面向无人驾驶的数据采集与分析系统研究综述

车辆在行驶时会产生大量复杂的数据,对这些数据的采集和分析会促进无人驾驶技术的发展.通过研究,将无人驾驶所需数据分为交通场景数据和驾驶行为数据两类,综述了两类数据的采集和分析技术的发展历程及研究现状,并综合考虑企业、高校和相关研发机构的需求,提出了交通场景和驾驶行为数据采集系统需要向着建立本土化大规模的采集系统和建立基于...     

车路协同技术在城市交通中的应用研究

本文阐述了车路协同技术的基本概念,并从车、路、边、网、云等方面分析了车路协同技术在智慧交通中的应用途径。结合车路协同技术,对城市交通中典型应用场景进行分析研究,得出车路协同技术的应用有利于提升城市交通智能化、信息化水平,对解决城市交通拥堵、道路安全等问题,提升交通系统运行效率有着现实意义。     

基于自动驾驶的车辆安全技术应用探讨

中国大量的道路基建工程建设充当着城市化发展的重要指标之一,然而交通基建并不能时刻满足日益增长的交通需求,随之而来的交通事故推动着车辆自身的安全及预警技术的研发,而该技术正是自动驾驶技术的基础。自动驾驶通过感知（传感器与创建环境地图）、规划（寻找与优化路径）与执行（ECU驱动车辆自动驾驶和安全功能）三个层面来实现,车辆自身的安全技术可被归纳为被动安全技术、防碰撞预警技术、主动安全技术和主动式无人驾驶技术,因此自动驾驶也是实现车辆安全技术的最高等级,然而即使是当下已商用的自动驾驶系统也不能完全保障交通安全,不成熟的避让算法、机器识别效率或处理系统高负载运行崩溃将更容易触发致命事故。自动驾驶的发展具有明朗的前景,但需要与智慧道路形成更高层次的环境感知水平,从而真正的推动人、车、路交通三要素有机结合,在更完善的交通感知环境中全方位保障三者在交通参与过程中的安全,助力车辆自动驾驶技术实现相应的社会价值。     

地面无人驾驶技术现状及应用

车辆智能化及无人驾驶技术是智能交通研究中的重要领域。国防科技大学从1987年起开始进行无人驾驶技术研究,先后成功研制多代无人驾驶平台。面向高速公路环境的红旗HQ3无人驾驶汽车的研制始于2006年,并于2011年7月完成了从长沙到武汉的长距离高速无人驾驶实验,全程286公里,用时约3个半小时,自主超车60余次,人工干预里程小于1%。此外,在车辆辅助驾驶应用领域,国防科技大学也拥有碰撞预警、自主泊车、驾驶人身份鉴别、车道跑偏告警等原理样机。     

向“无人驾驶”努力车辆驾驶辅助系统

想想你希望自己的坐驾拥有哪些智能的科技？自动收集有用的路况信息对于城市驾驶者来说应该是非常实用的，这样我们可以避免拥堵，挑选一条最佳路径。而在长距离奔波时，如果电子系统能接过枯燥的驾驶则是很享受的事情。甚至再多一点奢望，如果在我们疲于驾驶的时候，车辆能自动运行那就最理想了。     

智能交通系统中的公交车辆调度方法研究

针对公交车辆调度现状及所处的运营环境 ,利用遗传算法 ( Genetic Algorithm,GA)的智能化特征 ,进行了公交车辆智能调度方法的研究。采用 GA的一点和二点交叉方式 ,确定了三种规模的不同调度方式。以北京 375路车运营线路为实例 ,得到了简洁的 GA公交车辆调度结果。仿真结果表明 ,该方法可有效地改善公交车辆运营调度优化效果 ,提高公交车辆的运营效率 ,为城市公交车辆智能化调度管理提供合理、有效的调度方法     

车路协同下路侧交通设施体系及道路分级研究

交通基础设施与自动驾驶车辆之间的协同能提高自动驾驶的安全性和可靠性。通过对自动驾驶车辆功能局限性进行分析,找出自动驾驶车辆对路侧交通设施的潜在需求,从功能角度将路侧交通设施分为常规交通管理设施、交通协同设施、基站及网络设施、高精度定位设施及路内服务设施等,构建了车路协同路侧交通设施体系;在此基础上,从路侧设施配套分级设置的角度,提出四级自动驾驶道路分级标准,以及配套路侧设施设置要求,细化完善当前自动驾驶“路端”管理方面的技术要求,为管理部门提供参考。     

车路协同环境下驾驶行为特性与交通安全综述

随着车路协同技术的发展,车路协同安全应用的相关技术是否会影响驾驶人的感知、判断、操作等驾驶行为受到愈来愈多的关注.基于这样的背景,通过对国内外车路协同技术的当前研究进展进行综述,分析车路协同环境下驾驶行为的变化,从而得出在车路协同安全应用技术全面推广之前,应充分评估车路协同技术对驾驶人行为,以及驾驶安全可靠性的影响,特别是如何最大限度地发挥其安全保障作用.     

基于PRT交通系统的自动防护系统

PRT个人捷运交通系统为无人驾驶功能的新型交通系统,具备乘坐舒适、搭乘便捷、较低建设成本、较低运营成本的优点。PRT系统由小型车辆及其专用走行线路组成,将传统人等车的理念转变为车等人。文章分析了适用于PRT车辆的专用自动防护系统(AVP系统),其独立于PRT的中央控制系统,利用物理块原理实现车辆自动防护及防撞,确保所有车辆在线路上有序运行,确保车辆无追尾、碰撞等安全事故发生,确保车辆在线路交汇处安全有序通过。文章从AVP系统的结构组成、信号时许、可靠性分析入手,可为后续PRT工程提供参考。     

车路协同条件下智能网联汽车一体化决策模型

为了探索当前有限数据条件下面临的无限交通场景问题,提出车路协同条件下基于深度强化学习智能网联汽车决策模型。利用Actor-Critic机制,以highway-env为数据来源,抽取144 h交通数据作为训练数据并进行验证,分析了智能网联汽车在不同车道数条件下的驾驶行为。结果显示,本模型汽车行程时间减少20%以上,碰撞概率减少25%以上,换道轨迹可以通过动力学跟踪。     

自动驾驶车辆混行集聚MAS控制模型

随着车路协同技术和自动驾驶技术的不断发展,越来越多的网联自动驾驶车辆(Connected and Autonomous Vehicle,CAV)涌入道路交通,与传统人工驾驶车辆(Human Pilot Vehicle,HPV)形成混合交通流(Mixed Traffic Stream,MTS).为在提高MTS交通流量的同...     

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。     

人机混驾环境下基于LSTM的无人驾驶车辆换道行为模型

道路系统中的人机混驾交通环境是指人工驾驶车辆与自动驾驶车辆混合运行的交通环境,其中换道行为建模是人机混驾环境下无人驾驶车辆行为研究的热点。基于深度学习理论,构建人机混驾环境下基于长短期记忆神经网络的无人驾驶车辆换道行为模型（Long-short-term-memory-based Autonomous Vehicles Lane Changing,LSTM-LC）。通过研究人工驾驶车辆在换道过程中与周边车辆的相互作用,对换道行为影响因素进行分析;同时,为了提升模型的迁移性,引入道路横向偏移量信息。结合LSTM神经网络的输入要求,使用美国公开交通数据集Next Generation SIMulation（NGSIM）构建换道行为样本库。针对LSTM-LC模型,以均方差MSE作为损失函数,使用RMSprop优化方法进行训练,对LSTM网络结构、历史序列长度N及训练样本量3个重要参数进行标定。最后,针对道路横向偏移量M对LSTM-LC模型性能的影响进行对比试验。研究结果表明：相比GRU-LC模型,LSTM-LC模型对换道行为的表征更准确,在模型的精度和迁移性上有着显著的提升;GRU-LC模型的均方差为4.64 m²,迁移性均方差为119.82 m²,而LSTM-LC模型的均方差为3.18 m²,迁移性均方差为79.58 m²,分别优化了31.5%和39.71%;通过引入道路横向偏移量M,可将LSTM-LC模型精度和迁移性提升约10%,且模型稳定性更强。     

路段上集群智能网联汽车的车队形成机制

智能网联汽车是解决城市交通问题的关键技术之一,对于未来城市智能交通体系建设有着关键作用.集群的智能网联汽车已经具备了涌现的基本条件,设计科学合理的交互规则,可以实现车辆的自组织,分布式涌现控制.以微观仿真软件VISSIM及C2X模块为研究平台,修改驾驶模型参数,在C2X模块中编程实现3条交互规则:速度一致、尽量靠近、避...     

面向智能车辆的现役道路设施行驶适应性研究综述

为了总结面向智能车辆的现役道路设施行驶适应性,即现役道路基础设施承载智能车辆行驶的适宜程度,阐述自主智能驾驶定义与驾驶自动化等级分类,在此基础上剖析不同等级间的人机功能差异,并分别从感知层、感知-决策层、决策-控制层探讨与道路设计要素相关联的人机功能差异,通过归纳总结智能车辆与道路几何要素、路面性能及其他道路要素(如道路标线)的相互作用机制研究,从道路工程角度及其他道路要素方面回顾该领域的研究现状,指出存在的问题和未来发展方向。研究结果表明：相比传统车辆,配置高等级自动驾驶系统的智能车辆对现役道路设施行驶适应性最高,主动安全系统次之,而驾驶辅助及有条件自动驾驶系统适应性不足。而目前研究主要问题包括：难以归纳、标定不同驾驶自动化等级间的人机功能差异及其对于道路设计参数的需求设计值;测试道路场景条件过于理想,考虑的驾驶自动化等级单一,试验规模和样本有限;道路几何、路面性能以及道路标志、标线等道路要素与智能车辆间的相互作用机制研究不足,缺乏与不同道路场景相匹配的智能车辆驾驶特征数据的获取手段。因此建议：重视并推动与道路设计要素相关联的关键人机功能差异指标信息共享;联合高保真且可交互的道路场景、高精度感知传感器物理模型、车辆动力学模型及微观交通流模型,利用测试场景自动化生成、极限工况场景搜寻与泛化等技术开展智能驾驶虚拟测试,突破现有研究的深度和广度;探索反映不同等级智能车辆的道路行驶适应性特征指标与评价标准,精准、有效地评估预测复杂道路场景及不利道路条件下的行驶适应性。     

平直高速公路低交通量下L2自动驾驶对驾驶人心理负荷的影响

为研究驾驶人在L2自动驾驶模式下的心理负荷特性,设计了正常驾驶和次任务驾驶2种状态,进行实车高速道路试验,采集21名被试驾驶人在2种驾驶状态下分别选择手动驾驶和自动驾驶模式的眼动数据、次任务绩效和主观评价数据.采用重复测量一般线性模型,分析不同驾驶模式对上述参数的影响,从客观和主观两方面分析驾驶人的心理负荷变化.结果表...     

人机混驾环境下无信号交叉口自动驾驶汽车左转运动规划研究

为了使自动驾驶汽车在人机混驾环境下能安全、高效地左转通过无信号交叉口,在借鉴人类驾驶人左转时会对周围车辆驾驶意图进行提前预判的基础上,提出了 一种基于周围车辆驾驶意图预测的自动驾驶汽车左转运动规划模型.首先将无信号交叉口处周围车辆的驾驶意图分为左转、右转、直行3种类型,利用相关向量机预测周围车辆驾驶意图,以概率形式输出...     

移动交通检测系统中探测车的样本数量

基于各国移动交通检测系统中探测车样本数量问题的研究现状,分析了现有成果存在的不足。在考虑探测车速度、计算时间间隔、数据精度要求等因素基础上,针对交通流密度均匀分布和非均匀分布两种情况,利用数理统计方法建立了道路网上探测车样本数量的双层模型。结果表明:当计算时间间隔为5 min时,若道路网上交通流密度均匀分布,则探测车比例至少为5.0%;若道路网上交通流密度非均匀分布,则探测车比例至少为7.0%。     

道路与交通工程系统分析

针对道路与交通工程规划、设计、修建和营运管理问题的特点,通过运用综合系统分析方法论、微观经济概念等学科知识,提出了进行资源配置、方案选择和工程系统分析的目的、步骤及内容。