本期导读

面向人机共驾车辆的驾驶人风险感知是接管时正确应激反应和操作的前提，是交通安全领域的研究重点。分析了人机共驾车辆驾驶人风险感知概念及其特性；从驾驶人特性、自动驾驶系统、驾驶情景这3个方面分析了人机共驾车辆驾驶人风险感知的影响因素；从驾驶行为表现、接管绩效和主观评价这3个方面对人机共驾车辆驾驶人风险感知衡量方法进行归纳总结；梳理归纳了基于驾驶人培训、辅助设备调节的风险感知能力提升方法。结果表明：相比于手动驾驶，人机共驾车辆驾驶人风险感知能力较低，且是多因素耦合作用下的结果；现有风险感知能力评价方法各有弊端，缺少可广泛应用的普适性量化方法；对驾驶人状态进行动态监测和调节是保障人机共驾车辆安全应用的前提。基于现有研究中存在的问题，指出了人机共驾车辆驾驶人风险感知未来研究方向，主要包括多因素耦合情况下的风险感知研究、风险感知能力量化模型构建、风险感知能力安全阈值研究、风险感知能力动态监测与稳态保持方法研究。（冯忠祥，等：面向人机共驾车辆的驾驶人风险感知研究综述）

港船作业区域人员的异常行为识别可为智能航运的管控与决策提供重要数据支撑，有利于推动智慧港口和智能船舶的发展。基于异步交互聚合网络开展了面向港船工作环境下的人员异常行为识别研究。基于YOLO模型对港船图像进行卷积操作，利用特征金字塔优化卷积结果得到图像序列中每一帧的人员位置，结合联合学习检测和嵌入范式输出港船图像序列中的人、物体特征信息以及时序信息；利用异步交互聚合网络中的交互聚合结构更新特征池的多维度特征信息，以识别港区与船舶工作环境下的人员异常行为。实验结果表明：提出的港船作业区域人员异常行为识别方法的平均识别精度为91%，在港区工作环境下的人员异常行为识别精度为85%，在船舶驾驶台环境下，提出的异常行为识别框架对船员的不安全行为识别精度达到97%。所提出的识别框架在不同港船作业区域环境中都能获得较好的精度，验证了其有效性和可靠性。（陈信强，等：基于异步交互聚合网络的港船作业区域人员异常行为识别）

碰撞时间（TTC）是评价车车碰撞风险的有效指标，然而该指标分布规律受到交通状态影响。为研究车车（V2V）通信环境下不同交通状态的TTC分布规律，通过构建基于LTE-V技术的车车通信环境，开展实车实验获取4种典型城市道路中的驾驶数据。考虑加速度和航向角建立动态冲突辨识模型，计算车辆以任意角度接近时的TTC值；针对TTC值的结果出现多峰值现象，将交通流分为“拥堵、缓行、畅通”这3种状态，构建了考虑交通流状态的高斯混合模型以描述不同交通状态下的TTC分布规律，并采用最大期望（EM）算法进行参数求解。将所建高斯混合模型与负指数分布、对数正态分布、负指数/对数正态混合分布这3种传统的TTC分布模型进行对比，采用校正决定系数R2评价模型的拟合优度，并通过K-S检验验证模型的有效性。在此基础上，将所建高斯混合模型应用于非车车通信条件下不同交通状态的TTC分布拟合描述，进一步验证模型的适用性。结果表明：车车通信环境下“拥堵、缓行、畅通”这3种交通状态下的高斯分布均值逐渐增大，所处交通场景的碰撞风险依次降低；考虑交通状态的TTC高斯混合模型拟合优度为0.950 5，相较于其他TTC混合分布模型，拟合优度提升了0.057 5。（赖子良，等：车车通信环境下考虑交通拥堵状态的碰撞时间混合分布建模研究）

为了提高居民出行健康，建立了评估出行者采用不同出行方式时的PM人体摄入量估算方法体系。使用PM检测仪采集各出行方式（步行、自行车、公交、出租车、地铁）不同交通空间（包括车厢、站台、人行道等出行者在出行过程中身处的周围环境空间）的PM浓度，建立了基于多元线性回归的PM浓度与影响因素的关系模型，并考虑出行个体心率指标的变化建立空气吸入量模型。根据出行者的单位时间空气吸入量并结合出行时间和PM浓度，可对出行者1次完整出行中PM2.5和PM10摄入量进行估算。西安市的试验数据分析结果表明：出租车内、公交车厢、地铁车厢的PM浓度与环境监测站（即背景环境）获得的PM浓度存在显著性差异，人行道、非机动车道、出租车停靠点、公交站台、地铁站厅、地铁站台的PM浓度则差异不显著；背景环境的PM浓度和湿度对不同出行方式交通空间的PM浓度的增加起到促进作用，温度、风速对交通空间PM浓度的增加起到抑制作用；对于本次试验路径，慢行交通中自行车出行者的PM摄入量最低，机动化交通中乘坐地铁的出行者的PM摄入量最低；步行出行者的单位时间空气吸入量低但暴露在交通空间的时间长，自行车出行者单位时间空气吸入量高但暴露在交通空间的时间短；公交的站台候车和频繁停车增加了人体的PM摄入量。研究成果可用于预测出行者完整出行的PM摄入量，为出行者选择更为健康的出行方式提供建议。（朱才华，等：不同出行方式交通空间颗粒物浓度特征及人体摄入量估算方法研究）