多源信息融合的次任務駕駛安全性評價方法研究

《多源信息融合的次任務駕駛安全性評價方法研究》是依託吉林大學，由金立生擔任項目負責人的面上項目。

基本介紹

• 中文名：多源信息融合的次任務駕駛安全性評價方法研究
• 項目類別：面上項目
• 項目負責人：金立生
• 依託單位：吉林大學

項目摘要

駕駛過程中非駕駛操作行為（次任務）會對道路交通狀態和行車安全造成顯著影響，但對造成影響的該類行為主要特徵、表征參數、評價體系和模型等方面均未有系統研究。為此，藉助硬體仿真與實車試驗，監測記錄正常和非正常駕駛各類典型行為，以視覺和認知類次任務為研究對象，利用駕駛人眼動行為和車輛運行狀態兩類特徵信息，對次任務駕駛安全性開展研究。重點研究次任務駕駛過程中駕駛人眼動行為變化規律，綜合考慮車輛運行狀態參數變化特點，結合駕駛人特性與道路環境對安全性影響，利用多因素方差分析、相關性分析等方法甄選出能準確表征次任務駕駛安全性的參數組並構成評價指標體系。通過主觀評估和客觀分析兩種方式確立評價指標與行車安全性評語集間的數量關係；利用模糊網路層次分析法對各指標的依存、反饋關係進行研究，建立各評價指標權重係數矩陣，構建次任務駕駛安全性綜合評價模型並驗證。研究將為次任務駕駛行車安全相關研究和監測提供理論和技術支持。

結題摘要

道路交通事故已成為重大的社會和經濟問題。據統計，25%~50%的道路交通事故因駕駛人注意力分散引起，而在注意力分散引起的交通事故中，由駕駛人主動參與次任務行為引起事故的比例高達36.4%，成為導致道路交通事故的重要原因。但由於駕駛行為分析技術手段和理論工具的缺乏，目前國內外針對次任務駕駛安全性的研究尚不成熟，內容也較為分散。本項目以次任務駕駛的安全性為研究對象，綜合考慮次任務類型影響因素，從次任務類型、次任務駕駛對不同表征參數的影響、次任務駕駛模型和次任務駕駛行為研究方法四個角度出發，運用了主成分分析法、灰色關聯分析以及粗糙集理論等機器學習和數據挖掘方法，深入分析了次任務駕駛時駕駛人的注視行為、掃視行為及眨眼行為三種眼動行為的差異性變化規律，以及次任務駕駛對速度均值、速度標準差、加速度標準差、方向盤轉角及方向盤轉角熵值的影響機制，重點解析不同駕駛狀態及不同次任務類型下的駕駛人視覺行為和車輛運行狀態變化規律，提取受次任務影響顯著的參數，並確定出次任務駕駛視覺行為安全性評價指標和車輛運行狀態評價指標，建立了次任務駕駛安全特徵評價指標體系。針對次任務駕駛安全性評價目標評價對象及關係，提出了基於模糊網路分析法的次任務駕駛安全性評價模型；對次任務駕駛安全特徵評價指標進行無量綱化處理，深入研究了駕駛安全評語集及指標權重求取方法，建立評價指標的單因素模糊判斷矩陣，確定出評價指標權重向量，通過模型求解並結合最大隸屬度原則判斷不同駕駛過程中的駕駛安全性等級，最終實現次任務駕駛安全性評價模型構建。利用次任務駕駛安全性評價模型對次任務駕駛實驗數據進行分析處理，從駕駛類型、次任務類型和駕駛經驗等方面分析次任務駕駛對駕駛安全性的影響，驗證了次任務駕駛安全性評價模型的適用性。