基于自然驾驶场景的驾驶员主观风险认知数据集

2025-05-10 12:58:35· 来源：同济智能汽车研究所

计算了各场景主客观行驶风险之间的Spearman相关系数，结果如图9所示。从显著性看（p<0.001），各指标间均在统计学层面上存在显著相关性。

然而，从相关系数看，TTC与主观行驶风险为中等程度的负相关关系（r=-0.52）；DNDA与主观行驶风险为中等程度的正相关关系（r=0.65）。这表明主客观风险之间的线性相关程度不高，再次证明驾驶员主观风险认知的不可替代性和采集人类认知信息的必要性。

图9 主客观行驶风险的相关性分析

4、示例：驾驶员眼动特征分析

基于RISEE数据集所提供的眼动信息，分析了驾驶员在不同风险认知状态下的眼动特征，以深入探索其风险认知模式。具体来说，首先结合主客观风险识别驾驶员的风险认知状态，再分析其平均瞳孔直径、注视频率和扫视频率等眼动指标在不同风险认知状态下的差异性。其中，风险认知状态定义如图10所示。

图10 驾驶员风险认知状态定义（N=2045）

参考上述定义，采用Mann-Whitney检验，计算对应高低风险认知状态下各眼动指标的差异性，结果如表2所示。

分享到：

点赞 0 反对 0 举报 0 收藏 0 评论 0

0 条相关评论

• 多传感器注入HIL仿真系统用户案例	• 基于Simulink的AP AUTOSAR模型剖析与部署测试
• 招商车研实现动力电池新国标与船用锂电检测资质双突破	• EPS的转向功能介绍
• 成果分享 \|\| 储热与热泵集成的全气候电动汽车整车热管理技	• 基于剩余碰撞时间的线控制动分层控制策略
• 新能源汽车年检新规必看！	• 工业金属激光切割过程中的纳米颗粒排放
• 转向系统的行驶动力学建模与分析	• 载荷分解

编辑推荐