排序方式: 共有29条查询结果,搜索用时 468 毫秒
11.
12.
13.
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. 相似文献
14.
自动驾驶道路测试中车企驾驶模式数据具有一定保密性,导致自动驾驶能力难以被客观评估。为此,提出了实测数据驱动的自动驾驶道路测试驾驶模式辨别方法。首先选取数据特征值构建K近邻估计、支持向量机、决策树、随机森林和BP神经网络5种机器学习监督分类模型;其次通过非参数秩和显著性检验确定驾驶模式持续时长阈值,持续时长大于阈值的数据段记录为准确的驾驶模式数据,小于等于阈值的数据段则为驾驶模式待分类数据集;随机选取70%记录准确的驾驶模式数据作为监督分类模型训练数据集,剩余30%作为测试数据集;最后利用正确率、精确率和召回率3个指标评价5种监督分类模型,并选取表现最佳的分类模型用于待分类数据的驾驶模式辨别。基于上海市城市道路和快速路2个道路测试场景共约43.6万条数据,验证驾驶模式辨别方法的有效性。结果表明:随机森林监督分类模型辨别道路测试驾驶模式的效果最佳;城市道路场景和快速路场景待分类数据驾驶模式记录有误率分别达到42.3%和39.4%。实测数据驱动的驾驶模式的辨别与修复,可显著提升评估自动驾驶道路测试驾驶能力的准确度。 相似文献
15.
16.
以十二硫醇-已烷溶液为研究体系,评选出以金属盐溶液改性和研制得到的对硫化物有良好吸附性能的930A系93GH系特殊吸附剂;用静态法和微分床法研究这两种系列的吸附剂吸附硫化物的相平衡关系,吸附热效应及吸附动力学过程;用这两种系列的吸附剂对实际轻质石油品进行脱硫精制。研究结果表明:评选和研制的这两种系列的吸附剂脱硫效果均较为良好。 相似文献
17.
为了在时频域内快速而有效地对信号进行识别,在对相关域内短时信号模糊函数进行分析的基础上,针对短时信号提出了短时比较分布(SCD)的概念并给出了其核函数,通过选取少量短时信号并比较它们的SCD,从而实现复杂信号的识别,实验结果表明,由于SCD具有较强的交叉项抑制能力,该识别方法在减少计算量的同时,也具有较好的抗噪声性能. 相似文献
18.
受车辆荷载特性影响的碰撞时间(Time-To-Collision, TTC),被认为是车辆避撞系统中跟驰过程风险评估的有效指标.本文以车辆类型、超重和超速指标量化表征车辆荷载特性,分解前后车辆不同荷载特性组合的12类跟驰场景.基于动态称重技术获取融合荷载特性的交通流数据,分析车辆荷载特性对自由流交通状态下12类跟驰场景TTC分布的影响,利用KS 检验对比TTC分布的显著性.结果表明:TTC累计频率分布服从指数模型,在5%置信度水平上,跟驰前后车的车辆类型对TTC分布无显著影响;前后车均为超重轻车显著增加了潜在冲突风险,超重增加了轻车跟驰重车,轻车跟驰轻车场景的潜在冲突风险;前后车不超速跟驰场景下,轻车跟驰重车的风险比例高于轻车跟驰轻车. 相似文献
19.
20.
雾霾等恶劣气候对交通安全带来严重威胁.为分析雾霾天气下驾驶行为规律,利用高逼真度驾驶模拟器,构建了高速公路平直路段雾霾天气场景,开展了自由加速、紧急制动和跟驰试验;基于采集的试验数据利用遗传算法对IDM (Intelligent Driver Model)跟驰模型进行了标定,并与晴天同路段标定参数进行了对比分析.结果显示,雾霾天气下IDM模型中起步加速度和舒适减速度参数并无显著差异,但安全距离、安全车头时距、期望速度等参数比晴天情况显著减小,由此表明雾霾天气下的交通冲突风险显著增大,应加强雾霾天气下的安全管理. 相似文献