摘要：为解决当前自动驾驶车辆跟驰智能性评价中存在的以主观评价为主、缺少微观驾驶行为数据支撑的问题,以高速公路自然驾驶数据为基础,从自动驾驶车辆与人工驾驶车辆驾驶行为一致性的角度出发,构建自动驾驶车辆跟驰智能性评价模型。首先,通过无人机视频拍摄和图像处理,获取了国内18个省份部分高速公路上的高精度车辆轨迹,利用K-means聚类方法提取了15446组稳定跟驰数据。然后,采用描述性统计方法对速度、加速度、跟车间距及跟车时距等指标进行分析。通过Gamma分布拟合不同速度下的跟车间距,以不同速度下跟车间距众数为中心,将跟车间距按照样本量的70%、20%、10%划分为与人工驾驶车辆驾驶行为一致性较好、一般、较差等3种情况,以此为基础建立自动驾驶车辆跟驰智能性评价模型。最后,通过自动驾驶车辆跟驰试验,证明所建模型适用于自动驾驶车辆跟驰智能性评价,相比既有研究,该模型的特点是能基于全过程、微观跟驰行为数据对自动驾驶车辆做出综合的量化评价。这表明基于自然驾驶数据与驾驶行为一致性构建的模型能客观、量化评价自动驾驶车辆跟驰行为,可用于自动驾驶车辆跟驰行为研究与技术参数设计。

摘要：为优化客运枢纽标识系统设计,解决其指引功效评估的难题,以寻路理论为基础,利用建筑信息建模(building information modeling,BIM)技术搭建城市综合客运枢纽场景,通过虚拟现实(virtual reality,VR)技术完成虚拟现实环境下的沉浸式寻路实验,从而获取以寻路时间、转错弯次数及停驻观望次数为指标的被试寻路特征,进而采用灰色近优综合评价方法,实现基于BIM+VR技术的多指标条件下综合客运枢纽标识系统评估及优化.结果表明,标识系统设计对被试寻路行为有显著影响.相较于旧版标识系统,被试在新版标识系统环境下流线1中的寻路时间及停驻观望次数显著性降低,转错弯次数无明显差异.同时,被试在新版标识系统环境下流线2中的寻路时间及转错弯次数显著性降低,停驻观望次数无明显差异.新版标识系统近优度大于旧版标识系统,即新版标识系统综合指引功效优于旧版.研究形成以BIM+VR技术为基础、以乘客空间认知为导向的城市综合客运枢纽标识系统一般性评估方法,为其他封闭空间标识系统优化设计研究提供基础.