智能车辆的障碍物检测研究方法综述

按照使用传感器的不同类型来分类，对智能车辆的障碍物检测和识别技术进行了综述，并分析各种障碍物检测方法。这些方法中主要包括基于立体视觉方法、基于激光雷达的方法：基于彩色机器视觉的方法及基于结构光的方法等等，同时作者指出任何一种有效的障碍物检测系统不能只依靠单一传感器进行环境感知，因此利用多种传感器信息融合技术检测智能车辆前方障碍物，是未来该领域的研究重点与难点。另外，还介绍了近几年一些研究机构在该领域的研究成果，并对所使用的一些算法进行简要的概括，为我国在智能车辆的障碍物检测领域的发展提供借鉴。     

世界智能车辆行驶安全保障技术的研究进展

综述世界智能车辆行驶安全保障技术研究进展，重点介绍世界主要发达国家智能车辆行驶安全保障技术的应用现状和发展计划，提出智能车辆安全保障技术当前存在的一些问题，展望今后的发展趋势。     

智能车辆队列行驶控制研究

<正>本文介绍了利用车辆间的无线通信共享GPS修正信息,并采用实时动态差分法(RTK)-GPS对车辆队列行驶进行控制。采用车载GPS观测信息进行研究在ITS(智能交通系统)方面历经数多年,尤其是AVSS(先进的车辆控制与安全系统)可以获取GPS观测信息应用于汽车自动驾驶,效果非常好。     

多模式共驾智能车行驶安全性评估研究

多模式协同驾驶是智能车发展过程中必须经历的一个不可或缺的阶段,而行驶安全性评价是多模式共驾智能车需解决的一个关键问题.为此,采用多通道驾驶模拟系统展开实验研究.实验选取15名驾驶员,在3类特定的场景下分别开展实验.并对实验过程中采集的与行驶安全性相关的9个关系变量进行统计分析.在此基础上,采用贝叶斯网络方法构建多模式智能车行驶安全性评估模型,通过对模型进行敏感性分析发现,驾驶人的注视时效性、注视点分配、驾驶里程和驾龄对行驶安全性有着重要的影响,其敏感性指数分别达到0.31,0.26,0.16和0.14.由此可见,要实现多模式共驾智能车的安全行驶,关注驾驶人的注意力特性和驾驶经验显得尤为重要.     

智能车辆系统辨识与控制算法研究

采用逆M序列作为系统的输入信号,通过最小二乘算法得到车辆转向系统、驱动系统的传递函数,结合车辆预瞄运动学模型和车辆二自由度转向动力学模型,建立车辆转向控制与位置误差数学模型.根据现代控制理论设计最优导航控制器稳定跟踪目标路径,基于Backstepping函数控制算法,选取Lyapunov函数设计智能车辆换道及超车轨迹跟踪控制器.仿真分析和试验结果表明:所设计的控制器在智能车辆户外自主导航中具有良好的跟踪性能.     

基于人-车-路协同仿真的山区道路大型车辆行驶适应性分析

为提高山区道路大型车辆的行驶安全性,构建人-车-路协同仿真系统,在3条复杂山区道路上开展代表性驾驶模式的大客车和重载货车虚拟行驶试验,根据仿真输出的车辆运动学/动力学响应参量和驾驶输入量,分别进行设计符合性、车辆通过性、运行速度协调性、行驶舒适性以及驾驶负荷度等5个方面的检验分析。结果表明:通过以上分析能确定危险位置的临界安全速度、超长货车通过急弯时的越出宽度和越出位置、不协调的线形单元以及行驶舒适度和驾驶负荷度较差的位置,进而可以实施靶向性的几何参数改进,增加山区公路与大型车辆之间的适应性,最终达到提高山区公路设计质量和安全性的目的。     

行车紧急度主观判断与车辆行驶控制

在交通部试验场利用动态心电分析仪、Frecord数据采集系统及动态GPS,研究驾驶员特征对紧急状况主观评价和车辆行驶控制的影响。研究表明,具有不同驾驶经验、个性、年龄特征的驾驶员对同一紧急状况做出的紧急度主观评价和制动操纵存在差异,其中驾驶经验的影响最明显。经验丰富的驾驶员采用减速度相对较小,变化相对平缓;相对于谨慎型驾驶员而言、鲁莽型驾驶员制动减速度变化剧烈;年龄对驾驶员操纵也有一定影响,通常年轻驾驶员会进行快速制动,这与驾驶员的生理状况有很大关系。研究结果可为驾驶员安全管理提供理论依据。     

道路几何设计对车辆行驶特性影响机理研究

道路是由人、路、车辆等组成的综合体系,车辆行驶受到道路几何参数的影响较大.首先分析了直线、圆曲线、坡长、坡度等参数对车辆行驶的影响.随后利用Carsim软件建立的车辆模型、道路模型及人-车-路的综合仿真模型,并利用双移线法分析了模型的可靠度.最后依托某城市快速路,利用车速变化系数Kv和侧滑安全系数Ks分析了车辆行驶特性...     

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。     

智能车辆的行人检测技术研究

行人检测作为智能车辆的关键技术,已成为业内共同关注的研究热点。随着机器视觉、计算机技术等不断发展,行人检测的进展很快。     

基于道路线形的智能汽车事故多发路段预判模型

分析了道路线形对智能汽车行驶安全性的影响,分别使用数据驱动的机器学习方法和模型驱动的经典数学建模方法,建立了以道路线形技术指标为输入的神经网络模型和多元数学模型,预测事故多发路段;计算了各个道路线形技术指标与事故率之间的偏相关系数,从中挑选出与事故率相关程度较大的道路线形特征,使用T检验和F检验验证了道路线形特征组合和...     

共享无人驾驶交通系统调度技术综述

众多研究证明共享无人驾驶车辆（SAVs）交通系统,能够实现车辆完全可控并为乘客提供个性化服务,即克服导致共享单车大量倒闭的运维和调配难题,也可消除制约公交竞争力的准时性、舒适性、覆盖性差的不足,有望成为未来城市交通的主体出行模式之一,并在很大程度上解决交通拥堵、环境污染、能源紧缺等城市病。基于此,总结SAVs交通系统相对传统共享车辆系统在不同运行模式方面的优点及不足,综述SAVs交通系统的调度技术。从SAVs交通系统运行过程出发,总结并分析SAVs交通系统不同运行方式,包括SAVs交通系统出行需求产生方式、车辆与需求匹配方式、车辆路径规划与车辆再平衡方式,以及运行方式与系统参数发生变化时对车辆行驶里程、车辆行驶时间、车队规模、乘客等待时间和服务水平等系统性能的积极与消极影响。对现有成果的梳理发现对于SAVs交通系统运行与性能的研究虽然取得了很大进展,但对于选择SAVs的出行需求计算多未考虑需求转移的影响,能够有效在大型路网中使用的系统模型与算法依然缺乏,且对于SAVs交通系统的调度研究考虑的形式可以更加多样,使之更符合现实情况。最后,基于提高SAVs系统性能对未来研究方向进行了展望,提出一些可能的研究课题。研究成果可为SAVs交通系统的研究提供参考。     

半刚性基层沥青路面交通荷载适应能力分析

根据路面状况和车辆轴载的长期检测数据,以及路面养护维修历史数据,分析了几种典型路面结构下路面破损状况、路面平整度、路面强度与累计当量轴次之间的关系。根据所得到的典型路面结构的使用性能变化规律,分别按路面破损状况、平整度、强度指标估计路面结构能够承受的交通荷载作用次数,得到了典型半刚性沥青路面结构的交通荷载适应能力。     

人机共驾智能车驾驶模式决策属性析取研究

为了深入分析驾驶模式决策影响因子,通过实车试验采集了人-车-路多源特征信息。用驾驶人主观经验将驾驶模式划分为人工驾驶、警示辅助、自动驾驶3种状态,并利用采集的驾驶人血流量脉冲（BVP）和皮肤电导（SC）值进行K均值聚类,将驾驶人当前合适的驾驶模式自动聚类为3级。通过融合驾驶人自汇报结果和聚类结果对驾驶模式进行准确标定。采用以信息增益为依据的Ranker算法对多特征进行排序,并在此基础上,根据多分类器分级结果确定最优特征属性集合。研究结果表明：当选取车速、车头时距、车道中心距离、前轮转角标准差、驾驶经验5个指标为特征子集时,支持向量机、朴素贝叶斯及K近邻这3种分类器的识别准确率都超过90%;除警示辅助模式与自动驾驶模式下的车速值和车道中心距之外,其余所有不同模式决策属性值均呈显著性差异;研究结果可为人机共驾智能车驾驶模式决策提供依据。     

基于驾驶意图识别的插电式混合动力汽车智能算法研究

对基于规则类的定参数控制算法中的控制参数进行优化,建立驾驶意图的模糊识别模型,制定智能算法,并进行仿真分析.结果表明:智能算法使得整车的需求转矩更加准确,车辆对驾驶员的适应性更强,燃油经济性更好.     

冰雪路面摩擦特性与运营风险管控研究综述

冰雪路面的交通安全问题一直是中国交通行业面对的难题,对冰雪路面运营风险进行智能管控是保障交通安全的有效途径。为了推动冰雪路面智能管控技术的应用,明确研究中的关键问题和未来发展方向,综述了国内外冰雪路面智能管控的相关研究进展。首先,阐述了冰雪对交通带来的影响,揭示了人、车、路三者与交通事故的关系,明确了冰雪路面交通事故的根本诱因是由冰雪导致的路面摩擦特性下降;然后,讨论了冰雪路面的胎-冰-路摩擦机理、影响因素、预估模型及其评价方法;进而,对比分析了路表冰雪状态感知技术的多种原理及其适用性,提出了可以用于智能管控的冰雪感知技术要求;最后,总结归纳了常见的冰雪路面运营的静态、动态风险管控方式,其中静态管控方式包括气象法、历史事故数据法和力学特性法,动态方式包括动力学特性法、交通流特性法和综合风险分析法,综合风险分析法可以表征道路运营风险的多因素动态变化,是未来冰雪路面智能管控的主要方式。     

中国道路工程学术研究综述·2013

为了促进中国道路工程学科的发展,系统梳理了国内外道路工程领域(包括路基工程、路面工程、公路支挡结构、道路几何设计)的学术研究现状、热点前沿、存在问题、具体对策及发展前景.首先对路基沉降变形特征、拓宽路基沉降控制、路基稳定性分析方法、特殊土路基处治技术等进行了综述;并对沥青及其混合料、水泥混凝土路面和多年冻土地区路面分别进行了分析;同时基于支挡结构特点,对公路常用支挡结构的适用条件、加固原理、设计计算理论等研究成果进行了总结;最后对道路智能选线及3D道路设计技术、道路交叉设计、面向路线设计的汽车行驶特性预测技术、路线设计质量评价技术等新理念、新技术进行了剖析,以期为道路工程学科的学术研究提供新的视角和基础资料.     

用于智能驾驶系统评价的乘员损伤模型

只有较少的交通事故数据资源被用于建立基于碰撞速度信息的乘员损伤模型,致使所得到的模型精度差。为此,提出了基于车辆变形深度的乘员损伤模型。对美国不同制造年代和车辆级别的事故数据进行聚类分析,论证出车辆变形深度与乘员损伤风险具有相关性。以车辆变形深度为自变量,通过回归分析得到乘员损伤模型。不同种类车辆的乘员损伤模型拟合精度R²约为0.9,证明了该模型的正确性。为进一步验证,以此模型为基础,评价智能驾驶系统的有效性。以自动紧急制动系统为例,对比基于变形深度和速度变化量信息2种方法的有效性计算结果。结果表明：2组结果的平均误差不超过1%,验证了基于变形深度的乘员损伤模型的准确性。该模型仅需要事故数据库中准确的变形深度信息,能够获得更多的事故数据支持,从而可以更好地适应于不同类别智能驾驶系统的评价需求。     

老年驾驶人的驾驶自我调节研究述评

随着社会人口老龄化的发展,老年驾驶人的占比逐年增加,提升老年人的驾驶安全性对于其安全自主出行和公共交通安全均具有重要意义。驾驶自我调节是老年驾驶人为适应身体、认知功能变化而对驾驶行为做出的主动调整,是其提升驾驶安全性、延长驾驶生命和维持自主行动能力的有效补偿策略。通过对已有关于老年驾驶人的驾驶自我调节研究进行系统回顾,介绍了老年驾驶人的驾驶自我调节行为的定义及其表现,归纳分析了其驾驶自我调节行为的影响因素及产生机制,在此基础上总结了现有研究的局限,并指出了未来进一步研究的主要思路和方向。对文献的梳理和分析表明：老年驾驶人的驾驶自我调节包括减少驾驶频率和回避具有挑战性的驾驶情境2种主要形式,并可分为策略性、战术性和生活目标性自我调节3种不同的层次水平;驾驶自我调节是一个复杂的过程,社会人口因素、生理健康和功能状况、心理因素等均可对其产生影响;驾驶自我调节的产生机制可以被概括为是个体从认知到态度改变,再到形成调节行为意向,直至最终发生驾驶行为改变的动态决策过程。未来对老年驾驶人的驾驶自我调节行为研究应更进一步将客观驾驶行为数据、医疗机构数据与驾驶人主观自我报告相结合,适当开展追踪研究,考察驾驶自我调节行为随年龄的发展变化趋势,深入探究驾驶自我调节的产生机制及其在降低事故发生和提升驾驶安全性方面的作用。     

基于深度学习的土木基础设施裂缝检测综述

基于深度学习的裂缝检测对于降低基础设施运营风险、节约运维成本并推进中国土木工程行业智能化转型具有重要意义。算法、数据集和评价指标是构建深度学习裂缝检测模型的关键要素;裂缝检测模型集成于机器人平台,从而实现对土木基础设施的全自动裂缝检测。为此,从以上4个方面对当前研究进行了系统梳理。首先,回顾了深度学习的发展历程,重点介绍了深度卷积神经网络在计算机视觉领域的应用及其在图像处理方面较传统算法所具有的显著优势。接着,详细介绍了3类基于深度学习的裂缝检测主流算法,包括分类算法、目标检测算法和语义分割算法。然后,对现有裂缝图像数据集以及模型性能评价指标进行了归纳。最后,总结了土木基础设施的各类裂缝检测机器人平台。综合分析表明：基于卷积神经网络主干结构的深度学习算法已被广泛用于土木基础设施表面裂缝的精准定位与分类,而裂缝的尺寸信息仍需依靠传统图像处理技术进行提取;由于像素级标注的成本和专业性高,大型的裂缝语义分割数据集相对缺乏,致使当前基于语义分割算法的裂缝检测模型鲁棒性较差;目前多数研究人员采用个人建立的裂缝数据集进行模型训练且采用不同的指标进行模型性能评价,缺乏统一的基准测试数据集和评价指标体系,无法对不同模型的性能进行平行比较;目前针对不同基础设施已相应开发了一些裂缝检测机器人,提高裂缝检测机器人的多场景适应性,并降低其应用成本是未来的发展方向。