考虑转向的汽车主动避撞控制系统研究

为挖掘智能车避撞潜力,基于五次多项式构建含侧向加速度约束的避撞参考路径,基于预瞄转向几何理论实现车辆转向控制,利用线性二次型调节器(LQR)得到期望纵向加速度,在避撞结构基础上,基于碰撞时间(TTC)和跟车时距(THW)预判行车风险,以最大加速度和平均加速度评价主动避撞的乘坐舒适性,以最大横向位置误差和航向角误差评价转向控制路径跟踪精度。不同工况下仿真结果表明,该方法转向稳定性和路径跟踪精度较高,且兼顾了避撞安全性和乘坐舒适性。     

北斗卫星与车载传感器融合的车辆定位

为了改善北斗卫星定位性能,基于卡尔曼滤波设计了北斗卫星与车载传感器的数据融合算法。算法包括车辆方向融合和车辆位置融合两部分,前者融合电子罗盘和陀螺测量得到的北向角及其变化率,估算北向角的真实值;后者首先同步车速矢量与北斗卫星测量得到的车辆位置矢量,再根据融合结果估算车辆定位信息。为了验证数据融合算法,设计了北斗卫星与车辆状态信息采集系统,利用本系统采集的实车数据进行的仿真计算表明,算法能够提高定位频率、减小定位误差,提高北斗卫星定位的性能。     

汽车纵向避撞动力学模型的建立与仿真

为了验证汽车纵向避撞系统的安全性和鲁棒性,本文运用Carsim建立了特定参数的车辆动力学模型,经过理论分析并利用Simulink搭建了期望节气门开度和期望制动压力输出模型,充分利用各动力总成现有的标准数据,建立了模拟汽车主动避撞系统中车辆在复杂工况的行驶过程中的纵向避撞动力学模型。在典型工况下进行仿真分析,仿真结果表明在低速和高速条件下,避撞系统都能充分发挥其避撞作用,提高行车安全性。     

基于多源信息融合的汽车主动避撞系统

传统的汽车避撞系统对车辆及其周边信息缺少全面的了解,存在判断依据单一的缺陷,因而对车辆安全状况的判断误差较大,达不到准确控制的效果.文中提出了基于多源信息融合的主动避撞系统,利用车车通信、车路信息协同以及传感器组合使用,全方位获取车辆信息,通过实际车距与理论安全车距之间的比较分析,判断车辆安全状况,避免车辆发生碰撞;同时,依据制动传感器的信号,避免驾驶员与系统产生制动干涉.模型车试验表明,基于多源信息融合的主动避撞系统可以达到快速、准确、稳定的控制效果.     

道路交叉口车路协调实验系统设计与实现

提出了道路交叉口车路协调实验系统框架、实现方法并进行了系统搭建测试。在分析系统功能的基础上进行了系统逻辑框架与系统物理框架设计,实现了各子系统功能,包括：GPS车载定位信息采集、交通控制系统设定、路侧处理单元与车载处理单元程序设计与短程无线通信,在此基础上建立了道路交叉口车路协调实验系统,模拟实际交通运行状态对系统主要性能进行测试。实验结果表明该系统可以完成信号灯状态的车载实时显示,但应进一步提高定位精度与通信效果。实验系统不仅为进一步研究基于车路协调的下一代智能交通运输系统提供了实验平台,还能采集相关的车辆运行数据与驾驶员特征数据。     

制动与转向协调动作的车辆避撞控制研究（双语出版）

为了弥补现有汽车避撞控制策略以及碰撞风险评价指标单一的不足，提出转向和制动协调的主动避撞控制系统。首先规划了五次多项式换道路径，在对其理论分析的基础上得到转向临界避撞距离和与目标车道车辆的安全距离约束。其次，考虑道路附着系数和系统延迟的影响，基于制动过程给出制动临界避撞距离，并以纵向行驶安全系数ξ和碰撞时间倒数T^-1_TC划分安全行驶区域，利用驾驶人实车跟车数据标定稳态跟随/定速巡航区域的阈值。随后，通过转向/制动临界避撞距离的对比给出2种避撞方式的安全收益范围。最后搭建Simulink/CarSim联合仿真模型，并对其进行不同初始条件下的避撞仿真试验。研究结果表明：转向操作在制动距离不足时仍是有效的；当主车高速近距离接近静止前车时，主车可以顺利采取转向换道动作，而常规ACC系统在2.5 s处的车间相对距离为-0.76 m，事实上已经发生了碰撞；当相邻车道前车与主车纵向间距不满足换道安全距离约束时，避撞控制系统进入紧急制动模式，最大制动减速度达到-0.8g（g为重力加速度），实际最小车间距为5.1 m；通过转向和制动的协调动作，充分发挥了车辆的避撞潜力；ξ和T^-1_TC指标的融合，可以更好地评估碰撞风险并实现不同控制模式的转换，在保证行车安全的同时可避免过分制动给乘客造成的紧张感。     

基于机器视觉的智能车辆避撞预警算法

由于受到信息采集源性能影响,造成了智能车辆避撞预警系统(Collision Warning System,CWS)前后车相对距离测量精度低的问题,针对此问题提出了一种基于机器视觉的预警算法(Collision Warning Algorithm,CWA),利用机器视觉获得了较高精度的测距信息,有效提高了预警算法的有效性。在分析驾驶员驾驶行为基础上,确定CWA的报警准则。基于机器视觉技术建立了一种多输入、多输出的CWA模型,给出了模型预警原理、决策阈值确定方法、逻辑结构图,以及基于机器视觉的车辆信息获取方法。设计了一个单车道双车辆跟驰实车试验,采集模型测试所需的数据,并利用实测数据对模型进行了验证。试验结果显示,平均测距误差不超过3.6 m,预警模型能够准确给出预警信息,对提高车辆行驶主动安全性具有重要意义。     

城市快速路中央分隔带线性空间布局形式的视觉刺激对驾驶行为的影响

为探究城市快速路中央分隔带线性空间布局形式的视觉刺激对驾驶行为的影响，通过图像语义分割技术量化景观构成要素，并用SILAB软件平台构建虚拟仿真场景，开展模拟驾驶试验。测试路段限速值分别为50 km·h^-1和70 km·h^-1。试验获取了41名被试对中央分隔带布局形式视觉刺激的眼动和车辆运行指标以及驾驶疲劳的主观评价，以分析不同中央分隔带布局形式视觉刺激下各特征参数的变化规律。采用注视点信息熵作为布局形式视觉刺激度的量化指标，并使用ROC曲线方法为表征不同中央分隔带布局形式视觉刺激的驾驶行为指标确立了舒适性阈值，根据不同中央分隔带布局形式下的驾驶行为指标及阈值，建立了舒适性综合判别模型。研究结果表明：单次扫视时长、注视次数、车道横向偏移距离受布局形式视觉刺激的影响较大；与车速50 km·h^-1相比，当车速为70 km·h^-1时，扫视频率低，单次扫视时长短，注视次数少，平均眨眼持续时间长；注视点信息熵与视觉刺激度相关；由车辆运行特征分析可知，排列式的中央分隔带布局形式由于景观单调、视觉刺激过低会导致驾驶人出现反应迟缓、疲劳，影响行车安全；规则式布局形式视觉刺激过高，环境的复杂性、新奇性、意外性等特征过于显著，会导致驾驶人难以集中注意力，从而威胁行车安全；而自然式的布局形式不仅能够改善城市快速路景观环境的单调性，还能够提供适宜的视觉刺激。研究成果能够改善中央分隔带布局形式及提高驾驶安全性提供一定的理论依据。     

Probe Data-based Identification of Vehicle Behaviors at Intersection

交通控制策略制定过程中,对于车辆在交叉口进口道前行为规律的把握至关重要.准确辨识进口道车辆行为模式,是研究下一代基于车路协同的交通控制理论的基础之一.基于车路实验平台的实时车载数据,运用加权平均法对交叉口的车辆换道和转向行为进行了观察分析,并通过建立线性规划模型及求解对辨识过程中的匹配误差进行了处理.最后实地的案例研究显示,本研究的方法对交叉口驾驶转向行为识别精度达100％,对换道行为识别的误差为8.33％,基本能够满足交通控制的要求.     

基于模糊控制的汽车避撞系统建模与研究

针对汽车避撞系统,联合运用CarSim和Simulink建立车辆纵向动力学模型,基于模糊控制理论和PID控制理论设计分层控制系统,通过CarSim仿真得到加速/制动切换逻辑曲线,通过对加速和制动的协调控制,使自车能够在紧急情况下自动制动,起到主动避撞的作用,同时对制动过程对乘车舒适性的影响有所考虑。在典型工况下进行仿真,结果表明在低速和高速条件下避撞系统都能发挥避撞作用,提高行车安全性,同时不会对乘员舒适性造成较大影响。     

分布式大型车辆防撞预警系统设计与实现

大型车辆的交通事故已经成为社会关注的热点问题,减少碰撞风险是交通安全研究的重要内容。根据大型车辆前向碰撞预警、后方碰撞预警和侧向防撞预警的要求,设计了一种全方位防撞预警系统。系统以分布式信息采集、处理和报警平台为基础,通过基于安全距离的算法实现分级预警。实车预警实验表明该系统能够根据安全等级准确地给出报警信息。     

车车通信环境下基于驾驶意图共享的车辆避撞预警算法

针对传统基于距离或时间的车辆避撞预警算法存在较高误警率的问题，考虑在避撞预警算法中引入驾驶意图共享的概念，提出了基于实际外场复杂车车通信V2V（Vehicle-to-vehicle，V2V）环境下的车辆跟驰避撞预警算法。基于LTE-V构建外场V2V环境，将车辆行驶过程描述为一个时间序列的隐性马尔可夫随机过程，借助隐马尔可夫模型（Hidden Markov Model，HMM）建立驾驶人驾驶意图与车辆相对行驶状态序列之间的隐含关系模型，并给出基于Viterbi算法的驾驶意图预判求解方法，将驾驶意图作为特征因子集成到安全距离模型中，提出基于驾驶意图共享的避撞（Driving Intention Based Collision Avoidance，DI-CA）预警算法。利用构建的V2V试验环境，实现了匀速、加速、减速和紧急制动等4种驾驶意图，以及相对速度和相对距离增加、减小、保持不变等9种组合的车辆行驶状态试验数据获取，并利用试验数据对所提出的DI-CA预警算法进行实证分析。结果表明：所提出预警算法能够针对不同驾驶意图提供有效的车辆碰撞预警。在此基础上将4种驾驶意图下的DI-CA预警算法与Mazda预警算法求得的安全距离进行了对比分析，所提出的DI-CA预警算法的平均预警正确率为84%，高于Mazda预警算法的78%，而DI-CA预警算法的平均误警率和漏警率分别为5%和16%，均明显低于Mazda预警算法，说明所提出的DI-CA预警算法在提升预警效果的同时明显降低了误警率和漏警率，可避免行驶过程中因误警而导致的连续刹车，以及因漏警而导致的可能碰撞事故发生。最后，总结并给出了驾驶意图共享理论应用于车辆避撞预警的研究展望。     

基于驾驶员跟车习惯的报警/避撞算法研究

在驾驶员实车实验的基础上,研究跟车工况中的驾驶员行为特性和习惯,建立驾驶员跟随车距模型,并结合对车辆制动过程的分析,研究分别基于驾驶员制动行为特性和驾驶员跟随车距模型的报警/避撞算法,通过改变算法的参数值,可使算法得到的报警/避撞时机符合不同驾驶员的驾驶习惯。利用实验数据对算法进行离线检验,验证该算法在报警/避撞系统中的适用性。     

车辆碰撞预警系统对行车风险的干预效果

各类碰撞预警系统已广泛应用于具有驾驶辅助功能的车辆上,为研究预警系统对风险状态下车辆交互行为特征的影响机理,并评估其对行车风险的干预效果,采用15辆搭载预警系统的试验车辆在真实高速公路场景下进行实车群组试验,通过有-无预警情形对比试验及分析,从车辆交互行为特征指标、道路总体运行风险、驾驶员对预警系统认可度3个维度,对行...     

License plate extraction method for identification of vehicle violations at a railway level crossing

The primary cause of most railroad accidents is vehicle entry into railway level crossings despite warning messages. To identify drivers who violate railway level crossing regulations, vehicle license plate recognition can be applied at railway level crossings. The purpose of this paper is to present an effective method for extracting the license plate region from vehicle images taken at railway level crossings. The method proposed in this paper uses the variation in the gray-level values across the image of a license plate. For license plate region extraction, the character region is first recognized by identifying the character width and the difference between the background region and the character region. The license plate region is then extracted by finding the inter-character distance in the plate region. In addition, the license plate type is identified by the difference in the gray-level value between the background region and the character region. The proposed method is effective in solving the current challenges in extracting the license plate region from the damaged frames of license plates issued for domestic use, including new types of license plates. According to the experimental results, the proposed method yields a high extraction rate of 99.5% for vehicle license plates.     

基于交通信息的电动汽车制动策略及仿真

为了提高滑行能量回收经济性和踏板制动安全性、舒适性,基于交通信息,提出了电动汽车(EV)制动协调策略。分析了滑行制动的经济性,由交通信息和汽车行驶状态确定滑行制动强度;由道路信息和前方车辆信息建立汽车安全距离模型和碰撞预警策略,利用预警信息对滑行制动和踏板制动强度进行协调。对本策略进行仿真验证。结果表明:利用交通信息的滑行策略,在通行良好工况下综合能耗减少1.1%,拥堵工况下减轻驾驶员的制动疲劳;预警和协调策略避免了频繁预警,减小了紧急避撞触发几率。因此,利用交通信息能够辅助驾驶员进行更加合理的制动。     

车辆对桥墩撞击力仿真分析及简化计算

为研究车辆撞击桥墩过程中的撞击力及其简化计算方法,采用有限元软件建立等效车辆-桥墩碰撞模型,在验证等效车辆模型合理性的基础上,改变撞击速度得到撞击力时程曲线;提出将车辆碰撞桥墩视为匀减速过程的撞击力简化计算方法,并将简化计算方法撞击力结果和其它3种方法结果以及国内外规范取值进行对比.结果表明:撞击过程中车辆撞击力先后出...     

邻车切入工况下前撞预警系统的驾驶人依赖特性

为提升邻车切入工况下的行车安全,基于驾驶模拟实验平台,研究了驾驶人对前撞预警系统的依赖特性评价方法以改进预警系统的设计。以预警时机(即碰时间TTC)为研究变量,采集了12名驾驶人的实验数据,以制动依赖指数、次任务评分为2项客观指标,以危险度评分、信任度评分为2项主观指标,建立了评价体系模型,实现了对驾驶人系统依赖程度的量化评价。设计了L9(34)正交实验,建立了依赖特性评价回归模型。结果表明:预警时机(TTC)对依赖特性的影响最为显著:过晚的预警时机(TTC=2.4 s)降低系统的有效性;过早的预警时机(TTC=1.2 s)易导致驾驶人对系统过度依赖。因而,适度推迟预警时机(TTC=1.8 s)可以抑制依赖性的产生,提升系统的安全性。