基于改进云组合赋权的智能网联驾驶场景安全性评价方法

准确可靠的驾驶场景安全性评价是智能网联车辆推广应用的基础,但智能网联驾驶场景复杂多变,以固定数值为指标权重的评价方法无法充分考虑因此带来的模糊性和随机性。为此,研究了基于改进云组合赋权的智能网联驾驶场景安全性评价方法。建立了包含静态环境层、动态行为层、智能要素层的智能网联驾驶场景要素库,制定场景设计方案;按照功能场景、逻辑场景、具体场景的顺序进行场景解构,提取相关要素,设计形成场景;引入云模型概念,结合博弈论思想改进云组合赋权;基于云模型运算法则构建综合云,表征各场景安全性,构建理想云评价模型;提出相对相似度指标作为评价结果,量化分析场景安全性并排序。依据场景设计方案进行仿真试验,对比层次分析法、优序图法、熵值法、变异系数法、博弈组合赋权及原云组合赋权等赋权评价方法,其评价结果与仿真结果在99%置信水平下显著相关,二者的皮尔逊相关系数为0.649,较上述其他评价方法分别提高了5.5%、7.8%、19.7%、13.7%、8.1%、0.8%;同时,该方法事故识别准确率为78.13%,高于Baumann等所用方法的44.29%和Xia等所用方法的57.2%。研究结果表明:基于改进云组合赋权的场景安全性综合评价方法能够兼顾主、客观赋权的优点,可以改善当前固定数值权重造成评价结果不够真实的缺陷,提高智能网联驾驶场景安全性评价的准确性。

重型货车与二轮车事故致因及其拓扑层级分析

为探究重型货车与二轮车事故因素间的相互作用,提出了一种改进的DEMATEL-AISM方法(DEMATEL为决策试验与评价实验室分析法,AISM为对抗解释结构模型法)。结合文献分析法和(中国)国家车辆深度调查体系(NAIS)数据,建立事故致因指标体系。据事故数据特征改进DEMATEL法,定量分析事故因素间的影响程度。基于AISM建立事故因素拓扑层级模型,分析事故系统的拓变性和因素间作用。结果表明:在重型货车与二轮车事故中,超载对其他因素间的影响只有0.150;结果因素是易受影响的关键因素,其中决策失误的中心度为5.25、被影响度为5.18;事故系统为活动系统,且事故发生受到驱动层、直接层和中间层因素的共同影响。

交叉口交通事故信号灯指示状态鉴定方法研究

信号灯指示状态鉴定是许多交叉口类交通事故分析和处理的基础工作。在对千差万别的视频检材进行归纳整理的基础上,提出将具备鉴定条件的视频检材划分为直接观察型、位置间接型、信号间接型、位置信号间接型、时空对应型五大类型,并针对各种类型检材的特征,提出了直接判定法、速度逆推法、配时对应法、配时逆推法、时刻对应法五种信号灯状态鉴定方法。给出了各种方法的主要流程和技术要点,同时结合具体案例对鉴定方法进行了阐释,并对鉴定方法进行了评价。研究成果可为推动信号灯状态鉴定的专业化和规范化提供借鉴和参考。

面向智能汽车预期功能安全的驾驶场景评价

智能汽车对驾驶场景的感知能力直接影响到车辆的预期功能安全。为准确可靠地从感知层面进行场景评价,提出一种新的驾驶场景评价方法,该方法运用模糊推理,在分析场景和场景要素的基础上,首先,从驾驶人感知层面进行场景的模糊感知判断,建立场景模糊等级,利用模糊关系,建立场景要素间的联系;然后,按照决策函数计算场景的评价值;最后,验证该评价方法的合理性。结果表明:该方法可综合考虑驾驶人对场景的感知,更全面地认识场景,在场景评价应用方面具有可行性。

山区公路长陡下坡路段大型汽车制动器温度研究——以317国道鹧鸪山隧道西引道为例

汽车连续制动是制动器升温的重要原因,尤其是在山区二级公路长陡下坡路段。文中以317国道鹧鸪山隧道西引道为例,采用热成像仪检测67辆大型车辆在完成4.4 km长陡下坡后的制动器温度,分析单车制动器最高温度、同轴左右轮制动器温度、有无载货时制动器温度、有无淋水时制动器温度等。结果表明,4.4 km长、平均纵坡5%的长陡下坡会使制动器温度达到300℃;同轴左右轮制动器温度差异不容忽视;重车通过连续长陡下坡路段的危险系数比空车高;车辆在长陡下坡路段采取淋水降温措施有效。