国内外汽车黑匣子的现状与发展动态

1新一代汽车黑匣子汽车黑匣子,又称汽车工作信息记录仪、汽车综合信息记录仪,也有人将其形象地称为汽车电子警察。它能完整、准确地记录汽车行驶状态下的有关情况,能将汽车行驶轨迹完整地记录下来,并通过专用软件在微机上再现。新一代汽车黑匣子在功能、体积和性能方面已取得了较大的突破。一般来说,该产品体积只有香烟盒般大小,能防潮、防水、防腐和耐高温。它除了具有传统的黑匣子所拥有的事故分析功能外,还能在汽车驾驶员超速行驶时发出超速报警声,以提醒驾驶员减速行驶,并详细记录车辆每次的起动时间、行驶里程、行驶时间、最高车速以及…     

基于IDLOS的水面无人艇路径跟踪控制技术研究

操纵性约束和外界干扰导致水面无人艇难以精确、稳定跟踪期望轨迹。论文通过改进视线法得到带积分和微分项的制导律的控制器,同时加入预转向控制、速度优化控制,与视线制导相比显得更加合理。针对河海大学自主研制的DW-uBoat水面无人艇,设计了轨迹跟踪控制器并进行仿真试验。试验结果表明,基于改进视线法的控制器和PID的轨迹跟踪控制器与视线法相比,在控制误差、稳定性和抗干扰性等方面性能均有提升,能快速收敛到目标轨迹。     

自动驾驶汽车高速超车轨迹跟踪协调控制

自动驾驶汽车高速超车时不仅要规划合理的换道路径来保证安全性,而且还要确保车辆高速转弯行驶的横向稳定性和舒适性.针对车辆超车的换道、匀速和换道3个阶段,分别规划了纵向速度和横向超车路径.提出了考虑路径曲率、换道时间、纵向车速的期望横摆角速度计算方法.以最小化横向位置偏差、横摆角速度跟踪偏差和控制增量为优化目标,通过可拓集...     

高速公路上自动超车过程的轨迹规划与跟踪控制

研究了自动驾驶汽车在高速公路上超车过程中的轨迹规划和跟踪控制。基于纵向位移与时间（s-t）图,对超车过程进行建模和数字仿真分析,并应用多项式来规划车辆横纵向运动。采用集中式模型预测控制器,综合控制车辆横纵向的运动,以实现超车过程的轨迹跟踪。结果表明：相较于分散式控制方法,利用集中式控制方法下的车辆侧向加速度的整体波动减小19.0%,横摆角速度的整体波动减小11.6%。因而,集中式控制方法下的横向运动偏差更小,纵向加速过程更加平滑、稳定,符合高速公路超车过程安全平稳性的要求。     

人类自然驾驶状态下车辆轨迹摆动特性与车道宽度

研究了车辆在城市干路上的轨迹摆动特性,开展了实车驾驶试验。以重庆市菜园坝长江大桥和长江滨江路为研究对象,用车载仪器采集自然驾驶状态下的行驶速度、车辆位置和车辆形心与车道线的横向距离数据。结果表明：大多数车辆会向左偏离车道中心线行驶;在路面悬空的行驶环境下驾驶人更倾向于将车辆靠向道路中央;女性驾驶人较男性驾驶人更注意车辆轨迹控制;熟练驾驶人在地面路段上对于车辆轨迹的控制优于非熟练驾驶人;相比于人类驾驶,无人驾驶车辆能够实现更精确的轨迹控制,轨迹横向摆动将显著减小,2.75～3.00 m的车道宽度可满足无人驾驶小客车的行驶需求。     

拱北隧道曲线管幕工程关键施工技术分析

拱北隧道管幕工程所处地层地质条件复杂,周边环境敏感,管幕由缓和曲线与圆曲线组成,要求精准顶进,形成管幕,施工难度大。经过分析,采用泥水平衡顶管施工、顶管轨迹控制及纠偏等关键技术用于拱北隧道曲线管幕工程的顶管施工,取得了良好的效果。     

基于人-车交互的行人轨迹预测

针对行人轨迹预测具有复杂、拥挤的场景和社会交互问题,基于长短时记忆网络(Long Short-term Memory Network,LSTM)对行人与车辆、行人与其他行人的交互进行建模,提出一种基于人-车交互的行人轨迹预测模型(VP-LSTM).该模型同时考虑了行人与行人的交互、行人与车辆的交互,更适用于复杂的交通场...     

基于路侧多机视频目标关联与轨迹拼接的车辆连续轨迹构建方法

针对单个相机覆盖区域有限的问题,本文提出了通过路侧多个相机获取车辆连续轨迹数据的方法。在路侧端布置多台固定相机采集视频数据,采用直接线性变换算法解决相机外参造成的画面畸变问题;通过全时域抽帧提取图片训练样本,采用YOLOv5训练车辆检测模型;针对偶发的车辆漏检情形,通过完整性检查可以筛查出此类情况并修复;针对连续多帧漏检或误检导致的目标关联问题,通过异常轨迹核查算法及数据修复工具解决;针对相机斜下方区域的车辆轮廓变形问题,采用车辆检测轮廓修复算法解决车辆在不同路段检测框大小不一的问题;提出了基于车辆质心坐标匹配的方法实现相邻机位间的车辆轨迹拼接。基于上述多机视频目标关联与轨迹拼接方法,在多机位时间同步下构建了覆盖武汉珞狮路高架桥的车辆连续轨迹数据集,轨迹数据集验证结果表明：数据集涵盖从畅通到拥堵的各种交通状态,包含多段分合流区域,数据集连续时长达到3.5 h,覆盖区域1.41 km;车辆检测模型的召回率达到93.23%,准确率达到98.51%,F1分数为95.80%;数据集包含主路及各处匝道汇入的轨迹共25 734条,其中覆盖道路全域的完整长轨迹15 004条。本研究丰富了路侧多机视频目标关联与轨迹拼接方法,有助于路侧宽域车辆连续轨迹构建及交通管理与控制。     

道路通行行为研究进展及其展望

道路通行行为是交通行为领域重要的研究热点,文中系统梳理了道路通行行为的学术研究现状、存在问题、研究方法及发展前景。阐述了道路通行行为的定义,分析比较了通行行为与驾驶行为、驾驶员行为的区别和联系。提出将道路通行行为分为基本通行行为、攻击性通行行为、路径选择行为以及竞争与协作通行行为四部分,总结了国内外道路通行行为发展现状,分析了存在问题,并对其未来发展趋势进行了展望。为改善道路通行行为研究方法,针对道路通行行为的多种交通行为特点,提出了适用于道路通行行为的研究方法和手段(时空法、实验法和模拟仿真),探讨了各研究方法的应用现状、优缺点、以及在不同研究阶段的适用性。最后对道路通行行为的发展趋势进行了探讨并提出了建议。     

基于轨迹数据的高速公路分流区冲突替代指标研究

非事故统计交通安全评价指标冲突时间(Time to Conflict,TTC)和后侵入时间(Post En-croachment Time,PET)在2车间距较近或接近冲突点车速较快时,会出现冲突严重程度判别错误.为提高冲突判别的准确性,以高速公路分流区为研究对象,提出基于行车轨迹的冲突严重程度判别方法.采用视频检测技术,对固定背景下的运动目标进行轨迹提取,利用改进的神经网络算法进行实时轨迹预测,根据预测轨迹坐标进行分流区冲突判别,并引入量化指标J以碰撞概率分析分流区2运动单元冲突严重程度.实例分析结果显示,量化指标J考虑避险行为对潜在冲突点出现时间的影响,准确性更高;以J指标预测所得两车最大碰撞概率为59.93%,比TTC下必定碰撞(100%),更接近于实际未碰撞观测情况.