CN104605820A - 驾驶员风险倾向行为的诊断系统 - Google Patents

驾驶员风险倾向行为的诊断系统 Download PDF

Info

Publication number
CN104605820A
CN104605820A CN201510029950.1A CN201510029950A CN104605820A CN 104605820 A CN104605820 A CN 104605820A CN 201510029950 A CN201510029950 A CN 201510029950A CN 104605820 A CN104605820 A CN 104605820A
Authority
CN
China
Prior art keywords
driver
behavior
driving
module
risk
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201510029950.1A
Other languages
English (en)
Inventor
把余韬
张伟
彭齐家
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tsinghua University
Original Assignee
Tsinghua University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tsinghua University filed Critical Tsinghua University
Priority to CN201510029950.1A priority Critical patent/CN104605820A/zh
Publication of CN104605820A publication Critical patent/CN104605820A/zh
Pending legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/18—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state for vehicle drivers or machine operators
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2503/00—Evaluating a particular growth phase or type of persons or animals
    • A61B2503/20—Workers
    • A61B2503/22—Motor vehicles operators, e.g. drivers, pilots, captains

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Hospice & Palliative Care (AREA)
  • Pathology (AREA)
  • Developmental Disabilities (AREA)
  • Psychiatry (AREA)
  • Psychology (AREA)
  • Social Psychology (AREA)
  • Physics & Mathematics (AREA)
  • Child & Adolescent Psychology (AREA)
  • Biophysics (AREA)
  • Educational Technology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种驾驶员风险倾向行为的诊断系统，包括：场景模块，用于设定驾驶任务范式中的指定任务目标的多个设计场景；驾驶模拟器，用于根据指定任务目标进行模拟驾驶；诊断模块，在驾驶任务范式下，用于测量驾驶员的决策结果、行为特征指标和车辆动力学参数，并且根据测量结果评估驾驶员的内在风险倾向以生成诊断报告。本发明实施例的诊断系统基于虚拟现实技术的模拟驾驶任务范式，通过采用驾驶模拟器作为评估平台，并且通过测量标准驾驶任务范式下的驾驶员决策行为和车辆动力学指标，实现对驾驶员个体的内在风险倾向进行诊断，提高了诊断的可靠性，更好地保证道路交通安全。

Description

驾驶员风险倾向行为的诊断系统
技术领域
本发明涉及交通工效学技术领域，特别涉及一种驾驶员风险倾向行为的诊断系统。
背景技术
风险驾驶行为反应了驾驶员内在的意图和动机，而非观察遗漏或操作失误等偶然因素，以此具有明显的可观测与可重复特征。目前评估风险驾驶行为的方法包括主观评估和客观测量。
相关技术中，主观评估中的常用方法是自评问卷与者抽样调查。其中，驾驶员行为问卷(Driver Behavior Questionnaire)是预测驾驶员不安全驾驶行为及相关事故的最常用的量表。其包含三个测量维度：违规、错误和失误，而与风险驾驶行为最相关的是违规维度。此外，驾驶员愤怒特质问卷(Driver Anger Survey)等其他相关量表也从不同角度提供了风险驾驶行为主观量度方法。
进一步地，客观测量中的常用方法是实际道路驾驶和模拟器驾驶。其中，实际道路驾驶更能反应驾驶员在真实环境中的驾驶行为，但受限于测量环境的可控性和可重复性。此外，对于一些高危环境下的测量，实际道路驾驶更面临着巨大的事故风险和其他潜在成本。模拟器驾驶提供了一种基于虚拟现实技术的替代方案，并可以在自由控制的驾驶情景下进行安全可靠的重复测量。其相对实际驾驶的测量效度也已经在大量对比试验研究中得到了证实。基于以上客观评估方法，测量驾驶员的决策结果(冒险/不冒险)、行为特征指标(油门、刹车与方向盘操作等)与车辆动力学参数(速度、加速度、角速度等)常被用于量化驾驶员风险倾向。相关研究表明，当驾驶员处于特定驾驶情景，例如在穿过路口、并入车流等，风险驾驶员相对安全驾驶员倾向于小的安全车距，更高的车速与更短的等待时间。虽然以上客观测量指标与驾驶员内在的风险倾向显著相关，但由于测量参数在极大程度上依赖于具体驾驶场景中的任务目标、路面布局、行车路线、车流量等因素，对于以上影响因素的精确控制成为了系统测量和可靠判定驾驶员风险倾向的关键。
然而，如上所述，现有的驾驶员风险诊断方法及相关技术均存在一定局限性。对于主观性测量，由于被测驾驶员认知和心理因素影响，其所得结果缺乏可靠性。而对于客观评估，驾驶员的决策与行为特征又很大程度上取决于具体的驾驶环境。例如，在复杂路况中，即使是风险驾驶员也会表现出保守的驾驶特征；在简单路况中，即使保守的驾驶员也会体现出风险的驾驶特征。因此，相关技术中尚缺乏对风险驾驶倾向可靠的评估和诊断，有待改进。
发明内容
本发明旨在至少在一定程度上解决上述相关技术中的技术问题之一。
为此，本发明的目的在于提出一种驾驶员风险倾向行为的诊断系统，该系统可以提高诊断的可靠性，更好地保证道路交通的安全性，结构简单，操作方便。
为达到上述目的，本发明实施例提出了一种驾驶员风险倾向行为的诊断系统，包括：场景模块，用于设定驾驶任务范式中的指定任务目标的多个设计场景；驾驶模拟器，用于根据所述指定任务目标进行模拟驾驶，其中，所述驾驶模拟器包括：采集模块，用于采集驾驶员的多个行为数据，并将所述多个行为数据统一编码以生成模拟数据，并且所述多个行为数据包括油门踏板开度信号、刹车踏板开度信号和方向盘转角信号；生成模块，用于获取所述模拟数据，并根据所述模拟数据驱动场景变化，以生成虚拟场景；诊断模块，在所述驾驶任务范式下，用于测量驾驶员的决策结果、行为特征指标和车辆动力学参数，并且根据测量结果评估驾驶员的内在风险倾向以生成诊断报告。
根据本发明实施例提出的驾驶员风险倾向行为的诊断系统，基于虚拟现实技术的模拟驾驶任务范式，通过采用驾驶模拟器作为评估平台，并且通过测量标准驾驶任务范式下的驾驶员决策行为和车辆动力学指标，实现对驾驶员个体的内在风险倾向进行诊断，提高了诊断的可靠性，降低驾驶员行为风险程度，有效预防不安全驾驶行为以及由此产生的交通事故，从而降低交通事故率，更好地保证道路交通安全，结构简单，操作方便。
另外，根据本发明上述实施例的驾驶员风险倾向行为的诊断系统还可以具有如下附加的技术特征：
进一步地，在本发明的一个实施例中，所述采集模块包括：油门踏板、刹车踏板与方向盘；油门位移传感器，用于检测所述油门踏板的开度，并生成所述油门踏板开度信号；刹车位移传感器，用于检测所述刹车踏板的开度，并生成所述刹车踏板开度信号；转角传感器，用于检车所述方向盘的转角，并生成所述方向盘转角信号；以及数据采集电路模块，用于获取所述油门踏板开度信号、刹车踏板开度信号和方向盘转角信号以生成所述模拟数据，并将所述模拟数据发送至所述生成模块。
进一步地，在本发明的一个实施例中，其中，所述模拟数据由串口通讯发送至所述生成模块。
进一步地，在本发明的一个实施例中，所述生成模块基于C++、Vega与OpenGL构建。
进一步地，在本发明的一个实施例中，所述驾驶模拟器还包括：反馈模块，用于通过视觉显示和/或听觉提醒反馈所述虚拟场景。
进一步地，在本发明的一个实施例中，所述反馈模块包括：投影仪和立体声播放器。
进一步地，在本发明的一个实施例中，所述驾驶模拟器可以为全景车舱式或简易桌面式。
进一步地，在本发明的一个实施例中，所述决策结果可以为等待或通过，所述行为特征指标可以包括油门踏板开度指标、刹车踏板开度指标与方向盘转角指标，所述车辆动力学参数可以包括最小车距、车头时距，速度和加速度。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1为根据本发明实施例的驾驶员风险倾向行为的诊断系统的结构示意图；
图2为根据本发明一个实施例的模拟驾驶平台的结构示意图；
图3为根据本发明一个实施例的全景车舱式和简易桌面式示意图；
图4为根据本发明一个实施例的虚拟场景范例示意图；以及
图5为根据本发明一个实施例的驾驶任务范式的场景示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中，除非另有明确的规定和限定，第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度小于第二特征。
下面在描述根据本发明实施例提出的驾驶员风险倾向行为的诊断系统之前，先来简单描述一下诊断驾驶员风险倾向行为的重要性。
尽管政府管理部门、汽车制造商与科研单位等多方均一直致力于改善道路安全状况，但交通事故伤亡数依然高居各类意外伤亡数榜首。根据世界卫生组织数据，全球每年因交通事故造成的死亡数与损伤数分别为一百万人和上千万人。同时，大量研究指出绝大多数交通事故是由驾驶员行为不当引起，尤其是风险驾驶行为，例如违章和鲁莽。根据我国公安部交通管理局数据，人的因素引起的交通事故占事故总数的90％以上，而由驾驶员风险驾驶行为所造成的事故则占70％以上。因此，降低驾驶员行为风险程度是降低交通事故率，提高道路交通安全的最直接有效方法。而构建一套旨在量化驾驶员风险行为特征诊断系统方法，进而诊断其风险倾向，则具有重要的理论意义和社会价值。其产品也具有潜在的市场空间。
本发明正是基于上述问题，而提出了一种驾驶员风险倾向行为的诊断系统。
下面参照附图描述根据本发明实施例提出的驾驶员风险倾向行为的诊断系统。参照图1所示，该诊断系统10包括：场景模块100、驾驶模拟器200和诊断模块300。
其中，场景模块100用于设定驾驶任务范式中的指定任务目标的多个设计场景。驾驶模拟器200用于根据指定任务目标进行模拟驾驶，其中，驾驶模拟器200包括：采集模块201和生成模块202，采集模块201用于采集驾驶员的多个行为数据，并将多个行为数据统一编码以生成模拟数据，并且多个行为数据包括油门踏板开度信号、刹车踏板开度信号和方向盘转角信号，生成模块202用于获取模拟数据，并根据模拟数据驱动场景变化，以生成虚拟场景。在驾驶任务范式下，诊断模块300用于测量驾驶员的决策结果、行为特征指标和车辆动力学参数，并且根据测量结果评估驾驶员的内在风险倾向以生成诊断报告。简言之，本发明实施例的驾驶模拟器200为驾驶员进行模拟驾驶的硬件平台，本发明实施例可以实现对驾驶员个体的内在风险倾向进行诊断，提高诊断的可靠性，更好地保证道路交通安全。
进一步地，在本发明的一个实施例中，参照图2所示，采集模块201包括：油门踏板2011、刹车踏板2012、方向盘2013、油门位移传感器2014、刹车位移传感器2015、转角传感器2016和数据采集电路模块2017。
其中，油门位移传感器2014用于检测油门踏板2011的开度，并生成油门踏板开度信号。刹车位移传感器2015用于检测刹车踏板2012的开度，并生成刹车踏板开度信号。转角传感器2016用于检车方向盘2013的转角，并生成方向盘转角信号。数据采集电路模块2017用于获取所述油门踏板开度信号、刹车踏板开度信号和方向盘转角信号以生成模拟数据，并将模拟数据发送至所述生成模块202。需要说明的是，在本发明的实施例中，传感器可以为一个或者多个。
优选地，在本发明的一个实施例中，模拟数据可以由串口通讯发送至生成模块202。
进一步地，在本发明的一个实施例中，参照图2所示，生成模块202基于C++、Vega与OpenGL构建。
进一步地，在本发明的一个实施例中，参照图2所示，驾驶模拟器200还包括：反馈模块203。其中，反馈模块203用于通过视觉显示和/或听觉提醒反馈所述虚拟场景。
优选地，在本发明的一个实施例中，参照图2所示，反馈模块203包括：投影仪2031和立体声播放器2032。其中，投影仪2031进行投影视觉显示，立体声播放器2032进行立体声听觉提醒。
具体地，图2为模拟驾驶平台的结构示意图。参照图2所示，模拟驾驶平台中驾驶模拟器200包括驾驶员行为数据采集的采集模块201和虚拟场景生成的生成模块202两个部分。其中，驾驶员行为数据采集部分，通过传感器采集驾驶员的油门、刹车以及方向盘操作，并将所采集数据统一编码生成模拟数据，由串口通讯发送给虚拟场景生成部分。虚拟场景生成部分可以基于C++与Vega+OpenGL构建，通过驾驶员行为数据输入即获取模拟数据，驱动场景变化。最终可以由投影显示和声音播放设备例如投影仪2031和立体声播放器2032，将所生成的场景通过视觉和听觉形式，反馈给驾驶员。
进一步地，在本发明的一个实施例中，参照图3所示，驾驶模拟器200可以为全景车舱式(图左所示)或简易桌面式(图右所示)。具体地，驾驶模拟平台根据各部分配置高低，具有全景车舱式和简易桌面式两种形式。全景车舱式采用环幕投影与嵌入式显示器分别显示驾驶前视角和车镜视角。简易桌面式采用单个投影图像呈现驾驶前视角和车镜视角。
进一步地，在本发明的一个实施例中，决策结果可以为等待或通过，行为特征指标可以包括油门踏板开度指标、刹车踏板开度指标与方向盘转角指标，车辆动力学参数可以包括最小车距、车头时距，速度和加速度。
其中，在驾驶模拟驾驶任务范式中，驾驶员根据指定任务目标进行模拟驾驶，并在驾驶过程中穿过多个精确设计场景。在每个场景中，驾驶员均需根据任务目标，在所处的特定路面布局、行车路线要求和外来事件刺激下，做出决策并执行驾驶操作。其决策结果、行为特征指标与车辆动力学参数被记录，并作为判定驾驶员风险倾向的依据。
具体地，首先设定驾驶任务。驾驶员在模拟驾驶器平台中执行驾驶任务范式。举例而言，参照图4所示，图4为简易桌面驾驶模拟器的图像效果图，路线总长度约为14千米，均为模拟城市道路，双向两车道或双向四车道，限速为60千米每小时。具体任务目标是要按指定路线尽快到达目的地，并且尽可能减少违章和碰撞。因此驾驶员需要权衡速度和安全，以更好的完成任务目标。
进一步地，其次设计场景。在行驶过程中，驾驶员会遇到“低风险场景”和“高风险场景”。在“低风险场景”中，驾驶员不会遇到外来事件刺激，可以自由的驾驶(根据场景不同，直行或转弯)；在“高风险场景”中，驾驶员会遇到外来事件刺激，即其驾驶路径被其他道路使用者(机动车辆或者行人)占用，并且会被迫做出决策，即等待其他道路使用者，或者加速通过。为精确控制不同道路布局、行车路线和外界事件刺激下驾驶员的行为特征，“低风险场景”和“高风险场景”各出现在5中情况下(如图5所示)：道路直行，十字路口直行，十字路口启动，十字路口右转和十字路口左转。在每个场景中，驾驶员决策结果(等待/通过，仅适用于“高风险场景”)、行为特征指标(油门、刹车与方向盘)与车辆动力学参数(最小车距、车头时距、速度、加速度)被用于量化其风险倾向。需要说明的是，在图5中，a-1和a-2分别为直线驾驶中的低风险场景与高风险场景，其余图示其他道路布局与行车路径下的高风险场景，其中，车辆○为被测驾驶员驾驶车辆(驾驶模拟器)，其他车辆或行人为虚拟场景中的其他道路使用者。
最后，风险倾向评价指标选取与判别准则。其中，以下风险倾向评价准则均通过多次实验验证，简述如下：
1)驾驶员在“低风险场景”中风险倾向评价准则：该驾驶员的平均速度(米/秒)大于其他驾驶员均值。
2)驾驶员在“高风险场景”中风险倾向评价准则：该驾驶员做出的“通过”决策数超过被测驾驶员均值；该驾驶员的平均\最小车距(米)小余其他驾驶员均值；该驾驶员的平均\最小车头时距(秒)小余其他驾驶员均值；该驾驶员的平均速度(米/秒)大于其他驾驶员均值；该驾驶员的速度变化(米/秒)小于其他驾驶员均值；该驾驶员的加速踏板使用率(百分比)大于其他驾驶员均值；该驾驶员的刹车踏板使用率(百分比)小于其他驾驶员均值；该驾驶员的转向速率(度/秒)大于其他驾驶员均值；该驾驶员的转向角度(度)大于其他驾驶员均值；该驾驶员的方向盘转向次数(次)大于其他驾驶员均值。
根据本发明实施例提出的驾驶员风险倾向行为的诊断系统，基于虚拟现实技术的模拟驾驶任务范式，通过采用驾驶模拟器作为评估平台，并且通过测量标准驾驶任务范式下的驾驶员决策行为和车辆动力学指标，实现对驾驶员个体的内在风险倾向进行诊断，提高了诊断的可靠性，降低驾驶员行为风险程度。另外，本发明实施例不仅可以用于驾驶员风险倾向特征量化研究，也可以在驾校等驾驶教育场所进行应用，从而做到对不同风险倾向驾驶员的针对性培训，有效预防不安全驾驶行为以及由此产生的交通事故，从而降低交通事故率，更好地保证道路交通安全，不但结构简单，而且操作方便。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (8)

1.一种驾驶员风险倾向行为的诊断系统，其特征在于，包括：
场景模块，用于设定驾驶任务范式中的指定任务目标的多个设计场景；
驾驶模拟器，用于根据所述指定任务目标进行模拟驾驶，其中，所述驾驶模拟器包括：
采集模块，用于采集驾驶员的多个行为数据，并将所述多个行为数据统一编码以生成模拟数据，并且所述多个行为数据包括油门踏板开度信号、刹车踏板开度信号和方向盘转角信号；
生成模块，用于获取所述模拟数据，并根据所述模拟数据驱动场景变化，以生成虚拟场景；
诊断模块，在所述驾驶任务范式下，用于测量驾驶员的决策结果、行为特征指标和车辆动力学参数，并且根据测量结果评估驾驶员的内在风险倾向以生成诊断报告。
2.根据权利要求1所述的驾驶员风险倾向行为的诊断系统，其特征在于，所述采集模块包括：
油门踏板、刹车踏板与方向盘；
油门位移传感器，用于检测所述油门踏板的开度，并生成所述油门踏板开度信号；
刹车位移传感器，用于检测所述刹车踏板的开度，并生成所述刹车踏板开度信号；
转角传感器，用于检车所述方向盘的转角，并生成所述方向盘转角信号；以及
数据采集电路模块，用于获取所述油门踏板开度信号、刹车踏板开度信号和方向盘转角信号以生成所述模拟数据，并将所述模拟数据发送至所述生成模块。
3.根据权利要求2所述的驾驶员风险倾向行为的诊断系统，其特征在于，其中，所述模拟数据由串口通讯发送至所述生成模块。
4.根据权利要求1所述的驾驶员风险倾向行为的诊断系统，其特征在于，所述生成模块基于C++、Vega与OpenGL构建。
5.根据权利要求1所述的驾驶员风险倾向行为的诊断系统，其特征在于，所述驾驶模拟器还包括：反馈模块，用于通过视觉显示和/或听觉提醒反馈所述虚拟场景。
6.根据权利要求5所述的驾驶员风险倾向行为的诊断系统，其特征在于，所述反馈模块包括：投影仪和立体声播放器。
7.根据权利要求1所述的驾驶员风险倾向行为的诊断系统，其特征在于，所述驾驶模拟器为全景车舱式或简易桌面式。
8.根据权利要求1所述的驾驶员风险倾向行为的诊断系统，其特征在于，所述决策结果为等待或通过，所述行为特征指标包括油门踏板开度指标、刹车踏板开度指标与方向盘转角指标，所述车辆动力学参数包括最小车距、车头时距，速度和加速度。
CN201510029950.1A 2015-01-21 2015-01-21 驾驶员风险倾向行为的诊断系统 Pending CN104605820A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510029950.1A CN104605820A (zh) 2015-01-21 2015-01-21 驾驶员风险倾向行为的诊断系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510029950.1A CN104605820A (zh) 2015-01-21 2015-01-21 驾驶员风险倾向行为的诊断系统

Publications (1)

Publication Number Publication Date
CN104605820A true CN104605820A (zh) 2015-05-13

Family

ID=53140680

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510029950.1A Pending CN104605820A (zh) 2015-01-21 2015-01-21 驾驶员风险倾向行为的诊断系统

Country Status (1)

Country Link
CN (1) CN104605820A (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106491144A (zh) * 2016-09-22 2017-03-15 昆明理工大学 一种驾驶人潜伏风险感知能力的测试与评价方法
CN107452268A (zh) * 2017-07-03 2017-12-08 扬州大学 一种基于模拟器的多模式驾驶平台及其控制方法
TWI632471B (zh) * 2017-07-20 2018-08-11 國泰世紀產物保險股份有限公司 評估駕駛風險的方法及其系統
CN108510137A (zh) * 2017-02-28 2018-09-07 中国航天员科研训练中心 基于动态连续任务的风险决策特性的评测系统及方法
CN108836365A (zh) * 2018-05-14 2018-11-20 中国人民解放军第四军医大学 基于vr和脑电信号采集的决策风格测评装置及其测评方法
CN108944936A (zh) * 2017-05-19 2018-12-07 致伸科技股份有限公司 人体感知检测系统及其方法
CN109094482A (zh) * 2018-07-25 2018-12-28 哈尔滨工业大学 车辆运行风险评估信息采集系统、风险评估系统及方法
CN109872601A (zh) * 2018-03-07 2019-06-11 北京理工大学 一种基于虚拟现实的个性化驾驶习惯训练方案生成方法
CN112349172A (zh) * 2020-10-20 2021-02-09 易显智能科技有限责任公司 一种训练驾驶员安全应激反应能力的方法及相关装置
CN112396353A (zh) * 2020-12-14 2021-02-23 广州广明高速公路有限公司 一种公路隧道运营安全风险模拟评估系统及其方法
CN112735131A (zh) * 2020-12-28 2021-04-30 杭州拓叭吧科技有限公司 驾驶行为诊断方法、装置及电子设备
JP2022057894A (ja) * 2020-09-30 2022-04-11 本田技研工業株式会社 運転教習装置
CN115458153A (zh) * 2022-08-29 2022-12-09 北京津发科技股份有限公司 人员情境意识测评与训练方法、系统及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101872559A (zh) * 2010-06-08 2010-10-27 广东工业大学 一种面向汽车驾驶模拟器的虚拟驾驶主动安全预警系统及预警方法
CN101923793A (zh) * 2010-07-27 2010-12-22 中兴通讯股份有限公司 一种实现模拟驾驶的方法及系统
CN102184659A (zh) * 2011-06-09 2011-09-14 公安部交通管理科学研究所 一种汽车交通安全模拟驾驶教育训练系统
JP2012155285A (ja) * 2011-01-28 2012-08-16 Osaka Prefecture Univ 運転危険予測学習支援システム
JP2013061597A (ja) * 2011-09-15 2013-04-04 Japan Automobile Research Institute 車両用危険場面再現装置
CN104133720A (zh) * 2014-07-08 2014-11-05 公安部交通管理科学研究所 机动车驾驶人驾驶安全度评测系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101872559A (zh) * 2010-06-08 2010-10-27 广东工业大学 一种面向汽车驾驶模拟器的虚拟驾驶主动安全预警系统及预警方法
CN101923793A (zh) * 2010-07-27 2010-12-22 中兴通讯股份有限公司 一种实现模拟驾驶的方法及系统
JP2012155285A (ja) * 2011-01-28 2012-08-16 Osaka Prefecture Univ 運転危険予測学習支援システム
CN102184659A (zh) * 2011-06-09 2011-09-14 公安部交通管理科学研究所 一种汽车交通安全模拟驾驶教育训练系统
JP2013061597A (ja) * 2011-09-15 2013-04-04 Japan Automobile Research Institute 車両用危険場面再現装置
CN104133720A (zh) * 2014-07-08 2014-11-05 公安部交通管理科学研究所 机动车驾驶人驾驶安全度评测系统

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106491144A (zh) * 2016-09-22 2017-03-15 昆明理工大学 一种驾驶人潜伏风险感知能力的测试与评价方法
CN108510137A (zh) * 2017-02-28 2018-09-07 中国航天员科研训练中心 基于动态连续任务的风险决策特性的评测系统及方法
CN108944936B (zh) * 2017-05-19 2020-07-10 致伸科技股份有限公司 人体感知检测系统及其方法
CN108944936A (zh) * 2017-05-19 2018-12-07 致伸科技股份有限公司 人体感知检测系统及其方法
CN107452268A (zh) * 2017-07-03 2017-12-08 扬州大学 一种基于模拟器的多模式驾驶平台及其控制方法
TWI632471B (zh) * 2017-07-20 2018-08-11 國泰世紀產物保險股份有限公司 評估駕駛風險的方法及其系統
CN109872601B (zh) * 2018-03-07 2021-04-27 北京理工大学 一种基于虚拟现实的个性化驾驶习惯训练方案生成方法
CN109872601A (zh) * 2018-03-07 2019-06-11 北京理工大学 一种基于虚拟现实的个性化驾驶习惯训练方案生成方法
CN108836365A (zh) * 2018-05-14 2018-11-20 中国人民解放军第四军医大学 基于vr和脑电信号采集的决策风格测评装置及其测评方法
CN109094482A (zh) * 2018-07-25 2018-12-28 哈尔滨工业大学 车辆运行风险评估信息采集系统、风险评估系统及方法
CN109094482B (zh) * 2018-07-25 2021-08-24 哈尔滨工业大学 车辆运行风险评估信息采集系统、风险评估系统及方法
JP2022057894A (ja) * 2020-09-30 2022-04-11 本田技研工業株式会社 運転教習装置
JP7410835B2 (ja) 2020-09-30 2024-01-10 本田技研工業株式会社 運転教習装置
CN112349172A (zh) * 2020-10-20 2021-02-09 易显智能科技有限责任公司 一种训练驾驶员安全应激反应能力的方法及相关装置
CN112396353A (zh) * 2020-12-14 2021-02-23 广州广明高速公路有限公司 一种公路隧道运营安全风险模拟评估系统及其方法
CN112735131A (zh) * 2020-12-28 2021-04-30 杭州拓叭吧科技有限公司 驾驶行为诊断方法、装置及电子设备
CN115458153A (zh) * 2022-08-29 2022-12-09 北京津发科技股份有限公司 人员情境意识测评与训练方法、系统及存储介质

Similar Documents

Publication Publication Date Title
CN104605820A (zh) 驾驶员风险倾向行为的诊断系统
US11263916B2 (en) System, method and apparatus for adaptive driver training
Chang et al. Evaluation of cooperative systems on driver behavior in heavy fog condition based on a driving simulator
Hong et al. A smartphone-based sensing platform to model aggressive driving behaviors
US20130302760A1 (en) System, Method and Apparatus for Driver Training System with Stress Management
US20170213474A1 (en) System, Method and Apparatus for Driver Training System with Stress Management
Tran et al. A left-turn driving aid using projected oncoming vehicle paths with augmented reality
US10325512B2 (en) System, method and apparatus for driver training system with dynamic mirrors
CN107180219A (zh) 基于多模态信息的驾驶危险系数评估方法和装置
KR100955086B1 (ko) 경제 주행 시뮬레이터
Wu et al. Developing a crash warning system for the bike lane area at intersections with connected vehicle technology
Yang et al. Evaluation of the effects of in‐vehicle traffic lights on driving performances for unsignalised intersections
Stein et al. Driving simulator performance in patients with possible and probable Alzheimer’s disease
KR101880180B1 (ko) 드라이빙 시뮬레이터의 동작 방법 및 드라이빙 시뮬레이터
US11436935B2 (en) System, method and apparatus for driver training system with stress management
Bella Coordination of horizontal and sag vertical curves on two-lane rural roads: Driving simulator study
Osman et al. Impact of time-to-collision information on driving behavior in connected vehicle environments using a driving simulator test bed
De Ceunynck et al. Proactive evaluation of traffic signs using a traffic sign simulator
Kim et al. Toward prediction of driver awareness of automotive hazards: Driving-video-based simulation approach
Rizzo et al. Instrumented vehicles and driving simulators
Guo et al. Benchmarking the use of immersive virtual bike simulators for understanding cyclist behaviors
Schewe et al. Visualizing distances as a function of speed: Design and evaluation of a distance-speedometer
Yuan et al. Study of correlation between driver emergency measures and pedestrian injury based on combined driving simulator and computer simulation
Amini et al. Risk scenario designs for driving simulator experiments
Johnson et al. Lateral control in a driving simulator: correlations with NEUROPSYCHOLOGICAL tests and on-road safety errors

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20150513

RJ01 Rejection of invention patent application after publication