排序方式: 共有103条查询结果,搜索用时 0 毫秒
1.
2.
车辆行驶过程中,前方车辆运动状态预测是车辆智能控制系统的重要研究部分。车辆运动状态受其驾驶员驾驶风格、道路状况、交通流、前方车辆运动速度和加速度等因素的影响,使车辆在未来一定时间段内的运动状态具有较大不确定性,给前方车辆的运动状态预测带来困难,因此本文中对跟车工况下前车运动状态预测进行研究。本文中在分析车辆跟车工况时的运动特性,采用贝叶斯网络对前方车辆运动速度进行预测,将获得的车辆跟车工况时的运动状态数据分为训练集和测试集。通过训练集辨识前车速度预测贝叶斯网络参数,通过测试集检验前车速度预测贝叶斯网络的预测效果。对前车未来0.1,0.5,1和2s时的运动速度进行预测,预测结果表明,前车的实际运动速度均在前车速度预测贝叶斯网络预测的95%置信区间内。 相似文献
3.
本文针对强降雨场景下毫米波雷达的目标运动非预期测量误差较大引发ACC系统的预期功能安全问题,提出了强降雨场景下自适应巡航控制系统的安全控制策略。首先使用双状态卡方对毫米波雷达输出的目标信息进行检验,以确定其是否存在安全风险;接着通过卡尔曼滤波对存在安全风险的目标信息进行修正;然后将修正的目标信息输入ACC控制器控制车辆运动状态,实现安全控制;最后通过搭建的Prescan/Simulink联合仿真平台对提出的安全控制策略进行了仿真验证。结果表明:双状态卡方检验可及时检测风险信息(检测时间偏差在1.31 s以内),卡尔曼滤波修正误差在3.66 m以内,有效保证了ACC系统在强降雨场景下安全稳定运行。 相似文献
4.
5.
只有较少的交通事故数据资源被用于建立基于碰撞速度信息的乘员损伤模型,致使所得到的模型精度差。为此,提出了基于车辆变形深度的乘员损伤模型。对美国不同制造年代和车辆级别的事故数据进行聚类分析,论证出车辆变形深度与乘员损伤风险具有相关性。以车辆变形深度为自变量,通过回归分析得到乘员损伤模型。不同种类车辆的乘员损伤模型拟合精度R2约为0.9,证明了该模型的正确性。为进一步验证,以此模型为基础,评价智能驾驶系统的有效性。以自动紧急制动系统为例,对比基于变形深度和速度变化量信息2种方法的有效性计算结果。结果表明:2组结果的平均误差不超过1%,验证了基于变形深度的乘员损伤模型的准确性。该模型仅需要事故数据库中准确的变形深度信息,能够获得更多的事故数据支持,从而可以更好地适应于不同类别智能驾驶系统的评价需求。 相似文献
6.
汽车技术的发展动向及我国的对策 总被引:2,自引:1,他引:1
前言 现代汽车产品也被称之为高新技术的载体,涉及诸多领域的科学与技术问题,并由于高科技的进步而不断变化.汽车产业的发展随着社会对汽车节能、环保和安全要求的日益严格,必须用先进的技术来解决所面临的各种社会难题. 相似文献
7.
目前预定义几何集方法主要用于平行车位和垂直车位2种类型的泊车路径规划,对于未涵盖的停车位种类而言则存在无法规划泊车路径的问题,使得自主泊车系统对于能够泊入的车位种类存在局限性。为了设计斜列式泊车方式用以提高自主泊车系统中车位种类的覆盖率,提出一种基于预定义几何集的斜列式泊车路径规划方法。首先,提出了斜列式C字形泊车路径规划方法,利用几何学设计一种圆弧相切斜线的路径,并通过多项式建模表征任意角度停车位下的斜列式C字形泊车路径;其次,通过分析泊车路径与停车位中可能发生碰撞的关键点之间的距离,构建了泊车路径碰撞约束模型,以此分析不同规格停车位下约束条件的参数,从而获得规划路径安全区域;然后,结合拓扑地图信息与斜列式C字形泊车路径规划的碰撞约束模型,获得合适的泊车路径起始点范围,继而生成与全局路径无缝衔接的安全泊车路径;最后,通过MATLAB/Simulink仿真验证此方法的有效性,并通过实车试验证明实用性。结果表明:所提方法针对任意规格的斜列式停车位,均能有效地规划出无碰撞条件下的斜列式泊车路径;同时,车辆能够良好地跟踪所规划的路径,实现精准泊入停车位,证明所提方法能够提高自主泊车系统中停车位种类的覆盖率,并大幅度提高自主泊车系统的实用性。 相似文献
8.
分析了智能交通系统中的智能车辆运输系统,并重点分析了其中的车辆定位、车辆调度、通讯、自动驾驶等关键技术的现状和发展趋势。最后提出了智能车辆敏捷运输系统的结构。 相似文献
9.
10.
交通信号灯检测是先进驾驶辅助系统的关键技术之一,也是无人驾驶车辆车载环境感知的重要研究方向。本文中针对通用物体检测算法不适合信号灯这类小物体的检测和缺乏实时滑动窗口检测算法的问题,提出了一种交通信号灯检测方法,包括基于遗传优化的交通信号灯候选区域生成方法,和基于深度神经网络的信号灯定位与分类方法。其中,作为本文中研究重点的候选区域生成方法又分3部分:信号灯共用特征区域提取、基于重要性采样的信号灯候选区域参数采样和基于遗传算法的信号灯候选区域参数优化。与现有的信号灯检测方法相比,本文中所提出的方法可对横竖排的红色、绿色和圆形、箭头形信号灯进行有效检测和分类。在公开的交通信号灯数据库的对比实验表明,该方法对交通信号灯的召回率高,且能有效区分不同类别的信号灯。 相似文献