一种改进的车辆跟驰动力学模型

针对现有跟驰模型存在的不足,文中提出了一种新的优化速度(期望速度)函数,基于“刺激—反应”模式建立了改进的车辆跟驰动力学模型,并运用李亚普诺夫运动稳定性理论对其进行了稳定性分析.最后运用实测数据对模型进行了参数标定和应用性验证.结果表明:改进模型在模拟交通流的启动加速、近似匀速和减速过程方面与实测数据都具有较高的一致性...     

国际

德研制出预警疲劳驾驶监视仪,能及时发现疲劳驾驶 据英国《每日邮报》报道,德国科学家日前开发出了一种监视仪,能及时发现驾驶员疲劳驾驶迹象并给予预警。由德国弗劳恩霍夫协会数字媒体技术研究所开发的这套设备配备了一套微型摄像头,可对驾驶员的眼球运动情况进行检测,一旦发现驾驶员育任何打盹迹象,就会通过声音、灯光以及震动等方式进行预警。     

融合码盘和激光雷达的里程计与建图

提出了一种用于自动驾驶汽车的低漂移、低延迟的里程计与高精度建图的算法。该方法融合了多种传感器的测量结果，包括车轮编码器、转向盘转角编码器、激光雷达及可选GPS等的测量结果。里程计算法由车轮里程计和激光里程计组成：前者基于车辆运动学模型，高频、实时估计位姿增量，用于点云去畸变和为后者优化位姿提供可用的初值；后者以较低的频率估计车辆的精确位姿变化，以补偿前者累计的误差，其核心是一种基于角度度量的两阶段特征提取方法。建图算法基于因子图，包含激光里程计因子、回环因子和可选GPS因子，通过增量平滑和建图算法优化全局轨迹，在线生成全局地图，其中GPS因子能够自动对齐GPS坐标系和里程计坐标系，逐步融合GPS测量值，解除了算法初始化过程对于GPS的依赖。所提出的方法在自动驾驶汽车平台数据集上进行了评估，并和已开源的部分相关工作进行对比，结果表明它具有更低的漂移率，在本文进行的最大规模的测试中达到了0.53%。相关代码以开源形式供交流参考（https：//github.com/Saki-Chen/W-LOAM）。     

基于图像信息处理的车辆自动驾驶控制方法

在分析驾驶员利用图像信息进行驾驶的一般规律基础上,提出了利用图像信息处理技术实现车辆路迹追踪自动行驶的控制方法和规则,并进行了模拟计算和试验．结果表明,所提出的控制方法和规则用于进行车辆的自动驾驶是可行的．     

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。     

面向自动驾驶的多模态信息融合动态目标识别

研究提出一种面向自动驾驶的多模态信息融合的目标识别方法,旨在解决自动驾驶环境下车辆和行人检测问题。该方法首先对ResNet50网络进行改进,引入基于空间注意力机制和混合空洞卷积,通过选择核卷积替换部分卷积层,使网络能够根据特征尺寸动态调整感受野的大小;然后,卷积层中使用锯齿状混合空洞卷积,捕获多尺度上下文信息,提高网络特征提取能力。改用GIoU损失函数替代YOLOv3中的定位损失函数,GIoU损失函数在实际应用中具有较好操作性;最后,提出了基于数据融合的人车目标分类识别算法,有效提高目标检测的准确率。实验结果表明,该方法与OFTNet、VoxelNet和FasterRCNN网络相比,在mAP指标白天提升幅度最高可达0.05,晚上可达0.09,收敛效果好。