基于自然驾驶数据的分心状态特征分析与跟驰行为建模

基于行为特征对分心跟驰行为进行分类和建模,根据模型标定的方法探究不同状态下跟驰模型的适应性。首先从持续开展3年有余的上海自然驾驶数据中提取了大量分心跟驰样本,基于驾驶行为刺激反应框架对分心状态特征进行了初步分类,得到了5类分心跟驰行为;其次分析了现有4类经典跟驰模型（GHR、GIPPS、IDM和Wiedemann）对分心跟驰行为的适应性,同时根据五折交叉验证适应性结果对分心跟驰行为分类进一步优化,最终得到3类分心跟驰行为（麻木反应、过激反应和延迟反应）;最后探讨了分心状态下的2种跟驰行为建模策略（AIDM和TDIDM）。结果表明,对IDM模型进行合理标定即可较准确地描述不同类型的分心跟驰行为。     

双向双车道公路路段仿真研究中车辆行为设计

结合公路通行能力研究课题,介绍了双向双车道公路通行能力仿真研究中关于车辆行为的技术设计方法,根据车辆行驶状况及关系的设定,确定车辆跟驰方式模型;依据车辆行车间距的选定,利用开发出的仿真程序得到以小轿车为标准车的车辆折算系数,为制定中国的公路通行能力手册提供参数。     

特大覆冰导线气动力特性测试

针对驰振发生时的特大厚度覆冰进行覆冰导线模型的风洞测试,试验结果表明,两种特大厚度冰型的覆冰导线在10－18m/s风速下的气动力曲线相似,双导线试验有尾流影响时的下风导线气动力幅度显著低于单导线的情形,试验冰型兼有扇形和新月形冰型的气动力负阻尼特点,有可能在扇形和新月形两类冰型的气动分析基础上进行一般覆冰导线防驰振技术的研究。     

基于车辆跟驰理论的交通流动力学模型与数值仿真

为改进交通流模拟,提出了微观与宏观统一的交通流动力学模型.从微观的车辆跟驰模型出发,假设路段单元体中的车流为整体,且单元体的运动遵守拉格朗日坐标系下的车辆跟驰运动模型,那么该模型在变换为欧拉坐标后,与流量方程结合,推导出宏观的交通流动力学模型.模型分析和数值仿真表明该模型能够良好地模拟交通流的堵塞和疏导等现象.     

基于TSK的车辆跟驰模型

为解决基于模糊推理的车辆跟驰模型在参数校准方面存在的问题,提出了基于TSK模型的车辆跟驰模型。对TSK模型在现实驾驶行为中的意义进行了分析,解释了子系统的工作点和线性方程的物理意义,为TSK模型在车辆跟驰中的深入应用奠定了基础。采用改进的基于遗传算法的TSK模型辨识方法,对分组中数据点不足的情况作了特别处理,通过GPS采集跑车实验数据,从实测数据构建并验证TSK模型。实验结果和理论分析吻合较好,表明TSK模型用于车辆跟驰模型的可行性。     

考虑驾驶风格的模糊控制跟驰模型

针对传统模糊控制跟驰模型较少考虑驾驶风格的差异,同时缺乏真实数据的有效验证,基于模糊控制理论,模拟驾驶人在跟驰过程中采取的动态驾驶决策过程,考虑不同驾驶风格,在分析自然驾驶数据的基础上,利用实测数据对不同驾驶风格进行分析,获得各驾驶风格的期望车头时距参数,在此基础上,利用前后车距离误差和速度差作为独立变量,并建立了模糊控制规则。数值分析结果表明,该模型与自然驾驶数据拟合较好。     

基于最小安全距离的车辆换道模型研究

通过对车辆换道时车辆的运动轨迹的分析,以最小安全距离MSD(minimum safety distance)作为安全换道的目标,以避免车辆发生碰撞的临界条件为前提,分别建立了双车道环境下换道车辆与其周围车辆之间的最小安全距离换道模型.在车辆换道过程中,对与换道相关联车辆的运动状态进行了详细的分析,给出了换道车辆与关联车辆之间各种可能的碰撞形式,并充分考虑了换道车辆完成换道后的跟驰安全性,既能够较好地保障车辆换道的安全性,又能提高道路的使用效率.最后,借助Matlab仿真软件,以最小安全距离换道模型为理论基础,结合实际例子进行仿真分析,仿真结果表明在车辆换道过程中,最小安全换道距离与换道车辆的加速度、换道时间和换道车辆与周围车辆间的相对速度等有关.     

混合车流下单车道道路通行能力分析

以跟驰理论为基础,通过对由大、小两种车型构成的混合车流不同跟驰序列、不同组合概率的研究,得出了跟驰车头时距单车道路段多车型混合车流通行能力模型。研究表明,单车道路段多车型混合车流通行能力不仅与反应时间、车辆长度、车辆速度、制动性能有关,还与混合车流的车辆组成状况及跟驰序列有关,最后分析了各影响参数之间的关系。     

α-酮戊二酸腙稀土配合物的合成、表征及弛豫性能研究(Ⅱ)──α-酮戊二酸苯甲酰腙Gd配合物的弛豫性能

报道了α-酮戊二酸苯甲酰腙(H₂LPB)配体及它的6 种稀土配合物(La, Pr, Nd, Sm, Gd 和Er) 的合成, 用元素分析热分析红外紫外和核磁共振谱对配合物的组成和结构进行了表征, 通过INVREC.Au 程序用反转恢复法测定了Gd 配合物对质子的弛豫效率, R₁ = 8.05 mmol L^-1 s^-1. 并对Gd 配合物进行了动物急性毒性实验, LD₅₀ = (468.2 ± 30) mg/kg.     

自动驾驶车辆对人工驾驶车辆跟驰行为影响分析

针对自动驾驶车辆（automated vehicle, AV）与人工驾驶车辆（manual vehicle, MV）组成的混行跟驰环境，基于Waymo公开数据集研究混行环境中AV前车对MV后车跟驰行为的影响。首先，探究混行环境中期望安全裕度模型和智能驾驶人模型的建模能力和模型参数变化，研究表明，混行环境中MV跟驰行为的机制没有发生变化，但是MV驾驶人的减速敏感程度更低。其次，从跟驰安全性、稳定性和环境效应3个方面对混行跟驰行为进行进一步分析得到，混行环境中的MV跟驰行为的稳定性和环境效应得到了改善，但是安全性并没有发生变化。最后，通过对前车速度波动性进行讨论发现，AV前车主要是通过降低自身速度波动性，从而抑制MV后车的速度波动性，改善MV后车在稳定性及环境效应方面的表现。