项。