2023-06

利用人体脊柱有限元模型优化座椅板角度以提高车辆乘坐舒适度

分类： 医学物理, 人机交互

作者： Raj Desai, Ankit Vekaria, Anirban Guha, P. Seshu

发布时间： 2023-06-21

链接： http://arxiv.org/abs/2306.12354v1

摘要： 车辆驾驶员/乘员的乘坐舒适度通常通过人类多体生物动力学模型来分析。人体关键部位的精确建模，例如：脊柱要求这些模型具有非常多的节段。由此产生的自由度增加使得这些模型难以分析，并且无法提供某些细节，例如座椅压力分布、坐垫形状的影响、材料等。这项工作提出了一个基于有限元的人类坐在座椅中的模型。脊柱已进行 3D 建模的车辆。它由颈椎到尾骨、韧带和椎间盘组成，并已根据文献中报道的模态频率进行了验证。然后对其施加 0.1 g 的正弦垂直 RMS 加速度，以模拟道路引起的振动。从座椅到头部的传递性和椎间盘压力方面研究了人体的动态特性。研究了座板角度对这些参数的影响，确定最佳角度应在 15 到 19 度之间。这项工作预计将进行更多此类模拟，以研究其他人体舒适度和座椅设计相关参数，从而针对各种乘坐条件优化座椅设计。

基于潜在避碰难度的自动驾驶汽车新的计算感知风险模型（PCAD）

分类： 人机交互

作者： Xiaolin He, Riender Happee, Meng Wang

发布时间： 2023-06-14

链接： http://arxiv.org/abs/2306.08458v1

摘要： 感知风险对于设计值得信赖且可接受的车辆自动化系统至关重要。然而，我们对其动态的理解是有限的，感知风险动态的模型在文献中也很少。本研究为 SAE 2 级驾驶自动化的驾驶员制定了一种基于潜在避碰难度 (PCAD) 的新计算感知风险模型。 PCAD使用二维安全速度间隙作为潜在的避碰难度，并考虑碰撞严重程度。安全速度间隙被定义为当前速度和安全速度区域之间的二维间隙，并表示考虑到邻近车辆的行为不确定性和主体车辆的不精确控制所需的制动和转向量。 PCAD 可以预测连续时间和每个事件的感知风险。我们将 PCAD 模型与三个最先进的模型进行比较，并使用两个独特的数据集（数据集合并和数据集避障）从理论上和实证上分析模型。尽管计算时间较长，但 PCAD 模型在模型误差、检测率以及准确捕捉人类驾驶员感知风险趋势的能力方面通常优于其他模型。此外，研究表明，感知的风险不是静态的，而是随着周围的交通状况而变化。这项研究增进了我们对自动驾驶感知风险的理解，并为提高驾驶自动化系统的安全性和接受度铺平了道路。