英语原文共 11 页，剩余内容已隐藏，支付完成后下载完整资料
i-DRIVE( 智能人车交互环境 ) ： 我们准备好了吗 ?
林英姿emsp;（Northeastern University，Boston MA 02115，美国）
摘emsp; 要：emsp;讨论了驾驶员车辆系统的机遇和挑战。提出了两个关键概念：智能驾驶（智能驾驶交互式车辆环境，i-DRIVE）和网络驾驶系统（CD）。介绍了美国东北大学智能人机系统实验室（IHMS）的研究成果。为了建立i-DRIVE，提出了将车辆与车辆通信和驾驶员与驾驶员之间的通信（V2V-D2D）与CD的混合解决方案相结合的驾驶员车辆系统的混合架构，其涉及更多的人为因素考虑。通过将CD引入i-DRIVE，可以通过增加车辆与驾驶员之间的交互和反馈，使系统达到全面协调。这可以探索人为因素在高级驾驶辅助系统（ADAS）和联网汽车（CV）技术的设计和评估中的作用。全球现有和正在进行的研究综述表明，驾驶员车辆系统研究正在成为交通安全和碰撞预防的研究重点。
关 键 词 ：emsp;人车系统；人因；车联网；驾驶员－驾驶员(D2D)通讯；车－车(V2V)通讯；智能人车交互环境(i-DRIVE)；驾驶员联网系统(CDs)
中图分类号： U 291; TN 92
文 献 标 识 码 ：emsp;A DOI:emsp;10.3969/j.issn.1674-8484.2016.01.002
收稿日期emsp;/emsp;Receivedemsp;：emsp;2016-01-06
基金项目emsp;/emsp;Supportedemsp;byemsp;：emsp;the National Science Foundation (NSF) of USA (0954579, 1333524)
第一作者emsp;/emsp;Firstemsp;authoremsp;：emsp;林英姿 / LIN Yingzi（1971－），主任、副教授 / Director and Associate Professor, Northeastern University。
E-mail: yi.lin@neu.edu; yilinneu@gmail.com
前言
这篇受邀文章主要来自2015年8月24日至28日在中国苏州召开的第18届中国汽车安全技术大会上，英仁教授的主题演讲。在本文中，她全面回顾了现有和正在进行的车辆安全技术研究以及近年来她的实验室的研究项目，希望讨论会产生进一步的兴趣，并促进对下一代驾驶员车辆系统进行更深入的研究。提出了两个关键概念：智能驾驶（智能驾驶交互式车辆环境，i-DRIVE）和网络驾驶系统（CD）。
- 道路安全与研究重点概述
根据世界卫生组织2015年全球道路安全状况报告[1]，每年有大约125万人死于道路交通事故。每年全世界有多达5000万人受伤。 尽管道路安全有所改善，但车辆安全研究仍然是政府和研究人员拯救生命和预防伤害的优先事项之一。 现在，大多数国家已经将速度、酒后驾驶、摩托车头盔、安全带和儿童约束系统等纳入法律法规，使人广为接受。 然而，分心成为道路上的另一个关键风险因素。 过去，驾驶员由于其他乘客、无线电操作以及饮食等活动而更多地经历分心。如今越来越多的驾驶员正在被车内新的电子设备和遥测系统或他们自己的便携式设备所影响。
最近，相关部门为解决全世界范围内与注意力分散有关的事故问题作出了许多努力。例如，NHTSA（国家公路交通安全管理局）赞助的SAVE-IT（安全车辆使用自适应接口技术）计划提出了能够减少相关的分心和提高安全预警系统的有效性的概念。该计划研究了工作负载管理工具的可行性，以尽量减少不安全时间内车载接口的心理需求[2]。 AIDE（自适应集成驾驶员车辆接口）是欧洲的另一个大型项目。 AIDE的目标是最大限度地发挥ADAS的效率和安全优势，并最大限度地减少车载信息系统和可移动设备所带来的工作量和分心。在他们的报告中，需要在更个性化的行为和动态适应方面做出努力，以使ADAS决策更加智能化[3]。从2010年起，NHTSA就司机分心安全挑战制定了“分散驾驶研究计划”。 “驾驶分心计划”的一系列项目旨在确定如何设计接口以最大限度地减少工作量，并开发和评估避让技术，以避免分散司机注意力及保护乘客的安全[4]。
自2002年以来，美国运输部（DOT）一直从事与汽车制造商有关车辆对车辆（V2V）碰撞避免系统的研究。2006年，与汽车制造商合作，开发了V2V安全应用测试原型。这些年来，与FHWA（美国联邦公路管理局）和NHTSA合作的美国DOT积极探索连接车辆（CV）技术的新研究方法，如新的模拟方法，硬件在环或混合物理和模拟环境， V2V和车辆到基础设施（V2I）技术等[5]。根据最近的消息，美国交通部宣布下一代CV技术高达4200万美元，并宣布选择三个部署地点（南怀俄明州，纽约市和佛罗里达州坦帕市）作为参与互联汽车试点部署计划[6]。从上述研究项目中可以明显看出，驾驶分心，简历和基于技术的解决方案可以防止或减少驾驶员分心，这已成为交通安全和碰撞预防的研究重点。
- 东北大学基于i-DRIVE概念的研究工作的IHMS实验室
智能人机系统（IHMS）实验室成立于2005年，当时作者加入东北大学。 该实验室旨在解决以下问题：如果机器能够识别并响应您的身体和精神状态，该怎么办？ 目标是应用非侵入式传感技术来检测生理信号，然后使用传感器融合来推断人体状态并提供反馈。最后，我们开发先进的人类辅助系统，作为机器和人类操作员之间的中介，以提供智能的人机交互为目标。
我们的实验室在过去的几十年中一直参与车辆安全研究，并且一直都处于领先地位，例如人机系统及其在车辆驾驶中的应用。这项重要工作是开发用于驾驶员状态检测的迭代非侵入式传感器，驾驶员辅助系统（DAS）。该DAS包含驾驶员状态和多个级别的帮助，以提高驾驶员的表现和满意度。另一个重要的工作是关于人类认知推理的发展。这包括基于Deep Belief Networks（DBN）和一阶Hidden Markov模型（HMM）的方法，以及基于Takagi-Sugeno-Kang（TKS）和Ordered Weighted Aggregation（OWA）融合技术的方法[7-8 ]。我们认为，一个更加现实的交通安全适应性行动模型应该基于对所有相关因素的理解：驾驶员，车辆和环境。为了实现有效的驾驶安全，所有这些因素都必须纳入模型考虑。此外，我们认为，模型中的人为因素至关重要，因为驾驶员是所有生成信息的最终控制单位。因此，近来的一个主要焦点是车辆安全性与驾驶员的生理能力和局限性之间的关系。我们还将调查研究扩展到特定的驾驶员群体、驾驶分心、路怒，以及探索新的模拟框架，以实现更好的实时驾驶行为捕捉和道路使用者的互动。
以下将描述上述几项研究工作。
2.1 实时驱动程序行为捕获
为了全面推理驾驶员的行为，有必要实时获取个人情境信息、驾驶表现和认知状态线索。上下文信息是驾驶员的特征（例如年龄，性别，种族等）。驾驶员的驾驶表现很容易由驾驶员处理行为导致的车辆动态参数（如速度，纵向和横向加速度等）推断。驾驶员的认知状态由人体感应系统监测。一般认为，人类的心理行为是通过人体某些结构元素的表现或暗示来表现的，其中主要是生理信号、面部信号、语言信号、身体姿势、行为。为了理解驾驶员的心理行为，必须具有传感器（例如，用于人脸面部提示的照相机等）。最常用的传感器包括检测困倦、注意力分散、疲劳、压力、愤怒的生理（例如心率，皮肤电导率，皮肤温度，呼吸率等）、照相机、眼动仪、EEG（脑电图）、意图等。所有驾驶员的状态可以进一步分为心理工作量、注意力和情绪。心理工作量可以被描述为没有努力，一些努力和极端努力。注意包含分心的状态，包括手动、视觉和心理状态。情绪包括欢乐、恐惧、痛苦、愤怒（路怒）等状态。
图 1网络化的多驱动器仿真平台
作为进行驾驶行为研究的有效方式，驾驶模拟器仍然被广泛使用。传统的驾驶员模拟器能够在逼真的驾驶环境中监测个人驾驶员，并根据其决策来控制交通情况。但很少有模拟器可以处理传输网络日益增长的连通性和可能同时影响参与者和司机决策的大量信息。同时，替代传感器当然是有用的，它们都可以提供冗余和干扰。这些传感器取决于操作员和传感元件之间的接触，这可以称为基于接触的传感器。这些传感器的设计原理是这样的：接触不应该侵入操作员的工作;换句话说，联系人是作为操作员工作的一部分而设计的。因此，建立了一个集成的网络化多驾驶员模拟平台，通过用真正的人类驾驶员取代驾驶员模型，如图1所示。该模拟平台配备了“Smart Wheel”和“Smart Seat”。智能方向盘内置非侵入式传感器，可检测驾驶员的脉搏波，呼吸波，皮肤温度和抓力，测量方便可靠，不影响驾驶员的正常行为和状态。智能座椅配有传感器来测量一些能反映情绪行为的驾驶员的身体动作[9-15]。通过这个仿真平台，引入了一个更真实的实验室环境来调查不同驾驶人群在各种交通情况下的行为。
2.2 具体示例项目
a）老年人和青少年的驾驶行为研究
根据之前的研究，老年人和青少年司机是车祸中最常遇到的人群。 NHTSA的一个事实表明，高级驾驶员占所有交通事故死亡人数的14％和所有行人死亡人数的17％[16]。老龄化带来了经验，这对于安全驾驶员来说是有益的。但是，有许多负面的与年龄相关的下降会减缓驾驶员的反应时间，并且在危险情况下禁止安全驾驶。与此同时，另一个车祸高发的小组是青少年司机。青少年司机16岁的车祸比所有年龄段的司机高出3.7倍。 16-19岁的车祸率是所有年龄段驾驶员的2.7倍[17]。然而，由于司机的道德和务实的担忧，特别是对老年人和青少年群体而言，有很多限制条件使他们成为现实路测，尤其适用于危险情况。因此，我们实验室研究的重点之一就是研究这些特殊驾驶员人群的行为特征。
我们建立虚拟环境，在驾驶模拟器上相应地解决驾驶员的特征; 从而通过实验获得危险事件期间驾驶表现和青少年司机的生理反应（图2）。 作为一项试验结果，与年轻成年车手相比，老年车手表现出更多撞车事故，更少违反红灯和停车标志，更长的完成时间，更低的平均车速等。此外，老年司机更容易受到模拟病症，如汗水和 恶心的影响，他们自认为与年轻的驾驶员相比，主要是缺乏视频游戏体验和年龄相关的衰退[18]。 这项试点研究随着对其速度管理和危险认知技能的更多分析，可帮助确定涉及这些人群的车祸的起因和特征。
图 2老年人和青少年参加者在驾驶模拟器开展实验
b）分心驾驶
分心与驾驶员行为显着相关，驾驶员行为包括驾驶员的视线偏差（视觉分散），驾驶员关注驾驶任务（认知分心）以及驾驶员偏离方向盘（手动分心）。然而，如何衡量驾驶员分心是人类因素研究中的一个长期挑战。 “在美国，每天有超过9人死亡，超过1,060人在撞车事故中受伤，据报道这些车祸涉及到司机分心”，“近80％的撞车事故和65％的车祸事故涉及某种形式的因此，我们进行了研究以探索驾驶员之间的互动行为以及驾驶分心的影响，在本研究中，对驾驶员有/没有分心情况下的生理反馈与车头距离的生理唤醒的影响之间的差异进行了调查，听觉分散是记录的声音，被试被要求在不同的驾驶时间重复某些数字。这个实验是在我们的网络化多驱动器仿真系统上进行的，通过预先训练的驱动程序而不是驱动程序模型来代替牵引车驱动程序，以提高保真度感主题。进行方差分析（方差分析）和后向回归分析，以推断驾驶员性别，压力和分心水平及其因果关系等若干因素的不注意程度。根据结果，本实验中使用的总体分心方法并不是影响女性和男性参与者生理参数的重要因素，但这些变化在所有组间的前进距离上都是有效的[20]。对于未来的研究，使用适应现实的更为复杂和复杂的分散方法可能会产生一些重要影响。
c）司机道路检测
驾驶愤怒在心理学中也被称为“道路愤怒”，是一种特殊的情绪，它是由于交通拥挤和其他驾驶者的不礼貌行为造成的不良或不友善的交通状况中的驾驶压力或挫败所引起的特殊情绪。世界各地的愤怒情绪越来越普遍。根据美国汽车协会2009年的一份报告，9,282名被调查的司机中有5％-7％是路人愤怒的肇事者，而卡车等职业司机的比例巴士司机达到30％[21]。同时，2008年对中国9,620人进行的一项调查显示，约有60.72％的司机有“路霸”经历[22]。由于愤怒情绪会影响驾驶过程中PIDV（感知，识别，决策和意志）过程的整个过程，所以驾驶表现会严重退化[23]。然后，当驾驶员在驾驶时出现一些刺激或令人沮丧的事件时，他们倾向于有更多的违规行为或更容易参与交通事故[24]。因此，愤怒/愤怒已成为影响交通安全的严重心理问题。
然而，对于研究驾驶愤怒者的生理特征（特别是与脑电图相结合）的研究已经进行了很少的系统和深入的研究。 此外，对于确定驾驶情绪的阈值，特别是基于生理线索的驾驶愤怒，没有太多研究。 通过描述性统计，我们发现驾驶愤怒时BVP（血容量脉搏）的标准偏差和SC（皮肤电导）的平均值显着高于驾驶中性时的平均值。 同时，在频域过程后，我们发现beta;带在愤怒中的相对能谱明显高于中性，而theta;带在愤怒中的相对能谱明显低于中性[25]（图3）。
图 3中性状态和道路狂飙下的脑电图特点
d）多级认知驾驶员辅助系统
这种适应性认知辅助的基本思想是，驾驶者的直接认知辅助可以被看作是一个二维问题。界面维度涉及通过多模式界面呈现什么类型的援助。控制维度涉及确定何时提供援助。建议使用PID（比例积分微分）控制方法来调整操作员的认知参与度以满足维持性能的要求。如图4所示，智能机器驾驶员通过测量前方前方障碍物（或前方车辆）的时间和中央车道的横向偏差来监测驾驶员的实时驾驶表现。同时，通过测量驾驶员的认知状态他们的眼动跟眼动仪。在五个驾驶课程中，提供了不同的认知援助（无援助，软性援助，软性干预，硬性干预或适应性援助）以供比较。适应性援助是协调一致的援助。假设提供适应性辅助的机器驱动程序通过协调的认知辅助
全文共9818字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[9516]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
