基于驾驶人视觉特性的换道意图识别方法

为改进现有换道辅助系统的工作效能,基于视觉特性分析,提出了一种对驾驶人换道意图进行有效甄别的方法。依托真实环境下的实车试验,提出以车辆横向位置与方向盘转角确定换道起始时刻,进一步基于换道前后视镜注视特性分析,确定驾驶人换道意图表征时窗为5s。依据车道保持阶段与意图阶段视觉特征参数的差异分析,构建驾驶人换道意图表征指标体系。引入证据理论,确定识别框架与证据链,基于广义汉明距离进行基本信任概率分配,对驾驶人换道意图进行多证据融合识别。结果表明,车道保持与意图阶段驾驶人视觉特性具有显著差异;基于视觉特性,运用证据理论可以有效识别驾驶人换道意图,且识别信度较高,时序性较强。     

基于条件随机场的驾驶行为识别研究

为深入研究驾驶员驾驶行为特性,减少驾驶辅助系统与驾驶员的控制冲突,本文基于条件随机场(conditional random field,CRF)算法,搭建了驾驶员驾驶行为识别模型。利用NI Phar Lap ETS实时操作系统,搭建车道保持辅助控制试验平台,在试验平台上进行相关参数的实时采集,并根据采集到的数据特性,提出一种根据横向位移对驾驶行为数据进行分段的方法,将采集到的数据样本划分为左换道、右换道以及车道保持阶段。同时,对实时获取的参数进行显著性分析,将与横向运动密切相关的五种参数作为观测参数,对驾驶行为进行识别。研究结果表明,车道保持、左换道以及右换道行为的识别率分别达94.2%,93%和84.4%。该研究对于提高车道保持辅助系统的辅助效果以及减少误警率具有明显的促进作用。     

自然驾驶条件下驾驶人换道行为实时预测

为降低车道变换的风险性,提出一种基于驾驶人视觉特性与车辆运动状态预测车道变换行为的方法.应用视觉追踪系统、毫米波雷达等仪器设备,进行了真实环境下的实车驾驶试验.基于换道前驾驶人后视镜注视特性确定换道意图时窗大小为5s,构建换道行为预测的表征指标体系.设计BP神经网络结构,构建换道行为预测模型.结果表明:模型可以至少提前1.5s预测驾驶人的换道行为,且预测精度达到95.58%.与基于转向灯状态预测驾驶人换道行为相比,其预测精度及时序特性均有显著提升,证明了预测指标及预测方法的有效性.     

采用梯度提升决策树的车辆换道融合决策模型

车辆在执行换道行为时,由于受到较多环境因素影响,难以准确进行换道识别和预测. 为解决这一问题,提出一种基于梯度提升决策树（GBDT）进行特征变换的融合换道决策模型,以仿真驾驶员在高速公路上自由换道时的决策行为. 采用主体车辆与目标车道后车的碰撞时间 t_lag 及车辆周围交通状态变量进行车辆换道行为的建模分析,在NGSIM数据集上对建立的融合换道决策模型进行参数标定和模型测试. 实验结果表明：融合换道决策模型以95.45%的预测准确率超越支持向量机、随机森林和GBDT等单一的换道决策模型,获得了最突出的表现. 变量分析结果表明：新引入的换道决策变量 t_lag 对车辆换道行为具有重要影响. 提出的融合换道决策模型能够进一步减少因换道决策误判而导致的交通事故.     

基于GS-AdaBoost优化模型的隧道入口车辆换道行为预测

准确估计隧道入口车辆行为对于提高隧道行车安全与效率具有重要意义.现有车辆行为预测较少考虑车辆之间的交互信息,且车辆运动数据往往存在特征条件多等问题,难以应用于存在强交互的密集交通流场景.基于此,对隧道入口车辆换道特性进行分析,并提出一种车辆换道行为预测的模型优选超参数优化方法.首先,基于车辆轨迹数据,从换道位置和持续时间角度进行小轿车和货车换道特性分析;然后,遴选含3 570个样本的轨迹数据,进行描述性统计,并对车辆换道行为进行分类,标记出向左和向右换道样本2 265、1 305组;最后,针对经典逻辑回归和机器学习方法局部最小化以及过拟合问题,优选出Adaboost换道预测模型,采用网格搜索(Grid Search, GS)超参数优化方法实现超参数自动寻优,提出一种GS-AdaBoost优化模型的车辆换道意图预测方法.结果显示：与经典DT(Decision Tree, DT)换道预测模型相比,GS-AdaBoost优化在模型精确率(Precision)、召回率(Recall)、准确率(Accuracy)、F1值(F1score)、特异度(Specificity)方面分别提升了6.18%...     

换道过程中越线时刻预测模型

分析了车辆换道过程中的运动几何特征,提出了车辆相对于车道线的偏航角度估算方法。在此基础上,分别建立了直道路段和弯道路段的越线时刻预测模型。利用视觉传感器、车载陀螺仪、车载CAN总线数据采集卡设计开发了测试平台,对多名被测试人员进行了驾驶测试,获取了大量的换道状态表征数据。利用实测换道数据对越线时刻预测模型进行验证,结果表明,直道路段预测结果中87.0%的误差绝对值小于等于0.1s,弯道路段相应的比例达到了93.7%,且两类模型的预测误差值均符合正态分布规律。     

高速公路合流区主要参数对自动驾驶车辆的影响

为探究现有高速公路合流区对自动驾驶车辆的适应性,分析现有高速公路合流区加速车道长度和通视三角区角度对自动驾驶交通流的影响规律,并与传统交通流进行对比。依据自动驾驶车辆在感知、跟驰和换道行为以及与周围车辆的协作方面更迅速安全等特点,改进了Krauss跟驰模型和LC2013换道模型以适应自动驾驶车辆特征。依据车辆换道可接受间隙建立车辆跟驰间距计算公式,在满足换道安全的基础上对跟驰模型参数进行改进。结果表明:在现有的高速公路合流区平面设计参数条件下,自动驾驶交通流的安全性、效率及稳定性均优于传统交通流,与传统交通流相比,自动驾驶交通流冲突数减少了100%,平均延误降低了60%～71%,平均车速提高了近20%且更稳定;在不同平面设计参数下,自动驾驶车辆的冲突数均为0,平均延误保持在0.65 s左右,平均车速稳定在33～34 m/s。现有的高速公路合流区平面设计参数在安全、效率和稳定性方面均能较好地适应自动驾驶车辆,且参数的取值对自动驾驶车辆影响不大。     

三车道有管理元胞自动机交通流模型的研究

在三车道元胞自动机交通流模型的基础上,将第1车道规定为超车道,对超车道上车辆换道进行管理,提出了一种三车道有管理元胞自动机交通流模型.并分析了车辆减速概率、换道概率对交通流的影响,结果表明,对超车道上车辆进行管理,并没有改变系统的交通流特性,而是增加车辆驾驶的安全性.     

基于方差异质性随机参数模型的汇合行为分析

为研究高速公路交织区入口匝道车辆汇入主线的换道行为,基于方差异质性随机参数模型构建了车辆汇入换道模型,先从NGSIM数据集中提取7个在统计上显著且对换道行为有影响的解释变量,然后将其引入方差异质性随机参数模型探索潜在异质性,计算各变量平均边际效应量化对换道行为的影响,最后提出了“个体样本精度”指标对模型进行比较。研究结果表明:汇入车辆与目标车道领车的车头间距、目标车道领车宽度、辅助车道领车速度对换道行为产生了显著的影响,且汇入车辆在辅助车道上的纵向位置显著影响汇入车辆与目标车道领车的车头间距,方差异质性随机参数模型比未考虑方差异质性的随机参数模型和二元Logit模型具有更高的拟合优度和模型精度,能够更好地解释车辆汇入行为中的潜在异质性。本文的研究成果可应用于自动驾驶辅助系统和交通流仿真软件中,对阐明车道变换行为的机理有一定的参考价值。     

自动驾驶车辆换道决策行为分析及分子动力学建模

针对自动驾驶车辆的换道决策行为,首先基于分子动力学理论研究了车辆的微观换道行为,在对换道意图进行客观性量化的基础上,进一步引入车辆间的相互作用势建立了换道决策行为的分子动力学模型。然后,系统分析了车辆换道初始时刻与换道完成时刻的关系以及车辆换道的动态影响因素,探究了微观车辆的换道行为对宏观车流的影响。最后,使用SUMO软件将SL2015换道模型与分子动力学换道模型进行仿真对比分析。结果表明,分子动力学换道模型具有较好的安全性、稳定性和实用性;本文自动驾驶车辆换道决策行为的分子动力学建模综合考虑了交通场景中的动态影响因素,能够更客观、合理地展现自动驾驶车辆的换道行为特性。     

一种基于改进YOLOv5s的车道线检测方法

为提高车道线检测的实时性与准确性,在机器学习的框架下,提出了一种基于改进的YOLOv5s模型检测方法。该方法在图像预处理后增加了一个二值化通道与原图像一起更新数据集;为了高效提取车道线特征,加入anchor-free改进其锚框问题;为节省GPU内存、增强机器对目标的识别能力,采用mixup与mosaic结合的方式增强数据;为加快收敛速度和提高识别准确率,将损失函数改进为EIOU。实验结果表明,所提检测算法能够实现较为准确的车道线检测,实时性和准确性比YOLOv3的高很多,mAP增加了约30%,与YOLOv5s相比,其mAP约增加了11%,且改进方法具有良好的鲁棒性。     

基于因子长短期记忆的驾驶人接管行为及意图识别

为识别自动驾驶环境下驾驶人的接管行为及意图,面向18.95 km双向六车道高速公路场景,借助驾驶模拟器和眼动仪,实施驾驶人10次面对5种紧急情境之一接管自动驾驶车辆的模拟试验。利用所得车辆运行和视觉注意力数据,根据因子分析提取得到3个公因子,采用K-means聚类分析定性识别驾驶人接管行为及意图。将因子分析分别与支持向量机和长短期记忆神经网络进行结合,获得两个定量识别驾驶人接管行为及意图的模型。研究结果表明,驾驶人接管行为受其纵向反应、横向反应和视觉注意力影响;聚类分析可定性描述不同类型驾驶人的接管行为及意图,并揭示潜在的驾驶安全隐患;相比支持向量机、长短期记忆神经网络和因子支持向量机模型,因子长短期记忆模型能更有效地识别驾驶人接管意图,其精确率、召回率、F1分数和准确率4项性能指标均最优;利用因子分析进行数据降维和有效信息浓缩所得公因子有助于提高驾驶接管意图识别模型的分类性能。本研究有助于识别出接管风险较高的驾驶人,进而设计有针对性的驾驶辅助策略。     

利用隐马尔科夫模型识别蛋白质折叠类型

以70种蛋白质折叠为研究对象,对每种折叠,选择序列同一性小于25%、样本量大于3的代表性蛋白质为训练集,采用机器和人工结合的办法进行结构比对,产生序列排比,经过训练得到了适合每种折叠的概形隐马尔科夫模型(profile HMM)用于该折叠类型的识别.对Astral1.65中的9 505个蛋白质结构域样本进行单模型识别,平均敏感性和特异性分别为91.93%和99.95%,Matthew相关系数为0.87.在折叠类型水平上,与Pfam和SUPERFAMILY单纯使用序列比对构建的HMM相比,所用模型数量显著减少,仍然保持很高的识别效果.结果表明:对序列相似度很低但具有相同折叠类型的蛋白质,可以通过引入结构比对的方法建立统一的HMM模型,实现高准确率的折叠类型识别.     

快速路出口匝道衔接段交通特性与安全分析

为了探究快速路出口匝道与下游交叉口衔接段的驾驶行为与安全特性,结合实测换道车辆轨迹数据,分析匝道衔接段车辆轨迹特性和换道位置特性. 利用交通冲突技术,以后侵入时间（PET）为指标对车辆换道风险展开分析,建立有序概率模型识别冲突严重程度的影响因素. 结果显示,用Lorentz分布模型拟合车辆换道位置效果较好,换道类型与跨越车道数对车辆换道位置有显著影响,在强制换道与跨越多车道时换道位置更靠近衔接段始端;相较于普通衔接段,匝道衔接段行车风险更高,主要冲突类型为交叉冲突;衔接段饱和度、换道位置、交叉冲突、强制换道以及违章换道与冲突严重程度显著相关. 匝道衔接段释放车辆的车头时距稳定性差,交织区排队车辆的释放受换道干扰严重.     

基于局部最大熵换道规则的电动自行车流元胞自动机仿真模型

根据局部最大熵原理改进换道规则,引入熵增换道概率,并在换道时采用串行更新的方式,反映了电动自行车流的特点;引入换道波的概念,分析了换道波的形成和传播机理,用以说明换道率与车道数、熵增换道概率之间的关系;同时分析了确定性以及随机性条件下,不同的参数设置对流量密度基本图的影响,得出了在流量适宜时,车道宽度设置4条,更容易使得亚稳态区域的流量处于高分支,提高道路利用效率;最后根据观测的数据校验慢化概率,并将本文模型与多值模型、动态地场模型以及观测数据对比,发现本文模型在克服现有模型缺陷的同时还具有较高的精度。     

克拉玛依油田七区砂砾岩油藏智能岩性识别

中国新疆克拉玛依油田七区砂砾岩油藏岩性多样，隔夹层发育，常规取心识别方法成本高，在非取心段识别精度低，导致储层划分困难．为实现岩性的快速准确识别，根据地质资料将研究区内岩性划分为泥岩、粗砂岩、中-细砂岩、粗砾岩、中-细砾岩和煤层6种．基于敏感性分析，优选测井参数提取主成分，建立岩性识别图版，识别准确率达81.37%．针对不均衡样本导致的少数类识别率低的问题，提出一种基于k均值聚类人工少数类过采样（k-means synthetic minority oversampling technique, KMSMOTE）与随机森林结合的智能岩性识别模型，通过对少数类样本过采样提升识别精度，该模型的识别准确率达到92.94%．将图版法和KMSMOTE-随机森林应用于邻井进行岩性识别并对比分析结果发现，KMSMOTE-随机森林识别准确率为95.71%，优于图版法的82.91%．同时，对各类岩性的识别准确率均高于传统的随机森林模型，证明KMSMOTE和随机森林结合的智能岩性识别模型在不均衡岩性样本识别问题上具有较好的适用性，泛化能力强，能够快速、准确地识别地层岩性．研究结果为不均衡岩性样本识别提供了...     

一种基于双曲线模型的车道线检测算法

针对目前车道线检测算法识别率不高、弯道检测不准确的问题,提出了一种基于双曲线模型的车道线检测算法.算法首先运用Canny算子对道路边缘进行检测;采用Hough变换提取道路边界点,并使用扩展的Kalman滤波进行预测跟踪来减小道路扫描范围;最后通过左右车道边界参数与双曲线模型参数进行匹配,利用最小二乘法来求解模型参数,完成车道边界重建.实验结果表明,该算法的准确率达到93.4%,每帧图像的处理速度为87.4ms,有效克服抛物线模型和直线模型在直道与弯道连接处不连续的问题,而且在车道线模糊、对比度较低的情况下也能快速准确的识别出车道线.     

神经网络和证据理论融合的管道泄漏诊断方法

针对传统管道泄漏诊断方法存在的准确率不高的问题,结合无线传感器网络与信息融合技术,提出一种神经网络和证据理论有机结合的管道泄漏诊断方法. 在普通节点处建立两个子神经网络模型来简化网络结构,分别以负压波和声发射信号中的泄漏特征参数作为输入向量进行初始泄漏诊断;然后将神经网络的识别结果作为证据的基本概率分配,从而实现了赋值的客观化;采用改进的证据组合规则,在普通节点和汇聚节点处进行两级证据合成,充分利用了网络中各种冗余和互补的泄漏信息. 实验结果表明,该方法显著提高了管道泄漏诊断的准确率,降低了识别的不确定性.     

基于反演法的智能车辆弯路换道轨迹跟踪控制

基于车辆的运动学模型,研究了具有非完整约束特性的智能车辆弯路换道的轨迹跟踪控制问题。结合弯曲车道的曲率半径,针对换道过程中车辆横向运动和纵向运动对换道轨迹的耦合作用,提出了一种适用于弯道的换道轨迹规划方法。根据换道轨迹,利用积分反演法,引入中间虚拟控制量,设计了轨迹跟踪控制算法,并用Lyapunov稳定性理论证明了控制系统的稳定性。仿真结果表明:该控制器可以保证车辆在弯路换道的轨迹跟踪误差一致有界收敛,且具有快速、准确跟踪和全局稳定的特性。     

高速公路汽车辅助驾驶安全换道模型

为解决高速公路行车危险状态下驾驶员有意识换道过程中发生的车辆碰撞等交通事故问题,在前期研究车道偏离预警的基础上.针对确立的典型换道场景,建立了更加符合实际的基于换道过程中车辆加速行为的安全换道模型,并借助Matlab软件开发的仿真程序对建立的模型进行了仿真分析。结果表明,本文建立的模型具有较好的实用性,可为进一步建立车辆安全换道辅助系统奠定基础。