基于主观评价前下视野对驾驶员坐姿的影响

首先根据设计人机硬点,应用Ramsis软件建立驾驶员坐姿。然后通过搭建整车验证模型,采集实际主观评价人员的H点Z向坐标并与设计人机硬点进行对比分析。在保证设计人机硬点不变的前提下,调整驾驶员前方下视野,多次进行实际主观评价和对比分析。证实了驾驶员前方下视野对H30数值的影响。     

基于主客观试验的汽车A柱区域视野权重研究

为分析A柱各细分区域视野的重要程度,设计A柱动态视野客观眼点采集和主观评价试验方法,组织9款实车进行主客观试验,确定了A柱的重点关注区域,分别采用基于主观评价数据的线性回归方法和基于专家评价的层次分析方法确定了A柱各重点区域视野的权重,并对两种方法得出的权重进行优化组合,结果显示,优化后A柱各区域权重结果具有很高的准确性,能够通过各区域视野对A柱整体视野进行预测。     

一种新形式的A柱视野障碍评价方法

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。     

趋势

<正>你没看错远光灯也可以不耀眼日本斯坦利电气公司开发出了可避免让前方车辆及对向车辆的驾驶员感到刺眼的远光灯"Adaptive Driving Beam"(ADB),这种远光灯可通过安装在内后视镜背面等位置的车载摄像头拍摄前方的情况,识别前方车辆及对向车辆所在的方向,并局部关闭照射到该方向的远光。这样一来,既可向远方照射光线以确保夜间的视野,又能避免让前方车辆和对向车辆的驾驶员感到刺眼。据斯坦利电气介绍,ADB的光源由12个LED芯片组成,分成四个区域,对各个区域单     

高速跟车状态下驾驶人最低视觉注意力需求

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。     

基于移动子目标的复合式路径规划算法

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。     

基于车联网的行人主动避撞策略及仿真验证

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。     

汽车驾驶室内道路交通信号仿真研究

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。     

基于深度学习的交通目标感兴趣区域检测

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。     

如何克服驾驶盲区?

一忌跟车太近 有关统计显示,发生交通意外的主要原因之一,就是跟车太近.与前车的距离太近的话,驾驶视野就会被前车遮挡,无法清楚观察前方的交通情况,形成盲区.一旦发生紧急情况,如前方有障碍物,或者前车突然减速行驶,就无法作出最快、最敏捷的反应,甚至因刹车距离不足而追尾前车,引起交通意外.     

近光灯照射高度调节开关匹配方法

近光光束的照射高度影响驾驶员和前方会车车辆驾驶员的视野,其照射高度是国家标准强制要求的项目。介绍了近光光束高度调节的原理,分析了3种调光开关的匹配设计方法,最后通过软件测试,验证了匹配结果的有效性。     

一种车载限高交通设施高度自测系统

针对需设置限高交通标志的路段,限高交通标志缺失、不显眼、被遮挡以及地面沉降等造成限高交通标志失效,容易导致大货车卡在限高交通设施内的问题,提出一种车载限高交通设施高度自测系统。该系统通过使用摄像头采集车辆前方的道路图像,通过图像处理器的图像识别程序识别出车辆前方是否有限高交通设施,并识别出此限高交通设施的高度,同时与车辆自身高度对比,得到通过性安全性分析,通过LED灯将分析结果向驾驶员反馈。该系统可有效的避免大型车辆卡在限高交通设施下。     

基于数据预测的区域道路状态模糊判别

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。     

基于亮度特性的高空间分辨率遥感影像阴影处理研究

在高密度的城市环境中,建筑物产生的阴影遮挡了许多重要信息,导致车辆信息提取不准确甚至无法提取,因此对阴影的处理显得尤为重要.利用遥感影像阴影的几何特征和光谱特征,采用基于亮度的阴影检测方法,通过双峰曲线选取合适的亮度阈值把阴影和光照区进行分割;并用灰度线性映射的阴影补偿方法,通过线性映射对阴影区域进行信息补偿,对高空间分辨率遥感影像的样本数据中的阴影进行试验处理和结果分析,结果证明这一方法是行之有效的.     

汽车虚拟视野体验系统研究

面向汽车造型设计阶段,介绍了采用虚拟现实技术的汽车视野评价和主观体验系统.分析了虚拟视野系统软硬件组成和关键算法,通过虚拟视野与实车视野体验结果的分析与对比,对使用位置跟踪器和视线跟踪器模拟真实感驾驶员视野的可行性进行了研究.结果表明,使用虚拟现实技术对汽车视野进行主观体验是可行的,使用该系统可以大大节省样车阶段的实车试验时间和资金投入,同时提高了设计质量.     

行道树遮挡交通标志的判别方法研究

针对交通标志受到城市行道树的遮挡干扰问题,通过分析驾驶员视认交通标志规律,提出了解决平直道路上行道树遮挡交通标志问题的判别方法,对判别行道树遮挡交通标志的标准和行道树的修剪范围进行了分析研究,有助于减少行道树遮挡对交通标志识读的影响。     

自适应远光（ADB）系统设计方法

自适应远光(ADB)是汽车照明前沿技术,其可以根据路况对前方照明区域进行自动的、可变的、精确的照明,同时避免对其他道路使用者造成炫目,在保障道路行驶安全的基础上,扩大了视野照明。本文针对其系统构成、系统设计内容进行介绍。     

数字图像处理技术在喷雾方面的应用

通过MATLAB软件运用数字图像处理技术对使用高分辨率数码相机拍摄的喷雾油束图片进行处理。结果表明:所用方法去除干扰因素效果显著,能有效降低非目标对象对目标区域的影响,图像整体质量提高;目标区域与拍摄背景对比度与区分度鲜明,边缘与整体轮廓较为清晰,可有效提高测量与分析的准确性;喷雾锥角测量结果可靠性好、精确度高且能较准确的评价喷射油束的雾化质量。     

基于图像的车道线内车辆目标识别

为了获取本车道内前方车辆信息,文章提出一种基于HOG特征与SVM模型的车辆识别方法。根据检测出的车道线确定搜索区域,结合车底阴影特征实施车辆的检测并确定车辆可能存在的假想区域,针对假想区域进行HOG特征提取,构建车辆正、负样本库,将假想区域进行HOG特征输入到训练好的SVM识别器,实现车辆目标的识别。通过大量测试图像进行验证,结果表明文章采用的方法可识别出本车道内前方车辆目标。     

驾驶员轨迹决策行为影响因素的仿真研究

通过分析包括前方道路可行区域、驾驶员体力负担及道路交通法规在内的众多因素对驾驶员开车的影响，利用模糊决策理论建立了驾驶安全性、驾驶轻便性和驾驶合法性3个评价指标，并进行了在几种典型路况下的驾驶员-汽车-道路闭环系统仿真计算，有效地描述了驾驶员在开车时动态决策汽车预期轨迹的行为。