基于自然驾驶数据的驾驶人换道决策识别研究

为实现人机共驾模式下智能系统对驾驶人换道决策的准确识别,将换道决策细分并提出了基于改进的极端梯度提升(XGBoost)的换道决策识别模型。以实车试验采集的自然驾驶数据作为输入,并采用滑动时间窗法确定识别时刻,建立各识别时间窗口下基于XGBoost的换道决策识别模型,同时运用交叉检验和网格搜索(GS)算法进一步提升模型性能,最后利用验证集数据评估所构建GS-XGBoost模型的识别性能,并与机器学习及深度学习模型进行对比。结果表明,所提出的模型在具体换道决策辨识上具有较好的实时性和准确性,且在1.8 s和1.6 s时间窗下的识别准确率最高,达到86.2%。

车辆前向碰撞预警算法研究综述

前向碰撞预警算法越来越多地被用于智能汽车的纵向驾驶辅助系统,它可以通过向驾驶员传递预警信号来减少追尾事故的可能性。文章按照预警阈值的类型将前向碰撞预警算法分为安全时间逻辑算法和安全距离逻辑算法,并分别介绍了两类算法的研究现状。此外,为了降低前向碰撞预警算法的误报率,预警阈值应该随驾驶环境和驾驶人特征实时变化,因此,文章也概括和介绍了调整预警阈值的自适应方法。

UBI新模式下的汽车保险教学方法探讨

我国汽车保险定价模式逐渐从传统的以车为主过渡到以人为主,即使用定价(User-BasedInsurance,UBI)模式。UBI车险定价模式依托信息化手段而生,传统的汽车保险课程教学模式难以满足现实需求。为提高汽车保险课程的授课质量,本文提出了构建虚拟仿真平台,还原车险报给厘定流程的互动教学模式,以有效弥补纯理论教学的不足。

高速公路车群跟车制动行为特性分析

为避免车辆连环追尾事故,文章基于路侧固定式采集试验,对车群制动行为特性进行分析。结果表明,导致车群发生制动的原因有前方车辆运行状态变化和自车危险预测;车群首车产生制动的主要原因有前车换道和跟车距离过近。车群制动时首车多为轻微制动,前车制动减速度越大,后车驾驶人制动反应越明显。当前车制动灯点亮时,跟车距离和跟车时距越小,后车的制动减速度越大。制动减速度增长时间因驾驶人驾驶风格的不同存有较大差异。