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.      

基于车联网V2P 的行人碰撞风险辨识研究

为探索基于车联网V2P(Vehicle to Pedestrian)通信技术的行人碰撞风险辨识方法, 首先,在车联网环境下实时获取了目标位置、速度、运动方向等信息,并分析了典型人-车相 对运动场景中交通参与者的行为不确定性,进而提出了人-车碰撞区域随机几何模型;然后, 综合考虑了车联网系统的通信延时、定位误差、人-车相对运动不确定性等多因素的影响,建 立了人-车碰撞事故概率和冲突风险程度模型;最后,通过仿真实验分析了行车速度、通信延 时、定位精度等因素对行人碰撞风险辨识模型效果的影响,以及各因素间的相关性关系.本文 提出的方法对行人安全保护研究具有一定的参考价值,研究结果同时指出了车联网系统通信 延时与定位精度的技术要求.     

网联环境下考虑非优先车辆延误的公交优先信号控制方法

网联环境具有数据采集和交互方面的优势，能更精确地评估交通需求，更科学地实施交通管控措施。根据公交车与非优先车辆权重及延误分布差异，研究了考虑非优先车辆延误的公交优先单点信号控制方法。利用交叉口车辆轨迹数据计算轨迹样本到达率参数，根据车辆到达交叉口的分布特征构建各相位的车辆到达率概率函数，并采用极大似然估计预测到达率，基于交通流冲击波模型分别计算出各相位的排队波、驶离波和消散波波速。公交车数量少权重较高且网联化程度高，利用基于冲击波的时距图推导延误表达式；而非优先车辆数量多单车权重低且网联化程度低，利用基于到达率的定数理论推导延误表达式。按乘员数对公交车延误值和非优先车辆延误值进行加权，以加权延误最小为目标函数建立了混合整数线性规划模型，解得相位时长整数解，并反馈到信号机系统实现公交优先自适应信号控制。以武汉市车城北路与东风大道交叉口为对象，采集不同时段交叉口流量数据，利用SUMO软件开展仿真实验，结果表明:相比优化前，低、中、高流量情况下公交车单车平均延误时间分别减少25.63%、25.25%、18.32%；同等条件下平均每周期非优先车辆延误时间分别减少8.80%、4.68%、1.99%；同等条件下平均每周期加权延误时间分别减少20.98%、9.39%、12.70%。证明所提方法能较好地适配交通需求，且流量较低时效果最好。      

网联环境下基于速度引导的车辆能耗优化方法

传统的车速引导策略考虑交通信号的信号配时（signal phases and timing,SPAT）信息和到下游交叉口的距离,来对车辆进行速度建议和引导,以提高交叉口通行效率、减少能源消耗。但由于通信设备频率的限制,实时诱导效果欠佳。随着车载设备与路侧基础设施通信技术（vehicle to infrastructure,V2I）的发展,能实时、同步地获取交通流的多维信息,研究了1种符合真实驾驶场景的实时变速引导策略。以信号相位时间和道路通行限制条件为约束,构建三阶段变速诱导模型。提出将车辆通过连续路口的车速引导问题分解为车辆通过多个相邻路口的子问题进行求解。针对任意相邻2个交叉口,求解车辆到达下游交叉口的可通行时间区域,并将到达时间区域离散化,计算车辆到达时间区域内的每1个时间节点的能耗。将连续路口车速引导问题转换为速度轨迹寻优问题进行求解,以车辆能耗为权重,采用Dijkstra算法在所有可通行速度轨迹中寻找能耗最小的速度轨迹。利用交通仿真软件SUMO搭建仿真环境,并用Python对SUMO进行二次开发,以武汉市经济开发区东风大道的3个连续路口为研究对象进行仿真验证。实验结果表明：所...