智能环境友好型车辆——概念、体系结构及工程实现

提出了智能环境友好型车辆平台的新概念,该平台包含清洁能源动力、电控底盘与智能安全辅助3大系统,集成了结构共用、信息融合与控制协同3大技术,能综合实现车辆安全、节能与环保3大功能。在描述其结构与功能的基础上,介绍了所涉及的关键技术,并研制了具有自适应巡航和主动避撞功能的智能混合动力电动汽车实验平台。通过仿真与试验,展示了智能混合动力电动汽车在行驶安全、节能与环保方面的综合优势。     

基于个体模糊作用域的行人流建模与仿真

基于单出口场景,行人流建模与仿真的目的,充分考虑行人的异质性,引入个体模糊作用域描述行人在作用域选择上的差异,通过定义行人模糊作用域中个人空间与信息处理空间的作用力参数、个体邻域相对移动距离参数,构建了行人在方向模糊作用域下的改进场域模型,并对不同运动策略的行人流进行仿真研究,分析了系统规模、安全出口宽度、行人密度、策略选择对行人疏散时间的影响.结果表明:1)改进模型的仿真过程不依赖于各个参数的影响系数;2)改进模型有效描述了行人在个体作用域选择上的差异性;3)行人疏散时间与行人密度呈线性增加关系,与安全出口宽度呈负指数减少关系;4)当安全出口较窄时,让步策略有利于行人流疏散,当安全出口较宽时,竞争策略有利于行人流疏散.该研究可以为单一出口或单一瓶颈处行人设施的疏散策略制定提供参考.     

锡宜高速公路交通流速度调查分析

针对目前我国公路上严重的超速行驶现象，各地公安交通管理部门相继开展了治理超速行驶的专项整治工作，公安部交通管理科学研究所同时也承担了部级研究项目《超速行驶交通事故预防对策》的研究工作。项目研究课题组（下称“课题组”）以锡宜高速公路为研究实体，通过对路段车流行驶速度颁布情况、交通事故特征情况的调查分析，在借鉴国内外超速治理研究经验的基础上，系统深入地研究了治理超速行驶的对策措施。本文介绍了课题组对锡宜高速公路交通流速度的调查分析情况。[编者按]     

高速公路改扩建时机决策方法

为了提高高速公路的通行能力, 改善高速公路的服务水平, 提出选择高速公路改扩建最佳时机的决策方法。分析了高速公路收费站的交通量统计数据, 利用趋势外推法、多元线性回归法和增长系数法预测出高速公路未来年的交通量, 根据预测交通量计算的服务水平构建出改扩建时机决策的触发点机制。当某年高速公路实际发生交通量与道路设计交通量相等时, 该年为高速公路改扩建的最佳时机。计算结果表明: 2011年西宝高速公路服务水平为1.0, 此年应进行改扩建, 这与西宝高速公路实际改扩建时机吻合, 因此, 改扩建时机决策方法可靠。     

汽车轮毂轴承及主销松旷间隙自动化检测方法探讨

对汽车轮毂轴承处、主销处存在的松旷间隙以及2种间隙的区分等进行了力学分析，提出了轮毂轴承及主销的配合间隙的自动检测方法。该方法是通过分析车轮在支承台板的带动下产生的位移和驱动力关系特征曲线实现的，基于该方法开发了自动化检验台。最后通过实车测试对该方法进行了验证。结果表明，检验台测试结果与百分表测量结果基本一致，最大相对误差不超过5％，满足了快速检验的精度要求。     

基于神经网络方法的台试轮胎滚动阻力模型研究

采用反拖测试方法,在双滚筒式底盘测功机上进行了大量有关轮胎滚动阻力影响因素(包括胎压、速度、载荷、胎温及轮胎的型号等)的交叉试验。以这些因素作为神经网络的训练输入参数,建立了台试轮胎滚动阻力神经网络模型。通过试验验证,用神经网络模型预估基于双滚筒测试的轮胎滚动阻力误差小于4%,为利用底盘测功机准确测试汽车动力性等工作奠定了基础。     

汽车动力性在线检测新方法探讨

在分析目前汽车动力性检测存在理论缺陷、设备价格昂贵、检测可操作性差的基础上，通过力学分析，建立一种新的检测理论模型，提出一种通过改变检测台转动惯量检测汽车动力性的方法，提供了汽车动力性检测与评定的新思路。     

汽车底盘测功机反拖测试系统及飞轮组装置

汽车底盘测功机是整车台架试验设备，但由于检测条件的不同，以及底盘测功机匹配的飞轮系统存在各种分级标准，降低了汽车动力性检测结果的参考价值。本通过在现有的底盘测功机上建立反拖系统和对飞轮组的科学设计，实现了对发动机功率较准确的检测，从而达到辨识发动机和传动系统技术状况的的。对飞轮组匹配也做了较详尽的论述。     

商用车前撞报警算法研究

汽车前撞报警系统能够有效避免追尾危险,对提高交通安全具有重要意义。针对商用车,提出了危险系数的概念及适应驾驶员特性的基于危险系数Crisk的报警算法,确定了报警启动逻辑,通过真实道路实验获得驾驶员特性实验数据,得到不同类型驾驶员跟车行为特性参数,并且根据驾驶员异常行为的实验数据统计得到报警阈值。通过硬件在环仿真实验和实车试验,统计分析了系统报警的正确率、漏警率和误警率。试验结果表明,提出的前撞报警算法能够有效体现不同类型的驾驶员特性,提高了系统的可接受性。     

基于单目视觉的夜间前方车辆检测方法EI北大核心CSCD

为提高夜间行车的安全性,提出了一种基于单目视觉的夜间前方车辆检测方法。该方法利用最大类间方差法自动确定阈值,从背景中抽取出前车尾灯,并根据HSV颜色空间的颜色阈值剔除非尾灯目标,利用Kalman滤波方法将图像分为跟踪区域和检测区域,在两个区域内分别进行尾灯配对,根据尾灯对之间特征相似性的比较,剔除误检的车辆;跟踪区域中漏检的车辆,根据前一帧检测的车辆位置和正确抽取的尾灯来估计,以实现车辆检测。实验结果表明,该算法能准确检测夜间前方车辆,有效降低漏检率和误检率。