基于卡尔曼-高斯联合滤波的车辆位置跟踪

车辆位置的精确、可靠获取,一直是阻碍智能驾驶技术的难题.特别当车辆处于复杂道路环境中时,车辆卫星定位信号易受较大干扰,使车辆定位产生漂移现象.针对车辆定位的这种漂移现象,研究了针对车辆位置跟踪的卡尔曼-高斯联合滤波方法.对于车辆卫星定位受到的干扰不同,采用分层处理的滤波方法;针对卡尔曼滤波不能较好地滤除一些干扰较大的位置漂移点,通过设置与车速、航向角等相关的动态阈值,对卫星定位的车辆位置进行动态阈值判断;通过动态阈值识别出的车辆位置漂移数据,结合高斯过程回归,以车辆的历史数据作为学习样本,使用预测值和真实观测值构建补偿量,通过对卡尔曼观测方程加入动态观测补偿实现车辆位置优化;对于一般噪声产生的卫星定位波动,联合滤波也可以有效优化.实车实验表明,该方法可以有效识别出车辆定位的漂移点,车辆卫星定位在信号受较大干扰的情况下,车辆卫星定位的精度可以提高30%左右,最大误差由9 m降低到0.8 m左右.该联合滤波方法在使用低成本定位装置的情况下,有效提高车辆卫星定位的精度及可靠性.      

大型车辆侧翻预测和控制技术研究进展

大型车辆引起的重特大侧翻事故频发会造成严重的人员伤亡和财产损失,因此,提高中国大型车辆防侧翻技术水平显得尤为重要.通过阐述国内外在车辆侧翻预警和稳定性控制方面开展的研究现状,详细描述基于静态门限值法和动态门限值法的侧翻预警技术研究进展,分析车辆半主动、主动转向控制、主动悬架控制、差动控制、电子稳定控制、联合控制等防侧翻控制技术发展现状,指出当前车辆侧倾预警领域主要研究方向在于提高侧翻指标的预测精度和响应实时性,特别是综合考虑道路环境因素对侧翻指标的影响.侧翻控制已逐步从半主动阶段提升到主动控制,控制方法更趋智能化、精确化.人-车-路-环境耦合作用、复杂非线性条件下的车辆侧翻预测模型,以及混沌条件下的优化控制将会是未来重点研究方向.      

面向人机协同共驾的驾驶行为短时预测方法研究

通过实时感知交通场景下的汽车相对运动状态和行车安全信息,对驾驶人的操纵行为进行短时预测,进而为人机协同驾驶中主权切换的模式与方法提供依据.基于线性最优二次型方法建立了典型驾驶意图下的驾驶操纵序贯链优化目标函数,通过求解目标函数得到驾驶人操纵行为对车辆运动状态的改变量,并结合运动学CA模型提出了驾驶操纵行为短时预测模型.运用统计检验分析实车试验和所提出的模型得到的仿真试验驾驶输入之间的差异程度.实车实验的统计检验结果表明,不同驾驶工况下的驾驶输入差值的配对样本T检验的T统计量分别为1.96,0.1,1.36,均小于其T临界检验值.所提出的模型能较好的模拟实际驾驶操纵行为特征,并能对驾驶人操纵行为进行准确的短时预测.      

我国“零死亡愿景”交通安全理念及实施战略研究

安全是交通运输永恒的主题,事关国家经济社会的发展与稳定。围绕实现"人民满意、保障有力、世界领先"的交通强国目标,以降低交通事故率、死亡率和提高交通系统安全可靠性为导向,在深入剖析我国交通安全现状和问题基础上,总结国内外交通安全发展趋势,提出了中国"零死亡愿景"交通安全理念和实施战略,为服务交通安全强国建设提出具体对策建议。     

一种机动车驾驶人道路考试智能评判监测系统

道路考试是机动车驾驶员考试科目之一,目前的路考全部采用考试员人为判断考生的操作情况,从而判定考生是否合格。这就造成人为因素影响很大,评判标准不统一。系统采用先进的计算机技术、网络技术、传感器技术与通信技术,将智能化移动考试车辆和考试监控中心作为整个考试监测系统的两大相对独立的子系统。系统提供了路考过程的科学测试数据和定量的评分依据;提高了路考的科学性、客观性、公正性和透明度;改善了考官的工作环境和劳动条件;提高了路考工作的效率。系统的成功研制有力的补充了目前科目三无电子评判的空白。     

基于车联网V2P 的行人碰撞风险辨识研究

为探索基于车联网V2P(Vehicle to Pedestrian)通信技术的行人碰撞风险辨识方法, 首先,在车联网环境下实时获取了目标位置、速度、运动方向等信息,并分析了典型人-车相 对运动场景中交通参与者的行为不确定性,进而提出了人-车碰撞区域随机几何模型;然后, 综合考虑了车联网系统的通信延时、定位误差、人-车相对运动不确定性等多因素的影响,建 立了人-车碰撞事故概率和冲突风险程度模型;最后,通过仿真实验分析了行车速度、通信延 时、定位精度等因素对行人碰撞风险辨识模型效果的影响,以及各因素间的相关性关系.本文 提出的方法对行人安全保护研究具有一定的参考价值,研究结果同时指出了车联网系统通信 延时与定位精度的技术要求.     

中美交通事故数据统计方法比较研究

在分析中国交通安全现状的基础上,深入探讨中美两国交通事故信息现场采集技术、事故采集系统和交通数据共享研究现状.详细阐述两国在死亡事故定义标准和统计口径规范、交通事故数据来源可靠性和管理机制、事故数据统计体系方面存在的差异性.结合中国交通事故数据管理现状,指出当前事故统计体系存在的主要问题.提出中国事故数据统计体系改善措施,通过统一事故统计标准、保障数据可靠来源、加强开放共享、建立由政府主导、科研院所支撑、企业主体和全民参与的中国事故数据统计和管理体系.为丰富交通事故数据统计体系建设提供一定的参考和借鉴.      

考虑生理特性的驾驶行为险态辨识研究

生理指标是驾驶过程中驾驶人状态最直观的体现,探讨生理指标与驾驶行为险态之间的关联关系对实现危险驾驶行为的辨识具有重要现实意义.以驾驶人生物反馈系统采集的3项生理特性指标为特征向量,采用皮尔逊(Pearson)相关系数法对不同生理指标与险态等级之间的关系进行深入分析,并在此基础上采用K-均值聚类方法构建驾驶行为险态辨识模型.通过对30组模拟驾驶实验数据的分析,最终得出驾驶人的血流量脉冲值(BVP)和皮肤表面电位(SC)与驾驶行为险态等级间存在显著正相关性(p<0.05),呼吸率(RESP)与驾驶行为险态间存在一定相关性,但是规律性不强.采用BVP和SC作为特征向量构建模型对驾驶行为险态辨识精度最高达到96%,对可忽略、可容忍和不可容忍3种状态的识别准确率分别达到97.33%,98.16%和88.16%.      

基于MobileViT-CA模型的营运车辆驾驶人分心行为检测

营运车辆驾驶人因其职业特殊性,驾驶过程中易产生分心驾驶行为从而引发重大交通事故。为提高营运车辆驾驶人分心驾驶行为的检测准确性和泛化性,提出一种基于改进MobileViT网络的驾驶人分心行为检测方法。首先,基于自然驾驶实车试验,构建包含安全驾驶、使用手机、喝水、整理仪容和与副驾驶交谈5类行为的营运车辆驾驶人分心行为数据集。其次,将注意力机制引入轻量型MobileViT网络,通过选择有效的网络主干MobileViT、注意力模块CA、网络嵌入位置从而设计出最优分类模型MobileViT-CA。研究结果表明：所提出的MobileViT-CA分类模型可以有效提升分类网络的性能,在正常光照条件下的营运车辆驾驶人分心行为数据集和State Farm数据集上分别达到了96.57%和99.89%的准确率,且模型具有体积小、检测精度高的优势,有较高的可靠性和泛化能力。