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

视觉分心程度对跟车运动状态的影响

中国安全科学学报 2022年第1期32卷 58-64页

作者：刘卓凡周星池刘通吴付威西安邮电大学现代邮政学院陕西西安710061 重庆交通大学交通运输学院重庆400074 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

为明确驾驶人在不同复杂度的交通环境下视觉分心程度对跟车运动状态的影响,在驾驶模拟器上搭建城市、乡村和高速道路3种交通环境,利用视线遮挡方法,设置0、1和2 s等3种固定时长,量化被试视觉分心程度;对26位被试进行模拟器驾驶试验,采... 详细信息

为明确驾驶人在不同复杂度的交通环境下视觉分心程度对跟车运动状态的影响,在驾驶模拟器上搭建城市、乡村和高速道路3种交通环境,利用视线遮挡方法,设置0、1和2 s等3种固定时长,量化被试视觉分心程度;对26位被试进行模拟器驾驶试验,采集车辆速度、纵向加速度和车辆位置等参数;采用重复测量一般线性模型,分析视觉分心程度对上述参数的影响。结果表明:跟车距离和车道偏移距离在城市、乡村和高速道路上依次增加;在高速道路上,跟车距离、车头时距和车道偏移距离随视觉分心程度的增加而增大;而在城市和乡村道路上,视觉分心1 s并不会对车辆运动状态产生显著性影响,仅当视觉分心2 s时,才会导致车道偏离距离、跟车距离和车头时距显著增加,降低车辆运动的平稳性;驾驶人则通过降低车速和频繁加减速等补偿方式,保证车辆运行的安全性。

关键词：视觉分心程度车辆运动状态跟车距离交通环境复杂度视线遮挡驾驶模拟器

基于深度学习的微观异常驾驶行为识别算法研究

在线全文

学校读者我要写书评

暂无评论

基于深度学习的微观异常驾驶行为识别算法研究

作者：张子煜东南大学

学位级别：硕士

伴随着数据采集技术和计算资源的不断发展,实时采集车辆运动状态已经得以实现,利用车辆运动状态进行驾驶行为分析已经成为驾驶行为研究的重要方向。然而,从车辆运动参数反推驾驶行为的过程十分复杂,简单的模型很难动态自适应地实现微观... 详细信息

伴随着数据采集技术和计算资源的不断发展,实时采集车辆运动状态已经得以实现,利用车辆运动状态进行驾驶行为分析已经成为驾驶行为研究的重要方向。然而,从车辆运动参数反推驾驶行为的过程十分复杂,简单的模型很难动态自适应地实现微观异常驾驶行为的识别,分析和挖掘车辆运动中隐含的驾驶人行为模式需要更具解析能力的模型。本文主要关注微观驾驶行为研究中的异常驾驶行为识别问题。由于微观驾驶行为相较于宏观的驾驶风格而言具备明确的物理特征,本文从特征提取出发,研究了用于异常事件识别的时间序列数据建模算法,讨论了驾驶行为识别框架、驾驶行为识别模型、驾驶行为场景迁移三个用于异常驾驶行为数据建模的组件,并将深度学习和迁移学习应用于微观驾驶行为研究。主要成果如下:首先,在分析国内外研究现状的基础上,基于实车驾驶实验车辆运动状态数据分析驾驶行为。根据车辆运动参数时间序列的特点,根据正常驾驶状态下车辆运动状态保持基本稳定的思想提出了基于残差的异常驾驶行为识别技术,提出了无需按时间窗口进行分割的训练数据提取方案。其次,应用深度学习技术,结合不同结构的神经网络各自特点,构建CNN-LSTM级联模型用于微观异常驾驶行为识别,针对正常、激进、疲劳三种异常驾驶风格分别训练微观异常驾驶行为识别模型。结果表明,当训练样本足够大时,所有模型的精准率与召回率均能够超过75%。最后,在级联模型的基础上,测试了迁移学习在微观驾驶行为识别领域的效果。选取相似但不同的数据集作为源域和目标域,实现微观异常驾驶行为识别模型迁移。评估并分析了迁移学习在不同目标域规模和类型下的效果。结果表明,迁移学习有助于提升较小目标域的识别效果,而当目标域达到源域规模的二分之一时,模型迁移基本无提升。综上,本文完整探讨了车辆运动状态时间序列数据用于微观驾驶行为识别研究的过程,结合深度学习、迁移学习建立了适用于分析驾驶行为数据的工具体系,解决了时间窗口容易对序列建模结果造成影响的问题,构建了用于驾驶行为识别的深度神经网络模型,并最终实现了驾驶行为模型在不同场景下的知识迁移。

关键词：驾驶行为车辆运动状态异常检测深度学习 CNN-LSTM级联模型迁移学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

车载GPS实时信号采集与处理系统的研究

车载GPS实时信号采集与处理系统的研究

作者：郝东亚广西科技大学

学位级别：硕士

针对车辆主动安全控制关键参数估算的需要，车载GPS实时信号采集与处理系统研究了一种利用车载GPS接收到的实时信息来确定载体车辆实时运动状态参数的基本原理，并在基于GPS信号处理技术基础上提出了一种测量车辆运动状态的方法，以实... 详细信息

针对车辆主动安全控制关键参数估算的需要，车载GPS实时信号采集与处理系统研究了一种利用车载GPS接收到的实时信息来确定载体车辆实时运动状态参数的基本原理，并在基于GPS信号处理技术基础上提出了一种测量车辆运动状态的方法，以实现对车辆运动状态的实时监测。车载GPS实时信号采集与处理系统的主要研究工作包括车载GPS实时信号采集与处理系统的硬件构建、GPS接收机实时信号的采集与处理软件系统的设计，并对所设计的系统进行了测试实验和结果分析。车载GPS实时信号采集与处理系统的主要组成部分及其工作原理进行分析，并重点讨论了车辆发动机振动、道路路面不平对车载GPS信号采集系统的影响及降低这些干扰影响的一些方法。同时讨论了本课题所选用GPS芯片的选型依据。GPS接收机实时信号的采集与处理的研究包括PC机与车载GPS接收机之间的串口通信、GPS协议的解析、GPS信息的可用性判断、GPS信息的提取、GPS原始数据的显示与存储、GPS原始数据的显示与存储车载GPS系统所受车辆噪声种类、利用卡尔曼滤波算法对GPS数据进行处理得到相应的更加准确的速度、加速度等车辆运动状态信息并将这些信息以表格或者曲线的方法显示到软件界面上。GPS实时信号采集与处理系统的测试主要包括整个系统的静态测试和动态测试。其中静态测试包括：①实验室无强烈电磁干扰的环境下，软硬件系统联立，并与参考系统作对比以测试软件系统的稳定性以及本GPS系统的测量精度。②车辆发动机怠速情况下软硬件系统联立，并与参考系统作对比以测试车载GPS系统所受到的整体噪声种类。系统的动态测试主要为在运动中的车辆上进行系统的测试。研究运动中的车辆对车载GPS系统的干扰，以及软件系统的稳定性。反应运动的车辆对车载GPS实时信号采集与处理系统的误差来源以及整个系统的定位的精度。

关键词：车载GPS 卡尔曼滤波 C++ 车辆运动状态

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于AR-PNN的重型货车侧翻预警研究

基于AR-PNN的重型货车侧翻预警研究

作者：陈晋荣长安大学

学位级别：硕士

当前我国公路交通安全形势严峻,山区路段行车安全问题尤为突出,其中重型货车由于车身长、载货量大、质心位置高等特点,在进行曲线运动时容易发生侧翻事故。由于货车侧翻时间极短,驾驶员往往难以及时做出必要反应回避事故,造成巨大的人... 详细信息

当前我国公路交通安全形势严峻,山区路段行车安全问题尤为突出,其中重型货车由于车身长、载货量大、质心位置高等特点,在进行曲线运动时容易发生侧翻事故。由于货车侧翻时间极短,驾驶员往往难以及时做出必要反应回避事故,造成巨大的人员伤亡和财产损失。对重型货车进行侧翻预警是当前降低车辆侧翻事故最有效的方式。结合我国道路交通事故典型形态,将“曲线运动侧翻”作为研究重点,以重型货车为对象进行研究,提出了基于AR-PNN模型的重型货车侧翻预警方法,并使用Trucksim和Simulink联合仿真进行验证。通过搭建重型货车三自由度仿真模型,分析曲线运动时货车侧向、横摆以及侧倾运动的受力情况,探究潜在的重型货车侧翻影响因素,并使用阶跃转向和鱼钩转向工况进行仿真验证,确保模型的准确性。针对重型货车行驶过程中车辆的纵向、侧向、横摆和转向状态在时间上表现出的连续性和空间上表现出的强独立性特点,基于模式识别理论,提出了一种使用AR-PNN模型的重型货车运动状态预测方法以及侧翻预警算法,其中AR模型部分用于预测车辆运动状态参数,双层PNN模型用于辨识车辆运动状态。通过Trucksim软件采集阶跃转向、鱼钩转向等4种典型危险转向工况下重型货车的运动状态参数数据,对AR-PNN侧翻模型进行训练。考虑到实车驾驶环境的复杂性,分别使用阶跃转向工况和复合工况对AR-PNN模型的可靠性进行离线验证。本文使用的AR模型弥补了其他模型在参数展示直观性方面的不足,PNN模型也能够及时准确地辨识车辆的运动状态。通过仿真验证,证明了AR-PNN侧翻预警模型能够较为准确地辨识未来短时间内重型货车的运动状态,能够及时地对车辆潜在的侧翻危险进行预警,可以在一定程度上减少重型货车侧翻事故。文中运用的建模理论和建模方法对研究其它车型的侧翻具有一定的理论参考意义。

关键词：重型货车侧翻预警车辆运动状态 AR-PNN模型

基于分布式结构的车辆系统多信息协同感知研究与模拟验证

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于分布式结构的车辆系统多信息协同感知研究与模拟验证

作者：孙坚添江苏大学

学位级别：硕士

当前,全球自动驾驶汽车的发展浪潮正大力助推汽车高级辅助驾驶系统与汽车主动安全系统的研发。准确地感知车辆所需的多种信息对车辆系统的稳定运行具有重要意义。现有的信息感知方法大多针对某一类信息,且/或往往在特定的简单场景（如:... 详细信息

当前,全球自动驾驶汽车的发展浪潮正大力助推汽车高级辅助驾驶系统与汽车主动安全系统的研发。准确地感知车辆所需的多种信息对车辆系统的稳定运行具有重要意义。现有的信息感知方法大多针对某一类信息,且/或往往在特定的简单场景（如:水平路面、车辆结构参数保持不变等）下进行。但是,不同种类的车辆系统信息之间往往存在不同程度的耦合关系,对某类信息单独感知的做法常常伴随着鲁棒性和适用性问题。此外,由于地形限制或设计需要,行驶道路通常存在坡度;车辆质量也会随载荷的增减而发生变化。在这些因素叠加作用下,若仍然采用常规的感知方案,必然存在极大的失效风险。本文拟针对此类问题,从协同感知的角度研究适用于车辆系统的多类信息（包括车辆运动状态、车辆质量以及道路坡度等）高性能获取方法,具体包括以下几个方面:首先,针对不同种类的信息,提出一种基于分布式结构的多信息协同感知方案。通过多类信息之间的相互协调实现车辆系统内部的信息循环,各类信息的感知则分别利用车辆运动状态估计、车辆质量辨识以及道路坡度观测等模块实现。其次,考虑道路坡度对车辆动力学的影响,搭建车辆模型以准确表征坡道上的车辆的特征。在此基础上,设计基于变分贝叶斯自适应容积卡尔曼滤波算法的车辆运动状态估计模块。在时变噪声环境下,该算法能够对系统状态与量测噪声进行联合估计,利用最小化Kullback-Leibler散度获取局部最优解。然后,设计基于含遗忘因子的递推最小二乘算法及车辆纵向动力学模型的车辆质量辨识模块;基于坡度预测模型及cubic观测器构建新的道路坡度观测模块,以降低观测结果中存在的时间延迟。相关的对比结果表明:新方案的车辆质量辨识精度较高,道路坡度观测结果的时间延时也可以得到缓解。最后,通过实验对本文的工作进行验证和比较。结果表明:时变量测噪声环境下,车辆运动状态估计模块的感知结果较准确,对相应的噪声具有较好的鲁棒性;道路坡度变化且车辆质量未知的条件下,所提出的协同感知策略具有时延低、精度高以及稳定性好等明显优势。

关键词：多信息协同感知车辆运动状态道路坡度时间延迟时变量测噪声

基于INS/GPS数据融合的大客车运动状态估计方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于INS/GPS数据融合的大客车运动状态估计方法研究

作者：郭维长安大学

学位级别：硕士

随着人们对汽车安全性能要求的不断提高,汽车主动安全控制系统成为研究的热点。汽车主动安全控制系统通过获取汽车行驶过程中的状态参数对车辆的稳定性进行控制。由于车载传感器的测量精度和生产成本等因素的限制,一些汽车运动状态参数... 详细信息

随着人们对汽车安全性能要求的不断提高,汽车主动安全控制系统成为研究的热点。汽车主动安全控制系统通过获取汽车行驶过程中的状态参数对车辆的稳定性进行控制。由于车载传感器的测量精度和生产成本等因素的限制,一些汽车运动状态参数无法利用车载传感器准确测量得到,因此,通过状态估计来获取汽车的运动状态信息是一种行之有效的方法。本文在总结国内外学者对汽车运动状态估计研究的基础上,结合国家自然科学基金项目,利用估计算法对车辆运动状态信息进行估计。由于目前对汽车运动状态估计的研究主要针对乘用车,很少针对大客车,因此,本文以大客车为研究对象,研究过程中先进行仿真试验,然后利用INS/GPS系统进行实车试验,利用状态估计算法对大客车行驶过程中的一些重要状态信息进行估计。论文首先对INS惯性导航系统和GPS系统的基本组成和工作原理进行了深入研究。其次,建立客车二自由度车辆模型,采用经典卡尔曼滤波估计算法对大客车的横摆角速度和质心侧偏角进行估计,将估计值与相同工况利用车辆动力学仿真软件TruckSim得到的仿真值进行对比分析,以验证线性条件下估计算法的有效性。由于二自由度车辆模型不能全面描述车辆的动力学特性以及经典卡尔曼滤波只能适用于线性系统的不足,建立了七自由度车辆动力学模型以及Dugoff轮胎模型,分别采用扩展卡尔曼滤波(EKF)估计算法和无迹卡尔曼滤波(UKF)估计算法对大客车的纵向车速、侧向车速、横摆角速度、质心侧偏角和车轮垂直载荷进行估计,将EKF估计值和UKF估计值与相同工况利用TruckSim得到的仿真值进行对比分析,以验证EKF算法和UKF算法的有效性和准确性,并比较两种算法的估计精度。最后,利用INS/GPS系统进行实车试验,根据试验测量值,采用UKF估计算法对大客车的纵向车速、侧向加速度和横摆角速度进行估计,并与测量值进行比较,以验证在实车试验条件下UKF算法的有效性。

关键词：惯性导航系统全球卫星导航系统卡尔曼滤波车辆运动状态状态估计

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于小波神经网络的车辆状态识别方法

汽车实用技术 2017年第8期14卷 112-114页

作者：崔宇黄晓梦长安大学汽车学院陕西西安710064

针对车辆安全辅助系统中对车辆运行状态识别率偏低的问题,采用小波神经网络对车辆运行状态进行识别。为了进一步提高模型的识别准确率以及减少训练时间,对样本进行主成分分析、卡尔曼滤波,最后利用遗传算法优化小波神经网络。通过对优... 详细信息

针对车辆安全辅助系统中对车辆运行状态识别率偏低的问题,采用小波神经网络对车辆运行状态进行识别。为了进一步提高模型的识别准确率以及减少训练时间,对样本进行主成分分析、卡尔曼滤波,最后利用遗传算法优化小波神经网络。通过对优化后的小波神经网络对数据进行训练与测试,测试结果表明在时间窗口1.8s时模型的识别率能达到91%以上,可以满足车辆安全辅助系统对于车辆状态识别的要求。

关键词：车辆运动状态神经网络卡尔曼滤波主成分分析遗传算法

在线全文

学校读者我要写书评

暂无评论

具有噪声鲁棒性的车辆质心侧偏角估计

农业装备与车辆工程 2021年第5期59卷 37-41页

作者：孙坚添叶贻财郭聪聪江苏大学汽车与交通工程学院江苏省镇江市212013

为解决车辆运动状态估计中卡尔曼滤波器因量测噪声统计特性发生变化而出现性能降低甚至滤波发散的问题,针对双轨车辆模型提出了一种基于变分贝叶斯自适应容积卡尔曼滤波算法的估计方法。该方法从概率角度将车辆运动状态及量测噪声一起... 详细信息

为解决车辆运动状态估计中卡尔曼滤波器因量测噪声统计特性发生变化而出现性能降低甚至滤波发散的问题,针对双轨车辆模型提出了一种基于变分贝叶斯自适应容积卡尔曼滤波算法的估计方法。该方法从概率角度将车辆运动状态及量测噪声一起作为待估计的变量,通过定点迭代的方式不断逼近量测噪声的真实后验分布,最终获得局部最优解。基于CarSim与MATLAB/Simulink的联合仿真结果表明:在时变噪声协方差条件下,该算法与CKF相比具有精度高、性能稳定的优点。

关键词：容积卡尔曼滤波变分贝叶斯车辆运动状态噪声

在线全文

学校读者我要写书评

暂无评论

基于多模轨迹融合的货车危险驾驶行为辨识

中国交通信息化 2023年第2期279卷 113-117页

作者：糜江喻恺黄菊江西省交通科学研究院有限公司江西南昌330200 江西方兴科技股份有限公司江西南昌330025 华东交通大学交通运输工程学院江西南昌330013

本文通过分析公路货运车辆运动特征,对危险行车状态实时检测方法进行了探索。首先,从货运车辆运动状态序列样本中提取了多模轨迹特征来表征车辆急加速、急刹车、换道和颠簸等行车状态,并应用粗糙集理论对条件属性特征进行简约化处理。... 详细信息

本文通过分析公路货运车辆运动特征,对危险行车状态实时检测方法进行了探索。首先,从货运车辆运动状态序列样本中提取了多模轨迹特征来表征车辆急加速、急刹车、换道和颠簸等行车状态,并应用粗糙集理论对条件属性特征进行简约化处理。应用支持向量机方法建立轨迹特征和车辆危险驾驶行为的分类辨识模型,并运用遗传算法对分类辨识模型的参数进行标定和优化,从而使模型能够适应实车环境下的动态驾驶场景。实验结果表明,该方法可准确反映轨迹数据特征和行车安全状态特性,识别危险驾驶行为的正确率为94.4%。

关键词：交通安全危险驾驶行为车辆运动状态粗糙集支持向量机