基于深度强化学习的车辆跟驰控制

针对自适应巡航控制系统在控制主车跟驰行驶中受前车运动状态的不确定性影响问题，在分析车辆运动特点的基础上，提出一种能够考虑前车运动随机性的跟驰控制策略。搭建驾驶人实车驾驶数据采集平台，招募驾驶人进行实车跟驰道路试验，建立驾驶人真实驾驶数据库。假设车辆未来时刻的加速度决策主要受前方目标车辆运动影响，建立基于双前车跟驰结构的主车纵向控制架构。将驾驶数据库中的驾驶数据分别视作前车和前前车运动变化历程，利用高斯过程算法建立了前车纵向加速度变化随机过程模型，实现对前方目标车运动状态分布的概率性建模。将车辆跟驰问题构建为一定奖励函数下的马尔可夫决策过程，引入深度强化学习研究主车跟驰控制问题。利用近端策略优化算法建立车辆跟驰控制策略，通过与前车运动随机过程模型进行交互式迭代学习，得到具有运动不确定性跟驰环境下的主车纵向控制策略，实现对车辆纵向控制的最优决策。最后基于真实驾驶数据，对控制策略进行测试。研究结果表明：该策略建立了车辆纵向控制与主车和双前车状态之间的映射关系，在迭代学习过程中对前车运动的随机性进行考虑，跟驰控制中不需要对前车运动进行额外的概率预测，能够以较低的计算量实现主车稳定跟随前车行驶。     

边界层问题的B—样条小波Galerkin数值解

基于Ｂ－样条小波提出了广义高斯数值积分公式，并对边界层问题求得了Ｇａｌｅｒｋｉｎ数值解。数值结果表明，所提小波数值算法在精度和边界层位置探测方面的有效性。     

考虑健康损失的路阻模型的构建

运用高斯烟羽模型计算机动车尾气排放量,然后利用支付意愿法定量分析健康损失,同时考虑延误和健康损失构建考虑健康损失的路阻模型。根据实例,分别使用Transcad和新的路阻模型计算出2个路阻,并进行交通分配。结果显示2次交通分配的路网流量不同,表明考虑健康损失的路阻模型影响了人们的出行选择,可有效解决主干路拥挤,增加次干路车流量,协调整个路网车流量均衡,提高路网交通效率。     

基于卡尔曼-高斯联合滤波的车辆位置跟踪

车辆位置的精确、可靠获取,一直是阻碍智能驾驶技术的难题.特别当车辆处于复杂道路环境中时,车辆卫星定位信号易受较大干扰,使车辆定位产生漂移现象.针对车辆定位的这种漂移现象,研究了针对车辆位置跟踪的卡尔曼-高斯联合滤波方法.对于车辆卫星定位受到的干扰不同,采用分层处理的滤波方法;针对卡尔曼滤波不能较好地滤除一些干扰较大的位置漂移点,通过设置与车速、航向角等相关的动态阈值,对卫星定位的车辆位置进行动态阈值判断;通过动态阈值识别出的车辆位置漂移数据,结合高斯过程回归,以车辆的历史数据作为学习样本,使用预测值和真实观测值构建补偿量,通过对卡尔曼观测方程加入动态观测补偿实现车辆位置优化;对于一般噪声产生的卫星定位波动,联合滤波也可以有效优化.实车实验表明,该方法可以有效识别出车辆定位的漂移点,车辆卫星定位在信号受较大干扰的情况下,车辆卫星定位的精度可以提高30%左右,最大误差由9 m降低到0.8 m左右.该联合滤波方法在使用低成本定位装置的情况下,有效提高车辆卫星定位的精度及可靠性.      

公路测量中边长改化及Gauss投影坐标换算

在东西向长线路的公路控制测量中，不能忽略Gauss投影所产生的长度变形及点位误差。本文就此投影进行研讨，指出导线一定要在任意的中央子午线分带中计算，并提出在PC-E500计算机上坐标换算的程序设计。     

水文极值I型分布参数拟合方法的探讨

文中指出了工程设计中线性最小二乘法在求解Gumbel分布参数时存在的问题，以高斯－牛顿法为基础，真正实现了理论频率与实际频率残差平方和最小这一适线准则下Gumbel分布的最佳拟合。算例表明，新的算法收敛速度快，所得曲线与实测点据拟合较好。     

沥青混合料CT扫描切片图像分割算法研究

为科学地利用工业CT扫描的沥青混合料断面图像,通过比较图像分割学科的阈值法及模式识别领域的混合高斯模型及模糊C均值聚类三种方法,采取一系列二分类的策略较好地将二维切片图像区分为几类物质,并实现了自动批处理大量图片的过程,最后采用马歇尔试件进行了验证。     

高斯-克吕格投影和横轴墨卡托（UTM）投影的异同

介绍在工程测量中使用的2个主要投影的原理和方法,特别在国外测量中常使用的UTM投影和国内常用的高斯投影之间的关系,以及2个投影的异同。结合UTM投影在缅甸工程测量中的应用,分析高斯-克吕格投影与UTM投影的正反解公式。     

基于混合高斯背景的交通视频分析

在将道路监控视频转单帧后,利用灰度变换、锐化、滤波、二值化等方法对图像进行预处理,以高斯混合模型对图像前景提取,进行边缘检测获取较为清楚的前景车辆图,在摄像机标定基础上,建立路面车辆和图像像素点的映射关系,再以虚拟线在图像上作计数依据,进而获得车流量。同时通过对普通背景差分模型与高斯混合背景模型的比较分析,选用高斯混合背景模型对预处理之后的图像进行背景分割。并结合粘连图像分割和阴影处理算法,对前景图像进行修复,得到良好的前景目标。采用高斯背景模型对样本视频处理,得到了满意的监控分析结果。     

考虑驾驶人风格的跟车预警规则研究

为研究驾驶人的跟车特性及探究可适用于不同风格驾驶人的跟车预警规则,为自动驾驶车辆开发可满足不同用户驾驶需求和驾乘体验的主动安全预警系统,选取50名被试驾驶人开展实车试验,采集驾驶人跟车行为表征参数并基于雷达数据确定跟车事件提取规则。选取平均跟车时距和平均制动时距为二维向量,使用基于K-means聚类结果的高斯混合模型将驾驶人聚类为3种风格类型(冒进型、平稳型、保守型)。通过分析3组驾驶人的跟车及制动数据,将不同类型驾驶人的制动时距分位数作为跟车预警阈值,结合实际预警数据及不同制动时距分位数对应的预警正确率,对现有跟车预警规则进行调整,以适应不同类型驾驶人的驾驶需求。研究结果表明:3组驾驶人的平均跟车时距和平均制动时距差异显著,冒进型驾驶人倾向于选择较小的跟车时距和制动时距,保守型驾驶人的跟车时距和制动时距则普遍较大;3组驾驶人的实际跟车预警次数为215次,驾驶人采取制动操作而系统未予以预警的次数为329次,系统整体预警正确率为21.9%,漏警率为87.5%,通过分析信息熵等判定当前预警规则并不合理;将每类驾驶人制动时距的10%分位数作为阈值时的预警效果较好,调整后的跟车预警规则能在一定程度上适应不同的驾驶人类型。