基于人车交互行为模型的上下客行为识别

上下客行为是常见的人车交互交通行为，但随意地在路边或者禁停区域上下客，不但容易干扰道路交通秩序，还可能造成人员伤亡的恶性交通安全事故，需要及时检出以便疏导管理。受益于智慧灯杆的开发和部署，全路段的上下客行为检测成为可能。设计了一种基于智慧灯杆监控视频的人车交互行为模型HVIB（Human-Vehicle Interaction Behavior）及上下客行为识别方法，实现路边停车和上下客行为的检测。人车交互行为模型HVIB由车辆运动状态检测模块和人车关系检测模块组成。在车辆运动状态检测模块中，利用YOLOv4（You Only Look Once，Version 4）目标检测模型和SORT（Simple Online and Realtime Tracking）跟踪算法输出高置信度目标信息，并抽取车辆时空位置特征表达。在人车关系检测模块中，结合人与车辆的空间位置变化和相对运动方向，形成人车关系的时空特征表达。通过计算视频中人车时空位置特征，基于车辆运动状态判别函数和人车关系判别函数输出车辆运动状态和人车关系类别，并依据不同人车交互行为的定义，可以实现上下客行为识别。使用真实城市交通场景视频数据，对多种天气条件（晴天、阴天、雨天）下的不同人车行为进行了识别试验。试验结果表明：所提出的方法可以全天候工作，其中在白天多种天气条件下，停车和上下客行为的检测准确率能达到90%和87%以上，夜晚正常天气条件下分别为82.5%和77.5%；同时，检测速度在每秒30帧以上，满足实际应用的实时性要求。     

停车入位小窍门

很多刚刚上路的车主都会发现,在停车入位时操作方法不是很合理.其实,停车和开车一样,都是熟练活儿,只要掌握一些技巧,再加上经常练习,停车入位将不再困难. 停车入位一般有两种情形,一种是路边停车入位,一种是停车场停车入位.相对来说,停车场停车入位较为简单一些,停车场场地相对较大,只要掌握好转弯的角度,无论是正向驶入车位或者倒入,一般新手还是比较容易将车停入车位的.而路边停车则不同,一般这种车位都没在辅路或者非机动车道上,相对来说路面较窄,而且有很多的机动车、非机动车以及行人经过,路面状况比较复杂.这种情况下车主容易紧张,很难掌握停车的要领.     

基于计算机视觉的停车位车辆存在性检测方法

为了提高停车场的车位利用率,有效地管理停车场,提出了1种基于计算机视觉的车位检测方法.与传统的视频检测方法不同,该方法在停车位上绘制了特定的辅助识别图案,图案具有各向同质性的特征,在大部分光照、阴影的影响下具备图案特征不变性,且与一般车辆上绘制的图案有显著差别,在此基础上采用图像检测算法对图案进行数学解析描述,作为检测目标,同时采用图像识别算法,逐行扫描各个像素,利用模式匹配判断停车位状态.通过选取停车场的2个车位进行实例验证,准确率为98.12%.结果表明该方法识别速度快、准确率高,具有很好的应用前景.      

基于地磁的车型识别模糊数据融合方法研究

把由各向异性磁阻传感器检测获得的地磁曲线视为车辆磁偶极模型的映像,通过分析车辆地磁曲线的峰值、峰谷比、峰值时间、谷值时间、车身长等特征的选择和提取,建立相应车型特征向量;然后,依据各类车型特征,应用三角形隶属度函数特征描述和模糊数据融合,提出了一种基于地磁传感器实时数据采集的车辆检测与车型识别流程和车型识别分类算法;最后,通过一组实际采集的车辆检测数据的分类结果,比较了4种模糊数据融合算式的差异,证明了车辆识别分类算法的有效性,并讨论了有待进一步研究的问题。     

基于元胞自动机模型的路侧停车行为对交通流的影响研究

针对路侧停车带来的进出停车位排队延误、低速巡游降低通行效率、过量停车加剧交通负荷等问题,研究了路侧停车对路段动态交通流的影响分析方法。基于视频识别算法,提取路侧停车车辆在驶入车位过程中的运行轨迹和速度波动数据,解析路侧停车过程中的驶入行为特性,并按照行为差异将停车车辆停车全过程细分为进入路段、寻找车位、找到车位、驶入车位、静止停放、驶离车位、汇入路段和错失车位8类状态;分别依据停车车辆和通行车辆的实际驾驶行为,从跟驰特征、速度矫正、换道规则和位置更新等方面对路侧停车元胞自动机模型进行了改进;在选择目标车位时综合考虑了步行至目的地时间和驶入车位耗时2个要素。与常规通行车辆相比,深入分析了停车车辆提前换道和停车完后汇入路段行为对后车的影响。基于实际交通流数据对仿真模型进行参数标定,经验证,模型拟合度为77.6%;仿真分析了在差异化的停车需求强度下,巡游速度对道路通行能力和延误时间的影响规律。结果表明:固定的巡游速度和停车需求强度下,道路延误时间随道路交通量先增加后减少;在低停车需求强度下,巡游速度对道路通行能力影响微弱,在高停车需求强度下,当巡游速度从30 km/h降低至20 km/h,外侧车道饱和流量降低500 veh/h,最高延误时间增加105 s。      

基于环视系统的停车位检测与跟踪算法

为提供准确有效的停车位位置信息,提出一种基于车位导轨线跟踪和车位角特征的检测方法.首先,从直线段检测(LSD)算法检测的线段中提取车位导轨线,通过导轨线跟踪算法增强环境适应性,确定车位角的待检测感兴趣区域.其次,训练了单个基于方向梯度直方图(HOG)特征的支持向量机(SVM)分类器进行"T"型和"L"型车位角检测,使用...     

基于单轴地磁传感器的车辆参数检测算法研究

为了进一步探寻地磁传感器在车辆检测领域的应用,研究利用车辆通过时所引起的检测区域的磁场强度扰动,用自主研发的单轴地磁传感器获取和处理Z轴方向上抖动幅度大于指定阈值的地磁信号,研究了基于固定阈值的状态机车辆检测算法,对路段车辆进行检测,并获取车速、车长、车流量等信息,建立磁场能量与车长车速比值的关系模型.通过南京市江宁区某公路上的实验,并利用现场录制的视频作检验,结果表明,基于自主研发的单轴地磁传感器可以实现路段车辆98%的检测率,并有效获取车辆的车速、车长等信息.通过分析得到的磁场数据,验证了该模型可以用于多个地磁传感器进行车辆检测的数据融合.      

基于巨磁电阻的车位检测技术研究

在户外进行停车场车位检测容易受到不同外界因素的干扰,从而造成不必要的车位信息错误,给停车场的管理和停车用户带来诸多不便。针对这类户外停车场车位检测的实际要求以及对相关车位检测技术的研究,提出以基于巨磁电阻的车位检测技术作为核心检测技术,即汽车在停放或离开车位时使得地磁场与巨磁电阻之间磁场关系发生的变化来判断车位上车辆的变化,并且配套的设计了基于巨磁电阻检测的硬件系统和软件系统,分别用于停车位的车位检测和车位的显示,同时通过对巨磁电阻灵敏度的调节来更加灵活和准确地进行检测。试验结果表明,相比于其他车位检测技术该车位检测技术拥有更高精度和更强稳定性。      

基于Kinect深度虚拟线圈的夜间车流量检测

针对夜间环境下基于摄像机的车辆检测方法存在精度低、稳定性差以及无法对车型进行有效识别等问题,提出一种基于Kinect深度虚拟线圈的夜间车辆检测与计数算法.首先对Kinect深度图像进行预处理,分别获得运动目标深度图(MDM)与空洞深度图(HDM).然后在MDM与HDM上设置虚拟线圈,利用积分图像分别生成对应的一维运动信号,对其进行加权合成获得对车辆运动特征的表达,并在合成的运动信号范围内检测出车辆目标,并计算出车辆目标的几何特征,通过SVM对车型进行有效识别.实验结果表明,该算法对于单双车道的车辆计数正确率分别高达99.75%与99.25%,大小车型分类正确率可达99.80%,处理单张图片的平均时间仅为7 ms.      

智慧停车应用现状及前景分析

随着智能化、信息化技术的普及,智慧停车已经成为智慧建筑中不可或缺的一个子系统。从停车场管理计费系统、车位引导系统这些传统的智慧停车系统,到自动泊车机器人、反向寻车系统、共享停车位这些新兴停车技术,无一不在朝着更加智慧化、数字化的方向发展。智慧停车可与智慧交通建设相辅相成,实现信息共享。新型智慧停车技术的集成应用可以缓解停车难的“社会病”,提升城市车辆容纳能力,降低公共道路拥挤程度。     

Cooperative lateral vehicle control for autonomous valet parking

This paper presents a lateral vehicle control algorithm for autonomous valet parking (AVP). Under the assumption that the position and heading angle are provided via vehicle-to-infrastructure (V2I) communication, the lateral controller aims to conduct two different driving maneuvers, i.e., forward driving and backward parking, and to control various types of vehicles in a unified approach. Therefore, it is necessary for the lateral controller to be robust enough to track the desired trajectories for different driving maneuvers, as well as to compensate for the uncertainty caused by the need to consider various vehicle types. With the assumption of operating conditions such as a low speed and small slip angle, a nonlinear kinematic model with kinematic constraints is used for the design of the lateral control. Based on this nonlinear model, a nonlinear control technique called dynamic surface control (DSC) is applied to design the lateral controller, and its stability is analyzed in the framework of linear differential inclusion. Finally, the proposed lateral control algorithm is validated through vehicle simulations and field tests.     

Parallel model based fault detection algorithm for electronic parking brake system

This paper describes a parallel model-based fault detection algorithm for an electronic parking brake (EPB) system, which consists of an electronic control unit with built-in current sensor and braking force sensor. For the EPB system to supply sufficient parking force to a vehicle, the parking force sensor is of utmost importance. If a fault occurs in this sensor, sufficient parking force may not be supplied, thereby seriously threatening the safety of the vehicle. Thus, a fault detection method is required for the parking force sensor of the EPB system to improve the safety of vehicles. For this purpose, a highly reliable fault detection method is needed to detect abnormal fault signals, which cannot be detected by the existing on-line sensor monitoring fault detection methods. This paper proposes a novel parallel model-based fault detection algorithm for the EPB system, which compares the physical sensor data with the mathematical model, the fuzzy model, and the neural network model at the same time. In order to reduce false alarms, the magnitude of thresholds and the operation counts are changed adaptively. When the proposed parallel model-based fault detection algorithm detects severe failures of the force sensor, it warns the driver in advance to prevent accidents due to the failures. The proposed algorithm is verified by hardware-in-theloop simulations in various situations.     

基于TOF摄像头的车位检测方案

为了解决目前市场上普遍基于超声波传感器对停车位检测都存在盲区范围大、检测精度低等问题,提出了基于TOF摄像头的停车位检测方案.对多种极限停车位场景进行分析,以广汽新能源GE3车辆为载体,并以安装丘钛科技TOF摄像头为研究对象,对该检测方案在多种场景下进行实车验证.测试结果表明:使用TOF摄像头的停车位检测方案不仅能在更...     

内嵌式停车位在城市道路中的设计探讨

停车位的设置是城市更新中经常遇到的问题之一,如何解决路侧停车设置以及停车位占用非机动车行驶空间的矛盾是民生关注的重点。本文介绍了内嵌式停车的设置及配套方案,为类似工程提供设计思路。     

自动泊车关键技术研究进展综述

自动泊车是汽车智能化的重要组成部分，代替了驾驶员进行泊车的繁琐操作，减少了泊车事故的发生，在新车上的装载量大幅增加。为了研究自动泊车的发展现状、现有不足与发展趋势，对自动泊车应用现状进行了分析，又从车位探测、路径规划和跟踪控制等技术方面进行了分析，总结现有自动泊车关键技术存在的不足之处和局限性，提出了自动泊车关键技术研究的未来趋势，为从事自动泊车技术研究提供参考。     

存在车辆干扰的车道线识别

为避免道路上行驶的其它车辆对车道线识别的干扰,提出了一种结合车辆识别的车道线识别方法。融合雷达数据,车辆识别模块首先在图像中识别出车辆占据的区域;对于每一个车道线识别模块挑出的车道线候选点进行判断,去除处于车辆区域的车道线点;如果有效车道线点数目不足,则利用卡尔曼滤波的跟踪结果,确定符合最小风险函数的车道线位置。经过多种工况下的试验验证,该方法能够稳定地对车道线进行识别,准确地提取车道线参数,并且算法对车辆干扰有良好的抵抗能力。     

基于粒子群和LSTM模型的变区间短时停车需求预测方法

停车信息是智能停车诱导系统得以成功实施的关键与基础, 被广泛认为能够有效解决当前停车难问题。鉴于停车信息在解决停车问题中的重要性, 研究了基于粒子群和LSTM模型的变区间短时停车需求预测方法。为充分发挥数据在提高模型预测精度的作用, 提出了以马尔可夫生灭过程为基础概率转移模型, 将停车到达率、离开率量化车随时间变化的停车需求, 通过标定实际的停车到达率和离开率, 确定预测模型的动态预测间隔与时段; 采用LSTM网络作为基础预测模型, 并利用粒子群优化算法优化网络参数。以吉林大学南岭校区停车场为研究对象, 按工作日与非工作日分别对停车数据进行预测并与其他预测模型进行对比分析。结果表明: 提出的停车需求预测模型在工作日的预测平均绝对误差为2.53辆, 均方误差为11.89辆; 非工作日的预测平均绝对误差为2.32辆, 均方误差为10.89辆。      

浅析目标检测算法及其在自动驾驶场景中的应用

基于深度学习的目标检测算法在自动驾驶领域的比重日益上升。文章首先介绍了基于深度学习的卷积神经网络和目标检测算法的发展过程,其中简要介绍了几种经典卷积神经网络模型的结构特点;然后详细介绍了以R-CNN系列为代表的基于候选框的two-stage算法和以YOLO系列为代表的基于回归的one-stage算法,简要介绍了这两大类算法各自的结构和优缺点,最后总结了目标检测算法在自动驾驶场景中应用时比较常用的几种优化方法和研究趋势。