Evaluation on Braking Stability of Autonomous Vehicles Running along Curved Sections Based on Asphalt Pavement Adhesion Properties
Notice bibliographique
Résumé
As the main objective influencing factor on the brake safety of autonomous vehicles, pavement texture information is directly related to road surface antiskid performance. However, in the brake system of autonomous vehicles, the influence of road surface adhesion characteristics on braking stability is seldomly considered. To study the braking stability of autonomous vehicles on curved sections under different road conditions, the advanced close-range photogrammetry system was utilized to extract the road surface texture information. Thereafter, the power spectral density (PSD) of the road surface was calculated by MATLAB to obtain the pavement adhesion coefficient curves based on the Persson friction theory model under different road conditions. Considering the pavement adhesion characteristics, the braking model of autonomous vehicles was built in Simulink, and then, the braking performance on curved sections was analyzed with CarSim/Simulink cosimulation. The results indicate that, according to the adhesion coefficient of different asphalt pavement types under different road conditions, the ranking order is open-grade friction course (OGFC) > stone matrix asphalt (SMA) > dense-graded asphalt concrete (AC). In addition, both the maximum lateral offset distances and the maximum lateral forces of the tires decrease as the curve radius gradually increases under different road conditions. It can also be found that there is a relatively uniform vertical forces distribution of the tire when the curve radius is no less than 100 m, and the limit speed of the vehicle varies parabolically with increasing in curve radius. Compared with dry road, the reduction of vehicle braking deceleration is more significant and the yaw rate is greater on wet road. Last but not least, the braking comfort with a radius of 200 m is the best according to the comfort index (CI) in International Standard ISO, in which the comfort level can be sorted into six levels.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».