智慧公路毫米波雷达感知精度分析与验证

毫米波雷达是当前智慧公路中路侧感知系统的重要组成部分,在交通流运行态势感知与智能管控、车路协同与自动驾驶中广泛应用。然而,车辆与毫米波雷达之间的相对位置、相对姿态的变化会对雷达信号回波及点云分布产生影响,导致雷达对车辆的感知结果出现偏差,进而影响交通系统的管控决策。分析毫米波雷达感知精度的空间特征,对于指导毫米波雷达在智慧公路中的应用至关重要。为此,基于毫米波雷达的感知原理,综合考虑毫米波雷达信号处理与点云数据处理2个阶段中的感知误差来源,通过数值仿真与实测试验相结合的方式对目标在不同位置与姿态下毫米波雷达的感知精度特征进行分析与验证。研究表明：雷达纵向感知精度主要受到与车辆相对位置的影响,当车辆与雷达纵向距离小于30 m或大于200 m时,车辆位置感知结果会向车头或车尾方向显著偏移,相应产生的纵向感知误差通常超过0.5 m;雷达横向感知精度主要受到车辆横向位置及相对姿态的影响,当车辆横向位置偏离雷达中心光束超过5 m或车辆行驶的航向角超过40°时,车辆位置感知结果会向车身侧向偏移,相应产生的横向感知误差通常超过0.5 m。得到的影响因素分析结果,可进一步为智慧公路场景中毫米波雷达感知...     

考虑大气条件影响的自动泊车系统超声波雷达建模

超声波雷达是自动泊车系统最常用的环境感知传感器，而超声波雷达的精确建模是自动泊车系统仿真分析的难点。本文提出了一种考虑大气条件影响的超声波雷达建模方法，将空气温度、湿度、大气压力这3项大气条件纳入建模体系。首先分析了超声波雷达的工作机理，明确了超声波雷达模型应由检测范围模型与检测距离模型两部分组成；而后推导了大气条件、目标物特性和超声波吸收能量损失、传播能量损失之间的定量关系，建立了检测范围模型；并根据大气条件求解真实声速，进一步将距离真值修正为真实超声波雷达检测值，建立了检测距离模型；最后对建立的超声波雷达模型进行了测试验证。结果表明，所建立的超声波雷达模型可以精确模拟超声波雷达在自动泊车场景中的检测范围与检测距离。     

车路协同下车队避让紧急车辆的换道引导方法

为保证紧急车辆更安全、高效地到达紧急事故现场,基于车路协同系统,提出车队避让紧急车辆的换道引导策略。针对目标车道无车辆、有车辆和有车队3种不同场景,分别提出确保紧急车辆快速通过的协同换道策略。通过协同换道策略引导紧急车辆前方行驶的车队和目标车道的车辆改变速度以调整车辆间距,使其满足换道安全距离,依据换道轨迹规划使车队完成换道,并提出紧急车辆发送紧急避让信号的位置方法,计算当不影响紧急车辆的速度情况下,其发送紧急避让信号时与车队尾车的最短距离。利用SUMO交通仿真软件,实现车路协同环境下3种不同场景车队避让紧急车辆的换道引导,并比较目标车道为车队的场景下,车队换道至目标车队的每个空档中（方式A）和车队换道至目标车队的同一个空档中（方式B）2种不同的换道引导策略。研究结果表明：目标车道有车队的场景下,方式B的协同换道时间更短,发送紧急信号的位置距车队尾车82 m,较方式A的87 m更近,对周围车辆影响更小,因此此场景采用方式B的协同换道策略;在目标车道无车辆、有车辆和有车队3种场景下,紧急车辆分别距车队尾车71,71,82 m时发送紧急避让信号,其可以维持期望速度,验证了最短距离与车辆速度的关系式;与未使用换道引导策略的情况相比,紧急车辆的速度提高,延误减少。     

强降雨场景下自适应巡航控制系统的安全控制策略

本文针对强降雨场景下毫米波雷达的目标运动非预期测量误差较大引发ACC系统的预期功能安全问题,提出了强降雨场景下自适应巡航控制系统的安全控制策略。首先使用双状态卡方对毫米波雷达输出的目标信息进行检验,以确定其是否存在安全风险;接着通过卡尔曼滤波对存在安全风险的目标信息进行修正;然后将修正的目标信息输入ACC控制器控制车辆运动状态,实现安全控制;最后通过搭建的Prescan/Simulink联合仿真平台对提出的安全控制策略进行了仿真验证。结果表明：双状态卡方检验可及时检测风险信息（检测时间偏差在1.31 s以内）,卡尔曼滤波修正误差在3.66 m以内,有效保证了ACC系统在强降雨场景下安全稳定运行。     

强降雨场景下自适应巡航控制系统的安全控制策略EI北大核心CSCD

本文针对强降雨场景下毫米波雷达的目标运动非预期测量误差较大引发ACC系统的预期功能安全问题,提出了强降雨场景下自适应巡航控制系统的安全控制策略。首先使用双状态卡方对毫米波雷达输出的目标信息进行检验,以确定其是否存在安全风险;接着通过卡尔曼滤波对存在安全风险的目标信息进行修正;然后将修正的目标信息输入ACC控制器控制车辆运动状态,实现安全控制;最后通过搭建的Prescan/Simulink联合仿真平台对提出的安全控制策略进行了仿真验证。结果表明:双状态卡方检验可及时检测风险信息(检测时间偏差在1.31 s以内),卡尔曼滤波修正误差在3.66 m以内,有效保证了ACC系统在强降雨场景下安全稳定运行。     

汽车雷达场景仿真方法的研究

文章基于电大尺寸电磁波仿真技术,提出民一种能够根据电磁波仿真结果 S参数计算出实际雷达回波信号的方法。该方法能够模拟运动在多目标复杂场景下的雷达回波信号,综合了天线参数、目标RCS变化和地面多径影响等多方面因素。将仿真结果与实测进行对比发现,二者吻合较好,证明了仿真结果的正确性与可靠性。由于仿真工具可以在不进行实车测试的情况下提供准确的雷达数据用于优化雷达算法,文中建立的场景仿真方法可大幅提高毫米波雷达研发的验证效率。     

奔驰EQC纯电动新技术剖析（二）

<正>自动启用能量回收的无级增加(如同传动驱动的降挡一样),以保持与前方车辆的相同距离,节约电能中的动能。通过不具有识别装置的雷达传感器系统的能量回收的示意图如图7所示。雷达探测范围内没有车辆或检测到的车辆正在移动。能量回收自动无级减少,直至确保自由加速/超速运转模式。为防止自由加速,例如对于红色交通信号灯或交叉口,超速运转模式在城市交通     

网联车辆检测设备受电磁干扰试验信号影响的研究

汽车智能化、网联化的飞速发展带动了汽车电子化、智能化、集成化产业的发展，但与此同时，也带来了更加复杂的车内外电磁环境。车辆网联通信功能在复杂电磁环境下的可靠运行，轻则关乎用车舒适度，重则影响行车安全性。因此，网联车辆的电磁可靠性至关重要。然而实验室内完成汽车网联通信功能电磁可靠性测试离不开搭建网联仿真场景的检测设备。本文从保护网联车辆场景搭建测试设备在电磁干扰试验中的可靠性出发，设计方案进行摸底研究，分别在不同场强、不同频率、不同天线位置下，测试网联车辆检测设备端接收到的信号强度；并通过对测试数据进行分析处理，给出推荐测试布置，为后续网联车辆检测的完善化、标准化提供了一定的参考。     

通过配置及模式设定优化车载毫米波雷达探测距离的研究

车载毫米波雷达,是当前高等级自动驾驶系统中不可或缺的传感器,相对于其它类型传感器,在探测目标的距离和速度方面有明显优势。目前,高等级自动驾驶系统对距离探测的要求需达到190m以上,但由于一款车载毫米波雷达允许的尺寸、制造工艺等对其性能有较大的限制,无论是在仿真测试还是实车测试,探测距离均难以满足需求。本文通过DID配置,对车载毫米波雷达工作调制模式进行设置等尝试对探测距离进行优化,使其进一步满足车载应用场景的需求。     

不同车辆密度下的车联网最大路由跳数仿真研究

为提高车联网通信在智能交通系统及无人驾驶应用中的通信质量和可靠性,通过将网络最大路由跳数参数选择与车辆密度相关联,研究在不同的车辆密度情况下,选择不同的最大路由跳数参数对网络各项性能指标的影响.利用泊松分布模型,建立了最大路由跳数和车辆密度的节点连接性概率及数据包投递率的数学模型,在理论上分析了最大路由跳数参数和车辆密度对通信质量的影响.基于Veins仿真平台,分别对不同车辆密度下的直道场景和城市道路场景做仿真实验,并对数据包投递率、平均路由跳数和平均端到端延时做统计分析.结果表明,最大路由跳数参数地选择对网络的性能有着重要影响,越小的车辆密度通常对应于越大的最大路由跳数最佳数值,在车辆密度一定时,实验中选择的最佳最大路由跳数可以将直道场景下的平均包投递最大提升约20%,城市场景下的实时包投递率最大提升约6%.      

交叉路口转弯车辆对横穿行人的避撞策略

针对交叉路口转弯车辆与横穿行人碰撞的危险场景,提出了一种综合碰撞时间和制动距离的避撞策略.首先,建立转弯车辆与行人的位置关系模型,确定行人目标跟踪方法,然后,通过比较行人进入转弯区域时间、避撞剩余时间、行人离开转弯区域时间的关系确定行人是否为危险目标,最后,建立此种场景下的制动安全距离模型并确定了避撞策略.通过PreS...     

考虑前后多车的网联自动驾驶车辆混流跟驰模型

随着中国新基建战略的提出及自动驾驶和网联通信技术的不断发展，网联自动驾驶车辆（CAV）、自动驾驶车辆（AV）和常规人驾车辆混行的交通流将在未来长时间存在。建立适用于网联自动驾驶车辆、自动驾驶车辆和常规人驾车辆3种类型车辆的混流跟驰模型，考虑多前后车车头间距、多前车速度差、加速度差、与主体车辆的相对距离等因素，并进行典型场景的数值仿真。刹车和起步过程的3种混流数值仿真结果显示，模型在几种典型混行场景下均具有可行性，车辆的加速度和速度变化更为平缓。不同CAV比例下的数值仿真结果显示，车队中CAV比例越高，车队整体恢复至平稳状态的时间越短，波动幅度越小。CAV均质流数值仿真结果表明，与MHVAD模型相比，该模型不稳定区域减小33.8%，所控制的车队速度波动幅度减小14%。CAV与AV混流的数值仿真结果显示，与PATH实验室模型相比，由该模型控制的车队加速度进入相对稳定状态提前5.5 s。该模型可用于不同车辆均质流及3种车辆混行的队列控制，在目前开展混行实车试验困难的情况下，也可应用该模型进行混行跟驰仿真，从而为混行交通流的道路交通管理及基础设施布设提供理论依据和模型支持。     

基于凸优化的燃料电池汽车节能驾驶研究

为实现燃料电池汽车在多信号灯场景下的节能驾驶，本文中提出一种基于分层凸优化的快速车速规划和能量管理方法。结合车辆静态氢耗图，运用动态规划获得车辆通过信号灯的最优绿灯窗口，并确定最优行驶路径的搜索区域。建立以车辆需求功率累计最小为优化目标求解车辆加速度的二次规划问题，并运用Matlab/OSQP求解器获取车辆最优行驶路径。根据最优行驶路径，采用基于交替方向乘子法的能量管理策略，实现各动力源输出功率的合理分配。针对9个信号灯场景的仿真结果表明，所提方法的电机工作点平均效率比智能驾驶员模型高10%，氢耗低45%。此外，该方法计算速度快，具备实时优化的潜力。     

快速路出口至前方灯控路口合理距离研究

应用Vissim微观仿真模型研究城市快速路菱形立交出口至前方灯控平交路口合理距离,分析了出口下游辅路交织区在不同交通量组合情况下交织长度的变化规律,并以排队长度为评价指标研究由于平交口信号灯造成各转向车辆的延误,研究表明：出口到平面交叉口停车线的合理距离决定于交叉口各转向车辆最大排队长度、交织长度及辅路附加车道长度。在流量组合1下,取值215 m;在流量组合2下,取值305 m;在流量组合3下,应加大出口与平交口之间距离,并采取相应的交通组织管理措施来保证出口下游辅路车辆的正常运行。     

汽车雷达多目标跟踪的模糊数据关联

介绍了一种量测(新测目标)到目标(已知目标)之间的模糊数据关联方法，将模糊聚类均值方法和决策逻辑方法相结合，利用Mahalanobis距离代替聚类运算中的欧氏距离，使量测与目标预测值之间的相似性度量更准确，应用决策逻辑确定量测与目标预测值的关联关系。仿真表明这种方法简单，在杂波环境下，有较高的跟踪精度，这种方法可以用于道路条件下，基于汽车雷达的多目标的可靠跟踪。     

融合毫米波雷达与深度视觉的多目标检测与跟踪

针对现有融合毫米波雷达与传统机器视觉的车辆检测算法准确率较低与实时性较差的问题,本文中对多目标检测与跟踪进行研究。首先,利用阈值筛选和前后帧数据关联方法对毫米波雷达数据进行预处理,进而提出一种用于毫米波雷达数据跟踪的自适应扩展卡尔曼滤波算法。然后,为提高目标检测精度与速度,基于采集到的实车数据集训练卷积神经网络,完成深度视觉的多车辆检测。最后,采用决策级融合策略融合毫米波雷达与深度视觉信息,设计了一种用于复杂交通环境下前方车辆多目标检测与跟踪的框架。为验证所设计的框架,进行了不同交通环境下的实车实验。结果表明:该方法可实时检测跟踪前方车辆,具有比融合毫米波雷达与传统机器视觉的车辆检测方法更好的可靠性与鲁棒性。     

基于雷达和视觉技术的车辆跟踪窗口

针对基于视觉技术的运动检测鲁棒性差、计算量大的缺点,提出一种融合雷达与视觉信息建立车辆跟踪窗口的方法。采用动力学模型描述车辆运动,通过基于雷达量测的扩展卡尔曼滤波(EKF)估计,确定目标初始位置,然后根据灰度信息自适应调整跟踪窗口的中心位置及尺寸,快速而准确地建立起以目标形心为中心且适合目标大小的跟踪窗口,缩小了后续图像处理区域。三维场景仿真实验证明,该融合方法能快速有效地建立起目标的跟踪窗口。     

智能车辆多传感器融合策略

传统车辆自主换道研究多以理想道路曲率及车辆间简化的相对运动为前提,通过匹配采样周期将车路数据直接传入控制器,难以验证系统在真实环境下的可靠性。文章设计了一种多传感器布置方案及融合策略,并在Matlab/Simulink平台构建高速公路仿真场景,验证多传感器融合策略的有效性。其仿真结果表明,该多传感器融合策略能够在高速场景下实现对目标车辆的持续跟踪,模拟智能车辆环境感知、数据融合过程,进而为智能车辆自主换道系统的开发提供技术参考。     

智能车场景建模及仿真

对智能车场景建模及仿真应用进行了研究,对用于智能车开发和测试的交通场景进行了定义,并提出了搭建场景的框架,设计了仿真场景搭建流程以便规范和快速搭建智能车测试场景,在此基础上集成了车辆模型和控制算法,实现了场景模型、车辆模型和控制模型的联合仿真。     

基于C-V2X自适应巡航仿真研究

在传统的自适应巡航(Adaptive Cruise Control ACC)控制中,主要依靠雷达或视觉对车辆周围环境的感知,但是在一些情况,比如:下雨、雾天或者在弯道行驶时,因为传感器对外界感知能力的不足,造成自适应巡航体验不佳;为克服雷达和视觉传感器的不足,文章主要基于C-V2X(Cellular Vehicle to Everything)技术,结合RSU(Road Side Unit)发送局部地图,实现车辆对周边车辆的感知。在弯曲道路下,ACC利用车车通信V2V(Vehicle to Vehicle)和RSU发送的MAP消息集,实现对不同车道的目标车辆进行实时切换,保障车辆在弯道上的ACC行驶安全。通过Matlab/Simulink搭建基于C-V2X的ACC算法,通过仿真表明利用C-V2X的ACC在弯道上能够根据RSU提供的MAP消息集,针对不同车道远车RV(Remote Vehicle)进行实时的目标切换,同时主车HV(Host Vehicle)能够与跟踪目标车辆保持安全距离,实现车辆安全行驶。