商用车辆异常驾驶行为检测算法研究

利用车联网数据可以对驾驶员的异常驾驶行为进行检测。为了解决常用的异常驾驶行为检测算法对商用车辆不适用的问题,提高车联网数据在商用车领域的异常驾驶行为检测的精确度和效率,研究并提出了商用车辆异常驾驶行为检测算法。首先分析700多辆商用车辆历时两年的行驶数据,利用数据挖掘的方法对车联网数据进行预处理和可用信息挖掘,随后提出了针对商用车辆的疲劳驾驶行为、异常加减速行为和不按规定路线行驶行为的检测算法,并利用真实数据对算法进行验证。结果表明,该算法能有效识别商用车辆的异常驾驶行为,可以给物流企业以及相关管理部门提供合理、可靠的管理依据。     

基于当前统计模型的地图匹配车辆跟踪研究

为提高车辆跟踪系统的精度，减小差分全球定位系统（DGPS）的定位误差，通过分析行驶在城市道路上的车辆运动过程及其相应的运动模型，提出采用当前统计模型作为车辆运动模型。通过地图辅助位置择近和速度择角算法来修正卡尔曼滤波，为运行在道路上的车辆确定地图匹配估计。实际运行结果表明；整个车辆跟踪系统的精度有明显的提高。     

基于车辆位置与速度特征的驾驶行为模式分类方法

精细车辆轨迹中包含连续的时间戳、位置，以及速度等信息。通过对车辆轨迹数据进行量化表达与挖掘分析，可以实现对车辆行为模式的分类。现有研究大多关注对位置的聚类，很少对车速、加速度等特征进行研究分析，而车速等是反映驾驶行为模式的重要特征。为了将轨迹多维信息纳入分析框架，研究了基于位置与速度特征的车辆轨迹行为模式分类方法。为克服现有行为模式分类方法的维度单一性，运用豪斯多夫轨迹距离算法计算出位置和速度特征的综合距离矩阵，针对豪斯多夫距离算法鲁棒性差的缺点，采用单向豪斯多夫距离90%分位值对算法进行了改进，降低噪声影响。同时，引入了车辆位置和速度来进一步提高分类的准确性，运用多次分层聚类算法依次对位置与速度轨迹图进行分类，得到车辆位置和速度上的行为模式。以HighD数据集为样本，提取了三车道上的行车轨迹，验证了基于速度与位置特征的车辆行为模式分类方法。结果表明:①本方法可以得到位置和速度的综合行为模式，聚类平均准确率达到94.8%，优于DBTCAN准确率89.3%和t-Cluster准确率86.4%；②基于换道模式轨迹偏移率曲线的分析，得到了4种互异的典型车辆换道模式。该方法可利用多维轨迹数据对行车模式进行分类及行为辨识，在车辆轨迹分类与不良行为辨识方面具有应用潜力。      

车路协同系统中的车辆精确定位方法研究

为了解决车路协同系统中车辆定位误差较大的问题,提出了一种基于信息标识识别的车辆定位方法。该方法设计了一种能够储存道路信息的信息标识,并在路面上设置信息标识。当车辆驶过标识时,安装于车上的成像装置实现对信息标识图像的拾取。利用加权最小二乘法对图像进行直线拟合得到车辆的运动方向,识别图像信息得到车辆的精确位置,结合车辆对于自身运动状态的感知,从而实现车辆的精确定位。试验结果表明,车辆的运动方向检测误差仅为0.71°,定位误差仅为2.17 cm。可见该方法在车辆定位上更为直接、准确、成本低廉。     

基于视频分析的高速公路异常事件检测

随着机动车数量的增加,道路上的拥挤问题日益严重,尤其是高速公路,车辆行驶速度快、车辆违停、逆行等更易造成严重的交通事故,为了能及时发现异常行驶车辆,预防交通事故,本文研究基于视频分析的高速公路异常事件检测,利用目标检测SSD算法进行运动目标的检测,再结合卡尔曼滤波算法跟踪车辆,得到检测车辆的运动路径,通过车辆的行驶速度及运动路径建立判别模型,从而有效地检测逆行、违停等车辆。     

用于交通事故车辆运行轨迹再现的参数优化方法

以车辆真实停止位置为参照值建立目标函数,在参数优化搜索范围内,通过计算机循环迭代得出车辆停止位置的理论值并将其导入目标函数,直至目标函数符合迭代终止准则,此时迭代的初始值即为参数的优化值。通过上述方法优化车辆碰撞后瞬间运动参数,再根据二维碰撞模型计算碰撞前瞬间的运动参数,最后模拟车辆碰撞后运动轨迹。     

基于固定场景视频的运动车辆检测

为提高智能交通系统中运动车辆检测的效率,在固定场景视频下基于类Haar特征和AdaBoost算法提出了一种运动车辆检测方法.通过提取交通监控图像的扩展类Haar特征,在OpenCV平台上应用AdaBoost算法进行特征提取及训练得到级联分类器,利用级联分类器进行固定场景视频的运动车辆检测.测试结果表明,该方法具有良好的实时性和鲁棒性,在智能交通领域有广泛的应用前景.     

绿色通道车辆检测系统的研究与设计

绿色通道车辆检测是指对绿色通道上通行的车辆装载物品进行全面检测,从而判断其是否为合法的绿色通道通行车辆。目前高速公路管理部门采用的人工抽查方式很难达到全面检测的效果,且效率较低。为此,研究并设计了一种能够对绿色通道通行车辆进行全面快速检测的系统,通过射线对车身快速扫描获取图像,采用图像处理技术和多元信息融合技术来实现对绿色通道车辆的智能检测。该系统能够较好地打击假冒绿色通道通行车辆行为,从而减少高速公路管理部门的损失,故具有广阔的应用前景。     

基于视频的车辆跳动检测系统研究

高速公路实施计重收费,货车司机为了减少重量采取"跳秤"、走"S"型等违规行为。为打击这种行为,减少收费纠纷,对车辆跳动轨迹自动检测系统进行特别研究。从系统结构设计出发,根据收费站车道的环境特点,利用视频检测技术,通过设定虚拟检测区域、车牌定位、轨迹等关键技术获取车辆驶过计重秤台前后的运动特征,提出改进的轨迹检测流程,实现"跳秤"报警、录像等功能。现场试验表明,系统对计重收费中存在的不规范行为的检测和处理具有使用价值。     

用于智能交通的运动车辆跟踪算法

为提高车辆跟踪的准确性,满足智能交通监控的需求,采用样本车型模板结合尺度不变特征变换(SIFT)算法匹配检测车辆位置,并将模板大小与车辆尺度变化联系起来,根据特征向量距离最终获得车辆准确区域;采用结合均值漂移的粒子滤波算法对车辆进行跟踪,根据跟踪尺度改变跟踪窗口大小,并通过独立粒子滤波建立了多运动车辆之间的数据关联。实际道路测试结果表明:该算法的车辆检测准确率达到90%以上,特征粒子在后续跟踪过程中状态稳定,漂移在跟踪窗口外的粒子数都保持在10%以下。     

人非共板断面适应性研究

人非共板断面通过机动车与非机动车高差进行分离,减少机非碰撞的交通事故;避免非机动车对机动车通行的影响,但也不可避免地带来人非冲突予盾增加,非机动车频繁起伏,舒适性下降等问题;结合道路红线宽度、机动车、非机动车交通组织等因素,研究人非共板断面在路段及交叉口范围的交通模式,从而分析总结人非共板断面的适用范围.     

Connected variable speed limits control and car-following control with vehicle-infrastructure communication to resolve stop-and-go waves

The vision of intelligent vehicles traveling in road networks has prompted numerous concepts to control future traffic flow, one of which is the in-vehicle actuation of traffic control commands. The key of this concept is using intelligent vehicles as actuators for traffic control systems. Under this concept, we design and test a control system that connects a traffic controller with in-vehicle controllers via vehicle-to-infrastructure communication. The link-level traffic controller regulates traffic speeds through variable speed limits (VSL) gantries to resolve stop-and-go waves, while intelligent vehicles control accelerations through vehicle propulsion and brake systems to optimize their local situations. It is assumed that each intelligent vehicle receives VSL commands from the traffic controller and uses them as variable parameters for the local vehicle controller. Feasibility and effectiveness of the connected control paradigm are tested with simulation on a two-lane freeway stretch with intelligent vehicles randomly distributed among human-driven vehicles. Simulation shows that the connected VSL and vehicle control system improves traffic efficiency and sustainability; that is, total time spent in the network and average fuel consumption rate are reduced compared to (uncontrolled and controlled) scenarios with 100% human drivers and to uncontrolled scenarios with the same intelligent vehicle penetration rates.     

高密度交通流状态下行车安全性分析

在高密度交通流状态下,车辆行驶的自由度下降,相互影响逐渐增大,主要以跟驰行驶和换车道行驶为主。事故统计表明,高密度交通流状态是交通事故多发的主要原因之一。根据行车动力学原理和车辆运行特征,分别构建了跟驰行驶和换车道行驶的安全约束条件。根据不同交通状态下车辆安全制动的加速度,初步建立非线性的行车风险评价模型。借助交通仿真软件Vissim对某山区高速公路路段进行模拟实例分析,能有效地反映高密度交通流状态下车辆行驶的安全性。     

A study of the environmental impacts of intelligent automated vehicle control at intersections via V2V and V2I communications

This article presents a novel intersection traffic management system for automated vehicles and quantifies its impact on fuel consumption and greenhouse gas emissions of CO₂ relative to traditional traffic signal and roundabout intersection control. The developed intelligent traffic management (ITM) techniques, which are based on a spatiotemporal reservation scheme, ensure that vehicles proceed through the intersection without colliding with other vehicles while at the same time reducing the intersection delay and environmental impacts. Specifically, the spatiotemporal reservation scheme provides each vehicle a collision-free path that is decomposed into a speed profile along with navigational instructions. The integration of the developed microscopic traffic simulator with instantaneous emission model, provides improved assessments of the environmental impact of traffic control strategies at intersections. The simulator architecture integrates several ITM algorithms, vehicle sensors, V2V/V2I communications, and emission and fuel consumption models. Each vehicle is modeled by an agent and each agent provides information depending on the specific vehicle sensors. The ITM system is supported by V2V and V2I communications, allowing the exchange of information among vehicles and infrastructure. The data include the estimated vehicle position and speed. Compared with traditional traffic management techniques, the simulation results prove that the proposed ITM system reduces CO₂ emissions significantly. The research also shows that these reductions are more significant when the traffic flow increases.     

熊氏无灯交叉通行法

针对城市道路经常塞车的情况,提出一种公路交叉路口车流通行方案,该方案通过巧妙地设计道路与车流,创建车辆调头区,使得交叉路口不需红绿灯,各种流向的车辆在通过交叉路口时不需停车,各行其道,从而可以最大限度地发挥道路的通行能力,大大提高城市车辆通行速度,消除城市塞车。并且采用这种通行方案的成本极低,因此便于在大中城市推广实施。     

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。     

In-depth understanding of lane changing interactions for in-vehicle driving assistance systems

Lane-changing events are often related with safety concern and traffic operational efficiency due to complex interactions with neighboring vehicles. In particular, lane changes in stop-and-go traffic conditions are of keen interest because these events lead to higher risk of crash occurrence caused by more frequent and abrupt vehicle acceleration and deceleration. From these perspectives, in-depth understanding of lane changes would be of keen interest in developing in-vehicle driving assistance systems. The purpose of this study is to analyze vehicle interactions using vehicle trajectories and to identify factors affecting lane changes with stop-and-go traffic conditions. This study used vehicle trajectory data obtained from a segment of the US-101 freeway in Southern California, as a part of the Next Generation Simulation (NGSIM) project. Vehicle trajectories were divided into two groups; with stop-and-go and without stop-and-go traffic conditions. Binary logistic regression (BLR), a well-known technique for dealing with the binary choice condition, was adopted to establish lane-changing decision models. Regarding lane changes without stop-and-go traffic conditions, it was identified based on the odd ratio investigation that he subject vehicle driver is more likely to pay attention to the movement of vehicles ahead, regardless of vehicle positions such as current and target lanes. On the other hand, the subject vehicle driver in stop-and-go traffic conditions is more likely to be affected by vehicles traveling on the target lane when deciding lane changes. The two BLR models are adequate for lane-changing decisions in normal and stop-and-go traffic conditions with about 80 % accuracy. A possible reason for this finding is that the subject vehicle driver has a tendency to pay greater attention to avoiding sideswipe or rear-end collision with vehicles on the target lane. These findings are expected to be used for better understanding of driver’s lane changing behavior associated with congested stop-and-go traffic conditions, and give valuable insights in developing algorithms to process sensor data in designing safer lateral maneuvering assistance systems, which include, for example, blind spot detection systems (BSDS) and lane keeping assistance systems (LKAS).     

小型突发事件场景下的应急车辆优先通行策略研究

对于高峰期发生的小型突发事件, 应急车辆优先通行可能对路网造成强负外部性, 同时为保证应急车辆优先通行而采取的信号协调策略可能导致路径选择不可靠。因此, 提出1种基于双层规划模型的应急车辆优先通行策略, 综合考虑应急车辆的时效性以及交通系统的运行效率。路径选择受路径长度等物理条件以及交通状态的影响, 信号控制改变车道通行能力和上下游流量, 进而改变路网状态。以车道组饱和度作为表征路网状态的参数, 并以此联系路径选择与信号控制, 进而构建应急车辆优先通行的双层规划模型。具体地, 上层目标为应急车辆行程时间最短以保证应急车辆出行的时效性, 下层目标为信号控制对交通系统的社会车辆效益最大, 采用改进的前N条最短路径多重标号算法求解。算例结果表明: 相较于传统方案, 应急车辆行程时间增加8.7%, 对社会车辆的延误降低261%, 即应急车辆每降低1%的行程时间以交通系统增加30%的延误为代价。该方案能够以较小的应急车辆延误为代价降低高峰期交通系统较大的延误。      

智能网联车辆交通流优化对交通安全的改善

为改善常规驾驶车辆交通流追尾碰撞交通安全状况,提出智能网联车辆（Connected and Automated Vehicles,CAV）与常规车辆构成的混合交通流车队稳定性优化控制方法。基于全速度差模型,应用集成速度与加速度的多前车反馈构建CAV跟驰模型,考虑CAV混合交通流车辆空间分布的随机性,将各类型局部车队稳定性作为优化目标,以局部车队头车速度扰动为系统输入,以尾车速度扰动为系统输出,应用经典控制理论领域的传递函数法推导局部车队稳定性约束条件;分析关于平衡态速度与CAV反馈系数的车队稳定域,以各类型局部车队能够在任意平衡态速度下均稳定为控制目标,对CAV反馈系数输出进行优化控制;设计高速公路上匝道交通瓶颈数值仿真试验,在不同CAV比例等多种条件下,分析CAV混合交通流优化控制对交通流车辆追尾碰撞风险的影响。研究结果表明：CAV混合交通流优化控制可降低车辆追尾碰撞风险,在碰撞时间阈值小于2 s时,100%比例的CAV交通流可将交通流的车辆追尾碰撞风险降低85.81%以上;在碰撞时间阈值大于2 s时,追尾碰撞风险可降低48.22%～78.80%。所提优化控制方法可有效降低CAV车队优化控制的复杂性,为大规模CAV背景下的混合交通流优化控制以及车辆追尾碰撞交通安全提升策略提供直接理论参考。     

全设置连续流交叉口信号配时及延误模型

为了解决连续流交叉口车辆多次停车问题，提出了各流向车辆在所遇第2条停车线处不用停车的优化控制策略。通过协调主预信号配时，调整信号控制相位相序方案，促使车辆直接通过所遇第2条停车线，使得左转车辆停车次数由3次减少到2次或者1次，直行车辆停车次数由2次减少到1次。分析各流向车辆到达-驶离图式，构建左转车流在所遇第3条停车线处的延误计算模型，结合Webster经典模型，给出连续流交叉口整体延误计算模型，其计算结果与VISSIM仿真结果基本一致。推导给出车辆不二次停车、车车不冲突以及连续流交叉口自身交通组织等因素所需满足的约束条件，以交叉口车均延误最小化为优化目标，构建连续流交叉口主预信号协调配时优化控制模型，并设计了4种交通场景以验证不同情况下的效益改善情况。研究结果表明：通过信号协调减少1次停车，能够降低50%以上的车均延误和车均停车次数；根据各转向交通量所占比例选择合适的车道分配方案有助于提升连续流交叉口通行效率；在2种策略下交叉口车均停车次数分别为0.88~1.05、0.59~0.77，与已有控制策略约2次车均停车次数相比，明显降低了连续流交叉口车辆停车次数。研究成果可为连续流交叉口控制提供新的视角，对交叉口通行效率的提升效果也更加显著。