基于车路协同的车辆定位算法研究

为解决道路交叉口车辆由于定位信号缺失或者延迟引起的车辆定位偏差较大的问题,提出了基于车路协同的协同地图匹配算法（cooperative map-matching,CMM）. 首先利用扩展Kalman滤波（extended Kalman filter,EKF）融合GPS与车载航位推算系统（vehicular dead reckoning,DR）信息作为协同地图匹配的预先定位;然后基于短程通讯技术实现车辆信息的交换与共享,在电子地图的基础上,利用道路约束实现车辆进一步定位. 为了验证算法的有效性,搭建了模拟真实场景的仿真环境进行实验. 研究结果表明:采用EKF融合GPS/DR数据的交叉口车辆定位平均偏差为9.09 m,相比GPS 的14.31 m,定位偏差减小30.87%;采用CMM算法的交叉口车辆,当参与CMM车辆数为7时,平均位置偏差为4.5 m,参与CMM车辆数为10辆时,平均位置偏差为2.75 m,相比EKF定位偏差减小69.74%.      

车路协同系统的视景仿真模型

在车路协同系统仿真的基础上,以局部交通网络的实时交通仿真为例,建立了车路协同系统视景仿真模型库,确立了视景仿真系统的框架体系结构。将视景仿真集成为整个仿真系统的一个联邦成员,建立了车车信息交互、车路信息交互的典型视景仿真功能模型。使用LOD模型简化技术对视景仿真功能模型进行分解,生成了5个不同精细程度的LOD模型。采用DOF、LOD、Switch功能化节点,从节点结构上优化了典型应用场景中的交叉口信号灯、车辆运动等相关模型,建立了一套类似模型几何形状的层级节点结构。构建了车路协同系统可视化视景仿真平台,包括HLA/RTI信息交互与控制模块、车路协同数据处理模块、信息交互模块、模型引导控制模块、视角动态切换模块与模型状态参数动态显示模块。采用建模优化相关技术,对典型交通场景进行了视景仿真。仿真结果表明:通过LOD模型简化技术,模型简化率最高可达95.5%,内存占用减少86.3%;通过视景仿真方法的使用,提高了渲染效率与系统仿真效率,车路协同典型交通场景验证了仿真方法的可行性。     

基于交通业务特征理解的车路协同可信交互方法

为保障车路协同环境下信息的可信交互，分析了车车、车路协同信息交互流程和不同模式下的交互需求，设计了车路协同可信交互架构；构建了车辆行为状态推演模型与路径扰动因子量化模型，设计了车辆主体可信度计算方法与等级评估规则，实现了车辆主体行为可信认证；通过对交通业务的有效特征理解构建了消息紧急度量化模型，利用低分辨率筛选策略初步过滤了消息报文，基于支持向量机(SVM)对消息内容进行了深度理解，形成了多分辨率交互内容认知方法；使用包含OMNeT++和SUMO仿真模拟器的Veins搭建了仿真测试环境，针对不同网联自动驾驶车辆(CAV)渗透率下的开放道路和交叉口场景开展了仿真试验，对提出的车路协同可信交互方法进行了测试验证。研究结果表明:结合交通业务特征理解能够有效改善车路协同信息交互的可信度判别，提出的方法对信标位置消息的平均认知正确率可以达到90.91%，相比基于时效性检测的可信交互方法提高了8.68%；在安全效率消息可信交互验证试验中，随着恶意车辆比例的增加，传统基于投票机制的车路协同可信交互方法逐渐失效，而提出的方法在保证单次认证时延小于13 ms的条件下，平均正确率达到94.96%，较传统基于反向传播(BP)神经网络的方法提高了3.05%，且CAV渗透率越大，可信交互检测结果的准确率越高，漏报率越低，能够满足车路协同可信交互需求。      

混行环境下网联信号交叉口车路协同控制方法

为了提高网联信号交叉口车路协同控制对真实交通环境的适应性,以智能网联汽车与网联人工驾驶汽车混行的典型交通应用场景为研究对象,通过构建八相位网联信号交叉口,研究了混行环境下的交通信号和网联车辆轨迹车路协同优化控制方法;在对场景中的网联车辆运动学特性和跟驰行为进行建模的基础上,构建了一种混行车辆编队方法;基于混行车队模型、安全约束与燃油消耗模型,建立了基于滚动优化的交通信号-车辆轨迹协同优化控制方法;基于异步分层优化思路,将该协同控制问题分解为上层交通信号优化与下层车辆轨迹优化两方面,以交叉口车辆行驶延误时间和燃油消耗量为优化目标,利用遗传算法和“三段式”轨迹优化法分别对交通信号优化问题与车辆轨迹优化问题进行求解;对不同稳态车速与智能网联汽车渗透率下构建的混行交通流的稳定性进行了验证,并通过仿真测试分析了所提出的协同优化控制方法的控制效能与关键参数对控制效能的影响。分析结果表明：在不同交通流量与智能网联汽车渗透率下,提出的控制方法均可有效提升交叉口通行效率与燃油经济性;在完全渗透环境下,较固定配时交通信号控制方法最高可分别提升57.3%和13.3%;随着智能网联汽车渗透率的增加,其控制效能...     

基于GNSS／DSRC融合的协同车辆定位方法

以全球导航卫星系统（GNSS）定位与专用短程无线通信（DSRC）协同定位的集成信息融合为目标,在DSRC协同定位层面,基于水平精度因子最小化原则,提出了一种邻车节点的优选策略。在GNSS/DSRC融合定位层面,采用分散式融合估计思想,设计了一种松耦合模式下的车辆组合定位方法,基于GNSS、DSRC 并行滤波进行全局估计,利用反馈策略改善了对不同定位条件的适应能力。利用车路协同仿真平台对协同车辆定位方法进行了仿真验证。验证结果表明：邻车节点优选策略显著提升了DSRC定位精度,将其用于GNSS/DSRC融合定位,在常规运行条件下,带反馈机制的分散式估计精度优于单传感器模式与无反馈分散式估计精度;在给定的GNSS 多径干扰条件下,东向、北向位置估计的均方根误差与单GNSS模式相比分别降低了42．6％和37．0％,与集中式融合估计相比分别降低了24．8％和20．3％。协同车辆定位方法的定位性能优于常规定位方案,对GNSS多径干扰条件具有良好的适应能力,具备更优的精确性、可用性及工程应用价值。     

面向车路协同的智慧路侧系统设计

车路协同是智慧交通与自动驾驶融合发展的重要方式,针对自动驾驶功能需求,提出一种面向车路协同的智慧交通路侧系统。设计了一套基于多边接入边缘计算单元、车路协同通信单元、实时动态差分定位基站、融合感知等融合技术的系统架构,通过在既有路灯与标志牌杆件上部署车路通信设备、多传感器融合感知设备、边缘计算单元、高精定位基站等,为车辆提供交叉口车速引导、安全预警、高精地图服务,实际应用证明该系统可有效提升通行效率、行车安全。     

基于车路信息交互的车辆卫星定位协同定权方法

为确保基于卫星导航系统的车辆定位性能满足特定交通应用需求，本文针对导航卫星观 测量权重分配对复杂动态运行环境的跟踪适配问题，建立基于车路信息交互的车辆卫星定位协 同定位增强总体框架；基于加权最小二乘定位解算模式，设计基于轻量级梯度提升机建模与多车 信息综合决策的协同定权方法，提出面向学习建模通道的导航卫星伪距残差轻量级梯度提升机 建模方案，面向定权计算通道设计了基于多车信息综合决策的导航卫星观测量权重决策策略。 实验结果表明：运用轻量级梯度提升机构建伪距残差模型，相较于支持向量机、随机森林以及仅 基于基础卫星观测特征的轻量级梯度提升机，均方根误差分别降低了62.1%，29.9%，60.4%；运用所建立的预测模型协同定权所得水平误差标准差，相对于等权和卫星仰角/信噪比组合定权策略分别降低了48.5%和47.6%。研究结果对于充分发挥车路协同系统模式下，信息交互机制的核心优势和优化车辆卫星定位性能具有重要意义。     

车路协同环境下车辆群体协同决策研究综述

从车路协同环境下车辆群体协同决策机制、协同决策方法与典型应用场景方面分析了国内外车辆群体协同决策的研究现状;考虑车辆群体协同决策机制的不同,系统梳理了集中式和分布式2种决策机制的相关研究;针对车辆群体协同决策方法的多样性,以基于优化和基于启发式2类决策方法为主线,对比分析了不同决策方法的优劣;考虑车辆群体协同决策应用场景的不同,全面分析了匝道、路口、路段和路网等多个应用场景下车辆群体协同决策的相关理论与研究;考虑国内外车辆协同决策典型项目进展,分别梳理了中国、美国、日本和欧洲代表性车辆群体协同决策项目任务、建设与实施情况;从系统结构、普适模型和示范场景3个方面提出了未来车路协同环境下车辆群体协同决策的发展趋势。研究结果表明:集中式车辆群体协同决策机制有助于提升局部区域内的车辆通行性能,分布式车辆群体协同决策机制有助于提升全局范围内的交通运行状态;基于优化的车辆群体协同决策方法在特定场景下可最大程度提升决策效果,基于启发式的车辆群体协同决策方法在大多数场景下可获得可行的决策效果;由于不同场景下车辆群体协同决策问题的复杂性有所不同,需要在统一框架下做针对性建模。研究结果可为车路协同环境下新型混合交通系统的管理与控制提供参考。      

基于卡尔曼滤波的GPS/DR导航信息融合方法

为了有效地实现GPS/DR(Global Positioning System/Dead Reckoning)组合导航系统的信息融合,提高GPS/DR组合导航系统的精度和可靠性,分析了传统的利用全球定位系统(GPS)与航位推算系统(DR)跟踪车辆位置方法的特点,结合GPS和航位推算DR两种定位方式的优点,在车辆定位技术中采用GPS/DR组合定位技术,构建了基于卡尔曼滤波技术的自适应联合卡尔曼滤波器,使用Matlab软件工具进行了计算机仿真验证,从软件集成的角度探讨了GPS/DR组合定位技术的串口通信等关键技术的软件实现问题,给出了GPS单独导航、DR单独导航和GPS/DR组合导航三种工作状态下的位置误差。从对比中可以看出,组合系统能在任何情况下实现车辆的实时、可靠、准确的定位,定位误差最小,同时还可以减小甚至消除推算定位系统随时间积累的误差。     

新型混合交通交叉口信号与车辆轨迹协同控制方法

新型混合交通环境下的交叉口交通控制可通过信号灯控制与自动驾驶车辆的轨迹控制协同实现,能够极大地优化道路通行资源利用效率。已有研究中,信号配时与车辆轨迹集中优化的控制策略难以应用于车辆自组织控制的现实场景,且往往计算复杂度较高。本文提出一种无中心框架下基于逻辑的交叉口信号与车辆轨迹协同控制方法。基于协同理论中的快慢变量主动伺服控制原理,设计一种交叉口信号配时慢变量与车辆轨迹策略快变量协同框架,并分别提出基于逻辑的信号配时优化和网联自动驾驶车辆轨迹协同控制方法。协同控制方法可以在车辆自主控制的条件下,一方面,实现交叉口信号配时动态适应交通需求;另一方面,实现网联自动驾驶车辆主动优化驾驶速度,高效通过交叉口。而且网联自动驾驶车辆在进口道可引导混合车队高效通过交叉口,降低绿灯启动损失,提高交叉口通行效率。仿真实验表明,本文的协同控制方法相较于传统控制方法可显著降低交叉口车辆平均延误,同时,基于逻辑的决策模型可实现快速求解。通过对网联自动驾驶车辆控制策略关键参数的敏感性分析,进一步讨论新型混合交通流交叉口通行公平性,并比较在不同网联自动驾驶车辆渗透率下的控制效果。