CN113901582A - 一种车辆换道纵向位移计算方法及其优化方法 - Google Patents
一种车辆换道纵向位移计算方法及其优化方法 Download PDFInfo
- Publication number
- CN113901582A CN113901582A CN202111176612.2A CN202111176612A CN113901582A CN 113901582 A CN113901582 A CN 113901582A CN 202111176612 A CN202111176612 A CN 202111176612A CN 113901582 A CN113901582 A CN 113901582A
- Authority
- CN
- China
- Prior art keywords
- lane change
- fitting
- duration
- vehicle
- load
- 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 75
- 238000006073 displacement reaction Methods 0.000 title claims abstract description 67
- 238000004364 calculation method Methods 0.000 title claims abstract description 32
- 238000005457 optimization Methods 0.000 title claims abstract description 7
- 238000012360 testing method Methods 0.000 claims description 43
- 238000011156 evaluation Methods 0.000 claims description 24
- 230000000694 effects Effects 0.000 claims description 16
- 230000003340 mental effect Effects 0.000 claims description 16
- 238000012937 correction Methods 0.000 claims description 12
- 238000010998 test method Methods 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 230000000007 visual effect Effects 0.000 claims description 5
- 230000002596 correlated effect Effects 0.000 claims description 4
- 230000000875 corresponding effect Effects 0.000 claims description 4
- 230000008451 emotion Effects 0.000 claims description 4
- 230000033764 rhythmic process Effects 0.000 claims description 4
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 2
- 238000005259 measurement Methods 0.000 claims description 2
- 210000004556 brain Anatomy 0.000 abstract description 2
- 238000011160 research Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000002474 experimental method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种车辆换道纵向位移计算方法及其优化方法。本发明首先解决了常规换道持续时间以及换道纵向位移预测忽视了驾驶人行为负荷的问题,综合考虑驾驶人脑力需求、视觉占用、驾驶绩效、时间紧迫感、努力程度与受挫程度提出一种多维度汽车驾驶人驾驶负荷量表,然后选择自车速度、跟车距离、横向位移与驾驶行为负荷量分析其对换道持续时间的影响,并以皮尔逊相关性检验进一步确定其相关性是否显著,本发明实现车辆换道时实时动态的换道持续时间与纵向位移计算方法,计算量小、准确性高,适合大规模的使用,为准确预估车辆换道轨迹降低换道风险提供了理论依据和技术支撑,为智能驾驶领域中车辆换道轨迹预测提供统一有效的理论依据和研究方法。
Description
技术领域
本发明涉及智能网联车辆位移计算方法,特别涉及一种车辆换道纵向位移计算方法及其优化方法。
背景技术
当前智能网联车辆换道过程分析往往利用环境感知方法,通过分析之前的车辆行驶轨迹预测下一时刻的车辆行驶轨迹,存在计算量大的问题,同时忽视了驾驶人因素对驾驶人换道行为的影响。换道纵向位移可由换道持续时间与自车速度计算得出,其中自车速度可根据自车状态参数随时得出,而换道持续时间往往难以准确计算,且面对不同的交通场景以及不同的驾驶人驾驶状态都会导致其发生变化,给车辆换道纵向位移的计算准确性带来阻碍。
发明内容
本发明为了解决上述技术问题,提供一种车辆换道纵向位移计算方法及其优化方法,其中,本发明所述的一种车辆换道纵向位移计算方法包括以下步骤:
步骤一:
使用非线性最小二乘法得到换道持续时间与跟车距离的拟合公式:
t=a0+a1·cos(d·w)+b1·sin(d·w)+a2·cos(2d·w)+b2·sin(2d·w) (1)
式中,d为跟车距离,t为换道持续时间,95%置信区间的系数: a0=-48.04(-1797,1701),a1=59.97(-2432,2252),b1=36.72(-863.8,937.3), a2=-9.23(-452.2,433.7),b2=-15.43(-439.9,409),w=0.01984(-0.1467,0.1864);
步骤二:
使用线性模型得到换道持续时间与自车速度的拟合公式:
t=a·(sin(v-π))+b·((v-10)2)+c (2)
式中,v为自车速度,t为换道持续时间,95%置信区间系数: a=0.003442(0.0009564,0.005928),b=-0.0003272(-0.0003291,-0.0003253), c=4.892(4.888,4.896);
步骤三:
使用二阶傅里叶拟合方法得到换道持续时间与驾驶行为负荷量的拟合公式: t=a0+a1·cos(l·w)+b1·sin(l·w)+a2·cos(2l·w)+b2·sin(2l·w) (3)
式中,t为换道持续时间,l为驾驶行为负荷量,95%置信区间的系数: a0=4.481(-17.52,27.20),a1=-1.015(-21.47,19.44), b1=-0.03579(-14.38,14.31),a2=-0.07246(-1.979,1.834), b2=0.2016(-8.824,9.227),w=0.1472(-1.371,1.666);
步骤四:
由上述公式(1)-(3),得到换道持续时间的计算公式如下:
式中,v为自车速度,t为换道持续时间,d为跟车距离,l为驾驶行为负荷量,a11=0.0011,b11=-0.0001,c11=1.6472,a21=0.0993,b21=0.0263,a22=-0.0090, b22=0.1037,c21=1.6135,a31=-0.3437,b31=-0.0041,a32=-0.0180,b32=0.0667,ω=0.0494;
步骤五:
利用Pauta准则剔除异常值,使用最小绝对残差法以残差平方最小为目标,使用多项式曲线拟合(polynomial curve fitting)对换道持续时间、自车速度和纵向位移进行稳健拟合,得到车辆换道纵向位移的计算公式如下:
z=p00+p10t+p01v+p20t2+p11tv+p02v2+p21t2v+p12tv2+p03v3 (5)
式中,z为纵向位移,t为换道持续时间,v为自车速度,95%置信区间的系数:p00=9.898(8.662,11.13),p10=-4.72(-5.06,-4.38), p01=-0.01755(-0.07324,0.03815),p20=0.3642(0.3332,0.3953), p11=0.3594(0.3509,0.3679),p02=-0.00385(-0.004807,-0.002894), p21=-0.005279(-0.005865,-0.004692), p12=-0.000192(-0.0002519,-0.0001321),p03=2.936e-05(2.347e- 05,3.525e-05)。
步骤三中所述的驾驶行为负荷量评价指标包括但不限于脑力需求、视觉占用、驾驶绩效、时间紧迫感、努力程度或受挫程度,所述的脑力需求的维度描述为驾驶过程中思考、决策、选择和搜索所需的脑力,包含注意力、精神负荷;所述的视觉占用的维度描述为驾驶过程中驾驶任务对视觉资源的占用情况;所述的驾驶绩效的维度描述为驾驶人对自己驾驶绩效的满意程度,通过受试者自报式的主观驾驶绩效评估来反映其承受的负荷量,其维度的两极标示与其他5 个指标相反,驾驶绩效越好说明负荷越低,反之驾驶绩效越低表明承担的负荷越高;所述的时间紧迫感的维度描述为驾驶人在试验过程中的来自时间约束产生的压力,迫于此感受到的节奏包括悠闲或慌乱等状态;所述的努力程度的维度描述为完成该轮驾驶试验需要付出的努力程度;所述的受挫程度的维度描述为驾驶过程中执行驾驶任务时,来自情绪和压力等挫败感,或感受到的约束、压力水平,包括疲劳、不安全感、恼怒、气馁等;每一项指标的驾驶行为负荷量取值按照10级李克特量表由低到高取值范围为0-9;
根据驾驶行为负荷量评价指标通过施加多种驾驶行为任务测量驾驶人在换道前后的驾驶行为负荷量,驾驶行为任务包括手持手机通话、键入文本消息、阅读文本消息、交谈或思考,负荷施加方式根据实验条件选择n-back测试或箭头测试方法。
本发明还提供一种车辆换道纵向位移计算方法的优化方法,包括以下步骤:
步骤一:
首先设计驾驶人驾驶行为负荷量表,驾驶行为负荷量评价指标包括但不限于脑力需求、视觉占用、驾驶绩效、时间紧迫感、努力程度或受挫程度,所述的脑力需求的维度描述为驾驶过程中思考、决策、选择和搜索所需的脑力,包含注意力、精神负荷;所述的视觉占用的维度描述为驾驶过程中驾驶任务对视觉资源的占用情况;所述的驾驶绩效的维度描述为驾驶人对自己驾驶绩效的满意程度,通过受试者自报式的主观驾驶绩效评估来反映其承受的负荷量,其维度的两极标示与其他5个指标相反,驾驶绩效越好说明负荷越低,反之驾驶绩效越低表明承担的负荷越高;所述的时间紧迫感的维度描述为驾驶人在试验过程中的来自时间约束产生的压力,迫于此感受到的节奏包括悠闲或慌乱等状态;所述的努力程度的维度描述为完成该轮驾驶试验需要付出的努力程度;所述的受挫程度的维度描述为驾驶过程中执行驾驶任务时,来自情绪和压力等挫败感,或感受到的约束、压力水平,包括疲劳、不安全感、恼怒、气馁等。每一项指标的驾驶行为负荷量取值按照10级李克特量表由低到高取值范围为0-9。
根据本发明所提出的驾驶行为负荷量评价指标通过施加多种驾驶行为任务测量驾驶人在换道前后的驾驶行为负荷量,驾驶行为任务选择目前较为常用的手持手机通话、键入文本消息、阅读文本消息、交谈、思考等,而负荷施加方式根据实验条件选择n-back测试、箭头测试等方法。
步骤二:
根据matlab绘制出[30,40),[40,50),[50,60),[60,70]四个不同车速区间内的换道持续时间和跟车距离分布情况,判断换道持续时间和跟车距离表现出的相关的变化特征。采用皮尔逊相关性检验法对各速度区间的相关性进一步验证,皮尔逊相关性检验结果证明各区间内的换道持续时间和跟车距离显著相关,使用最小绝对残差法(leastabsolute residual,LAR)以残差平方最小为目标,使用非线性最小二乘法做稳健拟合,算法选择LM拟合算法,得到换道持续时间与跟车距离的拟合效果图和拟合公式,决定系数R2=0.9649,校正决定系数说明输入变量对输出变量的解释程度高、拟合程度好;均方根误差RMSE=0.1347,总体误差达到拟合标准。
t=a0+a1·cos(d·w)+b1·sin(d·w)+a2·cos(2d·w)+b2·sin(2d·w) (6)
式中,d为跟车距离,t为换道持续时间,95%置信区间的系数: a0=-48.04(-1797,1701),a1=59.97(-2432,2252),b1=36.72(-863.8,937.3), a2=-9.23(-452.2,433.7),b2=-15.43(-439.9,409),w=0.01984(-0.1467,0.1864)
步骤三:
绘制出[30,40),[40,50),[50,60),[60,70]四个不同车速区间内的换道持续时间和自车速度分布情况,分析换道持续时间和自车速度表现出的相关的变化特征,采用皮尔逊相关性检验法对各速度区间的相关性进一步验证,皮尔逊相关性检验结果证明各区间内的换道持续时间和自车速度显著相关,使用线性模型(linearmodel)对换道持续时间和自车速度进行拟合,得到拟合效果图和拟合公式。拟合优度评价指标中,决定系数R2=0.9506,校正决定系数说明输入变量对输出变量的解释程度高、拟合程度好;均方根误差RMSE=0.06986,总体误差达到拟合标准。
t=a·(sin(v-π))+b·((v-10)2)+c (7)
式中,v为自车速度,t为换道持续时间,95%置信区间系数: a=0.003442(0.0009564,0.005928),b=-0.0003272(-0.0003291,-0.0003253), c=4.892(4.888,4.896);
步骤四:
绘制出[30,40),[40,50),[50,60),[60,70]四个不同车速区间内的换道持续时间与车辆横向位移的数据分布情况与相关性检验,发现当换道持续时间变化时,横向位移稳定在车道宽度值附近,换道持续时间与横向位移没有明显的相关性,因此不具备曲线拟合条件。
同时根据皮尔逊相关性检验结果可以看出换道持续时间与横向位移相关性不显著,不具备曲线拟合条件。
步骤五:
绘制出[30,40),[40,50),[50,60),[60,70]四个不同车速区间内的换道持续时间与驾驶行为负荷量的分布情况以及相关性检验,通过驾驶行为负荷量评价指标表施加多种驾驶行为任务测量得到驾驶人在换道前后的驾驶行为负荷量,分析换道持续时间和驾驶行为负荷量表现出的相关的变化特征,采用皮尔逊相关性检验法对各速度区间的相关性进一步验证可知,换道持续时间和驾驶行为负荷量呈现显著负相关,可见驾驶行为负荷量低时会使换道持续时间增加,随着速度提高,相关性相对降低。
使用二阶傅里叶拟合方法对驾驶行为负荷量和换道持续时间做拟合,得到拟合效果图和拟合公式。决定系数R2=0.9893,校正决定系数说明输入变量对输出变量的解释程度高、拟合程度好;均方根误差RMSE=0.0344,总体误差达到拟合标准。
根据二阶傅里叶拟合方法得到最终的拟合方程如下所示:
t=a0+a1·cos(l·w)+b1·sin(l·w)+a2·cos(2l·w)+b2·sin(2l·w) (8)
式中,t为换道持续时间,l为驾驶行为负荷量,95%置信区间的系数: a0=4.481(-17.52,27.20),a1=-1.015(-21.47,19.44),b1=-0.03579(-14.38,14.31),a2=-0.07246(-1.979,1.834), b2=0.2016(-8.824,9.227),w=0.1472(-1.371,1.666)。
步骤六:
根据前述步骤可知换道持续时间与自车速度、跟车距离以及驾驶行为负荷量具有显著相关性,并分别根据相应曲线拟合方法得出不同速度区间下的换道持续时间与各影响因素之间的计算公式,因此根据前述步骤中所得到的函数拟合结果,进一步推断出换道持续时间计算方法,公式如下:
t=a11·sin(v-π)+b11·(v-10)2+c11+
a21·cos(d)+b21·sin(d)+a22·cos(2d)+b22·sin(2d)+c21+
a31·cos(ω·l)+b31·sin(ω·l)+a32·cos(2ω·l)+b32·sin(2ω·l) (9)
式中:v为自车速度,t为换道持续时间,d为跟车距离,l为驾驶行为负荷量,a11=0.0011,b11=-0.0001,c11=1.6472,a21=0.0993,b21=0.0263,a22=-0.0090, b22=0.1037,c21=1.6135,a31=-0.3437,b31=-0.0041,a32=-0.0180,b32=0.0667,ω=0.0494。
步骤七:
车辆换道期间纵向位移的直接影响因素为换道持续时间与自车速度,因此为了更直观的表现三者之间的影响关系,本发明分析纵向位移和换道持续时间在不同速度区间的相关性并利用皮尔逊相关性检验进行了显著性分析,可见,随着速度区间的增长,纵向距离稳步增长、换道持续时间的分布范围向低处扩散;在速度区间30-40km/h、40-50km/h中换道持续时间分布相近,在速度区间50-60km/h、60-70km/h中换道持续时间有所降低;随着换道持续时间增大,纵向总位移会相应的线性升高。
以不同速度区间和总体速度样本为控制变量,使用皮尔逊相关系数对相关性进行检验,并对在0.01级别(双尾)的显著相关性进行分析,检验结果显示纵向位移和换道持续时间有显著的相关性,因此可以使用函数拟合其线性关系。
利用Pauta准则剔除异常值,使用最小绝对残差法以残差平方最小为目标,使用多项式曲线拟合(polynomial curve fitting)对换道持续时间、自车速度和纵向位移进行稳健拟合,拟合优度评价指标中,决定系数R2=0.9998,校正决定系数说明输入变量对输出变量的解释程度高、拟合程度好;均方根误差RMSE=0.3023,总体误差达到拟合标准,得到拟合效果图和拟合公式:
z=p00+p10t+p01v+p20t2+p11tv+p02v2+p21t2v+p12tv2+p03v3 (10)
式中,z为纵向位移,t为换道持续时间,v为自车速度,95%置信区间的系数:p00=9.898(8.662,11.13),p10=-4.72(-5.06,-4.38), p01=-0.01755(-0.07324,0.03815),p20=0.3642(0.3332,0.3953), p11=0.3594(0.3509,0.3679),p02=-0.00385(-0.004807,-0.002894), p21=-0.005279(-0.005865,-0.004692), p12=-0.000192(-0.0002519,-0.0001321),p03=2.936e-05(2.347e- 05,3.525e-05)。
综上所述,公式(10)即为本发明所得到换道时车辆纵向位移的计算公式。
本发明的有益效果:
本发明首先解决了常规换道持续时间以及换道纵向位移预测忽视了驾驶人行为负荷的问题,综合考虑驾驶人脑力需求、视觉占用、驾驶绩效、时间紧迫感、努力程度与受挫程度提出一种多维度汽车驾驶人驾驶负荷量表,然后选择自车速度、跟车距离、横向位移与驾驶行为负荷量分析其对换道持续时间的影响,并以皮尔逊相关性检验进一步确定其相关性是否显著,并以此作为是否能进行曲线拟合的判断依据。皮尔逊相关系数定义为两个变量之间的协方差和标准差的商,具体公式如下:
式中r为皮尔逊相关系数,X、Y分别为相关变量,分别为对于变量的均值。然后根据数据分布选择合适的函数拟合方式分别对不同影响因素与换道持续时间进行拟合,本发明为了满足不同分布的数据拟合需要,选择线性模型、非线性最小二乘法、二阶傅里叶拟合方法与多项式曲线拟合方法等进行函数拟合,因此在计算时应当分别尝试以上函数拟合方法,并依据相应判断指标选择合适的方法,在分别研究了不同车速区间下的换道持续时间与各影响因素之间的相关性以及计算公式之后将其汇总得到综合的换道持续时间计算方法,最后分析换道持续时间与换道纵向位移的影响关系,选择合适的函数拟合方式最终得出多维度综合计算的换道纵向位移计算方法,旨在从多维度影响因素建立车辆换道过程量化方法,为车辆轨迹预测提供相关标准与参考,提升智能交通行驶安全。
本发明实现了车辆换道时实时动态的换道持续时间与纵向位移计算方法,计算量小、准确性高,适合大规模的使用,为准确预估车辆换道轨迹降低换道风险提供了理论依据和技术支撑,为智能驾驶领域中车辆换道轨迹预测提供统一有效的理论依据和研究方法。
附图说明
图1为本发明具体实施方式换道持续时间与跟车距离的分布情况示意图;
图2为本发明具体实施方式换道持续时间与跟车距离的拟合效果示意图;
图3为本发明具体实施方式换道持续时间与自车速度的分布情况示意图;
图4为本发明具体实施方式换道持续时间与自车速度的拟合效果示意图;
图5为本发明具体实施方式换道持续时间与横向位移的分布情况示意图;
图6为本发明具体实施方式换道持续时间与驾驶行为负荷量的分布情况示意图;
图7为本发明具体实施方式换道持续时间与驾驶负荷量的拟合效果示意图;
图8为本发明具体实施方式不同速度区间内换道持续时间和纵向位移的关系示意图;
图9为本发明具体实施方式换道持续时间、速度和纵向距离的拟合效果示意图;
具体实施方式
首先根据2019年驾驶人性别比例,按照男女比例 2:1、且都需具有中国合法驾照招募驾驶人,然后依据实车或驾驶模拟器开展换道实验,并根据本发明所提出的驾驶行为负荷量评价指标如表1所示,通过施加多种驾驶行为任务测量驾驶人在换道前后的驾驶行为负荷量,驾驶行为任务选择目前较为常用的手持手机通话、键入文本消息、阅读文本消息、交谈、思考等,而负荷施加方式根据实验条件选择n-back测试、箭头测试等方法。并根据相关传感器得出自车换道时的跟车距离、自车速度、换道时的横向距离以及驾驶行为负荷量。
表1驾驶行为负荷量评价指标
6组驾驶人负荷量评价指标如表1所示,在驾驶人完成每项单次试验后录入 10级李克特量表(表示负荷从“低”到“高”)。
将采集到的数据依据速度划分为[30,40),[40,50),[50,60),[60,70]四个速度区间,分析不同车速区间内的换道持续时间与该四项因素之间的变化特征并以皮尔逊相关性检验证明其相关性是否显著。
步骤一:
首先根据matlab绘制出不同车速区间内的换道持续时间和跟车距离分布情况,如图1所示,随着速度提高,跟车距离和换道持续时间表现出了相近的变化规律,即当速度从30-40km/h提升至40-50km/h时换道持续时间和跟车距离有所增加;当速度区间位于50-70km/h区间时,二者略有降低且保持稳定。总体上换道持续时间和跟车距离表现出了相关的变化特征。为了进一步验证二者的相关性,采用皮尔逊相关性检验法对各速度区间的相关性进行,表2的皮尔逊相关性检验结果证明了各区间内的换道持续时间和跟车距离显著相关。
表2换道持续时间和跟车距离的相关性检验
使用最小绝对残差法(least absolute residual,LAR)以残差平方最小为目标,使用非线性最小二乘法做稳健拟合,算法选择LM拟合算法,得到拟合效果如图2所示,表达式如公式(11)。决定系数R2=0.9649,校正决定系数说明输入变量对输出变量的解释程度高、拟合程度好;均方根误差RMSE=0.1347,总体误差达到拟合标准。
因此得到换道持续时间与跟车距离的拟合公式:
t=a0+a1·cos(d·w)+b1·sin(d·w)+a2·cos(2d·w)+b2·sin(2d·w) (11)
式中,d为跟车距离,t为换道持续时间,95%置信区间的系数: a0=-48.04(-1797,1701),a1=59.97(-2432,2252),b1=36.72(-863.8,937.3), a2=-9.23(-452.2,433.7),b2=-15.43(-439.9,409),w=0.01984(-0.1467,0.1864)。
步骤二:
分析换道持续时间和自车速度的数据分布情况与相关性检验,结果分别如图 3和表3所示,由图可知自车速度升高后换道持续时间逐渐下降,根据皮尔逊相关性检验结果可知,换道持续时间与自车速度在0.01水平上显著。
表3换道持续时间和自车速度的相关性检验
使用线性模型(linearmodel)对换道持续时间和自车速度进行拟合,得到拟合效果如图4和公式12。拟合优度评价指标中,决定系数R2=0.9506,校正决定系数说明输入变量对输出变量的解释程度高、拟合程度好;均方根误差RMSE=0.06986,总体误差达到拟合标准。
t=a·(sin(v-π))+b·((v-10)2)+c (12)
式中,v为自车速度,t为换道持续时间,95%置信区间系数: a=0.003442(0.0009564,0.005928),b=-0.0003272(-0.0003291,-0.0003253), c=4.892(4.888,4.896);。
步骤三:
分析换道持续时间与车辆横向位移的数据分布情况与相关性检验,分布如图5与表4所示,当换道持续时间变化时,横向位移稳定在车道宽度值附近,换道持续时间与横向位移没有明显的相关性,因此不具备曲线拟合条件。
表4换道持续时间和横向位移的相关性检验
同时根据皮尔逊相关性检验结果可以看出换道持续时间与横向位移相关性不显著,不具备曲线拟合条件。
步骤四:
分析不同速度区间的换道持续时间与驾驶行为负荷量的关系以及相关性检验,通过驾驶行为负荷量评价指标表1施加多种驾驶行为任务测量得到驾驶人在换道前后的驾驶行为负荷量,结果如图6和表5所示,在总体趋势上二者呈负相关,同时从区间30-40km/h升至40-50km/h时,换道持续时间有所上升,说明低速驾驶时增加负荷量会提高换道持续时间;而当速度和驾驶负荷同步继续提高后,50-60km/h、60-70km/h区间制动反应时间持续降低。
由表5中皮尔逊相关系数可知,换道持续时间和驾驶行为负荷量呈现显著负相关,可见驾驶行为负荷量低时会使换道持续时间增加,随着速度提高,相关性相对降低。
表5换道持续时间和驾驶行为负荷量的相关性检验
使用二阶傅里叶拟合方法对驾驶行为负荷量和换道持续时间做拟合,得到拟合效果如图7所示,表达式如公式(13)。决定系数R2=0.9893,校正决定系数说明输入变量对输出变量的解释程度高、拟合程度好;均方根误差RMSE=0.0344,总体误差达到拟合标准。
根据二阶傅里叶拟合方法得到最终的拟合方程如下所示:
t=a0+a1·cos(l·w)+b1·sin(l·w)+a2·cos(2l·w)+b2·sin(2l·w)
(13)
式中,t为换道持续时间,l为驾驶行为负荷量,95%置信区间的系数: a0=4.481(-17.52,27.20),a1=-1.015(-21.47,19.44), b1=-0.03579(-14.38,14.31),a2=-0.07246(-1.979,1.834), b2=0.2016(-8.824,9.227),w=0.1472(-1.371,1.666)。
步骤五:
根据前述步骤可知换道持续时间与自车速度、跟车距离以及驾驶行为负荷量具有显著相关性,并分别根据相应曲线拟合方法得出不同速度区间下的换道持续时间与各影响因素之间的计算公式,因此根据前述步骤中所得到的函数拟合结果,进一步推断出换道持续时间计算方法,如公式(14)所示:
t=a11·sin(v-π)+b11·(v-10)2+c11+
a21·cos(d)+b21·sin(d)+a22·cos(2d)+b22·sin(2d)+c21+
a31·cos(ω·l)+b31·sin(ω·l)+a32·cos(2ω·l)+b32·sin(2ω·l) (14)
式中:v为自车速度,t为换道持续时间,d为跟车距离,l为驾驶行为负荷量,a11=0.0011,b11=-0.0001,c11=1.6472,a21=0.0993,b21=0.0263,a22=-0.0090, b22=0.1037,c21=1.6135,a31=-0.3437,b31=-0.0041,a32=-0.0180,b32=0.0667,ω=0.0494。
步骤六:
车辆换道期间纵向位移的直接影响因素为换道持续时间与自车速度,因此为了更直观的表现三者之间的影响关系,本发明分析了纵向位移和换道持续时间在不同速度区间的相关性并利用皮尔逊相关性检验进行了显著性分析,结果如图8与表6所示:
由图8可见,随着速度区间的增长,纵向距离稳步增长、换道持续时间的分布范围向低处扩散;在速度区间30-40km/h、40-50km/h中换道持续时间分布相近,在速度区间50-60km/h、60-70km/h中换道持续时间有所降低;随着换道持续时间增大,纵向总位移会相应的线性升高。
以不同速度区间和总体速度样本为控制变量,使用皮尔逊相关系数对相关性进行检验,并对在0.01级别(双尾)的显著相关性进行分析,如表6所示,检验结果显示纵向位移和换道持续时间有显著的相关性,因此可以使用函数拟合其线性关系。
表6换道持续时间和纵向位移的相关性检验
利用Pauta准则剔除异常值,使用最小绝对残差法以残差平方最小为目标,使用多项式曲线拟合(polynomial curve fitting)对换道持续时间、自车速度和纵向位移进行稳健拟合,拟合优度评价指标中,决定系数R2=0.9998,校正决定系数说明输入变量对输出变量的解释程度高、拟合程度好;均方根误差RMSE=0.3023,总体误差达到拟合标准。拟合效果如图9所示,得到拟合方程如公式(15)。
z=p00+p10t+p01v+p20t2+p11tv+p02v2+p21t2v+p12tv2+p03v3 (15)
式中,z为纵向位移,t为换道持续时间,v为自车速度,95%置信区间的系数:p00=9.898(8.662,11.13),p10=-4.72(-5.06,-4.38), p01=-0.01755(-0.07324,0.03815),p20=0.3642(0.3332,0.3953), p11=0.3594(0.3509,0.3679),p02=-0.00385(-0.004807,-0.002894), p21=-0.005279(-0.005865,-0.004692),p12=-0.000192(-0.0002519,-0.0001321),p03=2.936e-05(2.347e- 05,3.525e-05)。
综上所述,公式(15)即为本实施例所得到换道时车辆纵向位移的计算公式。
Claims (3)
1.一种车辆换道纵向位移计算方法,其特征在于:包括以下步骤:
步骤一:
使用非线性最小二乘法得到换道持续时间与跟车距离的拟合公式:
t=a0+a1·cos(d·w)+b1·sin(d·w)+a2·cos(2d·w)+b2·sin(2d·w)(1)
式中,d为跟车距离,t为换道持续时间,95%置信区间的系数:a0=-48.04(-1797,1701),a1=59.97(-2432,2252),b1=36.72(-863.8,937.3),a2=-9.23(-452.2,433.7),b2=-15.43(-439.9,409),w=0.01984(-0.1467,0.1864);
步骤二:
使用线性模型得到换道持续时间与自车速度的拟合公式:
t=a·(sin(v-π))+b·((v-10)2)+c (2)
式中,v为自车速度,t为换道持续时间,95%置信区间系数:a=0.003442(0.0009564,0.005928),b=-0.0003272(-0.0003291,-0.0003253),c=4.892(4.888,4.896);
步骤三:
使用二阶傅里叶拟合方法得到换道持续时间与驾驶行为负荷量的拟合公式:
t=a0+a1·cos(l·w)+b1·sin(l·w)+a2·cos(2l·w)+b2·sin(2l·w) (3)
式中,t为换道持续时间,l为驾驶行为负荷量,95%置信区间的系数:a0=4.481(-17.52,27.20),a1=-1.015(-21.47,19.44),b1=-0.03579(-14.38,14.31),a2=-0.07246(-1.979,1.834),b2=0.2016(-8.824,9.227),w=0.1472(-1.371,1.666);
步骤四:
由上述公式(1)-(3),得到换道持续时间的计算公式如下:
式中,v为自车速度,t为换道持续时间,d为跟车距离,l为驾驶行为负荷量,a11=0.0011,b11=-0.0001,c11=1.6472,a21=0.0993,b21=0.0263,a22=-0.0090,b22=0.1037,c21=1.6135,a31=-0.3437,b31=-0.0041,a32=-0.0180,b32=0.0667,ω=0.0494;
步骤五:
利用Pauta准则剔除异常值,使用最小绝对残差法以残差平方最小为目标,使用多项式曲线拟合对换道持续时间、自车速度和纵向位移进行稳健拟合,得到车辆换道纵向位移的计算公式如下:
z=p00+p10t+p01v+p20t2+p11tv+p02v2+p21t2v+p12tv2+p03v3 (5)
式中,z为纵向位移,t为换道持续时间,v为自车速度,95%置信区间的系数:p00=9.898(8.662,11.13),p10=-4.72(-5.06,-4.38),p01=-0.01755(-0.07324,0.03815),p20=0.3642(0.3332,0.3953),p11=0.3594(0.3509,0.3679),p02=-0.00385(-0.004807,-0.002894),p21=-0.005279(-0.005865,-0.004692),p12=-0.000192(-0.0002519,-0.0001321),p03=2.936e-05(2.347e-05,3.525e-05)。
2.根据权利要求1所述的一种车辆换道纵向位移计算方法,其特征在于:步骤三中所述的驾驶行为负荷量评价指标包括但不限于脑力需求、视觉占用、驾驶绩效、时间紧迫感、努力程度或受挫程度,所述的脑力需求的维度描述为驾驶过程中思考、决策、选择和搜索所需的脑力,包含注意力、精神负荷;所述的视觉占用的维度描述为驾驶过程中驾驶任务对视觉资源的占用情况;所述的驾驶绩效的维度描述为驾驶人对自己驾驶绩效的满意程度,通过受试者自报式的主观驾驶绩效评估来反映其承受的负荷量,其维度的两极标示与其他5个指标相反,驾驶绩效越好说明负荷越低,反之驾驶绩效越低表明承担的负荷越高;所述的时间紧迫感的维度描述为驾驶人在试验过程中的来自时间约束产生的压力,迫于此感受到的节奏包括悠闲或慌乱等状态;所述的努力程度的维度描述为完成该轮驾驶试验需要付出的努力程度;所述的受挫程度的维度描述为驾驶过程中执行驾驶任务时,来自情绪和压力等挫败感,或感受到的约束、压力水平,包括疲劳、不安全感、恼怒、气馁等;每一项指标的驾驶行为负荷量取值按照10级李克特量表由低到高取值范围为0-9;
根据驾驶行为负荷量评价指标通过施加多种驾驶行为任务测量驾驶人在换道前后的驾驶行为负荷量,驾驶行为任务包括手持手机通话、键入文本消息、阅读文本消息、交谈或思考,负荷施加方式根据实验条件选择n-back测试或箭头测试方法。
3.一种车辆换道纵向位移计算方法的优化方法,其特征在于:包括以下步骤:
步骤一:
首先设计驾驶人驾驶行为负荷量表,所述的驾驶行为负荷量评价指标包括但不限于脑力需求、视觉占用、驾驶绩效、时间紧迫感、努力程度或受挫程度,所述的脑力需求的维度描述为驾驶过程中思考、决策、选择和搜索所需的脑力,包含注意力、精神负荷;所述的视觉占用的维度描述为驾驶过程中驾驶任务对视觉资源的占用情况;所述的驾驶绩效的维度描述为驾驶人对自己驾驶绩效的满意程度,通过受试者自报式的主观驾驶绩效评估来反映其承受的负荷量,其维度的两极标示与其他5个指标相反,驾驶绩效越好说明负荷越低,反之驾驶绩效越低表明承担的负荷越高;所述的时间紧迫感的维度描述为驾驶人在试验过程中的来自时间约束产生的压力,迫于此感受到的节奏包括悠闲或慌乱等状态;所述的努力程度的维度描述为完成该轮驾驶试验需要付出的努力程度;所述的受挫程度的维度描述为驾驶过程中执行驾驶任务时,来自情绪和压力等挫败感,或感受到的约束、压力水平,包括疲劳、不安全感、恼怒、气馁等;每一项指标的驾驶行为负荷量取值按照10级李克特量表由低到高取值范围为0-9;
根据驾驶行为负荷量评价指标通过施加多种驾驶行为任务测量驾驶人在换道前后的驾驶行为负荷量,驾驶行为任务包括手持手机通话、键入文本消息、阅读文本消息、交谈、思考等,负荷施加方式根据实验条件选择n-back测试、箭头测试方法;
步骤二:
根据matlab绘制出[30,40),[40,50),[50,60),[60,70]四个不同车速区间内的换道持续时间和跟车距离分布情况,判断换道持续时间和跟车距离表现出的相关的变化特征;采用皮尔逊相关性检验法对各速度区间的相关性进一步验证,皮尔逊相关性检验结果证明各区间内的换道持续时间和跟车距离显著相关,使用最小绝对残差法以残差平方最小为目标,使用非线性最小二乘法做稳健拟合,算法选择LM拟合算法,得到换道持续时间与跟车距离的拟合效果图和拟合公式,决定系数R2=0.9649,校正决定系数说明输入变量对输出变量的解释程度高、拟合程度好;均方根误差RMSE=0.1347,总体误差达到拟合标准;
t=a0+a1·cos(d·w)+b1·sin(d·w)+a2·cos(2d·w)+b2·sin(2d·w)(6)
式中,d为跟车距离,t为换道持续时间,95%置信区间的系数:a0=-48.04(-1797,1701),a1=59.97(-2432,2252),b1=36.72(-863.8,937.3),a2=-9.23(-452.2,433.7),b2=-15.43(-439.9,409),w=0.01984(-0.1467,0.1864)
步骤三:
绘制出[30,40),[40,50),[50,60),[60,70]四个不同车速区间内的换道持续时间和自车速度分布情况,分析换道持续时间和自车速度表现出的相关的变化特征,采用皮尔逊相关性检验法对各速度区间的相关性进一步验证,皮尔逊相关性检验结果证明各区间内的换道持续时间和自车速度显著相关,使用线性模型对换道持续时间和自车速度进行拟合,得到拟合效果图和拟合公式;拟合优度评价指标中,决定系数R2=0.9506,校正决定系数说明输入变量对输出变量的解释程度高、拟合程度好;均方根误差RMSE=0.06986,总体误差达到拟合标准;
t=a·(sin(v-π))+b·((v-10)2)+c (7)
式中,v为自车速度,t为换道持续时间,95%置信区间系数:a=0.003442(0.0009564,0.005928),b=-0.0003272(-0.0003291,-0.0003253),c=4.892(4.888,4.896);
步骤四:
绘制出[30,40),[40,50),[50,60),[60,70]四个不同车速区间内的换道持续时间与车辆横向位移的数据分布情况与相关性检验,发现当换道持续时间变化时,横向位移稳定在车道宽度值附近,换道持续时间与横向位移没有明显的相关性,因此不具备曲线拟合条件;
同时根据皮尔逊相关性检验结果可以看出换道持续时间与横向位移相关性不显著,不具备曲线拟合条件;
步骤五:
绘制出[30,40),[40,50),[50,60),[60,70]四个不同车速区间内的换道持续时间与驾驶行为负荷量的分布情况以及相关性检验,通过驾驶行为负荷量评价指标表施加多种驾驶行为任务测量得到驾驶人在换道前后的驾驶行为负荷量,分析换道持续时间和驾驶行为负荷量表现出的相关的变化特征,采用皮尔逊相关性检验法对各速度区间的相关性进一步验证可知,换道持续时间和驾驶行为负荷量呈现显著负相关,可见驾驶行为负荷量低时会使换道持续时间增加,随着速度提高,相关性相对降低;
使用二阶傅里叶拟合方法对驾驶行为负荷量和换道持续时间做拟合,得到拟合效果图和拟合公式;决定系数R2=0.9893,校正决定系数说明输入变量对输出变量的解释程度高、拟合程度好;均方根误差RMSE=0.0344,总体误差达到拟合标准;
根据二阶傅里叶拟合方法得到最终的拟合方程如下所示:
t=a0+a1·cos(l·w)+b1·sin(l·w)+a2·cos(2l·w)+b2·sin(2l·w) (8)
式中,t为换道持续时间,l为驾驶行为负荷量,95%置信区间的系数:a0=4.481(-17.52,27.20),a1=-1.015(-21.47,19.44),b1=-0.03579(-14.38,14.31),a2=-0.07246(-1.979,1.834),b2=0.2016(-8.824,9.227),w=0.1472(-1.371,1.666);
步骤六:
根据前述步骤可知换道持续时间与自车速度、跟车距离以及驾驶行为负荷量具有显著相关性,并分别根据相应曲线拟合方法得出不同速度区间下的换道持续时间与各影响因素之间的计算公式,因此根据前述步骤中所得到的函数拟合结果,进一步推断出换道持续时间计算方法,公式如下:
t=a11·sin(v-π)+b11·(v-10)2+c11+a21·cos(d)+b21·sin(d)+a22·cos(2d)+b22·sin(2d)+c21+a31·cos(ω·l)+b31·sin(ω·l)+a32·cos(2ω·l)+b32·sin(2ω·l) (9)
式中:v为自车速度,t为换道持续时间,d为跟车距离,l为驾驶行为负荷量,a11=0.0011,b11=-0.0001,c11=1.6472,a21=0.0993,b21=0.0263,a22=-0.0090,b22=0.1037,c21=1.6135,a31=-0.3437,b31=-0.0041,a32=-0.0180,b32=0.0667,ω=0.0494;
步骤七:
车辆换道期间纵向位移的直接影响因素为换道持续时间与自车速度,为了更直观的表现三者之间的影响关系,分析纵向位移和换道持续时间在不同速度区间的相关性并利用皮尔逊相关性检验进行显著性分析,可见,随着速度区间的增长,纵向距离稳步增长、换道持续时间的分布范围向低处扩散;在速度区间30-40km/h、40-50km/h中换道持续时间分布相近,在速度区间50-60km/h、60-70km/h中换道持续时间有所降低;随着换道持续时间增大,纵向总位移会相应的线性升高;
以不同速度区间和总体速度样本为控制变量,使用皮尔逊相关系数对相关性进行检验,并对在0.01级别的显著相关性进行分析,检验结果显示纵向位移和换道持续时间有显著的相关性,因此使用函数拟合其线性关系;
利用Pauta准则剔除异常值,使用最小绝对残差法以残差平方最小为目标,使用多项式曲线拟合对换道持续时间、自车速度和纵向位移进行稳健拟合,拟合优度评价指标中,决定系数R2=0.9998,校正决定系数说明输入变量对输出变量的解释程度高、拟合程度好;均方根误差RMSE=0.3023,总体误差达到拟合标准,得到拟合效果图和拟合公式:
z=p00+p10t+p01v+p20t2+p11tv+p02v2+p21t2v+p12tv2+p03v3 (10)
式中,z为纵向位移,t为换道持续时间,v为自车速度,95%置信区间的系数:p00=9.898(8.662,11.13),p10=-4.72(-5.06,-4.38),p01=-0.01755(-0.07324,0.03815),p20=0.3642(0.3332,0.3953),p11=0.3594(0.3509,0.3679),p02=-0.00385(-0.004807,-0.002894),p21=-0.005279(-0.005865,-0.004692),p12=-0.000192(-0.0002519,-0.0001321),p03=2.936e-05(2.347e-05,3.525e-05);
综上所述,公式(10)即为换道时车辆纵向位移的计算公式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111176612.2A CN113901582A (zh) | 2021-10-09 | 2021-10-09 | 一种车辆换道纵向位移计算方法及其优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111176612.2A CN113901582A (zh) | 2021-10-09 | 2021-10-09 | 一种车辆换道纵向位移计算方法及其优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113901582A true CN113901582A (zh) | 2022-01-07 |
Family
ID=79190782
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111176612.2A Pending CN113901582A (zh) | 2021-10-09 | 2021-10-09 | 一种车辆换道纵向位移计算方法及其优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113901582A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106926844A (zh) * | 2017-03-27 | 2017-07-07 | 西南交通大学 | 一种基于实时环境信息的动态自动驾驶换道轨迹规划方法 |
WO2018072394A1 (zh) * | 2016-10-19 | 2018-04-26 | 江苏大学 | 融合空间和动力学特性的智能车辆安全驾驶包络重构方法 |
CN111439264A (zh) * | 2020-04-03 | 2020-07-24 | 东南大学 | 一种基于人机混驾的换道控制模型的实现方法 |
WO2021077725A1 (zh) * | 2019-10-21 | 2021-04-29 | 南京航空航天大学 | 一种基于驾驶意图的周围车辆运动状态预测***及方法 |
CN113486822A (zh) * | 2021-07-12 | 2021-10-08 | 吉林大学 | 一种基于驾驶意图的周围车辆轨迹预测方法及*** |
CN113479201A (zh) * | 2021-08-20 | 2021-10-08 | 燕山大学 | 考虑驾驶人反应能力的换道场景车辆风险动态评价方法 |
-
2021
- 2021-10-09 CN CN202111176612.2A patent/CN113901582A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018072394A1 (zh) * | 2016-10-19 | 2018-04-26 | 江苏大学 | 融合空间和动力学特性的智能车辆安全驾驶包络重构方法 |
CN106926844A (zh) * | 2017-03-27 | 2017-07-07 | 西南交通大学 | 一种基于实时环境信息的动态自动驾驶换道轨迹规划方法 |
WO2021077725A1 (zh) * | 2019-10-21 | 2021-04-29 | 南京航空航天大学 | 一种基于驾驶意图的周围车辆运动状态预测***及方法 |
CN111439264A (zh) * | 2020-04-03 | 2020-07-24 | 东南大学 | 一种基于人机混驾的换道控制模型的实现方法 |
CN113486822A (zh) * | 2021-07-12 | 2021-10-08 | 吉林大学 | 一种基于驾驶意图的周围车辆轨迹预测方法及*** |
CN113479201A (zh) * | 2021-08-20 | 2021-10-08 | 燕山大学 | 考虑驾驶人反应能力的换道场景车辆风险动态评价方法 |
Non-Patent Citations (2)
Title |
---|
谢宪毅;金立生;高琳琳;夏海鹏;: "基于变权重系数的LQR车辆后轮主动转向控制研究", 浙江大学学报(工学版), no. 03, 25 January 2018 (2018-01-25) * |
郭柏苍: ""面向人机共驾控制权决策的人-车风险等级预测方法研究"", 《万方平台》, 8 September 2021 (2021-09-08) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107933317B (zh) | 估算剩余续驶里程的方法、装置、设备及纯电动汽车 | |
CN105644563B (zh) | 一种油门瞬变工况驾驶性评价方法及*** | |
US8718863B2 (en) | Method for judging the drivability of vehicles | |
JP5103066B2 (ja) | 車両の路面状態推定装置 | |
JP2018020776A (ja) | 運転者のフィードバックを提供するための方法及び装置 | |
EP2472493B1 (en) | Driver state assessment device | |
RU2549578C1 (ru) | Устройство предоставления информации для использования в транспортном средстве | |
CN111523701A (zh) | 车辆运行状况的评估方法、装置、计算机设备和存储介质 | |
CN111949942A (zh) | 一种加速车内噪声线性度的评价方法 | |
CN110949393A (zh) | 一种驾驶行为分析方法、装置、车辆及存储介质 | |
CN110979348B (zh) | 一种工况法能耗测试的车速控制方法、装置及设备 | |
CN110949394A (zh) | 单踏板制动测试方法、装置、设备、存储介质和*** | |
Peer et al. | Pace yourself: Improving time-saving judgments when increasingactivity speed | |
CN113954846B (zh) | 一种车辆行驶中坡道信息的估算及*** | |
CN113901582A (zh) | 一种车辆换道纵向位移计算方法及其优化方法 | |
CN109781436A (zh) | 一种汽车驾驶模式经济性评价方法 | |
EP3699804B1 (en) | Tire model determining method, tire transient response data calculating method, tire evaluating method, and tire designing method | |
JP2006077665A (ja) | 省燃費運転評価システム | |
CN116118752A (zh) | 一种轮胎磨损预警方法、装置、电子设备和存储介质 | |
CN114155742B (zh) | 一种网联车纵向行车风险评估和预警方法 | |
Fancher | Research on desirable adaptive cruise control behavior in traffic streams | |
CN113793074A (zh) | 一种自动驾驶车辆社会合作性评价方法 | |
CN117429266A (zh) | 续航显示值确定方法、装置、车辆、电子设备及存储介质 | |
CN106289794B (zh) | 整车测试的数据处理方法和装置 | |
CN114228719A (zh) | 车辆辅助制动方法、电子设备及存储介质 |
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 |