面向智能网联汽车人才需求的车辆工程专业学位研究生培养模式研究

本文分析了当前车辆工程专业学位研究生的培养模式的现状以及存在的问题,根据我国目前的汽车产业发展要求,以满足我国新智能网联能源汽车产业发展的高水平应用性专业技术人员的培养为目标,进行了高校与企业深度融合的一体化教育改革探索。通过多课程、跨专业融合改革课程,联合企业注重工程应用实践及多导师协同指导研究生学位论文课题与研究方向等方面,积极探索出了车辆工程专业学位研究生培养的新模式。

基于脑电信号的不良驾驶状态识别研究综述

驾驶人是“人-车-路-环境”交通系统的重要环节之一,驾驶人状态与自身的驾驶行为密切相关。脑电信号(Electroencephalogram,EEG)作为驾驶人大脑活动的直接体现,能够有效地表征驾驶人当前时刻的驾驶状态。基于现有文献研究成果,阐述了EEG与驾驶人分心、疲劳及情绪等不良驾驶状态之间的内在关联,并对EEG研究中涉及的试验环境、数据处理及分析方法进行重点归纳总结。结果表明:大部分研究的本质可解释为不同驾驶人状态与EEG之间的定性与定量关系研究,通过志愿者模拟驾驶等方法收集EEG相关数据,利用线性或非线性等分析方法提取EEG特征值,以数学模型或神经网络模型对驾驶人的状态进行识别。进一步地,为提高状态识别模型的准确率,基于EEG的多源信息融合方法在不良驾驶状态等场景中的研究逐步增多,基于EEG在驾驶状态识别系统中的运用也逐步走向市场化。由此表明,目前基于EEG的驾驶人识别算法具有良好的安全应用潜力及前景,但在EEG特征提取、实时处理、不同驾驶人状态识别精度等方面仍具有较大改进空间。