我院张玉婷博士致力于交叉口驾驶行为与智能预警技术研究。她2018年从北京交通大学博士毕业后入职长安大学。多年来，她认真做好教学工作，并获得优秀毕业设计指导教师1次；主持国家自然科学基金青年项目1项，参与国家级项目3项和省部级项目1项。2021年获中国物流与采购联合会科学技术奖二等奖（第三完成人）。这里介绍她围绕“交叉口驾驶行为与智能预警技术”开展研究取得的系列成果。
她在该领域的研究成果，可归结为四个方面：
研究成果一：交叉口事故严重程度影响因素关联特性算法研究
为探究平面交叉口不同严重程度交通事故影响因素的关联特性，从驾驶人、环境、道路、车辆四个维度出发，建立了带约束的二进制粒子群-蚁群算法以挖掘交叉口事故严重程度的关联规则。首先通过二进制粒子群算法确定最优提升度和支持度阈值，再利用蚁群算法挖掘最大频繁项集，并增加规则前项与后项的约束，以提高关联规则挖掘效率。研究结果表明，BPSO-ACA算法可在精准识别潜在因素与事故等级关联结果的基础上减少冗余无效关联规则，提升规则挖掘效率。
研究成果二：多阶段交叉口车载避撞预警系统研究
设计多阶段交叉口事故避撞预警系统，结合驾驶模拟器和眼动设备，分析不同的预警信息发布形式、预警发布时机和预警内容对交叉口驾驶行为和眼动行为的影响。研究结果表明，语音预警信息能够帮助降低碰撞率，缩短驾驶人减速度反应时间和提高驾驶人采取避撞措施能力；随着预警信息发布时间提早，驾驶人发生碰撞事故可能性逐渐降低，减速反应时间呈下降趋势；包含方向性提示的语音预警信息可以帮助驾驶人快速监测到潜在危险目标，增加驾驶人扫视和监测潜在闯红灯车辆的行为，降低驾驶人减速反应时间。
研究成果三：恶劣天气对车载事故预警功效影响研究
考虑恶劣驾驶环境，尤其是近些年的雾霾天气对驾驶人行车安全的影响，设计雾天驾驶环境下驾驶人通过信控交叉口的驾驶场景，提出多阶段预警方案，研究雾天驾驶人行为补偿表现机制以及雾天环境对车载事故预警功效的影响。研究结果表明，相较于晴天驾驶环境，浓雾驾驶环境导致驾驶人发生闯红灯行为可能性增加，停车减速反应时间增加，且停车时采取更为猛烈的刹车行为。相较于无预警条件，多阶段预警信息可以帮助驾驶人降低闯红灯率，缩短驾驶人黄灯减速反应时间，降低最大减速度值，且浓雾驾驶环境下黄灯减速反应时间及最大减速度值的下降程度大于白天晴天驾驶环境。
研究成果四：抵近交叉口分心驾驶识别模型研究
综合考虑抵近交叉口全过程驾驶人的横纵驾驶行为指标，筛选驾驶人分心状态识别指标，建立基于双向长短时记忆网络分心驾驶识别模型。研究结果表明，驾驶人是否分心在纵向行为指标制动反应时间均值、制动操作时间均值、刹车踏板力度均值和刹车踏板力度标准差上存在显著差异，在横向行为指标方向盘转角标准差、变化率均值、转角变化率标准差和车道偏距方差上存在显著差异，且分心任务引起的纵向行为指标差异主要表现在黄灯阶段，横向行为指标差异则主要体现在整个抵近过程。BILSTM模型分心状态识别的精确率最高，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。
