基于前车制动过程的车辆跟驰安全距离模型

在传统的基于制动过程的安全距离模型的基础上,考虑了前后车之间的速度关系和车辆制动减速度的渐变过程,建立了单车道跟驰状态下车辆跟驰的安全距离模型。通过Matlab仿真计算,从理论上验证了该模型能够很好地解决传统模型计算的安全距离存在较大偏差的问题。最后,通过VC++建立了十字交叉口的仿真系统,进一步检验了改进模型在保证车辆安全跟驰的情况下,能够提高道路交通效率,减小交叉口的总延误,从而减少交通环境污染。     

行人防碰撞系统制动控制建模与联合仿真

为了体现现有汽车主动防撞系统对车外行人等交通弱势群体的主动安全保护,对行人防碰撞预警系统中自动制动控制进行了研究。在车辆获取到前方行人基本信息的基础上,设计了考虑行人安全的安全状态判断模型,建立了基于Carsim和Simulink的车辆纵向动力学模型,采用加速度滑模控制方法设计了获取本车期望加速度的上位控制器,单神经元PID控制设计了跟踪这一期望加速度的下位控制器,最后对典型的行人危险场景进行联合仿真。试验表明所设计的控制算法对避撞行人有较好的响应,并且能在保证一定的安全距离的前提下实现自动制动,保证了行车的安全性。     

信号交叉口左转车辆跟驰行为建模

跟驰模型是交通流理论的核心内容之一,但左转车辆在交叉口转弯过程中跟驰行为的特征表现,尚缺少基于实际数据的深入研究。针对这个问题,设计了信号交叉口左转车辆跟驰实验,基于高精度全球定位系统(global positioning system,GPS)和移动地理信息系统采集车辆跟驰行为相关数据,分析了信号交叉口不同转弯半径下左转车辆跟驰速度时变规律及分布本征。在全速度差(full velocity difference,FVD)跟驰模型的基础上,考虑跟驰车驾驶员对前导车加、减速反应的非对称性,构建了改进的全速度差模型,并采用遗传算法对模型进行了参数标定。最后,以跟驰车加速度为检验指标,利用实测数据对改进的全速度差模型加、减速度过程的准确性进行了分析与评价。结果表明:信号交叉口左转跟驰车辆的平均运行速度与转弯半径成正相关;在不同转弯半径下跟驰车速度出现频数最高的数值随着转弯半径的增大而增大;改进的全速度差模型,能更好地描述交叉口左转车辆跟驰过程,驾驶员对前导车减速行为的反应比对加速行为的更强烈。     

碰撞中乘员有无抓握顶棚扶手下的伤害对比分析

目前在利用假人研究碰撞过程车内人员损伤程度试验中,未考虑假人抓握顶棚扶手时对人体损伤评定产生的影响,针对该问题基于LS-PREPOST和Oasys PRIMER软件建立汽车副驾驶室和具有手部抓握能力的数字假人模型,通过添加实车碰撞测试中B柱加速度曲线,模拟正面碰撞过程中加速度场,并对自由坐姿状态下和抓握顶棚扶手状态下的假人主要部位进行损伤程度对比分析。仿真结果表明,假人在抓握顶棚扶手的情况下头部合成加速度峰值和头部损伤程度指数(head injury criteria,HIC)与自由坐姿状态下假人相比降低了6.1%和30.2%,同时颈部最大剪切力、拉伸力和弯矩力分别降低了87.4%、76.9%、42.9%,胸部最大压缩量降低了16.9%。研究结果可为碰撞中被动安全领域的研究提供参考。     

基于深度确定性策略梯度的队列纵向协同控制策略

为了解决车辆队列控制中的车辆连续精确控制问题和行驶过程中车辆队列纵向稳定性问题,提出了一种在中等速度环境下基于深度强化学习(deep reinforcement learning, DRL)的车辆队列纵向控制策略。该策略充分考虑了影响队列安全的车辆距离、车辆速度和车辆加速度3个关键影响因素,并将车辆动力学和舒适性作为策略学习过程中的约束条件。首先,建立基于强化学习的车辆队列纵向控制模型。其次,提出一个深度强化学习过程来进行队列纵向控制策略的迭代,最终目标为获得车辆的最优控制策略;并且设计了一个多目标的奖励函数,该函数综合了距离误差、速度误差和加速度约束对应的奖励。最后,采用深度确定性策略梯度(deep deterministic policy gradient, DDPG)求解队列纵向控制问题,该算法将动作-评价(actor-critic, AC)网络的优点与深度Q网络(deep Q-network, DQN)的优点相结合,有效解决连续状态空间和连续动作空间上的车辆队列控制问题;并设计和训练了基于DDPG的队列控制模型用于队列纵向控制,验证该控制策略的有效性。结果表明:提出的基于强化学习的队列控制方法具有和分布式模型预测控制算法相当的控制精度,并能在"前车-领航车跟随"通信拓扑下实现队列的串稳定性。     

基于模型预测控制的可变目标距离自适应巡航控制研究

为解决在复杂交通环境中自适应巡航系统存在旁车切入本车前方工况时，目标期望距离计算模型得到的期望相对距离与实际相对距离发生阶跃以及堵车蠕行工况，车辆与前车距离较近，拥堵路况不断启停的目标车辆的速度、加速度和相对距离持续抖动，导致的纵向加速度幅值过大带来的驾驶平顺性、舒适性和安全性问题，提出可变目标距离的自适应巡航控制算法，基于模型预测控制理论，建立离散纵向运动学预测模型，综合考虑底盘加速度响应、极限安全纵向跟车距离、车辆自身物理限制、驾驶人乘坐舒适性等优化控制目标，引入松弛因子进行在线求得可行解.在旁车不同切入工况、综合工况行驶以及堵车蠕行工况对本算法进行仿真和实车测试并利用数据对IDM算法开环实验，研究成果对比表明，考虑旁车切入的可变目标距离的自适应巡航控制算法在旁车加速切入工况中，纵向控制产生的最大冲击度为-0.25 m/s³，相比于IDM模型降低50%，堵车蠕行工况中纵向控制产生最大减速度为-0.3 m/s²，相比于IDM模型降低30%，综合工况和定速巡航工况中，算法在保持安全距离情况下可以对车辆实现稳定纵向控制，加速度幅值不超过-0.3...     

跟驰行驶状态下的驾驶模拟有效性研究

为验证驾驶模拟技术在跟驰行为研究中的有效性,设计了实车实验与驾驶模拟实验。选取了跟驰距离、跟驰距离标准差、车头时距及驾驶员反应延迟时间作为分析指标,并采用Wilcox检验、生存分析方法分别验证了非时间数据、时间数据的有效性。结果表明跟驰距离、车头时距、驾驶员反应延迟时间具备绝对有效性,两种不同实验环境下跟驰距离标准差随跟驰速度变化趋势相同,具备相对有效性。实车实验中,前车加速度、前后车相对距离、前车加速度变化状态显著影响驾驶员反应延迟时间。有效性分析结果为基于驾驶模拟实验的跟驰行为研究提供前提条件,生存分析结果可用于驾驶员反应延迟时间建模及跟驰模型优化。     

基于DAE-MD的电源车柴油机健康状态量化评估方法

针对柴油机健康状态的综合评估问题,结合降噪自动编码机(DAE)深度网络与马氏距离(MD)算法,提出一种基于深度学习与距离融合的电源车柴油机健康状态量化评估方法.该方法首先通过DAE深度网络提取柴油机不同健康状态下的特征序列,建立柴油机健康状态识别模型;为进一步量化评价柴油机的健康水平,又将MD算法引入,度量DAE模型输出状态与正常状态特征序列之间的距离,并将其归一化为健康指数,给出柴油机健康状态的量化评估结果.最后,借助于120 kW电源车模型仿真系统,验证了所提方法的有效性.文中方法通过DAE的分类和MD的计算实现了电源车柴油机健康状态定性与定量评估的融合,为其开展视情预防维护提供了依据.     

基于模糊多目标决策的驾驶员反应状态辨识

为了使安全车距模型中的预警算法适应驾驶员的个体驾驶特性,提出了一种基于模糊多目标决策的驾驶员反应状态辨识方法。首先,对驾驶员进行离线测试,确定出驾驶员的驾驶倾向力度,进而确定出驾驶员的静态反应时间;然后利用模糊数学方法将影响驾驶员反应状态的因素进行分类,利用综合加权层次分析法对驾驶员反应状态进行综合评估。根据评估结果利用反应时间修正公式对驾驶员的静态反应时间进行修正;最后对没有考虑驾驶员因素、考虑驾驶风格和考虑驾驶员反应状态三种情况下,Berkeley模型所作出的预警距离进行了仿真对比。仿真结果表明,在综合考虑驾驶员反应状态后所确定的安全车距更能满足驾驶员的个体需求,能够在一定程度上提高安全车距模型的准确性。     

基于单目视觉的车辆碰撞模型

为了解决主动安全研究中车辆在行驶过程中与前车的碰撞危险判定问题,该文提出了一种车辆碰撞模型。基于针孔成像原理,分析图像中目标车辆与世界坐标系中实际车辆的映射关系。检测图像中路面消失点与车辆底部的位置,并以其差值作为车辆尺寸特征。分析多帧图像中车辆目标尺寸特征的变化规律,从而分析出车辆行进趋势,并估算出前车同本车的相对碰撞时间。该碰撞模型既为驾驶员反馈了碰撞时间信息,又通过分析加速度避免虚警。与已有模型相比较,该文模型在车辆距离大于30 m时效果不稳定,在距离小于30 m时误差低于5%。实验结果表明该模型具备较强的实用性与准确性。