简介:对驾驶行为的危险状态进行动态辨识并提前预警是防止交通事故发生的重要手段。提出一种基于Kohonen神经网络和支持向量机(SVM)的驾驶行为险态动态辨识方法。基于国内外相关研究,选取油门、方向盘转角、刹车、离合、X轴速度、Y轴速度、X轴加速度、Y轴加速度、发动机转速作为驾驶行为状态指标。应用Kohonen神经网络对9个指标组成的向量进行非监督聚类。用聚类结果组成的时间序列表示驾驶员行为指标的动态变化特征并以此作为输入,通过训练SVM实现驾驶行为险态辨识,解决了高维指标数据监督聚类困难和险态识别的静态性问题。最后,采用驾驶模拟器进行试验设计,对方法的有效性进行验证。以8个危险场景作为诱发驾驶行为险态出现的刺激,10个被试共产生8400组识别序列,选取600组标识为险态的时间序列进行验证。结果表明:该模型的驾驶行为险态识别正确率为82.22%。不同被试的正确率差异控制在6%以下,表明此模型具备一定的泛化能力。
简介:摘要:针对目前的导航电子地图无法有效保障自动驾驶的安全行驶问题,提出构建高精度路网地图数据模型辅助自动驾驶车辆及早预先感知周围环境、规划行驶路线、控制指令生成等来更有效地保障自动驾驶的安全性。在车载激光雷达车采集数据的基础上,通过利用矢量化数据建立数据模型、组件集合、拓扑构建、交互式关联关系等实现数据之间的关联性和耦合,以满足自动驾驶的应用。试验表明,使用本模型制作的高精度路网地图,具有拓扑的合理性、数据模型可塑、关联关系交互性和组件集合拓展等优势,能够有效提升车辆超视距感知行驶环境的能力,提高控制指令的生成效率和正确性,确保自动驾驶的安全性和可靠性。
简介:摘要:为了节约成本、提升企业竞争力,劳务外包已成为企业青睐的一种用工形式之一,但也进一步增加了企业的用工风险。从相关判决案例来看,劳务外包方面的法律法规尚未完善,因此必须强化监管,做好风险防控,维护发包方、承包方、驾驶员三方的权益。本文主要围绕驾驶员劳务外包的现状及企业所面临的风险、赔偿与争议展开,梳理分析劳务派遣与劳务外包的概念差异,从劳务外包协议签订、人员管理、承包单位资质和工作过程中可能形成的事实劳动关系四个方面分析驾驶员劳务外包可能为发包企业造成的风险以及发包企业可能面临的人员伤亡、财产损失责任及劳动争议,并提出驾驶员劳务外包的改进措施,为发包企业法律风险防控提供参考建议。
简介:摘要:为了节约成本、提升企业竞争力,劳务外包已成为企业青睐的一种用工形式之一,但也进一步增加了企业的用工风险。从相关判决案例来看,劳务外包方面的法律法规尚未完善,因此必须强化监管,做好风险防控,维护发包方、承包方、驾驶员三方的权益。本文主要围绕驾驶员劳务外包的现状及企业所面临的风险、赔偿与争议展开,梳理分析劳务派遣与劳务外包的概念差异,从劳务外包协议签订、人员管理、承包单位资质和工作过程中可能形成的事实劳动关系四个方面分析驾驶员劳务外包可能为发包企业造成的风险以及发包企业可能面临的人员伤亡、财产损失责任及劳动争议,并提出驾驶员劳务外包的改进措施,为发包企业法律风险防控提供参考建议。
简介:摘要:全自动运行系统引入移动通信、人机交互等专业的前沿技术,是轨道交通主要发展目标之一。结合全自动运行工程建设经验,从工程安全和风险管理角度介绍了全自动驾驶车辆的独立安全评估实施方案,以确保车辆设备满足安全及风险管理的要求,并为全自动运行系统其他设备的评估工作提供参考。
简介:摘要:驾驶人分心状态判别是分心驾驶预警系统的重要基础。为了探寻驾驶人分心判别方法,本文通过设计模拟驾驶实验,采集正常驾驶状态和执行语音短信次任务时的驾驶绩效指标和驾驶人视觉特征指标,通过ReliefF算法筛选出重要度较大的10个指标作为驾驶人分心状态判别指标,将这些指标作为随机森林组合模型的输入,建立基于随机森林组合模型的驾驶人分心状态判别模型。结果表明,本文建立的模型可以准确判别驾驶人分心状态,判别准确率为82.69%。与决策树C4.5和BP神经网络算法相比,随机森林组合算法在准确率、精准率、召回率、F1值和ROC曲线等模型性能方面均优于其他两种方法。本文所建模型能够有效地判别驾驶人分心状态,可为驾驶人分心预警系统和分心控制策略提供依据。
简介:摘要:在全球经济高速发展的时代背景下,人们的生活水平也不断提高,汽车成了每家每户必不可少的交通工具。再加上交通物流业的迅猛发展,交通事故也频繁发生。研究发现,导致交通事故的最主要的因素就是汽车驾驶存在盲区。视野盲区阻挡驾驶员的视线,导致驾驶员在遇到突发事件时,无法及时有效地作出制动措施。因此,有效解决汽车视野盲区问题,关系到汽车驾驶的安全性。如今市面上的盲区检测产品,探测精度低,易产生视觉疲劳,从而也会导致安全事故的发生。基于此团队研发了一款超声波盲区检测预警自处理系统,通过雷达探测和监控摄像头技术的融合,能够使盲区信息实时展现在驾驶员的视野范围之内,有效地解决了图像出现的失帧和变形的问题,并利用危险等级模型的检测实现报警区域影像的放大集中,有效避免了驾驶员的视觉疲劳,使驾驶员接收到视觉和听觉的双重预警,并且该模型能使汽车实现自处理功能,解决驾驶员的判断失误或紧急境况的突发应变能力不足而造成事故的问题,以最安全的方式确保盲区检测效果。