基于眼动信号与操作信号的驾驶员技能等级研究

发布时间：2020-09-04 07:04

　　随着汽车保有量的增加,交通事故的发生率也越来越高,而这其中由驾驶员不当操作而引起的交通事故占有率达到80%。因此,现在越来越多的辅助驾驶系统被开发,以便可以辅助驾驶员完成驾驶任务,从而可以减少交通事故的发生。但是,开发人员围绕智能车辆进行辅助驾驶系统开发,在对周围物体进行态势感知时,却没有考虑到驾驶员本身。使得辅助驾驶系统在同一环境下,采取的控制策略完全相同,而不会根据驾驶人员熟练程度的不同而对控制策略进行改变。基于此,本文提出使用驾驶员的操作信号以及眼动信号,对驾驶员技能进行评估,并提出驾驶员技能评价模型,本文主要完成了以下的研究工作:(1)在驾驶员硬件在环仿真平台上,设计并搭建适合的实验场景。在Carsim和Labview联合搭建的驾驶员在环仿真平台中,搭建虚拟的道路场景,要求驾驶员戴上眼动仪,在驾驶员进行模拟驾驶时,同步采集驾驶员的眼动信号以及操作信号(转向盘转角、侧向加速度、车速),经NI的数据采集卡将这些数据进行实时传递到RT终端的VI,进而将数据共享给主机VI并进行保存,从而建立驾驶员熟练程度数据库,进而为训练驾驶员技能模型提供数据支持。(2)建立基于操作信号与眼动信号的驾驶员技能等级模型,对驾驶员技能等级识别方法进行总结,分析SVM的优缺点。先使用采集的驾驶员眼动信号对驾驶员技能进行贴标签以减少误差率。随后使用在仿真平台上采集的驾驶员操作信号(车速、转向盘转角、侧向加速度)进行驾驶员技能等级辨别,并比较使用单一操作信号以及多操作信号进行组合作为特征量的区别。结果表明,使用车速以及侧向加速度作为组合特征量时。准确率最高,达到90%。(3)建立基于操作信号的驾驶员技能等级量化模型。提出使用标准函数建立驾驶员技能等级量化模型,得出使用指数函数和线性函数有比较好的表现,从而将两者进行组合,发现在使用公式(0.3×exp(6×V)+0.7×(8×Ac)进行驾驶员技能等级量化时,可以得到很好的效果。同时也说明使用车速和侧向加速度可以得到很好的效果,也验证了第二部分的结果。
【学位单位】：湖南大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：U463.6
【部分图文】：

交通事故,占比,驾驶员

景与意义展，人们的生活水平逐渐提高，汽车保有量不断逐渐攀升。据统计，由于驾驶员的分心、疲劳或约占 80%[1]。为此，人们开始重视驾驶员行为的和美国人 Treat 等人[3]，他们通过分析手机记录的发生的大多数原因并不是车辆本身所造成的，而例已经达到了 90%之多。而在人的因素中，主要驾驶员在发生危险时并不能立马反应过来，会出人[2]当时一共研究了 2036 起交通事故，这些事故概括如下：由于驾驶员熟视无睹引起的事故占 1的比重为 16%、6% 是因为驾驶员没有引起注意图标理解错误、5%是因为驾驶员自身对一些距离图 1.1 所示。

交通事故,占比,驾驶员,日本

驾驶员在发生危险时并不能立马反应过来，会出人[2]当时一共研究了 2036 起交通事故，这些事故概括如下：由于驾驶员熟视无睹引起的事故占 17的比重为 16%、6% 是因为驾驶员没有引起注意和图标理解错误、5%是因为驾驶员自身对一些距离图 1.1 所示。图 1. 1 交通事故引发原因及其占比

交互结构,驾驶员,车辆

驶员对车辆的控制国外已有证明有效的培训体系了解影响驾驶员技能的因素，提高驾驶员技能，降低危险图 1. 3 研究驾驶员技能的意义1.2 国内外研究现状与发展趋势国外早期有学者进行过类似的研究，他们认为驾驶员驾驶车辆的过程就是驾驶员和车辆的交互过程[9]，而一次良好的驾驶体验不仅取决于车辆良好的设计以及操纵表现，而且取决于司机对车辆的操作和控制。在操控车辆时，生许多有关驾驶员与车交互的相关事件，从最初的直接控制车辆运动（主要务）到对车辆的行驶轨迹的规划以及导航和一些其他的辅助车辆控制的系统紧急制动系统等等(二级任务)。图 1.4 表示一个关于驾驶员和车辆交互的事件对于不同技能驾驶员完成每个任务需要付出的注意力并不相同而且对车辆的控制也并不完全相同。

【参考文献】