公路试验数据处理系统开发研究

针对公路试验数据处理手工计算过程繁琐、重复性工作多等特点．利用Delphi编写了公路试验数据处理系统,方便地实现了对试验数据的处理、查询、管理等功能。     

基于无线数据采集技术的地铁车辆地面试验在线监测系统

地铁车辆地面试验是地铁调试的关键步骤,为了提高试验效率和可靠性,必须对其进行在线运行状态监测。文章针对地铁车辆分布式采集系统在数据传输上存在的困难,提出了一种基于无线数据采集技术的地铁车辆地面试验在线监测方案,该系统具有数据存储分析、状态监测、故障诊断的功能,可实现大范围内的地铁车辆运行状态的实时监控。     

基于RFID的车辆自动驾驶模拟试验装置研制

通过对比分析当前车辆自动驾驶研究现状,提出以射频识别技术(RFID)作为导航方式开展车辆自动驾驶研究;针对目前试验手段的不足,设计了基于RFID的车辆自动驾驶模拟试验装置,具体包括系统总体架构、导航设备、仿真车辆、仿真道路等;利用该装置开展了车辆直道保持和弯道转向试验,结果表明利用该模拟试验装置能快速构建试验方案,得出的结论和数据直观、可靠.     

轮胎磨损对车辆制动效能影响的试验

以全新轮胎与旧轮胎为例进行理论分析和装车试验,对试验数据进行多项式拟合,分别建立制动初速度-制动距离和制动初速度-平均减速度关系曲线。研究表明:新胎车辆的制动效能明显优于旧胎车辆的制动效能,说明轮胎的磨损程度对车辆的制动效能有很大的影响,并进一步影响到车辆的行驶安全性。     

轮胎磨损对车辆制动效能影响的试验

以全新轮胎与旧轮胎为例进行理论分析和装车试验,对试验数据进行多项式拟合,分别建立制动初速度-制动距离和制动初速度-平均减速度关系曲线。研究表明:新胎车辆的制动效能明显优于旧胎车辆的制动效能,说明轮胎的磨损程度对车辆的制动效能有很大的影响,并进一步影响到车辆的行驶安全性。     

铝合金车体城市轨道车辆地板防火结构设计

在分析现有铝合金车体城市轨道客车典型车辆底架结构的基础上,针对不同车辆地板填充物及隔热结构建立了3种不同的车辆底架防火结构模型.依据BS 6853防火试验标准对该3种车辆底架防火结构模型样件进行结构耐火性能测试,验证了不同车体底架填充物对车辆地板耐火性能的影响,并对耐火试验的结果进行分析,进而为铝合金车体轨道客车的地板耐火结构设计开发提供了值得参考的可靠数据.     

基于深度学习的车辆异常事件检测研究

基于全连接神经网络以及在高速公路场景下采集的真实车辆数据,设计一种车辆异常事件检测方法。所设计的方法利用激光雷达检测出目标与车道线信息,经过计算组成具备时空特征的输入数据,在将目标数据制作成数据集后,利用神经网络进行训练并提取输入数据的多维度特征,实现车辆异常事件检测。之后利用异常事件检测的时间信息与激光雷达和视频相机的目标融合数据,在视频数据中进行事件取图并加以验证。所述方法的总体检出率为 97.11%,准确率为 97.10%,相关值均高于传统事件检测算法,且算法耗时与传统事件检测算法相比更少。试验证明相应方法能更快速、更准确地识别车辆异常事件。     

适用北美地铁车辆碰撞吸能区设计的试验研究

采用北美地铁车辆碰撞设计标准,研究车辆碰撞时能量吸收区的工作机理和能量分配数据.首先,归纳吸能区设计、计算和试验的基本技术路线;其次,建立了车辆吸能区碰撞计算的有限元模型,依据ASME RT-2:2014标准中提到的车辆碰撞速度和车辆状态条件,分析得出了吸能区碰撞过程的速度、加速度等的分布规律;最后,采用实际碰撞试验的方法验证吸能区的实际加速度数值,对比与计算模型的一致性.通过设计计算和试验研究,得出碰撞吸能区可满足美国地铁车辆标准的结论,可以进行产品的生产应用.     

整备车辆悬挂系统垂向衰减特性分析

针对车辆系统的振动特点,搭建了双质量系统垂向分析模型;基于悬挂系统的线性假设理论,求解悬挂垂向衰减方程,探究了悬挂垂向衰减的规律;以某型高速动车组为例进行了实车试验,测得了车辆一位端、二位端以及车辆中部截面垂向衰减曲线,试验结果表明悬挂系统垂向振动以指数形式衰减;同时,验证了被试车辆一位端及二位端悬挂参数匹配的差异性,为车辆参数优化提供了数据积累及技术支持.     

有效性目标下的车辆最优维护周期

为准确确定有效性目标下的车辆最优维护周期,基于更新理论中的更新函数以及优化概念,分别建立了以有效度最大和以单位时间内总停驶时间最少为目标的2个最优维护周期数学模型。利用78辆某型商用车多年记录的运行故障数据和维修费用数据,进行了故障分布的参数估计和假设检验,在置信度大于0.95的前提下,确认车辆运行故障服从Weibull分布,并由所建模型解得车辆的最优维护周期里程为15617km。验证性分组试验结果表明:当二级维护周期取15122km时,车辆的有效度达到最大值0.9551;维护周期模型解与分组试验最优周期里程的相对误差仅为3.27%,模型的解准确可靠,符合实际。综合模型研究和实车验证性试验结果,最终认定有效度最大目标意义下的车辆最优二级维护周期为15000km。     

基于贝叶斯网络的车辆换道决策模型研究

车辆换道行为是微观交通流中的典型驾驶行为之一。车辆换道决策模型研究可以为自动驾驶汽车协同自适应巡航控制(cooperative adaptive cruise control,CACC)提供理论基础,也能有效减少车辆危险换道行为引发的交通事故。为使换道模型更加适应动态道路交通环境,以美国交通部联邦公路管理局NGSIM项目实测试验数据为依据,分析车辆换道决策时自身车辆速度、加速度及其与交互车辆相对时距等相关特征参数,并运用贝叶斯网络人工智能理论,建立车辆换道决策模型,通过仿真分析并与NGSIM实测数据进行对比。结果表明:基于贝叶斯网络的换道决策模型的平均决策准确度和识别率可达到89%以上,具有良好的换道决策效果,可为智能车辆协同自适应巡航控制及自动驾驶深度学习提供理论参考。     

驾驶员道路认知特性模型

为了提供驾驶员车速控制模式建模所需的试验数据依据和评语隶属函数,采用模糊集合原理和模糊统计试验分析方法,研究了车辆驾驶员对道路结构和交通环境因素的安全性认知与评价思维过程。在实测226处国道二级公路典型路段道路结构数据基础上,根据对131处路段样本评价试验后得到的1 785组有效“专家”认知评语数据,得出了基于0.2-截集的各认知评语非零集和基于0.8-截集的各认知评语确定集,建立了车辆驾驶员对国道二级公路道路结构和交通环境要素的安全性模糊评价评语模糊子集和模拟计算模型。     

基于高速公路自然驾驶数据的自动驾驶车辆跟驰智能性评价模型

为解决当前自动驾驶车辆跟驰智能性评价中存在的以主观评价为主、缺少微观驾驶行为数据支撑的问题,以高速公路自然驾驶数据为基础,从自动驾驶车辆与人工驾驶车辆驾驶行为一致性的角度出发,构建自动驾驶车辆跟驰智能性评价模型。首先,通过无人机视频拍摄和图像处理,获取了国内18个省份部分高速公路上的高精度车辆轨迹,利用K-means聚类方法提取了15 446组稳定跟驰数据。然后,采用描述性统计方法对速度、加速度、跟车间距及跟车时距等指标进行分析。通过Gamma分布拟合不同速度下的跟车间距,以不同速度下跟车间距众数为中心,将跟车间距按照样本量的70%、20%、10%划分为与人工驾驶车辆驾驶行为一致性较好、一般、较差等3种情况,以此为基础建立自动驾驶车辆跟驰智能性评价模型。最后,通过自动驾驶车辆跟驰试验,证明所建模型适用于自动驾驶车辆跟驰智能性评价,相比既有研究,该模型的特点是能基于全过程、微观跟驰行为数据对自动驾驶车辆做出综合的量化评价。这表明基于自然驾驶数据与驾驶行为一致性构建的模型能客观、量化评价自动驾驶车辆跟驰行为,可用于自动驾驶车辆跟驰行为研究与技术参数设计。     

基于分子动力学的车流运行动态特性及其模型

车辆跟驰行为受前导车和道路环境等的影响,将车辆抽象成相互作用的分子,基于分子动力学构建相互作用势函数,建立基于相互作用势函数的分子跟驰模型.采集试验路段不同点位的交通流样本,从视频中获得所需数据,并对加速度波动特性进行分析.将车辆运行状态分为常态行驶,起动加速和减速停车3种,根据实测交通数据对3种车辆运行状态进行模型参数标定,同时对分子跟驰模型进行稳定性分析验证,结果表明,相对于经典GM模型,分子跟驰模型稳定性更好,对实际交通状态拟合程度更高.     

基于跟驰特性的智能网联车混合交通流轨迹重构

车辆轨迹数据蕴含着丰富的时空交通信息，是交通状态估计的基础数据之一. 为解决现有数据采集环境难以获得全样本车辆轨迹的问题，面向智能网联环境，构建了混合交通流全样本车辆轨迹重构模型. 首先，分析了智能网联环境下混合交通流的车辆构成及其轨迹数据采集环境；然后，提出了基于智能驾驶员跟驰模型的车辆轨迹重构模型，实现了对插入轨迹数量、轨迹位置和速度等参数的估计；最后，设计仿真试验验证了模型在不同交通流密度和智能网联车（connected automated vehicle，CAV）渗透率条件下的适用性. 试验结果表明:CAV和网联人工驾驶车（connected vehicle，CV）的渗透率为8%和20%时，该车辆轨迹重构模型在不同交通流密度下均能重构84%以上的车辆轨迹；重构轨迹准确性随着CAV和CV渗透率的增加而提高；当交通密度为70辆/km，且CAV渗透率仅为4%的情况下，模型也能重构82%的车辆轨迹.      

基于智能车辆的多传感器数据融合算法研究与分析综述

多传感器数据融合是20世纪80年代发展起来的一门新技术,将智能车辆中多个传感器采集的数据进行合成,并充分利用多感器数据间的冗余和互补特性,从而得出准确的环境信息用于地面车辆定位、车辆跟踪、车辆导航等。文章通过对现有的数据融合方法进行分类和归纳总结,对多传感器数据融合算法的研究和数据融合技术的应用情况进行阐述,为智能车辆多传感数据融合方面的研究提供参考。     

应用于地铁车辆的数据记录系统

介绍一种应用于地铁车辆的MVB总线数据记录系统,该系统可以通过安装在车辆上的数据记录设备记录车辆有关运行情况的信息,并对记录的车辆运行数据、故障数据等进行离线分析。通过该系统,车辆维护人员可以快速了解车辆运行情况,判断当前车辆产生故障的原因及应采取的合理措施;车辆调试人员可以方便找出调试中存在的问题及改进方向;车辆管理人员可以有效获取车辆的整体运行状况,以制定相应的管理策略。该系统的建立,为深入了解车辆的运行状态建立了基础。该系统目前已经成功应用在某地铁系统的实际运营中,并取得很好的效果。     

关联路网拓扑特性的车辆出行行为画像分析研究

基于交通时空大数据的微观出行行为分析可以为精细化、个性化的交通管控措施制定提供支持,车牌识别数据作为一种精度高、准确性高、采样率全的时空大数据,近年来受到广泛关注。但是现有基于车牌识别数据的出行行为分析文献在进行行为分析的过程中较少考虑路网特征,即没有将出行者的行为与路网特性结合起来分析,这导致挖掘得到的出行模式与路网本身的关联不高。本文首先对车牌识别数据和路网拓扑数据进行数据融合,基于此融合数据,根据机动化出行者的出行行为特性使用聚类算法进行车辆画像,将路网上的车辆划分为临时办事车辆、频繁过境车辆、家庭不常用车辆、通勤车辆、网约出租车辆五类车辆。同时,结合复杂网络方法和聚类算法对交叉口进行画像分析,挖掘出交通管理者需要重点关注的交叉口。在此基础上,结合车辆出行行为和路网拓扑信息深入挖掘出行车辆的出行模式,构建车辆画像-交叉口画像-过车频次矩阵、车辆画像-交叉口画像-过车占比矩阵,进而对车辆出行时空特性进行深入挖掘,为交通管控措施的制定提供支持。     

基于ARMA 预测模型的交叉口车辆碰撞风险评估

车辆进入交叉口前的速度时间序列可用于预测车辆进入交叉口后若干步数速度值,利用车速预测值推算冲突方向车辆在交叉口内的行驶位移及其车间距离,可评估车辆发生碰撞的风险.针对交叉口附近车速分布符合随机序列特征,采用自回归滑动平均 (ARMA)理论进行车速时序预测建模,步骤包括时序数据相关性检查、模型p-q 定阶、解析式系数估计、适用性检验.试验结果表明：利用实测车速中的前40 个时序数据建立ARMA 模型,预测出的20 个车速值与实测值贴近,冲突方向两车车速归一化平均绝对误差分别为0.006 56 和0.003 4;利用全部60 个实测数据建立预测模型,检测预测值残差自相关函数发现其绝对值均小于0.258 2,表明所建车速预测方法适用.     

在虚拟环境下分析车群行为安全的方法

利用虚拟化平台研究车群的运动特征规律。内容包括软硬件平台结构,试验过程,数据采集,分析计算和数据可靠性分析等几个部分。试验中由15个驾驶员在同一场景中进行模拟驾驶,同时采集各自车辆的运动参数,包括车辆的行驶轨迹、各种速度加速度、刹车使用情况以及方向盘使用情况等。运用模糊神经网络及风险概率矩阵分析上述数据,计算出车群发生风险的情况概率,提出了一种研究车群行为安全的方法。