距离产生美

每天当我们在道路上行驶时，由于过红绿灯或者堵车难免会走走停停，这就要求我们跟前车保持一定的距离。特别是新手们，免不了要频繁跟车，由于驾驶经验的不足，常常是危机四伏。距离长了吧，别的车一下就卡进来了，把自己搞得手忙脚乱的：距离太近了吧，又怕与前车追尾。因此，正确掌握跟车技巧，不断积累跟车经验就显得格外重要了。要注意哪些才能安全跟车呢？[编者按]     

跟车行驶有技巧

<正>行车过程中,跟车行驶是每个驾驶员都要面对的事情。学会跟车行驶,掌握跟车技巧是必要条件。目测前车,正确控制跟车间距跟车行驶过程中,驾驶员的视线易被前车阻挡,接收前方路况信息的时间相对滞后,处理情况和驾驶操作过程中易出现     

跟车行驶五注意

注意前车车速 跟车行驶中，应密切注意前车车速，及时调整必要的跟车距离。这里有两种情况：一是当前车作匀速行驶时，后车也以同样的速度行驶动，这时跟车距离的米数约等于前车车速的公里／小时数。     

高速公路平直路段安全跟车距离分析

跟车距离是影响跟车安全性的重要因素。过小的跟车间距是导致追尾事故的原因之一。本研究从分析安全跟车距离的影响因素出发,通过实地观测获取真实跟车车流数据,分析观测路段车头间距的分布和车头间距与速度的关系,发现跟车间距随速度变化而波动,且跟车速度与间距同时影响跟车安全性。     

基于驾驶员实际跟车特性的自适应巡航系统研究

合理决策安全跟车距离是自适应巡航控制算法开发的核心,分析驾驶员实际驾驶特性,得出安全跟车距离与静态距离、预瞄时间、相对速度之间的关系,并提出计算安全跟车距离的算法,应用到自适应巡航系统控制中,经验证明设计的自适应巡航系统比较符合驾驶员的跟车习惯,通过调整相关特征参数,能够适应和匹配不同的驾驶特性。     

新手上路开车要学会保持安全距离和安全会车

车辆问的安全距离,即跟车距离,是指跟车行驶时前后两车之间应保持的纵向安全距离及会车、超车时车与车之间应保持的侧向安全间距。跟车距离过小、过大都会影响安全行车,成为事故隐患。因此,对于刚刚上路开车的新手,如何把握这一安全距离,对安全行车是至关重要的。     

安全小贴士：注意保持“安全车距”

道路交通肇事中,很多是因为驾驶员跟车方法不当,或不能保持合适的跟车距离而造成的。因此,掌握正确的跟车方法,保持合适的跟车距离,对减少事故有重要意义。《中华人民共和国道路交通安全法》第四十三条规定:同车道行驶的机动车,后车应当与前车保持足以采取紧急制动措施的安全距离。     

基于高速实车驾驶数据的驾驶人跟车模型研究

通过实车试验采集驾驶人在高速公路的跟车数据,分析了跟车过程中加速、稳速和减速阶段的划分标准,探讨了稳速跟车阶段驾驶人的期望跟车间距与跟车速度之间的关系,建立期望间距跟车模型,并与自适应巡航控制(ACC)系统所用的安全距离模型进行对比。结果表明:加速和减速阶段,驾驶人的反应并非对称,加速阶段的车辆状态变化更频繁;在稳速跟车阶段,驾驶人的期望跟车间距随车速的升高而增加;与安全距离模型相比,所建立的期望间距跟车模型更符合驾驶人跟车习惯。     

基于长短期记忆模型的跟车距离预测研究

当前不少前向碰撞预警系统以预警距离作为预警的特征量对驾驶人进行预警,因此,提高对跟车距离的预测准度能够直观有效提高该前向碰撞预警系统的预警能力。研究通过驾驶模拟器构建跟车场景,收集了41名驾驶员的跟车行为数据,按照3:1的比例将试验数据划分为训练集和测试集。将驾驶人的跟车距离与速度作为长短期记忆模型的输入,跟车距离作为模型的输出,对驾驶人的跟车距离进行了预测分析研究。结果表明,利用该数据集的模型能够很好的预测驾驶人的跟车行为,泛化性能较好,没有过度拟合现象。并且通过输入不同时间窗口长度的测试集发现,随着测试集长度的降低,预测结果的误差会更大。能够为提高前向碰撞预警系统的精准度提供理论支持,从而增加驾驶员对预警系统的接受度。     

基于模型预测控制的智能车辆纵向控制研究

在ADAS的控制算法中，普遍的控制算法只能在本车道跟车，据此提出一种新方法，不仅能使车辆在本车道内跟车，还能在本车道无车的情况下，进行跨车道跟车。首先在考虑前后车辆制动距离的情况下，对车距算法进行了优化，并把其他车道的车辆通过算法投影至本车道；其次搭建了基于模型预测控制（MPC）算法的车辆离散化模型系统，对其控制参数施加约束；最后通过设置前车不同的车速和车况，在CarSim搭建车辆模型并与Matlab/Simulink联合仿真，针对车辆的纵向加速度变化的研究。     

跟车同行防"追尾"

1 所谓安全跟车距离 安全跟车距离是指车辆在行驶中,前后两车之间的安全距离.道路上常有多辆汽车来往行驶,一般都是根据其车速的快慢和道路条件,如同车队一样,自动地排列并按顺序行进着.     

车主常见最危险5大驾车错觉

距离错觉驾驶人有时会对来车的车长、会车间距、跟车距离产生错觉,使会车的距离不够和跟车的距离过近而导致事故的发生。常见的有:同样距离,白天看起来近,而在夜间较昏暗时感觉远;前面是大车时感觉距离近,是小车时感觉距离远。速度错觉行车过程中驾驶人大多是根据观察到的景物移动作参照物来估计     

高速行驶车辆跟车安全距离预警系统设计与研究

正高速行驶车辆与前车跟车安全距离识别系统设计时,可采用毫米波雷达获得与前车的距离,并以此作为识别预警系统的基础应用数据。根据跟车距离和相对车速不会突变的特性建立预测模型,应用卡尔曼滤波理论预测相对车速,可有效消除系统状态误差和测量误差对测量精度的影响,利用跟车距离和相对车速计算安全距离报警阈值。同时,为适应不断更新的预测模型,采用深度学习的策略不断对预测模型参数进行学习训练,在大量学习样本的     

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.     

基于专用短程通信技术的自动跟车控制策略研究

针对跟车巡航功能中由于单车传感器精度受限和单车信息孤立等影响跟车效率和安全性的问题,文章采用新一代专用短程通信技术,建立了基于车车协同的自动跟车系统,实现自车与前车的关键状态信息实时共享和交互,设计开发了一套基于专用短程通信的自动跟车控制策略,提高跟车效率和安全性。实车试验表明,基于专用短程通信技术的自动跟车系统可有效实现跟车功能,自动跟车过程表现稳定合理,自动跟车控制策略可实时控制自车在安全距离范围内紧凑且安全地跟车,很好地兼顾跟车安全性和道路通行效率。     

跟车的技巧

在城市道路上行车，追尾可能是最常见的交通事故了，看似不可能发生的事故往往就在不经意间发生了。其实，很多追尾事故的发生，都和跟车不慎有关系。那么，跟车这种被许多司机视为“小儿科”     

基于层次分析法的智能跟车功能评价模型研究

围绕智能跟车功能综合评价进行了深入分析和研究,构建智能跟车功能综合评价体系。基于智能跟车功能相关测试标准及专著文献,将预计碰撞时间（TTC）、车头时距（THW）、最大加（减）速度、速度、车道线和道路边缘相对距离、加速度变化率和停车距离作为评价参数,应用德尔菲法（Delphi）对各评价参数与安全性和舒适性的相关性进行专家咨询,应用层次分析法（AHP）将安全性与舒适性作为评价准则,建立一套智能跟车功能的综合评价指标体系。构筑客观安全与主观体验相结合的多维度评估模型,为智能跟车功能综合评价提供评价依据。     

特殊过程下的车辆跟驰模型数值模拟分析

为分析车辆跟驰模型的性能和存在的问题,并在试验基础上有针对性地提出模型的关联因素,利用开发的FMSS数值模拟系统,对3种车辆跟驰模型的稳定性、真实性和存在的问题进行了特殊过程下的跟车数值模拟和分析。结合五轮仪跟车试验结果,分析了建立跟驰模型需要系统考虑的问题,提出了一个概念模型。研究表明:所分析的跟驰模型在特殊过程下都是不稳定的跟驰模型,要建立具有良好综合性能的跟驰模型,应引入主观意愿、驾驶环境等不确定的智能因素,建立包含数学、逻辑映射的综合模型。     

交通拥堵辅助系统(TJA)跟车模型及试验验证

交通拥堵辅助作为一种高级驾驶辅助系统,对缓解和减轻交通拥堵状态下驾驶员的疲劳具有重要作用。在交通拥堵状态下,车辆会频繁地进行加减速动作,保持合适的跟车距离对交通拥堵状态下的安全性和驾驶体验尤为关键。文章首先分析了交通拥堵辅助系统的跟车性能要求;其次,通过简化跟车过程和理论推导,建立了交通拥堵辅助系统跟车模型;最后,通过实车试验验证了交通拥堵辅助系统跟车模型的合理性和适用性。     

欧曼超级重卡参加国内首次自动驾驶列队跟驰公开验证

<正>2019年5月7日,第5届智能网联汽车技术及标准法规国际交流会(ICV 2019)及"自动驾驶汽车列队跟驰标准公开验证试验"在天津西青区举行,这也是国内首次自动驾驶列队跟驰标准公开验证试验。最终,验证结果显示,本次进行验证的欧曼EST-A重卡以稳定车辆状态和优异的跟车距离,较同场验证的其它品牌重卡实现车间距更小,展现出福田戴姆勒汽车在自动驾驶领域尤其列队跟驰方面的技术优势,以创新引领商用车自动驾驶发展。