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。     

汽车电源系统电压波动抑制脉宽调制法

设计一种适用于现代燃油汽车的发电机电压控制器,实现了发电机电压的良好控制,并且减少了电压的波动,采用脉宽调制的方法控制发电机励磁系统,利用功率MOS管实现对励磁线圈电流的控制,利用PID算法进行脉宽的调节,最后通过试验验证了对发电机电压的良好控制。     

混合交通下非信控交叉口队列预约式控制

目前针对非信控城市交叉路口场景进行智能网联汽车（ICV）协同控制的研究中,多假设100%的ICV市场渗透率条件,较少考虑人类驾驶车辆（HDV）对系统的影响。本文旨在解决HDV和ICV并存的混合交通条件下非信控交叉口协同控制问题,并探究渗透率对系统性能的影响。首先,提出了适用于混合交通条件的队列预约式分层控制架构,其上层分配各车辆通过路口的时刻,下层负责执行,并进行速度轨迹规划。接着,基于队列预约方法分别制定ICV和HDV的控制和调度策略。最后,在不同ICV渗透率和车流量下进行仿真对比。结果表明,在10%～100%渗透率和每车道车流量400～1 000 h-1的工况下,与感应式信号灯控制方法相比,所提出的方法可有效提升交叉口的通行效率,降低车辆平均油耗。     

智能网联车辆队列紧急工况控制策略设计

目前针对紧急工况的智能网联车辆队列控制研究较为欠缺，为了解决高速公路车辆队列在紧急工况下安全、稳定控制问题，本文针对队列紧急制动、他车插入队列这两种紧急工况开展控制策略研究。首先，建立控制系统分层架构，由策略层和控制层组成。其中，控制层根据策略层的输出结果激活对应的车辆纵横向控制器；针对策略层，分别设计两种紧急工况的控制策略以及不同工况间的控制切换策略。最后，基于PreScan/Simulink搭建高速公路车辆队列控制联合仿真平台，设计包含多个紧急工况的复杂验证场景，完成五车队列在该场景下的仿真验证，并探讨了通信时延对控制性能的影响。仿真结果表明：该队列控制系统能保证队列在两种紧急工况下安全、稳定行驶，并可实现不同工况的切换控制。     

不同渗透率下非信控交叉路口混合预约多车协同控制EI北大核心CSCD

预约式方法是解决非信控交叉路口多车协同控制问题的经典方法。传统预约式方法通常假设路口中仅存在智能网联车辆(intelligent and connected vehicle,ICV),缺少对人类驾驶车辆(human-driven vehicle,HDV)和ICV并存情况的讨论。本文基于预约式方法,针对ICV与HDV混行的非信控交叉路口协同控制方法展开研究,并探究ICV渗透率变化对非信控交叉路口通行效率的影响。首先,对混合交通流下非信控交叉路口进行功能区域划分,并提出混合预约多车协同控制架构;其次,基于预约式方法制定考虑HDV驾驶行为特性的混合预约多车协同控制策略,包括ICV单元格预约策略和ICV速度控制策略;最后,基于SUMO/Python搭建非信控交叉路口混合交通联合仿真平台,以路口通过率和路段平均速度为评价指标,在ICV渗透率分别为100%、90%、60%和30%的情况下进行不同交通流量下的仿真验证。结果表明,所提出的控制策略能保证所有车辆安全通过交叉路口,且非信控路口通行效率随ICV渗透率的提高而提高。