[发明专利]一种考虑多维度驾驶人特性的制动反应时间预测方法

说明书

本发明涉及一种考虑多维度驾驶人特性的制动反应时间预测方法，包括建立制动反应时间的影响因素解构模型、发放调查问卷、基于调查问卷建立结构方程SEM模型、设计驾驶负荷试验方案、采集制动反应时间数据、建立基于BP神经网络的制动反应时间预测模型、对制动反应时间预测模型进行性能检验等步骤，本发明使用结构方程模型全面地解构驾驶人制动反应时间的影响因素，借助试验采集有效制动反应时间数据和驾驶人特性指标，从人因角度深入分析各个因素的影响机制和参与方式，建立考虑多维度驾驶人特性的制动反应时间预测模型，为开发基于行车风险预测的先进驾驶人辅助系统提供支持。

技术领域

本发明涉及汽车人因工程和车辆风险分析领域，尤其是一种考虑多维度驾驶人特性的制动反应时间预测方法。

背景技术

制动反应时间是从前车的刹车灯亮起到测试车辆驾驶人刹车之间的时间长度，它包括驾驶人的感知和行动时间，是用于开发行车风险预警系统的重要参数，主要用于计算安全距离或安全裕度。以往对驾驶人制动反应时间的研究中，所采用的试验场地环境、信息采集设备以及受试者群体等试验条件各异，使得制动反应时间的计算方法不具备普适性且难以直接使用。现阶段对驾驶人制动反应时间研究存在的主要问题包括：对驾驶人特性的差异性和多样性考虑较少、试验方案单一和适用人群受限等问题，导致模型的鲁棒性和泛化能力有待改进。因此，有必要提出一种适配不同类型、不同特点驾驶人的制动反应时间预测方法，对提高车辆风险预警能力有重要意义。

发明内容

本发明的目的在于填补当下汽车人因工程和车辆风险分析领域内存在的空缺，旨在解决以往研究中对驾驶人特性的差异性和多样性考虑较少、试验方案单一和适用人群受限等问题，提出一种考虑多维度驾驶人特性的制动反应时间预测方法，包括以下步骤：

(1)建立制动反应时间的影响因素解构模型：

以驾驶人的生理属性、驾驶经验、驾驶负荷、驾驶期望为映射制动反应时间的潜变量，各潜变量中包括数个直接用于测量的显变量；所述的生理属性的显变量包括但不限于性别、视力、年龄等，所述的驾驶经验的显变量包括但不限于驾龄、驾驶里程、驾驶频率等，所述的驾驶负荷的显变量包括但不限于行为负荷量、心理占用量、动作占用量等，所述的驾驶期望包括但不限于速度期望、跟车距离期望、舒适性期望；

(2)发放调查问卷：

采用制动反应时间的影响因素解构模型制作调查问卷；向数名执有合法驾照的受访者发放调查问卷，受访者性别比例2:1，通过调查问卷的形式采集生理属性、驾驶经验、驾驶负荷、驾驶期望数据信息；

(3)基于调查问卷建立结构方程SEM模型：

使用SEM模型处理调查问卷分析结果，建立SEM模型前对数据进行信度和效度检验，对调查问卷获得的有效数据进行正态分析，确定各显变量数据的偏度系数值和峰度系数，保证收集的数据满足正态分布，再通过SEM建模软件建模，计算得到基于SEM的制动反应时间及其影响因素的解析模型，包含误差、路径系数、变量的模型；为了解决受访者对制动反应时间的不确定性，采用三角模糊数将其分解为三维向量的形式，同时作为制动反应时间的观测变量；

(4)设计驾驶负荷试验方案：

所述的驾驶负荷试验方案包括1种专注驾驶行为和5种分心驾驶行，每种分心驾驶行为过程中执行箭头测试、n-back测试、钟表测试和路况汇报中的一种或多种任务；所述的分心驾驶行包括手持手机通话、键入文本信息、阅读文本信息、思考和交谈；

(5)采集制动反应时间数据：

根据影响因素解构模型选取数名受试者，在天气晴朗、能见度良好的时间展开试验，有引导车一台保持速度在50～60km/h，受试者自车跟随前车行驶并保持车距约50～60m，驾驶过程中执行驾驶负荷试验方案，引导车随机制动以迫使受试者车辆制动；依托于前述试验条件，提取制动反应时间的数据；

(6)建立基于BP神经网络的制动反应时间预测模型：