CN115482683B - 一种基于驾驶员跟车间距的驾驶员行为评估方法 - Google Patents
一种基于驾驶员跟车间距的驾驶员行为评估方法 Download PDFInfo
- Publication number
- CN115482683B CN115482683B CN202210723947.XA CN202210723947A CN115482683B CN 115482683 B CN115482683 B CN 115482683B CN 202210723947 A CN202210723947 A CN 202210723947A CN 115482683 B CN115482683 B CN 115482683B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- driver
- distance
- following distance
- module
- 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.)
- Active
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 84
- 238000012360 testing method Methods 0.000 claims description 34
- 238000000034 method Methods 0.000 claims description 15
- 238000002360 preparation method Methods 0.000 claims description 8
- 238000002474 experimental method Methods 0.000 claims description 6
- 230000008014 freezing Effects 0.000 claims description 3
- 238000007710 freezing Methods 0.000 claims description 3
- 230000029305 taxis Effects 0.000 claims description 3
- 239000003973 paint Substances 0.000 claims description 2
- 230000000007 visual effect Effects 0.000 abstract description 9
- 230000004044 response Effects 0.000 description 6
- 238000012549 training Methods 0.000 description 4
- 206010039203 Road traffic accident Diseases 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000009897 systematic effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000035484 reaction time Effects 0.000 description 2
- 206010002368 Anger Diseases 0.000 description 1
- 238000004873 anchoring Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000013102 re-test Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
- G06V20/597—Recognising the driver's state or behaviour, e.g. attention or drowsiness
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种基于驾驶员跟车间距的驾驶员行为评估方法,待测试驾驶员观看评估系统中以驾驶视角拍摄的交通情景视频后,评估在交通情景视频的情境下所驾驶车辆与前车的间距,并评估相对于交通情景视频中显示的跟车间距所能接受的与前车最短的舒适跟车间距,然后填写最短的舒适跟车间距量表,评估系统从最短的舒适跟车间距量表中获得待测试驾驶员认为的本车与前车之间的舒适距离L1,并结合最短的舒适跟车间距量表中显示的本车与前车之间距离L2,交通情景视频中本车与前车之间的实际间距L3计算得到单次跟车间距Mij,根据单次跟车间距Mij、车辆类型权重Gi计算得到跟车间距M,评估系统根据跟车间距M得到基于驾驶员跟车间距的驾驶员行为评估结果。
Description
技术领域
本发明涉及诊断技术领域,具体涉及一种基于驾驶员跟车间距的驾驶员行为评估方法。
背景技术
驾驶可以被看作是在战略、战术和操作层面上按层级组织的一系列任务。战略层面包括计划驾驶的目标和路线;战术层面包括在直道和弯道上选择速度,选择跟车间距或时间;转向、控制、定时和制动强度都是操作活动。以往技术在判定一个驾驶员是否是安全驾驶员时,往往考虑的都是操作水平的技能,经常忽略不同驾驶员战术水平上的区别,而对驾驶员的跟车间距进行评估就是从战术水平上区分不同驾驶员之间的差异。
以不安全的跟随距离行驶是追尾事故的部分甚至主要原因。过去有研究表明驾驶时压力、愤怒或攻击频率较高的驾驶员行车间隔较短,更容易造成追尾事故(Bumrungsup&Kanitpong,2022)。较短的跟车间距可能与较大的碰撞风险有关。这是因为当跟车间距较短时,如果前车突然刹车,驾驶员的反应时间就越短;与另一辆车靠得太近也会挡住驾驶员对前方道路的视线,从而限制了他们预测即将发生的危险的机会。
在日常驾驶中,常见的跟车行驶情景包括在单车道、多车道非高速公路和高速公路跟车,还包括在直行道路上跟车和转弯时跟车。既然不安全的跟随距离会给驾驶行为带来潜在威胁,那么对安全的跟车间距的阈值确定就显得非常重要。有研究者提出了“两秒规则”,即两秒间隔是在干燥路面上安全跟随的最小时间间隔,也叫车头时距(定义为前车后部通过道路上假想基准线与后车前部之间经过的时间通过同一点),小于两秒则叫做尾随(Yousif et al.,2014)。
然而,很多驾驶员没有以比较安全的跟车间距跟随前车行驶,而是在跟车行驶时与前车间隔小于两秒。这是因为很多驾驶员并不知道2秒规则。Duan等(2013)发现当对面车道上有迎面而来的车辆时,驾驶员会选择更短的跟车间距,并认为这与“庇护”错觉是一致的——靠近前车行驶会掩盖一些视觉流线索大脑使用它来产生速度感,更近的跟车间距会导致行驶速度变慢的感觉,因为更大比例的驾驶员视野将被前车的后部填满。与周围环境相比,前方车辆的后部不会移动太多,导致速度的视觉流提示较少。在这种情况下,驾驶员整体速度感知能力降低。
已有研究应用上述方法发现了年轻与年长驾驶员之间的差异,即年长驾驶员跟车间距更长(Horswill,Hill,&Silapurem,2020)。一项新研究发现,驾驶训练使年轻新手驾驶员选择的跟车间距变长,即他们驾驶更加谨慎(Horswill,Hill,Bemi-Morrison,&Watson,2021)。这都说明了本技术能够区分事故倾向性驾驶员与安全驾驶员。
在一定速度范围内,驾驶员选择车头时距是恒定的。这表明在车辆跟车过程中,驾驶员的行为存在系统性的个体差异。冒险的驾驶员(事故倾向性驾驶员)在跟车行驶时往往跟车间距更小,不能与前车保持安全的跟车间距,出现意外情况时会来不及反应,看不到隐藏的危险;而安全的驾驶员往往距离前车更远,从而可以有比较充分的时间对危险做出反应,而且因为没有前车遮挡,视野更大,可以更快地发现危险。这种驾驶员之间固有的差异正是本发明的理论基础。
以往对跟车间距的研究常用的有两种范式。第一种是要求受测者以一个固定的跟车间距跟随模拟器中前车,获得前车速度变化时受测者跟随前车的改变速度反应以及跟车间距的变化。这种范式由于规定了固定跟车间距,所以不能测量到受测者驾驶倾向的系统性的个体差异;第二种是要求驾驶员在驾驶模拟器中跟随前车自由行驶,记录跟车间距。这种方法可以测量到驾驶员偏好的跟车间距,但是不能测量到驾驶员能接受的最短跟车间距。然而,最短的舒适跟车间距和追尾事故关系更密切——追尾事故通常是因为距离太短从而导致驾驶员减速或刹车行动来不及。最后,这两种方法会受器材限制,无法大规模使用。
因此亟需一种基于驾驶员跟车间距的驾驶员行为评估方法。
发明内容
本发明是为了解决驾驶员跟车间距的评估问题,提供一种基于驾驶员跟车间距的驾驶员行为评估方法。本方法可以对驾驶员能接受的最短跟车间距进行测量,旨在评估驾驶员驾驶时的冒险倾向。跟随前车行驶时跟车间距较短的驾驶员更加冒险,跟车间距较长的驾驶员更加谨慎,且驾驶员行驶时的跟车间距与他们发生碰撞的可能性有关。
本发明提供一种基于驾驶员跟车间距的驾驶员行为评估方法,待测试驾驶员观看评估系统中以驾驶视角拍摄的交通情景视频后,评估在交通情景视频的情境下所驾驶车辆与前车的间距,并评估相对于交通情景视频中显示的跟车间距所能接受的与前车最短的舒适跟车间距,然后填写最短的舒适跟车间距量表,评估系统从最短的舒适跟车间距量表中获得待测试驾驶员认为的本车与前车之间的舒适距离L1,并结合最短的舒适跟车间距量表中显示的本车与前车之间距离L2,交通情景视频中本车与前车之间的实际间距L3计算得到单次跟车间距Mij,根据单次跟车间距Mij、车辆类型权重Gi计算得到跟车间距M,评估系统根据跟车间距M得到基于驾驶员跟车间距的驾驶员行为评估结果并提供干预方案,基于驾驶员跟车间距的驾驶员行为评估完成。
本发明所述的一种基于驾驶员跟车间距的驾驶员行为评估方法,作为优选方式,待测试驾驶员观看交通情景视频后在评估系统中输入评估的危险程度,评估系统根据受测者选择的跟车间距M和受测者评估的跟车间距得到基于驾驶员跟车间距的驾驶员行为评估结果;
交通情景视频的设置参数包括车辆类型、道路类型、车速和跟车间距。
本发明所述的一种基于驾驶员跟车间距的驾驶员行为评估方法,作为优选方式,
其中i为车辆类型,j为车辆类型i时的测试次数;
其中,为车辆类型i的单次跟车间距平均值,Gi为车辆类型i的权重,L3、Mij和的单位均为s,交通情景视频中本车与前车之间的实际间距L3为本车到达前车位置所需的时间。
本发明所述的一种基于驾驶员跟车间距的驾驶员行为评估方法,作为优选方式,I=7;
其中,G1,G2,G3,G4,G5,G6,G7分别为大货车、大客车、公交车、私家车、出租车、特种车辆和电动三轮车的权重,G1=20%,G2=20%,G3=15%,G4=15%,G5=15%,G6=10%,G7=5%;分别为大货车、大客车、公交车、私家车、出租车、特种车辆和电动三轮车的最小舒适跟车距离;
特种车辆包括油罐车;
交通情景视频的总数为42,包括单车道、多车道非高速公路和高速公路跟车,还包括在直行道路上跟车和转弯时跟车;
最短的舒适跟车间距量表中锚固至少两个潜在跟车间距供待测试驾驶员涂选,潜在跟车间距包括相等、一半和两倍。
本发明所述的一种基于驾驶员跟车间距的驾驶员行为评估方法,作为优选方式,评估系统依次包括准备模块、测试模块和评估模块;
准备模块包括实例视频播放模块,实例视频播放模块用于播放实例视频讲解实验操作,当待测试驾驶员理解、熟悉实验操作时,点击开始测试,进入所述测试模块;当待测试驾驶员未理解、熟悉实验操作时,点击选项再次观看实例视频。
本发明所述的一种基于驾驶员跟车间距的驾驶员行为评估方法,作为优选方式,测试模块依次包括视频播放模块和量表作答模块;
视频播放模块用于播放交通情景视频,每个交通情景视频播放后冻结,待测试驾驶员评估本车与前车之间跟车间距、评估是否有危险;
量表作答模块包括纸质量表作答模块和电子量表作答模块。
本发明所述的一种基于驾驶员跟车间距的驾驶员行为评估方法,作为优选方式,评估模块从纸质量表作答模块获得待测试驾驶员认为的本车与前车之间的舒适距离L1,评估的危险程度,并结合最短的舒适跟车间距量表中显示的本车与前车之间距离L2,交通情景视频中本车与前车之间的实际间距L3计算得到单次跟车间距Mij,根据单次跟车间距Mij、车辆类型权重Gi计算得到跟车间距M,评估模块根据跟车间距M得到基于驾驶员跟车间距的驾驶员行为评估结果;
纸质量表作答模块包括纸质最短的舒适跟车间距量表和扫描仪,扫描仪用于将纸质最短的舒适跟车间距量表结果进行扫描并输出至评估模块。
本发明所述的一种基于驾驶员跟车间距的驾驶员行为评估方法,作为优选方式,评估模块从电子量表作答模块中获得待测试驾驶员认为的本车与前车之间的舒适距离L1、评估的危险程度,并结合最短的舒适跟车间距量表中显示的本车与前车之间距离L2,交通情景视频中本车与前车之间的实际间距L3计算得到单次跟车间距Mij,根据单次跟车间距Mij、车辆类型权重Gi计算得到跟车间距M,评估模块根据跟车间距M得到基于驾驶员跟车间距的驾驶员行为评估结果;
电子量表作答模块的作答方式为在电脑中进行勾选;
评估的危险程度包括:偏长、正好和偏短。
本发明所述的一种基于驾驶员跟车间距的驾驶员行为评估方法,作为优选方式,基于驾驶员跟车间距的驾驶员行为评估结果包括一般驾驶员、重点关注驾驶员和事故倾向性高驾驶员。
本发明所述的一种基于驾驶员跟车间距的驾驶员行为评估方法,作为优选方式,对所有的求标准差并进行判断,若标准差大于3,则本次评估无效,要求待测试驾驶员重新评估;若标准差小于等于3,则本次评估有效,输出基于驾驶员跟车间距的驾驶员行为评估结果,避免了受测者出现胡乱作答的情况。
为了区分事故倾向性驾驶员与安全驾驶员,研究者一直在探索测量驾驶员的跟车间距的测量方式。由于真车测量有一定危险性,对测试环境施加更多控制的一种方法是采用模拟真实情境视频,也就是本研究所用方法。
除了受测者能接受的最短舒适跟车间距,受测者对视频中与前车间距的判断也会影响前一结果对现实世界的转移,具体表现为:如果受测者对视频中间距的估计偏短,那么说明他们能接受现实世界中的更短距离,所以可能会有更加危险的驾驶行为;而如果受测者对视频中间距的估计偏长,说明他们能接受的最短跟车间距也偏长,驾驶行为会更加安全。所以本系统采用受测者选择的最短舒适跟车间距与距前车间距的估计两种指标综合考虑。
本发明具有以下优点:
(1)跟车间距测试系统可以快速简单地评估这个驾驶员(或驾照考生)的事故倾向性,有效区分事故倾向性驾驶员与安全驾驶员,并且根据受测者的最终结果将他们分为事故倾向性驾驶员、重点关注驾驶员、一般驾驶员3类,测评结果直观;
(2)本系统使用不受限制,受测者只需要使用Android系统手机或者其他智能设备(平板、电脑)就可以完成测试,简单、便捷,适合不同受教育的驾驶员,如果用电脑测试,使用拖动鼠标选择距离方法可以快速、高效获得大量驾驶员结果,适宜大规模测试使用;即使只有手机设备,通过观看视频在答题卡上作答,也可以在不用扫描仪的情况下处理答题卡数据,用尺子测量长度,就可以用公式得到结果,不受器材限制;
(3)该系统在相关研究中的应用表明,测试分数也可以区分年轻驾驶员和年长驾驶员,适合各个年龄段施测,作答部分没有职业素养要求,适合各种职业、各种文化程度驾驶员人群施测,具有广泛的应用性;
(4)本系统中的跟车对象囊括现实生活中可能遇到的各种车型,包含道路情况,符合现实驾驶环境;创造出了不同速度下的跟车条件,最大程度还原了真实情境,且因前车速度不同、与前车距离不同避免了受测者因习惯误差而做出统一答案;
(5)本系统精准高效,每个驾驶员都暴露在相同的环境中,最大限度地减少了测量误差的来源。测试可以进行大规模的测量。且研究发现仅基于文本的跟车间距行为自我报告问题并不有效,这可能是由于在缺乏视频刺激提供的视觉背景的情况下,难以可靠地做出这一判断,所以本技术是既方便又有效的技术;
(6)本系统既安全又有高仿真特点,没有使用真车驾驶,避免了安全问题,没有使用驾驶模拟器,解决了场地、器材限制问题,使用真实交通情景视频施测,既可以让受测者身临其境,又安全低成本;而且本系统会自动筛选标准差过大的受测者结果,避免出现受测者胡乱作答的情况。
(7)本系统创新性地将受测者对与前车间距的判断加入等级评定中,更加符合现实世界情况;并且额外记录了受测者是否能发现前车危险,为后续干预提供针对性思路:如果一个受测者是事故倾向性高驾驶员,对危险的判断结果可以帮助研究人员得知其是因为本身偏好更短跟车间距还是没有发现道路上隐藏的危险。如果是驾驶员没有发现道路上隐藏的危险,那么应该进行危险感知训练;如果是其本身偏好更短跟车间距,可以通过使驾驶员观看真实追尾事件视频来发展其与前车保持适当距离的心理认识(Horswill et al.,2021)。
附图说明
图1为一种基于驾驶员跟车间距的驾驶员行为评估方法流程图;
图2为一种基于驾驶员跟车间距的驾驶员行为评估方法最短的舒适跟车间距量表示意图;
图3为公式中L1、L2在量表中的示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。
实施例1
如图1所示,一种基于驾驶员跟车间距的驾驶员行为评估方法,待测试驾驶员观看评估系统中以驾驶视角拍摄的交通情景视频后,评估在交通情景视频的情境下所驾驶车辆与前车的间距,并评估相对于交通情景视频中显示的跟车间距所能接受的与前车最短的舒适跟车间距,然后填写最短的舒适跟车间距量表,评估系统从最短的舒适跟车间距量表中获得待测试驾驶员认为的本车与前车之间的舒适距离L1,并结合最短的舒适跟车间距量表中显示的本车与前车之间距离L2,交通情景视频中本车与前车之间的实际间距L3计算得到单次跟车间距Mij,根据单次跟车间距Mij、车辆类型权重Gi计算得到跟车间距M,评估系统根据跟车间距M得到基于驾驶员跟车间距的驾驶员行为评估结果并提供干预方案,基于驾驶员跟车间距的驾驶员行为评估完成;
待测试驾驶员观看交通情景视频后在评估系统中输入评估的危险程度,评估系统根据跟车间距M和评估的危险程度得到基于驾驶员跟车间距的驾驶员行为评估结果;
交通情景视频的设置参数包括车辆种类、车速和车辆行驶状态;
其中i为车辆类型,j为车辆类型i时的测试次数;
I=7,为车辆类型i的单次跟车间距平均值,/>分别为大货车、大客车、公交车、私家车、出租车、特种车辆和电动三轮车的最小舒适跟车距离,特种车辆为油罐车。
G1,G2,G3,G4,G5,G6,G7分别为大货车、大客车、公交车、私家车、出租车、特种车辆和电动三轮车的权重;G1=20%,G2=20%,G3=15%,G4=15%,G5=15%,G6=10%,G7=5%。
L3、Mij和的单位均为s,交通情景视频中本车与前车之间的实际间距L3为本车到达前车位置所需的时间;
交通情景视频的总数为42,包括单车道、多车道非高速公路和高速公路跟车,还包括在直行道路上跟车和转弯时跟车;
最短的舒适跟车间距量表中锚固至少两个潜在跟车间距供待测试驾驶员涂选,潜在跟车间距包括相等、一半和两倍;
评估系统依次包括准备模块、测试模块和评估模块;
准备模块包括实例视频播放模块,实例视频播放模块用于播放实例视频讲解实验操作,当待测试驾驶员理解、熟悉实验操作时,点击开始测试,进入所述测试模块;当待测试驾驶员未理解、熟悉实验操作时,点击选项再次观看实例视频;
测试模块依次包括视频播放模块和量表作答模块;
视频播放模块用于播放交通情景视频,每个交通情景视频播放后冻结,待测试驾驶员评估本车与前车之间跟车间距、评估是否有危险;
量表作答模块包括纸质量表作答模块和电子量表作答模块;
评估模块从纸质量表作答模块获得待测试驾驶员认为的本车与前车之间的舒适距离L1,评估的危险程度,并结合最短的舒适跟车间距量表中显示的本车与前车之间距离L2,交通情景视频中本车与前车之间的实际间距L3计算得到单次跟车间距Mij,根据单次跟车间距Mij、车辆类型权重Gi计算得到跟车间距M,评估模块根据跟车间距M得到基于驾驶员跟车间距的驾驶员行为评估结果;
纸质量表作答模块包括纸质最短的舒适跟车间距量表和扫描仪,扫描仪用于将纸质最短的舒适跟车间距量表结果进行扫描并输出至评估模块;
评估模块从电子量表作答模块中获得待测试驾驶员认为的本车与前车之间的舒适距离L1、评估的危险程度,并结合最短的舒适跟车间距量表中显示的本车与前车之间距离L2,交通情景视频中本车与前车之间的实际间距L3计算得到单次跟车间距Mij,根据单次跟车间距Mij、车辆类型权重Gi计算得到跟车间距M,评估模块根据跟车间距M得到基于驾驶员跟车间距的驾驶员行为评估结果;
电子量表作答模块的作答方式为在电脑中进行勾选;
评估的危险程度包括:偏长、正好和偏短;
基于驾驶员跟车间距的驾驶员行为评估结果包括一般驾驶员、重点关注驾驶员和事故倾向性高驾驶员;
对所有的求标准差并进行判断,若标准差大于3,则本次评估无效,要求待测试驾驶员重新评估;若标准差小于等于3,则本次评估有效,输出基于驾驶员跟车间距的驾驶员行为评估结果。
实施例2
如图1所示,一种基于驾驶员跟车间距的驾驶员行为评估方法,包括以下内容:
施测前准备:
施测前准备:
1.使用计算机、平板或者手机中导入本系统以及包含的42个视频。本系统的42个视频是来源于辽宁省沈阳市真实交通情景视频,每个视频会呈现5秒钟,其中跟车间距M=3.02s,SD=1.25,范围1.3s—6s,具体各跟车类型视频数量见表1,各跟车类型比例与现实世界情况相匹配;
2.如果使用纸质版测试,还要事先准备量表(答题纸),以及扫描仪或尺子,答题纸如图2所示,包含一系列垂直的视觉模拟量表,量表里有前车(该车的最后面在量表的顶端)和带摄像头的本车之间的距离。相对于视频中显示的实际跟随距离,量表被锚定四个潜在跟车间距;具体来说,就是“一半”(拍摄车前面和前面车后面的中间位置)、“相同”(拍摄车前面的位置)、“二倍”和“三倍”。
表1 不同跟车类型数量
正式测试:
1.加载呈现一个示例视频,视频中语音文字如下:“欢迎参加本测试,接下来会呈现一些跟车行驶的真实交通情境视频,每个视频播放完后您都有三个任务,第一步,请您先评估视频中您的车与前车之间的间距并记录在纸上;第二步,请您评估该视频中前车是否是危险;第三步,请您评估相对于视频中显示的跟车间距,你在这一刻能接受的与前面车辆的最短舒适跟随距离是多少,并选择答题卡对应位置。具体来说,如果你认为拉近一半是你能接受的最短舒适跟随距离,就在一半处画线,如果视频中距离刚好是你能接受的最短舒适跟随距离,就在相等处画线,如果视频中距离的二倍是你能接受的最短舒适跟随距离,就在二倍处画线,你可以画在竖直量表任意位置”;
2.当受测者理解并熟悉实验操作后,就正式开始测试,如未理解,则返回再看一遍示例视频;
3.加载视频:系统会自动按照顺序呈现42个测试视频;
4.每个视频播放完会冻结10秒钟,受测者有10秒的时间记录他们对每个视频的反应,这时受测者要先记录对本车与前车之间间距的评估,再记录是否有危险,最后做出自己能接受的最短跟车间距的评估,最后一个评估有两种作答方式:
第一种作答方式:受测者通过在纸质量表上自己认可的相关比例上画一条水平线来对每个视频反应;
第二种作答方式:受测者在计算机显示屏上的呈现电子量表上用鼠标拖动选择对应距离。
5.数据记录:在所有视频呈现完毕后,根据不同作答方式有两种记录方式:
第一种记录方式:受测者将答题卡放入扫描仪,扫描仪记录每个量表的左上方和受测者画的线越过量表左侧点之间的距离(考虑到大多数人都是右撇子,这一点可以说是他们预期的反应的最好反映)。
第二种记录方式:计算机直接记录受测者选择的与前车之间的距离。
6.计算方法:然后计算机将第一种或者第二种记录方式中得出的结果除以量表中前车车尾与本车车头之间的距离,然后乘以该视频中描述的实际跟车间距(以秒为单位),得到42个最小跟车间距,计算平均值与标准差,如果标准差大于3,删除该结果,并要求受测者重新测试,反之,平均值就是每个受测者的最小跟车间距。
其中i为车辆类型,j为车辆类型i时的测试次数;
其中,为车辆类型i的单次跟车间距平均值,具体来说,M1,M2,M3,M4,M5,M6,M7分别为大货车、大客车、公交车、私家车、出租车、特种车辆和电动三轮车的最小舒适跟车距离。
G1,G2,G3,G4,G5,G6,G7分别为大货车、大客车、公交车、私家车、出租车、特种车辆和电动三轮车的权重;G1=20%,G2=20%,G3=15%,G4=15%,G5=15%,G6=10%,G7=5%。
L3、Mij和的单位均为s,交通情景视频中本车与前车之间的实际间距L3为本车到达前车位置所需的时间;
7.给出事故倾向等级:对于每个受测者,按照表2根据最小跟车间距以及对本车与前车距离的判断给出事故倾向等级,在显示屏中呈现对应等级结果,存储信息,保存到用户文件,并将结果存储到数据库。
8.本系统结果可以为后续干预提供针对性指导,因为如果受测者能接受过短的跟车间距,可能是没有发现视频中前车的危险,后续可以通过本测试中的受测者判断视频是否有危险结果为受测者提供针对性指导。
表2 不同跟车间距对应驾驶员事故倾向等级
解释:1.事故倾向性驾驶员:道路上最危险的驾驶员,太过冒险,与前车间距过短,视野也比较狭窄,一旦出现意外情况非常容易发生追尾事故,必须经过系统的安全教育课程或相关驾驶心理安全培训,经考核合格后才能上路。
2.重点关注驾驶员:这种驾驶员与前车间距小于公认的“两秒规则”,比较冒险,与前车间距不够安全,如果出现意外情况可能会来不及反应,必须经过安全教育课程培训,可以通过交通事故视频教育以使其达到标准。
3.一般驾驶员:与前车达到安全间距且非常标准,有更大视野可以观察道路情况,出现意外情况也有足够时间做出反应,一般不会出现任何跟车安全问题。但是如果间距前车过远,可能会引起在同一条道路上行驶的其他驾驶员的不满或超车,应加强对该类驾驶员心理安全培训和疏导。
某私家车驾驶员,自愿参加系统试测。测试之前,系统测试人员并不知道其具体驾龄、年龄和以往发生交通事故等。测试在15分钟完成,测试得到最短舒适跟车间距平均为2.1s,跟车间距标准差小于3,评估有效,按照系统驾驶安全等级评定分数,自动评定为A等(一般驾驶员)。通过事后追踪驾驶员在过去三年驾驶中的事故次数发现,该驾驶员并未发生有自己负主要责任的交通事故。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (6)
1.一种基于驾驶员跟车间距的驾驶员行为评估方法,其特征在于:待测试驾驶员观看评估系统中以驾驶视角拍摄的交通情景视频后,评估在交通情景视频的情境下所驾驶车辆与前车的间距,并评估相对于交通情景视频中显示的跟车间距所能接受的与前车最短的舒适跟车间距,然后填写最短的舒适跟车间距量表,所述评估系统从所述最短的舒适跟车间距量表中获得待测试驾驶员认为的本车与前车最短的舒适跟车间距L1,并结合所述最短的舒适跟车间距量表中显示的本车与前车之间距离L2,交通情景视频中本车与前车之间的实际间距L3计算得到单次跟车间距M ij ,根据所述单次跟车间距M ij 、车辆类型权重G i 计算得到跟车间距M,待测试驾驶员观看交通情景视频后在所述评估系统中输入评估的危险程度,所述评估系统根据所述跟车间距M和评估的危险程度得到基于驾驶员跟车间距的驾驶员行为评估结果并提供干预方案,基于驾驶员跟车间距的驾驶员行为评估完成;
交通情景视频的设置参数包括车辆种类、车速和车辆行驶状态;
M ij = *L3;
其中i为车辆类型,j为车辆类型i时的测试次数;
;
其中,为车辆类型i的单次跟车间距平均值,/>为车辆类型i的权重,L3、Mij和/>的单位均为s,交通情景视频中本车与前车之间的实际间距L3为本车到达前车位置所需的时间;
=/>;
其中,I=7,分别为大货车、大客车、公交车、私家车、出租车、特种车辆和电动三轮车的权重,/>分别为大货车、大客车、公交车、私家车、出租车、特种车辆和电动三轮车的单次跟车间距平均值;
对所有的求标准差并进行判断,若标准差大于阈值,则本次评估无效,要求待测试驾驶员重新评估;若标准差小于等于阈值,则本次评估有效,输出基于驾驶员跟车间距的驾驶员行为评估结果;
所述基于驾驶员跟车间距的驾驶员行为评估结果包括一般驾驶员、重点关注驾驶员和事故倾向性高驾驶员。
2.根据权利要求1所述的一种基于驾驶员跟车间距的驾驶员行为评估方法,其特征在于:
=20%,/>=20%,/>=15%,/>=15%,/>=15%,/>=10%,/>=5%;
所述特种车辆包括油罐车;
交通情景视频的总数为42,包括单车道、多车道非高速公路和高速公路跟车,还包括在直行道路上跟车和转弯时跟车;
所述最短的舒适跟车间距量表中锚固至少两个潜在跟车间距供待测试驾驶员涂选,所述潜在跟车间距包括相等、一半和两倍。
3.根据权利要求1所述的一种基于驾驶员跟车间距的驾驶员行为评估方法,其特征在于:所述评估系统依次包括准备模块、测试模块和评估模块;
所述准备模块包括实例视频播放模块,所述实例视频播放模块用于播放实例视频讲解实验操作,当待测试驾驶员理解、熟悉实验操作时,点击开始测试,进入所述测试模块;当待测试驾驶员未理解、熟悉实验操作时,点击选项再次观看实例视频。
4.根据权利要求3所述的一种基于驾驶员跟车间距的驾驶员行为评估方法,其特征在于:所述测试模块依次包括视频播放模块和量表作答模块;
所述视频播放模块用于播放交通情景视频,每个交通情景视频播放后冻结,待测试驾驶员评估本车与前车之间跟车间距、评估是否有危险;
所述量表作答模块包括纸质量表作答模块和电子量表作答模块。
5.根据权利要求4所述的一种基于驾驶员跟车间距的驾驶员行为评估方法,其特征在于:所述评估模块从所述纸质量表作答模块获得待测试驾驶员认为的本车与前车最短的舒适跟车间距L1,评估的危险程度,并结合所述最短的舒适跟车间距量表中显示的本车与前车之间距离L2,交通情景视频中本车与前车之间的实际间距L3计算得到所述单次跟车间距M ij ,根据所述单次跟车间距M ij 、所述车辆类型权重G i 计算得到所述跟车间距M,待测试驾驶员观看交通情景视频后在所述评估系统中输入评估的危险程度,所述评估模块根据所述跟车间距M和评估的危险程度得到基于驾驶员跟车间距的驾驶员行为评估结果;
所述纸质量表作答模块包括纸质最短的舒适跟车间距量表和扫描仪,所述扫描仪用于将纸质最短的舒适跟车间距量表结果进行扫描并输出至所述评估模块。
6.根据权利要求4所述的一种基于驾驶员跟车间距的驾驶员行为评估方法,其特征在于:所述评估模块从所述电子量表作答模块中获得待测试驾驶员认为的本车与前车最短的舒适跟车间距L1、评估的危险程度,并结合所述最短的舒适跟车间距量表中显示的本车与前车之间距离L2,交通情景视频中本车与前车之间的实际间距L3计算得到所述单次跟车间距M ij ,根据所述单次跟车间距M ij 、所述车辆类型权重G i 计算得到所述跟车间距M,待测试驾驶员观看交通情景视频后在所述评估系统中输入评估的危险程度,所述评估模块根据所述跟车间距M和评估的危险程度得到基于驾驶员跟车间距的驾驶员行为评估结果;
所述电子量表作答模块的作答方式为在电脑中进行勾选;
评估的危险程度包括:偏长、正好和偏短。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210723947.XA CN115482683B (zh) | 2022-06-24 | 2022-06-24 | 一种基于驾驶员跟车间距的驾驶员行为评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210723947.XA CN115482683B (zh) | 2022-06-24 | 2022-06-24 | 一种基于驾驶员跟车间距的驾驶员行为评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115482683A CN115482683A (zh) | 2022-12-16 |
CN115482683B true CN115482683B (zh) | 2024-02-09 |
Family
ID=84422685
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210723947.XA Active CN115482683B (zh) | 2022-06-24 | 2022-06-24 | 一种基于驾驶员跟车间距的驾驶员行为评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115482683B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000268297A (ja) * | 1999-03-16 | 2000-09-29 | Nissan Motor Co Ltd | 安全運転評価装置 |
CN111422203A (zh) * | 2020-02-28 | 2020-07-17 | 南京交通职业技术学院 | 一种驾驶行为评估方法及装置 |
CN111968372A (zh) * | 2020-08-25 | 2020-11-20 | 重庆大学 | 一种考虑主观因素的多车型混合交通跟驰行为仿真方法 |
CN112651666A (zh) * | 2021-01-16 | 2021-04-13 | 北京工业大学 | 一种基于驾驶模式转移特征的驾驶员风险评估方法 |
-
2022
- 2022-06-24 CN CN202210723947.XA patent/CN115482683B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000268297A (ja) * | 1999-03-16 | 2000-09-29 | Nissan Motor Co Ltd | 安全運転評価装置 |
CN111422203A (zh) * | 2020-02-28 | 2020-07-17 | 南京交通职业技术学院 | 一种驾驶行为评估方法及装置 |
CN111968372A (zh) * | 2020-08-25 | 2020-11-20 | 重庆大学 | 一种考虑主观因素的多车型混合交通跟驰行为仿真方法 |
CN112651666A (zh) * | 2021-01-16 | 2021-04-13 | 北京工业大学 | 一种基于驾驶模式转移特征的驾驶员风险评估方法 |
Non-Patent Citations (3)
Title |
---|
Mark S. Horswill 等.The development and validation of video-based measures of drivers’ following distance and gap acceptance behaviours.《Accident Analysis and Prevention》.2020,(第146期),论文第2-4节、图1-2. * |
WANG Le Yi 等.CONTROL OF VEHICLE PLATOONS FOR HIGHWAY SAFETY AND EFFICIENT UTILITY: CONSENSUS WITH COMMUNICATIONS AND VEHICLE DYNAMICS.《J Syst Sci Complex》.2014,(第27期),论文第3节. * |
袁朝春 ; 吴飞 ; 李道宇 ; 刘逸群 ; 陈龙 ; 江浩斌 ; .考虑人-车-环境特征的汽车行驶间距模型.机械制造与自动化.2017,(06),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN115482683A (zh) | 2022-12-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Blana | Driving Simulator Validation Studies: A Literature Review. | |
Taubman–Ben-Ari et al. | The value of self-report measures as indicators of driving behaviors among young drivers | |
Helman et al. | Validation of the driver behaviour questionnaire using behavioural data from an instrumented vehicle and high-fidelity driving simulator | |
Walker et al. | In-vehicle navigation devices: Effects on the safety of driver performance | |
Bates et al. | Factors contributing to crashes among young drivers | |
Hong et al. | A smartphone-based sensing platform to model aggressive driving behaviors | |
Scialfa et al. | The effects of driving experience on responses to a static hazard perception test | |
Stephens et al. | Development of a short form of the driving anger expression inventory | |
Kinnear et al. | Understanding how drivers learn to anticipate risk on the road: A laboratory experiment of affective anticipation of road hazards | |
Rusch et al. | Augmented reality cues to assist older drivers with gap estimation for left-turns | |
Jamson et al. | The validity of a low-cost simulator for the assessment of the effects of in-vehicle information systems | |
Underwood | On-road behaviour of younger and older novices during the first six months of driving | |
Tūskė et al. | Hazard perception test development for Lithuanian drivers | |
Jurecki et al. | Driver model for the analysis of pre-accident situations | |
Lee et al. | Stress induction techniques in a driving simulator and reactions from newly licensed drivers | |
CN104605820A (zh) | 驾驶员风险倾向行为的诊断系统 | |
Ābele et al. | Consistency between subjectively and objectively measured hazard perception skills among young male drivers | |
Stein et al. | Driving simulator performance in patients with possible and probable Alzheimer’s disease | |
Bella | Driver perception hypothesis: Driving simulator study | |
Lemieux et al. | Comparison of simulated driving performance across platforms: from'Low-Cost Desktop'to'Mid-Level'driving simulators. | |
Jiao et al. | Revision of the driver behavior questionnaire for Chinese drivers’ aberrant driving behaviors using naturalistic driving data | |
CN115482683B (zh) | 一种基于驾驶员跟车间距的驾驶员行为评估方法 | |
Engen | Use and validation of driving simulators | |
Matas et al. | Assessment of driving simulator validity and acceptability for older adult drivers. | |
Pappalardo et al. | Development of simulated scenarios for quadricycle safety |
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 |