کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6965140 1452883 2018 11 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Modeling take-over performance in level 3 conditionally automated vehicles
ترجمه فارسی عنوان
مدلسازی عملکرد برداشت در خودروهای متعارف 3 سطح 3
کلمات کلیدی
رانندگی خودکار به عهده گرفتن، مدل سازی، عملکرد درایور، پسرفت، عوامل انسانی،
ترجمه چکیده
گرفتن کنترل وسیله نقلیه از یک وسیله نقلیه مشروط به سطح 3 می تواند یک وظیفه سخت برای یک راننده باشد. اتخاذ تصمیم به کنترل قابلیت کارکرد خودکار وسایل نقلیه و همچنین ایمنی ترافیک را تعیین می کند. این مقاله ارائه مدل هایی را برای پیش بینی متغیرهای اصلی برداشت از زمان برداشت، حداقل زمان به برخورد، برنامه ترمز و احتمال تصادف ارائه می دهد. این متغیرها در رابطه با مسائل مربوط به موقعیت و راننده، بودجه زمانی، تراکم ترافیک، وظیفه مرتبط با رانندگی، تکرار، خط جاده و رانندگی در نظر گرفته می شود. مدل های رگرسیون با استفاده از 753 شرایط پذیرش در مجموعه ای از آزمایشات رانندگی شبیه سازی شده توسعه داده شد. این مدل ها با داده هایی از پنج آزمایش دیگر رانندگی شبیه ساز که اغلب نویسندگان غیرمجاز با 729 موقعیت دیگر پذیرفته شده بودند، اعتبار یافتند. مدل ها به طور دقیق زمان مصرف، زمان به برخورد و احتمال سقوط را ضبط کرده و برنامه ترمز را به طور متوسط ​​پیش بینی کرده اند. به خصوص بودجه زمانی، تراکم ترافیک و تکرار به شدت تحت تاثیر قرار گرفتن عملکرد، در حالی که وظایف مربوط به غیر رانندگی، خط و رانندگان سن توضیح بخش جزئی از واریانس در اجرای برداشت.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی شیمی بهداشت و امنیت شیمی
پیش نمایش مقاله
مدلسازی عملکرد برداشت در خودروهای متعارف 3 سطح 3
چکیده انگلیسی
Taking over vehicle control from a Level 3 conditionally automated vehicle can be a demanding task for a driver. The take-over determines the controllability of automated vehicle functions and thereby also traffic safety. This paper presents models predicting the main take-over performance variables take-over time, minimum time-to-collision, brake application and crash probability. These variables are considered in relation to the situational and driver-related factors time-budget, traffic density, non-driving-related task, repetition, the current lane and driver's age. Regression models were developed using 753 take-over situations recorded in a series of driving simulator experiments. The models were validated with data from five other driving simulator experiments of mostly unrelated authors with another 729 take-over situations. The models accurately captured take-over time, time-to-collision and crash probability, and moderately predicted the brake application. Especially the time-budget, traffic density and the repetition strongly influenced the take-over performance, while the non-driving-related tasks, the lane and drivers' age explained a minor portion of the variance in the take-over performances.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Accident Analysis & Prevention - Volume 116, July 2018, Pages 3-13
نویسندگان
, , ,