车规级无人驾驶线控底盘车研发及其场景化应用

文章分析了低速无人车的应用前景及目前遇到的问题,并基于正向开发原则构建了一套无人驾驶线控底盘车综合解决方案,提出了无人巡逻、无人售卖、无人送餐等场景化落地应用场景.     

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...     

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...     

基于TD3算法的人机混驾交通环境自动驾驶汽车换道研究

提高人类驾驶人的接受度是自动驾驶汽车未来的重要方向,而深度强化学习是其发展的一项关键技术。为了解决人机混驾混合交通流下的换道决策问题,利用深度强化学习算法TD3（Twin Delayed Deep Deterministic Policy Gradient）实现自动驾驶汽车的自主换道行为。首先介绍基于马尔科夫决策过程的强化学习的理论框架,其次基于来自真实工况的NGSIM数据集中的驾驶数据,通过自动驾驶模拟器NGSIM-ENV搭建单向6车道、交通拥挤程度适中的仿真场景,非自动驾驶车辆按照数据集中驾驶人行车数据行驶。针对连续动作空间下的自动驾驶换道决策,采用改进的深度强化学习算法TD3构建换道模型控制自动驾驶汽车的换道驾驶行为。在所提出的TD3换道模型中,构建决策所需周围环境及自车信息的状态空间、包含受控汽车加速度和航向角的动作空间,同时综合考虑安全性、行车效率和舒适性等因素设计强化学习的奖励函数。最终在NGSIM-ENV仿真平台上,将基于TD3算法控制的自动驾驶汽车换道行为与人类驾驶人行车数据进行比较。研究结果表明：基于TD3算法控制的车辆其平均行驶速度比人类驾驶人的平均行车速度高4.8%,在安全性以及舒适性上也有一定的提升;试验结果验证了训练完成后TD3换道模型的有效性,其能够在复杂交通环境下自主实现安全、舒适、流畅的换道行为。     

基于两阶段K-means聚类的道路运行状况评价方法

为有效评价道路运行状况,通过分析车辆在行驶过程中运行状态的变化,研究了一种基于两阶段K-means聚类(TSKC)的道路运行状况评价方法.针对K-means聚类数选取的任意性和聚类中心选取的随机性问题,提出基于遍历的K-means聚类方法,采用类吸引度确定聚类数和初始中心,并以此为初始条件进行第二阶段K-means聚类,得到交通模式.提出模式吸引度、路段评价指数、分布均衡度,并用这些指标来评价路段交通运行状况.以北京市朝阳区北辰东路为例进行验证,结果表明,该方法比传统道路评价方法更细致、全面、直观地描绘了车辆状态的演变过程和交通模式的分布情况,具有良好的实用性.     

泥石流对公路工程的影响及其防护措施

介绍泥石流的形成条件及其对公路工程的影响,结合"5·12"汶川地震后泥石流灾害工程的防治对策,对公路工程泥石流防治的措施进行分析和探讨,对震后修建的防治泥石流灾害新型结构进行总结。     

轿车前梁有限元分析

利用轿车前梁的CATIA模型建立其有限元模型。通过前悬架的ADAMS模型确定前梁的受力。应用这些方法将CAD、CAE有机的结合在一起，提高了有限元分析的效率和准确性。为了检验模型的精确程度，对前梁进行了静态加载试验。结果表明计算和试验结果有很好的一致性。     

2002年武汉地区汛期水情及洪水特征简析

20 0 2年汛期 ,地处长江中游、汉江与长江交汇处的武汉市受长江洪水影响 ,水位三起三落 ,堤防继1999年后又一次经受了历时半月之久的高洪水冲击考验。分析 2 0 0 2年武汉地区汛期水情发生、发展过程及洪水特征 ,对于认识长江洪水、分析 2 0 0 2年长江汛情十分必要     

Driver behavior formulation in intersection dilemma zones with phone use distraction via a logit-Bayesian network hybrid approach

Use of cellular phone while driving is one of the top contributing factors that induce traffic crashes, resulting in significant loss of life and property. A dilemma zone is a circumstance near signalized intersections where drivers hesitate when making decisions related to their driving behaviors. Therefore, the dilemma zone has been identified as an area with high crash potential. This article utilizes a logit-based Bayesian network (BN) hybrid approach to investigate drivers' decision patterns in a dilemma zone with phone use, based on experimental data from driving simulations from the National Advanced Driving Simulator (NADS). Using a logit regression model, five variables were found to be significant in predicting drivers' decisions in a dilemma zone with distractive phone tasks: older drivers (50–60 years old), yellow signal length, time to stop line, handheld phone tasks, and driver gender. The identified significant variables were then used to train a BN model to predict drivers' decisions at a dilemma zone and examine probabilistic impacts of these variables on drivers' decisions. The analysis results indicate that the trained BN model was effective in driver decision prediction and variable influence extraction. It was found that older drivers, a short yellow signal, a short time to stop line, nonhandheld phone tasks, and female drivers are factors that tend to result in drivers proceeding through intersections in a dilemma zone with phone use distraction. These research findings provide insight in understanding driver behavior patterns in a dilemma zone with distractive phone tasks.     

自动驾驶中视觉次任务对年轻驾驶人接管时间的影响

为了了解有条件的自动驾驶中,年轻驾驶人的接管反应特性,分析视觉次任务（3×3箭头次任务和4×4箭头次任务）和接管请求时间（TTC为5 s和7 s）对不同接管时间的影响,基于驾驶仿真平台,设计了包含不同的视觉次任务和接管请求时间的自动驾驶接管场景,针对29名年轻驾驶人进行模拟驾驶试验。使用双因素方差分析来研究不同次任务与不同接管请求时间对接管时间的影响,以及使用Pearson相关性检验来分析不同接管时间的相关性。研究结果表明：与无次任务相比,次任务会显著增加接管时间;不同的次任务对接管时间无影响,次任务与前方有障碍物时的接管请求时间对接管时间无交互作用;与前方无障碍物时的接管相比,前方有障碍物时的接管会显著减少接管反应时间;在驾驶人执行次任务的情况下,不同接管请求时间对转向反应时间和制动反应时间无影响;在前方有障碍物的接管中,驾驶人更倾向于采用制动加转向的组合操作来回避风险,且驾驶人接管回避操作中直接转向和制动加转向的组合操作的比例相同;接管反应时间与制动反应时间有较强的相关性。