老年人对自动驾驶汽车接受度影响因素分析

为了改善老年人出行,针对中国老年人出行机动性差和可达性低的问题,提出用自动驾驶汽车技术解决,研究了老年人群体对自动驾驶汽车接受度的潜变量因素。采用结构方程模型,对全国的734份有效问卷调查样本分析,构建了三个模型进行了分析和对比。本文揭示了构建的模型的优劣,并分析了影响老年人对自动驾驶汽车接受度的心理潜变量因素,找出了其中的关键影响因素,为自动驾驶汽车在老年人中的普及提供了建议。     

老年人对自动驾驶汽车接受度研究

有限的交通方式选择使得老年群体出行的机动性、便捷性和可达性往往难以得到充分的满足,这会极大影响晚年生活的幸福感,为解决这一问题,针对老年群体的出行行为研究受到了广泛关注.自动驾驶汽车作为一种新兴出行方式,能够提高老年群体出行机动性,这一新兴出行方式得以普及的前提条件之一在于广大老年群体是否能迅速且广泛地接受.因此,在自...     

基于生态驾驶的自动驾驶汽车交叉路口控制策略研究

为了进一步提高自动驾驶汽车在交叉路口行驶时的燃油经济性,基于模型预测控制（MPC）理论,量化分析了车辆安全性、经济性、舒适性等多性能指标函数及约束,并设计了以经济性为主的交叉路口自动驾驶汽车生态驾驶控制器。仿真结果表明,所提出的控制策略能够保证良好的安全性和舒适性,与LQR控制器相比,在有前车影响和无前车影响工况下的百公里油耗分别降低15.83%和34.98%。     

自动变速器汽车的驾驶操作要点

从起动发动机、行车、换挡、例车和停车几方面对自动变速器汽车的驾驶技术要点进行了介绍。     

自动驾驶汽车的仿真

随着汽车自动化程度的提高，自动驾驶汽车已成为国内外的研究热点之一。本文设计了一种自动驾驶汽车的模型，它能根据道路的弯曲程度变化实时地计算出车辆的转向角度输入，控制车辆按照预设想道路行吮。     

自动驾驶 何时上路

<正>近两年来,自动驾驶汽车在网上被炒得很是火热。作为对自动控制技术和汽车技术都非常感兴趣的我,虽然没有见过自动驾驶汽车,但一直很关注自动驾驶技术的发展。那么现在自动驾驶汽车技术发展到什么地步?什么时候能真正上路行驶?人类探寻自动驾驶汽车的脚步一直没停止过1912年,凯迪拉克推出的自动启动系统似乎让人类迈出了自动驾驶技术的第一步。当时使用电动机来代替人力来启动汽车,标志着自动启动系统的问世,也意味着驾驶者不再使用手柄启动汽车。     

自动驾驶驾驶人接管特征研究进展

为自动驾驶驾驶人接管环节做出指导性的建议,从自动驾驶接管的影响因素和自动驾驶驾驶人接管绩效进行系统梳理,总结主要研究内容和方法,并展望其未来研究趋势。总结发现,现有研究缺少一套针对驾驶员在不同复杂度的交通环境下驾驶人行为准则,今后对于自动驾驶驾驶人接管特征的研究目的就是在清楚驾驶人有哪些行为后对自动驾驶安全接管设计提供理论支持。     

自动变速器汽车的正确驾驶（一）

液压自动变速器简称为AT(Automatic Transmission).装有AT装置的汽车称为AT汽车,也可称为变矩器或双踏板汽车(无离合器踏板). 一般机械变速器在起步和上坡时,需要大驱动力,此时必须使用低速挡,使低速齿轮转速尽可能低.与此相反,车辆速度增大,需要高转速时,必须使用高速挡.机械变速器是按照行驶要求选用适合的挡位,并且靠离合器的离合作用来连接发动机与变速器之间的动力传输.     

车联网环境下自动驾驶车辆车道选择决策模型

试验车道选择行为是自动驾驶车辆最基本的决策行为之一,利用车联网技术可以使车道选择结果更加全面、合理.首先,对高速公路自动驾驶车辆车道选择决策过程进行分析,并以车联网感知通信范围内的车辆的平均速度、重车比例及前往车道的理想换道时间为主要指标创建成本函数,根据计算结果输出最优车道序列;然后,以Gipps安全驾驶模型为基础,...     

先进驾驶辅助系统的接受程度及其影响因素分析

研究驾驶人对驾驶辅助系统(ADAS)的接受程度及其影响因素,有利于ADAS的推广和功能改善.招募46名被试,分2次驾驶未安装和安装有ADAS的车辆,行驶于武汉市典型道路各105km,并完成驾驶人基本信息和关于ADAS接受程度问卷.基于技术接受模型(TAM)分析驾驶人对ADAS的接受程度,应用方差分析方法研究驾驶人对ADAS接受程度的影响因素.结果表明,43名驾驶人对ADAS的接受程度均值为80.9%(SD=0.191);驾驶人的性别、年龄和驾驶经验对ADAS的接受程度没有显著性影响;ADAS类别对驾驶人的接受程度有显著性影响,驾驶人对于FCW系统的接受程度较高,而对LDW系统接受程度较低;道路类型对驾驶人的接受程度也有显著性影响,驾驶人在城市道路上对ADAS的接受程度最低.     

考虑前后多车的网联自动驾驶车辆混流跟驰模型

随着中国新基建战略的提出及自动驾驶和网联通信技术的不断发展,网联自动驾驶车辆(CAV)、自动驾驶车辆(AV)和常规人驾车辆混行的交通流将在未来长时间存在.建立适用于网联自动驾驶车辆、自动驾驶车辆和常规人驾车辆3种类型车辆的混流跟驰模型,考虑多前后车车头间距、多前车速度差、加速度差、与主体车辆的相对距离等因素,并进行典型...     

智能网联环境下基于安全势场理论的车辆换道模型

为有效刻画未来智能网联环境下车辆在换道过程中面临的驾驶风险,保证车辆执行更加安全的换道决策,建立基于安全势场理论的车辆换道模型.首先针对车辆换道过程中所遇到的驾驶风险进行评估,利用势场理论给出车辆行驶过程中不同运动状态下安全势场的空间分布.其次根据换道过程中相关车辆不同安全势场分布情况计算出换道结束时的车间临界距离,相...     

人机混驾环境下基于LSTM的无人驾驶车辆换道行为模型

道路系统中的人机混驾交通环境是指人工驾驶车辆与自动驾驶车辆混合运行的交通环境，其中换道行为建模是人机混驾环境下无人驾驶车辆行为研究的热点。基于深度学习理论，构建人机混驾环境下基于长短期记忆神经网络的无人驾驶车辆换道行为模型（Long-short-term-memory-based Autonomous Vehicles Lane Changing，LSTM-LC）。通过研究人工驾驶车辆在换道过程中与周边车辆的相互作用，对换道行为影响因素进行分析；同时，为了提升模型的迁移性，引入道路横向偏移量信息。结合LSTM神经网络的输入要求，使用美国公开交通数据集Next Generation SIMulation（NGSIM）构建换道行为样本库。针对LSTM-LC模型，以均方差MSE作为损失函数，使用RMSprop优化方法进行训练，对LSTM网络结构、历史序列长度N及训练样本量3个重要参数进行标定。最后，针对道路横向偏移量M对LSTM-LC模型性能的影响进行对比试验。研究结果表明：相比GRU-LC模型，LSTM-LC模型对换道行为的表征更准确，在模型的精度和迁移性上有着显著的提升；GRU-LC模型的均方差为4.64 m²，迁移性均方差为119.82 m²，而LSTM-LC模型的均方差为3.18 m²，迁移性均方差为79.58 m²，分别优化了31.5%和39.71%；通过引入道路横向偏移量M，可将LSTM-LC模型精度和迁移性提升约10%，且模型稳定性更强。     

基于潜在类别-Logit模型的共享自动驾驶汽车使用意向

自动驾驶技术和共享经济融合产生的共享自动驾驶汽车（SAV）可为人们提供优质的出行服务。为探究出行者选择SAV的行为特性,对受访者的社会经济属性、历史出行特性、行为态度特征进行调查,并采用正交试验设计出行方式选择意向调查问卷,收集到311份有效数据。为充分考虑个体异质性,利用潜在类别分析探究SAV使用者的潜在类别,并将所得潜在类别作为变量融入离散选择Logit模型,建立SAV使用意向的潜在类别-Logit模型。结合多项或混合Logit模型以及划分的3个潜在类别,根据4个合理的模型标定的性别、交通模式、SAV使用人群类型、等待时间等59个变量的参数,识别SAV使用意向的显著性影响因素,并采用7个拟合优度指标评价多项Logit、混合Logit、潜在类别-Logit等8个模型。利用边际效应分析,探讨出行方式属性对SAV使用意向的具体影响。结果表明：涉及3个潜在类别的离散选择Logit模型具有更强的解释性,这3个潜在类别可分别描述为冲动的积极创新者、矛盾的保守创新者和理智的保守使用者;不同潜在类别人群的显著性因素存在明显差异,SAV使用人群类型是不同潜在类别人群共有的显著性因素,其中SAV创新者在各个模型中的显著性水平值均小于0.1;潜在类别-Logit模型的第1类和第2类预测正确率比其他Logit模型分别高出5.9%~28.3% 和5.4%~18.5%,可以更好地解释出行者对SAV的使用意向;出行等待时间对出行者选择SAV的影响最大;当SAV选择概率接近于0.5时,轻微降低SAV人均出行费用最易引起选择私人小汽车的出行者转而选择SAV。     

基于解释结构模型的塔梁同步施工风险因素分析

为了对斜拉桥塔梁同步施工工艺的风险进行有效的管理,运用解释结构模型对斜拉桥塔梁同步施工过程中风险因素之间的关系进行识别.在明确塔梁同步施工风险因素的基础上,建立风险因素相互影响关系的邻接矩阵,求出可这矩阵,并对可达矩阵进行分解,将塔梁同步施工风险因素划分为6个级别.对这6个级别的关系进一步分析,最终将风险因素分为客观风险、主观风险、过程风险以及结果风险4个层次,揭示了塔梁同步施工过程中各风险因素之间的内在关系.     

基于社会力模型的地铁站乘客上下车行为影响因素分析

在上下班高峰期,缩短乘客的上下车时间,更多乘客将会被送达目的地,从而可以提高现有地铁系统的载客能力.现有的国内外研究乘客上下车行为的文献,大多以全部乘客下车为前提进行研究,这与现实生活中只有部分乘客下车的现象不符.因此在社会力模型的基础上加入规定未下车乘客行为的等待模型,在等待模型中,未下车乘客倾向于停留在初始位置.模拟了部分乘客下车行为,并研究了乘客初始位置分布、上下车乘客比例、门的宽度等因素对部分上下车乘客所需上下车时间的影响.结果表明,车门宽度增加23.08%,最多可节约39.7%的上车时间和39.62%的下车时间;随着上下车人数比例不断上升,平均上车时间不断下降,平均下车时间不断上升;通过改变下车乘客初始分布位置,可以将乘客下车时间缩短至原来的72.16%.     

车路协同系统接受度建模及性别差异分析

为了研究公众对车路协同系统(CVIS)的接受度以及在性别上的差异,考虑心理因素,基于拓展的技术接受模型建立车路协同系统接受度模型,通过网络问卷调查方法获取车路协同系统接受度影响因素的主观评价数据,使用偏最小二乘法的结构方程模型(PLS-SEM)检验测量模型的内部一致性和可靠性、收敛效度和判别效度以及模型的假设.研究结果...