长大下坡路段货车运行速度特性及预测

为研究长大下坡路段货车运行特征,提高运行速度预测模型的有效性,确保车辆在长大下坡路段安全行驶,收集西南地区某高速公路连续长大下坡路段断面车速数据,对货车速度时空分布特性及车速离散程度进行分析,并通过Q-Q概率图和单样本K-S检验对长大下坡货车速度分布特征进行检验,得到长大下坡路段货车行驶速度分布特性,根据分布特性进行运...     

基于重载车辆性能的高速公路长大纵坡临界坡长确定

针对由山区高速公路纵坡坡度和坡长组合设置不合理,导致长大纵坡路段交通事故频发的问题,通过分析重型车辆上下坡运行速度特性及受力情况,以陕汽生产的F3000重载汽车为例,通过理论推导构建重型车辆公路纵坡爬坡及下坡车速与坡长理论模型,模拟不同比功率重型车辆上、下坡运行速度与坡长的变化关系,并确定高速公路合理的上下坡临界坡长。研究中假设工况为高速公路坡度1%～6%,上坡车辆最高初速度和最低末速分别为80、50 km/h,下坡最低初速度和最高末速度为0、80 km/h。使用MATLAB模拟计算其坡度与车速的变化规律。研究结果表明:上坡过程中,以80 km/h的初速度为例,稳定车速为45～61 km/h;当坡度一定时,比功率越大的车型速度降低的越快,稳定行驶速度越大,达到稳定行驶车速的平衡坡长越长。下坡过程中,当坡度一定时比功率越大的车型,车速增大越多,稳定行驶速度越大,达到稳定行驶车速的平衡坡长就越短。在坡度为1%～3%时,无须设置爬坡车道;当坡度大于3%时,比功率较低的车型,爬坡性能较差,车速下降较快,需要设置爬坡车道。重型车辆在4%、5%、6%的坡度行驶时,设置避险车道的坡长阈值分别为5.5、4、3 km。研究成果可为山区公路线形的合理设计、道路的安全防护以及爬坡车道与避险车道的设置提供理论依据,从而提高山区高速公路重型车辆的行车安全。     

驾驶人转向操纵动态特性的影响因素

针对驾驶人模型建模中驾驶人的感知、决策和操纵3个关键行为,通过对转向盘转角进行傅里叶变换,在频域上分析行驶轨迹和车速对驾驶人转向操纵动态特性的影响。采用Matlab建立了人车闭环仿真模型,分别在低速60km/h和高速100km/h下进行了蛇形试验和双移线试验仿真,并且在湖州的普通公路和高速公路上进行了实车试验,对比了直线行驶与弯道行驶下的驾驶人转向操纵动态特性。研究结果表明:随着速度增加转向盘转动频率增加,频率成分越高,转向修正幅度越大;在相同速度、不同弯道转角时,转向频率分布基本相同,但是随着弯道转角的增加,转向盘转角幅值明显增大;直线行驶工况下,转向盘转角幅值明显降低。综合分析,道路线型和行驶车速对转向盘转角动态特性影响较大。     

夜间长途大客车减速带区段驾驶人操作行为特征

采用实车道路试验方法,设计长距离大型客车上实时采集驾驶人操作行为试验方案,研究客车驾驶人夜间在自由流交通条件下通过单向连续下坡减速带路段的操作行为特征。建立车速、加速度、油门和制动踏板行程及变化率等操作行为指标体系,研究进出减速带段驾驶人操作行为的变化。研究结果表明:在长下坡减速带初始阶段,油门踏板行程指标均小于无减速带阶段,并伴随偶有制动行为;平均车速、制动踏板行程为0分布频数与减速带路段成线性递减关系,减速带能够影响长下坡时驾驶人的操作行为,进而实现对车辆的控速。     

公路长大下坡路段小客车运行速度预测模型

为了提高高等级公路长大下坡路段交通安全设施设置的合理性,给出了长大下坡路段小客车运行速度数据采集方案;利用数理统计原理,分析了高等级公路长大下坡路段小客车运行速度与坡长、坡度的关系,建立了高等级公路长大下坡路段小客车运行速度的一般预测模型,利用长大下坡路段实测数据对该模型进行了验证.预测车速与观测车速对比结果表明:各观测断面的预测车速与实地观测车速数值基本相符,高等级公路长大下坡路段车辆的运行速度主要受平均纵坡和坡长的影响;根据实测数据建立的车速预测模型能够反映高等级公路长大下坡路段小客车运行速度的分布规律.     

纯电动汽车坡道行驶驱动转矩优化控制策略

针对纯电动汽车坡道行驶过程中转矩不足的问题,基于模糊控制算法,提出一种以道路坡度、加速踏板变化率为输入,驱动转矩为输出的优化转矩控制策略.为了有效识别道路真实坡度,采用坡度识别算法进行道路真实坡度的识别.在Matlab/Simulink中建立车辆模型和控制算法模型进行了仿真分析,采用4％的坡道工况对车辆上坡加速性能进行仿真分析,对比了2种控制策略下的车速.结果表明:优化转矩控制策略能够更好地识别和响应驾驶意图;在优化转矩控制策略中,车速为0～50 km·h-1的上坡加速时间为10.65 s,比基准转矩控制策略降低了11.62％,车速为50～80 km·h-1的上坡加速时间为8.60 s,比基准转矩控制策略降低了14.85％;该策略能够有效提高车辆的上坡加速性能和经济性.     

连续长大下坡路段大货车运行速度预测模型

针对既有线形一致性评价方法未考虑连续长大下坡道路特性的问题,利用10个高速公路连续长大下坡路段的95个特征断面运行速度观测数据,分析了大货车运行速度与坡长、平均纵坡和曲率的关系,建立了大货车运行速度与车辆驶离连续长大下坡起点的距离、车辆至连续长大下坡起点的平均纵坡的关系模型,提出了基于大货车运行速度的连续长大下坡路段线形一致性评价方法. 研究结果表明,提出的模型反映了连续长大下坡路段大货车的运行速度特征,可为高速公路连续长大下坡路段路线安全设计和线形一致性分析提供理论支撑.     

基于Trucksim的弯道安全车速模型研究

为提高车辆弯道行驶的安全性,针对汽车弯道行驶中侧滑、侧翻等侧向失稳问题,选用某型商用车为研究对象,考虑车辆悬架的动刚度特性和轮胎的非线性特性等,通过Trucksim软件建立了整车动力学模型,在平直路面上进行了不同弯道半径、不同附着系数与通过车速的交互仿真试验,然后在曲面函数拟合的基础上结合仿真实验数据建立了安全车速与附着系数、弯道半径的数学模型。通过Matlab仿真将本文模型与现有的弯道安全车速计算模型进行对比分析,该模型得到的弯道安全车速值在现有模型的计算值之间,同时在当路面附着系数在上升到某一定值后,通过模型计算出的安全车速值还呈现出车速峰值现象,反映出了通过弯道时的侧翻现象;最后,采用Trucksim软件对转弯半径为250 m、附着系数0.7的弯道仿真,使得出的安全车速值与该模型得到的安全车速值进行对比,本文模型将计算误差从传统计算模型的16%降低到了1.4%,提高了计算精度。该研究为车辆转弯时的侧翻、侧滑评价以及车辆转向行驶的主动安全控制提供了参考。     

大客车行驶安全性仿真与评价模型

为了对大客车道路行驶过程中的侧翻行为进行动力学分析,基于Matlab/Simulink搭建了驾驶人-大客车-道路仿真模型,利用该模型对某二级公路长3.6km路段进行了驾驶人的行驶仿真,采用方向盘转角、侧向偏移距离、侧向加速度、横摆角速度、质心侧偏角、车辆侧倾角、侧向载荷转移率7种动力学指标来评价大客车行驶安全性。研究结果表明:利用侧向载荷转移率对大客车侧翻趋势进行评价更加合理;相比于单纯的平曲线半径较小路段,在多弯道路段,车辆由于需要连续适应道路线形的变化,更易引起车辆侧向运动的不断累积,从而更容易引发道路交通事故;若弯道路段的前、后均为较长直线路段,驾驶人有足够的空间对车辆进行调整,从而在一定程度上降低了事故发生的概率。     

基于自抗扰技术的汽车侧风稳定性研究

随机侧向风影响汽车操纵稳定性,增加驾驶操作难度.针对侧向风干扰,在线性二自由度模型的基础上提出基于自抗扰技术的汽车主动前轮控制器,消除侧向风干扰对汽车行驶的影响.在Matlab软件中建立了人-车-路闭环仿真模型,用以控制Car Sim四轮车辆模型进行双移线道路仿真试验.Car Sim与Simulink联合仿真结果表明:在侧向风干扰下,自抗扰控制器能很好控制车辆模型完成双移线道路仿真试验,且响应的各项性能指标均优于无风情况;同时,控制器对车速适应性好,对模型精度要求不高,鲁棒性强.主动前轮控制器能有效抗侧向风干扰,改善汽车的操纵稳定性和行驶安全性.     

城市环境下无人驾驶车辆驾驶规则获取及决策算法

城市道路多源信息环境下换道行为决策是无人驾驶车辆实现实际道路行驶的关键技术之一.为提取复杂动态环境下驾驶员的换道决策规则,利用PreScan软件搭建虚拟城市道路环境,基于Simulink建立6自由度车辆动力学模型,采用粗糙集提取驾驶员换道行为决策规则.结果表明本车与当前车道车辆的相对速度维持在4~7 m/s、相邻车道空间距离在20~35 m时驾驶员就会进行换道决策.研究结果可以为无人驾驶车辆在线机器学习提供规则知识库,并为进一步深入研究换道行为不确定决策提供理论基础.      

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。     

基于心生理反应的山区高速公路线形安全分析

山区高速公路受地理环境限制呈现地形高差大、线性组合多等特点，其复杂的线形使驾驶人的心生理发生变化，行车风险增大。为提高山区高速公路的行车安全性，选取16名驾驶员在典型山区高速公路纵坡路段、平曲线路段和弯坡路段进行驾驶试验，结合驾驶模拟技术和计算机仿真技术采集心率、速度等参数，探究心率增长率与坡度、平曲线半径、线形组合指标、速度差和交通量之间的关系。结果显示：纵坡路段坡度＞3%时，在下坡速度差大于17.6 km·h-1、上坡速度差大于18.5 km·h-1条件下驾驶员心率增长率均超过舒适阈值，处于紧张状态；平曲线路段平曲线半径>0.65 km时，心率增长率处于舒适阈值范围内，平曲线半径<0.65 km时，心率增长率处于紧张阈值范围内；弯坡路段上坡方向线性组合指标大于6、速度差大于14.8 km·h-1，下坡方向线性组合指标大于4.7、速度差大于16 km·h-1时，驾驶员均处于紧张状态。建立道路线形安全评价模型，并通过实测数据对模型进行验证，为山区高速公路的交通安全建设与管理提供了理论依据。     

基于车辆对道路不满意度的微观换道决策

自动驾驶汽车有着极大的应用潜力且高速公路环境下车辆变换车道是常见的行为。为进一步分析高速公路中自动驾驶汽车的微观换道决策,本文定义道路不满意度来表示车辆对行驶道路的不满意程度并将车辆换道意图的产生按本车是否达到目标车速而分为两类,当本车达到目标车速时为第一类,换道意图产生源于本车与前车间距的减小和本车相对于前车速度的增加。当本车未达到目标车速时为第二类,换道意图产生源于本车与前车间距的减小和本车达到目标车速时相对于前车移动距离的增大。针对不同类换道意图的产生机制,结合模糊推理设计道路不满意度算法。换道决策利用当前行驶车道和邻近车道的道路不满意度大小、安全跟车距离、换道安全距离来综合决定换道意图的发生。最后在MATLAB环境下搭建自动驾驶环境并仿真换道决策模型,结果显示本文相比其它换道决策,本文不仅考虑换道安全而且也考虑了目标车道和本车道的跟车安全,更具有实际意义。同时本文的模糊换道决策能兼顾安全性和智能性且适用于依目标车速定速巡航、为达到目标车速而加减速等多种复杂工况下的换道情况。     

基于驾驶行为需求的长大纵坡界定

考虑到山区高速公路的设计中长大纵坡路段的设计,且现行路线设计规范中没有针对长大纵坡路段给出界定标准的问题.本文从驾驶需求出发,将车辆运行速度作为驾驶行为的宏观表现,对长大纵坡路段驾驶行为特性进行分析.采集20名大货车驾驶员在长大纵坡路段实车试验数据,分析得到驾驶员在长大纵坡路段运行速度与平均纵坡坡度和坡长之间的互动关系,建立了大货车运行速度预测模型.分析得到设计速度为60 km/h的山区高速公路在不同平均纵坡条件下最大坡长.      

音乐环境对驾驶行为危险度影响的预测模型

考虑到车载音乐环境下驾驶行为变化规律在道路交通系统中具有理论和现实意义,以国内外车载音乐对驾驶员心理负荷和驾驶行为影响的研究成果为基础,界定出驾驶行为危险度的定义.同时引入主成分分析法并结合驾驶行为的三个指标,实现对车载音乐环境下驾驶行为危险度的评价.以驾驶员的心率变异性作为输入变量,驾驶行为危险度作为输出变量,构建基于心理负荷的驾驶行为危险度预测模型,并提出不同类型驾驶员收听音乐的建议方案.研究成果可为减少道路交通事故和保障汽车安全运行发挥作用.     

基于驾驶仿真的海底隧道出入口段视觉减速标线有效性

为提高海底隧道出入口段行车安全性，研究海底隧道出入口段不同视觉减速标线方案下驾驶员视觉特征变化规律。本文共设置了6种视觉减速标线方案，对26名驾驶员进行了室内驾驶仿真实验，采集了车速、注视点占比、瞳孔直径和察觉距离等数据，通过分析和处理数据判断视觉减速标线的有效性，分别建立了海底隧道出入口段车速与驾驶员瞳孔直径的回归模型，在海底隧道入口段二者呈非线性关系；出口段二者呈线性关系。采用驾驶员问卷调查法对视觉减速标线有效性进行了验证。结果表明：在海底隧道出入口段共设置的6种视觉减速标线方案均对驾驶员视觉特征有显著影响；与其他标线方案相比，白色鱼刺形减速标线设置下驾驶员瞳孔直径、A区域注视点占比、察觉距离和错觉影响最大，有助于驾驶员主动降低车速、提前采取减速措施，保障行车安全。     

基于驾驶行为识别的车载交通信息数据实时发布系统研究

针对传统车载交通信息数据发布系统存在操控复杂、用户体验效果差、响应时间过程等问题,提出一种基于驾驶行为识别的车载交通信息数据实时发布系统。在车联网环境下,设计车载交通信息数据实时发布系统的硬件部分,其主要包括ARM处理器、GPS接收模块、行车记录信号采集模块、接口模块、存储器、车载网络、报警模块等。通过层次分析法对主因子决策权重进行分析,对驾驶行为特征进行提取,提取结果即为驾驶行为识别结果,根据识别结果和交通安全调查结果得到影响驾驶员行为的关键组成因子,实现对异常汽车运行信息和异常驾驶行为信息进行警报处理。实验结果表明,所研究系统易于操控,并具有良好的人机交互体验,能够减轻驾驶员心理负担,提高驾驶安全性,且响应时延低。     

基于多模态信息联合判断的驾驶员危险行为监测系统

危险驾驶是引发交通事故的主要原因,严重威胁公众的人身和财产安全.车辆在行驶过程中,各种环境因素复杂多变,严重干扰了驾驶员危险行为监测系统的识别精度;现有的驾驶员危险行为监测检测系统主要是通过眨眼和打哈欠的频率来判断驾驶员是否出现危险驾驶行为,忽略了表情、动作以及视线方向等多个重要信息.针对这些问题,提出了一种基于多模态信息联合判断的驾驶员危险行为监测系统,该系统使用分布在驾驶舱3个不同位置的近红外图像作为输入,解决了光照强度变化和视角盲区问题;设计了一种基于多任务学习的深度神经网络,该网络可以同时完成人脸检测、表情识别以及危险动作分类等任务,极大地提升了系统的识别精度,提升了运行效率.实验证明,所提出系统的识别准确率为96.2％,运行速度为81 fps,性能优于目前常用的算法.     

标志信息及驾驶时间影响驾驶员视觉特性分析

为定量分析长时程驾驶条件下，驾驶员视认草原公路直线段上不同信息量交通标志设施时，视觉特性的变化，以信息量化理论为基础，通过开展草原公路重复驾驶实验，分析不同标志信息量和驾驶时间耦合作用下驾驶员视认行为变化规律。结果表明：随着标志信息量的增加，两次重复实验中驾驶员扫视持续时间与注视持续时间都呈波动上升趋势，扫视平均速度都呈波动下降趋势；对于标志中的重复道路信息，驾驶员的视认行为会发生与以上相反的变化趋势；进行多项式拟合，依据拟合结果，进一步利用相关分析方法与独立样本检验，探究驾驶员视觉特性变化规律。