基于自然驾驶数据及主被动试验方法的人车安全行为研究

摘要

本文主要立足于汽车安全与人员安全的保护研究。为了真正意义上的保护车辆与人员的安全，需要使车辆尽可能地避免发生碰撞，防范车辆交通事故的发生。数据显示，有70％～90％的交通事故是由驾驶员操作失误所致，因此，本文在研读大量的参考文献下，通过开展集成式主动安全自然驾驶试验和智能网联车辆自然驾驶试验，采集到大量真实的数据来研究驾驶员的驾驶行为，来认识不同群体的驾驶行为，针对具体群体的驾驶行为修改和完善车辆主动安全预警系统，并提出智能网联车辆早期预警系统算法，以提高驾驶员的行车安全。
　　(1)三种不同人群的驾驶行为研究。本文基于可以提供前方追尾、车道偏离、盲区碰撞等预警功能的轻型车辆试验平台，挑选了108名驾驶员参与为期6周的自然驾驶试验。通过对场地操作试验的实际数据进行分析，研究老年人群、中年人群和年轻人群的驾驶行为和驾驶类型，评估驾驶员对该系统的实际反应和接受程度等，分别对不同群体的出行频率、出行时间、出行速度、急刹车次数、跟车时距和系统警告等驾驶行为进行了研究分析。
　　(2)道路偏离预警系统与驾驶行为研究。在道路偏离预警系统与驾驶行为方面，主要研究了老年人、中年人和年轻人三组不同年龄群体和性别在高速公路的交通环境下的驾驶行为，方向盘角度补偿量、车辆速度、车辆横向速度、加速踏板位置和车辆在车道上的位置等五个因变量用于车道偏离预警与驾驶员行为分析，得到了不同驾驶员在高速公路的交通环境下车道偏离预警时的驾驶反应行为。
　　(3)前方碰撞预警系统与驾驶行为研究。在前方碰撞预警系统与驾驶行为方面，主要研究了老年人、中年人和年轻人三组不同年龄群体和性别在跟车情况的交通环境下的驾驶行为，加速度踏板位置、刹车状态、车辆纵向速度、方向盘转角、跟车距离、接近速度、前方碰撞系统警报状态、碰撞时间等八个数据变量用于前方碰撞预警与驾驶员行为分析，得到了不同驾驶员在前方碰撞预警系统下的驾驶员的跟随速度、方向盘控制和碰撞时间控制等驾驶行为。
　　(4)智能网联车辆性能及人车安全研究。为了智能网联车辆技术在车辆安全、交通和能源方面的影响，在密歇根大学下开展了Safety Pilot场地试验项目，大约3500辆汽车参与了本项研究，这些车辆包括轻型汽车、重型卡车、公共汽车、摩托车和自行车等，它们均配备了先进安全设备或者具体DSRC通信能力。在试验过程中，建立了完整的车联网通信数据库，通过采集这些车车、车路通信数据对车车通信性能、车路通信性能、驾驶员驾驶行为和驾驶员交通出行行为进行了相关的研究分析。
　　(5)智能网联车辆早期预警系统算法研究。在智能网联车辆早期预警系统算法研究中，为互联车辆提出了一个车辆碰撞预警框架，当预测的碰撞时间(TimeTo Collision，TTC)达到设定的阈值时，则给驾驶员和车辆提供安全警报信息。首先，对接收到远方车辆的车辆基本安全信息进行预处理;然后，对远方车辆的位置进行变换，计算远方车辆与主车的相对位置与相对速度;其次，使用卡尔曼滤波算法(Kalman Filter，KF)去估计远方车辆和主车的运动轨迹，对轨迹纬度方向和经度方向的位置误差进行分析，结果发现在直线车道、拐角和曲线车道上都有比较好的预测结果，但是纬度方向的误差较经度的误差较大;最后，本章建立了远方车辆与主车的相对位置的雷达地图，在该地图上可以显示主车与周边远方车辆的相对位置、相对速度和预测的碰撞时间等信息。因此，车辆的碰撞风险可以实时检测到，通过使用这些安全信息，可以为车辆驾驶员提供更早的碰撞预警信息，可以为车辆开发更先进的碰撞避免控制系统，可以为无人驾驶车辆提供碰撞预警辅助信息，防止车辆发生潜在的碰撞危险。

目录

声明

摘要

插图索引

附表索引

第1章 绪论

1．1 引言

1．2 国内外研究现状

1．2．1 交通流行病学

1．2．2 损伤生物力学

1．2．3 被动安全碰撞试验研究

1．2．4 特殊人群保护研究

1．2．5 身体特殊部位保护研究

1．2．6 主动安全试验研究

1．2．7 场地自然驾驶试验研究

1．2．8 智能网联无人驾驶车辆研究

1．3 本文主要工作

第2章 集成式主动安全系统

2．1 系统功能需求和架构

2．2 系统集成设计

2．3 主动安全子系统部署

2．4 车辆人机交换界面

2．5 本章小结

第3章 驾驶员自然驾驶行为研究

3．1 自然驾驶试验数据

3．2 测量变量

3．3 结果分析

3．3．1 驾驶员出行次数分析

3．3．2 驾驶员出行时间分析

3．3．3 驾驶员出行速度分析

3．3．4 驾驶员跟车时距分析

3．3．5 驾驶员急刹车行为分析

3．3．6 系统警告对驾驶员行为影响分析

3．5 本章小结

第4章 车道偏离预警系统与驾驶员行为研究

4．1 车道偏离斜碰撞试验研究

4．2 车道偏离自然驾驶数据

4．3 车道偏离数据因变量

4．4 车道偏离与驾驶员行为研究结果

4．4．1 实际案例数据

4．4．2 方向盘结果分析

4．4．3 加速踏板结果分析

4．4．4 纵向速度结果分析

4．4．5 横向速度结果分析

4．4．6 道路偏离结果分析

4．5 车道偏离预警系统实车试验

4．5．1 道路偏离试验车辆基本信息

4．5．2 车道偏离预警预警系统设置

4．5．3 车道偏离预警系统试验过程

4．5．4 车道偏离预警系统试验结果

4．6 本章小结

第5章 前方碰撞预警系统与驾驶员行为研究

5．1 前方碰撞预警自然驾驶数据

5．2 前方碰撞预警与驾驶员行为研究结果

5．2．1 前方碰撞预警警报

5．2．2 方向盘结果分析

5．2．3 加速踏板结果分析

5．2．4 制动踏板结果分析

5．2．5 纵向速度结果分析

5．2．6 接近速度结果分析

5．2．7 碰撞时间结果分析

5．3 前方碰撞预警实车试验

5．3．1 前方碰撞预警试验车辆基本信息

5．3．2 前方碰撞预警系统设置

5．3．3 前方碰撞预警试验过程

5．3．4 前方碰撞预警系统试验结果

5．5 本章小结

第6章 智能网联车辆自然驾驶研究及大数据分析

6．1 智能网联车辆研究背景介绍

6．2 试验目标数据

6．3 试验数据采集

6．4 智能网联车辆试验数据库

6．4．1 自然驾驶数据库

6．4．2 基本安全信息数据库

6．4．3 路边设备数据库

6．5 试验结果

6．5．1 试验结果总况

6．5．2 通信距离

6．5．3 通信时间

6．5．4 城市交通分析

6．5．5 出行速度分析

6．7 本章小结

第7章 智能网联车辆未来轨迹预测及碰撞预警算法

7．1 背景介绍

7．2 研究方法

7．2．1 GPS数据预处理

7．2．2 远方车辆位置变换

7．2．3 相对位置距离

7．2．4 相对速度

7．2．5 车辆轨迹预测估计

7．2．6 早期碰撞检测

7．2．7 碰撞时间

7．3 研究结果

7．3．1 车辆轨迹预测

7．3．2 智能网联车辆轨迹预测

7．3．3 互联车辆相对位置

7．3．4 碰撞时间预测

7．3．4 预测算法讨论

7．5 本章小结

结论与展望

参考文献

攻读学位期间所发表的学位论文目录

攻读学位期间所发表的专利目录

致谢