基于虚拟现实的网联环境下驾驶人自由换道行为特征与安全分析

传统驾驶模拟器难以精确模拟车联网环境中的复杂交互,如车速变化和车道变更。而连接虚拟现实(virtual reality,VR)的驾驶模拟器可以通过先进的传感器和实时数据处理,更逼真地还原车辆物理特性、交通流动态及实际道路环境。采用虚拟现实设备和驾驶模拟器,深入探索网联环境下的驾驶人自由换道行为与安全特征。基于交通仿真和三维建模技术搭建驾驶人自由换道实验系统,并建立自由换道场景库,进而开展驾驶人自由换道行为实验;基于广义估计方程建立驾驶人换道的间距选择模型和换道时间模型;基于加速失效模型分析网联环境对驾驶人自由换道行为的安全影响。研究结果表明:①网联环境下,女性驾驶人的自由换道间距与时间更长,年轻驾驶人的自由换道间距与时间更短;②每提高1 m/s^(2)的加速度噪声,自由换道时的碰撞风险降低28%,每提高1 m的自由换道间距,自由换道时的碰撞风险增加1.1%;③年龄较大的驾驶人自由换道安全性更高,其中,中老年驾驶人(>40岁)自由换道时的碰撞时间(time-to-collision,TTC)比青年驾驶人(>27~40岁)、年轻驾驶人(>18~27岁)分别高38.3%,64.3%;④女性驾驶人比男性驾驶人自由换道安全性更高,女性驾驶人自由换道时的TTC比男性驾驶人高20.1%。与普通环境相比:①驾驶人在网联环境下自由换道间距增加1.16 m、换道时间增加2.41 s、换道安全水平提高19.72%;②自由换道事故发生概率随着碰撞风险持续时间增加而降低,其中,碰撞风险持续时间为1,2,3,4 s时,网联环境下的自由换道事故发生概率比普通环境下分别低5.8%,17.2%,14.4%,3.0%,且该概率在不同性别、年龄的驾驶人自由换道中差异显著。

基于模糊时间序列的景点人流量检测

研究了如何准确获取按时间序列排列的相关人流量数据的因素,并对数据进行综合分析,提取其中有利于时间序列预测研究的成分。考虑到数据采集的精度限制,景区的人流量数据无法具有很高的明确性和准确性,因此还研究了模糊时间序列模型的构建,通过结合模糊数学与时间序列解决这一问题。

基于Point-to-Point模式的线上教育平台搭建

目前线上教育平台所采用的主流教学方式为单纯的发布者发布视频供学习者观看,这种方式对于视频发布者来说不能很好的获取教学反馈,对于观看者而言则无法进行有效的互动,使得教育的整体效率与体验较低。同时,现有的学习资源个性化推荐都是围绕着用户的特征信息进行分析和建模,这种推荐的结果往往比较粗糙,个性化推荐都是围绕着用户的特征信息进行分析和建模。本项目的主要研究问题为如何根据不同用户的需求,建设相关平台及其后期运营维护管理。研究如何在众多线上教育平台中脱颖而出,建立有效的推广模式,并且针对不同类型的用户制定有针对性的盈利模式。