在宏观和微观纵向层面上对现实世界前方碰撞警告的驾驶员反应:一种功能性方法

科学领域:

• 人与计算机的交互
• 运输工程 运输工程
• 数据科学数据科学数据科学

背景情况:

• 关于前方碰撞警告 (FCW) 的现有研究经常使用聚合的安全数据,限制对驾驶员立即反应的理解.
• 在分析驾驶员对FCW的反应如何在长时间内演变 (宏观视角) 中存在差距.

研究的目的:

• 开发一种新的研究框架,使用功能数据分析 (FDA) 来建模驾驶员行为概况以应对FCWs.
• 在微观 (时间特定) 和宏观 (纵向) 层面分析驾驶员的反应.
• 发现驾驶员反应的新模式,超出传统的综合安全措施.

主要方法:

• 在纽约市联网汽车试点部署项目的现实世界FCW数据上利用了功能数据分析 (FDA).
• 采用稀疏的功能设计和非参数的功能线性回归用于微观分析驾驶员行为概况 (TTC,MTTC).
• 应用功能性双样本测试和距离指标,用于对驾驶员反应随时间变化的宏观分析.

主要成果:

• 在微观和宏观层面上揭示了驾驶员对FCW反应的新模式,与聚合措施不同.
• 识别了驾驶员补偿行为,在最初的改进后可能会升级安全风险.
• 从观察窗口的初始期到观察窗口的结束,观察到FCW的安全益处正在减少.

结论:

• 拟议的FDA框架有效地模拟驾驶员行为概况,以响应多个级别的车载警告.
• 结果支持驾驶员响应模型的校准,并为高级驾驶员辅助系统 (ADAS) 和预警应用程序的设计提供信息.
• 这种方法增强了对各种车载预警系统的安全益处的调查.