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.     

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。     

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.     

汽车驾驶员注意力分配定量研究

驾驶员的注意力分配对行车安全至关重要。目前基于驾驶员注意力分配的研究大多是基于定性的,本文从定性和定量两个角度,结合实际道路场景,借助眼动仪进行实车试验,记录并统计驾驶员在不同道路环境及驾驶环境(直行路段、掉头路段、人行横道(非路口)路段、超车、起步、靠边停车)下眼动数据,分析其注视点、注视时间及注视区域的特性,并得出在不同道路环境及驾驶环境下注意力的分配模式,揭示驾驶员在驾驶过程中的注意力分配特点。本文研究结果对驾驶员安全驾驶、车辆辅助系统、无人驾驶系统及驾驶员驾驶培训考核标准的改进有着十分重要的意义。     

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.     

基于情感强度的自动驾驶车辆决策机制探究

随着自动驾驶技术的逐渐成熟,传统人工驾驶车辆和自动驾驶车辆之间的混行将成为常态。为使车辆安全高效行驶,自动驾驶车辆的决策机制须与人类决策一致。危险工况下的驾驶决策复杂,紧张恐惧等情感也是驾驶决策不可忽视的因素。以一典型危险场景为例,利用虚拟驾驶实验还原场景,对场景内驾驶决策的影响因素进行分析,建立了包括情感强度等输入指标的改进PSO-LSSVM驾驶决策模型,探究情感强度对驾驶决策的影响。结果表明,在决策模型中加入情感强度指标可提高预测准确率。     

基于得分系数的跟车工况驾驶风格识别研究

采用NGSIM数据库的数据,选用THW和ITTC参数来评价该工况下的碰撞危险等级,提出了可实现快速驾驶风格识别的客观性得分系数SCO的评价方法,以0~1之间的标准数衡量驾驶员在采样时间段内的驾驶激进程度;分析了SCO评价方法决策边界出现误判的情况,基于K-Means聚类算法对SCO的准确性进行了评价.研究结果表明,相比有级分类,SCO评价方法具有更好的容错性和实时性,其结果可达到95.54%的总体准确率或4.46%的边界误判率,将研究所获得的模型参数和评价方法应用于新的数据场景,也可获得94%的总体准确率.基于SCO评价方法可构建实时易用的驾驶风格识别系统,以实现更加符合驾驶要求的个性化协同控制策略.      

不同驾驶倾向驾驶员的酒后驾驶行为研究

为了探究不同驾驶倾向驾驶员的酒后驾驶行为,提高酒后驾驶行为识别模型的准确性,组织60名不同驾驶倾向驾驶员饮酒后进行驾驶模拟实验,获得12个驾驶行为指标的实验数据;采用距离分析和方差分析,对各驾驶倾向驾驶员的酒后驾驶行为数据进行了研究。结果表明：饮酒后,相同驾驶倾向驾驶员在速度标准差等9个驾驶行为指标上有相似性,其中,激进型驾驶员的速度均值的相关比例最高为85%;不同驾驶倾向驾驶员在油门踏板深度均值等7个的驾驶行为指标上差异显著。本研究可为基于驾驶行为的酒驾辨识研究提供理论支持。     

一种城市道路场景下行人危险度评估方法

针对行人在交通场景对车辆驾驶造成的影响和辅助驾驶需要对行人进行避险的问题,提出一种基于车载单目摄像机的行人危险度评估方法.基于中国城市的特色环境,将行车环境划分为三类:普通道路、人行横道和有辅警道路,对每类场景采用不同的评估方法.采用卷积神经网络,检测视频中道路上的行人、辅警、信号灯和人行道等信息;检测行人关键点并使用多目标跟踪方法,生成骨架姿态时间序列,通过LSTM(长短时记忆神经网络)分析姿态序列获得行人行为和趋势;最后综合视频信息、行人信息和场景信息,构建行人危险评估模型,实现行人危险度评估.实验结果表明,提出的模型可以有效地评估行人危险度,辅助驾驶员安全行车,场景分类使危险模型评估结果更符合行人实际危险度.     

多电动机电力拖动系统的动态分析

针对供弹多电动机硬轴联接拖动控制系统，着重分析传动部分含弹性因素系统的动态过程。讨论了弹性、负载扰动因素对系统过渡过程的影响，阐述了硬轴联接系统的弹性、气陈困素会增加系统振荡，并提供了解决此问题的方法。     

高速公路冰雪湿滑路面车辆换道越线时间生存分析

通过同济大学驾驶模拟器采集高速公路冰雪低摩阻路面换道驾驶行为数据,通过生存分析方法对换道越线时间(TLC)分布特征进行研究,定量分析潜在因素对越线时间的影响,并建立越线时间Cox比例风险模型。结果表明,路面摩阻系数每升高0.1或车速每提高1 km·h-1,车辆在该时刻完成越线的风险率分别提高为原来的1.14倍和1.02倍,处于跟驰状态下的车辆完成越线的风险概率提高为原来的1.29倍,越线时间相应缩短;而换道初始位置每远离目标车道1 m,风险率降低为原来的0.23倍,越线时间延长。此外,不同换道方向下的换道越线时间无显著性差异。     

机械传动间隙非线性对自动控制系统影响的分析

非线性问题是自动控制重要课题之一,本文用描述函数的方法,分析了机械传动间隙对自动系统的影响,并提出了要从电气和机械两个方面进行研究,共同解决减少间隙非线性对自动控制系统的影响.     

Discrete wavelet transform-based fault diagnosis for driving system of pipeline detection robot arm

A real-time wavelet multi-resolution analysis （MRA）-based fault detection algorithm is proposed. The first stage detailed MRA signals extracted from the original signals were used as the criteria for fault detection. By measuring sharp variations in the detailed MRA signals, faults in the motor driving system of pipeline detection robot arm could be detected. The fault type was then identified by comparison of the three-phase MRA sharp variations. The effects of the faults were examined. The simulation results show that this algorithm is effective and robust, it is promising for fault detection in a robot＇ s joint driving system. The method is simple, rapid and it can operate in real time.     

道路交通驾驶员差异性分类定量研究

驾驶员个体差异是影响城市道路交通运营、效率及安全的一个重要因素之一。为了实现对驾驶员差异性的影响分析,采用驾驶模拟舱研究平台对驾驶员样本进行归类。研究分别选取了反映驾驶员特征的静态驾驶适性和动态驾驶适性两类,共计15个指标。采用因子分析的方法将相关指标归纳为驾驶员的5个类因子,并通过主成份分析的方法找出每类因子中的主导指标,并以此指标作为聚类分析的输入变量。结果表明聚类分析得到的三类驾驶员具有明显的各自特征。     

河谷盆地型城市扩张的时空与驱动力分析——以兰州市为例

城市建成区扩张是地区城市化水平的重要标志.基于兰州市Landsat系列卫星遥感影像,首先基于提出的多分类器组合土地利用/覆被分类方法,提取建成区范围;其次计算2003—2019年城市扩张速度、扩张强度和城市紧凑度等,分析兰州市建成区扩张的时空特征;最后分析驱动城市扩张的自然条件和社会经济因素.结果表明:①基于分层策略的多分类器组合分类方法对兰州市土地利用/覆被分类效果很好,提取的建成区范围面积与年鉴统计数据也基本一致;②城市建成区面积在16年内持续增加,年增加量6.72 km2,处于快速扩张状态,城市紧凑度较低,扩张合理性差;③由于兰州市"两山夹一川"的自然条件,城市南北方向扩张已趋于饱和,扩张只能沿黄河东西方向;④人口增长和经济的快速发展是兰州市城市扩张的主要驱动力.     

城市土地利用时空结构演变的驱动力研究

以广州市海珠区近¨年来与城市土地利用有关的社会经济统计数据为依据,在GIS分析基础上利用主成分分析方法,分析该区土地利用变化的总体趋势和驱动因子,找出一些具有代表性的、不改变系统基本规律的主要因素进行分析,以达到利用少数变量来分析整个系统目的.分析结果表明:影响该区土地利用的主要因素为经济发展动态因素和社会系统因素.     

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。     

县域耕地结构变化的经济政策驱动因素分析——以鄢陵县为例

以鄢陵县为研究区,利用相关分析和主成分分析方法,分析了研究区耕地变化的驱动机制.研究结果表明,鄢陵县耕地利用变化是由于社会经济、农业政策、科技进步等主要因素共同驱动和影响的结果,反映县域耕地结构在产业的积聚和扩散、政策的引领和推动下,正由传统的以粮食生产为主的单一农田生态系统向结构更加复杂、生产更加集约、产品趋于多样的复合农业生态系统方向变化.