智能网联环境下路侧感知单元数据质量在线监测框架

智慧道路中布设的路侧感知单元可以获取全域车辆运动轨迹数据,是交通流智能管控系统、车路协同自动驾驶的重要基础,如何对其数据质量进行主动监测是道路交通运营管理部门面临的重要挑战.随着智能网联车的规模化应用,车载高精度定位与环境感知众包数据为路侧感知单元数据质量监测提供了新的思路.提出了基于智能网联车众包定位与感知数据的路侧...     

基于CenterNet的路侧单目视角车辆3D形态精确感知

车辆3D形态的精确实时感知对于智能交通中的车辆行为分析、交通流参数估计等应用和无人驾驶都至关重要,其中,如何克服透视投影的限制,从路侧单目视角下感知车辆3D形态正成为具有挑战的课题之一。为解决这个难题,采取深度网络提取投影特征,结合空间标定模型中的几何约束,实现2D投影至3D空间的3D形态恢复构建。首先,基于前期工作,对道路场景中的相机构建空间标定模型,以获取透视空间的2D-3D互映射矩阵;然后,以当前流行的简洁高效的CenterNet深度网络为基础,设计车辆3D形态投影特征的检测网络,融入多尺度特征融合模块以优化透视投影下不同尺度车辆目标的检测,同时优化高斯凸包热力图以增强车辆目标的特征检测力度,根据先验几何约束设计加强损失函数以加快收敛;最后,通过建立的空间形态几何约束模型,对网络输出特征投影点进行解码,构建出完整的车辆3D形态信息。试验以路侧视角下的BrnoCompSpeed数据集和自制数据集为基础,手工标注满足试验需求的样本目标,并做图像增广以模仿多变的道路监控视角及环境。在试验结果评价中,分别对网络检测结果及最终构建的3D形态进行评价,其中对于网络检测结果,以投影特征构成投影凸包的平均精度为评价指标,交并比(IoU)阈值为0.7时,在BrnoCompSpeed测试数据集上得到AP值为87.35%,召回率和精确率分别为87.39%与90.78%。同时,设计消融试验证明网络改进模块的有效性。对于3D形态构建结果,分别对空间定位、3D尺寸、偏转角及3DIoU等指标都进行定义,并以3DIoU为评价标准,验证多个改进模块及不同视角对于最终精度的影响,最后在BrnoCompSpeed测试数据集中的平均3DIoU达到0.738。设计的网络FPS为27,可满足实时性的需求。     

车辆轨迹数据的若干处理方法研究

从智能车路协同系统的概念出发,介绍了车路协同系统下的数据采集标准及轨迹数据特点,研究了轨迹数据处理的若干方法,包括车辆轨迹重构、交通参数提取、轨迹聚类等。     

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。     

考虑车车与车路通讯并存的路侧单元优化布设方法

路侧单元(Road Side Unit, RSU)作为车路协同系统(Cooperative Vehicle Infrastructure System, CVIS)中路侧感知控制网与网联化车辆自组网的重要节点,其布设方案对车路交互效能、系统建设成本与协同服务水平均产生较大影响。现有RSU优化布设研究主要基于车路(Vehicle to Infrastructure, V2I)通讯,忽视了车车(Vehicle to Vehicle, V2V)通讯的转发和中继作用,也缺乏对RSU设备及线网布设成本的相关考量。针对上述问题,面向V2V和V2I通讯并存环境,考虑信息覆盖正向收益与设备/线网布设负向收益,构建面向综合收益最优的RSU布设方案优化模型。首先结合信息流-交通流耦合模型获取传播时间矩阵,提出权重约束可达性算法,构建布设方案与信息覆盖正向收益之间的关系方程。然后针对动态最优布设方案条件下的最优线网布设问题,提出改进的最小生成树模型,并以此设计综合收益最优的RSU优化布设模型。最后,基于井字形算例路网,进行模型验证和关键系数敏感性分析;并基于Sioux Falls路网,将所提出的模型与现有未...     

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...     

基于路侧多机视频目标关联与轨迹拼接的车辆连续轨迹构建方法

针对单个相机覆盖区域有限的问题,本文提出了通过路侧多个相机获取车辆连续轨迹数据的方法。在路侧端布置多台固定相机采集视频数据,采用直接线性变换算法解决相机外参造成的画面畸变问题;通过全时域抽帧提取图片训练样本,采用YOLOv5训练车辆检测模型;针对偶发的车辆漏检情形,通过完整性检查可以筛查出此类情况并修复;针对连续多帧漏检或误检导致的目标关联问题,通过异常轨迹核查算法及数据修复工具解决;针对相机斜下方区域的车辆轮廓变形问题,采用车辆检测轮廓修复算法解决车辆在不同路段检测框大小不一的问题;提出了基于车辆质心坐标匹配的方法实现相邻机位间的车辆轨迹拼接。基于上述多机视频目标关联与轨迹拼接方法,在多机位时间同步下构建了覆盖武汉珞狮路高架桥的车辆连续轨迹数据集,轨迹数据集验证结果表明：数据集涵盖从畅通到拥堵的各种交通状态,包含多段分合流区域,数据集连续时长达到3.5 h,覆盖区域1.41 km;车辆检测模型的召回率达到93.23%,准确率达到98.51%,F1分数为95.80%;数据集包含主路及各处匝道汇入的轨迹共25 734条,其中覆盖道路全域的完整长轨迹15 004条。本研究丰富了路侧多机视频目标关联与轨迹拼接方法,有助于路侧宽域车辆连续轨迹构建及交通管理与控制。     

基于网联车辆轨迹数据的周期排队长度估计

近年,基于网联车辆轨迹数据的交通管控与服务研究方兴未艾。其中,信号控制交叉口排队长度估计备受关注。然而,在低渗透率条件下,单个周期内轨迹稀少且提供的交通信息十分有限。现有研究仅以当前周期内网联车辆轨迹数据为输入,难以获得准确且可靠的周期级排队长度估计结果。因此,融合利用历史网联车辆轨迹数据提供的车辆到达和停车位置信息以及当前周期内实时观测的网联车辆排队信息,提出一种基于最大后验概率的周期最大排队长度估计方法。首先,依据历史轨迹数据的停车位置信息,估计排队长度的先验分布;其次,依据历史轨迹数据的车辆到达信息,估计周期内车辆的历史到达分布,并结合周期内最后1辆排队网联车辆的到达时刻与停车位置,构建排队长度似然函数;最后,基于贝叶斯理论,结合前述先验分布与似然函数,推导周期排队长度的后验分布,并采用最大后验概率方法实现周期最大排队长度的估计。仿真结果表明：所提方法在不同饱和度和渗透率条件下,均优于现有的方法;即使在车辆轨迹数不超过1 veh·周期^-1的低渗透率条件下,所提方法的平均绝对估计误差也不超过2 veh·周期^-1。实证结果表明：在渗透率仅为8.96%的条件下,所提方法的平均绝对误差为2.12 veh·周期^-1,平均相对估计误差为12.4%,同样优于现有同类方法。     

面向数据驱动建模的行人轨迹自适应压缩与误匹配识别分割

轨迹数据驱动的行人行为分析建模在公共场合异常事件监测、人车冲突风险评估等方面具有重要意义,广布的交通视频监控是行人群轨迹数据的重要来源。行人轨迹具有趋势性和规律性,提取的原始轨迹信息冗余较大,且密集行人群频繁遮挡,不同行人轨迹易发生误匹配,导致数据失真。针对以上问题,根据行人轨迹的局部结构特征和数值特性,设计一种改进的两阶段自适应滑窗轨迹压缩算法ATSSW (Adaptive Two Stage Sliding Window)和基于轨迹局部转向角的误匹配识别和分割方法ABTDS (Angle-based Trajectory Detection and Segmentation),清洗和压缩行人轨迹数据。首先,ATSSW算法考虑轨迹各坐标分量的数值分布特征,将提取到的所有原始轨迹分为漂移和非漂移2类,采取不同的策略分别压缩2类轨迹;然后,ABTDS算法分析压缩后的轨迹局部转角特征,辨识误匹配轨迹样本;最后,ABTDS算法分割误匹配样本,并用分割后的轨迹更新原始轨迹数据集。研究结果表明：ATSSW算法压缩了653条原始行人轨迹,总压缩信息损失1 002.04,总平均轨迹压缩率为6.07%,总平均轨迹压缩保留率为95.35%;原始轨迹集中存在126条误匹配轨迹,ABTDS算法辨识并成功分割了其中的107条,检出率为84.92%;所提算法抑制了原始行人轨迹中漂移点和误匹配现象所致的干扰,减少了原始轨迹数据噪声,可提高轨迹数据驱动的行人行为建模精确度;适当压缩原始轨迹,可减轻轨迹数据存储处理的负担。     

基于轨迹数据的山区危险性弯道路段交通事故风险动态预测

针对山区双车道公路危险性弯道路段交通事故多发的现实问题,提出主动评估短时交通流状态下的交通事故风险,以降低交通事故发生率.采用无人机高空拍摄弯道路段交通流运行状态,利用计算机识别技术提取高精度的车辆轨迹和交通流数据,结合山区双车道公路弯道路段危险驾驶行为特征表征交通冲突,以距离碰撞时间为交通冲突量化指标,提出山区车道公...     

城市车路协同系统下实时交通状态评价方法

交通状态评价方法能够为交通管理系统提供可量化的实时路网信息,为动态引导交通流、缓解交通拥堵提供依据。受限于交通路网的时变性和评价过程的主观性,目前传统评价方法的精度时常无法满足需求。基于城市车路协同系统动态获取路网信息优势,提出一种利用车路信息融合的实时交通状态评价方法。首先,定义了一种网联汽车与路侧终端间的无线交互方式,并确定数据协议以保证实时车辆数据的准确性;其次,从实时数据中选取平均通过时间、平均停车次数、平均停怠时间作为一级评价指标进行模糊综合,应用多算子对计算的一级评价结果构成二级交通状态评价指标,并根据层次分析法确立指标权重,同时根据仿真和试验结果建立适用于各级道路参数的可变隶属度规则,从而融合动态车辆数据与静态路段参数,计算得出交通状态评价结果与评分;最后,由网联汽车、车载终端、路侧终端和无线通信模块搭建实际协同测试系统对该方法进行了试验验证。试验结果表明：测试系统所得到的路段实时交通状态评价得分与对应的交通状态变化趋势一致,能够准确体现城市车路协同环境下的交通状态特点。该评价方法运用信息融合方法提高了交通状态评价结果的实时性与客观性,同时为车路协同技术应用于实时交通诱导,缓解城市交通拥堵提供了理论依据。     

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。     

基于二次规划的智能车辆动态换道轨迹规划研究

为实现智能车辆的自主换道操作并满足安全性、舒适性和实时性等约束条件,提出一种针对动态交通环境的换道轨迹规划模型.该模型由道路平面曲线表征模块、路径生成模块以及速度曲线生成模块组成.首先,在道路平面曲线表征模块中,模型基于实时获取的周边道路信息,利用切比雪夫多项式插值法回归拟合出连续可导的道路平面曲线函数,用以保证模型在...     

车-车协同下无人驾驶车辆的换道汇入控制方法

多车协同驾驶是智能车路系统领域的研究热点之一,可有效降低道路交通控制管理的复杂程度,减少环境污染的同时保障道路交通安全。基于多车协同驾驶控制结构,提出了一种无人驾驶车辆换道汇入的驾驶模型及策略,系统分析了多车协同运行状态的稳定条件。在综合分析无人驾驶车辆换道汇入的协作准则、安全性评估后,基于高阶多项式方法,结合车辆运行特性,通过引入乘坐舒适性的指标函数,设计得到无人驾驶车辆换道汇入的有效运动轨迹。通过研究汇入车辆与车队中汇入点前、后各车辆的运动关系,详细分析车辆发生碰撞的类型和影响因素,给出避免碰撞的条件准则,从而确保无人驾驶车辆汇入过程中多车行驶的安全性和稳定性。基于车辆运动学建立车辆位置误差模型,结合系统大范围渐进稳定的条件,选取线速度和角速度作为输入,应用李雅普诺夫稳定性理论和Backstepping非线性控制算法,设计了无人驾驶车辆换道汇入后的路径跟踪控制器。仿真试验和实车试验结果表明：所设计的换道汇入路径是可行、安全的,控制器具有良好的跟踪效果,纵向和横向的距离误差在15 cm以内,方向偏差的相对误差在10%以内。研究结果为智能车路系统中的多车状态变迁与协同驾驶研究提供了参考,可服务于未来道路交通安全设计和评价。     

基于hp自适应伪谱法的智能汽车紧急变道轨迹规划与优化

为了提高智能汽车紧急变道轨迹规划的实时性和适应性,将紧急变道过程分为初始阶段和跟踪阶段,初始阶段的轨迹由优秀驾驶人紧急变道模型产生,跟踪阶段的轨迹采用Sigmoid函数规划出紧急避让路径。首先通过聚类分析处理优秀驾驶人转向操作的实车试验数据,拟合得出紧急变道过程中的方向盘转角随时间的关系（即驾驶人紧急变道模型）,作为智能汽车在紧急变道初始阶段不同速度下车辆控制的输入量。然后通过建立与求解约束方程,满足避撞约束、侧向位移约束以及最大侧向加速度约束,得出Sigmoid函数表达式,作为智能汽车在紧急变道过程跟踪阶段的参考路径。最后利用hp自适应伪谱法加入切换点的物理量约束,逼近全局正交多项式的状态量和控制量,自动调整和处理2个阶段的切换点位置和衔接问题,以最小变道距离为目标对跟踪阶段的变道轨迹进行优化。运用PreScan与MATLAB对4种不同工况下的紧急变道轨迹规划进行联合仿真。结果表明：提出的轨迹规划与优化方法在满足各项约束的情况下成功避开障碍物,同时缩短了需要优化的轨迹,优化时间都小于0.9 s,并且与基于多项式函数轨迹规划方法相比,该方法能够以距障碍物较远的距离避开障碍物,在不同的车辆速度、道路曲率和障碍物宽度的复杂工况下具有更好的适应性。     

车路协同条件下智能网联高速公路通行效率信息自适应分发协议:NRT-V2X

车路协同技术是解决自动驾驶中单车智能现存缺陷的关键技术。而智能网联高速公路的出现为车路协同技术真正应用于实际提供了良好的平台,其中,路侧单元（Road Side Unit,RSU）如何将路侧传感器信息或交通监控中心发布消息传递给路上车辆,是车路协同技术的一个关键环节。为此,提出一种基于V2V（Vehicle to Vehicle）和V2I（Vehicle to Infrastructure）融合的自适应数据分发协议（Adaptive Network and Road Traffic Data Dissemination for V2X,NRT-V2X）。NRT-V2X协议在影响通行效率事件的车流上游为RSU定义了一段服务区域（ROI,Region of Interest）。RSU通过感知服务区域中车辆的无线通信网络状况和路面交通状况来自适应调整其信息发送间隔,从而在保证ROI中车辆信息全覆盖的前提下,降低RSU发送信息开销,抑制ROI内车辆的接收信息冗余。基于创建的2个场景和2个车路协同应用,利用双向耦合车联网仿真平台进行性能评估。试验结果表明：采用NRT-V2X协议的车路协同技术可使高速公路的通行效率提高28%以上;与RSU固定发送间隔协议和典型V2X协议ATB相比,NRT-V2X的信息覆盖率稳定在100%,发送信息开销降低了至少30%,接收信息冗余下降了20%以上;NRT-V2X能够将智能网联高速公路通行效率相关信息高效地由RSU分发到其定义的ROI中的所有车辆,从而保证所有车辆预先接收到相关信息,选择最优行车路线,提高通行效率。