基于高密度激光点云和深度学习的高速公路标线识别

道路标线的自动识别是智慧城市建设中急需解决的重要难题，也是绘制高精地图及无人驾驶所需的核心技术。提出一种激光雷达数据环境下高速公路常见标线自动识别方法：基于端到端PointNet语义分割功能自动提取道路标线点云；采用体素降采样及半径式离群点剔除去除路面噪点；应用DGCNN自动区分典型交通标线(实线、长虚线、短虚线、箭头、导流带),实现道路标线识别。应用京承高速公路某段激光雷达数据测试验证。结果表明：道路标线分类准确率达到94.73%,F1达到74.18%,AUC达到0.98。证明了解决道路标线识别方法的可行性，为智能驾驶环境下道路标线的自动感知和识别提供了一种新的思路。     

道路标线对驾驶行为模式的影响

研究表明，车辆在有边缘线的道路上行驶比在仅有中心线或无标线的道路上行驶时更居中，尤其是在晚间行车时，边缘线能促使驾驶员准确，稳定驾驶，提高交通安全度。对驾驶员心率变异系数和稳定性测试表明，在有边缘线的道路上行驶不易疲劳。     

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...     

基于场景元素的智能网联汽车场景构建研究

在智能网联汽车测试评价中,场景库搭建与道路测试一直都是其难点。文中对智能网联汽车功能的典型测试场景搭建及测试方法进行分析与研究,首先分析智能网联汽车驾驶场景的来源,从典型驾驶场景中归纳出基本场景元素库,以场景元素库为基础实现测试场景库搭建;然后在PreScan中进行场景虚拟重构,进行自动驾驶功能模拟仿真;最后基于真实道路场景搭建对车辆自动驾驶功能进行实车测试。     

智能车辆的研究及发展

智能车辆也叫无人车辆，是一个集环境感知、规划决策和多等级辅助驾驶等功能于一体的综合系统。它集中运用了计算机、现代传感、信息融合、通讯、人工智能及自动控制等技术，是典型的高新技术综合体。它具有道路障碍自动识别、自动报警、自动制动、自动保持安全距离、车速和巡航控制等功能。它的主要特点是在复杂的道路情况下，能自动地操纵和驾驶车辆绕开障碍物并沿着预定的道路(轨迹)行进。     

世界智能车辆的研究概况

智能车辆又称轮式移动机器人，是集环境感知、规划决策、多等级辅助驾驶等功能于一体的综合系统，是智能交通系统的一个重要组成部分。本文介绍了世界智能车辆的研究方向和范围。     

基于整车在环仿真的自动驾驶汽车室内快速测试平台

整车在环仿真测试方法可以安全、高效地验证复杂环境和极端工况等场景下自动驾驶汽车性能的有效性，基于此研发一种基于整车在环仿真的自动驾驶汽车室内快速测试平台，该平台由前轴可旋转式转鼓试验台、试验台测控子系统、虚拟场景自动生成子系统、虚拟传感器模拟子系统、驾驶模拟器、自动驾驶汽车和测试结果自动分析评价子系统组成。通过在试验台滚筒上独立加载转矩模拟车辆行驶阻力，可动态模拟不同的路面附着系数，同时利用坡度、侧倾和转向随动机构可模拟车辆俯仰角、侧倾角和航向角3个自由度；采用虚拟现实技术柔性集成车辆动力学模型、传感器仿真、复杂道路交通环境及测试用例仿真，模拟多种道路交通场景，并通过传感器仿真及数据融合等技术快速测试自动驾驶汽车智能感知与行为决策等性能指标。将自动驾驶汽车、虚拟仿真场景和试验台耦合构建一个闭环系统，完成了多项关键技术研发，包括：多自由度高动态试验台结构设计、虚拟测试场景自动重构方法和传感器数据模拟及注入方法，可满足在各种场景下测试自动驾驶汽车整车性能的需求。此外，为验证快速测试平台的有效性，以U-turn轨迹跟踪控制为研究实例，基于简化的车辆运动学模型和模型预测控制算法，在平台上搭建U-turn场景并对自动驾驶汽车的轨迹跟踪控制算法性能进行大量测试。结果表明：自动驾驶汽车室内快速测试平台可以真实地模拟汽车在道路上的运行工况，自动驾驶汽车在虚拟场景中的轨迹跟踪效果良好，与参考轨迹的偏差小于8%，证明了该测试平台检测方法的有效性。     

一个新发现:"中等驾驶人"在微观交通世界中的存在性实证

深入理解驾驶行为的本质特征是道路设计、交通工程、智能车辆等领域的研究基础,驾驶行为也是相关工程和产品设计的基本控制条件——道路线形和交通设施为是以中等驾驶人(中位)或者85th百分位驾驶人的行为作为设计控制依据,但统计意义上的"中等驾驶人"或者85th百分位驾驶人在真实世界中是否真实存在,目前尚未得到实证.在重庆市选择了行驶环境复杂的3条路段作为实验地点,开展了超过70位驾驶人的实车驾驶试验,用车载仪器采集了自然驾驶状态下的车辆运行数据,并用量表获取了被试者的气质类型,然后以行驶速度为中间介质、以相似性为准则,分析了中位以及85th百分位驾驶行为的存在性.研究结果证明了真实世界中确实存在"中等驾驶人",他/她的速度行为特征在包含多个复杂场景的整个路段范围内与中位值速度高度一致;"中等驾驶人"的用户画像为:40岁左右,驾龄10年左右,气质类型多为抑郁质,男性和女性都有.此外,研究结果还证实了"85th百分位驾驶行为"在真实交通世界中的存在性.      

基于人工智能算法的换道超车功能开发

随着汽车电气化、智能化的不断发展,汽车行驶的场景越来越趋于多样化和复杂化,从而促使汽车从辅助驾驶向智能驾驶不断创新。随着人工智能的引入,汽车智能驾驶功能越来越趋于实用,正在逐步实现向解放驾驶员双手、向车载高级驾驶辅助系统代替人脑进行复杂驾驶场景实时响应的阶段发展;高阶复杂场景智能驾驶功能则在辅助驾驶功能实现的基础上,针对驾驶员实际驾驶感受并结合人工智能算法实现向车辆复杂场景下的自动驾驶操作的方向发展。介绍了基于人工智能算法的换道超车功能开发,即通过换道条件的智能选择,使车辆以最佳方式自动完成换道超车过程。     

基于神经网络的智能驾驶模式识别研究

为满足智能驾驶汽车高级驾驶辅助系统(ADAS)功能研发和验证的需求,提高ADAS功能的准确性,设计了一款基于神经网络的智能驾驶模式识别程序,该程序由数据采集、目标检测、场景识别预测3个模块组成。数据采集模块利用ESR毫米波雷达、前置摄像头对交通环境及周围车辆的数据信息进行采集;目标监测模块通过控制算法选择判断触发各类ADAS功能场景的最可疑目标;场景识别处理模块以汽车制造商提供的大量自然驾驶数据的场景挖掘结果为依据,利用神经网络学习各类ADAS场景的特征行为,并通过约束条件对各类ADAS功能场景的识别结果进行实时判定。通过开放道路试验进行验证,结果表明,该程序的场景识别结果准确率可达到99.86%。     

考虑道路因素的智能车辆纵向运动决策与控制研究

针对智能车辆纵向运动时的交通道路适应性问题,考虑路面附着系数和前车运动速度等因素,研究了智能车辆纵向运动决策与控制方法。论文研究了基于车头时距的纵向运动决策方法并建立不同驾驶行为的目标车速模型,运用变论域模糊推理算法设计了目标加速度模型。基于纵向动力学模型,运用自适应反演滑模控制算法建立了驱动控制器和制动控制器。对高附着系数路面和低附着系数路面的行驶工况进行仿真试验验证,结果表明,在不同的附着系数路面和前车变速行驶条件下,智能车辆能实时、合理地决策目标车速、目标加速度,实现安全、高效、稳定的跟驰。     

汽车驾驶模拟器在交通安全中的应用综述

汽车驾驶模拟器是1种研究“人‐车‐路‐环境”交通特性的重要工具,由于具有重现性好、安全性高、成本低等优势,被广泛应用于交通研究方面,尤其因其能够在危险场景中采集多种车辆数据,近年来汽车驾驶模拟器在交通安全方面的研究进展飞速。文中简要介绍了汽车驾驶模拟器的国内外发展历史,从驾驶分心、道路设计、交通设计、交通事故和驾驶疲劳5个方面梳理出汽车驾驶模拟器在交通安全领域的应用研究,并分析了这5个方面研究领域中驾驶模拟器实验的其中利弊,探讨了汽车驾驶模拟器在中国交通安全研究中的应用前景及存在的问题。      

Towards connected autonomous driving: review of use-cases

Connected autonomous vehicles are considered as mitigators of issues such as traffic congestion, road safety, inefficient fuel consumption and pollutant emissions that current road transportation system suffers from. Connected autonomous vehicles utilise communication systems to enhance the performance of autonomous vehicles and consequently improve transportation by enabling cooperative functionalities, namely, cooperative sensing and cooperative manoeuvring. The former refers to the ability to share and fuse information gathered from vehicle sensors and road infrastructures to create a better understanding of the surrounding environment while the latter enables groups of vehicles to drive in a co-ordinated way which ultimately results in a safer and more efficient driving environment. However, there is a gap in understanding how and to what extent connectivity can contribute to improving the efficiency, safety and performance of autonomous vehicles. Therefore, the aim of this paper is to investigate the potential benefits that can be achieved from connected autonomous vehicles through analysing five use-cases: (i) vehicle platooning, (ii) lane changing, (iii) intersection management, (iv) energy management and (v) road friction estimation. The current paper highlights that although connectivity can enhance the performance of autonomous vehicles and contribute to the improvement of current transportation system performance, the level of achievable benefits depends on factors such as the penetration rate of connected vehicles, traffic scenarios and the way of augmenting off-board information into vehicle control systems.     

Comparison of driving characteristics between drivers in Korea and in the united states of America based on driver-vehicle interaction field database

Research and development involving intelligent vehicles of today is geared to safe, driver-friendly and sensitive vehicles that provide a driver with a pleasant and convenient driving environment while preventing him or her from possible risks of accident. In developing convenient and safe vehicles, research on drivers’ driving patterns, reactions and state characteristics depending on road conditions in actual field is essential in order to devise more driver-friendly intelligent vehicles. This paper describes how a driver-vehicle interaction (DVI) field database is built in order to obtain a driver’s input in normal road driving condition on highways, country roads, and city roads, and his or her state information, as well as data on the vehicle and traffic conditions. And the newly built database is compared with the RDCW FOT database established by UMTRI of the US for analysis to suggest that the driving tendencies of drivers in Korea and the road driving conditions are not the same as those in the US, reconfirming the need to establish a DVI field database, which will be used for the development of intelligent vehicles suitable for the Korean environment. The DVI data collected from actual driving in field are anticipated to be widely utilized as basic data for research on various intelligent driving safety systems, advanced driver assistance systems (ADAS) and human-vehicle interface (HVI) that are suitable for the driving environment in Korea.     

车路协同条件下智能网联汽车一体化决策模型

为了探索当前有限数据条件下面临的无限交通场景问题,提出车路协同条件下基于深度强化学习智能网联汽车决策模型。利用Actor-Critic机制,以highway-env为数据来源,抽取144 h交通数据作为训练数据并进行验证,分析了智能网联汽车在不同车道数条件下的驾驶行为。结果显示,本模型汽车行程时间减少20%以上,碰撞概率减少25%以上,换道轨迹可以通过动力学跟踪。     

基于车轴图谱的城市道路汽车运行轨迹特性分析

为探究城市道路行车轨迹与路侧之间的横向距离对车辆运行的影响,提高驾驶员行车安全,在某市滨海路进行汽车运行轨迹样本采集试验,使用AxleLight RLU11系列路侧交通数据采集系统分车道采集试验路段汽车运行轨迹样本,利用SPSS Statistics对试验路段不同车道车辆运行轨迹样本进行数据处理,绘制不同行车道运行车辆横向距离的累积频率曲线,计算得到汽车运行轨迹与路侧的横向距离D85,通过绘制行驶车辆距路侧的横向距离直方图,得到不同车道的车辆分布规律。结果显示,驾驶员大多数偏向选择在内侧车道运行。根据试验路段内外2条车道车辆横向距离和运行轨迹特性,可为城市道路交通安全设施的设置提供理论依据,以期提高城市道路交通运行安全。     

基于安全车速的北京冬奥会山地道路冰雪路面通行能力研究

复杂山地线形和道路冰雪路面结合条件下的安全车速设置及通行能力保障是交通管理面临的新挑战。针对北京冬奥会延庆赛区复杂山地道路冰雪路面场景，建立了安全车速与道路线形设计及路面附着系数之间的关系，以安全车速为依据得到了不同路面条件下山地道路的通行能力。依据道路平曲线、竖曲线和横断面数据建立了山地道路三维空间模型；分析了车辆在山地道路平纵组合路段的受力情况，构建了车辆安全行驶速度与圆曲线半径、道路超高、纵坡坡度和路面附着系数的关系模型，并分析了基于安全车速模型的道路通行能力。为了验证模型，选取2种常见的冰雪路面状况和2种常用的车辆类型，获得不同条件下山地道路冰雪路面的安全车速。采用VISSIM软件设计了20种仿真场景，结合道路实测数据验证了安全车速模型的对山地道路冰雪路面车辆安全行驶的提升作用。实测与结果表明:相比全程单一限速模型，所建立的安全车速模型在冰膜路面的行程时间缩短了约38%（小汽车）和32%（大客车），雪板路面的行程时间缩短了约26%（小汽车）和24%（大客车）。山地道路交通流量存在1个自由流到饱和流的相变过程，冰膜路面小汽车下行最大交通量为241辆/h（单向行驶）和231辆/h（双向行驶），大客车下行最大交通量为227辆/h（单向行驶）和222辆/h（双向行驶）；雪板路面小汽车下行最大交通量为319辆/h（单向行驶）和249辆/h（双向行驶），大客车下行最大交通量为301辆/h（单向行驶）和236辆/h（双向行驶）。      

公务车驾驶员的行车安全影响分析及对策

安全是公务车服务工作的重中之重。随着道路上行驶车辆的不断增加,公务活动节奏的加快,公务车驾驶员的行车安全日益受到关注。本文从思想、心理、身体和外部的车、路等因素影响分析,并结合实际提出对策。