有轨电车车辆限界的计算方法

以双走行轨式、钢轮钢轨、低地板有轨电车为研究对象，分析了车辆限界的计算单元和车辆限界计算需考虑的因素，重点推导出了有轨电车车辆车体部分的横向偏移量和垂向偏移量的计算公式，可供有轨电车工程车辆限界设计时参考。

考虑横向干扰的交叉跟驰模型研究

在传统跟驰模型的基础上,对车辆横向位置分布进行了实地调查,分析了周边交通场景对跟随车的横向干扰特性。引入最大转移速度和疏散路程参数,建立了交叉跟驰模型并进行了交通仿真。统计分析结果表明:行驶车辆横向位置分布基本符合正态分布,跟随车的行为变化与车辆偏离中心线的距离大小有关,交叉跟驰模型可以更加准确地反映实际道路交通场景。此模型的建立能够揭示车辆微观交互行为,对保障车辆运行安全和交通流稳定性具有重要的现实意义。

检测车辆横向偏移对车辙深度计算误差分析

为研究检测车辆横向偏移对车辙深度计算结果的影响,根据实测13点激光数据构建车辙曲线,运用MATLAB软件编制了相应的横向偏移模拟程序,以偏移前后车辙深度的绝对误差和相对误差为指标,分析轻、重2个严重等级车辙在不同偏移距离和左、右2个偏移方向的深度误差变化规律与原因。研究结果表明:检测车辆横向偏移距离越大,车辙深度的绝对误差和相对误差均逐渐增大;车辙深度的绝对误差最大低估6.4mm,相对误差达到29.2%,横向偏移产生的绝对误差会造成车辙严重等级的低估,可能导致路况评价与养护决策的误判;车辙深度误差主要受最深辙槽位置、槽壁坡度和隆起高度、宽度等横断面形态特征的影响。检测车辆行驶应偏向最深辙槽和槽壁坡度大的方向以全面获取最深辙槽形态,减少横向偏移对车辙深度计算结果的影响。

基于防疲劳驾驶下的智能语音播报系统

为防止司机疲劳驾驶,分别对车辆偏移量及行车路况、司机面部动态和脑电波进行检测,针对这三个检测模块赋予不同权重来进行智能语音播报。通过判断司机的当前位置及路况,在容易发生交通事故或司机已疲劳时进行及时提醒,有效地降低了司机疲劳驾驶的概率,具有良好的推广价值。

车联网环境下信息交互形式对驾驶行为的影响

为研究车联网环境下不同信息提供方式对驾驶行为的影响,设计了车联网环境下的模拟驾驶实验,采集了4个场景下车辆运行数据。对比不同分心任务的驾驶行为特征和正常驾驶行为的差异,从转向角、车辆侧向偏移、速度、跟车距离等特征参数描述了车联网信息导致分心的驾驶行为规律,并构建了基于模糊综合评价方法的驾驶人分心等级评判模型,横向对比了不同信息提供方式对驾驶行为的影响程度。着眼于车联网发展的巨大前景与车联信息可能带来副作用的矛盾点,探究不同驾驶情景下车联网信息呈现形式对驾驶过程中驾驶行为绩效的影响,为车辆通信的联网信息提供一定参考。