文摘
驾驶行为的变化造成的能见度在雾中会导致崩溃。在大雾天气改善驾驶安全,雾预警系统提出了基于连接车辆(CV)技术。从人为因素的角度来看,这项研究评估根据司机的行车安全速度变化(即不同雾下水平。,没有雾,轻雾,大雾)和(即不同的技术水平。,normal, with a dynamic message sign (DMS), and with a human-machine interface (HMI)). The driving behavior data were collected by a driving simulation experiment. The experimental road was divided into three zones: clear zone, transition zone, and fog zone. To quantify the change of vehicle speed comprehensively, the speed and acceleration were selected. Meanwhile, the vehicle speed safety entropy and acceleration safety entropy were proposed based on sample entropy theory. Furthermore, the changes of each index in different zones were analyzed. The results show that the use of fog warning system can improve speed stability and driving safety in fog zones and can make the driver decelerate in advance with a smaller deceleration before entering the fog zones. The higher the technical level is, the earlier the driver decelerates. Under the condition of light fog, the fog warning system with HMI has a better effect in terms of improving speed stability, while under the condition of heavy fog, there is little difference between the two technical levels. In general, this study proposed a novel safety evaluation index and a general evaluation method of the fog warning system.
1。介绍
能见度的降低在雾蒙蒙的天,交通事故的数量显著增加。统计数据显示,大雾天气造成的事故数量在美国每年高达300 - 400 (1]。在中国,交通事故引起的大雾天气更有可能导致严重的后果比其他恶劣天气条件下,和中国的雾造成的交通事故数量在2017年达到了633 (2]。因此,确保安全的行驶在雾蒙蒙的天是当前研究的重点。
大量的研究表明,在多雾的天气,直接导致了能见度的变化纵向驾驶行为和影响交通流操作。研究了司机的车辆行为之间的关系和能见度的条件,发现车辆距离和车辆速度的变化可以反映出驾驶员的紧张在雾蒙蒙的天气(3,4]。它提出了雾导致下降的速度和加速度,以及距离的增加导致车辆(5]。此外,纵向驾驶行为的变化将增加追尾事故的可能性。Muellert et al。6)发现,新手司机有更高风险的响应时间,更大的速度,和操舵可变性在雾中,他们更可能有冲突。它可以得出的结论是,速度适应和合理的邻车之间的距离对道路交通安全至关重要7,8),特别是在恶劣天气。
目前,大雾预警系统提供了一种新的解决方案来改善交通安全在雾天、研究领域得到了更多的关注。系统基于连接车辆(CV)技术可以传输雾信息司机提前,这样他们可以调整速度在进入雾区,保持适当的距离前面的车。其中,vehicle-to-vehicle (V2V)和vehicle-to-infrastructure (V2I)技术在解决交通安全,发挥巨大的作用效率,环保问题。美国国家公路交通安全管理局(9)估计,多达80%的事故是可以预防的V2V -和V2I-related安全应用程序。路边终端提供司机信息和车辆终端两种方法通过使用简历技术。V2I警告司机通过动态消息标志(DMS)和V2V警告司机通过人机界面(HMI)。许多研究人员试图确定DMS和HMI可以提高速度稳定性和驾驶安全在雾区。对于DMS,吴邦国et al。10)建立安全模型与不同的控制级别反映司机的风险知觉、调速和调整不同条件下在雾蒙蒙的天气行车安全。哈桑和Abdel-Aty11)检测司机的遵从性和司机的满意可变限速和多变的消息:迹象(CMS)指令在不同的可见性和交通条件和两种类型的道路。对人机界面,赵等。9)功能的影响,分析在司机的速度控制在不同的基于驾驶模拟雾浓度,结果表明,司机的速度下降时进入雾区。Chang et al。10]证明了在浓雾情况明显改善行车安全快捷。至于纵向驾驶行为的测量速度和加速度,样本熵也是一个有效的方法来评估速度变化的时间序列的复杂性。该方法用于调查路行复杂性和司机敏感性之间的关系(11),以及判断驾驶员是否疲劳(12]。对于智能交通系统,马等。13)样本熵值作为聚类特征向量用于评估驾驶行为的稳定性。因此,样本熵可以用来评估简历系统的行驶稳定性和行驶安全。
一般来说,司机的速度稳定性和驾驶安全性在雾天在先前的研究调查,以及不同的雾预警系统的影响已经引起了广泛的关注。所有这些研究表明,雾导致驾驶行为的变化,给交通安全带来极大的危害,而雾预警系统允许驾驶员提前知道雾和减少驾驶风险。然而,各种雾预警系统的影响的差异对驾驶性能不同能见度条件下还不清楚。因此,有必要描述了司机的纵向行为的变化在不同技术水平的细节进一步评价不同系统的有效性和适用性。
为了解决上述问题,本文采用CV测试平台评估司机的速度稳定性和驾驶安全在不同的技术水平在不同雾的水平。驾驶模拟器是广泛用于收集驱动数据和评估简历预警系统(10,14,15];这是一个理想的解决方案来处理的不可控因素多雾的天气和评估系统没有崩溃的风险。全面量化车辆操作的变化,选择车辆速度和加速度以及车辆速度的指标安全熵和加速安全熵提出了基于样本熵。此外,本文应用分级评估的概念来分析指标在驾驶安全性和速度稳定在不同的区域(即。,整个区域,清除区、过渡区和雾区)。本文的方法可以提供一个参考雾预警系统的优化设计,评价指标,综合评价方法雾的安全评估预警系统。
2。方法
2.1。连接车辆测试平台
CV测试平台构建了基于驾驶模拟技术(图1)。驾驶模拟器的测试平台由数据管理中心,V2V终端和V2I终端(14]。驾驶模拟器系统由一个真正的汽车,电脑,视频和音频设备。场景投射到三大屏幕,它提供了一个130°的视野;驾驶模拟器的屏幕分辨率是1920×1080;和模拟记录操作数据(例如,刹车力、加速度、速度、横向放置,车道的数量,并将方向盘角)在30 Hz。
(一)
(b)
(c)
该研究使用驾驶模拟器开发3 d场景模拟雾雾环境和预警系统,如图1(一)。第一部分是驾驶模拟器系统的应用程序编程接口(API)被用来收集天气和距离数据。互联驾驶模拟器之间的结构化和驾驶模拟器系统通过接口进行数据收集。虚拟可见传感器和距离传感器收集的数据。第二部分显示了距离和能见度信息通信和同步传输用户数据报协议(UDP)之间的管理中心,驾驶模拟器系统,管理中心。第三部分是显示终端,包括V2I终端(DMS)和V2V终端(HMI)。管理中心将最后的显示信息发送给DMS和HMI通过比较它与阈值。如果传感器检测数据的变化,这个过程将被回滚。
2.1.1。V2I终端:DMS设计
DMS V2I终端的设计如图1 (b)。本文前四dms的是龙门雾区,和dms的间隔是500集参考导航规则。处于预警状态,DMS选择黄色字体显示的雾和水平距离雾区。在正常状态,也就是说,没有雾,DMS使用绿色字体,显示“欢迎来到高速公路”(15]。
2.1.2。V2V终端:人机界面的设计
根据现有的机载界面布局(16),人机界面的预警系统包括四个部分,如图1 (c)。
第1部分显示的距离前面的车辆在正常状态。处于预警状态,人机界面总共包括五个预警点声音提示。前四预警点是DMS与显示的信息一致,和他们的实际位置是在每个DMS的第一个50米,而第五预警点设置初雾区提醒司机,他们已经进入了雾区。
第2部分是速度提示区,包括车辆的行驶速度和速度限制。限速120公里/小时没有雾或轻雾条件下,60 km / h在大雾的情况下(17]。如果司机的速度超过速度限制,语音提示会提醒司机:“你超速,请慢下来。”
第3部分是图形提示区。作为一个辅助提示,红色感叹号表示,领队汽车低于2 s阈值(18]。
第4部分是提醒周围的车辆。绿色箭头表明周围车辆的距离大于200米。黄色闪烁箭头表明周围车辆的距离小于200米。红色闪烁箭头表明,将会有一个与前车碰撞不到2 s以目前的速度。
这个简历平台实现了人机交互的雾预警系统和评价适应性和驾驶安全索引。平台奠定了基础的具体实际应用一个早期预警系统。
2.2。参与者
实验邀请了43个参与者,包括28名男性(年龄:37.5±13.1年,开年:16±10.2年和年平均行驶里程:18524±3548.22公里)和15个女性(年龄:25±12.97年,开年:13±9.3年和年平均行驶里程:9584±5514.21公里)。参与者从大学招募和出租车公司,和他们都有3年以上的驾驶经验。统计检查样品是否足够在这项研究中,进行动力分析使用方程(1)。所示的方法是以下方程: 在哪里上( )th标准正态分布的分位数;上( )th标准正态分布的分位数;人口是正态分布的标准偏差;之间的区别是测试的真实平均响应因子和参考价值,可以的吗 (19];是有意义的差异。在实践中,通常选择一个值在0.25和0.5之间如果没有先验知识(20.]。通常,10%水平的意义选择反映出90%信心关于未知参数。80%的力量和有意义的差异0.5是用来平衡能力和成本效益。结果表明,研究中所需的样本量25。这意味着实验设计提供可靠的调查的问题的答案。
2.3。场景设计
在这项研究中,九个场景(3×3)设计基于两个变量(能见度水平和技术水平)。可见性的三个层次是没有雾,轻雾,大雾,和三个技术水平正常(命名组①),与DMS(命名组②),和HMI(名为组③)。每个小组在实验场景的详细信息设计如表所示1。
测试道路设计是根据2022年冬季奥运会的主要通道。路的横截面是26米(四车道,车道宽度= 3.75米,平均宽度= 2米,肩宽= 4.5米)和60 - 120公里/小时的速度限制在一个正常的道路(17)(图2)。
(一)
(b)
在实验设计中,本研究将道路分为四个区(图2(一个)):(1)加速区(1.5公里),这个函数是稳定的驾驶速度;(2)明确区(1.5公里),用于给司机信息雾;(3)过渡区(0.5公里),是让司机的角色适应能见度的变化;和(4)雾区(2公里),这是用来比较不同能见度条件下的驾驶行为数据。
交通流,因为雾通常出现在早晨,早晨交通量很小,本研究选择畅通的交通平均进展36年代,和其他车辆的平均速度是100公里/小时没有雾,雾光条件下,雾蒙蒙的条件下55公里/小时。
雾级别分类设计的实验是基于中国的雾分类(GBT 27964 - 2011)”(21),和模拟器的呈现特点也考虑创造明显的视觉差异不同雾能见度水平。本文分三种等级的可见性被定义为没有雾,轻雾,大雾,能见度10000米,750米,125米,分别(图2 (b))。
2.4。实验的程序
在这项研究中使用的驾驶模拟实验步骤如下:(1)开车前填写调查问卷。人口统计信息和疲劳程度的参与者在开车前记录。(2)Predriving培训。通过predriving培训,参与者能够学会正确使用和理解人机界面和DMS。(3)驾驶练习。驾驶练习的目的是让司机熟悉驾驶模拟器。(4)正式的实验。参与者完成了实验场景以随机的顺序。为了避免疲劳,参与者之间的实验花了至少五分钟。(5)填写问卷后开车。开车后填写调查问卷的目的是让司机的驾车疲劳程度和主观感受的实验。
2.5。数据处理和指标选择
在这项实验中,数据收集的范围在整个欧元区DMS1第一个200米的雾区(A点到D点图2(一个))。数据收集区是清除区(B),过渡区(B到C)和雾区(C, D)。MATLAB用于拦截数据每隔20米。本研究收集的有效数据43司机在9个场景,和387组数据用于分析雾预警系统的有效性。司机的速度稳定在雾区是重要的雾的效果评估预警系统,和速度稳定是一个安全的替代指标。在这项研究中,两个指标被选来代表驾驶稳定性和安全性:(1)速度是最直观的指标,以反映在路上驾驶状态。速度越小,越高的安全的司机。(2)加速度是用来代表司机多快的速度改变。它的速度变化量的比值时间反思的变化速度。这是行车安全的最重要的指标之一。
这两个指标可以代表司机的速度稳定性和驾驶安全性的条件下不同的技术水平和雾的水平。
3所示。结果
首先,基本的趋势变化的速度和加速度通过两两比较分析不同因素和水平。由于雾的级别是类别变量,没有雾的三个水平之间的相关性,因此,单向方差分析(方差分析)方法应用于分析的重要性指数在不同的区域差异。其次,进一步理解各种指标在不同技术水平的差异,最低的区别(LSD)被用来测试群际意义不同。最后,全面量化速度波动,本研究提出了速度安全熵和加速安全熵基于样本熵的方法。的混乱程度的变速驱动后进入雾区(清除区)和可见性变化(过渡区和雾区)最后指数的意义区别不同的区域由单向方差分析进行了分析。
3.1。统计分析
3.1.1。没有雾
速度和加速度被用来分析司机的驾驶行为的趋势变化明显的区,过渡区和雾区。指数的意义差异的结果的平均值和标准偏差值索引没有雾条件在每个区如表所示2。的速度和加速度变化趋势如图3。
(一)
(b)
在整个欧元区,LSD速度测试结果显示有显著性差异( )①组与其他组之间在整个欧元区。具体地说,组织①最大的加速度和最低的平均速度,和组③具有加速度最小的整体价值。如图3,司机的速度变化趋势③组和组②几乎同步,但集团③的加速度在过渡区明显降低。
上述结果表明,在没有雾,司机的速度控制能力可以提高技术水平的提高,和驾驶过程可以更顺利。
3.1.2。轻雾
在轻雾,②和③组的平均速度在整个欧元区低于集团①,也有更高的加速度。三组之间的显著差异的速度明显区、过渡区和雾区观察,如表所示3和图4。具体地说,在清除区,①组的速度缓慢,不断增加,②和③组通过第一个警告点后开始加速。在过渡区,由于微不足道的可见性的变化,集团①仍在增长的速度,但是②和③组开始慢下来,直到在雾区稳定速度。进入雾区后,由于能见度的变化,集团①开始慢下来。后期的雾区,三组后速度稳定,速度差异并不大。可以看出司机集团②保持一个较低的平均速度在过渡区。然而,司机在③组第一组慢下来的过渡区,然后在雾中保持一个较低的平均速度区(图4)。
(一)
(b)
上述结果表明,在轻雾,预警系统的组织提前减速,技术水平越高,前面的司机减慢。司机可以更好的调整自己的速度,可以更适应能见度的变化。此外,人机界面可以帮助司机保持较低的平均速度在轻雾区。
3.1.3。大雾
在浓雾情况下,①在整个欧元区的平均速度大于②和③组,和个低于平均速度,在轻雾,如表所示4和图5。清除区,②和③组时处于减速状态的预警信息接收第一和第四个警告。可能原因减速可能是大雾影响的警告信息在第一个警告司机点,从而产生一个减速状态。然而,由于大距离雾区,②和③组逐渐倾向于显示一个均匀的速度和加速减速后,直到司机收到警告信息,他们从浓雾区500,这时他们开始不断放缓。在过渡区、组③是第一个慢下来,其次是集团②能见度。即将到达雾区,减速组①开始增加。初的雾区,随着能见度显著降低,减速①组显著增加,连续放缓之后,他们的减速开始逐渐减少。下半年的雾区,在司机的速度达到一个稳定值,在加速度变化没有明显的区别。在变化的过程中,加速度的显著差异被发现②和③组之间的过渡区。司机组③早些时候和更大的下降。 In addition, drivers in group ② kept a lower average speed than that of group ③ in the heavy fog zone.
(一)
(b)
上述结果表明,在浓雾中,雾预警系统(即。,HMI and DMS) can make the driver deceleration smoother and allow the driver to decelerate ahead of time before the visibility changed. Driver decelerates more early in heavy fog condition than light fog condition. Drivers using HMI decreased earlier and greater in the transition zone, and divers kept lower average speed in the heavy fog zone than that using DMS.
3.2。安全分析雾的基于样本熵的预警系统
3.2.1之上。样本熵
全面量化速度稳定性和驾驶安全,本文介绍了样本熵的方法量化雾的影响在雾蒙蒙的行车安全预警系统。
样本熵方法来检测时间序列的复杂性通过量化不确定性的程度,通过测量获得的时间序列复杂性是产生新模式的概率的信号,和概率越大,生成一个新的模式,更大的序列的复杂性是(17]。样本熵代表熵统治时间序列的变化。因为样本熵可以简化复杂的量化信号,它是一种有效的工具来检测驾驶行为规则的变化在短时间内(22- - - - - -24]。样本熵评价驾驶行为数据中具有独特的优势。一方面,样本熵可以用来反映驾驶员的不确定性时间序列的行为。另一方面,当有多个峰值数据的均值和方差指标往往忽视数据的变化,和熵可以更充分地描述指标的变化。因此,本研究选择样本熵的方法描述安全指标的波动,也就是说,量化的影响驾驶安全技术水平和速度稳定和统一名称描述安全指数的样本熵安全熵。熵值很小,当数据集中,而价值是高当数据分布。样本熵通过MATLAB编程实现的计算过程如下:(1)让原始数据x (1)和x (2),总共N数字。(2)构成了米向量,减去每两个向量(方程(2)): 在哪里米嵌入维度和吗N代表了数据长度。通常情况下,米被认为是1或2。当米> 2、样品需求大大增加。在这项研究中,米被选为2 N的值的范围内选择是100 - 5000,1000。(3)定义的距离d(我),x (j)向量之间的x(我)和x (j)(方程(3)): 在哪里d(我),x (j)被定义为元素的最大距离参数区别x(我)和x (j)。(4)的参数米可以通过方程(4)和(5): 在哪里B即时通讯我的次数的比例吗d(我),x (j)小于r和距离的总数n - m+ 1,r是相似的容忍错误,的价值r通常在下列方程表示: 在哪里E是原始数据的方差,0.1e或0.25e。在这项研究中,r= 0.25e被选中。(5)加1参数维度,重复以上步骤 ,当 (方程(7)): 在哪里年代(米,r,N)表达样本熵。
在这项研究中,选择两个索引的速度和加速度计算样本熵,名叫速度安全熵和加速安全熵。分析司机的速度稳定性和驾驶安全性与更多细节雾蒙蒙的天,安全熵,熵安全分为两种类型:进入雾区(清除区)之前和之后能见度变化(过渡区和雾区)。因为这项研究的重点是研究技术水平对驾驶行为的影响在不同的雾蒙蒙的天,单向方差分析方法选择样本熵进行比较。
3.2.2。没有雾
速度安全熵和加速安全熵进行了分析评估司机的速度变化在不同技术和雾的水平,和结果如图所示6。
(一)
(b)
的速度安全熵条件下没有雾(图6(一)),由于没有警告信息,没有显著差异的速度安全熵的三组。集团的价值范围和平均值③是最小的。至于加速度(图6 (b)),几乎没有不同加速度的均值安全熵在三组中,熵和整体安全范围是在③组略低。结果表明,在没有危险的情况下(没有雾),周围的道路信息和车辆信息提供的人机界面帮助司机开车在一个更稳定的状态。
3.2.3。轻雾条件
的速度安全熵条件下轻雾(图7(一)),在清除区,①和②组之间有显著差异,而②和③组之间的差异相对较小。在过渡区和雾区,平均速度的范围安全熵的②比其他两组,这意味着司机的变速组②更复杂和无序,因此,速度稳定性会受到影响。因此,司机使用DMS在清除区表现更稳定的速度,而司机使用人机界面进行更好的能见度变化后速度稳定。
(一)
(b)
的加速度安全熵(图7 (b)),在清除区,由于警告信息的影响,①和②组之间有显著差异,②和③组。②和③组的安全熵范围大于组①,这表明,司机对预警信息和更活跃的不断调整速度。然而,在过渡区和雾区,几乎没有差异②和③组的安全熵。大多数司机的安全熵②和③组低于集团①,但对于少数司机集团②和③,安全的熵明显过高。这表明大雾预警系统对改善有积极作用的大多数司机的行车安全,但少量的司机可能不正确地理解和适应大雾预警系统,造成大的波动速度。
3.2.4。大雾
至于安全熵(图速度8(一个)),司机有一个更大的速度安全熵比轻雾,这表明车辆速度的时间序列变化在浓雾中更为复杂。清除区,根据单向方差分析的结果,①和②组之间有显著差异,①和③组之间的差异很小,平均速度和安全熵②和③组小于组①。在过渡区和雾区,单向方差分析显示,三组之间没有明显差异,速度的差异①和②组之间安全熵值很小,速度和安全组③熵小于其他组。司机的速度调整集团的复杂性③略低,和个人之间的差异更小。
(一)
(b)
至于加速安全熵在大雾(图8 (b)),在清除区,安全熵的加速度值显著增加,随着技术水平的增加,这表明大雾的警告信息对驾驶行为有很大的影响,它有一个负面影响驾驶安全的清除区。过渡区和雾区,①和②组表现出很小的差异,但在组③安全熵值显著降低,这表明大雾预警系统的技术水平可以有效改善司机的操作稳定多雾区改善行车安全。
上述结果表明,雾驾驶预警系统有积极影响大雾的稳定条件。在能见度变化之前,DMS有助于有序的驾驶速度的变化。可见性开始改变时,雾警告HMI似乎有更积极的影响司机的速度指导。
4所示。讨论
本研究的目的是研究雾的影响司机的安全预警系统在雾蒙蒙的天。摘要大雾预警系统发出了四次的警告消息警告区,和警告信息包括雾的浓度和距离雾区。结果表明,雾预警系统(DMS和HMI)可以有效地帮助司机速度控制和提高驾驶安全雾蒙蒙的天,但它对速度和加速度的影响在不同的区域略有不同。具体地说,当司机收到警告信息,他们将采取减速措施的反应。然而,当能见度没有改变,司机的调速方式变化更加频繁,在一定程度上,司机将加速由于长途的雾。无效的减少速度变化也被提到在先前的研究25,26]。在调速过程中,人机界面使司机减速和更快的早些时候,和司机的变速过程使用DMS能见度变化之前更有序。此外,警告消息显著减少速度雾区。在雾区,推动集团使用HMI的平均速度低,在浓雾区,DMS组的平均速度较低。一般来说,雾预警系统有助于改善安全的司机在雾区。
除此之外,本研究进行了一项predriving问卷调查和实验期间postdriving问卷调查。predriving问卷调查主要是用来收集基本信息和驾驶员的疲劳程度。postdriving问卷调查的目的是了解司机的接受DMS和HMI补充客观数据的结果。postdriving问卷的结果表明,在浓雾情况下,司机的DMS的录取率为83%,HMI为79%;在轻雾条件下,司机的DMS的录取率为81%和HMI为76%,这表明,司机的接受雾预警系统是相对较高的。结果与之前的研究一致,司机更符合雾预警系统在浓雾情况(27,28]。此外,不可否认的是有一些缺点的驾驶模拟实验。参与者可能知道他们被记录和观察,这可能导致一些收集到的驾驶行为数据偏差。但本研究使用对比实验来避免这个问题。此外,我们进行主观问卷调查对场景的现实主义,知觉速度,制动感觉,油门感觉所有的参与者在驾驶模拟器实验。结果表明,大多数司机承认驾驶模拟器,和驾驶模拟器用于本研究的有效性验证了在先前的研究29日]。
近年来,交通运输部在中国推出了一系列的规划和政策支持CV-related政策规划、标准制定、技术研究和开发,工业着陆。测试基于人为因素的简历系统是研究的重点,包括性能测试和服务为用户测试。基于驾驶模拟技术,我们进行了一项测试从人为因素的角度提供理论支持大雾预警系统的实际应用。研究结果可以提供可用的评价指标和评价方法雾的安全评估预警系统和为这些系统的优化设计提供了参考。它有助于理解司机的速度响应行为在不同雾预警系统和提供了一个参考的布局road-terminal DMS系统和车载终端的设计人机界面的信息。
最后,应该注意一些限制。本研究只选择两个纵向指标分析行车安全受到大雾预警系统。其他指标可以进一步评估系统相结合,如车辆的横向控制和司机的视觉和心理特征。因为它是模拟器的一项研究中,一个真正的汽车在未来需要进行测试。此外,有必要进一步探索不同设计参数的影响驾驶行为的雾预警系统为系统应用提供更好的服务。
5。结论
大雾预警系统可以提高速度稳定性和驾驶安全的司机在雾区。根据影响分析的结果,在没有风险的条件(没有雾),人机界面雾预警系统可以提高司机的速度稳定,而在雾条件下,雾预警系统让司机提前减速,与一个较小的平均减速,在进入雾区。因此,我们可以得出结论,技术水平越高,前面的司机减慢,所以系统确保在雾中司机的安全地带。然而,警告信息的存在可能导致大幅波动速度警告后,和这一现象更明显的雾在更高的水平。
结果显示安全熵,大雾预警系统可以提高司机的速度稳定整个雾区;然而,警告信息可以减少驾驶稳定预警区。轻雾条件,雾预警系统与人机界面有更好的影响提高速度稳定和行车安全,同时在浓雾情况下,两个雾预警系统表现出差异。
本文提供了可用的评价指标和评价方法对雾的安全评估预警系统,为这些系统的优化设计提供了参考。在未来,真正的车辆测试预计,更多的指标和每个指标的安全熵可以用来全面分析雾的影响预警系统。除了驾驶安全、效率、生态、舒适、和雾预警系统的有效性基于驾驶模拟CV测试平台需要评估实现雾预警系统的综合评价。
数据可用性
使用的数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称没有利益冲突有关的出版。
确认
这项工作得到了国家自然科学基金(52072012)和国家重点实验室的汽车安全与能源项目没有。KF2017。