论文部分内容阅读
道路交通事故一直以来都是国民生命财产安全的重大威胁之一,而大货车在诸多道路“杀手”排名中一直排名前列。驾驶人分心驾驶作为引发道路交通事故的重要原因,有必要对其进行深入研究,探讨分心行为对驾驶操作行为和车辆运行的影响,并为开发货车驾驶人分心监测系统提供理论支撑,这对于改善交通环境、提升人-车-路系统安全性具有重要意义。首先,本文在进行货车驾驶人分心行为调查的基础上,获得货车驾驶人典型分心行为和容易发生分心行为的场景,然后基于货车模拟驾驶实验平台设计了喝水及语音短信聊天两项驾驶次任务模拟实验方案,并进行了实验。最后采集并分析了货车驾驶人在分心驾驶时的车辆运行状态信息,并建立了货车驾驶人分心驾驶判别模型。本文为货车驾驶人行驶状态实时监控和交通安全事故鉴定分析领域提供了理论依据,并对研究不同驾驶次任务所造成的分心驾驶影响提供了一定的学术价值。本文在研究期间得到的主要成果如下:(1)进行货车驾驶人分心驾驶行为企业调查。采用自然驾驶观察法(NDS)对北京及浙江宁波的共三家货运公司的近百位货运车辆驾驶人进行视频录像和视频监控观察,并结合驾驶人分心驾驶调查问卷对货车驾驶人分心驾驶行为进行研究。(2)对于选取的典型货车驾驶人分心驾驶行为基于驾驶模拟实验平台开展了喝水和语音短信聊天分心驾驶模拟实验研究。(3)就货车驾驶人喝水和微信语音短信聊天两项典型次任务对驾驶绩效的影响进行差异性统计分析。总结得出两种分心驾驶状态下不同水杯位置、不同喝水时长及不同复杂难易程度聊天内容对车辆运动状态特征影响。(4)通过ReliefF算法从18项驾驶行为特征指标中筛选出重要度最大的7个特征指标作为货车驾驶人分心状态判别指标,然后将这些特征指标作为随机森林组合模型的输入,建立基于随机森林组合算法的货车驾驶人分心状态判别模型,判别结果显示本文所建模型判别准确率达91.96%。然后与决策树C4.5、AdaBoost-BP及BP神经网络等其他机器学习算法进行模型性能比较,比较结果显示本文所建模型各项性能均为最优,可以有效地进行货车驾驶人分心状态判别。