基于模糊多目标决策的驾驶员反应状态辨识

为了使安全车距模型中的预警算法适应驾驶员的个体驾驶特性,提出了一种基于模糊多目标决策的驾驶员反应状态辨识方法。首先,对驾驶员进行离线测试,确定出驾驶员的驾驶倾向力度,进而确定出驾驶员的静态反应时间;然后利用模糊数学方法将影响驾驶员反应状态的因素进行分类,利用综合加权层次分析法对驾驶员反应状态进行综合评估。根据评估结果利用反应时间修正公式对驾驶员的静态反应时间进行修正;最后对没有考虑驾驶员因素、考虑驾驶风格和考虑驾驶员反应状态三种情况下,Berkeley模型所作出的预警距离进行了仿真对比。仿真结果表明,在综合考虑驾驶员反应状态后所确定的安全车距更能满足驾驶员的个体需求,能够在一定程度上提高安全车距模型的准确性。     

基于驾驶倾向性辨识的避撞-报警算法

为了研究适应驾驶员个性需求的避撞-报警算法,将驾驶倾向性作为驾驶员的个性评价指标引入。以实车实验所得驾驶行为数据为基础,提出了一种驾驶倾向性的实时辨识方法。通过驾驶模拟实验,获取了不同驾驶倾向性驾驶员的反应时间和制动减速度数据;并据此提出了一种基于驾驶行为的避撞-报警算法;最后将该算法与典型安全距离算法进行仿真对比。结果表明:本文提出的避撞-报警算法具有较高的可信度,而且体现了各类型驾驶员报警触发时机差异。     

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.     

交叉口驾驶员转向意图辨识研究

基于profit-sharing增强学习算法,提出了自适应性驾驶员意图辨识的方法,对交叉口驾驶员转向意图进行辨识,达到了缩短辨识所需时间和提高驾驶意图辨识准确性的目的。通过驾驶模拟仪采集的交叉口驾驶员操作数据,建立关于油门踏板操作量、制动踏板操作量、车速的驾驶员转向行为模型,运用profit-sharing增强学习方法对转向行为模型进行实时调整,使模型反映驾驶员的个体特征。实验结果表明,所提的方法在交叉路口前3 s对驾驶行为的识别率是96.8%,前5 s的识别率是94.1%。     

基于纵向避撞时间的预警/制动算法

针对汽车纵向避撞系统的要求,提出了一种基于纵向避撞时间的纵向碰撞预警/避撞(FCW/FCA)算法。通过分析纵向避撞时间与驾驶员反应时间之间的关系,建立了前车不同行驶工况条件下的安全车距模型,并在3种不同行驶工况下,与Berkeley模型进行制动/预警距离的对比。研究结果表明:该算法确定的制动距离与Berkeley模型确定的距离相差很小,并且考虑了前车的运行工况;该算法还能够根据前车行驶工况的不同,确定出合理的预警距离。对比分析结果验证了该算法的有效性和可行性,能够提高车辆行驶的安全性。     

基于纵向避撞时间的预警／制动算法

针对汽车纵向避撞系统的要求,提出了一种基于纵向避撞时间的纵向碰撞预警／避撞（FCW／FCA）算法。通过分析纵向避撞时间与驾驶员反应时间之间的关系,建立了前车不同行驶工况条件下的安全车距模型,并在3种不同行驶工况下,与 Berkeley 模型进行制动／预警距离的对比。研究结果表明：该算法确定的制动距离与 Berkeley 模型确定的距离相差很小,并且考虑了前车的运行工况;该算法还能够根据前车行驶工况的不同,确定出合理的预警距离。对比分析结果验证了该算法的有效性和可行性,能够提高车辆行驶的安全性。     

辅助驾驶系统对重型卡车驾驶员长途驾驶中疲劳程度的影响

乘用车领域的过往研究发现,相较于手动驾驶使用辅助驾驶系统的驾驶员会更容易出现疲劳,因此有必要探究辅助驾驶系统对重型卡车驾驶员长途驾驶疲劳程度的影响。基于超过120 h的自然驾驶实验,采用多项生心理指标（如心率、心率变异性等）对比了重型卡车驾驶员手动驾驶车辆时和在辅助驾驶系统帮助下驾驶车辆时的疲劳程度。辅助驾驶情况下驾驶员平均心率、呼吸频率、呼吸深度以及瞳孔直径均高于手动驾驶情况下,辅助驾驶情况下驾驶员连续二次心跳（RR）间隔均方根、低高频比例、眨眼频率、眨眼时长以及眼睑闭合百分比（PERCLOS）均低于手动驾驶情况下。当驾驶员处于手动驾驶情况时,驾驶时间每增加2 h,反应时间会增加0.032 s;当驾驶员处于辅助驾驶情况时,反应时间不随驾驶时间发生显著变化。重型卡车驾驶员在辅助驾驶系统帮助下驾驶车辆时的疲劳程度低于手动驾驶,本研究可以为辅助驾驶系统在重型卡车中的安全应用提供理论支持。     

基于BP神经网络的纵向避撞安全辅助算法

针对复杂人-车-路交通环境下汽车前向防碰撞预警系统(FCWS)在实际工程应用中存在虚警漏警、可接受性差等问题,为提高FCWS对驾驶群体行为差异的适应性,提出了驾驶员行为特性自适应学习的纵向避撞安全辅助算法,建立了基于BP神经网络的闭环驾驶跟驰习惯模型。该网络模型以跟车车距、前车减速度、前车速度、自车速度、环境亮度、路面附着系数、紧急制动次数、本次驾驶时间为输入,采用动量梯度下降自适应学习率方法对网络模型进行训练,进而预测出自车待制动减速度。引入聚类算法思想,对训练样本集进行特征聚类,进一步改善了BP网络的预测性能,设计了激进、谨慎、新手3类典型驾驶群体,通过制动深度、期望碰撞时间倒数、应急反应时间来表征驾驶群体性特征,在稳态跟车过程中对不同驾驶群体的行为特性进行学习,建立起非线性输入输出映射关系知识库,进而预测出相应群体的待制动行为,实现差异化预警,可有效降低虚警或预警不及时现象。仿真结果表明,改进后的BP网络减小了训练过程中陷入局部极小的可能性,提高了网络收敛速度以及预测精度,激进群体与新手群体待制动曲线下降的趋势相对更陡,激进群体跟车距离相对偏近,新手群体采取制动措施时所需相对车距相对偏远,以补偿较长的反应距离,从而验证了该理论模型对不同驾驶群体的适应性。     

基于模糊神经网络的车辆避撞预警算法

为实现车辆的智能控制提供理论基础,研究了碰撞预警算法．在分析不同驾驶员的驾驶行为的基础上,确定碰撞预警算法的报警准则,用于指导报警算法做出合理的报警．基于报警准则采用模糊神经网络方法,提出一种多输入、多输出的协作预警算法模型,用于支持碰撞预警系统．利用实测数据对预警算法进行测试,试验结果表明,算法能够对车辆碰撞进行有效的报警,对提高车辆行驶的安全性具有重要意义．     

工况紧急程度对驾驶员避撞行为的影响

利用同济大学8自由度高仿真驾驶模拟器研究了临撞工况紧急程度对驾驶员避撞行为的影响.通过不同初始车头时距(1.0 s,[1.0 s,1.5 s),[1.5 s,2.5 s])和不同前车减速度(0.30g,0.50g,0.75g)的组合,建立了不同紧急程度的前车减速临撞工况,运用驾驶员感知反应时间、油门释放反应时间、制动转移时间、制动延误、最大刹车踏板压力、最大减速度等指标比较了不同紧急程度下避撞行为的差异.结果表明,①随着工况紧急程度的增加,驾驶员更快地释放油门及达到最大刹车踏板压力,并且施加更大的制动力度;②当初始车头时距为1.5 s左右时,驾驶员感知反应时间约为1.2s,而当初始车头时距增大到2.5 s以上时,感知反应时间变得非常大,甚至达到了3 s;③驾驶员开始释放油门与开始制动间的转移时间不受工况紧急程度影响,保持在0.8 s附近;④在低紧急程度下,驾驶员表现出多阶段刹车行为,使得驾驶员需要更多的时间才能达到最大刹车踏板压力.     

汽车防碰撞预警/碰撞算法研究现状及分析

汽车防碰撞系统是汽车主动安全的关键技术之一,而预警/碰撞(CW/CA)算法又是汽车防碰撞系统的核心.对已有的几种预警/碰撞算法进行了分析,并利用Berkeley模型对比分析了分别考虑驾驶模式和驾驶员驾驶特征情况下预警算法的准确性.结果表明,基于驾驶员驾驶特征的预警模型更能满足实时预警要求、降低虚警率.最后,分析了当前预警/碰撞算法存在的问题.     

基于追尾危险感知模糊推理的交通流运行安全评价

为了有效替代基于事故数据的传统追尾风险评价方法,对微观驾驶员追尾危险感知模糊推理中的跟驰安全距离计算方法,包括影响驾驶员反应时间的天气状况隶属度函数进行了改进.以此为基础,提出可评价整个行车环境安全的道路行车危险总体感知度指标;构建了一个衡量宏观交通流的平均追尾风险评价指标,并通过Aimsun仿真软件得到不同交通条件下的平均追尾风险评价指标值,采用通过模糊聚类方法对该指标进行等级划分,可为道路交通事故预警技术提供支持.     

一种基于AT89S52的车辆防追尾预警系统设计

在汽车防撞模型的基础上分析了汽车的制动过程,并设计了一种基于AT89S52的车辆防追尾预警系统。当检测到前方车辆在行驶中对本车构成危险时,声光预警模块开始工作,及时提示驾驶员采取制动等相应措施避免车辆追尾。实验表明,该系统可以根据实测距离和自车车速,准确地判断出安全制动距离并给出预警界限。     

不同驾驶员反应时间对汽车防撞安全距离的影响研究

驾驶员的反应时间会影响汽车的制动距离,从而影响驾驶员在紧急情况下通过制动来避免碰撞的安全距离。首先通过实验测得不同类型的驾驶员的反应时间,选取具有代表性的四种类型的驾驶员,然后将前车的运动状态分三种情况进行研究,考虑到实车试验的安全性、偶然误差等问题,因此利用MATLAB/Simulink以及Carsim软件建模进行相关分析,通过分析相关曲线发现,不同类型的驾驶员所需要的防撞安全距离存在一定差距,并且后车速度越大防撞安全距离差距就越明显。     

智能汽车仿人转向控制驾驶员模型分析

为使智能汽车的弯道行驶具备人类驾驶员操控特征,基于最优曲率预瞄驾驶员模型与T-S模糊推理算法,提出了一种预瞄点横向和纵向自适应调节的仿人转向控制驾驶员模型.在封闭城市双车道弯道工况下,采集了熟练驾驶员在不同车速行驶下的弯道轨迹数据,分析得出了目标行驶轨迹.基于蚁群算法对预瞄点横向和纵向调节模糊规则进行了优化,在PreScan中构建了连续多曲率弯道仿真场景,并基于驾驶模拟仪所采集到的熟练驾驶员驾驶轨迹,对所提出的驾驶员模型的仿人转向特性进行验证.结果表明:优化后的仿人转向驾驶员模型与熟练驾驶员的行驶轨迹相似程度较好,优于最优曲率预瞄驾驶员模型或预瞄距离自适应的驾驶员模型.     

基于行程时间的驾驶风格贝叶斯决策树动态识别

驾驶风格是驾驶员对实际交通状况的态度和决策偏好,反映了驾驶员在车辆操作和运行期间的行为表现,驾驶员行为风格直接影响汽车安全预警系统的报警准确率.本文从汽车安全预警系统的研究角度出发,以驾驶风格为研究对象,利用GP S实时捕获的行程时间作为特征参数,建立基于贝叶斯决策树的汽车驾驶风格动态辨识模型;通过心理测试、实车实验以...     

电动液压助力制动系统制动意图识别方法

针对驾驶员在紧急状况下存在着因踏板力不足而导致制动距离过长问题,以某电动液压助力制动系统为研究对象,提出了一种基于隐马尔可夫模型的驾驶员制动意图识别方法,根据对驾驶员制动意图的识别来控制助力电机执行正常制动或紧急制动的助力模式.选取助力电机的转角、转速和车速作为制动意图识别参数.以制动强度为界限对识别参数数据集进行划分,训练出正常制动与紧急制动识别模型参数,建立了识别模型库,通过比较各模型库的对数似然估计值,判断出驾驶员的制动意图.仿真结果表明:该模型可准确、实时地识别出驾驶员的制动意图;在驾驶员踏板力一定的情况下,具有制动意图识别控制的助力器具有更好的制动效果,提高了驾驶安全性.     

模糊神经网络在驾驶员疲劳检测中的应用

针对驾驶员疲劳检测算法中数据量大、高速传输、复杂运算的实际需要,以DSP器件TMS320DM642为核心处理器,开发了嵌入式的驾驶员疲劳驾驶状况实时监测系统;为解决因疲劳/瞌睡驾驶而造成的交通事故,针对国内各种疲劳检测方法大都采用单一的疲劳特征进行疲劳识别的现状,运用模糊神经网络方法,将多个疲劳特征参数:眼睛闭合时间占某特定时间的百分率(PERCLOS)、眼皮的平均闭合速度(AECS)、点头频率(NodFreq)、哈欠频率(YawnFreq)结合起来对驾驶员疲劳状况进行识别,准确率达88.7%.试验结果表明,算法对疲劳检测问题有较好的效果,系统的开发对降低因驾驶疲劳引发交通事故发生率的研究具有重要意义.     

基于模糊推理方法的企业预警模型

企业预警系统是一个高度复杂的非线性系统,难以建立精确的数学模型.而模糊推理系统特别适用于无法得到准确数学模型、具有不确定因素、非线性的系统,且易于利用专家知识,具有较好的鲁棒性和适应能力.作者将模糊推理的方法应用于企业预警系统,着重讨论了企业预警指标体系的建立、基于历史数据提取模糊规则、建立适当的模糊规则库,并建立了带有中心平均解模糊器的模糊系统来对企业预警系统进行模拟.     

根据制动印迹推算肇事车速─—对当前所用公式的质疑及改进

在交通事故处理的过程中，经常要推定肇事汽车的肇事车速，以确定肇事车是否超速行驶，是否违章，从而为分析事故成因，鉴定事故责任做好基础工作。推定肇事车速的方法有许多种，最重要且最常用的方法就是根据肇事车的制动印迹来推算。在当前公安交通管理部门的实践中，根据制动印迹来推算肇事车速时所采用的公式是：v0=（其中，V；．即肇事车速，为路面附着系数，g为重力加速度，s表示制动有效距离）笔者认为上述公式欠科学，因为它忽视了制动时驾驶员及制动系的反应时间，而且把制动过程中的压印及拖印混为一谈，从而也就不能准确地推算…