网联自动驾驶货车编队规划与控制研究综述

物流运输联盟内开展货车编队运行,有望成为未来物流运输降低运营成本的新形态。本文以网联自动驾驶货车编队规划与控制为研究对象,通过文献检索来分析网联自动驾驶货车编队的关键技术与研究现状。从市场应用角度,分析目前实现货车编队市场应用面临的挑战,以及相关利益方之间的成本分配问题。从技术方法视角,围绕网联自动驾驶编队规划与运作控制问题,解读相关技术内涵与实现方法。通过评述网联自动驾驶编队技术研究现状,总结该领域未来研究方向,旨在为研究者掌握该方向发展脉络提供参考。     

结合神经网络和数据融合技术的城市路段速度估计*

大部分基于浮动车GPS数据的速度估计模型仅适用于GPS数据采样时间间隔小、样本量空间分布密集的理想情况,无法准确计算样本量不足情况下的实时速度.根据浮动车GPS数据点在空间上的分布情况,提出组合三种速度估计模型,以最大限度地提高GPS数据利用率;考虑到GPS数据点在时间上分布不均,在GPS数据不足的情况下,结合神经网络预测和数据融合的技术,根据误差方差融合速度估计模型的测量值和神经网络拟合的预测值,以减少实时估计误差.选择广州市东风路作为测试实例,在高峰和平峰两种交通场景下比较了融合值、测量值和预测值的误差,结果表明结合神经网络和数据融合技术的城市路段速度估计精度和稳定性均优于速度估计模型.     

自动驾驶出租车动态合乘效益仿真分析

自动驾驶出租车共享出行是未来变革性的智能交通方式,它将带来前所未有的社会效益。共享订单数(合乘人数)是影响出行时间、费用、舒适度和运营成本的关键参数,然而鲜有研究对共享人数上限进行分析。为此,文中基于多人共享的路径规划方法,建立了一个自动驾驶出租车动态合乘的仿真系统。该系统由"搜索""调度""等待"3个模型组成,在变化乘车需求的情况下,对共享人数上限进行了探讨。在深圳市南山区41.25 km²的路网上仿真不同共享人数上限和出行需求情况下的效益,结果表明,共享模式极大地提高了出行成功率(达到了20%)并降低了总耗时(降低到原来的3%～23%)。当共享人数上限达到一定值时,合乘效益逐渐收敛。在出行需求较高的情况下(人车比率大于5),共享人数上限设为3～4人时,合乘效益得到最大优化。实验结果充分说明了多乘客共享出行能够缓解当下"打车难"的问题,且随着出行需求的增加,自动驾驶共享模式相比传统非共享模式具有更强的鲁棒性。     

自动驾驶出租车调度系统研究综述

人工智能和大数据科学的发展带来了新一代产业革命。基于人工智能、大数据、车联网等技术的自动驾驶出租车调度系统将成为下一代交通系统的重要组成部分。文中从车联网环境下的自动驾驶调度系统的数学建模问题和系统构建两个方面对现有的文献进行了梳理和讨论。针对乘客出行需求的动态不确定性的共享问题,着重讨论了自动驾驶出租车在不同路径共享模式下的路径规划,以及共享合乘定价和智能调度系统构建的关键技术。最后,总结了自动驾驶出租车在解决交通拥堵和减少资源浪费方面的优势,并指出了自动驾驶出租车系统的技术难点和发展趋势。     

时空图注意力网络在交叉口车辆轨迹预测的应用

随着人工智能和大数据技术的快速发展,以深度学习为代表的自动驾驶轨迹预测是未来的热点研究方向.在混合交通场景下,如何准确地预测机动车与非机动车的轨迹,是实现自动驾驶技术中安全行驶和高效轨迹规划等问题的前提.针对交叉路口中不同运动对象之间发生交互时的轨迹预测问题,提出了基于图注意力网络的建模方案.所采用的模型结合了时间与空...