基于自然驾驶数据的自动驾驶汽车安全性评价方法

自动驾驶汽车进行大规模市场推广前必须进行准确可靠的安全性评价，由于自动驾驶系统复杂程度的增加及设计运行区域的扩大，面向传统汽车的评价方法已不能满足自动驾驶汽车的安全性评价需求,基于此，建立一种基于自然驾驶数据的自动驾驶汽车安全性评价方法，可解决现有方法在逻辑场景层面安全性评价的缺陷。首先，建立基于自然驾驶数据的逻辑场景构建流程，分析场景描述参数，搭建自然驾驶数据采集平台采集相关自然驾驶数据，采用高斯分布模型描述参数概率分布；进而，离散逻辑场景参数空间获取具体测试用例，并在建立的PreScan、CarSim和MATLAB联合仿真平台中对被测自动驾驶算法进行仿真遍历测试，通过高斯模型将测试结果中的危险场景参数聚类，获取被测算法在逻辑场景中的危险区域；最后，综合考虑逻辑场景参数空间概率分布和得到的相应逻辑场景危险区域，提出基于自然驾驶数据的自动驾驶汽车安全性评价指标——场景风险指数，并以前车制动和前车切入场景为例，给出某黑盒算法的具体评价示例。研究结果表明：被测算法在前车制动场景和前车切入场景中的场景风险指数分别为0.409 8和1.08×10^-5，在前车制动场景中具有较大的安全风险，与仿真测试的直观结果相符；通过比较计算得到的场景风险指数与实际仿真测试结果可证明所提出的方法可以实现逻辑场景层面的自动驾驶安全性量化、易于操作、贴近自然驾驶情况。     

自适应期望跟车间距和行为习惯的驾驶人跟驰模型

为满足智能车辆的个性化需求，提高智能车辆人-机交互协同的满意度和接受度，构筑双层驾驶人跟驰模型框架，提出自适应驾驶人期望跟车间距和行为习惯的个性化驾驶人跟驰模型。首先，提取个体驾驶人跟驰均衡状态的数据，采用高斯混合和概率密度函数(Gaussian Mixture Model and Probability Density Function, GMM-PDF)建立第 1 层模型，即驾驶人期望跟车距离模型。然后，将期望跟车距离参数引入模型，基于高斯混合-隐马尔可夫方法(Gaussian Mixture Model and Hidden Markov Model, GMM-HMM)学习驾驶习性，建立第2层模型预测加速度，即个性化驾驶人跟驰模型。其次，研究不同高斯分量个数对模型效果的影响，对比双层模型与 Gipps 模型、最优间距模型(Optimal Distance Model, ODM)、单层模型及通用模型的性能。最后，8位被试驾驶人的自然驾驶行为数据验证结果表明：高斯分量数量与模型性能存在一定的正相关性；在最优高斯分量数量下，8位被试驾驶人在训练集上预测误差均值为0.101 m·s-2，在测试 集上为0.123 m·s-2；随机选取其中1位驾驶人的2个跟车片段数据进行模型计算，结果显示，加速度的平均误差绝对值分别为0.087 m·s-2和0.096 m·s-2，预测效果优于Gipps模型、ODM模型、单层 模型及通用模型30%以上，与驾驶人实际跟驰行为的吻合度更高。     

基于改进人工势场的无人驾驶动态规划算法研究

无人驾驶决策算法可以分为端到端的决策算法与分层式决策算法，分层式算法由于可解释性强、鲁棒性高而被大多数主机厂采用。规划模块是分层式决策算法中的核心模块，它承接感知与地图模块的信息并输出驾驶轨迹或动作，而人工势场法由于规划效率高、信息提取能力强，被越来越多地应用于无人驾驶决策规划领域。但现阶段的人工势场存在未考虑目的地因素或建立目的地单点引力场导致远距离引力过大、方向错误的问题，无法应对复杂交通环境。针对这些问题，提出一种无人驾驶“行车意图-风险复合场”(Driving Intention & Risk Field, IRF)，根据目的地、车辆、道路边界等要素各自的特点分别建模，并以势场的形式统一在IRF中。创建考虑全局规划的全局引力场，将全局规划路径离散成等距离的路径点，并动态选取感兴趣范围内的路径点进行全局引力场的构建。为了验证模型的性能，搭建IRF-SAC动态规划算法平台，并在CARLA仿真环境分别设置高速公路场景、十字路口场景和环岛场景。研究结果表明:相比于NF-SAC和FSM，IRF-SAC算法在安全性、舒适性、通行效率上均有显著提升；在高速公路场景下，IRF-SAC显示出较强的路径跟踪精度和鲁棒性，最大位移偏差相对于NF-SAC和FSM算法分别下降了44.8%、70.2%；在十字路口场景下，与NF-SAC及FSM算法相比，平均危险系数分别降低12.0%、20.6%，纵向加速度均方根分别降低13.2%、44.9%，行驶时长相较于FSM算法减少了39.2%；在环岛场景下，与NF-SAC及FSM算法相比，平均危险系数分别降低了31.7%、52.9%，纵向加速度均方根分别降低了27.0%、19.0%。     

基于多用户驾驶模拟平台的雾天高速公路跟驰模型参数标定及验证

高速公路连环追尾事故多发生在雾天环境下,且容易造成严重的事故人员伤亡。当前的跟驰及追尾风险研究多集中于两车跟驰,缺乏对雾天情况下车队跟驰的研究。利用雾天环境下车队跟驰轨迹数据对传统主流跟驰模型进行标定验证,基于多用户驾驶模拟平台设计了8个不同雾天等级和限速组合的高速公路虚拟场景,开展驾驶模拟试验并采集数据。试验招募了8名男性驾驶人并通过随机调整他们在车队中的位置顺序来获得足够的车队跟驰轨迹数据,根据判定标准筛选合适的车队跟驰轨迹数据,按照2:1的原则分配标定和验证阶段的数据组。选取Newell、Gipps和IDM三个主流跟车模型进行参数标定和验证,以时间序列的车头间距和相对均方根误差(RMSPE)分别作为性能指标参数和拟合优度函数,使用遗传算法搜寻目标函数最小值以标定跟驰模型参数,并用车辆轨迹完整性(CVT)和RMSPE评价验证阶段的仿真结果。结果表明:在标定阶段,Newell、Gipps和IDM三个模型的RMSPE整体平均值分别为30.1%、18.6%和27.7%,各个试验条件下Gipps模型的RMSPE值均小于另外2个模型,说明Gipps模型能更好地拟合试验数据;在验证阶段,Gipps模型的RMSPE整体平均值为21.2%,远小于另外2个模型,可见Gipps模型在局部精确度上的鲁棒性要优于Newell模型和IDM模型;Gipps模型的CVT整体平均值和波动幅度分别为98.1%和2.0%,均是3个模型中的最小值,说明Gipps模型在整体轨迹上的鲁棒性也优于另外2个模型。雾天环境下,Gipps模型具备更好的拟合能力和鲁棒性,因此推荐仿真软件使用Gipps模型模拟雾天环境下车队跟驰行为,不同雾天等级及限速下的Gipps模型参数可参考该研究标定的参数。     

城市轨道交通列车追踪间隔与牵引能耗优化

针对城市轨道交通高峰小时列车密集追踪运行的特点，将降低列车牵引能耗和提升线路通过能力同时作为优化目标，研究列车运行操纵优化问题.给出移动闭塞条件下列车牵引能耗和最小追踪间隔的计算方式，考虑列车安全、正点运行约束，构建双目标优化模型. 结合 ε -约束法，提出一种基于动态规划的搜索算法求解模型.以亦庄线为优化算例，求解得到一组列车最优操纵Pareto解，体现两优化目标之间的均衡关系：列车进站过程采用两次制动操纵策略可有效压缩最小追踪间隔，为弥补两次制动过程额外消耗的运行时间，列车需付出更多的牵引能耗提升进站以前的运行速度以满足正点运行约束.     

京张高铁自动驾驶列车技术规章适应分析与制修订建议研究

自动驾驶列车是京张高铁智能化的一个重要体现,该项智能技术设备的运用对既有行车组织、设备维修、旅客服务等方面产生了较大的影响。为充分发挥智能设备的先进功能,需要与之相配套的技术规章体系。本文研究智能驾驶技术对行车组织、设备维修、旅客服务等方面的影响,分析既有相关技术规章的适应性,并从自动驾驶技术设备运用、管理、维修的角度出发,提出技术规章制修订的建议。论文的研究为京张高铁自动驾驶智能设备的运用提供保障,也为智能京张的技术规章体系构建提供技术支撑。     

A theoretical calculation method of irregular bridge span pontoon connected by elastic hinges

In this paper, a theoretical calculation method that can be generally applied to responses analysis of irregular bridge span pontoon connected by elastic hinges was proposed based on the elastic foundation beam theory. This method can solve the displacements, rotation angles, bending moments and shear forces of pontoon bridge under vertical static loads. By comparing with the experimental and numerical results in other researches, the correctness and universality of theoretical method are verified. The main response characteristics of the pontoon bridge under vertical static loads are further investigated based on a detailed case study, which contrasts the results of three methods including the theoretical method in this paper, AQWA software and FEM. The results reveal that the rotation stiffness of elastic hinges has a great influence on the responses of the pontoon bridge. The elastic deformation of the pontoon units can be ignored when the rotation stiffness of hinges is small, while it needs to be considered seriously when the rotation stiffness of hinges reaches a certain value. Besides, the flexural rigidity of pontoon bridge also has a sensitive influence on the numerical results. The theoretical method can provide for the optimal design of the pontoon bridge and has significant engineering application prospects.     

考虑交通运行条件影响的驾驶员特征聚类

为提升驾驶员特征聚类方法的适用性与可靠性，本文基于机动车运行轨迹分析提出考虑交通运行条件影响的驾驶员特征聚类改进方法。首先，经过对车辆运行轨迹数据的分析发现，不同道路类型和平均速度条件会显著影响驾驶行为的集计特征；其次，提出改进的驾驶员特征聚类方法，第1步设计考虑道路类型与平均速度因素的车辆轨迹的切片和分类方法，从而稳定提取典型交通条件下的驾驶行为特征参数，第2步选用高斯混合模型聚类驾驶员特征。聚类案例表明， 在相同的道路类型和平均速度条件下，驾驶员类型越激进，其速度变异系数、加速度标准差和平均减速度等参数均值越高。不同聚类方法的对比表明，改进方法在驾驶员聚类的类内聚集度和类间分离度方面均表现更好，能有效提升驾驶员聚类的适用性与可靠性。     

大型货运车辆生态驾驶及节油潜力评估

改善驾驶行为、推广生态驾驶是未来降低机动车辆燃油消耗和污染排放的重要潜在方式.分析由车辆远程在线监控技术(OBD)获取的199辆大型货车在观测的4 d内的位置、速度、油耗等微观运行状态的逐秒数据，提出判定急加速、过急加速、急减速、过急减速和超长怠速等5种不良驾驶行为的统计方法，并建立面板数据固定效应回归模型分析5种不良驾驶行为对大型货车油耗的影响，进而定量评估改善不良驾驶行为的节油潜力.研究结果表明，超长怠速和过急减速行为会显著增加大型货车的油耗，减少超长怠速时间和过急减速行为的节油潜力分别可达2.6%和3.8%.     

Energy recovery based on pedal situation for regenerative braking system of electric vehicle

ABSTRACT

Energy recovery is a key technology to improve energy efficiency and extend driving range of electric vehicle. It is still a challenging issue to maximise energy recovery. We present an energy recovery mode (mode A) which recovers braking energy under all situations that accelerator pedal (AP) is lifted, brake pedal (BP) is depressed, as well as AP and BP are released completely; and propose a control strategy of regenerative braking based on driver's intention identified by a fuzzy recognition method. Other two modes: (1) recovery braking energy only the BP is depressed (mode B), (2) no energy recovery, have been studied to compare with mode A. Simulations are carried out on different adhesion conditions. Recovered energy and driving range are also obtained under FTP75 driving cycle. Road test is implemented to validate simulation results. Results show that mode A can improve energy recovery by almost 15.8% compared with mode B, and extend driving range by almost 8.81% compared with mode B and 20.39% with the mode of no energy recovery; the control strategy of regenerative braking can balance energy recovery and braking stability. The proposed energy recovery mode provides a possibility to achieve a single-pedal design of the electric vehicle.