三阶段智能车辆多信号灯路口节能车速规划

为提高智能车辆在多信号灯场景通行时的能耗经济性,提出一种鲁棒三阶段(选择—平滑—优化,Select-Smooth-Optimize, SSO)的节能车速规划框架。采用随机撒点方式划分可通行区域,基于经济巡航车速构建加权有向无环图(WOG),利用Dijkstra算法求解加权有向无环图粗解;利用三次样条插值模型平滑粗解轨迹,降低非线性优化的计算时间;将车速规划最优控制问题转化为非线性优化问题,利用平滑后的轨迹作为内点法优化的初始迭代值,加快最优速度轨迹收敛,构建不规则信号灯相位和配时(SPaT)场景并进行仿真测试。仿真结果表明,与一阶段和两阶段基准算法相比,SSO算法分别节省26%、7%的能耗,并能兼顾鲁棒性与实时性计算要求。     

基于轨迹数据的信号交叉口排队长度估计

排队长度是信号交叉口最重要的性能指标之一,也是信号交叉口配时优化的关键参数。对于一些偏僻的路口或者固定检测器损坏的交叉口,由于无法获取准确的排队长度信息而无法了解交叉口的实时状态。针对以上情况,提出通过浮动车轨迹数据来估计信号交叉口的排队长度,通过对轨迹数据的分析,建立了基于浮动车集群队列的排队长度估计模型,利用排队长度估计模型可以实现交叉口排队长度的估计。通过SUMO仿真获取早高峰、晚高峰、平峰流量下输入下的浮动车轨迹数据,分别采用早高峰、晚高峰、平峰流量下时间间隔为2、4、6、8、10 s和渗透率为5%、10%、15%的数据集对模型进行验证。验证结果表明,所建立的模型可以较为准确地估计交叉口的排队长度。与相关方法的对比结果表明,在早高峰流量下和晚高峰流量下,所建立的模型误差更低,不同的时间间隔和渗透率下比不考虑集群车队的精准度平均提高约12%,即使在平峰流量、时间间隔大、低渗透率场景下,所建立的模型估计的排队长度误差仍在可接受范围内。相关的研究成果将为交叉口的交通状态评估以及信号配时优化提供支撑。     

基于改进Canny边缘检测算法的车辆排队长度检测方法

提出了一种新的车辆队列检测方法,主要通过一种改进Canny边缘检测方法来检测交通路口的车辆排队长度.实验表明,与传统的基于图像处理的方法相比,该方法的耗时有显著降低,利用该方法可提高道路资源利用率,缓解交通堵塞情况,提高车辆通行率.     

基于概率论的车辆排队长度测量方法

为了更好地分析交叉口车流情况,为交通流检测、交通拥堵识别提供数据,依据概率论,对交叉口的车辆排队长度进行研究.将离散的驶入交叉口的车辆数和驶离交叉口的车辆数与时间拟合成车辆数-时间曲线,通过建立起始修正时间用于修正车辆通过交叉口上游到交叉口之间的行驶时间,并建立速度-距离模型分析车辆行驶状态推导起始修正时间的计算方法,最后通过微积分方法推导出交叉口车辆排队长度的计算方法.采取了长春市红旗街与湖西路交叉口的交通数据为例,对该方法进行试验验证.结果表明:该方法数据采集方便,设施布设简单,便于大规模应用;在16个时间点中,有14个时间点的排队长度相对误差E小于6%,可见计算较为准确,可以作为交叉口车辆排队长度的测量方法.     

基于多传感器信息融合的车速估计方法

准确地测量计算车辆的纵横向速度是现代汽车控制系统的关键,在横摆角速度传感器、加速度计和车轮角速度传感器等多种汽车传感器所测得的信号基础上建立估计系统的状态方程和测量方程,通过汽车动力学模型计算出车辆的纵横向参考速度,最后用卡尔曼滤波技术对车速进行估计.并对参考车速误差的影响进行分析.仿真结果表明该方法估计效果好,误差小,具有可靠性和有效性.     

基于改进粒子滤波算法的车速估计

针对基于粒子滤波算法设计的车速估计器因提议分布与实际分布不一致导致粒子退化使估计误差变大的问题,提出了一种通过修正提议分布减弱粒子退化影响的改进粒子滤波车速估计器。首先,基于车辆运动学模型和传感器特性建立系统的状态转移方程和观测方程。然后,利用传感器测量值与粒子状态值的差值设计提议分布修正项对状态转移方程进行修正,并对过程噪声做自适应处理。最后,利用CarSim-Simulink联合仿真平台在双移线工况和正弦转角输入工况下进行仿真验证。与自适应粒子滤波器相比,双移线工况下改进粒子滤波估计器产生的纵向速度估计值和侧向速度估计值的平均绝对误差分别减小了40.25%和55.71%;正弦转角输入工况下,改进粒子滤波估计器产生的纵向速度估计值和侧向速度估计值的平均绝对误差分别减小了47.00%和41.21%。     

基于类排队长度的交通干线模糊控制方法研究

针对交通干线模糊控制器输入的需要,提出了类排队长度的概念,利用其反映交叉口当前的拥挤程度和交通需求,结合交通干线上相邻交叉口对本交叉口的输入,动态反映出未来一段时间交叉口的交通需求,据此制定模糊控制规则,完成交通干线的模糊协调控制。并对这种模糊控制方法进行了计算机仿真,通过与交通干线定时控制方法的比对证明了所述方法的可行性和有效性。     

基于视频的车辆速度估计方法

提出了一种基于视频流的车辆速度估计方法.该方法首先使用光流分析得到车辆移动特征点,进而计算车辆运动矢量.然后通过对车辆运动矢量的统计得到运动矢量直方图,运动矢量直方图即可反映车辆运动速度的大小和方向.在建立车速估计函数的基础上,给出了算法的实现过程.实验结果表明该估计算法具有稳定性,是一种车速估计的有效方法.     

车道被占用时车辆排队长度的数学模型

本文建立了车道被占用后,车辆排队长度的积分方程模型。在具体求解时,将其转化为一阶初值问题,利用显式的Euler格式迭代计算。根据2013年全国大学生数学建模竞赛A题中提供的道路行驶视频[1],采集相关数据后,进行了实际计算,并对模型进行了稳定性检验。得到了如下结论:在车道被占用后,按照"各行其道"的交通行驶规则将比"见缝插针"行驶减少一半的排队时间。     

基于集成学习的信号控制交叉口排队长度估计

基于电子警察(LPR)数据和网联车辆轨迹数据,提出了一种基于集成学习的信号控制交叉口排队长度估计方法。通过分析不同数据条件下估计方法的适用条件和精度水平,运用随机森林方法设计集成学习器,并构建电子警察和网联车辆轨迹感知信息及不同方法估计结果和真实排队长度之间的非线性映射关系。仿真结果表明：本方法的平均绝对误差为1.3 m·周期^-1·车道^-1,平均绝对百分比误差为1.4%。     

一种网络攻击下网联自动车的改进换道模型

网联自动车被认为可以提升交通效率、保证行车安全并节约能源,但是由于无线通信系统的开放性,网联自动车很容易受到网络攻击的威胁。现有的研究主要集中于网络攻击的种类及过程,并评估该攻击对车辆纵向行为的影响。本文旨在研究网络攻击对车辆横向行为的影响,即对网络攻击下的换道行为进行研究。通过对经典的跟驰模型智能驾驶员模型（Intelligent Driver Model, IDM）和经典的换道模型最小化换道总制动模型（Minimizing Overall Braking Induced by Lane changes, MOBIL）进行改进,提出了一种扩展换道模型（Extended Lane-Changing model, ELC）,来对网络攻击影响下的车辆换道行为进行建模分析。最后通过仿真实验,说明了不同的恶意网络攻击对车辆换道行为的影响。结果表明,网络攻击会显著影响车辆的换道决策,并导致异常驾驶行为。     

考虑网联汽车信息安全的交通流短时预测方法

针对智能网联汽车因网络攻击或干扰造成的信息安全及数据缺失问题,提出一种基于数据补全的交通流状态短时预测方法。首先,基于边缘计算任务卸载模型,对智能网联汽车V2X通信过程的异常数据动态辨识;其次,提出一种具有数据补全机制的图嵌入长短期神经网络模型,实现网联汽车缺失数据补全;再次,通过补全后的完整数据集构建神经网络模型,完成短时交通流状态预测;最后,选取北京市典型路段进行实验验证。结果表明,该模型应用后交通流状态短时预测效果显著提高,与其他方法相比预测误差最大降低87.4%,预测效果与实际交通流状态相比准确率达到95％,为智能网联环境下车辆信息安全与交通资源动态优化提供理论支持和技术方案。     

一种数码相机的等效焦距测试方法

给出了一种焦距测试方法,用于测量数码相机电荷藕合器件（CCD）与传统光学相机相等效的焦距。分析数码相机CCD的设计特点,指出其在使用光学成像公式计算焦距时遇到的问题。设计两种测量CCD等效焦距的实验方法,分别利用物像距离与物像长度的比例关系和平行双目成像原理,得到与CCD焦距极值对应的等效焦距。由此计算等效焦距的换算比例,最终得出该数码相机所照任意一张照片的等效焦距。实验结果验证了数码相机生产厂所给出的CCD规格说明,表明该方法可以在一定的测量精度要求下,快速有效地标定数码相机焦距。     

气垫车辆土壤参数估值算法

针对气垫车辆具有附加的垂向力控制自由度的特点,提出了基于g函数和扩展卡尔曼滤波器（EKF）联合算法的土壤参数估值方案.g函数通过解耦土壤参数解决了多解问题,EKF通过减小测量不确定度提高了估值准确性.通过不同噪声水平下算法准确性和大噪声重复实验下算法稳定性的实验表明：g-EKF联合算法在各种噪声水平下具有应用鲁棒性,特别是在大噪声工况下,其估值准确性、精确性和稳定性具有明显优势.     

面向无人驾驶的行人三维姿态估计方法

实时、高精度的行人三维姿态估计可有效提升无人驾驶汽车智能化水平。在Open Pose深度学习基础上,提取人体2D关节点,通过建立简化人体躯干数学模型来计算躯干空间位置和姿态,并以单个肢体为对象,通过分层式优化计算求解人体四肢关节角,进而确定人体3D姿态。主、客观实验测试结果表明,行人各关节空间位置平均误差低于78 mm,算法平均处理时间每帧低于52 ms。     

智能网联汽车多目标预测优化换道决策方法

换道决策是智能网联汽车的核心难题之一,其面临着高动态、复杂交通场景下需要综合考虑行驶安全及效率等目标的巨大挑战。提出一种多目标预测优化的换道决策方法,主要包括动力学矩阵建模及多目标预测优化问题解算。基于智能网联汽车的通讯大数据信息构建交通流矩阵模型,然后分别设计表征车辆换道安全、行驶效率的动力学模型,通过多目标综合预测优化方法,求解条件约束下预测优化问题从而优化出最优换道决策指令。结果表明,所提出的预测优化换道方法较其他方法提高了智能汽车的行驶安全性和效率。     

考虑进出口匝道排队约束的城市快速道路交通系统动态控制方法

城市快速道路进口匝道的超长排队对地面道路交通所造成的障碍影响,以及因出口匝道的车辆排队,而产生的主线交通自然阻塞已成为不可忽视的交通问题。以线性规划方法为基础,提出同时考虑进出口匝道排队约束、主线通行能力约束以及行驶速度约束的城市快速道路流入交通的动态控制手法,探讨在流入交通需求和路网上交通状态实时变化条件下,各约束条件对流入控制解的影响,通过简单的算例,对控制模型的有效性和基本性质加以分析。     

平均排队长度差最小的单交叉口在线Q学习模型

建立了以平均排队长度差最小为优化目标的在线Q学习模型．针对控制性能指标相对于临近的配时方案不敏感的特点,提出了以平均排队长度差作为基本单位重新构造奖励函数,目的是拉大各行为对应的Q值差距,提高模型的收敛速度和鲁棒性．集成ExcelVBA、Vissim、Matlab建立了在线仿真平台,作为计算环境对模型进行了计算．利用GPS数据对Vissim软件中车辆加减速度曲线进行了标定．计算结果表明以平均排队长度差作为优化目标能够优化整个交叉口的时空资源,本文建立的在线Q学习模型具有较快的收敛速度和鲁棒性,通过学习能够实现优化目标．