抵近信控交叉口分心驾驶识别模型

来源：交通运输系统工程与信息杂志2022年第1期北京时间：

作者：张玉婷, 陈波佑, 张双焱, 闫学东, 李晓梦

单位：1. 长安大学，运输工程学院，西安 710021；2. 北京交通大学，综合交通运输大数据应用技术交通运输行业重点实验室，北京 100044；3. 昆士兰科技大学，交通事故与道路安全研究中心，昆士兰 4059，澳大利亚

摘要：为降低驾驶人抵近交叉口过程因分心导致的交通事故，本文基于双向长短时记忆网络(BILSTM)建立分心驾驶识别模型。依托驾驶模拟实验，采集了45位驾驶人抵近信控交叉口过程中的横纵行为数据，通过方差分析研究分心任务对驾驶行为的影响。结果表明，分心驾驶人需要更长的制动反应时间，制动操作时间缩短，踩压制动踏板的力度下降，同时操纵方向盘的稳定性变差。然后，筛选有显著性影响的6个特征行为指标作为模型的输入，结果表明：BILSTM模型分心状态识别的精确率最高，达到92.6%，F1值为88.7%；准确率、精确率、召回率、F1、AUC和ROC曲线等模型性能均优于单向长短期记忆网络、支持向量机和决策树5.0分心识别模型。研究结果说明BILSTM模型能有效判别抵近信控交叉口驾驶人分心状态，可为交叉口驾驶人分心预警系统的优化设计提供依据和指导。

关键词：交通工程,信控交叉口,分心状态识别,BILSTM模型,驾驶模拟

基金资助：国家自然科学基金；国家重点研发计划；国家级大学生创新创业训练计划