新手驾车 谨防错觉

新手驾车经验不足,容易因错觉出现失误,因此,驾驶员应注意了解这些不利因素。 距离错觉 驾车行驶时,路面上各种车辆、车型、颜色、行车状态千差万别,驾驶员有时会对外界车辆的间距、跟车间距产生错觉。常见的是参照物少时,感觉偏远;雨雪雾天气中感觉距离比实际间距大;车速越高误差越大。车辆越小、颜色越浅,感觉距离越远。如果仅     

考虑驾驶员换道意图的自适应巡航控制策略研究

针对多数的自适应巡航系统因不能考虑驾驶员意图,在遇到施工路段、道路合流或者车辆长时间跟随低速行驶的前车等情况时,造成无法满足驾驶员的主观需求和节能要求的问题。在传统自适应巡航系统模型基础上考虑了驾驶员意图辨识,提出了基于五次多项式曲线的换道路径规划,通过对换道轨迹约束条件的分析,得出了换道轨迹方程。通过构造跟随性指标以及舒适性指标的代价函数选取合适的换道轨迹方程。提出了基于两点预瞄的轨迹跟踪控制,实现了对换道轨迹的良好跟踪,并结合CarSim与Simulink进行联合仿真实验。仿真结果表明,采用此自适应巡航控制策略,既可实现传统意义上的定速巡航与自动跟车,又可实现满足换道意图的自主决策换道,换道效果良好且具有较强的实用性。     

驾驶员制动意图辨识的方法研究

采用基于模糊推理的多参数驾驶员制动意图识别的方法 ,以制动踏板力、制动踏板开度以及制动踏板开度变化率作为输入参数,将驾驶意图分为平稳制动、一般制动、紧急制动;通过Matlab自带的模糊推理工具箱,采用图形界面可视化工具建立驾驶意图识别的模糊推理系统。最后借助Matlab的Fuzzy工具箱,搭建驾驶员制动意图辨识模型的离线验证Simulink程序,利用大量实车的试验数据验证辨识模型的准确性。仿真结果证明该模型辨识度高,模型准确可靠。本模型也可用于制动辅助系统的控制策略的开发,从而提高制动辅助系统的响应时间,减轻驾驶员的负担,提高汽车的行驶安全性。     

再谈农用运输车的安全驾驶技术

［编者按］本文作者在上期曾介绍过农用运输车（以下简称农用车）的起步、升挡、行驶和安全侧向间距等方面的驾驶技术，对司助人勋良有启发，这期再介绍几点操作要领，以期进一步提高驾驶员的技术水平；1．跟车距离农用车在同道上尾随前车行驶时，要合理地掌握行车速度，保持安全的跟车距离，做到随时可制动停车。车速愈快，安全跟车距离则愈长。一般来讲，农用车在城镇窄路段、繁华地段行驶时车速较慢，应保持5m～8m的跟车距离；农用车在公路上行驶时速度较快，应保持30m以上的跟车距离，当尾随超高、超宽的大型车辆行驶时，因视线受到限制…     

基于车辆坐标系的闭环系统驾驶员模型研究

建立了基于旋转坐标系和车辆坐标系的单点预瞄横向偏差驾驶员模型,圆形路径的仿真计算结果表明,这两种驾驶员模型都能很好地跟踪目标路径,但对车辆的操纵行为却有明显的差异。基于车辆坐标系的驾驶员模型对车辆的控制接近于驾驶员的实际操纵行为,用这类驾驶员模型来进行汽车操纵稳定性的仿真评价才是合适的。     

基于BP神经网络的驾驶疲劳预测模型及其有效性分析

疲劳驾驶是导致交通事故的重要原因之一,对疲劳驾驶行为进行预测可以有效减少事故发生。通过设计高速路段实车疲劳驾驶实验,获取相关特征指标,对特征参数进行研究,建立基于BP神经网络的驾驶员疲劳驾驶状态预测模型,对驾驶员的疲劳状态进行预测,结果表明精度达到90%以上;并对不同缺失率下的实验数据进行疲劳预测,判断该模型在数据缺失时是否有效,该模型在数据缺失率达到20%时预测精度仍达到80%,基于BP神经网络进行疲劳预测具有较高有效性。     

机动车驾驶员疲劳状态的仿真分析研究

通过对驾驶员的驾驶操纵过程进行分析,应用传递函数这一经典控制理论工具,构建了驾驶员的行为操纵模型,并在MATLAB/Simulink仿真环境下实现,通过对机动车驾驶员的正常状态和疲劳状态进行仿真比较分析,表明驾驶员在疲劳状态时比正常状态时需要更长的操纵时间才能跟随着道路环境的变化,其果断性和灵敏性、实时性均下降很多,为进一步研究机动车驾驶员的疲劳状态奠定了理论基础。     

基于IL-HMMs预测模型的地下水埋深预测研究

以西北干旱典型县域磴口县为研究区,基于增量学习的改进隐马尔可夫预测模型(IL-HMMs),对区域地下水埋深进行了预测研究。为检验IL-HMMs模型预测效果,将模型预测结果与2013年长观井的实测数据进行了比较;同时为检验模型的优劣性,与未经增量学习的隐马尔可夫模型(HMMs)、加权马尔可夫链(WMCP)和BP神经网络(BP neural network,BPNN)预测模型的预测结果进行了比较。结果表明:与其他几种预测模型相比,IL-HMMs模型预测精度显著提高,误差更小,有较好的鲁棒性。并使用IL-HMMs模型对2018年地下水埋深进行了预测,预测结果表明,2018年地下水年平均埋深略有增加、局部区域地下水埋深增量加剧。基于IL-HMMs模型的地下水埋深预测具有很好稳定性的同时对新数据加入又有很好的鲁棒性,可为地下水埋深动态预测提供思路与方法补充,为区域地下水资源开发利用和保护提供重要依据。     

基于马尔可夫过程的改进残差灰色

洪涝是对人类社会危害较大的一种自然灾害,洪涝严重影响农业生产和生态平衡。介绍了传统残差灰色模型的基本原理和建立方法;并介绍了马尔可夫预测法,它是应用概率论中马尔可夫链的理论和方法来研究分析有关数据的变化规律,并由此预测未来变化趋势的一种方法。针对灰色残差模型中存在的问题对该模型进行了改进,运用马尔可夫状态转移矩阵来判断残差预测值在k>n时的符号,提高了预测精度。用辽阳地区50年的年降水量作为历史数据,取定灾变序列,建立涝灾预测模型,结果表明,新模型算法简单,精度较高,比传统的灰色模型效果更好,为涝灾预测提供一种行之有效的方法,对防灾减灾具有极其重要的现实意义。     

跟车不当影响安全行车

在同向行驶的一列汽车中 ,车辆的跟车特点表明 ,后车驾驶员跟随前车运行 ,总不愿意落后很多 ,总是紧随前车。这是一种“紧随要求”。从安全角度看 ,跟随车辆要满足两个条件 :一是后车的速度不能长时间大于前车 ,只能围绕前车的速度上下摆动 ,否则会发生追尾 ,这是“车速条件” ;二是前后车之间应有足够的安全距离 ,从而有足够时间供后车驾驶员作出反应 ,采取制动措施 ,这是“间距条件”。正确的跟车方法是既要保证行车安全 ,又不致影响道路的交通流量。为此 ,要避免两个极端 :一是不顾主客观条件 ,与前车保持极小的距离 ;二是害怕出事 ,不管…     

基于马尔可夫边程的改进残差灰色灾变预测模型研究

洪涝是对人类社会危害较大的一种自然灾害,洪涝严重影响农业生产和生态平衡.介绍了传统残差灰色模型的基本原理和建立方法;并介绍了马尔可夫预测法,它是应用概率论中马尔可夫链的理论和方法来研究分析有关数据的变化规律,并由此预测未来变化趋势的一种方法.针对灰色残差模型中存在的问题对该模型进行了改进,运用马尔可夫状态转移矩阵来判断残差预测值在k>n时的符号,提高了预测精度.用辽阳地区50年的年降水量作为历史数据,取定灾变序列,建立涝灾预测模型,结果表明,新模型算法简单,精度较高,比传统的灰色模型效果更好,为涝灾预测提供一种行之有效的方法,对防灾减灾具有极其重要的现实意义.     

基于BP神经网络的HEV加速意图识别

为满足混合动力汽车在燃油经济性条件下对动力性能的要求,从汽车的加速方面进行了分析,利用油门踏板的开度及其变化率和车速作为识别加速意图的指标,运用适应性强且识别准确率高的神经网络来预测驾驶员的加速意图。根据相应的实车采集数据和加速意图目标值进行训练神经网络,达到能实现较高的识别准确率。进而控制电机来补偿加速时发动机的动力不足的影响。     

基于驾驶员驾驶意图的混合动力汽车能量管理策略研究

驾驶员的驾驶意图和风格识别是确定汽车(特别是混合动力汽车)控制策略的理论基础。基于高精度驾驶意图识别的能量管理策略可以合理切换发动机和电机的使用时机,从而在提升驾驶员操作体验的同时降低车辆百千米油耗和排放量。使用实测道路数据构建了驾驶意图识别模型,基于Cruise搭建了单轴并联式混合动力汽车模型,并根据模糊控制理论基于Simulink构建了模糊控制策略。在NEDC工况下分别应用三种驾驶风格控制策略和综合控制策略进行联合仿真,验证了模糊控制策略能够将SOC值控制在合适的区间,提高汽车的经济性、排放性。     

城市工业用水量的灰色马尔可夫预测模型

灰色GM(1,1)是预测城市工业用水量的模型,这种模型不适合长期的、随机和波动性较大的数据序列预测,但是马尔可夫模型适合描述随机波动性较大的预测问题.可以将这两种模型结合,构建灰色马尔可夫预测模型.按特定的状态划分方法,先用灰色GM(1,1)预测模型进行预测,再用马尔可夫模型预测结果进行优化,使预测精度大大提高.最后以抚顺市为例,预测结果证明了该模型的优势.     

基于灰色残差-马尔可夫藕合模型的农业需水量预测研究

将灰色残差模型与马尔可夫预测模型结合起来,建立灰色残差-马尔可夫藕合模型来预测农业需水量.先用灰色GM(1,1)模型进行预测,预测精度较低,因此对GM(1,1)模型进行一定程度的改进,建立灰色残差GM(1,1)模型;再用马尔可夫预测模型来判断残差预测值的符号,以提高预测精度.最后用华东某城市2002-2008年的农业用水量作为历史数据进行了预测,结果表明预测精度明显提高.预测结果可以为研究区域今后的节水灌溉发展提供理论依据,来有效地指导今后该地区的节水灌溉.     

改进灰色-马尔科夫模型在年降水量预测中的应用研究

用三点滑动法对灰色GM(1,1)模型优化,用模糊聚类FCM算法对马尔科夫模型状态分组阶段进行改进,用多种步长的马尔可夫链加权算法来预测年降水量。将上述改进后的灰色模型与马尔科夫模型结合,对地区年降水量进行预测。结果表明,改进后的灰色-马尔科夫模型既提高了马尔科夫模型对预测波动性降水数据的准确性,又充分利用了灰色系统预测结果精度高的优势,提高了预测精度。     

水氮数据联合驱动的冬小麦数据同化研究

水氮状态的准确估计对于作物生长模拟和产量估计十分重要.数据同化可以集成观测和模型,从而实现更加准确的模拟.然而,传统的数据同化系统大多关注叶面积指数(LAI)、土壤含水量(SM),对于氮素状态估计的研究相对较少,缺乏水氮数据联合驱动的数据同化研究.采用集合卡尔曼滤波(EnKF)方法对SWAP-WOFOST模型构建冬小麦生长的数据同化系统,通过引入叶片氮累积量(LNA)的观测,同时更新SM、LAI、LNA和作物产量等关键状态变量后进行作物生长模拟.结果表明,只加入LAI和SM可以很好更新模型的土壤水分剖面和LAI,但是对于LNA和产量的模拟效果不佳;加入LNA观测后,有效提高了作物LAI、LNA和产量的模拟精度.同时更新模型状态和参数(SSPE)比只更新状态(USO)的模拟效果更好,尤其是在土壤含水量的估计中.无论是水分还是氮素状态模拟出现偏差的情况,都很难准确估计最终的作物产量,而水氮数据联合驱动的结果最优.此外,研究中的数据同化系统在不同观测误差和观测频率下都具有良好的稳健性.该研究有助于深入理解冬小麦生长与水氮状态的关系,对实际应用中的作物生长模拟和产量估计具有一定指导意义.     

基于BP神经网络的车辆跟驰模型研究

课题组进行实际道路跟驰实验,利用GPS采集跟车驾驶行为数据。以GPS采集到的车辆行驶轨迹数据为基础,提取前车车速、相对距离、前车对后车的相对速度以及后车车速作为输入,后车下一时刻的车速作为输出,建立BP神经网络跟驰模型,并使用遗传算法（GA）对BP神经网络跟驰模型进行优化。结果表明,GA-BP神经网络模型与BP神经网络模型对比,GA-BP神经网络跟驰模型预测性能的各个评价指标都优于BP神经网络跟驰模型。     

伴随同化在水生态动力学模型中的应用研究

数据同化可有效结合模型与观测数据,提高模型的模拟与预测能力,近20年来,伴随数据同化在水生态动力学模型中有着广泛的应用。比较了数据同化各类方法的特点,简述了伴随同化方法的基本原理,从优化模型参数与初始场、改进模型结构两个方面总结了伴随同化在水生态动力学模型中的国内外应用情况,分析了水生态动力学模型伴随同化研究的3个关键影响因素(观测数据、控制变量和模型参数时空变化),探讨了伴随同化在水生态动力学模型中所面临的挑战及发展趋势,指出了伴随同化在湖库生态动力学模型中的应用研究有待加强。     

怎样避免车辆追尾事故

在公路上,有时会因驾驶员处置不当或因浓雾而发生汽车追尾事故。追尾事故的发生,除了车辆的行驶速度、制动性能和驾驶员的反应能力等因素外,还与跟车距离有着直接的关系。 为了避免紧急制动时被后车