驾驶行为预研报告.docxVIP

驾驶行为预研报告 人工智能-于海悦 2018年5月3日 驾驶行为分析： 驾驶行为的分析和研究，通常是作为其他车内应用的支撑技术而存在的。例 如车道偏离预警(1ane departure warning，LDW)、车道保持(1ane keeping，LKS)、 巡航控制系统(adaptive cruise control，ACC)，都使用了相关的技术。 模型或理论： 1938年：安全行驶区域理论 1964年：紧张或焦虑状况下自调整驾驶模型 1974年：零危险模型 1977年：主被动安全模型 1980年：推理行为理论 1982年：危险自平衡理论 1983年：人行为能力模型 1984年：威胁规避模型 1985年：规划行为理论 1988年：阶梯型危险模型 1988年：激励建模方法 1989年：生成规则模型/基于规则模型 1992年：内模型 2000年：任务容量界面模型 驾驶员外部特性按照研究对象的不同，可以分为两类：针对特定信号的研究、以及针对特定场景的研究。 针对特定信号的研究，主要是通过分析某一传感器所获得数据，进而研究与其相关联的特定驾驶行为。例如，通过分析方向盘夹角和刹车，判断驾驶员注意力是否集中、是否醉酒；通过分析眼睛注视位置，判断驾驶员的操作序列是否合理。 针对特定场景的研究，则是考察最容易出事故的驾驶环节。通常会对这些场景、以及场景中的操作进行数学建模，进而描述和评定驾驶行为。常见的场景有停车、超车、变道等。 驾驶认知行为建模，这一类的研究，主要是将认知学的理论应用到驾驶行为研究领域。其研究目 标是通过分析驾驶操作的内在机理，从本质上解释和理解驾驶行为，完成建模。 由于人类对自我处理机制的理解还不够深刻，因此其建模结果很难用实验验证其准确性，更多的只能从定性的层面上对行为进行阐述。 驾驶心理研究，该类方法主要是通过调查问卷的方式，由驾驶员自己主观的进行自我评价， 大致分为违规(violations)和失误(errors)两类。违规操作指的是驾驶员在明知危险的情况下故意执行的行为，通常用来评价驾驶风格；失误操作则是无意识中做出的危险操作，通常用来评定驾驶水平。 基于驾驶模拟器的数据采集和驾驶行为识别： 驾驶模拟器，通常指的是那些能够提供虚拟驾驶环境的机器。通过3D仿真软件，模拟汽车的真实行车环境；通过传感器，完成驾驶相关数据采集，并将这些信号的变动如实的反映到虚拟驾驶场景中。汽车的各项数据经由两种方式完成传递：传感器数据经由特殊的总线传输，并最终转换为数字信号为程序所使用：场景信息则以消息的形式在软件内部传递。这两种相异的传递方式为数据的采集带来了一定的困难。在驾驶模拟器内，数据的传输并不单单只在汽车总线内部，会在程序间，和网络间传输。在多驾驶模拟器的环境下，通常需要将数据发送到局域网内，供其他机器上的应用使用。 最重要的是：数据采集模块、驾驶行为模块、服务模块。数据采集模块主要是实现驾驶数据的收集和保存，构建模型训练的原始数据，同时为驾驶行为识别模块提供特征向量序列。驾驶行为模块提供了两个功能，其一是完成模型的最初训练，其二是为上层应用提供实时的识别结果。服务模块，则是构建在驾驶行为模块之上，利用识别的结果实现相应的功能。 ? 驾驶员识别: 用行为信号对一个驾驶员进行识别是一个最有趣的车载信号处理的问题。 在这项研究中, 我们使用的是驾驶行为信号, 如车速、 加速踏板的压力、 制动踏板压力以及与进行驾驶员识别的前车之间的距离。 首先, 我们研究了这些信号的特点, 并提出一组选定的驾驶统计数据, 然后我们定义了一个统计驾驶员识别系统并通过实验来评估这个系统。? 驾驶状态识别: 分心条件对驾驶员造成严重的安全问题。有研究表明,近80% 的交通事故的发生是由于驾驶员注意力不集中, 这通常是注意力分散的结果。车辆的导航系统和其他服务引进了许多辅助驾驶任务, 可能增加事故风险。因此,开发一种干扰检测方法来减少分心的影响, 对车载系统将是非常有益的。 在这项研究中, 驾驶实验在一些干扰环境下完成, 可以认为是如上所述的辅助驾驶任务。 这些任务是手机对话, 包括路线导航、 网上银行、 在线乘客交谈以及招牌和车牌阅读。 我们研究了在不同驾驶任务时驾驶行为信号的统计特性, 这些任务定义为分心条件下。 然后, 我们尝试使用统计分类检测分心条件。 ? 驾驶员行为识别: 在交通事故中, 人为因素发挥了很大的作用。 预测驾驶行为是一个重要的问题, 因为它对减少人为造成的事故有显著效果。 驾驶员的行为与过去的动作密切相关, 所以在这项研究中, 我们用驾驶员过去的行为信号构建一个驾驶员的驾驶行为预测模型。 驾驶行为预测模型包括隐含 HMM 的时间聚类和每个时间片段的最小均方误差 (MMSE) 估计。 我们还研究了道路条件和分散注意力的条件对预测