基于最早预达时刻的进近排序模型及算法

为解决空中交通流量的高速增长造成了进近冲突，合理安排飞机着陆顺序，充分利用跑道容量，对现有排序模型进行简化．讨论了相邻飞机之间安全间隔的标准．通过分析相邻飞机速度对安全间隔的影响、飞机预计到达时刻、飞机优先权，提出了基于最早预达时刻的排序模型及算法．算例表明，该算法计算量较小，排序结果优于传统排序算法．     

信号交叉口基于出发时刻预测的生态驾驶方法

在城市道路交通中,信号交叉口区域内车辆频繁停车启动的现象,加剧了整体交通流的能源消耗、污染排放与车辆延误。为了减少信号交叉口启停波现象对整体交通流产生的负面影响,以面向未来人工驾驶车辆(HDV)/智能网联车辆(CAV)混合构成的新型混合交通环境为基础,提出了一种基于出发时刻预测的生态驾驶方法,通过优化CAV的驾驶轨迹,减少交叉口区域的车辆延误和能源消耗。首先,对混合交通流的基本图模型进行了分析,根据启停波影响范围,划分CAV通过交叉口的驾驶场景;然后,建立了子区渗透率对饱和车头时距的影响关系,预测了CAV以当前饱和车头时距通过交叉口的时间;最后,结合车辆与交叉口的距离,利用分段三角函数模型,生成其通过交叉口的速度限制曲线,并将优化速度嵌入到智能车辆的跟驰模型中作为限制速度,从而使CAV在无法通过当前绿灯窗口的条件下,实现提前减速,在通过交叉口区域后解除速度限制,切换回自身的跟驰模型。此外,还提出了平均综合效能这一指标来综合评价驾驶策略在效率和能耗2个方面的性能,并将提出的基于出发时刻预测的生态驾驶方法与传统网联车辆控制方法、经典交叉口节能控制方法进行了对比。研究结果表明:提出的出发时刻预测方法可以精确预测CAV在交叉口的出发时刻,有效减少车辆的能源消耗与污染排放,同时提高信号交叉口的通行效率;在渗透率大于60%情况下,该方法对系统效能的提高达到12%左右,在10%渗透率条件下也可以达到6%的效能增益;在交通饱和流率在0.5~0.9的范围内时,系统的效能增益较明显。     

宇通书写中国客车国际化的新样本

委内瑞拉当地时间7月21日12时15分,中国客车产业国际化进程迎来一个重要的历史性时刻。在中国国家主席习近平和委内瑞拉总统尼古拉·马杜罗的共同见证下,宇通客车董事长汤玉祥与委内瑞拉交通部长海曼·特鲁蒂签订了1500辆客车的合作备忘录。据了解,此次合作不仅包括1500辆宇通客车及相应的配件、工具、维修等内容,还涉及智能公交运营管理系统。这表明,宇通客车和委内瑞拉方面的合作已从产品、技术层面,延伸到当地智能公交系统的建设中,也为中国客车国际化进程的日益深入增添了一个新样本。     

危机四伏

在马路上，大部分事故是眼巴巴地看着发生的。事故的突然性和不可避免性给所有开车人带来了一种难以预测的风险，正是这种风险，使每个初上路新手背上了沉重的心理包袱。在这个马路再宽也会拥堵的年代，恐惧心理是新手们最大的敌人。怎样才能在危急时刻转危为安？怎样才能将事故扼杀在摇篮之中呢？我们列举了几种马路上常见的情况。     

海面危机的色彩编码（二）

大海之上变幻奠测，除了关注用船本身的保养维护外，加强自身的安全常识与应对能力，才是能够随身携带、最有效的救生筏。在上一期（游艇业123期）我们强调了遇到问题时，思考和习惯的重要性，危急时刻船长的权威性，和色彩编码理念的由来。今天我们就简单介绍海上，最常见也最简单处理的“绿色编码”。     

广西壮族自治区成立50周年重点工程项目岑溪至梧州高速公路建成通车

在广西各族人民深入学习贯彻党的十七大精神,满怀豪情地加快全面建设小康社会步伐的重要时刻,广西壮族自治区成立50周年重点工程项目——岑溪至梧州高速公路于2008年1月16日建成通车了!     

通过声响辨别汽车故障

在日常行车中,驾驶员的五官时刻要保持警惕。眼睛要时刻观察路面情况,鼻子要时刻捕捉机件运转产生的异味,那么耳朵也应同样时刻警惕机件运转发出的不和谐声响,并通过它们来辨别汽车的故障,及时发现问题。下面向大家介绍几种车辆在行进中容易发出的声响,以及经常会出现的相应的机械故障。     

镇静时刻

周日在法拉利主场——意大利蒙扎赛道上，10万车迷对巴里切罗出乎意料的胜利欣喜若狂，巴里切罗选用的是普利司通中性轮胎，舒马慧的干胎在chicane弯道打滑，不得不让路给英美-本田车队的巴顿。巴顿原来心里估计有机会获胜，但赛道干后，却受到了法拉利双雄的猛烈夹击。     

生死攸关的时刻——“松城”轮救助“熊耳山”轮纪实

船尾下沉。触礁在即．19条危在旦夕的生命在风浪中颠簸、呼号。对马海峡．船毁人亡的惨剧在黑暗中一触即发。“松城”轮的一根撇缆。如同黎明前一道曙光，“熊耳山”轮逃离纠缠了19个小时的“死神”……     

安全切入场景下的驾驶人初始制动时刻分析

基于中国自然驾驶项目的China-FOT数据库，研究安全切入场景下的驾驶人制动响应，为研究自动驾驶功能在安全切入场景下的控制策略开发及测试评价提供参考。首先使用人工截取车载视频的方法初步筛选出266例安全切入场景工况，通过观看车载视频提取交通环境参数（包括光照条件、切入车辆切入方向、车辆类型、横向位置变化等）以及本车驾驶人制动响应等视频数据；通过自动截取CAN总线数据提取本车车速、加速度等车辆动力学参数；并使用MATLAB图像分析的方法估算两车相对速度、相对距离等图像处理结果。然后基于提取到的工况数据，分析驾驶人响应类型及分布，得出在前车安全切入场景下，本车驾驶人保持本车道行驶的响应行为占96.24%，保持本车道行驶且同时制动的响应比例为51.13%。因此，对前车安全切入时，本车驾驶人保持本车道行驶的同时采取制动响应的行为进行了更深入的研究，以提取的136例符合此响应行为的工况数据为基础，以THW（Time Headway）值作为表征参数分析驾驶人初始制动时刻特征。预设交通环境、切入车辆参数、本车参数中可能对THW值产生影响的因素，分析THW值在预设的影响因素下的分布情况，并使用皮尔逊相关性检验验证THW值与该因素的相关关系，最终确定切入车辆类型、两车相对车速及相对距离与THW值显著相关。最后使用以上显著影响因素的参数进行聚类分析，得到5种典型的安全切入场景下的制动工况。