高速公路交通安全服务水平分级量化研究

交通安全服务水平（level of service of safety,LOSS）是国内外交通安全研究领域的新概念,用来描述道路的交通安全状况和道路为交通参与者提供交通安全服务的一种质量指标。系统地介绍了交通安全服务水平的国内外研究现状、概念定义、应用和研究内容,研究了分级指标的选取,提出了σ理论的交通安全服务水平划分方法,分级量化了我国平原和山区高速公路的交通安全服务水平。交通安全服务水平作为定量评价交通安全的一种新方法,不仅可以用来描述改善交通安全的潜力有多大,而且可以作为交通安全改造工程实施对象的参考。     

对提高农村公路养护管理水平和质量的探讨

随着我国农村公路建设的大力发展,农村公路的养护管理问题日益突出。文章分析了目前农村公路养护管理中存在的问题,提出如何结合地方实际,采取相应的管理模式和措施提高农村公路养护的管理水平和质量,为探索农村公路养护管理模式提供了有益借鉴。     

基于多信息融合的全轮独立电驱动车辆车速估计

鉴于用非驱动轮轮速信号来估计车速的方法已不适用于没有非驱动轮的全轮独立电驱动车辆,提出了借融合车载普通传感器信号和驱动电机反馈信号等多信息源,并基于稳态工况下的轮速信号卡尔曼滤波和瞬态工况下的加速度积分的全轮驱动车辆车速估计方法.通过实车试验对该方法的有效性、适用性和精度进行了验证.     

公路发展水平评价指标的研究

通过研究传统的反映公路发展水平的公路统计指标及其存在的问题,分析反映公路发展水平的因素,提出一套全面准确合理的反映公路发展水平的综合评价指标。     

基于视频图像的公路隧道火灾烟雾检测

为有效检测公路隧道火灾烟雾并预警,针对公路隧道传统火灾烟雾探测器存在的反应慢和功能单一等问题,通过分析研究火灾烟雾视频图像的颜色和纹理特征,提出一种基于烟雾图像特征的公路隧道火灾烟雾检测方法。首先,通过改进后的Vibe算法模型提取图像运动区域;然后,在YUV色彩空间中确定疑似烟雾区域后利用颜色滤出方法分割出疑似烟雾区域;最后,用从疑似烟雾区域图像中提取的颜色矩和均匀局部二进制模式（ULBP）与灰度共生矩阵（GLCM）构成机器学习分类器的输入向量进行隧道火灾烟雾识别。为满足复杂的隧道环境,对比分析BP神经网络、支持向量机、随机森林3种机器学习分类器的烟雾识别效果,选出最优算法作为公路隧道烟雾识别分类器。通过模拟公路隧道火灾烟雾试验视频和某实际公路隧道火灾视频对分类器进行试验测试,结果表明：基于BP神经网络算法的检测系统识别性能最优,选取的烟雾特征具有较高识别精度,能够在隧道复杂环境中识别火灾烟雾。     

面向智能车辆的现役道路设施行驶适应性研究综述

为了总结面向智能车辆的现役道路设施行驶适应性,即现役道路基础设施承载智能车辆行驶的适宜程度,阐述自主智能驾驶定义与驾驶自动化等级分类,在此基础上剖析不同等级间的人机功能差异,并分别从感知层、感知-决策层、决策-控制层探讨与道路设计要素相关联的人机功能差异,通过归纳总结智能车辆与道路几何要素、路面性能及其他道路要素(如道路标线)的相互作用机制研究,从道路工程角度及其他道路要素方面回顾该领域的研究现状,指出存在的问题和未来发展方向。研究结果表明：相比传统车辆,配置高等级自动驾驶系统的智能车辆对现役道路设施行驶适应性最高,主动安全系统次之,而驾驶辅助及有条件自动驾驶系统适应性不足。而目前研究主要问题包括：难以归纳、标定不同驾驶自动化等级间的人机功能差异及其对于道路设计参数的需求设计值;测试道路场景条件过于理想,考虑的驾驶自动化等级单一,试验规模和样本有限;道路几何、路面性能以及道路标志、标线等道路要素与智能车辆间的相互作用机制研究不足,缺乏与不同道路场景相匹配的智能车辆驾驶特征数据的获取手段。因此建议：重视并推动与道路设计要素相关联的关键人机功能差异指标信息共享;联合高保真且可交互的道路场景、高精度感知传感器物理模型、车辆动力学模型及微观交通流模型,利用测试场景自动化生成、极限工况场景搜寻与泛化等技术开展智能驾驶虚拟测试,突破现有研究的深度和广度;探索反映不同等级智能车辆的道路行驶适应性特征指标与评价标准,精准、有效地评估预测复杂道路场景及不利道路条件下的行驶适应性。     

基于冗余信息融合的车辆质心侧偏角估计方法

车辆质心侧偏角是表征车辆横向稳定性的重要参数之一,相关的估计方法研究可为整车稳定控制提供重要支撑.为提高车辆质心侧偏角估计效果,提出了一种基于冗余信息融合的质心侧偏角估计方法.分别建立了车辆动力学模型和运动学模型,利用容积卡尔曼滤波算法分别设计了用于车辆行驶状态估计的动力学模型估计器和运动学模型估计器,同时,分析了动力...     

基于激光视觉融合的帧间匹配方法

同步定位与地图构建(Simultaneous Location and Mapping, SLAM)是机器人在未知环境中实现自我导航能力的重要保证。目前SLAM算法使用的主传感器基本是激光雷达或视觉相机。二者各具优劣,激光雷达能更精确地进行测距,视觉相机能反映环境丰富的纹理信息。与使用单一传感器相比,将二者融合的SLAM算法能够获得更多环境信息,达到更好的定位和建图效果。文章提出一种融合激光雷达和视觉相机的帧间匹配方法,通过在SLAM帧间匹配过程中加入地面约束以及视觉特征约束,提高帧间匹配过程精度,增强算法鲁棒性,从而提升SLAM算法整体效果。文章最后利用采集的地下停车库数据进行结果验证,与开源算法A-LOAM进行对比。结果表明,相比A-LOAM的帧间匹配方法,文章提出的方法相对位姿误差提升约30%。     

高速公路平纵曲线组合路段交通风险评估方法

高速公路平纵曲线组合路段常出现单一平曲线和竖曲线要素满足规范,但二者相结合后存在安全隐患的情况。为评估这类组合路段的交通风险、提升组合路段安全性,综合运用可拓云理论与理想点法,提出了基于可拓云模型的交通风险评估方法。基于已有事故数据和文献,从驾驶员、道路、交通环境以及其他因素的角度出发,构建了包含15个指标的交通风险评估指标体系,并将每个指标划分为5个风险等级;利用层次分析法和熵权法确定各评估指标主、客观权重后,再通过理想点法确定各评估指标组合权重;参照公路路线设计规范及相关文献,考虑定性指标的边界模糊性划分各评估指标的风险等级,并按照等比原则实现定性指标的定量化描述;构造可拓云模型云隶属度矩阵,计算综合评判向量,最后根据最大隶属度原则确定路段风险等级。以云南省3段高速公路路段作为分析案例,利用基于可拓云模型的交通风险评估方法计算了各路段风险等级,并识别了各路段的危险性指标。结果表明：该方法与传统基于模糊综合评价法相比,评估结果相同,但信息更丰富,其综合评判模糊等级特征值的期望E_xr反映了路段的安全程度;Y路段的E_xr高于C路段,表明Y路段比C路段更安全;3段路段的评估结果的置信度因子θ均小于0.05,表明结果可信度较高,验证了该方法在交通风险评估过程中的适用性。     

基于自然驾驶数据的驾驶人换道决策识别研究

为实现人机共驾模式下智能系统对驾驶人换道决策的准确识别,将换道决策细分并提出了基于改进的极端梯度提升(XGBoost)的换道决策识别模型。以实车试验采集的自然驾驶数据作为输入,并采用滑动时间窗法确定识别时刻,建立各识别时间窗口下基于XGBoost的换道决策识别模型,同时运用交叉检验和网格搜索(GS)算法进一步提升模型性能,最后利用验证集数据评估所构建GS-XGBoost模型的识别性能,并与机器学习及深度学习模型进行对比。结果表明,所提出的模型在具体换道决策辨识上具有较好的实时性和准确性,且在1.8 s和1.6 s时间窗下的识别准确率最高,达到86.2%。