跟車行為作為日常生活中最常見的一種駕駛行為,前車突然減速時若駕駛員跟車距離過近,避撞不及時,制動力度不夠等都可能導致追尾事故的發(fā)生,如何減少追尾事故的發(fā)生,減少事故人員傷亡與財產損失,一直是國內外研究者研究的熱門問題。駕駛員作為駕駛活動的直接參與者,駕駛員的行為不當是引起交通事故發(fā)生的主要原因。分析駕駛員在不同條件下的避撞行為特性,對避免追尾事故的發(fā)生,提高道路交通安全水平具有重要意義。隨著現代科學技術的不斷發(fā)展,車內輔助系統(tǒng)被廣泛使用,追尾避撞預警系統(tǒng)可以有效減少追尾事故的發(fā)生。然而關于何時發(fā)布預警信息,發(fā)布什么樣的預警信息仍有待進一步研究和驗證。本研究依托駕駛模擬仿真平臺,對駕駛員在不同環(huán)境下的追尾避撞行為特性進行分析,同時對不同方式的追尾避撞預警的功效進行驗證,本文的研究為道路交通安全管理和車內輔助系統(tǒng)的進一步完善提供重要的科學依據和理論支撐。本文的研究內容主要包括以下四個方面:(1)基于高仿真駕駛模擬平臺,搭建追尾避撞系列實驗場景,開展駕駛模擬實驗。根據對以往文獻中關于駕駛員追尾避撞表現的研究,本文從正常跟車,不利因素干擾下的跟車和預警干預影響下的跟車三個方面選取實驗場景。實驗一為正常跟車的駕駛模擬實驗,駕駛員被要求在天氣條件良好,無其他因素干擾的環(huán)境下完成實驗。實驗二為手機通話干擾而產生認知負荷下的跟車實驗,共設置免提通話和手持手機通話兩種通話方式,個位數數學運算和十位數數學運算兩種通話內容。實驗三為不同追尾避撞預警方式下的跟車實驗,本文在已有研究基礎上提出一種改進的綜合考慮時空距離和駕駛員反應所需時間的預警算法,并在實驗中設計了前車剎車燈閃爍預警,語音預警和視覺預警三種不同預警方式,提醒駕駛員避免追尾事故的發(fā)生。(2)基于視知覺線索的追尾避撞機理研究。根據實驗一中所得駕駛員行為數據,對駕駛員的減速反應時間分別建立混合效應模型和基于視知覺線索的決策機理模型。其中,機理模型包括閾值模型(Threshold model),僅考慮視覺變化刺激一種線索的累積模型(Accumulator model)和同時考慮了視覺變化刺激(visual looming)和剎車燈兩種線索的累積模型。模型擬合結果表明,同時考慮了視覺變化刺激和剎車燈兩種線索的累積模型對反應時間的分布擬合效果最好。研究發(fā)現駕駛員從接收到該信息到作出制動決策的過程,是駕駛員視知覺線索隨著時間不斷累積的過程,當累積到一定值時,駕駛員便采取制動措施。而導致駕駛員減速反應時間的不同,主要是由于視知覺線索的強弱不同。前車減速時刻,駕駛員接收到的視知覺信息較為強烈,駕駛員更快做出減速反應,同時駕駛員在避撞過程中的減速度增長率和最大減速度都較大。通過對θ和ττ-1這兩個可以代表視覺變化刺激的變量分別進行模型擬合發(fā)現,τ-1的擬合效果更好,可以認為駕駛員在減速避撞的過程中接收到的視覺刺激信息更接近于τ-1。(3)認知負荷對駕駛員避撞行為影響研究。實驗二中設置的通話條件,會對駕駛員正常駕駛產生認知負荷。本研究分別對兩個不同減速場景中駕駛員的避撞表現進行分析。減速場景一中,手機通話對駕駛員的初始車頭時距和減速反應時間并無顯著影響,但與無通話條件相比,進行手機通話時初始車頭時距和反應時間的標準差顯著增大。且對于職業(yè)駕駛員,認知負荷對駕駛員的駕駛行為影響并不明顯;非職業(yè)駕駛員在有認知負荷下的駕駛表現與無通話時顯著不同。但不同通話方式間未見顯著差異。減速場景二中駕駛員的避撞表現在不同通話方式和通話內容間差異并不明顯。駕駛員的減速反應時間與初始車頭時距顯著相關,因此分別對兩個減速場景中駕駛員的減速反應時間建立基于視知覺線索的累積模型,對駕駛員在不同認知負荷下的減速決策機理進行解釋。(4)追尾避撞預警信息對駕駛員避撞行為影響研究。針對實驗三中所得駕駛員避撞行為數據,提取追尾事故數,減速反應時間,最大減速度和最小車頭時距等能反映駕駛員在避撞過程中各個階段的關鍵變量進行分析。并結合生存分析方法中的加速失效時間(Accelerated Failure Time,AFT)模型,對駕駛員的減速反應時間和駕駛員開始減速到減速度達到最大所需時間分別建立AFT模型。最后對駕駛員實驗后問卷結果進行分析。分析結果表明,預警可以幫助女性駕駛員更早地作出減速決策,尤其是在不利天氣環(huán)境下。而預警對男性駕駛員的影響不如對女性駕駛員明顯。對于不同天氣環(huán)境下,基本上晴天時追尾避撞預警對駕駛員的影響較小;而當霧天時,預警系統(tǒng)對駕駛員的輔助效果更為明顯。在三種不同的預警方式中,語音預警和閃爍預警下,沒有追尾事故發(fā)生;無預警和視覺預警時分別發(fā)生追尾事故六起和三起。此外,語音預警可以幫助駕駛員盡快地作出減速決策,此時駕駛員的減速反應時間相對較短;閃爍預警不但沒有使駕駛員減速反應時間減少,部分條件下反而使得駕駛員的反應變慢;閃爍預警的主要作用體現在減速控制階段,雖然閃爍預警不能起到提醒駕駛員更早作出減速決策的作用,但可以有效地增加駕駛員的減速度增長率和最大減速度,從而達到避免追尾的目的。結合問卷分析結果,整體上來看語音預警效果好于閃爍預警好于視覺預警。圖77幅,表39個,參考文獻216篇。
【學位單位】：北京交通大學
【學位級別】：博士
【學位年份】：2019
【中圖分類】：U463.6;U492.8
【部分圖文】：

２．１駕駛員追尾避撞過程描述??當前車減速時，主車中駕駛員往往需要對當前車輛的運行狀態(tài)進行判斷后做??出制動反應。通過對以往駕駛員避撞數據進行分析總結后發(fā)現如圖２－１所示規(guī)律。??其中／＝０時刻為前車減速開始時刻，其中紅線為主車減速度變化情況，藍線為前車??減速后兩車間車頭間距變化情況。通常在前車減速后，駕駛員不會立即對前車的??減速做出反應，而是需要一段反應時間，此后駕駛員踩下制動踏板，減速度不斷??增大，直至達到最大，當駕駛員認為潛在危險可以解除時，緩慢釋放制動踏板??［１２４？５１。在這個過程中，兩車的車頭間距不斷減小，為整個避撞過程中的最小??車頭間距。此后，隨著主車減速度的不斷增大，最小車頭間距開始緩慢增大。若??兩車車頭間距最小時（記為／）＿）仍大于零（記為認），則不會發(fā)生追尾事故。在??這個過程中

在駕駛員視野內不斷增大，這對駕駛員本身是一種強烈的暗示可能發(fā)生追尾事故??的信號。??Ｌｅｅ?對前車減速時的不斷增大的現象進行了描述，如圖２－２所示，其中Ｗ??為前車車寬，＾為二者之間距離，０為前車在駕駛員視網膜上成像大小。當二者間??距離較遠時，較��；反之，距離較近時，較大。???＋??圖２－２前車在駕駛員眼睛上大小變化情況??Ｆｉｇｕｒｅ?２－２?Ｉｍａｇｅ?ｏｆ?ｔｈｅ?ｌｅａｄ?ｖｅｈｉｃｌｅ?ｏｎ?ｄｒｉｖｅｒ＾?ｅｙｅ??該現象可以通過公式表達為：??ｄ?＝?２ａｒｃｔａｎ（Ｗ／２ｄ）?（２－８）??其中，前車在駕駛員視野內成像大小隨時間的變化記為可以表示為：??—?＝?Ｇ?＝?－ＷＶｊ｛ｄ２＾ｉＡ）?（２－９）??其中，為兩車的相對速度。??而前車減速時駕駛員所處情況的緊急程度可以用視覺信息相關變量進行表??示，如６，ｆ?＝４／０，ｖ／ｒ等。其中廠１為成像角度變化率和成像大小的比值，該??變量相當于ＴＴＣ的倒數，是１／ＴＴＣ的視覺表達形式。ｖ／ｚ■中ｖ為主車的運行速度。??１９??

）方法來對不同的感知特點的差異進行判斷＿。２ＡＦＣ驗心理學家Ｇｕｓｔａｖ?Ｆｅｃｈｎｅｒ提出，該方法主要用來衡量人選擇習慣做出選擇，或者檢測被試的反應時間。在該種擇，但只有其中的一個中含有目標刺激，即正確選擇。供給被試不同的知覺線索而強制使得被試最終選擇這個方法最出名的實驗為隨機點運動任務。在這項任務中，被將會向左還是向右移動。在該項實驗中，會有一些箭頭，知覺線索告訴被試這些隨機出現的點將會出現在左邊還們接受到某種特定的刺激，在感知該種刺激并最后做出ｆｔ－ＤｉｆｆｔｉｓｉｏｎＭｏｄｅｌ?（ＤＤＭ）來描述。一般情況下，當某種單位內都會在該種刺激上提取某種線索，這種刺激本身隨著時間的推移，大腦將這些線索和噪聲項不斷累積，大腦根據這些線索做出某種決定，此時累積過程結束。制定過程［１５２］。該模型被廣泛應用于反應時間的研究中ｆ１５３原理示意圖。??
【參考文獻】

相關期刊論文 前7條

1 張洪賓;孫小端;賀玉龍;;公交站和出口組合影響的交通流生存分析[J];北京工業(yè)大學學報;2015年01期

2 環(huán)梅;楊小寶;賈斌;;基于生存分析方法的非機動車闖紅燈行為研究[J];北京理工大學學報;2013年08期

3 宋曉琳;馮廣剛;楊濟匡;;汽車主動避撞系統(tǒng)的發(fā)展現狀及趨勢[J];汽車工程;2008年04期

4 張紅;成波;師進剛;馮瑞嘉;;汽車追尾預警系統(tǒng)人機信息界面設計[J];拖拉機與農用運輸車;2008年02期

5 王江鋒;高峰;王建;;一種新型車輛智能避撞預警模型設計[J];北京航空航天大學學報;2007年11期

6 王躍建,侯德藻,李克強,連小珉;基于ITS的汽車主動避撞性關鍵技術研究(一)[J];汽車技術;2003年03期

7 王榮本,李斌,儲江偉,紀壽文;公路上基于車載單目機器視覺的前方車距測量方法的研究[J];公路交通科技;2001年06期

相關博士學位論文 前1條

1 梁軍;基于Multi-Agent和駕駛行為的汽車追尾預警系統(tǒng)關鍵理論與技術研究[D];江蘇大學;2015年

相關碩士學位論文 前6條

1 周堅衛(wèi);汽車防追尾預警系統(tǒng)的研究與開發(fā)[D];重慶交通大學;2018年

2 潘振軍;基于單目視頻的車輛測速研究[D];西南交通大學;2017年

3 趙大偉;基于ZigBee的高速公路車輛防追尾預警系統(tǒng)關鍵技術研究[D];南京航空航天大學;2016年

4 侯曉乾;基于視覺的汽車前方碰撞預警系統(tǒng)研究[D];湖南大學;2016年

5 張譯芳;高等級公路行車安全距離及防追尾碰撞預警系統(tǒng)的研究[D];長安大學;2016年

6 王曉安;汽車跟車預警仿真及評價研究[D];昆明理工大學;2011年

本文編號：2853137