期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
自动驾驶技术的未来:单车智能和智能车路协同 被引量:6
1
作者 刘洋 占佳豪 +2 位作者 李深 李小鹏 陈峻 《汽车安全与节能学报》 CAS CSCD 北大核心 2024年第5期611-633,共23页
随着全球交通拥堵和安全问题的日益突出,自动驾驶技术的广泛应用被认为是解决这些问题的重要途径,单车智能技术(SAD)和智能车路协同系统(i-VICS)是当前自动驾驶领域的两大研究热点。本文阐述了单车智能和车路协同系统的基本概念和关键技... 随着全球交通拥堵和安全问题的日益突出,自动驾驶技术的广泛应用被认为是解决这些问题的重要途径,单车智能技术(SAD)和智能车路协同系统(i-VICS)是当前自动驾驶领域的两大研究热点。本文阐述了单车智能和车路协同系统的基本概念和关键技术,讨论了单车智能中的感知定位、决策规划和控制执行技术,以及车路协同系统中的协同感知定位、协同通信和分级云控技术,并回顾了不同技术的研究成果;总结了中、美、德、日对自动驾驶技术路线的发展选择,并讨论了不同技术所带来的商业性产业链变革;剖析了单车智能和车路协同所面临的技术挑战,以及自动驾驶技术所面临的社会与法律挑战,并以此展望未来的发展方向,为自动驾驶技术的创新和应用提供参考。 展开更多
关键词 自动驾驶技术 单车智能(SAD)技术 智能车路协同系统(i-VICS) 智能交通系统
在线阅读 下载PDF
改进的基于安全距离的车辆跟驰模型 被引量:12
2
作者 杨达 蒲云 +2 位作者 祝俪菱 杨飞 Ran Bin 《北京工业大学学报》 CAS CSCD 北大核心 2013年第9期1335-1342,共8页
由于经典的基于安全距离的车辆跟驰模型Gipps模型要求车辆行驶时恰好与前车保持安全距离,这是一个对车辆跟驰行为过分严格的约束,不符合实际情况,根据实际情况提出车辆跟驰距离是有关安全距离和前后车相对速度的函数,并据此建立了改进... 由于经典的基于安全距离的车辆跟驰模型Gipps模型要求车辆行驶时恰好与前车保持安全距离,这是一个对车辆跟驰行为过分严格的约束,不符合实际情况,根据实际情况提出车辆跟驰距离是有关安全距离和前后车相对速度的函数,并据此建立了改进的基于安全距离的车辆跟驰模型.NGSIM数据经过处理后被用来标定Gipps模型和改进后的模型,在标定结果的基础上对模型进行了统计意义上和仿真预测能力上的模型评价.结果显示:改进后的基于安全距离的车辆跟驰模型比Gipps模型有更高的仿真精确,可以再现出宏观交通中的稳定交通流和冲击波等常见的交通现象,并且改进模型在一定程度上使交通流变得更加稳定. 展开更多
关键词 交通运输工程 车辆跟驰 数学模型 安全距离
在线阅读 下载PDF
美国城市交通规划发展与经验借鉴 被引量:14
3
作者 王卫 过秀成 +1 位作者 孔哲 金璟 《现代城市研究》 北大核心 2010年第11期69-74,共6页
美国城市交通规划经过近百年的发展,已形成较为完善的城市交通规划理论与技术体系。本文以社会经济发展为研究背景,以发展阶段为时间主线,从相关政策、政府组织结构和规划技术研究等角度对美国城市交通规划发展历程进行回顾,并总结对我... 美国城市交通规划经过近百年的发展,已形成较为完善的城市交通规划理论与技术体系。本文以社会经济发展为研究背景,以发展阶段为时间主线,从相关政策、政府组织结构和规划技术研究等角度对美国城市交通规划发展历程进行回顾,并总结对我国城市交通规划发展的经验启示。 展开更多
关键词 城市交通规划 交通政策 编制办法 规划技术
在线阅读 下载PDF
基于危险态势识别的智能车驾驶模式选择 被引量:7
4
作者 严利鑫 黄珍 +3 位作者 吴超仲 秦伶巧 朱敦尧 冉斌 《华南理工大学学报(自然科学版)》 EI CAS CSCD 北大核心 2016年第8期139-146,154,共9页
人机共驾是智能车发展中必须经历的一个重要阶段,而人机切换时机选择是人机共驾需要解决的一个关键问题。为此,文中以实车实验采集的数据为依据,根据驾驶人经验及经K-均值聚类得出的危险态势等级对驾驶模式选择方式(安全驾驶、进行警示... 人机共驾是智能车发展中必须经历的一个重要阶段,而人机切换时机选择是人机共驾需要解决的一个关键问题。为此,文中以实车实验采集的数据为依据,根据驾驶人经验及经K-均值聚类得出的危险态势等级对驾驶模式选择方式(安全驾驶、进行警示和自动切换)进行了标定。通过引入车速均值、加速度标准差、车头时距、前轮转角标准差、车道偏离量以及驾驶人经验等6项指标作为特征向量,提出了基于径向基核函数序列最小优化算法(SMO)的智能车驾驶模式选择模型。并以决策树、径向基神经网络、支持向量机(SVM)作为对照。研究结果表明,文中提出的基于SMO方法的驾驶模式识别模型的准确率达到91.7%,相较于其他3种识别方法具有较大的优越性. 展开更多
关键词 智能车 驾驶模式 K-均值聚类 序列最小优化算法 交通安全
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部