高速公路超限检测及劝返车道设置技术研究

鉴于公路路线规范关于超限检测站设置条件及劝返车道布设指标规定得过于笼统,该文基于超限运输现状与车辆运行需求,研究了不停车计重收费系统(EWTC)及其相应的车道宽度与称重区长度。通过车辆换道模型研究,提出了不同情形下车辆换道的安全转弯半径,并提出了EWTC系统称重区的宽度渐变指标建议值。在上述研究的基础上,通过分析超载车辆的驶离选择,提出了劝返车道的不同设置方式及其相应的优缺点和适用范围。     

高速公路车道分配与入口多匝道协同控制方法

为提升多车道高速公路主线合流区通行效率,由于主线合流区各车道交通特征差异,针对多条匝道相互合流再一同汇入主线的情况,分析了主线合流区流量均衡状态、各车道饱和状态和匝道流量对通行效率的影响,提出了多车道高速公路车道分配与入口多匝道协同控制模型,主要通过主线车道控制引导上游主线车辆提前选择合适车道行驶,同时采用入口多匝道控制协调匝道合流区各汇入匝道车辆的驶入,实现主线和匝道的通行效率最大化提升。仿真验证及工程应用结果表明：通过主线车道控制引导上游主线车辆尽量选择内侧车道行驶,尽管会增加内侧车道行驶车辆的车均延误,但明显降低了主线和匝道的整体车均延误,说明主线车道控制与入口多匝道控制相结合对合流区通行效率提升优势明显,且主线合流区各车道流量均衡有助于提升入口匝道汇入效率。     

多车道高速公路车道管理方案的模糊综合评价方法研究

本文针对5种代表性多车道高速公路车道管理方案,综合考虑通行能力和交通安全,建立了车道管理方案的评价指标体系,通过计算机仿真,以某多车道高速公路为例,对车道管理方案进行了评价,以评价结果为基础,建立了基于模糊综合评价的车道管理方案决策方法,确定了最优的车道管理方案,研究表明利用本文建立的评价和决策方法,可以针对多车道高速公路具体的运行特性、道路特点和交通需求,获得兼顾通行效率和交通安全要求的车道管理方案。     

基于IPM和边缘图像过滤的多干扰车道线检测

在基于视觉的自动驾驶环境感知中,路面阴影、雨水、污渍和反光会对车道线识别和车辆导航造成干扰,针对此问题提出了一种基于逆投影映射(IPM)和边缘图像过滤的改进车道线识别方法。通过逆投影方法可以得到原始道路图像的鸟瞰图像,很大程度上增强了车道线的视觉特性并减少了干扰。同时提出迭代聚类分割方法对IPM图像中的灰度值进行分析,并保留与车道线颜色和形态特征最为接近的灰度点作为车道线边缘。随后提出一种搜索统计边缘图像中连续边缘区域的方法,通过分析边缘点并保留最长区域实现过滤道路干扰因素的目的。最后将该算法与其他常用车道线检测算法进行对比。研究结果表明:该方法可以更好地过滤路面各种干扰因素,有效增强干扰环境下识别模糊车道线、实车道线、虚车道线、弯车道线的能力,大幅提高了自动驾驶环境中的车道保持能力,并且由于该方法相比其他方法能够更加有效地去除路面干扰区域,因此识别车道线的速度得到大幅提高,可以满足自动驾驶对于实时性的要求。     

八车道高速公路改扩建工程安全适应性保障技术

我国即将迎来一个多车道高速公路扩建的高峰期,由于受扩建技术经验等限制,目前对多车道高速公路交通安全因素以及改扩建工程的实际需要考虑较少,安全适应性差,不能完全满足安全运行的需求.结合研究成果,以佛开高速公路改扩建工程为依托,针对同向分离式路基、超高缓和段、互通立交出口、中央分隔带开口防护和标志视认性等安全问题,提出了针对多车道高速公路改扩建工程安全适应性保障技术.     

基于仿真的多车道高速公路交通冲突分析

为了预防多车道高速公路的交通事故,分别以客货混行整体式、客货分离整体式、主辅分离式3种多车道断面形式的交通冲突为研究对象,建立VISSIM交通仿真模型,利用SSAM软件获取交通冲突数据,并对冲突的形式、数量、位置进行分析。结果表明:客货混行整体式下的交通冲突最多,主要分布在最内侧、最外侧车道和减速车道上游100m范围;客货分离整体式下的交通冲突主要分布在货车道和立交出入口附近;主辅分离式下的交通冲突主要分布在辅路和车道转换处。     

多车道高速公路安全和服务新型关键技术集成应用于广东佛开高速公路典型示范工程

依托广东佛开高速公路（谢边～三堡段）改扩建工程,集成应用＂十一五＂国家科技支撑计划项目课题科研成果与新型设计理念,从本质安全、防护安全以及运营安全和服务方面,开展新一代智能化的高速公路安全管理、控制与服务系统示范,有力提升佛开高速安全信息服务和管理水平,为我国下一阶段高速公路新建及改扩建工程建立示范样板。     

多车道高速公路分流交织区交通流特性与交通组织策略

为了解决多车道高速公路分流交织区由于车道数增加、交通流量增加、标志设置不合理等原因存在的诸多安全问题,在分析多车道高速公路分流交织区存在的问题和总结现有多车道高速公路断面形式(整体式断面、客货分离式断面、主辅分离式断面)的基础上,提出多车道高速公路分流交织区的交通组织形式及其优缺点.总结了多位学者对多车道高速公路分流交...     

基于多智能主体系统的车道变换模型

为更加真实地反映车道变换行为,建立具有良好性能的车道变换模型,根据抽样调查结果分析了车道变换的基本条件。引入智能主体(Agent)理论,将Agent与车道变换行为联系起来,建立了基于多智能主体系统(Multi-Agent System,MAS)的车道变换模型框架;给出了车辆MAS的结构,抽象了各Agent成员的元组构成,给出了各Agent成员的工作原理与执行流程;基于多智能系统工程方法(Multi-Agent Systems Engineering Methodology,MASEM),给出了车道变换的仿真流程并得到仿真实例。研究结果表明:在2 km长的双向4车道高速公路上,在30 s时间内,利用提出的车道变换模型仿真得到的车道变换车辆次数与实际情况相差8%;在该时段内任意瞬间,正在执行车道变换的车辆数目与实际情况相差仅1.67%。     

1种基于平行直线对模型的车道检测方法

针对智能车辆安全辅助驾驶系统中利用单目视觉进行车道识别的问题,提出了1种基于平行直线对模型的车道检测方法。该方法根据高速公路图像特征构建平行直线对模型,在此基础上先利用 Hough变换提取直线,再由改进的级联 Hough变换检测出平行直线对的消失点,最后通过消失点和先验信息来提取当前车道线。使用M atlab对高速公路上不同路段、不同光照情况、不同车辆干扰下共150幅道路图像进行实验,检测精度达88.6%,平均检测时间为0.24 s。实验结果表明,这一方法在高速公路行驶环境下能较准确地检测出当前车道线,具有很好的光照适应性、抗车辆干扰性和一定的实时性。     

汽车维修中检测诊断技术的应用探讨

现如今汽车已经成为人们必不可少的代步工具,汽车的数量随之也越来越多,在汽车的行驶过程中,难免会出现故障之类的问题,因此汽车的维修工作也变的尤为重要,其维修的师傅必须具备丰富的工作经验以及理论知识,然后借助检测诊断技术来进行汽车的事故和问题故障的检测排查工作。本文围绕汽车的检测诊断技术以及该技术在汽车维修中的应用展开分析。     

车辆前方行驶环境识别技术探讨

基于雷达和视觉技术对车辆前方行驶环境识别,进而判断车辆安全状态和实现纵向横行运动状态警示和控制,其是实现汽车安全辅助驾驶的主要技术途径。介绍车辆前方行驶环境识别涉及到的雷达和视觉的一些技术,其中包括雷达种类和适用场合,雷达检测障碍物的算法,车用图像的性能要求,基于图像特征和模型的车道线识别的方法,利用图像实现其他环境信息识别的方法。     

面向多元场景结合GLNet的车道线检测算法

各种复杂环境下路面车道线的高效精确检测是自动驾驶领域中车道偏离预警系统的关键性技术之一.由于车辆实际运行环境的复杂性和路面车道线的多样性,现有方法在车道线检测的准确性和鲁棒性上仍需不断增强.提出一种面向多元场景结合GLNet的车道线检测算法.首先采用改进Gamma校正对待检测路面图像预处理,消减光照不均匀、夜晚等环境干...     

基于成像模型的车道线检测与跟踪方法

针对结构化道路上存在非车道线标记干扰的情况,提出一种基于成像模型的线扫描车道线检测及跟踪方法。检测算法中首先对路面图像进行形态学高帽变换预处理,然后建立前方道路图像的成像模型,将图像坐标系中车道参数和世界坐标系中实际车道参数对应,对图像进行初扫描,利用边缘贡献函数及RANSAC算法选取最确定线后,以此线为标准进行二次扫描,得到边缘点后统计边缘贡献函数局部最大值并拟合成直线车道线。跟踪算法中运用Kalman滤波器预测车道线区域,并提取符合标准的控制点拟合成模型为B样条的车道线。试验结果表明:该方法能够快速准确地在复杂环境中提取多个车道线,尤其对存在非车道线道路标记干扰的情况有显著效果。     

基于边界点分布特征的夜间道路检测算法研究

提出一种在结构化道路情况下的夜间道路标志线检测算法。选择邻域均值滤波、Sobel算子和最大熵分割算法对道路图像进行预处理。结合道路灰度图像与道路边界图像,分析夜间道路边界点的分布特征,将道路边界点划分为到4个点集。针对虚假道路边界点,应用多方向搜索方法予以消除。选用2D的直线模型,采用改进的Hough变换从预处理后的图像中获取道路几何特征参数,最终检测出道路边界。试验结果表明本算法可靠、有效,户外试验中具有很好的鲁棒性。     

基于分段学习模型的自动驾驶行为决策算法研究

在具有车道线的特定自动驾驶场景中,针对目前端到端的行为决策算法直接输入原始图像进行决策导致的网络模型迁移性差、预测精度欠佳、泛化能力不足等问题,提出一种基于分段学习模型的车辆自动驾驶行为决策算法。首先,基于GoogLeNet建立一种端到端的车道线检测网络模型,并引入车道中心线作为决策的重要线索提高算法的迁移能力,同时利用YOLOv3目标检测模型对本车道内前方最近障碍物进行位置检测;而后,经几何测量模型将两者检测结果转换成环境状态信息向量为决策做支撑;最后,构建基于长短期记忆(LSTM)网络的驾驶行为决策模型,根据编码的历史状态信息刻画出动态环境中车辆的运动模式,并结合当前时刻的状态推理得到驾驶行为参量。使用建立的真实驾驶场景数据集对模型分别进行训练、验证与测试,离线测试结果显示车道线检测模型的检测位置误差小于1.3%,车道内前方障碍物检测模型的检测精度达98%以上,驾驶行为决策网络模型表征预测优度的决定系数 大于0.7。为进一步验证算法的有效性,搭建了Simulink/PreScan联合仿真平台,多种工况下的仿真验证试验中多个评价指标均达到工程精度要求,实车测试的试验结果也表明该算法可实现复杂驾驶场景下平稳、准确无偏航的预测效果并满足实时性要求,且与传统端到端模式的算法相比,具有更好的迁移性和泛化能力。     

公路旧桥检测评定与加固技术研究及推广应用项目概况

公路旧桥检测评定与加固技术研究及推广应用系交通部2001年度西部交通建设科技项目。项目就桥梁常用检测仪器设备、桥梁检测技术、旧桥检算方法、承载能力评定方法和桥梁加固成套技术,开展了系统研究、归纳和总结提升,并将研究成果在全国十多个省市近130座旧桥中进行了推广应用,产生了显著的经济效益和社会效益。项目研究成果总体上达到了国际领先水平。     

融合改进YOLO和背景差分的道路抛洒物检测算法

针对现有道路抛洒物检测算法识别准确率低、识别种类有限、实时检测效率低的问题,探索了将深度学习目标检测和传统图像处理相结合的抛洒物检测算法。提出在YOLOv5s目标检测算法基础上,对模型结构进行修改以满足实时性需求。具体地,使用卷积优化YOLO中的降采样模块,采用Ghost网络替代原始的特征提取网络以减少计算量,根据抛洒物检测对象的特点设计符合数据集的锚框以提高目标识别准确度。使用优化后的YOLO检测道路场景中车辆、行人作为交通参与者得到检测框,在检测框周围设定感兴趣区域,并在感兴趣区域内用背景差分算法实现前景目标识别。计算前景目标与YOLO检测结果的交并比,排除交通参与者目标后实现道路抛洒物的识别。针对交通参与者检测的实验结果表明,改进后的YOLO检测算法在整体识别精度没有损失的情况下单帧检测速度为20.67 ms,比原始YOLO检测算法速度提升16.42%。真实道路抛洒物实验结果表明,在没有抛洒物训练数据情况下,传统混合高斯模型算法平均精度值为0.51,采用融合改进YOLO和背景差分的抛洒物检测算法平均精度值为0.78,算法检测精度提高52.9%。改进后算法可适用于没有抛洒物数据或正样本数据稀少的情况。该算法在嵌入式设备Jetson Xavier NX上单帧检测速度达到24.4 ms,可实现抛洒物的实时检测。     

隧道开挖支护质量3DZI检测技术及应用研究

为解决钻爆法隧道施工过程中隧道围岩及开挖支护质量难以快速、完整、准确检测的难题,通过对三维重建与全景展开图技术的融合与改进,提出基于3DZI技术(3D Reality and Deep Zoom Image)的隧道开挖与支护质量检测方法。通过用参数化流线与迹线方程构建网格化的设计轮廓曲面,建立三维轮廓与二维展开平面之间的映射关系,实现三维实景与平面全景展开图的信息协同与辨识;通过网格曲面法线方程与三维实景模型求交,实现对空间距离测量和体积估算,并生成净空偏差云图和断面图;通过求交修正后的网格曲面实现对图像无视差矫正拼接,生成高质量的全景展开图,用于还原记录围岩和初支表面情况,实现对表面物体长度和面积的测量。结果表明:该方法设备成本低且作业灵活,仅需在现场布置若干控制点后自由设站拍摄照片,可实现隧道围岩地质编录、超欠挖与初支工程量等量化检测,以及隧道塌方体积与大变形量的快速测定,并可揭示各项作业效果之间的因果关联性。工程现场应用表明:该方法检测结果能直观全面地反映隧道开挖支护效果及围岩地质情况,同时获得超欠挖分布规律和初支材料用量信息,可为隧道施工开挖与支护质量控制、动态设计提供可靠的信息化检测结果和依据。