摘要：铝合金(Aluminum alloy,Al)-碳纤维增强聚丙烯(Carbon fiber reinforced polypropylene,CF/PP)混合材料通过热模压工艺可快速成形为车身薄壁构件,在汽车轻量化设计中应用前景广阔。然而,在热模压中Al主要以塑性变形为主,而CF/PP则以织物拉伸/剪切变形为主;此外,Al-CF/PP混合材料具有明显的热力耦合力学特性,为其数值模型的发展及热成形特性的研究带来了巨大挑战。本文首先通过热模压工艺制备8层(Al与CF/PP交替对称铺放)Al-CF/PP混合帽型梁试样,并采用X射线扫描断层(X-ray computed tomography,X-ray CT)手段对纤维夹角变化进行逐层表征。结果表明:Al-CF/PP中织物发生了明显的剪切变形;然后分别对Al片材和CF/PP片材在不同温度条件下开展单轴拉伸和偏轴拉伸实验,并构建了与温度相关的Al-CF/PP材料本构模型;在ABAQUS中构建了Al-CF/PP帽型梁的热模压有限元模型,仿真预测的纤维夹角变化与实验结果基本吻合;结果表明热模压过程中所有Al片材均出现了厚度减薄,CF/PP片材均经历了明显的剪切变形,Al-CF/PP层间材料则发生了显著的失效损伤。

摘要：针对现有端到端自动驾驶模型未考虑驾驶场景中不同区域的重要性和不同语义类别之间的关系而导致预测准确率低的问题,受驾驶人注意力机制和现有端到端自动驾驶模型的启发,充分考虑驾驶场景的动态变化、驾驶场景的语义信息和深度信息对驾驶行为决策的影响,以连续多帧驾驶场景的RGB图像为输入,构建一种基于注意力机制的多模态自动驾驶行为预测模型,实现对方向盘转角和车速的准确预测。首先,通过语义分割模型和单目深度估计模型分别获取RGB图像的语义图像和深度图像;其次,为剔除与驾驶行为决策无关信息,以神经科学和空间抑制理论为基础,设计一种拟人化注意力机制作为能量函数来计算驾驶场景中不同区域的重要度;为学习语义图像中与驾驶行为决策最为相关类别之间的关系,采用图注意力网络(Graph Attention Network, GAT)对驾驶场景的语义图像进行特征提取;然后,以保留RGB特征为原则对提取的驾驶场景的图像特征、语义特征和深度特征进行融合,采用卷积长短期记忆网络(Convolutional Long Short Term Memory, ConvLSTM)实现融合特征在连续多帧之间的传递,进而实现下一帧驾驶场景对应驾驶行为的预测;最后,与其他模型的对比试验、消融试验、泛化试验和特征可视化试验来充分验证所提出自动驾驶行为预测模型的性能。试验结果表明:与其他驾驶行为预测模型相比,所提出模型的训练误差为0.021 2,预测准确率为86.97%,均方误差为0.031 5,其驾驶行为的预测性能优于其他模型;连续多帧的语义图像和深度图像、拟人化注意力机制和面向语义特征提取的GAT有助于提升驾驶行为预测的性能;该模型具有较好的泛化能力,其做出驾驶行为预测所依赖的特征与经验丰富的驾驶人所关注的特征基本一致。

摘要：乘坐舒适性是决定乘客对智能车辆接受度的重要因素之一。为了提升智能车辆的舒适性,服务智能驾驶控制算法的设计和优化,开展了基于乘客主观感知的实车乘坐舒适性试验,试验中驾驶人驾驶传统车辆执行多次换道操作,获取了60名被试乘客对换道操作的舒适性评价数据,并采集了车辆的运动数据。选取换道时横向最大加速度、回正时横向最大加速度、横向最大加加速度、横向加速度转换幅值以及横向加速度转换频率这5个车辆运动参数作为研究对象。采用二元Logistic回归单因素分析法分析了这5个车辆运动参数对乘坐舒适性的影响,采用接收者操作特征(ROC)曲线分析法为不同晕车易感性的乘客分别确立了这5个车辆运动参数的舒适性阈值,并根据岭回归分析法确定了不同参数对乘坐舒适性的影响权重。结果表明:所选取的5个车辆运动参数对乘坐舒适性具有显著影响,易晕乘客的舒适性阈值小于不易晕乘客的舒适性阈值,在换道过程中,换道时横向最大加速度、回正时横向最大加速度和横向加速度转换幅值是影响乘坐舒适性的主要因素。最后根据车辆运动参数和乘客生理特征参数建立了基于动态时间归整(DTW)和K最近邻(KNN)算法的乘坐舒适性预测模型,该模型对乘坐舒适性的预测准确率为84%,可用于智能车辆控制算法的舒适性判断。

摘要：感知周围车辆的驾驶行为并识别其意图将成为新一代高级驾驶辅助系统的重要组成部分。针对现有方法只考虑单一驾驶行为且可扩展性和可伸缩性差,提出一种基于稀疏表示理论的驾驶行为感知字典模型(Driving Behavior Perception Dictionary Model,DBPDM)。将车辆行驶状态视为时间序列,设计基于自回归积分移动平均(Autoregressive Integrated Moving Average,ARIMA)结合在线梯度下降(Online Gradient Descent,OGD)优化器的在线预测模型,提出基于驾驶行为预测的意图识别构架(Intention Recognition Framework,IRF)。首先,采用图Lasso方法估计典型驾驶行为的稀疏逆协方差矩阵构建驾驶行为字典库,并采用Logdet散度方法计算各逆协方差矩阵的差异获得行为感知字典模型。然后,基于在线预测模型对目标车辆的行驶轨迹和运动状态进行预测,结合主车车辆的行驶状态作为稀疏表示的观测信号,以获取预测时域内的目标车辆意图。最后,采用NGSIM(Next Generation SIMulation)真实驾驶数据对模型进行开发和测试。研究结果表明:所提出的行为感知模型能对6种典型驾驶行为构建行为字典,在分类准确率上与现有方法相比有明显提升,对换道和转向行为样本的平均识别准确率分别达到99.1%和92.9%;该模型能够在相对早期阶段准确地识别出车辆行为;在线预测算法能较好预测出目标车辆的行驶轨迹和运动状态,从而间接地反映出其在预测时域内的驾驶意图;IRF可在换道和转向行为开始前的1.5 s较为准确地识别出目标车辆的意图,平均识别准确率超过80%。

摘要：晕车是一种常见的由车辆运动引起的病症,严重影响乘车体验。由于现有车辆控制方法很难做到完全避免晕车,且晕车等级随暴露时间而增加,并受不同情景的影响,故乘员晕车状态变化对应的车辆运动参数阈值(晕车阈值)需要进一步研究。本文聚焦于探究不同情景下晕车阈值的变化规律,即晕车敏感性。首先,设计4类情境下(不同晕车易感性和有无非驾驶任务)的实车乘坐;其次,分析4类情境下晕车等级的变化规律;然后,分别以4种运动工况下的加速度和加加速度作为分析对象,利用单因素方差和统计方法,将相同情景和不同晕车等级下的晕车阈值变化规律(横向敏感性)进行横向对比,将不同情景和相同晕车等级下的晕车阈值变化规律进行纵向对比(纵向敏感性)。结果表明,晕车等级随暴露时间而增加,并且4类情境下的晕车等级存在差异,高晕车易感性被试具有横向敏感性,低晕车易感性被试不具有横向晕车易感性;纵向敏感性一般只在中度晕车等级下成立。研究结论丰富了晕车等级与晕车阈值的关系,可为传统驾驶和自动驾驶减少晕车的控制策略提供参考依据。

摘要：为降低车道变换的风险性,提出一种基于驾驶人视觉特性与车辆运动状态预测车道变换行为的方法.应用视觉追踪系统、毫米波雷达等仪器设备,进行了真实环境下的实车驾驶试验.基于换道前驾驶人后视镜注视特性确定换道意图时窗大小为5s,构建换道行为预测的表征指标体系.设计BP神经网络结构,构建换道行为预测模型.结果表明:模型可以至少提前1.5s预测驾驶人的换道行为,且预测精度达到95.58%.与基于转向灯状态预测驾驶人换道行为相比,其预测精度及时序特性均有显著提升,证明了预测指标及预测方法的有效性.

摘要：本文通过论述汽车造型设计的特征与地位,提出造型设计应是完整,独立的设计体系,而非对结构设计的美化与装饰,并用造型实例加以论证,探索合理的旅游客车设计思想与方法。

摘要：为了明确语音信息对不安全驾驶行为的干预效果,以典型不安全驾驶行为超速行驶为研究对象,针对超速发生前、发生时和发生后等3个阶段设计不同风格的语音干预信息,对30名驾驶人在驾驶模拟器上分别进行干预模拟实验,设计合理的客观和主观评价方法,针对干预效果进行评价和对比分析.实验结果表明,干预语音信息风格对干预效果具有较大影响,驾驶员的客观表现与其主观认知也存在差异,超速发生前差异较大,超速发生时和发生后差异较小,综合主客观评价结果得出了超速发生前、发生中和发生后的最佳干预风格,可以为车载提醒设备设计、驾驶员教育策略制定等提供理论基础.

摘要：在对连续长大下坡路段交通事故数据和道路设计参数调查的基础上,分析了连续长大下坡路段的交通安全状况,讨论了急弯陡坡、连续陡坡和连续缓坡3种线形组合形式路段的交通事故特征和事故原因。结合典型长大下坡路段的交通事故数据,运用数理统计与回归分析方法,研究了交通事故与道路纵断面参数之间的关系。分析结果表明：在连续长大下坡路段地点坡度为3%~4%时,事故率最高;事故率与事故发生地点前2 km以上路段平均坡度呈显著的指数关系,所建立回归模型的判定系数高于0.84。

摘要：为透析换道前驾驶人行为机理,提取可以体现驾驶人换道意图的表征参数,设计真实道路条件下的实车试验,对换道决策机制进行深入研究。基于驾驶人对外界信息的感知特性、判断决策等,分析驾驶人车道变换决策的形成机理。依据换道前驾驶人对后视镜的注视特性确定换道意图时窗,进一步提取驾驶人车道变换意图表征指标。分析表明,换道决策由信息感知及3个判断决策过程复合而成,驾驶人换道意图表征时窗约为5s;后视镜及视野盲区注视频次,当前车道与目标车道的注视时间及注视概率等指标都可以用来有效表征驾驶人的车道变换意图。