自动驾驶自动紧急制动关键场景测试案例提取研究

为提取自动驾驶自动紧急制动(autonomous emergency braking system,AEB)关键场景测试案例,依据不同抽象程度依次重构符合自然驾驶规律的功能场景、逻辑场景、具体场景,进而对AEB系统展开测试并求解其关键场景。从自然驾驶数据集NGSIM筛选出车辆跟随实例构建出功能场景,基于场景要素构建功能场景,提取出该场景的关键字要素,采用高斯混合模型拟合自然驾驶数据,获得具有概率密度分布的逻辑场景,基于Gibbs抽样的蒙特卡洛方法生成具体测试实例,并通过重要性抽样方法生成关键场景。最后对生成到的关键场景聚类加速场景生成,并对其AEB系统在Prescan仿真软件进行测试。结果表明,AEB系统可对生成的关键场景实现避免碰撞。     

基于事故序列的自动驾驶汽车事故场景提取与分析

测试场景构建对于评估自动驾驶汽车(autonomous vehicles, AVs)上路运行风险至关重要。 通过收集 2019—2021 年 加州自动驾驶汽车事故报告,首先,将事故序列描述为初始阶段、触发事件、应对动作和碰撞阶段的组合,并从事故报告中提 取序列构成基础测试场景。 其次,通过序列比对算法衡量序列之间的不相似度。 最后,使用聚类分析方法得到 9 类场景组及 其典型场景。 频率分析表明最具有代表性的事故模式为 AV 停止后被后方直行的车辆接触。 交叉表分析表明场景组与衡量 事故结果和描述道路环境的变量显著相关。 研究方法为 AV 事故场景提取和分类提供新思路,研究结果对了解 AV 事故模式 具有参考价值。     

典型危险事故特征的自动驾驶测试场景构建

针对自动驾驶汽车安全性测试验证中海量测试场景以及高风险测试场景的需要,基于国家车辆事故深度调查体系中的641例事故数据,根据交通环境要素和测试车辆基础信息选取了5个场景要素,通过独热编码和聚类分析方法对车辆交通事故数据进行了分析,同时结合聚类得到的典型车辆碰撞危险场景提出并分析了危险事故特征,构建了15个涉及道路路段类...     

基于在环仿真的自动紧急制动系统测试方法

为了有效验证自动紧急制动系统(AEB)功能准确性、功能完备性、鲁棒性,实现加速测试验证自动紧急制动系统的目的,通过硬件在环(简称"HIL")仿真测试方法研究了自动紧急制动系统工作原理,硬件在环仿真系统组成、台架搭建、测试验证方法,结果表明采用硬件在环仿真测试方法可以缩短自动紧急制动系统产品开发迭代周期,提高测试效率,在...     

基于聚类分析的大学生体质异常数据提取方法

针对大学生体质异常数据提取内存开销大、覆盖率低等问题,提出基于聚类分析的大学生体质异常数据提取方法。通过Relief算法调整数据特征距离,筛选出异常数据的相关特征,采用K-means算法聚类分析异常数据,将单条信息汇集为一类信息,改进K-means算法的K值选取,实现大学生异常数据精准提取。经验证,该方法具有较高的覆盖率,拥有较小的内存开销与时间开销,能够有效降低异常数据提取过程中内存与时间消耗。     

基于自然驾驶数据的匝道行驶典型场景聚类分析

匝道行驶由于存在潜在的车辆间交通冲突,对自动驾驶汽车来说是一项挑战,因此,有必要对匝道的典型场景开展研究,以便应用于自动驾驶汽车的开发和测试。基于自然驾驶数据（naturalistic driving data, NDD）研究了匝道行驶典型场景。首先,通过对车辆在匝道上交互时的3个主要元素进行定义,包括初始状态（initial state, S）、驾驶动作（driving action, A）和交互性能（interaction performance, P）,并以此来描述车辆的交互行为;然后,选取用于表征A和P的变量作为聚类特征,通过基于Calinski-Harabasz（CH）指数的K-means聚类方法获得8种聚类结果,根据聚类结果对各变量进行分析,得到4种典型的交互方式;再后,通过分析表征初始状态的变量,运用置信椭圆提取典型的逻辑场景;最后,基于逻辑场景随机选择两个具体场景对自动驾驶系统（autonomous driving system, ADS）进行测试和评估。结果表明,运用研究获得的匝道行驶典型场景进行测试,可揭示自动驾驶汽车与其他交互车辆间的交互能力,说明基于NDD并运用聚类分析方法生成的匝道行驶典型场景是有效的。     

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.     

面向自动驾驶汽车的三枝路口典型危险场景构建方法

场景构建是自动驾驶汽车测试的重要环节,然而针对路口场景,目前研究多集中于十字路口。为了明确自动驾驶汽车在三枝路口运行时所需考虑的典型要素和危险场景,通过收集我国两个城市近3年的道路交通事故数据,依据自动驾驶汽车特点筛选得到378例碰撞事故案例;基于案例中场景要素分析确定聚类参数,通过聚类分析和卡方检验,并基于事故类型提取典型参数特征,得到10类三枝路口典型危险场景。研究成果可为自动驾驶汽车城市道路交叉口测试场景库的扩充提供依据。     

基于KL散度的密度峰值聚类算法

快速搜索与发现密度峰值聚类(clustering by fast search and find of density peaks, DPC)算法对聚类中心点进行了全新的定义,能够得到更优的聚类结果。但该算法需要手动选取聚类中心,容易出现多选、漏选聚类中心的问题。提出一种自动选取聚类中心的密度峰值聚类算法。将参数积γ引入新算法以扩大聚类中心的选取范围,利用KL散度的差异性度量准则对聚类中心点和非聚类中心点进行清晰划分,以Dkl排序图中的拐点作为分界点实现了对聚类中心的自动选取。在人工以及UCI数据集上的实验表明,新算法能够在自动选取聚类中心的同时,获得更好的聚类效果。     

基于遗传算法的一种自动聚类方法

遗传算法(Genetic Algorithm,简称GA)是一类模拟生物界的进化规律(适者生存,优胜劣汰遗传机制)而形成的一种最适应全局优化概率搜索算法。针对常规动态聚类方法对初始聚类中心的敏感性以及聚类结果与样本输入次序有关等问题,本文提出了一种基于GA的动态聚类方法,并将它应用到数据库的数据分析中。计算结果表明,该方法是一个具有全局最优解的动态聚类方法,其结果明显好于K-均值聚类算法。     

基于工控机的提升机紧急制动数字控制系统

介绍了一种基于工控机的提升机紧急制动数字控制系统,系统已成功地实现了提升机紧急制劝时的恒减速,为有效地提高提升机紧急制动的安全性和可靠性开辟了新的途径。     

基于遗传算法的测试数据自动生成研究

分析了遗传算法在测试数据自动生成中的应用,提出了一种新的数据输出的方法,并通过实验,证明了该方法的优越性。     

矿山事故应急等级响应机制探讨

矿山事故应急救援等级响机制在应急救援系统中占据特殊的位置,它是应急救援系统能否有效展开的关键.基于矿山事故应急救援原则分析,根据矿山事故可能造成的危害程度、事故的性质、井下人员伤亡及企业财产的直接损失等情况,提出将矿山事故应急救援分为特别重大(Ⅰ级响应)、特大(Ⅱ级响应)、重大(Ⅲ级响应)和一般(Ⅳ级响应)四级响应机制.     

基于数据挖掘技术的试卷质量聚类分析系统

教育是一个复杂的系统工程,试卷质量分析是这系统工程中的重要环节。为了全面地分析试卷背后隐藏的内在问题,本文在k平均分区算法和层次凝聚算法的基础上,提出了一种速度更快、聚类质量更好的聚类算法(ICAA算法),并已成功地将该算法应用到试卷质量分析中。     

基于K均值算法的数据聚类和图像分割研究

K均值算法利用K个聚类的均值作为聚类中心,通过对比样本到各聚类中心的距离,将样本划分到距离最近的聚类中,从而实现样本的聚类.分析了K均值算法的基本原理和实现步骤,并将其应用于数据聚类和图像分割,取得了较好的聚类效果.最后,针对K均值算法的不足之处,提出了改进措施,提高了K均值算法的聚类性能.     

基于CarSim交通事故中汽车制动初速度的计算*

基于汽车制动过程分析,结合实际交通事故中制动距离的影响因素,针对交通事故中汽车制动初速度计算方法进行了研究,通过分析传统计算的不足。结合理论知识,采用车辆动力学仿真软件CarSim中的实车仿真模块进行仿真分析,将最大制动加速度持续时间与制动初速度采用Matlab拟合,得到了一种以最大制动加速度持续时间为自变量的计算公式。最后进行实车试验采集制动数据,试验结果表明,该公式在交通事故中计算出的制动初速度,与实际情况基本吻合。     

数据驱动的公路典型风险场景聚类与特征分析

为了明晰公路交通中典型风险场景,提高公路测试场景构建和公路安全分析的针对性和指导性。收集不同区域代表性省份5年约60 000条公路交通事故数据作为数据源,筛选确定关键分类变量,分别针对7类典型公路路段和路口开展典型交通冲突形式聚类分析,共获取16类典型风险场景,然后构建场景风险特征表征参数,针对典型风险场景的风险特征进行对比分析,进而深入分析道路和环境因素对场景事故数量和发生事故严重程度的影响特征。结果表明：路表情况、防护设施类型、交通信号方式、照明条件、天气和能见度等因素都对部分场景的风险度有较大影响,路面状况因素对场景风险度影响不大。     

基于多目标数据挖掘的城市交通仿真算法研究

城市交通仿真是智能交通系统领域内的核心技术之一,其基础在于实时交通数据的采集和分析整理.而城市实时交通数据包括静态信息和动态数据,需要将多源数据进行融合并对数据进行分析和挖掘,提取交通特征.提出了一种基于聚类集成的多目标聚类分析框架.同时在此框架下,提出了一个启发式的聚类算法k-WANMI,进行快速有效的聚类分析.实验结果表明,提出的方法有效的满足多数据源的应用需求,提出的框架和算法能够处理混合数据、处理具有不同权重的属性并且能够进行多目标分析.     

基于集群系统的自动化测试系统的设计与实现

由自动化测试存在的问题,引出了一种基于集群系统的自动化测试模型。文中详细介绍该模型的构成、实现以及优点,该设计思路对于研究自动化测试具有一定参考价值。