基于三车道模型的前方车辆检测方法

为提高智能车对多车道的实际道路车辆行驶环境的适应性,提出了一种基于三车道模型的车辆检测方法;方法在预处理的基础上利用极角及位置约束的Hough变换得到可能的车道线信息并利用消失点对车道线进行筛选;利用三车道四线模型对车道线进行匹配;对于每条车道,分别利用车辆灰度信息对车道线内车辆进行识别,并利用视频的连贯性对车辆识别结果进行修正并跟踪车辆;该算法通过对车道线的二次筛选,提高了三车道模型的准确率,进一步提高了对于不同车道车辆识别的正确率;实验结果表明,在结构化道路上,对于不同路况,算法均具有较好的实时性和鲁棒性。

混合交通流中自动驾驶车辆比例对交通效率的影响

在自动驾驶汽车实际行驶过程中,不可避免地会与手动驾驶汽车共同行驶,从而形成混合交通流。为了探究不同交通任务下自动驾驶汽车比例对混合交通流交通效率的影响,本研究在遵循右行左超车规则、两秒法则及交叉路口停车线理论的前提下,基于元胞自动机混合交通流模型,构建了单向三车道、城市双向T字形交叉口混合交通流模型,借助软件进行模拟分析。模拟试验结果表明,在简单路况下,交通效率与自动驾驶汽车的比例成正比,并且在安全车流密度范围内,影响程度与车流密度呈正相关;在复杂路况下,车流密度较小时,较大的自动驾驶汽车比例才能明显优化交通效率;车流密度较大时,自动驾驶汽车比例的增加反而会使交通效率劣化。因此,自动驾驶汽车的驾驶模式有待于进一步优化。