大量事故案例表明，在高速公路上驾驶员不安全行为因素造成的交通事故约占总事故的95.30%，比普通公路上比例高20%左右，几乎每一起高速公路交通事故的直接原因都是驾驶员操作失误造成的，而驾驶员行车过程中80%以上的交通信息是通过视觉获得的，说明高速条件下，道路景观视觉环境对安全行车的影响很大。长期以来由于各种原因交通安全研究主要集中在人、车、路三大因素而忽视了对环境的研究，已有交通环境方面的研究也多数把重点放在了公路线形、交通工程设施安全性评价上，缺少路侧景观要素对驾驶员行为、交通安全作用机理与影响规律方面的研究。 本项目主要基于交通心理学、人机工程学、景观学、色彩学、图像分析技术，以驾驶员生理特性为桥梁，研究了高速公路路侧景观的提取及量化；对比分析了标记分水岭算法、Canny算子边缘检测算法及纹理分析算法的分割效果，最终选定了鲁棒性较强的纹理分析算法进行路侧景观图像分割。利用K均值聚类分析法提取了景观的RGB向量值；以驾驶员的心率均值MHR、脑电的α/β值和δ波功率谱密度积分等指标为模型的输入变量，驾驶疲劳等级为模型的输出变量，建立了基于支持向量机的驾驶员疲劳等级判别模型，同时引入粒子群算法优化SVM的惩罚系数和核函数参数，对判别模型进行标定；采用对数函数分别建立了驾驶时间、景观色彩值与心电MHR之间的关系式；为了研究两个因素对MHR的联合作用规律，基于上述两个关系式建立了驾驶时间、景观色彩值与MHR的综合关系模型。分别采用三次高斯函数、双指数函数建立了驾驶员脑电α/β值与驾驶时间、景观色彩值的关系模型，基于上述两个关系式建立了驾驶时间、景观色彩值与α/β的综合关系模型。分别采用三次高斯函数、幂函数建立驾驶员脑电δ值与驾驶时间、景观色彩的关系模型，基于上述两个关系式建立了驾驶时间、景观色彩值与δ的综合关系模型。采用单因素敏感性分析方法对所建模型进行敏感性分析，定量研究了驾驶时间、景观色彩对驾驶员各项生理指标的影响程度。本项目的研究为进一步深入研究高速公路路侧景观与安全的关系、景观安全性设计提供理论指导。 2100433B