基于红外测距的道路前方车辆探测预警系统研究

进行道路前方车辆探测预警系统设计时,通常采用红外测距仪来获取道路前方车距信息,并以此作为前车探测的基础数据。为了消除系统状态误差和测量误差对车距信息数据精度的影响,可根据车距信息和相对车速不会突变的特性建立预测模型,基于此预测模型,应用Kalman滤波理论准确预测相对车速,并利用车距信息和相对车速计算安全距离报警阈值。试验证明该探测及预警方法可大大提高车辆探测的准确性和鲁棒性。     

基于加速度噪声的浮动车路况计算方法

现阶段,基于浮动车数据的道路交通状况预测成为路况计算的主要方法之一。通常情况下,上述方法利用装设在出租车或其他小型车辆上的GPS接收设备计算被监测车辆的平均车速,从而获取车辆行驶路段的道路交通状况。使用该方法计算路况的前提是,浮动车的行驶速度近似等于道路自由交通流速度。在很少有出租车行驶的城际高速公路和郊区道路上,只能通过装有GPS设备的大型车辆,如大型客、货车作为浮动车计算路况,然而,上述车辆的行驶速度往往低于所在道路的自由交通流速度,使用传统浮动车路况算法会造成较大的误差。因此,需要引入一种新的算法,以实现基于大型低速浮动车的道路交通状况计算。本文针对这一问题,提出了基于加速度噪声的浮动车路况计算方法理论,并结合路况直报系统真值对计算结果准确性进行了验证,为通过大型低速浮动车GPS数据计算道路交通状况提供了一种可行的解决方案。     

轨道列车运行时间的线性预测模型与算法

为更加准确地预测城市轨道交通列车运行时间,建立列车运行时间改进线性预测模型.该模型基于正交函数和最小均方误差规则求解线性预测系数.采用不同长度的数据样本建立预测模型,分析数据样本长度和预测阶数对预测结果的影响,进而引入基于顺序迭代法的数据调整机制,提高模型系数计算的准确性.通过对比站间距离不等的情况下距离变换前后模型预测的准确性,分析了站间距离对预测精度的影响,进而引入站间距离的线性变换方法,提高模型的预测精度.结果表明,模型改进前后的平均预测精度分别为92.53%和95.43%,预测精度提高3.13%;提高预测阶数可小幅提高模型预测精度,模型的改进可明显提高运行时间的预测精度.将该模型应用于上海轨道交通2号线列车运行时间的预测,与列车运动模型相比,所提模型预测误差降低17.4%,验证了模型的实用性与准确性.      

基于一维直接线性变换的视频中车辆运动状态重建

为克服传统车辆运动状态重建方法不能全面反映视频图像中车辆运动状态,且使用条件受限较大的问题,基于近景摄影测量中的直接线性变换原理,结合车身外廓特征信息,提出一种完整重建视频中车辆运动状态的有效方法。该方法中的特征标定信息全部取自目标车辆的外廓特征,不受路面和环境标定条件影响,扩大了使用范围;标定区域覆盖车辆在视频中的整个运动过程,最大限度地保证了车辆行驶轨迹的空间完整性;方法中每相邻2帧之间车辆行驶距离、行驶速度及加速度的解算均独立,避免产生累计误差。最后,使用该方法分别对车辆处于低速、中高速或减速3种运动状态下,摄像方向与车辆行驶方向呈90°或30°夹角的6种组合试验中车辆的相关运动状态参数进行解算,并与试验中采集的实际运动状态参数进行分析对比。研究结果表明:当车辆分别处于低速、中高速或减速3种运动状态时,在90°摄像视角下,计算所得车速值与记录值误差在1.5%以内,行驶距离值误差在3%以内,加速度值误差在7%以内;在30°摄像视角下,计算所得车速值误差在4%以内,行驶距离值误差在5%以内,加速度值误差在9%以内;该方法计算的视频中车辆的车速和行驶距离精度较高,加速度精度满足相关行业应用要求,证明该方法用于重建视频中车辆的运动状态有效、可行。     

新能源车远程监控模块设计

实现新能源车数据监控,有助于对新能源车的车辆运行状况进行管理分析。通过对新能源车数据的了解研究,基于国标要求,设计出可以进行车辆数据采集、存储并上传的车载远程监控模块。该模块通过车端CAN线采集数据,实现数据的采集和存储,并通过4G模块进行数据上传,同时带有GPS定位功能。     

基于深度学习的多目标车辆轨迹自动采集方法

车辆轨迹通常用于驾驶行为建模和交通安全领域。为获取交通视频中车辆轨迹,提出一种基于深度学习的自动采集方法。利用YOLOv5检测器在连续帧中的感兴趣区域进行车辆检测,通过DeepSORT跟踪器进行稳健而快速的车辆跟踪,该追踪器可以有效减少目标ID的跳变,提升跟踪稳定性,通过透视变换得到车辆的真实世界坐标并使用局部加权回归算法进行轨迹平滑。实验结果表明,该方法在高速公路监控数据集上的平均多目标跟踪准确率达96.1%,轨迹采集的平均准确度超过了93%,平滑算法能有效去除轨迹噪声。     

基于RLS和BO算法的重型车载重估算研究

针对重型车实际使用过程中载重估算精度低、成本高等问题,提出基于递归最小二乘法（RLS）和贝叶斯优化（BO）算法的内燃机重型车辆载重估算方法。该方法提出了基于数据滤波的车辆加速度和道路坡度计算方法,使用控制器局域网络（CAN）总线和全球定位系统（GPS）高程数据,基于车辆纵向动力学和RLS进行重型车载重估算。采用BO算法对12组训练数据建模,对车辆载重估算模型中的多变量滤波参数进行寻优配置,并利用测试数据进行模型估算性能评价。结果表明,该方法具有良好的载重估算精度,估算误差在6%以内。     

基于路测图像与改进 ResNet50 网络的自动驾驶场景天气识别算法

为了充分利用自动驾驶汽车路测图像数据,增加行驶过程中对天气情况识别的准确性,提出了一种基于改进 ResNet50 网络的自动驾驶场景天气识别算法。该算法将 SE 模块与 ResNet50 网络相结合,通过在 ResNet50 网络 4 组模块内加入 SE 模块,以便更好地拟合通道间复杂的鲁棒性。基于自动驾驶汽车路测图像数据对所提算法进行 Python 编程实现,结果表明：SE 模块的加入能够增加算法的鲁棒性和准确性,提高了自动驾驶的天气识别精度。     

基于三维技术的道路综合检测车

研发了基于三维检测技术的道路综合检测车,该检测车可同时开展路面损坏、车辙、平整度、纹理、道路景观等检测任务。路面损坏模块能采集路面灰度图像和横断面三维高程数据并自动识别裂缝、车辙、坑槽等常见病害;独创性地研发了非惯性平整度检测模块,可不受车速变化、车辆振动等因素干扰,准确采集道路纵断面高程并计算国际平整度指数(IRI),当模块纵向安装时还能精确采集道路横断面纹理数据并导出平均断面深度(MPD)。此外,该模块还可检测混凝土路面的错台情况。三维立体相机和激光雷达(LIDAR)构成的道路景观图像模块可采集道路周边环境图像和三维激光点云数据,以实现道路资产的精细化管理。     

基于动力学模型预测控制的铰接车辆多点预瞄路径跟踪方法

现有的铰接车辆路径跟踪控制方法在模型线性化和预瞄误差过程均产生较大误差,导致跟踪精度降低。针对铰接车辆路径跟踪控制,构建了铰接车辆动力学模型,采用基于状态轨迹的线性化方法补偿动力学误差,提出了考虑路径多点预瞄误差的控制目标,设计了基于动力学模型的模型预测控制器,用以优化铰接点处转向力矩。为验证该方法的有效性,采用Matlab/Simulink和Adams软件构建了联合仿真平台,对控制算法进行了仿真验证。仿真结果表明,本文中设计的控制器可有效提升铰接车辆路径跟踪精度。     

基于毫米波雷达组群的全域车辆轨迹检测技术方法

高精度车辆轨迹数据对于高速公路交通管理和智慧服务具有非常重要的研究及应用价值，然而现有的车辆轨迹感知技术难以获得全域全时车辆轨迹数据。为此，提出一种基于毫米波雷达的全域车辆轨迹跟踪技术方法，该方法包括：雷达原始数据获取及适配、轨迹数据清洗及降噪、道路线形感知及还原、车辆轨迹匹配及拼接。其中，雷达原始数据获取及适配通过构建雷达帧数据适配表将雷达数据格式标准化，并通过构建的轨迹可信度评价指标K，剔除镜像车辆轨迹数据，进而基于历史行车轨迹的统计学特征，采用聚类方法还原道路线形，最终通过雷达群组间车辆轨迹特征分析及匹配拼接，实现设备内部及跨设备对车辆轨迹的持续跟踪。利用载波相位差分技术(Real-time Kinematic, RTK)和基于无人机航拍视频定位技术分别对单车及多车轨迹跟踪精度进行检验。研究结果表明：在单目标跟踪状态下，系统的纬度偏差均值为-0.284 m，经度偏差均值为-0.352 m，纬度误差均值为0.712 m，经度误差均值为0.539 m；在多目标跟踪状态下，系统丢车率约为8%，轨迹定位与真实位置偏差均值为0.990 m，具备良好的轨迹跟踪精度。该方法为未来从更加宏观的范围内研究个体驾驶行为风险转移分析、微观水平的驾驶风险的时空演化提供了数据支撑。     

基于改进小波分解的机载位置数据降噪处理

机载经度、纬度、高度数据的精度,对保证飞机定位的精确性和飞行安全性有着重要意义.结合小波分解和经验模态分解(EMD)2种方法的优点,在小波分解的基础上,提出1种基于 EMD 的小波分解降噪方法.利用 EMD 对机载位置数据进行分解,并对高频分量用小波分解方法进行降噪处理,降噪后高频分量再结合低频分量进行重构得到降噪后的数据.以西安到长春某航班巡航阶段的机载高度数据序列为例,进行了仿真验证.结果表明,改进小波分解降噪方法与传统的小波分解降噪方法相比,信噪比提高了0.649,均方根误差减小了0.6969,消噪效果更加明显.改进的小波分解方法在处理机载位置数据方面有着较明显的优点,可获得更精确的飞机三维数据.      

基于GPRS的车载控制器远程监控系统

为满足车载控制器研发的需求,提出了一种基于GPRS网络通讯的远程监控系统。设计了基于GPRS模块SIM900A的硬件电路和软件程序。数据采集模块从传感器和整车CAN网络采集数据,并通过GPRS模块将所需数据发送到监控服务器。试验证明该系统能够实现对实验数据的实时采集和远程监控,系统运行稳定可靠。     

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%。     

弱GNSS信号下基于EMD和LSTM的车辆位置预测方法研究

针对弱GNSS环境下组合导航（INS/GNSS）系统存在的定位偏差问题，提出一种基于经验模态分解和长短期记忆网络的车辆位置预测算法。首先，针对训练数据中噪声较大的惯导数据，提出一种融合经验模态分解与离散小波变换的降噪算法。该算法基于噪声能量估计和各阶本征模态函数的功率谱密度函数，提出一种确定混合模态函数阶数上下界的方法，并采用离散小波变换硬阈值法对混合模态函数进行滤波处理，最终利用经过处理的各阶模态函数重构原始数据以达到降噪目的。训练数据经过预处理后，采用改进的堆叠式长短期记忆网络离线训练位置预测模型，利用该训练模型可在线实时进行位置预测。针对车辆定位序贯数据预测，提出一种局部数据降噪方法，该方法利用一定长度时间窗口的历史数据，通过线性最小二乘给出当下时刻数据的预估值，并与实际量测值进行滑动平均滤波，优化位置预测的结果。在封闭场地模拟隧道环境下，对长短期记忆网络输入端进行局部数据降噪与不进行降噪处理比较，经度和纬度的归一化均方误差分别下降了13.34%和9.38%，经度和纬度的归一化平均绝对误差分别下降了8.64%和5.41%；在复杂城市交通环境下，检验提出的方法，经度和纬度的归一化均方误差分别下降了6.51%和5.66%，经度和纬度的归一化平均绝对误差分别下降了5.70%和8.23%。试验结果表明，在弱GNSS信号环境下，提出的车辆位置预测方法有效提高了车辆定位精度和稳定性。     

浅谈售后车辆远程诊断系统的设计

简述了一种车辆售后维修远程诊断的设计方案,在车辆上安装一台嵌入式计算机,通过数据采集模块和车辆总线上的其他模块进行通信和数据收集,并利用数据通讯模块通过无线网络技术与售后远程诊断控制中心相连,传输采集数据及下发诊断命令,达到实时掌握车辆状态,实现车辆的售后远程诊断。     

浮动车系统地图的匹配精度

从地图匹配精度指标出发,针对浮动车系统的配置计划中的浮动车系统信息采集周期这一重要参数进行研究。分析浮动车系统数据特点,说明浮动车系统采集周期对浮动车服务质量的重要性;分析城市路网条件下精度随不同采集周期的变化情况,建立基于城市路网特征描述变量和采集周期等特征向量的地图匹配精度模型。模型由于包含城市路网特征描述向量,具有较高的移植性,应用此模型可以得到期望精度下采集周期的预测值,为浮动车系统的配置计划提供参考依据。     

车联网埋点数据测试的问题研究

车联网作为物联网在汽车领域的一个重要应用,在智慧运输、智能交通建设等方面发挥着至关重要的作用,车联网用户行为数据的采集,是用户行为分析中一个非常重要的环节。而“埋点”是数据采集(尤其是用户行为数据采集)的常用方法。埋点数据的准确性直接影响了车企对用户行为数据收集的准确率,测试数据的准确性变得尤为重要,本文着重从车联网的车机埋点数据的测试流程方法出发,阐述了车联网埋点在收集用户数据时准确性的流程方法。     

基于GPS的实时交通信息采集方法的研究

对基于GPS的实时交通信息采集方法开展研究,分别提出了利用GPS返回的经纬度数据和速度数据的两种路段平均速度估计算法。前者通过高斯投影,将WGS-84坐标系的GPS经纬度数据转换为平面直角坐标系的数据,从而计算平均速度。后者从GPS单点测速机理的研究入手,通过速度定积分计算距离得到平均速度。通过现场试验对算法和技术流程进行了验证,并利用实测数据对比了两种算法的计算结果,表明基于GPS的实时交通信息采集技术在实践中是可行和有效的。