基于信息融合的车辆险态运行模式评价研究

提出了一种车辆运行状态识别体系.鉴于车辆行驶环境的复杂性,多作业工况条件的影响以及车辆行驶行为表现特征的多元性,采用BP神经网络技术与Dempster-Shafer证据推理技术相结合的信息模式分类及融合判断的解决方案.为验证所提出的方案,建立车载摄像机视频实时检测系统,以车道偏离信息和跟驰车间距信息作为车辆行驶的表征参量,实现车辆险态行驶特征表现的检测和评价.研究结果表明,模式分类和多源信息融合决策技术的综合运用提高了车辆危险行驶姿态表征信息甄别的自适应性和智能化水平.      

斜碰撞再现反推算法研究

结合近年来积累的交通事故调研经验,通过建立轮胎侧偏特性模型、四车轮车辆运动仿真分析模型,解决车辆轮胎印迹内的垂直载荷分布不同的问题,以及由地面多种因素对车辆运动产生不同影响的问题和车辆本身复杂的受力问题,达到事故再现的目的。通过反推计算车辆在碰撞事故发生时的运动状态,可以科学的再现车辆斜碰撞事故发生的过程,明确当事人的事故责任,提供了重要的参考。最后通过运用车辆碰撞分析软件PC-crash,结合具体的交通事故实例,验证了关于汽车斜碰撞反推计算理论的研究结果在实际的交通事故处理中具有较高的实用性与可靠性。     

基于BP神经网络的高速公路入口合流区域换道行为研究

为了应对高速公路入口合流区域并线事故频繁发生,在分析车辆并线行为影响因素的基础上,利用BP神经网络方法建立了车辆在该区域的决策模型,用来预测驾驶人的并线行为决策,保障车辆和驾驶人的安全.借助详细的车辆轨迹数据对模型进行了学习与测试,模型的测试结果表明:建立的BP神经网络模型用于预测驾驶人并线行为具有较高的准确度,并线车辆相对于目标车道前方车辆的相对速度是驾驶人并线时需要考虑的最重要因素.同时模型还可以进一步应用于交通仿真的研究以及驾驶人辅助系统的开发.