Integrated solution for anomalous driving detection based on BeiDou/GPS/IMU measurements

There has been an increasing role played by Global Navigation Satellite Systems (GNSS) in Intelligent Transportation System (ITS) applications in recent decades. In particular, centimeter/decimetre positioning accuracy is required for some safety related applications, such as lane control, collision avoidance, and intelligent speed assistance. Lane-level Anomalous driving detection underpins these safety-related ITS applications. The two major issues associated with such detection are (1) accessing high accuracy vehicle positioning and dynamic parameters; and (2) extraction of irregular driving patterns from such information. This paper introduces a new integrated framework for detecting lane-level anomalous driving, by combining Global Positioning Systems (GPS), BeiDou, and Inertial Measurement Unit (IMU) with advanced algorithms. Specifically, we use Unscented Particle Filter (UPF) to perform data fusion with different positioning sources. The detection of different types of Anomalous driving is achieved based on the application of a Fuzzy Inference System (FIS) with a newly introduced velocity-based indicator. The framework proposed in this paper yield significantly improved accuracy in terms of positioning and Anomalous driving detection compared to state-of-the-art, while offering an economically viable solution for performing these tasks.     

喷嘴内燃油空化及影响因素的实验研究

柴油机燃油喷射雾化过程除受湍流和环境气体的空气动力学效应影响外,还与喷孔内空化有关,因此对喷孔内燃油空化和影响因素的研究有重要的意义。本文中设计了透明喷孔代替原柴油机喷油器的喷孔,采用高速数码相机和高放大倍数、高分辩率的长距离显微成像技术和纳秒级闪光灯作为相机曝光光源,获得了较高分辩率和清晰度的实验图像。对柴油机喷孔内燃油空化产生、发展和分布状态进行显微观测,直观展现喷孔内燃油空化及影响规律,获得了燃油空化过程的直观认识。结果表明,柴油机喷孔内空化流动情况比较复杂,影响因素较多,其中喷孔几何结构对喷嘴内空化过程影响最显著,喷孔内空化首先出现在压力室针阀附近,随后空化区域向喷孔出口处扩散、延伸,对于渐缩喷孔,空化形成受到抑制,而渐扩喷孔则有利于空化形成;减小喷孔直径,不利于空化形成。环境压力对空化起到抑制的作用,环境压力增大,也不利于空化形成。此外还对喷孔内空化强度进行量化描述,通过空化强度对实验获得的图像进行量化分析。     

城市道路环境下自动驾驶车辆接管绩效分析（双语出版）

为了分析城市道路环境下高度自动驾驶中非驾驶相关任务和接管紧迫度对接管绩效的影响，基于驾驶模拟器设计了自动驾驶紧急接管场景并开展驾驶模拟试验，接管请求时间分别设定为3，4，5 s，非驾驶相关任务为读新闻、看视频、玩游戏，自动驾驶车速为50 km·h^-1，试验中共招募了49名被试（男性30名，女性19名），被试的平均年龄为31.06岁（标准差为7.1岁），驾驶人在自动驾驶阶段始终执行非驾驶相关任务，听到接管请求提示后需要接管车辆的控制权，并实施紧急避让操作。研究结果表明：在紧急接管情况下，接管紧迫度对合成加速度和最小TTC有影响，而对接管时间无影响，与5 s的接管请求时间条件相比，3，4 s的接管请求时间条件下的合成加速度明显增加，而最小TTC则随接管请求时间的减少而降低；非驾驶相关任务对接管时间和最小TTC有影响，而对合成加速度无影响，与无非驾驶相关任务相比，非驾驶相关任务会显著增加接管时间和降低最小TTC；碰撞几乎都发生在3 s和4 s的接管请求时间下，5 s的接管请求时间能够基本保证接管的安全性。     

汽车驾驶员不安全行为评价分析

为稳步增强汽车驾驶的安全性,减少安全事故的发生,驾驶人员除了需要具备足够的应急应变能力之外,还需要做好安全行为习惯养成工作,形成良好的驾驶习惯。文章以汽车驾驶员不安全行为作出研究对象,在明确不安全行为表现的基础上,深刻分析影响汽车驾驶人员不安全行为的因素,在此基础上,制定合理的应对策略,旨在引导驾驶人员形成安全行为,以不断提升驾驶员的驾驶能力。     

基于MATLAB的抗滑桩锚固段内力程序化与可视化计算研究

基于Matlab数学软件，对采用“K”法计算的抗滑桩锚固段内力和变形计算过程进行了程序化设计，使得充分保证抗滑桩设计计算准确性的前提下，大大提高了计算效率，且实现了计算结果的可视化，并把此研究成果应用于常（德）至吉（首）高速公路滑坡处治中抗滑桩的设计计算。研究成果对今后滑坡地质灾害的抢险，保证抗滑桩设计的经济性与合理性，均具有及其重要的意义。     

考虑驾驶人风格的换道轨迹规划与控制（双语出版）

基于自动换道控制技术中融合个性化驾驶人风格的研究，建立考虑驾驶人风格的车辆换道轨迹规划及控制模型以提高换道规划控制模型对不同风格驾驶人的适用性，在保证安全性的基础上进一步满足驾驶人的个性化需求。首先通过问卷调查的方式采集得到了212份驾驶人风格量表数据，采用主成分分析法和K均值（K-means）聚类分析法将驾驶人按驾驶风格分为激进型、普通型和谨慎型，并通过驾驶模拟器试验采集不同风格驾驶人分别在自车道前车、目标车道前车和目标车道后车影响下的换道行为数据。然后对椭圆车辆模型进行改进，以描述不同风格驾驶人的行车安全区域，并据此构建3种典型工况下不同风格驾驶人的换道最小安全距离模型，结合驾驶舒适性约束、车辆几何位置约束以及不同风格驾驶人的换道行为数据，以换道纵向位移最短为目标，实现适应驾驶人风格的换道轨迹规划。最后以基于预瞄的路径跟踪模型作为前馈量，设计基于动力学的线性二次型最优（LQR）反馈控制器，通过调节控制权重矩阵实现3种工况下不同驾驶人风格的换道轨迹跟踪。PreScan和MATLAB/Simulink联合仿真结果表明：所设计的考虑驾驶人风格的换道轨迹规划及跟踪控制模型能够实现不同驾驶风格的自动换道轨迹规划及跟踪控制，可满足驾驶人个性化换道需求。     

山区高速公路驾驶人加减速行为建模

山区地形地质条件复杂，各类复杂的组合线形设计更为常见，例如直线与平曲线间组合或不同平曲线间组合。驾驶人在相邻组合路段行驶时会感知到线形的变化，引起驾驶行为的改变，最终车辆的纵向加速度也会随之改变。频繁的加减速行为会引起驾驶人不适，甚至形成安全隐患。目前针对相邻组合路段驾驶行为的研究中，关于加速度的研究主要基于路段特殊点进行计算。随着驾驶模拟技术的发展，高仿真驾驶模拟器为高速公路的设计评估提供了更好的数据及试验条件支撑。在高仿真驾驶模拟器中，基于湖南省永吉高速公路道路设计参数及周边地形环境参数，构建山区高速公路的三维虚拟模型，以山区高速公路中的相邻组合路段为研究对象，获取山区高速公路组合线形路段的车辆纵向加速度数据，提取加减速事件后，基于驾驶人的加减速行为，采用混合Logit模型，分别判定道路线形层和驾驶人层的影响，研究组合线形对驾驶人纵向加减速选择的具体影响变量以及变量的影响范围。研究结果表明：下游路段最大曲率、上游路段圆曲线段比例、下游路段变坡点数量、下游路段曲线数量、上游路段平均曲率和当前位置曲率等对驾驶人加减速行为有显著影响；通过对比混合Logit模型和多元Logit模型，指出驾驶人层面对模型结果的影响显著。研究结果提供了一种山区高速公路连续纵向加减速行为的建模方案，并可为研究驾驶人在复杂线形条件下的纵向加速度选择行为提供基础。     

山路行驶的柴油车污染物排放特性试验

在山路和平路上,进行了不同载荷下国V柴油车的实际道路行驶排放(RDE)试验。采集车速、海拔、氮氧化物(NO_x)和颗粒物数量(PN)排放浓度等数据,分析了道路坡度、车辆载荷与输出功率对排放的影响。研究发现:测试柴油车辆,在平均坡度约6%山路行驶时NO_x排放因子高于平路20%以上,PN低于平路20%以上。道路坡度自0增大到8%,NO_x排放浓度升高1倍以上,PN排放浓度升高20%~60%;坡度进一步增大,NO_x与PN排放浓度上升变缓,继而下降。载荷增大,NO_x与PN排放浓度升高;NOx、PN排放速率在10~40 kW功率区较大;NOx与PN高排放速率区随载荷增大变宽。该成果可为RDE测试车辆运行条件的设置提供参考。     

车规级无人驾驶线控底盘车研发及其场景化应用

文章分析了低速无人车的应用前景及目前遇到的问题,并基于正向开发原则构建了一套无人驾驶线控底盘车综合解决方案,提出了无人巡逻、无人售卖、无人送餐等场景化落地应用场景。     

人机混驾环境下基于LSTM的无人驾驶车辆换道行为模型

道路系统中的人机混驾交通环境是指人工驾驶车辆与自动驾驶车辆混合运行的交通环境，其中换道行为建模是人机混驾环境下无人驾驶车辆行为研究的热点。基于深度学习理论，构建人机混驾环境下基于长短期记忆神经网络的无人驾驶车辆换道行为模型（Long-short-term-memory-based Autonomous Vehicles Lane Changing，LSTM-LC）。通过研究人工驾驶车辆在换道过程中与周边车辆的相互作用，对换道行为影响因素进行分析；同时，为了提升模型的迁移性，引入道路横向偏移量信息。结合LSTM神经网络的输入要求，使用美国公开交通数据集Next Generation SIMulation（NGSIM）构建换道行为样本库。针对LSTM-LC模型，以均方差MSE作为损失函数，使用RMSprop优化方法进行训练，对LSTM网络结构、历史序列长度N及训练样本量3个重要参数进行标定。最后，针对道路横向偏移量M对LSTM-LC模型性能的影响进行对比试验。研究结果表明：相比GRU-LC模型，LSTM-LC模型对换道行为的表征更准确，在模型的精度和迁移性上有着显著的提升；GRU-LC模型的均方差为4.64 m²，迁移性均方差为119.82 m²，而LSTM-LC模型的均方差为3.18 m²，迁移性均方差为79.58 m²，分别优化了31.5%和39.71%；通过引入道路横向偏移量M，可将LSTM-LC模型精度和迁移性提升约10%，且模型稳定性更强。