基于主动安全系统对潜在碰撞的预判断,在即将发生碰撞前调整乘员约束系统,以降低乘员损伤的主被动融合技术,在近年来成为汽车安全的研究热点。主动安全系统由于需要雷达等环境探测技术的支持,造成系统繁杂且成本较高,难于在经济型轿车中广泛应用。研究表明从事故起因的出现至碰撞的发生通常有长达数秒的时间,且大多数碰撞发生前驾驶员进行了制动和转向的避撞操控。交通事故统计资料显示,行人碰撞和侧面碰撞造成较多的人员损伤,而新手驾驶员所造成的事故在所有驾龄段中的比例最高。因此,本文基于新手驾驶员在行人碰撞和侧面碰撞危险工况中的异常操控行为特征,设计一种经济和高效的事故预判系统,以应用在经济型车辆中降低碰撞中的人员损伤。本文基于真实交通环境,利用UC-win/Road软件搭建了包含12个交叉路口的长度约为15 km的正常和危险行驶场景。危险场景中的行人-车辆碰撞和车-车侧面碰撞分别包含2个障碍物运动方向,碰撞时间(TTC)分别为1.5 s、2.5 s、3 s和3.5 s的四种不同紧急度的共16例危险工况。将制动加速度、制动踏板角速度、转向盘角度和转向盘角速度四个参数定义为驾驶员操控特征参数,利用箱线图及Mann-Whitney秩和检验分析志愿者性别和驾驶风格对操控特征参数的影响。利用相关性分析讨论正常和危险工况中四个驾驶员操控特征参数间的相关性。以制动踏板角速度、转向盘角速度、驾驶员性别和驾驶风格为输入变量,通过RBF神经网络实现对行驶工况的识别。统计分析结果表明性别仅对危险工况时的转向盘输入均值分布有显著的影响;焦虑和谨慎型驾驶风格对危险工况中制动踏板角速度均值的分布有显著影响。四个操控特征参数在正常与危险工况的分布均有显著性差异。正常与危险工况中制动加速度和制动踏板角速度以及转向盘角度和转向盘角速度间均有中等程度的相关性。构建的RBF神经网络对行驶工况的识别准确率为98.1%,且行驶工况的识别主要由制动踏板角速度控制,驾驶员性别和驾驶风格对识别的影响较微弱。驾驶员性别和驾驶风格对制动和转向操控有一定影响,但对危险工况的识别干扰较微弱。基于驾驶员操控行为特征的危险工况识别方案能准确地进行事故的预判断,具有较好的实用价值。