部分或有条件自动驾驶车辆允许驾驶员将驾驶任务移交给自动驾驶系统,但驾驶员仍需对驾驶环境进行监测,若发生紧急事件或驾驶环境超出系统运行设计域等情况,驾驶员需要及时接管车辆。影响驾驶接管过程的因素主要包括:人因、交通环境以及...部分或有条件自动驾驶车辆允许驾驶员将驾驶任务移交给自动驾驶系统,但驾驶员仍需对驾驶环境进行监测,若发生紧急事件或驾驶环境超出系统运行设计域等情况,驾驶员需要及时接管车辆。影响驾驶接管过程的因素主要包括:人因、交通环境以及人-机交互系统。本文分析了驾驶员认知负荷特性等人因对接管过程和接管时间预算的影响。分析发现,驾驶员长时间脱离驾驶任务会导致其陷入被动疲劳或驾驶分心状态,从而降低接管绩效。适当的非驾驶任务可以使驾驶员保持一定的认知负荷,降低驾驶员的被动疲劳水平。结合网联技术的应用可以多次发出预警信号,提高接管绩效。本文讨论了交通密度、道路条件等交通环境对接管时驾驶员感知、认知及决策的影响,探讨混合交通下过渡区智能网联车辆控制权切换(Transitions of Control,ToC)的管理问题。在复杂道路交通下,驾驶员需要更多时间恢复对环境的感知,且驾驶员在弯道接管车辆时更容易出现较大横向偏差。在混合交通环境中,为防止过渡区出现集中的ToC,可以制定相应交通管理措施,以降低过渡区域中车辆之间的相互干扰。本文还分析了视觉、听觉、触觉、嗅觉及其组合类型交互方式的优、缺点,讨论网联环境下人-机交互系统设计以及ToC形式。单个的交互方式有其自身的优、缺点,多种类型相结合的交互形式能形成优势互补,及时地将接管信息传递给驾驶员,并将其注意力集中于对环境的感知。网联技术发展使得可利用的行车信息的数量和种类都有所提高,网联信息需要更好地呈现策略,以保证人-机交互界面具有较高的可用性和接受性,为驾驶员提供更加准确的交互信息。同时,利用驾驶员状态识别技术实时监测驾驶员所处状态,并通过人-机交互系统提醒驾驶员,使其保持警觉,提高接管绩效。未来研究�展开更多
随着城市的进步和不断发展,智能驾驶车辆逐渐代替路段中的部分人工驾驶车辆,但在未来较长时间内人工驾驶车辆并不会被完全取代,此时出现网联车与人工驾驶车辆的混驾环境,即目前以及未来时间内我们面临的驾驶环境。网联车与人工驾驶车辆...随着城市的进步和不断发展,智能驾驶车辆逐渐代替路段中的部分人工驾驶车辆,但在未来较长时间内人工驾驶车辆并不会被完全取代,此时出现网联车与人工驾驶车辆的混驾环境,即目前以及未来时间内我们面临的驾驶环境。网联车与人工驾驶车辆驾驶行为在路段内相互干扰,造成混合车流行驶效率低下。为减弱2种车辆间的相互作用,提出一种分离混驾环境下网联车和人工驾驶车辆的分阶段动态车道引导算法(dynamic lane guidance algorithm for separating CAVs and HDVs in mixed traffic environment,SCHME)。通过该算法分离在交叉口上游路段的混合流车辆集合,调整智能驾驶车辆的行驶路线并进行实时动态更新,在满足运动学约束收敛的条件下,人工驾驶车辆根据网联车的动态路线进行相应调整,实现在每辆车广义安全损失成本最小的情况下提高路段内混驾环境下车辆运行效率。通过MATLAB模拟车辆在进入交叉口前的车辆运行状态,结果表明,SCHME算法可在广义安全损失成本最小的情况下提高路段内平均车辆通行效率(17.29%),同时当车辆优化数组越大,车辆集合距离交叉口越远时,智能驾驶车辆渗透率越低,每辆车的道路广义安全损失成本越低。展开更多
文摘部分或有条件自动驾驶车辆允许驾驶员将驾驶任务移交给自动驾驶系统,但驾驶员仍需对驾驶环境进行监测,若发生紧急事件或驾驶环境超出系统运行设计域等情况,驾驶员需要及时接管车辆。影响驾驶接管过程的因素主要包括:人因、交通环境以及人-机交互系统。本文分析了驾驶员认知负荷特性等人因对接管过程和接管时间预算的影响。分析发现,驾驶员长时间脱离驾驶任务会导致其陷入被动疲劳或驾驶分心状态,从而降低接管绩效。适当的非驾驶任务可以使驾驶员保持一定的认知负荷,降低驾驶员的被动疲劳水平。结合网联技术的应用可以多次发出预警信号,提高接管绩效。本文讨论了交通密度、道路条件等交通环境对接管时驾驶员感知、认知及决策的影响,探讨混合交通下过渡区智能网联车辆控制权切换(Transitions of Control,ToC)的管理问题。在复杂道路交通下,驾驶员需要更多时间恢复对环境的感知,且驾驶员在弯道接管车辆时更容易出现较大横向偏差。在混合交通环境中,为防止过渡区出现集中的ToC,可以制定相应交通管理措施,以降低过渡区域中车辆之间的相互干扰。本文还分析了视觉、听觉、触觉、嗅觉及其组合类型交互方式的优、缺点,讨论网联环境下人-机交互系统设计以及ToC形式。单个的交互方式有其自身的优、缺点,多种类型相结合的交互形式能形成优势互补,及时地将接管信息传递给驾驶员,并将其注意力集中于对环境的感知。网联技术发展使得可利用的行车信息的数量和种类都有所提高,网联信息需要更好地呈现策略,以保证人-机交互界面具有较高的可用性和接受性,为驾驶员提供更加准确的交互信息。同时,利用驾驶员状态识别技术实时监测驾驶员所处状态,并通过人-机交互系统提醒驾驶员,使其保持警觉,提高接管绩效。未来研究�
文摘随着城市的进步和不断发展,智能驾驶车辆逐渐代替路段中的部分人工驾驶车辆,但在未来较长时间内人工驾驶车辆并不会被完全取代,此时出现网联车与人工驾驶车辆的混驾环境,即目前以及未来时间内我们面临的驾驶环境。网联车与人工驾驶车辆驾驶行为在路段内相互干扰,造成混合车流行驶效率低下。为减弱2种车辆间的相互作用,提出一种分离混驾环境下网联车和人工驾驶车辆的分阶段动态车道引导算法(dynamic lane guidance algorithm for separating CAVs and HDVs in mixed traffic environment,SCHME)。通过该算法分离在交叉口上游路段的混合流车辆集合,调整智能驾驶车辆的行驶路线并进行实时动态更新,在满足运动学约束收敛的条件下,人工驾驶车辆根据网联车的动态路线进行相应调整,实现在每辆车广义安全损失成本最小的情况下提高路段内混驾环境下车辆运行效率。通过MATLAB模拟车辆在进入交叉口前的车辆运行状态,结果表明,SCHME算法可在广义安全损失成本最小的情况下提高路段内平均车辆通行效率(17.29%),同时当车辆优化数组越大,车辆集合距离交叉口越远时,智能驾驶车辆渗透率越低,每辆车的道路广义安全损失成本越低。
