基于自然駕駛數(shù)據(jù)及主被動試驗方法的人車安全行為研究.pdf

1、本文主要立足于汽車安全與人員安全的保護研究。為了真正意義上的保護車輛與人員的安全，需要使車輛盡可能地避免發(fā)生碰撞，防范車輛交通事故的發(fā)生。數(shù)據(jù)顯示，有70％～90％的交通事故是由駕駛員操作失誤所致，因此，本文在研讀大量的參考文獻下，通過開展集成式主動安全自然駕駛試驗和智能網(wǎng)聯(lián)車輛自然駕駛試驗，采集到大量真實的數(shù)據(jù)來研究駕駛員的駕駛行為，來認識不同群體的駕駛行為，針對具體群體的駕駛行為修改和完善車輛主動安全預警系統(tǒng)，并提出智能網(wǎng)聯(lián)車輛早期

2、預警系統(tǒng)算法，以提高駕駛員的行車安全。
　　(1)三種不同人群的駕駛行為研究。本文基于可以提供前方追尾、車道偏離、盲區(qū)碰撞等預警功能的輕型車輛試驗平臺，挑選了108名駕駛員參與為期6周的自然駕駛試驗。通過對場地操作試驗的實際數(shù)據(jù)進行分析，研究老年人群、中年人群和年輕人群的駕駛行為和駕駛類型，評估駕駛員對該系統(tǒng)的實際反應和接受程度等，分別對不同群體的出行頻率、出行時間、出行速度、急剎車次數(shù)、跟車時距和系統(tǒng)警告等駕駛行為進行了研究分析

3、。
　　(2)道路偏離預警系統(tǒng)與駕駛行為研究。在道路偏離預警系統(tǒng)與駕駛行為方面，主要研究了老年人、中年人和年輕人三組不同年齡群體和性別在高速公路的交通環(huán)境下的駕駛行為，方向盤角度補償量、車輛速度、車輛橫向速度、加速踏板位置和車輛在車道上的位置等五個因變量用于車道偏離預警與駕駛員行為分析，得到了不同駕駛員在高速公路的交通環(huán)境下車道偏離預警時的駕駛反應行為。
　　(3)前方碰撞預警系統(tǒng)與駕駛行為研究。在前方碰撞預警系統(tǒng)與駕駛行為

4、方面，主要研究了老年人、中年人和年輕人三組不同年齡群體和性別在跟車情況的交通環(huán)境下的駕駛行為，加速度踏板位置、剎車狀態(tài)、車輛縱向速度、方向盤轉(zhuǎn)角、跟車距離、接近速度、前方碰撞系統(tǒng)警報狀態(tài)、碰撞時間等八個數(shù)據(jù)變量用于前方碰撞預警與駕駛員行為分析，得到了不同駕駛員在前方碰撞預警系統(tǒng)下的駕駛員的跟隨速度、方向盤控制和碰撞時間控制等駕駛行為。
　　(4)智能網(wǎng)聯(lián)車輛性能及人車安全研究。為了智能網(wǎng)聯(lián)車輛技術在車輛安全、交通和能源方面的影響，

5、在密歇根大學下開展了Safety Pilot場地試驗項目，大約3500輛汽車參與了本項研究，這些車輛包括輕型汽車、重型卡車、公共汽車、摩托車和自行車等，它們均配備了先進安全設備或者具體DSRC通信能力。在試驗過程中，建立了完整的車聯(lián)網(wǎng)通信數(shù)據(jù)庫，通過采集這些車車、車路通信數(shù)據(jù)對車車通信性能、車路通信性能、駕駛員駕駛行為和駕駛員交通出行行為進行了相關的研究分析。
　　(5)智能網(wǎng)聯(lián)車輛早期預警系統(tǒng)算法研究。在智能網(wǎng)聯(lián)車輛早期預警系統(tǒng)

6、算法研究中，為互聯(lián)車輛提出了一個車輛碰撞預警框架，當預測的碰撞時間(TimeTo Collision，TTC)達到設定的閾值時，則給駕駛員和車輛提供安全警報信息。首先，對接收到遠方車輛的車輛基本安全信息進行預處理;然后，對遠方車輛的位置進行變換，計算遠方車輛與主車的相對位置與相對速度;其次，使用卡爾曼濾波算法(Kalman Filter，KF)去估計遠方車輛和主車的運動軌跡，對軌跡緯度方向和經(jīng)度方向的位置誤差進行分析，結(jié)果發(fā)現(xiàn)在直線車道