基于语义分割网络的路面积水与湿滑区域检测

积水或湿滑路面的道路附着系数远小于干燥路面的附着系数,对交通的安全性和机动性都有很大的影响.通过及时获取路面状态信息而发出预警,可大大减小潜在伤害.本文中研究了基于图像的语义分割网络在积水和潮湿的路面状态识别中的应用,它不仅可预测未来路面状态信息,且可得到路面积水和湿滑区域的分布.该方法利用语义分割网络Res-UNet...     

面向混合交通流的智能网联车鸣笛意图识别模型

为使混合交通流(Mixed Traffic Stream，MTS)下智能网联车(Intelligent Connected Vehicle，ICV)实现鸣笛意图(Horn’s Intention，HI)识别，更好地遵循常规车辆(Manual Vehicle， MV)的驾驶意图，提出ICV 对MV 鸣笛声的“ 感知(Perception) - 定位(Location) - 识别 (Recognition)”模型(简称HI-PLR)，采用深度卷积-循环神经网络(Deep Convolution Recurrent Neural Network, DCRNN)算法感知鸣笛车辆(Horning Vehicles, HV)的鸣笛声；采用到达时差 (Time Difference of Arrival, TDOA)算法定位HV；再基于运动时间窗(Motion Time Window, MTW)的支持向量机(Support Vector Machine, SVM)算法识别HI.实验结果表明，HI-PLR可使 ICV 对混流中车辆的鸣笛声感知准确率达90.4%，定位角度估计误差小于5°，HI 识别率达 82.5%，为ICV在MTS中的智能驾驶决策提供依据.     

一种前方车辆后轮接地点检测算法

现有车辆定位算法通常通过检测车辆底部阴影来定位车辆,该算法受阴影形状大小变化的影响较大,定位精度较低。该文提出了一种通过检测前方车辆后轮接地点来精确定位车辆的方法。首先通过垂直边缘和对称性测度实现路面车辆的初定位;然后利用车辆垂直边缘和后部水平边缘显著性的特点获得后车轮可能存在的感兴趣区(ROI);最后在该ROI中通过Tamura纹理特征的粗糙度对车轮和地面进行区分,精确地得到车轮接地点位置。     

人机混驾环境下混行车辆雾模型研究

目前搭载高级驾驶辅助系统和车联网（Vehicular Ad Hoc Network，VANET）技术的智能网联车（Intelligent Connected Vehicles，ICV）正大量涌入人工驾驶车（Manual Vehicle，MV）流之中，ICV与MV共存的异构车辆混行交通态势逐步形成，异构车辆之间的交互产生壁垒。混行之下单个ICV虽可依托单车硬件传感与单车计算单元实现与MV的交互意图识别，但其受有限算力与有限传感的影响，资源负载增大，时效性与安全性方面存在一定的误差与风险，而混行之下的VANET技术也不能够提供全局性车路资源用以高度匹配ICV与MV的交互场景，而且越来越多的ICV计算需求也在激增VANET的负载压力。对此，结合边缘计算概念中的雾计算理论，提出混行车辆雾模型（Mixed Vehicle Fog，MVF），充分发挥车联网络边缘节点能力，通过合理整合调度ICV资源的方法，解决对MV正常交互意图计算的时效性与安全性问题。该模型首先通过各感知单元响应混行交通环境下ICV与MV的正常交互事件，然后利用基于容错节点分簇的资源调度算法（Fault-tolerant Node Clustering Resource Scheduling Algorithm，FNC-RSA），动态划分局部路段内对交互事件具有相关意图感知与计算需求的ICV为一组"协同雾群"，再评估雾内ICV节点自身资源与路由代价，定向定量调度资源，最终实现雾群内部MV交互信息共享与驾驶意图协同计算。试验借助Prescan和MATLAB搭建联合仿真平台，与低能耗自适应分簇型路由算法（Low Energy Adaptive Clustering Hierarchy，LEACH）模型对比，验证MVF模型的运行效率与模型鲁棒性。研究结果表明：MVF模型通过交互事件细分协同雾群，保证了计算负载均衡，提高了ICV定向资源计算与传输效率，比LEACH模型降低了55.17%的平均跳数，缩短了45.40%的平均任务完成时间，抗时延干扰能力强，鲁棒性能优异。该模型对于打破混行环境异构车辆交互壁垒，提高混行道路交通行车安全，创造车联网络良性发展空间具有积极作用。     

行车服务推送平台及其关键算法的设计与测试

针对行车主动服务"主动感知-自动生成-主动推送"过程中忽视推送与行车用户的相互影响,设计了基于行车用户操作行为的行车主动服务推送平台(DPSP),包括存储层、应用层和评价层。存储层用来分类和存储用户行为的历史和实时数据;在应用层基于用户操作行为设计了B-Num.BT算法,提高了DPSP的服务推送用户接受度;而评价层则利用操作数据对推送服务进行评价和监控。通过驾驶员在环(DIL)试验验证典型推送场景的及时性、安全性和准确性,结果表明,DPSP满足推送系统性能要求,所设计B-Num.BT算法的各项性能皆优于对比算法Hybrid.BT和CAR.BT;另外发现,及时性同时具有对行车用户分类的功能。本研究对完善DASS、加强行车安全,乃至无人驾驶技术的推广具有重要意义。     

空气悬架客车横向动力学建模和稳定性分析

针对特殊行驶工况下空气悬架客车横向动力学失稳现象的揭示问题,本文中提出一种系统非线性动力学建模和稳定性分析方法。为准确反映空气悬架客车横向动力学演化规律,建立了考虑空气弹簧和轮胎非线性力学特性的系统3自由度动力学模型。为实现复杂高维动力学系统的稳定性分析,首先基于中心流形理论对系统进行降维处理,而后对得到的约化系统进行定性性态分析,确定了系统满足鞍结分岔的充分必要条件。设置4种工况对空气悬架客车横向动力学系统在平衡点处的分岔行为进行了相平面分析,掌握了空气悬架客车在不同路面条件下随车速及前轮转角变化的横向动力学失稳演化规律,最后基于整车动力学进行仿真验证表明解析分析结果与仿真分析结果一致,证明本文提出的非线性稳定性分析方法有效可行。     

基于增量线性模型预测控制的无人车轨迹跟踪方法

针对现有无人车轨迹跟踪研究中假设轮胎侧偏角始终处于线性区域的不足,提出了一种基于增量线性时变模型预测控制的轨迹跟踪方法。在每个控制周期内进行轮胎魔术公式的线性化处理,建立时变轮胎模型,并结合车辆二自由度模型,获得了车辆时变模型,设计增量线性时变模型预测控制器(ILTVMPC),完成了轨迹跟踪,在二次规划求解过程中加入包括控制量和控制增量等约束。利用MATLAB/Simulink平台将该方法与非线性模型预测控制进行仿真对比,结果表明:基于时变轮胎模型的ILTVMPC,不仅在跟踪精度和稳定性上有优异表现,而且计算实时性得到较大幅度提升。     

基于NMPC的智能汽车纵横向综合轨迹跟踪控制

本文中针对大曲率转弯工况下,智能汽车纵横向动力学特性的耦合和动力学约束导致轨迹跟踪精度和稳定性下降的问题,提出一种基于非线性模型预测控制(NMPC)的纵横向综合轨迹跟踪控制方法,通过NMPC和障碍函数法(BM)的有效结合,提高了跟踪精度,改善了行驶稳定性.首先建立四轮驱动-前轮转向智能汽车动力学模型和轨迹跟踪模型,采用...     

基于视频的城市快速路车辆异常行为检测

文章提出虚拟传感器的概念,针对城市快速路视频监控系统,改革单一功能摄像机,使其成为具人工智能的新型视频传感器,完成道路车辆跟踪及异常行为检测。异常检测算法运用带有时间和空间信息的车辆轨迹对自组织神经网络进行训练,获得神经网络参数后利用概率模型对实时车辆轨迹进行异常提取。该文所提算法能在嵌入式DM642视频处理平台上有效运行,能够提取诸如超低(高)速行驶、违章停车、违规掉头等异常行为,具有低运算量及较好的鲁棒性。     

面向混合交通流的智能网联车鸣笛意图识别模型

为使混合交通流(Mixed Traffic Stream，MTS)下智能网联车(Intelligent Connected Vehicle，ICV)实现鸣笛意图(Horn’s Intention，HI)识别，更好地遵循常规车辆(Manual Vehicle， MV)的驾驶意图，提出ICV 对MV 鸣笛声的“ 感知(Perception) — 定位(Location) — 识别 (Recognition)”模型(简称HI-PLR)，采用深度卷积—循环神经网络(Deep Convolution Recurrent Neural Network, DCRNN)算法感知鸣笛车辆(Horning Vehicles, HV)的鸣笛声；采用到达时差 (Time Difference of Arrival, TDOA)算法定位HV；再基于运动时间窗(Motion Time Window, MTW)的支持向量机(Support Vector Machine, SVM)算法识别HI.实验结果表明，HI-PLR可使 ICV 对混流中车辆的鸣笛声感知准确率达90.4%，定位角度估计误差小于5°，HI 识别率达 82.5%，为ICV在MTS中的智能驾驶决策提供依据.