基于双边控制法的仿真交通拥堵缓解分析

交通拥堵是阻碍道路交通发挥应有通行能力、降低车道通行效率的常见交通现象。自动驾驶汽车的出现给拥堵问题的解决提供了新的解决思路和技术方向。基于微观交通流交通波理论,根据实际道路饱和交通流车辆跟驰行为建立虚拟交通场景,通过自动驾驶仿真平台构建仿真试验环境,对采用双边控制法的自动驾驶汽车影响下的“幽灵堵塞”拥堵波传导现象进行了仿真分析。结果表明：采用双边控制法的自动驾驶车辆在缓解拥堵波传递上具备 优化效果,拥堵波得到有效缓解,通行效率提升 37.57%。     

行人与自动驾驶汽车

正Q:倘若有天真的实现了自动驾驶,行人应该如何判断自动驾驶汽车的行驶意图?超人不会飞A:这是一个很有前瞻性的问题,就算在没有自动驾驶的今天,行人与车辆驾驶者之间的沟通也存在障碍。特别是在中国,很多情况下驾驶者以为行人不会走上斑马线,行人也以为驾驶者会像西方驾驶者那样等在斑马线前,往往这个时候眼神或手势的交流就起到了决定因素。就算这样,经常也会遇到误判的情况,导致双方之间发生摩擦。自动驾驶汽车没有眼神,更没有手势,走与不     

小鹏汽车实现全球首家量产车搭载SR

正小鹏汽车正式成为全球首家在量产车上搭载"SR自动驾驶环境模拟显示"功能的企业。该功能拥有行业首创的人机交互体验,用户可以在使用NGP自动导航辅助驾驶时,通过车内大屏清晰看到车辆的行驶状态及周围的交通环境,提升用户驾乘的体验感及安全感。小鹏汽车将自动驾驶感知、定位系统、高精度地图、高清渲染画面进行融合模拟显示。     

自动驾驶条件下城市道路机动车道宽度设计的思考

自动驾驶汽车的技术模式有别于传统汽车,对道路设计的要求也发生了变化。为深入研究自动驾驶条件下城市道路的机动车道宽度,从车辆外廓尺寸、车辆速度、车辆技术性能等角度,对传统车辆和自动驾驶车辆进行对比分析,判断适应自动驾驶车辆的城市道路机动车道宽度设计标准。研究表明,自动驾驶车辆的车距精确控制与车队化运行模式可提高道路通行能力,节约空间,提升慢行舒适性。城市干路条件下,自动驾驶车辆的横向摆动大幅缩小,2.85～3.05 m的机动车道宽度即可满足自动驾驶车辆的行驶需求。研究成果可为城市道路规划设计提供参考。     

日产汽车公司公布“自动驾驶”汽车

日产汽车公司近日向媒体公开了利用近红外线探测器（前轮前方的黑色长方形部分）等装置实现自动驾驶的“自动驾驶汽车”,该车是在电动车“LEAF（中国名：聆风）”的基础上研发的自动驾驶试制车。该车配备了利用声波、电波、光的感应装置以及5个摄像头。汽车内置的“人工智能”设备将对其探测到的车道、其他行驶中的汽车、障碍物、道路信号及标识等信息进行识别,无需驾驶员操控方向盘就能自动行驶。油门和刹车等装置也将实现自动操控。 该车要实现商品化还需要等待主要国家规范了“自动驾驶”相关法规之后才能销售。目前,日本国土交通省正在讨论分阶段允许“自动驾驶汽车”在高速公路上行驶事宜。作为设想,最终希望实现自动和手动驾驶的汽车在同一车道内行驶。     

驾驶模拟器在自动驾驶系统中的应用研究

自动驾驶车辆在实际道路上行驶之前的测试阶段是一个至关重要的环节。一个低成本、高效率以及高精度测量的自动驾驶车辆的测试方式,对于自动驾驶车辆的开发具有重要意义。将驾驶模拟器运用到研究自动驾驶车辆测试已是近年来的一个研究热点。基于虚拟驾驶场景的自动驾驶车辆的检测,通过组合虚拟驾驶场景的背景车辆、行人、交通灯、建筑、指示标牌等元素,研究将驾驶模拟器与虚拟驾驶场景的联合应用来测试自动驾驶车辆。设计了典型的交通场景,通过自动驾驶车辆和背景车辆的实时交互,研究自动驾驶车辆的各项性能指标。研究结果表明:该驾驶模拟器可以高度拟合人类驾驶体验,驾驶员通过驾驶模拟器控制背景车辆能够很好的模拟现实中的驾驶行为,对自动驾驶车辆的仿真测试起到了促进作用。     

基于典型非机动车事故的自动驾驶汽车测试场景构建方法研究

基于交通事故卷宗、交通事故视频信息数据,研究机非混行交通环境下典型交通事故形态,构建了面向机非混行交通环境下的自动驾驶汽车测试场景,旨在针对我国较为特殊的机非混行环境下的自动驾驶汽车的测试场景及测试评价方法提供参考。本文首先分析了自动驾驶测试场景的构建需求,建立交通事故数据筛选标准,得到133例可用于构建自动驾驶汽车测试场景的机动车与非机动车交通事故数据集;其次基于《中华人民共和国道路交通安全法》行驶要求,对133例交通事故的发生地点、车辆行为、道路类型、环境光线等方面进行解构分析;最后通过聚类分析,建立了5类典型的自动驾驶测试场景模型,并分析了不同场景模型的关键要素,为实际道路测试提供理论指导。     

面向自动驾驶的道路适驾性研究进展

现有道路设计规范考虑了驾驶人感知反应时间和车辆动力学特征,而自动驾驶汽车与驾驶人在感知反应时间、感知距离和感知高度等方面存在差异。这些差异可能会导致自动驾驶汽车在特定道路条件下面临挑战,例如复杂的道路线形、不规则交叉口等情况。为了解道路基础设施对自动驾驶汽车运行的影响,需要开展面向自动驾驶的道路适驾性研究。针对不同道路类型,道路几何设计、交通控制设施和路侧设施等对自动驾驶汽车安全运行影响的定量研究尚不充分。从路段、交叉口、交通标志标线3个方面进行归纳整理,结果表明：(1)现有的研究建立了道路线形设计、交叉口几何设计与自动驾驶感知能力的关系,发现平曲线半径、弦长和曲线偏转角等设计指标影响自动驾驶视距;(2)实车测试发现道路类型、平曲线曲率和车道宽度对自动驾驶失效事件具有显著影响;(3)随着自动驾驶汽车市场渗透率的增加,自动驾驶汽车之间交互行为规则更加明确,有利于提升道路适驾性水平;(4)自动驾驶的感知识别准确率会受到交通标志的反光性能和设置位置的影响,失效概率与交通标线的尺寸、逆反射亮度系数以及延长线相关。面向未来自动驾驶应用需求,针对已建道路,需要测试不同复杂工况条件对自动驾驶汽车运行...     

智能汽车人机协同决策关键技术综述

智能汽车人机协同决策是指驾驶人与驾驶自动化系统之间进行信息共享、交互和协同决策的过程,其对于提升智能汽车的安全性、舒适性和通行效率具有重要意义。针对人机协同决策技术在当下文献研究中碎片化且缺乏相关综述研究的现状,介绍了智能汽车人机协同决策技术的研究现状及未来的发展趋势。首先,基于对人机协同驾驶领域研究现状的梳理,从驾驶权限和人机交互2个维度对人机协同决策方法进行分类,前者包含以人为主、人机驾驶权限切换和以机为主的3种决策方式,后者包含人机直接交互和人机间接交互2种决策形式。进一步根据智驾系统中人机协同决策的层级差异,将人机协同决策技术分为人机协同行为决策、人机协同运动规划两大关键技术。前者可分为仲裁驾驶权限、协调驾驶意图和人类在环学习3类,后者可分为人机协同的路径规划和轨迹规划2类。最后,对智能汽车人机协同决策技术的发展趋势进行了总结与展望。通过梳理总结认为：智能汽车人机协同决策技术的发展不仅局限于决策层面,也依赖于上下游共同的技术进步,且多模态人机界面和深度强化学习等技术将成为其进一步发展的重要动力;未来,人机协同决策技术将依托新型决策意图传导技术与大语言模型步入新阶段。     

声音感知在自动驾驶汽车中的应用与展望

听觉是人类信息交互的一条中心路径,声音的感知和处理是无人驾驶汽车完全实现自动驾驶必不可少的一部分。本文通过介绍声音感知系统在自动驾驶汽车相关领域中的应用,对行车周边的声学事件检测、声源定位和人机交互等方面的技术特点进行了重点分析,发现声源定位技术在应用中已经取得较好的定位精度,而声学事件检测和人机交互技术在应用方面还面临巨大的挑战。     

快速路车路协同场景交通流运行效率仿真评价

为研究车路协同系统在不同车间信息交互水平下对快速路交通流的影响,采集并提取北京市四方桥快速路段早高峰交通流轨迹,同时分析车路协同场景下快速路车辆运行特征,实现对常规驾驶场景和信息交互场景的车辆行驶模型标定。选取期望速度行驶车辆占比、横向车距收缩比、纵向车距收缩比、通行能力拓展比对车辆运行效率进行评价,提出车辆横向偏移距离缩小比用以评价车辆空间占用状况;搭建仿真模型并进行仿真试验,分析不同信息交互水平对交通的影响程度。结果显示,车辆运行效率随信息交互水平的提升而提升,其中通行能力的提升幅度最为显著,车路协同场景下信息交互水平从4级提高到1级,道路通行能力较常规驾驶场景分别拓展了19.42%,28.06%,46.48%,74.62%,仿真时段内其余指标值提升幅度较小。车间信息交互场景下车辆行驶的横向偏移幅度缩小,且在高水平信息交互下缩小比例达到17.33%,表明相同车道宽度下车辆行驶的横向安全性提升。      

人机混驾环境下无信号交叉口自动驾驶汽车左转运动规划研究

为了使自动驾驶汽车在人机混驾环境下能安全、高效地左转通过无信号交叉口，在借鉴人类驾驶人左转时会对周围车辆驾驶意图进行提前预判的基础上，提出了一种基于周围车辆驾驶意图预测的自动驾驶汽车左转运动规划模型。首先将无信号交叉口处周围车辆的驾驶意图分为左转、右转、直行3种类型，利用相关向量机预测周围车辆驾驶意图，以概率形式输出意图预测结果并实时更新，进一步界定自动驾驶汽车与周围车辆的潜在冲突区域并判断是否存在时空冲突；接着，在充分考虑他车速度、航向及车辆到达冲突区域边界距离的基础上建立基于部分可观测马尔可夫决策过程的自动驾驶汽车左转运动规划模型，生成一系列期望加速度；最后，基于Prescan-Simulink联合仿真平台搭建无信号交叉口仿真场景，对所提左转运动规划方法进行仿真验证，将基于博弈论的运动规划方法、基于人工势场理论的运动规划方法与所提出的方法进行比较，并选取行进比例达到1所用的时间和碰撞次数作为评价指标。研究结果表明：基于相关向量机的驾驶意图预测方法可在自动驾驶汽车到达交叉口之前准确预测出他车驾驶意图；基于部分可观测马尔可夫决策过程的左转运动规划方法能够通过速度调整策略实现人机混驾环境下自动驾驶汽车与周围车辆在无信号交叉口处的交互；不同算法对比效果表明，所提左转运动规划方法在自动驾驶汽车与不同数量周围车辆交互的仿真场景下均可有效避免碰撞事故发生并提高自动驾驶汽车左转通过无信号交叉口的效率。     

福特为CAV开发测试通讯信号

正2月24日,福特创造一种标准的视觉语言,以便自动驾驶车辆可以发出意图信号。福特在公共道路上进行了一系列测试,完全模拟了自动驾驶汽车体验,并使用了一个创新的座椅来隐藏司机。通过在挡风玻璃上使用灯条,车辆可以通知三种情况的行人:两个白色的侧向移动的灯指示屈服;一个坚实的白光建议主动自主驾驶;一盏快速闪烁的灯光显示出开始移动的意图。通过数据集可以展示其他道路使用者如何根据CAV信号改变其行动。     

混驾环境下基于主从博弈的多车协同决策规划

在自动驾驶车辆与人工驾驶车辆混行的复杂交通环境中,如何减小驾驶行为截然不同的2类车辆间的复杂相互作用对于车辆行驶安全性、乘坐舒适性和交通通行效率的影响,是当前自动驾驶决策与控制领域亟待解决的关键问题。提出了一个人机混驾环境下人工驾驶车辆与自动驾驶车辆之间的非合作博弈交互框架。首先,综合考虑车辆加速度线性递减的驾驶人纵向操纵特性、差异化配合程度和不同的延迟响应特性,建立人工驾驶车辆的纵向博弈策略。其次,考虑自动驾驶车辆与周围车辆的安全性约束,以及自动驾驶车辆在换道过程中的舒适性和通行效率目标,设计了自动驾驶车辆的纵向博弈策略。然后,基于主从博弈理论对不同混驾环境下人工驾驶车辆与自动驾驶车辆的博弈交互问题进行求解,得到最优的换道间隙和自动驾驶车辆的纵向速度轨迹,并采用模型预测控制方法规划出自动驾驶车辆的横向安全换道轨迹。最后,根据人工驾驶车辆不同配合度和延迟响应时间的差异,设计了多组人机混驾试验工况进行验证。试验结果表明：自动驾驶车辆能够快速准确识别人工驾驶车辆的配合度,选择出最优的目标换道间隙,并与间隙周围的自动驾驶车辆协作来汇入目标间隙。在换道过程中,自动驾驶车辆始终与周围车辆保持安全...     

不完全车联网环境下元胞自动机换道模型研究

随着车联网技术的不断发展,自动驾驶车辆加入交通流中的可能性逐步增大,进而形成新的混合交通流.在综合考虑自动驾驶车辆对于较大范围内交通信息实时感知能力以及车辆间信息交互对于换道的影响,提出了自动驾驶车辆关注区间的概念,设计了不完全联网环境下新型混合交通流元胞自动机换道模型,通过改变自动驾驶车辆比例、自动驾驶车辆关注区间大小、交通流密度等参数进行数值模拟.结果表明:新型混合交通流元胞自动机换道模型,能够帮助提高交通流平均速度15%左右,改善道路通行效率.     

基于LabVIEW的自动驾驶汽车在线振动监测与诊断系统

为了提高自动驾驶汽车在道路测试中的安全性,基于LabVIEW设计了一种自动驾驶汽车在线振动监测与诊断系统。该系统通过上位机与驾驶机器人通信,获取车辆运行状态数据,同时对自动驾驶车辆的振动在线监测,最后结合车辆振动数据和状态信息进行在线诊断,开发了监测与诊断界面,实现了自动驾驶汽车在道路测试行驶过程中的振动在线监测与诊断。     

面向自动驾驶车辆的路段人车冲突判别模型

针对无信号控制路段自动驾驶车辆和行人冲突判别建模,选择武汉市6处无信号控制路段作为调查地点,从而保证足够的车辆及行人数据量,采用视频采集技术获取交通流量以及行人与车辆的行为数据.利用决策树分析方法将决策分为两各层级,分别为行人过街决策和冲突判别,利用二元Logit模型建立面向自动驾驶车辆的路段人车冲突判别模型,对行人和自动驾驶车辆之间可能发生的冲突概率进行计算.建立的模型可以作为自动驾驶技术中的一部分,能够帮助自动驾驶汽车具备人类驾驶员与行人间的通行权沟通能力,使自动驾驶汽车控制系统更加智能且接近人类的判断能力.     

面向新型混合交通流的快速路合流区通行能力建模

面向人类驾驶和具备协同自适应巡航功能的网联自动驾驶组成的新型混合交通流,考虑道路交通特性、道路结构以及匝道汇入前主线交通状态等因素的交互作用机理,基于概率统计理论解析网联自动驾驶渗透率和编队长度间的耦合关系,进一步基于间隙接受理论分析匝道汇入交通对合流区通行能力的折减效应,建立快速路合流区通行能力模型,定量描述不同道路条件下合流区通行能力如何随网联自动驾驶渗透率和编队长度变化。模型中的道路交通特性、道路结构及匝道汇入前部分交通状态参数根据实际道路交通环境标定,提升了模型的通用性与可迁移性。搭建内嵌车辆动力学模块的Vissim仿真平台进行模型评估,结果表明,模型精度在80%以上,且在不同网联自动驾驶渗透率和编队长度条件下皆表现良好。      

基于多特征融合的行人意图以及行人轨迹预测方法研究

行人作为重要的交通参与者,其行走意图和轨迹预测对智能驾驶汽车的决策规划具有重要意义。基于注意力机制增强的长短时记忆(Long Short-term Memory,LSTM)网络,设计一种多特征融合的行人意图以及行人轨迹预测方法。该方法通过融合行人骨架和头部方向特征,以加强行人运动特征的表达,并将融合特征作为意图预测网络输入,继而得到行人意图;由于行人运动具有不确定性,将行人意图预测类别和历史轨迹坐标的联合向量作为行人轨迹预测网络的输入,以期生成更为精确的轨迹预测结果。此外,在轨迹预测网络中引入注意力机制,以加强LSTM对各个时刻编码向量的有效利用,从而提高网络的行人轨迹预测性能,并基于Daimler数据集进行训练及验证。研究结果表明：所提出的多特征意图预测方法准确率可达96.0%,优于基于骨架单特征的意图预测网络;在预测时域为1 s的情况下,预测轨迹的位置均方根误差为347 mm,相较于恒速度(Constant Velocity,CV)模型、交互多模型(Interacting Multiple Model,IMM)、常规LSTM等基线方法均有明显的提升;在实际场景分析中,提出的方法可提前0.56 s识别行人的转弯意图,可为智能车辆的决策模块提供有益线索;提出的方法能够有效降低行人意图转变过程中的轨迹预测误差,对减小车辆与行人碰撞事故,提高智能车辆行驶安全性具有重要意义。     

不避行人 爱抢绿灯 常按喇叭 乱抛异物 随便超车 驾驶陋习 最易“堵路”

<正>近两年,北京购车摇号的中签率越来越低,这让很多无车市民非常郁闷。但事实上,与东京、香港相比,北京的汽车数量和道路状况要好很多。那为什么北京交通会如此拥堵呢?其中最大的原因就是驾驶陋习。在北京的道路行驶过程中,我们经常可以看到,在一些路口,车辆不避让正常通行的老年人、小孩、孕妇、残疾人。转弯的时候不可能将路面情况都观察到,而一旦行人变换行走路线,很容易发生意外情况。在路口抢绿灯,