赤峰市旅客发送量分析预测

科学预测地区客运量,可以为交通运输管理部门合理制定交通运输规划提供依据与数据支持,有利于其规划管理地区客运发展。文中首先采用回归分析法、三次指数平滑法、灰色预测法和弹性系数法建立组合预测模型对赤峰市公路客运量进行了预测;然后根据赤峰市客运适站系数与市内所占客运比例,得出赤峰市内日均旅客发送量;最后通过分析现有客运站场状况,提出在桥北组团新建客运站的建议。     

智能运货车程序设计

实现运货车智能化重要的一环是程序设计。文章通过对智能运货车分模块编程,实现车辆的感知、预测、定位、路由寻经、规划、控制等功能。规划模块是核心模块,根据实际情况做出车道线保持、超车、停止、左转、右转、泊车等行为决策,分别编写各行为的执行程序,决策时调用相应的程序,实现了智能运货车的程序设计。仿真结果显示该设计的效果良好。     

智能车避障路径规划方法研究

避障路径规划是智能车技术的关键部分,对智能车研究具有重大意义,正确的选择规划方法至关重要。本文首先初步选定人工势场法规划路径,仿真得知传统人工势场法规划出的路径存在局部最优、碰撞及达不到目标点的问题。因此提出改进人工势场法,通过改变势场函数和设定初始条件来解决此问题。最后,为了规划出能够同时避开静态和动态障碍物且能到达目标点的理想路径,在改进人工势场法中加入速度元素,经过仿真,证明了基于速度的改进人工势场法在智能车避障路径规划中的可行性和优越性。     

电动小汽车纵向主动避撞系统的建模与仿真

随着我国汽车行业的快速发展,小轿车已经成为了普通家庭的标配,私家车的普及为我们的出行带来了极大的方便。在享受汽车带来的生活便利的同时,交通事故带来的人民生命、财产损失却不容忽视,因此,汽车主动安全性受到越来越广泛的关注。文章利用Carsim软件进行整车建模,利用Matlab/Simulink软件搭建电动小汽车的主动避撞控制策略以及仿真模型包括加速/制动切换模型、电机逆模型、制动系逆模型。最后将各个模块连接在一起,形成了Matlab/Simulink与Carsim的闭环联合仿真系统。     

雨雾天气下的自动紧急制动系统测试评价方法研究

针对当前自动紧急制动系统评价中,存在雨雾等危险复杂气象状况的测试场景考虑不足,和评价结果难以客观反映AEB系统实际性能的问题,研究了包含雨雾天气的AEB系统测试场景和综合评价方法。根据国家车辆事故深度调查体系（National Automobile Accident in-Depth Investigation System,NAIS）的事故数据,参考中国新车评价规程,构建了雨雾天气下的AEB系统测试场景;基于层次分析法,建立了AEB系统评价层次模型,提出了AEB系统综合评价方法。在PreScan-Simulink平台上搭建了仿真测试场景,进行测试评价,验证了方法的效果,与传统单一评价指标方法进行对比,结果显示被测车辆得分为6.610 7分,小于单一速度减少量评价方法的9.015 0分,偏差分析表明该方法评价结果更客观,能更准确地反映AEB系统性能。     

智能汽车的运动控制

智能汽车的控制系统从环境感知传感器获得路况信息,通过计算进行动作决策、运动规划,控制智能行驶。对汽车的运动分析、动力分析,得到控制量,是局部路径规划的基础。     

考虑参数不确定性的无人车预设性能路径跟踪控制

为保证无人车在参数不确定性影响下的路径跟踪具有预设控制精度,提出一种具有预设跟踪误差性能的路径跟踪输出反馈控制方法。根据横向预瞄偏差建立了路径跟踪二阶误差积分系统,在考虑轮胎侧偏刚度参数摄动及车辆横向速度未知的情况下,利用扩张状态方法建立了含有复合未知项的控制模型,再通过设计线性扩张状态观测器对系统未知状态和模型不确定项进行估计,并进一步证明了观测误差的一致有界收敛性。针对无人车路径跟踪瞬态和稳态性能无法满足预设精度的问题,结合观测器估计值提出了一种具有预设性能的路径跟踪输出反馈控制器,并根据Lyapunov理论对闭环系统稳定性进行了严格证明。Matlab/Simulink仿真结果表明,所设计的控制策略能保证车辆以预设控制性能跟踪上期望路径,进一步在硬件在环仿真试验台上进行验证,结果表明所设计方案能严格保证横向跟踪偏差位于安全边界之内并具有较强的鲁棒性。     

基于稳态转向特性的智能车辆换道轨迹规划

为提高智能车辆在高速公路上的换道安全性,分析了车辆在高速状态下的转向特性并对换道轨迹曲线的最大曲率进行限制,以防止车辆在换道过程中出现侧滑现象,分析了交通车对换道安全性的影响,利用多项式函数进行换道轨迹规划,以车辆侧向加速度和换道时间为换道优化函数的优化变量,建立了基于稳态转向特性和换道安全距离的换道模型。利用MATLAB和CarSim软件对换道轨迹进行仿真分析,结果表明,该换道轨迹规划方法能够安全平稳地实现智能车辆的换道行为。     

高速动态交通场景下自动驾驶车辆换道意图识别模型研究

为提高自动驾驶车辆在高速动态复杂交通场景下车辆换道意图识别精度和预判能力，提出了基于融合注意力机制的卷积残差双向长短时记忆（BiLSTM）识别模型。采用一维卷积神经网络提取车辆运动状态特征；将构造的特征向量作为BiLSTM输入信息；通过残差连接，解决多层BiLSTM易出现的优化瓶颈和梯度消失问题；利用注意力机制，调整残差BiLSTM不同时刻输出权重；应用Softmax函数计算驾驶意图概率。采用NGSIM高速公路数据集对模型进行验证，并与其他4种模型进行对比，结果表明：该模型对换道意图整体识别准确率最高，达到97.44%，在换道前2.5 s预测结果准确率达到90%以上，具有更好的识别精度和预判能力。