检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

考虑能耗的进出站驾驶风格分类及识别模型

吉林大学学报（工学版） 2023年第7期53卷 2029-2042页

作者：张雅丽付锐袁伟郭应时长安大学汽车学院西安710064

为实现对进出站驾驶风格的分类与识别,基于纯电动公交车自然驾驶过程中的进出站片段数据,选取14个驾驶行为表征指标,利用主成分分析法对指标降维,建立K-means聚类模型将进出站片段聚为3类;以经济性、动力性和舒适性为语义解释的3个维度,... 详细信息

为实现对进出站驾驶风格的分类与识别,基于纯电动公交车自然驾驶过程中的进出站片段数据,选取14个驾驶行为表征指标,利用主成分分析法对指标降维,建立K-means聚类模型将进出站片段聚为3类;以经济性、动力性和舒适性为语义解释的3个维度,对3类群集语义解释为耗能激进型、一般型和节能舒适型;建立三层BP神经网络模型,实现进出站驾驶风格的在线识别。模型验证发现,识别模型各评价指标值均处于0附近,且模型平均识别率为93.52%,可以较好地实现对任意进出站片段的驾驶风格识别。

关键词：交通工程驾驶行为聚类在线识别模型驾驶风格能源经济性

在线全文

学校读者我要写书评

暂无评论

电动汽车插补耦合无线充电技术的研究

重庆交通大学学报（自然科学版） 2021年第6期40卷 130-135页

作者：邓明阳郭应时长安大学汽车学院陕西西安710064 长春工业大学人文信息学院汽车工程学院吉林长春130122

为了解决电动汽车充电桩定点设置对电池续航能力的限制问题,提出了一种基于插补耦合技术的电动汽车无线充电方法。采用插补耦合技术驱动电机精准控制线圈定位,使充电线圈在有效充电距离内充电;充电模块根据电流反馈信号调整充电电流大小... 详细信息

为了解决电动汽车充电桩定点设置对电池续航能力的限制问题,提出了一种基于插补耦合技术的电动汽车无线充电方法。采用插补耦合技术驱动电机精准控制线圈定位,使充电线圈在有效充电距离内充电;充电模块根据电流反馈信号调整充电电流大小,按照浮充→恒流→二阶恒压过程快速充电;根据毕奥-萨伐尔定律计算了线圈半径R和有效充电距离D;用MATLAB仿真验证了R、D的最佳取值。结果表明:基于插补耦合技术的定位控制可确保充电线圈传输最大电能,既解决了定点充电的束缚,又提高了无线充电效率;多阶段快速充电过程消除了电流越变现象和续充对电池寿命的影响;当R=40 cm、D=10 cm时,穿过充电线圈的磁通量最大,为最佳设计方案。

关键词：车辆工程电动汽车无线充电智能控制自动循迹插补耦合技术

基于认知-控制框架的侧风工况下驾驶员横向控制模型研究

在线全文

学校读者我要写书评

暂无评论

汽车工程 2022年第8期44卷 1251-1261页

作者：郭应时胡亚辉付锐王畅长安大学汽车学院西安710064 长安大学汽车运输安全保障技术交通行业重点实验室西安710064

本文中基于神经工效学认知理论融入驾驶员预瞄模型,建立了以认知-控制为框架的驾驶员横向控制模型。模型采用Simulink和TruckSim软件联合仿真的形式验证。采用粒子群优化算法对控制框架中的比例-微分(PD)控制器模块参数进行优化标定。... 详细信息

本文中基于神经工效学认知理论融入驾驶员预瞄模型,建立了以认知-控制为框架的驾驶员横向控制模型。模型采用Simulink和TruckSim软件联合仿真的形式验证。采用粒子群优化算法对控制框架中的比例-微分(PD)控制器模块参数进行优化标定。结果表明,在侧风工况下,基于认知-控制为框架所建立的驾驶员横向控制模型有效(RMSE=0.09),且精度更高,适应度更广。另外,从认知-控制角度改变预览时间tp、增益比例kp和微分参数kd,可表征不同驾驶风格的驾驶员行为。本研究为提高侧风工况下的高级辅助驾驶系统和自动驾驶汽车的安全性和舒适性提供参考思路。

关键词：认知-控制框架驾驶员预瞄模型侧风工况横向控制模型

在线全文

学校读者我要写书评

暂无评论

网联与非网联环境下驾驶人换道意图识别研究

中国公路学报 2023年第9期36卷 257-270页

作者：张洪加郭应时高松刘卓凡山东理工大学交通与车辆工程学院山东淄博255000 长安大学汽车学院陕西西安710064 西安邮电大学现代邮政学院陕西西安710061

网联时代的到来必将改变驾驶人的注意力分配和环境感知能力,进而影响其认知与行为模式。此时,非网联环境中建立的换道意图模型是否继续适用于网联环境值得研究。因此,基于驾驶模拟器搭建了网联与非网联换道场景,对比分析了2种环境下驾... 详细信息

网联时代的到来必将改变驾驶人的注意力分配和环境感知能力,进而影响其认知与行为模式。此时,非网联环境中建立的换道意图模型是否继续适用于网联环境值得研究。因此,基于驾驶模拟器搭建了网联与非网联换道场景,对比分析了2种环境下驾驶人换道意图表征参数与换道意图识别模型。结果发现:网联环境下的换道意图时间窗口长度(6.6 s)比非网联环境(4.1 s)长了约60.98%。网联环境下,意图表征参数(车辆运动与驾驶人操作参数)波动幅度显著小于非网联环境。换道意图阶段,非网联环境下驾驶人的平均扫视速度、后视镜观看频次以及注视时间与网联环境下存在显著差异。模型对比发现,当提前0.5 s识别时,网联与非网联环境下的模型识别精度无明显差异,分别为98.25%和96.35%;当提前2 s识别时,网联环境下的模型识别精度(93.48%)显著高于非网联环境(85.68%);在提前3 s识别时,网联环境下的模型识别精度为92.23%,非网联环境下出现了训练不收敛的情况。综上可见,网联与非网联环境下驾驶人换道意图表征参数与模型识别精度存在较大的差异。此外,网联环境下驾驶人换道意图通过所提模型精确识别后利用网联通信方式发送至宏观交通系统或周围车辆,不仅有助于宏观交通系统对整个交通流的综合调控管理,还有助于周围车辆跟车目标的提前切换以及换道轨迹规划。

关键词：交通工程换道意图识别模型驾驶模拟器网联环境宏观交通系统

在线全文

学校读者我要写书评

暂无评论

载货汽车弯道侧翻路侧预测方法

吉林大学学报(工学版) 2023年

作者：许清津付锐郭应时吴付威长安大学汽车运输安全保障技术交通行业重点实验室长安大学汽车学院

载货汽车重心高的特点极易因操作不当引发侧翻。为了防止载货汽车在弯道发生侧翻，依靠现有路侧测量设备，提出了一种可快速投入使用的车辆弯道侧翻预测系统。首先，利用提出的基于改进KNN (K-nearest neighbors)的车辆重心高度回归预... 详细信息

载货汽车重心高的特点极易因操作不当引发侧翻。为了防止载货汽车在弯道发生侧翻，依靠现有路侧测量设备，提出了一种可快速投入使用的车辆弯道侧翻预测系统。首先，利用提出的基于改进KNN (K-nearest neighbors)的车辆重心高度回归预测模型从而在路侧对运动过程中的车辆实现重心高度估计。根据车辆动力学模型，提出基于横向载荷转移率(lateral load transfer rate，LTR)的车辆侧倾估计模型，结合路侧测得的车速、弯道半径和侧向坡度角，实现侧倾程度路侧估计。最后，针对离线模型自回归积分移动平均(autoregressive integrated moving average，ARIMA)不适用于LTR时间序列预测和难以应用于庞大数据场景的问题，提出在线ARIMA模型对估计得到的LTR时间序列进行在线学习实现车辆侧倾状态预测。Matlab/Simulink与TruckSim联合仿真结果表明，所提出的侧翻预测方法在弯道全程均能准确预测车辆LTR变化趋势和其极限值，从而为路侧预警设施提前根据不同车辆侧倾程度在车辆进入弯前发布针对性预警提供依据。

关键词：交通工程侧翻预测在线ARIMA 路侧感知设备重心高度估计 TruckSim仿真

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

面向前车的驾驶行为感知与意图识别算法研究

中国公路学报 2022年第6期35卷 299-311页

作者：张海伦付锐袁伟郭应时长安大学汽车学院陕西西安710064 代尔夫特理工大学土木工程与地球科学学院南荷兰代尔夫特2628CN 长安大学汽车运输安全保障技术交通行业重点实验室陕西西安710064

感知周围车辆的驾驶行为并识别其意图将成为新一代高级驾驶辅助系统的重要组成部分。针对现有方法只考虑单一驾驶行为且可扩展性和可伸缩性差,提出一种基于稀疏表示理论的驾驶行为感知字典模型(Driving Behavior Perception Dictionary ... 详细信息

感知周围车辆的驾驶行为并识别其意图将成为新一代高级驾驶辅助系统的重要组成部分。针对现有方法只考虑单一驾驶行为且可扩展性和可伸缩性差,提出一种基于稀疏表示理论的驾驶行为感知字典模型(Driving Behavior Perception Dictionary Model,DBPDM)。将车辆行驶状态视为时间序列,设计基于自回归积分移动平均(Autoregressive Integrated Moving Average,ARIMA)结合在线梯度下降(Online Gradient Descent,OGD)优化器的在线预测模型,提出基于驾驶行为预测的意图识别构架(Intention Recognition Framework,IRF)。首先,采用图Lasso方法估计典型驾驶行为的稀疏逆协方差矩阵构建驾驶行为字典库,并采用Logdet散度方法计算各逆协方差矩阵的差异获得行为感知字典模型。然后,基于在线预测模型对目标车辆的行驶轨迹和运动状态进行预测,结合主车车辆的行驶状态作为稀疏表示的观测信号,以获取预测时域内的目标车辆意图。最后,采用NGSIM(Next Generation SIMulation)真实驾驶数据对模型进行开发和测试。研究结果表明:所提出的行为感知模型能对6种典型驾驶行为构建行为字典,在分类准确率上与现有方法相比有明显提升,对换道和转向行为样本的平均识别准确率分别达到99.1%和92.9%;该模型能够在相对早期阶段准确地识别出车辆行为;在线预测算法能较好预测出目标车辆的行驶轨迹和运动状态,从而间接地反映出其在预测时域内的驾驶意图;IRF可在换道和转向行为开始前的1.5 s较为准确地识别出目标车辆的意图,平均识别准确率超过80%。

关键词：汽车工程意图识别稀疏表示行为感知在线预测换道

在线全文

学校读者我要写书评

暂无评论

换道操作对智能车辆乘客舒适性的影响研究

中国公路学报 2022年第5期35卷 221-230页

作者：郭应时苏彦奇付锐袁伟长安大学汽车学院陕西西安710064 长安大学汽车运输安全保障技术交通行业重点实验室陕西西安710064

乘坐舒适性是决定乘客对智能车辆接受度的重要因素之一。为了提升智能车辆的舒适性,服务智能驾驶控制算法的设计和优化,开展了基于乘客主观感知的实车乘坐舒适性试验,试验中驾驶人驾驶传统车辆执行多次换道操作,获取了60名被试乘客对换... 详细信息

乘坐舒适性是决定乘客对智能车辆接受度的重要因素之一。为了提升智能车辆的舒适性,服务智能驾驶控制算法的设计和优化,开展了基于乘客主观感知的实车乘坐舒适性试验,试验中驾驶人驾驶传统车辆执行多次换道操作,获取了60名被试乘客对换道操作的舒适性评价数据,并采集了车辆的运动数据。选取换道时横向最大加速度、回正时横向最大加速度、横向最大加加速度、横向加速度转换幅值以及横向加速度转换频率这5个车辆运动参数作为研究对象。采用二元Logistic回归单因素分析法分析了这5个车辆运动参数对乘坐舒适性的影响,采用接收者操作特征(ROC)曲线分析法为不同晕车易感性的乘客分别确立了这5个车辆运动参数的舒适性阈值,并根据岭回归分析法确定了不同参数对乘坐舒适性的影响权重。结果表明:所选取的5个车辆运动参数对乘坐舒适性具有显著影响,易晕乘客的舒适性阈值小于不易晕乘客的舒适性阈值,在换道过程中,换道时横向最大加速度、回正时横向最大加速度和横向加速度转换幅值是影响乘坐舒适性的主要因素。最后根据车辆运动参数和乘客生理特征参数建立了基于动态时间归整(DTW)和K最近邻(KNN)算法的乘坐舒适性预测模型,该模型对乘坐舒适性的预测准确率为84%,可用于智能车辆控制算法的舒适性判断。

关键词：汽车工程舒适性阈值实车试验换道行为预测模型乘坐舒适性智能驾驶控制

在线全文

学校读者我要写书评

暂无评论

换道操作对乘客舒适性的影响研究

中国公路学报 2021年

作者：郭应时苏彦奇付锐袁伟长安大学汽车学院长安大学汽车运输安全保障技术交通行业重点实验室

乘坐舒适性是决定乘客对智能车辆接受度的重要因素之一。为了提升智能车辆的舒适性，帮助智能驾驶控制算法的设计和优化，本文开展了基于乘客主观感知的实车乘坐舒适性试验，试验中驾驶员驾驶传统车辆执行多次换道操作，获取了60名被试... 详细信息

乘坐舒适性是决定乘客对智能车辆接受度的重要因素之一。为了提升智能车辆的舒适性，帮助智能驾驶控制算法的设计和优化，本文开展了基于乘客主观感知的实车乘坐舒适性试验，试验中驾驶员驾驶传统车辆执行多次换道操作，获取了60名被试乘客对换道操作的舒适性评价数据，并采集了车辆的运动数据。本文选取了换道时横向最大加速度、回正时横向最大加速度、横向最大加加速度、横向加速度转换幅值以及横向加速度转换频率5个车辆运动参数作为研究对象。采用二元Logistic回归单因素分析法分析了这5个车辆运动参数对乘坐舒适性的影响，采用受试者工作特征（ROC）曲线分析法为不同晕车易感性的乘客分别确立了这5个车辆运动参数的舒适性阈值，并根据岭回归分析法确定了不同参数对乘坐舒适性的影响权重。结果表明：所选取的5个车辆运动参数对乘坐舒适性具有显著影响，易晕乘客的舒适性阈值小于不易晕乘客的舒适性阈值，在换道过程中换道时横向最大加速度、回正时横向最大加速度和横向加速度转换幅值是影响乘坐舒适性的主要因素。最后根据车辆运动参数和乘客生理特征参数建立了基于动态时间归整（DTW）和K最近邻(KNN)算法的乘坐舒适性预测模型，该模型对乘坐舒适性的预测准确率为84%，可用于智能车辆控制算法的舒适性判断。

关键词：汽车工程舒适性阈值实车试验换道行为预测模型

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

智能网联车辆加速车道类人化汇入控制研究

中国公路学报 2023年

作者：谷梦路葛振振王畅苏彦奇郭应时长安大学汽车学院长安大学汽车运输安全保障技术交通行业重点实验室

为研究智能网联车辆(Intelligent Connected Vehicle， ICV)与高速公路主线传统人工驾驶车辆(Human-driven Vehicle， HDV)交互时通过高速公路加速车道的汇入控制算法，提出了一种融合随机森林(Random Forest， RF)算法和深度Q网络(Deep... 详细信息

为研究智能网联车辆(Intelligent Connected Vehicle， ICV)与高速公路主线传统人工驾驶车辆(Human-driven Vehicle， HDV)交互时通过高速公路加速车道的汇入控制算法，提出了一种融合随机森林(Random Forest， RF)算法和深度Q网络(Deep Q-network， DQN)算法的ICV汇入控制模型(DQN-RF)。首先，建立路侧数据采集平台，采集了中国G70高速公路加速车道汇入区域HDV的真实汇入过程数据。其次，考虑汇入环境车辆历史数据流和汇入车在加速车道的汇入紧迫度，建立了基于RF算法的类人化汇入决策模型。采用城市交通仿真(Simulation of Urban Mobility，SUMO)平台搭建了高速公路加速车道ICV汇入场景，并基于Python语言建立了ICV汇入控制深度强化学习测试脚本环境，建立了基于DQN的纵向加速度控制算法。最后，将RF汇入决策模型嵌入DQN纵向加速度控制算法中，实现了ICV汇入决策和纵向加速度控制的融合。将SUMO内置的LC2013换道模型与DQN模型融合为DQN-LC2013模型，作为基线模型与DQN-RF模型进行对比。研究结果表明：考虑类人化汇入决策的DQN-RF模型相较于未考虑类人化汇入决策的DQN-LC2013模型获得了更高的奖励值，当加速度动作取值空间为[–1， 2] m·s-2时，DQN-RF和DQN-L2013控制下的ICV通过汇入控制区域的平均加速度分别为0.55和0.09 m·s-2，通过汇入控制区域的速度分别为21.4和19.7 m·s-1，DQN-RF模型控制下ICV无停车等待现象，DQN-LC2013控制下ICV在100次汇入过程中出现了7次停车等待。提出的DQN-RF汇入控制模型可以实现类人化的驾驶决策，提高ICV通过汇入控制区域的效率和汇入成功率，可用于ICV通过高速公路加速车道汇入区域的汇入决策和纵向加速度控制。

关键词：交通工程汇入控制模型 DQN-RF 智能网联汇入车辆加速车道 SUMO仿真