基于移动群智感知的极端驾驶行为感知方法

为提高驾驶安全性，减少交通事故的发生，本文提出一种基于移动群智感知的极端驾驶行为识别方法。对收集到的用户智能手机相关传感器的数据进行预处理，进而利用动态步数检测和随机森林等方法来识别乘客的用户情境信息。针对不同的极端驾驶行为，选取不同位置乘客的智能手机来进行数据的收集，综合考虑乘客的手机放置位置因素所造成的相关影响，实现多特征融合的极端驾驶行为感知。针对不同位置的乘客所感知的结果不一致问题，提出采用贝叶斯投票模型来解决。通过真实数据实验，结果表明本文方法能够有效地识别出司机的极端驾驶行为。     

人眼识别技术在检测驾驶行为中的应用

随着人们对交通安全的关注，研究人员想出了很多降低车祸事故的方法。针对他们太多的关注于驾驶员的手脚操作，本文提出了将人眼识别技术应用到检测驾驶员安全驾驶行为方面，以达到更全面的检测驾驶员的驾驶行为，督促他们改掉不良的驾驶习惯。     

基于多传感器信息融合技术的智能驾驶系统模型

阐述了智能汽车研究对交通安全的重要性和发达国家关于智能汽车研究的历史、发展和趋势,重点提出了基于多传感器信息融合技术的智能驾驶系统模型,分析了此模型下各系统模块的功能,介绍了系统模型中信息融合方法的引入,最后提出了对智能驾驶技术应用的展望.     

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。     

就驾驶辅助与立体视觉识别的若干思考

智能车辆的日益普及,引发驾车人对车辆主动安全的需求。本文着重写出了笔者就驾驶辅助与立体视觉识别的若干思考。     

驾驶行为智能分析的研究与发展

越来越多的研究者认识到: 深入地理解驾驶员的驾驶行为将有助于制定更为合理的交通法规和设计更加有效的智能驾驶导航系统, 从而达到减少交通事故提高交通效率的目的. 本文综述了已有的尝试, 较为完整地阐述了目前驾驶行为智能分析研究的四个主要方向: 纵向驾驶行为分析和避撞, 横向驾驶行为分析和道路偏离预警, 复杂驾驶行为学习以及驾驶员状态(疲劳、分心等)分析, 并指出了今后该领域(特别是国内)的可能发展方向.     

多传感器信息融合技术在智能驾驶系统中的应用

介绍了当今国际上流行的几种智能驾驶系统,并分析了采用单一传感器的驾驶系统中存在的问题,给出了信息融合技术的原理和结构。讨论了多传感器信息融合技术在智能驾驶系统(ITS)中的应用算法及其有待进一步解决的问题。     

虚拟驾驶系统中智能汽车创建方法的研究

虚拟驾驶系统中智能自主汽车的驾驶水平对整个仿真系统的逼真性以及测试的可信性起着决定作用。本文通过对智能交通环境的研究，阐述了在虚拟驾驶仿真系统中智能汽车的建立方法．提出了利用数据库储存虚拟交通环境的道路信息，实现智能汽车对道路的识别。本文还提出了基于碰撞检测原理的视觉信息获取方法以及基于视觉信息的实时决策算法。实验结果表明，按照以上的方法，智能汽车能较真实的模拟人的视觉，做出人性化的驾驶行为，增强了智能汽车在复杂交通网络中行驶的正确性以及系统的快速性、稳定性,效果令人满意。     

虚拟自主车智能驾驶行为的研究与实现

为了提高驾驶模拟系统的逼真度和可信度,以自主车驾驶行为作为研究对象,在结合宏观与微观信息进行虚拟道路环境建模的基础上,提出一种基于局部信息感知和知识随机决策的概率模拟方法,目的是提升虚拟车的自主智能性和实现驾驶行为的真实随机性。实验与应用结果表明,提出的方法能够较真实地再现车辆的自主驾驶行为,模拟现实中交通车辆环境,并提高了模拟系统的真实性、形象性和实时性。     

智能辅助驾驶系统中的行人检测方法

大多数车载行人方案是基于特征选择和机器学习的,但大量特征的计算使实时性大幅降低。为将待检测窗口限制在最小的范围内,提出一种改进的基于立体视觉的摄像机角度估计自适应图像采样方法,利用基于类Haar特征和Real AdaBoost学习方法的分类器进行实现,在户外移动平台上对处于复杂动态背景中的行人目标进行检测。结果表明,与其他方法相比,该方法在保证检测效果的同时,计算时间仅为自适应路面拟合方法的13%。     

基于ROS构建无人驾驶车辆环境感知系统

无人驾驶系统由环境感知等多个组件构成,一般基于各类分布式程序框架来实现.基于ROS系统这类消息传递通信的分布式多进程框架来构建环境感知系统,是一种可行的参考.本文讨论了无人驾驶系统环境感知信息融合中的ROS机制和组成,基于ROS系统下的目标检测与跟踪等环境感知具体实践,讨论了无人驾驶车辆中ROS性能分析及其改进等内容,可以作为相关技术实现的有益参考.     

激光雷达在无人驾驶环境感知中的应用

激光雷达是实现无人驾驶环境感知的重要传感器,特别是通过与相机和毫米波雷达等实现感知信息融合之后,适用于复杂交通环境感知,可以检测交通环境中的不同目标,包括道路、可行驶区域、行驶环境中行人和车辆、交通信号灯和交通标志等交通要素。本文通过激光雷达的技术描述,介绍它在环境感知中的重要作用,分析了激光雷达标定及测试等技术基础,分析了激光雷达在环境感知中的应用,可以为相关技术应用提供参考。     

面向智慧工厂的双光融合车间人员行为识别方法

为弥补传统的单一成像监控方式的不足,对车间人员实行智能化的行为管控,提出了一种决策级的双光融合行为识别算法。在实地调研车间环境后采集了6类异常行为和3类工作行为,自建车间可见光-红外行为样本库,重新训练YOLOv5网络获取可见光和红外模型。建立了一种决策级的融合策略,能够同时识别双光数据中的目标并融合,得到最终的行为识别结果。在自建数据集上进行实验,结果表明融合算法的识别精度达到了93.04%,推理速度满足实时的识别要求。与仅使用单一数据源的算法相比,精度分别提升3.43%和0.84%;与其他5种特征级融合检测算法相比,精度均有大幅提升,证明了该融合方法的优越性。该方法可以有效地规范车间生产行为,并对异常行为进行及时预警,具有实际的工程应用价值。     

Driving Activity: How to Improve Knowledge of the Environment

This paper concerns the problem of driving assistance and, in particular, how to improve the perception of the surrounding environment to make this assistance really helpful. The main aims of a Driving Assistance System are to improve the security of the driver, passengers, and other road users. Driving is a complex activity, where the interactions between the driver, the vehicle, and the environment are continuous and numerous. The vehicle moves in a dynamic environment, so the Driving Assistance System, for its diagnosis, needs a map that represents as well as possible the actual situation of this environment. This paper presents a multi-sensor fusion module embedded in a real vehicle. The problem considered here is the dynamic reconstruction of the environment of the vehicle, based on measurements of a set of sensors.     

驾驶员多源信息融合协同仿真算法研究

交通仿真是交通控制与管理方案评价和优化的重要实验研究手段。传统的微观交通仿真模型,特别是刻画驾驶员行为的车辆跟驰模型,未能综合考虑交通环境中信息刺激的多源性和驾驶员任务集聚、协调反应的行为过程。文章利用Bayes方法描述驾驶员在复杂行驶环境中多源信息的融合过程,确定驾驶员任务集聚后对车辆应采取的驾驶行为。模型验证表明:交通仿真过程中,在车辆跟驰模型实施之前,利用Bayes算法模型化驾驶员在多源信息刺激下任务集聚、协同反应的过程是行之有效的。     

自动驾驶系统中视觉感知模块的安全测试

近年来,基于深度学习的视觉感知技术的发展极大地促进了车联网领域中自动驾驶的繁荣,然而自动驾驶系统的安全问题频出引发了人们对自动驾驶未来的担忧.由于深度学习系统的行为缺乏可解释性,测试基于深度学习的自动驾驶系统的安全性极具挑战.目前,已有针对自动驾驶场景的安全性测试工作被提出,但这些方法在测试场景生成、安全问题检测和安全问题解释等方面仍存在不足之处.针对基于视觉感知的自动驾驶系统,设计开发了一种场景驱动的、可解释性强的、运行高效的安全性测试系统.提出了一种能够平衡真实性与丰富度的场景描述方法,并利用实时渲染引擎生成可以用于驾驶系统安全性测试的场景;设计了一种高效的针对非线性系统的场景搜索算法,其可以针对不同的待测试系统动态调整搜索方案;同时,还设计了一个故障分析器,自动化分析定位待测试系统的安全性缺陷成因.复现了现有基于实时渲染引擎的动态自动驾驶测试系统,并同时使用本系统和复现系统对CILRS系统和CIL系统进行安全测试,实验结果表明相同时间下该工作的安全问题发现率是复现的场景驱动的动态测试方法的1.4倍.进一步的实验表明：可以分别为具有代表性的深度学习自动驾驶系统CIL和CILRS,从旷野、乡村与城市的3类环境中动态生成的共3 000个场景中,搜索到1 939个和1 671个造成故障的场景,并且每个故障场景的搜索时间平均为16.86 s.分析器从统计的角度判断出CILRS系统容易导致故障的区域在道路两侧,雨天和红色或黄色物体更易导致该自动驾驶系统发生故障.     

基于AI智能卡的中小学智慧校园系统的构建与研究

为了提高中小学智慧校园管理水平,充分发挥信息化、智能化技术手段在中小学智慧校园建设中的作用,研究了基于AI智能卡的中小学智慧校园系统的构建。本研究系统采用结构化模块的设计思想,利用4G、5G通讯技术、AI语音技术、RFID无线射频技术、物联网技术、WIFI+GPS+基站定位技术、云存储、大数据服务平台等技术来构建高科技系统。它能实现通话、远距离非接触式考勤、WIFI+GPS+基站定位、进校休眠、紧急求救、到离校通知、在线教育、在线作业辅导等功能。本系统的构建必将在教育信息化2.0背景下为加强中小学校园管理发挥重要的作用。     

聚类分析和模糊逻辑在驾驶行为辨识中的应用

在驾驶行为识别以及车辆运动状态预测时,需将车辆连续运动过程离散化成状态,对状态划分时极易出现状态重复划分的情况,且利用隐马尔科夫模型在对行为状态序列进行判定时难以准确确定各个状态之间的转移概率以及各个状态的初始概率,因此,提出利用聚类分析对滑动时窗内的数据进行聚类,确保驾驶过程中状态划分的唯一性,此外,利用模糊逻辑规则对出现的异常行为状态进行修正.利用CPNtool层次化分析软件,将不同驾驶行为分成若干层,通过状态之间的转移实现层与层之间的交互,通过判定等时间段内状态流所占用某个层的时间比例来确定当前的驾驶行为.最终利用测试车采集到的样本数据对所建模型进行有效性验证,结果表明,该模型能够以可视化的方式展现不同驾驶行为之间的状态切换,对当前的驾驶行为的判断准确率达到了96％以上.