考虑驾驶人风格的跟车预警规则研究

为研究驾驶人的跟车特性及探究可适用于不同风格驾驶人的跟车预警规则,为自动驾驶车辆开发可满足不同用户驾驶需求和驾乘体验的主动安全预警系统,选取50名被试驾驶人开展实车试验,采集驾驶人跟车行为表征参数并基于雷达数据确定跟车事件提取规则。选取平均跟车时距和平均制动时距为二维向量,使用基于K-means聚类结果的高斯混合模型将驾驶人聚类为3种风格类型(冒进型、平稳型、保守型)。通过分析3组驾驶人的跟车及制动数据,将不同类型驾驶人的制动时距分位数作为跟车预警阈值,结合实际预警数据及不同制动时距分位数对应的预警正确率,对现有跟车预警规则进行调整,以适应不同类型驾驶人的驾驶需求。研究结果表明:3组驾驶人的平均跟车时距和平均制动时距差异显著,冒进型驾驶人倾向于选择较小的跟车时距和制动时距,保守型驾驶人的跟车时距和制动时距则普遍较大;3组驾驶人的实际跟车预警次数为215次,驾驶人采取制动操作而系统未予以预警的次数为329次,系统整体预警正确率为21.9%,漏警率为87.5%,通过分析信息熵等判定当前预警规则并不合理;将每类驾驶人制动时距的10%分位数作为阈值时的预警效果较好,调整后的跟车预警规则能在一定程度上适应不同的驾驶人类型。     

基于LSTM神经网络的桥梁损伤预警方法

为准确把握桥梁服役期内的健康状况,提高损伤评估效率,基于泗安塘大桥主桥某年多个测点的车致应变数据,建立了一种桥梁损伤预警方法。首先使用长短时记忆(LSTM)神经网络建立了车辆荷载作用下桥梁不同测点的多输入相关性模型,之后建立桥梁有限元模型模拟有损工况的桥梁状态,并提出损伤评估指标,最后根据损伤评估指标进行桥梁损伤预警。结果表明：采用LSTM神经网络建立的多输入相关性模型能够实现桥梁任意测点间车致响应的高精度预测;基于有限元模拟的车致应变提出的4个损伤评估指标能对假定的桥梁损伤进行明显识别;对泗安塘大桥主桥进行状态评估,4个损伤评估指标均稳定分布在一定的范围内,表明该桥近期没有增加新的损伤;建立了基于多测点的结构损伤评估指标体系,设定同时刻75%及以上的损伤评估指标超限时发出预警。     

智能网联车路口行驶的决策策略分析

智能网联车的无人驾驶分为感知、规划、执行三个部分,行为决策是无人驾驶发展的核心技术之一。在复杂的交通路口,车辆行驶路线难以预测,通过分析车辆在路口行为发生条件统计,设计出合理和安全的驾驶行为。文章以智能网联车为研究对象,使车辆行驶到十字路口的换道、转弯、调头等行为对应行驶场景,能够保证智能网联车安全、合理的在一定可控范围下行驶在复杂的十字路口。无人驾驶车辆在十字路口的通行中提高了行驶效率和减少了运营成本,带给人们更加便利和舒适的服务,推动智能网联车更全面的发展。     

基于K60单片机智能小车设计与实践

为更好地参加全国大学生智能汽车竞赛,文章提出了基于K60的智能小车设计,设计了以MK60DN512ZVLQ10作为核心控制器的硬件电路系统。软件系统通过处理单目摄像头所拍摄的图像,得到小车的规划路径曲线;再通过单点预瞄最优曲率模型得到较优转向角,用比例积分微分（PID）算法控制小车的转向,实现了小车的循迹功能。采用了障碍物膨胀法,有效避免了碰撞的发生。试验结果表明,所设计的智能小车能够在赛道上直线行驶、转弯、过十字路口等,具有基本的行驶功能,满足了设计目标要求。     

基于1+X等级制度的高职汽车智能技术专业课程体系设计

通过对汽车智能技术产业链岗位人才职业能力的需求分析,深入剖析该产业工作领域及典型工作任务,对标1+X等级制度,探索符合区域汽车智能产业所需求的专业人才培养模式,准确定位人才培养目标。课程体系衔接职业技能等级证书制度,专业创新并实践对人才培养、专业课程体系、师资队伍建设、理虚实一体的实训基地建设等保障条件,为专业健康持续发展奠定良好基础,为职业院校汽车智能技术专业课程体系的设计提供借鉴。     

国内车联网领域关键技术的发展现状及趋势

随着车辆智能化、电动化、网联化趋势的发展,车联网的发展对智能网联汽车技术的进步起到了决定性作用。文章通过对国内车联网发展现状及趋势进行分析,从通信技术、云控技术、高精度定位技术、信息安全四个方面对国内车联网的发展现状进行简要分析,并从安全问题、生产问题、商业模式三个角度总结出国内车联网面临的挑战。分析认为必须加快完善相关政策标准,立足于产业现状,加快核心技术培育攻关,健全产业链条,推进车联网健康有序发展。     

基于混合机器学习框架的网约车订单需求预测与异常点识别

城市网约车订单需求体现了居民出行活力,同时表征了出行规律和内在特征。如何从复杂动态的时变数据中准确地识别异常点并进行调度优化,是优化网约车平台运力的关键环节。建立了网约车订单需求数据的时间序列图,并分析了订单需求的动态特性,提出1种基于混合机器学习框架的网约车订单需求预测模型（ARIMA-BPNN-DSR, ABD）。混合模型由差分整合移动平均自回归模型（auto regressive integrated moving average model,ARIMA）和反向传播神经网络（back propagation neural network,BPNN）通过动态选择回归算法（dynamic selection of regression,DSR）融合而成。混合模型汲取了统计方法的鲁棒性和机器学习方法的高效性,并考虑各个独立基线模型在数据局部空间上的性能表现。以2019年和2020年（疫情影响下）厦门市滴滴网约车平台订单数据作为试验基准并进行对比分析,结果表明：(1)与多个基线模型相比,ABD模型实现了最优的预测性能,同时在面向疫情外部因素影响下同样表现出优异的性能;(2)消融实验表明,...     

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。     

基于优化最大类间方差法阈值分割与滑动窗口法的车道偏离预警

为了改善因传统边缘算子在车道线特征提取时鲁棒性差、传统霍夫变换弯道拟合能力较弱导致车道偏离预警率降低的问题,提出了一种基于优化最大类间方差法（OTSU算法）阈值分割与滑动窗口法的车道偏离预警方法。首先,使用遗传退火算法优化求解OTSU算法的最优阈值并调用整体嵌套边缘检测（HED）模型获取车道线边缘特征,将感兴趣区域转换成鸟瞰图形式;然后,使用滑动窗口法将车道线切分并逐个对窗口内的车道像素点进行二阶多项式拟合;最后,根据车辆与车道线的相对位置关系进行车道偏离预警以及弯道预警。试验结果表明,该方法的综合路况预警准确率为95.92%,检测速率可达34 ms/帧。     

智能网联汽车个人信息防护技术要求与建议措施

随着汽车行业智能化、网联化的加速推进,汽车数据呈爆炸式增长,汽车数据安全也成为个人信息安全、社会公共利益和国家安全的关注重点。其中,汽车个人信息防护技术的研究更是行业内研究的热点。本文从汽车个人信息全生命周期处理的角度出发,在个人信息的收集、车内传输与存储、使用,车外传输及删除等方面阐述了汽车个人信息防护的技术要求,并给出了相应的防护方案,为汽车个人信息安全防护与技术实施提供参考。