基于BiGRU的多模态驾驶行为及轨迹预测

在复杂交通环境中行驶的智能汽车需要预测未来周围车辆的动向,为了提升智能汽车快速且准确预测周围车辆驾驶行为及轨迹的能力,设计了一种基于BiGRU的多模态驾驶行为及轨迹预测模型.模型由BiGRU编码器、交互卷积池化层和GRU解码器组成,能够预测未来5s车辆多模态驾驶行为的概率和多模态驾驶行为对应的轨迹分布.试验结果表明,相较于其他基于深度学习的模型,该模型在预测长时域轨迹时的RMSE损失和NLL损失更低,具备更高的准确率.     

基于形变长短期记忆网络的换道意图预测

混行交通下的自动驾驶车辆需具备换道意图预测能力来保障行驶安全。为尽早预测车辆换道意图,提出一种基于形变长短期记忆(Mogrifier LSTM)网络的换道意图预测模型。首先采用S-G (Savitzky?Golay)滤波器对自然驾驶数据集NGSIM(Next Generation Simulation)进行降噪筛选,按向左换道、向右换道、直线行驶对不同时间长度的轨迹序列标注,选取车辆运动信息与环境信息输入模型,最后采用softmax函数进行意图分类。试验结果表明,在不同预判时间下,模型准确率均高于SVM、LSTM模型,且越接近换道点预测准确率越高,在1.0s、2.5s时预测准确率分别为93.83%与81.30%。提出的模型具有良好的准确性与预判性,能为自动驾驶车辆尽早识别换道意图提供技术支持。     

考虑交互轨迹预测的自动驾驶运动规划算法

针对自动驾驶汽车运动规划中预测周围交通态势的问题,提出一种考虑周围车辆间交互轨迹预测的运动规划算法.首先,针对结构化道路信息,构建改进社会力模型,对自动驾驶汽车周围的车辆行驶轨迹进行预测.其次,在Frenet坐标系下采样生成轨迹集合,将轨迹集合和预测轨迹投影到时空占用图上,计算投影点之间的最短距离进行碰撞检查,并结合加速度、曲率检查对轨迹进行筛选以得到候选轨迹.然后,构建代价函数对筛选过的候选轨迹进行评估得到最优运动轨迹.最后,不同行驶场景中的仿真结果表明,该运动规划算法能提前决策驾驶行为,规划出的速度曲线更加平稳,运动轨迹的安全性、舒适性和行驶效率更高.     

基于Attention机制的CNN-LSTM驾驶人意图识别方法研究

在自动驾驶系统中，系统需要准确识别驾驶人的意图，来帮助驾驶人在复杂的交通场景中安全驾驶。针对目前驾驶人意图识别准确率低，没有考虑优化特征对模型准确率影响的问题，运用深度学习知识，提出了一种基于时间序列模型的驾驶人意图识别方法。该方法基于Attention机制融合了卷积神经网络(convolutional neural networks, CNN)和长短时记忆网络(long short-term memory network,LSTM),引入车辆自身信息和环境信息作为时空输入来捕捉周围车辆的空间交互和时间演化。该方法可同时预测目标车辆驾驶人横向驾驶意图和纵向驾驶意图，并在实际道路数据集NGSIM(next generation simulation)上进行了训练和验证。实验结果表明，所提出的CNN-LSTM-Attention模型能够准确预测高速公路环境下驾驶人的驾驶意图，与LSTM模型和CNN-LSTM模型相比具有明显的优势，为自动驾驶系统的安全运行提供了有效保障。     

交通弱势出行者轨迹预测及安全管控策略

针对骑车人在交通事故中易受伤害的问题,提出一种基于骑车人意图识别的轨迹预测方法.首先,从骑车人角度及车辆角度提取骑车人的多元特征,如运动方向、回头概率、与车辆相对位置等,在十字路口场景下构建动态贝叶斯模型网络,分析了骑车人意图的影响因素,最终得到骑车人意图后验概率.其次,根据意图识别结果,构建了相关交通场景并给出了骑车人运动方程,通过基于粒子滤波方法的骑车人轨迹预测算法,结合运动方程及观测方程,以粒子模拟骑车人未来轨迹集.最后,搭建激光雷达和单目相机为主的数据采集硬件平台,获取与骑车人运动及姿态有关的信息,根据收集的7 358帧数据,计算出骑车人进入十字路口区域的时长,用以对算法进行评价.结果表明：本算法在骑车人过街前0.24～0.54 s可基本识别骑车人的意图,能够预测骑车人未来5.0 s内的轨迹集;算法具有较好的实用性,可以降低骑车人与车辆碰撞事故的发生概率.     

基于车辆轨迹数据的急减速驾驶行为判定方法

目前很多研究使用车辆轨迹数据来识别急减速驾驶行为,但目前使用的固定阈值方法无法对不同驾驶场景做出区分且缺乏建模分析。本文基于车辆跟驰模型,提出了一种包含多种驾驶场景的急减速驾驶行为判断方法,该方法考虑照明条件、天气、道路车速等参数,解决了现有方法中缺乏场景分类的问题。使用聚类算法区分历史数据中的急减速驾驶行为,提取实际阈值并与模型结果进行比较,对该方法的准确性进行验证。结果表明,与现有方法相比,所建立的模型对不同种类驾驶场景的适应性较好,识别准确率较高。由此证明利用该模型可以更好地实现基于轨迹数据的车辆急减速行为识别,从而为驾驶安全研究打下基础。     

数据驱动下交通异常行为的双层识别模型

为实现对车辆异常行为的准确识别,提高车辆行驶的安全性,提出了一种基于支持向量机(support vector machine, SVM)、监督学习与长短期记忆(long short term memory, LSTM)深度学习的交通异常驾驶行为双层识别模型。首先,对车辆轨迹数据筛除和滤波,构建异常行为数据集;其次,从异常行为轨迹特征中提取出特定异常行为的特征标签,并人为标定在训练集中;再次,构建SVM模型对训练集进行粗识别,基于SVM的二分法原理,从测试集中筛选出异常行为;最后,通过LSTM时间序列模型构建具体种类的异常行为模型,并通过深度学习的方法,从异常行为数据中细分为蛇形驾驶、急速变向、侧滑、大半径转弯、快速U型转弯、急刹车等具体的异常驾驶行为。本次实验选用下一代仿真(next generation simulation, NGSIM)数据中US-101高速公路和peachtree城市道路的数据集的轨迹数据验证SVM和LSTM双层识别模型的性能,包括均方根误差、识别准确率等。结果表明,构建的双层识别模型在第一层有98%的识别准确率,第二层有超过80%的识别准确率,可以较为准确地识...     

基于Transformer的自动驾驶交互感知轨迹预测

针对自动驾驶运动规划中预测周围交通参与者(如车辆、自行车、行人)未来轨迹的问题,提出了一个基于Transformer的轨迹预测模型(Trajectory Prediction Transformer,TPT)来帮助自动驾驶车辆预测周围交通参与者的未来运动轨迹。首先,为了有效地考虑交通参与者和交通环境之间的交互信息,将交通参与者建模为交通智能体。并将交通智能体的历史运动轨迹和周围交通环境信息编码为多通道图,作为模型的输入。然后,利用改进的Transformer对交通环境进行建模,并捕捉交通智能体与交通环境之间值得关注的交互信息,预测其未来运动轨迹。最后,在大规模自动驾驶数据集Lyft进行的实验表明,TPT模型能够在不同预测时长下取得优于其他对比模型的预测结果,且用时更短。     

信号交叉口网联自动驾驶车辆时空轨迹优化控制系统

为降低车辆在信号交叉口范围内的燃油消耗量,提出了网联自动驾驶车辆时空轨迹优化控制系统。系统基于离散时空模型,设计了时空节点-弧模型以重构车辆时空轨迹;并以车辆发动机做功值,作为时空弧成本,以前方车辆时空轨迹和车辆运动学特征为约束,利用A*最短路算法求解具有最低燃油消耗的网联自动驾驶车辆时空轨迹;同时改进了Pitt微观车辆跟驰模型,以预测普通车辆的时空轨迹。预测结果作为约束条件,应用于网联自动驾驶车辆时空轨迹优化过程中,使系统适用于网联自动驾驶车辆与普通车辆混行条件下,仿真结果表明:系统能够降低高达13.94%的网联自动驾驶车辆燃油消耗;同时有效降低整体交通燃油消耗总量;能够在40%的网联自动驾驶车辆占有率条件下,实现良好的控制效果。计算时间仅为10~(-3)s水平。系统能够有效实现预期控制目标;并为近期网联自动驾驶车辆占有率较低环境下的车辆控制提供了一定的理论基础,实用性较强。     

结合双向LSTM和注意力机制的车辆轨迹预测

为提升智能交通、自动驾驶等系统的管理和服务质量,提出一种双向长短期记忆网络结合注意力机制的车辆轨迹预测模型。采用道格拉斯-普克压缩算法对轨迹数据进行压缩预处理,减少数据中的冗余;在编码器中使用双向长短期记忆网络充分捕获时间相关性特征,并采用自注意力机制获得与邻近车辆之间的全局空间相关性特征;通过解码器的全连接层获取车辆的未来位置,并通过模型迭代获得完整的预测轨迹路线。实验结果表明,提出的模型预测性能优于对比模型。此外,消融实验结果表明,引入轨迹压缩算法与改进的长短期记忆网络结合注意力机制对预测准确度均有积极贡献。     

沈阳市乘用车城市道路工况试验研究

基于实验室台架测量的汽车工况研究方法由于受到场地、车型及台架测量范围等因素的影响,已不能很好地反映车辆实际应用时的行驶工况。车载测试方法是在实际行驶条件下采集车辆数据,并进一步进行处理分析,以获得更符合实际状况的车辆行驶工况的方法,该方法既不影响车辆的正常使用,又可避免在实验室测量时产生的一些问题。最后通过对最终构建的行驶工况的验证,证明了车载测试试验方法的合理性。     

国产机动车合格证通报系统的设计与实现

针对目前国内机动车整车管理体系中反映出的问题，配合全国公安交通管理部门车辆牌照管理系统．设计了国产机动车合格证通报系统并对系统中所用的信息模型和网络拓扑结构作了简要的讨论．系统的上线运行验证了设计的合理性．该系统对杜绝非法拼组装车的违规登记入户，强化国内机动车管理具有重要意义．     

清洁汽车及其工作原理简介

本文介绍了人们为了解决汽车的发展带来的环境问题,和正在积极研究的三类清洁环保汽车(太阳能汽车、锂离子动力电池电动汽车、氢燃料电池汽车)的工作原理和现状,以及各自的优缺点。     

清洁汽车及其工作原理简介

本文介绍了人们为了解决汽车的发展带来的环境问题,和正在积极研究的三类清洁环保汽车(太阳能汽车、锂离子动力电池电动汽车、氢燃料电池汽车)的工作原理和现状,以及各自的优缺点。     

汽车半主动悬架系统的关键技术及研究进展

基于系统分析理论，论述了汽车半主动悬架系统的发展与研究进展，提出了系统信号检测与传感器、磁流变液体及其器件设计、控制策略与控制器等关键部件的研究与开发过程中的相关基础问题，分析了系统动力学建模与仿真、系统信息分类与控制、系统集成与试验等系统应用研究的相关技术问题．并结合课题组研究进展，提出了汽车半主动悬架系统物理层构成．     

2018年临近空间科学热点回眸

 临近空间神秘而迷人，其资源还远没有得到有效利用，临近空间飞行器是认识和利用临近空间的必然工具。回顾了2018年临近空间飞行器热点：中国科学院启动A类战略性先导科技专项“临近空间科学实验系统”；谷歌公司旨在平流层气球组网的Project Loon完成7球中继1000 km里程碑，双球单跳最远传输距离达600 km；Zephyr S无人机创造临近空间太阳能无人机驻留时间新记录；高超声速飞行器方面，普京宣称弹道导弹“匕首”已经服役，美俄在滑翔导弹剑拔弩张，吸气式巡航飞行器波澜不惊、多国仍在努力攻关；Virgin Galactic的SpaceShip Two跨入太空的门槛，Blue Origin的New Shepard完成了为普通乘客到大气层更边缘遨游之前的两次关键飞行。探索与认知，打击与防御，遨游与分享，未来临近空间必将上演更多异彩纷呈的篇章。     

基于强化学习的视频车辆跟踪

基于视频的车辆跟踪在交通监控领域有着重要的实用价值,强化学习是一种无监督的学习方法,具有搜索效率高的特性,将强化学习理论应用于视频车辆的跟踪,充分发挥了其搜索效率高的特性,实验结果表明基于强化学习的视频车辆跟踪,其跟踪情况稳定,跟踪准确率比较高,可以获得很好的跟踪效果。     

轨迹聚类的车辆再识别方法

车辆再识别旨在从多个视域不重叠的监控视频图像中检索出身份一致的车辆.由于实际场景的光照、视角以及背景的复杂变化,车辆再识别一直是计算机视觉领域极具挑战的热点问题.针对车辆再识别任务,提出一个同时利用车辆图像对之间的视觉相似度和时空约束的双流模型(tcReID),其视觉分支使用ResNet50作为骨干网络来评估视觉相似度...     

机动车与非机动车交通隔离设施合理设置的研究

上海市机非交通隔离设施的式样和在道路上的设置方式有很多种，为了弄清其中的优劣，以行车速度和交通冲突两项指标为评判依据，对上海交通现状作了调查和研究，研究结果表明，设置机非隔离设施，可使冲突率降低２／３，行车速度提高１０％－１５％。     

高超声速飞行器技术研究进展

 高超声速技术作为新世纪航空航天的标志性技术,已成为国内外军事、航天领域关注的重点技术。对高超声速飞行器进行了分类,对国外主要军事大国高超声速飞行器的发展路线、总体方案、性能参数等进行了梳理,围绕对高超声速飞行器发展产生重要影响的气动设计技术、高超声速推进技术、高超声速结构热防护技术、高超声速制导控制技术,剖析了技术发展特点和技术发展方向。基于国外高超声速飞行器的型号发展和投入方向,认为高超声速滑翔飞行器将成为高超声速领域优先发展领域。