社会性驾驶交互关键效用析取与应用

共享道路空间中的人类驾驶交互行为具有兼顾伴行车损益的社会性特征。由于对驾驶交互社会性的理解缺失,自动驾驶车辆往往难以估计自身行为对伴行车辆的潜在影响,因而陷入“被迫保守”的决策困境。本文在博弈论框架中引入驾驶人兼顾伴行车损益的行为特征,构建社会性驾驶交互行为模型,刻画了驾驶交互中个体间的动作依赖关系。结合该模型,提出主车预期行为对其交互对象所造成潜在影响的通用定量表达——交互效用项。通过在规划目标中引入交互效用项,可定向调整运动规划算法的交互主动性。高速路出匝道实验结果表明,在对安全性无显著影响的前提下,通过提升交互主动性,基于优化和基于采样的运动规划算法在给定距离内出匝道任务成功率可分别提升3.9%与5.2%。

基于情境系统的汽车自动驾驶交互界面可用性评价

文章以心理学领域中的情境研究为基础,结合交互产品设计的五个属性,构建用户使用自动驾驶系统界面的情境系统空间,通过分析用户行为和需求,搭建情境系统与自动驾驶系统交互界面评价的脉络。最后使用层次分析法得到已排序的可用性评价指标模型,为后续自动驾驶系统界面可用性评价指标体系的建立提供有效参考,并引发更多关于新型技术与可用性评价之间的思考。

教练机用双舱被动侧杆驾驶交互逻辑研究

本文研究基于教练机的双舱被动侧杆驾驶权限切换逻辑设计。根据民航及作战飞机的双舱侧杆交互,结合教练机的特点,提出了一种教练机适用的双舱交互方案,并对方案的优缺点进行了分析,以期为后续教练机双舱交互逻辑设计提供参考。

新型混合交通环境下车辆驾驶交互行为建模

未来很长一段时间内,由常规人类驾驶车辆以及网联自动驾驶车辆所组成的新型混合交通流将持续存在。为了使网联自动驾驶技术更好地适应混合交通环境,自动驾驶需如同人类驾驶一样,能够与周围环境车辆进行驾驶行为交互,即预测环境车辆对自车驾驶行为的反应。基于上述现实需求,对常规人类驾驶与网联自动驾驶之间的微观交互行为进行解析建模。首先,基于优化控制理论,利用贝尔曼最优性原理构建交互行为模型;其次,基于实时采集的交互轨迹数据,采用逆强化学习方法对模型参数进行在线动态辨识;最后,基于微观交通仿真软件VISSIM,设计跟驰、匝道汇入等典型交互驾驶场景来验证模型的有效性。

基于模糊认知图的智能汽车驾驶权交互决策建模方法

针对人机共驾中的由自动驾驶接管到驾驶人接管切换的动态问题,提出一种基于模糊认知图(fuzzy cognitive map,FCM)的驾驶权交互决策模型。首先分别分析影响驾驶风险的车辆和人的动态风险因素,并选取车距、加速度、方向盘转向熵、驾驶员眼动信息、心脑电波信息等相关影响指标构建基于FCM的车辆动态风险模型与人的动态风险模型,再结合环境因素,车辆状况以及驾驶员水平构建基于FCM的驾驶员交互决策模型。为降低对专家知识的依赖,运用基于实数编码的遗传算法(real coded genetic algorithm,RCGA)对模型进行优化,进一步提高模型决策的准确性。仿真结果表明,经RCGA优化后模型适应度值达到0.979,可见该模型能够较好地应对动态、复杂的驾驶环境。

增强现实技术在汽车内饰中的应用研究

本文通过对增强现实技术的解读,结合国内外前沿技术发展动态,对其在汽车内饰设计中的应用方式进行初步研究,着重介绍汽车内饰中使用增强现实技术的目的,以及具体的搭建方式,从而为后续研究提供参考依据。