城市公交客车弯道行驶油耗优化方法

驾驶员不同的驾驶行为会导致公交客车行驶油耗的较大差异,这种差异在弯道、上下坡、红绿灯、公交站等特殊路段更为突出。为了探讨降低公交客车弯道行驶油耗的方法,根据车辆远程数据采集系统所采集的天津市滨海公交503路上6位驾驶员10多万公里的行车数据,提取了该线路28个弯道数据,建立了弯道几何描述模型。研究了弯道几何特征和驾驶员驾驶行为对过弯油耗的影响,提出基于动态规划的车辆过弯油耗优化方法,并通过仿真验证了该优化方法的效果。结果表明,对于所选择的两个典型弯道,通过驾驶行为优化,油耗可分别降低7.96%和27.51%。     

基于驾驶员数据学习的自动驾驶车辆弯道转向控制研究

针对自动驾驶车辆的弯道转向控制问题,提出了一种基于驾驶员操纵数据分析和学习的控制方法。首先,建立了人-车-路软硬件综合模拟驾驶平台,采集了多位驾驶员在不同弯道上的转向操纵数据及车辆状态数据;然后,采用离散分析和拟合分析进行数据分析,并基于模糊综合评价算法建立转向行为评价体系进行数据评价与筛选;最后,将筛选后的驾驶员数据作为训练样本进行神经网络训练,建立基于神经网络的弯道转向控制器。仿真和实车验证结果表明,所设计的控制器能够很好地模拟熟练驾驶员在弯道上的转向行为,并能够保证车辆在弯道行驶的安全性和稳定性。     

驾驶员弯道操纵能力实车测试与分析方法研究

为客观评价不同驾驶员的弯道操纵能力，提出了一种驾驶员弯道行驶过程操纵行为实车测试分析方法。招募12名驾驶员在试验场标准路面上进行实车试验，分别以30 km/h、40 km/h、50 km/h的初速度驶入U形弯道并自由行驶，记录驾驶员操控数据和车辆运动状态数据，对驾驶员弯道操纵能力进行分析。试验结果表明：不同能力的驾驶员在纵向车速、纵向加速度、纵向急动度、转向盘转角、横摆角速度、转向盘转角熵值等指标上呈现明显差异。该方法可进一步扩展应用于自动驾驶汽车的弯道行驶能力分析评估。     

双车道公路平曲线段行车轨迹偏移实验研究

双车道公路弯道处行车轨迹是车辆自由行驶时的重要特征,通过对行车轨迹及运行速度综合效应的分析,得出双车道公路自由行驶的车辆在弯道上行驶时行车轨迹偏移规律,并建立了自由行驶状态下道路线形与行车轨迹和速度之间的相关模型.据此可对弯道处行驶时的驾驶行为及行车安全进行分析,并对道路弯道处线形和断面进行改善.     

双车道公路小半径弯道转向行为及控制对策研究

基于驾驶模拟实验研究双车道公路弯道路段的车辆转向行为。采集了10名驾驶员在不同半径、不同坡度条件下的弯道转向行为数据。分析了车速、横向偏移距离和心率的变化规律。得到了横向偏移突变距离和半径之间的数学关系。结果表明:弯道行驶车辆在曲中点之前车速会降至最低值;随后驾驶员会采取加速操作,此时车辆会产生一次横向偏移突变;突变的长度与车速、半径均有关;偏移形态以向道路中线方向偏移为主;因此,针对弯道的安全改造应以限速和诱导车辆远离道路中线为主。     

弯道行驶防侧滑预警与控制系统设计

弯道侧滑对汽车行驶安全性具有重要影响。为提高车辆在弯道行驶的安全性,文中设计一种弯道行驶防侧滑预警与控制系统。首先对汽车弯道行驶工况进行受力分析,提取弯道行驶安全影响因素;然后对预警与控制系统原理图进行设计,针对汽车侧滑时驾驶员反应时间不足及制动时安全性情况设计了预警安全系数及点刹制动两种方案;最后在控制成本和避免警报过多干预驾驶员驾驶行为的前提下对预警与控制系统模块进行设计及装置选型,采用车辆稳定性控制(DSC)系统现有传感器和预警声道由弱至强的方法实现预警和控制,使整个系统经济可行且适用性较强。     

自适应均衡学习的端到端类人驾驶控制决策网络

针对现有端到端自动驾驶网络对于类人驾驶行为与思维特征模拟不足的问题，从类人驾驶特征出发，设计了一个包含时空特征、历史状态特征及未来特征的端到端类人驾驶控制决策网络。采用多层卷积和长短期卷积时序记忆网络（Conv-LSTM），对前方道路视觉感知图像时间序列进行时空特征提取，同时采用一维卷积和长短期时序记忆网络（Long Short-Term Memory，LSTM） 对车辆状态信息时间序列进行历史状态特征提取，进而采用多任务参数共享方式进行当前时刻和未来序列的方向盘转角、车速的控制决策，并以未来序列作为辅助任务督促当前时刻的主任务学习。为更好地耦合汽车纵横向控制参数学习的过程，还提出一种权衡纵横向控制参数损失量级及学习速度的权重自适应方法，并引入容差阈值，建立衡量纵横向控制参数训练效果的评价方法。依托Comma2k19数据集对所构建控制决策网络进行训练和验证，体现出良好的可行性及优越性。     

雾天对弯道驾驶行为的影响研究

雾天环境下不良的视距条件使得驾驶员在驾驶过程中存在安全隐患.利用驾驶模拟器,选取雾天环境作为典型干预因素进行驾驶模拟实验,同时考虑驾驶人职业和性别作为可能的影响因素,实验设计直角弯道和S形连续弯道2种道路线形,从实验数据中抽取平均车速与车辆驶出弯道率作为关键变量,采用多变量方差分析、均值统计等方法分析雾天环境下驾驶人的驾驶速度和驶出弯道率,并建立Logistic回归模型分析各因素对车辆驶出弯道可能性的影响.实验结果表明,驾驶人在弯道雾天行驶时的平均车速要比无雾情况下略高,且职业驾驶人的平均车速较非职业驾驶人明显偏低;随着雾的浓度的增大,驾驶人在直角弯道处和S形连续弯道处驶出弯道的比例均显著增大.     

公路弯道昼夜驾驶行为特征研究

文章旨在研究昼夜对驾驶员在弯道处对车辆控制能力的影响,以此完善道路风险评估理论。借助模拟驾驶仪,选取14名驾驶员在昼夜条件下进行弯道驾驶试验。对试验数据进行了对比分析,并利用Logistic回归模型分析昼夜对弯道驾驶的影响程度,以此建立评价驾驶员紧张程度的数学模型。结果表明:对于驾驶员车辆控制能力,白天普遍要好于夜间,且与弯道半径呈正相关。另外,驾驶员夜间紧张程度也随半径变化而变化。基于此,可以针对昼夜、不同弯道半径分别实施车速限制标准,从而提高道路交通安全。     

汽车驾驶员车道内行车特点分析

基于图像传感器获得的车辆位置信息,提出一种分析汽车驾驶员驾驶特性的新方法。建立基于模糊机制的驾驶员车道内行驶安全评价模型,以数据库的观点对车辆行驶过程数据进行描述,通过分时间段采样的方式记录行驶车辆距道路标识线的横向距离,根据采样数据特征的统计分析结果确定车道内行车的安全评价模糊隶属度,以此评估驾驶员车道内行车的安全性,分析驾驶员的行车特点。车辆行驶试验表明,该方法能够准确分析驾驶员的行车状态,并评判驾驶员车道内行驶的安全特性。     

基于层次分析法的驾驶员驾驶倾向性研究

驾驶倾向性是研究微观交通仿真的一个重要生理-心理特征参数，主要受到人、车、路、环境等多方面的影响，具体表现为汽车驾驶员自身状况、驾驶车辆状况、行驶道路及环境状况、交通干扰、气象情况以及所承载的任务缓急等影响因素。如何准确地确定驾驶员驾驶过程中的动态驾驶倾向性是研究驾驶员行为的难点。文章基于驾驶员的生理-心理特征，采用层次分析法（AHP），对驾驶员行驶过程中的决策行为逐层递阶量化，建立基于层次分析法的驾驶倾向性模型,并进行实证分析。结果表明：层次分析法可用于驾驶员驾驶倾向性的识别。     

基于模糊神经网络的驾驶员弯道安全感受预测模型研究

论述了在人-车-路(环境)系统中驾驶员弯道安全感受的非线性特性。为了体现车辆、道路结构对驾驶员认知过程的作用和认知结果形成的影响,驾驶员弯道安全感受模型采用弯道平曲半径、车辆运行速度和驾驶员驾龄作为道路线形、车辆结构动力性、驾驶员经验的主要特征参数集,在增加积极和消极补偿运算的基础上,构建出模糊逻辑推理规则与神经网络优化逼近运算相互结合的5层推理预测模型,并结合实例数据,进行了对比分析验证,表明5层结构模型能够较好的满足特定弯道条件下驾驶员主观安全感受的认知推理预测要求,能够准确的、稳定的再现出驾驶员主观安全感受同驾龄、平曲半径和车辆运行速度间的相互作用关系。     

驾驶员接管自动驾驶车辆研究进展

为全面认识自动驾驶接管行为特征,分析驾驶员接管行为,结合自动驾驶接管的技术和现实背景,从自动驾驶接管绩效的影响因素,包括场景、技术、心理和生理等因素,梳理国内外驾驶员接管自动驾驶车辆的研究成果,总结主要研究内容和方法,并展望其未来研究趋势.通过归纳和分析揭示了影响驾驶员接管自动车辆的因素,主要包括接管场景和接管请求方式,同时非驾驶相关任务和年龄等因素也会影响驾驶员的接管行为和表现.针对驾驶员接管的驾驶特征及行为研究,内容精确丰富,方法科学完善;而对驾驶员接管绩效评价和干预研究,重点关注在统计学的基础上,建立完善的数据指标评价体系,用于评价和干预驾驶员接管绩效.未来针对自动驾驶接管的研究,一方面寻求自动车辆技术突破;另一方面综合心理学和统计学理论基础,建立驾驶员接管能力培训体系.      

针对弯道场景的角毫米雷达数据处理研究

车辆盲区监测系统作为辅助驾驶员视角的系统,对减少驾驶员观测盲区具有重要意义。角毫米波雷达数据基于直角坐标系进行数据处理,而当车辆处于弯道行驶时,常用方法很难判断后方车辆是否与本车辆在同一车道上。基于此,提出基于车辆转向模型和最小二乘法轨迹圆拟合相结合的道路曲率计算方法,从而判断其它车辆与本车之间的相对车道位置,以此推测其它车辆是否对本车的正常行驶带来危险,从而当车辆在弯道行驶时降低盲区监测系统的误报率。     

雾天不同能见度条件下高速公路限速建议值研究

高速公路雾天不同能见度条件下,驾驶员对道路线形走向的敏感性有所变化,驾驶员需要不断调整方向盘,以不同的车速行驶在线形不断变化的高速公路上.为了探寻在雾天不同能见度条件下,驾驶员以不同车速通过不同曲率道路时的驾驶行为安全特性,利用UC-win/Road建立道路驾驶模拟环境,采集驾驶员在单因素和正交多因素实验方案条件下的车辆运行轨迹数据,结合驾驶行为特点提出了新的评价指标(车辆横向偏移系数)对驾驶员的驾驶行为进行分析.结果表明,能见度、圆曲线半径和车速对车辆横向偏移均具有显著性影响;并且通过正交试验确定各因素对车辆横向偏移影响由强到弱依次为:能见度(F=531.643)>圆曲线半径(F=256.599)>车速(F=45.986).      

基于LabVIEW的自动驾驶汽车在线振动监测与诊断系统

为了提高自动驾驶汽车在道路测试中的安全性,基于LabVIEW设计了一种自动驾驶汽车在线振动监测与诊断系统。该系统通过上位机与驾驶机器人通信,获取车辆运行状态数据,同时对自动驾驶车辆的振动在线监测,最后结合车辆振动数据和状态信息进行在线诊断,开发了监测与诊断界面,实现了自动驾驶汽车在道路测试行驶过程中的振动在线监测与诊断。     

基于模糊规则的弯道安全车速研究

弯道是道路交通事故的多发场所,而弯道路段的车辆安全车速受多种因素影响。为综合考虑影响车辆安全行驶的驾驶员、车辆、道路环境等因素,基于模糊规则推导出弯道安全车速的安全系数,同时基于车辆动力学计算车辆在弯道行驶时的临界安全车速,将两者结合保证车辆安全行驶。Simulink和Carsim联合仿真实验结果表明:该方法可以有效保证车辆在弯道的安全行驶。     

基于图卷积网络的多信息融合驾驶员分心行为检测

为减少由驾驶员分心造成的交通事故,并检测驾驶员在自动驾驶情况下的分心状态以判断驾驶员是否有接管车辆的能力,提出了一种基于图卷积的多信息融合驾驶员分心行为检测方法。通过分析驾驶员分心行为和姿态特征,设计了驾驶员姿态估计图,基于图卷积网络对驾驶员姿态估计图进行特征提取,使用全连接层对所提取特征进行行为分类,同时融合手机等关键物体信息对驾驶员分心行为进行再判断。实验结果表明,本文提出的方法在SrateFarm数据集和自制数据集上分别达到了90%和93%的准确率,检测速度约为20帧/s,准确性和实时性均达到检测要求。     

驾驶模拟器在自动驾驶系统中的应用研究

自动驾驶车辆在实际道路上行驶之前的测试阶段是一个至关重要的环节。一个低成本、高效率以及高精度测量的自动驾驶车辆的测试方式,对于自动驾驶车辆的开发具有重要意义。将驾驶模拟器运用到研究自动驾驶车辆测试已是近年来的一个研究热点。基于虚拟驾驶场景的自动驾驶车辆的检测,通过组合虚拟驾驶场景的背景车辆、行人、交通灯、建筑、指示标牌等元素,研究将驾驶模拟器与虚拟驾驶场景的联合应用来测试自动驾驶车辆。设计了典型的交通场景,通过自动驾驶车辆和背景车辆的实时交互,研究自动驾驶车辆的各项性能指标。研究结果表明:该驾驶模拟器可以高度拟合人类驾驶体验,驾驶员通过驾驶模拟器控制背景车辆能够很好的模拟现实中的驾驶行为,对自动驾驶车辆的仿真测试起到了促进作用。     

商用车辆异常驾驶行为检测算法研究

利用车联网数据可以对驾驶员的异常驾驶行为进行检测。为了解决常用的异常驾驶行为检测算法对商用车辆不适用的问题,提高车联网数据在商用车领域的异常驾驶行为检测的精确度和效率,研究并提出了商用车辆异常驾驶行为检测算法。首先分析700多辆商用车辆历时两年的行驶数据,利用数据挖掘的方法对车联网数据进行预处理和可用信息挖掘,随后提出了针对商用车辆的疲劳驾驶行为、异常加减速行为和不按规定路线行驶行为的检测算法,并利用真实数据对算法进行验证。结果表明,该算法能有效识别商用车辆的异常驾驶行为,可以给物流企业以及相关管理部门提供合理、可靠的管理依据。