论文笔记01：Naturalistic Driving Studies: An Overview and International Perspective

最新推荐文章于 2024-10-06 21:45:11 发布

莫铭棋妙

最新推荐文章于 2024-10-06 21:45:11 发布

阅读量215

点赞数

分类专栏：自动驾驶文章标签：人工智能

本文链接：https://blog.csdn.net/weixin_44170527/article/details/130394045

版权

自动驾驶专栏收录该内容

1 篇文章 0 订阅

订阅专栏

这篇文章主要阐述了自然驾驶研究Naturalistic Driving Studies（NDS）的相关内容

Introduction

什么是自然驾驶？

为了提升道路交通安全，研究人员通常需要好数据来理解与驾驶员行为表现和道路危险有关的因素。这些数据的来源有很多，比如警察事故记录，路边观察，项目测试实验或驾驶仿真，以及调查。这些数据在其中领域发挥作用。可是，这些数据有着共同的局限性，那就是他们不能够提供在较长时间内行为的客观测量手段，也不能当事故发生时捕捉高风险的事件，以至于研究人员无法找出在事件前，事件中，事件后所发生的事情。（关键点：传统数据不能提供事故发生时的准确信息）

自然驾驶研究（NDS）通过收集潜在且连续的在真实交通环境下一系列驾驶行为数据，通常涉及对参与者日常驾驶的车辆进行检测，以观察和记录他们的正常驾驶行为。迄今为止，已经有了很多研究。但更多的是在计划当中。

因此。目前没有一个被大家所广泛接受的关于“自然“的定义。与其对NDS所需要的数据采集方法技术进行限制与要求，研究人员们更倾向于提出NDS所遵守的框架。比如Van等人曾提出过”通过不显眼的数据收集设备详细观察驾驶员、车辆和周围环境，无需实验控制，从而深入了解驾驶员在日常旅行中的行为“。Lotan及其同事为NDS提供了一个框架，该框架根据研究的规模涵盖了一系列从基本到高分辨率的数据收集技术。根据分辨率和规模之间的平衡，建议使用特定技术

通常，NDS 将涉及数据收集系统，其中包括接收和存储来自加速度计的连续数据的计算机、全球定位系统（GPS）和摄像机。摄像机可以捕获驾驶员的面部、仪表板、驾驶员手可到达的区域以及前后道路。数据收集系统可以定制构建，使用现成的组件组装，或使用智能手机的功能，具体取决于研究的目的。虽然大多数NDS都是使用汽车和卡车进行的，但NDS也研究了涉及其他交通方式的行为，如摩托车，自行车，踏板车和步行。

为了解决缺乏对NDS的包容性定义的问题，我们提供以下定义：NDS是在公共道路上不受控制地驾驶期间，在一段时间内（通常至少持续几周，但可能更长），在一组道路使用者中连续收集高分辨率行为数据。

总结：自然驾驶研究主要考收集自然驾驶的信息来进行研究。其中自然驾驶的信息指的是在排除外界干扰下，对驾驶员，汽车，以及环境的记录。

NDS的优势

从多个来源（例如，视频、GPS、加速度计等）连续收集数据意味着NDS可以在相对较短的时间内生成大量数据。NDS提供一系列行为、车辆和环境数据，可以从各种角度进行重复分析。NDS 不依赖于驱动程序或观察者的记忆，也不依赖于一组特定的度量或问题。NDS 的研究结果为分心驾驶（Klauer 等人，2014 年）、高级驾驶员辅助系统（Fitch 和 Hanowski，2012 年）、受损驾驶（Dingus 等人，2016 年）和弱势道路使用者（Ehsani 等人，2020 年;Li等人，2017）仅举几例。

NDS在理解现有和新出现的行为风险方面发挥着重要作用，补充了来自事故报告和实验研究（如模拟器研究）的经验证据。NDS 可深入了解驾驶员行为在驾驶环境和条件下的作用。它们可以为驾驶员疲劳等长期存在的问题提供新的见解，并有助于我们理解当代问题，例如开车时发短信。在分心驾驶的情况下，警察的车祸报告被用来识别似乎与分心有关的车祸的数量和类型。然后使用模拟器研究来确定特定的分心如何影响某些驾驶场景。然后，自然主义研究向研究人员和政策制定者通报了干扰如何转化为实际的碰撞风险。此外，NDS 可以提供有关何时存在分心但没有发生崩溃的信息，并确定可能具有保护作用的因素。重要的是，NDS数据不仅告诉我们出了什么问题，而且还提供了必要的证据来制定缓解措施以提高安全性。

为了从大量和各种数据源中提取有意义的信息，正在开发新的分析和统计方法来分析 NDS（Ba ̈rgman，2016 年;郭， 2019）.虽然对各种方法的回顾超出了本文的范围，但本文将详细讨论NDS视频数据分析所特有的一种特定方法。

为了分析NDS视频数据，研究人员采用了流行病学中广泛使用的方法，称为病例对照研究（Breslow，1996）。在此设计中，常规、无事件驾驶段的随机样本中的驾驶员行为成为控制样本。这些案例由驾驶员在撞车前几秒钟的行为组成（Guo和Hankey，2009）。通过比较驾驶员在案例和控制期间的行为，可以建立某些行为与碰撞风险之间的关联。例如，一些 NDS 发现，开车时拨打手机与撞车风险显着增加有关（Dingus 等人，2016 年;克劳尔等人，2014 年;西蒙斯-莫顿等人，2014 年）。为了得出这一结论，研究人员观看了控制视频，并观察了司机拨打手持手机的频率。他们还观察了司机在案件中拨打手机的频率，发现这种情况在撞车前发生的频率更高。需要驾驶员将视线从前方道路上移开的活动会导致最大的风险。

要记住的重要一点是，由于其非实验性质，NDS通常不适合明确得出关于因果关系的结论（Carsten等人，2013）。相反，NDS 提供了绘制可以在数据中观察到的关联的功能。

总结：自然驾驶研究的优势在于，其能够提供连续信息。并且可以提供事故发生前的状态，作为预测交通事故风险的手段。