CN111489061A - 基于虚拟现实提高汽车产品安全性的交互控制方法 - Google Patents
基于虚拟现实提高汽车产品安全性的交互控制方法 Download PDFInfo
- Publication number
- CN111489061A CN111489061A CN202010209511.XA CN202010209511A CN111489061A CN 111489061 A CN111489061 A CN 111489061A CN 202010209511 A CN202010209511 A CN 202010209511A CN 111489061 A CN111489061 A CN 111489061A
- Authority
- CN
- China
- Prior art keywords
- evaluation
- factor
- fuzzy
- vector
- matrix
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000002452 interceptive effect Effects 0.000 title claims abstract description 16
- 238000011156 evaluation Methods 0.000 claims abstract description 72
- 239000011159 matrix material Substances 0.000 claims abstract description 21
- 230000008859 change Effects 0.000 claims abstract description 6
- 230000008569 process Effects 0.000 claims abstract description 5
- 230000003993 interaction Effects 0.000 claims description 5
- 238000013461 design Methods 0.000 description 8
- 230000006399 behavior Effects 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 239000006185 dispersion Substances 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 3
- 238000013278 delphi method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000546 chi-square test Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000010802 sludge Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Automobile Manufacture Line, Endless Track Vehicle, Trailer (AREA)
Abstract
本发明公开了一种基于虚拟现实提高汽车产品安全性的交互控制方法,包括:利用层次分析法建立层次结构模型;以影响评价对象的各种因素为元素组成一个集合;将评价者对评价对象做出的各种结果所组成的集合作为综合评价的评价集;若因素集U中第i个元素对评价集V中第1个元素的隶属度为ri1,则对第i个元素单因素评价的结果用模糊集合表示;以m个单因素评价集R1,R2,...,Rm为行组成矩阵Rm*n,为模糊综合评价矩阵;给各因素ui一个权重ai,各因素的权重集合的模糊集;确定单因素评判矩阵R和因素权向量A之后,通过模糊变化将U上的模糊向量A变为V上的模糊向量,确定操作部件最终得分,若得分小于阈值,则对操作部件进行改进。
Description
技术领域
本发明涉及汽车产品领域,尤其涉及一种基于虚拟现实提高汽车产品安全性的交互控制方法。
背景技术
随着科学技术的发展,汽车已从代步工具的角色中淡化,逐渐成为人们生活品质的标志,乃至身份地位的象征。汽车的功能趋于多元化,其内部操作元件的布局越来越复杂,这也提升了人为操作差错的几率。而人为操作失误或错误是导致机动车交通事故的主要直接原因。
在传统汽车的设计中,从等比油泥模型到样车试制,都需要大量的人力物力及时间。传统的汽车交互控制方法是采用真人结合样车来进行实体评估。一方面,当发现交互设计存在问题或者对驾驶员和乘客的驾乘安全性有影响时,生产商考虑到改进设计方案的经济成本上升和汽车生产周期的延长,可能会优先考虑自身经济效益,不予以改进。另一方面,现实危险情况下汽车室内不合理的交互设计会对驾驶员的当下行为存在一定影响,进而为驾驶员的人身安全埋下隐患,传统的交互评估方案并不能解决。综上所述,传统的汽车交互方案在用户安全性方面潜藏着巨大的风险,不论是对于生产商还是用户来说,寻求一种全面、经济、高效的汽车交互控制方法,都是迫在眉睫。
虚拟现实技术的出现改进了传统汽车交互设计以及控制方法的不足,突破了难以用数学模型来表达错综复杂的驾驶员感受与反应等问题。在设计的早期及时发现潜伏的问题并进行优化,不仅可以缩短生产周期、节约成本,而且还可以提升汽车的安全性。
发明内容
本发明提供了一种基于虚拟现实提高汽车产品安全性的交互控制方法,本发明旨在解决传统汽车设计及交互控制在安全性方面不足的问题,详见下文描述:
一种基于虚拟现实提高汽车产品安全性的交互控制方法,所述方法包括:
利用层次分析法建立层次结构模型;
以影响评价对象的各种因素为元素组成一个集合;
将评价者对评价对象做出的各种结果所组成的集合作为综合评价的评价集;
若因素集U中第i个元素对评价集V中第1个元素的隶属度为ri1,则对第i个元素单因素评价的结果用模糊集合表示;以m个单因素评价集R1,R2,...,Rm为行组成矩阵Rm*n,为模糊综合评价矩阵;
给各因素ui一个权重ai,各因素的权重集合的模糊集;确定单因素评判矩阵R和因素权向量A之后,通过模糊变化将U上的模糊向量A变为V上的模糊向量;
确定操作部件最终得分,若得分小于阈值,则对操作部件进行改进。
其中,所述通过模糊变化将U上的模糊向量A变为V上的模糊向量具体为:
模糊向量B=A1*m*Rm*n=[b1,b2,...,bn]。
进一步地,所述确定操作部件最终得分具体为:
其中,S为V中相应因素的级分,B1*n为因素权向量A1*m与单因素评价矩阵Rm*n的乘积,S1*n为相应等级设定的分值矩阵。
本发明提供的技术方案的有益效果是:
1、本发明在很大程度上避免了传统汽车早期设计阶段在安全性方面的不足,为用户的生命提供更好的保障,大大提升了汽车安全性;
2、本发明提出的交互控制方法可完全在汽车产品数字化阶段实施,及时发现问题并改进,相比传统样车评估方案,降低了大幅成本,提升了汽车的生产效率,具有极高的市场推广性。
附图说明
图1为本发明公开的一种基于虚拟现实提高汽车产品安全性的交互控制方法的流程图;
图2为用户从上车到下车全过程的操作旅程图;
图3为汽车产品安全***互控制体系层次的结构图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面对本发明实施方式作进一步地详细描述。
如图1所示,本发明的实施流程包括以下步骤:
构建用户从上车到下车的各阶段操作旅程图,用户从上车到下车的各阶段操作旅程图包括:上车、出发前准备、启动、驾驶中交互行为、停车、下车等一系列驾乘操作。
基于不同场景,对用户在各阶段产生的驾乘行为进行分类,不同场景包括:上班、载客、家庭出游等一系列生活场景;驾乘行为分类是将驾乘全过程中产生的主要操作行为进行归类。如打方向盘、踩脚踏、调节操纵杆等一系列驾乘交互行为。
将分类后的驾乘行为与汽车产品的具体操作部件相匹配。
基于以上步骤,利用层次分析法(AHP)建立层次结构模型,如图3所示。
资深驾驶员、专业研究人员和其他相关人员作为专家组的成员。专家组需要在对每个指标进行专家评分之前确定并量化指标体系的评估因素。评价因素包括评价水平、判断基准Ca和熟悉度Cs,评价水平和熟悉度的定量方法是基于李克特量表。判断基准Ca分为四类:操作经验,理论分析,工作涉及,主观判断,评价因素的定量值见表1:
表1评价因素定量表
Step1:建立综合评价因素集:
因素集是以影响评价对象的各种因素为元素所组成的一个普通集合,通常用U表示。U=(u1,u2,...,um),其中元素ui表示影响评价对象的第i个元素。这些因素通常都具有不同程度的模糊性。
这里设评定汽车方向盘安全性等级的指标集为U=(u1,u2,u3),u1表示为可视性,u2表示为可达性,u3表示为舒适度。
Step2:建立综合评价的评价集:
评价集是评价者对评价对象可能做出的各种结果所组成的集合,通常用V表示。V=(v1,v2,...,vn),其中元素vj代表第j种评价结果。可以根据实际情况的需要,用不同的等级、评语或数字来表示。
本文中可设定各操作元件安全性的评价集为V=(v1,v2,v3,v4),v1,v2,v3,v4分别代表优秀、良好、合格、不合格。
Step3:进行单因素模糊评价,获得评价矩阵:
若因素集U中第i个元素对评价集V中第1个元素的隶属度为ri1,则对第i个元素单因素评价的结果用模糊集合表示为:Ri=(ri1,ri2,...,rin),以m个单因素评价集R1,R2,...,Rm为行组成矩阵Rm*n,称为模糊综合评价矩阵。
以方向盘为例,某汽车通过专家评审打分,按下表给出U×V上每个有序对(ui,uj)指定的隶属度。
表2:有序对(ui,vj)指定的隶属度
Step4:确定因素权向量:
在评价工作中,各因素的重要程度有所不同,为此,给各因素ui一个权重ai,各因素的权重集合的模糊集,用A表示:
以方向盘为例,为了评定其安全性,采用德尔菲方法,根据专家意见获得权数分配A=(0.31,0.57,0.12)。
Step5:建立综合评价模型:
确定单因素评判矩阵R和因素权向量A之后,通过模糊变化将U上的模糊向量A变为V上的模糊向量B,即B=A1*m*Rm*n=[b1,b2,...,bn],
以方向盘为例,得到的模糊向量B=A*R=(0.27,0.26,0.36,0.11)其由计算结果可知,该汽车方向盘的安全性仅为合格水平,还有待优化。
以方向盘为例,最终得分为72.7。汽车产品其余操作元件均可按此方法进行量化评估。
为了验证评价指标是否有效,验证的依据是计算所有专家意见的一致性,一致性结果越大表明评价指标体系越好。有四个统计指标可用来检查所有专家意见的一致性,包括权威程度CR,专家意见的集中程度E,专家意见的分散程度D和协调程度。它们可以通过以下过程计算。
1、专家对评价指标的权威程度CR通常由两个因素决定:一个是专家判断基准Ca,另一个是专家对问题的熟悉程度Cs。
其中,Ej用于表示评估指标重要性的量化值,该量化值的范围介于1=不重要和7=非常重要之间,mij是专家为指标i赋予相同分数j的分数总和,n是指标代号,q是专家代号。
3、专家意见的分散σi表示专家咨询结果的离散程度。值越小,专家评估结果的离散度越小。
4、专家意见的协调程度可以通过变异系数Vi和一致性系数W来反映,它反映了不同专家意见的一致性。
其中,Vi表示专家在评估指标i方面的协调程度,Vi的值越小,专家之间的协调程度就越高。W表示专家对指标体系评估的一致性程度,一致性系数的值在0和1之间,系数越大表明专家的观点越一致,则置信度越高。其中,Ri是评估指标i的重要度之和,是所有指标重要度之和的算术平均值。
5、一致性系数W的显着性可以通过χ2检验(卡方检验)进行检验。
其中,是i指标与所有指标级总和之间的算术平均差,Tk是校正系数。其中自由度为n-1,当自由度>30时,应根据标准正态分布规则确定统计结果。在95%置信水平下,当p<0.05时,专家意见的一致性系数具有统计学意义,因此符合人体工程学评估结果是可取的。但是当p>0.05时,人体工程学评估结果是不可取的,专家小组需要再评估一轮评估指标直到p<0.05,然后才能构建最终的评估指标体系。
改进方法:在本文中以方向盘为例,最终得分为72.7分,仅为合格水平,显然需要对其进行优化改进。改进步骤如下:
由此可见,其可视性u1在优秀等级占比最大,为0.46;可达性u2在合格等级占比最大,为0.41;舒适性u3在合格等级占比最大,为0.44。
Step2:确定优化对象
根据Step1中的结果可知该汽车的方向盘急需在可达性和舒适性两方面做改进,结合图3的层次模型,可从方向盘的截面直径、材质、调节范围等方面去做优化。
截面直径的大小对驾驶员手部抓握的舒适性有一定影响,若截面直径过大,应适当减小;反之,则适当增大。
方向盘的材质主要影响驾驶员手部与方向盘之间的摩擦力,为了使转向动作更省力,应采用摩擦系数稍大的材质,但摩擦系数过大,又会对手部造成伤害。所以应选取适当的材质。
方向盘的可调节范围严重影响着行车安全,应至少使其满足90%人群的差异需求。
本发明公开一种基于虚拟现实提高汽车产品安全性的交互控制方法,在虚拟环境下,基于用户操作旅程图从驾驶员和乘客两个角度综合分析,依据可视性、可达性、舒适性3个评价指标对汽车安全性进行量化综合评审,并划分其相应的评价等级。
本文以某汽车方向盘为例,利用模糊综合评价法(F-AHP)结合德尔菲法从可视性、可达性、舒适性三方面对其安全性进行量化评估,并结合层次结构模型确定优化对象,并进行改进。汽车产品其余操作元件均可按此方法进行量化评估及后续改进。此方法使抽象的概念具象化、模糊的印象清晰化,为汽车生产商提供一种全面、经济、高效的虚拟评价方法,促进行业的发展。
本发明实施例对各器件的型号除做特殊说明的以外,其他器件的型号不做限制,只要能完成上述功能的器件均可。
本领域技术人员可以理解附图只是一个优选实施例的示意图,上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种基于虚拟现实提高汽车产品安全性的交互控制方法,其特征在于,所述方法包括:
利用层次分析法建立层次结构模型;
以影响评价对象的各种因素为元素组成一个集合;
将评价者对评价对象做出的各种结果所组成的集合作为综合评价的评价集;
若因素集U中第i个元素对评价集V中第1个元素的隶属度为ri1,则对第i个元素单因素评价的结果用模糊集合表示;以m个单因素评价集R1,R2,...,Rm为行组成矩阵Rm*n,为模糊综合评价矩阵;
给各因素ui一个权重ai,各因素的权重集合的模糊集;确定单因素评判矩阵R和因素权向量A之后,通过模糊变化将U上的模糊向量A变为V上的模糊向量;
确定操作部件最终得分,若得分小于阈值,则对操作部件进行改进。
2.根据权利要求1所述的一种基于虚拟现实提高汽车产品安全性的交互控制方法,其特征在于,所述通过模糊变化将U上的模糊向量A变为V上的模糊向量具体为:
模糊向量B=A1*m*Rm*n=[b1,b2,...,bn]。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010209511.XA CN111489061A (zh) | 2020-03-23 | 2020-03-23 | 基于虚拟现实提高汽车产品安全性的交互控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010209511.XA CN111489061A (zh) | 2020-03-23 | 2020-03-23 | 基于虚拟现实提高汽车产品安全性的交互控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111489061A true CN111489061A (zh) | 2020-08-04 |
Family
ID=71794393
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010209511.XA Pending CN111489061A (zh) | 2020-03-23 | 2020-03-23 | 基于虚拟现实提高汽车产品安全性的交互控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111489061A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112182143A (zh) * | 2020-09-29 | 2021-01-05 | 平安科技(深圳)有限公司 | 产品智能推荐方法、装置、计算机设备和存储介质 |
CN113610364A (zh) * | 2021-07-22 | 2021-11-05 | 一汽奔腾轿车有限公司 | 一种基于虚拟现实的汽车人机工程评价方法及评价*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101826183A (zh) * | 2010-05-10 | 2010-09-08 | 李凤岐 | 一种智能汽车评估方法及*** |
CN102289928A (zh) * | 2011-05-19 | 2011-12-21 | 上海市城市建设设计研究院 | 基于模糊层次分析法的枢纽综合交通运行态势评价方法 |
CN106022561A (zh) * | 2016-05-05 | 2016-10-12 | 广州星唯信息科技有限公司 | 驾驶行为综合评价方法 |
KR20160123151A (ko) * | 2015-04-15 | 2016-10-25 | (주)솔트웍스 | 의료 정보 제공 시스템 |
CN107145997A (zh) * | 2017-03-29 | 2017-09-08 | 中国铁道科学研究院铁道建筑研究所 | 一种高速铁路隧道结构状态评价方法 |
CN109191005A (zh) * | 2018-09-25 | 2019-01-11 | 武汉理工大学 | 用于分类分级管理的退役汽车零部件可使用性评价方法 |
-
2020
- 2020-03-23 CN CN202010209511.XA patent/CN111489061A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101826183A (zh) * | 2010-05-10 | 2010-09-08 | 李凤岐 | 一种智能汽车评估方法及*** |
CN102289928A (zh) * | 2011-05-19 | 2011-12-21 | 上海市城市建设设计研究院 | 基于模糊层次分析法的枢纽综合交通运行态势评价方法 |
KR20160123151A (ko) * | 2015-04-15 | 2016-10-25 | (주)솔트웍스 | 의료 정보 제공 시스템 |
CN106022561A (zh) * | 2016-05-05 | 2016-10-12 | 广州星唯信息科技有限公司 | 驾驶行为综合评价方法 |
CN107145997A (zh) * | 2017-03-29 | 2017-09-08 | 中国铁道科学研究院铁道建筑研究所 | 一种高速铁路隧道结构状态评价方法 |
CN109191005A (zh) * | 2018-09-25 | 2019-01-11 | 武汉理工大学 | 用于分类分级管理的退役汽车零部件可使用性评价方法 |
Non-Patent Citations (4)
Title |
---|
刘普辉等: "基于模糊层次分析法的汽车驾驶性主观评价", 《中国工程机械学报》 * |
范君艳 等: "《智能制造技术概论》", 31 August 2019, 华中科技大学出版社 * |
贾红 等: ""汽车被动***件结构安全性风险评价研究"", 《汽车零部件》 * |
邵开文 等: "《舰船技术与设计概论》", 31 July 2009, 国防工业出版社 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112182143A (zh) * | 2020-09-29 | 2021-01-05 | 平安科技(深圳)有限公司 | 产品智能推荐方法、装置、计算机设备和存储介质 |
CN112182143B (zh) * | 2020-09-29 | 2023-08-25 | 平安科技(深圳)有限公司 | 产品智能推荐方法、装置、计算机设备和存储介质 |
CN113610364A (zh) * | 2021-07-22 | 2021-11-05 | 一汽奔腾轿车有限公司 | 一种基于虚拟现实的汽车人机工程评价方法及评价*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111461185A (zh) | 一种基于改进K-means的驾驶行为分析方法 | |
Kruber et al. | Unsupervised and supervised learning with the random forest algorithm for traffic scenario clustering and classification | |
CN111489061A (zh) | 基于虚拟现实提高汽车产品安全性的交互控制方法 | |
CN106651210A (zh) | 基于can数据的驾驶人综合素质评价方法 | |
CN113753059B (zh) | 一种自动驾驶***下的驾驶人接管能力预测方法 | |
Jin et al. | Study on the impact degrees of several driving behaviors when driving while performing secondary tasks | |
CN110858312A (zh) | 基于模糊c均值聚类算法的驾驶员驾驶风格分类方法 | |
CN109238740B (zh) | 一种基于整车质量和体积的汽车滑行阻力综合评价方法 | |
Halim et al. | Deep neural network-based identification of driving risk utilizing driver dependent vehicle driving features: A scheme for critical infrastructure protection | |
CN108711285A (zh) | 一种基于道路路口的混合交通模拟方法 | |
Joni et al. | Analysis of traffic accident severity in Baghdad city using Binary Logistic Regression Model | |
CN117216666A (zh) | 一种基于计算机大数据的交通事故预估方法及*** | |
CN112308136A (zh) | 一种基于SVM-Adaboost的驾驶分心检测方法 | |
CN107169202A (zh) | 一种行进车辆间安全保持距离的计算方法 | |
Walker et al. | An on-road investigation of vehicle feedback and its role in driver cognition: Implications for cognitive ergonomics | |
Tang | Application of information entropy algorithm in safety risk prediction of road traffic driving behaviors. | |
Mansour et al. | Assessing the risk of university-student driving to enhance safe and sustainable traffic management: a logistic regression and analytic hierarchy approach | |
Chen et al. | Driving-data-driven platform of driving behavior spectrum for vehicle networks | |
CN116665456B (zh) | 一种结合高维指标降维处理对交通状态进行评估的方法 | |
Chen et al. | The influence of the secondary tasks on driving performance and mental workload at different speeds | |
Kwon et al. | Development of a model of subjective feelings for the front visual quality during automobile driving. | |
Xiong et al. | Subjective evaluation of vehicle active safety using PreScan and Simulink: Lane departure warning system as an example | |
Yang et al. | Automotive Head-Up Display Systems: A Bibliometric and Trend Analysis | |
CN114724126A (zh) | 一种基于大数据的行为数据分析用高精度处理预警方法 | |
Moghaddam et al. | Crash severity modeling in urban highways using backward regression method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200804 |