列车自动驾驶仿真系统算法及其实施研究

介绍了列车自动驾驶系统(ATO)的算法，该算法兼顾了列车运行的高效性、准时性、节能、停车精度、舒适性等功能。其中，节能算法采用按目标速度运行，最大限度利用惰行的控制方式，定时算法采用调整目标速度的启发式算法的方式。同时对列车正常及晚点运行的情况进行了计算机仿真实现，并与列车的实际运行情况进行了比较。该系统可以为进一步研究列车自动驾驶系统提供了有效的实验手段和方法。     

驾驶员疲劳状态检测方法研究

为解决由于疲劳驾驶导致交通事故的问题,采用视频图像分析技术处理疲劳的相关特征,运用基于训练的 Adaboost 人脸检测算法精确定位司机脸部和眼睛区域,实时采集眼睛二值化区域面积,采用阈值比较法进行眨眼判断,并提取眼皮疲劳参数 AECS( Average Eyelid Closing Speed) 和 PEＲCLOS( Percent Eyelid Closure over the Pupil Time) ,进行综合疲劳状态分析,最终确定是否疲劳驾驶。实验结果显示,人脸和人眼检测的精度都有较大程度提高,设计的软件可实时监测驾驶员疲劳状态,有效防止疲劳驾驶。     

高速公路平曲线标志标线组合设计评价指标

基于驾驶模拟实验数据,结合驾驶员在高速公路平曲线的运行速度特征、转向特征与行驶轨迹特征,选择速度、方向盘转角系数与横向位置数据构建了高速公路平曲线标志标线组合设计的合理性评价指标与有效性评价指标.其中,合理性评价指标包括转向位置的合理性评价与驾驶负荷的合理性评价,采用小波分解的方法对方向盘转角系数进行多层分解,获取驾驶员转向起终点位置与高频能量,通过驾驶员转向起终点与直缓点/缓直点的距离进行转向位置的合理性评价,通过高频能量比进行驾驶员操作负荷的合理性评价.有效性评价包括运行速度控制的有效性与车辆横向位置控制的有效性,通过平均速度、运行速度与车速离散度进行速度控制效果的评价;通过平均换道次数、平均压线行驶距离进行车辆横向位置控制的有效性评价.通过实例应用验证了研究标志标线组合设置的必要性与评价指标的有效性.     

基于颈腰部肌电及脑电信号的疲劳驾驶检测

为了有效判别驾驶员的疲劳状态,结合生物力学分析提取了驾驶过程中的颈腰部肌电信号EMG和头部脑电信号EEG,并分析其特征参数在驾驶过程中的变化规律.结果表明:颈肌样本熵、颈肌复杂度、腰肌样本熵、腰肌复杂度、脑电样本熵、脑电复杂度这6个生理信号的特征参数值都随着驾驶时间的延长而逐渐降低,通过主成分分析可实现特征参数间的合理组合.基于多元回归理论,建立了能够有效预测疲劳驾驶的数学模型.状态验证结果表明,该模型对疲劳状态判别的正确率可达95%以上.     

自动驾驶无需高阶道德算法

引入伦理学中的道德两难思想实验后,自动驾驶应植入何种道德算法引起了不少讨论。区分一阶道德算法与高阶道德算法将发现这些讨论建立在一个有待澄清的前提上。植入道德算法的目的是令自动驾驶成为驾驶专家,因而识别交通法规等一阶道德算法是必要的,关乎安全、效率与舒适;但功利主义等高阶道德算法会反噬驾驶专家,既不必要也不可行,况且“自动驾驶两难”在哲学上的思想深度没有超出“电车两难”。     

在德国考驾照记

正一个可以信赖的驾驶环境在德国的城乡到处都有大量的无信号灯路口,车辆在这些路口的通行完全仰赖与人们对规则的遵守,自觉地按照交规规定的优先等级,依次、有序地通行。我国《道路交通安全法》自2004年5月实施以来已经10年了,作为道路使用者的我们,有没有感觉到更安全呢?答案是否定的,因为据统计,我国的车祸死亡率已经连续10多年居世界第一,我们以世界3%的汽车保有量,制造了全球16%的死亡     

面向历史轨迹的多因素驾驶偏好挖掘算法

提出一种新型基于窗口的数据挖掘算法,以用来挖掘所定义的多因素驾驶偏好.具体地,定义了多因素之间的两两权衡来刻画驾驶偏好;提出了一种用于估算偏好分布的挖掘算法,并根据假设引入了椭圆对挖掘算法进行了优化.结果证明,该方法能够发现本文所定义的多因素驾驶偏好,并且算法有效、快速,具有较好的扩展性.     

考虑车辆间交互作用的驾驶意图预测方法

准确的意图预测可以帮助智能车辆更好地了解周围环境并做出更加安全的决策，从而提高自动驾驶的安全性，促进人机协同驾驶。为了对驾驶员未来的意图做出更加精准的预测，提出了一种交互式意图预测方法。首先，通过将隐马尔可夫模型（HMM）与高斯混合模型（GMM）相结合，在充分考虑周围场景信息后建立了行为识别模型，用于对当前的驾驶行为做出准确的判断。然后，考虑到交通场景复杂多变的特点，提出基于意图的轨迹预测方法规划出一条最佳的行驶轨迹，并采用最大期望效用理论对未来的驾驶行为进行推理。由于行为识别和意图推理模型综合考虑了交通态势的演变过程和车辆之间的交互作用，所以将两个模型得到的结果相结合可得到车辆最终预测出的驾驶意图。最后，在NGSIM数据集对所提出的方法进行验证，结果表明提出的行为识别模型能够提前0.2~0.3 s识别出车辆的换道意图，结合未来意图推理模型，能够更加准确地预测出车辆未来的驾驶行为，由此可提高车辆驾驶的安全性。     

面向智慧驾驶的道路基础设施功能设计

随着单车智能成本提高以及道路环境复杂性加大，智慧驾驶车辆的发展越来越依靠智慧道路基础设施的进步。目前国内外不同的道路工程建设项目对道路基础设施的智慧化均提出了各具特色的设计思路和功能模块，但是相关研究主要集中在单一的道路功能或特定技术上，尚未系统性地给出智慧道路基础设施的设计理论和应用体系。同时，智慧道路基础设施建设要求路旁设备、路面材料和外部感知设备等全方位朝着信息化、数字化和智能化方向发展。本研究在系统综述国内外智慧公路项目典型案例的基础上，提出了未来智慧道路设施的四大关键技术。     

基于ARINC429总线的飞行模拟器DME音频激励方法研究

【目的】使用诸多机载真件的高等级飞行模拟器存在无法通过传统模拟音频方案产生DME导航音频的问题，提出一种适用于ARINC429设备的数字音频解决方案。【方法】通过采集机载DME—4 000设备与RIU之间的数据，解析DME输出到RIU的ARINC429格式数据的传输时序及导航音频的L044数据位组字规则。【结果】以浦东导航台为例，将对应的莫尔斯电码按本研究提出的方法转换成0-1字符串，并以20位为一组分割打包成L044数据字，再按真机时序对其进行传输，最终产生的DME导航音频与真机真实声音要保持一致。【结论】试验证明，本研究提出的基于ARINC429总线法能有效解决某民用客机飞行模拟器在采用RIU、ACP真机设备和真机链路时DME数字音频的激励问题，从而达到预期的仿真效果。