基于RFID的车辆自动驾驶模拟试验装置研制

通过对比分析当前车辆自动驾驶研究现状,提出以射频识别技术(RFID)作为导航方式开展车辆自动驾驶研究;针对目前试验手段的不足,设计了基于RFID的车辆自动驾驶模拟试验装置,具体包括系统总体架构、导航设备、仿真车辆、仿真道路等;利用该装置开展了车辆直道保持和弯道转向试验,结果表明利用该模拟试验装置能快速构建试验方案,得出的结论和数据直观、可靠.     

多传感器信息融合技术及其在驾驶模拟器中的应用

多传感器信息融合广泛应用于工业自动化过程和军事中。多传感器可以避免单一传感器的局限性，获取更多的信息，提高准确度。章介绍了多传感器信息融合技术的原理、控制结构、融合层次的划分等内容，叙述了其在汽车驾驶模拟器中的应用情况。     

城市机动车尾气排放测试方法模型与应用及展望

综述了机动车排放测试的方法,简要总结说明了每种方法的特点和应用情况.从概念的角度介绍了传统的机动车排放因子模型,并介绍了一种新型的综合排放模型--MOVES模型,概述了国内对模型的应用情况.根据我国的发展现状,提出了我国发展排放控制的建议.     

基于改进DBSCAN算法的激光雷达目标物检测方法

传统的DBSCAN聚类算法是基于密度的聚类算法,原始算法在搜索精度和搜索效率上存在一定的局限性.基于LUX4线激光雷达数据点的点云特点,结合DBSCAN算法存在的不足与路面目标物的实际情况,提出了1种基于改进的DBSCAN聚类算法,选取4个代表点取代对所有点的搜索和改进搜索半径使其随扫描的距离而变化的方法,实现激光雷达目标物的快速、准确检测.通过改进DBSCAN算法对雷达数据进行去噪声和聚类处理,根据检测物在激光雷达探测中的形状特征模型进行形状匹配.实验结果表明该改进算法能较好的识别出目标物,行人检测率由原始算法的61.90%提高到了80.95%,搜索时间较原始算法缩短了44.7%,解决了原始算法精度低、搜索慢的缺点.     

人车碰撞风险识别及智能车辆控制系统

为了减少道路行人与车辆碰撞,智能辅助驾驶系统采用行人检测与预警方式提醒驾驶人,从而降低人车碰撞风险.但在驾驶人意识模糊时,这种方式存在一定的不可靠性.以行人检测和碰撞风险预警为基础,基于车辆动力学模型提出一种智能车辆制动控制系统.在该系统中,通过视频传感器和图像的方向梯度直方图(HOG)特征,结合SVM识别算法,在大量图像样本量的前提下对行人进行目标识别与跟踪;运用碰撞风险识别与预警算法对最危险目标碰撞态势进行实时判断;采用车辆动力学模型开发的车速分级控制器实现车辆速度的自适应控制,实现不同风险状态下的车速智能控制.实车实验结果表明,基于该方法开发的系统能够快速并精准地检测行人,动态情况下行人识别准确率达到89%;基于风险预警判断进行车辆安全平稳的紧急制动,实现危险碰撞态势下的辅助操作,从而降低车辆与行人之间的碰撞概率.     

我国攻击性驾驶行为的区域差异研究

随着城市道路交通日益拥挤,攻击性驾驶行为越来越普遍.国外已对攻击性驾驶行为进行了深入研究,而我国尚没有攻击性驾驶行为方面的全面报告.利用问卷调查的方法对全国范围内的驾驶员进行抽样分析,并利用因子分析法对华北、华东、中南3个区域的761名驾驶员的愤怒指标量表进行公共因子提取,同时分析公共因子与驾驶员年龄、性别、驾龄、所处区域及最近3年所经历事故数目之间的关联性.根据公共因子得分及方差分析的结果,对各区域驾驶员攻击性驾驶行为的差异进行分析.结果表明,中南地区驾驶员最易做出攻击性驾驶行为,华北地区次之,华东地区最低;攻击性驾驶行为与事故有较强相关性;各地区驾驶员都表示其所受的攻击性驾驶行为要多于他们做出的攻击性行为.     

绿色运输与物流的发展与现状 ——第16届海外华人国际交通科技年会综述

交通运输的快速发展给人们生活带来便利的同时,也给生态环境带来了严峻的挑战.如何实现运输环境的净化,运输与物流的可持续发展,运输资源的充分利用,运输效率的有效提升等是亟待解决的问题.从环境的角度对运输物流体系进行改进,实施绿色运输,发展多式联运,建立信息网络,形成一个与环境共生型的运输与物流系统是解决以上问题的有效途径.第16届COTA国际交通科技年会是在此背景下由国内外学者共同举办的研讨会,从非机动化交通、交通安全与应急响应、交通与环境、港航运输,以及铁路运输等方面对交通运输行业的研究现状进行了系统的阐述和全面的分析.当前交通运输行业的学术研究热点主要集中在车联网、大数据、无人驾驶、无人机、应急疏散、拥堵管理等方面.并对交通运输行业发展前景进行了展望.     

基于 CMEM 模型的武汉市轻型机动车平均排放因子研究

运用GPS和OEM收集了武汉市主要道路上的车辆行驶与实时排放数据.得到了武汉市机动车平均排放因子.根据车辆参数信息和行驶信息,运用CMEM模型模拟了武汉市机动车微观尾气排放,并与实测数据进行了对比.数据分析表明,用CMEM模型计算的武汉市机动车实时排放数据与实测数据总体趋势是一致的,并对CMEM在武汉市的适用性和应用进行了探讨.     

人脸检测与实时跟踪在机动车道路考试系统中的应用研究

为了对机动车道路考试系统中考生头部动作相关的评判项进行自动评判,对图像处理领域中关于目标图像(主要指人脸)检测与跟踪的理论和技术进行了相关的研究.建立了机动车道路考试系统中人脸区域定位的检测算法和人脸区域跟踪的图像处理模型,并在跟踪基础上设计了计算考生脸部运动方向的算法,成功运用到实际机动车道路考试系统中.     

基于竞争循环双Q网络的自适应交通信号控制

为了更加有效且可靠地自适应协调交通流量,以减少车辆的停车等待时间为目标,提出了3DRQN(Dueling Double Deep Recurrent Q Network)算法对交通信号进行控制。算法基于深度Q网络,利用竞争架构、双Q网络和目标网络提高算法的学习性能;引入了LSTM网络编码历史状态信息,减少算法对当前时刻状态信息的依赖,使算法具有更强的鲁棒性。同时,针对实际应用中定位精度不高、车辆等待时间难以获取等问题,设计了低分辨率的状态空间和基于车流压力的奖励函数。基于SUMO建立交叉口的交通流模型,使用湖北省赤壁市交叉口收集的车流数据进行测试,并与韦伯斯特固定配时的策略、全感应式的信号控制策略和基于3DQN(Dueling Double Deep Q Network)的自适应控制策略进行比较。结果表明:所提出的3DRQN算法相较上述3种方法的车辆平均等待时间减少了25%以上。同时,在不同车流量及左转比例的场景中,随着左转比例和车流量的增大,3DRQN算法的车辆平均等待时间会有明显上升,但仍能保持较好效果,在车流量为1 800 pcu·h^-1、左转比例为50%的场景下,3DRQN算法的车辆平均等待时间相比3DQN算法减少约15%,相比感应式方法减少约24%,相比固定时长的方法减少约33%。在车流激增、道路通行受限、传感器失效等特殊场景下,该算法具有良好的适应性,即使在传感器50%失效的极端场景下,也优于固定时长的策略10%以上。表明3DRQN算法具有良好的控制效果,能有效减少车辆的停车等待时间,且具有较好的鲁棒性。