考虑驾驶员特性的四轮独立驱动电动汽车转向控制研究

四轮独立驱动电动汽车四轮驱动力矩独立可控,在汽车控制方面相对于传统汽车具有显著优势,通过建立驾驶员不同转向特性参考模型和四轮驱动力矩控制进行考虑驾驶员特性的四轮独立驱动电动汽车转向控制研究。基于驾驶模拟器实验,在对驾驶员转向特性进行分类和建立辨识模型的基础上,采用RBF神经网络建立了驾驶员不同转向特性的参考模型,给出了考虑驾驶员转向特性的整车控制原理,应用驾驶模拟器对所研究的控制方法进行了验证。验证结果表明:参考模型输出能够反映不同转向特性驾驶员期望的车辆响应,通过对四轮驱动力矩合理控制实现汽车跟踪驾驶员期望。     

连续驾驶时间影响下的高原驾驶员适宜性模糊聚类评价

为了使高原驾驶员适宜性评价更加客观准确,从驾驶员疲劳角度出发,将影响驾驶员疲劳的主要因素连续驾驶时间作为参照依据,运用模糊理论,对驾驶员视觉特性、速度估计特性、反应特性、处置判断特性4个方面进行综合评价。通过实地行车试验获取20名驾驶员适宜性指标数据,对其中13名驾驶员样本数据进行模糊聚类,建立模糊相似矩阵与等价矩阵,依据聚类样本驾驶员连续驾驶时间长短确定最佳阈值,并将驾驶员适宜性分为4类,最后将已聚类驾驶员样本数据作为识别标准,利用择近原则对其余7名驾驶员进行识别与评价。结果表明：将连续驾驶时间作为参照依据,利用模糊聚类理论对驾驶员适宜性进行评价的方法是可行的。     

连续驾驶时间下高原驾驶员适宜性模糊聚类评价

为了使高原驾驶员适宜性评价更加客观准确,从驾驶员疲劳角度出发,将影响驾驶员疲劳的主要因素连续驾驶时间作为参照依据,运用模糊理论,对驾驶员视觉特性、速度估计特性、反应特性、处置判断特性4个方面进行综合评价。通过实地行车试验获取20名驾驶员适宜性指标数据,对其中13名驾驶员样本数据进行模糊聚类,建立模糊相似矩阵与等价矩阵,依据聚类样本驾驶员连续驾驶时间长短确定最佳阈值,并将驾驶员适宜性分为4类,最后将已聚类驾驶员样本数据作为识别标准,利用择近原则对其余7名驾驶员进行识别与评价。结果表明:将连续驾驶时间作为参照依据,利用模糊聚类理论对驾驶员适宜性进行评价的方法是可行的。     

汽车驾驶模拟器数据采集处理系统设计实现

汽车驾驶模拟器能够模拟汽车运动,使驾驶者获得与真实车辆驾驶的相同感受,驾驶员通过模拟的真实驾驶训练环境和外围设备控制虚拟汽车进行驾驶,并借由显示屏、音响设备、传感器元件获取感官信息反馈。该文主要采用STM32单片机、USB通信协议,设计汽车驾驶模拟器数据采集处理系统,进行汽车硬件设备的操作数据采集和处理,实时获悉外围设备的状态,使驾驶员能够根据虚拟场景实时路况,进行相应的驾驶操作,完成驾驶科目训练和考试。     

驾驶员行为意图及特性辨识研究综述

为了更好地提高汽车的主动安全性,实现个性化驾驶,针对汽车电控系统中的驾驶员行为意图及特性辨识问题,阐述了各种电控系统在汽车上的重要作用和驾驶员行为意图及特性辨识研究对于汽车电控系统开发的重要意义,对驾驶员行为意图及特性辨识的国内外研究进展情况进行了概述,提出了展望:为提高汽车电控系统性能,实现智能化控制,需要对汽车驾驶员行为意图及特性进行辨识研究;如何更为合理地对转向、制动、加速特性等综合特性进行合理分类和在线准确辨识,将是一个长期的研究课题。     

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。     

基于驾驶行为识别的车载交通信息数据实时发布系统

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。     

紧急情况下驾驶员行为特性分析

为了提高汽车安全性,除需要研究车辆稳定性外,对紧急情况下驾驶员的驾驶行为研究也十分重要.通过行驶记录仪对北京市内50辆出租车进行了为期12个月的实车数据采集.驾驶过程中,并不对驾驶员发布指令,采集仪器也不会对驾驶员造成干扰.基于该数据,对紧急情况下的驾驶员行为特性进行分析.按记录的冲突数量将驾驶员分为冲突多发、冲突一般、冲突少发3类,对比分析了驾驶员在追尾冲突中的行为特性.结果表明,在紧急情况下,冲突多发、冲突少发两类驾驶员都存在跟车过近现象,且对危险的感知、反应时间和制动速度不存在显著差异,但多发驾驶员在回避过程中采取强制动较为迟缓,造成减速度偏大,驾驶行为更为激进.     

交通诱导信息组合方式对路径决策的影响

为提高交通诱导信息的诱导效率,系统研究信息结构化对驾驶决策的影响机理,引入云模型构建交通诱导信息评价体系,通过全功能汽车模拟驾驶器仿真实验,设计4种交通诱导信息环境并进行了交通诱导信息环境下的路径选择实验,在此基础上分析不同信息结构组合下的交通诱导信息对驾驶决策的影响特征,提出了交通诱导信息发布策略的优化方案.研究结果表明:数字类信息、语言类信息、图像类信息组合而成的交通诱导信息对驾驶决策影响显著,语言类信息与数字类信息组合发布的交通诱导信息有利于驾驶员认知道路环境,数字类信息与图像类信息组合发布有利于驾驶员进行路径决策.     

驾驶模拟器运动系统对自由驾驶行为的影响分析

通过构建晴、雾天气下自由驾驶两个实验场景,对比分析了8自由度和零自由度驾驶模拟器对自由驾驶加减速行为、期望速度等变量的影响.结果发现,当能见度相同时,驾驶模拟器运动系统自由度对加速行为和期望速度影响不显著,但对减速行为影响显著,特别是对浓雾天气下的减速行为影响显著;当驾驶模拟器运动系统自由度相同时,能见度对驾驶员的加减速行为和期望速度有显著影响.     

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.     

基于迁移学习和AlexNet的驾驶员行为状态识别方法

为了解决传统基于神经网络算法的驾驶员行为状态识别系统精度过于依赖大量训练样本的问题,本文提出将迁移学习理论和AlexNet引入到驾驶员行为状态的识别研究中。首先对驾驶员行为特征及状态进行深入分析,对驾驶员7种驾驶状态进行了定义,构建了驾驶员状态信息采集系统;然后对基于卷积神经网络的驾驶员状态识别方法研究,建立了驾驶员状态数据集,构建了基于AlexNet卷积神经网络的状态监测系统,通过迁移学习完成了卷积神经网络识别模型。最后通过实验验证了本文提出的驾驶员状态识别算法对7种驾驶员状态识别的有效性。实验表明：该系统准确率达到97.8%,且在实验设备中运行速度达到70帧/分钟,满足较高的准确率要求与实时性要求。     

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.      

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。     

表征驾驶风格和驾驶员能力的驾驶员模型

由于驾驶员群体的驾驶方式和驾驶能力的差异,所决策的加速度值与最优值存在不同程度的偏差.本文作者在原有最优预瞄侧向驾驶员模型的基础上发展了多点多目标决策模型,以驾驶员的视野特征和决策意愿表征驾驶风格,并对驾驶员能力建模.Simulink/Carsim联合仿真结果表明,包括4个自由参数模型能够反映出不同驾驶员的驾驶行为,并有望应用于提升无人驾驶车辆乘坐感受的研究.      

应用于HIL系统的驾驶员行为特性建模仿真与控制

驾驶员模拟是搭建人-车-路-环境的整车环境测试系统的关键环节之一,建立正确的、可以反映客观实际的驾驶员模型对于人-车闭环系统的描述与评价起着至关重要的作用。本文针对模拟仿真与测试需求进行驾驶员行为特性建模仿真与控制研究,研究预瞄环节、惯性环节和神经滞后环节以及前馈环节与反馈环节等对不同熟练程度驾驶员行为的影响,并建立PID和模糊自整定PID驾驶员控制模型以适应不同驾驶员操控,通过HIL仿真表明本文建立的驾驶员模型及控制模型能模拟驾驶员在不同熟练程度的真实操纵行为,且具有较好的适应性。     

动态路径诱导交通阻抗优化方法与实现

基于实时交通采集数据,获取合理动态规划最优路径,提出了考虑驾驶员出行行为因素的交通阻抗优化方法.研究了基于实时交通状态因素的动态路网优先等级指数的确定方法,重构了动态路径诱导交通网络模型,大大降低了路网的复杂度;基于多源实时数据,研究了动态路径诱导交通阻抗优化的计算方法,实现了路网的动态路径诱导,并通过GIS平台进行了仿真分析.该方法更符合驾驶员行为习惯,对于改进Dijkstra算法在动态路径诱导中的应用具有操作优势和显著意义.