原文传递
不同天气场景下考虑手机使用负荷度的L3级别自动驾驶车辆接管行为研究
| 论文题名： | 不同天气场景下考虑手机使用负荷度的L3级别自动驾驶车辆接管行为研究 |
| 关键词： | 自动驾驶;接管行为;驾驶模拟器;非驾驶相关任务;模拟试验 |
| 摘要： | 随着汽车工业技术的快速发展，自动驾驶时代终将到来。但是，目前由于政策、法律、技术条件的制约，将会很长一段时间内处于人机共驾模式。自动驾驶功能的介入，解放了人们部分驾驶的注意力，使其有更多的注意力从事非驾驶相关任务，但在车辆遇到突发情况时，仍需驾驶人接管车辆控制权，因此自动驾驶车辆接管的安全性问题愈发重要。同时，智能手机的普及率越来越高，驾驶人在驾驶过程中使用手机的现象随处可见，手机使用的危害在于会对驾驶人的接管安全性产生影响。因此，针对不同手机使用负荷度的接管安全性研究，对迎接自动驾驶时代的到来有着重要意义。 本文围绕L3级别自动驾驶车辆的接管行为展开研究，在晴天、雨天、雪天三种天气场景中，使用驾驶模拟器和模拟场景软件，对30名被试驾驶人所执行的不同手机使用负荷度的接管行为进行数据采集。利用XGBoost算法对本试验的接管行为数据进行建模，引入SHAP（SHapleyAdditiveexPlanations）值对接管行为特征的敏感性进行分析，并运用描述性统计分析、单因素方差分析、LSD(Leastsignificantdifference)多重比较分析等方法对数据进行统计分析，最终使用人工蜂群算法优化支持向量机(Supportvectormachine,SVM)参数的方法建立驾驶人接管安全预测模型。 研究结果表明，不同天气场景和手机使用负荷度会对驾驶人的接管行为产生显著影响。手机使用负荷度越高，接管时间越长，驾驶人更加倾向于纵向车速控制且注视点分布更加分散。不同天气场景也会对驾驶人的接管行为产生影响，随着天气场景下的视觉干扰增加，驾驶人视觉信息搜索时间也会增加，从而导致接管时间增加，此时，驾驶人更加倾向于纵向车速控制，且注视点分布离散程度更大。 此外，通过人工蜂群算法优化SVM参数的预测模型发现，驾驶接管模拟试验中提取的特征数据可以有效预测驾驶人接管的安全性，相比于其他优化算法，预测精度达92.382%，高于FA-SVM的84.128%及GSA-SVM的84.764%，且AUC为0.92604，高于FA-SVM的0.79208及GSA-SVM的0.78054。通过研究不同天气场景和不同手机使用负荷度的L3级别自动驾驶车辆接管行为，可以改善道路交通安全、提升接管安全性，从而有望在未来达到减少自动驾驶事故发生的目的。 |
| 作者： | 付佳辉 |
| 专业： | 交通运输工程 |
| 导师： | 葛慧敏 |
| 授予学位： | 硕士 |
| 授予学位单位： | 江苏大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
