考虑驾驶员记忆的多前车速度差跟驰模型研究

为了探究驾驶员记忆和多前车速度差对交通流的影响,本文基于全速度差模型(full velocity difference model,FVDM),结合驾驶员记忆因素和多前车对跟驰车的作用,构建了一种考虑了驾驶员记忆和多前车速度差的跟驰模型。通过改进模型的线性稳定性特征,得出改进模型的稳定性条件。再对改进模型下的车流启动和制动过程进行仿真,并与FVDM的仿真结果作对比。然后采用微小扰动法对改进模型进行数值仿真,研究驾驶员记忆因素和多前车速度差对交通流稳定性的影响。最后,利用下一代仿真(next generation simulation,NGSIM)数据标定了改进模型的参数,并预测了其加速度。研究结果表明:驾驶员记忆在一定程度上不利于交通流的稳定,而多前车速度差对稳定交通流具有积极作用;与FVDM相比,改进模型的启动延迟和制动延迟分别降低了10.0%和19.0%,预测精度更高,均方根误差降低了24.3%。

基于GRU网络的仿优秀驾驶员换道轨迹模型研究

换道是智能汽车在道路上行驶时必不可少的操作。传统换道模型大多基于数学公式或者车辆动力学、运动学模型,从而忽略驾驶员在实际驾驶过程中的感知与决策能力,生成的轨迹与实际换道轨迹区别很大。本文提出基于GRU网络的仿优秀驾驶员换道轨迹预测模型,利用处理时间序列数据有独特的能力,从优秀驾驶员自身的驾驶特性出发,结合车辆动力学参数,结果表明GRU模型的MAPE为0.044,分别比LSTM和Bi-LSTM降低了24.14%和29.03%;RMSE为0.0111,分别比LSTM和Bi-LSTM降低了0.89%和9.76%,且GRU模型的一致性指数D值更接近1。该模型预测出的换道轨迹与实际轨迹基本一致,能准确地模拟优秀驾驶员的换道轨迹,精度较高,保证安全性的同时兼顾舒适性。

基于驾驶风格和驾驶员不满度的换道决策模型

针对现有的驾驶员不满度模型未考虑驾驶风格而导致换道决策难以适应不同类型驾驶员的问题,改进基于前车车速的驾驶员不满度模型,并结合基于椭圆车辆模型的最小安全距离模型,建立基于驾驶风格和驾驶员不满度的换道决策模型.选取15个问题作为驾驶员行为问卷(driver behavior questionnaire, DBQ)调查内容,利用主成分分析和K-means聚类将驾驶风格分为激进型、谨慎型和普通型3类.设计驾驶模拟器试验,采集不同驾驶风格的驾驶员换道数据,得到不同驾驶风格的驾驶员不满度阈值.通过MATLAB/Simulink和Carsim仿真平台验证换道决策模型的有效性.结果表明:换道决策模型可根据驾驶员不满度正确产生换道意图,保证换道过程的安全性,同时还可以适应不同驾驶风格的驾驶员,使基于驾驶员不满度的换道决策模型更符合驾驶员的实际驾驶习惯.

基于驾驶员意图采集的车辆状态控制系统分析

驾驶员操作意图是整车状态变化的基础,对整车运行具有重要影响。以驾驶员操作意图为研究的出发点,对驾驶员执行车辆各种操作时,车辆的状态进行分析,主动包括启动自检工况,档位变化、加速、制动、转向等工况;基于分析结果对各工况的控制流程进行分析和设计;提出了实现车辆基本功能的控制模式,并对控制电路进行设计。在此基础上,应用实车调试,对控制系统进行了测试。结果可知:对车辆进行准确控制的前提是对驾驶员意图进行准确的分析采集,控制流程应简洁明了,尽可能减少控制器的执行周期,缩短控制周期;实车测试表明系统能准确的实现驾驶员的操作意图,实现加速、减速、制动等,表明所设计的控制系统的可靠性与准确性,为此类设计提供参考。

考虑驾驶员差异性的安全距离模型优化

针对传统模型中将驾驶员反应时间设为固定值、忽略驾驶员差异性这一问题进行优化,提出一种考虑驾驶员差异性的安全距离模型.选取驾驶员驾龄、驾驶风格识别系数、车速这3个因素作为特征值,采用模糊控制算法,对驾驶员反应时间进行计算.基于Honda模型建立考虑驾驶员差异性的安全距离模型,依据中国新车评价规程(China-new car assessment program, C-NCAP),选取前车制动工况对所提出的安全距离模型进行仿真试验验证.结果表明:所提出的模型在上述工况下具有良好的实时性和适应性,安全距离模型在保证行车安全性的基础上,驾驶员反应时间能够体现不同类型驾驶员的差异性,提高了行驶安全性.

塔机驾驶员岗位胜任力云评价模型研究

为提高塔机作业安全水平,基于胜任力理论,在调研分析塔机驾驶员岗位特点及其胜任特征的基础上,构建包括自我特质、知识储备、业务技能和价值观念4个二级评价指标和16个三级评价指标的塔机驾驶员岗位胜任力评价指标体系;综合运用云理论及其正逆向云发生器,厘定塔机驾驶员岗位胜任力评价标准云和评价指标权重云,并耦合专家知识经验构建塔机驾驶员岗位胜任力云评价模型;最后利用云评价模型对某建筑工地塔机驾驶员岗位胜任力水平进行评估与分析。结果表明:该建筑工地塔机驾驶员I1和I4的岗位胜任力水平评价值分别为85.481和87.354,均处于评价等级良和优之间,更偏向于等级良,说明他们的自我特质水平有很大的提升空间,需对其加强针对性的安全培训。该评价结果与客观实际情况基本一致,表明本文提出的塔机驾驶员岗位胜任力云评价模型是科学、合理的。

基于预瞄-优化驾驶员模型的多轴车辆操纵稳定性仿真研究

多轴特种车辆的操纵稳定性是其机动性能的关键性能指标,而且是保证车辆安全的前提。在UG中建立某8轴车辆三维模型,将三维模型导入ADAMS,建立整车动力学模型。基于预瞄-优化理论,在Fortran语言环境下建立驾驶员模型,嵌入到ADAMS中实现人-车-路闭环的控制系统仿真。根据所建立的模型,分别进行转向盘角阶跃输入、双移线和蛇行的车辆操纵稳定性仿真,仿真结果表明,驾驶员模型能够有效地控制车辆位置和速度进行轨迹跟踪,整车的操纵稳定性较好。

基于驾驶员模型的六足机器人自主/协同决策

重载六足机器人在野外地形环境移动作业时的决策智能水平亟待提高。然而,当机器人在尚未形成合理的决策结构层次时,直接采用其与环境进行交互方式进行常规的强化学习训练,将导致机器人的行为决策过于发散。因此,本文首先利用一种符合驾驶员决策逻辑的分步训练神经网络,得到驾驶员的决策经验模型,使机器人快速形成自主决策智能。此外,为融合人机决策优势,本文基于合作博弈理论,提出一种消除人机协同决策指令冲突的方法。搭建面向重载六足机器人人机协同决策的半物理仿真实验系统,开展实验的结果表明,机器人通过学习驾驶员先验模型和自主训练,其决策效果可接近驾驶员决策水平,同时人机协同决策指令可有效弥补单智能体决策指令的缺陷,在规则沟壑地形下协同决策指令的碰撞率指标优于驾驶员单智能体指令23.8%,障碍地形下协同决策指令的能量消耗指标优于机器自主单智能体指令34.1%。

基于驾驶员经验的无人驾驶车辆平行泊车操作模型

提出了一种充分融合驾驶员经验的、低能耗的无人驾驶车辆平行泊车操作模型。将驾驶员平行泊车经验,描述为双梯形曲线图像的方向盘转角操作模型;对模型轨迹关键点位上的3个构型参数,建立平行泊车品质评价体系,得出参数对泊车品质的影响规律;考虑车辆运动学约束以及无碰撞约束,实现双梯形操作模型的优化与校正。在一辆6.6 m的无人驾驶客车上,进行了不同算法的对比验证,并在不同变量条件下进行了适应性验证。结果表明:相比传统的五次多项式轨迹规划和比例—积分—微分控制的泊车方法,用本操作模型,省去了循迹环节,使泊车过程更加流畅,且能耗降低达44.7%。

基于Matlab的挖穴机刀片作业模型建立及分析

通过建立梯形刀片运动模型,分析与挖穴机切土刀刃滑切速度的相关因素,得出刀片刃口与水平方向有一倾斜角,土壤质点与水平方向的夹角与滑切速度显著相关,运用MATLAB编程分析结合实际作业经验得出刀片刃口倾斜角的具体取值范围20°~30°为优;建立刀片纯切削模型,基于数学语言,对刀片安装角、刃倾角进行了理论分析,并通过MATLAB程序设计,给出了合理取值范围。

驾驶员对高速公路收费政策调整满意度的影响因素研究

为了研究高速公路收费费率调整和驾驶员满意度之间的关系,选取了8个相关因素,以重庆市为例,通过调查问卷、实地勘察、数据分析等方式获取调查数据,并选择基于有序Logit研究模型,从个人方面、车辆因素、出行因素、政策方面等四个维度考虑,最后进行实证结果分析。研究得出:驾驶员的年龄、收入、出行距离、出行时间、出行目的、是否办理ETC、是否了解调价政策和驾驶员满意度之间存在显著相关关系;其中,驾驶员的年龄和驾驶员满意度之间存在负相关关系;驾驶员的收入、出行距离、是否了解调价政策和驾驶员满意度之间存在正相关关系。

基于模型预测的智能汽车辅助驾驶控制研究

辅助驾驶控制是智能汽车的重要功能,可有效协助驾驶员完成驾驶操作,减少驾驶疲劳并提升驾驶安全。智能车辆的辅助驾驶控制需要在不干扰驾驶员的情况下,提供合适的车辆运动控制量并防止可能发生的碰撞。文章提出了一种基于模型预测控制的智能汽车辅助驾驶控制方法。该控制方法在驾驶员正常操作时符合驾驶员的操作特性,在可能发生碰撞时纠正驾驶员的转向操作,能够保证安全性且不干扰驾驶员。为了避免与周围车辆的碰撞,基于周围车辆位置建立约束条件,并引入模型预测辅助驾驶控制设计。通过仿真研究验证了所提出的辅助驾驶控制方法,结果表明,所提出的预测控制方法可以帮助驾驶员避免与附近车辆可能发生的碰撞,从而保证智能汽车的行驶安全。

基于MATLAB/Simulink对光伏电池建立模型与仿真

基于光伏电池数学模型,对光伏电池板的工作原理进行简要分析并给出其等效电路,使用MATLAB/Simulink对其建立仿真模型,并且通过在不同的环境下来测试光伏电池模型的特性,仿真结果与理论上的光伏电池P-V、I-V特性曲线基本吻合,证明所建立模型的合理性,对光伏电池在现实中的应用具有实际意义并对找到光伏电池合适的工作环境和实现其的最大功率提供了理论依据.

基于快速随机模型预测控制的网联混合车队生态驾驶策略研究

为解决网联汽车由于驾驶员误差存在导致的速度轨迹偏移问题,本文提出一种实时的考虑驾驶员误差的网联混合车队生态驾驶策略。首先通过实车试验采集不同驾驶员的驾驶员误差数据,建立基于马尔可夫链的驾驶员误差模型,用于预测未来一段时间的驾驶员误差。然后以最小化整个车队的燃油消耗为优化目标,将车队速度轨迹优化问题描述为一个最优控制问题,采用快速随机模型预测控制(fast stochastic model predictive control,FSMPC)算法求解车队中网联汽车的最优速度轨迹。仿真和智能网联微缩车试验结果表明,相比于传统的基于快速模型预测控制(fast model predictive control,FMPC)的生态驾驶策略,本文所提出的生态驾驶策略能够有效减小车辆的速度轨迹偏移,并降低整个车队的燃油消耗,且满足实时性要求。

基于MATLAB的ARIMA模型对我国GDP预测的研究

国内生产总值(GDP)是衡量国家经济发展水平的重要指标,准确预测GDP对政府进行有效宏观调控意义重大。文章采用MATLAB软件,对我国1978—2023年国内生产总值(GDP)进行分析,通过数据平稳性检验、模型参数的识别、模型检验等环节确定了ARIMA(4,2,2)模型。预测我国2024—2026年GDP数值。

基于智能驾驶员模型算法的长期跟车车速预测研究

针对新能源汽车能量管理中难以长期、精准地预测车速的问题,提出了一种基于模型的参数化车速预测方法,利用传感器和GPS提供的前瞻数据预测车辆的速度轨迹。首先根据整车动力学和车辆停车转弯趋势建立基于智能驾驶员模型(IDM)的车速预测算法;然后,从NGSIM公开数据集中筛选数据用于参数标定及仿真;最后,利用遗传算法(GA)对算法参数进行标定。仿真验证结果表明,优化后的车速预测算法在通畅或拥堵的交通环境中,对于长期车速预测均有较高的精度,误差可控制在8%~13%范围内。

基于PPG脉搏信号特征值的驾驶员脑血管疾病识别模型

驾驶员的身体状况与交通安全息息相关,尤其是驾驶员的心脑血管健康状况。实时监测驾驶员的健康情况,有助于驾驶员及时了解自己的身体状况,减少因突发疾病导致的交通事故。文中对657份来自广西壮族自治区桂林市人民医院的PPG脉搏波数据集通过ChebyshevⅡ滤波器降噪和快速傅里叶法提取时域特征、频域特征和小波包特征后,将脑血管疾病进行二分类数值化,再将数值标签化后的脑血管疾病类型作为输出参数,以构建驾驶员脑血管疾病数据集。针对实际数据集样本的分类不均衡问题,通过SMOTE算法进行过采样补充,构建基于PPG特征值的驾驶员脑血管疾病分类模型SSA-DELM,并利用实际数据集进行训练和实验,发现所提出的方法对脑血管疾病的预测精确率达83%,查准率达80%,查全率达76.6%、F1分数为0.79,平均查准率均值达0.80,表明该分类模型能够为患有脑梗或脑血管疾病驾驶员提供较为准确的预警。文中研究成果可为基于PPG信号的驾驶员动态健康监测系统提供理论模型基础和技术支持,在新能源汽车行业的软件服务和智能医疗中具有较大的应用空间,这与新能源车企“终端+软件+服务”的全产业链销售模式相契合,也与现代人注重环保、家庭健康和智能交通的理念相契合。

利用MATLAB进行有效的模型风险管理

随着金融市场的复杂性和不确定性不断增加,模型风险管理成为金融机构和投资者面临的重要挑战之一。本文旨在探讨利用MATLAB进行有效的模型风险管理的方法和实践。首先,介绍了模型风险的定义和分类,并阐述了模型风险管理的重要性。其次,探讨了MATLAB在金融领域的应用,以及在模型开发、验证、风险量化和监控中的角色。再次,对模型风险管理的数学基础进行了详细阐述,包括模型评估指标与方法、模型验证与校准方法以及模型风险量化模型。从次,针对MATLAB工具箱在模型风险管理中的具体应用进行了深入探讨,包括金融工具箱、量化金融工具箱以及数据分析与可视化工具箱的应用。最后,通过实证研究和案例分析,验证了利用MATLAB进行模型风险管理的有效性,并展望了基于MATLAB的模型风险管理的未来发展方向和应用前景。

基于MATLAB的SEIR传染病模型的构建与分析

传染病是全球范围内的重要公共卫生问题,对人类健康和社会稳定造成了巨大的威胁。了解传染病的传播机制和控制策略对预防和控制传染病的传播至关重要。SEIR模型是一种常用的模型,通过对人口中不同状态的转移进行建模,能够预测传染病的传播趋势和规模。为此,结合SEIR传染病模型特征,提出一种带有双线性传染率的SEIR1传染病传播模型。通过MATLAB模拟实验分析,SEIR1传染病传播模型能够实现对传染病短期流行趋势的预测,具有一定的实践应用价值。

基于多信息协同融合的驾驶员疲劳检测的交通机电系统安全监测预警系统研究

随着科技的不断进步和经济的飞速发展,汽车保有量的飞速增长,导致道路交通事故大幅度的上升,伴随物联网的兴起,车联网成未来交通机电系统发展重中之重,为交通机电系统安全监测扩展到具体车辆提供了技术基础,因此,开展多信息融合的疲劳驾驶的监测的研究对交通机电系统安全管理体系构建尤为重要。我们研究分析了疲劳驾驶的眼部监测方法,建立矫正人脸的姿态模型,通过坐标系统使人眼位于水平位置并进行监测,利用PERCLOS原理的P8O标准监测疲劳程度。然后对车辆行驶轨迹进行监测,车辆偏离率反映车辆偏离车道的程度,对于车辆沿斜线行驶时,车道偏离量变化率来判断偏离的快慢。最后对驾驶员动作阶段设定数学模型,建立疲劳度模型。