基于自动化接受度模型的车外交互研究

摘 要：随着科技的不断进步,新技术不断进入人们的生活,自动驾驶驾驶技术也得到了 快速的发展。但单纯的技术提高并不能带来人们接受度的随之增加。为了提高人们对无人驾驶 技术的接受度,对自动化接受度模型进行研究,探究如何从认知接受度提升的角度改善自动驾 驶座舱的人机交互,并从接受度模型的核心影响因素的角度分析车外人机交互用户体验问题。 通过分析半封闭场景下车外交互的使用场景及行人与无人车交互时的用户行为,归纳出行人行 为特征模型,再结合自动化接受度模型的相关研究,从信任度、协作性的角度提升车外交互的 有效性和认知接受度。基于自动化接受度 AAM 模型提出了符合行人行为特征和认知的车外人 机交互策略,从而提高沟通效率和接受度。     

自动驾驶场景下的轨迹预测技术综述

轨迹预测是自动驾驶和智能交通领域的关键技术,对于车辆和移动行人轨迹的准确预测可提升自动驾驶系统对周围环境变化的感知能力,保障自动驾驶系统的安全性。数据驱动轨迹预测方法可捕捉智能体之间的交互特征,对场景内智能体历史运动和静态环境信息进行分析,准确预测智能体的未来轨迹。介绍轨迹预测的数学模型并将其分为传统轨迹预测方法和数据驱动轨迹预测方法 2类,阐述主流数据驱动轨迹预测方法所面临的智能体交互建模、运动行为意图预测、轨迹多样性预测、场景内静态环境信息融合等4个主要挑战,从轨迹预测数据集使用、性能评价指标、模型特点等方面出发对典型数据驱动轨迹预测方法进行分析与对比,总结归纳这些典型数据驱动轨迹预测方法针对上述挑战的解决思路和应用场景,并对自动驾驶场景下轨迹预测技术的未来发展方向进行展望。     

基于博弈论的多车智能驾驶交互决策综述

智能驾驶是交通和汽车领域未来发展的重要方向,决策规划作为智能驾驶系统中的关键模块,一直是其重点研究领域之一.当前的研究热点正在从单车智能驾驶决策向混行交通场景下的多车智能驾驶决策进行拓展,因此,需要在复杂动态场景和多并行任务下生成符合车辆动力学且不与道路边界和其他交通参与者发生碰撞的高质量轨迹.多车混行驾驶是对道路时空资源的竞争性使用,博弈论可为多车交互决策提供重要的理论与技术手段.对此,应用博弈论方法进行智能驾驶决策研究的综述,基于滚动时域、微分博弈和马尔科夫博弈这3类常用的博弈模型,对现有相关研究进行归类总结和分析.首先简要介绍博弈论基础知识;其次,总结常见的智能驾驶场景并分析各场景下交互决策的核心问题;然后,通过3种不同的博弈模型对多车交互决策进行建模,分别介绍它们的求解算法和思路及相关的研究工作;最后,介绍相关的仿真实验和测试方法,同时也对未来的技术发展和挑战给出见解.     

虚拟驾驶环境中车辆智能体的驾驶行为模型

建立虚拟交通环境的多智能体结构,分析车辆智能体的驾驶行为分层模型以及感知、决策和操作等过程。采用模糊专家系统建立车辆智能体的驾驶行为模型。为模拟现实中的驾驶员行为特性,加入驾驶员因子,使驾驶模拟器的虚拟交通环境更符合现实。运用OpenGVS产生和显示实时交互的虚拟驾驶场景。结果表明该模型能体现实际驾驶行为的多样性、随机性和模糊性。该模型通用有效,它使驾驶模拟器的虚拟交通场景更真实满意。     

基于时空图的行人轨迹预测

在蓬勃发展的自动驾驶技术中, 行人轨迹预测的结果往往会影响到自动驾驶的安全性. 行人轨迹预测技术目前面临着在实际场景中应用时与他人的交互问题, 需要在预测轨迹的同时考虑社会交互性与逻辑自洽. 因此, 提出了一种基于时空图的行人轨迹预测方法, 该方法采用图注意力网络对场景中的行人交互进行建模, 并使用一种自动生成正负样本的方法来通过对比学习降低输出轨迹的碰撞率, 达到了提高输出轨迹的安全性以及逻辑自洽的效果. 在ETH和UCY数据集上进行模型训练与测试, 结果分析表明, 本文提出的方法有效降低了碰撞率, 且预测准确度优于主流算法.     

时空图注意力网络在交叉口车辆轨迹预测的应用

随着人工智能和大数据技术的快速发展,以深度学习为代表的自动驾驶轨迹预测是未来的热点研究方向.在混合交通场景下,如何准确地预测机动车与非机动车的轨迹,是实现自动驾驶技术中安全行驶和高效轨迹规划等问题的前提.针对交叉路口中不同运动对象之间发生交互时的轨迹预测问题,提出了基于图注意力网络的建模方案.所采用的模型结合了时间与空间上研究对象之间的相互作用,对机动车与非机动车的未来轨迹做出了更准确的预测,可应用于自动驾驶的轨迹规划方案,确保在复杂交通场景下,机动车与非机动车能够安全且高效地通过交叉路口.该模型在简单交互情况下,可取得较小的轨迹平均位移误差和最终位移误差,而在复杂交互情况下,可提供更为合理的规划路径.     

城市交叉口车辆速度与交通信号协同优化控制

为了降低城市交通中的行车延误与燃油消耗,针对人类驾驶车辆与自动驾驶车辆混合交通环境,提出一种基于交通信息物理系统(TCPS)的车辆速度与交通信号协同优化控制方法.首先,综合考虑路口交通信号、人类驾驶车辆、自动驾驶车辆三者之间的相互影响,设计一种适用于自动驾驶车辆与人类驾驶车辆混合组队特性的过路口速度规划模型;其次,针对车辆速度规划单一应用时的局限性,即无法减少车辆路口通行延误且易出现无解情况,提出一种双目标协同优化模型,能够综合考虑车辆速度规划与路口交通信号控制,同时降低车辆燃油消耗与路口平均延误.由于双目标优化问题求解的复杂性,设计一种遗传算法-粒子群算法混合求解策略.基于SUMO的仿真实验验证了所提出方法的有效性.     

西北首个公交5G车路协同业务应用落地

西咸公交集团5G车路协同项目是新基建龙头5G应用的重要场景—车路协同的应用项目,具体建设为"上林路- 西咸大厦"5G车路协同智慧公交系统,全长6 km,停靠8个站台,该系统是连接城际交通与工作单位重要线路,完美解决"最后一公里"问题. 该项目可以实现八大类业务: 一是实时车路协同,车辆与路口信号灯信息交互,提升通行效率; 二是智能车速,具备高级辅助驾驶功能,协助驾驶员操控,降低驾驶疲劳度,提升安全性; 三是交叉路口防碰撞,超视距感知路口交通信息,危险场景预警,降低安全隐患; 四是行人斑马线提醒,提前预警无红绿灯管控的斑马线与行人交汇危险,提升安全性; 五是盲区检测与变道辅助,智慧车辆之间信息交互,提前预判、避让、减少危险和提高安全驾驶; 六是最优车速,通过车与车、车与路、车与平台实时信息交互,通过边缘计算给出了最优行驶速度,降低能耗; 七是精准停靠,车辆停靠距站台约15公分,解决老人、小孩和雨天等上车困难的痛点,大大提升了服务质量,减少不安全隐患; 八是车后LED灯提示,可及时向社会车辆广播路口红绿灯及交通信息,提升车辆的通行效率,同时降低社会车辆违章行为及不安全的驾驶隐患.     

目标检测算法在交通场景中应用综述

目标检测是计算机视觉领域的重要研究任务,在机器人、自动驾驶、工业检测等方面应用广泛。在深度学习理论的基础上,系统性总结了目标检测算法的发展与研究现状,对两类算法的特点、优缺点和实时性进行对比。以交通场景中三类典型物体（非机动车、机动车和行人）为目标,从传统检测方法、目标检测算法、目标检测算法优化、三维目标检测、多模态目标检测和重识别六个方面分别论述和总结目标检测算法检测识别交通场景目标的研究现状与应用情况,重点介绍了各类方法的优势、局限性和适用场景。归纳了常用目标检测和交通场景数据集及评价标准,比较分析两类算法性能,展望目标检测算法在交通场景中应用研究的发展趋势,为智能交通、自动驾驶提供研究思路。     

自动驾驶交叉路口测试场景建模及验证方法

自动驾驶汽车在缓解交通拥堵和消除交通事故方面发挥着重要作用.为了保证自动驾驶系统的安全性和可靠性,在自动驾驶汽车部署到公共道路之前,必须进行全面的测试.现有的测试场景数据大多来源于交通事故和交通违法场景,而且自动驾驶系统最基本的安全需求就是遵守交通法规,这充分体现了自动驾驶汽车遵守交通规则的重要性.然而,目前严重缺少针对交通法规构建的自动驾驶测试场景.因此,本文从交通法规出发,根据自动驾驶系统安全需求,提出交叉路口测试场景的Petri网建模及形式化验证方法.首先,依据自动驾驶测试场景对交规进行分类,提取适合自动驾驶汽车的文本交规,并进行半形式化表征.其次,以覆盖道路交通安全法规以及测试场景功能测试规程为目标,融合交叉路口场景要素的交互行为,合理选择并组合测试场景要素,布设交叉路口测试场景.然后,基于交规的测试场景被建模为一个Petri网,其中,库所描述自动驾驶汽车的状态,变迁表示状态的触发条件,并选择时钟约束规范语言（CCSL）作为中间语义语言,将Petri网转换为一个可进行形式化验证的中间语义模型,提出具体的转换方法.最后,通过Tina软件分析验证交规场景模型的活性、有界性和可达性,结果表明所建模型的正确性,并基于SMT的分析工具MyCCSL来分析CCSL约束,采用LTL公式以形式化方法验证交规场景模型的一致性.     

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。     

自动驾驶车辆在无信号交叉口右转驾驶决策技术研究

利用深度强化学习（deep reinforcement learning,DRL）技术实现自动驾驶决策已成为国内外研究热点,现有研究中的车辆交通流缺乏随机性与真实性,同时自动驾驶车辆在环境中的有效探索具有局限性。因此利用TD3算法进行自动驾驶车辆在无信号交叉口下的右转驾驶决策研究,首先在Carla仿真平台中开发无信号交叉口的训练与测试场景,并添加交通流管理功能,提高系统训练和测试随机性。其次,为了提高自动驾驶车辆的探索性,对TD3算法中的Actor网络进行改进,为目标动作添加OU噪声。最后使用通行成功率和平均通行时间评估指标评价自动驾驶行为决策。结果表明,在不同交通流场景下,改进后的TD3算法通行成功率与基于DDPG算法控制的车辆相比平均提升6.2%,与基于规则的AEB模型相比平均提升23%。改进后的TD3算法不仅能够探索更多可能,而且其通行决策表现更加突出。     

无信号人行横道交通流特性的研究

考虑到行人穿越人行横道特点和心理因素,构建人行横道处机动车和行人相互干扰行为的元胞自动机模型。模型中重新制定行人和机动车的冲突干扰规则,引入临界安全间隙和临界决策间隙概念计算行人的通过概率,根据行人过街等待时间阈值定义了行人的冒险概率。模拟结果显示,临界决策间隙、行人忍耐时间阈值和行人的临界跟随间隙对机动车与行人流量均有不同程度的影响,其中行人的临界跟随间隙对交通流影响最大。     

基于VISSIM微观交通仿真软件的导流岛机非冲突元胞自动机模型

针对复杂的导流岛冲突区机非冲突行为,应用传统解析法得到的右转车道通行能力往往与实际运行状况偏差较大。为此,提出了基于VISSIM微观交通仿真软件的导流岛机非冲突元胞自动机模型。该模型利用VISSIM的组件对象模型编程,依据提出的元胞自动机规则集,通过设置一系列模拟元胞的检测器,来控制右转机动车的车速变化,从而模拟右转机动车面对非机动车或行人冲突时的截流效应,并同时利用VISSIM仿真软件的让行设置来控制非机动车或行人的过街行为。仿真结果表明,利用该模型得到的右转车道通行能力值与实际观测值的平均相对误差为5.45%,优于传统的解析法,能够较好地反映导流岛冲突区的实际运行状况,从而为混合交通条件下导流岛渠化形式的规划、设计、交通管理与组织提供理论依据。     

Interaction-Aware Cut-In Trajectory Prediction and Risk Assessment in Mixed Traffic

Accurately predicting the trajectories of surrounding vehicles and assessing the collision risks are essential to avoid side and rear-end collisions caused by cut-in. To improve the safety of autonomous vehicles in the mixed traffic, this study proposes a cut-in prediction and risk assessment method with considering the interactions of multiple traffic participants. The integration of the support vector machine and Gaussian mixture model (SVM-GMM) is developed to simultaneously predict cut-in behavior and trajectory. The dimension of the input features is reduced through Chebyshev fitting to improve the training efficiency as well as the online inference performance. Based on the predicted trajectory of the cut-in vehicle and the responsive actions of the autonomous vehicles, two risk measurements are introduced to formulate the comprehensive interaction risk through the combination of Sigmoid function and Softmax function. Finally, the comparative analysis is performed to validate the proposed method using the naturalistic driving data. The results show that the proposed method can predict the trajectory with higher precision and effectively evaluate the risk level of a cut-in maneuver compared to the methods without considering interaction.      

Motion planning of autonomous vehicles in a non-autonomous vehicle environment without speed lanes

Planning is one of the key problems for autonomous vehicles operating in road scenarios. Present planning algorithms operate with the assumption that traffic is organised in predefined speed lanes, which makes it impossible to allow autonomous vehicles in countries with unorganised traffic. Unorganised traffic is though capable of higher traffic bandwidths when constituting vehicles vary in their speed capabilities and sizes. Diverse vehicles in an unorganised exhibit unique driving behaviours which are analysed in this paper by a simulation study. The aim of the work reported here is to create a planning algorithm for mixed traffic consisting of both autonomous and non-autonomous vehicles without any inter-vehicle communication. The awareness (e.g. vision) of every vehicle is restricted to nearby vehicles only and a straight infinite road is assumed for decision making regarding navigation in the presence of multiple vehicles. Exhibited behaviours include obstacle avoidance, overtaking, giving way for vehicles to overtake from behind, vehicle following, adjusting the lateral lane position and so on. A conflict of plans is a major issue which will almost certainly arise in the absence of inter-vehicle communication. Hence each vehicle needs to continuously track other vehicles and rectify plans whenever a collision seems likely. Further it is observed here that driver aggression plays a vital role in overall traffic dynamics, hence this has also been factored in accordingly. This work is hence a step forward towards achieving autonomous vehicles in unorganised traffic, while similar effort would be required for planning problems such as intersections, mergers, diversions and other modules like localisation.     

A Survey of Scene Understanding by Event Reasoning in Autonomous Driving

Realizing autonomy is a hot research topic for automatic vehicles in recent years. For a long time, most of the efforts to this goal concentrate on understanding the scenes surrounding the ego-vehicle (autonomous vehicle itself). By completing low-level vision tasks, such as detection, tracking and segmentation of the surrounding traffic participants, e.g., pedestrian, cyclists and vehicles, the scenes can be interpreted. However, for an autonomous vehicle, low-level vision tasks are largely insufficient to give help to comprehensive scene understanding. What are and how about the past, the on-going and the future of the scene participants? This deep question actually steers the vehicles towards truly full automation, just like human beings. Based on this thoughtfulness, this paper attempts to investigate the interpretation of traffic scene in autonomous driving from an event reasoning view. To reach this goal, we study the most relevant literatures and the state-of-the-arts on scene representation, event detection and intention prediction in autonomous driving. In addition, we also discuss the open challenges and problems in this field and endeavor to provide possible solutions.     

A modeling framework for urban traffic systems microscopic simulation

In this paper a modeling framework for urban traffic systems (UTS) is presented. The model, used for agent based micro-simulation, describes both the traffic network and dynamic entities, namely vehicles, traffic lights, and pedestrians. The framework allows defining systematically the necessary components and their behavior of a model oriented to event driven simulation, which can be executed in a distributed way. In the model, the vehicles are conceived as mobile agents with decision making capabilities that interact with the environment and other entities within the traffic network, performing diverse activities according to numerous situations arisen during the simulation. A multi-level Petri net based formalism, named n-LNS is used for describing the structure of the UTS and the components behavior. The first level describes the traffic network; the second level models the behavior of diverse road network users considered as agents, and the third level specifies detailed procedures performed by the agents, namely travel plans, tasks, etc.     

一种基于灰度直方图的交通检测系统

在中国由于行人和机动车混行的情况非常普遍,因此行人的检测和机动车一样也是交通检测的重要方面。然而国内外在行人与机动车混合交通流检测方面的研究却不多见。文章提出并阐述了一套基于视频的综合交通检测系统。该系统通过视频技术实时检测获得路段或路口上机动车、行人的综合交通数据。系统运用了实用性很强自适应背景差减法进行前景图像分割,并提出了基于灰度直方图的目标跟踪方法,在一定程度上解决了在人车混行中比较严重的遮挡问题。实验结果表明,系统在前景图像提取以及目标跟踪分类等环节都取得了令人满意的成果。