汽车VS二轮车十字路口事故场景研究

为研究十字路口发生的汽车与二轮车事故场景,基于NAIS事故数据库中发生在十字路口的汽车与二轮车事故数据开展研究。选择描述十字路口事故关键参数,依据事故发生时环境照明、十字路口信号灯、汽车所在道路车道数、道路限速、汽车种类、汽车速度、汽车运动方式、第一碰撞点、二轮车种类、二轮车运动方式等参数,对事故数据进行聚类分析,得到5类主要危险场景。基于发生频率最大和骑车人死亡风险最高的场景具有危险场景代表性,最终得到2类十字路口汽车与二轮车的典型事故场景。为十字路口汽车与二轮车的冲突消解、避撞策略研究提供参考。     

基于深度学习的智能车辆视觉里程计技术发展综述

针对基于模型的视觉里程计在光照条件恶劣的情况下存在鲁棒性差、回环检测准确率低、动态场景中精度不够、无法对场景进行语义理解等问题,利用深度学习可以弥补其不足。首先,简略介绍了基于模型的里程计的研究现状,然后对比了常用的智能车数据集,将基于深度学习的视觉里程计分为有监督学习、无监督学习和模型法与深度学习结合3种,从网络结构、输入和输出特征、鲁棒性等方面进行分析,最后,讨论了基于深度学习的智能车辆视觉里程计研究热点,从视觉里程计在动态场景的鲁棒性优化、多传感器融合、场景语义分割3个方面对智能车辆视觉里程计技术的发展趋势进行了展望。     

基于近邻目标区域表征与CVAE的智能汽车测试场景生成方法

基于场景的虚拟测试是研发高安全、高可靠智能汽车的必要手段,场景自动生成技术对于智能汽车测试场景库的构建具有重要意义。为此,针对多车动态测试场景,提出一种基于近邻目标区域表征(NORR)和条件变分自编码器(CVAE)的场景生成方法,实现复杂测试场景的快速生成以及对生成场景类型的控制。首先,针对高速公路场景特征,提出应用NORR方法对场景情境进行描述,将测试场景中关键车辆目标信息转化为尺度统一的灰度图像。接着,利用HighD自然车辆轨迹数据集提取大量场景片段,经过数据规范化处理后构建出真实场景库。在此基础上,以场景中车辆目标数量为条件参数,训练基于条件变分自编码器的生成模型,能够生成包含8条车辆轨迹的动态测试场景。通过计算生成样本集的匹配误差、覆盖度和不合理性3个指标,检验生成模型在样本真实性、多样性和合理性方面的表现。验证结果显示：(1)相比随机轨迹采样方法和基于GAN的生成模型,VAE模型生成的样本质量最好,其生成样本集的平均匹配误差小于5.22,覆盖度能达到57.2%,不合理样本比例仅为1.7%;(2)所提出的NORR方法有助于提高生成模型的场景生成效果;(3)CVAE模型能够在条件...     

基于强化学习DDPG的智能车辆轨迹跟踪控制

针对智能车辆在轨迹跟踪过程中的横向控制问题,提出一种基于强化学习中深度确定性策略梯度算法（Deep Deterministic Policy Gradient,DDPG）的智能车辆轨迹跟踪控制方法。首先,将智能车辆的跟踪控制描述为一个基于马尔可夫决策过程（MDP）的强化学习过程,强化学习的主体是由Actor神经网络和Critic神经网络构成的Actor-Critic框架;强化学习的环境包括车辆模型、跟踪模型、道路模型和回报函数。其次,所提出方法的学习主体以DDPG方法更新,其中采用回忆缓冲区解决样本相关性的问题,复制结构相同的神经网络解决更新发散问题。最后,将所提出的方法在不同场景中进行训练验证,并与深度Q学习方法（Deep Q-Learning,DQN）和模型预测控制（Model Predictive Control,MPC）方法进行比较。研究结果表明：基于DDPG的强化学习方法所用学习时间短,轨迹跟踪控制过程中横向偏差和角偏差小,且能满足不同车速下的跟踪要求;采用DDPG和DQN强化学习方法在不同场景下均能达到训练片段的最大累计回报;在2种仿真场景中,基于DDPG的学习总时长分别为DQN的9.53%和44.19%,单个片段的学习时长仅为DQN的20.28%和22.09%;以DDPG、DQN和MPC控制方法进行控制时,在场景1中,基于DDPG方法的最大横向偏差分别为DQN和MPC的87.5%和50%,仿真时间分别为DQN和MPC的12.88%和53.45%;在场景2中,基于DDPG方法的最大横向偏差分别为DQN和MPC的75%和21.34%,仿真时间分别为DQN和MPC的20.64%和58.60%。     

基于OpenGL的交互式虚拟三维事故场景构建

OpenGL是一个硬件和图形软件接口。使用OpenGL很容易实现模型的各种变换、着色、光照、纹理、交互操作和即时动画。使用OpenGL三维图形语言和VC 6．0的MFC编程技术，在计算机上实现虚拟的三维事故场景构建，开发相应的计算机软件3DPlayer，并对如何提高场景的真实感和动画的显示效率进行探讨。     

基于场景元素的智能网联汽车场景构建研究

在智能网联汽车测试评价中,场景库搭建与道路测试一直都是其难点。文中对智能网联汽车功能的典型测试场景搭建及测试方法进行分析与研究,首先分析智能网联汽车驾驶场景的来源,从典型驾驶场景中归纳出基本场景元素库,以场景元素库为基础实现测试场景库搭建;然后在PreScan中进行场景虚拟重构,进行自动驾驶功能模拟仿真;最后基于真实道路场景搭建对车辆自动驾驶功能进行实车测试。     

基于三维激光雷达的智能车辆SLAM技术研究

智能车辆实现自主导航的必要条件之一是定位技术,目前基于三维激光雷达的同步定位与建图（SLAM）技术是定位技术的主流方案。文章从三维激光SLAM的算法框架和关键模块进行总结,具体讨论了扫描匹配、后端优化、闭环检测、地图构建等关键模块的常用算法及改进;综述了几种开源的三维激光SLAM,并对比了其优缺点;对在应用中激光雷达局部点云稀疏、Z轴的漂移以及动态对象引发的噪声影响等关键性问题进行了分析阐述;指出了基于三维激光雷达的SLAM与深度学习相结合、多传感器融合是未来三维激光SLAM的发展和研究方向。     

基于NAIS数据库中视频信息的人—车碰撞事故特征分析

选取中国国家车辆事故深度调查体系(NAIS)数据库中51例包含视频的人—车碰撞事故,进行了特征分析,分析内容包括:人—车碰撞危险场景、碰撞前人—车相对位置、行人碰撞运动响应、人—车碰撞包络线分布、头部落点分布等。结果表明:提取的10种场景,基本覆盖了各种人—车碰撞事故工况;对行人的探测,视场角(FoV)比探测距离更重要;轿车易导致行人正向旋转,单厢车易导致行人负向旋转;人—车碰撞包络线(WAD)主要集中在车辆两侧;致命伤的头部落点主要集中在前风窗玻璃下半部分、左右侧中部以及A柱附近。因此,基于碰撞视频信息可提高人—车碰撞事故特征分析的准确性。     

基于二次规划的智能车辆动态换道轨迹规划研究

为实现智能车辆的自主换道操作并满足安全性、舒适性和实时性等约束条件,提出一种针对动态交通环境的换道轨迹规划模型.该模型由道路平面曲线表征模块、路径生成模块以及速度曲线生成模块组成.首先,在道路平面曲线表征模块中,模型基于实时获取的周边道路信息,利用切比雪夫多项式插值法回归拟合出连续可导的道路平面曲线函数,用以保证模型在...     

基于可拓切换控制方法的智能车辆车道保持系统研究（双语出版）

针对道路曲率变化范围较大时,智能车辆在大曲率道路工况车道保持控制精度低的问题,提出一种基于可拓切换控制理论的智能车辆车道保持控制系统,该车道保持系统由上层可拓控制器和下层控制器两部分组成。在上层可拓控制器中,通过车道线检测得到车辆相对于道路的位置信息和道路曲率信息。根据可拓集合理论,选取预瞄点处横向位置偏差和前方道路曲率值作为可拓集合的特征值并划分可拓集合,求解关联函数,并根据关联函数值将车辆-道路系统状态分为经典域、可拓域和非域。在下层控制器中,在经典域采用基于横向位置偏差和航向偏差的PID反馈控制器,在可拓域中采用基于前方道路曲率的PID前馈-反馈控制器,非域中车辆-道路系统处于完全失控状态,采取紧急制动。2种仿真工况结果表明：相比于单一PID反馈控制,提出的车道保持控制系统,有效抑制了在大曲率道路下的跟踪误差值,提高了智能驾驶汽车在时变曲率的道路工况下车道保持控制精度和工况适应性。     

基于车辆变形的事故再现反推方法研究

车辆变形是交通事故发生后易测和不易被损坏的特征.文中利用车辆变形量、刚度系数、汽车碰撞角度等状态参数,结合动量、动能定律建立汽车碰撞反推计算模型,反推计算事故发生时车辆的运动状态,为交通事故分析提供参考;运用该计算模型反推事故实例,并将所得结果与交通事故分析软件PC crash分析结果对比,验证计算模型的正确性和可行性.     

基于交通事故深度调查数据的行人头部损伤特征研究

基于未来出行交通事故场景研究 （Future Mobile Traffic Accident Scenario Study,FASS） 数据库中135例人车碰 撞事故深度调查数据,对造成行人头部损伤的来源及车速对头部损伤来源的影响进行了统计分析。采用Spearman相关系 数检验法,建立了车辆速度区间与头部平均 MAIS 的回归模型。结果表明,行人头部致伤物主要来源于车辆,占比约 58%,其次为地面,占比约40%。行人事故中,碰撞车速对行人头部损伤来源的分布情况有一定的影响,当车速低于30 km/h时,行人头部损伤主要来源为地面,当车速为 ［30,50］ km/h时,车辆和地面对行人头部造成的损伤风险相近,当 车速高于 50 km/h时,行人头部损伤主要致伤物来源为车辆。因此,在进行交通损伤流行病学研究、交通损伤事故数据 库构建时,特别是在中低速碰撞中,应重视地面对头部造成损伤的风险。     

基于单目视觉的区域交通智能车辆道路边界检测方法研究

基于单目视觉的道路边界检测由于其在车辆辅助驾驶系统中的重要应用价值成为当前计算机视觉和智能车辆领域最为活跃的研究课题之一。指出图像边缘检测现有算法的不足,采用领域平均法对图像进行平滑处理,根据图像的边缘特征运用Prewitt算子实现边缘增强,以获取精确的边缘信息。使用最大熵算法分割二值化图像进一步减少噪声,从而得到良好的道路特征图像数据。利用道路约束条件,建立视觉系统动态感兴趣区域(DAOI),运用改进的Hough变换最终识别道路边界。试验结果表明:本文所述算法不仅能准确、实时检测出道路板边界,而且能有效地抑制噪声,为区域交通智能车辆的换道和超车提供研究基础。     

基于DRL的四轮独立驱动电动车辆的侧向车速估计

为精确估计车辆行驶状态,提出了一种四轮独立驱动电动车辆侧向车速估计方法。基于深度强化学习(DRL)范式,设计了侧向车速估计方法的架构;基于深度确定性策略梯度(DDPG)算法,设计了DRL智能体;采用循环神经网络,搭建了DDPG算法中的Actor网络和Critic网络。基于设计的奖励函数和训练场景,借助Matlab/Simulink软件,完成了算法的实现和训练;并通过在车辆双车道变换等实际行驶工况的仿真,进行了验证。结果表明：在经过了630次的学习训练之后,与扩展Kalman滤波方法相比,本文方法的估计精度提升40%。因而,本文方法能够在常用行驶工况中对车辆侧向车速进行估计。     

道路交通事故车辆深度调查与安全缺陷治理研究

<正>目前国内开展道路交通事故车辆深度调查、数据分析和安全缺陷治理的机制和方法不够完善,本文通过研究和借鉴国外事故车辆深度调查与安全缺陷治理经验,提出改进我国事故车辆深度调查与安全缺陷治理工作机制和方法的建议。开展道路交通事故车辆深度调查,分析车辆设计、制造等方面存在的缺陷,进而开展有针对性的治理,是提升道路机动车辆运行安全水平的有效手段。国外汽车先进国家一般都建立了相对统一、完善的车辆事故车辆深度调     

基于场景的智能网联汽车模拟仿真测试评估方法与实践

搭载自动驾驶功能的智能网联汽车因可在其设计运行条件内承担全部动态驾驶任务,面临安全验证与评估挑战。基于场景的智能网联汽车安全测试评估方法已成为广泛的行业共识,模拟仿真测试是其重要手段之一。从第三方视角,针对自动驾驶安全性、高场景覆盖度、逻辑完备性等测试验证目标,搭建基于软件在环的模拟仿真测试环境框架,在此基础上研究基于设计运行条件覆盖的测试场景集构建方法,探索形成一套高可信智能网联汽车模拟仿真测试评估方法,并在特定应用场景进行初步实践。研究成果为模拟仿真测试在智能网联汽车安全测试与评估中的落地应用提供了参考。