沃尔沃XC60

测试地点:中国·北京2022款沃尔沃XC60在各个方面都让人比较满意,如果价格优惠力度进一步增大,相信会带来更多购买者上月刚驾驶过2022款沃尔沃S60 B4,今天坐上2022款沃尔沃XC60B5四驱智雅豪华版驾驶位一踩油门踏板就感受到了动力上有了很大提升,毕竟发动机从B4提升到了B5。     

基于XGBoost算法的危险场景驾驶行为模式分析及安全评估

危险感知能力对驾驶人的驾驶行为模式具有重要影响。为准确评估驾驶人的危险感知能力、提升危险感知水平判别的准确度，提出了基于模拟驾驶技术的危险感知能力影响分析方法和基于极端梯度提升树（XGBoost）算法的危险感知水平判别模型。通过设计3种常见交通冲突场景，采集模拟驾驶中驾驶人的多维度驾驶行为特征数据，并分析危险感知能力与驾驶行为的相关关系。通过模拟实验发现:驾驶人对行人的危险感知能力较弱，易发生碰撞事故；驾驶人在危险场景中的车速（p＝0.01）、制动反应位置（p < 0.01）以及反应时间（p < 0.01）与危险感知水平之间存在显著负相关关系。在相关性分析的基础上，利用XGBoost算法识别能反映驾驶人危险感知能力的重要特征变量，并构建以制动反应位置、反应时间、车速、刹车深度，以及加速度为指标的驾驶人危险感知水平判别模型；通过与LightGBM、支持向量机（SVM），以及逻辑回归（LR）等算法分类预测性能的对比分析，评价危险感知模型的判别精度，结果表明:基于XGBoost算法的危险感知水平判别模型的判别准确率为84.8%、F1值为83.4%、AUC值为0.959，优于LightGBM（准确率为78.8%、F1值为76.7%、AUC值为0.924）、SVM（准确率为57.6%、F1值为42.2%、AUC值为0.859），以及LR算法（准确率为69.7%、F1值为65.5%、AUC值为0.836）。所提方法可为判别驾驶人危险感知能力及其对驾驶行为模式的影响提供可靠手段。      

驾驶行为数据驱动的城市道路交通安全风险辨识方法探讨

为提高城市道路交通安全水平,针对道路交通安全风险辨识方法多采用宏观事故数据及小样本交通调查数据的研究现状,紧扣当前道路设计及交通管理对风险客观精确辨识的现实需求。首先,分析了已有风险辨识方法的优缺点,及现有辨识方法面临的挑战;其次,基于国内外驾驶行为研究现状,结合车联网OBD异常驾驶行为数据精确度高、数据量大等优势,定性剖析不同道路条件与异常驾驶行为的关系;最后,建立道路条件与异常驾驶行为关联模型,分析探讨利用异常驾驶行为数据辨识道路交通安全风险的研究思路,并提出相应的思路流程及关键技术的进一步研究。     

货车自动驾驶技术及标准法规发展分析

目前,自动驾驶技术在乘用车领域已获得突破性发展;为提高通行效率和出行安全起到了极大的作用。自动驾驶技术在商用车领域的应用,有望较好解决高昂的人力成本和难以提高的效率等问题。然而,目前自动驾驶技术在货车的应用大多采用跟乘用车同样的标准进行规范,这在实际应用中存在着诸多的问题;例如,在FCW和AEB功能中货车在相同车速的制动距离要远大于乘用车,而其所采用标准规定的碰撞预警时间却并无多大不同,这在实际场景中存在着较大的安全隐患[1,2]。此外,货车质量和体积较大,且较多应用于长途运输,运输过程中会经历包括高温、严寒、山区等多种复杂气候场景,这些都将对货车自动驾驶技术在车辆制动效能、能耗以及多场景应用等方面提出更有针对性规范的要求。本文针对货车的应用场景特点,为其自动驾驶技术应用标准化提出了建议。     

基于多点线圈联合数据的高速公路匝道影响范围识别

为准确识别高速公路匝道对主线车流的影响等级和范围，本文提出基于速度波动特性的高速公路匝道影响量化方法。通过建立改进加权速度排列熵指标以量化各服务水平下匝道对高速公路主线车流的影响，对建立的指标进行谱聚类分析来确定匝道的影响阈值。应用京昆高速及二广高速的99个平行式合流匝道和直接式分流匝道多点主线线圈检测器数据的分析结果表 明，所提出方法可识别高速公路主线车流受匝道的影响程度。合流匝道对主线最外侧车道的影响比次外侧车道高4%~69%；A~C级服务水平下，分流匝道对上游主线最外侧车道影响程度比次 外侧车道高6%~29%，D~F级服务水平下，最外侧车道受影响程度比次外侧车道低10%~13%。合流匝道的影响范围是合流点上游350m至下游550m；其中上游160m至下游100m和下游180~ 270m为核心影响范围。分流匝道影响范围为分流点至主线上游850m，其中750~850m、450~ 600m、100~300m为核心影响范围。研究成果可为高速公路匝道交通设计、管控策略和提升仿真可靠性提供依据，可有效降低设置匝道带来的影响。     

面向新型混合交通流的智能交叉口网络布局优化

考虑网联自动驾驶车辆(Connected Autonomous Vehicle, CAV)应用先进的车联网与自动驾驶技术，可以采用智能交叉口的组织形式，大幅提升交叉口的通行效率，为降低CAV与人工驾驶车辆(Human-driven Vehicle, HV)混行条件下城市交通系统的整体出行成本，提出智能交叉口在城 市交通网络中的布局优化问题，建立数学优化模型并求解。首先，基于对两类车辆行驶特性的分析，建立混合用户均衡模型，描述CAV与HV的路径选择行为；其次，从交通规划者的角度，以系统最优为目标，整合混合用户均衡模型，建立面向新型混合交通流的智能交叉口网络布局优化模型，并利用改进的遗传算法求解；最后，选取Sioux-Falls交通网络作为案例分析，验证模型与算法的有效性，并研究CAV渗透率变化对优化结果的影响。研究表明，智能交叉口在城市路网中的合理规划极大地提高了新型混行场景下城市交通系统的出行效率，同时，大幅降低了由于网联自动 驾驶单方面技术优势带来的CAV与HV的出行效率差距，增进了出行公平性。     

基于XGBoost的短时出租车速度预测模型

准确预测短时出租车速度是识别驾驶员异常加减速行为的前提，有助于提升乘客的安全与舒适。以城市中出租车实时移动速度为研究对象，研究了基于XGBoost的短时出租车速度预测模型。将出租车的移动速度数据集划分为训练集和测试集，构造滑动时间窗口，以时间窗口内的出租车历史移动速度的时间序列为输入变量，以出租车当前时间的移动速度为输出变量，采用前向验证的方法进行模型评估。利用基于贝叶斯算法的hyperopt模块实现模型参数的快速优化，得到模型最优参数组合，并基于深圳市2013年10月22日的出租车GPS轨迹数据集进行算例分析，将模型的预测结果与非参数回归模型、神经网络模型预测结果进行比较。研究表明:所构建的短时出租车速度预测模型的平均绝对误差（MAE）为9.841，均方根误差（RMSE）为12.711，均低于非参数回归模型和神经网络模型，提高了出租车速度的预测精度；由于出租车速度序列缺乏规律性，调整后的R₂（R₂ _adjusted）为0.592，且相较于其他2个模型，XGBoost模型在出租车速度发生急剧变化的时间点附近具有更优的拟合效果，避免了过拟合造成的预测精度下降。      

京秦高速公路山岭区段设计速度分析与选用

为科学合理的拟定山岭区高速公路的设计速度,明确各设计要素的运用标准,使项目具有较高的安全性、舒适性、经济性,以京秦高速公路山岭区段项目为例,采用以定量为主的综合对比分析法,对设计速度的选用进行研究。首先,提出高低两种设计速度方案,结合实际建设条件,对两方案分别进行路线、桥梁、隧道等工程设计;其次,估算工程经济各项指标,计算各路段运行速度,并做同等深度的比选;最后,经分析论证确定推荐的设计速度。结果表明,所采用的研究方法适用、可行,对于山岭区高速公路设计速度的选用具有指导作用。     

基于线阵CCD的空间滤波测速算法关键参数研究

介绍了基于线阵CCD的空间滤波器的基本架构与原理,并通过MATLAB工具对基本型空间滤波器的算法进行了仿真验证;针对基本型空间滤波器频谱中存在的严重的基频干扰问题,提出了一种差分算法来解决,并进行了计算机仿真验证和真实皮带轮运动视频验证;对空间滤波器的各项参数设置对测量效果的影响进行了分析与仿真,确定了光栅周期宽度、周期数、CCD像素值、ADC采样分辨率、采样时间长度等参数的选择范围。基于线阵CCD结构的空间滤波器具有成本低、安装调试简单、噪声低等特点。