浅析我国高速公路智能系统的发展途径

高速公路智能系统是ITS发展的一个重要方向,国外蓬勃发展的ITS特别是日本对于VICS的成功运用给予了我国一个重要的发展思路。结合我国高速公路发展的实际情况,分析了我国高速公路智能系统的发展途径——将高速公路智能监控系统内置于高速公路通行卡和车载导航中,此举对提高交通部门的监管效率、保证高速行驶安全都有积极意义。     

融合多源数据与元胞传输模型的高速公路交通状态估计方法

针对高速公路管控和决策应对交通状态进行准确、可靠和精细化估计的需求,本文提出了一种基于多源数据+元胞传输模型（Multi-Source Data Cell Transmission Model,MD-CTM）的交通状态估计方法。该方法针对传统CTM模型要求元胞长度必须一致的局限性,提出了一种元胞长度划分的优化方法,能够灵活调整元胞长度和数量。同时,应用卡尔曼滤波技术,将ETC门架流量、稀疏视频检测器流量和样本车辆平均速度数据融合,并与CTM模型相结合,实现高速公路元胞级交通状态估计。为了验证本文提出方法的有效性和准确性,我们利用VISSIM软件构建了长度5 km的高速公路仿真场景。仿真案例结果表明,本文提出的MD-CTM模型能够较为准确地反映不同流量需求下交通流状态的时空演化特征,且相较于CTM模型,其元胞密度估计精度提高12.59%～36.26%。此外,本文选取了成都市绕城高速路段实际场景,对模型的运行效果进行了展示。     

基于深度学习的停车位检测研究

随着智能网联汽车的发展，越来越多的学者投身于L4级以上的稳定的自动驾驶算法研究中来。自动泊车系统作为智能网联汽车的一项重要功能，能够在有效提升驾驶体验的同时，降低由于复杂地段的泊车困难带来的交通事故和经济损失，因此自动泊车在学术界和工业界掀起了研究热潮。传统的自动泊车系统中对于车位的感知依赖于超声波雷达，并且对车位空间结构有诸多限制。由于复杂的视觉环境和环视图像上停车位的不完整显示，基于视觉的停车位检测是一项重大挑战。本文提出了一种基于卷积神经网络（CNN）的车位检测算法，设计适用于车载环视图像的多重沙漏网络，并引入一种策略选择最佳感受野，从而联合检测停车位的角和线特征。所提出的方法达到了较高的精度和召回率，在搭载GPU的嵌入式移动终端可以达到30 FPS的实时性和较高的精准度。