基于结构方程模型的自动驾驶巴士信任度分析

为了探求人们对自动驾驶巴士的信任程度,文章从乘客的角度构建了自动驾驶巴士信任度分析模型.首先以自动驾驶巴士潜在用户为研究对象,并提取相关群体特征,综合利用显变量和潜在变量的相关关系,量化分析各个影响因素之间的关系以及对信任度的影响程度;其次对模型的信度进行了检验并计算了模型适配度和各个变量之间的影响标准化系数;最后根据...     

基于CSAGA-LSSVM算法的坦克驾驶模拟训练数据分类挖掘

利用坦克驾驶模拟器进行训练是提高操作技能的重要方法。针对以往驾驶模拟训练采用统计分析方法难以从复杂训练数据中发现知识和规律的不足,提出CSAGA-LSSVM算法对坦克驾驶模拟训练数据进行分析。首先选择关键点快速生成Shapelets,以减少候选Shapelets数量;其次,根据距离和时间间隔对Shapelets进行组合,增强特征辨识能力;然后,设计自适应遗传算法,动态调整交叉、变异概率,寻找最小二乘支持向量机最优参数解,提高分类结果的准确性;与其他分类方法进行实验对比,验证了CSAGA-LSSVM算法的可行性与有效性。最后,将算法应用于某型坦克驾驶模拟器换挡操作数据的分类挖掘,提取不同训练水平人员的操作特征,促进指导个性化训练。     

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...     

人工智能在车辆智能驾驶中的应用

智能驾驶汽车系统与人工智能相结合,会对汽车的产业结构甚至是上下游结构产生重大影响。由此,本文首先分析人工智能和车辆智能驾驶,然后探讨将人工智能和汽车相结合,特别分析了人工智能对无人驾驶系统的影响及其变革,以此说明人工智能对汽车和出行方式产生的影响。     

山岭区低等级低指标公路路线的使用质量分析

在计算机上建立道路生成模块、车辆模型库、驾驶人模块,形成"路线-驾驶者-车辆"仿真系统,以云南省大关—永善四级公路为对象,以小客车为仿真车辆,针对常见的驾驶员类型来设置驾驶特征参数,进行了跟随路中线行驶的仿真试验,分别分析了路线上的速度特性、操纵负荷特性和驾乘舒适性.试验结果表明:只要注意相邻曲线参数的合理搭配并注意控制直线段长度,同样可以设计出速度均衡的低等级路线;回头曲线的使用和回旋线的省略会使方向盘峰值转速和侧向加速度增长率急剧增加,造成驾驶者操纵紧张以及乘坐不舒适;曲线型设计方法会明显改善山区低等级公路的使用质量,应多尝试使用.     

夜间机车驾驶环境中LCD眩光的分析与评价

眩光对司机室液晶显示设备的认读直接影响到人机交互的有效性和列车的行车安全.针对我国铁路干线机车夜间运行环境,对机车室内照明条件下车载液晶显示器(LCD)的眩光进行了测试,对机车夜间正常运行时车载液晶显示器上的眩光产生机理及其等级进行了综合分析,提出了机车夜间运行时室内光源及光照度布置的参考方案.     

基于汽车系统动力学的虚拟驾驶仿真模型研究

基于汽车系统动力学建立了一种包括发动机模型、传动系模型、离合器模型、制动系模型、汽车行驶速度模型、转向系模型的仿真模型.基于以上模型开发的汽车虚拟驾驶仿真系统可以准确地模拟汽车在起步、加速、转向以及制动等各种行驶工况的状态以及汽车的各种动力学响应.以上模型为汽车虚拟驾驶仿真系统提供了完整的汽车系统动力学模型,同时,该模型也可进一步应用于汽车的数字化设计,检验汽车的动力学性能.     

基于单模态生理信号无监督特征学习的驾驶压力识别

针对基于多模态生理信号分析的驾驶压力识别会影响驾驶员的行车舒适性,且传统的生理特征的提取需要依赖先验知识的问题,构建了基于单模态生理信号无监督特征学习的驾驶压力识别模型.首先采用单模态生理信号,通过构造卷积自编码器进行无监督的特征学习来提取抽象特征;然后将特征依次送入支持向量机、随机森林、K最近邻、梯度提升决策树4种不...     

费希尔道德责任理论视角下自动驾驶汽车使用者道德责任研究

自动驾驶汽车正在被大力发展,在不久的将来,它们将大量地行驶在路上.自动驾驶汽车不同于传统汽车,它对道德责任伦理提出了挑战:自动驾驶汽车一旦引发事故,使用者应为自动驾驶汽车引发的事故承担道德责任吗?费希尔道德责任理论为回答这一难题提供了理论视角.从费希尔道德责任理论看,自动驾驶汽车解除了使用者对汽车的引导性控制,但并没卸...     

基于改进YOLOv5的鱼眼图像目标检测算法

针对自动驾驶场景下车载鱼眼相机采集到的图像存在畸变严重、场景复杂、尺度变化剧烈、小目标多以及传统的目标检测模型的检测精度不高的问题,提出了一种基于YOLOv5s改进的鱼眼图像检测模型YOLOv5s-R.首先,为解决小目标难识别的问题,提出随机裁剪多尺度训练的数据增强方法,该方法优于消融实验所得的最优数据增强方法.其次,为了提高模型的检测精度,在网络头部添加置换注意力机制与轻量化解耦头,增强模型对特征的提取能力与识别能力,并抑制噪声干扰.最后,模型额外增加角度预测项,实现旋转框目标检测.通过构建环形标签并用高斯函数对标签平滑,解决了旋转框角度的周期性问题;又对损失函数进行了优化,提出了RIOU,在CIOU的基础上增加角度惩罚项,提高了回归精度并加快了模型的收敛.实验结果表明,提出的YOLOv5s-R模型在WoodScape数据集上取得良好的检测效果,相比于原始的YOLOv5s模型,mAP@0.5、mAP@0.5∶0.95分别提升了6.8%、5.6%,达到82.6%、49.5%.