排序方式: 共有134条查询结果,搜索用时 31 毫秒
121.
驾驶员在愤怒时的驾驶行为表现与正常驾驶时存在较大的差异,这些行为差异会影响车辆的运行速度、运行轨迹等,进而对道路交通流产生影响.文中在NaSch元胞自动机交通流模型的基础上,考虑愤怒驾驶行为的特点,从运行速度、换道条件和安全距离3个方面重新确定元胞更新规则,构建考虑驾驶愤怒情绪的周期边界条件下双车道元胞自动机交通流模型.在MATLAB环境下,对所建模型与普通NaSch交通流模型进行对比仿真分析.结果表明,驾驶愤怒所引起的行驶速度变化对交通流影响明显. 相似文献
122.
基于EKF学习方法的BP神经网络汽车换道意图识别模型研究 总被引:1,自引:0,他引:1
实时准确地识别驾驶人的换道意图有助于提高车辆行驶的安全性,达到安全辅助驾驶的目的。文中提出了一种基于EKF(extended kalman filter)学习方法的BP神经网络模型,用于识别驾驶人的换道意图,并进行短时行为预测。通过实验采集了20组高速公路实车行驶数据,利用前方车头时距、转向盘转角值、驾驶人头部水平位置数据,以及车道偏离量4类数据样本进行训练得到结果。实验结果表明:本模型较传统的神经网络识别模型具有更短的识别时间,且模型的可信度更高。在车辆换道和直线行驶2种工况下,本模型对换道意图的识别准确率达到了95%。 相似文献
123.
124.
在行车环境中,驾驶人的精神负荷是否能合理分配直接影响行驶安全,因而驾驶人的驾驶熟练程度与驾驶人驾驶过程中的精神负荷分配之间关系值得研究,其中脑电是客观评价驾驶人精神负荷的重要指标.通过实验采集了10组城市道路环境下驾驶人驾驶过程中的脑电信号,并记录了车辆行驶过程中的车辆数据,然后使用样本熵的方法来定量计算脑电数据,从而评价驾驶人在换道过程中的精神负荷问题.样本熵计算结果显示:换道过程中驾驶人的脑电特征要明显比非换道过程中驾驶人的脑电特征复杂;换道过程中驾驶人的脑电特征样本熵明显大于非换道状态下的驾驶人脑电特征样本熵,熟练驾驶人的脑电数据样本熵明显小于非熟练驾驶人的样本熵值,熟练驾驶人在换道过程中车速高于非熟练驾驶人;相较于跟驰驾驶行为,换道驾驶行为过程占用更多的精神负荷,熟练驾驶人比非熟练驾驶人分配更少的精神负荷在换道过程中. 相似文献
125.
126.
127.
128.
129.
<正>2020年突如其来的新冠肺炎疫情打乱了全国公交行业的发展节奏,时光荏苒,进入2022年,一晃眼疫情防控常态化已三年,随着人民群众出行习惯的结构性变化,城市公交企业如何应对危机,又如何在危中寻机,成为了摆在包括昆明公交在内的全国公交企业面前的一道必答题。 相似文献
130.
本文利用CLSVOF-IB方法研究海洋管道所受的流体作用力及其涡激振动特性,其中CLSVOF(Coupled Level-Set and VOF)方法用来模拟海洋自由波面,浸入边界(immersed boundary, IB)方法用于模拟海洋管道与流体之间的相互作用力。计算结果表明,CLSVOF-IB方法能够准确分析海洋立管的流固耦合特性,可通过选择合适的管道直径和来流速度来解决管道的流致振动问题。此外通过改变流体傅汝德数(Fr数),结果还表明该数值方法能较好捕捉海洋管道与海洋自由波面的相互作用过程。 相似文献