停车立即检查轮胎--危险!

有相当一部分驾驶员，特别是大型货运车辆的驾驶员，都有在长途行车途中休息时，立即下车检查轮胎的习惯。这种做法是相当危险的，甚至会危及生命。     

驾驶员座椅调整有讲究

汽车座椅的调整目的是保证驾驶员和乘员乘坐舒适性并确保行车安全。日常行车时,即使是驾驶经验丰富的驾驶员也只是根据情况粗略地调校一下,感觉差不多就可以了。其实座椅调整的实用度对驾驶员的安全行车和减少疲劳度是很有帮助的。汽车座椅的调整也需要掌握一些技巧。首先,调整     

因果关系与赔偿责任审判个案探究

<正>一、案情简介金某被刘某驾驶的大货车(驾驶员刘某是运输公司的职工,大货车为运输公司所有)撞倒,导致金某颈椎损伤。事故发生后,经交警支队认定,驾驶员刘某负事故的全部责任。金某受伤后到医院治疗,医院在治疗过程中又因医疗过失行为导     

以“三心”提供“三为”精准关爱不断提升驾驶员幸福感

“5.20公交驾驶员关爱日”是全国公交企业共同参与的活动,旨在营造全社会关注、理解尊重公交驾驶员的良好风尚。金华市公交集团有限公司(以下简称“金华公交”)创新推出暖心、贴心、聚心“三心”工作法,搭建平台,持续开展为心、为需、为规划的“三为”公交驾驶员关爱行动,全方位、多角度关心关爱公交驾驶员,用实际行动不断提升公交驾驶员的幸福感、安全感和获得感。     

交通运输部办公厅印发《道路运输驾驶员应急驾驶操作指南(试行)》

为深入贯彻落实党中央、国务院关于安全生产的决策部署,深刻汲取事故教训,提升道路运输驾驶员应急驾驶操作能力,全力保障人民群众生命财产安全,2021年4月30日,交通运输部办公厅印发了《道路运输驾驶员应急驾驶操作指南(试行)》(下简称:《指南》)。《指南》坚持以人为本,引导驾驶员牢固树立"生命至上"的理念,坚守安全生产红线底线,切实把保护人员生命安全放在最高位置、作为最高准则,沉着冷静判断,迅速果断处理,采取危害最小、损失最轻的处置方案,尽最大可能降低人员伤亡与财产损失。     

驾驶辅助系统中判断驾驶员制动接管的方法研究

文章梳理了自动驾驶中主动制动技术的主流执行方案,分析了各执行方案对驾驶员输入制动和自动制动的响应机理,明确了制动执行器内部表征驾驶员制动意图和自动制动意图的参数,提出使用制动执行器内部参数准确判断驾驶员制动接管的方法,即通过实际主缸压力值超出自动制动目标液压一定阈值,或响应驾驶员制动输入的目标电机转速超出自动制动的目标电机转速一定阈值,判断自动制动过程中驾驶员通过制动接管车辆的方法。     

辅助驾驶横向控制功能原理及其影响因素

文章从横向控制原理和车辆动力学域角度解析车辆运动过程,分别搭建转向和车辆系统数学模型,分析横向控制环节的影响因素,并搭建考虑转向摩擦、阻尼等特性的精准转向模型,集成为整车ADAMS模型,根据数学模型分析的影响因素进行DOE,在验证原理的科学性的同时,为横向控制工程提供理论指导。     

基于人-车交互的行人轨迹预测

针对行人轨迹预测具有复杂、拥挤的场景和社会交互问题,基于长短时记忆网络（Long Short-term Memory Network, LSTM）对行人与车辆、行人与其他行人的交互进行建模,提出一种基于人-车交互的行人轨迹预测模型（VP-LSTM）。该模型同时考虑了行人与行人的交互、行人与车辆的交互,更适用于复杂的交通场景。所构建的VP-LSTM包括3个输入,以行人的方向和速度作为历史轨迹序列输入,行人与行人的相对位置作为人-人交互信息输入,行人与车辆的相对位置作为人-车交互信息输入。该方法首先设计扇形人-人交互邻域和圆形人-车交互邻域来准确捕捉对被预测行人有相互作用的行人和车辆;其次建立3种不同的LSTM编码层来编码历史行人轨迹序列、人-人、人-车社交信息;然后定义人-人、人-车交互的防碰撞函数和方向注意力函数作为人-车、人-人社交信息的权重,进一步提高社会信息的精度;再将人-人、人-车交互信息输入到注意力模块中筛选出对行人影响大的社会信息;最后将筛选后的社会信息与行人历史轨迹序列一起输入到LSTM神经网络中进行行人轨迹预测,并在构建的DUT人-车交互数据集上验证提出的网络。研究结果表明：提出的方法能够准确地预测出交通场景中,人-车交互行人未来一段时间内的运动轨迹,有效提高了预测精度,提高了智能驾驶决策的准确性。     

基于LSTM的滚动轴承寿命预测

针对滚动轴承剩余使用寿命预测难、一般的神经网络预测精度差的问题,提出了一种基于振动信号时域特征,结合滚动轴承理论寿命值和具有处理时序特征功能的LSTM(Long Short-Term Memory,长短期记忆网络)剩余使用寿命预测方法。首先按照时间顺序提取振动信号的均方根值、峰度、偏斜等15个时域特征作为判断滚动轴承退化的特征值;然后将其输入到LSTM中,将网络输出的轴承退化值设定为[0,1],0表示轴承完好,1为完全退化;最后采用滚动轴承理论寿命计算公式,根据滚动轴承的转速和载荷计算滚动轴承的基本额定寿命,结合其理论寿命和退化值得到定量的剩余寿命。试验结果表明,LSTM与理论寿命结合的滚动轴承寿命预测方法相比于一般的神经网络具有较高的预测精度。