动态交通信息处理技术研究

信息是智能交通系统的关键,ITS的各种功能都是以信息应用为中心展开的。交通信息处理系统是ITS各子系统联系的纽带和中枢,为ITS提供信息保障。阐述了交通信息处理系统的重要性和基本功能,对国内外交通信息处理技术进行了分析比较。在此基础上给出了系统框架流程设计,并对交通数据质量控制、信息融合、交通数据集成和存储等信息处理的关键技术进行了探讨。     

基于智能网联汽车静态电流控制方法浅析

本文介绍智能网联汽车静态电流产生对整车的影响,以及如何通过系统性改进的方法来降低接KL30常电控制器模块的静态电流的控制方法,从而避免整车亏电现象的出现。     

基于RBF神经网络的智能网联车辆队列控制

为了消除大多数现有智能网联车辆队列控制成果中车辆纵向动力学模型已知的假设,研究具有未知动态的智能网联车辆的队列控制问题,提出了基于径向基函数神经网络的分布式车辆队列控制方案。该方案先利用欧拉法将车辆的纵向动力学模型进行了离散化,后结合反步法和径向基函数神经网络设计了离散分布式车辆队列控制器。相较于现有成果,该方案通过利用径向基函数神经网络逼近车辆的未知非线性动态,取消了车辆动力学特性完全已知的假设。此外,相较连续的队列控制算法,离散的控制算法更适合数字控制器的实现。最后,通过理论分析和仿真模拟的方式验证了所提出算法的有效性。     

智能网联车辆加速车道类人化汇入控制研究

为研究智能网联车辆(Intelligent Connected Vehicle, ICV)与高速公路主线传统人工驾驶车辆(Human-driven Vehicle, HDV)交互时通过高速公路加速车道的汇入控制算法,提出了一种融合随机森林(Random Forest, RF)算法和深度Q网络(Deep Q-network, DQN)算法的ICV汇入控制模型(DQN-RF)。首先,建立路侧数据采集平台,采集了中国G70高速公路加速车道汇入区域HDV的真实汇入过程数据。其次,考虑汇入环境车辆历史数据流和汇入车在加速车道的汇入紧迫度,建立了基于RF算法的类人化汇入决策模型。采用城市交通仿真(Simulation of Urban Mobility, SUMO)平台搭建了高速公路加速车道ICV汇入场景,并基于Python语言建立了ICV汇入控制深度强化学习测试脚本环境,建立了基于DQN的纵向加速度控制算法。最后,将RF汇入决策模型嵌入DQN纵向加速度控制算法中,实现了ICV汇入决策和纵向加速度控制的融合。将SUMO内置的LC2013换道模型与DQN模型融合为DQN-LC2013模型,作为基线模...     

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。     

智能网联车辆生态驾驶研究现状及展望

作为近年来智能网联汽车领域的研究焦点,生态驾驶旨在提高驾驶安全的基础上,通过改善驾驶行为,有效缓解能源消耗和污染排放等问题,引起了各国政府、企业、高校和研究机构等的高度重视。同时,随着智能网联车辆技术的迅速发展,网联环境为生态驾驶提供了新的发展契机。为了分析智能网联车辆生态驾驶的研究进展,通过与传统生态驾驶进行对比,从车辆自身特性、驾驶人个性、道路交通状况与社会条件4个方面分析了智能网联环境下的生态驾驶的影响因素;从生态驾驶控制策略和生态驾驶应用现状2个方面对现有智能网联生态驾驶研究进行了归纳与分析;并从影响因素、控制策略和决策优化3个方面讨论了生态驾驶的意义、应用与目前所存在的问题,致力于为未来的相关研究提供有益的指导与借鉴。分析结果表明：智能网联环境下的生态驾驶和传统生态驾驶的影响因素较为相似,不过网联传感器和通信条件对智能网联环境生态驾驶有着较为显著的影响;相较于传统生态驾驶,智能网联环境下生态驾驶的控制策略与决策优化多考虑复杂驾驶工况、多车级别的全局生态驾驶;且由于各种新型技术的快速发展,结合先进的技术、适应行业发展需要也将成为未来智能网联生态驾驶发展的必然趋势。     

网联车辆并线预测与巡航控制的研究

为检测旁车道车辆驾驶员的并线意图,提升网联车辆巡航跟车的主动安全性,提出了一种基于NAR神经网络学习的迭代循环预测算法。NAR神经网络的训练样本由实际交通环境中的车辆并线数据获得,通过训练的网络预测未来一段时间内旁车的横向行驶轨迹,并根据划定的监控区域计算旁车的切入概率。同时,提出了一种考虑并线概率的跟车距离策略,并应用到网联车辆CACC系统中。结果表明,所提出的并线预测算法能精确计算出旁车的横向换道轨迹,所提出的跟车策略可提升车辆的跟车安全性。     

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%。     

基于混合域优化控制的智能网联车辆运动规划模型

智能网联车辆具备提高交通安全与效率、降低能耗的巨大潜力.作为智能网联车辆决策控制的重要环节,运动规划对于智能网联车辆的循迹精度、控制效果具有显著影响.为了提高智能网联车辆控制精度,提出了一种智能网联车辆运动规划模型.该模型以追踪参考路径为目标,基于时空混合域的优化控制方法,避免了轨迹追踪过程中横向控制掺杂纵向误差的影响...     

网联交叉口信号-车辆轨迹协同优化控制方法

为了提升网联交叉口车辆通行效率与燃油经济性,设计了一种网联信控交叉口协同控制应用场景,提出了一种分层解耦式网联交叉口信号-车辆轨迹协同优化控制方法,其中顶层采用"作业调度"和遗传算法以最小化交叉口平均旅行时间延误为优化目标实现信号配时与相序优化;底层结合最优配时结果,采用分段优化方法以最小化平均燃油消耗为优化目标实现车...     

电子信息技术在智能交通信号控制系统中的运用研究

当前电子信息技术的发展水平已经达到了一定的高度,并且在智能交通信号的控制系统之中应用的频率非常高,对于系统的稳定运行起到了保障作用.本文主要针对智能交通信号控制系统与信息技术之间的关系进行研究,希望能够推动智能交通信号控制系统运行水平的提升,从而为广大群众的日常出行提供便利.     

智能网联汽车数据安全管理研究

智能网联汽车大数据已经成为推动自动驾驶技术迭代更新,促进产业生态创新发展的基础性战略资源,随之而来的用户隐私和数据安全问题受到了社会各界的广泛关注。分析了智能网联汽车数据区别于一般大数据的典型特征,针对不同类别的数据进行了权属问题研究,认为除基础属性信息外,其他数据都应在匿名处理后进行分析应用。研究提出了目前数据产业化应用的4种典型场景。在国内外关于汽车数据安全保护相关法律法规的框架下,从国家、行业、企业3个层面分析提出了规范数据采集处理、强化数据挖掘应用的策略建议。     

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。     

城市道路交叉口交通信号控制系统的发展及现状

介绍当前国际通用的3种交通控制系统，并从城市交叉口的智能控制及优化角度分析比较这3种系统中信号配时优化的方法和各自的特点，以及国内的研究进展，并指出当前交通控制中尚存在的问题。     

智能网联汽车信息安全关键技术

随着我国科学技术和网络技术的不断发展,汽车产业主要将智能化和网络化联合起来,形成智能网联汽车产业,是目前我国汽车产业发展的重要构成.不管是以往汽车产业,还是现阶段的新兴产业,都在不断的对产业布局进行调整,促进商业化发展.对于智能网联汽车来说,是汽车产业发展的一项机遇,同时也面临着一些信息安全问题.对此,本文主要对智能网...     

基于模糊神经网络的智能车辆循迹控制

为提高智能车辆自主循迹控制的精度,提出了一种基于模糊神经网络控制( FNNC)和神经网络预测( NNP)的智能循迹控制策略。转向控制器的输入量有3个：预瞄点处的横向循迹误差、汽车横摆角速度和侧向加速度。车速控制器的输入量有4个：预瞄点处的面积误差、侧向加速度、汽车侧偏角和转向盘转角。网络训练采用误差反向传播法。仿真与试验结果表明,所设计的循迹控制器通过对驾驶员操作样本的训练,能实现对车辆的车速与转向控制,横向循迹误差和目标车速均比较理想。     

搭载自动驾驶功能的智能网联汽车安全测试与评估方法研究

目前,针对搭载自动驾驶功能的智能网联汽车,国内外正在广泛开展特定设计运行条件下的道路测试、示范应用等工作,其安全测试与评估方法已经成为当前行业研究的热点和难点。从第三方视角出发,重点针对汽车智能化、网联化面临的主要安全风险,将智能网联汽车的安全测试与评估分为基础测评和监测调整两个阶段。在基础测评阶段,综合评估产品对过程保障及测试要求的符合情况;在监测调整阶段,基于对车辆实际安全状态的监测,适时调整安全评估结果。在此基础上,重点梳理了基于场景的测试、安全评估、监测等测评方法的内在逻辑及原则要求。分别阐述了功能安全、预期功能安全、网络安全和数据安全等过程保障方法及主要要求,以及模拟仿真、封闭场地、实际道路、网络安全和数据安全、软件升级、数据记录等测试方法及主要要求。提出的方法为特定设计运行条件下,具有自动驾驶功能的智能网联汽车综合安全评估提供了参考。     

智能车辆控制的研究进展

根据智能车辆控制系统与控制方法的最新进展,对车辆纵向控制方法、横向或转向控制方法、车辆间的通讯策略以及车辆综合控制方法等方面的研究进行了详细的分析和对比,并重点提出了低能见度条件下的车辆控制这一研究课题,最后对下一步的研究工作进行了展望。     

智能网联技术应用于混合动力汽车探析

文章简要介绍了混合动力汽车和智能网联技术的研究现状,阐明了混合动力汽车与智能网联技术相结合的意义。着重论述了在智能网联环境下混合动力汽车进行能量管理的优势以及混合动力汽车实现智能网联的技术要求,最后对未来二者的依托发展进行了展望。