车联网中驾驶员反应时间实时估计方法

结合车辆非线性分段制动特性和车辆状态数据对驾驶员反应时间进行实时估 计,采用特征数据拟合出初速度与减速度上升时间关系模型,通过BP神经网络推算减速 度上升过程中减速度随时间非线性变化关键参数,并在此基础上基于车辆动力学运动规 律求解车辆分段制动位移,通过实际位移与理论位移等价关系实现驾驶员反应时间实时 估计,最后利用Newell 跟驰模型场景对本文提出方法进行仿真验证.结果表明：不同初速 度条件下,反应时间估计值平均误差不超过0.022 s;不同反应时间条件下,反应时间估计 值平均误差不超过0.013 s.本文提出的反应时间估计方法不用增加通信负担和额外设备, 能够达到较高精度,具备更优的适应性、可用性及工程价值.     

基于贝叶斯建模的轨道占用识别方法

识别列车所在轨道,是列车运行控制系统必不可少的功能. 提出一种数字轨道地图辅助的基于贝叶斯建模的轨道占用识别方法. 首先,在考虑全球导航卫星系统(Global Navigation Satellite System, GNSS)与方向相关测量误差的基础上进行地图匹配,采用卡尔曼滤波算法处理速度测量值,通过加权求和的方式对GNSS与速度信息进行融合,获得列车沿轨道方向的一维位置;其次,对列车位置假设进行贝叶斯建模,计算在给定GNSS与速度测量的前提下所有可能的位置假设的概率;最后,与设置的假设概率阈值进行比较,对不同的识别结果进行分类. 实验结果表明,基于贝叶斯建模的轨道占用识别法能够减少剔除小概率假设所需的距离,与垂直投影法相比,该方法可以对列车所在轨道做出更确定的判断.