基于交通事故数据的自动紧急制动系统测试场景构建

为了探究面向汽车主动安全技术功能验证的测试场景的科学构建方法,构建符合真实交通状况的高保真测试场景。以自动紧急制动（Autonomous Emergency Braking, AEB）系统为研究对象,以美国高速公路安全管理局事故数据库中筛选出的AEB系统功能适用的6 639起道路交通事故为研究样本,通过机器学习方法实现了由事故数据到测试场景的科学转换。针对传统聚类算法的缺陷,提出了基于层次聚类和K-means聚类相结合的融合聚类算法,并引入聚类曲线以开展事故数据样本的聚类分析。根据聚类获取的12类典型事故场景,构建了面向AEB系统功能验证的14种测试场景。研究表明：相比于传统的K-means聚类算法,融合聚类算法平均减少了8次迭代次数;聚类结果平均减少3%的波动;实现事故数据样本的科学准确聚类且提升数据聚类效率。所提出的测试场景在实现对现有AEB测试场景有效覆盖的同时,为标准测试场景的进一步扩充提供了有力支撑。     

基于Benchmarking技术的汽车侧面碰撞建模与仿真试验

介绍了Benchmarking技术的概念和基本工作流程,并根据某车型所进行的Benchmarking数据,建立了包括车身结构、发动机和底盘系统在内的整车有限元分析模型根据ECE R95法规进行了整车侧面碰撞仿真试验,通过对比仿真试验的结果与实车侧面碰撞试验的结果,验证了模型的有效性。本文的研究方法为Benchmarking技术在汽车碰撞安全分析上的应用提供了参考。