汽车制动力曲线异常检测

研究了制动力曲线异常检测方法, 分析了回踩异常特性, 考虑了制动力检测工况和制动力曲线变化趋势, 基于余弦相似度与相对误差, 对制动力数据进行聚类, 建立了制动力曲线分段算法; 将制动力曲线分为阻滞段、上升段、持续段和释放段, 提取出相应的数据子集; 对3家检验机构的9 120条制动力曲线进行人工筛选和分析, 归纳了制动超前、回踩、增长滞后3种异常特征, 给出了相应异常检测算法; 对于较难识别的回踩异常, 根据动态规划思想, 找出上升段最长连续趋势下降子序列, 计算了该子序列占制动力曲线上升段的行程比, 并结合经验值来判定该子序列是否异常。研究结果表明: 对于维度不大于32的低维制动力数据, 通过余弦相似度可聚类制动力曲线的阻滞段、上升段、持续段和释放段; 对于维度大于32的高维数据, 因为维数较高, 行程比较小, 分界点对整个序列相似度影响较小, 在这种情况下, 必须在考虑相似度的情况下, 通过分界点的相对误差进一步约束聚类结果, 可以确定制动力曲线的阻滞段、上升段、持续段和释放段; 由于采集的回踩子序列占制动力曲线的行程比为9.8%, 大于行程比的经验阈值8.2%, 因此, 该制动力曲线具有回踩异常, 判断结果正确, 方法可靠。     

基于车载OBD数据的小汽车出行特征分析——以北京市为例

小汽车出行特征是城市道路网运行的重要影响因素之一。采集小汽车出行数据并深入分析其出行行为特征,是引导小汽车出行方式转变、降低机动车使用强度的重要条件,能够为交通精细化管理和政策制定提供支持。基于车载OBD可采集到的小汽车出行数据和轨迹数据,提出小汽车出行特征分析方法,得到出车率、出行次数、出行距离等量化指标,分析不同阶段、不同区域、不同政策下的出行指标变化特征。利用大数据分析方法对出行规律深层挖掘,进一步获得用户画像、路网非直线系数等交通特征。分析结果表明,车载OBD数据能够较好地反映小汽车出行行为特征,并对交通需求管理政策的实施效果做出定量评价。     

面向高速公路车辆切入场景的自动驾驶测试用例生成方法

为在自动驾驶汽车基于场景的测试中生成涵盖相应场景中复杂多变的真实交通运行过程的测试用例,从highD数据集中提取车辆切入场景的多个实际样本,通过分析运动参数和参与车辆之间的位置关系,建立车辆切入场景的描述模型,根据切入点的碰撞时间评估该方案的风险程度,并结合描述模型中参数的分布,采用蒙特卡罗方法生成测试用例。结果表明,生成的车辆切入测试用例能够覆盖所有风险等级,可较好地支持自动驾驶测试。     

降雨条件对车载激光雷达性能影响的试验研究

激光雷达是自动驾驶车辆最为关键的传感器之一,被广泛用于车辆定位、目标检测与跟踪等任务。然而,激光雷达的点云数据会受到恶劣天气（如雨、雾、雪等）的严重影响,致使自动驾驶全天候行驶仍然面临着巨大挑战。为了量化评估恶劣天气对激光雷达性能的影响,分析了降雨环境下激光雷达的性能,基于构建的场地降雨模拟系统控制降雨量,通过多视角的静、动态试验定性与定量分析激光雷达测距精度、典型目标点密度、有效检测距离等性能参数与降雨量之间的关系。试验结果表明：车辆作为目标物时,目标物上的激光点云受降雨的影响最大,相较于无雨环境,中雨时打在汽车上的激光点数降低幅度超过了60%,检测距离下降了69%,并且随着降雨量的增大激光雷达对目标的有效检测距离持续下降;试验方法和结果对于测试评价自动驾驶性能及提升降雨环境下的激光感知能力具有重要意义。     

基于封闭测试场的DSRC与LTE-V通信性能测试研究

针对专用短程通信(DSRC)和LTE-V技术的性能测试需求,在封闭测试场搭建了静态、动态条件下的5种场景,构建了面向智能网联交通应用的模块化测试平台,并设计了一种通信性能测试系统及方法,以数据包投递率和时延为评价指标,通过测试对比分析了通信距离、遮蔽物、车速等因素对DSRC和LTE-V通信性能的影响。结果表明:通信距离和遮蔽物是影响DSRC与LTE-V通信性能的重要因素,但LTE-V较DSRC有更广的通信范围,在同一范围内有更可靠的性能;车速对二者通信性能影响较小,但在高速场景下,两车距离较近时,LTE-V出现时延突增现象,DSRC较LTE-V有更佳的性能。     

车路协同条件下智能网联高速公路通行效率信息自适应分发协议:NRT-V2X

车路协同技术是解决自动驾驶中单车智能现存缺陷的关键技术。而智能网联高速公路的出现为车路协同技术真正应用于实际提供了良好的平台,其中,路侧单元（Road Side Unit,RSU）如何将路侧传感器信息或交通监控中心发布消息传递给路上车辆,是车路协同技术的一个关键环节。为此,提出一种基于V2V（Vehicle to Vehicle）和V2I（Vehicle to Infrastructure）融合的自适应数据分发协议（Adaptive Network and Road Traffic Data Dissemination for V2X,NRT-V2X）。NRT-V2X协议在影响通行效率事件的车流上游为RSU定义了一段服务区域（ROI,Region of Interest）。RSU通过感知服务区域中车辆的无线通信网络状况和路面交通状况来自适应调整其信息发送间隔,从而在保证ROI中车辆信息全覆盖的前提下,降低RSU发送信息开销,抑制ROI内车辆的接收信息冗余。基于创建的2个场景和2个车路协同应用,利用双向耦合车联网仿真平台进行性能评估。试验结果表明：采用NRT-V2X协议的车路协同技术可使高速公路的通行效率提高28%以上;与RSU固定发送间隔协议和典型V2X协议ATB相比,NRT-V2X的信息覆盖率稳定在100%,发送信息开销降低了至少30%,接收信息冗余下降了20%以上;NRT-V2X能够将智能网联高速公路通行效率相关信息高效地由RSU分发到其定义的ROI中的所有车辆,从而保证所有车辆预先接收到相关信息,选择最优行车路线,提高通行效率。     

Vehicle Ego-Localization Based on Streetscape Image Database Under Blind Area of Global Positioning System

Vehicle positioning is critical for inter-vehicle communication, navigation, vehicle monitoring and tracking. They are regarded as the core technology ensuring safety in everyday-driving. This paper proposes an enhanced vehicle ego-localization method based on streetscape image database. It is most useful in the global positioning system(GPS) blind area. Firstly, a database is built by collecting streetscape images, extracting dominant color feature and detecting speeded up robust feature(SURF) points. Secondly, an image that the vehicle shoots at one point is analyzed to find a matching image in the database by dynamic programming(DP)matching. According to the image similarity, several images with higher probabilities are selected to realize coarse positioning. Finally, different weights are set to the coordinates of the shooting location with the maximum similarity and its 8 neighborhoods according to the number of matching points, and then interpolating calculation is applied to complete accurate positioning. Experimental results show that the accuracy of this study is less than 1.5 m and its running time is about 3.6 s. These are basically in line with the practical need. The described system has an advantage of low cost, high reliability and strong resistance to signal interference, so it has a better practical value as compared with visual odometry(VO) and radio frequency identification(RFID) based approach for vehicle positioning in the case of GPS not working.     

智能公路发展现状与关键技术（双语出版）

借鉴美国自动公路系统（Automated Highway Systems,AHS）技术框架,系统回顾了初级应用、通信技术、绿色能源技术、自动驾驶技术等不同因素驱动下智能公路的概念演化、技术发展和未来变革。根据当前信息技术的发展趋势,在AHS的研究基础上延伸和扩展了智能公路的概念和技术框架,提出了未来智能公路系统的演化方向以及包含信息管理层、网络通信层和感应控制层的智能公路体系架构。同时,瞄准当前主流技术和未来科技发展方向,总结了泛在无线通信、高精度定位与导航、车辆队列控制、无线充电、道路智能材料、道路主动安全控制、面向出行即服务的车路信息交互、基于基础设施的智能决策规划等驱动智能公路快速发展的新兴技术研究现状,并基于这8项关键技术的自身发展特点,提出了未来智能公路技术应用和推广的建议措施;分析了车路协同一体化、智能平行系统、人工智能、交通信息安全、自动驾驶等新兴技术将对未来智能公路发展带来的冲击和影响;系统性地预测了智能公路技术的商业化推广路线以及未来智能公路的应用将进一步降低自动驾驶的技术设备成本,为自动驾驶提供了一个更安全、更稳定和高效的交通环境。研究成果将对当前和未来智能公路的技术研发和工程应用具有一定指导意义。     

智能网联汽车协同生态驾驶策略综述

为了跟踪近年来智能网联汽车(CAV)协同生态驾驶策略的研究进展, 分析了车辆、驾驶行为、交通网络和社会这4类因素对CAV能耗的影响程度, 以车辆、基础设施和旅行者为对象对目前CAV生态研究进行分类, 重点分析了信号交叉口生态驶入与离开、生态协同自适应巡航控制、匝道合流区生态协同驾驶、生态协同换道轨迹规划和生态路由5种典型车辆协同生态驾驶应用场景的研究现状。分析结果表明: 相比人类驾驶方式, 在任何交通流量CAV 100%渗透率的条件下和低交通流量CAV部分渗透率的条件下, CAV油耗节省效果显著, 最高可达63%, 而具有部分智能化和网联化等级的CAV油耗可至少节省7%;现有研究较少考虑人机共驾情况下, 驾驶人反应延迟和自动控制器传输延迟导致的轨迹跟踪偏离; 现有研究将车车通信/车路通信假定为理想数据交互过程, 未考虑通信拓扑、传输时延、通信失效与基站切换等因素对CAV生态协同驾驶策略的影响; 现有研究较少探讨多车道、交叉口转向-直行共用车道和U型车道等交通场景, 以及不同智能网联等级CAV与人类驾驶汽车、行人、自行车等共存的混合交通条件下的生态驾驶策略; 受限于自动驾驶技术和基础设施尚未成熟和完善, 真实交通场景下的测试验证工作尚未开展; 车辆控制、车车通信、多车协同、混合交通流场景、半实物仿真测试和真实交通场景测试等方面将是CAV协同生态驾驶策略的进一步发展方向。     

基于FRRN注意力监督的沥青路面积水区域分割

为实现不同光照与气候条件下的沥青路面积水区域自动分割,在现有全分辨率残差网络(FRRN)的上采样层设计了一种注意力监督机制;加入积水区域注意力模块(PAAM)与深度监督模块,建立了一种含积水区域注意力监督模型(PAAM-FRRN);利用最大池化与上采样构建编码器-解码器结构,在全局尺度下捕获了积水的视觉特征,在上采样层引入了注意力监督机制,针对积水区域进行上采样并融合不同网络层之间的特征,最小化网络各层损失函数,优化网络总体最终损失;采集不同光照与气候条件下的1 770个(弱光750个、强光740个、雨天280个)沥青路面积水图像进行五折交叉验证试验,获得了积水区域分割结果;以人工标注结果作为真值,利用Dice相似系数(DSC)、Jaccard相似系数(JSC)、精确率、召回率与豪斯多夫距离(HD95)作为量化评价指标,将提出的模型分别与FRRN和其他7种有代表性的传统模型进行了分割效果对比。研究结果表明：提出的模型在DSC、JSC、精确率与召回率所取得的均值分别为0.91、0.86、0.92和0.93,相比FRRN分别提高了3.41%、6.17%、2.22%和4.49%,且均高于传统7种对比模型;在DSC、JSC、精确率以及召回率所取得的标准差分别为0.12、0.15、0.11和0.12,与FRRN相比分别降低了20.00%、16.67%、21.43%和25.00%,且均低于传统7种对比模型;其HD95为38.56,均低于其他对比模型,提出的模型能够实现对不同光照与气候条件下的沥青路面积水区域的准确、有效分割。