高级车辆事故自动呼救系统阈值对驾驶员伤情预测的影响

为提高高级车辆事故自动呼救(AACN)系统的抗干扰性和事故信息的准确性,对AACN系统的门槛阈值设定进行了研究。首先,选取统计的交通事故数据进行影响因素分析,得到速度变化量对驾驶员伤情的影响较大的结论,同时建立驾驶员伤情预测模型;然后,对台车碰撞加速度数据进行处理得到不同门槛阈值下的速度变化量,分析其对驾驶员伤情预测的影响;最后,提出考虑伤情等级补偿的AACN系统触发算法。结果表明:AACN系统门槛阈值影响对驾驶员伤情的预测,通过补偿算法,可以有效提高AACN系统伤情等级预测的准确性。     

危险换道驾驶行为预测方法研究

提出了两种危险换道驾驶行为预测算法,分别为基于贝叶斯因子阈值法的隐马尔可夫模型预测算法和基于运动时间窗特征提取法的支持向量机预测算法,它们所需的车辆运行特征变量均可在车联网环境下获得。通过基于Prescan-Simulink联合仿真的驾驶员在环仿真,获得危险和正常两种换道场景下的车辆运动数据,进而对提出的两种算法进行验证和比较。结果表明,两种预测算法对危险换道驾驶行为的预测均有较高的准确率,有助于对危险换道的驾驶员给予及时警告或辅助纠正,从而减少危险换道事故的发生。在样本数据有限的条件下,SVM算法的预测效果更好。     

基于分段最优控制的港口自动驾驶液压转向控制算法研究

为提高港口场景自动驾驶车辆横向控制准确性，基于液压转向系统电磁阀的响应特性，提出了具有分段最优控制的转角闭环控制算法，实现了车辆单轴、双轴、蟹行转向功能，通过实车验证对设计的控制算法进行了功能和性能验证。结果表明，所提出的控制算法能够实现对液压转向系统转角信号快速、稳定跟踪，能够支撑港口自动驾驶车辆横向控制功能。     

考虑预碰撞时间的自动紧急制动系统分层控制策略研究

为提升汽车的主动安全,对车辆自动紧急制动系统控制策略进行研究。利用分层控制的思想对控制策略进行建模,上层控制器为对车辆制动减速度进行决策的预碰撞时间模型,根据汽车追尾事故深度调查的驾驶员紧急制动数据分析制动系统的制动减速度,在考虑舒适性的条件下确定预碰撞时间阈值。下层控制器按照上层控制器输出的制动减速度,分析车辆轮胎模型和制动系统的关系,通过PID控制调节制动压力对车辆进行控制。在安全评价规程标准工况下验证控制策略的可靠性,通过追尾事故场景的重建来验证控制策略的有效性。仿真结果表明:设计的控制策略在相对车速65km/h以内时能有效避撞,而高于65km/h时能最大程度地降低碰撞车速,减小伤害。     

基于图像纹理分析的动态车辆识别方法研究

在智能交通系统中,动态图像识别技术是系统应用的基础核心技术之一。以应用于交通监控、智能驾驶系统等场景的HSV空间动态车辆识别为基础,研究并论证提出了新的检测识别方法,实现对运动车辆的检测识别、目标追踪、驾驶辅助等功能。研究问题的难点是,如何从复杂的背景中分割运动物体,是检测方法能否有效的至关重要的一步,在研究了目前存在的各种方法之后,提出了一种新的基于阴影检测的HSV空间自适应背景模型的车辆追踪检测算法,算法基于HSV空间图像处理,采用最大类间方差法获取相邻帧二值化阈值,利用纹理信息进一步确定动态图像以及确认图像范围。通过截取由监控系统获取的视频信息,并对其进行图像处理检测车辆移动轨迹。从监控视频信息中获取两帧不同时刻的图像信息,在HSV空间进行相邻帧检测。由于阈值的选择将直接影响判断精度,本研究将固定阈值法进行了改进,该阈值是通过统计模型对整幅图像上灰度值进行计算,并通过最大类间方差法确定阈值。最后经过实际视频图像验证,仿真试验流程清晰,试验结果达到预期设想。     

城乡快速干道车-人冲突时间窗预测模型

为了解决城乡快速干道车-人冲突和事故严重的问题，将车-人冲突点的分析方法扩展到车-人冲突时间窗的分析方法，构建一种行人运动轨迹实时监测和穿越时间预测相结合的车-人冲突时间窗组合预测模型。首先，分析行人违规穿越的实测数据，确定不同类别行人对应的穿越时间置信区间以及松弛时间；其次，根据运动学模型的预测结果判断行人的所属类别并初步确定行人的穿越时间，同时通过卡尔曼滤波算法对行人穿越过程进行实时监测；再次，融合运动学模型预测结果和卡尔曼滤波监测结果，确定最终的车-人冲突时间窗；最后，对所提出的组合预测模型进行标定和验证，并通过VISSIM仿真平台进行安全性能测试。模型验证结果表明：在正常情况下，该模型能够保障行人的安全且能兼顾松弛时间重置次数；在行人初始穿越速度过低或穿越前、中期存在持续低速的情况下，该模型可以通过多次松弛时间重置来解决模型的适用性问题。安全性能测试结果表明，在车辆行驶时间均值增加4.7%的情况下，安全车辆数占比增加了37.3%，车辆的后侵占时间(PET)测试值则增加53.8%。因此，与无松弛时间的预测模型相比，所提出的有松弛时间的车-人冲突时间窗预测模型能够在对交通效率影响较小的前提下，较大程度地提高车-人冲突的安全性。     

基于阈值分析的防误踩加速踏板系统设计

汽车在行驶过程中,驾驶员在突发情况进行紧急制动时有时会出现误踩把加速踏板的行为,使得车辆出现急加速情况,加剧突发事故的后果,存在重大的事故隐患。针对此危险情况,本文提出了一种防误踩加速踏板的智能系统。该系统通过利用线位移传感器实时采集油门踏板变化率,当油门踏板变化率超过ECU中所设定的阈值时,ECU将自动开启制动系统对车辆进行制动,保证车辆的驾驶安全性。实际试验结果表明,本系统在误踩油门踏板达到设定阈值时能够自动开启车辆制动系统,避免事故的发生。     

基于单目视觉的夜间前方车辆检测方法

为提高夜间行车的安全性,提出了一种基于单目视觉的夜间前方车辆检测方法。该方法利用最大类间方差法自动确定阈值,从背景中抽取出前车尾灯,并根据HSV颜色空间的颜色阈值剔除非尾灯目标,利用Kalman滤波方法将图像分为跟踪区域和检测区域,在两个区域内分别进行尾灯配对,根据尾灯对之间特征相似性的比较,剔除误检的车辆;跟踪区域中漏检的车辆,根据前一帧检测的车辆位置和正确抽取的尾灯来估计,以实现车辆检测。实验结果表明,该算法能准确检测夜间前方车辆,有效降低漏检率和误检率。     

基于单目视觉的夜间前方车辆检测方法EI北大核心CSCD

为提高夜间行车的安全性,提出了一种基于单目视觉的夜间前方车辆检测方法。该方法利用最大类间方差法自动确定阈值,从背景中抽取出前车尾灯,并根据HSV颜色空间的颜色阈值剔除非尾灯目标,利用Kalman滤波方法将图像分为跟踪区域和检测区域,在两个区域内分别进行尾灯配对,根据尾灯对之间特征相似性的比较,剔除误检的车辆;跟踪区域中漏检的车辆,根据前一帧检测的车辆位置和正确抽取的尾灯来估计,以实现车辆检测。实验结果表明,该算法能准确检测夜间前方车辆,有效降低漏检率和误检率。     

汽车前方静动目标状态转移机理与分类算法EI北大核心CSCD

为解决利用雷达回波实现静止目标和运动目标的准确识别这一驾驶辅助系统的关键技术问题,本文中基于地面目标运动状态转移机理提出了一种基于时间窗的汽车前方静动目标状态分类方法。在地面静动目标运动状态与转移机理分析的基础上,将目标分为静止目标、同向运动目标、反向运动目标、起停目标和未分类目标等5类,建立了在固定时间窗内的目标运动状态的转移状态机模型,并确定了目标状态转移的条件阈值和时间窗长度,最终在驾驶辅助试验车上进行了前方同向或反向行驶车辆、树木等静止物体和制动停车车辆等各种典型工况下的识别试验,为实现基于毫米波雷达的自适应巡航与自动紧急制动的驾驶辅助系统的工程化提供了技术支撑。     

C-NCAP2021法规中对二轮车场景AEB性能满分要求分析及试验验证

2022年1月1日正式实施了中国新车评价规程（CNCAP）2021版标准,新增了中国独有的对二轮踏板车的自动紧急制动（AEB）试验要求。基于CNCAP2021版中对二轮踏板车的AEB试验要求,结合车辆制动系统特性,分析并计算出为满足该场景试验得满分的要求,AEB系统触发需要的碰撞时间（TTC）,并实车测试验证该TTC时间。根据所需要的碰撞时间,结合实际二轮电动车与车辆的碰撞场景,及二轮电动车的制动性能,分析并实际模拟测试,得出了AEB系统在实际使用中,不能完全与CNCAP完全一样的策略,需要根据实际的复杂情况细化场景中车辆及二轮车的各种参数及二轮电动车驾驶行为,以提高车辆触发AEB的客户体验。     

基于有限状态机的车辆自动驾驶行为决策分析

将智能车辆的自动驾驶运动过程分解为车道保持、车辆跟随、车道变换和制动避撞4种典型驾驶行为,基于有限状态机方法建立各驾驶行为间的逻辑关系及状态切换过程,同时,构建了面向自动驾驶的虚拟危险势能场,并对其结构关键参数和驾驶行为决策触发阈值进行分析。利用MATLAB/CarSim软件对不同道路工况下的自动驾驶行为决策过程进行联合仿真,并利用比例车辆模型和机器视觉系统对提出的方法进行试验验证。仿真和试验结果表明,虚拟危险势能场与有限状态机相结合的方法能够满足智能车辆的驾驶行为决策需求并实现主要的自动驾驶功能。     

汽车安全气囊点火控制算法的研究

本文提出一种安全气囊点火控制算法。这种算法是对移动窗内的减速度信号进行积分，得到一个指标，然后根据台车碰撞试验的图像测量结果和电测量结果，确定点火阈值。经过多次台车碰撞试验，证明了这种算法的有效性。     

自动驾驶系统交通规则符合性仿真验证方法

随着自动驾驶技术的不断发展，高级别自动驾驶车辆逐步在限定区域开展实际道路测试，确保和提高自动驾驶系统安全驾驶能力是当前研究、测试和工程开发的热点难点。面对自动驾驶车辆将长期与人类驾驶车辆混行，并与其他交通参与者遵守同样交通规则的现实需要，提出一种验证和测试自动驾驶系统交通规则符合性的方法，以期降低多车混行条件下的交通安全风险。针对各类交通法律法规语义自动解析技术瓶颈，提出规范化-逻辑化两阶段交通规则数字化模型，基于改进谓词度量时序逻辑框架(Metric Temporal Logic，MTL)，将自然语言交通规则转换为命题、逻辑连接词和时序算子组成的逻辑编码，生成了自动驾驶系统可理解、可执行、可验证的数字化交通规则，并构建了交通规则命题的分级分类体系。提出了一套基于自动驾驶车辆高精度运动轨迹的交通规则符合性验证算法，并搭建仿真试验平台，在高速公路交通场景下开展了试验验证。理论分析与试验表明：精简命题空间、新增时序算子和谓词逻辑词等改进有效提高了原有MTL框架的时间表现能力，解决了时序逻辑性不足等问题，大幅提高了交通规则数字化转换效率，对地方性交通法规和未来交通法规修订提供了良好的兼容性。提出的交通规则符合性验证方法及试验平台可以有效测试自动驾驶系统对现有交通规则的遵守能力，相关成果对提高自动驾驶系统安全性能和未来混行交通安全管控水平具有重要意义。     

驾驶员介入的AEB系统建模与仿真

现有的AEB系统在驾驶员介入后,无论驾驶员操作是否正确,系统都会自动取消介入。为了优化这一性能,文章根据所设计的有驾驶员介入的自动紧急制动系统算法流程图,基于临界安全距离模型,利用PID控制方法在Simulink中建立车辆自动紧急制动模型,并与Carsim整车模型进行联合仿真。通过仿真验证了所设计算法及自动紧急制动模型的合理性,从一定程度上对现有AEB系统进行了优化。     

基于SVM的二叉树多类分类算法在工程车辆挡位决策中的应用

为了解决工程车辆挡位决策这种典型的多类分类问题,在介绍自动变速器挡位决策基本原理的基础上,提出基于SVM的二叉树多类分类的挡位决策算法,将分类器分布在各个节点上,从而构成了多类SVM,并在制定换挡策略时,考虑了工作油泵所消耗发动机功率的波动问题。试验结果表明:该方法可根据车辆运行状态确定最佳挡位,从而及时准确地满足工程车辆自动换挡要求。     

基于事故数据挖掘的乘用车追尾卡车AEB测试规程研究

基于未来出行交通事故场景研究数据库中的乘用车追尾卡车事故,分析并提出了以卡车为目标物的乘用车自动紧急制动系统的典型测试工况。采用K-means聚类算法得出可代表实际卡车的目标物颜色,基于事故数据分析提取卡车目标物尾部特征参数,设计并制作了一种新型的具有与真实车辆反射特性和机器视觉识别特性接近的重型厢式卡车目标物。卡车目标物静止,测试车辆分别以45、50、55、60 km/h的速度进行100%重叠自动紧急制动系统测试,验证了该目标物的可行性和有效性。可为车辆主动安全相关标准法规研究提供数据支撑,推动车辆主动安全测试技术的发展。     

基于共享模式的网联自动驾驶车辆路径规划研究

物联网、大数据、移动互联等新一代信息技术在自动驾驶方面的运用,为交通信息化和智能化带来了新的发展契机.作为集约型的城市交通发展模式,共享出行已成为学界关注的热点问题.在共享模式和自动驾驶协同发展的时代背景下,提出了随机需求下考虑用户等待时间的网联自动驾驶共享车辆路径规划模型.为验证模型的有效性和鲁棒性,在虚拟网格式路网中设计应用算例,基于优化工具Gurobi对模型进行求解,确定最优的网联自动驾驶车辆规模及最优车辆服务路径,并与个体最优情况下的出行成本及能耗进行对比.研究结果表明,共享模式能大幅度减少车辆数,降低系统总体成本及能耗,在提高车辆使用率和可持续性方面效果显著.     

混合蚁群算法求解带时间窗的车辆路径问题

采用营运车辆的最短行驶距离作为带时间窗车辆路径问题的优化目标,在混合蚁群算法中采用信息素3层更新策略以完成对车辆的调度,信息素挥发自适应策略充分考虑实时路况,考虑信息素空间扩散特性的局部更新策略,更加忠实于自然界的真实蚂蚁系统,可以提高算法的收敛速度,采用阈值判断的全局信息素更新策略可以防止算法陷入局部最优。通过C#语言实现了混合蚁群算法的计算机求解,最后对10个仿真实例进行仿真计算,结果表明,混合蚁群算法收敛快,寻优结果稳定。     

求解不确定车辆数车辆调度问题的蚁群算法

为同时优化所用的车辆数和行驶总路径,基于问题特征,用人工蚂蚁模拟车辆,在1次循环中利用不同蚂蚁个体的相互协作建立1个完整的解方案,使参与服务的蚂蚁数隐含了所使用的车辆数,从而能够通过优化参与服务的蚂蚁数量确定所使用的车辆数。在算法中,通过构造与算法实施相适应的禁忌表、启发函数以及为了提高搜索效率而引入中心节点虚拟需求量等策略,设计了求解具有不确定车辆数的车辆调度问题的蚁群算法。通过给定的实例对算法进行了验证,结果表明算法是有效和可行的。