基于自然驾驶数据的跟车工况下两车相互影响研究
发布时间：2021-07-13 12:09
近年来,机动车和驾驶人数量的增加对人们的生产生活产生极大影响,人们也越来越重视随之产生的道路拥堵、环境污染等问题,尤其更为重视带来巨大人员伤亡和财产损失的频发的交通事故。现如今,车辆的跟车行为成为城市道路上最常见的交通现象之一,研究相邻车辆行驶规律引起了众多研究者的兴趣,研究在跟车工况下两车之间参数分布是如何相互影响以及对两车参数相互影响进行量化,将对提高跟车行驶的安全性以及跟车模型的建立提供参考意义。自然驾驶数据全面、真实、可靠,样本具有广泛的代表性,以其独特的优势为国内驾驶行为特性的研究提供重要依据,本文将依托中国汽车工程研究院股份有限公司采集的自然驾驶数据进行跟车工况的相关研究。首先,对采集得到的自然驾驶数据进行降噪滤波处理,参考别人文献以及结合数据本身制定跟车工况的提取原理,共提取了1207个跟车工况,在该跟车工况的基础上利用核密度估计研究了驾驶员在跟车时的前车速度、前车加速度、自车速度、自车加速度、两车相对距离和两车相对速度的概率密度分布,分析了前车速度、加速度在自车速度、加速度条件下的概率密度分布以及自车速度、加速度在前车速度、加速度条件下的概率密度分布。其次,为进一步分析...
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
实车安装设备示意
吉林大学硕士学位论文10图2.2自然驾驶数据采集设备安装示意图GPS可以提供车辆实时经纬度位置，方便于进行车辆定位管理、行驶区域自动区分等操作，GPS还可以作为多传感器时间同步的基准。前向毫米波雷达使用大陆ARS408-2177GH长距离毫米波雷达，可以提供精准的目标物位置与速度信息，其位置测量精度可以达到分米级，速度测量精度达到0.1km/h，且位置与速度信息为独立测量，互不干扰，目标的实时刷新率为17Hz，可以在极短时间内探测到远达250m的目标。Mobileye安装与车辆前方，可以弥补毫米波雷达在目标物类别识别、标志牌识别和车道线识别方面的弱势，提供更加丰富的场景信息，输出车道线类型、车道线方程、目标物类型、目标物THW等信息。Mobileye在85%的情况下，测量误差不超过10%，且其测量误差会随着目标物距离的减少和可识别时间的增加而迅速降低。摄像头为数字摄像头，分辨率720P，采用LVDS接口，输出帧率为25帧/秒，摄像头安装于车辆前方和左、右侧，提供各方向的视场信息，可以弥补Mobileye无法提供视频图像的缺陷，为数据分析人员提供更加直观的视频数据。该数据采集设备支持在线标记和离线回放，其中3摄像头+Mobileye+毫米波雷达+GPS可覆盖车身274°的视场信息。2.1.2自然驾驶数据采集区域及采集参数参与自然驾驶数据采集的车辆有五菱宝骏汽车、长安汽车、名爵汽车、北汽新能源汽车、威马汽车等共25辆，参与自然驾驶数据采集的驾驶员共60人，每个驾驶员的驾龄都在3年以上。截止到2019年6月中旬，中国汽车工程研究院
第2章自然驾驶数据的采集和处理11股份有限公司累计完成42万公里的道路数据采集，采集区域涵盖东北、华北、华东、华西、华中、西南、华南等区域。图2.3为自然驾驶数据采集区域分布图，全国地区除西藏、新疆、青海和台湾这些省份未进行数据采集，其他省份都进行了数据的采集。全国不同道路技术等级的自然驾驶数据所占比例分别为高速公路36.5%，城市道路33.8%，国道省道27%，其他道路2.7%，图2.4为自然驾驶数据采集道路技术等级分布情况。参与自然驾驶数据采集的驾驶员年龄分布覆盖20-55岁，由于要进行长时间全国区域驾驶数据采集，因此驾驶员以男性为主。数据采集也要求驾驶员具备一定驾驶经验，以确保外出驾驶安全性，同时兼顾不同驾驶经验的驾驶员，以保证多样性。涉及多种地形、多种天气条件，构成了多样化自然驾驶数据库。其安装的主要传感器可以获得的数据类型表2.1所示，摄像头采集的信息包括目标物和车道线信息；雷达采集目标物信息，其中包括目标物类型、目标物尺寸、目标物位置和目标物尺寸等信息；Mobileye采集目标物信息、标志牌信息、车道线信息和警告类信息。本文基于长安CS75燃油SUV汽车采集的自然驾驶数据共随机选取6240公里，皆是在天气状况良好（例如晴天）和白天的情况下行驶，路面无冰或雪，该数据涵盖了城市道路、高速公路行驶区域，驾驶员按照日常的驾驶行为和驾驶习惯进行驾驶，采集驾驶员在自然状态下的真实驾驶行为数据，选取的数据也符合中国驾驶员在中国驾驶环境下实际的行驶情况。图2.3自然驾驶数据采集区域分布
【参考文献】：
期刊论文
[1]基于国外技术研究方法的弯道驾驶行为特征统计分析[J]. 宋敏. 汽车技术. 2019(12)
[2]基于自然驾驶数据的跟车场景潜在危险估计模型[J]. 刘瑞,贺经纬,朱西产,马志雄. 东南大学学报(自然科学版). 2019(04)
[3]驾驶员驾驶行为的统计学特性[J]. 刘瑞,马志雄,武彪,朱西产. 同济大学学报(自然科学版). 2019(06)
[4]驾驶员加速度分布特性及其应用[J]. 刘瑞,朱西产. 汽车安全与节能学报. 2019(01)
[5]不同车速多前导车对跟驰行驶特性的影响[J]. 杨海飞,粟海琪,胡欢,刘昶成,李睿,谯洋. 现代交通技术. 2019(01)
[6]基于自然驾驶数据的中国驾驶人城市快速路跟驰模型标定与验证[J]. 王雪松,朱美新. 中国公路学报. 2018(09)
[7]驾驶模拟器运动系统对跟驰行为平稳性影响分析[J]. 时恒,涂辉招,高坤. 交通运输系统工程与信息. 2017(04)
[8]老年驾驶员跟驰行为及影响因素研究[J]. 菅美英,石京. 中国安全科学学报. 2017(06)
[9]基于自然驾驶实验的驾驶行为研究[J]. 杨敏明,王雪松,朱美新. 交通与运输. 2017(03)
[10]基于自然驾驶数据的避撞预警对跟车行为影响[J]. 王雪松,朱美新,邢祎伦. 同济大学学报(自然科学版). 2016(07)
博士论文
[1]金融风险传染的DAI空间计量模型及实证研究[D]. 陈秀荣.电子科技大学 2018
[2]基于驾驶员特性自学习方法的车辆纵向驾驶辅助系统[D]. 张磊.清华大学 2009
硕士论文
[1]基于特性分析的交通流时间序列聚类[D]. 吴冕.北京交通大学 2017
[2]基于聚类算法的汽车行驶工况研究[D]. 李洋.北京理工大学 2016
[3]基于遗传算法优化的BP神经网络跟车模型研究[D]. 张运虎.长安大学 2015
[4]基于复杂网络的区域经济演化研究[D]. 汤旻轩.南京信息工程大学 2015
[5]城市道路车辆行驶工况的构建与研究[D]. 李宁.河北农业大学 2013
本文编号：3282034
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
实车安装设备示意
吉林大学硕士学位论文10图2.2自然驾驶数据采集设备安装示意图GPS可以提供车辆实时经纬度位置，方便于进行车辆定位管理、行驶区域自动区分等操作，GPS还可以作为多传感器时间同步的基准。前向毫米波雷达使用大陆ARS408-2177GH长距离毫米波雷达，可以提供精准的目标物位置与速度信息，其位置测量精度可以达到分米级，速度测量精度达到0.1km/h，且位置与速度信息为独立测量，互不干扰，目标的实时刷新率为17Hz，可以在极短时间内探测到远达250m的目标。Mobileye安装与车辆前方，可以弥补毫米波雷达在目标物类别识别、标志牌识别和车道线识别方面的弱势，提供更加丰富的场景信息，输出车道线类型、车道线方程、目标物类型、目标物THW等信息。Mobileye在85%的情况下，测量误差不超过10%，且其测量误差会随着目标物距离的减少和可识别时间的增加而迅速降低。摄像头为数字摄像头，分辨率720P，采用LVDS接口，输出帧率为25帧/秒，摄像头安装于车辆前方和左、右侧，提供各方向的视场信息，可以弥补Mobileye无法提供视频图像的缺陷，为数据分析人员提供更加直观的视频数据。该数据采集设备支持在线标记和离线回放，其中3摄像头+Mobileye+毫米波雷达+GPS可覆盖车身274°的视场信息。2.1.2自然驾驶数据采集区域及采集参数参与自然驾驶数据采集的车辆有五菱宝骏汽车、长安汽车、名爵汽车、北汽新能源汽车、威马汽车等共25辆，参与自然驾驶数据采集的驾驶员共60人，每个驾驶员的驾龄都在3年以上。截止到2019年6月中旬，中国汽车工程研究院
第2章自然驾驶数据的采集和处理11股份有限公司累计完成42万公里的道路数据采集，采集区域涵盖东北、华北、华东、华西、华中、西南、华南等区域。图2.3为自然驾驶数据采集区域分布图，全国地区除西藏、新疆、青海和台湾这些省份未进行数据采集，其他省份都进行了数据的采集。全国不同道路技术等级的自然驾驶数据所占比例分别为高速公路36.5%，城市道路33.8%，国道省道27%，其他道路2.7%，图2.4为自然驾驶数据采集道路技术等级分布情况。参与自然驾驶数据采集的驾驶员年龄分布覆盖20-55岁，由于要进行长时间全国区域驾驶数据采集，因此驾驶员以男性为主。数据采集也要求驾驶员具备一定驾驶经验，以确保外出驾驶安全性，同时兼顾不同驾驶经验的驾驶员，以保证多样性。涉及多种地形、多种天气条件，构成了多样化自然驾驶数据库。其安装的主要传感器可以获得的数据类型表2.1所示，摄像头采集的信息包括目标物和车道线信息；雷达采集目标物信息，其中包括目标物类型、目标物尺寸、目标物位置和目标物尺寸等信息；Mobileye采集目标物信息、标志牌信息、车道线信息和警告类信息。本文基于长安CS75燃油SUV汽车采集的自然驾驶数据共随机选取6240公里，皆是在天气状况良好（例如晴天）和白天的情况下行驶，路面无冰或雪，该数据涵盖了城市道路、高速公路行驶区域，驾驶员按照日常的驾驶行为和驾驶习惯进行驾驶，采集驾驶员在自然状态下的真实驾驶行为数据，选取的数据也符合中国驾驶员在中国驾驶环境下实际的行驶情况。图2.3自然驾驶数据采集区域分布
【参考文献】：
期刊论文
[1]基于国外技术研究方法的弯道驾驶行为特征统计分析[J]. 宋敏. 汽车技术. 2019(12)
[2]基于自然驾驶数据的跟车场景潜在危险估计模型[J]. 刘瑞,贺经纬,朱西产,马志雄. 东南大学学报(自然科学版). 2019(04)
[3]驾驶员驾驶行为的统计学特性[J]. 刘瑞,马志雄,武彪,朱西产. 同济大学学报(自然科学版). 2019(06)
[4]驾驶员加速度分布特性及其应用[J]. 刘瑞,朱西产. 汽车安全与节能学报. 2019(01)
[5]不同车速多前导车对跟驰行驶特性的影响[J]. 杨海飞,粟海琪,胡欢,刘昶成,李睿,谯洋. 现代交通技术. 2019(01)
[6]基于自然驾驶数据的中国驾驶人城市快速路跟驰模型标定与验证[J]. 王雪松,朱美新. 中国公路学报. 2018(09)
[7]驾驶模拟器运动系统对跟驰行为平稳性影响分析[J]. 时恒,涂辉招,高坤. 交通运输系统工程与信息. 2017(04)
[8]老年驾驶员跟驰行为及影响因素研究[J]. 菅美英,石京. 中国安全科学学报. 2017(06)
[9]基于自然驾驶实验的驾驶行为研究[J]. 杨敏明,王雪松,朱美新. 交通与运输. 2017(03)
[10]基于自然驾驶数据的避撞预警对跟车行为影响[J]. 王雪松,朱美新,邢祎伦. 同济大学学报(自然科学版). 2016(07)
博士论文
[1]金融风险传染的DAI空间计量模型及实证研究[D]. 陈秀荣.电子科技大学 2018
[2]基于驾驶员特性自学习方法的车辆纵向驾驶辅助系统[D]. 张磊.清华大学 2009
硕士论文
[1]基于特性分析的交通流时间序列聚类[D]. 吴冕.北京交通大学 2017
[2]基于聚类算法的汽车行驶工况研究[D]. 李洋.北京理工大学 2016
[3]基于遗传算法优化的BP神经网络跟车模型研究[D]. 张运虎.长安大学 2015
[4]基于复杂网络的区域经济演化研究[D]. 汤旻轩.南京信息工程大学 2015
[5]城市道路车辆行驶工况的构建与研究[D]. 李宁.河北农业大学 2013
本文编号：3282034
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3282034.html
