目錄
“交通安全科學(xué)與技術(shù)學(xué)術(shù)著作叢書(shū)”
序
前言
第1章重載車(chē)輛狀態(tài)觀測(cè)方法導(dǎo)論1
1.1概述1
1.2研究現(xiàn)狀2
1.2.1質(zhì)心位置估計(jì)2
1.2.2側(cè)翻/側(cè)滑狀態(tài)估計(jì)方法3
1.2.3基于路側(cè)的車(chē)輛狀態(tài)估計(jì)方法5
1.2.4基于車(chē)聯(lián)網(wǎng)數(shù)據(jù)的駕駛行為辨識(shí)方法6
1.2.5車(chē)輛隊(duì)列控制方法7
1.3本書(shū)涉及的重載車(chē)輛狀態(tài)辨識(shí)與控制方法9
參考文獻(xiàn)12
第2章基于車(chē)輛動(dòng)力學(xué)的重載車(chē)輛狀態(tài)參數(shù)辨識(shí)19
2.1貨運(yùn)車(chē)輛質(zhì)量和道路坡度估計(jì)19
2.2貨運(yùn)車(chē)輛仿真模型分析20
2.2.1勻速行駛時(shí)的貨運(yùn)車(chē)輛和車(chē)輪的準(zhǔn)靜態(tài)模型20
2.2.2加速行駛時(shí)的貨運(yùn)車(chē)輛縱向動(dòng)力學(xué)模型21
2.2.3加速度計(jì)傳感器的運(yùn)動(dòng)學(xué)模型22
2.3質(zhì)量和道路坡度濾波器設(shè)計(jì)22
2.4勻速階段的質(zhì)量估計(jì)算法設(shè)計(jì)23
2.5基于容積卡爾曼濾波的質(zhì)量和道路坡度估計(jì)24
2.6基于自適應(yīng)交互多模型的道路坡度估計(jì)融合26
2.7貨運(yùn)車(chē)輛質(zhì)量和道路坡度估計(jì)實(shí)例28
2.7.1勻速階段的貨運(yùn)車(chē)輛質(zhì)量估計(jì)算法28
2.7.2加速階段的多模型道路坡度融合估計(jì)算法30
2.7.3誤差結(jié)果分析32
2.8貨運(yùn)車(chē)輛質(zhì)心位置估計(jì)方法33
2.8.1構(gòu)建質(zhì)心位置估計(jì)模型33
2.8.2H.容積卡爾曼濾波器的設(shè)計(jì)35
2.8.3與EKF相結(jié)合的雙卡爾曼濾波質(zhì)心位置估計(jì)過(guò)程38
2.9本章小結(jié)41
參考文獻(xiàn)41
第3章基于機(jī)器視覺(jué)的車(chē)輛運(yùn)動(dòng)狀態(tài)識(shí)別方法43
3.1基于機(jī)器視覺(jué)的車(chē)輛識(shí)別方法43
3.1.1RCNN系列模型44
3.1.2SSD模型48
3.1.3YOLO系列模型50
3.1.4基于圖像深度學(xué)習(xí)的車(chē)輛目標(biāo)識(shí)別實(shí)例52
3.2貨運(yùn)車(chē)輛貨載狀態(tài)估計(jì)方法55
3.2.1研究背景55
3.2.2貨運(yùn)車(chē)輛貨載狀態(tài)識(shí)別方法56
3.2.3基于YOLOv3算法的貨運(yùn)車(chē)輛貨載狀態(tài)識(shí)別實(shí)例57
3.3高空視角下車(chē)輛識(shí)別與軌跡跟蹤方法61
3.3.1研究背景61
3.3.2高空視角下車(chē)輛識(shí)別與跟蹤方法64
3.3.3高空視角下車(chē)輛識(shí)別與軌跡跟蹤方法實(shí)例67
3.4本章小結(jié)70
參考文獻(xiàn)71
第4章基于自然駕駛數(shù)據(jù)的駕駛員行為畫(huà)像方法74
4.1基于特征值聚類的駕駛風(fēng)格分類方法74
4.1.1特征指標(biāo)提取74
4.1.2K-medoids算法76
4.1.3基于特征值聚類的駕駛風(fēng)格分類方法分析實(shí)例76
4.2基于支持向量機(jī)的駕駛風(fēng)格識(shí)別方法研究80
4.2.1支持向量機(jī)理論80
4.2.2數(shù)據(jù)初始化82
4.2.3SVM算法驗(yàn)證實(shí)例83
4.3基于BP神經(jīng)網(wǎng)絡(luò)的風(fēng)險(xiǎn)行為識(shí)別方法研究84
4.3.1BP神經(jīng)網(wǎng)絡(luò)84
4.3.2基于BP神經(jīng)網(wǎng)路的駕駛行為研究方法實(shí)例86
4.4基于安全加速度與速度變化關(guān)系的駕駛行為研究方法89
4.4.1臨界安全加速與速度的函數(shù)關(guān)系89
4.4.2基于安全加速度與速度變化關(guān)系的風(fēng)險(xiǎn)識(shí)別模型90
4.4.3駕駛風(fēng)險(xiǎn)定量評(píng)價(jià)90
4.4.4基于安全加速度與速度變化關(guān)系的駕駛行為研究方法實(shí)例91
4.5基于車(chē)輛個(gè)性化行為模式圖的駕駛行為研究方法93
4.5.1數(shù)據(jù)標(biāo)準(zhǔn)化94
4.5.2數(shù)據(jù)分級(jí)與編碼95
4.5.3典型駕駛行為模式提取97
4.5.4駕駛行為個(gè)性化模式圖生成98
4.5.5個(gè)性化駕駛行為風(fēng)險(xiǎn)建模99
4.6基于個(gè)性化行為模式圖的駕駛行為研究實(shí)例101
4.6.1數(shù)據(jù)來(lái)源101
4.6.2駕駛?cè)藗�(gè)性駕駛行為特征與風(fēng)險(xiǎn)分析101
4.6.3駕駛風(fēng)險(xiǎn)的定量評(píng)價(jià)113
4.6.4道路條件對(duì)個(gè)性化駕駛行為模式影響分析116
4.6.5道路行政等級(jí)對(duì)駕駛行為模式影響探究118
4.7本章小結(jié)121
參考文獻(xiàn)121
第5章重載車(chē)輛橫向穩(wěn)定性控制方法124
5.1基于橫向載荷轉(zhuǎn)移率的非絆倒型側(cè)翻指標(biāo)124
5.2基于橫向載荷轉(zhuǎn)移率的絆倒-非絆倒型側(cè)翻指標(biāo)130
5.3車(chē)路耦合環(huán)境下的側(cè)翻/側(cè)滑動(dòng)力學(xué)模型可靠性估計(jì)134
5.3.1車(chē)路環(huán)境耦合動(dòng)力學(xué)模型134
5.3.2車(chē)輛極限狀態(tài)方程137
5.4側(cè)翻概率預(yù)測(cè)模型138
5.4.1Haofer-Lind可靠度指標(biāo)139
5.4.2基于FORM的概率預(yù)測(cè)模型141
5.4.3基于SORM的概率預(yù)測(cè)模型142
5.4.4獨(dú)立非正態(tài)隨機(jī)變量側(cè)翻概率計(jì)算方法144
5.4.5相關(guān)隨機(jī)變量側(cè)翻概率計(jì)算方法146
5.5基于MPC的車(chē)輛防側(cè)翻控制方法156
5.5.1預(yù)測(cè)模型157
5.5.2約束優(yōu)化求解159
5.5.3差速制動(dòng)控制策略160
5.5.4差速制動(dòng)控制策略162
5.6本章小結(jié)170
參考文獻(xiàn)171
第6章重載車(chē)輛縱向列隊(duì)控制方法172
6.1自適應(yīng)巡航控制系統(tǒng)172
6.1.1ACC系統(tǒng)車(chē)輛跟隨特性173
6.1.2ACC系統(tǒng)控制架構(gòu)173
6.1.3車(chē)輛安全距離模型174
6.2協(xié)同式自適應(yīng)巡航控制系統(tǒng)的架構(gòu)175
6.2.1感知層175
6.2.2通信層176
6.2.3定位層177
6.2.4規(guī)劃層177
6.2.5控制層178
6.3通信拓?fù)浣Y(jié)構(gòu)178
6.3.1通信拓?fù)浣Y(jié)構(gòu)的圖論描述179
6.3.2四種典型通信拓?fù)浣Y(jié)構(gòu)的圖論描述181
6.4延時(shí)環(huán)境下CACC協(xié)同控制器設(shè)計(jì)182
6.4.1基于一致性的車(chē)輛隊(duì)列模型182
6.4.2通信延時(shí)下的弦穩(wěn)定性分析184
6.4.3實(shí)驗(yàn)分析185
6.5異構(gòu)動(dòng)力學(xué)CACC協(xié)同控制器設(shè)計(jì)187
6.5.1前饋多源信息的異構(gòu)動(dòng)力學(xué)列隊(duì)閉環(huán)耦合系統(tǒng)設(shè)計(jì)187
6.5.2異構(gòu)動(dòng)力學(xué)CACC系統(tǒng)弦穩(wěn)定性分析189
6.5.3實(shí)驗(yàn)分析193
6.6本章小結(jié)198
參考文獻(xiàn)198