原文传递
雨天环境下基于驾驶员眼动数据的换道行为研究
| 论文题名： | 雨天环境下基于驾驶员眼动数据的换道行为研究 |
| 关键词： | 交通安全;雨天环境;眼动特性;换道模型;风险预警 |
| 摘要： | 不良的天气因素是导致交通事故的原因之一，为研究不良天气与车辆换道之间的关系，提高车辆行驶安全系数，完善主动安全防控措施，本文通过借助Dikablis Glass 3眼动仪、D-Lab软件与模拟驾驶试验室，开展实车试验与模拟驾驶试验，采集并分析驾驶人员在雨天环境中的行车眼动数据与车辆运行参数，探索驾驶人员的眼动参数和车辆参数与换道行为的相关性，建立雨天车辆换道模型，并提出换道风险预警的方法。具体工作如下： （1）根据国内外现有的研究成果与实际情况需求，明确本文研究的换道类型、换道阶段、换道意图起始点，设计实车试验方案和模拟驾驶试验方案。提出4点筛选条件并筛选出144条有效换道过程。在剔除换道数据中的异常数据后采用K-means算法进行注视点聚类，为后续眼动研究奠定基础。同时对比分析雨天环境下的车辆运行参数，主要包括行驶速度、方向盘转角的近似熵与驾驶人员使用转向灯率。 （2）研究驾驶人员在雨天换道过程中的眼动规律。针对本文实际情况，从不同降雨量、6个兴趣区域、3个换道阶段和不同熟练度的驾驶人员四个方面对驾驶人员的眼动数据进行对比研究，并结合马尔可夫状态转移理论和软件分析得出驾驶人员在不同降雨量下的注视概率和转移概率，同时根据马尔可夫的平稳分布特性，在不同降雨量的环境下，探究驾驶人员注视点对6个兴趣区域的平稳注视概率。 （3）建立雨天换道模型并进行雨天换道风险分析。量化驾驶人员眼动参数规律和车辆运行参数规律两个方面的数据，包括降雨量、车辆横向加速度、方向盘转角近似熵、扫视次数、目标车道平稳注视概率、当前车道-左侧区域注视转移概率、当前车道-右侧区域注视转移概率和当前车道-目标车道注视转移概率等 8个参数。运用Logistic回归分析和混合高斯混隐马尔可夫理论，分别建立Logistic回归模型和GMM-HMM模型，经验证，Logistic回归模型精度只有62.2%，GMM-HMM模型总识别精度可达90.46%，由此证明，GMM-HMM模型能够准确识别换道行为。同时，完善车辆最小间距模型与建立冲突概率模型，制定换道风险辨识与预警的机制，进行雨天换道风险分析，完善雨天主动安全防控措施。 |
| 作者： | 陆奕 |
| 专业： | 交通运输工程 |
| 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
