Alertness-related differences in CF strategy among truck drivers based on naturalistic driving data
تفاوتهای مرتبط با هشیاری در راهبرد دنبالهروی خودرو (CF) در میان رانندگان کامیون بر اساس دادههای رانندگی طبیعینگر
چکیده
Driver drowsiness is a major safety concern in heavy-duty truck operation, particularly in freeway car-following (CF) scenarios that require prolonged vigilance and continuous longitudinal control. However, how drowsiness-induced reduced alertness influences truck drivers’ CF behavior in real-world settings remains insufficiently understood. To address this gap, this study established a naturalistic heavy-truck CF dataset from long-haul freeway operations, with driver alertness labels obtained from a Smart Eye system. A three-level analytical framework was adopted to examine the effects of alertness on CF behavior from the perspectives of high-level behavioral indicators, model-based mechanism characterization, and primitive-level temporal structure. Specifically, overall CF performance was first described using commonly used indicators, then parameterized using the Intelligent Driver Model (IDM), and further interpreted at a finer temporal scale through behavioral primitives identified by a disentangled sticky hierarchical Dirichlet process hidden Markov model (DS-HDP-HMM). The results consistently showed that reduced alertness was associated with changes in drivers’ longitudinal adjustment patterns, which may partly reflect compensatory responses. Compared with alert driving, non-alert driving was associated with a more conservative spacing strategy, milder and less aggressive longitudinal regulation, and more near-constant and weak-regulation behavioral primitives, while active acceleration and deceleration corrections were less frequent. These findings provide a multi-level understanding of the longitudinal control mechanisms underlying non-alert truck driving in freeway environments and offer behavioral evidence for the development of intelligent driving assistance systems that can better respond to non-alert road truck drivers.
خوابآلودگی راننده یکی از نگرانیهای عمده ایمنی در عملیات رانندگی کامیونهای سنگین، بهویژه در سناریوهای دنبالهروی خودرو (CF) در آزادراهها است که نیازمند هشیاری طولانیمدت و کنترل طولی پیوسته میباشد. با این حال، چگونگی تأثیر کاهش هشیاری ناشی از خوابآلودگی بر رفتار CF رانندگان کامیون در شرایط واقعی هنوز بهطور کافی درک نشده است. بهمنظور رفع این خلأ، این مطالعه یک مجموعه داده طبیعینگر CF کامیونهای سنگین از عملیات طولانیمدت در آزادراهها ایجاد کرد که برچسبهای هشیاری راننده از سامانه Smart Eye بهدست آمد. یک چارچوب تحلیلی سهسطحی برای بررسی اثرات هشیاری بر رفتار CF از منظر شاخصهای رفتاری سطح بالا، توصیف سازوکار مبتنی بر مدل و ساختار زمانی در سطح ابتدایی اتخاذ شد. بهطور مشخص، عملکرد کلی CF ابتدا با استفاده از شاخصهای رایج توصیف شد، سپس با مدل Intelligent Driver Model (IDM) پارامتردهی گردید و در مقیاس زمانی دقیقتر از طریق ابتداییترین رفتارها که توسط مدل DS-HDP-HMM (مدل فرآیند دیریکله سلسلهمراتبی چسبنده تفکیکشده پنهان مارکوف) شناسایی شدند، تفسیر شد. نتایج بهطور پیوسته نشان داد که کاهش هشیاری با تغییر در الگوهای تنظیم طولی رانندگان همراه است که ممکن است تا حدی بازتاب پاسخهای جبرانی باشد. در مقایسه با رانندگی هوشیار، رانندگی غیرهوشیار با راهبرد فاصلهگذاری محافظهکارانهتر، تنظیم طولی ملایمتر و کمتر تهاجمی، و رفتارهای ابتدایی نزدیک به حالت ثابت و با تنظیم ضعیفتر همراه بود، در حالی که اصلاحات فعال شتاب و کاهش سرعت کمتر رخ میداد. این یافتهها درک چندسطحی از سازوکارهای کنترل طولی زیربنایی رانندگی غیرهوشیار کامیون در محیطهای آزادراهی ارائه میدهد و شواهد رفتاری برای توسعه سامانههای هوشمند کمکراننده که بتوانند بهتر به رانندگان کامیون غیرهوشیار پاسخ دهند، فراهم میکند.