原文传递
人机共驾环境下的驾驶人接管特征及风险分析
| 论文题名： | 人机共驾环境下的驾驶人接管特征及风险分析 |
| 关键词： | 交通安全;驾驶人;人机共驾;接管行为特性;梯度提升决策树;风险分析 |
| 摘要： | 随着物联网、计算机、人工智能技术的飞速发展，汽车行业正迎来百年未有之大变局，人机协同控制必将成为较长一段时间内的行业新业态。本文通过交通场景仿真软件SILAB和人因工程测试车搭建了经典单驾双控人机共驾仿真环境，基于资源占用评估待接管驾驶任务，量化L3级自动驾驶接管全过程的驾驶任务需求。通过分析驾驶人接管过程的特征数据，提取可测关键因素构建了基于梯度提升决策树的接管风险评估模型，从车辆操纵、眼动表征、供需平衡三个维度衡量风险。具体研究内容如下： （1）提出获取驾驶人接管特征的实验方案。采用人因工程测试车、交通场景仿真软件SILAB、DG3眼镜式眼动仪、Mobileye行车数据采集仪、D-Lab驾驶行为分析系统等设备，搭建了六车道高速公路下的前方空旷、前方车辆追尾、前方车辆换道三种典型人机共驾接管环境，通过问卷测试筛选了20位驾驶人开展驾驶接管试验，获取其全过程眼动特征、车辆运行数据、被试驾驶任务需求主观评价数据，并对数据进行预处理。 （2）量化待接管驾驶任务需求。基于多资源理论中的多通道理论建立适用于典型人机共驾环境下的待接管驾驶任务需求评估模型，量化接管全过程的驾驶任务需求。对典型接管任务场景进行主客观综合验证，模型显著性水平P=0.04934(＜0.05)，需求评估模型有较强的可信度。 （3）分析比较人机共驾环境下的驾驶人接管行为特性。对人机共驾环境下的接管与传统驾驶两种驾驶模式下的驾驶人驾驶特性进行比较分析，基于方差分析法分析各因素与驾驶风险间的显著关系。研究表示，方向盘转角值、刹车踏板踩下程度、油门踏板踩下程度、注视时长、扫视时长、扫视幅度、瞳孔面积等数据与驾驶风险具有较强相关性。 （4）分析人机共驾环境下的驾驶人接管风险。由于常规的驾驶风险判别指标数据获取来源难度较大，本文提出从车辆操纵、眼动表征和任务需求三个维度综合评估驾驶人接管风险。依托前文的驾驶需求计算值与因素相关性分析结果，基于梯度提升决策树和供需平衡建立用于人机共驾环境下接管风险的评估模型。经过实例验证，风险辨别准确率高达89.2%，有较好的评估效果。 |
| 作者： | 邓宏 |
| 专业： | 交通信息工程及控制 |
| 导师： | 郭唐仪 |
| 授予学位： | 硕士 |
| 授予学位单位： | 南京理工大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
