一种基于模型预测复合控制的车辆避碰控制方法

为减少日益增长的交通安全问题,车辆碰撞预警及避碰控制系统必不可少.本文提出了一种结合车辆横纵向动力学的复合控制避碰方法,以达到减少交通事故发生的目的.首先,分别建立了车辆逆纵向和横向动力学模型,纵向控制器通过安全距离模型来判断车辆是否处于危险状态并进行碰撞预警,采用分层控制方法设计了上层模型预测控制器和底层单神经元PI...     

基于交叉路口道路时空网格的车辆碰撞预警方法研究

通过车-路通信构建协作型交叉路口防碰撞安全预警系统,能保证车辆在交叉路口行驶过程安全的同时,提高交叉路口的通行率,然而车辆防碰撞安全预警需要对车辆行驶路线进行准确地估计,当车辆有碰撞危险时,需要给出安全速度区间,通知车辆减速或制动. 为解决这一问题,提出了交叉路口道路时空网格车辆避碰算法,其基本思想是将交叉路口划分为多个网格,利用路侧单元根据车辆当前车速、方向预测车辆行驶轨迹即车辆所占的网格数,若在某一时刻两车占用相同的网格则会发生碰撞,此时根据车辆当前的运动状态给出车辆能避开冲突的安全速度建议. 为了对算法进行验证,在无信号灯交叉路口和有信号灯交叉路口环境中对所提出的算法进行了仿真实验和真实测试,实验结果表明,所提出的算法能准确预判出在交叉路口处于潜在碰撞危险中的车辆,并给予车速建议,证明了该系统的有效性和准确性.     

基于排队论模型的偏置右转车道长度设计

为了解决因城市交叉口交通渠化中偏置右转车道长度设置不合理,导致右转车辆在交织分流区域与直行车辆冲突的问题,通过对偏置右转车道设置条件和红绿灯信号周期分析研究,运用排队论计算直行等待区信号周期内车辆排队长度以及常规状态下车辆制动距离,结合高密度状态下的车辆右转行为分析,提出了一种测算偏置右转长度的新算法。以淮安市承德南路与枚乘东路交叉口为例,借助VISSIM仿真,结果表明经该算法优化后的偏置右转车道长度能够减少车辆在该交叉口的延误时间,提高其通行效率,缓解拥堵问题,保证车辆运行环境的安全。     

基于背景复杂度自适应距离阈值的修正SuBSENSE算法

针对自适应敏感度分割(self-balanced sensitivity segmenter, SuBSENSE)算法在真实复杂场景下距离阈值更新适应性差,导致检测效果不佳的问题,提出一种基于背景复杂度自适应距离阈值修正的SuBSENSE算法。结合时间一致性和空间一致性定义了一种背景复杂度的度量方式,以此为标准,通过距离阈值修正策略获取准确的距离阈值,以便获得更好的检测效果。本算法与像素自适应分割(based adaptive segmenter,PBAS)算法和传统SuBSENSE算法进行了对比。试验表明,在动态场景下,本算法获取的前景更加精确,精度比PBAS算法和传统SuBSENSE算法提高了6.70%和0.80%,召回率比PBAS算法和传统SuBSENSE算法分别提高了9.37%和1.24%。本算法优于对比算法,在动态场景下具有更高的鲁棒性和检测精度。     

V2X技术在城市交叉口防碰撞预警中的应用

为有效解决城市交叉口车辆之间存在的遮挡严重、信息获取以及信息交互时延过大等问题,在城市交叉口防碰撞预警中引入LTE-V2X技术,提出一种基于V2X技术的城市交叉口协助式防碰撞预警算法.该算法既能保证OBU获取其他OBU的数据信息,也能实时接收RSU推送的红绿灯相位定时信息、地图信息和感知到周围目标物的状态信息,从而实现...     

颜色特征模型在静态车辆检测中的应用

为了解决智能交通中的静态车辆检测准确率不高的问题,提出一种基于颜色特征的车辆目标检测方法.该方法首先根据Hough变换分割出路面感兴趣区域,利用颜色特征空间降维建立理想的颜色特征模型;其次,根据贝叶斯分类器进行路面与车辆的像素分类;最后,由最小割/最大流算法进行车辆目标分离.在实景采集交通视频图像后对文中提出方法和现存方法进行了对比评估.基于颜色特征的车辆目标检测方法对于静态车辆目标的检测准确率达到了63.05%,误检率降低至21.27%,漏检率降低至24.01%.与传统方法相比,该方法能更快、更准确地检测到目标.     

行人车辆冲突参数分析与安全评价

为了评价混合交通环境中的行人和车辆冲突的安全性,对比分析了目前常用的行人车辆冲突参数,提出了个体行人和车辆之间冲突的安全评价模型,并将模型应用于不同的混合交通场景,验证模型的鲁棒性和适用性.结果表明,冲突时间差(Time difference to collision,TDTC)和车辆速度对行人车辆冲突的安全性影响最大.TDTC越接近于零,行人越危险;车辆速度越快,行人越危险.以此建立的行人车辆冲突评价模型可正确评估86.2%的行人车辆冲突安全,对于危险冲突的漏检率为2.1%.     

基于中值背景模型的运动目标自适应检测方法

目的 在保证准确性的前提下,降低运动车辆检测算法的计算量,加快处理速度,满足实时性要求,提出一种基于中值背景模型和自适应阈值的运动检测方法 .方法 基于当前帧与背景图像的差分图像,利用自适应阈值分别对差分图像的三个颜色通道进行二值化,从而实现运动目标的精确检测.同时,根据检测结果 ,采用中值更新策略实现背景图像的实时更新.结果 实验结果 表明,笔者算法可以从复杂交通场景图像序列中有效地检测出运动目标,并且算法计算量小,具有良好的鲁棒性与实时性.算法每帧处理时间比混合高斯降低43%,背景更新时间比一阶Kalman算法降低了45%.结论 算法能够很好地满足智能交通监控系统中运动车辆实时检测的要求.     

非严格优先权下无左转专用相位直行车辆轨迹模型建立

首先,通过大量实测数据对非严格优先权下有、无左转专用相位直行车辆轨迹在交叉口内3个断面的分布特性进行分析。然后,根据实际交通运行状况提出驾驶员避让对向左转车流的决策过程,并考虑交叉口几何尺寸、直行车辆进入交叉口时的初始速度、直行车辆与对向左转车辆横向安全距离等因素对轨迹的约束作用,建立了无左转专用相位下直行车辆的轨迹偏移模型。最后,通过实际数据验证了模型的有效性。研究成果有助于深入理解非严格优先权下无左转专用相位的直行车流运行机理,为交通流微观仿真提供理论基础。     

基于密度峰值聚类的交通控制子区划分方法

为提升区域交通信号系统的控制效率,提出了一种基于车辆轨迹数据和密度峰值聚类的城市路网交通控制子区划分方法。首先,结合轨迹数据特性并综合考虑交叉口间距、车辆延误、车队离散度等因素的影响,定义并计算了交叉口的关联度指标。其次,根据关联度指标得到交叉口的距离矩阵,作为密度峰值聚类算法的输入;针对密度峰值聚类的超参数设置问题,引入数据场理论中势能熵的概念确定最优值;同时,借鉴肘部法则的思想确定聚类中心数量。最后,将改进的密度峰值聚类算法应用于交叉口子区划分中。以北京市中关村西区真实车辆轨迹数据的实验分析表明：本文方法可以仅基于车辆轨迹数据实现城市路网交通控制子区的高效、合理划分。     

基于TBGC的航拍视频车辆检测算法

针对移动航拍视频中车辆检测准确度低的问题,提出一种基于三邻域点二值梯度轮廓(Three-neighbor-point Binary Gradient Contour,TBGC)特征的航拍车辆检测算法。对相邻帧图像进行SURF(speeded-up robust features)特征点提取匹配,利用角度判别剔除错误匹配点完成图像配准,采用帧间差分获得运动目标的候选区域。由于传统二值梯度轮廓(Binary Gradient Contours,BGC)特征忽略中心像素特性,提出基于3×3邻域相邻像素点量化操作的TBGC特征。提取候选区域的TBGC特征,并利用支持向量机(Support Vector Machine, SVM)完成最终的航拍视频车辆检测。实验中利用提出的TBGC特征在8个数据集上分别与BGC1、LBP、HOG特征进行对比实验,实验结果表明TBGC算法的检测率明显优于传统经典算法,平均检测率为93.09%,并且具有较好的鲁棒性。     

基于视频检测信息的不连续路面标线优化方法研究

城市道路中的不良设计,导致了路段标线间断现象广泛存在,交叉口进口处渠化不规范导致进出车道数量不匹配,并严重制约道路通行能力。因为路面标线中断,导致车辆交织混行现象频发,严重影响城市通行效率。首先将YOLOv5检测程序进行算法优化,使其满足交通流检测需求。优化后视频检测程序能动态可视化显示交通视频中的车辆数目、车辆变道行为、车辆行驶轨迹及区间车速等信息。其次根据可视化结果得出交通流信息特征,分析不连续路面标线处车辆驾驶习惯,指出不连续标线处的标线方法。接着,提出针对不连续路面标线段的标线绘制方法,通过对不连续路面标线段进行特征性优化,进一步提高道路通行能力。在VISSIM仿真下可知,其优化方案对比当前状态有显著提升,通行量提升21%。     

一种运动车辆阴影去除的新算法

文章提出一种改进运动车辆阴影去除新算法,首先通过帧差获得车辆和阴影的轮廓图像,然后对轮廓点应用离散K-L变换解除R、G、B分量的相关性,并运用颜色聚类检测出阴影区域,最后用帧差法产生的运动车辆图像与获得的阴影图像差分得到去除阴影的运动车辆,实验表明该方法能够更好地实现运动车辆阴影的去除。     

基于改进的三帧差和卡尔曼滤波的车辆检测方法

针对卡尔曼滤波方法在车辆检测中存在背景更新参数固定、背景建模实时性较差的问题,提出了三帧差法与自适应卡尔曼滤波算法相结合的运动车辆检测方法.先采用三帧差法快速提取车辆运动区域,再采用高斯分布确定背景更新参数,同时更新背景模型,最后将两者得到的图像相减得到最终检测结果.实验结果表明,该算法的背景更新速度较快,运动目标提取效果较好.     

基于改进YOLOv3的复杂场景车辆分类与跟踪

针对天气条件和车辆间相互遮挡对车辆分类与跟踪准确性和稳定性的影响,提出一种基于改进YOLOv3与匹配跟踪的混合模型。改进的YOLOv3网络参照密集连接卷积网络的设计思想,将网络中的残差层替换为密集卷积块并改变网络的设计结构,利用Softmax分类器将密集卷积块与卷积层中融合的特征进行分类。根据单帧图像的检测结果,设计目标匹配函数解决视频序列中车辆的跟踪问题。在KITTI数据集的测试中,改进算法的平均准确率为93.01%,帧率达到48.98帧/s,在自建的数据集中平均识别率为95.79%。试验结果表明,本研究方法在复杂场景中能够有效的区分车辆种类且准确性更高,车辆跟踪的算法具有较高准确性和鲁棒性。     

信控交叉口公交专用车道动态共享实时控制方法

针对目前交叉口拥堵、公交专用车道利用率低的问题,提出一种信控交叉口公交专用车道动态共享实时控制方法。利用GPS定位实时获取交叉口处公交车的位置,并通过交通检测设备获取专用道内小汽车车辆数,结合主信号显示情况综合计算当前时刻公交专用道共享前后交叉口车辆总延误。将延误大小判断结果反馈给车道信号,车道信号显示红灯或绿灯以提醒司机是否能够进入公交专用道。引入受影响车辆概念,建立以减少交叉口车辆总延误为目标的公交专用车道共享控制模型。通过对当前时刻主信号显示红灯和显示绿灯两种情况分析,提出一种综合考虑车辆司乘系数、受影响车辆的交叉口延误计算方法,得到共享公交专用车道前后交叉口车辆总延误差值的表达式。利用示例数值模拟在多种不同场景下车道信号的显示情况,分析了专用道内已有车辆、公交车位置以及主信号显示情况对车道共享的影响。结果表明：该控制方法较符合实际情况,并能有效提高公交专用车道利用率,能够充分利用交叉口绿灯时间,为解决公交专用车道的动态共享、缓解道路拥堵提供了一种新的思路。     

一种基于Adaboost算法的车辆检测方法

由于车间安全距离不足容易导致追尾事故的发生.前方车辆的检测能为建立完整的汽车防撞预警系统提供必要的辅助信息.本文提出了一种采用Adaboost算法训练得到的级联分类器实时检测前方车辆的方法.通过选取扩展的类Haar特征,采用Adaboost算法训练得到一个识剐车辆的级联分类器.最后将训练得到的分类器应用至ll实车车辆检测系统中.试验结果表明,基于此算法的车辆检测方法具有检测率高、速度快,能够达到实时检测的要求.     

车辆安全换道的分析

通过分析换道时车辆的运动关系，使用最小安全距离作为安全换道的指标，并将安全车距的计算与车辆的当前速度，到达临界碰撞点的时间，两车的相对速度、加速度关联起来，研究了车辆碰撞的条件，给出了换道最小安全距离的计算方法，并进行了仿真与分析，为下一步的自动换道辅助系统和自动超车辅助系统的研究奠定了理论基础。     

基于重投影深度差累积图与静态概率的动态RGB-D SLAM算法

为了提高同时定位与建图（SLAM）系统在动态场景下的定位精度和鲁棒性,提出新的RGB-D SLAM算法. 建立基于重投影深度差值的累积模型,分割图像的动静态区域;为了避免动态区域过分割,先剔除与匹配地图点欧氏距离过大的动态区域特征点,再根据t分布估计其余特征点的静态概率;将静态区域特征点和动态区域的疑似静态点以不同权重加入位姿优化,得到提纯后的位姿. 在公开数据集上的实验结果表明,所提算法在动态场景下较改进前的RGB-D ORB-SLAM2算法的定位精度提升96.1%,较其他动态SLAM算法提升31.2%,有效提高了视觉SLAM系统在动态环境下的定位精度和鲁棒性.     

基于场景知识的移动目标检测

依据背景差法中背景建模的思想,从提取场景知识的角度出发,建立待检测场景的场景知识库,从而提出一种基于场景知识的移动目标检测算法。使用改进的均值漂移算法对待检测场景进行分割,并提取分割后各个区域的底层视觉特征建立场景知识库;从新的场景帧图像中获取各区域的知识特征向量,然后根据和原场景知识库中各特征向量的匹配结果检测出移动目标信息。仿真结果表明,该方法能有效地检测出场景中原有目标和新进入场景目标的移动信息,并在一定程度上改善了目标阴影、形变等噪声对检测结果的干扰。