路侧感知车辆轨迹数据质量智能评估方法

智慧公路布设了大量路侧智能传感器,可以获取全时空车辆运行轨迹数据.然而,如何实现轨迹数据质量高效便捷的评估一直是困扰行业管理部门的难题.现有评估方法大多存在量化指标维度单一、鲁棒性较差等问题.为此,提出一种通过挖掘轨迹数据多维特征以快速评估轨迹数据质量的方法.首先基于轨迹多元信息从元素特征、时序特征和空间特征3个维度设...     

重庆智能网联示范区路侧协同设施布设方案研究

为解决重庆山地城市道路复杂,智能网联道路路侧协同设施布设指导性资料不足,以致智能网联汽车大规模、高效、科学的应用示范受限问题,采用现场调研与理论分析方法,以重庆山地城市特点、路用功能为基础,结合道路类型、交通运行状况,以网联化协同感知、网联协同决策与控制为标准,提出山地城市智能网联道路分级。基于智能网联道路的分级、功能应用需求、设备性能等,提出了智能网联道路路侧协同设施技术要求、布设原则及相应的配置要求,并给出了典型路段的路侧协同设施布设方案,供重庆及类似山地城市智能网联示范区路侧智能系统的建设参考。     

智能网联环境下无信号交叉口交通自组织方法

针对道路交叉口通行延误问题,基于智能网联环境下的行车定位和轨迹共享技术提出无信号交叉口交通自组织方法,旨在根据车辆的实时位置、行车轨迹以及车速等信息实时计算进入交叉口车辆间的冲突时间差,使得各个方向车流互相预知对方驾驶行为,以实现车辆自组织穿插通过交叉口,以提高交叉口通行效率。实验选择重庆市南岸区白鹤路与桃源路双向四车道典型交叉口为研究案例,根据调查数据和Vissim仿真分析结果显示,所提出的交叉口交通自组织方法比现有信号控制交通组织方式通行时间平均减少了6.39 s,平均通行效率提高了43.6%。     

面向智能网联环境的三级交通诱导控制系统

智能网联技术作为物联网的重要分支,依赖于信息化和工业化的深度融合,对道路交通行业的发展具有重要意义。借助智能网联技术,交通决策者可以获得高精度、低延迟的交通运行状态数据,从而实现即时、智能的交通诱导控制。在此背景下,本文提出了一种面向智能网联的三级交通诱导控制系统。该系统以智能网联技术为基础搭建诱导与控制系统,通过对流量分布信息动态标志牌、可变车道动态显示标志牌以及适应可变车道的交通信号机进行协同控制,实现动态智能的交通诱导控制方法。     

智能网联环境下的交通信息与安全——第4届交通信息与安全国际学术会议综述

交通信息是交通运输发展的基础,交通安全是交通运输的重要目标,智能网联环境下的交通信息与安全越来越受到学术界的重视.第4届交通信息与安全国际学术会议(ICTIS 2017)在此背景下隆重召开.围绕交通信息与交通安全的核心内容,分别从道路、水路的信息与安全角度出发,研讨了水路信息多元化应用、海上事故分析与船舶避碰、道路基础设施信息交互、公共交通优化等热点问题,展示了最新的研究成果.综述了会议报告的热点,分析了交通安全趋势以及存在的问题,并指出新能源动力船舶系统安全与防控、多种类多模式交通流动态预测、无人船开发与应用、道路安全建模等是交通安全与信息未来的研究方向.     

智能网联混合交通流交叉口控制：研究进展与前沿

交叉口是城市道路交通运行的瓶颈点,是造成交通拥堵的问题所在。交通控制是调控交通流、预防和缓解交通拥堵的关键策略,在效费比上具有较大优势。智能网联、自动驾驶技术的发展催生了常规车辆(Regular Vehicle, RV)、网联车辆(Connected Vehicle, CV)和智能网联车辆(Connected and Automated Vehicle, CAV)组成的智能网联新型混合交通流,推动着城市道路交通控制对象、数据环境和控制手段的变革,为交通控制提出巨大挑战的同时,也为交通控制理论方法的创新发展创造了新的条件。智能网联混合交通流交叉口控制已成为国内外研究热点,尚处于研究起步阶段。根据路权特征,先从单点交叉口、干线交叉口和路网多交叉口3个层面梳理智能网联混合交通流环境下的共用设施交叉口控制研究,包括交通信号配时、车辆轨迹/路径规划以及车辆轨迹-信号配时协同控制。然后介绍自动驾驶专用设施交叉口控制研究,包括CAV专用车道、CAV专用路段、CAV专用区域和快速公交-CAV混合专用车道。通过对现有成果的梳理发现：虽然新型混合交通流交叉口控制研究取得了部分进展,但RV驾驶行为的随机性、...     

智能网联环境下城市路网通行能力分析

为了探究城市路网中混有智能网联车辆(CAV)的交通流特性,研究CAV不同渗透率分布下对路网通行能力的影响。应用智能驾驶模型(IDM)和协同自适应巡航控制模型(CACC)分别作为人工驾驶车辆(HDV)和智能网联车辆的纵向速度更新规则,并建立考虑车辆到信号交叉口距离影响的横向换道规则。推导基于各渗透率等级路段占路网长度比例下的混合交通宏观基本图模型(MFD),通过SUMO仿真验证模型有效性。最后针对模型中的比例参数进行敏感性分析。结果表明：混合交通MFD可以用于异质交通流组成的城市路网宏观交通状态的有效估计与通行能力分析。当CAV渗透率均匀时,在路段渗透率高于30%时,路网通行能力提升显著;当CAV渗透率非均匀时,异质路网的通行能力随着渗透率等级较高路段比例的增加而逐渐提高,100%CAV路段比例的影响尤为显著。混合交通MFD为混有CAV的城市交通调控和CAV在路网中的路径规划提供理论参考。     

智能网联汽车环境感知传感器技术课程资源开发

智能网联汽车作为整个汽车领域的新兴产业,在"1+X"证书制度的推动下,势必会给职业院校汽车专业带来巨大的改变。基于此,文章在分析智能网联汽车环境感知传感器技术课程资源开发原因的基础上,从前期调研、教学资源开发和教学实施与评价三个方面提出课程开发整套流程的思路,归纳出该课程具体的实训项目,推动职业院校汽车专业与时代接轨。     

智能网联大数据在高并发场景下的技术应用

以智能网联大数据在高并发场景下的应用为基础,分析了目前汽车行业主流数据平台技术的优势与劣势。以实际业务需求出发,制定了融合离线数据平台和实时数据平台的车联网大数据平台架构,以及基于部分开源产品组件,结合自主开发组件的解决方案。     

智能网联背景下驾驶人信息认知地图构建方法

为提升网联环境下车载信息的传递效率,提出了一种驾驶人信息认知地图构建方法。在驾驶人交通场景信息认知中引入认知地图概念,通过对20名驾驶人进行面对面访谈,获取视距内、外(超空间距离)交通场景语义描述,采用要素频率统计法确定驾驶人信息认知地图要素,设计概念图形完成可视化映射。构建轻量化深度学习MobileNet V2模型,实现驾驶人信息认知地图认知要素标签自动生成,并分别基于SE(Squeeze-and-Excitation Module)、CBAM(Convolutional Block Attention Module)、CA(Coordinate Attention Module)注意力模块对模型进行改进,通过Opencv算法实现可视化认知地图的自动生成。开展20名驾驶人的实车试验,获取12 000组交通场景认知集作为测试数据,通过人工标注的方法获取认知要素标签。结果表明：驾驶人信息认知地图具有道路类型、车道数、自身车道、目标类型、方向、距离、危险程度7个认知要素;MobileNet V2、MobileNet V2-SE、MobileNet V2-CBAM和MobileNet V2-...     

智能网联卡车编队领航车驾驶人驾驶能力需求综述

智能网联卡车编队在减少人力成本、节省燃料消耗、提高运输效率等方面具有较大优势,是未来货物运输发展的新趋势。领航车驾驶人作为在智能化和网联化背景下出现的新兴角色,对于保障智能网联卡车编队安全平稳运行至关重要。通过对大量文献、标准规范以及企业调研结果的系统梳理,综述了智能网联卡车编队领航车驾驶人驾驶能力需求研究现状。首先,介绍了卡车编队系统架构、自动化分级标准和驾驶模式等智能网联卡车编队概况。然后,归纳了卡车编队行驶场景的组成要素种类,总结了超出车辆设计运行范围的边界场景,以此为基础分析了各边界场景下领航车驾驶人的能力需求。其次,论述了卡车编队不同功能对应领航车驾驶人的作用和职责。最后,以传统卡车驾驶人和自动驾驶卡车安全员的基本驾驶能力需求为基准,结合边界场景和编队功能对应的特殊驾驶能力需求,汇总获得卡车编队领航车驾驶人在理论知识、实操技能和生心理状态方面的需求,并对比分析了不同驾驶阶段下驾驶人能力需求差异。综述结果有助于更加科学合理地开展智能网联卡车编队领航车驾驶人的遴选、培训和考核。     

智能网联环境下基于安全势场理论的车辆换道模型

为有效刻画未来智能网联环境下车辆在换道过程中面临的驾驶风险,保证车辆执行更加安全的换道决策,建立基于安全势场理论的车辆换道模型.首先针对车辆换道过程中所遇到的驾驶风险进行评估,利用势场理论给出车辆行驶过程中不同运动状态下安全势场的空间分布.其次根据换道过程中相关车辆不同安全势场分布情况计算出换道结束时的车间临界距离,相...     

智能网联环境下基于安全势场理论的车辆跟驰模型

为有效刻画未来智能网联环境下交通流微观跟驰行为,以更加精确地进行车辆的运动决策,建立了基于安全势场理论下的车辆跟驰模型。模型以势场理论为基础,首先阐述了交通环境中安全势场的客观性、普遍性以及可测性,然后通过引入加速度参数对既有安全势场模型进行改进,改进后的安全势场模型能够有效刻画出在不同速度、加速度值下车辆安全势场的变化趋势。在分析安全势场变化基础上,构建的车辆跟驰模型强化了加速度参数对车辆跟驰行为的影响,由于不同速度、加速度信息在智能网联环境下车辆可以实时获取,因此该模型可应用于未来智能网联环境中。此外,在模型参数标定过程中,通过对NGSIM数据进行筛选,得到含有较多减速停车以及启动加速状态的轨迹数据,共筛选得到412组NGSIM真实跟驰车对数据,并最终利用人工蜂群算法对该模型进行参数标定。为评估模型仿真效果,选择OVM模型、IDM模型与本文模型进行比较,并选取均方根误差RMSE和平均绝对百分误差MAPE为参数标定结果评价与验证的指标,结果表明,建立的基于安全势场理论的车辆跟驰模型具有良好的精度,适用于描述考虑加速度参数条件下的跟驰行为,可为今后智能网联环境下车辆微观驾驶安全决策、交通流中观安全势场分布、交通流宏观状态估计等奠定理论基础。     

通信时延与丢包下智能网联汽车控制性能分析

网联协同控制是智能网联汽车的重要应用场景,而车联网的通信时延与丢包可能导致控制性能下降,甚至影响行车安全。为了分析时延与丢包对网联车辆控制的稳态与瞬态性能的影响,设计了网联控制器,并开展了仿真与实车试验。基于车辆动力学特性,将通信时延与丢包下的网联车辆控制分解为纵向控制与横向控制,进行了统一建模,并设计了控制器进行试验分析;搭建了网联自动驾驶的CarSim-Simulink联合仿真平台,及集成可模拟时延与丢包的LTE-V原理样机的智能网联汽车试验平台;开展了不同时延与丢包率下网联跟车控制与网联路径跟踪控制的仿真试验与实车试验。试验结果显示：时延与丢包对控制误差的影响形态有相似性;时延或丢包率取系统及工况参数有关的小值时,如试验中时延小于200 ms或丢包率小于20%,工况随机因素对控制误差的影响可能超过时延与丢包的影响;在更大的时延或丢包率下,时延与丢包的出现方式（如出现时机等）对控制误差影响更大。研究结果表明：能实现针对网联车辆控制系统通信特性的控制器优化设计,使得当时延与丢包在工况相关阈值内时,系统控制误差有界。所揭露的规律一方面可用于对造成危险控制误差的时延与丢包工况进行预警,另一方面也可用于基于给定的稳态或瞬态控制误差边界,判定对应工况允许的时延与丢包率边界。     

基于网联车辆轨迹数据的周期排队长度估计

近年,基于网联车辆轨迹数据的交通管控与服务研究方兴未艾。其中,信号控制交叉口排队长度估计备受关注。然而,在低渗透率条件下,单个周期内轨迹稀少且提供的交通信息十分有限。现有研究仅以当前周期内网联车辆轨迹数据为输入,难以获得准确且可靠的周期级排队长度估计结果。因此,融合利用历史网联车辆轨迹数据提供的车辆到达和停车位置信息以及当前周期内实时观测的网联车辆排队信息,提出一种基于最大后验概率的周期最大排队长度估计方法。首先,依据历史轨迹数据的停车位置信息,估计排队长度的先验分布;其次,依据历史轨迹数据的车辆到达信息,估计周期内车辆的历史到达分布,并结合周期内最后1辆排队网联车辆的到达时刻与停车位置,构建排队长度似然函数;最后,基于贝叶斯理论,结合前述先验分布与似然函数,推导周期排队长度的后验分布,并采用最大后验概率方法实现周期最大排队长度的估计。仿真结果表明：所提方法在不同饱和度和渗透率条件下,均优于现有的方法;即使在车辆轨迹数不超过1 veh·周期^-1的低渗透率条件下,所提方法的平均绝对估计误差也不超过2 veh·周期^-1。实证结果表明：在渗透率仅为8.96%的条件下,所提方法的平均绝对误差为2.12 veh·周期^-1,平均相对估计误差为12.4%,同样优于现有同类方法。     

基于CenterNet的路侧单目视角车辆3D形态精确感知

车辆3D形态的精确实时感知对于智能交通中的车辆行为分析、交通流参数估计等应用和无人驾驶都至关重要,其中,如何克服透视投影的限制,从路侧单目视角下感知车辆3D形态正成为具有挑战的课题之一。为解决这个难题,采取深度网络提取投影特征,结合空间标定模型中的几何约束,实现2D投影至3D空间的3D形态恢复构建。首先,基于前期工作,对道路场景中的相机构建空间标定模型,以获取透视空间的2D-3D互映射矩阵;然后,以当前流行的简洁高效的CenterNet深度网络为基础,设计车辆3D形态投影特征的检测网络,融入多尺度特征融合模块以优化透视投影下不同尺度车辆目标的检测,同时优化高斯凸包热力图以增强车辆目标的特征检测力度,根据先验几何约束设计加强损失函数以加快收敛;最后,通过建立的空间形态几何约束模型,对网络输出特征投影点进行解码,构建出完整的车辆3D形态信息。试验以路侧视角下的BrnoCompSpeed数据集和自制数据集为基础,手工标注满足试验需求的样本目标,并做图像增广以模仿多变的道路监控视角及环境。在试验结果评价中,分别对网络检测结果及最终构建的3D形态进行评价,其中对于网络检测结果,以投影特征构成投影凸包的平均精度为评价指标,交并比(IoU)阈值为0.7时,在BrnoCompSpeed测试数据集上得到AP值为87.35%,召回率和精确率分别为87.39%与90.78%。同时,设计消融试验证明网络改进模块的有效性。对于3D形态构建结果,分别对空间定位、3D尺寸、偏转角及3DIoU等指标都进行定义,并以3DIoU为评价标准,验证多个改进模块及不同视角对于最终精度的影响,最后在BrnoCompSpeed测试数据集中的平均3DIoU达到0.738。设计的网络FPS为27,可满足实时性的需求。     

考虑车车与车路通讯并存的路侧单元优化布设方法

路侧单元(Road Side Unit, RSU)作为车路协同系统(Cooperative Vehicle Infrastructure System, CVIS)中路侧感知控制网与网联化车辆自组网的重要节点,其布设方案对车路交互效能、系统建设成本与协同服务水平均产生较大影响。现有RSU优化布设研究主要基于车路(Vehicle to Infrastructure, V2I)通讯,忽视了车车(Vehicle to Vehicle, V2V)通讯的转发和中继作用,也缺乏对RSU设备及线网布设成本的相关考量。针对上述问题,面向V2V和V2I通讯并存环境,考虑信息覆盖正向收益与设备/线网布设负向收益,构建面向综合收益最优的RSU布设方案优化模型。首先结合信息流-交通流耦合模型获取传播时间矩阵,提出权重约束可达性算法,构建布设方案与信息覆盖正向收益之间的关系方程。然后针对动态最优布设方案条件下的最优线网布设问题,提出改进的最小生成树模型,并以此设计综合收益最优的RSU优化布设模型。最后,基于井字形算例路网,进行模型验证和关键系数敏感性分析;并基于Sioux Falls路网,将所提出的模型与现有未...     

智能网联汽车运动规划方法研究综述（双语出版）

分析了近年来智能网联汽车（Intelligent Connected Vehicle,ICV）运动规划方法的研究,根据规划时空尺度和任务目标,将ICV运动规划细分为路径规划、路线规划、动作规划和轨迹规划4级子任务,回顾了各级子任务中智能网联技术的研究和应用现状;探讨了ICV中驾驶人行为特性及其对运动规划结果的影响;从技术背景、研究场景、算法流程和应用理论4个方面,提出ICV运动规划方法研究的未来发展方向。结果表明：由于ICV主要依赖车辆网联信息规划运动路径,而路网中同时存在不同网联等级的ICV,这将增加路径规划问题的求解难度;现有ICV路线规划模型较少考虑周边多车运动状态以及路段车道设置情况,将现有算法与微观交通流模型相结合有助于解决此问题;ICV中人机协同及任务切换领域已出现诸多研究热点,如城市道路上换道与转弯动作规划、ICV引导非网联车辆行驶等问题;借鉴驾驶人行为模式规划ICV运动轨迹已成为研究共识,但是车-车、车-路网联信息在此领域的应用仍然有限;采用反馈-迭代的方法进行ICV运动路线和动作协同规划、运动规划和轨迹跟踪控制有助于获得全局最优的运动规划结果和车辆控制策略;根据具体规划任务特点选择构建ICV运动规划模型的基础理论,有助于发挥各类理论的优势,提升规划算法的灵活性和适用性。     

人机混驾环境下混行车辆雾模型研究

目前搭载高级驾驶辅助系统和车联网（Vehicular Ad Hoc Network,VANET）技术的智能网联车（Intelligent Connected Vehicles,ICV）正大量涌入人工驾驶车（Manual Vehicle,MV）流之中,ICV与MV共存的异构车辆混行交通态势逐步形成,异构车辆之间的交互产生壁垒。混行之下单个ICV虽可依托单车硬件传感与单车计算单元实现与MV的交互意图识别,但其受有限算力与有限传感的影响,资源负载增大,时效性与安全性方面存在一定的误差与风险,而混行之下的VANET技术也不能够提供全局性车路资源用以高度匹配ICV与MV的交互场景,而且越来越多的ICV计算需求也在激增VANET的负载压力。对此,结合边缘计算概念中的雾计算理论,提出混行车辆雾模型（Mixed Vehicle Fog,MVF）,充分发挥车联网络边缘节点能力,通过合理整合调度ICV资源的方法,解决对MV正常交互意图计算的时效性与安全性问题。该模型首先通过各感知单元响应混行交通环境下ICV与MV的正常交互事件,然后利用基于容错节点分簇的资源调度算法（Fault-tolerant Node Clustering Resource Scheduling Algorithm,FNC-RSA）,动态划分局部路段内对交互事件具有相关意图感知与计算需求的ICV为一组协同雾群,再评估雾内ICV节点自身资源与路由代价,定向定量调度资源,最终实现雾群内部MV交互信息共享与驾驶意图协同计算。试验借助Prescan和MATLAB搭建联合仿真平台,与低能耗自适应分簇型路由算法（Low Energy Adaptive Clustering Hierarchy,LEACH）模型对比,验证MVF模型的运行效率与模型鲁棒性。研究结果表明：MVF模型通过交互事件细分协同雾群,保证了计算负载均衡,提高了ICV定向资源计算与传输效率,比LEACH模型降低了55.17%的平均跳数,缩短了45.40%的平均任务完成时间,抗时延干扰能力强,鲁棒性能优异。该模型对于打破混行环境异构车辆交互壁垒,提高混行道路交通行车安全,创造车联网络良性发展空间具有积极作用。     

新一代信息通信技术影响下的智能网联汽车数据资源发展分析

文章从现实状况来进行分析,将智能网联汽车需要的数据资源划分为四个类型,分别是为决策提供支持的数据、满足网联交互的数据以及测评过程中获得的数据、产业服务中搜集的数据,对这些数据进行了分析,希望能够为智能网联汽车的发展提供充足的数据支持.