商用车辆异常驾驶行为检测算法研究

利用车联网数据可以对驾驶员的异常驾驶行为进行检测。为了解决常用的异常驾驶行为检测算法对商用车辆不适用的问题,提高车联网数据在商用车领域的异常驾驶行为检测的精确度和效率,研究并提出了商用车辆异常驾驶行为检测算法。首先分析700多辆商用车辆历时两年的行驶数据,利用数据挖掘的方法对车联网数据进行预处理和可用信息挖掘,随后提出了针对商用车辆的疲劳驾驶行为、异常加减速行为和不按规定路线行驶行为的检测算法,并利用真实数据对算法进行验证。结果表明,该算法能有效识别商用车辆的异常驾驶行为,可以给物流企业以及相关管理部门提供合理、可靠的管理依据。     

智能网联汽车车载CAN网络入侵检测方法综述

智能汽车与车联网技术不断融合,汽车正朝着智能化和网联化方向发展。随着车载网络（例如：CAN网络）的复杂性以及车辆与外界相连的方式增加,汽车面临的网络安全风险大幅上升。入侵检测系统作为保护车载网络安全的重要屏障,可以有效检测外部入侵和车辆异常行为。首先,介绍了车载网络的安全属性,并分析了智能网联汽车的网络安全问题以及车载CAN网络的脆弱性和对其的攻击方式。其次,总结了近几年车载CAN网络入侵检测方法的研究现状。最后,对未来车载网络入侵检测系统的发展提出几项开放性问题。     

基于车联网的车辆被盗协寻功能的开发及应用

车辆被盗抢后的车辆位置相关信息追溯是用户对车辆安全的一项核心需求。车辆被盗协寻作为车联网系统的一项核心安全功能,可以监测用户车辆的异常信息,并在车辆发生盗抢的情况下及时上传车辆位置相关信息,及时为车辆的找寻提供重要线索。车辆被盗协寻功能的开发需要综合考虑车联网系统的硬件、软件、TSP通信协议设计,并且配以车联网服务套餐的设计及用户续费策略,从而在车联网整体商业模式上发掘更多盈利点。     

车联网网络安全架构

车联网是工业化与信息化相融合的重要应用领域,主要通过新一代无线通信技术实现车内及车与车-人-路-云平台等万物的互联,是实现智能认知和自动驾驶的关键基础。在市场需求的驱动和国家政策的引领下,国家车联网产业进入快速发展与应用落地阶段,其面临的网络攻击由单点攻击逐步转向平台化,网络安全漏洞多、安全防护能力不足的问题日益凸显。以剖析车联网网络的构成为基础,对车联网网络架构组成部分所面临的安全问题进行归纳总结,提出车联网网络安全的五大防护对象。从安全防护与安全管理相结合的角度,提出如何构建车联网网络安全保障体系。     

1种基于车辆时空图的车辆异常行为检测方法

对快速路车辆异常行为的检测有助于防止或及时处理交通事故,缓解交通拥堵,保障出行的安全和效率。采用多高斯背景模型提取前景运动车辆及其中心点并利用Kalman滤波算法跟踪运动车辆。在此基础上,得到各个车道上车辆的行驶时空图,通过车辆时空图对车辆行为进行轨迹分析,根据时间序列上车辆位置的变化检测车辆逆行,通过车间距和车辆位置状态信息检测车辆碰撞。实验表明,该方法能较好地识别出车辆异常行为。     

大数据平台在新能源汽车安全领域的应用

通过利用行业内主流的大数据技术搭建新能源大数据平台,重点对新能源汽车车联网大数据进行算法研究、建模分析。分别从故障远程在线诊断、车联网大数据指标分析、车联网大数据算法模型等方面对新能源汽车故障、驾驶行为、充电行为等进行深入研究,以保障新能源汽车车辆安全。     

车联网环境下自动驾驶车辆车道选择决策模型

试验车道选择行为是自动驾驶车辆最基本的决策行为之一,利用车联网技术可以使车道选择结果更加全面、合理.首先,对高速公路自动驾驶车辆车道选择决策过程进行分析,并以车联网感知通信范围内的车辆的平均速度、重车比例及前往车道的理想换道时间为主要指标创建成本函数,根据计算结果输出最优车道序列;然后,以Gipps安全驾驶模型为基础,...     

新技术时代城市交通管理与服务研究发展展望

随着我国互联网通信技术、计算机技术以及车辆技术的交叉融合发展,当前我国城市交通管理领域车联网技术的应用日益普及,通过车联网能够将司机、乘客、行人、道路、车辆与调度员之间的信息进行联通,并形成城市交通管理大数据网络,实时监控城市道路交通相关信息.除此之外,在新技术发展的背景下,共享出行等新型出行方式出现,一定程度上改变了...     

智能网联车辆交通信息处理技术与信号控制方法研究

随着科学技术的不断加强,智能网联车辆的数量也在不断增加,在智能交通系统发展中,车联网发挥了重要作用,人们对于车联网的研究也越来越多和越来越深入,为了能够使车联网更好的普及,应该加强对智能网联车辆交通信息技术和信号控制的研究。本文基于目前车联网发展现状对智能网联车辆信息处理技术和信号控制的方法进行探讨研究,以供参考。     

基于双视角学习原理的交通视频车辆事件鲁棒检测

提出了1种基于双视角学习原理的高速公路交通视频车辆事件鲁棒检测算法.针对道路交通结构化特点提出了分车道外极面图(Epipolar Plane Image,简称 EPI),以此反映交通断面车流整体特征.基于双视角学习原理,融合现有广泛应用的反映车辆独立行为的行驶轨迹特征,实现高速公路车辆事件鲁棒检测.针对多种典型车辆事件(包括交通拥堵,车辆逆行,车辆违规停车,交通事故等),本文算法总体检测率为94.09%,误检率为4.51%,漏检率为1.40%,其性能与传统单视角方法比较有较大的提高.      

交通检测多特征量数据融合研究

来自多种检测源的交通车辆特征数据既有重复的,也有互补的。采用阈值法和自适应加权法建立数据融合模型,可将多种交通检测设备的特征数据进行预处理并最终融合为一条车辆数据。试验表明:融合后的车辆数据更加准确、全面,能够有效向交通管理养护等部门提供决策依据。     

基于车联网OBD数据的道路安全评价方法

针对目前道路安全评价较少考虑驾驶行为及车辆运行状态,评价指标及权重值大多通过主观方法确定的局限,结合车联网OBD数据包含车辆行为及运行状态且数据丰富、精度高的优势,基于人工智能领域粗糙集理论,提出考虑道路条件、天气状况、交通状态、驾驶员特性、车辆运行状况的道路安全评价体系构建思路和流程及有待进一步研究的关键技术。     

基于三角模糊数的车联网簇头节点选择方法

针对现有车联网簇头节点选择方法不足的问题,提出了一种基于三角模糊数的车联网簇头节点选择方法,依赖邻近车辆相对速度和相对距离完成簇头的选择。构建了一种典型车联网应用场景,提出了基于三角模糊数和学习机制的车辆加速度预测方法,基于定义的加权稳定因子,设计了车联网簇头节点选择机制。基于i TETRIS构建了车联网仿真平台进行测试分析,结果表明,与CMCP方法和APROVE方法相比,提出的簇头节点选择方法有效性较高。     

面向混合自动驾驶车流的协同自适应巡航控制EI北大核心CSCD

车联网V2V环境下能实时获取自车和周围车辆的运动状态、驾驶工况和道路环境,为汽车自适应巡航控制系统提供更准确的信息。为消除自动驾驶汽车(AV)和人工驾驶汽车(MV)混合行驶工况下的车头时距干扰对汽车纵向巡航控制的影响,提出了一种基于车联网V2V的协同自适应控制方法。通过车联网V2V实时采集车辆跟驰过程中车辆基本安全信息(basic safety message,BSM),进而获得车辆相对运动状态和驾驶行为序列;应用线性最优二次型方法建立驾驶操纵序贯链优化目标函数,再对扰动作用下的汽车运动状态改变量进行短时预测;在此基础上,以混合车流车头时距的最优均衡状态为目标,构建了车辆跟驰间距的滚动优化模型和协同自适应控制方法。实验结果表明,在头车加/减速行驶工况下,改进后的车辆控制器能更快响应前车运动状态的变化量,并在保证车辆安全跟驰间距的情况下,降低了车头时距,提高了道路通行能力。     

基于区块链技术的车联网匿名身份认证技术研究

针对目前存在的假冒用户信息和利用用户信息进行车辆跟踪等攻击的行为,分析并总结了近年来车联网安全领域的相关研究成果以及区块链技术的特征和原理,提出了适用于车联网的匿名身份认证的区块链系统框架,基于该框架和SM9加密算法设计了汽车与服务器、汽车及路侧单元(RSU)之间的匿名认证方案,并针对效率和安全性与传统方法进行了仿真对比,结果表明,该方案是一种高效、承载量更大、更能保证用户及车辆身份信息安全的匿名身份认证方式。     

中条山隧道重点车辆安全管控平台的研究与应用

针对中条山隧道路侧安装的感知设备利用不充分、数据传送不及时、突发事件,尤其是“两客一危”、超高超限等重点车辆行为异常事件,时有发生的现状,对中条山隧道重点车辆安全管控平台展开研究。通过载入平台的“两客一危”AI检测算法,结合宽高仪主动检测技术,可实现异常数据的汇聚处理、深度融合以及智慧应用,同时实现隧道场景内的“两客一危”以及超高超限等重点车辆的精准识别、实时定位以及隧道内的交通诱导,以提升隧道通行效率,减少安全事故,保障出行安全。该平台的研究与落地应用,有效地降低了中条山隧道中重点车辆的事故发生概率,为隧道的安全出行管理提供助力。     

基于行为融合的无人自动驾驶车辆的智能控制

针对动态环境下无人自动驾驶车辆控制的非线性、时变的特点,提出并设计了一种基于行为融合的无人驾驶车辆的智能控制策略。根据车辆行驶基于模糊逻辑方法设计了一系列的基本行为模式,用模糊控制的方法分别建立各行为模式控制器,进而对车辆的方向和速度进行控制。在行为选择机制设计中,对常用的行为竞争和行为融合2种方法进行分析比较后,提出限制各行为模式的使用范围,通过各行为的控制和融合,既达到有效避障,又能完成行驶目标的目的。通过几种典型障碍物环境下的避障仿真实验,结果显示设计达到了预期效果。     

紧急避撞工况下驾驶员异常行为检测

在紧急避撞场景下,驾驶员极易因慌乱和误判,产生异常驾驶行为,故提前检测出驾驶员的异常行为对于确保驾驶员自身和周边交通的安全有重要意义.为此,本文中提出了综合转向盘转角残差序列和相平面图判断的异常驾驶行为检测方法.首先,基于相平面法确定车辆稳定性边界;接着,建立基于模型预测控制的驾驶员模型,构造实际驾驶操作与驾驶员模型参...     

基于车联网的城市路网实时行程时间预测

近年来,车联网技术快速发展,其不仅具备车辆对车辆和车辆对路侧的联网通讯功能,而且还能提供交通信息的实时交换功能。在车联网条件下,假设所有车辆均为浮动车,则基于浮动车和交通检测器信息可构建城市路网的行程时间预测模型。该模型针对路网行程时间进行预测,并对浮动车实时和历史数据进行比较和分析。分析结果表明:使用浮动车实时数据预测的行程时间误差最小,但变异系数很高;而使用融合模型,则误差和变异系数都较低。     

企业积极投入车联网技术开发

<正>车联网时代正在向我们走来,车载以太网是当前实现车联网最理想的技术,汽车零配件公司正在积极开发相关的技术和产品,以应对未来的市场需求,推动车联网的早日实现。车载以太网具有兼容性和可扩展性,可支持多种系统和设备,具有很强的融合能力和开放的架构,如果未来将多种车内网络整合为一体形成骨干网,能够实现车与车之间的彻底互联互通。