基于双目视觉计算的车辆跟驰状态实时感知系统

双目视觉技术能够实现目标的识别与距离计算,在自动驾驶领域有很大的应用空间。然而,现阶段双目视觉存在光照干扰、遮挡、弱纹理区域歧义匹配等问题,影响其测量的准确性和可靠性。提出基于双目视觉的跟驰状态实时感知系统,该系统采用基于车辆跟驰模型的扩展卡尔曼滤波方法对车辆跟驰状态进行实时估计,包括跟驰距离、前后车速度差等。通过实际道路试验,证明了该系统能够识别并修正测量数据中的异常值,解决弱纹理区域误匹配问题。试验结果表明：25 mm焦距与12 mm焦距的双目系统跟驰间距测量值的平均误差分别为2.66%与9.14%;在相对速度测量方面,2种焦距系统的测量精度基本相同,平均误差均为1 m·s^-1左右。所提出的方法在自动驾驶车辆环境感知领域有较好的应用前景。     

卫星定位数据驱动的营运车辆驾驶人驾驶风险评估模型

为了提高营运车辆驾驶人安全管理的精细化水平,合理地评估驾驶人驾驶风险程度,有的放矢地降低高风险驾驶人的事故率,基于卫星定位数据特点及驾驶行为与驾驶风险的相关关系设计26个驾驶行为特征参数。考虑到高速和非高速行驶时相同驾驶行为对驾驶风险的影响区别较大,根据23名营运车辆驾驶人的实测数据有针对性地筛选高速和非高速路段驾驶人风险评估指标,构建营运车辆驾驶人驾驶风险评估指标体系。然后,基于熵权法、独立性权系数法和Spearman相关系数法建立集成赋权法,确定各评估指标的权重。最后,雇佣40名营运车辆驾驶人进行实车试验以验证模型的合理性。结果表明：车辆速度和加速度方面的驾驶行为特征可以用于评估驾驶人的驾驶风险且评估效果较好,驾驶风险评估得分与实际交通冲突次数呈正相关关系,所建立模型可以较为准确地评估营运车辆驾驶人驾驶风险的高低,准确率达到77.50%,该模型在不同地区使用时,准确率存在一定的差异,但在容许范围之内,方法具有较好的鲁棒性。     

基于潜在类别-Logit模型的共享自动驾驶汽车使用意向

自动驾驶技术和共享经济融合产生的共享自动驾驶汽车（SAV）可为人们提供优质的出行服务。为探究出行者选择SAV的行为特性,对受访者的社会经济属性、历史出行特性、行为态度特征进行调查,并采用正交试验设计出行方式选择意向调查问卷,收集到311份有效数据。为充分考虑个体异质性,利用潜在类别分析探究SAV使用者的潜在类别,并将所得潜在类别作为变量融入离散选择Logit模型,建立SAV使用意向的潜在类别-Logit模型。结合多项或混合Logit模型以及划分的3个潜在类别,根据4个合理的模型标定的性别、交通模式、SAV使用人群类型、等待时间等59个变量的参数,识别SAV使用意向的显著性影响因素,并采用7个拟合优度指标评价多项Logit、混合Logit、潜在类别-Logit等8个模型。利用边际效应分析,探讨出行方式属性对SAV使用意向的具体影响。结果表明：涉及3个潜在类别的离散选择Logit模型具有更强的解释性,这3个潜在类别可分别描述为冲动的积极创新者、矛盾的保守创新者和理智的保守使用者;不同潜在类别人群的显著性因素存在明显差异,SAV使用人群类型是不同潜在类别人群共有的显著性因素,其中SAV创新者在各个模型中的显著性水平值均小于0.1;潜在类别-Logit模型的第1类和第2类预测正确率比其他Logit模型分别高出5.9%~28.3% 和5.4%~18.5%,可以更好地解释出行者对SAV的使用意向;出行等待时间对出行者选择SAV的影响最大;当SAV选择概率接近于0.5时,轻微降低SAV人均出行费用最易引起选择私人小汽车的出行者转而选择SAV。     

多车道高速公路出口开口段安全特性分析

为研究不同断面形式下的多车道高速公路出口影响区开口长度及流量与交通安全的关系,针对2种断面形式的高速公路出口,分别设计了3种不同的开口长度,结合3种不同流量条件设计了18个不同的驾驶模拟场景.实验招募30名被试者开展模拟驾驶实验,提取不同开口长度及流量条件下各断面形式高速公路出口的车辆行驶轨迹、换道间隙的选择、减速度、...     

螺旋匝道和螺旋桥的小客车行驶速度特征

为明确螺旋匝道和螺旋桥处的驾驶行为模式和汽车运行特征,在涪陵长江一桥、乌江二桥、重庆融侨大道和涪陵金凯环形高架4处地点开展螺旋匝道实车试验,用车载仪器采集自然驾驶状态下的汽车连续行驶轨迹、速度以及周围行驶环境等信息。基于自然驾驶数据,研究螺旋匝道范围内的速度变化模式、幅值特性以及影响因素。研究结果表明：单车道螺旋匝道的速度变化模式多样化,双车道螺旋匝道的行驶速度在整体上维持稳定,匝道范围内的连续升坡和降坡并未导致速度出现趋势性衰减和趋势性升高;螺旋匝道并入主线时,驾驶人在合流鼻之前有明显的、共性的减速行为,这与现行设计标准中的设计假定相反;除涪陵长江一桥之外,其余3处都是下行速度低于上行速度;螺旋匝道设计速度越低,实测速度与设计速度之间的偏离越严重,并且速度幅值离散化,因此不建议使用20 km·h^-1的匝道设计速度;螺旋匝道运行速度与匝道半径成正相关。     

山区公路驾驶视觉信息量计算方法研究

为解决山区公路中驾驶视觉信息量难以量化的问题,对驾驶视野图像进行分割,根 据HSV颜色模型,提取视野图像的色调、饱和度、亮度值,再结合车速值,在驾驶视觉心理负荷的基础上,提出山区公路路域环境下的驾驶视觉信息量计算方法.通过实车实验,进行数据采集,并验证计算方法.计算结果表明,在半郁闭型空间行驶时,接收的视觉信息量最大;在郁闭型空间中,接收的信息量最小.计算结果与被试实际感受具有一致性,说明本文提出的驾驶视觉信息量计算方法具有可行性,可为路域环境的合理布设提供一定的技术参考.     

基于BP神经网络的复合地层盾构掘进参数预测

盾构隧道穿越复合地层时,由于掌子面上下岩体软硬不均,极易导致盾构机掘进参数出现大幅波动。目前,针对复合地层盾构掘进参数的预测并未考虑地层物理力学参数变化和复合地层岩土占比。依托深圳地铁13号线复合地层段现场掘进数据,首先,根据掘进数据规律提取运行段数据,对运行段数据进行离群检测,去噪与标准化预处理;而后,利用BP神经网络,以刀盘转速、推进速度、螺旋机转速和上下两层岩土占比、岩土体的岩石单轴极限抗压强度标准值、岩土施工工程等级作为输入参数,预测总推力、刀盘扭矩这两个控制盾构机运行主要参数。计算结果表明：(1)对于不同占比的训练集和测试集,预测结果与实测结果吻合度较高,且随着训练集占比增大,预测平均误差逐渐降低,在80%训练集时,刀盘扭矩与总推力的平均相对误差分别为9.2%和7.1%;(2)预测模型对不同复合地层条件下的平均误差在15%以内。     

自动驾驶中视觉次任务对年轻驾驶人接管时间的影响

为了了解有条件的自动驾驶中,年轻驾驶人的接管反应特性,分析视觉次任务（3×3箭头次任务和4×4箭头次任务）和接管请求时间（TTC为5 s和7 s）对不同接管时间的影响,基于驾驶仿真平台,设计了包含不同的视觉次任务和接管请求时间的自动驾驶接管场景,针对29名年轻驾驶人进行模拟驾驶试验。使用双因素方差分析来研究不同次任务与不同接管请求时间对接管时间的影响,以及使用Pearson相关性检验来分析不同接管时间的相关性。研究结果表明：与无次任务相比,次任务会显著增加接管时间;不同的次任务对接管时间无影响,次任务与前方有障碍物时的接管请求时间对接管时间无交互作用;与前方无障碍物时的接管相比,前方有障碍物时的接管会显著减少接管反应时间;在驾驶人执行次任务的情况下,不同接管请求时间对转向反应时间和制动反应时间无影响;在前方有障碍物的接管中,驾驶人更倾向于采用制动加转向的组合操作来回避风险,且驾驶人接管回避操作中直接转向和制动加转向的组合操作的比例相同;接管反应时间与制动反应时间有较强的相关性。     

基于模拟疲劳驾驶检测的实验教学平台硬件设计与实现

在当代城市生活中,确保公共交通安全运营已成为一项重要课题。近期,我国发生的多起公交事故引发了社会广泛关注,研究表明,驾驶员异常行为是导致此类事故的主要原因之一。为应对这一挑战,文章基于自主开发的智能监控平台,融合深度学习、视频分析等技术,专门针对公交车场景下的驾驶员异常行为展开分析。将 Intel? MovidiusTM MyriadTM 2 模块集成至公交车样车,搭建起一套视频处理和驾驶员异常行为分析的核心计算单元,借助高性能的图像识别算法,该系统能够实时监测并评估驾驶员的操作状态,一旦发现异常情况即可触发预警机制。通过及时发现和纠正驾驶员的不当行为,可以用于公交公司日常培训,为驾驶员驾驶态势感知研究平台提供研究数据。