基于机器学习的车辆检测方法研究

车辆检测技术是智能汽车领域重要的研究方向,广泛应用于汽车安全辅助驾驶系统中,准确、快速地对道路前方车辆检测可以很好地保障车辆的安全行驶.论文主要研究了基于Adaboost机器学习的车辆检测算法,为提高检测精度,提出了一种多区域多分类器车辆检测方法,根据车辆特征在不同角度的差异性,把待检测的车辆分为左斜侧车辆、前向车辆、右斜侧车辆,然后选择不同的特征分别训练级联分类器进行检测,实验结果表明论文提出的方法检测速度、准确性都有了明显的提高.     

基于高斯混合隐马尔科夫模型的自由换道识别

驾驶辅助系统被认为是解决交通安全问题的有效手段, 开发驾驶辅助系统的基础是对车辆的行为进行准确的识别, 以应用于车辆安全预警, 路径规划, 智能导航等方面. 目前存在的基于支持向量机模型, 隐马尔科夫模型, 卷积神经网络等行为识别方法还存在计算量与精度平衡的问题. 本文结合了隐马尔科夫模型与高斯混合模型, 提出了高斯混合隐马尔科夫模型, 利用美国联邦公路管理局NGSIM数据集对此方法进行了实验验证, 结果表明该方法对自由换道行为识别具有较高的精度. 本文还对高斯混合隐马尔科夫模型的实验参数进行了优化, 以期达到最好的识别效果, 为未来智能驾驶的车辆行为识别提供了参考.     

智能车辆深度强化学习的模型迁移轨迹规划方法

针对智能驾驶车辆传统路径规划中出现车辆模型跟踪误差和过度依赖问题,提出一种基于深度强化学习的模型迁移的智能驾驶车辆轨迹规划方法.首先,提取真实环境的抽象模型,该模型利用深度确定性策略梯度(DDPG)和车辆动力学模型,共同训练逼近最优智能驾驶的强化学习模型;其次,通过模型迁移策略将实际场景问题迁移至虚拟抽象模型中,根据该环境中训练好的深度强化学习模型计算控制与轨迹序列;而后,根据真实环境中评价函数选择最优轨迹序列.实验结果表明,所提方法能够处理连续输入状态,并生成连续控制的转角控制序列,减少横向跟踪误差;同时通过模型迁移能够提高模型的泛化性能,减小过度依赖问题.     

基于边缘计算的车载网络数据异常检测系统

随着车载网络闭环系统的打破,遭受可能攻击的风险越来越大。智能驾驶、辅助驾驶本身会使车载计算单元的负载较重,在车内采用异常检测算法将愈发占用车内资源、加重计算单元负载。因此,我们设计了一种基于边缘计算的车载网络数据异常检测系统,将异常检测转移到边缘服务器上进行,以减少车载网络的负担。利用智能小车、边缘服务器等软硬件平台,搭建车载网络异常检测原型系统,设计基于支持向量机异常检测模型,使用真车数据进行模型训练以及异常检测模拟;并使车辆与边缘服务器进行数据传输,得到车辆运行时的异常信息,维护车辆正常行驶。     

基于MCPDDPG的智能车辆路径规划方法及应用

针对智能车路径规划过程中常存在动态环境感知预估不足的问题,使用基于蒙特卡罗深度策略梯度学习(Monte Carlo prediction deep deterministic policy gradient, MCPDDPG)的智能车辆路径规划方法,设计一种基于环境感知预测、行为决策和控制序列生成的框架,实现实时的决策和规划,并输出连续的车辆控制序列.首先,利用序贯蒙特卡罗预估他车行为状态量;然后,设计基于强化Q学习的行为决策方法,使智能车辆实时预知碰撞风险,采取合理的规避策略;最后,构建深度策略梯度学习网络框架,获取智能车辆规划路径的最优轨迹序列.实验结果表明,所提方法能够缓解环境感知的预估不足问题,提升智能车辆行为决策的快速性,保障路径规划的主动安全,并输出连续的轨迹序列,为智能车辆导航控制提供前提.     

基于多层模型的“两客一危”车辆行驶状态评价系统

随着我国道路运输行业的快速发展,"两客一危"车辆大幅度增长,给道路出行和乘客的生命财产安全带来了极大的考验.本文基于海量"两客一危"车辆行驶数据提出了多层模型的"两客一危"车辆行驶状态评价系统.首先,对行驶数据进行特征筛选、异常值清洗、归一化等处理.然后,在宏观和微观两个层面上分别使用聚类分析模型和动态阈值模型对车辆行驶数据进行分析.最后通过将聚类分析的结果与动态阈值的分析结果相结合即可实现对车辆行驶状态以及驾驶员的驾驶习惯的综合评价.研究结果表明,本文提出的多层模型能够对车辆行程路况以及车辆驾驶员驾驶习惯进行较为准确的评估,可为"两客一危"车辆的管理监督部门以及车辆运输企业提供合理的安全生产的科学依据和数据支持.     

自动驾驶环境下交叉口车辆路径规划与最优控制模型

自动驾驶环境下的交叉口基于车车/车路之间的双向信息交互, 能保障自动驾驶车辆相互穿插与协作地通过交叉口, 而无需信号灯控制. 因此, 如何设计高效的面向自动驾驶车辆通行的交叉口管控模型, 已成为研究的热点. 已有研究在建模时, 均基于自动驾驶车辆在交叉口内部的行驶路径已知并作为模型输入, 且大多对交叉口内部的冲突点进行简化. 本文首先将交叉口空间离散化处理, 考虑车辆的实际尺寸并面向非常规交叉口, 使用椭圆曲线建立转弯车辆行驶路径的精确轨迹方程, 再通过外边界投影降维法建立轨迹方程和交叉口空间的映射关系. 建立了基于混合整数线性规划(Mixed integer linear programming, MILP)的自动驾驶交叉口管控模型, 以交叉口总延误最小为控制目标, 同时优化车辆在交叉口的最佳行驶路径和驶入时刻, 使用AMPL (A mathematical programming language)对模型进行编译并使用CPLEX求解器求解. 与经典感应控制和先到先服务模型进行对比, 结果表明, 本文所提出模型能对车辆进入交叉口的时刻和行驶路径进行双重优化, 显著降低自动驾驶车辆通过交叉口的车均延误, 提高交叉口空间的利用效率.     

基于LSTM-att的车辆异常驾驶行为识别

车辆的异常行为可能引发交通事故,甚至造成经济损失和人员伤亡.准确识别车辆异常行为可以预防潜在的危险.针对现有研究存在的数据难以保留时间特征等问题,本文提出一种带有注意力层的长短记忆神经网络的识别模型,利用真实交通场景车辆异常轨迹对所提出的模型进行训练和验证.实验结果表明,所提出的模型能够有效的识别车辆异常驾驶行为,准确...     

基于环境风险的自动驾驶局部路径规划算法

针对结构化道路局部路径规划问题，提出基于实时环境风险场的自动驾驶局部路径动态规划框架，首次将局部路径规划问题细化为车道决策和路径规划两部分。针对车道决策部分，提出基于行车风险场及安全距离的车道决策算法，能够在保证驾驶速度的同时，确保自车始终处于低风险驾驶环境，以提高其安全性。在换道路径规划部分，提出基于换道时间均匀采样的候选路径生成算法，以及综合考虑换道即时性、速度平滑性、路径平顺性以及舒适性的代价函数，实现最优路径规划。在单车道路径规划部分，提出综合考虑安全性、平顺性以及连续性的代价函数，实现路径以及速度的合理、安全动态规划。实验验证表明，所提出的局部路径动态规划框架在设定的结构化道路局部路径规划任务中，能够规划出低风险、高效率、安全合理且平顺的行驶路径并给出安全规划速度，证明了所提出的局部路径动态规划算法的有效性。     

基于深度强化学习的多配送中心车辆路径规划

多配送中心车辆路径规划(multi-depot vehicle routing problem, MDVRP)是现阶段供应链应用较为广泛的问题模型,现有算法多采用启发式方法,其求解速度慢且无法保证解的质量,因此研究快速且有效的求解算法具有重要的学术意义和应用价值.以最小化总车辆路径距离为目标,提出一种基于多智能体深度强化学习的求解模型.首先,定义多配送中心车辆路径问题的多智能体强化学习形式,包括状态、动作、回报以及状态转移函数,使模型能够利用多智能体强化学习训练;然后通过对MDVRP的节点邻居及遮掩机制的定义,基于注意力机制设计由多个智能体网络构成的策略网络模型,并利用策略梯度算法进行训练以获得能够快速求解的模型;接着,利用2-opt局部搜索策略和采样搜索策略改进解的质量;最后,通过对不同规模问题仿真实验以及与其他算法进行对比,验证所提出的多智能体深度强化学习模型及其与搜索策略的结合能够快速获得高质量的解.     

基于模糊神经元网络的智能车辆个性自动驾驶系统的设计与实现

介绍了一种利用模糊神经元网络实现车辆自动驾驶的设计方案.其基本设计思想 是首先通过模糊逻辑描述驾驶者的驾驶行为,然后利用驾驶者实际驾驶时采集的车辆运行情 况作为训练数据,通过神经元网络的自学习功能修改和改进模糊控制所需的输入/输出信 号的隶属度函数以及模糊推理的运算关系,做到简单控制实现与复杂学习算法的有效结合, 从而实现模糊神经元控制.本方案为智能车辆实现个性化自主或辅助自动驾驶提供了一种非 常有效的机制.     

基于微分平坦与MPC的智能车换道控制算法

为了提高智能车换道的安全性,提出了一种基于微分平坦理论与模型预测控制(MPC)算法相结合的智能车换道轨迹规划与跟踪算法。该算法利用约束求解得到基于sigmoid函数的优化路径;将其与多项式参数化时间函数作为平坦输出,利用微分平坦理论构造一个非线性性能指标函数并对其进行优化求解完成车速规划;从而实现对智能车辆路径-速度分解式的轨迹规划。利用动力学模型预测控制算法线上控制的优点,对智能车的车轮转向进行实时控制,使得车辆按照规划好的轨迹行驶完成换道。通过CarSim与MATLAB/Simulink的联合仿真,将提出的轨迹规划算法应用于车辆系统仿真软件中进行验证,结果表明该算法能够实现对智能车进行轨迹规划和跟踪控制,使其安全高效地换至目标车道。     

基于容错学习的智能车辆路径跟踪控制

针对复杂驾驶环境中智能车辆的路径跟踪问题,提出了一种新型自适应容错学习控制策略.为了便于路径跟踪控制器的设计,首先,创新地将车辆动力学转化为一种参数化形式.在此基础上,考虑到车辆动力系统的欠驱动特性,我们控制器设计中引入一种新型处理非方输入矩阵的方法.该方法不仅拓展了自适应学习算法的应用范围,同时也为处理一般非方动力系...     

面向智能驾驶的平行视觉感知：基本概念、框架与应用

目的 视觉感知技术是智能车系统中的一项关键技术,但是在复杂挑战下如何有效提高视觉性能已经成为智能驾驶领域的重要研究内容。本文将人工社会（artificial societies）、计算实验（computational experiments）和平行执行（parallel execution）构成的ACP方法引入智能驾驶的视觉感知领域,提出了面向智能驾驶的平行视觉感知,解决了视觉模型合理训练和评估问题,有助于智能驾驶进一步走向实际应用。方法 平行视觉感知通过人工子系统组合来模拟实际驾驶场景,构建人工驾驶场景使之成为智能车视觉感知的“计算实验室”;借助计算实验两种操作模式完成视觉模型训练与评估;最后采用平行执行动态优化视觉模型,保障智能驾驶对复杂挑战的感知与理解长期有效。结果 实验表明,目标检测的训练阶段虚实混合数据最高精度可达60.9%,比单纯用KPC（包括：KITTI（Karlsruhe Institute of Technology and Toyota Technological Institute）,PASCAL VOC（pattern analysis,statistical modelling and computational learning visual object classes）和MS COCO（Microsoft common objects in context））数据和虚拟数据分别高出17.9%和5.3%;在评估阶段相较于基准数据,常规任务（-30°且垂直移动）平均精度下降11.3%,环境任务（雾天）平均精度下降21.0%,困难任务（所有挑战）平均精度下降33.7%。结论 本文为智能驾驶设计和实施了在实际驾驶场景难以甚至无法进行的视觉计算实验,对复杂视觉挑战进行分析和评估,具备加强智能车在行驶过程中感知和理解周围场景的意义。     

结合状态机和动态目标路径的无人驾驶决策仿真

目的 决策系统是无人驾驶技术的核心研究之一。已有决策系统存在逻辑不合理、计算效率低、应用场景局限等问题,因此提出一种动态环境下无人驾驶路径决策仿真。方法 首先,基于规则模型构建适于无人驾驶决策系统的交通有限状态机;其次,针对交通动态特征,提出基于统计模型的动态目标路径算法计算状态迁移风险;最后,将交通状态机和动态目标路径算法有机结合,设计出一种基于有限状态机的无人驾驶动态目标路径模型,适用于交叉口冲突避免和三车道换道行为。将全速度差连续跟驰模型运用到换道规则中,并基于冲突时间提出动态临界跟车距离。结果 为验证模型的有效性和高效性,对交通环境进行虚拟现实建模,模拟交叉口通行和三车道换道行为,分析文中模型对车流量和换道率的影响。实验结果显示,在交叉口通行时,自主车辆不仅可以检测冲突还可以根据风险评估结果执行安全合理的决策。三车道换道时,自主车辆既可以实现紧急让道,也可以通过执行换道达成自身驾驶期望。通过将实测数据和其他两种方法对比,当车流密度在0.20.5时,本文模型的平均速度最高分别提高32 km/h和22 km/h。当车流密度不超过0.65时,本文模型的换道成功率最高分别提升37%和25%。结论 实验结果说明本文方法不仅可以在动态城区环境下提高决策安全性和正确性,还可以提高车流量饱和度,缓解交通堵塞。     

面向智能驾驶测试的仿真场景构建技术综述

随着汽车智能化程度的不断提高,智能汽车通过环境传感器与周边行驶环境的信息交互与互联更为密切,需应对的行驶环境状况也越来越复杂,包括行驶道路、周边交通和气象条件等诸多因素,具有较强的不确定性、难以重复、不可预测和不可穷尽。限于研发周期和成本、工况复杂多样性,特别是安全因素的考虑,传统的开放道路测试试验或基于封闭试验场的测试难以满足智能驾驶系统可靠性与鲁棒性的测试要求。因此,借助数字虚拟技术的仿真测试成为智能驾驶测试验证一种新的手段,仿真场景的构建作为模拟仿真的重要组成部分,是实现智能驾驶测试中大样本、极限边界小概率样本测试验证的关键技术,这对提升智能驾驶系统的压力和加速测评水平显得尤为重要。面向智能驾驶测试的仿真场景构建技术已成为当前汽车智能化新的研究课题和世界性的研究热点,作为一种新兴技术仍面临许多挑战。本文提出了面向智能驾驶测试的仿真场景构建方法,系统阐述了国内外研究工作的进展与现状,包括场景自动构建方法和交通仿真建模方法,重点分析一些值得深入研究的问题并围绕场景构建技术的发展趋势进行了讨论分析,最后介绍了团队相关研究在2020中国智能驾驶挑战赛仿真赛和世界智能驾驶挑战赛的仿真场景应用情况。     

基于核学习方法的短时交通流量预测

基于核学习的强大非线性映射性能,针对短时交通流量预测,提出一类基于核学习方法的预测模型。核递推最小二乘(KRLS)基于近似线性依赖(approximate linear dependence,ALD) 技术可降低计算复杂度及存储量,是一种在线核学习方法,适用于较大规模数据集的学习;核偏最小二乘(KPLS)方法将输入变量投影在潜在变量上,利用输入与输出变量之间的协方差信息提取潜在特征;核极限学习机(KELM)方法用核函数表示未知的隐含层非线性特征映射,通过正则化最小二乘算法计算网络的输出权值,能以极快的学习速度获得良好的推广性。为验证所提方法的有效性,将KELM、KPLS、ALD-KRLS用于不同实测交通流数据中,在同等条件下,与现有方法进行比较。实验结果表明,不同核学习方法的预测精度和训练速度均有提高,体现了核学习方法在短时交通流量预测中的应用潜力。     

Parallel Driving in CPSS:A Unified Approach for Transport Automation and Vehicle Intelligence

The emerging development of connected and automated vehicles imposes a significant challenge on current vehicle control and transportation systems. This paper proposes a novel unified approach, Parallel Driving, a cloud-based cyberphysical-social systems (CPSS) framework aiming at synergizing connected automated driving. This study first introduces the CPSS and ACP-based intelligent machine systems. Then the parallel driving is proposed in the cyber-physical-social space, considering interactions among vehicles, human drivers, and information. Within the framework, parallel testing, parallel learning and parallel reinforcement learning are developed and concisely reviewed. Development on intelligent horizon (iHorizon) and its applications are also presented towards parallel horizon. The proposed parallel driving offers an ample solution for achieving a smooth, safe and efficient cooperation among connected automated vehicles with different levels of automation in future road transportation systems.      

面向智能汽车的信息安全漏洞评分模型

随着汽车智能化、网联化的发展,汽车中集成了越来越多的电子器件,数量庞大的硬件、固件和软件中隐藏着各种设计缺陷和漏洞,这从根本上导致了智能汽车信息安全问题.大量汽车漏洞的披露,严重影响了汽车安全,制约了智能汽车的广泛应用.漏洞管理是降低漏洞危害、改善汽车安全的有效手段.在漏洞管理流程中,漏洞评估是决定漏洞处置优先级的重要...