东风标致307巧解追尾风险

在交通追尾事故中,因为前车急刹车而后车误以为其减速,没有及时采取相应的应对措施而相撞,这样的追尾事故常常发生。还有一种情况也经常看到,发生事故后车子停在道路上没有及时点亮双蹦灯,结果再次被撞。     

一种三级智能预警刹车控制及其显示系统设计

追尾是日常公共交通中最为频繁的事故,为了减少和避免该事故的发生,设计实现了一种新的三级智能预警刹车控制及显示系统,该系统与传统智能刹车系统区别在于制动距离分为3个阶段,每个阶段又根据当前速度采取不同的制动力度,同时,将制动力度信息(无论是正常人为刹车还是智能刹车系统干预刹车)反映在车尾显示系统上;仿真结果表明,该系统既能够有效防止车辆与前车追尾,还能有效预防后车追尾,为行车安全提供了有力的保障,具有重大的应用价值和现实意义。     

汽车纵向防撞报警系统设计与实例分析

为防止汽车与前方物体发生碰撞,使汽车始终在安全车速下行驶,减少事故的发生,设计了一种基于AT89S52原理的汽车纵向防撞报警系统,在出现与车距离小于安全距离等紧急情况时发出警报,提醒驾驶员注意并采取减速或制动措施,从而达到有效预防追尾碰撞事故发生的目的,提高了汽车的主动安全性能.为了检验系统的功能,测试系统的性能,优化设计方案,设计了一种模拟程序来进行系统性能测试.测试结果表明:在输入报警距离与制动距离时,均能实现不同方式的报警.     

车路视觉协同的高速公路防碰撞预警算法

目的 基于视觉的前车防碰撞预警技术是汽车主动安全领域的一个重要研究方向,其中对前车进行快速准确检测并建立稳定可靠的安全距离模型是该技术亟待解决的两个难点。为此,本文提出车路视觉协同的高速公路防碰撞预警算法。方法 将通过图像处理技术检测出来的视频图像中的车道线和自车的行驶速度作为输入,运用安全区实时计算算法构建安全距离模型,在当前车辆前方形成一块预警安全区域。采用深度神经网络YOLOv3（you only look once v3）对前车进行实时检测,得到车辆的位置信息。根据图像中前车的位置和构建的安全距离模型,对可能发生的追尾碰撞事故进行预测。结果 实验结果表明,重新训练的YOLOv3算法车辆检测准确率为98.04%,提出算法与马自达CX-4的FOW（forward obstruction warning）前方碰撞预警系统相比,能够侧向和前向预警,并提前0.8 s发出警报。结论 本文方法与传统的车载超声波、雷达或激光测距的防碰撞预警方法相比,具有较强的适用性和稳定性,预警准确率高,可以帮助提高司机在高速公路上的行车安全性。     

模糊控制方法

通过对高速公路上同向同车道前后两车的行车状况和车辆制动减速过程的分析,建立高速公路不同车速差和行车间距时的高速公路汽车追尾数学模型,为高速公路追尾碰撞预防报警系统的研究提供依据。     

非奇异快速的终端滑模控制方法及其跟车控制应用

最少传感器跟车系统中,跟踪误差收敛缓慢和对前车干扰鲁棒性差是两个主要问题.基于终端滑模(TSM)控制方法,设计一种控制量非奇异且收敛快速的跟车控制律,并实现其实车应用.回顾已有非奇异快速终端滑模控制方法的基本原理;分析最少传感器跟车系统的特点,建立包含车辆和车间纵向动力学特性的两状态模型,设计非奇异快速终端滑模控制律;证明闭环系统到达阶段和滑动阶段的快速收敛特性,以及它对前车加减速干扰的强鲁棒性.仿真分析及实车实验表明,该控制器输出的节气门开度光滑无抖振,本车平稳快速跟随前车行驶,且当前车加速度有界时,闭环系统鲁棒收敛.     

汽车智能化防追尾碰撞系统研究

据相关数据统计，交通事故中汽车追尾事故占比较大。数据显示，高速公路汽车追尾事故比重，在国内交通事故里占33.4%，在美国交通事故里约占24%。由此推断，如果能有效避免汽车追尾交通事故，将会在一定程度上降低交通事故几率。本文主要探讨汽车智能化防追尾碰撞系统，致力于研究出可靠性高、质量好、适应性强的智能化防追尾碰撞系统。     

基于MAS和驾驶员行为的追尾预警模型

针对现有汽车追尾预警系统以车间距离测量作为碰撞发生的唯一决定因素的不足,提出基于MAS和驾驶员行为的追尾预警模型（MRWMB）。采用MAS技术和基于Bayes决策的追尾预警算法,实现追尾碰撞概率的实时计算。仿真结果证明,MRWMB模型在预警的自主性和抗干扰方面比传统的预警系统有明显优势,预警平均性能提高10％左右。     

空域航空器碰撞风险评估的建模仿真研究

空域运行风险评估利用预估碰撞风险概率来保证飞行间隔。为保障空域安全,提出采用缩小垂直间隔(RVSM)Reich模型的椭柱形改进模型,用以对RVSM空域碰撞风险进行建模分析。新算法首先确定评估空域、影响安全性的各参数间的关系和最大可接受的碰撞风险值等用以建立模型,计算出碰撞风险的发生概率;最后采用临界值比对方法得出当前的安全等级系数,以确定出标准。采用结构尺寸较大机型的实测数据进行仿真,并将Event模型算法与新方法进行比较。仿真结果验证了新模型简化算法的同时也提高了评估精度,具备可行性和优越性。     

车辆追尾预警系统设计

为有效预防车辆追尾事故的发生,基于系统动力学理论构建了车辆追尾事故模型,设计了车辆追尾预警系统;该模型充分考虑了驾驶员人体反应时间及信息处理过程的时间延迟,跟驰车辆可以根据引导车辆车速的变化及自身车速的变化计算是否会发生追尾事故,系统将在可能发生追尾事故时给出预警信号;详细给出了模型的构建过程和预警系统的工作原理、结构组成、硬件电路设计,以及软件设计;系统试验运行良好,可靠性高,成本低,具有广阔的应用和推广前景。     

基于面向对象的汽车防撞控制系统的设计

在分析国内外汽车主动防撞控制系统研究的基础上,建立了汽车防撞控制系统模型,该模型包括雷达传感器、车辆模糊控制器和车辆接口并探讨了车辆跟驰最小安全距离控制算法。在遵循驾驶员优先的原则下,根据建立的防撞控制模型,利用面向对象方法对汽车防撞控制系统进行了深入的分析和设计,借助UML建模语言,从需求入手,逐步深入,对模糊控制器的模糊事实类、模糊规则类、模糊结果类进行详细的分析设计,建立了系统的静态视图和动态视图。     

局部车流模糊模型研究

随着车辆智能控制系统（AVCS）的研究开发,基础的局部车流特性研究变得十分迫切,针对车辆跟随传统车流跟驰理论存在许多的不足,文中分析了跟驰模型存在的问题,提出采用模糊模型来建立局部车流跟随模型,并针对以往未能解决的隐性知识问题,提出了采用输入-输出数据对来设计模糊规则,应用权重来解决规则冲突问题并简化规则库。最后通过实例验证了模糊模型较之跟驰模型的优势。     

考虑前车动态效应的高速跟驰交通流研究

为描述交通中存在的“高速跟驰”现象,在NaSch模型的基础上,考虑了前车的运动特性,并结合驾驶员的驾驶行为差异,建立了考虑前车动态效应的高速跟驰交通流模型（DPM）。通过数值模拟得到了高速跟驰规律,当道路车流密度为0.18时,车道上的高速跟驰率为4.93%;同时,通过分析车辆运动的时空特性,模拟出交通流中自由流、同步流以及宽幅运动阻塞现象;还得出了不同驾驶员占比下的速度-流量-密度的关系;并分析了车辆随时间变化的速度及车头间距波动情况,较NaSch模型有更高的交通稳定性。通过NGSIM数据集及国内实测数据验证了DPM模型的有效性和实用性。     

跟驰驾驶行为的滑模控制系统建模

为量化描述跟驰驾驶行为的特质,即个人意志(即稳速驾驶)与环境干扰(即车辆间距、速度差、加速度差)间的动态调和,剖析了跟驰驾驶行为的"运动跟踪(即跟驰车辆对前导车辆速度、加速度轨迹的跟踪)"特性与"刺激-反应"机理,建立了"刺激-反应"行为模式下跟驰驾驶行为的2阶滑模控制系统模型;通过数学分析验证了本模型控制的跟驰车辆运动的Lyapunov渐近稳定性.并通过数值仿真说明了本模型控制的跟驰车队的运动可能具备Lyapunov渐近稳定性.     

Stability analysis of a general nonlinear car-following model

ABSTRACT

In order to study the traffic jams and congestion, this paper investigated the stability of a car-following model on the basis of synchronisation theory of complex network. By using the Lyapunov stability theory and designing the appropriate controller, the car-following model is quickly stabilised and the stability condition of the model is obtained. In addition, the stability of car-following model is studied when the vehicle is subjected to external stochastic disturbance. Finally, the numerical simulation is carried out by using the MATLAB simulation technology, and the results show that the car-following model is rapidly stabilising, and congestion phenomenon is effectively alleviated under the controller designed.     

一种新的一维无格子超车跟车仿真模型

近年来,人们对超车和跟车进行了广泛的研究。但以往方法尚有其不足之处。主要体现在,不能统一处理超车和跟车模型以及不能较好地体现司机的行为特性,另外不能通过简洁的计算同时给出任意时刻车辆在道路的纵向和横向上的位置。为此,作者在其首创的固支梁挠度曲线超车跟车模型基础上,提出了一种新的一维无格子超车跟车模型。它根据前方车辆的情况及道路宽度的变化情况直接确定当前车辆在道路宽度方向上的位置。新模型能同时适用于道路宽度变化和前方车辆速度变化的情形。     

Vehicle collision risk estimation based on RGB-D camera for urban road

Traffic violation is the main cause of traffic accidents. To reduce the incidence of traffic accidents, the common practice at present is to strength the penalties for traffic violation. However, little attention has been paid to issue warning for dangerous driving behaviors, especially for the case where two vehicles have a good chance of collision. In this paper, a framework for collision risk estimation using RGB-D camera is proposed for vehicles running on the urban road, where the depth information is fused with the video information for accurate calculation of the position and speed of the vehicles, two essential parameters for motion trajectory estimation. Considering that the motion trajectory or its differences can be considered as a steady signal, a method based on autoregressive integrated moving average (ARIMA) models is presented to predict vehicle trajectory. Then, the collision risk is estimated based on the predicted trajectory. The experiments are carried out on the data from the real vehicles. The result shows that the accuracy of position and speed estimation can be guaranteed within urban road and the error of trajectory prediction is very minor which is unlikely to have a significant impact on calculating the probability of collision in most situations, so the proposed framework is effective in collision risk estimation.     

考虑时延的智能网联汽车混合交通流稳定性分析

为研究时延对交通流稳定性的影响,构建考虑时延的人工驾驶汽车和智能网联汽车混合交通流稳定性分析模型.首先,分析并确定混合交通流中不同类型跟驰模式的比例关系和时延取值;然后,在此基础上采用不同的跟驰参数和时延值区分车辆的跟驰模式,并由此推导出混合交通流线性稳定条件;最后,以智能驾驶员模型为例,通过设计数值实验分别讨论智能网...     

A model identification scheme for driver-following dynamics in road traffic

The driver-following, or car-following, model is one of the most fundamental driver behavior models that are applied in intelligent transport applications. Its fidelity determines the applicability of microscopic traffic simulators, where the model is often implemented to mimic real traffic. Meanwhile, the behavioral model is fundamental to the development of advanced driving assistance systems (ADAS). This paper develops a dynamic model identification approach based on iterative usage of the extended Kalman Filtering (EKF) algorithm. Among other things, this allows to carry out model identification using a rather general optimization objective on the whole physical states of the following vehicle. In particular, the method is established on the basis of the equivalence between the Kalman filter and the recursive least squares (RLS) method in a specific context of parameter identification. To illustrate the method, two car-following models are studied in numerical experiments using real car-following data. The method has shown advantages in replication and prediction of vehicle dynamics in car-following over the conventional approaches. It has also the potential to be further extended for building tactical driving controllers in intelligent transportation applications.     

考虑后视效应和多前车信息的跟驰模型

网联车跟驰模型的研究可为未来实施大规模的实地测试提供模型参考,已成为交通流及智能交通领域的研究热点.为了更好地研究智能网联车的跟驰特性,在MVD模型的基础上,提出了一种考虑后视效应和多前车信息的跟驰模型(BL-MVDAM),利用线性稳定性分析方法推导出BL-MVDAM模型的交通流稳定性判断依据,并分别分析了模型中各参数对系统稳定性的影响,给出分析结果并进行了数值仿真实验.仿真实验选取在环形道路上给行驶过程中的车队施加轻微扰动,并根据跟驰车对后车的关注程度P和前车数量k设计数值模拟实验,当其他条件一致时,本文模型相比FVD,MVD,OMVC和BLVD模型,BL-MVDAM模型中车队的速度波动率较小,尤其是当P=0.8,k=3 时,车队速度平均波动率最小可以达0.24％,实验分析结果表明,所提出模型在引入后视效应和多前车信息后,具备更优的稳定区域,能较好地吸收扰动且有利于增强车队行驶的稳定性.