基于车辆运行数据的纯电动汽车用户驾驶风格识别与驾驶能耗分析

驾驶风格是用来体现驾驶员在车辆运行状态下对车辆操作的行为特征,对用户驾驶风格进行识别与分析,有利于推进智能驾驶的发展。根据基于116 辆纯电动汽车的车辆运行数据,通过主成分分析方法与K-means 聚类算法,对用户驾驶行为进行分类分析,对驾驶风格进行了分类识别。利用XGBoost 算法构建纯电动汽车驾驶行为与能耗输入模型,利用SHAP 对模型进行解释。结果表明,将驾驶风格聚为3 类具有较好的分类效果,可分别对应冷静型、普通型与激进型;当驾驶员的驾驶风格趋向于激进型时时,车辆的驾驶能耗越高,驾驶风格激进一个层级,车辆百公里电耗增加3~4倍。当驾驶员行车时,其车速越高,油门踏板踩得越深,车辆加速度的绝对值越大,车辆的驾驶能耗越高。驾驶员的驾驶风格越激进,车辆的驾驶能耗越高。     

驾驶风格对不同跟驰场景下跟驰行为影响分析

为了分析驾驶风格对不同跟驰场景下跟驰行为的影响,利用高逼真度驾驶模拟器设计晴天、雾天两种天气状况和自由流、拥挤流、阻塞流三种交通流状态组合的六类典型跟驰场景。以跟驰过程中的最大加速度、最大油门踏板受力、最大油门踏板受力速度作为指标,通过K-means聚类识别方法,对六类典型跟驰场景下不同驾驶风格的驾驶员进行聚类识别,并以跟车间距、车头时距为风险指标评价不同驾驶风格的驾驶员在六类典型跟驰场景下的跟驰风险。结果表明：六类典型跟驰场景下,不同驾驶风格驾驶员的跟驰行为存在明显差异;激进型驾驶风格驾驶员倾向保持更小的跟车间距和车头时距,跟驰过程中的碰撞风险更高;晴天和自由流场景下不同驾驶风格驾驶员跟驰行为差异性更加显著。     

锂离子电池不一致性综述

锂离子电池是电动汽车的关键部件之一,电池组作为电动汽车的供能部分,对整车性能起到决定性作用.本文首先剖析了电池一致性的产生机理及其表现形式.其次,针对锂离子电池安全性、使用寿命以及容量衰减等方面的问题,从电池不一致性评价方法和改善不一致性的措施展开分析.电池不一致性评价方法主要有单参数评价、多参数评价、动态特性评价的一...     

基于遗传算法的智能驾驶车辆纵向PID控制研究

针对智能驾驶车辆纵向速度跟随问题,为提高智能驾驶车辆在速度变化时的跟踪控制精度,设计了一种分层控制策略。上层控制器设计了一种基于遗传算法的PID控制器,在期望车速为恒速或变速的情况下得到最优的加速度,下层控制通过对加速踏板和制动踏板的标定,得到不同速度和加速度下节气门的开度和制动压力。建立CarSim/Simulink联合仿真模型,完成不同速度工况下的仿真验证,验证结果表明所设计的控制器有效地提高了速度跟踪精度。     

驾驶机器人车辆动态制动力矩补偿

为了减小长期自动驾驶过程中制动性能下降带来的影响,提出了一种驾驶机器人车辆动态制动力矩补偿方法。首先建立了以车速和制动踏板力为输入,制动力矩为输出的驾驶机器人车辆制动性能离线自学习模型。然后考虑到驾驶机器人车辆长期自动驾驶导致离线自学习模型可靠性下降,建立了以车速和制动踏板力为输入,制动力矩为输出的扩展自回归在线辨识模型,并采用模糊变遗忘因子递推最小二乘法进行参数辨识。模糊变遗忘因子递推最小二乘法通过引入遗忘因子的方式,对数据施加时变加权系数,以避免出现数据增长导致的数据饱和现象。模糊变遗忘因子控制器以制动力矩辨识误差为输入,经模糊规则推理实时输出合适的遗忘因子进行参数辨识,能够有效均衡驾驶机器人车辆制动性能参数辨识的稳定性与收敛速度。驾驶机器人车辆自动驾驶过程中,根据当前车速与目标车速的大小计算出所需的制动力矩,加上反馈回来的制动力矩误差,并结合当前时刻的车速,利用制动性能离线自学习模型与机械腿逆向运动学模型实时计算出制动电机输出位移量,实现对驾驶机器人车辆制动力矩的在线补偿。仿真与试验结果表明:利用所提出的方法对车辆动态制动力矩进行辨识时,通过调节遗忘因子,辨识结果能够快速收敛且辨识误差较小。在此基础上,控制驾驶机器人车辆进行纵向车速跟踪时,能够有效减小制动性能下降造成的影响,保证控制车速跟踪误差在±1km·h-1之内。     

基于逆控制策略模型的电动车驾驶机器人车速控制

为满足驾驶机器人利用加速踏板行程信号实现对于电动车速度跟随的需求,提出了一种基于逆控制策略模型的车速控制方法。该方法在传统纵向动力学的车速控制回路基础上,引入了车辆控制策略模型,将原有的通过电机转矩控制车速转换为通过加速踏板行程来控制,从而降低了驾驶机器人对原车辆的改造风险,提高了机器人的适用性。转鼓试验结果表明,与人工驾驶相比,本文中提出的控制方法有效提高了车速跟踪精度,误差不超过±1 km/h,满足国家电动车试验标准。     

大数据环境下营运车辆驾驶行为特征分析

通过大规模采集营运车辆驾驶行为信息,并对其驾驶行为特征进行定性、定量分析是有效遏制交通事故的前提.对采集的营运车辆驾驶行为数据进行预处理,包括清洗、筛选、分段等,提高了数据的质量.利用经纬度坐标转换后计算出的车辆行驶速度与车载速度加权的车速进行分析;并运用DBSCAN聚类和 Spearman秩相关方法对不同车辆、不同时间段及不同天气状况下速度和加速度进行聚类和讨论相关系数,提取驾驶行为特征.结果表明,驾驶员夜晚比白天行车速度波动大,需加强夜晚行车的安全监控,且聚类方法可用于判定车辆驾驶的稳定性程度,有助于道路交通中心对车辆安全状态的判断和避免交通事故发生;对于经验丰富的营运车辆驾驶员,天气对驾驶的影响相对较弱.      

智能汽车纵向控制校正与切换方法研究

基于对真实驾驶员纵向控制行为的分析,提出一种智能汽车纵向加速度跟随控制的校正策略。将加速度作为外环实施闭环控制,为确保开环前向通道特性为低频下的理想1系统,用车辆纵向动力学的等效1阶惯性模型的逆模型作为前馈。采用一种拟人化分相逻辑解决加速踏板与制动踏板的切换问题。该校正策略模拟人的控制行为,无需准确的车辆参数,即能在车辆运行全速度范围内实施控制,适用于stop-and-go系统的应用。仿真结果表明,采用该校正策略后,加速度跟随响应快,加速踏板与制动踏板切换平稳,符合真实驾驶员操作行为。     

基于大数据的电动汽车用户行为对电池老化影响分析

为探究用户的行为习惯对电动汽车电池老化的影响,本文基于大数据的统计分析方法,依托企业监管平台大量高品质的用户和车辆数据,开展了用户车辆所在地域、用户的充电方式偏好和驾驶风格对电池老化的影响规律研究。结果表明：随着电池平均运行温度的升高,电池容量衰减呈先减后增的趋势;北京用户的电池老化程度比广东用户整体高10.59%～19.09%;随着快充频率的升高,电池的容量衰减率呈逐渐增大的趋势,但增大的速率逐渐减小;偏好快充充电的用户车辆的电池老化比偏好慢充充电的用户快33.45%～56.24%;激进的驾驶模式会加剧电池老化,整体比温和型的驾驶模式快1.73%～10.37%。研究成果对车企优化整车功能设计,指导用户健康行车具有借鉴意义。     

认知分心对车辆跟驰过程操控安全性的影响

为了研究车辆跟驰过程中驾驶人认知分心与驾驶安全的关系,采用驾驶模拟器构建城市道路车辆跟驰场景,并设计3种难度等级的认知分心次任务,采集35名被试驾驶人在试验过程中的方向盘转角、油门开度、制动踏板力等操作参数,以及车辆位置、速度、加速度等车辆运动参数。采用重复测量一般线性模型,分析不同等级认知分心对上述参数的影响。研究结果表明：在横向操控方面,随着认知分心程度增高,方向盘回转率增大,但车辆横向位置标准差减小,表明驾驶人处于认知分心时,采取频繁修正方向盘的补偿方式,降低车辆横向位置波动,过度补偿车辆横向安全性,且该补偿行为与认知分心程度正相关;在纵向操控方面,认知分心时,油门开度、制动踏板位置方差增大,且制动踏板位置均值增大,同时车头间距及时距未观察到显著性变化,表明认知分心时驾驶人采取频繁操作油门、制动踏板,增大制动幅度等方式进行补偿,使车头间距及车头时距等表征车辆纵向跟车安全性参数处于正常驾驶水平,但加速度标准差增大,表明跟车稳定性降低。研究结果为涉及分心的人车交互装置优化设计及考虑分心状态的驾驶人状态管理系统开发提供了一定的理论依据。     

不良汽车驾驶行为特征分析

对不同车型的不良汽车驾驶行为特征进行了分析,根据北京、上海、大连等城市的视频数据统计出8种典型不良汽车驾驶行为的形态比例,对比分析了大型车与小型车、客运车与货运车在发生不良汽车驾驶行为时的车速、持续时间以及所处道路的服务水平,得出了发生不良汽车驾驶行为时的车速和持续时间与车辆类型有关而道路服务水平与车辆类型无关的结论,并且利用多因素模糊综合评价法对各种车型的不良汽车驾驶行为的危险度进行了评价,得知小客车的不良汽车驾驶行为对道路交通安全影响最大。     

黄灯启亮时的驾驶行为及影响因素研究

通过建立黄灯启亮时驾驶员的行为决策模型,分析黄灯启亮时的驾驶行为及其影响因素.利用视频观测的方法,采集分析了黄灯启亮时的车辆行驶数据,并建立了黄灯启亮时的驾驶行为决策模型,通过模型分析了影响黄灯启亮时驾驶行为的关键因素.结果显示,黄灯启亮时车辆到停车线的距离、车速,以及有无前后车是影响驾驶行为的显著变量:有前车的情况下,驾驶员更倾向于选择通过交叉口;无后车时,即车辆位于排队队尾时,驾驶员加速时加速度的绝对值更大,减速时加速度的绝对值更小.驾驶员在黄灯启亮时表现出的上述行为特征十分危险,需要制定有效措施加以控制,以减少交叉口黄灯期间的交通事故.     

驾驶机器人车辆的多模式切换控制EI北大核心CSCD

为实现不同驾驶工况下精确的车速与轨迹跟踪,提出了一种驾驶机器人车辆多模式切换控制方法。通过分析驾驶机器人操纵自动挡车辆踏板与转向盘的运动,建立了驾驶机器人加速与制动机械腿和转向机械手的运动学模型和车辆纵横向动力学模型。在此基础上,设计了加速/制动机械腿切换控制器、模糊PID/模糊PID+Bang-Bang车速切换控制器和模糊PID/模糊PID+Bang-Bang转向切换控制器。加速/制动机械腿切换控制器以目标车辆加速度为切换规则,协调控制加速和制动机械腿,车速切换控制器以车速误差作为Bang-Bang控制器的模式决策准则和模糊PID控制器的输入,转向切换控制器以轨迹跟踪侧向误差作为Bang-Bang控制器的模式决策输入,并以当前与下一个控制时刻横摆角速度之差作为模糊PID控制器的输入。仿真和试验结果验证了所提出方法的有效性。     

考虑电动公交在途特性的电池状态梯次划分

电动公交电池容量衰减造成里程焦虑增加、服务可靠性降低、电池资源浪费等问题。因此,评估和发现电动公交实际运营过程中影响电池健康状态的关键因素并划分电池状态尤为重要。基于电动公交长时间实际行驶过程中的充放电数据,结合安时积分法与最小二乘拟合建立电池容量估计模型,并据此计算各充放电片段的电池健康状态。进一步考虑电动公交在途特性,从电池组充放电属性、车辆行驶工况、公交营运状态3个角度提取可能影响电池健康状态的相关因素,并采用因子分析法将影响因素组合为12个影响因子,使用随机森林回归构建电池健康状态预测模型,从而根据预测结果的准确性反推获得各影响因子的重要度。最后考虑不同影响因素的重要度,利用加权聚类算法梯次划分电动公交电池健康状态为4个类别,下降梯度分别为-0.013 6、-0.011 9、-0.003 4、-0.002 8,并通过对比研究发现了同一条线路不同梯次的车辆电池组在放电深度、速度标准差、最大加速度和刹车次数等影响因素上的差异。研究结果表明:车辆荷载、电池电流释放情况、车辆行驶中速度的变化、电池的使用时间、线路拥挤状况以及电池充电深度大小对于电池健康状态的影响程度较大,而在公交营运状态相同条件下,驾驶人的行为对电池健康状态衰减程度有着较大影响。     

基于Cruise的混合动力汽车动力系统参数匹配

文章以某款混合动力汽车为研究对象,确定整车性能目标,根据车辆具体参数对发动机、电机、电池等动力系统主要部件参数进行计算与选型,设计了电控机械式自动变速器（AMT）和机械式无级变速器（CVT）两种传动方案;在Cruise软件中构建仿真模型,测试最高车速、加速度、爬坡度等动力性指标;使用新欧洲驾驶循环（NEDC）工况进行经济性仿真对比测试不同传动方案对油耗的影响。仿真结果表明,整车动力性满足要求,动力系统参数选择合理,CVT传动方案发动机运行效率更高。     

雾天不同能见度条件下高速公路限速建议值研究

高速公路雾天不同能见度条件下,驾驶员对道路线形走向的敏感性有所变化,驾驶员需要不断调整方向盘,以不同的车速行驶在线形不断变化的高速公路上.为了探寻在雾天不同能见度条件下,驾驶员以不同车速通过不同曲率道路时的驾驶行为安全特性,利用UC-win/Road建立道路驾驶模拟环境,采集驾驶员在单因素和正交多因素实验方案条件下的车辆运行轨迹数据,结合驾驶行为特点提出了新的评价指标(车辆横向偏移系数)对驾驶员的驾驶行为进行分析.结果表明,能见度、圆曲线半径和车速对车辆横向偏移均具有显著性影响;并且通过正交试验确定各因素对车辆横向偏移影响由强到弱依次为:能见度(F=531.643)>圆曲线半径(F=256.599)>车速(F=45.986).      

基于国外技术研究方法的弯道驾驶行为特征统计分析

为理解驾驶员行为特征,提高自动驾驶汽车的类人驾驶能力,借鉴国外研究成果,基于自然驾驶数据集,对驾驶员在弯道行驶过程中的行为特征开展了研究。选择车辆纵向速度、侧向加速度、横摆角速度和车速作为驾驶员行为特征,选择弯道曲率半径作为道路几何特征,利用车辆动力学原理进行弯道工况识别,通过核密度估计及相对熵对数据集特征参数分布的收敛性进行验证,并对弯道行驶过程中驾驶员行为特征及道路几何特征进行了统计分析。分析结果可以为设计具有类人操作特性的自动驾驶或驾驶辅助个性化系统提供数据支撑。     

基于凸优化的燃料电池汽车节能驾驶研究

为实现燃料电池汽车在多信号灯场景下的节能驾驶，本文中提出一种基于分层凸优化的快速车速规划和能量管理方法。结合车辆静态氢耗图，运用动态规划获得车辆通过信号灯的最优绿灯窗口，并确定最优行驶路径的搜索区域。建立以车辆需求功率累计最小为优化目标求解车辆加速度的二次规划问题，并运用Matlab/OSQP求解器获取车辆最优行驶路径。根据最优行驶路径，采用基于交替方向乘子法的能量管理策略，实现各动力源输出功率的合理分配。针对9个信号灯场景的仿真结果表明，所提方法的电机工作点平均效率比智能驾驶员模型高10%，氢耗低45%。此外，该方法计算速度快，具备实时优化的潜力。     

基于AVL-DRIVE的AMT驾驶性能评价

<正>1引言AMT系统的开发需要大量道路试验来评价起步、加速和换档等重要的驾驶性能。AVL-DRIVE系统是在大量专业人员的经验基础上对商用车的特征性能进行客观分析与质量控制,通过各种不同的传感器采集数据和车辆参数,如加速度、发动机转速、车速、加速踏板位置和振动等,将这些参数通过中央处理单元发送给计算机,使用AVLDRIVE软件进行分析,从而能够在一定程度上避免驾驶员对车辆驾驶性能的主观评价误差。     

基于运行数据的电动客车误踩加速踏板状态识别研究

驾驶人误踩加速踏板导致的电动客车交通事故时有发生,影响因素复杂。为准确识别误踩加速踏板行为,提醒电动客车驾驶人安全驾驶,基于电动客车车载终端采集的车辆运行状态数据,提取9项与误踩加速踏板行为相关的驾驶特征,采用随机森林算法模型对电动客车误踩加速踏板状态进行识别,结果表明整体的识别准确率为99%,召回率为0.99,表明99%的误踩加速踏板行为可被识别出来。实验表明采用随机森林算法进行误踩加速踏板状态识别具有较好的效果,且与逻辑回归、Adaboost等识别算法相比,具有准确率、召回率和精确率高等特点。该方法利用电动客车的运行数据进行分析,简单高效成本低,具有一定的可行性和实用性。