汽车与电动两轮车碰撞典型场景下的AEB纵横向触发策略研究EI北大核心CSCD

在汽车与电动两轮车碰撞事故中,自动紧急制动(autonomous emergency breaking,AEB)系统的横向触发固定宽度是避撞失效的重要因素之一。为了提高汽车AEB系统的避撞可靠性,本文在分析了汽车与电动两轮车碰撞临界工况的纵横向TTC(time to collision)差值范围的基础上,建立了AEB纵横向触发TTC差值模型。基于PreScan、Matlab/Simulink和CarSim仿真平台建立2种典型的汽车碰撞电动两轮车事故场景,并与横向触发宽度固定为1.75和3.75 m的AEB策略对比。结果表明:提出的AEB纵横向触发TTC差值模型在避撞率中表现更优,在汽车速度低于54 km/h时均能实现避撞。在典型场景1中避撞率为88.9%(45例),未避撞事故碰撞平均速度从70.6下降到29.7 km/h;在典型场景2中避撞率为80%(30例),未避撞事故汽车平均碰撞速度从66降低为18.2 km/h。AEB纵横向触发TTC差值模型具有良好的可靠性和鲁棒性,提高了汽车与电动两轮车道路安全性,为汽车主动安全系统开发提供重要理论参考。     

倾斜摄影航线规划在桥梁建模中的应用研究

介绍了针对在建桥梁进行快速建模的精细化航线规划的基本原理和方法，选用无人机首先采用环形航线或五向飞行航线建立桥梁的粗略倾斜摄影三维模型后，在粗模上标记特征点，依据特征点规划精细化航线，最后建立精细倾斜摄影三维模型。通过在实际工程中的应用发现，相比环形航线和五向飞行航线，无人机精细化航线能有效提高航线效率，减少飞行时间，且能实现多高度、多角度观测，有效减少视觉盲区，模型完整度和纹理细节都更优，重建模型的精细化程度更高。     

数据驱动的共享电动汽车流量预测与定价方案

为了提升共享电动汽车系统的经济性与运营效率，需要充分挖掘用户对共享使用价格的响应机制以及用户的充电等待行为。同时，用户流量需求的精准预测是提供合理共享定价方案的重要基础。基于此，首先建立以数据驱动的用户流量预测模型，通过结合图卷积神经网络与长短时记忆模型，捕捉用户需求的时空特征和动态相关性，并结合时间与天气特征因素实现多时间步长的准确流量预测。其次，考虑用户在共享系统下的等待自适应行为，建立基于用户等待成本的共享系统服务质量模型。而后以实现最大化共享系统利润收益与服务质量为目标，建立多目标的共享定价模型以制定不同时刻与路径上的共享电动汽车使用价格。最后，以上海市虹口区EVCARD交通测试系统的算例分析，论证所提流量预测模型的准确性以及多目标定价模型的有效性与经济性。研究结果表明：所提的SEV多因素融合需求预测模型较其现有的常用预测方法能获得更加准确的多时间步长流量预测；通过合理设置共享驾驶的空间和时间变化价格信号，可以提升共享电动汽车系统的运营盈利能力，并且实现了更好的系统利润收益与用户服务质量平衡的运行需求。     

基于NFC识别技术的汽车辅助驾驶系统研究

为了提供更安全的辅助驾驶系统，采用NFC识别技术，将车辆与道钉相结合，建立可以实时反馈路况深度学习辅助驾驶系统，从而确定车辆与道钉交互识别、参与辅助更正实时路线以及实时检测道路口的车流量的可行性。研究结论为辅助驾驶的发展提供更多的方案，进一步提高了车辆完成高精度车道检测任务的效率，对我国的辅助驾驶发展提供一定的理论基础与依据。