赛事核心服务质量对观众行为意愿的影响——赛事认同的中介作用和IPMA分析

为了探讨赛事核心服务质量对观众行为意愿的影响以及赛事认同的中介作用,该研究基于形成性指标的新视角,采用问卷调查、验证性因子分析和结构方程等方法,运用SPSS 22.0和SmartPLS 3.3.2进行统计分析并验证研究假设,同时进行了重要性与表现性矩阵分析。研究结果表明:赛事核心服务质量的形成性测量模型包含球员质量、经济因素、赛程设置、赛事推广4个因子;赛事核心服务质量显著影响赛事认同;赛事核心服务质量显著影响观众行为意愿;赛事认同显著影响观众行为意愿;赛事认同在赛事核心服务质量与观众行为意愿的关系中具有中介作用。建议从以下方面增强观众对赛事的消费黏性:(1)赛事组织者应基于球员质量、经济因素、赛事推广和赛程设置等指标有针对性地开展赛事营销活动,其中经济因素和赛事推广应成为重点改善的影响因子;(2)赛事营销人员应有针对性地开展赛事营销活动,通过提升赛事核心服务质量,积极培育观众的赛事认同感。

基于模糊支持向量机的旁车道车辆并线意图识别方法

为检测旁车道车辆驾驶员的并线意图,利用机器学习技术基于模糊支持向量机建立了并线意图识别器。识别器的训练样本由实际交通环境中的车辆并线数据获得,包括主车道与旁车道车辆的7个运动属性,其中对不能直接利用传感器信息获取的属性由Kalman滤波器预估得到。由于在并线初始时刻的并线样本不能有效区别于非并线样本,所以在支持向量机的求解中引入样本模糊隶属度系数以提高并线意图识别器训练的准确性,同时对支持向量机中的参数基于交互检验正确率进行网格优化。在实际交通环境中对并线意图识别器进行了试验,结果表明,识别器工作有效,经过简单处理后的识别结果可有效反映驾驶员的并线意图。

纯电动汽车AMT换挡规律及仿真研究

为了实现纯电动汽车机械式自动变速器(AMT)能够准确、快速地换挡,文章以加速时间最优为目标,制定了最佳动力性换挡规律,采用驱动电机工作效率最优为目标制定了经济性换挡规律;基于模糊控制理论制定了模糊逻辑规则判断驾驶员意图,从而确定换挡规律的选择;并利用Matlab/Simulink建立驾驶员模型、车辆动力学模型、换挡模型(包含换挡曲线选择模块)、驱动电机模型及百公里电耗模型,在ECE循环工况下验证换挡规律及测定百公里电耗。结果表明,文中所建立的的换挡规律能够充分保证纯电动汽车的动力性及经济性。

驾驶员行为意图及特性辨识研究综述

为了更好地提高汽车的主动安全性,实现个性化驾驶,针对汽车电控系统中的驾驶员行为意图及特性辨识问题,阐述了各种电控系统在汽车上的重要作用和驾驶员行为意图及特性辨识研究对于汽车电控系统开发的重要意义,对驾驶员行为意图及特性辨识的国内外研究进展情况进行了概述,提出了展望:为提高汽车电控系统性能,实现智能化控制,需要对汽车驾驶员行为意图及特性进行辨识研究;如何更为合理地对转向、制动、加速特性等综合特性进行合理分类和在线准确辨识,将是一个长期的研究课题。

高速公路环境下驾驶员状态辨识

为了进一步提高高速公路环境下车辆的主动安全性,提出了一种基于信息融合的高速公路驾驶员状态辨识方法。基于高速公路驾驶员驾驶特征,通过高速公路模拟驾驶试验,对驾驶员眼部状态和油门踏板信号进行检测。选取加油频率、眨眼频率、眼睛闭合率和眨眼持续时间作为驾驶员状态的评价指标,采用模糊评价和D-S证据理论相结合的信息融合方法,建立了高速公路上驾驶员状态辨识的模型,并通过实例验证了该模型的有效性。

基于行驶状况识别的HEV驾驶人意图辨识模型研究

针对混合动力电动汽车(HEV)能量控制策略中驾驶人意图辨识不准导致整车能耗增加的问题,以某款混联式HEV为研究对象,首先在分析其结构参数的基础上,建立了汽车行驶状况辨识模型和驾驶人"加速踏板行程—车速需求"非线性关系模型。基于此,得出基于行驶状况识别的HEV驾驶人需求转矩意图辨识模型。最后,为分析基于行驶状况识别的驾驶意图辨识模型对HEV驱动能耗的影响,进行了实车行驶实验,得出有行驶状况识别的驾驶人意图辨识模型,相对无辨识的模型可以节约驱动能耗3.27%的结论。

岸边集装箱起重机司机操作意图识别方法研究

以港口岸边集装箱起重机装卸操作过程为研究背景,基于隐马尔科夫模型(HMM),建立双层HMM模型,运用修改后的Forward-Backward算法,计算操作层各个HMM模型的似然度,选择似然度最大的模型作为操作行为的识别结果,组成观察序列串后,送入意图层HMM模型集,进行桥吊司机操作意图的识别。最后,采用Matlab环境实现HMM模型,通过现场统计确定案例基础数据,验证了模型的有效性。结果表明,该模型可准确识别岸边集装箱起重机司机的操作意图,对于研究港口机械智能辅助驾驶系统具有一定的意义。

液力自动变速器的换档控制策略

从最佳动力性、最佳经济性换档规律的计算切入,同时指出基本换档规律存在的主要弊端,并针对这些弊端提出具体的驾驶员意图和上坡、下坡、低附着路面、拥挤市区等行驶环境的识别方法及相应的换档控制策略,以克服基本换档规律的不足,最后通过建立以驾驶员意图及行驶环境识别为基础的智能换档控制系统,实现汽车液力自动变速器的换档控制策略。

基于视觉特性的驾驶人换道意图识别

为了将汽车换道辅助系统的预警时刻提前,改进辅助系统的工作效能,提出了利用驾驶人不同任务下眼动行为差异性识别换道意图的方法。在实际道路环境中进行试验,记录16名驾驶人共计408次换道意图阶段和403次车道保持阶段的眼动行为数据,对比了2个阶段中驾驶人眼动行为数据的差异,构建了包含7个参数的换道意图识别指标体系。运用证据理论确定识别框架和证据链,构造基于广义汉明距离的基本信任分配函数,建立了基于多证据融合识别的换道意图识别模型,并分析了识别信度和时序性。结果表明:该模型识别结果的灵敏度、特异度和准确率分别为89.86%,90.21%和90.02%,具有较好的识别效果。

识别驾驶人意图的车道偏离防避有界控制

为了防止车辆偏离车道导致交通事故的发生和避免车道偏离防避系统(Lane Departure Avoidance Systems,LDAS)对驾驶人行为不必要的干预,提出基于中心区操纵特性阈值法和基于D-S(Dempster-Shafer)证据理论的车辆偏离车道驾驶人意图识别准则,并运用CarSim/Simulink联合仿真对比2种识别准则的有效性。建立转向盘角速度为输入的车路模型,设计LDAS滑模转向控制器,基于预瞄点的侧向偏移量和横摆角速度设计LDAS的期望横摆角速度观测器,并与基于道路曲率和预瞄点侧向偏移量的期望横摆角速度的LDAS进行性能对比。运用相平面法确定保证LDAS车辆稳定性的前轮转向角最大值,并基于CarSim/LabVIEW RT硬件在环试验平台验证基于BP神经网络训练获得D-S证据理论的初始概率赋值的驾驶人意图决策算法的有效性。结果表明:所提出的识别准则能够及时识别车辆偏离车道时的驾驶人意图,为LDAS控制器介入赢得了宝贵的时间,所设计的期望横摆角速度观测器具有很好的稳定性,所提出的方法能够有效避免车辆偏离车道。

一种基于转向意图的车辆敏捷性控制策略

为提高车辆紧急转向时的敏捷性和安全性,提出了一种以主动横向稳定杆系统为执行部件的基于转向意图的车辆敏捷性控制策略。对车辆转向时轮荷转移的侧倾动力学机理进行分析,开发了一种改进的驾驶员转向意图识别方法。根据转向意图和车辆侧倾动力学机理动态分配前后轴上左右车轮载荷,引入稳定性控制方法,进而提升车辆行驶过程中的敏捷性控制策略。搭建Simulink-CarSim整车模型进行仿真验证。仿真结果表明,相对于传统车辆,有主动稳定杆控制的车辆转向盘转角使用量减小约9%,质心侧倾角峰值减小约22%,同时横摆角速度提高4%,使用较小的转向盘转角实现紧急转向控制,提高横摆转向响应,提升车辆的敏捷性和稳定性。最后,搭建ECU在环试验台验证了仿真算法,可为后续的稳定杆样车开发提供参考。