基于贝叶斯网络模型的道路交通事故链生成与演化研究

为了研究道路交通事故链的生成和演变规律并全面反映道路交通事故的产生机理,以美国100-Car自然驾驶研究数据为基础,充分考虑了驾驶员状态和驾驶行为对道路交通安全的影响,构建了事故发生前驾驶员状态和行为特征参数等变量,并与其他传统驾驶员特征、道路交通特性以及环境特点等影响因素变量共同建立了关于道路交通事故风险类型的贝叶斯网络模型。在贝叶斯网络模型基础上,引入事故因果链理论,利用有向无环网络中简单路径搜索算法生成事故链集合,并采用信息增益特征选择方法识别关键事故链。通过100-Car自然驾驶数据得到的关键事故链显示,单车事故类型更容易在弯道和坡道条件下驾驶员无注意力转移或进行简单非驾驶任务的情况下发生;而正面、侧面和尾部碰撞事故类型的发生,往往在水平直线道路条件下,伴随着驾驶员注意力由前方道路转移至两侧车窗或内后视镜,以及驾驶员非驾驶任务变复杂的情况。通过改变事故链中各节点的状态概率,可以探索不同类型事故的演化路径和规律,克服了传统方法对每个道路交通事故致因因素进行独立分析的局限性,揭示了事故链中影响因素/事件之间的相关关系,为更好地掌控道路交通风险状态和实现事故链阻断提供了新的思路。     

基于模糊控制的纯电动汽车加速输出转矩优化控制策略

为使纯电动汽车加速时的输出转矩充分符合驾驶员加速意图,设计了常规、动力、经济等3种驾驶模式供驾驶员手动选择。常规模式下,基于线性稳定驱动转矩控制策略确定基本输出转矩;动力模式下,采用模糊控制算法以加速踏板开度及其变化率为输入,动力优化转矩为输出,对基本输出转矩作增矩优化;经济模式下,采用模糊控制算法以电机转速和加速踏板开度为输入、经济优化转矩为输出,对基本输出转矩作减矩优化。仿真结果表明,上述控制策略可以很好地反映驾驶员加速意图,达到不同模式下所期望的控制目标。     

电动车辆动力系统设计及联合仿真

通过分析电动车辆对驱动电机转矩和转速的要求,以一电动车辆为例,选定了永磁无刷直流电机作为驱动电机,利用MATLAB中电气模块SimPowerSystems建立电机及其控制器仿真模型,设计了包含转速PID和电流滞环控制的双闭环控制策略;根据整车三维实体模型中硬点位置,在ADAMS中建立了整车机械仿真模型。通过MATLAB及ADAMS联合仿真,分析了电动车辆的动力性(最大车速、最大爬坡度、加速时间),对研制的样车进行了测试并与仿真结果进行对比,结果表明仿真结果与试验结果吻合良好,验证了电动车辆仿真模型的有效性。     

行车服务推送平台及其关键算法的设计与测试

针对行车主动服务"主动感知-自动生成-主动推送"过程中忽视推送与行车用户的相互影响,设计了基于行车用户操作行为的行车主动服务推送平台(DPSP),包括存储层、应用层和评价层。存储层用来分类和存储用户行为的历史和实时数据;在应用层基于用户操作行为设计了B-Num.BT算法,提高了DPSP的服务推送用户接受度;而评价层则利用操作数据对推送服务进行评价和监控。通过驾驶员在环(DIL)试验验证典型推送场景的及时性、安全性和准确性,结果表明,DPSP满足推送系统性能要求,所设计B-Num.BT算法的各项性能皆优于对比算法Hybrid.BT和CAR.BT;另外发现,及时性同时具有对行车用户分类的功能。本研究对完善DASS、加强行车安全,乃至无人驾驶技术的推广具有重要意义。     

自动驾驶车辆混行集聚MAS控制模型

随着车路协同技术和自动驾驶技术的不断发展，越来越多的网联自动驾驶车辆（Connected and Autonomous Vehicle， CAV）涌入道路交通，与传统人工驾驶车辆（Human Pilot Vehicle， HPV）形成混合交通流（Mixed Traffic Stream， MTS）。为在提高MTS交通流量的同时保证交通安全，面向未来的混行交通环境，结合交通工程中人、车、路等要素，设计基于多智能体系统的CAV集聚控制模型（Agglomeration Control Model of Connected and Autonomous Vehicle Based on Multi-Agent System，ACMCAV-MAS）。该模型针对CAV的可控性和HPV的随机性，意在通过集聚控制，促使道路中分散行驶的CAV集聚成行驶条件更优的队列。具体以Agent的形式设计与集聚控制相关的底层车辆Agent（CAV-Agent和HPV-Agent两类）和上层管理Agent。同时，针对同质要素间的匹配和异质要素间的风险规避，区别于常规的无集聚（No Agglomeration，NOA）策略，提出车队级集聚（Platoon Level Agglomeration， PLA）和车道级集聚（Lane Level Agglomeration，LLA）2种策略及相关的CAV-Agent集聚控制算法。基于ACMCAV-MAS及元胞自动机模型，在不同交通流密度和不同CAV-Agent渗透率下进行仿真试验。结果表明：集聚策略能在60%的CAV-Agent渗透率下取得最佳效益，同时，在60 veh·km^-1密度条件下，车队级集聚策略平均能提升38.14%的交通流量，比车道级集聚的提升效果高9.73%，并能在40~50 veh·km^-1的密度范围和50%~70%的CAV-Agent渗透率条件下有效缓解交通拥堵；通过对中高密度交通流下的纵向风险分析，发现2种集聚策略在低CAV-Agent渗透率下的风险发生率无显著差异，且最大风险降低比例都能达到20%以上，然而，在实际交通情况下，集聚策略可能会在一定程度上导致横向碰撞风险的增加。在未来的工作中，将继续探究降低横向碰撞风险的方法，同时着力解决目前仿真框架中对于人工驾驶行为异质性建模不够完善的缺陷，不断优化ACMCAV-MAS，为未来MTS中自动驾驶策略的制定提供理论依据。     

基于GPRS和Internet的数据重新编码及解码技术探讨

探讨基于GPRS技术的数据重新编码及解码技术,以解决大部分GPRS模块在通过连接Internet传输汉字等复杂字体以及其他复杂信息时,在编码方面存在的一定问题,如许多WAP页面无法显示中文.     

两相邻路口信号的分层递阶模糊控制

先对两相邻路口建立了几何模型，然后设计了两相邻路口的分层递阶结构，并对该结构进行简化，在此基础上提出了两相邻路口分层递阶的模糊控制方式，最后用仿真软件验证了该算法的可行性。     

可调减振器阻尼控制与半主动悬架的试验研究

建立车辆半主动悬架1/4模型,提出可调减振器阻尼控制的实现方法,设计半主动悬架台架试验系统。在可调减振器试验的基础上,建立了可调减振器阻尼与步进电机转角之间的关系。最后,对半主动悬架1/4物理模型进行了台架试验。结果表明,试验系统稳定可靠,阻尼控制易于实现,半主动悬架能较好地适应不同的路面输入,为半主动悬架及控制系统的进一步研究奠定了基础。     

智能网联车辆混行交通流中灯语意图识别模型研究

为使混行交通流下智能网联车辆(Connected and Automated Vehicles, CAV)实现对人工驾驶车辆(Human-driven Vehicle, HV)前照灯灯语意图(Vehicle Headlights Intention, VHI) 的识别，弥补车对车(Vehicle to Vehicle, V2V)和鸣笛意图识别技术的不足，更好地与HV交互沟通，提出CAV对HV的VHI识别模型.模型包括：灯光感知、光数据处理、VHI识别3个模块，灯光感知模块通过RGB(Red-Green-Blue, RGB)和HSV(Hue-Saturation-Value, HSV)颜色空间感知前照灯(Vehicle Headlights, VH)，采用KLT(Kanade-Lucas-Tomasi Tracking，KLT)和车辆匹配算法定位跟踪发出灯语的HV；光数据处理模块采用光通道增益算法计算光辐射通量变化； VHI识别模块基于双层隐马尔可夫模型(Double-layer Hidden Markov Model，DHMM)辨识VH 闪烁次数和HV行驶状态，实现VHI识别.在3种灯语示意典型场景下的实验结果表明：1 s内 VH感知准确率为96.8%，定位跟踪精度小于1°，VHI识别率为96.6%，满足混行交通环境下 CAV对HV驾驶意图的识别要求，基本保证实时性，为混行交通流中CAV自动驾驶决策提供理论依据.     

柔鱼钓渔船主要参数分析

在收集30余艘柔鱼钓渔船实船资料的基础上，对其主要参数进行了分析，探索了它们之间的关系，得出了一些近似公式，可用於设计工作中，也可作为船型论证的基础。