呂長民，譚德榮，于廣鵬，于　洋

(山東理工大學(xué)交通與車輛工程學(xué)院，山東淄博　255049)

?

基于駕駛員狀態(tài)的高速公路安全車距模型

呂長民，譚德榮*，于廣鵬，于洋

(山東理工大學(xué)交通與車輛工程學(xué)院，山東淄博255049)

摘要：為進(jìn)一步完善高速公路環(huán)境下的安全車距模型，通過道路模擬駕駛試驗，確定不同車速、駕駛員不同疲勞狀態(tài)下的制動反應(yīng)時間域，同時根據(jù)駕駛員的眼睛狀態(tài)確定駕駛員的疲勞度，基于模糊隸屬函數(shù)建立駕駛員的制動反應(yīng)時間與疲勞狀態(tài)、車速之間的對應(yīng)關(guān)系，并對高速公路環(huán)境下的安全車距模型進(jìn)行實時修正。通過MATLAB仿真驗證了不同駕駛員狀態(tài)下車距模型的可靠性。

關(guān)鍵詞：高速公路；隸屬函數(shù)；反應(yīng)時間；安全車距

截止到2014年底，我國高速公路總里程達(dá)到11.19萬km，高居世界第一位[1-2]。高速公路給人們的生活帶來方便的同時也帶來了嚴(yán)重的安全隱患。據(jù)美國高速公路駕駛安全管理委員會統(tǒng)計，79%的汽車追尾事故是由駕駛員注意力分散造成的，如果駕駛員能夠提前0.5 s發(fā)現(xiàn)前方車輛，追尾事故的發(fā)生率即可減少60%[3-4]。因此，高速公路環(huán)境下的安全車距準(zhǔn)確性直接影響到汽車防追尾預(yù)警系統(tǒng)的有效性，對于提高人車安全有著重要意義。

文獻(xiàn)[5]提出一種高速公路安全跟車距離的確定方法，但是沒有考慮到制動反應(yīng)時間(即駕駛員從發(fā)現(xiàn)緊急情況到右腳移動到制動踏板上的時間)的變化對安全距離的影響。文獻(xiàn)[6]對制動反應(yīng)時間進(jìn)行研究，忽略了駕駛員疲勞狀態(tài)的影響。本文通過高速公路模擬駕駛試驗，研究不同車速、不同疲勞度下駕駛員制動反應(yīng)時間的變化范圍，同時根據(jù)駕駛員的眼睛狀態(tài)確定駕駛員的疲勞度，建立高速公路環(huán)境下駕駛員的制動反應(yīng)時間與疲勞狀態(tài)、車速之間的關(guān)系，對安全車距模型實時修正，以期提高修正后安全車距模型的可靠性。

1安全車距理論模型

前后兩車緊急制動情況下最小安全車距[6]

(1)

式中：L為兩車完全靜止時的安全車距，一般為2～5 m[7]，本文取3 m；Ls為最小安全車距；v2、v1分別為前后兩車的車速；al、af為前車制動加速度與后車制動加速度；tr、tb為駕駛員制動反應(yīng)時間和制動器的制動協(xié)調(diào)時間。

由式(1)的安全車距理論模型(簡稱模型(1))可以看出：車速與制動加速度是車輛的運動參數(shù)，tb與車輛制動性能有關(guān)，一般為200～900 ms，駕駛員制動反應(yīng)時間tr是表征駕駛員特性的變量，是影響行車安全的最重要因素之一[8-9]，特別是高速公路環(huán)境下，車速較高，tr對行車安全尤為重要。

圖1是駕駛員制動反應(yīng)時間分別為0.6、0.8、1.0、1.2、1.4 s時高速公路環(huán)境下所需的安全車距。

圖1　不同反應(yīng)時間所對應(yīng)的安全車距

由圖1可以看出，同一車速下，制動反應(yīng)時間越長，所需的安全車距越大，車速越高，不同制動反應(yīng)時間的安全車距差距就越大。模型(1)中的駕駛員制動反應(yīng)時間tr采用的是固定值(1.2 s)，而實際駕駛中，制動反應(yīng)時間隨著駕駛員疲勞狀態(tài)和車速的不同而變化，模型(1)不能反應(yīng)真實駕駛狀態(tài)下的安全車距。因此，本文通過分析駕駛員疲勞度和當(dāng)前實際車速對制動反應(yīng)時間的影響，從而對模型(1)進(jìn)行修正。

2制動反應(yīng)時間的確定

2.1模擬試驗

通過試驗?zāi)M得出隨車速及駕駛員疲勞狀態(tài)變化的制動反應(yīng)時間域，為三者模糊規(guī)則的建立奠定基礎(chǔ)。試驗在集成化固定駕駛模擬器上進(jìn)行，通過模擬器的視景系統(tǒng)生成高速公路駕駛環(huán)境，進(jìn)行跟車試驗。通過模擬器內(nèi)攝像裝置記錄駕駛員的操縱反應(yīng)，統(tǒng)計駕駛員從發(fā)現(xiàn)緊急情況到右腳移動到制動踏板上的視頻播放幀數(shù)，然后換算成駕駛員的制動反應(yīng)時間。

選取身體健康、駕駛熟練的12名駕駛員為研究對象，其中男性7名，女性5名，包括5名研究生、4名中年教師、3名老教師；12名駕駛員平均年齡36歲，駕齡2～22 a，平均駕齡13 a。測試每名駕駛員不同狀況(正常狀況與疲勞狀況)、不同車速下的應(yīng)急制動反應(yīng)時間。為了保證測試數(shù)據(jù)的真實性，每種狀況下反復(fù)進(jìn)行5次試驗，剔除2次誤差大的數(shù)據(jù)(表1中陰影數(shù)據(jù)為剔除數(shù)據(jù))，對剩余3次數(shù)據(jù)求平均，共獲得測試樣本60例，部分?jǐn)?shù)據(jù)如表1所示。

表1　不通車速、不同駕駛員狀態(tài)下的制動反應(yīng)時間　單位：s

1)正常狀態(tài)

確保被測者睡眠充足，身體狀況良好，近期內(nèi)各方面均處于正常狀態(tài)，上午8：00—11:00進(jìn)行測試。

2)疲勞狀態(tài)

圖2　兩種駕駛員狀態(tài)下反應(yīng)時間與車速關(guān)系

被測者連續(xù)工作學(xué)習(xí)1 d后，在第2天中午進(jìn)行疲勞問卷調(diào)查，符合要求的人員于下午2:00—4:00進(jìn)行疲勞狀態(tài)下的測試。

駕駛員在兩種狀態(tài)下制動反應(yīng)時間與車速的關(guān)系如圖2所示。由圖2可以看出，相同車速時正常狀態(tài)下駕駛員的制動反應(yīng)時間遠(yuǎn)遠(yuǎn)小于疲勞狀態(tài)下的制動反應(yīng)時間。兩種狀態(tài)下駕駛員的制動反應(yīng)時間隨著車速的增加而增加，駕駛員的制動反應(yīng)時間t域為[0.8，2]。

2.2駕駛員疲勞度的確定

駕駛員疲勞狀態(tài)的確定可以根據(jù)駕駛員的眼部特征進(jìn)行判斷，人的眼部特征可以有效反映駕駛員的疲勞狀態(tài)[10]。通過眼動儀選取眨眼頻率、眼睛閉合率和眨眼持續(xù)時間3個眼部特征指標(biāo)，通過建立的眼部特征與疲勞度之間的模糊關(guān)系獲取其對應(yīng)的疲勞度指標(biāo)ui，并通過疲勞度評估模型綜合評價駕駛員的疲勞度。

疲勞度評估模型為：

(2)

式中：u為疲勞度；u1、u2、u3分別為眨眼頻率、眼睛閉合率與眨眼持續(xù)時間對應(yīng)的疲勞度；ωi為ui的權(quán)重系數(shù)，其中∑ωi=1。

1)ui的確定

設(shè)駕駛員眨眼頻率d域為[1,20](即每30 s的眨眼次數(shù))，d域上包含5個模糊集合，分別代表眨眼頻率低(S1)、眨眼頻率偏低(M1)、眨眼頻率正常(L1)、眨眼頻率偏高(M2)和眨眼頻率高(S2)5個狀態(tài)。設(shè)疲勞度u1域為[20，100](指標(biāo)值得分，分值越大表示駕駛員狀態(tài)越好)，u1域上有3個模糊集合，分別代表疲勞(S)、一般疲勞(M)和正常(L)3個狀態(tài)。利用典型函數(shù)法，可得駕駛員眨眼頻率和疲勞度指標(biāo)值的隸屬函數(shù)如圖3、4所示，并建立眨眼頻率與疲勞度指標(biāo)的模糊規(guī)則。

圖3、4中，隸屬度表示隸屬的程度[11]，取值區(qū)間為[0，1]，其值越接近于1，表示隸屬程度越高。例如圖3中，S1表示模糊集“眨眼頻率低”，當(dāng)眨眼頻率d≤2時隸屬度為1，表明此時眨眼頻率完全屬于模糊集合“眨眼頻率低”，當(dāng)2

圖3　眨眼頻率隸屬函數(shù)　　　　　　　　　　　　　　　圖4　疲勞度隸屬函數(shù)

建立模糊規(guī)則為IfdisS1orS2ThenuisS；IfdisM1orM2Then u isM；IfdisL1ThenuisL。

通過模糊計算，可得眨眼頻率分別為4、6、8、10、12、14、16次/(30 s)時，其對應(yīng)的駕駛員疲勞度u1分別為40.7、70.0、70.0、90.0、88.1、70.0、42.0。

同理，可以求出眼睛閉合率和眨眼持續(xù)時間對應(yīng)的駕駛員的疲勞度u2、u3。

2)權(quán)重系數(shù)的確定

采用模糊層次分析法(AHP)確定權(quán)重系數(shù)[12]，首先通過專家打分對評價因素兩兩對比獲取3個評價因素的權(quán)值向量。

式中ω1、ω2、ω3分別為x1、x2、x3的權(quán)重系數(shù)。

在某一眨眼頻率下，例如眨眼頻率為6次/(30 s)時，u1=70.0，同理某一眨眼閉合率與眨眼持續(xù)時間分別對應(yīng)一個u2、u3值，代入式(2)，即可求得某一眨眼頻率、眼睛閉合率與眨眼持續(xù)時間時駕駛員的疲勞度u。

2.3制動反應(yīng)時間的確定

設(shè)v域為[60，120](車速小于60 km/h計為60 km/h，車速大于120 km/h計為120 km/h)，v域上有3個模糊集合，分別代表慢速(vS)、中速(vM)和高速(vL)3個狀態(tài)。模擬試驗得到駕駛員的制動反應(yīng)時間t域為[0.8，2],t域上包括3個模糊集合，分別代表反應(yīng)快(TS)、反應(yīng)一般(TM)和反應(yīng)慢(TL)3個狀態(tài)。車速與反應(yīng)時間的隸屬函數(shù)曲線如圖5、6所示。

圖5　車速的隸屬函數(shù)　　　　　　　　　　　　　　　圖6　反應(yīng)時間的隸屬函數(shù)

基于圖4～6建立車速v、疲勞度u與制動反應(yīng)時間t的模糊推理規(guī)則(見表2)，如ifvisVSanduisSThentisTM[13]。根據(jù)車速與駕駛員疲勞度確定對應(yīng)的駕駛員制動反應(yīng)時間。

通過Matlab所建立的fuzzy模型，根據(jù)表2的模糊規(guī)則，推理出駕駛員制動反應(yīng)時間、疲勞度指標(biāo)和車速三者的對應(yīng)關(guān)系，如圖7所示，圖7較圖2更清晰地反應(yīng)了t、u、v三者的一一對應(yīng)關(guān)系。

表2　模糊推理規(guī)則

圖7　駕駛員制動反應(yīng)時間與疲勞度及車速的關(guān)系

3安全車距模型的修正

實時采集駕駛員眼部特征信號并綜合評價駕駛員的疲勞度，根據(jù)駕駛員疲勞度、車速與制動反應(yīng)時間三者間的對應(yīng)關(guān)系，實時獲取制動反應(yīng)時間t，以該動態(tài)制動反應(yīng)時間t取代模型(1)中的固定制動反應(yīng)時間tr，制動器協(xié)調(diào)時間tb取0.4 s。

假設(shè)前后兩車的制動加速度相等，高速公路環(huán)境下最大制動加速度為amax=6 m/s2，則安全車距模型(1)變?yōu)?/p>

(3)

將安全車距模型(1)與修正后的安全車距模型(3)進(jìn)行仿真對比，不同前車車速、不同駕駛員狀態(tài)下的安全車距如圖8、9所示。圖8、9中實線為固定反應(yīng)時間的駕駛員駕車的車速與安全車距的關(guān)系(原始)，星線、點線、三角線分別為安全車距模型修正后駕駛員正常狀態(tài)、疲勞狀態(tài)與一般疲勞狀態(tài)下駕車的車速與安全車距的關(guān)系。

由圖8可以看出：當(dāng)后車車速低于77km/h時，駕駛員處于正常狀態(tài)下，修正模型的安全車距小于傳統(tǒng)安全車距，原因是駕駛員的實際反應(yīng)時間小于固定反應(yīng)時間，因此采用傳統(tǒng)安全車距模型得到的安全車距增加了車輛防撞預(yù)警系統(tǒng)的錯誤報警率；當(dāng)車速大于77km/h時，不論駕駛員處于何種狀態(tài)，修正模型的安全車距都大于傳統(tǒng)模型安全車距，從而提高了車輛的行駛安全性。由圖9可知：當(dāng)兩車車速都達(dá)到100km/h，且駕駛員處于正常狀態(tài)時，修正模型與原始模型安全車距相差約10m，若駕駛員處于疲勞狀態(tài)時，二者的安全車距相差達(dá)到18m，說明駕駛員制動反應(yīng)時間的修正對于安全車距的影響很大。因此，實時判斷駕駛員和車輛狀態(tài)從而修正駕駛員的制動反應(yīng)時間，對高速公路行車安全有重要影響[14]。

圖8　前車車速60 km/h時的仿真圖　　　　　　　　　　圖9　前車車速100 km/h時的仿真圖

4結(jié)語

1)原始安全車距模型中的駕駛員制動反應(yīng)時間采用固定值，只能適用于一般情況下的安全車距。在車速較高、駕駛員狀態(tài)差時安全車距偏小，行車安全性差；車速較低、駕駛員狀態(tài)好時安全車距偏大，從而增加了車輛防撞預(yù)警系統(tǒng)的誤報率。

2)通過模擬試驗得到考慮車速與駕駛員疲勞度時的制動反應(yīng)時間域，基于模糊隸屬函數(shù)建立駕駛員的制動反應(yīng)時間與疲勞狀態(tài)、車速之間的對應(yīng)關(guān)系，并對安全車距模型實時修正。

3)通過對比分析，驗證了修正后安全車距模型的可靠性，對于提高車輛防撞預(yù)警系統(tǒng)安全性，降低其預(yù)警率有重要意義。

參考文獻(xiàn)：

[1]王洪明.我國公路交通事故的現(xiàn)狀及特征分析[J].中國安全科學(xué)學(xué)報，2009，19(10)：121-126.

[2]應(yīng)世杰.高速公路汽車防撞預(yù)警系統(tǒng)的開發(fā)研究 [D].西安：長安大學(xué), 2005.

[3]胡鐵紅.高速公路追尾及側(cè)向碰撞預(yù)警系統(tǒng)模型的研究[D].西安:長安大學(xué)，2004.

[4]FRANCESCOBellaa，ROBERTARussoa.Acollisionwarningsystemforrear-endcollision:adrivingsimulatorstudy[J].ProcediaSocialandBehavioralSciences，2011，20: 676-686.

[5]楊偉，徐杰.高速公路上跟隨車安全距離的一種確定方法[J].四川工業(yè)學(xué)院學(xué)報，2002，21(1)：20-22.

[6]葛如海，張偉偉.基于隸屬函數(shù)的高速公路安全距離模型研究[J].中國安全科學(xué)學(xué)報，2010，20(10)：101-105.

[7]邊明遠(yuǎn).考慮駕駛員個體特性的汽車安全行駛間距模型[J].中國機(jī)械工程，2010，21(12)：1502-1506.

[8]呂集爾，朱留華，鄭容森，等.駕駛員反應(yīng)時間對行車安全的影響[J].交通運輸系統(tǒng)工程與信息，2013，14(2)：80-86.

[9]于廣鵬，譚德榮，田厚杰，等.基于模糊推理的駕駛員反應(yīng)時間修正研究[J].廣西大學(xué)學(xué)報(自然科學(xué)版), 2014, 39(6): 1234-1239.

[10]胡卓.基于人眼檢測的疲勞駕駛監(jiān)測技術(shù)研究[D].北京：北京交通大學(xué), 2009.

[11]張路，王紅蕾.一種適用于疲勞駕駛員的行車防追尾報警模型[J].電氣技術(shù)，2014(11)：21-24.

[12]張廣祥.基于駕駛行為的汽車主動防撞預(yù)警系統(tǒng)的安全車距研究[D].長春:吉林大學(xué)，2011.

[13]商強(qiáng)，譚德榮，高松，等.基于駕駛傾向性辨識的避撞-報警算法[J].科學(xué)技術(shù)與工程，2014，14(13)：282-285.

[14]KHANW,KLETTER.Stereoaccuracyforcollisionavoidanceforvaryingcollisiontrajectories[C]//IntelligentVehiclesSymposium(IV),2013IEEE.GoldCoastCity,Australia：IEEE， 2013: 1259-1264.

(責(zé)任編輯：楊秀紅)

Safe Interval Model on Expressway Based on Driver State

LYUChangmin，TANDerong*，YUGuangpeng，YUYang

(SchoolofTransportationandVehicleEngineering，ShandongUniversityofTechnology，Zibo255049，China)

Abstract:In order to improve the accuracy of safe interval model on expressways, driver′s reaction time in different driving speeds and fatigue status is researched through experiments on vehicle driving simulator. And driver′s fatigue status is determined based on driver′s eye characteristics. Then the relationship of the driver′s reaction time, fatigue status and driving speed can be determined by the theory of membership function and correct safe interval model in real time. Simulations have been carried out in different driving conditions to demonstrate the reliability of vehicle safe interval.

Key words:expressway；membership function；reaction time；safe interval

文章編號：1672-0032(2015)04-0029-05

中圖分類號：U491

文獻(xiàn)標(biāo)志碼：A

DOI：10.3969/j.issn.1672-0032.2015.04.007

作者簡介：呂長民(1989—)，男，山東泰安人，碩士研究生，主要研究方向為道路交通安全；*譚德榮(1963—)，男，山東淄博人，教授，工學(xué)博士，碩士生導(dǎo)師，主要研究方向為智能交通和載運工具.

基金項目：山東省自然科學(xué)基金資助項目(ZR2011EEM034、ZR2014EL036)

收稿日期：2015-09-15