共查询到20条相似文献,搜索用时 46 毫秒
1.
2.
3.
A柱视野障碍是驾驶员前方视野的一项重要评价指标,也是汽车主动安全性的一个重要因素。本文基于驾驶员眼点和头部转动点,利用投影原理,引入了一种新形式的A柱视野障碍评价方法。该方法充分考虑A柱以及外后视镜、车门密封条等多种因素对视野的影响,不仅可以对车辆A柱视野障碍进行定性的分析,同时也能定量地对不同车辆的情况进行比较,分析结果直观易懂,可以作为对法规A柱视野障碍评价方法的有效补充。 相似文献
4.
5.
为了避免现有驾驶分心研究方法的局限性,从注意力需求角度入手,探索了高速跟车过程中驾驶人安全驾驶所需的最低视觉注意力。在驾驶模拟器上进行试验,记录26名驾驶人在正常驾驶和视线遮挡驾驶2种状态下的视觉行为和视线遮挡行为数据,并进行统计分析。考虑驾驶人个体差异,初步探索了最低视觉注意力需求分布。结果表明:高速跟车驾驶状态下,驾驶人可以不需观察周围交通信息安全行驶35m左右,视线遮挡距离与车速无关,可用于表征注意力需求。视线遮挡距离和遮挡频率存在个体差异,但驾驶人总体遮挡百分比基本不变。高速跟车过程中驾驶人的剩余注意力主要用于观察道路前方和其他区域。具体表现为视线遮挡驾驶状态下驾驶人对道路前方和其他区域的观察距离显著缩短,而观察频率基本不变,且仅需行驶25m左右的时间驾驶人即可完成观察周围交通状况,说明观察频率对获取交通信息更为重要。驾驶人平均每行驶20~60m(1.0~2.8s)需要观察前方道路一次,每行驶80~220m(4.1~8.6s)需要观察车速表一次,每行驶140~300m(6.7~13.5s)需要观察后视镜一次,每50~200m(2.5~9.1s)可以遮挡视线一次,但遮挡距离一般小于43.7m(约2.4s)。研究结果有助于提高分心预警系统的环境敏感性和车内人机界面设计的合理性。 相似文献
6.
《中国公路学报》2017,(11)
为使无人驾驶汽车无碰撞、高效到达目标点,针对当前未同时突出全局路径和局部路径优点的问题,通过激光传感器检测无人驾驶汽车周围环境,用子目标点与无人驾驶汽车的连线将平面环境划分为左、右2个半平面,分别搜索可通行的自由扇区,根据一种代价函数评价各个自由扇区得到最优的路径。考虑无人驾驶汽车各时刻的姿态不同,为无碰撞的切入最优路径,创建基于无人驾驶汽车到阻塞区域距离和当前车速的风险评价函数,基于人的驾驶行为,创建以风险评价值和切入最优扇区的转角为输入,无人驾驶汽车角速度和线速度为输出的模糊控制。在全局路径已知的条件下,在全局路径上为实时的局部路径规划选择子目标点。根据环境等因素的影响,将子目标划分成被未知阻塞区域遮挡、被已知阻塞区域遮挡且遮挡前子目标可见、被已知阻塞区域遮挡且遮挡前子目标不可见3种状态,为引导无人驾驶汽车,分别分析其子目标所处的状况并提出子目标应当按照一定速度向特定方向移动的方案。研究结果表明:该方法能够很好地解决局部路径规划层无远见的问题,全局路径上的子目标点有效地引导无人驾驶汽车前往最终的目标,同时又不会与阻塞区域发生碰撞,保证了无人驾驶汽车行驶的平顺性,实现实时无人驾驶汽车路径达到最优,又很好地关联了全局路径规划层和局部路径规划层。 相似文献
7.
针对行人从静止遮挡车辆前方穿出并与主车碰撞的“鬼探头”危险场景,提出一种基于车联网的行人主动避撞系统控制策略。首先,建立主车、遮挡车和行人间相对位置关系模型,通过车车通信获取遮挡车前方的行人状态信息;其次,根据目标进入时间、目标离开时间、碰撞剩余时间和安全避撞时间4个危险状态判断评价指标,建立分级制动策略,并通过下层PID控制调节制动压力实现车辆控制;最后,基于PreScan、CarSim和MATLAB联合仿真平台,搭建该危险场景并验证所提出控制策略的有效性。结果表明,该策略能够实现避撞功能,且性能优于基于宽度触发的行人主动避撞策略。 相似文献
8.
道路交叉口信号灯是保障道路网络节点交通秩序有条不紊的保障。为了解决实际交通中某条道路上前方有大型车辆遮挡或大雾等不良天气原因,导致后方车辆驾驶员无法辨识前方信号灯的问题,文章提出了一种在汽车驾驶室内自动显示前方道路交通信号系统的方法,并给出了本方法的技术路线。通过3Dmax和SolidWorks仿真软件建立了车内交通信号系统模型,实现了车内交通信号的传输与显示。结果表明,该方法可以使前方交叉口的交通信号在驾驶室内实时显示,解决了视线遮挡而无法观测前信号灯的实际问题,从而减少了驾驶员的心理负荷,提高了道路交叉口的交通安全性。 相似文献
9.
为了提高交通目标检测的实时性和准确性,针对交通目标检测过程中普遍存在的背景复杂、光线变化、物体遮挡等干扰问题,以及基于深度学习的目标检测算法在进行区域选择时滑动窗口遍历搜索耗时的问题,提出一种基于时空兴趣点(STIP)的交通多目标感兴趣区域快速检测算法。像素级时空兴趣点检测在处理目标遮挡时具有较好的鲁棒性,利用这一特点,首先在传统兴趣点检测算法的基础上加入背景点抑制和时空点约束,以减少无效兴趣点对有效兴趣点检测带来的干扰。通过改进均值漂移算法,使得聚类中心数量随目标数目的变化而改变。然后对被检测出的多目标附近的候选兴趣点分别进行聚类,获取各个目标聚类中心位置信息。根据聚类中心点与筛选后的目标兴趣点之间的相对位置关系进行特定组合获得感兴趣区域。在这些感兴趣区域上使用选择性搜索算法生成1 000~2 000个候选区域,并将这些候选区域放入训练好的深度卷积神经网络模型中进行特征提取。最后将特征提取结果送入支持向量机中进行目标种类判别并使用回归器精细修正目标识别框的位置。研究结果表明:通过对候选区域进行预处理,送入模型中的候选区域数量减少了82%,对应算法整体运行时间减少了74%,能够满足智能交通监控的实际需求。 相似文献
10.
11.
12.
13.
区域路网交通状态判别是实施区域交通管理控制和交通诱导的基础。为有效且有前瞻性地描述区域路网拥挤状况,提出了1种基于时间序列数据预测和主成分分析相结合的模糊综合定量评价方法。以路段平均速度和交通流量为描述交通拥挤状况的参数,利用时间序列预测模型对数据进行预测;将路网中各路段的平均旅行时间作为总延误的影响因素;再利用主成分分析法确定各个路段对区域拥挤的影响权重;最后运用模糊综合评价法对区域路网拥挤状况进行评估。以山西省临汾市实际路网为例,通过 Vissim 交通仿真软件和 SPSS 数据统计分析软件对算法进行了仿真验证。仿真结果表明,该算法能够有效地预判城市区域的交通状况,为交通管理、控制和诱导提供准确的依据。 相似文献
14.
15.
16.
17.
18.
19.