考虑前车状态的智能网联车交叉口行为决策

为使智能网联汽车(intelligent connected vehicle,ICV)在复杂交通环境下高效、安全地通过信号交叉口,在车联网实时获取信号灯和前车状态信息的基础上,建立了智能网联汽车通过信号交叉口的驾驶行为决策框架.通过跟驰模型推导智能网联汽车和前方车辆在未来的行驶状态,预测得到前方车辆是否要通过交叉口的行为,进一步分别对智能网联汽车是领头车和跟随车时通过交叉口停止线的条件进行判断;将换道加入到驾驶方式中来寻求更高的通行效率,用基于换道时间模型的方法判断智能网联汽车换道后的通过条件;仿真对比分析了所提出模型和现有模型的决策能力,讨论了影响决策过程的关键因素.研究结果表明:相比于现有模型,综合信号灯和前车行驶意图的决策方法能够提高智能网联汽车对通行条件判断的准确性,从而进行更合理的行为选择,随着单位绿灯剩余时间的增加,车辆决策通过交叉口的概率可提高20%,当前车道的车辆位置对决策结果影响显著.

基于背景滤除和聚类的高速公路路侧激光雷达车辆检测

路侧激光雷达被用于采集道路上精细的交通数据,为了更高效提取车辆的位置信息,本文提出一种基于空间体素化的车辆可行驶区域提取和改进的DBSCAN聚类的车辆检测方法,以提高路侧激光雷达采集道路上精细交通数据的效率。具体而言,该方法通过使用三维ROI精确确定车辆可行驶区域,使用背景网格化的方法过滤背景区域雷达,并改进DBSCAN聚类方法,使其能够针对非均匀分布点云自适应选择相应的参数,实现对实时雷达点云的车辆检测。该方法通过真实路侧试验得到验证,具有更高的检测精度。