电动助力转向中间位置转向感觉分析

针对电动助力转向系统(EPS)的转向感觉进行了系统分析,其中转向盘中间位置的转向主观感受是汽车转向感觉研究的主要内容,直接影响驾驶员对稳定性、安全性和行驶的判断,研究通过整车中间位置转向感觉主观评价试验,介绍了试验及数据处理方法,并对客观评价指标进行了分析.分别研究了中间位置转向灵敏程度,转向手力特性,以及中间位置行驶时的汽车响应特性等三方面的客观评价指标.应用这些指标参数,可以系统全面的评定EPS中间位置转向感觉,指导EPS与整车的匹配开发,以获得更适宜的中间位置转向感觉.     

夜间不同车速下驾驶员动态距离知觉的研究

采用CTM-4型汽车拖拉机综合测试仪对夜间环境下驾驶员辨识距离和车速进行行车试验测试．并运用交通心理学理论进行分析发现：辨识距离与车速呈二次曲线关系;车速超过40km／h时,曲线开始出现拐点,产生“运动效应”;远光灯照明产生的反射眩光使不同距离组驾驶员辨识距离误差值随车速的变化其趋势存在差异。     

基于时空融合LSTM网络的驾驶视角轨迹预测

自动驾驶环境感知系统的重要任务之一是对周围交通目标进行轨迹预测,其输出轨迹可为决策控制和路径规划提供所需目标信息.考虑传统轨迹预测方法一般基于俯视视角而难以满足自动驾驶车载感知的实际需求,提出一种基于长短时记忆(LSTM)网络模块、空间交互模块和时间行为注意力模块相融合的驾驶视角轨迹预测算法.为更好体现交通目标与周围环...     

基于排序选择模型的游客拥挤感知分析

基于游客拥挤感知机理和影响因素分析,采用意愿调查法对游客旅游线路特性、拥挤感知度和不同拥挤状态下的游客时空分布意向进行调查,定量分析不同旅游阶段信息、客流密度等因素对游客拥挤感知度的影响,基于排序选择模型,建立游客拥挤感知模型,并进行局部效应分析.结果表明:出行前(查询旅线信息方式等)、景区游览阶段(拥挤信息发布内容、景点停留时间等)的旅游信息变量对游客的拥挤感知度具有显著影响;景点停留时间每增加1 min,游客拥挤感知度为2、3、4的概率分别增加0.3%、增加1.1%、减少1.3%,研究可为旅游信息合理发布和游客合理分流提供基础数据.     

虚拟道路试验技术的可行性研究

虚拟道路试验技术围绕虚拟试验技术和驾驶员道路安全感认知评价研究,首先定性评价了虚拟道路试验技术的可行性。然后,采用MultiGen Creator仿真建模软件对210国道西铜一级路进行三维建模并实施场景驱动,组织53名驾驶人员在虚拟仿真实验室中对虚拟一级路进行现场认知评价试验,以模糊数学为工具分析处理评价试验得到的424组数据,建立虚拟仿真道路要素对模糊认知评语子集的隶属函数。并与基于实测一级路安全性认知因素的模糊评价隶属函数对比,在绘制虚拟与实测一级路安全性认知因素的模糊评价隶属函数曲线对比图的基础上,采用计算虚拟和实测道路模糊评价隶属函数的贴近度的方法,定量评价证明了虚拟道路试验技术的可行性。     

面向前车的驾驶行为感知与意图识别算法研究

感知周围车辆的驾驶行为并识别其意图将成为新一代高级驾驶辅助系统的重要组成部分。针对现有方法只考虑单一驾驶行为且可扩展性和可伸缩性差,提出一种基于稀疏表示理论的驾驶行为感知字典模型(Driving Behavior Perception Dictionary Model, DBPDM)。将车辆行驶状态视为时间序列,设计基于自回归积分移动平均(Autoregressive Integrated Moving Average,ARIMA)结合在线梯度下降(Online Gradient Descent, OGD)优化器的在线预测模型,提出基于驾驶行为预测的意图识别构架(Intention Recognition Framework, IRF)。首先,采用图Lasso方法估计典型驾驶行为的稀疏逆协方差矩阵构建驾驶行为字典库,并采用Logdet散度方法计算各逆协方差矩阵的差异获得行为感知字典模型。然后,基于在线预测模型对目标车辆的行驶轨迹和运动状态进行预测,结合主车车辆的行驶状态作为稀疏表示的观测信号,以获取预测时域内的目标车辆意图。最后,采用NGSIM (Next Generation SIMulation)真实驾驶数据对模型进行开发和测试。研究结果表明:所提出的行为感知模型能对6种典型驾驶行为构建行为字典,在分类准确率上与现有方法相比有明显提升,对换道和转向行为样本的平均识别准确率分别达到99.1%和92.9%;该模型能够在相对早期阶段准确地识别出车辆行为;在线预测算法能较好预测出目标车辆的行驶轨迹和运动状态,从而间接地反映出其在预测时域内的驾驶意图;IRF可在换道和转向行为开始前的1.5 s较为准确地识别出目标车辆的意图,平均识别准确率超过80%。     

基于智慧地铁的车站客流压力分级管控策略

从地铁车站大客流管控需求出发,提出了基于智慧地铁的车站客流压力分级管控技术和管控策略,即基于客流智能监控的车站客流压力分级技术和基于客流压力分级技术的大客流管控策略.分析了智慧地铁下的车站大客流管控需求和思路,介绍了车站客流压力分级管控技术和管控策略.该策略的提出可为地铁运营管理者更加精细化地处理各类大客流风险提供了依...     

城市轨道交通车站大客流处置的数据驱动模式

随着城市轨道交通网络规模和客流规模的不断扩大,大客流风险也越来越凸显。相较于基于历史经验的大客流应急处置模式,基于数据驱动的大客流智能化/智慧化处置辅助决策技术在事前预警预测、事中处置和事后评估等方面都有突出优势。从车站客流处置数据驱动模式的信息感知、风险预判及处置决策3方面入手,探究城市轨道交通车站多源数据融合驱动下的客流处置模式的技术实现途径,可为我国各大城市轨道交通车站大客流的数据驱动模式探究提供参考。     

基于CenterNet的路侧单目视角车辆3D形态精确感知

车辆3D形态的精确实时感知对于智能交通中的车辆行为分析、交通流参数估计等应用和无人驾驶都至关重要，其中，如何克服透视投影的限制，从路侧单目视角下感知车辆3D形态正成为具有挑战的课题之一。为解决这个难题，采取深度网络提取投影特征，结合空间标定模型中的几何约束，实现2D投影至3D空间的3D形态恢复构建。首先，基于前期工作，对道路场景中的相机构建空间标定模型，以获取透视空间的2D-3D互映射矩阵；然后，以当前流行的简洁高效的CenterNet深度网络为基础，设计车辆3D形态投影特征的检测网络，融入多尺度特征融合模块以优化透视投影下不同尺度车辆目标的检测，同时优化高斯凸包热力图以增强车辆目标的特征检测力度，根据先验几何约束设计加强损失函数以加快收敛；最后，通过建立的空间形态几何约束模型，对网络输出特征投影点进行解码，构建出完整的车辆3D形态信息。试验以路侧视角下的BrnoCompSpeed数据集和自制数据集为基础，手工标注满足试验需求的样本目标，并做图像增广以模仿多变的道路监控视角及环境。在试验结果评价中，分别对网络检测结果及最终构建的3D形态进行评价，其中对于网络检测结果，以投影特征构成投影凸包的平均精度为评价指标，交并比(IoU)阈值为0.7时，在BrnoCompSpeed测试数据集上得到AP值为87.35%，召回率和精确率分别为87.39%与90.78%。同时，设计消融试验证明网络改进模块的有效性。对于3D形态构建结果，分别对空间定位、3D尺寸、偏转角及3DIoU等指标都进行定义，并以3DIoU为评价标准，验证多个改进模块及不同视角对于最终精度的影响，最后在BrnoCompSpeed测试数据集中的平均3DIoU达到0.738。设计的网络FPS为27，可满足实时性的需求。     

Over-reporting vs. overreacting: Commuters’ perceptions of travel times

In a large-scale, real-life peak avoidance experiment, we asked participants to provide estimates of their average in-vehicle travel time during their morning commute. After comparing the reported travel times with the actual corresponding travel times, we found that the average travel times were overstated by a factor of 1.5. We showed that driver- and link-specific characteristics partially explained these exaggerations. Using the stated and revealed preference data, we investigated whether the driver-specific reporting errors were consistent with the drivers’ scheduling behaviors in reality and in hypothetical choice experiments. In both cases, we found no robust evidence that drivers behave as if they misperceive travel times to a similar extent as those they misreported, thereby implying that the reported travel times did not represent the actual or perceived travel times in a truthful manner. The results of this study suggest that caution should be recommended when reported travel time data are used in an uncritical manner during transport research and when determining policy.