不同车速下驾驶员变换车道前视行为特征规律

为探究不同车速下驾驶员视觉行为规律,进行了驾驶员变换车道实车试验。分别采集城市交通和环城高速公路下的驾驶员眼动信息、车辆状态以及道路环境信息等,从视觉搜索广度、换道前预瞄距离、视线转移概率等多角度综合归纳驾驶员在不同车速下变换车道过程的眼动规律。揭示了驾驶员在复杂的交通环境中的前视行为变化规律,为完善考虑真实驾驶员视觉特征变化的换道辅助驾驶系统提供了理论依据。     

半挂车横摆模拟试验研究

通过比较道路实车试验,利用室内横摆实验台,在不同车速条件下对半挂车横向摆振特性进行试验研究,并对模拟试验结果和实际结果进行对比分析．研究结果表明：模型试验可以较好的表现出半挂车横向摆振特性,从而为研究真实半挂车的操纵稳定性能,提供了一种模拟试验的方法．     

电子束在横向磁场下偏移量的修正

为了衡量电子在横向磁场下的偏移量的实验中所测数据的优劣性,分析了电子在横向磁场下的偏移原理,,通过亥姆霍兹线圈全空间磁场的计算和磁场均匀性范围的分析;修正了电子在匀强磁场中偏移距离与磁感应强度的关系式,得到了电子在磁场中的偏移距离与产生匀强磁场的电流以及磁场大小的偏差率之间的关系以及成立的条件.当亥姆霍兹线圈的半径给定时,电子偏移距离与电流满足非线性关系.亥姆霍兹线圈的半径越大,可获得在较小磁场偏差率下的匀强磁场区域越大.通过修正的表达式可更好的判断数据的优劣,估计实验误差的大小.     

汽车驾驶模拟器车速里程表和发动机转速表模拟系统的研究

介绍了汽车驾驶模拟器中车速里程表和发动机转速表模拟系统的建立过程及方法．在这个系统中,首先利用D／A转换板卡,采用Visual C＋＋ 6．0编程技术将动力学模型中的发动机转速和车速两个数字量进行D／A转换和处理成电压量．然后分别将车速的电压量通过变频器来控制电机的转速。通过电机来驱动车速表;将发动机转速的电压量转换成脉冲来驱动发动机转速表,以此来建立汽车驾驶模拟器车速里程表和发动机转速表模拟系统．     

驾驶员转向行为与生理反应的混合效应模型

选用8个年龄在35～48岁之间的驾驶员,利用动态心电分析仪、Frecord数据采集系统及动态GPS在交通部试验厂完成了紧急状况下驾驶员行为分析试验.通过综合考虑车距障碍物距离、行驶车速、行车时段、个性特征等因素,建立了混合效应模型,对驾驶员转向行为与生理反应间的关系进行了研究,得出基于心率变化量的方向盘转速预测模型,研究结果表明,车距障碍物距离、行驶车速对方向盘转速估计值均具有明显影响.为进一步分析紧急状况下驾驶行为提供了新的方法.     

双车道公路下坡弯道路段货车偏移行为仿真研究

为了研究货车在下坡弯道路段的偏移行为,采用驾驶模拟仿真的方法,采集了货车在不同坡度、不同半径、不同转向条件下的行车轨迹数据,分析了横向偏移的形态及分布规律。结果表明:相同半径、相同坡度、不同转向条件下,货车横向偏移的主方向、累计偏移方向均相反;最大偏移量随着曲线半径的减小而增大;半径和转向一定的条件下,坡度对偏移的均值和波动性影响不明显;最大偏移量服从正态分布。这些结论可作为安全设计的重要参考依据。     

路侧干扰对运行速度的影响

通过行车实验,调查了3条典型双车道共108个路段上的行车速度,得到了单个路侧干扰因素影响时的实验车连续变化速度,分析认为在经过有路侧干扰存在的路段,实验车的初速度与横向间距是影响车速变化的主要因素.采用统计回归方法建立了单个路侧干扰因素对实验车速度的影响模型.在此基础上,通过理论分析,对路侧干扰数量与运行速度之间的关系进行了研究,提出了路侧干扰系数模型,并求出了不同横断面尺寸和路侧干扰数量的路侧干扰系数.     

基于侧倾的运输液态危险化学品的罐式半挂汽车危险状态辨识

针对运输液态危险化学品的罐式半挂汽车列车,建立了用以反映其运动响应特性的整车侧倾数学模型;基于实车参数在ADAMS虚拟环境下建立了整车多体系统动力学模型;通过对移线和转向两种典型工况下整车动力学仿真,系统地分析了变装载条件、变车速条件下车辆发生侧翻的规律,得到了列车侧翻阈值。     

基于紧急变道策略的汽车主动避障安全车距模型

基于最佳路径规划策略,提出了一种结合车辆纵向速度调节控制和车道变换操作的车辆紧急避障方法,建立了紧急车道变换工况下的安全车距模型,分析了不同制动作用调整车速时间对车辆变道行驶轨迹和安全车距的影响。通过对在同车道前方静态障碍物工况进行仿真,验证了所提出的安全车距模型的有效性。     

车辆荷载作用下混凝土箱梁桥桥面板局部振动分析

研究车-桥耦合振动条件下,混凝土箱梁桥桥面板局部振动规律.推导车-桥耦合动力平衡方程,用板单元建立简支箱梁桥有限元模型,采用3维7自由度车辆模型,由路面功率谱密度函数模拟得到等级分别为"理想"、"好"和"差"的路面不平度函数.通过数值模拟计算桥面板不同位置的竖向位移、纵向弯矩和横向弯矩的动力放大系数(DAF).分别对车道位置、路面等级、车速和桥梁阻尼进行了参数分析.结果表明,车辆荷载作用下,桥面板不同位置的局部DAF值、同一位置由不同响应量得到的DAF值之间均存在很大差异,采用统一的DAF来计算车辆对桥面板的冲击作用不甚合理.路面不平度是影响桥面板车致振动最为重要的因素;而车速次之,且很难找到明确的函数关系用于描述车速对箱梁桥面板的局部动力放大系数的影响.     

基于知识的汽车驾驶技能和交通规则学习系统

针对目前汽车驾驶模拟器存在的道路标识、标线及交通法规知识内容体现不足的问题,提出了一种基于知识库的汽车驾驶知识学习系统框架,构建了详细的驾驶知识数据库;建立了简单实用的用户界面,将枯燥的书本知识变得简单生动;同时,将知识库知识与虚拟驾驶模拟器融合,使驾驶知识融入虚拟驾驶全过程。从而在学习驾驶技能的过程中,不仅练习了驾驶操作,还学习了交通法规,实现了真正意义上的驾驶模拟器。     

疲劳驾驶时的车速变化特征

通过驾驶模拟实验研究疲劳驾驶时的车速变化特征.模拟实验场景设计为单调的高速公路环境,有15名被试者参加实验,得到14组有效数据.实验实时采集了车速、加速度、车辆位置坐标及时间信息,采集频率为8Hz,并截取了3个不同线形路段上的数据进行分析.实验结果表明,疲劳驾驶时车速偏高,容易超速,但车速高低没有明显变化规律;车速标准差随疲劳程度上升有显著差异(α=0.05),疲劳时的车速标准差较小;疲劳驾驶时加速度频谱由低频成分为主逐渐转变为高频成分为主,或者加速度幅度和能量值显著减小.     

分布式虚拟现实技术在驾驶模拟器中的应用

将分布式虚拟现实技术应用于汽车驾驶模拟器中,使得多用户可以同时在一个场景中进行驾驶模拟交互,达到更好的训练目的.首先介绍了分布式虚拟现实的相关理论,而后在系统实现过程中使用SOCK-ET技术,采取面向对象的方法,设计通用数据包,简化了网络编程中的各种问题,达到了良好的通信效果.并介绍了分布式汽车驾驶模拟器系统实现的核心技术.     

六自由度运动平台汽车驾驶模拟器临场感研究与开发

搭建了汽车驾驶模拟器运动平台,采用先进的视景仿真软件OpenGVS SDK和MultiGen Creator,并结合面向对象技术设计与开发了汽车驾驶模拟器大规模真实感视景系统,动画频率能达到60帧/s.采用六自由度运动平台为驾驶学员提供了在坡路、颠簸路面等以及车辆加减速、转向、侧滑时的运动临场感.测试结果表明,所建立的汽车驾驶模拟器系统能够满足汽车驾驶培训的要求,并且具有良好的真实沉浸感.     

汽车模拟驾驶模型与仿真的研究

在主动型驾驶模拟训练系统中 ,模拟驾驶舱各个操纵机构存在着多输入、多耦合、非线性的控制作用 ,而驾驶模拟训练要求驾驶动力学模型适于快速实时仿真 .本文使用拟合多项式描述汽车发动机负荷特性 ,提出结构简化的汽车速度和方向控制模型 .对模拟驾驶的仿真结构和学员操作的逻辑判断进行了讨论 ,通过对操纵机构输入的线性化处理 ,得到汽车行驶的仿真模型并选择快速仿真算法实现了所建模型 .实验结果表明 ,本文提出的理论模型和仿真算法是正确可行的     

基于决策树的驾驶差错恢复行为的建模

驾驶行为模型化是道路交通系统分析中一个十分重要的研究领域.通过定量分析驾驶差错状态恢复行为的特性,依据对驾驶差错状态的识别和改正行为的测度,建立了驾驶恢复度模型;结合对驾驶行为的测试数据与主观判断,运用改进的决策树求得了驾驶差错状态的恢复概率.该研究结果有利于对道路交通系统中驾驶行为特征的进一步认识.     

驾驶疲劳声音对策有效性的驾驶模拟

采用驾驶模拟实验,验证了声音刺激作为驾驶疲劳对策的有效性。通过声强、声频、持续时间和持续间隔4个因素合成不同类型的声音刺激源。选择容易出现驾驶疲劳的单调性场景和中午时分进行实验,采用眼动和驾驶员的面部特征作为驾驶疲劳的评价标准,当疲劳现象出现后启动声音刺激,分析不同类型的声音刺激前、后的脑电、心电、眼动等生理指标和驾驶操作水平的变化规律。结果表明:驾驶员在疲劳状态下,对单一声音刺激存在警觉反应,但刺激的效果不能持久,在声音刺激之后仅仅能够维持几分钟。同时发现声音类型对刺激的效果有显著影响。因此,需要进一步分析声音的各个因素对驾驶疲劳指标的影响程度,构建持续警觉的组合声音作为有效的驾驶疲劳对策。     

空间声音建模技术及其在驾驶模拟器中的应用

描述了声音模拟中的关键技术——空间声音定位原理、声音衰减的距离模型、声音的多普勒效应及计算公式.介绍了两个虚拟空间中声音开发工具包——Open AL、DirectSound.根据在驾驶模拟器中的实际运用,给出了应该着重考虑解决的一些问题.驾驶模拟系统中加入声响模拟系统后,使模拟器摆脱了单纯的视觉信息感知,驾驶员对驾驶环境有更充分的了解,并可以及时做出相应的判断和动作,增强驾驶模拟器的培训效果.     

Prediction of Commuter Vehicle Demand Torque Based on Historical Speed Information

The development of vehicle-to-everything and cloud computing has brought new opportunities and challenges to the automobile industry. In this paper, a commuter vehicle demand torque prediction method based on historical vehicle speed information is proposed, which uses machine learning to predict and analyze vehicle demand torque. Firstly, the big data of vehicle driving is collected, and the driving data is cleaned and features extracted based on road information. Then, the vehicle longitudinal driving dynamics model is established. Next, the vehicle simulation simulator is established based on the longitudinal driving dynamics model of the vehicle, and the driving torque of the vehicle is obtained. Finally, the travel is divided into several acceleration-cruise-deceleration road pairs for analysis, and the vehicle demand torque is predicted by BP neural network and Gaussian process regression.