为研究基于实测头车数据的多车辆跟驰场景下各车辆的跟随效果和排放拟合效果,选取Gipps、LCM、Fritzsche模型进行研究。进行模型标定与多车辆仿真,计算结果显示:Gipps、LCM、Fritzsche模型的CO_(2)、NO_(x)、CO、PN拟合排放误差的均值...为研究基于实测头车数据的多车辆跟驰场景下各车辆的跟随效果和排放拟合效果,选取Gipps、LCM、Fritzsche模型进行研究。进行模型标定与多车辆仿真,计算结果显示:Gipps、LCM、Fritzsche模型的CO_(2)、NO_(x)、CO、PN拟合排放误差的均值分别为2.59%、7.02%和4.07%,均能较好地实现排放仿真。Gipps模型在车速、加速度、VSP(vehicle specific power)分布与排放拟合方面的效果最佳,各跟驰车辆与头车的一致性最好,适用于对跟随效果与排放拟合有要求的多车辆跟驰仿真场景。LCM模型中,后方车辆的加速度、VSP分布与头车相比向数值更低的方向偏移,拟合排放减少,排放误差增加。Fritzsche模型加速度和VSP分布在高、低两个方向上均有偏移,呈三峰分布的特征,高、低峰值对拟合排放的影响有相互抵消的作用,排放误差略有降低。在多车辆跟驰仿真中,各车辆车速、加速度分布与头车保持相似,能够得到较为一致的跟驰车辆VSP分布,获得较好的多车辆排放拟合效果。展开更多
车载信息系统(in-vehicle information system,IVIS)通过多功能整合提升驾驶便利性,但多模态信息过载可能加剧认知负荷超额并威胁行车安全。为探究信息过载对危险驾驶行为的动态影响机制,基于刺激-有机体-反应(Stimulus-Organism-Respon...车载信息系统(in-vehicle information system,IVIS)通过多功能整合提升驾驶便利性,但多模态信息过载可能加剧认知负荷超额并威胁行车安全。为探究信息过载对危险驾驶行为的动态影响机制,基于刺激-有机体-反应(Stimulus-Organism-Response,SOR)模型引入驾驶信息需求作为调节变量,在此基础上构建视觉/听觉信息过载、认知负荷、驾驶意图与行为的理论框架。基于438名中国电动汽车用户的横断面调查数据并结合结构方程建模的数据分析表明,视觉与听觉信息过载显著正向影响认知负荷,且直接驱动不安全驾驶意图。同时,中介分析表明,信息过载可以通过认知负荷和驾驶意图间接影响驾驶行为。驾驶信息需求负向调节不安全驾驶意图向行为的转化,驾驶信息需求越高的驾驶员,越易主动抑制危险驾驶行为的外化。本研究将驾驶信息需求纳入SOR框架,揭示了多模态信息过载的差异化机制,弥补了个体差异研究的不足,也为IVIS开发方与整车制造商提供了可行的优化路径,包括抬头显示屏(head-up display,HUD)信息筛选优先级策略、认知负荷监测。展开更多
文摘为研究基于实测头车数据的多车辆跟驰场景下各车辆的跟随效果和排放拟合效果,选取Gipps、LCM、Fritzsche模型进行研究。进行模型标定与多车辆仿真,计算结果显示:Gipps、LCM、Fritzsche模型的CO_(2)、NO_(x)、CO、PN拟合排放误差的均值分别为2.59%、7.02%和4.07%,均能较好地实现排放仿真。Gipps模型在车速、加速度、VSP(vehicle specific power)分布与排放拟合方面的效果最佳,各跟驰车辆与头车的一致性最好,适用于对跟随效果与排放拟合有要求的多车辆跟驰仿真场景。LCM模型中,后方车辆的加速度、VSP分布与头车相比向数值更低的方向偏移,拟合排放减少,排放误差增加。Fritzsche模型加速度和VSP分布在高、低两个方向上均有偏移,呈三峰分布的特征,高、低峰值对拟合排放的影响有相互抵消的作用,排放误差略有降低。在多车辆跟驰仿真中,各车辆车速、加速度分布与头车保持相似,能够得到较为一致的跟驰车辆VSP分布,获得较好的多车辆排放拟合效果。
文摘车载信息系统(in-vehicle information system,IVIS)通过多功能整合提升驾驶便利性,但多模态信息过载可能加剧认知负荷超额并威胁行车安全。为探究信息过载对危险驾驶行为的动态影响机制,基于刺激-有机体-反应(Stimulus-Organism-Response,SOR)模型引入驾驶信息需求作为调节变量,在此基础上构建视觉/听觉信息过载、认知负荷、驾驶意图与行为的理论框架。基于438名中国电动汽车用户的横断面调查数据并结合结构方程建模的数据分析表明,视觉与听觉信息过载显著正向影响认知负荷,且直接驱动不安全驾驶意图。同时,中介分析表明,信息过载可以通过认知负荷和驾驶意图间接影响驾驶行为。驾驶信息需求负向调节不安全驾驶意图向行为的转化,驾驶信息需求越高的驾驶员,越易主动抑制危险驾驶行为的外化。本研究将驾驶信息需求纳入SOR框架,揭示了多模态信息过载的差异化机制,弥补了个体差异研究的不足,也为IVIS开发方与整车制造商提供了可行的优化路径,包括抬头显示屏(head-up display,HUD)信息筛选优先级策略、认知负荷监测。
