基于混合高斯-隐马尔可夫模型的动力电池实时热失控检测

随着电动汽车在我国的发展，动力电池的安全性能成为评价电动汽车综合产品力的重要指标，其中动力电池热失控的检测对乘车人员的安全至关重要。针对传统热失控检测方法在实际应用中难以准确做出判断的问题，从电池传感器直接观测的电压、电流、时间等参数中提取状态特征向量，使用混合高斯模型对特征进行最优化筛选。分别对动力电池不同的安全状态评估其混合概率分布，通过BW方法建立隐马尔可夫模型，利用维特比算法对当前观测序列计算相似概率来判断当前电池的健康状况。实验结果表明，隐马尔可夫模型对动力电池热失控的识别较常见时序检测方法更为准确，可以实现在无需电化学仪器检测的前提下达到初步热失控风险检测的目的，提升安全检测效率，降低检测成本。     

重型载货汽车气压制动系统危险状态识别

针对重型载货汽车因气压制动系统发生管路破裂、机械故障或热衰退导致制动效能下降且不易察觉从而引发严重交通事故的问题，提出基于主成分分析降维（PCA降维）和马尔可夫模型的气压制动系统危险状态识别方法。考虑到三轴载货汽车双回路制动系统的结构复杂性以及制动过程制动踏板动作、系统压力建立和实现车辆减速具有明显的时序性特点，首先采用PCA降维的方法对系统状态进行辨识；然后运用驾驶人制动意图与制动系统响应的双层隐形马尔可夫模型对系统状态进行识别。受驾驶人习惯影响制动踏板作用瞬间辨识度低，采用混合高斯聚类法提取不同制动意图时制动保持阶段数据建立制动意图识别模型和系统响应识别模型，通过二者匹配程度判定系统状态。最后，分别依据实车试验数据对模型进行离线训练和在线辨识验证。试验结果表明：系统正常状态下，基于PCA降维和马尔可夫模型相结合的识别方法能够准确、有效地识别制动系统状态；制动管路断开压力降低状态下，PCA降维方法能够及时有效识别其危险状态。     

车人碰撞中人地接触损伤仿真及防护方法鲁棒性分析

人车事故中行人主要与车辆和地面接触而遭受损伤。此前已有大量研究在车辆接触阶段对多体行人模型进行了验证,但对地面接触阶段的验证较少。本文中评估了用于预测车辆撞击后行人运动和地面接触的4个PC-Crash行人模型。通过车辆和地面接触的HIC伤害与最近研究中的6个尸体实验数据对比显示,其中PC2014行人模型能很好地预测行人头部损伤,车辆和地面接触HIC的平均误差分别为6.07%和5.85%,数据说明PC2014行人模型可以用于再现人车碰撞事故以及开发未来地面接触伤害防护对策。控制制动防护方法鲁棒性研究显示,在3种行人姿态（奔跑、步行和应急）扰动下,HIC平均降低比例分别为63.2%、57.9%和67.8%,说明控制制动防护方法具有很好的抗行人姿态干扰能力。进一步分析不同姿态下的行人损伤发现,3种步态序列之间均有显著性差异,在应急步态下控制制动防护方法有着更好的抗行人姿态干扰能力;而在奔跑步态序列下,往往可以通过控制制动防护方法产生最低的头地碰撞损伤,表明在使用控制制动防护方法对行人进行保护时须考虑到不同姿态产生的影响,以进一步提高控制制动防护方法的地面伤防护效果。     

驾驶员状态监督硬件在环试验研究

驾驶员状态对于机动车行车安全有着决定性的影响。针对驾驶员操控车辆行驶过程中的行为状态检测问题,通过基于高斯混合-隐马尔可夫模型的驾驶员状态监督方法对驾驶员状态监督模型的检测结果进行评估,分析其状态识别准确率和接受者操作特性曲线;搭建了驾驶员在环实时仿真硬件平台,并在该硬件在环平台开展硬件在环试验,进一步验证所建模型。结果表明:搭建的硬件在环平台可以进行驾驶员状态监督试验验证,有助于智能汽车驾驶安全性验证。     

城市道路无信号控制路段行人过街风险分级预警模型

为量化城市无信号控制路段下的行人过街风险,避免人车冲突事故频发,提出基于K-means算法的行人过街风险量化分级方法,并在此基础上建立了基于随机森林的行人过街风险分级预警模型。考虑时空接近程度及潜在碰撞伤害大小,选取冲突时间差、潜在碰撞距离与潜在碰撞能量3个指标,准确刻画出实际的人车交互场景,并利用K-means算法对行人过街风险状态进聚类划分,明确相应的行人过街风险等级。综合行人过街场景中包含的天气状况、道路交通设施、行人交通特征、机动车交通特征与历史事故等5类风险隐患因素,提出了30项行人过街风险二级指标,依据基尼不纯度对风险指标进行筛选并构建出最优的预警指标集,以此为模型输入,利用随机森林算法建立了能对行人过街风险进行细化、量化预测的分级预警模型。以山西省某市3处行人过街样本数据为算例验证模型的可行性。算例分析表明：行人过街风险等级分为5级时,量化分级结果能与实际行人过街情景较好吻合;本文提出的分级预警模型对各风险等级预测的整体正确率可达86.67%,其中对一级与四级风险的预警能力最为突出,一级风险识别准确率达到100%,四级风险识别准确率达到94.7%。本研究提出的行人过街风险...     

驾驶人对潜在危险性事件的心理预期识别研究

为准确识别驾驶人对潜在危险事件的心理预期，提出一种通过脑电信号对驾驶人心理预期进行识别的方法。参照心理学预期行为研究常用的标准S1-S2范式，改进设计了路侧停靠公交车造成视觉遮挡的人车碰撞事故模拟驾驶试验。模拟任务中以路侧停靠的公交车为线索刺激，公交车头的行人为目标刺激，诱发驾驶人的心理预期。为有效识别驾驶人心理预期，首先采用释放油门的避险行为对每个试次标定是否产生心理预期，然后通过快速傅里叶变换提取相关的脑电特征数据，并通过差异性分析及主成分分析算法对脑电特征指标进行筛选和压缩，最后基于支持向量机建立驾驶人心理预期识别模型。研究获取36名驾驶人数据，共计1 440个样本。结果表明：当驾驶人产生心理预期活动时，枕区和额区的α波能量值显著降低，而β波能量值则显著增加；差异性分析显示共有31项脑电指标对驾驶人心理预期敏感，所有脑电特征指标通过PCA算法进行降维，抽取出5个主成分作为识别模型输入；选择径向基核函数构建SVM识别模型，通过粒子群寻优算法对模型进行优化，模型对驾驶人心理预期水平的平均识别正确率为82.02%，平均AUC面积为0.82，结果表明模型具有良好的识别能力和稳定性，可为驾驶辅助系统的研发提供技术理论支撑。     

基于视频跟踪方法的行人过街状态表达与分析

提出了一种基于视频跟踪的行人过街状态表达与分析方法。采用自适应的混合高斯背景模型实现复杂交通场景下的背景抽取,提取运动行人目标;通过扩展的Kalman滤波算法对过街行人进行跟踪,获取行人的运动轨迹;根据有限状态自动机理论将行人过街过程表达为连续的微观行为状态;在行人过街运动参数的基础上,对行人的过街状态进行推理并分析,得出合理的过街行为方式。通过实际无信号交叉口行人过街视频跟踪实验表明,该方法具有较好的应用性。     

A Research on the Effects of Pedestrian's Gait in Vehicle-Pedestrian Collision Accident

为提高人车碰撞事故再现仿真的准确性,分析行人的初始状态对仿真结果的影响,提出了一种以多刚体行人假人为模型的事故再现方法.该方法仿真行人行走的动态过程,从而确定事故再现中所需要的行人姿态、步速等初始状态参数.通过再现一起真实交通事故,论证了行人初始状态对事故再现结果的影响,并证明了该方法的正确性.     

基于行人视野注意力场的人车微观交互模型

从行人视觉认知角度出发，提出一种基于行人视野注意力场的人车微观交互模型。构建视野注意力场驱动行人视野域，利用人工势场驱动行人运动，利用目标捕捉算法来控制行人视野域对目标的捕捉。为了验证模型的有效性，使用无人机采集鸟瞰视角下的人车交互数据并进行处理分析，将行人过街风格分为保守、谨慎和冒险3种类型，在Pygame平台下搭建仿真场景和交互模型，把不同行人过街风格的交互数据作为模型输入，以模型输出的行人时空轨迹与采集的真实时空轨迹之间的相似度进行实验对比。结果表明，建立的基于行人视野注意力场的人车微观交互模型比常规人工势场模型准确性提高了25.48%，能够有效地复现实际交通场景中的人车交互过程。     

基于交通因子状态网络的城市交叉口交通流预测

信息技术的快速发展,为交通研究和城市交通管理提供了大规模、多样化的数据资源,并为城市交通状态估计和交通流预测方法的研究提供了有力支持。将城市交叉口视为一个微观交通系统,采用数据驱动与领域知识结合的方式,建立微观层次的交通因子状态网络模型（Traffic Factor State Network,TFSN）,考察交通因素之间的相互关联,并考虑环境因素的影响。该模型结合交通因子和环境影响因子的影响,通过对交通流数据进行聚类分析,估算出对应于环境影响因子的交通状态,并通过实际案例验证其物理意义以及与交通流实际状态的对应关系。进一步地,基于不同交通状态下的交通流数据建立高阶多元马尔可夫链,进行交通流预测,并根据交通流时间序列的聚类性能指标提高模型的预测准确性。对数据序列马氏性强弱、马尔可夫模型阶数与模型预测准确性之间关系进行分析。研究结果表明：根据马氏性合理选择马尔可夫模型的阶数可以提升模型预测准确性;直接对原始交通流数据进行预测的平均绝对百分比误差为24.61%,而不同交通状态下交通流预测的平均绝对百分比误差为16.99%,相比直接预测误差下降了7.62%,验证了所提出的微观交通因子状态网络的有效性和可用性。     

混合交通中的车辆与行人检测

混合交通中车辆和行人的检测识别是研究如何让计算机以人的思维方式从视频或图像中将车辆和行人从背景中区分出来。车辆检测与行人检测作为智能交通系统的核心组成部分,具有重大的研究价值与现实意义。本文基于候选区域和深度网络的深度特征提取方法,通过获取场景中的大量实时图像数据进行多任务深度模型训练,实现复杂交通场景中的车辆检测和行人检测的任务。相比于传统的车辆检测算法和行人检测算法,基于候选区域和深度网络的深度特征提取方法具有独特的优势:检测的准确性、鲁棒性、实时性可以在一定的条件下达到比较满意的程度。而传统车辆与行人的检测算法,并不能同时在3项指标上达到较好的状态。此外,候选区域的确定避免了穷举式搜索目标,从而节省了大量时间开销。     

基于马尔可夫链的路网级桥梁状态分布预测

为了采用马尔可夫链对路网级桥梁状态分布进行较准确的预测,在路网桥梁多年检测数据的基础上,以检测值与理论值的误差平方和最小为优化目标,提出了2种求解状态转移矩阵的优化模型。采用遗传算法对提出的优化模型进行求解,并将提出的优化模型与既有典型优化模型进行了对比。实例分析表明,采用提出的2种优化模型求得的状态转移矩阵,马尔可夫链的预测误差均低于9%;提出的2种优化模型求解状态转移矩阵的精度均明显高于既有典型优化模型;采用文中求解状态转移矩阵和初始状态向量的方法,马尔可夫链可以较好的用于路网级桥梁状态分布的预测。     

公路货运量灰色模型-马尔可夫链预测方法研究

将灰色系统理论与马尔可夫链相结合，首次提出了灰色模型-马尔可夫链预测公路货运量的方法；并结合“十五”期间中国公路货运量和公路货运市场的发展趋势的预测分析详细阐述了该方法的具体应用。首先建立GM(1，1)灰色动态拟合模型，并以此作为公路货运量发展变化的动态基准线模型；在此基础上应用马尔可夫链确定系统状态转移概率矩阵，通过系统状态的划分、样本值与模型拟合值之间的残差及其标准化离差等指标的分析计算，最终以概率形式分析和预测公路货运量的发展变化区问。理论分析和实践都表明，该法不但预测结果更可靠，而且能够对公路货运市场的发展趋势进行宏观的把握，有利于决策者的决策行为。     

基于动作预测与环境条件的行人过街意图识别

考虑到人车冲突多发于行人过街过程,本文中提出了一种基于行人动作预测与环境条件的过街意图识别网络MIFRN,它通过结构各异的子网络分别对行人的未来动作信息、行人周围的局部交通场景、车速和人车距离信息进行编码,并在信息融合的基础上预测行人是否有过街意图。最后在公共数据集PIE和JAAD上验证了算法的性能。结果表明:本文提出的方法可准确并鲁棒地识别行人的过街意图。     

瑞士桥梁管理系统中构件的状态演变

瑞士桥梁管理系统以构件的状态演变为基准进行桥梁评估。为了预测任意构件在任一时刻的状态情况,采用马尔可夫链法建立构件混凝土龄期与状态情况之间的关系式。通过数值模拟方式建立理论模型,以氯化物腐蚀为例,对比马尔可夫链法与理论模型计算结果,并总结马尔可夫链法在预测构件的状态演变方面的优劣性。     

考虑人车交互的两相位信号控制交叉口行人专用相位设置条件

为准确分析机动车避让行人条件下行人专用相位设置的合理性,研究了行人专用相位对交叉口通行效率的影响,提出了一种考虑人车交互的行人专用相位的设置条件。首先,分析了行人流量、机动车流量与人车交互行为的关系,建立了考虑避让率的人车交互行为模型。其次,假设车辆到达服从泊松分布,分别建立交叉口机动车内乘客以及过街行人延误模型;以设置行人专用相位前后的交通参与者总延误为主要指标,提出行人专用相位设置条件。再次,基于信号控制交叉口的人车交互行为视频,标定了所提出模型的各项参数;通过数值仿真分析了不同行人与机动车流量条件下,设置行人专用相位后交通参与者总延误的变化,并据此确定了设置条件中调整系数在不同交叉口工况下的取值。最后,根据上海市实地调查数据建立了微观仿真模型,建立常规信号控制与行人专用相位两个场景对比总延误、排队长度、机动车通过量等指标。结果表明:人车交互行为对交叉口交通参与者总延误具有较大影响,应当将人车交互因素纳入行人专用相位设置条件;在机动车流量相同的条件下,行人流量越多设置行人专用相位后延误增量越小;车辆避让率越高,设置行人专用相位后延误增量越小。     

场论模型下的多方向行人仿真

常用的元胞自动机模型的研究重点是对向行人流,当行人方向增加到3向甚至更高时,元胞模型将会非常的复杂导致难以大规模仿真。基于场论的行人流模型可以较好克服元胞模型的不足,通过场论模型仿真行人多方向的运动实现真实行人的运动状态。基本图结果表明,多方向行人仿真基本图显示在行人密度较高的情况下可以得到更高的速度,在低密度下则相反。     

考虑行人过街的地铁站邻近交叉口公交优先信号控制方法

为了充分考虑行人过街对地铁站等大型公共设施邻近交叉口公交优先信号控制的影响,解决传统公交优先信号控制方法未考虑行人过街延误,造成行人滞留交叉口时间过长影响交通的问题,提出了综合考虑行人过街、公交车辆和社会车辆乘客延误情况的优先控制方法。根据人流和车流情况将交叉口交通状态分为人多车多、人多车少、人少车多和人少车少4种不同状态。针对前3类交通状态分别建立以道路通行能力最大化和公交乘客、社会车辆乘客以及过街行人延误变化最优化为目标的双层规划模型和以交叉口延误变化效益最大化为目标的多目标规划模型,并利用遗传算法进行求解。通过实测数据对比了采用该方法前、后公交乘客延误、社会车辆乘客延误、行人过街延误的变化情况。研究结果表明:该方法能在少量增加公交乘客和社会车辆乘客延误的情况下,大幅减少过街行人延误;相较于传统公交优先信号控制方法,在人多车多时采用该方法行人延误可减少59%,人多车少时行人延误可减少41%,人少车多时行人延误可减少195%;实测结果验证了该方法的有效性,其更具公平性并更符合实际,能够获得最大延误效益。     

基于社会力的自动驾驶汽车行人轨迹预测模型

为了改善自动驾驶领域对行人保护的局限性,研究了人车混行路口行人的行走模式与人车之间的交互行为,提出了一种基于社会力的自动驾驶汽车行人轨迹预测模型,对人车混行路口的行人行走轨迹进行预测。模型整合了判断行人面对来车行走或是停下的行人走、停决策与改进的社会力模型,并考虑了不同年龄、性别行人的个体差异性。通过数据采集与分析,得到行人的个体特征与真实行走轨迹,用逻辑回归的方法,以真实行走轨迹训练行人走、停决策,用极大似然估计法标定了改进的社会力模型中的系数。通过相同场景与初始条件下,模型预测结果与真实轨迹的对比验证了模型的准确性,结果表明:行人走、停决策能够以总体90%的正确率判断行人面对来车行走与否,改进的社会力模型可以计算出行人在周围环境、其他行人和车辆影响下可能的行走轨迹,与真实轨迹之间的平均位移误差AE15 cm,最终位移误差FE25 cm。轨迹预测模型具有一定的准确性,能够在人车混行路口为自动驾驶汽车的决策与路径规划提供依据,从而达到行人保护的目的。     

交叉路口转弯车辆对横穿行人的避撞策略

针对交叉路口转弯车辆与横穿行人碰撞的危险场景,提出了一种综合碰撞时间和制动距离的避撞策略.首先,建立转弯车辆与行人的位置关系模型,确定行人目标跟踪方法,然后,通过比较行人进入转弯区域时间、避撞剩余时间、行人离开转弯区域时间的关系确定行人是否为危险目标,最后,建立此种场景下的制动安全距离模型并确定了避撞策略.通过PreS...