基于智能车路系统的交叉口主动交通安全技术研究

智能车路系统是通过交通信息资源在车载装置和交通基础设施之间的合理分配和平衡、车辆和道路设施的智能协同和配合来提高交通的安全性和工作效率的.从分析国内外智能交通的发展、对交通安全问题的关注和车载设备的增多等角度出发,认为智能车路系统是作为解决主动交通安全问题的一个有效途径,以解决交叉口"两难区"交通安全为出发点,给出了智能车路系统解决实际主动交通安全的实例.     

基于用户需求的车路协同典型场景研究

高速公路智能车路协同系统近年来逐渐受到众多关注.在国家系列政策文件的基础上,分析了高速公路公众出行者与交通管理者等用户在智能车路协同方面的需求,梳理了普通路段、分合流区、隧道等不同道路类型的应用场景,对场景功能、所需交通信息以及智能化设备等进行了概述,并以分合流区和施工作业区等应用场景为例,分析了分合流区和施工作业区目前存在问题、预警功能实现及数据流向,为高速公路智能车路协同应用场景库的完善以及车路协同系统的落地实施提供了技术支持.     

车辆轨迹数据的若干处理方法研究

从智能车路协同系统的概念出发,介绍了车路协同系统下的数据采集标准及轨迹数据特点,研究了轨迹数据处理的若干方法,包括车辆轨迹重构、交通参数提取、轨迹聚类等。     

智能车路系统典型场景测试方法研究

目前,智能车路系统是智能交通系统的重点研究方向,但由于智能车路系统功能复杂,缺乏有效的验证环境。针对该问题从测试场景、测试原理、场景设计等方面进行系统研究,建立合理有效的测试环境和方法,同时通过实验验证了方法的有效性。     

高速公路智能车路协同系统应用场景库构建研究

在对现有车路协同场景研究情况分析的基础上,综合考虑交通需求与道路环境属性双重因素,提出了面向高速公路智能车路协同系统的场景构建方法,构建了适合不同高速公路需求的功能完备、场景丰富、要素齐全的车路协同应用场景库,满足新基建与智慧高速建设应用需求,为高速公路车路协同示范应用提供参考.     

车队协同驾驶混成控制研究现状与展望

车队协同驾驶是车路协同技术在智能交通领域中的重要应用与示范。混成动态系统理论与半实物仿真技术已成为研究车队协同驾驶系统的重要手段。阐述了车队协同驾驶在智能车路系统中应用的可行性和优点;对近十年车队协同驾驶研究进行了回顾和综述,包括系统结构、车车通信、车队协作策略以及半实物仿真技术等4个方面;概括了车队协同驾驶混成控制系统内容与仿真手段,并给出车队协同驾驶半实物仿真结果;对车队协同驾驶混成控制研究进行了总结和展望。     

高速公路智能车路协同系统事件—信息集研究

分析高速公路智能车路协同系统(Intelligent Cooperative Vehicle-Infrastructure Systems on Highways,ICVIS-H)总体建设需求和用户需求,构建基于事件集成业务驱动的车路协同系统数据交互机制与框架,梳理ICVIS-H与各系统业务交互流程.针对ICVIS-H...     

重庆车检院加强主动安全领域技术创新 打造“汽车主动安全测试技术重庆市工业和信息化重点实验室”

正重庆车检院"汽车主动安全测试技术重庆市工业和信息化重点实验室"日前完成了《智能车路协同系统及自动驾驶车辆测试规范与流程》编制,在主动安全研究领域取得新进展。为助力国家制造强国发展战略,加快重庆市汽车主动安全及驾驶辅助技术发展,重庆车检院积极     

车-车协同下无人驾驶车辆的换道汇入控制方法

多车协同驾驶是智能车路系统领域的研究热点之一,可有效降低道路交通控制管理的复杂程度,减少环境污染的同时保障道路交通安全。基于多车协同驾驶控制结构,提出了一种无人驾驶车辆换道汇入的驾驶模型及策略,系统分析了多车协同运行状态的稳定条件。在综合分析无人驾驶车辆换道汇入的协作准则、安全性评估后,基于高阶多项式方法,结合车辆运行特性,通过引入乘坐舒适性的指标函数,设计得到无人驾驶车辆换道汇入的有效运动轨迹。通过研究汇入车辆与车队中汇入点前、后各车辆的运动关系,详细分析车辆发生碰撞的类型和影响因素,给出避免碰撞的条件准则,从而确保无人驾驶车辆汇入过程中多车行驶的安全性和稳定性。基于车辆运动学建立车辆位置误差模型,结合系统大范围渐进稳定的条件,选取线速度和角速度作为输入,应用李雅普诺夫稳定性理论和Backstepping非线性控制算法,设计了无人驾驶车辆换道汇入后的路径跟踪控制器。仿真试验和实车试验结果表明：所设计的换道汇入路径是可行、安全的,控制器具有良好的跟踪效果,纵向和横向的距离误差在15 cm以内,方向偏差的相对误差在10%以内。研究结果为智能车路系统中的多车状态变迁与协同驾驶研究提供了参考,可服务于未来道路交通安全设计和评价。     

重庆车辆检测研究院亮相智博会 展示智能网联汽车测试评价能力

正2018年8月23日-25日,首届中国国际智能产业博览会在重庆举行。重庆车辆检测研究院作为参展单位在智博会上亮相,全面展示了公司在自动驾驶和车路协同方面的测试评价能力。在智博会期间举办的中国智慧交通车联网产业创新联盟创新奖颁奖典礼上,重庆车检院荣获该联盟"创新型领先企业奖",其科技成果"面向自动驾驶封闭场地测试基地的智能车路协同试验系统"     

视觉导航智能小车自主驾驶控制方法研究

智能车路系统通过提高单车控制智能化水平以及与交通环境之间的信息交互能力,实现车辆自主驾驶以及列队控制,从而解决日趋严重的交通问题。在智能车路系统中单车的智能控制是基础,利用模型车、无线通信网络和1/10道路沙盘模型等手段构建车路协调下的视觉导航智能小车实验平台。在建立智能小车运动模型基础上,提出视觉导航智能小车自主驾驶控制策略;通过实验分析,验证了该控制策略的准确性和可靠性。     

基于STM32和Zigbee的智能车路协同系统的设计和实现

文章以车辆顺利安全通过有信号灯的城市十字路口为背景,研究基于STM32微处理器和Zigbee无线通讯协议的智能车路协同系统的设计和实现。整个系统包含智能车载单元和智能路侧单元。路侧单元和车载单元通过Zigbee无线传输协议实现信息交互,智能路侧单元通过实时获取的车辆位置和行驶方向及距离车辆最近的十字路口的红绿灯信息和道路信息,通过速度引导略为驾驶员提供行驶建议,使其不停车通过十字交叉路口,达到安全,畅行的目的。     

美国智能运输系统的用户服务功能

１９９２年５月，美国智能车路协会公布了美国联邦政论运输部的智能车路系统（ＩＶＨＳ）战略计划。该计划确定了全美ＩＶＨＳ计划（即现在原ＩＴＳ计划）的总目标、阶段目标及目的，并制定总目标的ＩＴＳ开发与实施框架计划。美国的ＩＴＳ计划已确定了２９项用户服务功能，并将其发为７个服务领域，文中简要介绍了该７个领域的用户服务功能。     

基于纵横向协同控制的路径跟踪策略研究

为了提高智能车的路径跟踪精度和行驶稳定性,针对智能车路径跟踪控制提出了一种考虑车辆纵横向协同的跟踪策略。从车辆整体系统出发,对纵向运动和横向运动进行解耦,采用分层控制的结构,上层控制器利用基于径向基函数（RBF）神经网络的自适应滑模变结构控制对车辆运动学耦合进行解耦,并用RBF神经网络对模型不确定性造成的系统扰动实时追踪;下层控制器以轮胎利用附着系数作为优化目标,将轮胎力约束在附着椭圆内。基于纵横向协同控制对纵横向轮胎力进行优化分配,从而提高极限工况下车辆路径跟踪的精确度和稳定性。     

基于间接共享控制的智能车协同接管方法

从自动驾驶模式向手动驾驶模式切换时的控制权移交问题已成为智能车领域的研究热点.为了改善驾驶人从非驾驶任务状态接管车辆时因认知和操作能力不足而引起的安全性和稳定性问题,在总结现有研究成果的基础上,提出一种基于间接共享控制的智能车协同接管控制方法.首先,定义协同接管方法的应用对象是控制系统良好、全局感知或决策受损需要接管的...     

面向车路协同关键通信技术的研究

车路协同系统的应用已是新一代智能交通系统的发展方向,是缓解交通拥堵、减少交通事故的重要手段。本文研究了车路协同通信技术的特点,分析并对比了DSRC、LTE-V2X两种主要面向车路协同关键通信技术,并介绍了在车路协同应用领域极具潜力的5G技术。最后对各种通信方式在不同场景下的通信性能进行实际测试和分析,对智慧公路车路协同系统的发展起到了重大作用。     

多模式共驾智能车行驶安全性评估研究

多模式协同驾驶是智能车发展过程中必须经历的一个不可或缺的阶段,而行驶安全性评价是多模式共驾智能车需解决的一个关键问题.为此,采用多通道驾驶模拟系统展开实验研究.实验选取15名驾驶员,在3类特定的场景下分别开展实验.并对实验过程中采集的与行驶安全性相关的9个关系变量进行统计分析.在此基础上,采用贝叶斯网络方法构建多模式智能车行驶安全性评估模型,通过对模型进行敏感性分析发现,驾驶人的注视时效性、注视点分配、驾驶里程和驾龄对行驶安全性有着重要的影响,其敏感性指数分别达到0.31,0.26,0.16和0.14.由此可见,要实现多模式共驾智能车的安全行驶,关注驾驶人的注意力特性和驾驶经验显得尤为重要.      

智能挂车时代到来

正5月16日～18日,在2018年中国化工物流安全环保发展论坛上,上汽红岩依维柯全国首发全新智能车罐一体化危化车引起行业瞩目。这款智能车罐一体化危化车主车和挂车部分都配备了磨损报警系统。主车控制部分采用了EBS电子制动系统、ESP电子稳定系统,配备了ADAS先进的驾驶辅助系统,其中ADAS系统涵盖防碰撞的AEBS先进紧急制     

智能网联先导区道路交叉口车路协同系统设计

近年来,车路协同是汽车与交通行业发展的重要方向之一,而车路协同环境建设和推广也成为先导区建设的重中之重。车路协同系统利用无线通信、传感器检测、高精度地图定位、人工智能、计算机等众多技术来获取车辆和道路信息,在实现人、车、路充分协同的同时,从而达到主动提高道路交通安全、最优化利用系统资源、缓解交通拥挤的目标,形成安全、效率、环保的道路交通系统。先导区一般选址在车流量大、道路环境复杂、附近居住人口密集的区域。先导区内汽车智能与网联化测试、V2X场景实现均需要借助于车路协同系统环境。本文介绍了先导区道路交叉口车路协同系统涵盖的技术,以及实现的功能和信息服务场景,并从车端、路端给出了相应场景的解决方案。     

人-车-路闭环系统驾驶员模型参数辨识

基于在驾驶模拟器上进行的人－车－路闭环系统仿真试验，使用全局演化局部寻优的辨识算法，对驾驶员模型进行参数辨识。通过大量的实际驾驶人员的试验数据，辨识出各种水平的驾驶员模型参数，为改进智能车控制系统的设计提供了依据。利用辨识得到的驾驶员模型和车辆模型进行了人－车－路闭环系统的双移线与蛇行线仿真，仿真结果与试验数据具有很好的一致性。