基于视觉的缩微智能车跟驰问题研究

论文在基于简单视觉的缩微智能车自主驾驶的基础上提出一种完全基于视觉检测的多车道车辆跟驰交互模型,根据缩微智能车机械性能要求,通过仿真得到车辆跟驰模型参数,并通过缩微智能车跟驰实验验证跟驰模型及模型参数的有效性,为进一步群缩微智能车协同驾驶、交通仿真和评估研究提供理论支持和技术支撑.此外,三维缩微道路环境和智能车可为智能交通系统仿真研究提供一种兼具计算机仿真和场地实验优势的缩微实验新平台,可降低实验成本,提高交通仿真的可信度.     

城市快速路交通拥堵持续时间分布特性研究

依托上海市南北高架西侧的交通流数据,引入生存分析方法,建立基于风险的交通拥堵持续时间模型。其根据大量交通拥堵样本的时间属性,采用Kaplan-M eyer非参数回归模型定量估计拥堵持续时间,并按星期数、高峰时段、数据年限、样本位置和天气划分五类影响因素,从生存函数和危险函数两个方面,分析拥堵持续时间的时空分布特性。结果表明上海市南北高架西侧的交通拥堵持续时间70％能在1小时内消散,在不同类别的影响因素下分布特性存在明显差异。     

智能张拉和智能压浆系统在桥梁建设中的应用

在施工中采用梁体预应力智能张拉和智能压浆技术,能够提高施工质量和施工效益.鉴于此,介绍了智能张拉和智能压浆系统的结构、工作原理,并分析了其在桥梁建设中的具体运用.实践表明,智能张拉和智能压浆系统适应了桥梁建筑的实际需要,有利于促进施工的顺利进行,保证桥梁结构安全,提高桥梁建设质量,值得在桥梁建设中进一步推广和运用.     

智能交通系统中高速公路收费系统的设计与实现

结合高速公路收费的实际需要,介绍了一种智能收费系统的设计与实现,包括硬件设计、软件设计、具体运用等问题.实践表明,该系统适应了高速公路收费的实际需要,能够提高收费的工作效率,值得进一步推广和运用.     

重点营运车辆的异常驾驶行为识别研究

为加强对重点营运车辆异常驾驶行为的监督与检测,本文基于时间序列符号化算法(TSA) 与多尺度卷积神经网络模型(MCNN)提出一种组合模型TSA-MCNN,用于识别重点营运车辆异常驾驶行为。首先,对北斗数据进行预处理,并基于营运车辆存在多种车型、多种速度限制、多种异常驾驶行为的特点划分4种异常驾驶行为,构建异常样本数据集。其次,构建TSA-MCNN模型识别样本数据集,其过程分为两阶段,第1阶段,针对重点营运车辆的特点,引入能够粗粒化处理数据特征的时间序列符号化算法与能够多通道参数输入的多尺度卷积神经网络进行组合,并基于Keras库完成TSA-MCNN模型的搭建;第2阶段,利用样本数据集作为模型的输入变量,完成模型的训练、测试与识别。最后,以广河高速重点营运车辆北斗数据验证TSA-MCNN模型的性能, 同时,与异常识别传统算法的卷积神经网络(CNN)模型与动态时间扭曲-K最近邻(DTW-KNN)模型进行对比分析。验证结果表明：TSA-MCNN模型整体识别准确率为97.25%,相对于CNN模型与DTW-KNN模型提高了20.50%与5.63%。其中,TSA-MCNN模型对于正常驾驶行为、超速驾驶行为、紧急停车行为、临时停车行为、低速驾驶行为的识别精确率相对于CNN模型(DTW-KNN模 型)分别提高了26%(13%)、26%(6%)、23%(5%)、28%(3%)、0(0),说明该模型对于重点营运车辆异常驾驶行为的识别具有良好的性能。     

基于安全势场的网联自主车辆跟驰行为决策及模型

为改善网联自主车辆(CAV)的跟车安全和效率,针对CAV通过对周围环境进行感知进而进行自主决策的特点,首先,建立包含车道线势场、道路边界势场和车辆势场的安全势场模型,系统地刻画CAV在行驶过程中面临的安全风险,在安全势场模型的建立过程中,针对现有车辆势场函数存在引力和斥力表达式分割独立的缺陷,借鉴分子间相互作用关系建立统一的基于LennardJones势的车辆相互作用势场函数,并将加速度参数引入到车辆势场中,加速度的变化直接影响车辆势场的分布,能够有效地反映车辆在不同运行状态下安全势场的动态变化趋势;然后,将安全势场应用于CAV跟驰行为决策,并通过上海自然驾驶数据集标定模型参数;最后,选择与现有经典的智能驾驶人IDM和可变车头时距VTH模型进行仿真对比。结果表明：与其他两种模型相比,该模型在所设计的3种交通场景中有更平滑的响应曲线来改善跟车安全和效率,验证了模型的有效性。研究成果可为CAV的上层控制设计提供理论支撑,也为CAV安全技术的研究提供了 独特的途径。     

一体式车辆避撞轨迹规划与跟踪控制

为提升复杂交通环境中智能车辆的避撞能力,将路径规划、速度规划及跟踪控制整合为一个优化问题,提出一种基于模型预测控制(MPC)的一体式车辆避撞轨迹规划和跟踪控制方法。首先,分析实际交通环境中的避撞场景,将智能车辆的避撞控制问题转化为多约束优化问题;其次, 搭建7DOF(七自由度)车辆动力学模型和复合滑移工况的UniTire轮胎模型设计MPC控制器;再次,针对变速控制问题中传统基于时域预测模型的MPC控制方法无法在预测时域中实现车辆空间和位姿约束的问题,设计了基于空间域预测模型的MPC控制器;最后,基于Matlab和CarSim联合仿真平台设计了不同避撞场景验证所提方法,并与现有基于恒速假设的一体式避撞控制方法进行对比。仿真结果表明：所提方法能够充分发挥车辆的机动性能,解决现有一体式控制方法在 复杂环境中避撞失败的问题,并保证避撞过程稳定和轨迹平滑。     

网联车辆编队的鲁棒模型预测控制方法

为研究一类带有结构不确定干扰的网联车辆编队控制问题,考虑结构扰动服从盒式不确定集约束情况,提出一种基于鲁棒对等变换的模型预测编队控制方法。首先,基于车辆运动学状态方程,对传统车辆编队控制模型进行描述;其次,在状态方程中引入仿射结构不确定矩阵,构建最小最大化范式下的网联车辆编队控制模型;然后,在盒式不确定集下,基于鲁棒对等理论将该模型转化为计算上易于处理的上图优化模型;最后,采用序列二次规划算法获得最优编队控制方案,并通过仿真实验将该控制方案与传统车辆编队控制方案进行对比,以此验证模型的有效性。 结果表明：本文提出的最优编队控制方法能够抵御编队系统结构不确定干扰,在实现稳定编队目标的同时保障车辆的编队安全性。     

基于金字塔特征融合的二阶段三维点云车辆检测

针对三维点云鸟瞰图特征提取不充分导致车辆目标检测性能欠佳问题,本文提出一种基于金字塔特征融合的二阶段三维点云车辆目标检测算法。首先通过降维处理并利用体素占用编码原始三维点云,得到二维特征图输入;然后,利用上采样网络传递高层语义特征,下采样网络传递低层位置特征,构建一阶段金字塔网络结构提取车辆目标特征;最后,通过候选区域提取层得 到不同尺度的候选区域,利用兴趣区域池化层对齐各候选区域尺度,并采用全连接层融合多尺度特征,提取不同感受野下车辆目标特征;此外,在损失函数方面,补充正余弦角度损失并加权到总损失函数中,优化车辆目标航向角预测。基于KITTI公开数据集的实验分析表明,本文算法相较基准网络能够有效补充三维点云鸟瞰图特征提取,在不同难度的检测任务中平均检测精度提高 了5.07%~8.59%。     

车联网技术及其在交通管理中的应用

随着交通问题的日益加剧,交通安全和效益逐渐成为交通领域的研究热点,智能交通系统的建设已成为必然。车联网技术作为系统的主要核心,对其进行研究具有较强的需求性。结合交通管理问题,介绍车联网技术的基本原理和框架,对其应用和发展趋势进行阐述,为进一步深入研究打下基础。