基于三次样条插值的车辆行驶数据分析

采样数据的准确程度直接决定了车辆行驶工况的准确性。采用基于GPS的实时动态车辆行驶数据采集系统,记录了某车辆运行速度、时间、方向等信息,并结合测量误差产生机理,通过分析车辆行驶数据中奇异信号类别及特征,得到无效定位数据、时间错误数据和速度突变数据等3种奇异数据类型。利用三次样条插值算法对奇异数据进行了拟合,修正了车辆行驶数据中奇异信号,修正后的速度时间曲线更符合车辆行驶特征,可真实模拟车辆行驶工况。     

航拍视频车辆检测目标关联与时空轨迹匹配

高解析度轨迹数据蕴含丰富车辆行驶与交通流时空信息.为从航拍视频中提取车辆轨迹,构建了车辆检测目标跨帧关联与轨迹匹配融合方法.采用卷积神经网络YOLOv5构建视频全域车辆目标检测,提出车辆动力学与轨迹置信度约束下跨帧目标关联算法,建立了基于最大相关性的断续轨迹匹配与融合构建算法,实现轨迹车辆唯一编号.将轨迹从图像坐标转换...     

基于车辆轨迹预测对抗性攻击与鲁棒性研究

针对常规车辆轨迹预测数据集中较少包含极端交通场景信息的问题,本文提出一种新型对抗性攻击框架来模拟此类场景。首先,为了判定不同场景中对抗性攻击是否有效提出了一种阈值判定的方式;然后,针对攻击目的的不同分别设计了两种对抗性轨迹生成算法,在遵守物理约束和隐蔽性前提下,生成更具对抗性的轨迹样本;此外,提出3个新的评价指标全面评估攻击效果;最后,探究了不同的防御策略来减轻对抗攻击影响。实验结果显示,基于扰动阈值的快速攻击算法（attack algorithm based on perturbation threshold for fast attack,PTFA）和基于动态学习率调整的攻击算法（attack algorithm based on dynamic learning rate adjustment, DLRA）在NGSIM数据集上的攻击时间和扰动效果均优于现有算法,更高效发现模型弱点。本研究通过模拟极端情况丰富了轨迹样本,深入评估了模型鲁棒性,为后续优化奠定了基础。     

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。     

谐波叠加法在道路谱重构中的改进与应用研究

三维路面的数值模拟是车辆虚拟道路试验中的重要研究课题,而道路谱的重构与分析是其中的核心内容。谐波叠加法作为常用的道路谱重构方法,具有良好的适用性及精度。但在解决非规则分布的复杂道路问题时存在着重构精度不足以及计算效率不够等问题。为此,在原有的谐波叠加法基础上,提出基于改进谐波叠加法的道路谱重构方法。通过三次样条插值技术对谐波叠加法进行改进,以正定平方分解 （Cholesky） 次数来减少计算内存,从而提高道路谱重构精度。研究发现,相较于传统的谐波叠加重构方法,基于改进谐波叠加法的道路谱重构算法运行模拟时间大大减少,但是精度明显提升。与直接测量法、载荷谱迭代法、谐波叠加法以及滤波白噪声法等相比,基于改进谐波叠加法的道路谱重构精度在90%以上,具有显著优势。基于改进谐波叠加法的道路谱重构模拟仿真,重构的路面功率谱与标准路面谱能很好地契合,得到更加满意的仿真效果,在车辆虚拟道路试验中具有一定的实践应用价值。     

基于时空特性的GPS轨迹数据压缩算法

车辆GPS数据中蕴含的车辆轨迹信息具有重要的理论和应用价值.为减少轨迹数据存储空间,提高数据分析及传送速度,提出了一种基于时空特性的轨迹数据压缩算法,根据GPS数据点的时空三维特征,计算轨迹特征点判断的距离标准,更准确的提取轨迹信息.算例分析结果表明,基于时空特性的GPS轨迹数据压缩算法大幅度减少轨迹压缩误差,提高压缩效率.     

基于车辆轨迹的驾驶员自由换道行为研究

自由换道行为会对交通流稳定运行产生较大的影响,在换道过程中驾驶员的行为是重要的影响因素。基于车辆运行轨迹的分析,对驾驶员在自由换道过程中的心理行为进行分析,为自由换道模型的构建提供参考依据。     

基于改进的反距离权重插值的车辆轨迹重构方法

为解决车辆行驶过程中,时常出现的信息丢失、数据接收障碍等问题,提出了反距离权重插值方法。反距离权重插值算法因其简单,普适性强被广泛用于车辆轨迹重构,但车辆轨迹数据的分布多呈现离散、不均匀状态,当分布点采集不均匀时反距离权重插值方法会严重影响插值精度。针对这一问题,结合自然邻近关系的良好自适应分布特性,提出一种改进的反距离权重插值方法。首先,将车辆轨迹数据与道路路网数据进行匹配后,采用3σ准则法对车辆轨迹数据进行粗差剔除预处理。其次,对轨迹数据构建初始路网,并通过逐点插值法对初始路网进行插值,局部调整得到新的车辆轨迹,以待插点的一阶邻近点作为反距离权重插值参考点,通过建立自适应规则,调整各子区域内的变化参数,使其均匀地分布在待插值点周围,再进行反距离权重插值计算。最后,采用山东省淄博市的出租车轨迹数据对提出改进的反距离权重插值方法进行验证,收到了良好的效果。并在插值精度方面与当下应用较广的插值算法进行对比试验,试验表明,改进的反距离权重插值算法在原有性能的基础上具有更高的插值精度,可以应用于车辆轨迹数据丢失后的修补工作。     

无人驾驶车辆轨迹跟踪控制研究

为了提升智能车辆在轨迹跟踪控制中的性能,文章基于车辆运动学模型建立了一种带有前馈补偿和反馈最优控制策略的线性二次型调节器(LQR)轨迹跟踪控制算法。并通过搭建Carsim/Simulink联合仿真模型,验证该算法在不同工况下的轨迹跟踪效果。结果表明,该算法在不同车速和不同路面附着条件下都能保证无人驾驶车辆准确地跟踪参考轨迹,且具有较强的鲁棒性。     

基于毫米波雷达组群的全域车辆轨迹检测技术方法

高精度车辆轨迹数据对于高速公路交通管理和智慧服务具有非常重要的研究及应用价值,然而现有的车辆轨迹感知技术难以获得全域全时车辆轨迹数据。为此,提出一种基于毫米波雷达的全域车辆轨迹跟踪技术方法,该方法包括：雷达原始数据获取及适配、轨迹数据清洗及降噪、道路线形感知及还原、车辆轨迹匹配及拼接。其中,雷达原始数据获取及适配通过构建雷达帧数据适配表将雷达数据格式标准化,并通过构建的轨迹可信度评价指标K,剔除镜像车辆轨迹数据,进而基于历史行车轨迹的统计学特征,采用聚类方法还原道路线形,最终通过雷达群组间车辆轨迹特征分析及匹配拼接,实现设备内部及跨设备对车辆轨迹的持续跟踪。利用载波相位差分技术(Real-time Kinematic, RTK)和基于无人机航拍视频定位技术分别对单车及多车轨迹跟踪精度进行检验。研究结果表明：在单目标跟踪状态下,系统的纬度偏差均值为-0.284 m,经度偏差均值为-0.352 m,纬度误差均值为0.712 m,经度误差均值为0.539 m;在多目标跟踪状态下,系统丢车率约为8%,轨迹定位与真实位置偏差均值为0.990 m,具备良好的轨迹跟踪精度。该方法为未来从更加宏观的范围内研究个体驾驶行为风险转移分析、微观水平的驾驶风险的时空演化提供了数据支撑。     

基于时-空注意力机制的车辆轨迹预测

城市交通环境中车辆的驾驶行为随机性较高,且驾驶人驾驶风格迥异。为了解决复杂交通环境下车辆行驶轨迹难以精确预测的问题,在社会生成对抗网络(Social GAN)的基础上,考虑车辆的行驶速度、加速度、航向角等行驶状态参数和形状尺寸,建立车辆间交互影响力场模型,提出一种基于时-空注意力机制的车辆轨迹预测算法(SIA-GAN)。根据受到场景中其他车辆交互影响力的大小赋予其他车辆不同的空间注意力权重因子,重点关注对自车行驶影响较大的车辆信息,并结合时间注意力机制挖掘自身车辆对观测时段内历史轨迹特征向量的时间依赖性,得到车辆预测轨迹。为验证所提算法的有效性,在开源数据集上对算法进行迭代训练,并与LSTM、Social LSTM、Social GAN三种轨迹预测算法进行对比分析。研究结果表明：SIA-GAN不仅在训练时的收敛速度上有较大提升,且与现有其他轨迹预测算法相比在平均位移误差、最终位移误差、平均速度误差、平均航向角误差等评价指标均有大幅下降,预测3.2 s时各项指标平均降低了51.25%、60.1%、37.84%、13.75%;预测4.8 s时各项指标平均降低了52.78%、61.47%、3...     

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。     

基于自适应模型预测的智能汽车轨迹跟踪控制研究

针对车辆纵、横向跟踪的强耦合、非线性特性,设计了基于自适应模型预测控制理论的轨迹跟踪控制器.同时考虑纵、横向跟踪控制,并引入线性变参数模型(LPV),把纵向速度对横向跟踪的影响转化为LPV模型中调度参数的变化,把纵、横向跟踪的高度非线性动力学模型转化为LTI模型的插值队列,以用于自适应纵向速度的改变.基于预测控制理论,...     

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...     

Prescribed Trajectory Vehicle Model

SUMMARY

The paper provides a comprehensive survey of active railway suspensions, covering both basic concepts and significant practical implications around the world. A critical review of technological opportunities, both current and future, is included, and the final section takes a speculative look at long term trends.     

基于改进蚁群算法的运输调度规划

在运输调度等组合优化问题的最优路线的搜索中,传统蚁群算法ACA(Ant Colony Algorithm)存在搜索时间长、收敛速度慢、易陷于局部最优解等缺点。为了克服这些缺点提出了一种改进的蚁群算法,该算法将遗传算法和蚁群算法结合起来,在蚁群算法的每一次迭代过程中,首先采用自适应策略控制它的收敛速度,然后使用变异操作来确定解值,从而提高它的搜索性能。再结合建立的运输调度性能指标,利用遗传算法、蚁群算法和改进蚁群算法3种方法分别进行运输规划,通过比较其时间花费和运输费用,验证了改进蚁群算法的有效性。实践证明,改进后的蚁群算法基本上克服了传统算法自身的不足,提高了算法性能。     

基于抽样车辆轨迹数据的信号控制交叉口排队长度分布估计

排队长度是评价信号控制交叉口运行状态的重要参数之一。现有大多数基于抽样车辆轨迹数据的排队长度估计方法可以实现周期级排队长度估计,但是需要信号配时、渗透率或车辆到达分布等实践中难以获取的输入信息。此外,这类方法在低渗透率条件下往往难以确保估计结果的准确性和可靠性,极大地限制了其实用性。因此,提出一种抽样车辆轨迹数据驱动的时段级信号控制交叉口排队长度分布估计方法,可不依赖任何交通流理论模型和前述输入信息实现排队估计。首先,通过理论推导可以证明时段内抽样车辆的停车位置分布和排队长度分布之间可互相转化;然后,提出一种扩展的核密度估计方法来拟合并平滑抽样车辆停车位置分布,从而有效地适应不同日期和周期的轨迹叠加所带来的波动,提高方法的适用性;最后,基于前述推导和拟合的停车位置分布实现时段排队长度分布、平均排队长度和百分位排队长度估计。分别采用仿真和实证数据对上述方法进行验证和评价。结果表明,通过叠加5 d相同时段的抽样轨迹数据,15 min的平均排队长度估计误差仅为1.59 veh,相对误差仅为9%。同时,面向不同分析时长,只要给定超过100 veh抽样车辆的观测样本,无论渗透率高低,所提出的方法在定时或自适应信号控制交叉口都可实现时段排队长度分布的准确估计,其成果可进一步用于信号控制交叉口运行可靠性评估以及多时段定时信号控制的鲁棒优化。