基于单目视觉的区域交通智能车辆道路边界检测方法研究

基于单目视觉的道路边界检测由于其在车辆辅助驾驶系统中的重要应用价值成为当前计算机视觉和智能车辆领域最为活跃的研究课题之一。指出图像边缘检测现有算法的不足,采用领域平均法对图像进行平滑处理,根据图像的边缘特征运用Prewitt算子实现边缘增强,以获取精确的边缘信息。使用最大熵算法分割二值化图像进一步减少噪声,从而得到良好的道路特征图像数据。利用道路约束条件,建立视觉系统动态感兴趣区域(DAOI),运用改进的Hough变换最终识别道路边界。试验结果表明:本文所述算法不仅能准确、实时检测出道路板边界,而且能有效地抑制噪声,为区域交通智能车辆的换道和超车提供研究基础。     

疲劳驾驶的转向特征研究

为有效地实现疲劳提前预警,研究了心电信号(ECG)和转向特征随驾驶时间的变化规律.通过试验,分析了ECG信号的4个指标随时间的变化趋势,进行了显著性分析之后,运用主成分分析方法建立了综合的ECG评价指标来分辨驾驶员的疲劳状态.分析了驾驶员在不同驾驶状态,不同的道路线形下的转向行为,应用转向熵方法分析了转向数据,结果表明...     

磁导航车体运动数字控制系统数学模型研究

探讨磁导航车体运动数字控制系统的数学模型。用实验方法建立磁导航车体运动数字控制系统典型环节的时间连续数学模型,结合车体运动机械操纵环节的传统数学模型建立整个控制系统的时间连续数学模型。利用Z变换方法把控制系统时间连续数学模型转换成离散数学模型,引入数字控制系统典型环节的数学模型,建立磁导航车体运动数字控制系统的离散数学模型。设计数字控制系统的二次型最优控制器并进行计算机仿真。仿真分析结果验证了数学模型的有效性。     

不同信号过渡方式对交叉口驾驶行为选择的影响

为掌握黄灯、绿闪和倒计时等不同信号过渡方式对驾驶行为选择的影响,通过对驾驶人黄灯期间交叉口驾驶行为决策过程及其因素的分析,采用现场视频摄录观测方法,对苏锡常地区的若干信号交叉口黄灯期间的机动车驾驶行为选择进行深度调查,对比了闯黄灯车辆行驶速度和初始位置,分析了前3辆机动车的驾驶行为选择.结果表明,信号交叉口采用绿闪和倒计时提示对驾驶行为选择影响较大,其闯黄灯行为发生率明显低于黄灯提示方式,但是倒计时提示会诱发机动车驾驶人加速通过交叉口并增加安全隐患.     

公路空间视距计算方法与检测技术

为了精确计算公路在三维空间中的实际视距,提出了空间视距的概念,通过延伸应用空间两点通视原理,建立了空间视距计算和分析的数学模型。基于计算机仿真技术开发出对空间视距的实时检测技术,通过将设计视距、运行视距和空间视距3种视距对比分析,给出了发现视距不足的方法。与早前的视距计算方法和研究相比,该方法对正常路面、行车道空间视距计算准确,能够计算和分析公路路侧附属设施对视距的影响,为公路几何设计和安全评价提供了依据。     

A comparison of modelled and real-life driving profiles for the simulation of railway vehicle operation

A key factor in determining the performance of a railway system is the speed profile of the trains within the network. There can be significant variation in this speed profile for identical trains on identical routes, depending on how the train is driven. A better understanding and control of speed profiles can therefore offer significant potential for improvements in the performance of railway systems. This paper develops a model to allow the variability of real-life driving profiles of railway vehicles to be quantitatively described and predicted, in order to better account for the effects on the speed profile of the train and hence the performance of the railway network as a whole. The model is validated against data from the Tyne and Wear Metro, and replicates the measured data to a good degree of accuracy.     

不同车辆工况对协同自适应巡航控制 车队行驶安全的影响

基于横向控制器和纵向控制器模型,包括校正的预瞄驾驶员模型、加速度控制模型、节气门控制模型和制动器控制模型,建立Matlab/Simulink 和CarSim 车辆联合仿真平台,并对其可行性进行分析与验证.利用平台分别仿真协同自适应巡航控制(Cooperative Adaptive Cruise Control, CACC)车队车辆紧急刹车,通信延时,起步加、减速工况和车队前方插入换道车辆4 种情况下CACC车辆的行驶状况.仿真发现：紧急刹车时车队能够实现较好的紧急避撞;在通信延时的情况下,车队仍能保证行车安全;车队起步、减速工况运行较平稳,但加速度并不平稳,不利于车队后方车辆的乘坐舒适性;车队对前方插入不同速度的车辆能够及时响应并最终恢复安全行车间距.     

人机混驾环境下基于深度学习的车辆切入轨迹预测

为保证人机混驾环境下自动驾驶汽车的安全行驶,对周围车辆切入轨迹的预测至关重要.本文首先使用Savitzky-Golay滤波器对大规模采集的自然驾驶数据进行去噪处理,根据准则提取车辆切入片段,建立符合中国道路状况的车辆切入数据集.其次,发挥Bi-LSTM网络能充分利用上下文信息的优点和in-out快捷连接有效减少梯度消失...     

基于TD3算法的人机混驾交通环境自动驾驶汽车换道研究

提高人类驾驶人的接受度是自动驾驶汽车未来的重要方向,而深度强化学习是其发展的一项关键技术。为了解决人机混驾混合交通流下的换道决策问题,利用深度强化学习算法TD3（Twin Delayed Deep Deterministic Policy Gradient）实现自动驾驶汽车的自主换道行为。首先介绍基于马尔科夫决策过程的强化学习的理论框架,其次基于来自真实工况的NGSIM数据集中的驾驶数据,通过自动驾驶模拟器NGSIM-ENV搭建单向6车道、交通拥挤程度适中的仿真场景,非自动驾驶车辆按照数据集中驾驶人行车数据行驶。针对连续动作空间下的自动驾驶换道决策,采用改进的深度强化学习算法TD3构建换道模型控制自动驾驶汽车的换道驾驶行为。在所提出的TD3换道模型中,构建决策所需周围环境及自车信息的状态空间、包含受控汽车加速度和航向角的动作空间,同时综合考虑安全性、行车效率和舒适性等因素设计强化学习的奖励函数。最终在NGSIM-ENV仿真平台上,将基于TD3算法控制的自动驾驶汽车换道行为与人类驾驶人行车数据进行比较。研究结果表明：基于TD3算法控制的车辆其平均行驶速度比人类驾驶人的平均行车速度高4.8%,在安全性以及舒适性上也有一定的提升;试验结果验证了训练完成后TD3换道模型的有效性,其能够在复杂交通环境下自主实现安全、舒适、流畅的换道行为。