排序方式: 共有11条查询结果,搜索用时 171 毫秒
1.
2.
针对复杂交通环境下异质车型带来的跟车风险与行车效率权衡的决策难题,在分析自然驾驶数据的基础上,提出基于认知风险动态平衡的智能汽车拟人化跟车模型。首先,针对4种不同的货车-轿车组合跟车模式,建立跟车距离的经验模型,提炼出驾驶人稳态跟车行为中存在的车头时距和逆碰撞时间的“两不变”规律,通过作图法获得平衡线;其次,从驾驶过程中认知风险与加速度响应之间动态平衡的角度揭示了跟车决策的机理,将常用的跟车模型统一在认知风险动态平衡的框架内;最后,提出一种简洁的非线性函数实现认知风险动态平衡的数学表述,利用实测跟车数据验证了模型的准确性。 相似文献
3.
本文提出一种基于逆模型预测控制的拟人驾驶控制方法,利用模型预测控制产生的实轴轨迹与真实轨迹的损失函数更新控制模块代价函数的权重系数实现拟人化驾驶控制。将拟人驾驶控制构建成一个双层优化问题,在下层利用模型预测控制求解一个典型的最优控制问题产生实轴驾驶轨迹,在上层最小化所产生的实轴轨迹和真实驾驶轨迹的误差更新下层代价函数的权重系数,基于极大值微分原理构造辅助系统求解实轴轨迹关于代价函数权重系数的梯度。实车采集真实驾驶轨迹并进行模仿测试与泛化验证,结果表明:本文所提出的方法相比于两类基于虚轴轨迹的逆最优控制方法,在3个工况下与真实驾驶轨迹最大误差分别平均降低了73.52%和65.03%,驾驶行为更加拟人化,且具备泛化性能。 相似文献
4.
还记得迪期尼和Pixar公司联手推出的动画新片《CARS》吗?电影中诙谐幽默的故事,美丽的西部风景,还有拟人化的可爱主角,都给我们留下深刻的印象,缘自对动画片的无比喜爱,比此同名的游戏也不由吸引我们关注一下。[编者按] 相似文献
5.
6.
为提升智能汽车的自主决策能力,使其能够学习人的决策智慧以适应复杂多变的道路交通环境,需要揭示驾驶人决策机制。首先通过对自然驾驶数据的分析,发现在车辆行驶过程中能够反映驾驶人决策行为的主要运动特征参数存在极值现象,而产生极值现象的内在动因是驾驶人遵循“趋利避害”的基本决策机制,即驾驶过程中驾驶人力图实现机动性和安全性综合性能最优。受自然界包括物理和生物行为上的众多极值现象遵循最小作用量原理的启发,提出驾驶人决策机制遵循最小作用量原理的假设。随后建立抽象描述驾驶过程的物理模型,并提出最小作用量决策模型(Least Action Decision-making Model,LADM),通过与传统驾驶决策模型(经典跟车模型和换道模型)对比,分析结果显示LADM模型更具通用性。最后开展了实车试验,采集20名驾驶人在自由行驶、跟车行驶和邻车切入3种工况下的试验数据,分析计算并检验了不同驾驶人行车过程的理论最小作用量和实际作用量。试验结果表明:驾驶人在驾驶过程中的实际作用量与最小作用量之间无显著性差异,体现出驾驶人在行车过程中对安全和高效具有共性追求,验证了驾驶人决策机制遵循最小作用量原理。 相似文献
7.
8.
起这个题目,并非故弄玄虚吸引读者眼球。所谓“蓝长平”,不是时髦女郎的芳名,而是有人戏言时下经济学界最热门的3个论点——蓝海战略、长尾理论、世界是平的——所做的拟人化比喻。 相似文献
9.
人这样的高级动物,有着灵动的思想,如果只是以物的呈,现,那又会是一种怎样的状况。所以人以亲情、友情、爱情,赋予生命灿烂的光辉,而以拟人化的情寄予了人之外的物,让人的生命,由于有了这丰富的情与物的融汇而充满激情地去创造美、建构美、享受美。于是,人类的生存变得越来越有滋味、越来越有品味。 相似文献
10.