基于完全信息多人动态博弈的车道选择模型

针对集群车辆驾驶员的车道选择行为,着眼物联网背景,综合考虑车辆集群态势、驾驶倾向性等影响驾驶员行为的因素,建立基于完全信息多人动态博弈的车道选择模型。通过分析不同策略组合下的驾驶员收益,运用逆向归纳法,求解子博弈精炼纳什均衡,得到驾驶员的最优车道选择策略。应用实车实验等手段验证模型,结果表明,所建模型能够较为客观地反映驾驶员车道选择行为及交通流特性。     

复杂车路环境下自动驾驶车辆换道仿真研究

自动驾驶车辆换道决策的算法设计对确保自动驾驶车辆的安全平稳运行至关重要.在现有研究基础上,综合考虑了换道车辆与原车道、目标车道前后多辆车的冲突关系,通过引入车辆侵略系数建立复杂路况下的多人动态博弈模型,以寻找自动驾驶车辆在复杂车路环境下的换道决策以及轨迹线规划的最佳策略.随后,通过NGSIM(Next Generation Simulation)数据探究车辆行驶特性,得到车辆侵略系数的准确分布,搭建仿真环境,给出本模型下自动驾驶车辆在不同路况中的策略选择以及对应的轨迹线示意,并将结果与其它模型求得结果进行比较.根据仿真结果,上述算法有效地完成了自动驾驶车辆在复杂车路环境下换道的关键技术问题,可为自动驾驶车辆的换道决策提供一定的技术指导.     

简化路况模式下驾驶员情绪模型的研究

驾驶辅助系统中的驾驶员模型较为单一, 没有考虑驾驶员的情绪状态对驾驶策略的影响. 为此, 本文研究了简化路况下驾驶员的情绪模型. 基于OCC (Ortony-clore-collins) 模型、情绪状态自发转移过程的马尔科夫模型和情绪状态刺激转移的隐马尔科夫模型(Hidden Markov model, HMM), 本文提出路况变化和无路况两种情况下的情绪模型, 并对驾驶员的跟驰、切换车道和超车过程中的情绪变化进行了研究. 在自发转移过程中, 结合情绪实时变化的特性, 提出了时变的自发转移过程,而在情绪刺激转移中, 考虑了情感对刺激的记忆效应, 即同种刺激先后对情感影响不同. 讨论了认知情感的变化对驾驶策略的影响. 针对车距、路宽和周围车辆车速对驾驶员的情感影响程度、刺激敏感程度以及特定事件对驾驶员的影响过程, 进行了仿真实验, 预估出驾驶员在特定事件刺激下会采取何种驾驶策略. 并进行了实测数据验证, 实验结果验证了所提出模型的有效性, 为驾驶辅助系统中建立驾驶员模型提供了有借鉴意义的基础理论.     

基于深度学习的驾驶员换道行为预测

车道变换在交通安全中起着至关重要的作用,准确预测驾驶员的车道变换行为可以显著提高驾驶安全性.本文提出了一种基于全连接神经网络和循环神经网络的混合神经网络,用于精准预测车道变换行为.并且提出动态时间窗口,提取包括驾驶员生理数据和车辆运动学数据的车道变换特征.最后,通过真实交通场景下的数据验证了所提出模型的有效性.此外,将所提出的模型与五种其他预测模型进行了比较,结果表明,与其他模型相比,本文所提出的预测模型具有更高的精确率和前瞻时间.     

考虑时延的智能网联汽车混合交通流稳定性分析

为研究时延对交通流稳定性的影响,构建考虑时延的人工驾驶汽车和智能网联汽车混合交通流稳定性分析模型.首先,分析并确定混合交通流中不同类型跟驰模式的比例关系和时延取值;然后,在此基础上采用不同的跟驰参数和时延值区分车辆的跟驰模式,并由此推导出混合交通流线性稳定条件;最后,以智能驾驶员模型为例,通过设计数值实验分别讨论智能网...     

基于Kalman滤波器的车道保持辅助系统研究

以非线性车辆动力学模型作为系统被控对象,利用Matlab/Simulink软件设计一种基于Kalman滤波算法的车道保持驾驶辅助系统。运用Kalman算法估计车辆行驶状态信息,并利用"预瞄—跟随"驾驶员模型—车辆模型—控制器所组成的驾驶员模型在回路仿真的方式对所设计系统进行验证。结果显示所设计的车道保持辅助系统能有效提高车辆路径跟踪能力。     

基于OpenCV的嵌人式车辆驾驶偏离报警系统

为减少因驾驶员无意识偏离车道行驶造成的交通事故,基于ARM和OpenCV建立嵌入式车道偏离报警系统。重点介绍了系统的设计、平台的搭建和算法处理流程。该系统通过摄像头采集获取图像信息,并应用OpenCV对图像进行预处理,通过提取图像中车道线信息,评估车辆行驶状态是否偏离车道中心位置,根据车辆的行驶状态,发出报警,提醒车辆驾驶人员当前行驶偏离情况,以达到辅助安全驾驶的目的。     

混合动力汽车启停巡航系统建模与仿真

以混合动力汽车为研究对象,建立了启停工况下车辆纵向动力学仿真模型,设计了车辆巡航上位控制器与下位控制器.提出一种基于模糊逻辑的最优控制算法应用于上位控制器设计,该算法结合模糊控制的优点,利用模糊逻辑将熟练驾驶员的经验引入到控制器设计中,修正了常规最优控制算法在某些特定情况下不符合实际驾驶状况的控制输出.针对启-停车辆纵...     

基于驾驶员转向模型的共享控制系统EI北大核心CSCD

针对车辆驾驶对于共享控制系统实用性的需求,提出了基于驾驶员转向模型的共享控制系统.基于驾驶员的视觉预瞄特性与神经肌肉特性建立了驾驶员转向模型,通过遗传算法辨识模型参数并分析其与车速和道路曲率之间的函数关系;采用模糊权重分配策略合理分配驾驶权重;本文利用基于所开发的CarMaker驾驶模拟实验平台,对系统进行在线测试和验证,结果表明该系统不仅能够更好地提升车辆的轨迹跟踪精度和安全性,辅助驾驶员转向,还能够极大地减轻驾驶员负荷.     

2021中国式创新案例TOP100(51-100)

51.美行科技:车道级导航产品 产品基于面向自动驾驶的全球性标准NDS地图技术,支持为用户提供自动驾驶场景呈现,让驾驶者预判系统的决策行为、参与接管车辆,提升系统的安全性. 车道级导航的出现,是车载导航将汽车感知信息融合、提升精准定位之后的跨代体验提升,车道级导航将在智能辅助驾驶和未来全自动驾驶系统中扮演极其重要的角色.     

基于长短期记忆网络的高速公路车辆变道轨迹预测模型

高速公路车辆车速、车距、行驶方向等因素都是动态变化的,受外界环境干扰,采集到的目标车辆状态特征数据可能存在噪声,导致车辆变道轨迹预测存在误差,为此提出基于长短期记忆网络的高速公路车辆变道轨迹预测模型,有效预测高速公路车辆变道轨迹,改善车辆行驶条件,保障其安全运行。通过激光雷达、GPS等装置采集目标车辆交通数据,将其合理组合成目标车辆状态观测特征向量,并构建相应的特征向量矩阵,将所构建目标车辆状态观测特征向量矩阵作为1层卷积神经网路输入,提取目标车辆状态观测特征向量潜在特征后,以1层卷积神经网络输出结果为双向长短期记忆网络有效输入,经过无数次模型训练后,输出目标车辆变道轨迹预测结果。实验结果表明:该模型可有效预测高速公路车辆变道轨迹,预测出的轨迹横纵坐标误差极低,能够得到较为理想的高速公路车辆变道轨迹预测结果。     

车联网络通过两级量化自适应卡尔曼滤波实现车辆状态预测

随着城市化和机动化的快速发展,交通安全越来越受到人们的关注。利用车载网络系统获取车载数据来预测车辆下一时刻的车载状态,对于提高运输路段的交通安全起着重要作用。文中提出一种基于自回归滑动平均(Auto-Regressice Mo-ving Average,ARMA)模型的两级量化自适应卡尔曼滤波算法,来预测车辆的行车状态(行驶的方向、行驶的车道、车辆的速度和加速度)。首先,开发了一个车载网络系统,通过交换车载单元(On-Board Unit,OBU)和路边单元(Roadside Unit,RSU)之间的交通数据来获取车辆数据;然后,通过配置在路边单元的边缘云服务器来预测车辆状态;最后,边缘服务器把预测到的状态信息广播给其他路边单元,以便交叉口其他车辆获取车辆信息。实验结果验证了用于预测加速度的自回归移动平均模型的有效性。此外,文中还评估了所提算法的有效性。与其他3种预测算法相比,所提算法的速度预测精度分别提高了90.62%,89.81%,82.76%,这说明该算法在车载网络中能有效预测车辆状态。     

The effect of vehicle characteristics on drivers' risk-taking behaviour

There is evidence linking certain vehicle characteristics to crash involvement and one possible mechanism behind this relationship is that these vehicle characteristics influence drivers' risk-taking behaviour. In order to investigate this, we conducted a roadside observation survey and a questionnaire-based study. Both revealed a significant relationship between vehicle performance and drivers' risk-taking behaviour. The causal direction of this relationship has important consequences. If drivers' risk taking predicts their car choice, then it could be justifiably argued that individuals who take more risks when driving simply choose more powerful vehicles to facilitate their behaviour. However, if it is the case that vehicle characteristics adversely influence drivers' risk-taking propensity then this has implications for vehicle design. Results indicated that the causal pathway operates independently in both directions. Finally, we sought to determine which vehicle characteristics influenced risk-taking intentions independently of other confounded characteristics. We found that high vehicle performance and a greater number of safety features led independently to greater intended risk taking in general, while higher internal car noise led to closer car following and more risky gap acceptance, but not to greater speed. Vehicle smoothness and handling did not affect risk-taking intentions.     

基于云网格集成调度的防拥堵车辆路径规划算法

在道路交通路网中,车辆拥堵问题是流量与路网结构之间相互作用的一个复杂动态过程,通过车辆路径规划,实现对路网网格集成调度,从而提高路网通行吞吐量。传统方法采用并行微观交通动态负载平衡预测算法实现车辆拥堵调度和车辆路径规划,不能准确判断路面上的车辆密度,路径规划效益不好。提出一种基于云网格集成调度的防拥堵车辆路径规划算法,即构建基于Small-World模型的云网格路网模型,采用RFID标签信息进行路况信息采集,实现交通网络拥堵评估信息特征的提取,采用固有模态函数加权平均求得各车道的车辆拥塞状态函数,对所有车道内车辆密度取统计平均可获得簇内的车辆密度。设计交通路网拥堵检测算法来对当前个体道路信息进行一维邻域搜索,从而实现车辆路径规划控制目标函数最佳寻优。通过动态博弈的方式求得车辆防拥堵路径的近似最优轨迹,实现路径规划算法的改进。仿真结果表明,该算法能准确规划车辆路径,实现最优路径控制,从而提高严重拥堵路段的车流速度和路网吞吐性能,性能优越。     

Detailed traffic animation for urban road networks

We present a new agent-based system for detailed traffic animation on urban arterial networks with diverse junctions like signalized crossing, merging and weaving areas. To control the motion of traffic for visualization and animation purposes, we utilize the popular follow-the-leader method to simulate various vehicle types and intelligent driving styles. We also introduce a continuous lane-changing model to imitate the vehicle’s decision-making process and dynamic interactions with neighboring vehicles. By applying our approach in several typical urban traffic scenarios, we demonstrate that our system can well visualize vehicles’ behaviors in a realistic manner on complex road networks and generate immersive traffic flow animations with smooth accelerating strategies and flexible lane changes.     

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。     

精细化短时交通流预测模型及迁移部署方案

精细化短时交通流预测是保证智能交通系统（ITS）合理决策的前提。为了建立无人驾驶汽车换道模型、预测车辆轨迹、引导车辆出行,及时为每条车道预测车流量成为亟须解决的问题,然而精细化短时交通流预测面临着以下挑战：一是交通流数据日益多元化,传统预测方法难以满足ITS高精度、短时延的要求;二是为每条车道训练预测模型会造成大量的资源浪费。针对以上问题,提出利用卷积-门控循环单元（Conv-GRU）结合灰色关联度分析法（GRA）建立精细化短时交通流预测模型预测车道流量。考虑到深度学习训练时间长、推理时间相对较短的特点,提出云-雾部署方案;同时,为避免为每条车道训练预测模型,在云-雾部署方案的基础上提出了模型迁移部署方案,该方案仅需训练部分车道的预测模型,然后通过GRA将训练好的预测模型迁移部署到关联车道进行预测。对真实交通流数据集进行大量对比实验的结果表明：与传统深度学习预测方法相比,所提模型拥有更精准的预测性能,与卷积-长短期记忆（Conv-LSTM）网络相比在提高精度的基础上运行时间更短,且能在保证高精度预测的情况下实现模型迁移,比训练每条车道的预测模型节省了约49%的训练时间。     

面向复杂城市交通场景的一种实时车道线检测方法

车道线检测是智能交通监控及自动驾驶的基础步骤,为提高其鲁棒性和实时性,针对复杂城市交通场景中自动驾驶需要检测车道线的需求,提出了一种实时车道线检测算法,首先运用改进灰度化变换突显车道线的特征,并通过改进的Gabor滤波算法增强车道线的边缘信息;最后采用多约束霍夫变换筛选得到平行车道线从而实现实时车道线检测。实验表明,该方法在三种不同真实的交通道路场景下,提高了车道线检测精度及处理速度,可应用于实时车道线检测系统。     

基于Haar-like和MB-LBP特征分区域多分类器车辆检测*

高级辅助驾驶系统中的预碰撞系统不仅需要检测前向车辆,预防追尾碰撞,同时需要检测临近车道斜侧向车辆,实现对其潜在换道、合流行为的预测,提供实时的预警功能.文中提出分区域融合多种特征的车辆检测方法,解决前向车辆特征与斜侧向车辆特征存在明显差异的问题.同时,文中方法分别检测远近不同的车辆,进行不同程度的图像降采样,提高检测系统的实时性.多种交通场景的实地测试表明,文中方法可以实时、稳定、准确地检测到前向车辆和斜侧向车辆,在行车环境良好的情况下,具有较高的召回率和准确率.