列车行车状态监测无线传感系统设计研究

列车行车状态监测系统的设计需要基于无线传感模式而进行。本文从阐述列车行车状态监测的目标和框架入手,对于列车行车状态监测无线传感系统以及其设计内容进行了分析。

行车状态下既有公路线扩堑控制爆破

在正常交通行车状态下的高速公路石方扩堑施工中,采用严密的施工技术控制和施工组织控制,达到了在特殊环境条件下爆破施工安全要求和进度要求。介绍了爆前安全准备工作和其他安全防护措施等,重点阐述爆破方案确定、综合控制措施、施爆技术参数与安全施工组织措施。

收费系统车道行车状态的判断及应用

车道软件采集并保存外设的反馈信息,并利用这些信息推测本车道在某一时刻的行车状态,利用对行车状态的判断保证业务流水、抓拍图片、车牌识别结果以及计重数据的准确关联。

考虑行车状态的一维元胞自动机交通流模型

在NagelSchrekenberg单车道元胞自动机交通流模型(简称NS模型)的基础上,考虑车辆之间的相对运动薛郁等提出了一种改进的单车道元胞自动机交通流模型(简称改进的NS模型).通过两种情况列出了改进的NS模型存在不尽周严的地方,随之在新模型中引入了行车状态变量和反馈规则,从而控制车辆出现倒车和刹车过急等现象.通过计算机对新模型进行模拟,发现减速概率和车流密度对车流状态的演化影响很大,当减速概率高(如道路条件差)时,即使车流密度低,车流也会出现局部堵塞状态;而当减速概率一定时,随着车流密度增加,车流的运动相与堵塞相发生了全局性的交替出现,此时类似于波的波峰和波谷的传播.与改进的NS模型相比较,新模型模拟的车流量较高,说明新模型减少了车流的总体停滞状态.

跟驰状态下最小行车安全距离模型的仿真研究

通过对汽车制动过程的分析,根据前车不同的行驶状态,分别建立了基于前车静止、减速、匀速和加速四种状态下的最小行车安全距离模型。利用MATLAB仿真软件对所建模型进行仿真,并与传统的安全距离模型进行比较分析。通过比较可以发现改进后的安全距离模型的安全距离小于传统的安全距离,可以有效改善传统安全距离模型存在的各种问题。

驾驶人紧急状态下避免分心方法研究

为避免驾驶人紧急行车状态下的分心行为,通过车道线传感器、方向盘转角传感器、陀螺仪等多种传感设备,采集车辆紧急运行状态表征参数,采用飞思卡尔MC9S12XS256为处理单元,IS1681为蓝牙发射模块,搭建系统硬件。采用神经网络对车辆的运行状态进行识别,采用Android Studio编写手机APP软件,建立驾驶人紧急状态下避免分析系统。在紧急行车状态时,通过蓝牙向手机APP发送指令,使手机保持静音和不震动状态。该系统可以有效避免驾驶人紧急状态下的分析操作,从而保证行车安全。

正常行车条件下提速路基整治技术研究

通过分析铁路既有线的现状和在正常行车条件下进行提速路基整治的特点,认为既有路基改造的基本途径是强化基床表层,并保证基床排水畅通;提出了要实现在正常行车条件下进行提迷路基整治,必需解决两个关键的技术问题,一是研究适合在正常行车条件下进行既有路基提速改造的综合整治技术;二是研制能确保正常行车的操作便捷的轻便梁,以代替传统的扣轨梁。文中对综合整治技术作了方案性研究,并提出轻便梁的结构设计构思。

汽车直接横摆力矩控制系统综述

汽车直接横摆力矩控制(direct yaw moment control,DYC)系统用于有效避免车辆遇到非预计危险时的侧向运动,以保证汽车运行的稳定性和驾驶的安全性。目前,DYC系统大多采用分层结构。文章首先从车辆状态估计与环境感知、直接横摆力矩控制器设计和力矩分配法这3个角度分析了汽车DYC系统架构,接着重点阐述了其对车速、车间距离、路面信息、横摆角速率以及车辆质心侧偏角等状态信息的获取与处理方法;然后介绍了上层控制器中车辆动力学参考模型、控制结构及不同变量控制的设计方法以及下层控制器中车辆横摆力矩的分配方式;最后总结了汽车直接横摆力矩控制系统现存的问题以及将来发展的方向。

一种新的混合车流下的元胞自动机交通流模型

在我国高等级公路上的车流主要是混合车流,而一般的交通流理论都是以小车流为对象进行研究和建模的。元胞自动机模型可以比较好地模拟交通流,新建立的混合车流下的元胞自动机交通流模型,除不同车型的车速上限不同外,而且车辆运行中所占元胞格点数也不同。通过计算机对新模型进行模拟,发现纯小车流、将大车按线形换算成小车流与混合车流的车流运行状态不尽相同,而且在车速方面差别更大。只要在车流中存在大车,整个车流的速度就会受到较大的影响,但车流密度较低时,车型比例对车速的影响又不是很明显,但平均速度低于大车的最大速度。另外,本模型为进一步更好地描述混合车流奠定了基础。

基于贝叶斯网络的疲劳驾驶检测预警系统设计

疲劳驾驶是造成交通事故的重要原因之一,现有的检测疲劳驾驶的方法多基于单一指标,缺乏信息融合。基于行车状态,建立了贝叶斯网络疲劳驾驶检测模型,将连续驾驶时长、驾驶时段和驾驶舱温度作为模型的原因层变量,将行车速度标准差、方向盘转角标准差、油门踏板高度标准差作为结果层变量,并根据模型设计出了疲劳驾驶检测预警系统。