跟车模型

跟车理论是交通流理论的研究内容之一。在论述、分析与评价现有跟车模型的基础上，提出了新的跟车模型，并进行了检验。模拟计算表明，该模型具有良好的稳定性。     

公交车运行中的安全距离及其控制把握

<正>为保证公交车运行安全，强调行车中要保持安全车距。多少米是安全车距？在高速路上经常看到的车距，如50米、100米、150米、200米等又怎样识别？现就以上问题分析行车中的安全距离及其控制把握。1与前方车辆保持4秒（钟）的跟车距离行车中跟车距离不能太近，与前方车辆保持4秒跟车距离。4秒（钟）的跟车距离是逃生空间，4秒（钟）的跟车距离在数值上基本等于车速，例如：车速10公里/小时时的跟车距离为10米，     

基于视觉感知的高速公路跟车风险分析

为研究人的视觉感知对跟车行为的影响,根据驾驶员跟车视角的变化对跟车行为进行分析。依据人眼对跟车距离和速度差的变化识别特性,对多种跟车组合的横、竖向视角变化率进行比较。结果表明:小型车-大型车跟车组合,后车驾驶员对跟车距离和速度差变化感知最为迟钝,跟车风险最高。选取我国多条高速公路自然交通流特征对跟车风险进行分析,分析结果与基于视觉感知的高速公路跟车风险分析结果一致,证明了基于视觉感知分析跟车风险方法的有效性。     

谈新手的跟车技巧与预防追尾

“跟车”虽然是汽车驾驶中最常见的状态，却也有很多经验和技巧值得总结。 一、高速跟车以车速定车距 在高速公路上有的司机跟车距离非常近，甚至与前车只隔一二十米，同时还不停地闪灯逼迫前车，造成前车的紧张感，这是非常危险的。     

稳定跟车状态驾驶风格识别及迁移特性

为探究高速工况稳定跟车状态下不同类型驾驶人的跟车特性及驾驶风格识别方法,选取20名驾驶人开展实车驾驶试验,采集自然驾驶状态下的自车速度、跟车间距、跟车时距等指标,基于雷达数据等确定稳定跟车事件提取规则。通过耦合分析稳定跟车状态下的驾驶行为指标分布规律及跟车特性,选取跟车间距、跟车时距及加速踏板开度为聚类指标,使用K均值聚类算法对301段稳定跟车事件进行聚类分析,并根据不同风格类型出现的频数及所占比例将驾驶人划分为3种风格类型(保守型、一般型、激进型)。最后通过CART决策树方法对聚类结果进行验证,进一步分析长时间稳定跟车状态下驾驶风格的迁移特性。研究结果表明：随自车速度增大,跟车间距与加速踏板开度亦呈现增大趋势,且在不同速度区间下均具有显著性差异。不同速度区间下的跟车时距均值无明显变化,稳定分布于2.57～2.72 s。CART决策树验证驾驶风格聚类划分结果总体吻合率达99.7%。不同风格驾驶人的车速与油门踏板开度、跟车间距与跟车时距均存在显著性差异。随时间推移,保守驾驶人更加趋于保守,激进驾驶人更加趋于激进,一般驾驶人则相对较为稳定。研究结果可为高级别自动驾驶系统跟车控制策略及参数的...     

驾驶经验对稳定跟车行为的影响

为研究不同经验驾驶员稳定跟车状态下的驾驶特征,选取累计驾驶里程作为驾驶经验衡量标准。在特定的交通环境下,利用车载激光雷达设备,对比分析有无驾驶经验稳定跟车状态下的跟车距离和车头时距的特征,并建立相应的分布函数,揭示不同驾驶经验条件下稳定跟车行为的差异表现。研究结果表明:稳定跟车状态下,无经验驾驶员的跟车距离普遍比有经验驾驶员高,驾驶员的累计驾驶里程与跟车距离有显著的相关性,相关系数为负值,无经验和有经验驾驶员的跟车距离均服从对数正态分布;无经验驾驶员的车头时距也普遍比有经验驾驶员高,驾驶员的累计驾驶里程与车头时距有显著的相关性,相关系数亦为负值,无经验和有经验驾驶员的车头时距均服从正态分布。     

基于自然驾驶跟车数据的驾驶人差异性分析与辨识

为研究跟车工况下个体驾驶行为特性及其辨识,以驾驶人自然驾驶数据为基础,通过统计分析,频域分析及时频分析,多尺度对比驾驶人加速度、碰撞时间倒数、跟车时距等跟车轨迹特征参数分布的差异性;利用统计方法和离散小波变换提取能够表征驾驶人跟车习性差异的特征参数,分析不同参数输入结果,确定最优参数组合,建立基于随机森林的驾驶人差异性...     

纯电动汽车纵向跟车动力学建模与分层控制

为提升电动汽车的纵向跟车性能,进行电动汽车纵向动力学建模和分层控制策略研究。建立包括电动机、变速器、主减速器、车轮及整车纵向运动模型的电动汽车纵向动力学模型。设计纵向跟车系统决策层与实施层分层控制架构,在决策层建立纵向跟车运动学控制模型,综合考虑实际车距与期望车距误差、自车与前车相对车速、自车加速度和加速度控制量限值的二次型性能指标,基于线性二次最优控制理论优化得到期望的跟车加速度;基于驱动电机和制动器切换逻辑,实施层控制器设计比例积分微分加速度校正器跟踪期望加速度。Matlab/Simulink多工况仿真结果表明:所设计的跟车控制器能够有效控制自车跟踪前车,具备良好的自适应性。     

车辆跟驰模拟中的驾驶行为与模糊逻辑控制

分析了车辆驾驶员信息处理过程及性格特征，在描述了基于驾驶员速度、距离判断跟车模式的基础上，应用模糊数学方法，建立了车辆跟驰驾驶行为的模糊逻辑控制模型。     

浅谈同车道安全跟车距离确定的依据--高速公路上防止"追尾"的数据关键

近年来,高速公路的迅速发展,提高了汽车运输率和道路的使用率,但车速过快,造成的追尾事故时有发生.文中结合笔者在高速公路上行驶的体会,根据汽车的行驶速度,人、车、道路等影响因素,经分析、计算出在高速公路上同车道安全跟车距离的数值,以理论指导驾驶,为安全行车提供依据.     

自适应期望跟车间距和行为习惯的驾驶人跟驰模型

为满足智能车辆的个性化需求，提高智能车辆人-机交互协同的满意度和接受度，构筑双层驾驶人跟驰模型框架，提出自适应驾驶人期望跟车间距和行为习惯的个性化驾驶人跟驰模型。首先，提取个体驾驶人跟驰均衡状态的数据，采用高斯混合和概率密度函数(Gaussian Mixture Model and Probability Density Function, GMM-PDF)建立第 1 层模型，即驾驶人期望跟车距离模型。然后，将期望跟车距离参数引入模型，基于高斯混合-隐马尔可夫方法(Gaussian Mixture Model and Hidden Markov Model, GMM-HMM)学习驾驶习性，建立第2层模型预测加速度，即个性化驾驶人跟驰模型。其次，研究不同高斯分量个数对模型效果的影响，对比双层模型与 Gipps 模型、最优间距模型(Optimal Distance Model, ODM)、单层模型及通用模型的性能。最后，8位被试驾驶人的自然驾驶行为数据验证结果表明：高斯分量数量与模型性能存在一定的正相关性；在最优高斯分量数量下，8位被试驾驶人在训练集上预测误差均值为0.101 m·s-2，在测试 集上为0.123 m·s-2；随机选取其中1位驾驶人的2个跟车片段数据进行模型计算，结果显示，加速度的平均误差绝对值分别为0.087 m·s-2和0.096 m·s-2，预测效果优于Gipps模型、ODM模型、单层 模型及通用模型30%以上，与驾驶人实际跟驰行为的吻合度更高。     

现代汽车避撞技术与倒车雷达

当今汽车保有量越来越大,而有效使用的空间越来越小。新司机和女性司机越来越多,剐蹭事情越来越多,因剐蹭引起的纠纷也越来越多。原来不是问题的倒车,也逐渐变成了问题,而且,我们每天都在面对跟车和倒车,一天几次。避撞装置和倒车雷达就是能使车辆在跟车和倒车时距障碍物达到最小,天黑、雾天也不影响其性能,大大提高了人们在跟车和倒车时的安全性。     

关于道路（网）时空饱和度的定义及它在高峰时面的实用计算公式

本文提出了道路时空饱和度的概念，并说明这个概念是传统的饱和度概念的拓广，然后我们研究了高峰时面城市车辆的跟车模型，进而得到道路时空饱和度在高峰小时的计算公式。     

听觉-言语认知负荷下工作记忆容量对跟车行驶影响

听觉-言语认知负荷作为一种典型的认知负荷,是驾驶人认知分心的主要来源,容易导致驾驶绩效下降,认知负荷对驾驶绩效的影响程度与个体工作记忆有关。为研究听觉-言语认知负荷下工作记忆容量对跟车驾驶绩效的影响,本文开展心理学与模拟驾驶实验。首先,设置不同听觉-言语认知负荷水平的n-back任务,构建车头时距变化和前车速度变化的跟车场景;其次,采集并预处理工作记忆容量、驾驶人操作行为与车辆运行状态数据,选择跟车速度差、绝对加速度、横向稳定性、制动反应时间及跟车间距作为分析指标,获得36名被试数据;最后,采用方差分析及事后比较,分析认知负荷和工作记忆容量在跟车时对驾驶绩效的影响,并探讨两种因素对驾驶绩效的交互和调节作用。研究表明：认知负荷增加导致驾驶人更大的加减速倾向,更长的制动反应时间;工作记忆容量较高的驾驶人具有更小的制动反应时间和更稳定的跟车间距,更频繁的方向修正和更好的车道保持水平;在工作记忆容量和制动反应时间中,听觉-言语认知负荷具有正向调节作用。本文可以为驾驶安全培训干预提供驾驶人认知特性方面的见解和理论参考。     

混行环境下CACC系统驾乘舒适性优化控制

为提升协同式自适应巡航（cooperative adaptive cruise control，CACC）系统在由自动网联汽车（connected automated vehicle，CAV）和人工驾驶汽车（manual vehicle，MV）构成的混行交通流下的驾乘舒适性，提出考虑驾乘舒适性的双层控制策略（dual-layer control strategy considering ride comfort，RC-DCS）. 上层控制器从宏观角度出发，采用两状态空间模型调整跟车间距及车速，并利用代价函数改善车队的整体稳定性和舒适性；下层控制器从微观角度出发，优化单车的油门和制动踏板切换逻辑，稳定实际加速度输出，降低车辆频繁加减速引起的自身俯仰. 试验结果表明:RC-DCS在跟随MV工况中跟车间距误差和加速度分别降低了72.44%和24.87%；在MV插入CACC车队工况中通过增大跟车时距0.4 s以减少加速度波动；在跟车、紧急制动、旁车切入3种典型工况中，单车加速度标准差分别降低了9.6%、10.4%、2.9%.      

驾驶模拟器运动系统对跟驰行为平稳性影响分析

跟驰过程中跟驰车速、跟车间距的波动性表征了驾驶员跟驰行为平稳性.利用8自由度高逼真驾驶模拟器,通过开启关闭运动系统构建动静态模拟器,分析运动系统对不同跟驰状态下驾驶员跟驰行为平稳性的影响.动态模拟器相对于静态模拟器对比结果表明:加速跟驰状态下,跟驰车速、跟车间距平稳性分别提高了12.5%和27.4%;减速跟驰状态下,跟驰车速、跟车间距平稳性分别提高了27.4%和22.9%;稳定跟驰状态下,在跟驰车速为10 km/h、40 km/h和80 km/h时,跟驰车速平稳性分别提高了30.7%、22.2%和17.6%,跟车间距平稳性分别提高了23.6%、37.9%和17.0%.显著性检验结果表明:在跟驰车速为40 km/h的稳定跟驰状态下,跟驰车速和跟车间距在动静态模拟下的平稳性存在显著差异;加速跟驰状态下,动静态模拟器下驾驶员跟车间距平稳性存在显著性差异;减速跟驰状态下,动静态模拟器下驾驶员跟驰车速平稳性存在显著性差异.研究成果为开展驾驶模拟实验的动静态模拟器的选择提供了参考.     

上海首条无人驾驶轨道交通线试运营

正3月31日,上海首条胶轮路轨全自动无人驾驶APM线(旅客自动运输系统)——浦江线通车试运营,全车不配备司机和跟车人员。据悉,APM浦江线采用目前国际领先的全自动无人驾驶系统运行,由列车自动控制系统和监视系统运行车辆并保证安全,全车不配备司机和跟车     

城市道路干扰跟车对驾驶人注意力分配的影响

为获取干扰跟车情况下驾驶人的注意力分配特性,利用非接触式眼动仪、毫米波雷达等传感设备搭建车载试验平台。通过在城市道路环境中开展实车试验,获取干扰跟车情况下驾驶人的眼动行为数据,并基于马尔可夫理论,分析了驾驶人的注视分布特性和转移规律。结果表明:在城市道路环境下跟车时,经验驾驶人的主要注意力用于关注前方的交通目标,较多地关注干扰车切入方向;驾驶人观察左侧区域或右侧区域之后注意力向前方视野转移的概率较大,且驾驶人对干扰车的注视概率明显高于目标车辆。     

跟车模型及其稳定性分析综述

交通流的仿真是以车辆的行为作为研究对象,最终达到模拟不同条件下交通流的目的. 跟车模型是文通流仿真中采用的一个基本模型.综述了跟车模型的发展过程,介绍了不同的模 型及各种稳定性的分析方法,同时对该方向的研究与最新进展进行了分析和展望.     

车辆安全行驶智能系统设想

笔者针对车辆的不安全行驶所造成的大量道路交通事故现象，从智能交通系统的概念和交通人机系统的原理出发，设想了车辆安全行驶智能系统，以实现对车辆超速、行驶稳定性、跟车、超车等行为的智能预警与控制。