智能车辆主动避撞与稳定性联合控制仿真

为改善车辆在主动避撞过程中的车辆动力学特性,在MATLAB/Simulink环境下结合驾驶员模型分别设计了基于模糊控制理论的主动避撞控制处理器、制动稳定性控制器和转向稳定性控制器,从而能够在车辆主动避撞过程中综合考虑避撞和稳定性两个目标.并在ADAMS中建立了整车模型,联合MATLAB进行了仿真研究,仿真结果证明,在相...     

我国无人驾驶汽车明年将进行京津间行驶测试

从国家自然科学基金委员会举办的发布会上获悉,我国自主研发的无人驾驶汽车明年将进行从北京至天津的行驶测试,2015年将测试从北京行驶至深圳。今年10月31日至11月1日,来自全国的十余支无人车队将聚集在内蒙古赤峰市翁牛特旗,参加第四届"中国智能车未来挑战赛"。     

人机共驾智能车驾驶模式决策属性析取研究

为了深入分析驾驶模式决策影响因子,通过实车试验采集了人-车-路多源特征信息。用驾驶人主观经验将驾驶模式划分为人工驾驶、警示辅助、自动驾驶3种状态,并利用采集的驾驶人血流量脉冲（BVP）和皮肤电导（SC）值进行K均值聚类,将驾驶人当前合适的驾驶模式自动聚类为3级。通过融合驾驶人自汇报结果和聚类结果对驾驶模式进行准确标定。采用以信息增益为依据的Ranker算法对多特征进行排序,并在此基础上,根据多分类器分级结果确定最优特征属性集合。研究结果表明：当选取车速、车头时距、车道中心距离、前轮转角标准差、驾驶经验5个指标为特征子集时,支持向量机、朴素贝叶斯及K近邻这3种分类器的识别准确率都超过90%;除警示辅助模式与自动驾驶模式下的车速值和车道中心距之外,其余所有不同模式决策属性值均呈显著性差异;研究结果可为人机共驾智能车驾驶模式决策提供依据。     

基于电子地图信息的车辆主动转向仿真

以驾驶员预瞄点处的横向偏移最小为目标，以道路曲率输入的车辆运动模型为基础，分析了车辆进行主动转向所需要的道路环境信息，并研究了利用电子地图及车辆定位传感器得到这些信息的方法。利用设计的转向控制器进行了恒定道路曲率及基于电子地图数据的实际道路信息输入下的主动转向仿真。仿真结果表明，利用电子地图提供的信息能够在投入较低成本的条件下进行主动转向，使车辆在道路曲率变化的情况下沿预定道路行驶并有着较小的侧向加速度；从而提高车辆在弯曲道路行驶的安全性、舒适性。     

一种机器视觉导航的智能车辆转向控制模型设计

提出了一种智能车辆转向控制模型，该模型采用路标的方向偏差和距离偏差作为输入参数，输出前轮转向角；采用了状态控制法，对外界环境的干扰具有较强的鲁棒性。实验表明：在20Hz的控制频率下，该控制算法在JUTIV－Ⅱ型智能车上表现出很好的效果。     

智能车辆视野及其图像变形矫正的研究

对ＪＵＴＩＶ－Ⅱ型智能车机器视觉系统的结构和该视觉系统产生的图像畸变的原因进行分析，提出并证明视野中等腰梯形区域的对角线交点就是经ＣＣＤ摄像机得到的矩形图像对角线交点的结论，根据该结论推导出机器视觉的图像畸变矫正算法，实验结果表明本文所研究的图像矫正算法可以有效地矫正导航路标的图像畸变，为智能车辆导航路径的识别提供了准确的图像信息。     

智能车辆公路系统评价体系

评价是美国智能车一路系统（ＩＶＨＳ）研究、开发、实施过程中的一个关键组成部分，它在五效益法对ＩＶＨＳ发展进行评价中发挥重要作用。文中提出了评价体系的三个重要内容：（１）ＩＶＨＳ的结构：（２）ＩＶＨＳ的运营环境；（３）对交通系统的影响，讨论了从每个方面进行评价的效率，效果准则和实施评价的准则，期望这些内容和提出准则，有助于形成便于一致比较的共同基础。     

识别阴影中智能车辆导航路径的神经网络方法研究

提出采用消阴影神经网络I和消阴影神经网络II来消除智能车辆导航图像中的阴影并识别出导航路径的方法。所开发的消阴影神经网络I和II均为3层结构，分别是输入层、隐层和输出层，采用自适应线性单元优化了网络的隐层节点数，文中也介绍了神经网络I和II的训练过程。在JLUIV—2型智能车辆上进行了实际路径识别试验，试验结果表明：连续使用消阴影神经网络I和II可快速有效地消除导航图像中的阴影，获得清晰可靠的导航路径。     

机器视觉技术在交通领域的应用探讨

随着计算机的普及和相关软件的不断更新升级,机器视觉技术在交通领域所发挥的作用愈为重要。其应用范围较广,主要包括交通指挥、视频检测系统、车牌识别和智能车辆的安全保障系统等。就利用机器视觉技术进行优化交通管理上的进展进行了探讨,以供我国同类研究人员参考。     

基于模糊控制的智能车转向控制仿真研究

将模糊控制技术应用于智能车的转向控制中．对如何从摄像头采集的视频信号中提取出有效信息进行了探讨。然后依据摄像头获得的信号进行了模糊控制算法的研究。该控制算法改善了赛车弯道行驶性能．提高了赛车寻线的可靠性。