基于车辆加速度数据的互通立交匝道驾驶风险分析

为明确互通立交匝道的运行特性和驾驶风险,在重庆市南山立交和江南立交开展了超过30位被试者的小客车实车驾驶试验,通过Speedbox和Mobileye等车载高精度仪器采集了小客车在4条迂回式匝道上的连续运行数据,包括行驶速度、横向加速度、纵向加速度等,明确了迂回式匝道的车辆运行状态,然后运用表征横、纵向加速度关系的G-G图分析了匝道行驶过程中的驾驶风险,确定了立交匝道不同位置的危险等级及危险驾驶行为的高发路段。研究结果表明：①立交匝道上小客车的横向加速度与速度呈三角形分布,纵向加速度与速度呈椭圆形分布;②小半径曲线匝道上出现危险驾驶行为的比例要高于大半径曲线匝道;③通过统计不同断面的危险驾驶行为点占比,将匝道的危险断面分为低风险、中风险、高风险3个等级;④男性驾驶员在立交匝道上的危险驾驶行为占比要高于女性驾驶员,冒险型驾驶员的危险驾驶行为占比要高于其他驾驶风格的驾驶员;⑤立交匝道的危险高发路段通常位于速度变化剧烈的路段,即入弯减速段和出弯加速段。     

自动驾驶中座椅旋转速度对乘员的影响

为提高自动驾驶车辆的安全性,提出用一种旋转速度曲线把座椅旋转至指定角度,研究此旋转速度下的乘员生物力学响应.首先,根据所建立的碰撞模型与假人试验数据进行对比验证;其次,改变座椅旋转方向和速度研究乘员旋转至指定位置乘员的生物力学响应.结果表明:在200 ms内采用等腰梯形旋转速度曲线旋转至±45°和±90°不会引起乘员额...     

智能汽车的人机共驾技术研究现状和发展趋势

智能汽车的人机共驾技术(HM IoIV)是解决其智能化级别难以快速跨越至高度自动化水平的有效过渡手段.HMIoIV涉及了L0～L3级别的智能汽车的多种自动化技术,包括先进辅助驾驶系统.针对当前国内外智能汽车人机共驾技术的研究现状,对其概念、结构和研究内容进行总结,根据独立驾驶人参与的数量和驾驶操作方参与的数量将现有的人...     

浅析几种无人驾驶汽车路径规划算法

路径规划是自动驾驶关键技术之一,各种路径规划算法现已不断改进并不断涌现。本文根据全局和局部路径规划对常用路径规划算法进行分类,对几种常用的路径规划算法原理进行介绍,并分析其发展方向。     

基于滑膜控制的半挂汽车自动倒车路径跟踪

文章针对半挂汽车倒车时的跟踪控制问题进行了研究,建立了该系统在卡迪尔坐标系下的车辆非线性运动模型.为了简化求解过程,通过准确线性变换方法对建立的系统进行了线性化,设计了滑膜变结构控制器,基于Ackermann公式进行极点配置选取控制参数,最后对直线倒车路线的跟踪控制进行了仿真分析.仿真结构表明:设计的反馈控制器能改善半...     

汽车驾驶员不安全行为评价分析

为稳步增强汽车驾驶的安全性,减少安全事故的发生,驾驶人员除了需要具备足够的应急应变能力之外,还需要做好安全行为习惯养成工作,形成良好的驾驶习惯。文章以汽车驾驶员不安全行为作出研究对象,在明确不安全行为表现的基础上,深刻分析影响汽车驾驶人员不安全行为的因素,在此基础上,制定合理的应对策略,旨在引导驾驶人员形成安全行为,以不断提升驾驶员的驾驶能力。     

山路行驶的柴油车污染物排放特性试验

在山路和平路上,进行了不同载荷下国V柴油车的实际道路行驶排放(RDE)试验.采集车速、海拔、氮氧化物(Nox)和颗粒物数量(PN)排放浓度等数据,分析了道路坡度、车辆载荷与输出功率对排放的影响.研究发现:测试柴油车辆,在平均坡度约6％山路行驶时Nox排放因子高于平路20％以上,PN低于平路20％以上.道路坡度自0增大到...     

基于PID控制的摩托车油门伺服系统设计

在无极变速摩托车自动驾驶仪研制中引入数字PID控制,运用积分分离和变速积分等措施整定PID控制参数,改进自动驾驶仪的控制性能。对变速控制过程和匀速控制过程分别进行测试,结果表明,自动驾驶仪的动态性能和静态性能得到较好的平衡,在自动驾驶过程中能实时地跟踪速度设定值,同时能适应不同型号的车辆。通过PID控制,摩托车自动驾驶仪的精度和鲁棒性得到有效提高,为准确可靠地获取摩托车性能参数提供了保证。     

工况驾驶规范性及客观评价指标相关性的试验研究

通过引入驾驶评价指标和制动压力的控制及其要求规范了驾驶行为,为提高测试的准确性以及可重复性提供了保障。利用8名具有多年底盘测功机驾驶经验的驾驶员及两台轻型汽油车,在底盘测功机上开展了大量的新欧洲驾驶循环测试 （New European Driving Cycle,NEDC） 和全球轻型车统一循环测试 （Worldwide Harmonized Light Vehicles Test Cycle,WLTC）,并以10 Hz为采样频率连续记录数据进行综合计算,得到驾驶评价指标结果。通过相关性分析,认定驾驶风格对油门扰动性的影响在 NEDC工况下比在 WLTC工况下的更大,主因是驾驶员在稳定工况下拥有更多的自由度。对于NEDC工况,可以通过设定IWR及EER限值来实现规范驾驶;对于WLTC工况,可以通过设定IWR和RMSSE限值来实现规范驾驶。此外,通过限制工况驾驶过程中的最大制动压力还为规范驾驶提供了有效途径。不仅为降低不同驾驶员对燃料消耗量测试的影响提供了参考,在我国汽车领域实现“双碳”目标的背景下,也为乘用车碳排放大数据采集的准确性提供了借鉴。     

基于深度强化学习与风险矫正的智能车辆决策研究

为实现高速公路环境下车辆的安全决策,提出一种结合深度强化学习和风险矫正方法的行为决策模型。构建决策模型所需的目标车辆及周围车辆的行驶信息,并引入自注意力安全机制,提高车辆在复杂高速场景下对周围潜在危险车辆的注意力,综合考虑行车效率、避障等因素以设计强化学习的奖励函数。此外,为解决强化学习在决策过程中缺乏安全性保障的问题,设计风险矫正模块对决策动作进行风险评估和矫正,避免危险决策的执行。在Highway-env仿真平台上对提出的决策模型进行训练和测试。试验结果表明,提出的决策模型有较高的行车安全率和鲁棒性,其驾驶效率也优于以规则、模仿学习和单纯深度强化学习为基础的决策方法。