基于DSP和MCU的汽车纵向避撞报警系统设计

以降低交通事故的发生为目标,建立更加准确并适合不同驾驶员驾驶特征的安全车距数学模型,设计基于数字信号处理器(DSP)和单片机(MCU)的双CPU结构的控制模块,给出DSP与MCU通信、电源系统、报警显示等硬件设计及系统主程序流程。对系统进行仿真实验,结果表明该系统性能稳定,运行良好,具有较强的实际应用价值。     

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。     

驾驶员的驾驶品质对纯电动汽车能耗的影响

以济南市实际运行的纯电动物流用车为研究对象,分析了不同司机驾车行驶时能耗差别及影响因素,并对车辆加速度、车速、能量回馈、行驶工况及电机过载等因素对纯电动汽车能耗的影响规律进行了测试分析.通过整车控制器对电机过载转矩进行限制、增加超速模式等措施对能耗敏感的驾驶参数进行了优化.试验结果表明,优化后车辆能耗显著降低,有效减小了驾驶员驾驶特性对车辆能耗的影响,与原车相比能耗降低最高可达34.94%.      

急进与经常出入高原公路驾驶员生理特性变化试验分析

为了解急进与经常出入高原公路驾驶员生理特性变化规律,寻找提高行车安全的途径,利用生物反馈仪对急进与经常出入高原驾驶员进行实地行车试验。在理论的基础上,定量分析两类驾驶员心电、脑电、肌电指标随驾驶时间、海拔的变化规律,并且建立关系模型。分析结果表明:驾驶员心率增长率与脑电指标R会随着驾驶时间的增长、海拔的升高而逐渐增加;驾驶员肌电指标平均功率频率(MPF)会随着驾驶时间的增长、海拔的升高而逐渐减小;急进高原驾驶员的心率增长率与脑电指标R的增长速度要快于本地驾驶员,而肌电指标平均功率频率(MPF)的下降速度要快于本地驾驶员,表明高原本地驾驶员行车过程中的生理素质要优于急进高原驾驶员。     

驾驶模拟器在驾驶行为和心理影响因素研究方面的应用

本文综述了国内外利用驾驶模拟器进行驾驶行为和心理研究的现状。对影响驾驶行为和心理的因素进行分类,归纳了综合表征影响程度的评价指标,并对相关实验样本取样、设备及实验过程的研究进展进行了研究与分析。     

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。     

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。     

基于技术接受模型的生态驾驶诱导辅助系统认知接受度

融合技术接受模型和信息系统成功模型框架,设计了李克特7级量表问卷,探究了不同驾驶场景下驾驶员对生态驾驶诱导辅助系统的使用意愿和对诱导信息的认知偏好。研究表明,驾驶员倾向于接受以语音形式警示非生态驾驶行为的诱导信息类型。在城市道路上,提高诱导辅助系统的感知有用性和感知易用性有助于提高驾驶员对系统的接受度。在城市快速路上,诱导辅助系统的感知有用性和感知易用性仅对高峰场景下的驾驶员使用意愿有显著正向影响,平峰场景下影响驾驶员使用意愿的具体因素仍需在未来诱导实验中深入探究。     

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...     

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.