"瓶颈"是如何被突破的?--沈阳军区某师战时汽车运输保障能力建设纪事

“敌对1号道路实施连续封锁，上级命令你营迅速将物资送至第一攻击群!”“车队拉大车距，加速通过!”“前方桥梁被毁，车辆无法通过!”“控制车速车距，组织车队绕行!”……     

基于OpenCV的前方车辆检测和前撞预警算法研究

针对汽车的追尾碰撞事故,提出了基于OpenCV的前方车辆检测和多信息融合预警的方法。该方法首先利用Haar-like+Gentle Adaboost实现前方车辆的快速识别,结合Kalman滤波原理跟踪车辆,实现前方车辆检测,然后基于几何模型实时计算前车与本车的横纵向距离,最后根据本车及前车车速、碰撞时间TTC、横向距离等信息与阈值进行比较,分级识别碰撞风险。试验结果表明,该检测方法平均耗时22 ms/帧,检测率达到96%,并能较准确地测量车距,实现可靠的前方避撞预警输出。     

基于道路坡度实时信息的经济车速优化方法

作为生态驾驶辅助系统的组成部分,提出了基于道路坡度实时信息的车辆经济车速优化方法。搭建了车辆油耗模型和车辆动力学模型,对于车辆行驶在没有坡度的和前方出现坡道的两种情况,进行最省油车速优化。根据坡度信息,利用动态规划算法,计算出通过坡道的经济车速。对于一款D级轿车,运用Matlab/Simulink和Carsim联合仿真,与真实道路信息上实车模拟结果进行对比分析。结果表明:与传统定速巡航控制算法相比,该算法节油达到5%。这说明,该算法能降低车辆油耗。结合全球定位系统(GPS)信息以及地理信息系统(GIS),该技术可用于基于车联网的生态驾驶辅助系统。     

基于车-车通信的车辆车速动态控制系统设计

为了更好地解决车辆纵向追尾碰撞问题,利用车联网技术,设计了基于车-车通信的车辆车速动态控制系统,在系统软硬件设计的基础上,实现了车辆之间的车速、位置等关键数据信息的相互共享,并且通过车载APP显示。系统通过对自车与前车之间的实际车距和理论安全距离比较,控制电机实现对本车的车速动态控制。实验结果表明,该系统能够有效避免车辆纵向追尾碰撞风险。     

相邻车道车辆并道预测与跟车控制改进的研究

为在自适应跟车控制中,预测相邻车道车辆的并道行为,提前调整自车速度控制策略,以提高自车的乘坐舒适性和安全性,通过采集和分析实际道路上自车与周围车辆的运动状态信息,建立相邻车道车辆并道行为预测模型,并在此基础上对现有期望间距跟车模型进行改进。仿真结果表明:自车车速vM、自车与前车的车头时距t1、自车与前车的相对速度vML和自车与相邻车道车辆的相对速度vMF可作为预测并道行为的表征参数;所建立的预测模型可提前2s预测并道行为的类型,对两种并道行为预测的准确率分别达到88%和90%;改进的期望间距模型使跟车过程更加平稳,可提高车辆的舒适性与安全性。     

基于单片机的汽车刹车预警系统设计

通过光电式传感器测速、雷达测距来测量车辆的实时车速和前后车辆的距离,并将数据传入单片机进行分析、计算。在汽车处于一定车速时,当车距小于安全距离时,单片机就会控制车辆自动刹车,以保证车辆与前车处于安全车距。通过这样的控制方式,来实现车辆的实时制动,使车辆处于安全情况。     

高速行驶车辆跟车安全距离预警系统设计与研究

正高速行驶车辆与前车跟车安全距离识别系统设计时,可采用毫米波雷达获得与前车的距离,并以此作为识别预警系统的基础应用数据。根据跟车距离和相对车速不会突变的特性建立预测模型,应用卡尔曼滤波理论预测相对车速,可有效消除系统状态误差和测量误差对测量精度的影响,利用跟车距离和相对车速计算安全距离报警阈值。同时,为适应不断更新的预测模型,采用深度学习的策略不断对预测模型参数进行学习训练,在大量学习样本的     

汽车多普勒测速系统

提出了一种利用多普勒雷达检测车速、车距的系统方案。对系统主要参数进行了论证，并给出了主要电路的设计方法。本系统可安装于汽车上，用于雾天或夜间监测前方汽车，并在车速、车距达到安全边界时给出报警信号，以避免交通事故的发生。     

基于人车最终距离的碰撞车速估算模型

人车碰撞事故的仿真再现须先估算碰撞车速,而当碰撞位置未知时,基于行人抛距与车辆后制动距离的车速估算方法无法采用。但由于注意到碰撞后人、车最终距离是可测的,故本文中利用它来估算碰撞车速。基于经典力学理论和若干假设,研究了行人抛距与车辆后制动距离间的关系,并据此建立了基于人车最终距离的碰撞车速估算模型,并对模型计算结果进行各种验证。结果表明,基于人车最终距离的碰撞车速估算模型的计算结果与PC-Crash的仿真结果及文献中的试验和典型案例数据都很吻合。     

基于无迹卡尔曼滤波和门控循环单元的道路坡度估计

针对外接激光雷达等传感器普适性差,而传统道路坡度估计方法仅根据车载CAN总线数据在车辆起步、换挡、制动和停车4种特殊工况中的估计误差较大的问题,提出了一种基于无迹卡尔曼滤波（UKF）和门控循环单元（GRU）的道路坡度估计方法。根据车速等数据识别工况,在非特殊工况下,建立车辆动力学模型并采用UKF来估计坡度;在特殊工况下,将规律性不稳定的时序坡度转换为距序坡度,并利用GRU进行短距坡度预测。仿真和实车试验结果表明：在非特殊工况下,该方法通过UKF可准确估计道路坡度;在特殊工况下,该方法通过GRU可有效跟踪距序坡度变化趋势,显著提高了道路坡度估计精度。     

基于RFID电子车牌数据的公交行程时间预测方法

为了给公交优先信号配时系统提供足够的"思考"时间和准确的控制依据,基于重庆市RFID电子车牌数据提出了一种采用自适应渐消卡尔曼滤波和小波神经网络组合模型动态预测公交行程时间的方法。综合分析公交行程时间的动态和静态影响因素,选取的模型输入参量为标准车流量、路段车辆平均行程时间、平均车速离散性和前班次公交行程时间。利用RFID电子车牌系统采集重庆市鹅公岩大桥路段车辆行驶数据,选取3 000组实际运行数据完成公交行程时间预测模型的训练,另筛选50组数据验证模型的有效性和准确性。研究结果表明：组合模型可动态自适应预测公交行程时间,预测值平均相对误差为3.23%,绝对误差集中在8 s左右,明显优于2种单一模型和基于传统GPS数据的公交行程时间预测模型,可认为选择RFID电子车牌数据作为组合模型的输入,能够明显改善模型预测精度;组合模型预测值的残差分布更为集中、鲁棒性较好,泛化能力强。选择平均绝对误差值、均方根误差值和平均绝对百分比误差作为模型评价指标,结果进一步表明,组合模型的综合预测效果明显优于单一的自适应渐消卡尔曼滤波和小波神经网络。研究方案可为先进公交信息化系统提供良好的技术支撑。     

基于ST-GCAN模型的高速公路车辆速度预测方法

车辆速度是影响高速公路通行效率和安全的重要指标,因此实现对高速公路车辆速度的精准预测有助于减少交通事故进而提升交通智能管控服务水平。基于现有深度学习模型,研究了融合图卷积网络（convo-lutional neural network,GCN）、长短期记忆网络（long short-term memory network,LSTM）和注意力机制的车辆速度预测模型（ST-GCAN）：利用图卷积网络提取复杂高速路网的空间关联特征;使用长短期记忆网络提取车辆速度的历史数据间的时间关联特征;结合注意力机制聚集并分析车辆速度的历史数据和预测值之间的相关性。此外为保障预测模型网络信息完整并解决训练时协变量偏移问题,模型使用密集连接和层归一化技术以提升模型性能表现。利用青海省西宁市的高速公路车辆速度数据集开展实例分析,研究区域包括8个收费站共49条路段,时间跨度为2020年5月1日—8月31日,以小时为步长,共计94 777条数据。实验得到未来1小时高速公路车辆速度的预测效果：平均绝对误差（mean absolute error,MAE）为12.762,均方根误差（root mean square error,RMSE）为21.535,决定系数（R²）为0.651。与传统的时间序列模型和自回归移动平均模型相比,ST-GCAN模型的MAE误差分别降低了约11.1%和19.7%,而对比现有多种深度学习预测模型,ST-GCAN模型的MAE误差降低了约8.0%~10%。ST-GCAN模型在高速公路路网可以实现良好的车辆速度预测效果,满足交通智能管控中的实际预测需求。     

隧道与主线出口间小净距路段车辆行驶特征分析

当受地理与投资因素限制,山区高速公路隧道与主线出口间距离低于规范值,则该区域称为小净距路段。为描述该区域车辆行驶特征,充实山区公路设计与交通管控的理论基础,在我国秦岭服务区等7处山区高速公路小净距路段,通过无人机定点俯拍采集高清行车视频,基于视频提取全域车辆高精度速度与轨迹数据,实现车辆行驶特征分析。本研究基于SIFT算法进行视频配准;基于YOLOv5与DeepSORT算法实现车辆检测与连续跟踪;采用Savitzky-Golay滤波器对数据进行光滑滤波。基于以上方法,可获得高精度车辆行驶数据。经验证,车速精度可达到95%以上,轨迹误差小于20 cm。而后,考虑了净距长度、车辆类型、车道分布等指标,从多角度多因素对行车特征进行了分析。结果显示：①小净距路段车辆行驶特征与普通路段有明显的差异,车速分布不满足正态分布规律;②整体上驶出车辆在渐变段起点前10~20 m左右会稳定车辆运行状态;③由于视角更高,货车相对小车能更快识别出口路况,所以车速相对平稳;④内侧驶出小车在渐变段起点20 m后以1.1~1.4 m/s的横向速度驶入减速车道,当主线为左偏曲线最有利于驶出;⑤净距长度对驾驶行为产生的影响最为明显,交通流方面交通量是最大的影响因素,道路线形因素中曲线偏转方向及偏转角是最大的影响因素。     

山区高速公路弯坡路段车辆运行速度预测模型

为确定山区高速公路弯坡路段的车辆运行速度特征,提高山区高速公路运营安全管理水平,结合山区高速公路复杂的道路线形条件,研究适用于弯坡路段的运行速度预测模型.文中列举国内外具有代表性的运行速度模型,并分析其局限性;通过调研3条典型山区高速公路,采用气压管式车速检测器对车速数据进行采集,选择路段特征点的运行速度作为分析样本;...     

考虑多因素修正的山区二级公路弯坡组合路段小型车运行速度模型

为确定山区二级公路弯坡组合路段小型车运行速度规律,使用Metro Count 5600设备对国道G108和G244山区二级公路共128.8 km的71个特征断面车辆速度进行采集.基于实测数据分析了道路平纵线形及前一个断面车辆初始速度对当前断面运行速度的影响,在初步拟定自变量的基础上,分别采用偏相关分析和因子共线性分析对...     

基于ADAS联网时空数据的路段交通参数估算模型

交通参数实时获取是道路交通管控的重要基础。针对固定检测器观测范围受限和浮动车数量需求大的问题,研究了1种利用车载ADAS联网数据进行路段交通参数估算的方法。通过分析车载ADAS感知的前向目标参数与交通参数的关系,结合广义交通量定义,并考虑多车道条件下ADAS车辆及其邻近前车的相对运动变化特性,建立了1种非稳态交通条件下的交通参数估算模型。在仿真实验环境下获得定参数据集和验证数据集,完成对模型的参数标定和验证,并探讨时空分辨率和ADAS车辆渗透率对模型估算精度的影响规律。基于实验数据分析,结果表明,时间分辨率降低5 min,所提模型估算误差平均减小3.4%,降低时间分辨率可以提升所提模型的估算精度;空间分辨率降低500 m,流量和密度的估算误差平均减小1.68%,却可能导致速度估算误差平均增加5.19%;ADAS车辆渗透率的增长可以增强估算交通参数和观测交通参数在路段时空区域的契合程度。在ADAS逐渐装车应用的背景下,所提的交通参数估算模型可快速、精准获取路段连续时空范围内的交通量信息。     

基于MM-STConv的端到端自动驾驶行为决策模型

针对现有端到端自动驾驶模型输入数据类型单一导致预测精确度低的问题,选取RGB图像、深度图像和车辆历史连续运动状态序列作为多模态输入,并利用语义信息构建一种基于时空卷积的多模态多任务(Multimodal Multitask of Spatial-temporal Convolution,MM-STConv)端到端自动驾驶行为决策模型,得到速度和转向多任务预测参量。首先,通过不同复杂度的卷积神经网络提取场景空间位置特征,构建空间特征提取子网络,准确解析场景目标空间特征及语义信息;其次,通过长短期记忆网络(LSTM)编码-解码结构捕捉场景时间上、下文特征,构建时间特征提取子网络,理解并记忆场景时间序列信息;最后,采用硬参数共享方式构建多任务预测子网络,输出速度和转向角的预测值,实现对车辆的行为预测。基于AirSim自动驾驶仿真平台采集虚拟场景数据,以98 200帧虚拟图像及对应的车辆速度和转向角标签作为训练集,历经10 000次训练周期、6h训练时长后,利用真实驾驶场景数据集BDD100K进行模型的测试与验证工作。研究结果表明:MMSTConv模型的训练误差为0.130 5,预测精确度达到...     

双激光位移传感器测量路面平整度系统实现

在道路检测领域,多功能激光道路检测车可以实现多种路面息的采集,传输和处理。路面平整度就是重要的路面信息之一,本文提出了一种双激光位移传感器测量路面平整度的方法,可以有效的消除车辆振动与俯仰等对路面平整度检测的干扰与影响,从而实现路面平整度的实时,高速,准确,全天候的采集和处理。该方案已经在多功能道路检测车上得到了很好的应用。     

基于横向安全距离模型的主动避障算法

现有的安全距离模型是基于纵向相对车速或减速度值建立的,没有考虑移动目标的横向运动特性。本文利用移动目标横穿马路的速度、相对位置,建立横向安全距离模型,并提出一种基于横向安全距离模型的主动避障算法。首先,根据横向移动目标横穿马路的速度、相对位置和自车的制动距离建立横向安全距离模型,设计主动避障算法。接着,为计及路面条件对制动效果的影响,引入当前行驶路面估算的附着系数峰值估算最大制动减速度,约束目标避障减速度,并调整制动强度,以适应不同路况的安全避障行驶。最后,以典型横向移动目标-骑行者作为研究对象,通过PreScan/Simulink/CarSim联合仿真验证避障算法的有效性。结果表明:基于横向安全距离模型的主动避障算法能有效避免与骑行者碰撞,提高行车的主动安全性。     

汽车正面碰撞事故车速预测模型仿真研究

为了能有效准确地根据事故现场情况预测出碰撞前车辆的运行车速情况,文章利用反推算法,遵循相关物理定律,构建正面碰撞事故中车辆相关参数及道路条件与车速的函数关系,并基于Visual Basic平台搭建车速预测模型并进行实测验证。结果表明,所构建模型的误差率较低,所构建模型、系统是正确高效的,可用于正面碰撞事故的车速预测研究工作。