城市级红绿灯信息开放服务车路协同系统研究

提出了通过直连通信或蜂窝通信实现城市级红绿灯信息开放服务的车路协同系统,从信息获取、信息通信、信息处理及信息应用4个关键技术环节重点分析了该系统的构建与实施,并针对不同的应用方向或场景提出相应的解决方案,深入探讨了这些技术和方案在提升交通效率、降低成本和增强道路安全性方面的应用潜力,同时提出跨城市红绿灯信息开放服务架构,对于车路协同技术的进一步发展具有参考价值,对于城市级智能交通系统的未来建设具有指导意义。

智慧公路建设中的车辆协同定位技术研究与应用

随着城市化进程的加速和交通需求的不断增长,智慧公路建设成为解决现代交通挑战的重要手段。旨在深入研究智慧公路建设中的车辆协同定位技术,通过车辆之间的通信与信息共享,实现高精度的位置定位,从而提升高速公路通行效率和安全性。首先介绍了智慧公路建设背景和协同定位技术的重要性,随后分析了协同定位技术的原理、应用场景以及相关挑战。

基于人车路协同的智能交通出行信息服务系统

近年来,智能交通信息服务受到广泛的关注,针对数据实时性和准确性差、信息交互共享难问题,设计了一种人车路协同的智能交通出行信息服务系统,形成人车路智能协同的工作环境。为解决智能交通结构化多源信息融合,提出了一种由卡尔曼(Kalman)滤波和D⁃S(Dempster/Shafer)证据理论两种信息融合模型——KD⁃SF模型,发现采用KD⁃SF模型信息融合结果与GPS车载采集实际测试数据近似相同,信息融合更精确。通过系统应用验证表明,人车路协同系统与交通服务信息融合后,在高峰时段公交线路平均运行车速明显提升,乘客平均候车时间明显缩短,提高城市公共交通运行效率。

基于局部自组网的路况信息可靠共享模型

车联网中车辆节点数量较多,使得以车联网为载体的路况信息共享网络的共享确认时延较高,车辆节点分布范围较广,导致共享的路况信息不能得到有效验证。提出了一种基于局部自组网的路况信息可靠共享模型。首先,模型对发起共享的注册车辆进行检测;其次,路侧单元根据共享发起车辆与其他车辆之间的欧氏距离选择车辆节点形成局部自组网;然后,局部自组网内的车辆节点使用改进后的PBFT算法进行共识;最后,模型根据共识结果更新车辆信誉值。通过设置多种场景的仿真实验并进行对比分析,结果表明所提出的共享模型能够有效提高路况信息的验证成功次数,减少参加共识的节点数量,降低确认时延,实现路况信息的可靠共享。

基于交通信号灯信息的混合动力汽车节能预测控制方法

针对传统混合动力汽车控制方法不考虑已知道路交通信号灯信息对车辆能量管理影响的问题,提出了基于交通信号灯信息的混合动力汽车节能预测控制智能优化策略。通过建立混合动力汽车系统的简化模型,并采用连续广义最小残量方法求解模型预测控制问题。运用MATLAB/Simulink进行仿真,仿真结果验证了交通信号灯信息模型的有效性,以及所设计的模型预测控制算法大幅度提高混合动力汽车的燃油经济性的能力和实时控制性能。研究结果表明所提出的控制策略可以实现车辆行驶轨迹的优化控制,显著提高了车辆的燃油经济性,并满足系统的实时最优控制要求。

一种新的夜间交通流量检测方法

针对夜间交通监控面临的亮度不足、能见度不佳与光线反射干扰等,造成视频车辆检测器不能全天候准确检测的问题,提出一种基于车灯亮度、颜色、形状、位置、纹理等运动信息的夜间车辆检测系统.先找出可能为车灯的亮点,然后再判断属于同一车的可能性,并进行车灯配对,最后针对路面上碰触虚拟检测线的一对亮点进行计数.实验结果表明,本方法的平均准确率在96%以上,具有检测率高、鲁棒性强的特点,能够满足城市道路及高速公路的实时检测需求.

基于交通信号灯信息的车联网应用与系统架构

车联网是推动信息通信、汽车、交通等行业深度融合发展的有力支撑。当前各地车联网应用场景示范验证丰富多样,而围绕交通信号灯信息的车联网应用场景具有建设成本相对低、服务范围相对广、应用效果相对突出的特点,受到产业界诸多关注。首先分析了国内外车联网产业需求与发展现状,提出围绕交通信号灯信息的车联网应用场景是快速培育用户使用习惯,实现车联网应用价值闭环的重要切入点。进而针对基于交通信号灯信息的车联网应用进行场景分析和实现研究。在此基础上,创新性地提出了基于交通信号灯信息的车联网系统最小架构,并对该系统的关键技术进行进一步分析,为后续基于该系统架构进行应用场景的规模化部署提供重要参考。

一种基于YOLO深度学习架构的路口交通灯信息车辆间共享方法研究

公交车作为城市交通的重要组成部分,由于其高度明显高于多数车辆,在行驶过程中极易对后方车辆驾驶者观察交通灯的视线造成遮挡.这种遮挡容易造成后方车辆在路口盲目跟随公交车从而导致违规驾驶、车辆追尾等后果.为了解决驾驶视线遮挡问题,文章构建了一种基于YOLO深度学习架构的路口交通灯信息车辆间共享系统,该系统通过摄像设备对路况影像数据进行收集,运用图像预处理手段提高图像的质量,运用基于深度学习架构的目标检测模型对路况影像中是否包含交通灯及交通灯的状态进行实时识别,并将识别结果实时显示在电子屏幕上,从而对后方及周围车辆驾驶者进行提醒,以达到信息共享的目的.为了降低系统对于计算资源的需求,在基于YOLO V3的交通灯识别模型的基础上又开发了基于YOLO Lite的轻量化模型,该模型可以较流畅地运行于CPUi5-750之上.基于实际路况数据在开发板上对系统表现进行了实验验证,证明了此方案的可行性.