跟车模型研究综述

车辆跟驰理论作为最基础的交通流理论分支,国外在这方面的研究已经持续了半个多世纪,随着智能交通系统(ITS)正蓬勃展开,司机行为和车辆运行特征是构建智能交通系统的基础,从微观角度研究司机、车辆在快速路中的行为特征,其成果将为防止车辆追尾事故、构建智能交通系统、实现交通仿真和估算通行能力提供理论基础。文章在认真分析国内外车辆跟驰理论领域研究的基础上认为,尽管现有的许多跟车模型已经应用于实践,但每个模型都存在或多或少的不足,综合评述已有的成果,发现已有的研究缺乏描述跟车行为的时间序列数据。     

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。     

基于深度强化学习的驾驶员跟车模型研究

为提升智能驾驶系统的纵向跟车性能,本文构建了一种基于深度强化学习的驾驶员跟车模型.首先,设计了跟车场景截取准则并从自然驾驶数据中筛选出符合条件的典型跟车场景,并对其数据进行统计分析,即采用相关系数法分析了车间距、相对速度和车头时距等因素对驾驶员跟车行为的影响机理,得出驾驶员跟车行驶过程的行为特性及其影响因素.接着,基于...     

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。     

一种基于NSC通讯车载网络控制的车辆跟驰模型建立

建立、利用车联网理论跟车模型,基于网络控制的原则,应用在跟车模式.分析了车联网状态的流量、车联网对交通流造成的影响,并对单向某个特定场景进行了定量评估.研究表明车联网可有效利用和增强道路的容量.     

基于DCT的全速ACC低速跟车控制研究

通过对比分析传统ADAS控制系统方案、变速器发动机控制基本原理及其局限性,文章提出了新型控制系统方案,即增加ADAS与变速器控制单元通信。在低速状态下,离合器采用基于转速扭矩分离发动机变速器一体化控制方案,基于整车目标加速度,参考发动机能力,对车辆进行控制并计算加速度误差补偿,通过弥补离合器传递扭矩或者变速器效率等偏差,减少ADAS控制器反馈调节引起的整车车速波动,实现了低速稳定跟车控制,同时进行扭矩仲裁满足驾驶员介入。     

基于认知风险动态平衡的智能汽车跟车模型

针对复杂交通环境下异质车型带来的跟车风险与行车效率权衡的决策难题,在分析自然驾驶数据的基础上,提出基于认知风险动态平衡的智能汽车拟人化跟车模型。首先,针对4种不同的货车-轿车组合跟车模式,建立跟车距离的经验模型,提炼出驾驶人稳态跟车行为中存在的车头时距和逆碰撞时间的“两不变”规律,通过作图法获得平衡线;其次,从驾驶过程中认知风险与加速度响应之间动态平衡的角度揭示了跟车决策的机理,将常用的跟车模型统一在认知风险动态平衡的框架内;最后,提出一种简洁的非线性函数实现认知风险动态平衡的数学表述,利用实测跟车数据验证了模型的准确性。     

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”     

适当跟车

一般跑高速表明行车距离较远,所以上高速前一定得检查汽油是否够用,以免行至前不着村后不着店的地方油光光。一个人还好,如果是跟女友一道出游的话,那可就糗大了……     

夜行跟车的安全策略

如果你在夜间行车,有一个方法可以供新驾车者参考:夜间行车尽量不要当头车,为的是避免与对方来车的灯光对视。然后物色一辆与你所驾车辆性能相近或是稍差的车,跟在它后面走,更直接的方法是物色一辆你认为速度合适的车,然后跟在它后面走。     

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     

谈跟车和掉头技巧

正确掌握跟车技巧．能够使您驾车时轻松自如、心情愉悦;反之．则会让人精神紧张。驾驶员尤其是初学驾驶的新手,有必要尽快掌握一些跟车的技巧。     

基于道路试验的跟车场景挖掘系统设计

为满足智能网联汽车开发和测试过程中对驾驶场景的需求,设计了一种跟车场景挖掘系统,该系统由车辆空间位置模块、跟车目标选择模块、跟车约束模块、信号及时间片断处理模块组成,车辆空间位置模块和跟车目标选择模块对跟车目标和跟车场景开始时间进行标定,跟车约束模块对跟车场景结束时间进行标定,最终通过信号及时间片断处理模块完成跟车场景信号的挖掘。离线场景挖掘和道路试验结果表明,该系统具有较高的准确性。     

一种关于智能车多模式切换跟车控制方法的论述

本文论述了智能车纵向控制系统的巡航模式、接近模式、跟车模式和避撞模式的控制策略和模式切换控制逻辑,以及多模式切换跟车的控制方法。     

车联网环境下连续信号交叉口协同控制模型

智能交通信号控制技术是缓解交通拥堵的重要手段。为解决传统强化学习算法应用到连续多交叉口的局限性问题,提出了1种基于上下层神经网络的连续交叉口交通信号控制模型。控制模型由下层神经网络选择当前状态下可能的最优控制策略,再由上层神经网络根据各路口车均延误进行二次调整,将最终控制策略应用到多交叉口的相位配时中。以典型连续3个交叉口为例,通过SUMO仿真平台对模型进行仿真验证,在低与高饱和度下,该控制模型分别对车均延误降低了23.6%和26%,排队长度降低了8.4%和9.4%。实验数据表明,该模型可有效提高连续交叉口道路通行能力,为缓解城市交通拥堵提供了1种有效技术手段。     

安全跟车经验谈

新手驾车上路，免不了要频繁跟车，路面状况变化万千，危机四伏，如何做到安全跟车便成了新手成长道路了的一纸难题。处理得当可以使驾驶自然而轻松，反之则会让驾驶过程险象环生。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。     

基于车联网技术的汽车服务系统

为了满足不同汽车用户的需求,解决现代交通所面临的安全、能源和道路堵塞问题,本文提出了一种基于车联网技术的汽车服务系统。系统采用B/S架构;搭配高兼容性终端;在主流操作系统下,基于J2EE规范,针对不同用户需求开发出多款应用软件。具有适应性强,支持跨平台操作的特点。本系统消除了客户端的使用限制,升级维护易于实现。     

基于PaaS的车联网云平台开发探究

互联网高速发展的今天,越来越多的设备连接入网。我们不但实现信息的实时通信,海量存储加工,更重要的实现了信息的智能加工处理,我们在使用智能手机,智能家电的同时,期待的是物物互联,物物智能。车联网,智能无人驾驶在这一时代背景下成为大家一致期待解决的问题,也是未来智能网联的一个重要发展方向。     

基于车联网的公共服务平台的设计

车联网是物联网在智能交通系统领域的延伸,将会在智能交通中发挥极其重要的作用,是人们未来生活中不可缺少的一个重要组成部分。本文首先介绍了车联网的概念、分层,提出一个基于车联网的公共服务平台的设计,并介绍了平台的体系架构,希望能为大众提供优质的交通服务。