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。     

基于双五次多项式的智能汽车换道路径规划研究

快速准确地进行换道路径规划、有效跟踪期望路径以及换道过程中保持车辆的操纵稳定性,是保障智能汽车主动安全的核心技术.针对智能汽车主动换道过程中的路径规划问题,引入中转位置,提出基于双五次多项式的路径规划策略,以提高换道路径的平滑性,保证车辆换道安全性,满足换道实时性要求.对主动换道场景进行分析,确定换道初始及目标位置;基于车辆换道过程中的临界碰撞点,提出双五次多项式换道路径规划策略;建立联合仿真模型,针对不同道路状态进行主动换道仿真试验.结果表明：由于引入了中转点,利用双五次多项式规划方法得到的换道路径在临界碰撞状态前有更明显的侧向位移,能避开前方障碍车保证了换道安全性;换道中转位置处车辆最大侧向加速度不超过2 m/s²,保证了换道过程中车辆操纵稳定性;在干燥路面与湿润路面工况下,换道所需纵向安全距离减小20 m左右,保障了换道过程的纵向碰撞的安全性.研究结果可以为智能汽车主动换道路径规划提供理论及实践依据.     

基于视觉及多特征的前方车辆检测算法

针对现有视频车辆检测算法受光照、噪声等环境因素影响大,漏检和误检率高,难以同时满足鲁棒性及实时性的问题,提出了一种完整的前方车辆检测算法.该算法在改进的Hough变换提取车道线的基础上,首先对图像进行自适应二值化处理,通过腐蚀、膨胀法滤除干扰点;使用简洁有效的方法进行阴影线的合并及ROI区域的提取;算法利用目标区域内的信息熵、车尾对称性特征对感兴趣区域(region of interest,ROI)进行筛选和判别,降低了算法的漏检和误检率;使用改进的Robinson方向检测算子提取车辆边界,取得了较好的效果.结果表明:在处理分辨率为640×480的视频时,检测正确率89%,运算速度平均为17.6帧/s.     

毗邻互通立交特长隧道交通组织方法

为响应毗邻互通立交特长隧道换道通行的客观需求,解决交通组织中车道控制方式和控制路段长度问题,通过防侧滑和防侧翻临界安全状态分析,建立了基于最小车头时距的车辆变道最小安全距离模型,测算特长隧道洞内或连接段变道最小安全距离.针对单向3条车道及以上特长隧道存在二次变道的实际情况,以保证前后车保持安全距离变道为目标,构建了单次...     

智能网联环境下管理车道设置策略与影响因素分析

为探索人工驾驶车辆（human driven vehicle,HDV）与自动驾驶车辆（connected and autonomous vehicle,CAV）构成的新型混合交通流的运行规律,研究不同管理车道设置策略对城市快速路新型混合交通流产生的影响。首先,基于不同种类车辆间跟驰与专用道选择概率间的耦合关系,定量描述了不同管理车道设置策略条件下快速路通行能力演变机理。基于此,利用SUMO仿真平台分析了新型混合交通流条件下车辆延误的变化规律。最后,通过对车辆换道类型与换道间隙分析,研究了不同管理车道设置策略对交通流车辆间碰撞风险的影响。结果表明:CAV渗透率低于30%或大于80%,且只限制HDV在普通车道通行时,通行能力最大;CAV渗透率介于30%~80%之间,应考虑设置公交和CAV专用车道;设置公交和CAV专用车道但不限制其通行路权时,路段平均延误最小且几乎不受CAV渗透率的影响;当只为CAV或多乘员车辆（high-occupancy vehicle,HOV）设置管理车道时,会增加车辆碰撞风险。这说明CAV渗透率是建立合理的管理车道设置策略的重要参考因素,CAV渗透率对设置管理车道路段的通行能力有很大影响,而路段平均延误和交通流车辆间碰撞风险则更受管理车道设置策略的影响。     

智慧公路关键技术发展综述

赋予公路工程以智慧,建立智慧公路等新一代“互联网+”设计、建造、管理、监测和运营五位一体系统,是当下土木工程、控制工程、机械工程、交通运输工程和计算机等交叉学科的研究热点问题。围绕智慧公路,针对交通“设、建、管、监、运”环节的关键技术,面向智慧公路全寿命周期,从多功能路面材料、智慧建造与智能监测、无人驾驶、车路协同、物联网技术等5个方面入手,系统阐述国内外相关的研究成果、关键共性技术及未来发展趋势。     

借对向出口车道左转交叉口交通控制方案优化

为提高借对向出口车道左转交叉口信号配时的科学性以及交通流运行效率,提出借对向车道左转的适用条件,将左转机动车的到达-驶离图式分为8种情况,分别建立每种情况下左转机动车的延误计算方法.以交叉口车均延误最小为目标,以周期时长、主信号与预信号各相位绿灯时间、借对向车道左转车道的长度为优化变量,建立了交叉口信号控制方案优化模型,并采用遗传算法进行求解.以算例的形式对所建立的优化方法进行验证,并与传统控制方法进行对比.结果表明:优化方法可以提高左转机动车通行能力,减少其所需绿灯时间,进而缩短交叉口周期时长;左转相位绿灯时间的缩短减小了直行相位的红灯时间,进而缩短了交叉口的车均延误,在高峰期交叉口车均延误下降比例达到23.8%.     

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。     

视觉导航中分道线的二维重建与障碍物检测

针对视觉导航对道路分道线重建以及障碍物检测的功能需求，在对道路几何形态特性分析的基础上，建立了车道成像模型，对当前车道以及多车道进行了投影图像的二维重建；同时根据信息熵，引入路面单位像素灰度等级数的概念，实现了目标车辆或障碍物的初定位，利用Robinson边缘检测算子实现了对目标车辆或障碍物的精确定位。经大量实验证明，所设计的算法具有较高的实时性、准确性，满足了视觉导航对道路或分道线检测、障碍物检测的功能需求。     

智能网联混行环境下交叉口时空资源配置优化

在网联自动车辆（CAVs）与人工驾驶车辆混行环境下,构建混合整数线性规划（MILP）模型,以优化交叉口时空资源配置. 该模型以交叉口通行能力最大化为目标,约束条件主要包括车道渠化、流量分配和信号配时等相关约束. 以典型四车道十字交叉口为例,在网联自动车不同驾驶行为和不同渗透比例的条件下,优化交叉口渠化方案和信号配时方案. 结果表明,随着网联自动车占比和跟驰行为的改变,交叉口最优渠化方案和信号配时方案须相应调整. 网联自动车占比增大和跟车时距减小,均有利于提高交叉口的通行能力,且当网联自动车跟车时距不受前车类型的影响时,交叉口通行能力提高更多.     

结构化道路车道线的鲁棒检测与跟踪

针对智能车在视觉导航过程中车道线检测的鲁棒性和实时性问题,提出一种适用于结构化道路的车道线鲁棒检测与跟踪方法。首先,简化的Sobel算子提取车道线边缘图像,将边缘图像与改进的Otsu方法得到的车道线分割图像进行融合,实现对车道线标记点的鲁棒检测;然后,采用迭代最小二乘方法拟合车道线标记点并去除干扰点,并根据拟合参数建立车道线模型;最后,引入尺度无迹卡尔曼滤波(SUKF)对车道线进行跟踪。通过对多段实地采集的视频进行了仿真实验,结果表明,该方法对于高速公路车道线的检测率可达到99%,并具有较好实时性能;对于受损和弄污的城市道路车道线也体现出较好的鲁棒性和时间性能。     

基于串级MPC和EPS的集成驾驶员转向车道线保持

针对电动助力转向( EPS)作为转向执行机构的车道线保持的控制系统设计及保留驾驶员对车辆操控问题,提出基于串级模型预测控制( MPC)和EPS集成驾驶员转向的车道线保持系统. 在车道线识别视觉系统空间,建立车道线保持状态空间模型,设计基于MPC的车道线保持控制器( LMPC) . 建立EPS状态空间模型,设计基于MPC的EPS车辆前轮转角控制器( EMPC) . LMPC与EMPC经逆转向机构模型组成串级控制结构. 分析驾驶员转向对车道线保持控制的影响,进而通过保留驾驶员对车辆控制来提高处理紧急事件的能力. 仿真结果表明:在不同车速和不同曲率道路下,该控制策略均能快速消除横向位置偏差和航向角偏差,保证车辆沿着车道线行驶,具有较好的适应性和鲁棒性. 驾驶员转向可以改善车道线保持和提高车辆主动安全性.     

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。     

基于决策机理与支持向量机的车辆换道决策模型

驾驶决策机制是保障自动驾驶车辆驾驶安全的关键技术,而换道研究是其重要课题. 然而,在复杂的动态环境下行驶时,使智能车辆做出安全、符合要求的换道决策仍然是一个难点. 为此,首先分析了车辆自由换道的影响因素,采用传统的数理模型建立了基于换道收益、安全和必要性的车辆换道规则模型. 其次,针对在不同的驾驶工况换道决策考虑的因素不同,提出从基于物理状态的特征、基于交互感知的特征以及基于道路结构的特征三个方面提取决策变量,使换道模型决策时考虑的因素更加全面. 然后,针对自由换道决策过程中存在的多参数和非线性问题,提出了基于贝叶斯优化算法（BOA）的支持向量机（SVM）决策模型. 最后,所提出的模型在NGSIM数据集上进行验证,对比试验表明:建立的BOA Gaussian-SVM模型具有较高的综合预测性能,对换道行为的识别准确率可达到92.97%,超越了其他模型并远高于规则模型. 同时在Airsim平台上进行了仿真实验,实验结果进一步证明了BOA Gaussian-SVM决策模型的有效性,说明此模型可进一步应用到自动驾驶和辅助驾驶系统开发中.     

Recognition algorithm for turn light of front vehicle

Intelligent vehicle needs the turn light information of front vehicles to make decisions in autonomous navigation. A recognition algorithm was designed to get information of turn light. Approximated center segmentation method was designed to divide the front vehicle image into two parts by using geometry information. The number of remained pixels of vehicle image which was filtered by the morphologic features was got by adaptive threshold method, and it was applied to recognizing the lights flashing. The experimental results show that the algorithm can not only distinguish the two turn lights of vehicle but also recognize the information of them. The algorithm is quiet effective, robust and satisfactory in real-time performance.     

自动化公路系统车队换道变结构控制

基于车辆纵横向动力学耦合模型,研究了自动化公路系统车队换道的纵横向耦合控制.假定车队中每个跟随车辆依靠车间通信接收引导车辆以及该车前面相邻车辆的位移、速度信息,利用车载传感器获得车辆横摆角速度信息.基于满足正反梯形约束条件的侧向加速度,计算车辆换道时的期望横摆角和横摆角速度.采用有限时间滑模趋近律,设计了车队换道纵横向耦合变结构跟踪控制规律,基于李雅普诺夫稳定性理论,对控制系统的稳定性进行分析.仿真结果显示,采用文中设计的控制规律,对于车队中每个跟随车辆,在实现车辆自动换道的同时,纵向上能够保持满意的车间距离.     

面向交通拥堵的车辆鲁棒检测及分车道到达累计曲线估计

针对大交通量拥堵情况下现有视频车辆检测技术不能有效处理车辆相互遮挡而导致的大量漏检问题,提出了一种面向交通拥堵的车辆鲁棒检测及分车道到达累计曲线估计方法.首先,完成非拥堵区域的检测,避免针对交通拥堵停驶车辆进行复杂遮挡处理及检测的工作;然后,基于假设生成和验证框架,融合Ada Boost分类器与车底阴影检测结果,得到车辆鲁棒检测结果;最后,使用投影畸变车辆稳定特征将车辆位置划归特定的车道,准确估计分车道车辆到达累计曲线,实现针对交通检测断面分车道详细交通参数的有效分析.实验结果表明:该方法能够在高峰时段的交通拥堵状态下实时进行车辆鲁棒检测并准确地获取交通参数,有效避免针对车辆遮挡的复杂处理过程,对解决车辆到达率和车头时距调查成本高、工作量大、不确定因素多等问题具有实际的意义.     

基于实例分割的复杂环境车道线检测方法

针对基于语义分割的车道线检测方法存在的特征表述模糊、语义信息利用率较低的问题,采用实例分割算法,提出基于改进混合任务级联（HTC）网络的车道线检测方法. 基于HTC网络模型,在主干网络中引入可变形卷积,提升主干网络对复杂环境中车道线特征的提取能力. 改进特征金字塔网络结构,在特征金字塔网络的基础上添加自底向上的低层特征传递路径,引入空洞卷积,在不损失车道线特征信息的情况下增加特征图感受野,利用低层特征中所包含的车道线的精确定位信息,提高车道线的检测精度. 实验结果表明,改进HTC网络模型可以实现车道线特征的鲁棒提取,在复杂道路环境中可以获得较好的检测性能,有效提高了车道线检测精度.     

基于优化DeepSort的前方车辆多目标跟踪

为了提升自动驾驶汽车对周边环境的感知能力,提出优化DeepSort的前方多车辆目标跟踪算法. 采用Gaussian YOLO v3作为前端目标检测器,基于DarkNet-53骨干网络训练,获得专门针对车辆的检测器Gaussian YOLO v3-vehicle,使车辆检测准确率提升3%. 为了克服传统预训练模型没有针对车辆类别的缺点,提出采用扩增后的VeRi数据集进行重识别预训练. 提出结合中心损失函数与交叉熵损失函数的新损失函数,使网络提取的目标特征有更好的类内聚合以及类间分辨能力. 试验部分采集不同环境的实际道路视频,采用CLEAR MOT评价指标进行性能评估. 结果表明,与基准DeepSort YOLO v3相比,跟踪准确度提升1%,身份切换次数减少4%.     

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。