面向异构网络的区域雾霾预警系统

为了有效地对雾霾进行预警与防范,设计了面向异构网络的区域雾霾预警系统.该系统由采集模组,协调器,网关,服务器,显示终端组成,通过部署LoRa、NB-IoT、ZigBee 3种异构网络全面采集传感器数据,设计网关实现数据的上传,服务器作为预警系统的大脑,提供对环境信息的分析与处理,触发相应的机制响应并采取相应措施,实现分级预警.介绍了系统的总体设计方案以及分级预警的工作机制,并利用遗传算法优化后的支持向量回归模型完善分级预警机制,最后通过案例分析论证了该系统能够稳定、有效地对雾霾进行预警.     

一种车辆实时监控系统设计

基于STM32单片机,设计了一种车辆实时监控系统。该系统通过GPS模块、车载传感器采集车辆行驶状态数据,利用蓝牙模块实现和手机的近距离数据传输,利用4G无线模块实现和云端服务器的远距离数据通信,从而在手机端和云端服务器均可对车辆行驶状态进行实时监控,包括对异常数据的报警处理等。测试结果表明,该系统可实现车况的实时监测、报警等功能,具有一定的实用性。     

高速公路场景的车路视觉协同行车安全预警算法

目的 基于视觉的车辆行驶安全性预警分析技术是目前车辆辅助驾驶的一个重要研究方向,对前方多车道快速行驶的车辆进行精准的跟踪定位并建立稳定可靠的安全距离预警模型是当前研究难点。为此,提出面向高速公路场景的车路视觉协同行车安全预警算法。方法 首先提出一种深度卷积神经网络SF_YOLOv4（single feature you look only once v4）对前方车辆进行精准的检测跟踪;然后提出一种安全距离模型对车辆刹车距离进行计算,并根据单目视觉原理计算车辆间距离;最后提出多车道预警模型对自车行驶过程的安全性进行分析,并对司机给予相应安全提示。结果 实验结果表明,提出的SF_YOLOv4算法对车辆检测的准确率为93.55%,检测速度（25帧/s）领先对比算法,有效降低了算法的时间和空间复杂度;提出的安全距离模型计算的不同类型车辆的刹车距离误差小于0.1 m,与交通法建议的距离相比,本文方法计算的安全距离精确度明显提升;提出的多车道安全预警模型与马自达6（ATENZA）自带的前方碰撞系统相比,能对相邻车道车辆进行预警,并提前0.7 s对前方变道车辆发出预警。结论 提出的多车道预警模型充分考虑高速公路上相邻车道中的车辆位置变化发生的碰撞事故;本文方法与传统方法相比,具有较高实用性,其预警效果更加客观,预警范围更广,可以有效提高高速公路上的行车安全。     

基于MEMS传感器的物流车辆位置及姿态追溯系统设计

为了解决物流响应慢,货物在仓库中丢失,以及车辆在运输货物途中出现事故等问题,研究了一种基于嵌入式的物流跟踪及车辆姿态检测系统。该系统通过车载平台与物流中心联网对车辆实时状况分析并进行预处理,在物流运输过程中能够实现物流实时跟踪。在实际应用中,该系统能够对货物的位置进行实时确认,并在数据中心可以接收到车辆是否出现故障或车辆姿态信息,在车辆故障和姿态异常时发出预警信息。     

电动汽车远程监控与服务系统开发

针对电动汽车设计了远程监控与服务系统。该系统基于数据采集和无线远程数据传输,实现了车辆运行参数的实时上传与存储。车载控制器完成数据采集与发送,服务器按照模型对象对数据进行存储、分析与处理,客户端为用户提供监控和命令视图,实现车辆的监控功能。服务器通过对运行数据进行分析处理获取车辆服务信息并发送给车载终端控制器,实现车辆的远程服务功能。该系统在长城A0级小型城市纯电动轿车试验样车上测试,具有良好的实用性及稳定性。     

基于嵌入式Linux的车载安全行驶辅助系统设计

针对车辆驾驶中的安全问题,开发了以Intel Sitsang板为核心,结合DSRC模块、GPS模块以及GSM/GPRS模块协同工作并基于嵌入式Linux系统的车载安全行驶辅助系统,实现了威胁预警,紧急情况处理,违章自动处理纠正等与车辆行驶安全密切相关的功能;该系统在自行设计的半物理仿真平台上进行了测试运行。     

基于云模型的高速公路隧道车辆位置估计

为实现对高速公路隧道照明系统的节能控制,提出基于云模型的车辆速度与位置估计方法。结合正向云与逆向云算法,对车辆通过线圈时的脉冲波形数据进行处理,获得均速估计值。将车速估计结果与行车时间作为车辆行驶位置的判定依据,采用云推理估计车辆的行驶位置。对云估计误差进行实时修正,从而精确判断车辆行驶的位置。仿真和实验结果表明,该方法能实现对高速公路隧道内车辆位置的正确估计,且估计精度高达99．2309％,可提高云模型算法在实际应用中的效率,适用于高速公路隧道照明系统的节能控制。     

基于C8051F330的机动车速度监测及无线传输系统

为实现对高速公路机动车行驶速度的全程监测及预警,设计了一种以C8051F330为控制核心的机动车速度监测及无线传输系统;详细叙述了系统设计原理与软硬件的实现方法,系统利用C8051F330单片机控制传感器实时采集机动车行驶速度信号并进行处理,通过RFID标签和读写器无线传输车辆速度、身份信息以及前方路况限速信息,从而实现对高速公路机动车速度的实时监测和预警功能;实验调试表明系统反应速度快、运行可靠且成本低,具有良好的应用前景.     

高速公路雾天诱导系统中关键技术研究

为了提高高速公路的雾天行车安全性,阐述了高速公路雾天诱导系统的作用和功能,并对其中的核心技术：预警判别技术和负载均衡技术进行了详细阐述。在预警判别技术中,通过建立一个数学模型求出多段高速公路雾况信息的平均值和最大值,并通过与临界值的比较结果,进行相应的预警处理。在负载均衡技术中,提出一种与传统负载均衡技术不同的负载均衡策略,可以有效减轻TCP连接数较大时服务器的压力。     

机动车车速监测的RFID传感标签及其系统设计

为了实现机动车车速的分布式监测以及智能预警,设计了一种基于无线射频识别（RFID）技术的速度监测传感标签和电子管理系统。系统采用车速传感器采集机动车实际行驶速度并送入信号处理单元进行数据处理,传感标签将机动车身份信息、实际速度发送给安装在道路沿线的读写器;各读写器通过网络与电子管理系统进行实时信息交流。实验表明,该系统能准确采集机动车速度信息并实时传输和处理,为高速公路机动车行驾监管提供了一种新的技术方法。     

基于改进型目标重识别算法的高速公路车辆轨迹还原

针对高速公路场景下难以实现车辆轨迹精准还原的问题,提出以新近大规模建设的ETC门架系统作为检测载体,将车牌识别与车辆重识别(ReID)技术结合实现更好的轨迹还原效果.高速公路车辆目标多、速度快,常用目标检测算法难以满足属性检测与重识别要求的情况下,对多目标检测与重识别的FairMOT算法结构作出改进,添加多个并行头输出,对车牌、车辆颜色、类型、品牌及重识别等特征同时训练,输出车辆多标签属性;制作数据集并开发一套数据标注工具以满足多目标、多标签及重识别标注需求.实验表明,车牌识别准确率达到97.32％,车辆重识别rank-1为86.94％.采用车牌识别与ReID相结合的方式,车辆轨迹还原准确率超过85％,与ReID及车牌识别单独使用相比分别提高了14.8％与9.89％.该方法以27.5 fps的推理速度在高速公路车辆轨迹还原实践中取得了较好效果,也为智能算法在高速公路领域深化应用提供了实践基础.     

专家系统在车辆轴型识别中的应用

轴型决定着车辆的载重能力和限载值,因此车辆轴型的识别在高速公路计重收费系统中至关重要。针对目前轴型识别方法存在故障率高、维护复杂的缺陷,本文分析了轮轴识别原理和各种常见车辆轴型的特点,并提出一种基于专家系统的车辆轴型识别方法。实际测试表明,该方法的识别准确率可达96%以上。     

Modeling the impact of observation conditions on localization systems

In various applications, sensor fusion has demonstrated success as means to enhance a system performance in perceiving its environment. By combing observations of different sensors, the system is able to achieve improved sensing accuracy, and potentially, expanded sensing capabilities. However, the observation conditions in the surrounding of any multi-sensor system have a considerable impact on the performance of the system. This impact can be hard to mitigate if the observation conditions are stochastic in nature. Therefore, for any sensor fusion strategy to achieve reliable and robust performance it must possess a capability to assess the quality of the observation conditions in its surrounding, and ultimately, the quality of its decisions, as a function of these conditions. One typical application where the impact of the observation conditions can cause sever deterioration of the sensing performance is vehicle localization. It is typical in this application that location measurements obtained from multiple sensors (e.g., GPS, Vision, Inertial, etc.) are combined together to compute accurate vehicle location. However, such improved accuracy can only be attained under nominal observation conditions. Therefore, real-time awareness of the observation conditions around the vehicle position is pivotal for the multi-sensor system to achieve effective fusion performance.In this paper, a Markovian model is proposed to capture the impact of observation conditions on a sensor’s localization performance and to consequently determine a reliability index with respect to the localization accuracy claimed by the sensor.The proposed model is implemented on two localization techniques: single-sensor localization and multi-sensor localization. A number of experiments are conducted to determine the different levels of localization accuracy that can be achieved by each technique under a wide range of observation conditions. The proposed reliability model is tested in a variety of real-life and simulated observation conditions scenarios. It is evident from the experimental results that the proposed model is able to estimate the reliability of location estimates produced by either one of the localization techniques. The paper discusses how such reliability model can benefit multi-sensor systems.     

基于轨迹稀疏聚类的高速公路车辆检测

针对高速公路中车辆的实时检测问题,提出了一种基于轨迹稀疏谱聚类的高速公路车辆检测方法。使用ORB算法检测特征点并利用基于金字塔LK光流算法进行跟踪得出特征点轨迹,将轨迹逆投影至三维世界坐标系,利用轨迹三维信息构建轨迹间的相似矩阵并对其进行稀疏化处理,采用谱聚类方法对特征点轨迹进行初步聚类,对谱聚类结果进行类间合并得出车辆检测结果。实验结果表明,方法花费了更少的时间代价,有效地解决了车辆遮挡问题,车辆实时检测精度提高至93%,具有一定的有效性和价值。     

基于ZigBee与地磁传感技术的停车诱导系统

针对汽车拥有量爆发式不断增长,停车位日益紧缺,而停车场管理落后导致其利用率低下的问题,设计出了一种基于ZigBee与地磁传感技术相结合的智能停车诱导系统。该系统采用地磁传感器技术检测停车场周围车辆分布,实时监测停车场周边交通信息;再结合ZigBee物联网技术,选用CC2530为主控芯片组网实现车位数据信息传输;在液晶显示屏(LCD)上实时发布停车场空闲车位数量与位置;再经四级诱导方式对车辆进行停车场外与场内引导,实现城市按需智能化停车。实验结果表明,系统可检车距精确度达到0.4m,在150m范围内采用增加路由器节点法实现0%掉包率的无线传输。该停车系统可提高车位利用率,减少车辆选择与停车时间,缓解城市车位紧缺,减少交通拥堵。     

驾驶员模型汽车防撞雷达安全预警算法

根据汽车主动避撞雷达系统中保障安全和及时预警两方面的实际要求,比较了各种报警算法,在结合汽车制动过程运动学分析的基础上,引入了一种安全性更高,且不同于普通安全距离模型的基于驾驶员模型安全报警算法的多级安全预警模式,并进行了仿真分析,结果表明,该算法快速、准确,可靠性高。     

HebbR2-Taffic: A novel application of neuro-fuzzy network for visual based traffic monitoring system

This paper presents a robust methodology that automatically counts moving vehicles along an expressway. The domain of interest for this paper is using both neuro-fuzzy network and simple image processing techniques to implement traffic flow monitoring and analysis. As this system is dedicated for outdoor applications, efficient and robust processing methods are introduced to handle both day and night analysis. In our study, a neuro-fuzzy network based on the Hebbian–Mamdani rule reduction architecture is used to classify and count the number of vehicles that passed through a three- or four-lanes expressway. As the quality of the video captured is corrupted under noisy outdoor environment, a series of preprocessing is required before the features are fed into the network. A vector of nine feature values is extracted to represent whether a vehicle is passing through a lane and this vector serves as input patterns would be used to train the neuro-fuzzy network. The vehicle counting and classification would then be performed by the well-trained network. The novel approach is benchmarked against the MLP and RBF networks. The results of using our proposed neuro-fuzzy network are very encouraging with a high degree of accuracy.     

基于深度学习的高速服务区车位检测算法

本文利用卷积神经网络对高速公路服务区停车场进行场景分割与车位检测.首先,通过扩充高速公路服务区停车场数据集,利用卷积神经网络进行高速公路服务区停车场区域分割与车辆检测,并对特征提取网络进行权重共享,从而达到联合训练的目的及网络模型轻量化.进而,通过对车辆的纹理特征提取,采用金字塔特征融合的方法对小目标的识别进行强化.最后,利用高速公路服务区停车位的先验知识实时计算停车场的停车位信息.实际应用表明该方法在复杂场景下,对车位检测的准确率为94%,检测速度为每秒25帧,具有很强的泛化能力,适合用于高速公路服务区停车场车位检测.     

基于长短期记忆网络的高速公路车辆变道轨迹预测模型

高速公路车辆车速、车距、行驶方向等因素都是动态变化的,受外界环境干扰,采集到的目标车辆状态特征数据可能存在噪声,导致车辆变道轨迹预测存在误差,为此提出基于长短期记忆网络的高速公路车辆变道轨迹预测模型,有效预测高速公路车辆变道轨迹,改善车辆行驶条件,保障其安全运行。通过激光雷达、GPS等装置采集目标车辆交通数据,将其合理组合成目标车辆状态观测特征向量,并构建相应的特征向量矩阵,将所构建目标车辆状态观测特征向量矩阵作为1层卷积神经网路输入,提取目标车辆状态观测特征向量潜在特征后,以1层卷积神经网络输出结果为双向长短期记忆网络有效输入,经过无数次模型训练后,输出目标车辆变道轨迹预测结果。实验结果表明:该模型可有效预测高速公路车辆变道轨迹,预测出的轨迹横纵坐标误差极低,能够得到较为理想的高速公路车辆变道轨迹预测结果。     

基于模型预测控制的电动车辆队列控制研究

针对车辆队列建模时参数不确定导致控制存在误差的问题,以及队列中跟随车辆稳定性问题,分析车辆纵向动力学,设计一个鲁棒MPC控制器和滑移率控制器来提高队列车辆的控制精度和稳定性.首先对纵向MPC控制器进行改进,提高车辆队列控制精度；同时为防止跟随车辆的轮胎打滑,设计一个MPC滑移率控制器对跟随车辆的轮胎滑移率进行控制约束,保证了跟随车辆的纵向稳定性.最后,进行仿真实验验证其有效性.仿真实验结果表明,与传统的LQR、MPC控制器相比,改进的鲁棒MPC纵向控制器控制精度更高,同时MPC滑移率控制器可防止跟随车辆的轮胎打滑,保证了跟随车辆的纵向稳定性.