驾驶员特性总结

1.驾驶员行为简介

早在1982年和1983年，Donges和Rasmussen分别提出了驾驶任务的三层结构（下图右侧所示）和针对人的面向目标行为的三层模型（下图左侧所示）。由此可知，驾驶员行为特性是在各种因素影响下驾驶员对客观现实交通状况的态度以及其表现出的与之相适应的决策。

2. 驾驶员行为影响因素

影响驾驶员特性的因素主要由驾驶员自身因素、车辆因素、环境因素和其他

3. 驾驶员行为表征

4. 测试要素

从实车测试角度对驾驶员特性进行分析需要考虑以下几个方面的问题。

5.1 国外驾驶员行为研究综述

5.1.1 驾驶风格与驾驶员行为综述

Quintero基于BP神经网络建立了两个驾驶员行为分类模型一个模型将驾驶员分为激进型和稳健型并且识别道路的潜在危险路段，另一个用来辨识驾驶员状态（如瞌睡或酒后驾驶），通过参数：车辆位置，纵向车速，转向盘转角，偏航角输入，并且综合分析道路/车道偏离、超速行驶、不足转向、不适当的制动或者加速，来进行驾驶员的分类。

Miyajima从油门及制动踏板的操纵信号中提取出驾驶员加速或者减速时的特征，并通过频谱分析得到每个驾驶员的频谱特征，对驾驶员行为建立了高斯混

合模型。

一些学者考虑到不同的工况，指出应用三种方法建立实时的驾驶员行为辨识模型。第一种方法：考虑驾驶员长期的纵向驾驶行为，采用异常检测的方法，通过分析驾驶员操纵制动踏板或油门踏板的动作从而将驾驶员分为谨慎型和激进型。第二种方法：使用跟车工况下驾驶员的操纵动作（油门踏板信号和制动踏板信号）与前后两车的相对状态，基于模糊控制算法将驾驶员的行为分为谨慎型、比较激进型和激进型。第三种方法：利用本车的行驶状态与前后两车的相对状态，分析驾驶员的控制行为，从而辨识驾驶员在跟车工况下的驾驶行为特点（谨慎型和激进型）。

5.1.2 心理状况和驾驶员行为综述

夏威夷大学心理学教授博士从社会心理学领域研究驾驶人情感、认知和感知运动，结果显示了驾驶行为受到驾驶人心理状况影响，包括情绪的不安，认知偏差或不合理，感知运动的不协调，感情冲动以及不适当的言语表现。

Chian等人研究了驾驶员在熟悉道路和不熟悉道路情形下驾驶员特性，通过测量驾驶速度和越过车道线次数，对比分析得出，在越过车道线次数方面，对道路熟悉状况没有影响，而在车速方面，在不熟悉的环境中，车速稍微略低。

此外，还有一些学者从驾驶任务困难程度（有无车道线、道路宽度等）、周围环境温度是否舒适等方面分析驾驶员压力对驾驶行为的影响。通过车辆速度、车辆行驶位置、方向转角等参数，定量分析与驾驶行为内在联系。

5.1.3 交通场景下的驾驶行为综述

在有信号灯的交叉路口，许多研究多集中在驾驶员的停车时间/反应上，而Thomas F. Fugger、Jr.、Jesse L. Wobrock、Bryan C. Randles着重研究信号灯变绿时，驾驶员起步的反应时间和加速变化率。

在无信号等交叉路口，Kei Sato and Masao Nagai重点分析了该情景下的驾驶行为，并研究分析车速与车辆距车辆停止线距离之间的联系，注视角度与车辆距车辆停止线距离之间的联系，车速、距交叉路口距离、注视角度三者之间的联系以车速与注视角度随着到停止线时间变化的状况。最后揭示在无信号交叉路口，驾驶员趋向性操作行为。

在针对驾驶员行为分析时，Amardeep Sathyanarayana、Nitish、Krishnamurthy、John H. L. Hansen指出应该充分利用车辆行驶距离去分析驾驶行为，不仅仅利用时间进行分析。通过分析车辆速度随着距离变化情况、方向盘转角随距离变化情况，点明在高速情景、快速换道等情况下，利用距离进行分析驾驶行为更具有优势。

一些学者还对以下情形进行研究分析：交叉路口，黄灯亮起期间，研究驾驶员行为特性；高速道路上，在施工区域内，车道合并时，对驾驶员行为特性进行研究。

Nobuyuki Kuge等人基于HMM使用两种不同但互补的方法对驾驶员行为进行建模，建立了包含三种辨识类别的HMM——紧急变道，正常变道，保持车道。

5.1.4 特定情形下的驾驶行为综述

Jeff K. Caird 等人综合分析目前关于手机对驾驶行为影响，结果表明任何形式的手机通话都会造成反应能力的下降，与不打手机相比，反应时间的均值增加了0.25秒；而驾驶人在手机通话过程中，并没有因为其影响而降低车速和保持较大的车头间距。

美国Rhode Island大学利用安装在头部的眼睛追踪装置HED，记录了驾驶

人在完成各种驾驶任务过程中的眼动行为，分析了操作车内收音机、接电话、观看后视镜、读里程表等行为对驾驶人注意力分散的影响。

John D. Bullough、John Van Derlofske等人分析夜间驾驶时，相向而来车辆的灯光强度对驾驶员行为造成的影响。并且对光照强度和车速随时间的变化情况进行了对比分析，对光照强度和车辆位置变化之间关系进行了相关研究。

John Gaspar、Timothy Brown、Chris Schwarz等人对前撞情景和弯道车道偏离情景中驾驶员行为进行相关分析，指出在前撞情形中，驾驶员的操作行为一般分为四种：仅是制动、仅是转向、先转向后制动、先制动后转向，并通过反应时间和MATTCl参数指标分析了集中注意力驾驶和分心驾驶两种驾驶状态下不同的驾驶行为操作。此外，针对弯道偏离情况，分析了反应时间和入弯时车速对驾驶行为的影响。

5.1.5 驾驶员测试评价研究综述

Hongyang Zhao等人开发了一个以智能手机为基础的驾驶行为评价系统，由两部分组成：驾驶事件检测评估部分和乘坐舒适度评估部分。在驾驶事件的检测和评估的一部分，该系统加FIRST驱动，基于智能手机接收的加速度的数据、定位和GPS传感器数据提出了一个模型来检测驾驶员的驾驶事件。然后乘坐舒适度评估部分通过收集车辆在行驶时智能手机传感器数据，加入驾驶员的驾驶事件、车辆的振动和定量感官分数。

German Castignani采用了GPS、加速度计传感器、磁力计传感器、重力传感器等设备收集了20辆装有安卓系统的汽车数据，并从总加速度、线性加速度、超速度以及转向率等4个方面对驾驶行为进行分析。

Thomas J. Daunl等人为了研究重型车用节能辅助系统中驾驶员的行为特性和系统的节能潜力，采用驾驶模拟器，根据建议设计了四条长度约20公里的线路，其中包含大约25％的高速公路，70％的农村和5％的城镇道路。并招募了41个持有重型商用车驾驶执照的志愿者进行四条路线的模拟驾驶测试。

K.S. Nesamania等人在前有基础上提出14个驾驶参数用来分析驾驶特征，如下：平均车速V1(km/h)；平均行驶车速V2(km/h)（除了怠速外的）；最大车速Vmax(km/h)；平均加速度Acc(m/s2)；平均减速度Dec(m/s2)；最大加速度Accmax(m/s2)；最大减速度Decmax(m/s2)；怠速时间占比Pi（%）（车速为0）；加速工况时间占比Pa（%）（v>5km/h,a>0.1m2/s）；减速工况时间占比Pd（%）（v>5km/h,a<-0.1m2/s）；缓行工况时间占比Pcr（%）（v<5km/h,a<0.1m2/s）;巡航工况时间占比Pc（%）（v>5km/h,|a|<0.1m2/s）；正动能PKE（攻击性的指标）；No.of(stops/km)（每公里的停车次）。

Yaqin QIN等人采用12个参数被用于线性回归分析，和问卷调查一起评价超车过程驾驶行为：超车时加速度；超车时速度；超车时减速度；准备换道时车速；超车持续时间；超车的平均加速度；超车过程行驶距离；超车的平均车速；超车结束时本车与超车车道前方车辆的车距；超车结束时本车与超车车道后方车辆的车距；超车开始时本车与超车车道前方车辆的车距；超车开始时本车与超车车道后方车辆的车距。

5.2 国内驾驶员行为研究综述

5.2.1 驾驶风格与驾驶员行为

吉林大学宗长富教授提出基于隐马尔科夫模型和人工神经网络建立联合模型，对直线行驶工况、正常转向工况和紧急转向工况下驾驶员的操作进行准确的驾驶意图辨识和较为精确的驾驶行为预测。