基于车辆平均轨迹的车道提取方法

针对视频中噪声点难以消除和路面背景难以提取的问题,提出一种基于车辆平均轨迹的车道提取方法。对视频中的车辆进行跟踪,得到它们在每一帧中的位置,将这些位置中心点根据算法拟合成一条平均轨迹。从视频帧中选择出合适的一帧作为背景图,对背景图进行形态学处理以消除天空及两边景物等干扰较大的噪声点,并通过进一步处理得到二值化的背景图。将平均轨迹与二值化图进行匹配,提取出车道。实验结果表明,该方法适用于多种道路且不易受到噪声点的干扰,成功率较高并具有较强的灵活性和适应性。     

高速公路监控视频中运动车辆对象提取

结合高速公路交通视频的特点,提出了监控中运动车辆对象提取的方法。该方法利用混合背景差分法提取运动目标,并对目标进行形态学处理,最后结合后退N帧、半监督学习的阈值选取的思想提取车辆对象特征最显著的视频帧。实验结果表明,该方法有效地改善了传统的混合高斯背景差分提取运动对象过程中出现的孔洞、噪声和车辆对象非完整性及特征不显著的问题,进而优化了车辆对象的提取流程。     

非完整移动机器人的轨迹跟踪控制

讨论基于运动学模型的非完整移动机器人的轨迹跟踪控制问题。在一定的假设条件下实现了全局指数跟踪，该假设允许参考模型角速度和平移速度均趋于零，并将该方法推广到 动力学模型。仿真例子证明了该方法的有效性。     

非完整移动机器人的轨迹跟踪控制研究

为削弱非移动机器人系统中由滑模控制引起的抖搌现象,提出一种反演设计方案,设计出具有全局渐进稳定的控制器。通过构造中间虚拟控制量和虚拟反馈函数对控制器进行设计,并对稳定性进行分析。满足了移动机器人轨迹跟踪控制要求,且具有设计方法简单,鲁棒性强的特点。仿真试验验证了控制器的正确性和有效性。     

非完整轮试移动机器人的轨迹跟踪滑模控制

由于轮式移动机器人的非完整性质和运动受限性质,它的轨迹跟踪已经成为一类具有挑战性的控制问题.针对一个可以在医院环境中执行护理任务的室内移动机器人-护士助手机器人,提出一种轮式移动机器人的轨迹跟踪滑模控制方法.由移动机器人在极坐标系中的运动学方程出发设计一个滑模控制器,进而提出了一种新的滑模控制方法,解决了在极坐标系中关于运动学的跟踪问题.分析了此方法的稳定性和执行性能,并且通过仿真证明这个控制方法的实际应用的有效性.     

基于交互车辆轨迹预测的自动驾驶车辆轨迹规划

针对城市道路等复杂行车场景,提出了一种基于交互车辆轨迹预测的自动驾驶车辆轨迹规划方法,将高维度的轨迹规划解耦为低维度的路径规划和速度规划;首先,采用五次多项式曲线和碰撞剩余时间规划车辆行驶路径;其次,在社会生成对抗网络Social-GAN的基础上结合车辆空间影响和注意力机制对交互车辆进行轨迹预测;然后,结合主车规划路径、交互车辆预测轨迹及碰撞判定模型得到主车S-T图,采用动态规划和数值优化方法求解S-T图,从而得到满足车辆动力学约束的安全、舒适最优速度曲线;最后,搭建PreScan-CarSim-Matlab&Simulink-Python联合仿真模型进行实验验证。仿真结果表明,提出的轨迹规划方法能够在对交互车辆有效避撞的前提下,保证车辆行驶的舒适性和高效性。     

车辆出行轨迹调查分析中的丢点轨迹还原

针对利用车牌照生成车辆出行轨迹过程中由于车牌遗漏而产生的丢点轨迹问题, 提出一种丢点轨迹还原方法。首先建立一次可达网络模型来描述调查点之间直接可达关系, 并构建轨迹还原解集; 考虑时距相符程度、路径模式匹配程度、路径曲折度指标, 构造轨迹的效用函数, 利用逼近理想解排序的TOPSIS法进行轨迹还原解集决策, 得到最优的还原解。通过一个丢点轨迹示例进行了实验分析, 结果表明, 该方法可以得到满意的丢点还原解。     

基于GPRS传输的车辆远程监控及行驶轨迹优化

为了远程监控和管理行驶的车辆,提高车辆运行效率,保障车辆驾驶安全,利用GPRS网络设计了基于C/S架构的车辆远程监控系统。根据GPS车辆定位数据,通过无线网络将数据传输至服务器。详细说明了数据传输和数据处理的过程,在客户端调用百度地图,并实时显示车辆位置和行驶轨迹。针对地图中车辆弯道行驶折线轨迹的问题,引入了二次B样条拟合算法,对车辆行驶轨迹进行有效拟合,改善折线轨迹的缺陷,反映车辆真实运动曲线。监控系统传输数据稳定,实现了实时显示车辆地理位置、精确跟踪的效果,达到了优化车辆折线轨迹的目的。     

非完整自主车基于圆轨迹的道路避障

本文就四轮非完整自主车提出了一种基于圆轨迹的道路避障策略．先将道路上 的障碍按照障碍距离自主车的远近划分层次，使一个层次的障碍能在自主车视场中全部出现 ．然后给出基于圆轨迹的避障算法，即自主车沿由自主车出发位姿和子目标点确定的圆弧轨 迹走行．在此之前推导四轮非完整车的运动模型为提出避障策略的基础准备．尽量减小自主 车在走行过程中运动状态的改变，基于圆轨迹避障策略能够很好地满足这一要求．最后引入 代价函数，给出对于此方法的评价，体现了本方法的优越性．     

城市路网车辆出行轨迹获取的混合轨迹拆分

针对采用车牌照进行车辆出行轨迹的调查分析过程中产生的混合轨迹问题,从分析原理、构建解集、拆分决策三方面研究了混合轨迹的拆分方法。建立了一次可达网络模型,阐明了面向轨迹交通调查的工作机理,通过对比分析正常轨迹和混合轨迹特征,采用基于栈式节点存储的深度优先搜索算法构建了车辆出行轨迹拆分解集。在此基础上,考虑时距相符程度、路径模式匹配程度、路径曲折度指标建立轨迹效用函数,利用TOPSIS法进行轨迹拆分的最优解决策,通过算例说明了算法的有效性。     

Shadow elimination and vehicles classification approaches in traffic video surveillance context

Video surveillance on highway is a hot topic and a great challenge in Intelligent Transportation Systems. In such applications requiring objects extraction, cast shadows induce shape distortions and object fusions interfering performance of high level algorithms. Shadow elimination allows to improve the performances of video object extraction, classification and tracking. In other hand, it is very important to recognize the type of a detected object in order to track reliably and estimate traffic parameters correctly. This paper presents two approaches to enhance automatic traffic surveillance systems. The first deals with the elimination of shadows and the second concerns the classification of vehicles, based on robust vision and image processing. For moving shadow elimination, a contrast model is proposed to describe and remove dynamic shadows based on the idea that a shadow transformation is a change in contrast. For vehicles classification, Hu moments are calculated in a manner to reduce the perspective effects and used to describe vehicles in knowledge base. Experimental results on the various challenging video sequences show that the proposed approach outperforms classification methods of related works (with a classification accuracy of 96.96%), and that the shadow elimination approach performs better than compared works (with detection rate of 95–99% and discrimination rate of 85.7–89%).     

电容式传感器在车辆检测装置中的应用

一种采用抗干扰能力强、稳定性好、造价低廉的电容式传感器的车辆检测装置,它配合红外线装置,除具有电感式车辆检测装置的控制电动栏杆工作的功能外,还能准确统计经过车道的车流量,识别出车型和车辆的部分结构尺寸。     

Behaviour recognition of ground vehicle using airborne monitoring of unmanned aerial vehicles

This paper proposes a behaviour recognition methodology for ground vehicles moving within road traffic using unmanned aerial vehicles in order to identify suspicious or abnormal behaviour. With the target information acquired by unmanned aerial vehicles and estimated by filtering techniques, ground vehicle behaviour is first classified into representative driving modes, and then a string pattern matching theory is applied to detect suspicious behaviours in the driving mode history. Furthermore, a fuzzy decision-making process is developed to systematically exploit all available information obtained from a complex environment and confirm the characteristic of behaviour, while considering spatiotemporal environment factors as well as several aspects of behaviours. To verify the feasibility and benefits of the proposed approach, numerical simulations on moving ground vehicles are performed using realistic car trajectory data from an off-the-shelf traffic simulation software.     

基于非参数核密度模型的交通图像目标提取

针对现有目标提取和去噪方法不能很好地满足城市交通图像车辆目标提取的要求,提出基于概率比较结合形态学闭操作的目标提取去噪方法。通过非参核密度估计算法建立背景模型,获得每个像素点上各灰度值的出现概率,提取出前景目标;分别计算前景目标是属于车辆移动还是树叶抖动的概率,通过概率比较去除噪声,用形态学闭操作进一步去噪。实验结果表明,提出的算法较好地实现了树叶噪声与车辆目标的分离,能有效去除树叶抖动噪声,正确提取车辆目标,具有良好的抗噪性。     

需求驱动下的城市配送车辆动态调度研究

城市配送与车辆管理面临着需求与供应不相匹配、需求的时效性和随机性越来越强、车辆利用率低的实际情况。针对该问题提出了在不考虑城市各路段拥堵的情况下的需求驱动下的城市配送车辆动态调度模型。该模型首先用客户订单分类法和自组织特征映射神经网络（SOFM）对客户订单聚类,聚类后确定各个组别的服务优先级;再采用“分派-节约启发式算法”寻找城市配送车辆动态调度问题的满意解。通过Matlab和Lingo软件对实际算例进行数值分析,验证了“需求驱动下的城市配送车辆动态调度模型”对于降低运作成本、缩短运作时间以及减少延期到货等方面具有一定的作用。     

基于Informer算法的网联车辆运动轨迹预测模型

自动驾驶汽车可以根据轨迹预测算法计算周边车辆的运动轨迹,并作出反应以降低行车风险,而传统的轨迹预测模型在长时间序列预测的情况下会产生较大的误差。为解决这一问题,提出了一种以Informer算法为基础的轨迹预测模型,并根据公开数据集NGSIM进行实验分析。首先通过对称指数移动平均法(sEMA)对原始数据进行滤波处理,并在原有的Informer编码器中加入了联合归一化层对不同车辆进行特征提取处理,减少了不同车辆之间的运动误差,通过考虑车辆的本身速度信息与周围环境的车辆运动信息,提高了预测精度,最后经过解码器得到未来时刻的车辆轨迹分布。结果表明,模型对车辆的轨迹预测误差在0.5 m以内;通过对轨迹预测的MAE与MSE结果分析可知,预测时间超过0.3 s以后,Informer模型的轨迹预测效果明显优于其他算法,验证了模型和算法的有效性。     

交通监控中运动目标轨迹的距离计算和聚类

对交通监控中运动目标的轨迹距离计算和聚类方法进行了改进.在轨迹距离计算中,引入目标的空间坐标、运动速度、运动方向和尺寸4个参数,以提高聚类时对不同位置、不同速度、不同方向和不同尺寸运动目标的轨迹的区分能力;针对交通目标运动轨迹比较规律的特点,采用基于统计的方法对K均值的轨迹聚类算法进行初始化,从而可以自适应的确定聚类数目K值和聚类初始中心.在真实场景下,验证了算法的有效性和适用性.     

基于车辆协作的混淆路径轨迹隐私保护机制

在车联网中,车辆通过和第三方共享位置信息获得基于位置的服务,这可能会导致车辆轨迹隐私泄露。针对该问题,提出基于车辆协作的混淆路径轨迹保护机制。首先,车辆轨迹熵达到自定义的轨迹保护阈值后,减少车辆混淆,解决了路径混淆开销大的问题。然后,设计路径混淆算法来增加车辆在路口路径混淆的机会,提高了车辆轨迹保护程度。最后,仿真实验从轨迹熵和轨迹跟踪成功率验证了该方法的有效性和高效性。     

面向车联网的交通流参数检测

将RFID技术应用到交通流检测中是交通检测的新趋势。基于RFID的车联网进行讨论,分析及解决其设计参数选取、系统结构设计和邻道干扰等问题。对如何检测交通流的空间密集度（Density）、交通量（Traffic volume）、空间平均速度（Space mean speed）、选择概率（Selection Probability）、道路通行时间（Road Travel Time）和道路延误时间（Road Delay Time）等参数进行分析,指出因引入RFID技术,使得以往不可准确检测的道路通行时间和道路延误时间及新提出的选择概率成为可测参数,并给出具体计算方式。通过仿真实验验证了检测方式的正确性和可行性,为进一步研究车联网提供了充分的理论基础。     

基于OD的微观交通发车仿真系统设计*

在分析了微观交通发车的一般流程和方法及微观交通仿真系统需求的基础上,设计了基于OD矩阵的微观发车仿真系统结构,分别应用GIS的思路、Floyd-Warshall算法和函数变换法实现了仿真系统中交通网络模块、道路路径模块和发车模块的功能,并介绍了OD矩阵模块和车辆模块的实现思路。最后采用面向对象的程序设计方法生成了符合仿真需求的运动车辆,为微观交通仿真系统的实现奠定了基础。