CN106960613B - 非侵入式驾驶人潜在危险辨识能力评估与训练系统及方法 - Google Patents
非侵入式驾驶人潜在危险辨识能力评估与训练系统及方法 Download PDFInfo
- Publication number
- CN106960613B CN106960613B CN201710386354.8A CN201710386354A CN106960613B CN 106960613 B CN106960613 B CN 106960613B CN 201710386354 A CN201710386354 A CN 201710386354A CN 106960613 B CN106960613 B CN 106960613B
- Authority
- CN
- China
- Prior art keywords
- driver
- potential danger
- assessment
- identification capability
- comes
- 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.)
- Expired - Fee Related
Links
- 238000012549 training Methods 0.000 title claims abstract description 91
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000004088 simulation Methods 0.000 claims description 32
- 239000004973 liquid crystal related substance Substances 0.000 claims description 28
- 238000011156 evaluation Methods 0.000 claims description 21
- 230000007246 mechanism Effects 0.000 claims description 13
- 230000000007 visual effect Effects 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000001360 synchronised effect Effects 0.000 claims description 4
- 230000007812 deficiency Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 235000013399 edible fruits Nutrition 0.000 claims description 2
- 230000002265 prevention Effects 0.000 claims description 2
- 238000003860 storage Methods 0.000 claims description 2
- 238000007654 immersion Methods 0.000 abstract description 3
- 230000000694 effects Effects 0.000 abstract description 2
- 206010039203 Road traffic accident Diseases 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B9/00—Simulators for teaching or training purposes
- G09B9/02—Simulators for teaching or training purposes for teaching control of vehicles or other craft
- G09B9/04—Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of land vehicles
- G09B9/052—Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of land vehicles characterised by provision for recording or measuring trainee's performance
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开一种非侵入式驾驶人潜在危险辨识能力评估与训练系统及方法，采用模拟驾驶的方法对驾驶人的潜在危险辨识能力予以评估并进行矫正训练。系统采用三联屏驾驶模拟器、潜在危险仿真场景库、眼动仪和评估与训练处理器构建，结合驾驶人的视觉、驾驶操作、潜在危险仿真场景、车辆运动状态、潜在危险状态等信息来全方面地评估驾驶人的潜在危险辨识能力。根据评估结果有针对性地选择训练场景，对驾驶人的潜在危险辨识能力进行训练和提升。该系统具有操作简单、沉浸感强、干扰性小等特点，该方法具有评估准确、训练效果好等特点。
Description
技术领域
本发明属于驾驶人安全风险管理技术领域，尤其是涉及一种非侵入式驾驶人潜在危险辨识能力评估与训练系统及方法。
背景技术
随着经济的飞速发展，汽车逐渐成为了我们生活中必不可少的代步工具，然而交通事故也随之迅猛增加。由交通事故增多所引起的人员伤亡和财产损失，已经成为了阻碍我国社会和经济发展的因素。尽管许多汽车生产企业采用了更为先进的主动安全和被动安全技术来减少事故的发生或者减轻事故的伤害程度，但交通事故发生的根本原因——人的因素仍未得到有效解决。根据对道路交通事故的分析可知，很多道路交通事故的发生是由于驾驶人自身对交通环境中蕴含的危险估计过低，没能够提前判断和辨识出交通环境中所存在的潜在危险而引起的。如果驾驶人有风险防范意识和能力，能够提前1秒预知到交通环境中存在的潜在危险，就可减少车辆正面碰撞30％的可能性。鉴于驾驶人的潜在危险辨识能力对道路交通安全的重要影响，应该对其潜在危险辨识能力进行评估，以此进行驾驶人筛选或者提供针对性的安全培训和管理。
现有对驾驶人潜在危险辨识能力的评估和训练，一般通过问卷评估、静态图片选择判断、动态视频选择判断、模拟驾驶等方式进行。由于在问卷评估和静态图片选择判断这两种方式中，涉及大量的文字信息，驾驶人的文字理解能力及记忆能力对评估结果的干扰较大；动态视频选择判断方式中，缺乏良好的沉浸感，无法给驾驶人身临其境的感觉；模拟驾驶方式中，只能根据驾驶人的操作特征来判断有无辨识到潜在危险，驾驶人的驾驶技能对评估结果的干扰较大。因此，现有的评估方式和评估方法很难保证评估结果有良好的信度和效度。
发明内容
针对现有技术的缺陷与不足，本发明的目的在于提供一种非侵入式驾驶人潜在危险辨识能力评估与训练系统及方法。本发明集成模拟驾驶技术、眼动跟踪技术、传感技术等，通过为驾驶人提供逼真的、含有潜在危险的典型交通仿真场景，给驾驶人以良好的沉浸感；结合驾驶人的视觉、驾驶操作、潜在危险评估仿真场景、车辆运动状态、潜在危险状态等信息来全方面地评估驾驶人的潜在危险辨识能力，保证评估方式符合驾驶人的驾驶习惯，评估结果具有良好的信度和效度；根据评估结果，系统选取相适应的潜在危险训练仿真场景，对驾驶人进行有针对性的训练，提升其安全素质。
为实现上述技术任务，本发明采取如下的技术方案：
其一，本发明提供一种非侵入式驾驶人潜在危险辨识能力评估与训练系统，其特征在于，包括三联屏驾驶模拟器、潜在危险仿真场景库、眼动仪和评估与训练处理器；
所述三联屏驾驶模拟器，包括驾驶舱座、三联屏液晶显示屏、数据采集装置、视景计算机和音响；
所述潜在危险仿真场景库，是一包含有潜在危险评估仿真场景和潜在危险训练仿真场景的电子信息数据库，与视景计算机相连，向视景计算机发送所需的仿真场景；
所述驾驶舱座中设置有驾驶操纵机构，所述驾驶操纵机构与所述数据采集装置相连，所述数据采集装置与视景计算机相连，所述数据采集装置实时地采集驾驶操作信息并发送给视景计算机；
所述三联屏液晶显示屏与视景计算机相连，实时地展现仿真场景和评估结果、训练结果；
所述音响与视景计算机相连，实时地接收和播报视景计算机所发送的音频信息；
所述眼动仪与视景计算机相连，实时地采集驾驶人的视觉信息并发送给视景计算机；
所述评估与训练处理器，与视景计算机相连，接收、存储和分析处理视景计算机发送过来的驾驶人视觉、驾驶操作、仿真场景、车辆运动状态和潜在危险状态信息。
进一步地，所述潜在危险评估仿真场景和潜在危险训练仿真场景一一对应，并按照交通环境、道路类型、潜在危险类型、潜在危险位置、潜在危险难度这些潜在危险特征进行编码。
进一步地，所述眼动仪采用非接触式眼动仪，水平固定在驾驶舱座的上平面中心处；所述驾驶人的视觉信息为驾驶人的注视点像素坐标信息。
进一步地，所述三联屏液晶显示屏为三个液晶屏依次连接，每相邻两个屏之间互成一定角度固定安装在驾驶舱座的上平面，中间的屏正对驾驶员，两侧的屏略向驾驶员收拢。
其二，本发明根据所述系统提供一种非侵入式驾驶人潜在危险辨识能力评估方法，其特征在于，包含如下步骤：
(1)在系统上电、程序初始化、驾驶人登录进入“评估”模式后，评估与训练处理器从潜在危险仿真场景库中选择确定用于实施评估的潜在危险评估仿真场景，将选择结果发送给视景计算机；
(2)视景计算机从潜在危险仿真场景库中读取用于实施评估的潜在危险评估仿真场景信息，并发送给三联屏液晶显示屏、音响和仪表系统予以显示和发声；
(3)驾驶人在驾驶舱座内操纵各个操纵机构进行模拟驾驶，眼动仪实时地采集驾驶人的注视点像素坐标信息并发送给视景计算机；数据采集装置实时地采集驾驶人的驾驶操作信息并发送给视景计算机；
(4)视景计算机根据所接收的信息，实时地计算车辆运动状态信息和潜在危险状态信息，连同驾驶人的注视点像素坐标信息、驾驶操作信息、潜在危险评估仿真场景信息，反馈给评估与训练处理器；
(5)评估与训练处理器实时的接收视景计算机所发送的信息，进行存储；
(6)重复步骤(2)～(5)，待所有用于评估的潜在危险评估仿真场景都实施评估后，评估与训练处理器对所接收的各评估场景信息进行分析处理，计算得出驾驶人潜在危险辨识能力综合评估结果，将综合评估结果进行存储，并发送给视景计算机，其中，所述评估与训练处理器的分析处理过程如下：
1)计算驾驶人的危险搜索宽度、危险搜索深度、注意力分配、危险发现速度和危险决策速度，将这几个指标综合，形成驾驶人潜在危险搜寻与决策能力评价指标体系，
2)计算驾驶人的左后视镜观察习惯、右后视镜观察习惯、内后视镜观察习惯、交叉路口观察习惯和弯道前观察习惯，将这几个指标综合，形成驾驶人观察习惯评价指标体系，
3)计算驾驶人对机动车的辨识能力、对摩托车的辨识能力、对非机动车的辨识能力、对行人的辨识能力和对交通信号的辨识能力，将这几个指标综合，形成驾驶人不同类型潜在危险辨识能力评价指标体系，
4)计算驾驶人对左前方潜在危险的辨识能力、对右前方潜在危险的辨识能力、对左后方潜在危险的辨识能力、对右后方潜在危险的辨识能力、对后方潜在危险的辨识能力，将这几个指标综合，形成驾驶人不同位置潜在危险辨识能力评价指标体系，
5)计算驾驶人平直路段潜在危险的辨识能力、转弯路段潜在危险的辨识能力、上下坡路段潜在危险的辨识能力、交叉口路段潜在危险的辨识能力，将这几个指标综合，形成驾驶人典型路段潜在危险辨识能力评价指标体系。
进一步地，所述步骤(5)中的每一评价指标体系中的指标，都按照打分制进行量化，然后获得驾驶人潜在危险辨识能力综合评估结果。
其三，本发明还提供一种非侵入式驾驶人潜在危险辨识能力训练方法，其特征在于，包含如下步骤：
(1)在系统上电、程序初始化、驾驶人登录进入“训练”模式后，先利用系统对驾驶人潜在危险辨识能力进行评估，获得驾驶人的潜在危险辨识能力综合评估结果；
(2)根据评估结果，评估与训练处理器获得驾驶人在潜在危险辨识能力方面的不足，然后从潜在危险仿真场景库中选择确定用于实施训练的潜在危险训练仿真场景，并将选择结果发送给视景计算机；
(3)视景计算机从潜在危险仿真场景库中读取用于实施训练的潜在危险评估仿真场景信息，并发送给三联屏液晶显示屏、音响和仪表系统予以显示和发声；
(4)潜在危险训练仿真场景通过三联屏液晶显示屏和音响同步演示和讲解该潜在危险训练仿真场景中所存在的潜在危险、该潜在危险将导致的后果、正确的观察方式和预防措施；
(5)待用于实施训练的潜在危险训练仿真场景演示和讲解结束后，视景计算机重新读取与已实施的潜在危险训练仿真场景相对应的潜在危险评估仿真场景，系统再对驾驶人潜在危险辨识能力进行评估，获得评估结果。
(6)重复步骤(2)～(5)，直至驾驶人的潜在危险辨识能力评估结果合格。
进一步地，所述对驾驶人潜在危险辨识能力进行评估的方法，就是上述所述的评估方法。
本发明所述的一种非侵入式驾驶人潜在危险辨识能力评估与训练系统及方法，以潜在危险仿真场景库为评估和训练库，通过三个液晶显示屏向驾驶人展现逼真的潜在危险评估仿真场景和潜在危险训练仿真场景；以三联屏驾驶模拟器为评估和训练平台，实时地采集驾驶人模拟驾驶时的驾驶操作信息、潜在危险仿真场景信息、车辆运动状态信息和潜在危险状态信息；以非接触式眼动仪为视觉信息采集装置，实时地采集驾驶人模拟驾驶时的视觉信息。结合驾驶人的视觉、驾驶操作、潜在危险仿真场景、车辆运动状态、潜在危险状态等信息来全方面地评估驾驶人的潜在危险辨识能力。根据评估结果有针对性地选择潜在危险训练仿真场景，对驾驶人的潜在危险辨识能力进行训练和提升。该系统具有操作简单、沉浸感强、干扰性小等特点，该方法具有评估准确、训练效果好等特点。
本发明的其他特征和优点将在随后的说明书中阐述，并且部分的从说明书中变得显而易见，或者通过实施本发明而了解。
附图说明
图1为本发明非侵入式驾驶人潜在危险辨识能力评估与训练系统的仿真图。
图2为系统中各部分之间的结构关系框图。
图3为本发明非侵入式驾驶人潜在危险辨识能力评估方法的流程图。
图4为本发明非侵入式驾驶人潜在危险辨识能力训练方法的流程图。
具体实施方式
下面结合附图和实施例对本发明进行详细的描述，但本领域的技术人员应该知道，以下实施例并不是对本发明技术方案作的唯一限定，凡是在本发明技术方案精神实质下所做的任何等同变换或改动，均应视为属于本发明的保护范围。
参考图1，一种非侵入式驾驶人潜在危险辨识能力评估与训练系统，包括三联屏驾驶模拟器1、潜在危险仿真场景库2、眼动仪3和评估与训练处理器4。
参考图2，所述三联屏驾驶模拟器1包括驾驶舱座11、三联屏液晶显示屏12、数据采集装置13、视景计算机14和音响15。
所述驾驶舱座11包括实车座椅111、实车仪表台112以及实车驾驶操纵机构，如转向盘113、离合踏板114、制动踏板115、加速踏板116、变速器117、驻车制动器118、点火开关119等。
所述三联屏液晶显示屏12为三个液晶屏依次连接，每相邻两个屏之间互成一定角度(约120°-150°)固定安装在驾驶舱座的上平面，一般来讲，中间屏正对驾驶员，两侧的屏略向驾驶员收拢。三联屏液晶显示屏12通过VGA接口与视景计算机14相连接，用于实时地接收视景计算机14所发送的潜在危险评估仿真场景或潜在危险训练仿真场景信息中的三维动画信息并展现，以及实时的接收驾驶人的潜在危险辨识能力评估结果或训练结果并展现。
所述数据采集装置13安装在驾驶操纵机构上，通过串口与视景计算机14相连接，用于实时地采集驾驶人的驾驶操作信息并发送给视景计算机。驾驶人的驾驶操作信息包括制动、加速、转向等操作。
所述视景计算机14安装在驾驶舱座11内，与潜在危险仿真场景库2、眼动仪3、评估与训练处理器4、数据采集装置13连接，用于实时地读取潜在危险评估仿真场景信息和潜在危险训练仿真场景信息，接收驾驶人的视觉信息和驾驶操作信息，计算车辆运动状态信息和潜在危险状态信息，更新潜在危险仿真场景信息并将更新场景发送给三联屏液晶显示屏、音响和仪表系统，并将所接收的信息和计算结果发送给评估与训练处理器，以及接收评估与训练处理器4关于驾驶人的潜在危险辨识能力评估结果和训练结果。
所述音响15安装在驾驶舱座11内，通过音频线与视景计算机14相连接，用于实时地接收和发出视景计算机所发送的潜在危险评估仿真场景和潜在危险训练仿真场景信息中的音频信息。
所述潜在危险仿真场景库2是一电子信息数据库，库中包含有潜在危险评估仿真场景和潜在危险训练仿真场景，主要用于存储、增加、删除、修改或查询潜在危险评估仿真场景和潜在危险训练仿真场景。通过收集整理往年的典型道路交通事故案例及现实道路交通环境中一些常见的含有潜在危险的交通场景，汇总整理后形成潜在危险危险仿真场景数据库。通过采用三维建模的方法，将潜在危险场景数据库中的交通场景制作形成逼真的潜在危险评估仿真场景和潜在危险训练仿真场景，且潜在危险评估仿真场景和潜在危险训练仿真场景一一对应，对每一个潜在危险评估仿真场景和潜在危险训练仿真场景，按照交通环境、道路类型、潜在危险类型、潜在危险位置、潜在危险难度等这些潜在危险特征，进行编码。然后汇总形成潜在危险仿真场景库。视景计算机通过网络对潜在危险仿真场景库中的潜在危险评估仿真场景和潜在危险训练仿真场景的信息进行读取。
所述眼动仪3采用非接触式眼动仪，水平固定安装在驾驶舱座的上平面中心处，通过USB等接口方式与视景计算机14相连接，用于实时地采集驾驶人的视觉信息并发送给视景计算机。
所述评估与训练处理器4，通过网络与三联屏驾驶模拟器中的视景计算机相连接，用于接收、存储和和分析处理视景计算机发送过来的驾驶人的视觉、驾驶操作、潜在危险仿真场景、车辆运动状态和潜在危险状态等信息，计算得出驾驶人的潜在危险辨识能力评估结果和训练结果。
进一步的，所述的驾驶人的视觉信息为驾驶人的注视点像素坐标信息。
进一步的，所述的驾驶人的驾驶操作信息为驾驶人对三联屏驾驶模拟器中的驾驶操纵机构的操纵信息，包括制动、加速、转向这一类操作。
参考图3，本发明提供一种非侵入式驾驶人潜在危险辨识能力评估方法，包含如下步骤：
1、非侵入式驾驶人潜在危险辨识能力评估与训练系统上电、程序初始化后，驾驶人在三联屏驾驶模拟器上登录，选择考生类型，点击进入“评估”模式，评估与训练处理器则从潜在危险仿真场景库中选择确定用于实施评估的潜在危险评估仿真场景，并将选择结果发送给视景计算机；
2、视景计算机从潜在危险仿真场景库中读取用于实施评估的潜在危险评估仿真场景信息，并发送给三联屏液晶显示屏、音响和仪表系统予以显示和发声；
3、驾驶人开始在驾驶舱座内操纵各个操纵机构进行模拟驾驶，眼动仪实时地采集驾驶人的注视点像素坐标信息并将采集的信息发送给视景计算机；数据采集装置实时地采集驾驶人的驾驶操作信息并将采集的信息发送给视景计算机；
4、视景计算机根据所接收的信息，实时地计算车辆运动状态信息和潜在危险状态信息，具体为，视景计算机根据驾驶员对加速踏板、制动踏板、转向盘等的操作信息进行计算后获得车辆运动状态信息，包括车辆的行驶速度、转向角度、加减速等；然后视景计算机根据车辆运动状态信息不断地去加载仿真场景，使场景和潜在危险状态的更新与车辆运动状态同步。视景计算机一方面不断更新潜在危险评估仿真场景信息，发送给三联屏液晶显示屏、音响和仪表系统予以显示和发声外；另一方面还将驾驶人的注视点像素坐标、驾驶操作、潜在危险评估仿真场景、车辆运动状态、潜在危险状态等信息发送给评估与训练处理器；
5、评估与训练处理器实时的接收视景计算机所发送的信息并进行存储；
6、重复操作步骤2～5，待所有用于评估的潜在危险评估仿真场景都实施评估后，评估与训练处理器对所接收的各评估场景信息进行分析处理，计算得出驾驶人潜在危险辨识能力综合评估结果，同时将评估结果进行存储，并发送给视景计算机。评估与训练处理器的分析处理过程如下：
(1)计算驾驶人的危险搜索宽度、危险搜索深度、注意力分配、危险发现速度和危险决策速度，并将这几个指标综合，形成驾驶人潜在危险搜寻与决策能力评价指标体系。将体系中的各个指标的值按照5分制进行量化，获得驾驶人潜在危险搜寻与决策能力评价结果，并将评价结果生成雷达图。
进一步的，驾驶人注视点像素坐标信息中x值的标准差的均值为危险搜索宽度的值。危险搜索宽度的值越大，说明驾驶人在水平方向的视野广度越好。
进一步的，驾驶人注视点像素坐标信息中y值的标准差的均值为危险搜索深度的值。危险搜索深度的值越大，说明驾驶人在垂直方向的视野广度越好。
进一步的，驾驶人注视点分布的视野区域个数的均值为注意力分配的值。注意力分配的值越大，说明驾驶人的注意力分配能力越好。
进一步的，从驾驶人察觉潜在危险到潜在危险出现的时间间隔的均值为危险发现速度的值。危险发现速度的值越大，说明驾驶人越早发现危险，发现危险的能力越强。
进一步的，从驾驶人开始减速到潜在危险出现的时间间隔的均值为危险决策速度的值。危险决策速度的值越大，说明驾驶人越早采取正确措施。
(2)计算驾驶人的左后视镜观察习惯、右后视镜观察习惯、内后视镜观察习惯、交叉路口观察习惯和弯道前观察习惯，并将这几个指标综合，形成驾驶人观察习惯评价指标体系。将体系中的各个指标的值按照5分制进行量化，获得驾驶人观察习惯评价结果，并将评价结果生成雷达图。
进一步的，驾驶人注视点在左后视镜上的个数与注视点总数的比值的均值为左后视镜观察习惯的值。左后视镜观察习惯的值越大，说明驾驶人对左后视镜的观察情况越好。
进一步的，驾驶人注视点在右后视镜上的个数与注视点总数的比值的均值为右后视镜观察习惯的值。右后视镜观察习惯的值越大，说明驾驶人对右后视镜的观察情况越好。
进一步的，驾驶人注视点在内后视镜上的个数与注视点总数的比值的均值为内后视镜观察习惯的值。内后视镜观察习惯的值越大，说明驾驶人对内后视镜的观察情况越好。
进一步的，驾驶人注视点在路口的左侧、右侧、对向侧、左后视镜、右后视镜和内后视镜上的个数与注视点总数的比值的均值为交叉路口观察习惯的值。交叉路口观察习惯的值越大，说明驾驶人在通过交叉路口时的观察情况越好。
进一步的，驾驶人注视点在弯道的前侧、左后视镜和右后视镜上的个数与注视点总数的比值的均值为弯道前观察习惯的值。弯道前观察习惯的值越大，说明驾驶人在通过弯道时的观察情况越好。
(3)计算驾驶人对机动车的辨识能力、对摩托车的辨识能力、对非机动车的辨识能力、对行人的辨识能力和对动物的辨识能力，并将这几个指标综合，形成驾驶人不同类型潜在危险辨识能力评价指标体系。将体系中的各个指标的值按照5分制进行量化，获得驾驶人不同类型潜在危险辨识能力评价结果，并将评价结果生成雷达图。
进一步的，驾驶人在潜在危险类型为机动车的潜在危险评估仿真场景中的危险发现速度的值和危险决策速度的值之和的均值为对机动车的辨识能力的值。对机动车的辨识能力的值越大，说明驾驶人越容易辨识出类型为机动车的潜在危险。
进一步的，驾驶人在潜在危险类型为摩托车的潜在危险评估仿真场景中的危险发现速度的值和危险决策速度的值之和的均值为对摩托车的辨识能力的值。对摩托车的辨识能力的值越大，说明驾驶人越容易辨识出类型为摩托车的潜在危险。
进一步的，驾驶人在潜在危险类型为非机动车的潜在危险评估仿真场景中的危险发现速度的值和危险决策速度的值之和的均值为对非机动车的辨识能力的值。对非机动车的辨识能力的值越大，说明驾驶人越容易辨识出类型为非机动车的潜在危险。
进一步的，驾驶人在潜在危险类型为行人的潜在危险评估仿真场景中的危险发现速度的值和危险决策速度的值之和的均值为对行人的辨识能力的值。对行人的辨识能力的值越大，说明驾驶人越容易辨识出类型为行人的潜在危险。
进一步的，驾驶人在潜在危险类型为动物的潜在危险评估仿真场景中的危险发现速度的值和危险决策速度的值之和的均值为对动物的辨识能力的值。对动物的辨识能力的值越大，说明驾驶人越容易辨识出类型为动物的潜在危险。
(4)计算驾驶人对左前方潜在危险的辨识能力、对右前方潜在危险的辨识能力、对左后方潜在危险的辨识能力、对右后方潜在危险的辨识能力、对后方潜在危险的辨识能力，并将这几个指标综合，形成驾驶人不同位置潜在危险辨识能力评价指标体系。将体系中的各个指标的值按照5分制进行量化，获得驾驶人不同位置潜在危险辨识能力评价结果，并将评价结果生成雷达图。
进一步的，驾驶人在潜在危险位置为左前方的潜在危险评估仿真场景中的危险发现速度的值和危险决策速度的值之和的均值为对左前方潜在危险的辨识能力的值。对左前方潜在危险的辨识能力的值越大，说明驾驶人越容易辨识出位置在左前方的潜在危险。
进一步的，驾驶人在潜在危险位置为右前方的潜在危险评估仿真场景中的危险发现速度的值和危险决策速度的值之和的均值为对右前方潜在危险的辨识能力的值。对右前方潜在危险的辨识能力的值越大，说明驾驶人越容易辨识出位置在右前方的潜在危险。
进一步的，驾驶人在潜在危险位置为左后方的潜在危险评估仿真场景中的危险发现速度的值和危险决策速度的值之和的均值为对左后方潜在危险的辨识能力的值。对左后方潜在危险的辨识能力的值越大，说明驾驶人越容易辨识出位置在左后方的潜在危险。
进一步的，驾驶人在潜在危险位置为右后方的潜在危险评估仿真场景中的危险发现速度的值和危险决策速度的值之和的均值为对右后方潜在危险的辨识能力的值。对右后方潜在危险的辨识能力的值越大，说明驾驶人越容易辨识出位置在右后方的潜在危险。
进一步的，驾驶人在潜在危险位置为后方的潜在危险评估仿真场景中的危险发现速度的值和危险决策速度的值之和的均值为对后方潜在危险的辨识能力的值。对后方潜在危险的辨识能力的值越大，说明驾驶人越容易辨识出位置在后方的潜在危险。
(5)计算驾驶人平直路段潜在危险的辨识能力、转弯路段潜在危险的辨识能力、上下坡路段潜在危险的辨识能力、交叉口路段潜在危险的辨识能力，并将这几个指标综合，形成驾驶人典型路段潜在危险辨识能力评价指标体系。将体系中的各个指标的值按照5分制进行量化，获得驾驶人典型路段潜在危险辨识能力评价结果，并将评价结果生成雷达图。
进一步的，驾驶人在潜在危险所在的道路类型为平直路段的潜在危险评估仿真场景中的危险发现速度的值和危险决策速度的值之和的均值为对平直路段潜在危险的辨识能力的值。对平直路段潜在危险的辨识能力的值越大，说明驾驶人越容易辨识出平直路段上的潜在危险。
进一步的，驾驶人在潜在危险所在的道路类型为转弯路段的潜在危险评估仿真场景中的危险发现速度的值和危险决策速度的值之和的均值为对转弯路段潜在危险的辨识能力的值。对转弯路段潜在危险的辨识能力的值越大，说明驾驶人越容易辨识出转弯路段上的潜在危险。
进一步的，驾驶人在潜在危险所在的道路类型为上下坡路段的潜在危险评估仿真场景中的危险发现速度的值和危险决策速度的值之和的均值为对上下坡路段潜在危险的辨识能力的值。对上下坡路段潜在危险的辨识能力的值越大，说明驾驶人越容易辨识出上下坡路段上的潜在危险。
进一步的，驾驶人在潜在危险所在的道路类型为交叉口路段的潜在危险评估仿真场景中的危险发现速度的值和危险决策速度的值之和的均值为对交叉口路段潜在危险的辨识能力的值。对交叉口路段潜在危险的辨识能力的值越大，说明驾驶人越容易辨识出交叉口路段上的潜在危险。
(6)将驾驶人潜在危险搜寻与决策能力评价、驾驶人观察习惯评价、驾驶人不同类型潜在危险辨识能力评价、驾驶人不同位置潜在危险辨识能力评价、驾驶人典型路段潜在危险辨识能力评价的评价结果综合，形成驾驶人潜在危险辨识能力综合评估结果。
7、视景计算机接收评估与训练处理器所发送的驾驶人潜在危险辨识能力综合评估结果，发送给三联屏液晶显示屏予以展现。
上述列举的5类评价指标体系并非是对潜在危险评估仿真场景的限定性评估，伴随将来交通环境的变化，以及仿真场景的进一步优化，评价体系可以进一步整合，并非局限于此。
另外，对各评价指标体系中的各个指标采取的打分制量化评估的方法，并非一定按照5分制，10分制、100分制都是可以的，可以自设定。
再者，潜在危险评估仿真场景的数量可以自设定，最少为1个，多者不限。相应地，对于各个评价指标体系下的各个指标的打分值，当只选一个场景进行评估时，该值仅指利用这一个场景获得的评估结果；如果应用n个场景评估，n＞1，则该值指利用n个场景获得的该项评价指标的评估结果的平均值。
参考图4，基于驾驶人潜在危险辨识能力评估的结果，进一步提出一种非侵入式驾驶人潜在危险辨识能力训练方法，包含如下步骤：
1、非侵入式驾驶人潜在危险辨识能力评估与训练系统上电、程序初始化，驾驶人在三联屏驾驶模拟器上登录，选择考生类型，点击进入“训练”模式后，系统先按照非侵入式驾驶人潜在危险辨识能力评估方法对驾驶人的潜在危险辨识能力进行评估，获得驾驶人的潜在危险辨识能力综合评估结果；
2、评估与训练处理器从综合评估结果中筛选出该考生得分低于一定标准(如设定为3分)的评价指标，计算获得驾驶人在潜在危险辨识能力方面的不足，并从潜在危险仿真场景库中选择确定用于实施训练的潜在危险训练仿真场景，将选择结果发送给视景计算机；
3、视景计算机从潜在危险仿真场景库中读取用于实施训练的潜在危险训练仿真场景信息并发送给三联屏液晶显示屏、音响和仪表系统予以显示和发声；
4、潜在危险训练仿真场景通过三联屏液晶显示屏和音响同步演示和讲解该潜在危险训练仿真场景中所存在的潜在危险、该潜在危险将导致的后果、正确的观察方式和预防措施等知识。
5、所有用于实施训练的潜在危险训练仿真场景演示和讲解结束后，视景计算机重新读取与已实施的潜在危险训练仿真场景相对应的潜在危险评估仿真场景，系统再按照非侵入式驾驶人潜在危险辨识能力评估方法对驾驶人的潜在危险辨识能力进行评估，获得评估结果并展示给驾驶人。
6、重复步骤2～5，直至驾驶人的潜在危险辨识能力评估结果合格。
以上所述实施方式为本发明的优选的实施方式，但本发明并不限于上述实施方式，在不背离本发明的实质内容的情况下，本领域技术人员能够做出的任何显而易见的改进、替换或变型均属于本发明的保护范围。
Claims (2)
1.一种非侵入式驾驶人潜在危险辨识能力评估与训练方法，其特征在于，基于如下系统实现：
所述系统包括三联屏驾驶模拟器、潜在危险仿真场景库、眼动仪、评估与训练处理器；
所述三联屏驾驶模拟器，包括驾驶舱座、三联屏液晶显示屏、数据采集装置、视景计算机和音响；
所述潜在危险仿真场景库，是一包含有潜在危险评估仿真场景和潜在危险训练仿真场景的电子信息数据库，与视景计算机相连，向视景计算机发送所需的仿真场景；
所述驾驶舱座中设置有驾驶操纵机构，驾驶操纵机构与数据采集装置相连，数据采集装置与视景计算机相连，数据采集装置实时地采集驾驶操作信息并发送给视景计算机；
所述三联屏液晶显示屏与视景计算机相连，实时地展现仿真场景和评估结果、训练结果；
所述音响与视景计算机相连，实时地接收和播报视景计算机所发送的音频信息；
所述眼动仪与视景计算机相连，实时地采集驾驶人的视觉信息并发送给视景计算机；
所述评估与训练处理器，与视景计算机相连，接收、存储和分析处理视景计算机发送过来的驾驶人视觉、驾驶操作、仿真场景、车辆运动状态和潜在危险状态信息；
所述潜在危险评估仿真场景和潜在危险训练仿真场景一一对应，并按照交通环境、道路类型、潜在危险类型、潜在危险位置、潜在危险难度这些特征进行编码；
所述眼动仪采用非接触式眼动仪，水平固定在驾驶舱座的上平面中心处，驾驶人的视觉信息为驾驶人的注视点像素坐标信息；
所述三联屏液晶显示屏为三个液晶屏依次连接而成，每相邻两个液晶屏之间互成一定角度固定安装在驾驶舱座的上平面处，其中，中间的液晶屏正对驾驶员，两侧的液晶屏向驾驶员方向收拢；
评估方法包含如下步骤：
(1)在系统上电、程序初始化、驾驶人登录进入“评估”模式后，评估与训练处理器从潜在危险仿真场景库中选择确定用于实施评估的潜在危险评估仿真场景，将选择结果发送给视景计算机；
(2)视景计算机从潜在危险仿真场景库中读取用于实施评估的潜在危险评估仿真场景信息，并发送给三联屏液晶显示屏、音响和仪表系统予以显示和发声；
(3)驾驶人在驾驶舱座内操纵各个操纵机构进行模拟驾驶，眼动仪实时地采集驾驶人的注视点像素坐标信息并发送给视景计算机；数据采集装置实时地采集驾驶人的驾驶操作信息并发送给视景计算机；
(4)视景计算机根据所接收的信息，实时地计算车辆运动状态信息和潜在危险状态信息，连同驾驶人的注视点像素坐标信息、驾驶操作信息、潜在危险评估仿真场景信息，反馈给评估与训练处理器；
(5)评估与训练处理器实时的接收视景计算机所发送的信息，进行存储；
(6)重复步骤(2)～(5)，待所有用于评估的潜在危险评估仿真场景都实施评估后，评估与训练处理器对所接收的各评估场景信息进行分析处理，计算得出驾驶人潜在危险辨识能力综合评估结果，将综合评估结果进行存储，并发送给视景计算机，其中，所述评估与训练处理器的分析处理过程如下：
1)计算驾驶人的危险搜索宽度、危险搜索深度、注意力分配、危险发现速度和危险决策速度，将这几个指标综合，形成驾驶人潜在危险搜寻与决策能力评价指标体系，
2)计算驾驶人的左后视镜观察习惯、右后视镜观察习惯、内后视镜观察习惯、交叉路口观察习惯和弯道前观察习惯，将这几个指标综合，形成驾驶人观察习惯评价指标体系，
3)计算驾驶人对机动车的辨识能力、对摩托车的辨识能力、对非机动车的辨识能力、对行人的辨识能力和对交通信号的辨识能力，将这几个指标综合，形成驾驶人不同类型潜在危险辨识能力评价指标体系，
4)计算驾驶人对左前方潜在危险的辨识能力、对右前方潜在危险的辨识能力、对左后方潜在危险的辨识能力、对右后方潜在危险的辨识能力、对后方潜在危险的辨识能力，将这几个指标综合，形成驾驶人不同位置潜在危险辨识能力评价指标体系，
5)计算驾驶人平直路段潜在危险的辨识能力、转弯路段潜在危险的辨识能力、上下坡路段潜在危险的辨识能力、交叉口路段潜在危险的辨识能力，将这几个指标综合，形成驾驶人典型路段潜在危险辨识能力评价指标体系；
训练方法包含如下步骤：
(1)在系统上电、程序初始化、驾驶人登录进入“训练”模式后，根据评估结果，评估与训练处理器获得驾驶人在潜在危险辨识能力方面的不足，然后从潜在危险仿真场景库中选择确定用于实施训练的潜在危险训练仿真场景，并将选择结果发送给视景计算机；
(2)视景计算机从潜在危险仿真场景库中读取用于实施训练的潜在危险评估仿真场景信息，并发送给三联屏液晶显示屏、音响和仪表系统予以显示和发声；
(3)潜在危险训练仿真场景通过三联屏液晶显示屏和音响同步演示和讲解该潜在危险训练仿真场景中所存在的潜在危险、该潜在危险将导致的后果、正确的观察方式和预防措施；
(4)待用于实施训练的潜在危险训练仿真场景演示和讲解结束后，视景计算机重新读取与已实施的潜在危险训练仿真场景相对应的潜在危险评估仿真场景，系统再对驾驶人潜在危险辨识能力进行评估，获得评估结果；
(5)重复步骤(2)～(4)，直至驾驶人的潜在危险辨识能力评估结果合格。
2.根据权利要求1所述的方法，其特征在于：所述步骤(6)中的每一评价指标体系中的指标，都按照打分制进行量化，获得驾驶人潜在危险辨识能力综合评估结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710386354.8A CN106960613B (zh) | 2017-05-26 | 2017-05-26 | 非侵入式驾驶人潜在危险辨识能力评估与训练系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710386354.8A CN106960613B (zh) | 2017-05-26 | 2017-05-26 | 非侵入式驾驶人潜在危险辨识能力评估与训练系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106960613A CN106960613A (zh) | 2017-07-18 |
| CN106960613B true CN106960613B (zh) | 2019-07-02 |
Family
ID=59483123
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710386354.8A Expired - Fee Related CN106960613B (zh) | 2017-05-26 | 2017-05-26 | 非侵入式驾驶人潜在危险辨识能力评估与训练系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106960613B (zh) |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107928685A (zh) * | 2017-12-13 | 2018-04-20 | 吉林大学 | 一种基于驾驶人眼动特性的应激响应分析装置及方法 |
| CN108268887B (zh) * | 2017-12-15 | 2021-12-03 | 西安电子科技大学 | 基于虚拟驾驶与eeg检测的驾驶人安全意识评估方法 |
| CN108305524A (zh) * | 2018-01-26 | 2018-07-20 | 北京工业大学 | 基于驾驶模拟平台的沉浸式驾驶行为矫正方法和系统 |
| CN108309327B (zh) * | 2018-01-30 | 2021-03-26 | 中国人民解放军海军总医院 | 一种视觉注意分配能力测评与训练方法 |
| CN108615110B (zh) * | 2018-04-23 | 2021-07-06 | 吉林大学 | 基于视觉特性的驾驶风险评估系统 |
| CN109102734A (zh) * | 2018-09-04 | 2018-12-28 | 北京精英智通科技股份有限公司 | 模拟驾驶训练系统及方法 |
| CN109637261B (zh) * | 2019-01-16 | 2021-08-24 | 吉林大学 | 自动-人工驾驶权切换情景下驾驶员反应能力训练系统 |
| CN110164223A (zh) * | 2019-04-16 | 2019-08-23 | 江苏大学 | 一种危险侦测能力的训练系统 |
| CN112070419B (zh) * | 2020-09-23 | 2023-11-07 | 交通运输部公路科学研究所 | 汽车驾驶潜在危险情景风险度量化方法 |
| CN112754483B (zh) * | 2021-01-12 | 2023-06-16 | 中国科学院心理研究所 | 一种测试及训练驾驶员注意分配能力的方法和系统 |
| CN113918025A (zh) * | 2021-11-17 | 2022-01-11 | 福州大学 | 一种训练非机动车驾驶员危险知觉能力的系统 |
| CN114089646A (zh) * | 2021-11-23 | 2022-02-25 | 吉林大学 | 一种基于驾驶模拟器的弯道驾驶行为机理特征建模方法 |
| CN113888925B (zh) * | 2021-12-08 | 2022-02-22 | 武汉未来幻影科技有限公司 | 一种驾考模拟器三平面显示屏设计方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| 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 |
| CN105788401A (zh) * | 2016-04-20 | 2016-07-20 | 公安部交通管理科学研究所 | 基于实车体的防御性驾驶模拟体验训练系统 |
| CN106580245A (zh) * | 2016-12-21 | 2017-04-26 | 天津牧瞳星科技有限公司 | 一种车载安全测试眼动仪 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9646509B2 (en) * | 2009-09-29 | 2017-05-09 | Advanced Training Systems Llc | System, method and apparatus for driver training system with stress management |
-
2017
- 2017-05-26 CN CN201710386354.8A patent/CN106960613B/zh not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| 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 |
| CN105788401A (zh) * | 2016-04-20 | 2016-07-20 | 公安部交通管理科学研究所 | 基于实车体的防御性驾驶模拟体验训练系统 |
| CN106580245A (zh) * | 2016-12-21 | 2017-04-26 | 天津牧瞳星科技有限公司 | 一种车载安全测试眼动仪 |
Non-Patent Citations (4)
| Title |
|---|
| Empirical Evaluation of Hazard Anticipation Behaviors in the Field and on Driving Simulator Using Eye Tracker;Empirical Evaluation of Hazard Anticipation Behaviors in the Fie;《Transportation Research Record Journal of the Transportation Research Board》;20071231;全文 |
| 驾驶人危险辨识进展研究;曾诚等;《中国安全科学学报》;20131230;第26卷(第12期);全文 |
| 驾驶人应激反应能力评价研究;吴初娜;《科学技术与工程》;20130430;第16卷(第10期);全文 |
| 驾驶人潜在危险预知能力评估系统研究;郭应时等;《中国安全科学学报》;20130331;第23卷(第3期);全文 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106960613A (zh) | 2017-07-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106960613B (zh) | 非侵入式驾驶人潜在危险辨识能力评估与训练系统及方法 | |
| Lang et al. | Synthesizing personalized training programs for improving driving habits via virtual reality | |
| Sobhani et al. | Impact of smartphone distraction on pedestrians’ crossing behaviour: An application of head-mounted immersive virtual reality | |
| US11501657B2 (en) | Systems and methods for virtual reality based driver training | |
| CN104133720B (zh) | 机动车驾驶人驾驶安全度评测系统 | |
| Feldstein et al. | A pedestrian simulator for urban crossing scenarios | |
| US11842653B2 (en) | Systems and methods for virtual reality based driver situational awareness recovery training | |
| Matviienko et al. | BikeAR: Understanding cyclists’ crossing decision-making at uncontrolled intersections using Augmented Reality | |
| Sobhani et al. | Distracted pedestrians crossing behaviour: Application of immersive head mounted virtual reality | |
| JP3782025B2 (ja) | 運転シミュレータを使用した運転教習システム | |
| JP2011022211A (ja) | 運転模擬装置及び運転模擬制御プログラム | |
| Maag et al. | Measuring workload effects of augmented reality head-up displays using detection response task | |
| CN109101908B (zh) | 驾驶过程感兴趣区域检测方法及装置 | |
| Pratelli et al. | Roundabout perception: review of standards and guidelines for advanced warning | |
| Orlický et al. | Microsimulation model for assessment of eHMI of autonomous vehicles | |
| Chen et al. | Evaluating a mobile pedestrian safety application in a virtual urban environment | |
| TWM552127U (zh) | 評估駕駛風險系統 | |
| Kaneswaran | Assessment of the Effects of Road Geometry on Irish Accident Rates and Driving Behaviour | |
| Li et al. | Simulation Study of Passing Drivers’ Responses to the Autonomous Truck-Mounted Attenuator System in Road Maintenance | |
| Angioi | A driving simulation study on the effects of situational and route familiarity for different unsignalized mid-block pedestrian crossing layouts | |
| Huang et al. | Driving safety prediction and safe route mapping using in-vehicle and roadside data | |
| Ito et al. | Development and evaluation of car training system using VR and eye tracking technology | |
| Corbett | Examining How Different Methodological Approaches Impact Safety Outcome Effects in Child Pedestrian Research: Comparing Typical and Novel Measurement Approaches in Virtual Reality | |
| Yassien et al. | Building Trust in AV-to-Pedestrian Interaction: Exploring the Influence of Communication Modality through a Virtual Reality Study | |
| TWI632471B (zh) | 評估駕駛風險的方法及其系統 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190702 |