连续刚构桥底板束水平布置的优化模拟

针对连续刚构桥跨中的下挠问题,用MIDAS CIVIL建模并进行几种方案的对比。得出结论:梁底曲线不变时,底板预应力束全部水平布置时,在此情况下预应力的损失和混凝土收缩徐变导致的主梁下挠有明显的减弱且随时间的推移效果越明显。     

基于Cruise软件对某自动档轿车燃油经济性及动力性的仿真应用

为了满足法规及顾客对自动档汽车燃油经济性的要求,需要对带锁止液力变矩器自动变速器(AT)的特性进行合理的设定.文章通过修正整车阻力模型,研究设定换档特性图及液力变矩器锁止特性图,对某自动档乘用车进行了仿真分析和验证.     

纯电动公交车交叉口节能驾驶策略

针对纯电动公交车在交叉口区域的高能耗问题，设计纯电动公交车通行交叉口区域的节能驾驶策略。根据公交车通行交叉口区域的驾驶行为将交叉口场景划分为4类，并根据运动学关系划分信号灯剩余时长区间，将其分为6种情况，综合考虑交叉口上游路段和下游路段设计节能驾驶策略。结合基于纯电动公交车能耗特征的单位里程能耗模型和纯电动公交车匀速、加速以及减速策略，在MATLAB中开展仿真试验，验证所提出的节能驾驶策略。研究结果表明：提出的节能驾驶策略至少可以降低8%以上的能耗；对划分的6种情况而言，到达调整段时信号灯为绿灯的驾驶策略可降低8.70%~42.63%的能耗，到达调整段时信号灯为红灯的驾驶策略可降低9.85%~51.65%的能耗。     

驾驶人在手机通话行为中的认知分心图像识别研究

在手机通话（MPC）行为中，驾驶人极易陷入认知分心（DCD）状态，对此提出了一种基于头-眼行为特性的DCD图像识别方法。为适应自然驾驶中的波动光照和复杂背景，首先建立基于YCbCr色彩空间的在线肤色模型，提取待检肤色区域的PCA-HOG特征并建立支持向量机分类器来识别MPC手势；与此同时，采用多尺度局部模极大值方法检测嘴部显著边缘，并通过边缘活跃度来识别驾驶人说话行为，综合MPC手势和说话行为建立MPC行为的判别逻辑。最后，以5 s为时间窗口获取驾驶人的眼球活跃度、眨眼指数、头部横摆和俯仰运动活跃度，采用D-S证据理论建立融合头-眼行为特性的DCD识别方法。试验结果表明：融合手势和说话行为图像检测的MPC识别率为92.8%；对于不佩戴眼镜的驾驶人，眼球活跃度是DCD识别率最高的单一指标，“眼球活跃度-头部横摆活跃度-头部俯仰活跃度”融合证据的DCD识别率最高，为86.2%；对于佩戴眼镜的驾驶人，“头部横摆活跃度-头部俯仰活跃度”融合证据的DCD识别率最高，为83.2%；算法对熟练驾驶人的DCD识别率略高于非熟练驾驶人。     

城市道路干扰跟车对驾驶人注意力分配的影响

为获取干扰跟车情况下驾驶人的注意力分配特性,利用非接触式眼动仪、毫米波雷达等传感设备搭建车载试验平台。通过在城市道路环境中开展实车试验,获取干扰跟车情况下驾驶人的眼动行为数据,并基于马尔可夫理论,分析了驾驶人的注视分布特性和转移规律。结果表明:在城市道路环境下跟车时,经验驾驶人的主要注意力用于关注前方的交通目标,较多地关注干扰车切入方向;驾驶人观察左侧区域或右侧区域之后注意力向前方视野转移的概率较大,且驾驶人对干扰车的注视概率明显高于目标车辆。     

郑州黄河公路大桥交通安全冲突技术的研究

采用聚类分析和分层抽样理论相结合的方法，确定了郑州黄河公路大桥的具体冲突观察路段，并对大桥交通安全现状进行了定量分析，制定了大桥交通安全改善及其效益评定方法。     

汽车碰撞数据模拟中应变率效应问题的讨论

讨论了汽车碰撞数值计算中的应变率效应问题，分析将静间性塑性理论和应变率有关理论中的Ｓｙｍｏｎｄｓ模型引入材料的本构关系中，并用试验考证和分析了两种本构关系模型计算结果的影响。     

道路安全审计应用研究

通过G318线成温邛K15 300平面交叉安全审计实例，结合国外道路安全审计研究成果和国内道路安全实际情况，对道路安全审计的基础理论进行了分析。分析涉及道路安全审计的内涵、功能、对象、阶段划分、审计队伍和实施步骤等内容，在此基础上，构建了在国内进行道路安全审计的检查表单体系，并达到安全审计的预期目的。     

货车尾部护栏缓撞性能的研究

货车尾部护栏缓撞性能的优劣直接影响到其发生追尾碰撞的其它车辆损坏和乘员伤亡的严重程度。用三维动态非线有限元方法模拟计算了护栏横梁的碰撞0过程,并进行了试验研究,在此基础上进一步改善槽形截面横梁的缓撞性能,在其碰撞表面加装了简系吸能装置,计算和试验结果表明,该装置能够明显降低低与之碰撞的台车的减速度。     

高速场景相邻前车驾驶行为识别及意图预测

相邻前车的驾驶行为会影响后车，因此先进的辅助驾驶系统需具备识别前车驾驶行为的能力. 对高速场景下相邻前车换道行为进行研究，分别提出双层连续隐马尔可夫模型-贝叶斯生成分类器(CHMM-BGC)，以及基于双向长短时记忆网络(Bi-LSTM)的行为识别模型和意图预测模型. 采用自然驾驶数据集对模型的有效性进行测试验证. 实验分析表明：基于Bi-LSTM的行为识别模型相较于双层CHMM-BGC在平均识别率上提升了11.24%，两种行为识别模型均可在相邻前车换道过程的早期阶段识别换道行为；考虑相邻前车与周围环境车辆的交互作用，可使模型具有预测性，两种意图预测模型均可在车辆换道时刻前预测到驾驶人换道意图. 模型仿真计算时间可满足系统的实时性需求，为本车驾驶人预留出反应时间，为预测周围车辆行驶轨迹研究提供支持.