老司机敬告IT精英之二：开车的21条经验

1：堵车或等灯的时候别跟的太近，除非有人想加塞，至少要留出可以一把掰出去的距离，以防前车故障，自己也被夹在中间。这是一个老司机告诉我的，当年他在三环就这样陪着前车呆了半个小时。     

基于PSO-IGA算法的高性能十字阵列的设计与综合

前碰撞预警系统是安全辅助驾驶领域的一项重要部分,通过计算机处理交通环境信息,当检测到潜在危险时,及时提醒并辅助驾驶员。采用计算机视觉方法,通过目标检测和跟踪算法,获取图像中目标车辆的位置和轨迹信息,并利用相机标定,计算当前车辆和前方车辆在世界坐标系中的距离、速度及轨迹等信息,综合该信息,实现前车碰撞时间预警、前车并线预警以及非机动车预警算法。在前车并线过程中,利用轨迹信息实时检测前车并线意图,及时提示驾驶员注意避让前方车辆。实验表明,本文提出的预警算法具有较高的准确性和鲁棒性,特别在高架或高速道路场景下,并线预警算法能检测到前车的并线意图,及时预警。     

一种改进全速度差模型的稳定性分析与仿真

针对传统全速度差（FVD）模型缺乏考虑前车最优速度影响的局限性,提出了一种改进的全速度差（IFVD）模型。在IFVD模型中,除了考虑跟驰车自身的最优速度和前车的速度差外,还进一步分析了多辆前车的最优速度信息对提高交通流稳定性的作用。并利用小振幅扰动法对模型的稳定性进行了分析,推导了模型的临界稳定性条件。最后通过数值模拟方法对FVD和IFVD模型进行了对比研究。研究结果表明,在相同的初始扰动条件下,考虑前车最优速度影响的IFVD模型能更有效地抑制交通流的堵塞,且随着考虑前车数量的增多,自由流稳定的灵敏度系数临界值在减小,稳定区域逐渐增大。     

交通流多预期延迟模型与数值仿真

为了更准确地描述交通流,考虑驾驶员反应延迟时间和前车信息的非均衡使用,建立一种多预期延迟跟驰模型。线性稳定性分析表明,驾驶员反应延迟时间的增加会降低交通流的稳定性,多个前车信息的使用可以提高交通流的稳定性。数值仿真的结果表明,减少司机的反映延迟时间和适当地增加前车信息都能提高交通流的稳定性。为尽可能少地引入输入变量,不均衡地利用前车的车间距和速度差信息是必要的。理论和数值模拟的结果均表明驾驶员反应延迟在交通拥堵的形成过程中起着重要作用。     

智能车视觉导航的道路和前车检测系统

设计了一个基于单目视觉的智能车自适应道路、前车检测系统,主要应用于结构化道路,可以根据输入图像的可见度自动在夜间模式和日间模式间切换。结果表明系统可以在不同可见度下,自动、快速、准确地检测前车。     

车辆超车视觉辅助导航系统研究

为了能够提高行驶速度,保障行车安全,提高行驶环境认知,设计了一个基于单目视觉的车辆自适应道路、前车检测、超车指导系统,其主要应用于双车道结构化道路,而且在晴天与阴天不同天气情况下,车道线以及深色、浅色车辆均可识别,并可跟踪、超越前车。实验结果表明,该系统可以应用于不同环境背景下,该系统已通过了远距离自动、安全、准确地检测,并进行了超越前车的仿真实验。     

考虑后视和多前车信息反馈的车辆跟驰模型

为改进车联网环境下车辆跟驰模型的稳定性,在经典OVCM模型基础上考虑后视效应、多前车速度差和多前车最优速度记忆综合信息对交通流稳定性能的影响,提出一种基于后视和多前车信息反馈的扩展车辆跟驰模型。根据线性稳定性分析法得出模型的中性稳定性判断条件,并进行数值仿真实验与分析。实验结果表明,在扰动初始条件设置一致下,所提模型相比于OV、FVD、OVCM模型,交通流稳定区域增大,速度波动幅度减小,特别是考虑的前车数k、后视敏感系数λi和记忆效应敏感系数γi取值为k=3,λi=［0.2,0.15,0.1］,γi=［0.1,0.08,0.06］时,车辆的平均速度波动率低于0.1%,由此说明,所提模型能有效减少扰动影响,增强交通流的稳态保持。     

车辆追踪运行时滞系统的离散最优控制设计

在车辆追踪运行过程中,后车一般应尽量与前车保持速度一致,同时在该速度下与前车保持合理的车距,否则将影响到车辆安全、高效追踪运行.以前后两车的速度差和间距为状态变量,建立了车辆追踪运行时滞系统的离散模型,并在无限时间最优二次型性能指标的基础上,建立相应的增广系统方程,进而运用最优控制理论研究其反馈控制律和后车策略求解算法,从而得到后车根据前车行为变化所应采取的策略.实例仿真表明,设计方法具有一定的有效性.     

John Bates：为企业安上“前车灯”

现在，CSP可以帮助企业实时运作，而且具有高度响应能力，随时了解企业正在发生的事情，因此CEP对于企业来说有“前车灯”的功能，它可以帮助企业实时看到正在发生的事件。     

基于多前车信息融合的智能网联车辆跟驰模型

为了进一步提高交通流的稳定性,在经典基于驾驶员记忆的最优速度（OVCM）模型的基础上,提出了一种基于多前车最优速度与紧邻加速度（MHOVA）的智能网联车辆跟驰模型。首先,引入k辆前车的最优速度变化量与紧邻前车的加速度改进OVCM模型,并分别以参数γ和ω表示其权重;然后,结合改进模型利用线性稳定性分析获得交通流的临界稳定条件;最后,利用Matlab对车队施加扰动后的速度和车头距等参数进行数值模拟与分析。仿真结果表明：在车队启动和停止过程的仿真中,所提模型比OVCM模型使得车队整体达到稳定状态的时间更短;在环形道路上车队施加扰动的仿真中,所提模型相比于全速度差（FVD）模型、OVCM和多前车最优速度（MHOV）模型,在合理加速度敏感系数ω和前车数k约束下的速度和车头距波动幅度相对较小,尤其当ω为0.3且k为5时车辆速度的向上和向下波动率最小可达0.67%和0.47%,表明改进模型能较好地吸收交通扰动和增强车队行驶稳定性。     

跟车风险的概率估计方法研究

首次将追尾事故发生的过程分为前车减速与前车减速条件下的碰撞两起事件,运用条件概率的思想求出追尾事故发生的概率来表征跟车风险。首先从安全的本质出发提出了跟车风险的表述方法;再从实际道路采集减速度数据,根据实际数据建立密度函数模型。在分析前车减速条件下追尾碰撞条件时,从汽车地面力学理论的角度补充考虑了制动系作用时间、附着系数等影响因素,使模型更接近实际状况,并且将判断的标准由停车距离扩展到了制动全过程的位移。最后,运用视频检测方法提取杭州市道路交通运行数据对估计方法进行了试算。     

自动驾驶在拥堵路段的道路几何信息估计

道路几何信息是自动驾驶系统中重要的信息来源,也是后续路径规划的关键参考信息之一。 该研究针对城市内车道线遮挡及多路径效应导致的全球定位系统失效等问题,提出了一种基于前车信 息的道路几何估计方法。通过对当前车辆、前车以及道路之间关系的建模,获得了系统的运动模型和 观测模型。采用无损卡尔曼滤波框架对观测到的前车相对位置、相对速度、相对角度和本车角速度进 行滤波处理,估计出当前车道的曲率参数。在仿真软件 Car learning to Act(Carla)上的实验结果表明, 相比地图匹配方法,在无法获取车道线目标及精确定位信息的情况下,该方法道路几何精度得到了显 著提升。     

效能是一种竞争力

从奢侈品进化到必备品,TT在重复着电力、汽车产业的道路时,前车之辙或许可鉴     

适用于独立式车辆自动跟踪的力延时柔性虚杆建模

针对传统车辆自动跟踪系统中前车加速和转弯时跟踪误差大的缺点,提出一种具有力延时的改进柔性虚拟杆建模的算法.在原柔性虚杆的基础上增加虚拟力控制部分,使虚拟柔性杆精确地拟合出前车轨迹,并拖动后车沿着虚杆的形状进行精确运动.该作用力会根据虚拟柔性杆的形态和长度的不同而发生改变,并且该虚拟力自产生到发生作用要经历一段延时,通过...     

基于前车与经验数据的车辆到站时间预测模型

公交车辆运行经验数据体现了到站时间的一般性规律,前车数据反映了到站时间的实时性。提出一种基于前车与经验数据的公交车辆到站时间预测模型。在该模型中对站点间路段行驶时间及站点停留时间区分了高峰期和非高峰期,站点间的延时时间考虑了不同方向红灯等待时间的区别以及斑马线的影响。用杭州公交104路公交车的数据对预测模型进行了验证,结果表明,该预测模型具有较高的预测精度,能够较为准确地预测公交车辆到站时间。     

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.     

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。     

用友ERP新政

ERP已经铅华洗净，必须重新审时度势确定自己的产品策略了。前车有鉴，SAP和Sieble的遭遇即是典型的例子：前者不断地扩充自己的产品线，从而获得了规模性发展，而后者惟对CRM情有独钟，因而不得不承受来自新兴力量-如SAP和微软等的冲击，它们开始蚕食Sieble的传统属地。     

基于模糊推理的驾驶员车速决策行为建模与仿真

为了在微观交通仿真中更真实地模拟驾驶员的车速决策行为,在综合自由行驶和跟驰两种驾驶行为的基础上,采用模糊推理技术进行建模研究。选取车头时距、期望速度差、前车速度差作为模糊推理系统输入变量,加速度为系统输出,结合实际中加减速行为的不对称性及不同行驶状态下主要行驶意图的不同,构造模糊规则,建立基于模糊推理的车速决策模型。利用模糊系统的输入输出曲面进行了模型的校核,并在考虑驾驶员反应时间的基础上进行了仿真实验。仿真结果表明,车辆能够根据前车行驶状态和自身期望车速进行适当的速度决策,验证了所建模型的合理性。     

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.