基于双目视觉计算的车辆跟驰状态实时感知系统

双目视觉技术能够实现目标的识别与距离计算,在自动驾驶领域有很大的应用空间。然而,现阶段双目视觉存在光照干扰、遮挡、弱纹理区域歧义匹配等问题,影响其测量的准确性和可靠性。提出基于双目视觉的跟驰状态实时感知系统,该系统采用基于车辆跟驰模型的扩展卡尔曼滤波方法对车辆跟驰状态进行实时估计,包括跟驰距离、前后车速度差等。通过实际道路试验,证明了该系统能够识别并修正测量数据中的异常值,解决弱纹理区域误匹配问题。试验结果表明：25 mm焦距与12 mm焦距的双目系统跟驰间距测量值的平均误差分别为2.66%与9.14%;在相对速度测量方面,2种焦距系统的测量精度基本相同,平均误差均为1 m·s^-1左右。所提出的方法在自动驾驶车辆环境感知领域有较好的应用前景。     

基于驾驶员视觉的车辆跟驰建模与仿真

着重从驾驶员心理-生理(AP)跟车模型的角度出发,根据AP模型的不足,提出了驾驶员视觉范围变化对车辆跟车模型的影响,建立跟车模型,并用仿真的方法分析其稳定性,提出了跟车系统稳定性的参数数值范围,以期正确地提出驾驶员的跟车行为。     

视觉分神对驾驶员跟驰行为的影响

为了研究驾驶员视觉通道被车载信息系统所占用时,驾驶员对交通信息进行实时加工处理的机理及其应对事故风险的能力,模拟车载信息系统设计了诱导驾驶员视觉分神的驾驶次级任务。根据次级任务的复杂程度划分为3个任务难度等级,使得驾驶员单次视线离开路面的时间随着次级任务难度增加而递增;基于驾驶仿真试验平台,构建了城市道路和高速公路下的典型跟驰场景;招募熟练驾驶员,于驾驶过程中根据试验声音提示执行驾驶次级任务。对采集的试验数据先采用箱图方法进行离群处理,对筛选后的数据采用方差分析和多重比较的方法,分析驾驶员对车辆车道位置掌握、转向盘调整等相关横向操控行为,驾驶员对车辆纵向位置调整、车速调整等相关纵向操纵行为,以及通过其对车辆横纵向控制反映出的补偿措施。分析结果表明:无论车辆处于高速还是低速行驶环境,处于视觉分神状态的驾驶员对车辆的横向控制能力均会变差;驾驶员视线离开路面的时间越长,其对车辆的横向控制能力越差;车辆高速行驶时,驾驶员将面临更大的横向失控风险;而无论车辆处于高速还是低速行驶环境,驾驶员在意识到自身视线离开路面时间过长后,均会通过降低速度和增大跟车距离,以平衡视觉分神带来的纵向方向上的事故风险。     

车辆跟驰时间序列实测数据采集方法研究

在分析国内外跟车模型数据采集方法研究历史的基础上,利用车载高精度GPS接收机,通过试验,建立基于GPS的实时动态车辆跟驰数据采集方法,较好地解决了困扰国内外研究者多年的反映跟车状态下驾驶员行为和车辆运行特征的时间序列实测数据采集的问题。     

基于驾驶员认知过程的车辆跟驰模型的建立

基于认知心理学的有关知识,提出一种将驾驶员的直觉、分析和推理三者相结合的驾驶员认知结构基本框架,在此框架体系下对车辆跟驰过程中驾驶员的认知过程进行了详细的分析;结合五轮仪试验系统采集的数据,采用因子分析法确定出对驾驶员的车辆跟驰信息提取过程有独立作用的4个因素,包括前车位移、前车速度、前车加速度和后车位移,相应地将驾驶员认知过程划分为4个阶段,构建了跟驰过程中驾驶员的认知结构模型,并对各个阶段做出了具体分析,建立了相应的车辆跟驰模型。仿真结果表明,基于驾驶员认知过程的跟驰模型可以较好地揭示跟驰过程中的驾驶行为。     

车路协同下HMI对跟驰行为与视觉特性的影响

为研究车路协同系统对驾驶员跟驰行为和视觉特性的影响,基于驾驶模拟器搭建高速公路场景和车路协同环境,针对常规状态和意外事件这2种情况,采集跟驰过程中的驾驶行为数据和驾驶员眼动数据,对比分析了有HMI和无HMI这2种情况下的车头间距、车头时距、加速踏板深度、平均制动次数及驾驶员在每个区域的注视时长和扫视频率等行为变量.分析结果表明,常规状态的跟驰过程中,设置HMI车辆的车头间距和车头时距分别增大12.91%和23.70%,加速踏板使用幅度及制动踏板平均使用次数分别降低7.55%和10.14%,设置HMI可使驾驶员注视车辆前方区域的时长减少,在HMI区域的注视时长占总时长的6.18%,而扫视频率没有明显变化;在意外事件的跟驰过程中,HMI的预警对速度和车头时距产生显著性影响,使方向盘转角和加速度方差变化幅度减小,且在保证安全距离的前提下,通过不停地扫视以获取换道时机.     

多感知信息融合的车辆感知方法研究

为提高前方车辆检测的速度和准确率,本文采用一种毫米波雷达与机器视觉融合的感知方法。结果表明,该方法的准确率为93%,单帧数据的处理时间为42 ms,满足智能客车对前方车辆检测的要求。     

考虑驾驶员行为特性的模糊推理跟驰模型改进研究

基于模糊推理的车辆跟驰模型实现了用数学方法描述驾驶员的主观判断、推理和执行的过程,但现有的这类模型通常未考虑驾驶员行为特性的差异。针对这一问题,在基于模糊推理的跟驰模型中引入期望车头时距,不同行为特性的驾驶员具有不同的期望车头时距,在此基础上建立了改进的车辆跟驰模型。仿真结果表明,改进的跟驰模型能准确描述不同类型驾驶员的跟驰行为及其差异。     

基于最小安全距离的车辆跟驰模型研究

在传统的基于车头时距的安全距离模型和基于制动过程的安全距离模型的研究基础上,针对前导车分别处于静止、匀速和匀减速等不同行驶状态,相应地建立了单车道跟驰状态下跟随车与前导车不发生追尾碰撞的最小安全距离模型,并充分考虑了车辆制动过程中减速度渐变的过程,避免了以往模型中采用制动减速度突变的问题。最后,通过M atlab仿真系统对改进模型和传统模型进行了同等条件下的仿真,仿真数据从理论上验证了改进模型能够很好地解决传统模型计算的安全距离存在较大偏差的问题,可为今后研究跟驰模型提供一定的参考。     

基于改进跟驰模型的混合车辆编队研究

现有的车辆编队控制研究多基于全智能网联环境,不适用于智能网联汽车(Connected and Automated Vehicle, CAV)与人工驾驶汽车(Human-Driven Vehicles, HDV)组成的混合交通场景,因此以混合交通环境下CAV和HDV组成的车辆编队为研究对象,引入头车及前车、后方HDV信息,提出一种改进的智能驾驶员模型(Intelligent Driver Model, IDM)。为更贴合驾驶员的操作行为,缓解优化速度模型(Optimal Velocity Model, OVM)受前车影响产生的速度波动,通过引入驾驶员误差,对OVM模型进行改进。为验证模型的有效性,分别对以上改进进行仿真对比分析,结果表明改进后的IDM模型和OVM模型组成的混合车辆编队在速度响应时间、跟驰间距、油耗、安全性、稳定性等性能方面得到明显改善。     

基于Logistic回归的驾驶人跟车危险认知模型

为探索紧急情况下驾驶人跟车危险认知机理,利用图像式汽车行驶记录仪在中国首次开展了大规模的交通冲突调查,基于采集的实际交通环境下的追尾冲突数据,分析了驾驶人制动操作与驾驶人安全和危险状态判断之间的关系,提出了基于Logistic回归的驾驶人跟车危险认知模型。研究结果表明:车头时距和碰撞时间是影响驾驶人跟车危险判断的重要参数;经模型的拟合优度和预测准确性检验,提出的模型在城市交通环境下具有较好的适用性。     

基于视错觉的公路隧道中部安全控速方法

公路隧道中部低照度、环境单调的特点,容易导致驾驶人产生严重视错觉,从而低估车速,引发交通事故.高频视觉信息容易导致驾驶人高估车速,而中、低频视觉信息则会导致驾驶人低估车速,但不同频率视觉信息,不同照度水平对公路隧道中部行车环境中驾驶人的车速感知影响缺乏定量分析.文中利用3ds Max软件制作公路隧道中部行车仿真模型,利用E-prime软件进行基于极限法的车速感知心理物理实验,并用实车试验数据校核了模型精度,对高频视觉信息与高、中频组合视觉信息在不同照度水平(100％,50％,25％标准照度)条件下的速度感知、反应时进行了对比研究.实验结果显示:公路隧道中部的速度感知主要由高频视觉信息决定,在100％标准照度条件下高频视觉信息的车速高估约为20％,在加人中频视觉信息后,车速高估情况趋于合理,约为14％;照度变动对速度感知和反应时均有显著影响,显著度分别为0.008和0.013,照度条件越好,车速高估越低,反应时越短.     

不连续路面标线对跟车间距调节行为的影响机理

为了解析不连续路面标线对跟车间距调节行为的影响机理,深入挖掘了不连续路面标线的视觉信息特征,提出单色路面标线(2,3,4 m黄色标线铺设周期长度,即Y-2 m,Y-3 m,Y-4 m)和双色路面标线[1根黄色标线连接1根红色标线(1Y+1R)、2根黄色标线连接2根红色标线(2Y+2R)、3根黄色标线连接3根红色标线(3...     

军用特种车方舱活动顶盖的密封工艺改进

通过对军用特种车辆方舱顶部活动盖密封形式的改进,提高了密封性能,能满足高精密仪器设备对防水和防尘的要求.     

跟驰模型中反应延迟时间项作用机制的数值模拟

人类对于事件的反应机制决定了道路行驶车辆在跟驰过程中存在反应延迟现象。对几类常见跟驰模型中所反映出的延迟时间的含义进行了定义与区分。利用Matlab软件对GHR模型、OV模型以及FVD模型进行了2车跟驰状态和车队信号灯放行阶段的模拟,分析了这3类模型中反应延迟时间设置的必要性。结果显示GHR模型中反应延迟时间不可忽视,而OV模型以及FVD模型中反应延迟时间可以省略,同时也证明了各跟驰模型建模思路的合理性。     

汽车驾驶机器人系统的研究进展

利用驾驶机器人替代人类驾驶员在危险条件和恶劣环境下进行汽车试验已成为汽车工业发展的趋势。分析汽车驾驶机器人系统的研究难点,介绍国内外的发展现状和研究成果,并在此基础上对东南大学自主研发的汽车驾驶机器人与国外驾驶机器人进行了对比分析,给出驾驶机器人用于排放耐久性试验的实车试验结果,验证了驾驶机器人控制性能的有效性,最后对汽车驾驶机器人的发展趋势进行了展望。     

认知分心对车辆跟驰过程操控安全性的影响

为了研究车辆跟驰过程中驾驶人认知分心与驾驶安全的关系,采用驾驶模拟器构建城市道路车辆跟驰场景,并设计3种难度等级的认知分心次任务,采集35名被试驾驶人在试验过程中的方向盘转角、油门开度、制动踏板力等操作参数,以及车辆位置、速度、加速度等车辆运动参数。采用重复测量一般线性模型,分析不同等级认知分心对上述参数的影响。研究结果表明：在横向操控方面,随着认知分心程度增高,方向盘回转率增大,但车辆横向位置标准差减小,表明驾驶人处于认知分心时,采取频繁修正方向盘的补偿方式,降低车辆横向位置波动,过度补偿车辆横向安全性,且该补偿行为与认知分心程度正相关;在纵向操控方面,认知分心时,油门开度、制动踏板位置方差增大,且制动踏板位置均值增大,同时车头间距及时距未观察到显著性变化,表明认知分心时驾驶人采取频繁操作油门、制动踏板,增大制动幅度等方式进行补偿,使车头间距及车头时距等表征车辆纵向跟车安全性参数处于正常驾驶水平,但加速度标准差增大,表明跟车稳定性降低。研究结果为涉及分心的人车交互装置优化设计及考虑分心状态的驾驶人状态管理系统开发提供了一定的理论依据。     

基于模糊模型的跟驰车流特性研究

针对有关车辆跟随的传统车流跟驰理论存在的许多不足,分析了跟驰模型存在的问题,提出采用模糊模型来建立局部车流跟随模型,并针对隐性知识问题,提出了采用输入-输出数据对来设计模糊规则,应用权重来解决规则冲突问题并简化规则库.通过实例验证了模糊模型较之跟驰模型的优势.证明模糊模型更能有效地模拟真实的局部车流模型,其将对车辆避撞预警的研究提供理论上的参考价值.     

汽车驾驶员车速控制模式的模拟研究

系统地对汽车驾驶员在一定行车环境中的安全性认知与车速控制的决策、推理过程进行了定量研究,通过进行一系列勘测、测试和心理评价试验,应用模糊集合、模糊统计试验、模糊控制和模糊逻辑推理等分析方法,建立了描述汽车驾驶员在既定道路条件下行车时基于安全性考量的逻辑推理规则和车速控制模型,最后进行了相应的实测验证。模拟预测结果与实测结果吻合较好,证明了研究所采用方法和建立模型的正确性。     

风积沙相对密度的试验研究

通过对风积沙相对密度的最大干密度进行室内试验,提出取得风积沙相对密度最大干密度的合理振动时间以及相对密度在风积沙中的适用范围.这对于利用风积沙进行筑路的试验、设计及施工有一定的指导意义.