一种可车型分类的道路交通流检测系统研究与设计

研究与设计了一种基于感应线圈的道路交通流检测系统，采用32位ARM处理器与CPLD组成检测控制器，对车辆通过线圈时所产生的频率变化进行数据采集，克服了传统的8位单片机处理能力不足检测精度不够等设计缺陷。系统除具有通常的测量交通流量、车速、道路占有率等功能外，还可实时按车型分类统计车流量。     

道路交通参数检测系统设计

为了能够获取高速公路上的车流信息，基于电磁感应原理，设计了一种基于环型感应线圈传感器的单片机检测系统。通过检测、采集、分析振荡频率，可得到车流量计数、车速及车辆的分类等信息。介绍了工作原理、数据采集及硬件结构组成。     

道路交通参数检测系统设计

为了能够获取高速公路上的车流信息,基于电磁感应原理,设计了一种基于环型感应线圈传感器的单片机检测系统.通过检测、采集、分析振荡频率,可得到车流量计数、车速及车辆的分类等信息.介绍了工作原理、数据采集及硬件结构组成.     

重型商用车预见性自适应巡航控制策略研究

为提高商用车巡航系统的经济性与安全性，设计了考虑节油安全驾驶的商用车预见性自适应巡航控制系统（predictive adaptive cruise control system,PACC），基于前方道路坡度规划了预见性巡航经济车速，针对巡航过程中受前车影响产生制动干扰的问题，提出了一种利用前车信息进行优化的预见性自适应巡航控制策略。基于前方道路坡度设计了自适应车间距，规划主车行驶车速，实现了预见性自适应巡航行驶。基于一汽解放JH6重型商用车进行了实车试验，研究结果表明：该算法可以有效降低燃油消耗量并缓解驾驶员驾驶疲劳，为商用车辅助驾驶系统的开发提供了极为重要的理论及实际价值。     

汽车多普勒测速系统

提出了一种利用多普勒雷达检测车速、车距的系统方案。对系统主要参数进行了论证，并给出了主要电路的设计方法。本系统可安装于汽车上，用于雾天或夜间监测前方汽车，并在车速、车距达到安全边界时给出报警信号，以避免交通事故的发生。     

基于智能驾驶员模型算法的长期跟车车速预测研究

针对新能源汽车能量管理中难以长期、精准地预测车速的问题，提出了一种基于模型的参数化车速预测方法，利用传感器和GPS提供的前瞻数据预测车辆的速度轨迹。首先根据整车动力学和车辆停车转弯趋势建立基于智能驾驶员模型（IDM）的车速预测算法；然后，从NGSIM公开数据集中筛选数据用于参数标定及仿真；最后，利用遗传算法（GA）对算法参数进行标定。仿真验证结果表明，优化后的车速预测算法在通畅或拥堵的交通环境中，对于长期车速预测均有较高的精度，误差可控制在8%～13%范围内。     

基于神经网络算法的高速公路基本路段线圈检测器布设间距研究

为研究高速公路交通事件检测算法及线圈检测器布设间距,设计了高速公路基本路段的人工神经网络事件检测算法,并研究基本路段检测器布设间距在200～700m不同情况下的事件检测效果。利用VISSIM4.2软件仿真获得数据,并在Matlab人工神经网络工具箱中计算,验证了所设计事件检测算法的有效性,得出基本路段线圈检测器的合理布设间距。     

基于多参数自适应优化的智能车轨迹跟踪

为了在不同工况中，同时兼顾轨迹跟踪算法的跟踪精度，计算速度与车辆稳定性，提出基于不同车速和路面附着系数的参数自适应MPC算法。在线性时变MPC的基础上增加车辆稳定性控制，并基于路面附着系数设计2种控制策略：在高附着系数路面，针对不同车速优化预测时域与控制时域；在低附着系数路面，开启车辆稳定性控制并基于改进粒子群算法优化权重参数。2种策略在保证跟踪精度与车辆稳定性的基础上提高计算速度。设计基于前馈神经网络的路面识别算法从而为多参数自适应轨迹跟踪算法识别所在道路的路面附着系数，利用CarSim-Simulink平台进行联合仿真。研究结果表明：路面识别算法的平均绝对百分比误差为12.77%,足够满足多参数自适应轨迹跟踪算法的需求；相较于传统线性时变MPC跟踪算法，低速工况下参数自适应轨迹跟踪算法在高附着系数和低附着系数的路面上，横向平均绝对误差分别降低了20.7%和24.6%;高速工况下横向平均绝对误差分别降低了66.2%和50.7%;综合所有试验，算法的计算时间减少了40.2%;在保障车辆稳定性的同时降低算法的计算时间。研究成果针对不同车速与附着系数对轨迹跟踪算法参数进行优化，利用自适应预...     

基于转速辨识的EPS阻尼控制策略的研究

将基于递推最小二乘算法的转速在线辨识方法引入电动助力转向系统中,以估计助力电动机的转速。利用估计转速结合车速,设计了相应的阻尼特性,提出了阻尼控制策略,并对转速辨识和阻尼特性进行仿真。结果表明,利用递推算法进行转速辨识成本低,可靠性、鲁棒性高;提出的阻尼控制策略有效可行。     

基于道路坡度实时信息的经济车速优化方法

作为生态驾驶辅助系统的组成部分,提出了基于道路坡度实时信息的车辆经济车速优化方法。搭建了车辆油耗模型和车辆动力学模型,对于车辆行驶在没有坡度的和前方出现坡道的两种情况,进行最省油车速优化。根据坡度信息,利用动态规划算法,计算出通过坡道的经济车速。对于一款D级轿车,运用Matlab/Simulink和Carsim联合仿真,与真实道路信息上实车模拟结果进行对比分析。结果表明:与传统定速巡航控制算法相比,该算法节油达到5%。这说明,该算法能降低车辆油耗。结合全球定位系统(GPS)信息以及地理信息系统(GIS),该技术可用于基于车联网的生态驾驶辅助系统。     

数据融合技术在公路隧道火灾探测系统中的应用

介绍了几种常用公路隧道火灾探测器,如温度探测器、烟雾探测器、火焰探测器等。针对其各自在隧道火灾探测系统中应用时容易产生反应延迟、漏报和误报等缺点,提出了在隧道火灾探测系统中采用经典的自适应加权融合估计算法进行多探测器系统的数据融合。并分别对单传感器、多传感器和异类传感器火灾探测系统的数据融合进行了可信度分配。结果表明,与采用单一类型火灾探测器系统相比,多探测器系统的数据融合结果具有更高的准确度和可信度。     

面向动态导航的城市路网实时交通信息服务系统研究

结合国内外的研究现状，基于实时GPS数据和高架线圈检测数据的数据融合处理技术，给出了面向动态导航的实时交通信息服务系统的总体框架，实现了城市路网的实时交通流状态估计；通过构建实时交通信息系统，借助无线通讯方式为车辆提供实时交通信息和动态路径规划服务，实现了在动态路径规划基础上的车辆动态导航。     

基于地磁传感器的车辆检测算法

地磁传感器是一种动态检测地磁场变化的感应设备。文中提出了基于地磁传感器的一种车辆检测方法,通过对地磁检测器所采集的数据进行预处理和波形特征提取来进行车辆信息的检测。利用安装在路面上的2个地磁感应器,和基于动态基值的波形特征提取算法,对车辆流量和车辆速度及车型等信息进行有效的检测,试验结果表明基于地磁感应的车辆检测方法的准确率高达98%。     

基于决策融合的城市道路交通事件自动检测算法研究

为了提高城市道路交通事件自动检测算法的性能,引入算法性能可靠度概念对基于浮动车数据和感应线圈数据的事件自动检测算法检测结果进行决策融合。决策融合算法包括3个模块：①感应线圈数据算法模块：选择流量、占有率、路段长度、前一个检测周期的检测参数作为输入参数,训练BP网络进行事件判别;②浮动车数据算法模块：使用误差分析理论确定满足数据精度要求的最小浮动车样本量,选择路段行程时间、行程速度作为BP网络输入参数,进行事件判别;③决策融合模块。引入算法性能可靠度概念,计算模块一和模块二判别结果的权重值,使用加权平均法进行决策融合。通过Vissim仿真获得数据,在Matlab中编程实现算法的计算,仿真结果表明决策融合算法的性能优于单数据源事件自动检测算法。     

基于遗传算法的车辆行驶速度的模糊控制研究

研究并建立车辆行驶速度控制系统的数学模型,对这一复杂的高阶、非线性、时变系统,提出一种基于遗传算法的车辆行驶速度模糊控制新方法,该方法较常规的模糊控制具有更优的控制性能。仿真实验结果表明该车辆行驶速度遗传算法的有效性。     

基于检测器脉冲数据的高速公路事件自动检测算法研究

提出了一种全新的高速公路事件自动检测算法,直接利用车辆检测器输出的脉冲宽度和脉冲间隔作为参数,运用LVQ神经网络对获得的脉冲宽度数据和脉冲间隔数据进行处理来判断是否有事件发生,从而大大减少了检测时间,为交通事件的快速处理提供了可靠的依据。此外,该算法利用神经网络的自学习能力,可以很好地确定各条道路发生交通事件的门限值。仿真结果表明:该算法具有较高的事件检测率(约为97%)、较短的检测时间和较低的误警率(约为0 41%),具有很好的应用前景。     

Improved Speed Estimation From Single-Loop Detectors With High Truck Flow

Single-loop detectors are the most common sensors employed by freeway traffic management agencies. The data are used for traffic management and traveler information. Single-loop detectors can only measure flow and occupancy. Although speed is often the most useful metric, it can only be estimated at conventional single-loop detectors. Typically this estimate comes from the quotient of flow and occupancy multiplied by the fixed, assumed average effective vehicle length. This conventional approach is limited because the actual average effective vehicle length will vary from sample to sample. Many researchers have proposed alternatives to address this problem, and although many of the methods work well under normal conditions, there has been limited research into methods that yield reliable estimates under heavy truck traffic. Heavy truck flows may arise as a function of location or time of day, for example, with proximity to a trucking facility or in early mornings when the number of passenger vehicles drops, respectively. This article presents a new methodology to estimate speed from single-loop detectors in conditions where trucks comprise a large percentage of the fleet. While the focus is on single loop detectors, the work is equally applicable to side-fire microwave radar detectors that emulate single-loop detectors.     

基于浮动车移动检测与感应线圈融合技术的行程时间估计模型

综合考虑到浮动车检测技术与感应线圈检测技术的优缺点,为了提高道路行程时间估计的精度及完备性,提出基于浮动车与感应线圈的融合检测技术的行程时间估计模型。该模型利用神经网络技术对两种检测技术同一路段的检测数据进行融合,从而达到提高道路行程时间估计精度和完备性的目的。最后,以广州市7 000多辆装有GPS装置的出租车所提供的浮动车数据、100多个安装在广州市各主要道路口上的感应线圈检测器提供的感应线圈数据以及广州市交通电子地图为基础,在10条道路上分别随机选取的500个两种检测数据对提出的模型进行了验证,试验结果表明,此模型在道路行程时间估计的精度方面较浮动车移动检测技术与感应线圈技术有较大提高。     

基于模糊神经网络的公路隧道照明控制系统研究

针对目前隧道照明中存在的能源浪费问题,提出一种基于模糊神经网络算法的隧道照明控制策略,进一步降低隧道照明控制系统的能耗。具体是将实时采集的隧道口洞外亮度、过往的车流量及车速作为照明控制系统的输入量,隧道各照明段的回路调光值作为照明控制系统的输出量,搭建1个3输入-单输出的控制模型,重点对模型的建立和算法的机理及训练进行分析。最后通过仿真实验验证该算法在隧道照明中的节能效果,为现阶段隧道照明控制的相关研究提供一定的参考。