基于驾驶员姿态特征的L3级自动驾驶接管绩效评价.pdfVIP

摘要

在现代汽车工业发展变革的时代背景下，自动驾驶技术的蓬勃发展为配备

自动驾驶系统的车辆带来了许多优势，例如有效降低驾驶员的压力、增加乘车

舒适性，同时提高道路交通运行效率。在L3级自动驾驶车辆中，驾驶员不再

需要对车辆一直进行监管，这意味着驾驶员可以从事与驾驶无关的次任务，处

于不同的驾驶姿态。然而，这也会影响驾驶员接管自动驾驶车辆，给车辆安全

运行带来极大的不确定性。因此，有必要对驾驶姿态进行识别和分类，深入研

究驾驶姿态对驾驶员驾驶接管绩效的影响，提取接管5s前驾驶员的驾驶姿态

和接管绩效指标，对不同驾驶姿态进行分类，提高自动驾驶车辆的安全性和可

靠性，确保驾驶员能够及时接管车辆并保障车辆安全运行。

首先，针对驾驶员接管前接管姿态研究，进行了接管过程中驾驶员在从事

不同次任务时的驾驶姿态研究。基于驾驶模拟器和仿真软件搭建L3级自动驾

驶的接管场景，开展不同驾驶姿态下的自动驾驶接管模拟实验，确定驾驶员接

管绩效指标，采集驾驶员姿态视频数据和接管绩效指标数据，同步仿真软件和

视频的时间，对数据进行异常值剔除和卡尔曼滤波预处理；采用头部姿态识别

算法、EAR算法和OpenPose等算法对局部姿态特征进行识别和量化，并且融

合局部姿态组成全局姿态，对驾驶姿态进行分类，分析驾驶姿态的时空分布，

采用基于骨骼点识别结果的LSTM改进模型对全局驾驶姿态进行识别，达到了

91.5%的准确率。然后分析车辆动态指标的变化规律以及接管绩效指标与驾驶

姿态之间的显著性影响，剖析驾驶姿态对接管绩效的影响规律。最后对指标进

行降维和评估，采用PCA对7维指标进行降维处理，利用K-means算法和

HDBSCAN算法对数据进行分类，通过参数优化，达到最好的聚类效果，将实

验样本分为了两类，分别为优类姿态和良类姿态，通过聚类的评价指标对评价

结果进行有效性验证。

本文基于接管绩效构建的驾驶姿态聚类模型能够有效区分出不同级别的姿

态类别，对于驾驶员姿态识别和分类提供新的思路，同时有利于提高自动驾驶

车辆的行车安全，为自动驾驶车辆驾驶员检测系统提供数据支持。

关键词：自动驾驶；姿态识别；驾驶接管；绩效评价；K-means；

Abstract

Underthebackgroundofthedevelopmentandchangeofthemodern

automobileindustry,thevigorousdevelopmentofautonomousdrivingtechnology

hasbroughtmanyadvantagesforvehiclesequippedwithautonomousdriving

system,suchaseffectivelyreducingthepressureofdrivers,increasingride

comfort,andimprovingtheefficiencyofroadtrafficoperation.InL3autonomous

vehicles,thedrivernolongerneedstosupervisethevehicleallthetime,which

meansthedrivercanengageinunrelatedtasksandbeindifferentdriving

positions.However,itwillalsoaffectthedriversabilitytotakeoverthe

autonomousvehicle,bringinggreatuncertaintytothesafeoperationofthevehicle.

Therefore,itisnecessarytoidentifyandclassifydrivingposture,conductin-

depthresearchonthe