孙秦豫 副教授

• 学院： 汽车学院
• 性别： 男
• 出生年月： 1990-11-07
• 职称： 副教授
• 学位： 博士
• 学历： 博士研究生
• 毕业院校： 长安大学
• 联系电话：
• 电子邮箱： sunqinyu@chd.edu.cn
• 通讯地址：
• 邮编：
• 传真：
• 办公地址：
• 教育经历：

孙秦豫, 博士，副教授，长安大学青年学术骨干。2020年12月进入长安大学汽车学院工作，主要研究方向为智能驾驶、人机协作、驾驶行为特性分析、智能驾驶测试。主持国家自然科学青年基金1项，博士后科学基金1项，参与国家重点研发计划和国家科技支撑计划项目子课题各1项，参与省部级及企业横向科研项目5项，参与编写教材1部。共发表SCI/SSCI论文20余篇，其中，第一作者和通讯作者论文13篇，申请发明专利6项。

智能驾驶 人机协作 驾驶行为 汽车安全

本科

电动汽车技术

工程热力学与发动机原理

研究生

科技论文写作

（1）国家自然科学青年基金项目，基于驾驶人认知决策迁移的人机协作混合增强智能控制策略研究，30万，主持，2022.1-2024.12.

（2）中国博士后科学基金项目，面向人在回路的智能驾驶人机协作混合增强智能控制策略研究，8万，主持，2022.1-2023.12.

（3）中央高校基本科研业务专项，共驾模式下驾驶人意图理解与混合智能控制策略研究，5万，主持，2022.3-2023.12.

（4）国家重点研发计划项目子课题，交通行为预测与运行风险在线评估关键技术，89万，参与，2019.12-2022.12.

（5）国家自然科学基金面上项目，基于感知冲突与姿态不稳定理论耦合的自动驾驶车辆乘员晕动评价与改善研究，54万，2023.01-2026.12.

（6）教育部长江学者与创新团队发展支持计划滚动支持项目，人-车系统安全理论与技术，300万，参与，2018.01-2020.12.

（7）陕西省重点研发计划项目子课题，智能网联商用车关键零部件开发，100万，参与，2021.09-2023.12.

（8）中央高校基金，基于人因理论的高风险交通行为防控方法研究，18万，参与，2021.01-2021.12.

A multimodal deep neural network for prediction of the driver’s focus of attention based on anthropomorphic attention mechanism and prior knowledge. Expert Systems with Applications,2023, 214, 119157.

Passenger non-driving related tasks detection using a light weight neural network based on human prior knowledge and soft-hard feature constraints. Expert Systems with Applications, 2023,119631.

Real-Time Driver Behavior Detection Based on Deep Deformable Inverted Residual Network With an Attention Mechanism for Human-Vehicle Co-Driving System. IEEE Transactions on Vehicular Technology, 2022,71(12), 12475-12488.

Driver’s mobile phone usage detection using guided learning based on attention features and prior knowledge. Expert Systems with Applications, 2022, 206: 117877.

Lane change strategy analysis and recognition for intelligent driving systems based on random forest. Expert Systems with Applications, 2021, 186: 115781.

Comparing the Effects of Visual Distraction in a High-Fidelity Driving Simulator and on a Real Highway. IEEE Transactions on Intelligent Transportation Systems, 2021.

人机协作系统中车辆轨迹规划与轨迹跟踪控制研究. 中国公路学报, 2021, 34(9): 146-160.

Improving the User Acceptability of Advanced Driver Assistance Systems Based on Different Driving Styles: A Case Study of Lane Change Warning Systems. IEEE Transactions on Intelligent Transportation Systems，2020, 21(10): 4196-4208.

Lane change warning threshold based on driver perception characteristics.(2018). Accident Analysis & Prevention，117 (2018): 164-174.

Human-like car-following model for autonomous vehicles considering the cut-in behavior of other vehicles in mixed traffic. Accident Analysis & Prevention, 2019,132, 105260.

Lane change safety assessment of coaches in naturalistic driving state. Safety Science, 2019, 119, 126-132.

Can driving condition prompt systems improve passenger comfort of intelligent vehicles? A driving simulator study. Transportation Research Part F: Traffic Psychology and Behaviour, 81(2021), 240-150.