自动驾驶等级提高条件下驾驶人驾驶姿势变化规律分析EI北大核心CSCD

为研究驾驶人在自动驾驶等级提高条件下的坐姿变化规律,基于直接测量的人体标志点位计算人体内部目标标志点并构建人体模型,确定驾驶人在驾驶过程中7个部位的关节角度,定量描述L0和L3级自动驾驶坐姿特征差异。结果表明,自动驾驶等级由L0提高到L3后,驾驶人的肘部屈曲、胸腹部屈曲、膝盖弯曲度不同程度的增大导致活动空间得到扩展,坐姿舒适度有所提高,而腰背部后倾的趋势加深,上躯干倾向处于扭曲或压缩状态,腰背部由于得不到充分支撑而疲劳,降低了乘坐舒适性。自动驾驶等级的提高改变了驾驶任务,因此驾驶人坐姿特征发生显著变化。本文可为高度自动驾驶汽车的驾驶室布局与自动驾驶功能研究提供重要参考依据。     

基于自动驾驶汽车稳定性的聚类辨识模型设计

在自动驾驶汽车中高级辅助驾驶系统（ADAS）的设计过程中，车辆稳定性控制目标并没有考虑驾驶员个性化特质需求，尤其在一些极端行驶条件下控制效果会适得其反。鉴于此，在传统汽车稳定性评价标准的基础上融合了隐马尔科夫理论（HMM）和K-means聚类算法，采用无迹卡尔曼滤波和因子加权分析的参数处理方法，设计了一种自动驾驶汽车稳定性辨识模型。模型通过Carsim/Simulink和基于DSPACE驾驶模拟器的硬件在环仿真方法进行了验证。结果表明：该模型能够实现自动驾驶汽车稳定性的合理分类和在线辨识，同时能为今后进一步优化自动驾驶汽车轨迹规划方法提供理论依据。     

面向“离位”儿童乘员的常开式安全气囊优化设计

儿童乘坐校车时常呈现多种"离位"坐姿,有必要开展多种儿童坐姿下,常开式安全气囊的优化设计研究,明确12岁儿童的损伤阈值。为此构建并验证校车的仿真模型,搭建校车和常开式安全气囊的耦合模型。选取躺卧坐姿、右倾坐姿作为12岁儿童乘员的典型"离位"坐姿,并针对正常坐姿、躺卧坐姿和右倾坐姿,以加权伤害指标为优化目标,基于响应面代理模型和改进型NSGA-Ⅱ算法,权衡确定常开式安全气囊的主要设计参数的最优配置为:泄气阀开度199.73%、泄气阀开启压力1.1628×105Pa、安装点高度0.362 8 m和中部拉带长度0.315 2 m。结果表明:3种儿童坐姿下,具备最优配置的常开式安全气囊能够最大限度地提升12岁儿童乘员的安全性。     

数据驱动的智能车个性化场景风险图构建

为实现智能车辆危险预警辅助功能，精确建立个体驾驶员的个性化辅助系统，提出一种数据驱动的智能车个性化场景风险图构建方法。构建复杂交通场景中动静态要素属性与要素之间隐含交互关系的图表征，使用图核方法对图表征数据进行相似性度量，处理分析驾驶员操作数据并获取驾驶员个性化场景危险程度评价标签。基于支持向量机训练识别模型，建立驾驶员个性化危险评价机理与场景特征之间的映射关系，以模型输出的危险程度评价标签与真实值进行实验对比。结果表明，基于场景风险图构建的驾驶员个性化危险场景识别模型识别准确率可达95.8%，比特征向量表示法提高了38.2%，能够有效地做出基于驾驶员驾驶风格的个性化场景危险程度评价。