Multi-mode Evasion Assistance Control Method for Intelligent Distributed-drive Electric Vehicle Considering Human Driver’s Reaction
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Vehicle collision avoidance (CA) has been widely studied to improve road traffic safety. However, most evasion assistance control methods face challenges in effectively coordinating collision avoidance safety and human-machine interaction conflict. This paper introduces a novel multi-mode evasion assistance control (MEAC) method for intelligent distributed-drive electric vehicles. A reference safety area is established considering the vehicle safety and stability requirements, which serves as a guiding principle for evading obstacles. The proposed method includes two control modes: Shared-EAC (S-EAC) and Emergency-EAC (E-EAC). In S-EAC, an integrated human-machine authority allocation mechanism is designed to mitigate conflicts between human drivers and the control system during collision avoidance. The E-EAC mode is tailored for situations where the driver has no collision avoidance behavior and utilizes model predictive control to generate additional yaw moments for collision avoidance. Simulation and experimental results indicate that the proposed method reduces human-machine conflict and assists the driver in safe collision avoidance in the S-EAC mode under various driver conditions. In addition, it enhances the vehicle responsiveness and reduces the extent of emergency steering in the E-EAC mode while improving the safety and stability during the collision avoidance process.
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.
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) | 0,001 | 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 | 0,001 |
| 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 découle