5446TEU电力系统建模仿真研究

以＂COSCO ROTTERDAM＂轮等5446TEU系列船型作为母型船,建立了物理—数学混合的电力仿真系统。应用计算机仿真技术模拟船舶电力系统的操作功能,并与虚拟配电盘相结合,实现了具有视景和人机自然交互界面的电力仿真系统,该仿真系统已在山东交通学院海运学院大型轮机模拟器上成功运行并取得了满意的效果。     

城市地下道路交通安全研究

以城市地下道路系统为研究对象,利用驾驶模拟舱模拟驾驶员在各种不同条件和环境下的城市地下道路上的行驶情况,总结城市地下道路在交通安全方面可能出现的隐患,统计分析驾驶员的心理、生理因素以及驾驶员的违章行为,车流和道路环境与城市地下快速路系统交通安全的关系和产生的影响,并预测在城市地下道路中可能会发生的多种交通事故,提出预防建议和可采取的紧急救援措施,对城市地下道路系统的建设具有参考意义。     

隧道中央隔离设施安全效果的模拟评价研究

以山区公路某隧道群为对象,对用于非分离式隧道中的可倒伏示警柱、视觉标线、常规标线等三种中央隔离设施进行了驾驶模拟对比实验;建立了设置有3种隔离设施的道路虚拟实验场景;利用驾驶模拟系统进行受试者实验,对实验中获取的车辆动态数据进行了统计分析.通过对速度及其标准差、车辆行驶轨迹的横向位置及其标准差的分析结果得出:可倒伏示警柱和视觉标线有利于隧道内的行车安全,除去成本因素,可倒伏示警柱的安全性会更高些.     

疲劳驾驶的转向特征研究

为有效地实现疲劳提前预警,研究了心电信号(ECG)和转向特征随驾驶时间的变化规律.通过试验,分析了ECG信号的4个指标随时间的变化趋势,进行了显著性分析之后,运用主成分分析方法建立了综合的ECG评价指标来分辨驾驶员的疲劳状态.分析了驾驶员在不同驾驶状态,不同的道路线形下的转向行为,应用转向熵方法分析了转向数据,结果表明...     

自动驾驶汽车的远程电源控制系统设计

自动驾驶是汽车行业未来的发展趋势,而对车辆进行远程启动则是实现自动驾驶的关键。为此,本文设计了一种基于用户APP、云平台、车载终端和PEPS控制器等对车辆进行远程电源控制的解决方案,有效地解决了L4及以上自动驾驶车辆远程召唤等场景中的电源控制的问题。     

基于混合A*和可变半径RS曲线的自动泊车路径优化方法

路径规划是自动泊车系统的重要组成部分,是确保泊车运动安全、缩短行车距离、提高乘坐舒适性的关键。而当前自动泊车规划系统往往面临行驶空间狭小、障碍物多、路径搜索难度大等技术挑战,同时搜索曲线半径固定容易导致路径接点处曲率不连续,增大了路径跟随控制难度和轮胎磨损程度,这些都提升了泊车路径规划的研究难度。针对以上问题,设计可变半径的Reeds-Shepp曲线,提出基于混合A^*和该曲线的自动泊车路径规划方法,通过调整曲线半径,提升其在复杂场景下路径的搜索能力和灵活性。随后,设计基于分段贝塞尔曲线和梯度下降的路径优化方法,利用其多阶导数连续的优势优化已搜索的路径曲率,并采用梯度下降来保证路径曲率大小和对障碍的规避,解决直线与圆弧相接等位置曲率变化不连续的难题。结合路径搜索与路径优化的泊车规划方法能够切实满足复杂场景下的泊车需要。最后,基于团队自主研发的PanoSim虚拟系统与MATLAB搭建联合仿真环境,针对多种自动泊车工况测试验证提出的方法。研究结果表明：调整Reeds-Shepp曲线的搜索半径进行全局路径搜索,可获得更短和更易跟随的路径,具有良好的灵活性;基于贝塞尔曲线和梯度下降法的路径优化可有效消除曲率突变点、约束路径曲率并保证对障碍的无碰撞要求。     

智慧交通与智慧物流

智慧交通和智慧物流是智慧城市建设的重要内容.智慧交通技术的创新和发展，促进了智能交通升级.解决大规模数据计算问题是物流智能化的基础.本次论坛以“智慧交通和智慧物流”为主题，介绍了安全驾驶统一集理论、实践及成果，探讨了新一代信息技术对智能交通发展与创新的推动作用，介绍了无人驾驶技术的总体框架、发展与应用，探讨了智慧物流所面临的大规模数据计算问题及解决方案.     

Human driving data-based design of a vehicle adaptive cruise control algorithm

This paper presents a vehicle adaptive cruise control algorithm design with human factors considerations. Adaptive cruise control (ACC) systems should be acceptable to drivers. In order to be acceptable to drivers, the ACC systems need to be designed based on the analysis of human driver driving behaviour. Manual driving characteristics are investigated using real-world driving test data. The goal of the control algorithm is to achieve naturalistic behaviour of the controlled vehicle that would feel natural to the human driver in normal driving situations and to achieve safe vehicle behaviour in severe braking situations in which large decelerations are necessary. A non-dimensional warning index and inverse time-to-collision are used to evaluate driving situations. A confusion matrix method based on natural driving data sets was used to tune control parameters in the proposed ACC system. Using a simulation and a validated vehicle simulator, vehicle following characteristics of the controlled vehicle are compared with real-world manual driving radar sensor data. It is shown that the proposed control strategy can provide with natural following performance similar to human manual driving in both high speed driving and low speed stop-and-go situations and can prevent the vehicle-to-vehicle distance from dropping to an unsafe level in a variety of driving conditions.     

交通流特征深度认知的车队运行参数优化方法

为提升车队对周围交通流环境的认知能力，获取车队周围多车的运行模式，同时通过改变车队运行参数实现车队群体对周围多车群体运行模式的诱导变化，为提升车队及交通流整体运行效率提供优化策略，提出了基于狄利克雷混和高斯过程的车队周围多车运行模式获取算法，将车队周围多车车辆的复杂运行模式视为混和高斯过程，利用狄利克雷分布作为高斯混和权重的先验分布，建立车队周围多车运行模式速度场，从而获取车队周围多车运行模式并分类；通过比较不同多车运行模式下车队的运行效率，提升车队对所处运行环境的认知能力。研究结果表明：利用非参数贝叶斯算法将复杂的多车运行状态进行分类，获取的车队周围多车运行模式可表现为对车队运行效率产生不同影响的速度场；通过将车队周围的多车运行仿真数据分成多个运行模式，可获取不同多车运行模式下车队及交通流整体运行特性；通过更改车队运行参数，观察不同多车运行模式的占比变化，可获取车队运行参数对所处运行环境改变的影响趋势；车队周围多车运行模式的获取，不仅可以提升车队对周围运行环境的认知能力，使得车队能够选取有利路径行驶，同时能够为车队运行策略的优化提供有效的信息。     

Vehicle sensor data-based analysis on the driving style differences between operating indoor simulator and on-road instrumented vehicle

Abstract

Indoor simulator and on-road instrumented vehicle are the most popular ways to analyze driving behaviors by using collected Vehicle Sensor Data (VSD). However, for a same driver, the driving performance could be different in the real world and in the simulated world. Even though many studies have been conducted to discover the differences of driving behaviors in these two circumstances, little research has focused on analyzing the differences in driving style, which can provide more integrated knowledge of a driver from the natural structure, stimulus–response mechanism, of driving behaviors. Therefore, in this paper, the driving styles in both the real world and the simulated world are extracted by implementing the nonnegative matrix factorization method on the collected VSD data. Through this analysis, the driving style differences can be quantitatively described and discussed in detail. It is found that the drivers tend to be more unstable and sometimes aggressive when driving the simulator and the deviation in the perception of temporal gap in two circumstances is also discovered. The research findings are particularly valuable to calibrate the driving simulator and construct more reliable driving behavior models.