基于危险性的汽车ACC切车场景设计研究

针对汽车自适应巡航控制系统功能测试需求，基于曝光度及危险性分析设计ACC切车场景。基于自然驾驶数据，通过对切车工况数据特征进行分析，提取切车工况，并基于先验的智能驾驶模型、最优化方法和扫描线种子填充算法设计了关键切车场景。基于场景仿真软件完成了关键切车场景的构建及对ACC功能模块的仿真验证，并进行了危险切车场景仿真分析。结果表明基于考量场景曝光度及危险性的自然驾驶关键切车场景提取与设计方法，可有效设计开发汽车自适应巡航控制系统典型测试场景。     

汽车驾驶模拟器在交通安全中的应用综述

汽车驾驶模拟器是1种研究“人‐车‐路‐环境”交通特性的重要工具,由于具有重现性好、安全性高、成本低等优势,被广泛应用于交通研究方面,尤其因其能够在危险场景中采集多种车辆数据,近年来汽车驾驶模拟器在交通安全方面的研究进展飞速。文中简要介绍了汽车驾驶模拟器的国内外发展历史,从驾驶分心、道路设计、交通设计、交通事故和驾驶疲劳5个方面梳理出汽车驾驶模拟器在交通安全领域的应用研究,并分析了这5个方面研究领域中驾驶模拟器实验的其中利弊,探讨了汽车驾驶模拟器在中国交通安全研究中的应用前景及存在的问题。      

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。     

公路视错觉警示减速标线设计优化研究

基于驾驶人心理、生理特征分析,对视错觉标线的多组数据组合的形式通过计算机模拟进行减速性能优劣比选,提出视错觉标线的设计参数;并通过驾驶模拟器仿真试验、实际场景的道路试验验证对视错觉标线设计参数进行优化,提出一种视错觉减速标线的最佳设计方法.     

基于驾驶模拟器高速公路线形设计安全性评价

针对在道路施工之前很难有效地对道路线形设计的安全性进行评价,提出了一种新的道路线形设计安全评价方法,即在驾驶模拟器上构建待建道路的场景,通过提取并分析驾驶员操纵驾驶模拟器汽车在虚拟道路上行驶的客观反应指标,对高速公路的设计方案进行驾驶安全性、舒适性评价,及时发现事故隐患或对安全有不利影响的设计,减少由于设计不当给社会带来的损失及危害。     

危险驾驶工况场景的复杂度评估方法研究

本文中提出了一种对危险驾驶工况场景数据的采集和复杂度评估的方法。与大型实车路试中自然驾驶数据的采集方法不同的是,本文中基于高级驾驶辅助系统采集其报警前后数据,并将其作为危险驾驶工况数据进行研究;在分析危险驾驶工况场景数据及其影响因素的基础上,构建了包含不同环境、交通流和车辆相关因素的危险驾驶工况场景的复杂度评价指标体系;基于专家评分结果,应用层次分析法确定指标权重,得到了对危险驾驶工况场景进行复杂度评价的模型与方法,可用于智能汽车的仿真测试。     

汽车驾驶模拟器整体建模关键技术研究

基于虚拟现实技术的汽车驾驶模拟器要求具有良好的人机界面,同时要满足虚拟环境沉浸、交互和构想的特征,所以在整体开发的过程中,人机工程学的应用,场景系统的设计显得尤其重要。通过对原有汽车驾驶模拟器系统进行分析,找出其所存在的缺陷,运用人机工程学及先进的建模软件对其中的关键技术设计了开发方案。     

基于视觉信号提示的碰撞预警系统的人机交互界面

为了辅助驾驶员安全行驶,设计了一种基于视觉信号提示的碰撞预警系统的人机交互界面(HMI),向驾驶员提供车辆周围的危险方位和程度的信息。用STISIM软件,把视频采集到的实际交通场景,转化为虚拟场景,设计了一种固定式驾驶模拟器,在该模拟器的试验平台上,由25名驾驶员进行测试,用问卷统计判断主观感受,用STISIM软件测量碰撞次数、速度、纵向加速度、侧向位移、即碰时间(TTC)等数据,来评价该HMI的有效性和用户接受度。结果表明:参试者对该人机交互界面具有积极的主观感受,该系统工作时,驾驶员的驾驶操作更为平稳,碰撞次数有所减低。     

基于自然驾驶数据的自动驾驶汽车安全性评价方法

自动驾驶汽车进行大规模市场推广前必须进行准确可靠的安全性评价，由于自动驾驶系统复杂程度的增加及设计运行区域的扩大，面向传统汽车的评价方法已不能满足自动驾驶汽车的安全性评价需求,基于此，建立一种基于自然驾驶数据的自动驾驶汽车安全性评价方法，可解决现有方法在逻辑场景层面安全性评价的缺陷。首先，建立基于自然驾驶数据的逻辑场景构建流程，分析场景描述参数，搭建自然驾驶数据采集平台采集相关自然驾驶数据，采用高斯分布模型描述参数概率分布；进而，离散逻辑场景参数空间获取具体测试用例，并在建立的PreScan、CarSim和MATLAB联合仿真平台中对被测自动驾驶算法进行仿真遍历测试，通过高斯模型将测试结果中的危险场景参数聚类，获取被测算法在逻辑场景中的危险区域；最后，综合考虑逻辑场景参数空间概率分布和得到的相应逻辑场景危险区域，提出基于自然驾驶数据的自动驾驶汽车安全性评价指标——场景风险指数，并以前车制动和前车切入场景为例，给出某黑盒算法的具体评价示例。研究结果表明：被测算法在前车制动场景和前车切入场景中的场景风险指数分别为0.409 8和1.08×10^-5，在前车制动场景中具有较大的安全风险，与仿真测试的直观结果相符；通过比较计算得到的场景风险指数与实际仿真测试结果可证明所提出的方法可以实现逻辑场景层面的自动驾驶安全性量化、易于操作、贴近自然驾驶情况。     

预期接管场景下接管绩效及接管风险研究

为了解条件自动驾驶预期接管场景下,预提醒(有预提醒和无预提醒)、速度差(30 km·h-1速度差和无速度差)和接管预留时距(5 s预留时距和7 s预留时距)对驾驶人接管绩效的影响,基于驾驶模拟器,设计了高速公路出口前的预期接管场景,进行接管过程的模拟驾驶试验.试验共招募39名被试(26名男性,13名女性),被试平均年龄...