基于数据驱动的城市地下快速路跟驰行为模型构建

为了揭示地下快速路交通流的运行特性,利用驾驶模拟器获得的高精度车辆轨迹数据,针对地下快速路提出一种基于数据驱动方法的车辆跟驰模型,并对该模型进行了标定与验证。首先,根据上海市北横通道东段场景模型进行驾驶模拟实验以获取车辆跟驰数据;其次,选择了采用支持向量回归（SVR）方法建立车辆跟驰模型,对模型改进并引入了驾驶行为约束条件;最后,利用实验数据对改进过的SVR车辆跟驰模型进行了标定与验证。结果表明,考虑驾驶行为约束的支持向量回归车辆跟驰模型能很好地描述地下快速路中的车辆跟驰行为;该模型具有一定的可移植性,在其他地下快速路上也有较高的精度。建立的车辆跟驰模型可以量化地分析地下快速路中跟驰车辆间的相互作用,为进行交通仿真和风险研究提供基础。     

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。     

速度差影响下混合驾驶交通流动态特性分析

为分析自动驾驶车辆(AV)与人工驾驶车辆(HV)之间存在速度差时对混合驾驶交通流动态特性的影响,选取智能驾驶员模型(IDM)和协同自适应巡航控制(CACC)模型分别对HV和AV跟驰行为进行建模,采用MOBIL换道模型对换道行为进行建模.以单向两车道路段为场景,仿真分析了不同AV渗透率下速度差对混合驾驶环境交通流基本图的...     

自动驾驶车辆对人工驾驶车辆跟驰行为影响分析

针对自动驾驶车辆（automated vehicle, AV）与人工驾驶车辆（manual vehicle, MV）组成的混行跟驰环境，基于Waymo公开数据集研究混行环境中AV前车对MV后车跟驰行为的影响。首先，探究混行环境中期望安全裕度模型和智能驾驶人模型的建模能力和模型参数变化，研究表明，混行环境中MV跟驰行为的机制没有发生变化，但是MV驾驶人的减速敏感程度更低。其次，从跟驰安全性、稳定性和环境效应3个方面对混行跟驰行为进行进一步分析得到，混行环境中的MV跟驰行为的稳定性和环境效应得到了改善，但是安全性并没有发生变化。最后，通过对前车速度波动性进行讨论发现，AV前车主要是通过降低自身速度波动性，从而抑制MV后车的速度波动性，改善MV后车在稳定性及环境效应方面的表现。     

跟驰模型场景基准分析

设计包含7种驾驶工况的自由流场景及跟驰场景,对MITSIM（microscopic traffic simulator）、Gipps模型、Wiedemann模型、FVD（full velocity difference）模型、IDM（intelligent driver model）、S?K模型及LCM（longitudinal control model）7个不同机理下典型跟驰模型进行基准测试。结果表明：各模型均可在一定程度上完成自由流场景下各工况测试,其中LCM的表现最符合认知,IDM的加速度最小且启动时间最长;仅Gipps模型、FVD模型、IDM及S?K模型可完成跟驰场景下各工况测试,其中FVD模型对于前车的状态变化具有最及时的反应;S?K模型在跟驰场景各工况下的速度与加速度始终处于微小振荡中,这也较为符合实际驾驶情景。     

基于驾驶人距离感知不确定性的跟驰行为建模

以纵向控制模型（LCM）为基准跟驰模型,进行基于驾驶人距离感知不确定性的跟驰行为建模。假设在任意时刻驾驶人的感知车间距离误差分别服从均匀分布与截断正态分布,建立概率密度函数的参数（均匀分布的边界值、正态分布的均值与标准差）与实际车间距离、驾驶人激进性特征的函数关系,分别得到基于均匀分布的扩展模型与基于截断正态分布的扩展模型。最后,运用上海市自然驾驶数据对扩展模型进行标定。结果表明：基于均匀分布和截断正态分布的扩展模型的标定误差与验证误差均小于LCM,而且扩展模型的多次模拟仿真误差波动很小,即都可以用来描述驾驶人距离感知的不确定性;基于截断正态分布的扩展模型优于基于均匀分布的扩展模型。     

基于车辆横向运行数据的遗传-支持向量机算法的分心驾驶状态判别模型

分心状态是造成交通事故的重要原因。当前侵入式与半侵入式检测多被应用于分心驾驶识别，此方法会对驾驶任务产生一定干扰，且成本相对较高。对此提出一种低成本的基于车辆横向运行数据的分心驾驶状态判别方法：实验选取手机通话作为分心影响因素，设计了正常驾驶、免提通话、手提通话三个维度。首先，基于驾驶模拟器采集的数据，对正常与分心状态下的车辆运行指标进行Man Whitney U检验，从时域及频域中提取出与分心驾驶显著相关的车辆横向控制指标；其次，构建支持向量机（support vector machine，SVM）分心状态判别模型，将径向基函数作为SVM的核函数，使用网格搜索算法（grid search algorithm，GSA）、粒子群算法（particle swarm optimization，PSO）及遗传算法（genetic algorithm，GA）对SVM模型参数进行优化；最后，对比GSA-SVM、PSO-SVM与GA-SVM分心判别模型的分类效果，并运用ROC曲线对模型性能进行评估。研究结果表明：GA-SVM分心判别模型的最优交叉验证率、准确率及F_1值分别为87.9%、91.9%、94.05%，高于GSA-SVM（86.2%、87.2%、90.35%）与PSO-SVM（87.9%、91.2%、93.46%）；GA-SVM判别模型ROC曲线接近于（0，1）坐标，其AUC值为93.53%。所提出的GA-SVM分心判别模型获得了较好的分类效果，故认为此模型适合作为低成本条件下基于车辆横向控制的分心驾驶状态判别模型。     

基于迁移学习的驾驶分心行为识别及模型解释

为了提高驾驶分心识别的应用性及识别模型的可解释性,利用迁移学习方法研究构建驾驶人驾驶分心行为识别模型并采用神经网络可视化技术研究对模型进行解释.以VGG-16模型为基础,对原模型全连接层进行修改以适应驾驶分心行为识别任务,将原数据集中的10类驾驶行为按照所包含的分心类型合并为6类,采用合并后的数据集进行模型训练和验证.利用Grad-Cam方法提取了模型在识别不同驾驶行为时的重点关注区域并进行可视化,对照各分心行为的特点及模型分类时的重点关注区域对模型进行了解释.结果表明:所构建模型在测试集中的平均识别准确率达98.89％,经过训练的模型已具备了定位各驾驶行为的关键特征并据此判别行为类别的能力.     

基于ITC的自动驾驶卡车编队跟驰安全性评价

为了在卡车编队技术大规模应用时控制编队跟驰冲突风险和减少追尾事故的发生,在传统的交通冲突评价方法上进行了改进,对自动驾驶卡车编队的跟驰安全性进行了分析和评价。考虑路面阻力和协同控制,对智能驾驶人模型(intelligent driver model,IDM)进行了改进,建立了考虑路面阻力的跟驰模型(IDM+)、融合协同控制策略(cooperative adaptive cruise control,CACC)跟驰模型2种适用于自动驾驶卡车的编队跟驰模型。然后以跟驰模型作为编队控制的基础,不考虑车辆控制的个体差异,通过MATLAB数值模拟试验,得到编队跟驰状态时变曲线,分析编队跟驰模型特征和稳定性。分别以距离碰撞时间(time-to-collision,TTC)和距离碰撞时间倒数(the inverse time-to-collision,ITC)2种碰撞时间函数作为评价指标,得到安全指标时变曲线,并比较2种指标的优缺点。基于数值模拟试验结果和ITC安全性判别准则对卡车编队跟驰安全进行了定性分析,以IDM+和CACC跟驰模型下的3辆卡车组成的编队为例进行了仿真试验。试验结果表明:CACC协同控制策略能提高卡车编队跟驰过程的稳定性,降低追尾风险;随着卡车编队中前后车的速度差增加,车辆追尾的风险呈现不断增大的趋势;ITC与前后车速度差成近似线性关系。该研究结果可用于卡车编队投入运营前以及运营过程中,对编队跟驰安全性进行评价和风险预警,防范追尾事故的发生。     

基于多国实测数据的跟驰模型对比

为了更精确描述车辆跟驰(CF)行为,并研究不同国家跟驰行为数据对跟驰标定模拟的影响,以及各跟驰模型对跟驰行为模拟的精确程度,选取中国西安市南二环某路段交通流CHD数据集、美国NGSIM数据集以及德国HighD数据集,针对Gazis-Herman-Rothery(GHR)模型、智能驾驶模型(IDM)以及最新被提出的S-shaped three-parameters(S3)跟驰模型进行模型标定以及误差分析,利用加速度、前后车速度差、前后车位置差和后车速度等数据作为输入参数,采用互相关分析与模拟退火相结合的方法进行数据拟合,并利用加速度、速度和位移的均方根误差(R_MSE)对参数拟合后的模型进行性能评价。研究结果表明：针对3个不同国家数据集中的跟驰行为,S3微观模型标定效果均表现最佳,3个数据集的R_MSE平均值均最小,且低于其他2种跟驰模型;德国HighD数据集总采集精度高、数据量大,因此无论采用何种CF模型进行标定,该数据集在跟驰行为标定方面的性能均表现最佳、误差最小。研究结果对交通仿真软件模拟交通流的车辆跟驰模型选取及其参数优化具有重要意义,且对...     

企业R&D投入的动力及其模型研究

促进企业加大R&D投入需要了解企业R&D的动力。从系统的角度,构建了企业R&D投入的动力模型。认为,企业R&D的动力来自内外部多个方面,其内在驱动因素有利益驱动、企业家精神和企业文化。外部因素主要有科学技术、社会需要或市场需求、市场竞争和政府政策等。在内在动力中,利益驱动是最根本的推动力。在外部动力中,市场需求是最根本的推动力。     

危险驾驶罪的立法完善

鉴于醉酒驾驶机动车和追逐竞驶现象日益严重并已成为危害公共交通安全的严重隐患，《中华人民共和国刑法修正案（八）》增设了危险驾驶罪，有效遏制了危险驾驶行为。但人们对危险驾驶罪构成要件的理解存在分歧，因而应当尽快出台立法解释或司法解释，细化其情节，规范执法，并拓宽危险驾驶罪的适用范围，规制毒驾、“三超”等危险驾驶行为，更好地维护公共交通安全。     

电解铝厂智能计划决策支持系统

介绍了一种企业智能计划决策支持系统的设计方法与实现技术。该系统具有综合信息管理、专业计划管理、和主计划决策支持系统等功能。设计过程中应用大系统控制论的“分解——协调”方法与“递阶层次”结构方案。各模块的实现是在人工智能技术和运筹学的优化技术的基础上,开发智能优化技术。设计与实现中将多级下拉菜单和“模式驱动”、“知识驱动”相结合,使解决具体问题时可用不同的驱动方式来展开和激活不同的功能模块。     

风-车-桥耦合作用下大跨桥梁驾驶模拟实验方法

为了对大跨桥梁上的行车安全进行精细化研究,基于风-车-桥耦合作用理论,计算3种风速下的桥梁振动作用,建立同时考虑侧风作用和振动作用的大跨桥梁驾驶模拟实验场景.将20名驾驶员根据驾驶经验的不同分成两组,开展驾驶模拟实验.研究结果表明:在侧风作用的后期,受到桥梁振动影响的车辆横向偏移和偏航角速度的波动比无振动情况下大.桥梁振动作用会对驾驶员产生积极的警示作用和不利的干扰作用,对经验相对欠缺的驾驶员,侧风和振动共同作用对行车安全更不利.     

浅谈汽车驾驶模拟器及其改进

当前我国人民生活水平逐步提高,汽车作为代步工具已成必然发展趋势,随之酝应而生的驾校如雨后春笋。但作为驾驶培训的有利辅助工具汽车模拟器却未得到应用,本文分析了现有驾驶模拟器功能的缺陷并根据需要提出改进之处。     

雾天环境下S型弯道驾驶行为特性

为了研究雾天环境对驾驶员在S型弯道车辆控制能力的影响,借助驾驶模拟器,选取46名驾驶员在雾天条件下进行S型路段驾驶试验。采集直线段、过渡段、曲线段的驾驶试验数据进行多变量方差和卡方检验分析能见度、驾驶经验、性别对驾驶速度、减速距离和偏离次数的影响。结果表明,能见度条件对3个阶段的车辆控制能力均有显著性影响,尤其在过渡阶段影响最为明显,驾驶员的减速距离、偏离次数均有显著性差异;专业驾驶员相对于非专业驾驶员在曲线通过过程中更倾向于谨慎型驾驶风格;女性驾驶员在曲线驾驶中车辆控制能力明显低于男性驾驶员,且非专业女驾驶员在曲线驾驶中是最容易受伤害的群体。     

驾驶人员风险驾驶行为分析及相关因素研究

对驾驶人员风险驾驶行为的结构进行分析,同时研究影响风险驾驶行为的因素以及驾驶行为和交通事故的关系。用探索性因素分析对驾驶行为问卷进行分析,得到4个因素：一般性违规、攻击性违规、无害性失误和危险性失误。还研究了驾驶经验、人格、驾驶态度、以及驾驶技术与驾驶行为的关系。     

驾驶人员风险驾驶行为分析及相关因素研究

对驾驶人员风险驾驶行为的结构进行分析,同时研究影响风险驾驶行为的因素以及驾驶行为和交通事故的关系。用探索性因素分析对驾驶行为问卷进行分析,得到4个因素:一般性违规、攻击性违规、无害性失误和危险性失误。还研究了驾驶经验、人格、驾驶态度、以及驾驶技术与驾驶行为的关系。     

自然驾驶状态下使用手机对驾驶控制行为的影响

研究基于上海市自然驾驶项目,共计提取了296个驾驶人使用手机的行为样本,并基于动态时窗构建了表征驾驶人控制行为的特征指标,针对使用手机的5种操作行为:拨打、接听、通话、挂断和查看信息,分别分析了各操作过程中驾驶人纵向、横向控制活动的强弱情况,执行控制操作的灵敏程度以及车辆控制状态的稳定性.研究表明驾驶过程中使用手机的部分操作会导致驾驶人控制活动有所减弱,控制操作更加迟缓,且大多数分心操作对纵向控制稳定性产生了显著影响.这些发现有助于更好地了解驾驶人使用手机时的自然行为变化,为交通安全管控提供指引.     

浅析驾驶适宜性检测对驾驶培训的重要性

事故统计分析表明,新驾驶员为事故多发群,由此可见我国的驾驶培训工作存在一定缺陷。通过对驾驶培训内容分析,发现驾驶员对驾驶工作还存在适宜性问题。驾驶适宜性检测项目对安全行车非常必要,对提高培训质量和驾驶员队伍素质极其重要。