一种基于驾驶员制动行为的车辆主动避撞模型研究

为减少碰撞类事故的发生,提高驾驶安全性,构建一种基于驾驶员制动行为的主动避撞模型(DBB)。通过动感型模拟驾驶仪完成跟车状态下各驾驶参数的采集,基于WEKA平台对数据进行分析,建立驾驶人制动行为BP神经网络模型。应用软件仿真及模拟驾驶仪对DBB模型的试验分析结果表明:DBB模型具有良好的预测能力,能与驾驶员制动行为较好地匹配。

基于驾驶员紧急制动行为特征的危险估计算法

基于真实交通工况下驾驶员的紧急制动行为特征,建立了一种新的危险估计算法用于汽车避撞系统的控制策略开发.通过在车辆上安装车辆行驶记录仪采集了目标区域内驾驶员的真实交通场景;对采集到的交通场景进行人工筛选,并按照美国高速公路安全管理局(NHTSA)的分类方法进行了分类,得到了6种典型的危险工况;通过视频图像处理等方法对典型危险工况下驾驶员的紧急制动行为进行了分析,得到了驾驶员紧急制动起始点的碰撞时间tTTC值以及车辆在紧急制动过程中的平均制动减速度,并利用这些数据建立了基于碰撞时间倒数tiTTC和期望减速度areq的危险估计算法.这种危险估计算法能够同时考虑两车快速靠近以及稳定跟车工况,并与驾驶员在真实交通环境中的紧急制动行为相对应.