A study of the environmental impacts of intelligent automated vehicle control at intersections via V2V and V2I communications

This article presents a novel intersection traffic management system for automated vehicles and quantifies its impact on fuel consumption and greenhouse gas emissions of CO₂ relative to traditional traffic signal and roundabout intersection control. The developed intelligent traffic management (ITM) techniques, which are based on a spatiotemporal reservation scheme, ensure that vehicles proceed through the intersection without colliding with other vehicles while at the same time reducing the intersection delay and environmental impacts. Specifically, the spatiotemporal reservation scheme provides each vehicle a collision-free path that is decomposed into a speed profile along with navigational instructions. The integration of the developed microscopic traffic simulator with instantaneous emission model, provides improved assessments of the environmental impact of traffic control strategies at intersections. The simulator architecture integrates several ITM algorithms, vehicle sensors, V2V/V2I communications, and emission and fuel consumption models. Each vehicle is modeled by an agent and each agent provides information depending on the specific vehicle sensors. The ITM system is supported by V2V and V2I communications, allowing the exchange of information among vehicles and infrastructure. The data include the estimated vehicle position and speed. Compared with traditional traffic management techniques, the simulation results prove that the proposed ITM system reduces CO₂ emissions significantly. The research also shows that these reductions are more significant when the traffic flow increases.     

PHEV发动机驱动工况效率耦合分析与优化控制

单轴并联式混合动力系统（Parallel Hybrid Electric Vehicle,PHEV）包括电池、驱动电机、发动机、自动变速器等多个关键部件。各部件效率特性存在相互耦合的关系,要实现系统整体效率最优,需要辨明影响系统效率的控制参数,并对系统整体效率最优的控制参数进行优化。以装备无级变速器（Continuously Variable Transmission,CVT）的PHEV为研究对象,首先对系统各关键部件的效率特性进行分析,建立各关键部件效率模型,明确各部件效率与控制参数、状态参数之间的关系。在此基础上,对发动机单独驱动模式下动力传递路径中不同部件的效率耦合关系进行分析,推导出系统燃油消耗量与动力系统各状态参数、控制参数之间的函数关系。根据分析结果,选取车辆需求功率及车速为状态参数,变速器速比及发动机转矩为控制参数,以系统燃油消耗量最小为目标建立优化目标函数和约束条件,对系统优化问题进行定义。根据优化问题的特点,设计基于模拟退火的优化算法对优化问题进行求解,获取系统燃油消耗率最小时变速器目标速比和发动机目标转矩随状态参数的变化关系。建立系统仿真模型对所述优化算法进行仿真分析,并搭建混合动力试验台对优化结果进行试验验证。结果表明：无级变速器效率对系统整体效率影响较大,采用优化控制规律使发动机效率有所降低,但无级变速器效率升高更大,系统整体效率升高;在功率需求一定的循环工况下,优化控制算法比传统上仅以发动机效率最高为目标的控制算法节油1%~2%。     

用于智能驾驶系统评价的乘员损伤模型

只有较少的交通事故数据资源被用于建立基于碰撞速度信息的乘员损伤模型,致使所得到的模型精度差。为此,提出了基于车辆变形深度的乘员损伤模型。对美国不同制造年代和车辆级别的事故数据进行聚类分析,论证出车辆变形深度与乘员损伤风险具有相关性。以车辆变形深度为自变量,通过回归分析得到乘员损伤模型。不同种类车辆的乘员损伤模型拟合精度R²约为0.9,证明了该模型的正确性。为进一步验证,以此模型为基础,评价智能驾驶系统的有效性。以自动紧急制动系统为例,对比基于变形深度和速度变化量信息2种方法的有效性计算结果。结果表明：2组结果的平均误差不超过1%,验证了基于变形深度的乘员损伤模型的准确性。该模型仅需要事故数据库中准确的变形深度信息,能够获得更多的事故数据支持,从而可以更好地适应于不同类别智能驾驶系统的评价需求。     

基于驾驶员转向操作特性的疲劳驾驶检测

本文旨在利用驾驶模拟器开展疲劳驾驶试验,研究疲劳驾驶的检测方法.首先采用面部视频的专家评分方法,建立驾驶员3级疲劳(清醒、疲劳和非常疲劳)的样本数据库;然后定量提取描述疲劳操作特性的特征指标,采用序列浮动前向选择算法筛选最优的特征指标组合,最终建立了一种基于SVM的驾驶员3级疲劳的在线检测算法.测试结果表明,驾驶模拟器工况下,本文算法识别3级疲劳的准确率达到87.7％,具有较高的鲁棒性和实用性.     

基于dSPACE和AVL的纯电动汽车电驱动系统效率测试

针对纯电动汽车电驱动系统搭建基于dSPACE和AVL的测试平台,模拟整车模式采用CAN通讯方式传输数据。详细论述系统软硬件架构、平台搭建、效率测试等,并分析电驱动系统高效区和特定工况下的效率。     

基于分子跟驰特性的交通流稳定性分析

交通流稳定性分析是研究交通堵塞、交通事故和交通流特性的基础,对于提高车辆行驶的安全性和道路通行能力等方面的研究都具有重要的现实意义.首先基于分子动力学理论,考虑前导车的行为变化以及外界环境变化等因素,对处于理想状态下的稳态车队进行了分析.然后采用微扰法从微观和宏观方面对交通流进行了稳定性分析,建立了基于需求安全距离的微扰跟驰模型.最后应用Matlab对微扰法研究结论进行了数值仿真分析.结果表明,当处于平衡状态的车队中的某车辆受到微扰后,车队能否在波动后恢复稳定状态与驾驶员反应强度系数的取值大小有关.     

基于可拓切换控制方法的智能车辆车道保持系统研究（双语出版）

针对道路曲率变化范围较大时,智能车辆在大曲率道路工况车道保持控制精度低的问题,提出一种基于可拓切换控制理论的智能车辆车道保持控制系统,该车道保持系统由上层可拓控制器和下层控制器两部分组成。在上层可拓控制器中,通过车道线检测得到车辆相对于道路的位置信息和道路曲率信息。根据可拓集合理论,选取预瞄点处横向位置偏差和前方道路曲率值作为可拓集合的特征值并划分可拓集合,求解关联函数,并根据关联函数值将车辆-道路系统状态分为经典域、可拓域和非域。在下层控制器中,在经典域采用基于横向位置偏差和航向偏差的PID反馈控制器,在可拓域中采用基于前方道路曲率的PID前馈-反馈控制器,非域中车辆-道路系统处于完全失控状态,采取紧急制动。2种仿真工况结果表明：相比于单一PID反馈控制,提出的车道保持控制系统,有效抑制了在大曲率道路下的跟踪误差值,提高了智能驾驶汽车在时变曲率的道路工况下车道保持控制精度和工况适应性。     

自动驾驶汽车中乘员在不同座椅朝向下的损伤风险及规避策略

在高度自动化车辆（Highly Automated Vehicle,HAV）中,由于不再需要驾驶人,乘客之间可以实现面对面的交流,这给车辆座椅的布置提供了更大的灵活性。为提高HAV的碰撞安全性,提出使用旋转座椅来改变人体朝向与碰撞方向相对位置的规避策略,其基本思路是在碰撞发生前通过主动改变座椅朝向来降低乘员损伤。首先,利用尸体试验数据对所建立的碰撞模型进行验证;然后,基于4种不同的座椅朝向,利用THUMS^TM人体模型进行初始速度为56 km·h^-1的正面碰撞模拟试验,以确定相对安全的座椅朝向位置;最后,预测座椅旋转过程本身以及旋转至某位置后发生碰撞的乘员损伤风险。在静态正面碰撞中,选择0°、90°、135°和180°四种不同的座椅朝向进行乘员损伤预测和比较,结果表明180°朝向时的乘员损伤风险最小。在此基础上,模拟了200 ms内将座椅旋转±45°和±90°,以及分别在0 ms和100 ms时间延迟后引入碰撞的试验过程。研究结果表明：200 ms能够将乘员旋转±45°和±90°而不引起额外的人体损伤,并且在无时间延迟时,旋转至背对碰撞方向的乘员损伤,比正面碰撞中0°、90°和135°座椅朝向的乘员损伤更低,证明了该损伤风险规避策略的有效性。     

基于双目视觉计算的车辆跟驰状态实时感知系统

双目视觉技术能够实现目标的识别与距离计算,在自动驾驶领域有很大的应用空间。然而,现阶段双目视觉存在光照干扰、遮挡、弱纹理区域歧义匹配等问题,影响其测量的准确性和可靠性。提出基于双目视觉的跟驰状态实时感知系统,该系统采用基于车辆跟驰模型的扩展卡尔曼滤波方法对车辆跟驰状态进行实时估计,包括跟驰距离、前后车速度差等。通过实际道路试验,证明了该系统能够识别并修正测量数据中的异常值,解决弱纹理区域误匹配问题。试验结果表明：25 mm焦距与12 mm焦距的双目系统跟驰间距测量值的平均误差分别为2.66%与9.14%;在相对速度测量方面,2种焦距系统的测量精度基本相同,平均误差均为1 m·s^-1左右。所提出的方法在自动驾驶车辆环境感知领域有较好的应用前景。     

电动汽车动力系统的优缺点及其关键技术研究

电动汽车以电动机代替内燃机,噪声低、无污染,使用单一的电能源,而电能来源广泛。作为21世纪主要绿色交通工具的电动汽车,电动汽车技术是当前国际上正在进行研究的一项高新技术。以分析电动汽车开发的关键技术,如电池技术、电力驱动及其控制技术、能量管理技术为切入点,为从事电动汽车行业的技术人员,提出研究方向。