城市道路环境下自动驾驶车辆接管绩效分析（双语出版）

为了分析城市道路环境下高度自动驾驶中非驾驶相关任务和接管紧迫度对接管绩效的影响,基于驾驶模拟器设计了自动驾驶紧急接管场景并开展驾驶模拟试验,接管请求时间分别设定为3,4,5 s,非驾驶相关任务为读新闻、看视频、玩游戏,自动驾驶车速为50 km·h^-1,试验中共招募了49名被试（男性30名,女性19名）,被试的平均年龄为31.06岁（标准差为7.1岁）,驾驶人在自动驾驶阶段始终执行非驾驶相关任务,听到接管请求提示后需要接管车辆的控制权,并实施紧急避让操作。研究结果表明：在紧急接管情况下,接管紧迫度对合成加速度和最小TTC有影响,而对接管时间无影响,与5 s的接管请求时间条件相比,3,4 s的接管请求时间条件下的合成加速度明显增加,而最小TTC则随接管请求时间的减少而降低;非驾驶相关任务对接管时间和最小TTC有影响,而对合成加速度无影响,与无非驾驶相关任务相比,非驾驶相关任务会显著增加接管时间和降低最小TTC;碰撞几乎都发生在3 s和4 s的接管请求时间下,5 s的接管请求时间能够基本保证接管的安全性。     

面向智能车辆的现役道路设施行驶适应性研究综述

为了总结面向智能车辆的现役道路设施行驶适应性,即现役道路基础设施承载智能车辆行驶的适宜程度,阐述自主智能驾驶定义与驾驶自动化等级分类,在此基础上剖析不同等级间的人机功能差异,并分别从感知层、感知-决策层、决策-控制层探讨与道路设计要素相关联的人机功能差异,通过归纳总结智能车辆与道路几何要素、路面性能及其他道路要素(如道路标线)的相互作用机制研究,从道路工程角度及其他道路要素方面回顾该领域的研究现状,指出存在的问题和未来发展方向。研究结果表明：相比传统车辆,配置高等级自动驾驶系统的智能车辆对现役道路设施行驶适应性最高,主动安全系统次之,而驾驶辅助及有条件自动驾驶系统适应性不足。而目前研究主要问题包括：难以归纳、标定不同驾驶自动化等级间的人机功能差异及其对于道路设计参数的需求设计值;测试道路场景条件过于理想,考虑的驾驶自动化等级单一,试验规模和样本有限;道路几何、路面性能以及道路标志、标线等道路要素与智能车辆间的相互作用机制研究不足,缺乏与不同道路场景相匹配的智能车辆驾驶特征数据的获取手段。因此建议：重视并推动与道路设计要素相关联的关键人机功能差异指标信息共享;联合高保真且可交互的道路场景、高精度感知传感器物理模型、车辆动力学模型及微观交通流模型,利用测试场景自动化生成、极限工况场景搜寻与泛化等技术开展智能驾驶虚拟测试,突破现有研究的深度和广度;探索反映不同等级智能车辆的道路行驶适应性特征指标与评价标准,精准、有效地评估预测复杂道路场景及不利道路条件下的行驶适应性。     

基于安全和情感化的汽车辅助驾驶系统多模态交互设计研究综述

汽车作为目前人类最常使用的交通工具之一,其智能驾驶技术大部分处在L2～L3“人机共驾”技术的发展阶段,在L5级自动驾驶技术出现之前,“人机共驾”仍然是目前主流的驾驶方式,其各种车载系统和交互方式正在不断完善。多模态交互作为未来设计的发展趋势,必然将与汽车融合产生新的“火花”。对车载系统中多模态交互设计研究包括疲劳状态预警、碰撞预警、车道偏离预警、智能接管提醒、智能泊车等方向进行梳理总结,对车载AI多模态交互设计包括多屏交互、触控交互、手势交互、语音交互、表情交互、眼动交互等自然交互方式进行分析。采用文献研究及案例分析的方式探究如何在基于安全和情感化的背景下使驾驶员的体验更加舒适,展望了汽车多模态交互设计在车载系统中的应用及未来趋势。恰当而良好的交互方式融合将会提高各种车载系统及应用的安全性和驾驶的舒适度。多模态交互的引入必将是汽车发展的趋势。     

基于正交试验的轴箱内置式高速动车驱动系统悬挂刚度优化方法

驱动系统作为高速列车动力转向架的核心子系统,是高速列车安全运行的重要保障,但随着运行速度的不断提高,高速列车的可靠安全运行受到严重挑战。为了减小轴箱内置式高速动车驱动系统悬挂节点的动态载荷,降低驱动系统关键部件的振动水平,对驱动系统悬挂刚度进行了优化研究。基于多体系统动力学理论,综合考虑轨道随机不平顺激扰、牵引动力传递和齿轮啮合作用等因素的影响,建立了轴箱内置式高速动车动力学模型;利用正交试验设计方法,以减小牵引电机吊点悬挂载荷和齿轮箱车轴铰接点垂向载荷为优化目标,研究牵引电机吊点、齿轮箱吊杆吊点、电机-齿轮箱连接点的悬挂刚度对车辆关键部件振动加速度和驱动系统悬挂节点动态载荷的影响规律;并采用极差分析法对其影响规律进行分析,获得驱动系统悬挂刚度的最优匹配组合。研究结果表明：与原始设计的驱动系统悬挂刚度相比,参数优化后牵引电机吊点的纵向载荷最大值减小22.3%, 横向载荷最大值减小37.9%,垂向载荷最大值减小9.8%,齿轮箱车轴铰接点的垂向载荷最大值减小9.1%;此外,驱动系统悬挂刚度优化后的牵引电机、齿轮箱、轴箱的横向振动加速度均明显减小。     

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。     

基于XGBoost算法的危险场景驾驶行为模式分析及安全评估

危险感知能力对驾驶人的驾驶行为模式具有重要影响。为准确评估驾驶人的危险感知能力、提升危险感知水平判别的准确度,提出了基于模拟驾驶技术的危险感知能力影响分析方法和基于极端梯度提升树（XGBoost）算法的危险感知水平判别模型。通过设计3种常见交通冲突场景,采集模拟驾驶中驾驶人的多维度驾驶行为特征数据,并分析危险感知能力与驾驶行为的相关关系。通过模拟实验发现：驾驶人对行人的危险感知能力较弱,易发生碰撞事故;驾驶人在危险场景中的车速（p＝0.01）、制动反应位置（p < 0.01）以及反应时间（p < 0.01）与危险感知水平之间存在显著负相关关系。在相关性分析的基础上,利用XGBoost算法识别能反映驾驶人危险感知能力的重要特征变量,并构建以制动反应位置、反应时间、车速、刹车深度,以及加速度为指标的驾驶人危险感知水平判别模型;通过与LightGBM、支持向量机（SVM）,以及逻辑回归（LR）等算法分类预测性能的对比分析,评价危险感知模型的判别精度,结果表明：基于XGBoost算法的危险感知水平判别模型的判别准确率为84.8%、F1值为83.4%、AUC值为0.959,优于LightGBM（准确率为78.8%、F1值为76.7%、AUC值为0.924）、SVM（准确率为57.6%、F1值为42.2%、AUC值为0.859）,以及LR算法（准确率为69.7%、F1值为65.5%、AUC值为0.836）。所提方法可为判别驾驶人危险感知能力及其对驾驶行为模式的影响提供可靠手段。     

基于模拟疲劳驾驶检测的实验教学平台硬件设计与实现

在当代城市生活中,确保公共交通安全运营已成为一项重要课题。近期,我国发生的多起公交事故引发了社会广泛关注,研究表明,驾驶员异常行为是导致此类事故的主要原因之一。为应对这一挑战,文章基于自主开发的智能监控平台,融合深度学习、视频分析等技术,专门针对公交车场景下的驾驶员异常行为展开分析。将 Intel? MovidiusTM MyriadTM 2 模块集成至公交车样车,搭建起一套视频处理和驾驶员异常行为分析的核心计算单元,借助高性能的图像识别算法,该系统能够实时监测并评估驾驶员的操作状态,一旦发现异常情况即可触发预警机制。通过及时发现和纠正驾驶员的不当行为,可以用于公交公司日常培训,为驾驶员驾驶态势感知研究平台提供研究数据。     

基于蚁群算法的列车节能驾驶策略优化算法研究

针对城市轨道交通运输中列车牵引耗能大的问题,将优化列车推荐速度曲线和改进ATO驾驶策略相结合,提出一种基于蚁群算法的列车节能驾驶策略优化算法。首先建立列车推荐速度曲线优化模型,其次结合司机驾驶经验提出基于蚁群算法的列车推荐速度曲线优化计算方法,然后设计节能巡航驾驶策略对ATO原有驾驶策略进行改进。最后以北京地铁亦庄线实际数据对算法进行仿真验证。仿真结果表明,使用该算法控制行车时,在满足区间运行时间约束条件下,站间能耗可降低22.92%,计算时间为1.3 s。该算法收敛速度快,节能效果明显,对降低列车牵引能耗具有一定现实意义。     

基于BP神经网络的复合地层盾构掘进参数预测

盾构隧道穿越复合地层时,由于掌子面上下岩体软硬不均,极易导致盾构机掘进参数出现大幅波动。目前,针对复合地层盾构掘进参数的预测并未考虑地层物理力学参数变化和复合地层岩土占比。依托深圳地铁13号线复合地层段现场掘进数据,首先,根据掘进数据规律提取运行段数据,对运行段数据进行离群检测,去噪与标准化预处理;而后,利用BP神经网络,以刀盘转速、推进速度、螺旋机转速和上下两层岩土占比、岩土体的岩石单轴极限抗压强度标准值、岩土施工工程等级作为输入参数,预测总推力、刀盘扭矩这两个控制盾构机运行主要参数。计算结果表明：(1)对于不同占比的训练集和测试集,预测结果与实测结果吻合度较高,且随着训练集占比增大,预测平均误差逐渐降低,在80%训练集时,刀盘扭矩与总推力的平均相对误差分别为9.2%和7.1%;(2)预测模型对不同复合地层条件下的平均误差在15%以内。     

手动-自动驾驶混合交通流元胞传输模型

为了分析自动驾驶车辆对交通流宏观特性的影响, 以手动驾驶车辆与自动驾驶车辆构成的混合交通流为研究对象, 提出了不同自动驾驶车辆比例下的混合交通流元胞传输模型(CTM); 应用Newell跟驰模型作为手动驾驶车辆跟驰模型, 应用PATH实验室真车测试标定的模型作为自动驾驶车辆跟驰模型; 计算了手动驾驶与自动驾驶车辆跟驰模型在均衡态的车头间距-速度函数关系式, 推导了不同自动驾驶车辆比例下的混合交通流基本图模型, 计算了混合交通流在不同自动驾驶车辆比例下的最大通行能力、最大拥挤密度以及反向波速等特征量, 依据同质交通流CTM理论建立了不同自动驾驶车辆比例下的混合交通流CTM; 选取移动瓶颈问题进行算例分析, 应用混合交通流CTM计算了不同自动驾驶车辆比例下的移动瓶颈影响时间, 应用跟驰模型对移动瓶颈问题进行微观数值仿真, 分析了混合交通流CTM计算结果与跟驰模型微观仿真结果之间的误差, 验证了混合交通流CTM的准确性。研究结果表明: 混合交通流CTM能够有效计算移动瓶颈的影响时间, 在不同自动驾驶车辆比例下, 混合交通流CTM计算结果与跟驰模型微观仿真结果的误差均在52 s以下, 相对误差均小于10%, 表明了混合交通流CTM在实际应用中的准确性; 混合交通流CTM体现了从微观到宏观的研究思路, 基于微观跟驰模型与目前逐步开展的小规模自动驾驶真车试验之间的关联性, 混合交通流CTM能够较真实地反映未来不同自动驾驶车辆比例下单车道混合交通流演化过程, 增加了模型研究的应用价值。