数据驱动跟驰模型综述

车辆跟驰模型是被交通科学与交通工程领域广泛认可的微观交通流模型，是交通流理论 的基础。近年来，信息感知与获取、大数据、人工智能等技术快速发展，推动了数据驱动跟驰模型 的快速发展。数据驱动跟驰模型，是以真实的车辆行驶数据为基础，利用数据科学与机器学习等 理论和方法，通过样本数据的训练、学习、迭代、进化，挖掘车辆跟驰行为的内在规律。本文系统 回顾了数据驱动跟驰模型在过去20余年的发展历程以及由神经网络和深度学习带动的两次研究 热潮，归纳了基于传统机器学习理论的跟驰模型、基于深度学习的跟驰模型、模型与数据混合驱 动的跟驰模型3类数据驱动跟驰模型，并分别介绍了其中的典型代表。分析数据源发现，尽管各 种高精度轨迹数据不断涌现，目前研究仍多使用美国于2006年发布的Next Generation Simulation (NGSIM)高精度车辆轨迹数据，模型的可移植性和泛化能力值得思考与研究。提出关于模型输 入、输出的3个问题：如何考虑更多驾驶行为变量，是否有必要考虑更多行为变量，现有输入、输出 是否可替换。在模型测试与验证方面，发现并讨论了目前测试不充分、对比不完整、缺少统一测 试集与测试标准等问题。最后，探讨了数据驱动跟驰模型原创性与成功的关键因素等问题。期 望通过本文的梳理，帮助研究者更好地了解数据驱动跟驰模型的过去与现状，促进相关研究的快 速发展。     

基于认知活动链的驾驶行为协调仿真模型

为向车辆控制系统和智能车辆的发展提供理论参考，用主成分分析法确定多源信息对驾驶员行为决策的影响系数，用模糊积分融合算法获得驾驶员任务集聚后车辆的运行模式，并按照认知活动链将该模糊积分融合算法与跟驰模型相结合，构建了基于认知活动链的驾驶员行为协调仿真模型．此外，采用五轮仪实验系统对淄博市张周路某路段的交通流数据进行了采集，用实测数据验证了模型的有效性．     

铝合金地铁牵缓组成焊接工艺分析

介绍了铝合金地铁牵缓组成结构和焊接工艺,针对生产中出现的焊接变形量大、焊缝存在缺陷等质量问题,进行了分析并制定了有效的改进措施,保证了铝合金地铁牵缓组成的生产质量。     

威驰车发动机难起动

1故障现象一辆行驶里程为7万km的丰田威驰轿车,采用2RZ- FE(5A)发动机。无论冷热机,发动机都不易起动,即使刚熄火就起动,也需起动3次以上才能起动着;发动机起动后加速无力,怠速游车,且行车时有放炮现象;发动机故障指示灯不亮。检测得故障内容为氧传感器电平过低。     

基于时变期望车距与最大车速的跟驰模型

为了精确模拟城市交通网络中行驶车辆之间的跟驰行为,在研究跟驰状态下车辆行驶特性的基础之上,考虑车辆行驶的最大限制速度和前车速度,对基于最大车速的广义力模型进行改进.改进的跟驰模型将处于跟驰状态的车辆与前车之间的期望车间距看作是与前车、目标车车速相关的时变量.将该模型与基于最大速度的广义力(GF)模型分别用于模拟车辆跟驰过程,与实测数据进行图表对比分析,表明该模型的仿真结果更接近实际的交通流特性.     

高层建筑驰振临界风速研究

通过对横向非线性随机振动方程的研究,得出可能发生失稳的临界风速公式,并对不同截面的结构进行了讨论。     

双缓动平台时延下的纯方位定位测角误差分析

水下双缓动平台协同探测可实现对水声目标纯方位定位和跟踪。针对双探测平台接收目标信号因传播时延导致探测时间未配准、方位测量偏差的问题,根据缓动平台的实际应用场景,建立目标运动模型和二维探测空间几何分布,构建一种基于不同时延条件的方位测量误差分析模型,并详细分析得出目标和双平台不同分布场景下的最大测角误差结果,该模型物理意义明确、直观简单,仿真和实测实验结果验证测角误差模型的准确性,并得出双平台探测时延下目标方位测角的误差分布规律。     

基于V2V通信的车队纵向协同控制

传统的车队在实现车辆纵向队列控制时,仅仅依靠雷达或者视觉传感器进行感知,从而致使车辆获取信息的能力有限,无法满足车辆在复杂交通环境下的跟随性能。为了克服雷达和传感器的不足,文章将车车（V2V）相连通信技术应用于车辆的纵向协同控制系统中,通过车辆上搭载的车载单元（OBU）之间的通信进行数据交互。首先,设计车队纵向跟随的控制策略,选择固定车头时距的间距跟驰策略,根据前车状态反馈对后车车速进行调节,该方法能够保证后车的跟驰安全,提升跟驰的稳定性。然后基于Prescan/Simulink建立车队纵向协同控制系统的模型和实验场景,仿真结果证明车辆纵向跟随控制策略的准确性和间距跟驰策略的准确性。     

跟跟驰驰自自动动驾驾驶驶车车时时人人驾驾车车行行为为研研究究：实证与建模

随着中国新基建战略的提出及自动驾驶和网联通信技术的不断发展,智能网联车辆（Connected and Automated Vehicle,CAV）、自动驾驶车辆（Autonomous Vehicle,AV）和人工驾驶车辆（Human-driven Vehicle,HDV）混行的状态将在未来一段时间内存在。在混行条件下,车辆间的交互影响模式将发生变化。本文以HDV跟驰AV的驾驶行为为研究对象,通过分析驾驶实验数据将跟驰AV时HDV的驾驶风格量化并分为迟疑型、平稳型和信赖型三类。同时考虑驾驶风格、车辆的转弯能力和转弯半径等参数改进智能驾驶人模型（Intelligent Driver Model,IDM）,建立了前车为AV时的HDV跟驰模型。该模型通过对三类不同风格HDV跟驰AV时的驾驶参数的标定,能根据不同跟驰风格采取相应的跟驰策略。经数据拟合检验,该模型在启动加速、匀速行驶和制动减速阶段均能以较高精度拟合实际驾驶数据,其中直行跟驰的平均拟合精度为96.2%,转弯跟驰的平均拟合精度为91.4%。可见,本文提出的模型可以刻画HDV跟驰AV时的行为特征。在目前难以进行大规模混流实车实验的情况下...     

高速公路入口合流区域安全性理论分析

合流区域是高速公路常见的事故多发区域,车辆在该区域行驶时,易引起跟驰风险和变换车道风险.本文以临界加速度作为依据,结合驾驶员对向后加速度的生理心理效应,提出跟驰风险指数和变换车道风险指数的计算方法,用于定量描述单起交通行为的风险大小.最后提出平均行车风险值的概念,用于评价合流区域的安全水平.