基于车辆运行数据的纯电动汽车用户驾驶风格识别与驾驶能耗分析

驾驶风格是用来体现驾驶员在车辆运行状态下对车辆操作的行为特征,对用户驾驶风格进行识别与分析,有利于推进智能驾驶的发展。根据基于116 辆纯电动汽车的车辆运行数据,通过主成分分析方法与K-means 聚类算法,对用户驾驶行为进行分类分析,对驾驶风格进行了分类识别。利用XGBoost 算法构建纯电动汽车驾驶行为与能耗输入模型,利用SHAP 对模型进行解释。结果表明,将驾驶风格聚为3 类具有较好的分类效果,可分别对应冷静型、普通型与激进型;当驾驶员的驾驶风格趋向于激进型时时,车辆的驾驶能耗越高,驾驶风格激进一个层级,车辆百公里电耗增加3~4倍。当驾驶员行车时,其车速越高,油门踏板踩得越深,车辆加速度的绝对值越大,车辆的驾驶能耗越高。驾驶员的驾驶风格越激进,车辆的驾驶能耗越高。     

驾驶风格对不同跟驰场景下跟驰行为影响分析

为了分析驾驶风格对不同跟驰场景下跟驰行为的影响,利用高逼真度驾驶模拟器设计晴天、雾天两种天气状况和自由流、拥挤流、阻塞流三种交通流状态组合的六类典型跟驰场景。以跟驰过程中的最大加速度、最大油门踏板受力、最大油门踏板受力速度作为指标,通过K-means聚类识别方法,对六类典型跟驰场景下不同驾驶风格的驾驶员进行聚类识别,并以跟车间距、车头时距为风险指标评价不同驾驶风格的驾驶员在六类典型跟驰场景下的跟驰风险。结果表明：六类典型跟驰场景下,不同驾驶风格驾驶员的跟驰行为存在明显差异;激进型驾驶风格驾驶员倾向保持更小的跟车间距和车头时距,跟驰过程中的碰撞风险更高;晴天和自由流场景下不同驾驶风格驾驶员跟驰行为差异性更加显著。     

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。     

基于人工智能算法的换道超车功能开发

随着汽车电气化、智能化的不断发展,汽车行驶的场景越来越趋于多样化和复杂化,从而促使汽车从辅助驾驶向智能驾驶不断创新。随着人工智能的引入,汽车智能驾驶功能越来越趋于实用,正在逐步实现向解放驾驶员双手、向车载高级驾驶辅助系统代替人脑进行复杂驾驶场景实时响应的阶段发展;高阶复杂场景智能驾驶功能则在辅助驾驶功能实现的基础上,针对驾驶员实际驾驶感受并结合人工智能算法实现向车辆复杂场景下的自动驾驶操作的方向发展。介绍了基于人工智能算法的换道超车功能开发,即通过换道条件的智能选择,使车辆以最佳方式自动完成换道超车过程。     

人机混驾环境下无信号交叉口自动驾驶汽车左转运动规划研究

为了使自动驾驶汽车在人机混驾环境下能安全、高效地左转通过无信号交叉口，在借鉴人类驾驶人左转时会对周围车辆驾驶意图进行提前预判的基础上，提出了一种基于周围车辆驾驶意图预测的自动驾驶汽车左转运动规划模型。首先将无信号交叉口处周围车辆的驾驶意图分为左转、右转、直行3种类型，利用相关向量机预测周围车辆驾驶意图，以概率形式输出意图预测结果并实时更新，进一步界定自动驾驶汽车与周围车辆的潜在冲突区域并判断是否存在时空冲突；接着，在充分考虑他车速度、航向及车辆到达冲突区域边界距离的基础上建立基于部分可观测马尔可夫决策过程的自动驾驶汽车左转运动规划模型，生成一系列期望加速度；最后，基于Prescan-Simulink联合仿真平台搭建无信号交叉口仿真场景，对所提左转运动规划方法进行仿真验证，将基于博弈论的运动规划方法、基于人工势场理论的运动规划方法与所提出的方法进行比较，并选取行进比例达到1所用的时间和碰撞次数作为评价指标。研究结果表明：基于相关向量机的驾驶意图预测方法可在自动驾驶汽车到达交叉口之前准确预测出他车驾驶意图；基于部分可观测马尔可夫决策过程的左转运动规划方法能够通过速度调整策略实现人机混驾环境下自动驾驶汽车与周围车辆在无信号交叉口处的交互；不同算法对比效果表明，所提左转运动规划方法在自动驾驶汽车与不同数量周围车辆交互的仿真场景下均可有效避免碰撞事故发生并提高自动驾驶汽车左转通过无信号交叉口的效率。     

面向安全预警的机动车驾驶意图研究现状与展望

简述当前开展面向安全预警的机动车驾驶意图研究的目的和意义.分析国内外研究现状,得出从驾驶员行为及驾驶动作序列角度开展驾驶意图研究的可行性和有效性,同时介绍了 2种基于概率与数理统计的机动车驾驶意图建模方法.结合驾驶员在直线封闭路段实施驾驶行为特征,阐述使用隐马尔科夫模型(HMM)理论建立驾驶意图模型的步骤以及模型参数学习和系统在线优化算法等内容.对驾驶意图模型网络结构、动态性能方面相关研究方向进行展望.     

混合动力汽车驱动意图识别转矩补偿控制策略

通过车体冲击度对驾驶员驱动意图进行识别,并结合车辆的加速度确定了基于模糊控制的车辆驱动转矩补偿系数求解方法,在满足驾驶员需求的条件下,通过转矩补偿系数对电机补偿的发动机迟滞转矩进行优化,建立了基于工况的驱动意图识别转矩补偿控制策略。利用硬件在环平台在NEDC工况下对所制定的转矩补偿控制策略进行仿真分析,结果表明,在同等油耗条件下,所制定的转矩补偿策略与没有加入驱动意图识别的转矩补偿策略相比,电池SOC增加了2.1%。     

基于车辆行驶数据的驾驶风格识别

车辆驾驶员驾驶风格对于汽车的燃油经济性和行驶安全性有重要的影响。文章就基于车辆行驶数据在驾驶风格识别方面的研究进行综述,首先介绍了驾驶员驾驶风格识别的基本流程,接着论述不同学者在驾驶风格识别方面使用的算法模型,包括支持向量机（SVM）算法、反向传播（BP）神经网络算法、随机森林模型算法,然后基于实际车辆行驶数据,利用不同驾驶风格识别模型对其进行实现分析,最后对驾驶员驾驶风格识别的研究工作进行了展望。     

基于OpenCV的红外图像预处理算法研究

准确获取驾驶员的面部表情特征不仅能够有效判定驾驶员当前驾驶疲劳程度,而且能够为驾驶意图的判断提供可靠基础数据。为了全天候监控驾驶员面部表情特征,提出利用具有良好兼容性和快速处理图像特点的OpenCV获取人的面部表情特征,该算法利用车载红外探头实时采集驾驶员面部图像信息,对采集回来的图像进行滤波以及二值化处理,依据红外红外光谱和夜间驾驶员红外脸图特征对图像进行分割,从中提取出驾驶员脸部区域,从而实现对驾驶员脸部区域的准确定位。     

基于驾驶风格识别的AEB控制策略

为了考虑个性化的驾驶员特性对AEB控制策略的影响,提出了一种基于不同驾驶员驾驶风格的AEB控制策略。根据AEB危险场景下的驾驶员反应时间和情境风险度评价得分提出了驾驶风格识别系数的评价指标,通过驾驶员特性所呈现的人群聚类规律,将驾驶员分为谨慎型、普通型和激进型,同时引入危险系数来分级控制安全距离模型的制动减速度,完成紧急状况下的车辆制动。Simulink与Trucksim联合仿真结果表明,不同驾驶风格驾驶员对AEB系统介入时机与最小安全距离的心理预期具有不同的个性化需求,基于不同驾驶风格的AEB控制策略可以有效改善AEB系统的适应性,提高驾驶员的舒适性。     

基于驾驶员意图和行车安全的下坡辅助制动退出方法

针对下坡工况下混合动力汽车辅助制动控制退出过程中可能产生的安全隐患,本文提出一种基于驾驶员主观意图和行车安全的辅助制动退出控制方法。通过对下坡辅助制动过程中车辆的受力情况和驾驶员驾驶意图的分析,分别制定了基于驾驶员加速意图和制动意图的下坡辅助制动退出策略,并据此设计了对下坡辅助制动退出的协调控制过程。最后通过仿真和实车试验对以上策略进行验证,结果表明,该方法在符合驾驶员驾驶意图的前提下,可以保证下坡辅助制动退出过程中车速始终受驾驶员控制,提高了辅助制动退出过程的安全性,并对驾驶员的误操作有一定的容错能力。     

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.      

基于表征驾驶风格的驾驶员纵向加速度模型

驾驶员驾驶风格的差异会引起纵向加速度决策与最优值存在一定程度的偏差.改进了基于最优预瞄的驾驶员纵向加速度模型,以跟随速度为参考量,提出了多点多目标的二阶预瞄决策模型,并以预瞄视野、决策意愿和决策偏差表征驾驶员的驾驶风格进行建模.通过Simulink-Carsim联合仿真,验证模型可以反映出不同驾驶风格下的驾驶行为,为研究分析真实驾驶行为提供借鉴.     

基于SOM神经网络的多工况驾驶风格识别

不同的驾驶员对车辆的各项性能可能有个性化地要求,因此有必要对驾驶风格的分类与识别问题进行研究。首先在驾驶模拟器上采集不同驾驶员在多工况下的数据,利用主成分分析法选取驾驶员在各个工况下的特征参数,SOM神经网络分别对起步、加速及制动工况下的驾驶数据进行了聚类分析,然后以驾驶风格聚类分析结果为基础,建立了基于SOM神经网络的驾驶风格识别系统,该系统可根据驾驶员驾驶历史数据来判断其驾驶风格,最后以某一温和型驾驶风格识别结果为例验证了系统的合理性。     

基于车辆加速度数据的互通立交匝道驾驶风险分析

为明确互通立交匝道的运行特性和驾驶风险,在重庆市南山立交和江南立交开展了超过30位被试者的小客车实车驾驶试验,通过Speedbox和Mobileye等车载高精度仪器采集了小客车在4条迂回式匝道上的连续运行数据,包括行驶速度、横向加速度、纵向加速度等,明确了迂回式匝道的车辆运行状态,然后运用表征横、纵向加速度关系的G-G图分析了匝道行驶过程中的驾驶风险,确定了立交匝道不同位置的危险等级及危险驾驶行为的高发路段。研究结果表明:①立交匝道上小客车的横向加速度与速度呈三角形分布,纵向加速度与速度呈椭圆形分布;②小半径曲线匝道上出现危险驾驶行为的比例要高于大半径曲线匝道;③通过统计不同断面的危险驾驶行为点占比,将匝道的危险断面分为低风险、中风险、高风险3个等级;④男性驾驶员在立交匝道上的危险驾驶行为占比要高于女性驾驶员,冒险型驾驶员的危险驾驶行为占比要高于其他驾驶风格的驾驶员;⑤立交匝道的危险高发路段通常位于速度变化剧烈的路段,即入弯减速段和出弯加速段。      

自动变速车辆下坡换挡策略研究

为解决传统自动变速车辆下坡行驶时意外升挡等问题,从发动机制动特性出发,分析了车辆带挡滑行时的动力学特性。在此基础上,结合公路设计标准确定了目标参考车速和约束挡位,制定了基于道路坡度信息的下坡工况换挡控制策略,并运用Matlab/Simulink和驾驶模拟器进行了驾驶员在环仿真实验。结果表明:该换挡策略能有效解决通常自动变速车辆下坡行驶时存在的问题,并能在一定程度上体现驾驶员的驾驶意图;既能充分利用发动机的制动作用,又能在保证安全的同时兼顾行驶效率,更好地满足了自动变速车辆坡道行驶的要求。     

视觉分神对驾驶员跟驰行为的影响

为了研究驾驶员视觉通道被车载信息系统所占用时,驾驶员对交通信息进行实时加工处理的机理及其应对事故风险的能力,模拟车载信息系统设计了诱导驾驶员视觉分神的驾驶次级任务。根据次级任务的复杂程度划分为3个任务难度等级,使得驾驶员单次视线离开路面的时间随着次级任务难度增加而递增;基于驾驶仿真试验平台,构建了城市道路和高速公路下的典型跟驰场景;招募熟练驾驶员,于驾驶过程中根据试验声音提示执行驾驶次级任务。对采集的试验数据先采用箱图方法进行离群处理,对筛选后的数据采用方差分析和多重比较的方法,分析驾驶员对车辆车道位置掌握、转向盘调整等相关横向操控行为,驾驶员对车辆纵向位置调整、车速调整等相关纵向操纵行为,以及通过其对车辆横纵向控制反映出的补偿措施。分析结果表明:无论车辆处于高速还是低速行驶环境,处于视觉分神状态的驾驶员对车辆的横向控制能力均会变差;驾驶员视线离开路面的时间越长,其对车辆的横向控制能力越差;车辆高速行驶时,驾驶员将面临更大的横向失控风险;而无论车辆处于高速还是低速行驶环境,驾驶员在意识到自身视线离开路面时间过长后,均会通过降低速度和增大跟车距离,以平衡视觉分神带来的纵向方向上的事故风险。     

高速公路曲线路段驾驶员速度感知变化规律

为了解曲线路段驾驶员车速感知变化规律,采用UC-win/Road驾驶模拟仿真系统设计了半径从400 m～1000 m的路线场景进行驾驶模拟试验.用软件内置的ECO驾驶插件采集车辆全路段的实时车速,采用"询问法"获取驾驶员在特征点的感知车速,对比分析特征点的感知车速与实际车速,并选取与模拟场景基本一致的路段进行实地验证....     

汽车经济性驾驶技术及应用概述

汽车经济性驾驶是道路交通节能减排的重要方向。该技术以驾驶人与车辆/道路/交通流的优化与协调为核心,通过重塑驾驶员习惯、辅助驾驶员操作以及车辆自动化控制等手段,满足出行需求的同时降低行驶过程的油耗。该文综述了汽车经济性驾驶技术的发展历史、技术现状与理论难点;介绍了节油驾驶策略的实验型和理论型辨识方法。其应用可分为3类:易于实施、适合政府层面推动的驾驶员教育;最具产品化前景、值得业界关注的节油驾驶辅助;将是经济性驾驶技术的理想载体的自动驾驶。     

基于国外技术研究方法的弯道驾驶行为特征统计分析

为理解驾驶员行为特征,提高自动驾驶汽车的类人驾驶能力,借鉴国外研究成果,基于自然驾驶数据集,对驾驶员在弯道行驶过程中的行为特征开展了研究。选择车辆纵向速度、侧向加速度、横摆角速度和车速作为驾驶员行为特征,选择弯道曲率半径作为道路几何特征,利用车辆动力学原理进行弯道工况识别,通过核密度估计及相对熵对数据集特征参数分布的收敛性进行验证,并对弯道行驶过程中驾驶员行为特征及道路几何特征进行了统计分析。分析结果可以为设计具有类人操作特性的自动驾驶或驾驶辅助个性化系统提供数据支撑。