论文部分内容阅读
根据交通事故数据统计,黄昏时段是一天中交通事故量频发的高峰时段。其原因主要在于照度的快速下降影响驾驶员对于周边交通环境的感知力,使得驾驶员心理负荷水平相应提高,且城市道路晚高峰时段复杂的路况也对驾驶员注意力和操控力提出更高要求,驾驶员容易出现反应迟钝、操作失误等危险驾驶行为。为此,开展黄昏低照度条件下驾驶员心理负荷研究,对保障城市道路行车安全、降低交通事故率具有重要理论和实践意义。本文综合应用交通工程学、人因工程理论、统计学和人工智能科学等多门学科知识,考虑“人-车-路-环境”各要素的相互作用关系,通过实车实验采集城市道路黄昏低照度条件下的驾驶员及车辆的多源数据,在分析驾驶员生理及行为特性的变化规律及相关作用的基础上,建立心理负荷表征指标集,构建黄昏低照度条件下的驾驶员心理负荷模型。首先,从驾驶员心理负荷的概念出发,分析黄昏低照度条件下驾驶员的生理及行为特性,从多个角度初步选取表征心理负荷的指标,设计城市道路黄昏低照度条件下的实车实验方案,在合理划分环境照度等级的基础上,采集驾驶员的生理及行为特性典型指标,并通过NASA-TLX任务量表获取主观心理负荷。其次,运用统计学方法分析环境照度和驾驶熟练度对于驾驶员生理及行为特性的影响规律及其变化特性,并尝试对环境照度与关键指标的关系进行趋势拟合及回归建模。结果表明:黄昏低照度条件下,随着环境照度的下降,驾驶员心理负荷水平提高,驾驶稳定性下降,且新手驾驶员与熟练驾驶员的表现具有显著差异。最后,基于相关性分析和主成分分析法建立心理负荷表征指标集,运用kNN、SVM、GBDT三种机器学习算法构建黄昏低照度条件下的驾驶员心理负荷模型,借助实测数据综合评判模型的识别效果和泛化能力,并通过逐个剔除指标评判指标集的有效性。结果表明:本文建立的心理负荷表征指标集具有一定代表性,基于GBDT算法构建的黄昏低照度条件下驾驶员心理负荷模型的识别效果最好,识别精度达92.25%。本文研究成果将指导驾驶员安全、科学、合理进行驾驶活动,并为城市道路交通主动安全管理及“智慧交通”背景下的车辆预警终端系统的设计提供依据。