基于动作条件交互的高效行人过街意图预测

城市化的进程不断加速,人车冲突问题已成为现代社会亟待解决的重大难题。复杂交通场景下,行人横穿马路行为导致交通事故频发,准确、实时地预测行人过街意图对避免人车冲突、提高驾驶安全系数和保障行人安全至关重要。本文提出基于动作条件交互的高效行人过街意图预测框架(efficient action-conditioned interaction pedestrian crossing intention anticipation framework,EAIPF)来预测行人过街意图。EAIPF引入行人动作编码模块增强多模态动作模式下的表征能力,挖掘深层骨架上下文信息。同时,引入场景对象交互模块挖掘与对象交互信息,理解交通场景中高级语义线索。最后,意图预测模块融合行人动作特征和对象交互特征,实现行人过街意图的鲁棒预测。所提出的方法在两个公共数据集JAAD和PIE上验证算法性能,准确率分别达到了89%和90%,表明本文方法可以在复杂交通场景下准确预测行人穿越意图。

基于虚拟网关的交通基础设施监测点位数据接入方法

针对交通基础设施点位监测数据来源多样、结构各异、协议不一的特点,分析具体接入需求,提出一种基于Netty架构的交通基础设施监测点位数据接入虚拟网关。阐述网关接入监测点位的配置方法及集群分配策略,定义超文本传输协议(HTTP)、传输控制协议(TCP)、用户数据报协议(UDP)下的数据传输格式,设计一种数据传输消息的编码和校验机制。在真实监测数据样本增强的基础上,利用分布式消息模拟工具对虚拟网关性能进行测试,结果表明,该虚拟网关实现了多点位多协议的交通基础设施监测数据统一接入,每亿条数据接入时间、存储时间分别达到8.14 s和9.75 s,平均数据溯源时间为2.96 s,具有亿级规模点位监测数据的接入能力,可为交通基础设施数字化监测的研究和应用提供理论支撑。

考虑载客状态的改进孤立森林浮动车异常数据检测算法

为提高浮动车数据中异常数据检测能力及不同载客状态下的模型检测分析能力,提出基于S-DTA-IIForest(Summation&Difference Third Order Average&Improvement-Isolation Forest)的浮动车数据异常检测算法。构建由相邻两项求和(S)、三阶求和平均差分(DTA)的二维度空间SDTA特征向量;提出差额累计更新和动态区分辨识的改进孤立森林IIForest算法,通过设置停止阈值参数,避免当出现新样本异常值分数大于停止阈值时,仅更新样本不更新孤立森林模型的问题,设计每个二叉树区分辨识度参数,区分辨识度位于停止区间时停止二叉树生长,提高算法收敛性能,以ROC(Receiver Operating Characteristic)曲线下面积AUC(Area Under ROC Cure)、F1-score为指标对模型精度进行对比分析,并以重庆市中心城区学府大道开展实例验证。结果表明:本文S-DTA-IIForest组合算法AUC、F1-score分别为86.63%、0.89,AUC较传统孤立森林IForest(Isolation Forest)提高32.4%,运行效率提高1.29%,具有收敛速度更快、精度更高的优势,载客条件下模型AUC、F1-score较未载客分别提高7.7%、10.8%,组合算法对载客数据有更高的检测精度,且未载客状态数据异常率较载客状态增加71.4%,未载客数据异常率更高。

基于MaxViT和改进几何特征点法的车载单目视觉测速方法研究

车载视觉测速技术作为自动驾驶车辆组合测速技术的重要组成,具有硬件成本低、算法拓展性强、低速下测量准确等特点,应用前景广阔。为进一步提高视觉测速算法在各类工况下的精度和鲁棒性,将几何特征点法在特征点充足时测速精度高和深度学习方法在多场景下测速稳定的优势进行结合,提出一种基于MaxViT和改进几何特征点法的车载单目视觉测速算法。该算法构建基于双输入MaxViT网络和改进几何特征点法的双通道,并行处理车载前视相机获取的连续3帧输入图像序列,滚动估计车辆当前速度,其中双输入MaxViT网络差异化提取图像不同区域的光流特征,估计当前速度所在的置信度为90%的速度区间,改进特征点法基于特征点运动计算当前速度估计值。当速度估计值落在双输入MaxViT网络估计的速度区间时,以该估计值作为实时车速测量值,否则以速度区间中值作为实时车速测量值。当算法迭代运行多帧后,将速度区间中值作为本帧速度输出以减小累积误差。使用6个车速小于40 km/h且包括加减速等工况与直弯道等场景的自建数据集进行实验验证,以理论测速精度0.1 m/s的GPS速度信号为参考速度,本文方法平均相对测速误差少于1.37%,最大相对测速误差少于6.13%。实验结果表明,提出的新方法有效提高了车载视觉测速精度与鲁棒性,可为多元车载视觉测速方法融合提供理论支撑。

激光雷达和相机的决策级融合目标检测方法

【目的】激光雷达与相机这两类传感器检测数据格式不统一、分辨率不同,且数据级和特征级的融合计算复杂度高,故提出一种决策级的目标融合检测方法。【方法】对激光雷达与相机的安装位置进行联合标定,实现这两类传感器检测结果的坐标系转换;利用匈牙利算法将激光雷达点云检测目标框和相机图像检测目标框进行匹配,设定目标框重合面积阈值,检测获得目标物的位置、类型等。【结果】实车测试结果表明,根据检测目标检测框长宽比选取不同交并比阈值的方法使得车辆和行人的目标识别准确率分别提升了3.3%和5.3%。利用公开数据集KITTI对所提融合方法进行验证,结果表明,在3种不同难度等级场景下,所提融合方法的检测精度分别达到了75.42%、69.71%、63.71%,与现有常用的融合方法相比,检测精度均有所提升。【结论】这两类传感器的检测目标框重合面积阈值对决策级融合检测结果影响较大,根据检测目标检测框长宽比选取不同阈值可有效提升车辆和行人的目标识别准确率。决策级融合方法能准确匹配雷达和相机的检测目标,有效提升目标检测精度。

道路环境与驾驶行为数据同步采集系统研发

高精度、可移植、多维度的在途车辆及其周边驾驶环境数据在L3级及以上自动驾驶汽车场景库测试、不良驾驶行为谱构建以及在途实时交通管控等领域有至关重要的作用,由单一传感器构成的数据采集系统在精度、维度上都受到了较大限制,导致其可靠度较低;为实现多类数据传感器协同一体化,研发了一款包含激光雷达、车载运动测量与组合定位、车载踏板与方向盘位移传感器和雷视道路多维感知一体机的多模块道路环境数据与驾驶行为同步采集系统,支持多项交通数据采集任务的并行处理,融合了用户的真实驾驶行为,并基于该系统设计了依维柯某车型的数据实车采集平台;该系统由上位机与下位机两个子系统构成,集成了多模块数据采集、储存、传输与标定等功能,且对各个模块完成了时间同步处理,适用于两客一危场景,并设计了易操作的上位机用户交互界面,对多模块数据实现实时可视化,直观查看各时段数据的变化规律,具有较高的应用价值。

基于Transformer模型的车辆轨迹预测

准确预测车辆轨迹可以保障自动驾驶车辆行驶安全,针对已有方法对长序列轨迹建模预测能力有限的问题,本文提出一种基于Transformer网络的车辆轨迹预测模型。将车辆的运动数据与交互数据输入驾驶意图预测模块生成概率意图向量,通过Concatenate函数与轨迹信息拼接后输入轨迹预测编码器,利用多头注意力机制充分提取轨迹特征,经解码器得到未来时刻的车辆轨迹分布。在车辆轨迹真实数据集NGSIM上进行验证,结果表明:在2 s预判时间下,驾驶意图预测模块准确率可达到85%以上;在4 s的预测时域下,轨迹预测模型相较于已有模型,其RMSE降低均达到10%以上。本文提出方法为自动驾驶车辆准确预测轨迹提供技术支持。

面向城市道路的智能网联汽车多车道轨迹优化方法

为提高城市路网下智能网联汽车的通行效率以及燃油效率,提出面向城市道路的多车道时空轨迹优化方法。首先,结合多车道时空位置关系定义智能网联汽车状态与约束,综合考虑通行效率与燃油经济性构建时空轨迹复合优化模型,并采用庞特里亚金极大值算法进行求解。然后,本文设定协同换道的规则,并通过Q-learning算法获取最优的换道策略。最后,通过SUMO/Python联合仿真验证了该方法可以在不同车辆饱和程度、绿信比状态及最低通行速度条件下有效提高通行效率,且燃油效率得到明显改善。

网联车辆编队的信号灯路口通行控制策略

为提高信号灯路口场景下车辆编队的安全性和通行效率,提出V2X环境下网联车辆编队的信号灯路口通行控制策略。在信号灯路口上游设置一段控制区,以车辆编队领航车在信号灯路口排队疏散后到达信号灯路口为目标,对进入控制区的车辆编队速度进行优化。考虑速度变化对车辆编队纵向安全距离的影响,引入分布式模型预测控制理论,建立固定跟车时距控制策略下编队车辆的速度跟随控制模型,并采用加权二次型性能泛函将速度跟随控制问题转化为易于在线求解的凸二次规划问题。通过PreScan/Simulink软件仿真将信号灯路口通行控制策略与固定跟车时距控制策略进行对比,以验证速度跟随控制模型的有效性,结果表明:信号灯路口通行控制策略能够避免车辆间碰撞冲突,并可以减少编队车辆在信号灯路口的通行耗时,在保证安全性的同时提高了通行效率。

基于车辆轨迹预测对抗性攻击与鲁棒性研究

针对常规车辆轨迹预测数据集中较少包含极端交通场景信息的问题,本文提出一种新型对抗性攻击框架来模拟此类场景。首先,为了判定不同场景中对抗性攻击是否有效提出了一种阈值判定的方式;然后,针对攻击目的的不同分别设计了两种对抗性轨迹生成算法,在遵守物理约束和隐蔽性前提下,生成更具对抗性的轨迹样本;此外,提出3个新的评价指标全面评估攻击效果;最后,探究了不同的防御策略来减轻对抗攻击影响。实验结果显示,基于扰动阈值的快速攻击算法(attack algorithm based on perturbation threshold for fast attack,PTFA)和基于动态学习率调整的攻击算法(attack algorithm based on dynamic learning rate adjustment,DLRA)在NGSIM数据集上的攻击时间和扰动效果均优于现有算法,更高效发现模型弱点。本研究通过模拟极端情况丰富了轨迹样本,深入评估了模型鲁棒性,为后续优化奠定了基础。

一种车辆GPS轨迹数据的改进地图匹配算法

文中提出一种车辆GPS轨迹数据的改进地图匹配算法.以车辆GPS轨迹数据进行隐马尔可夫模型动态地图匹配后的缓冲区内候选路径为初始群体,以遗传算法中的改进的适应度函数为基准进行半交叉迭代,选择车辆轨迹更优的匹配路径;设计了改进地图匹配方法的算法流程;利用微软亚洲团队的GeoLift轨迹数据集验证了改进方法的有效性.

面向物流需求场景的智慧公路功能设计

推动智慧公路建设是提升交通安全与服务水平、提高通行效率的重要手段之一。本文梳理了中国智慧公路功能设计方面的研究现状,分类汇总了中国智慧公路现有功能及相关应用案例。同时,基于高速公路和城市道路的行车、停车场景以及政府行业监管需求,总结了中国公路物流行业运营痛点和需求场景,提出了面向物流场景需求的智慧公路功能设计思路,为中国智慧公路建设提供了新的理论参考和设计思路。

基于粒子滤波的智能网联混合交通流状态估计

面向智能网联车辆和普通人工驾驶车辆共存的混合交通流环境,采用粒子滤波算法对城市快速路路段进行宏观交通流参数的估计,从而实现对城市快速路智能网联混合交通流状态的估计。以二阶宏观交通流模型为基础,结合混合交通流模型,构建粒子滤波交通流状态估计的状态-空间模型,并通过Matlab和SUMO仿真软件测定粒子滤波对混合交通流的状态估计效果,通过计算分析,发现粒子滤波状态估计模型对交通流状态波动有较好的追踪能力,性能上优于扩展卡尔曼滤波方法。

公路建设物联网集成管控平台关键技术研究

依托宁芜高速等一系列建设项目,针对企业级智慧工地集成平台建设过程中,系统分级、系统架构、网路架构、系统边界、数据传输标准和多级用户业务功能等关键内容进行了设计与研究,为交通基础设施建设过程中物联网、GIS等工程数字化技术的应用和推广积累了经验与知识,为类似集成平台相关的设计、开发与建设提供参考。

三维场景下高速公路事件检测摄像机布设探讨

由于智慧高速上交通事件检测设施的布设较传统做法更密集,其布设需考虑高速公路的平纵线形、公路沿线布设的交通标志牌、上跨桥等对检测摄像机监控范围的影响。通过建立反映高速公路设计和其沿线设施布置的三维模型和摄像机在三维空间中的有效监控范围模型,在三维场景下分析交通事件视频检测摄像机的布设问题,以期为设计提供指导。

浅谈虚拟仿真技术在路基路面试验检测技术中的应用

虚拟仿真技术飞速发展,已在教育、工业、农业和医疗等许多领域都有相关运用。虚拟仿真实验应用虚拟现实和多媒体技术构建仿真实验环境,打破实验受场地、设备及实验时间等条件限制,对于传统的实验平台建设成本投入大,建设周期长,设备功能不能完全满足实际需求的弊端起到有效的补充作用。从长远来看,没有设备的折损折旧,可节约人力、物力、财力成本投入。将虚拟仿真技术应用于路基路面试验检测技术的实验教学中,丰富了教学手段,促进乐学善思、勇于创新综合能力的培养,符合“新工科”形势下对人才培育的要求。

智能网联汽车及技术的发展探究

互联网、大数据等信息技术的高速发展推动着汽车技术在智能化的道路上不断前行,政府也出台了相关政策促进汽车技术向智能化发展。在此背景下,汽车产业将迎来重大变革,也必将遇到诸多问题与挑战,因此,对智能网联汽车技术的发展进行深入探究,具有一定的现实意义。

外部干扰和随机DoS攻击下的网联车安全H∞队列控制

针对网联车队列系统易受到干扰和拒绝服务(Denial of service, DoS)攻击问题,提出一种外部干扰和随机DoS攻击作用下的网联车安全H∞队列控制方法.首先,采用马尔科夫随机过程,将网联车随机DoS攻击特性建模为一个随机通信拓扑切换模型,据此设计网联车安全队列控制协议.然后,采用线性矩阵不等式(Linear matrix inequality, LMI)技术计算安全队列控制器参数,并应用Lyapunov-Krasovskii稳定性理论,建立在外部扰动和随机DoS攻击下队列系统稳定性充分条件.在此基础上,分析得到该队列闭环系统的弦稳定性充分条件.最后,通过7辆车组成的队列系统对比仿真实验,验证该方法的优越性.

V2X环境下基于圆风险域的交通冲突识别模型

为提高快速路匝道区域合流冲突的识别精度,并缓解合流冲突提供决策依据,提出一种V2X(vehicle to everything)环境下基于圆风险域的交通冲突识别模型.通过V2X技术实时获取车辆位置和速度,以冲突风险时间为关键参数,分析主线车辆和匝道车辆的不同运动状态特性;引入风险域概念,结合车辆运动学,构建基于圆风险域冲突识别模型,进而通过两圆的位置关系表征两车之间的运动关系,实现交通冲突的识别;为细化冲突风险程度,采用累计频率曲线法判定冲突风险程度等级.仿真结果表明,采用冲突识别模型的识别率相比未采用时提高25.81%,说明该模型能有效识别匝道合流冲突,提高通行效率,并可为V2X环境下匝道合流车辆提供安全预警.

面向强制换道场景的智能网联汽车协同换道策略

智能网联汽车的协同换道技术已得到广泛研究,但现有协同换道策略难以解决强制换道场景下的车辆协同问题,或对上游交通造成的负面影响较大。本文旨在面向强制换道场景需求,提出一种考虑理论最小安全距离的两阶段协同换道策略。首先,提出了两车协同换道系统控制架构,并面向车辆强制换道场景制定了协同换道方案。随后,设计了间距调整、协同换道两阶段的滚动时域轨迹规划方法,并求解理论最小安全距离作为间距调整阶段末态约束,解决了现有研究间距策略保守的问题。最后,通过仿真与硬件在环试验验证了所提策略的有效性、优越性与计算实时性。结果表明,所提策略可有效提升换道成功率,在保障换道安全性的条件下降低了换道行为对交通的影响,且在实际边缘云平台的实时计算、通信环境下具备可用性。