未来无人驾驶汽车的传感器方案发展趋势(下)

(接上期)二、搭载激光雷达等传感器套件的车型分析1.小鹏G9(计划交付时间:2022年下半年)(1)自动驾驶感知系统小鹏G9感知设备分布如图5所示。其传感器由2个激光雷达、5个毫米波雷达、12个摄像头、12个超声波雷达组成。     

基于地空信息融合的无人机交通状态感知方法研究

现有的无人机（UAV）交通状态感知方法，主要针对宏观交通状态参数的获取，同时尚未克服UAV自运动对交通参数检测精度的影响，难以满足智能交通系统对于高精度微观交通参数的应用需求。为此，提出一种基于地空信息融合的UAV交通状态感知方法，该方法包括：地空信息融合模型、道路关键点（IKP）检测及跟踪、车辆目标检测及追踪算法和交通状态参数提取及估计。其中，地空信息融合模型利用地基信息（IKP世界坐标）与空基信息（IKP像素坐标）进行最优化融合，并通过自适应IKP追踪算法与自适应UAV位置偏移判断算法实时更新模型参数，以此克服UAV自运动对车辆轨迹精度的影响，进而获取可靠的车辆级（瞬时速度、车头间距和车头时距）与车道级（车道动态密度、车道流量和空间平均车速）交通状态参数。利用提出的感知方法获取实地拍摄视频的车辆级交通参数并进行了分布检验，同时比较了基于不同交通流模型的车道级参数估算方法。结果表明：该方法在车辆检测的mAP@0.5指数超过90%，同时提取的车辆轨迹相对完整，获取的车辆级和车道级交通状态参数也符合实际交通流状况。最后，将该模型应用于实地道路的交通拥堵检测及交通事件检测，该研究结果为UAV在现代交通感知和管理中的应用提供了一种理论和技术参考。     

城市道路交通拥堵状态出行者感知差异性研究

为研究出行者在感知城市道路拥堵状态时的个体差异性,首先,选取长沙市 5条典型路段,采用视频观测法,设计拥堵状态主观感知实验,收集出行个体对城市道路拥堵状态的真实感知数据;其次,基于多层有序 Logit贝叶斯模型,获取出行者个体感知参数,深入分析道路及交通流因素对出行者拥堵感知影响的差异程度,并进一步探究造成感知差异的个体属性因素.结果表明：所选道路和交通流特征因素,对出行者的拥堵感知结果有显著影响;在其他变量不变的情况下,道路特征因素对不同出行者拥堵感知结果的影响差异性大于交通流特征因素,其中平均车速的影响差异性最小;个人属性的不同,是造成感知差异的主要原因.     

考虑乘客感知的公交驻站和限流组合策略研究

为了预防公交“串车”现象,提高乘客感知满意度,基于预测控制提出一种考虑公交乘客动态感知的驻站与限流组合策略. 建立以公交线路上总乘客感知等待时间最小为优化目标的预测控制决策模型,运用差分进化算法求解目标站点的最小驻站时长和限流人数. 建立元胞自动机仿真模型,对比不考虑乘客感知的驻站、限流、驻站—限流策略与考虑乘客感知的驻站—限流策略的控制效果. 通过5 组情景实验,对比了考虑乘客感知和不考虑乘客感知的驻站—限流策略对线路乘客到达率和下车比例波动性的适应性. 实验结果表明,考虑乘客感知的驻站—限流策略更有利于减少乘客感知等待时间,对线路乘客到达率和下车比例波动性具有较优的适应性.     

基于扩展TAM的车路协同系统驾驶人接受度研究

车路协同系统（Cooperative Vehicle Infrastructure System，CVIS）已成为智能交通领域的前沿技术和研究热点。世界各国都在致力于CVIS的研发、试验、示范应用和效用评估。然而CVIS的服务对象是驾驶人，在其正式投入使用之前研究驾驶人对CVIS的主观接受度及其影响因素非常重要。基于此，以基础的技术接受模型（Technology Acceptance Model，TAM）为理论框架，在基础变量（感知有用性、感知易用性、态度和使用意图）的基础上，引入预警服务质量、分心感知、个人创新和信任度4个扩展变量，建立扩展TAM，分析驾驶人对CVIS的主观接受度及其影响因素。首先，通过在线调查收集392名驾驶人对CVIS的技术接受问卷；然后，使用Cronbach's α和验证性因子分析检验问卷的信效度；最后，采用路径分析探究驾驶人对CVIS的接受度及其影响因素。研究结果表明：基础TAM变量之间的关系与基础模型假设一致；CVIS的预警服务质量通过感知有用性、感知易用性和态度间接影响使用意图；驾驶人对CVIS的分心感知对其态度和使用意图没有负向影响；驾驶人的个人创新不仅直接影响使用意图，而且通过态度间接影响使用意图；驾驶人对CVIS的信任度是使用意图的直接影响因素，也通过其他变量间接影响使用意图。研究结果有助于了解驾驶人对CVIS的接受度及其影响因素，并为CVIS的设计提供理论依据。     

路侧感知车辆轨迹数据质量智能评估方法

智慧公路布设了大量路侧智能传感器，可以获取全时空车辆运行轨迹数据。然而，如何实现轨迹数据质量高效便捷的评估一直是困扰行业管理部门的难题。现有评估方法大多存在量化指标维度单一、鲁棒性较差等问题。为此，提出一种通过挖掘轨迹数据多维特征以快速评估轨迹数据质量的方法。首先基于轨迹多元信息从元素特征、时序特征和空间特征3个维度设计轨迹合理性、波动性与交互异常性评估指标，并分析评估指标与轨迹数据质量水平的相关关系；在此基础上提出一种利用多元评估指标实现轨迹质量评估的自适应融合回归模型；最后，结合公开轨迹数据集和实测数据集对指标和模型的可靠性及稳定性进行测试与验证。结果表明：轨迹合理性、波动性指标与数据质量显著相关，可基于此构建指标融合模型评估轨迹质量，且引入提出的交互异常性指标可较好地提升模型评估效果。随着模型得分的降低，轨迹数据的运动与交互特征的异常程度增大，持续时间增加。提出的智能评估模型可以挖掘评估指标与轨迹质量的关系，对不同质量水平的轨迹均保持较好的评估效果且优于传统的单一维度评估指标方法，具有良好的稳定性、鲁棒性和优越性，可为车路协同环境下海量的路侧感知轨迹数据提供可靠的质量评价与监测方法。     

无档链环的应力分析

本文分别用弹性结构力学曲杆理论和全息光弹法对无档链环进行了应力分析讨论，得出了较为可靠的理论计算式和应力分布图，对环类零件设计和工艺改革具有参考价值。