智能汽车自动紧急控制策略

结合驾驶员在紧急工况下的驾驶行为以及不同避撞方式的避撞效能,对以自动紧急制动系统(Autonomous Emergency Braking,AEB)为代表的控制策略进行分析,发现当前的紧急制动控制策略并不能很好地适应驾驶员行为和满足避撞效能的需要.为此,提出了一种融合制动控制和转向控制的自动紧急控制(Autonomous Emergency Control,AEC)策略.在该策略中驾驶员始终在环,系统通过集成驾驶员模型、车辆模型和道路环境模型信息判断驾驶员的行为是否正确,并将控制输入与驾驶员输入叠加在一起作为车辆的输入对驾驶员不当驾驶行为进行纠正.     

汽车主动避撞系统安全报警算法

针对汽车主动避撞系统的安全报警要求,在比较固定车距报警、车头时距报警和驾驶员预估模型报警算法,并结合汽车制动过程运动学分析的基础上,提出了一种新的基于驾驶员模型的安全报警算法。该方法具有贴近驾驶习惯且易于工程实现的特点,该文通过仿真分析验证了其合理性。实车实验结果表明:车速为20km/h时,驾驶员模型算法优于车头时距算法,而两种驾驶员模型算法之间则相差不大;车速增加至30km/h时,驾驶员预估模型算法与车头时距算法结果接近,而该文提出的算法的报警时刻更好。     

基于自然驾驶数据的驾驶员紧急制动行为特征

基于中国自然驾驶数据,建立了紧急工况下制动避撞的驾驶员模型,分析了驾驶员的紧急制动反应时间和紧急制动输入特性的规律特征.结果表明:驾驶员的紧急制动反应时间与驾驶工况的紧急程度相关,以碰撞时刻倒数的临界值0.2s~(-1)作为危险触发阈值,驾驶员的紧急制动反应时间分布为均值0.5s的正态分布;最大制动减速度随驾驶工况紧急程度变化不明显,最大制动减速度梯度随驾驶工况紧急程度的增加而增加.     

基于决策树模型的汽车驾驶倾向性判定方法

驾驶倾向性反映了驾驶员在车辆操作和运动过程中表现出的心理情感状态,对交通安全极为重要,准确地确定驾驶倾向性是研究驾驶员行为的难点.从研究驾驶员生理-心理特性的角度出发,利用决策树能融知识表示与获取于一身的优点,将决策树用于驾驶员驾驶倾向性的研究,实现了对驾驶员行为的模拟再现.仿真结果表明,该方法用于驾驶员驾驶倾向性的研究是可行的.     

车辆跟驰情景下酒后驾驶行为动态特征参数提取

酒驾是导致重大交通事故的原因之一,酒驾辨识已成为交通安全研究中的重要问题。因此,提取不同驾驶倾向性驾驶员在跟驰状态下的酒驾特征参数对实现酒驾的准确辨识有重要意义。由问卷调查确定驾驶员驾驶倾向性;通过人因工程实验、驾驶模拟实验,采集不同类型驾驶员的生理、操作行为、车辆运行、驾驶环境等动态信息;采用神经网络分类器,获得备选特征集合的分类正确率估计,运用离散粒子群算法提取不同驾驶倾向性驾驶员的酒驾特征参数。验证结果表明提取的特征参数能有效辨识不同驾驶倾向性驾驶员是否酒驾。     

基于行驶避撞紧急度的车辆运动模糊控制

进行行驶避撞紧急度计算仿真对保证车辆行驶安全具有重要意义．提出基于心率变化的行车避撞紧急度概念，采用驾驶倾向性系数衡量驾驶员基本特征对心率变化的影响，同时给出车辆紧急行驶模糊推理的控制算法，并进行仿真计算．试验结果表明，基本特征对心率变化量影响明显；情况越紧急，驾驶员采用的最大车辆加速度越大，约为-5～-6m／s^2，时间大约为5—7S之间．加强紧急状况下生理及操纵行为的研究可以曼好地理解驾驶行为．为驾驶诡安全管理据供理论依据．     

基于自然驾驶数据的驾驶员紧急转向变道模型

提出了一种以驾驶员转向目标瞄点为核心的、面向操纵层的驾驶员紧急转向变道的模型建立方法.基于驾驶员紧急变道的阶段特征,提出了驾驶员紧急变道侧向运动轨迹的规划方法,并结合远近目标点理论分析方法,分阶段建立了驾驶员转向变道工况的驾驶员转向模型.对紧急转向变道中避撞、侧移和稳定阶段的增益因子的分布特征进行了研究,模型能够真实地预测自然驾驶中的紧急转向变道行为.     

基于因子分析与人工神经网络的驾驶倾向性动态辨识模型

驾驶倾向性是衡量驾驶员驾驶过程中情绪偏好的动态指标,是碰撞报警系统中考虑的关键参数.在分析驾驶倾向性的基础上,采用因子分析和人工神经网络理论建立了驾驶倾向性的动态辨识模型,对原始数据进行因子分析提取特征参数并作为人工神经网络的输入,选取400组数据作为训练样本,69组数据做测试样本,通过采用驾驶员心理测试、实车实验方式对模型进行验证.结果表明,该模型具有训练时间减少、辨识准确率较高的优点,可为提前做好安全预警提供支持.     

驾驶员前向避撞行为特征的降维及多元方差分析

驾驶员在追尾临撞工况下的避撞过程可以分为多个阶段(如制动前、制动后),而在每一阶段中,又存在多个分析角度(如制动快慢、制动力度)及不同的关键时刻与特征值,因此系统描述驾驶员的避撞行为需要多种参数.对多种避撞行为参数进行降维处理,并探究工况紧急程度对每类参数的综合影响.利用同济大学8自由度高仿真驾驶模拟器,研究驾驶员在不同前车减速度(0.30g,0.50g,0.75g)和不同初始车头时距(1.5s,2.5s)下的避撞行为,全面记录了驾驶员危险感知、油门释放和刹车制动等避撞行为参数.利用主成分分析对众多参数进行降维处理,将避撞行为特征划分为感知反应、制动延误、制动力度3个方面,并通过多元方差分析探究车头时距、前车减速度及二者交互项对这3个方面的影响.结果表明,驾驶员感知反应受到车头时距和前车减速度同时影响,制动延误受到车头时距、前车减速度以及二者交互项的影响,制动力度则仅受到前车减速度的影响.在变化趋势上,随着工况紧急程度的增加,驾驶员的感知反应越快,制动延误越短,而制动力度越大.     

自然驾驶工况的驾驶员紧急转向变道行为

基于中国自然驾驶工况数据,提出了紧急工况下驾驶员转向变道行为的特征规律.分析了紧急转向变道避撞、侧移和稳定阶段的驾驶员转向特征,研究了转向持续时间、方向盘转速和转角的线性关系,定义了用高斯函数拟合的转向基元来表征各阶段的转向行为.研究结果表明,转向基元表征了驾驶员转向行为的一般特征,单个转向基元的方向盘最高转速和转角变化线性相关,持续时间恒定,符合人体行为学中趋向行为(reaching behavior)的特征规律.驾驶员的紧急转向变道行为是由多个转向基元组合而成,每个转向基元都是一个开环模型,可通过方向盘最高转速预判驾驶员的转向行为.     

营运客车危险驾驶行为与驾驶人特性相关性分析

为明确营运客车危险驾驶行为与驾驶人特性之间的关系,以实际事故案例为依据,初步筛选主要危险驾驶行为及影响因素并设计调查问卷,引入概率统计方法确定调研样本量,进行实际调研。以调研数据为基础,采用有序多分类Probit回归方法,从出现频率与导致事故可能性两个维度对不同危险驾驶行为与影响因素间的相关性进行分析。通过研究确定了9种危险驾驶行为,并对危险驾驶行为进行了重要度排序。对调查结果进行信度效度检验,表明问卷总体具有很高的可信度与有效性。且驾驶人的特性与危险驾驶行为之间存在关联。     

车与两轮车事故中驾驶员转向行为影响因素研究

为研究车与两轮车事故中驾驶员转向行为的影响因素,本文对172例车与两轮车真实案例进行统计分析,从中挑选出65例车辆具有驾驶转向行为的事故案例,并利用PC-CRASH对其进行事故再现仿真。运用Logistic回归模型对事故数据进行分析,得到驾驶员转向行为的显著性影响因素,最后利用拟合优度检验法和预测准确度检验法验证了模型的可靠性,置信度为95%时,模型的回判正确率为87.7%,具有良好的预测效果。结果表明：在车与两轮车事故中车流量、两者相对距离以及本车速度对驾驶员转向行为影响显著性较高,发生比依次为0.049、0.036、0.025,在车辆横向辅助驾驶系统开发及转向策略确定时应作为重点考虑因素,本研究可为汽车自动驾驶、紧急转向系统等汽车主动安全技术的研发提供参考价值。     

基于驾驶员紧急制动行为特征的危险估计算法

基于真实交通工况下驾驶员的紧急制动行为特征,建立了一种新的危险估计算法用于汽车避撞系统的控制策略开发.通过在车辆上安装车辆行驶记录仪采集了目标区域内驾驶员的真实交通场景;对采集到的交通场景进行人工筛选,并按照美国高速公路安全管理局(NHTSA)的分类方法进行了分类,得到了6种典型的危险工况;通过视频图像处理等方法对典型危险工况下驾驶员的紧急制动行为进行了分析,得到了驾驶员紧急制动起始点的碰撞时间tTTC值以及车辆在紧急制动过程中的平均制动减速度,并利用这些数据建立了基于碰撞时间倒数tiTTC和期望减速度areq的危险估计算法.这种危险估计算法能够同时考虑两车快速靠近以及稳定跟车工况,并与驾驶员在真实交通环境中的紧急制动行为相对应.     

有人与无人驾驶车辆交叉口驾驶博弈模型

针对有人与无人驾驶车辆在交叉口存在冲突时的协调控制问题,引入智能网联车辆的设计思想,将交叉口存在交互行为的决策个体建模为博弈中的参与者,以冲突车辆的速度改变方案为博弈策略,构建双方的收益矩阵,而驾驶收益采用行车安全收益、行车效率收益和行车舒适性收益来计算,求解博弈模型的纳什均衡,作为双方的最优驾驶策略组合,完成交叉口多车冲突的协作优化.模型加入驾驶员类型的多样性模拟,基于Matlab对提出的算法进行验证,结果表明无人驾驶车辆会根据对方驾驶员行为调整自身的行为策略,与基于冲突表的协作算法对比,本算法的冲突消解所用时间更短,在确保安全的同时提高了冲突车辆通过路口的效率.      

驾驶威胁感知评估方法

为评估驾驶员所处交通态势的威胁感受,基于其主观感受性驾驶行为特征提出了一种量化评估方法。选取横向和纵向上的相对速度、间距以及轨迹交叉角5项驾驶行为特征作为态势因子,以预期避碰点与危险源的距离来测度威胁主观感受。采用统计学方法结合驾驶员直观威胁感受,给出各因子分级化隶属函数构造方法。同时结合模糊推理原理,析取威胁评估规则并建立威胁评估模型。最后结合算例验证了本文方法的实用性与有效性。     

基于驾驶行为的夜间山区作业路段安全距离研究

山区公路养护作业多数边通车边作业,为了减少养护作业对道路交通的影响,作业工作常常在夜间进行。为了提高夜间道路交通的安全性,以夜间作业区环境影响驾驶员视觉特性理论分析为基础,应用眼动仪等科学仪器,实地采集驾驶员夜间行车速度、视距和驾驶员的心生理反应等数据,分析夜间驾驶员明适应时间与车速的相互关系,不同年龄驾驶员的暗适应时间的变化规律,得到了速度与安全距离的关系模型,最终确定了基于“黑洞效应”的夜间安全行驶距离值,为解决夜间交通安全事故多发提出来一种思路。     

基于Adaboost方法的车载嵌入式疲劳驾驶预警系统

提出一种基于Adaboost的实时算法, 并应用于车载嵌入式系统。用红外光源和红外摄像头获取驾驶员的视频图像, 对其疲劳状态进行监控。首先通过人脸检测定位驾驶员的人脸, 然后提取人眼区域并对人眼闭合状态进行判断, 基于PERCLOS标准制定了相应的预警机制, 对潜在的疲劳驾驶进行判断并预警。该算法从PC移植到嵌入式平台并根据实验进行了优化, 先后制作了多个车载嵌入式装置进行实车测试, 达到了大于92%的准确率和少于1.5 s的判断响应时间。实验装置稳定可靠, 可实际应用于营运车辆。     

虚幻4驾驶模拟器设计和驾驶员特性分析

深入研究人类驾驶员的驾驶行为和特性,对推动智能汽车向高度自动驾驶发展具有重要意义。采用驾驶模拟器研究驾驶员在复杂交通场景下的驾驶决策和驾驶行为,成为近年来的一个研究热点。基于虚幻四引擎UE4交互式视景仿真技术,通过车辆、道路、建筑、交通灯、行人、路牌等交通元素的驾驶视景仿真环境搭建,开发了CarSim汽车动力学模型和罗技G29力反馈方向盘踏板的具有高拟真度人机交互的驾驶模拟系统。并设计了典型工况下的驾驶模拟试验,通过实时采集驾驶员驾驶数据,对驾驶员特性进行研究。研究结果表明:该驾驶模拟器具有逼真的驾驶体验,利用模糊C聚类算法(FCM,fuzzy C-means),将驾驶员特性进行准确分为6个聚类,可以将驾驶员特性进行准确分类,确立驾驶员特性与驾驶能力的关联,为进一步建立实时驾驶权分配研究奠定了基础。     

基于反向双目识别的驾驶员分心检测

为检测分心驾驶状态,研究了基于反向双目的驾驶状态检测方法。首先,根据Hough算法进行车道线检测和识别,计算车辆偏航率;同时采用多点透视算法对驾驶员头部姿态进行估计;然后建立基于高斯隶属度函数模糊判断规则,根据车辆偏航率与驾驶员头部姿态对驾驶员驾驶状态进行识别。最后,采用所建立的驾驶员驾驶状态识别模型,对车道保持、换道行驶及分心行驶三种不同驾驶状态进行测试。结果表明,建立的驾驶员驾驶状态识别模型对上述三种状态检测准确率分别为99.0%、86.7%、80.8%。