基于数据驱动的快速路合流区加速车道长度的研究

设计长度合理的加速车道能有效地缓解快速路合流区频繁出现的交通瓶颈问题,因此采用数据驱动方法对快速路合流区的加速车道长度进行研究。利用无人机设备测取了快速路合流区的交通数据,从交通流特性及车辆汇入行为这两个角度对实测数据进行分析,得到了合流区车辆的驾驶行为;根据合流区交通流特点,对数据集进行聚类分析,使用生成对抗式网络训练不同合流区汇入行为车辆的跟驰换道模型,并与实测数据和SUMO仿真软件中内置模型进行对比分析;应用生成对抗式网络模型进行交通环境仿真,选取速度、交通密度、交通冲突率指标建立奖励评价函数,得出了加速车道长度设计的推荐值。研究结果表明:采用主线车辆提前减速和向内侧车道换道这两种手段,可实现协同换道避让匝道汇入的车辆;相比SUMO软件内置模型,生成对抗式网络模型更加贴近实际情况;仿真得出的单车道平行式加速车道长度分别在100、80、60 km/h情况下的推荐值为280、240、200 m。

不同风格驾驶员眼动特性分析——夜间快速路分流区

为提高驾驶员在夜间快速路分流区换道的安全性,以不同风格的驾驶员为研究对象,分析不同风格驾驶员换道时眼动参数的变化规律。首先在前人研究基础上自编夜间快速路驾驶风格量表,对量表进行信度和Pearson相关系数法的效度检验;然后通过主成分分析法对问卷调查法得出的结果进行分析,得出驾驶风格综合得分量化模型,并使用K均值聚类分析法划分驾驶风格;最后基于眼动仪进行实车试验,获取三种风格驾驶员换道的眼动数据。试验结果表明:谨慎型、一般型、激进型驾驶员对于后视镜平均注视次数占比为48%、27%、25%;对左右两侧的平均累计注视时间占比是31%、25%、19%;平均瞳孔面积占比为56.3%、27.6%、16.1%。试验结果可以为提高驾驶员换道的行车安全性研究提供一定的数据支持。

考虑智能网联车辆影响的八车道高速公路施工区可变限速控制方法

为提升车联网环境下高速公路施工区交通运行效率及安全水平,提出了一种基于强化学习的可变限速控制方法.选取智能驾驶模型和真车试验模型,分别对传统人工车辆和智能网联车辆的跟驰行为进行建模,构建了以瓶颈下游路段交通流量为效率指标、瓶颈路段速度标准差为安全指标的复合奖励值,利用深度确定性策略梯度算法,分车道动态求解最佳限速值.仿真结果表明,所提可变限速控制方法在不同智能网联车辆渗漏率条件下均能有效提升交通流运行效率和安全水平,且在智能网联车辆渗漏率较低时,提升效果更加显著.当智能网联车辆渗漏率为1.0时,瓶颈下游路段交通流量提升10.1%,瓶颈路段速度标准差均值下降68.9%;当智能网联车辆渗漏率为0时,瓶颈下游路段交通流量提升20.7%,瓶颈路段速度标准差均值下降78.1%.智能网联车辆的引入能够提升至多52.0%的瓶颈下游路段交通流量.

利用激光点云的智能网联汽车自主换道横向避障

通过智能网联汽车自主换道横向避障设计,提高车辆自主驾驶安全性能,提出基于激光点云的智能网联汽车自主换道横向避障方法,构建基于全激光雷达的无人驾驶系统的汽车行驶环境激光点云数据采集模型,通过激光雷达激光点云图像检测方法实现对智能网汽车行驶环境感知。结合障碍物检测、车道线检测、可行驶区域检测的方法,分析智能网联下汽车换道障碍物和车道的相关性特征量,通过激光点云的自主寻优方法寻找边界点直到搜索路径达到阈值,再结合直线道路模型和车道线连续性原则实现对汽车自主换道横向避障规划设计。仿真结果表明,采用该方法进行汽车自主环控避障,在5 s时达到收敛状态,障碍物坐标识别误差距离低于0.7,并且该方法的识别精度达到了0.970以上,提高了车道信息的感知能力,准确高效地估计可行驶区域,提高车辆避障能力。

智能汽车变道盲区影像对驾驶员认知负荷与安全性的影响

智能汽车变道盲区影像在为驾驶员提供更多环境信息的同时也可能增加驾驶员的认知负荷。针对这一问题,提出改进AttenD算法,建立认知负荷与驾驶员注视点分布的关系模型,对3种智能汽车品牌车辆开展实车路测实验,分析多种外部条件下驾驶员与不同变道盲区影像交互过程中注视特征、驾驶行为特征以及认知负荷的差异。结果表明,增大盲区影像面积、提高盲区影像面积占中控屏面积的比例、减少扫视路径冗余能降低变道过程中的认知负荷。

多车道高速合流区车辆换道识别及轨迹分析

为了提高多车道高速公路合流交织区交通安全,研究车辆换道轨迹特征并识别换道意图。首先,利用无人机采集目标区域为单向两条车道以上的高速公路合流区域车辆自然状态下运行轨迹视频,经Tracker运动学轨迹软件提取每条轨迹的时间和位置等信息,获取车辆行驶轨迹,累计获得自然驾驶轨迹数,并且根据车头时距、车速、加速度数据得到跟驰和换道片段,并对两类驾驶行为的时长和距离分布进行了分析,得到车辆换道轨迹片段数据。其次,结合车辆速度、加速度和变加速度,通过K-means++聚类将驾驶风格分为“常规型”、“激进型”和“保守型”3种,确定了用随机森林模型对不同风格的驾驶人轨迹进行了识别,进而选取基于XGBoost,LightGBM两者的Stacking融合模型对车辆换道意图进行了识别。最后,构建机器学习CNN-LSTM模型进行轨迹的预测模型。结果表明:采用K-means++将驾驶风格聚类为3类模型的综合效果最优,选定其聚类结果为轨迹片段驾驶风格标签值,随机森林的准确率较好,选用Stacking融合模型的准确率适用于驾驶轨迹识别,从换道轨迹的预测准确角度判定R2处于0.62水平,并且当时间窗为2 s时,模型对预测换道轨迹能做出较为准确的预测;研究实现了通过驾驶行为识别预测轨迹,为实现车辆的实时碰撞风险识别应用提供理论基础,同时可以优化自动驾驶车辆的行驶轨迹,提高高速公路入口复杂交通流状态下的安全性。

基于改进HybridNets的多任务驾驶感知方法

针对计算资源有限的自动驾驶系统和多任务驾驶感知算法精度低问题,提出了一种改进的HybridNets多任务驾驶感知算法。选择EfficientNetV2-S作为该算法的主干网络,降低参数数量,提高训练速度和识别准确率;结合深度可分离卷积并采用shuffle-channel方式卷积降低模型计算量;使用三个独立的解码器来解决不同难度的问题,并在主干网络与Neck端之间加入A2-Nets双重注意力机块,充分提取全局特征。与基础网络HybridNets相比,该模型在车辆检测任务中mAP50可达79.8%,提高了2.6%;可行驶区域分割任务中mIoU可达91.8%,提高了1.2%;车道线检测任务中IoU可达32.55%,提高了0.93%。运行速度达到38 FPS。实验结果表明,与现有方法相比,所提方法的准确率有较大提高。

10/100M自适应端口LANE业务的设计与实现

该文介绍了传统局域网接入ＡＴＭ网的实现方案，提出了一种具有本板交换功能的１０Ｍ／１００Ｍ自适应多端口的ＬＡＮＥ业务实现方案，并给出了软、硬件的设计实现。

基于YOLOP-L的多特征融合道路全景驾驶检测

目前,驾驶员视角下的交通图像检测技术成为交通领域的重要研究方向,同时提取车辆、道路、交通标志等多种特征已经成为驾驶员理解道路信息多样性的亟需任务。以往研究已在单类目标检测的特征提取方面取得了长足进步,然而,这些研究不能很好地联合应用于其他区别较大的特征检测任务中,且融合训练过程中会损失个别特征检测的精度。针对驾驶员视野范围内道路信息多样且复杂的特点,本文提出了一种基于多特征融合训练的检测模型YOLOP-L,它能够同时对多种不同特征交通目标进行融合训练,同时保证单项检测任务的精度。首先,为了解决特征融合中语义信息表达不完整的问题,设计的SP-LNet模块通过FPN与双向特征网络结合实现网络更深层次的融合,使得提取的信息更完整,从而提升道路小目标的检测性能;其次,设计新的分割头深度可分离卷积,将语义信息与局部特征融合促使多特征融合的训练准确度与速度得到进一步提升;再次,体系中设计的GDL-Focal多类混合损失函数更专注于困难样本,可用于解决样本特征不平衡的问题。最后,对比实验表明:YOLOP-L相比原YOLOP网络运行的速度更快;在车辆目标检测任务下召回率提升了2.2%;在车道线检测任务下准确率提升2.8%,车道线IoU的值较HybridNets网络下降2.45%,但较YOLOP-L网络提升1.95%;在可行驶区域分割任务下其整体检测性能提升1.1%。结果表明,在具有挑战性的BDD100K数据集上,YOLOP-L可以在复杂场景下有效解决检测精度不足和分割缺失的问题,提高了车辆识别、车道线检测以及道路行驶区域联合训练的准确性和鲁棒性。

多车道高速公路改扩建施工区客货分离交通组织方案研究

交通组织作为高速公路改扩建期间的重要环节,对于保障改扩建期间行驶安全、降低流量损失具有重要的作用,是平衡旅客与高速公路运营主体利益的重要方式。本研究以沈阳至海口国家高速公路龙山至火村段高速公路改扩建工程为依托,充分考虑大车型对通行能力的影响,针对改扩建期间施工作业区出现的两幅车流单向通行和一幅车流双向通行情况,以车道限制不同车型运行为条件,设计不同工况下的交通组织方案。利用VISSIM仿真软件对不同工况下的交通组织方案进行仿真研究,分析得到多车道高速公路改扩建施工作业区道路通行能力最优的交通组织方案。

巷道过陷落柱冒漏区支护优化应用

基于平泉煤矿153回风巷掘进期间受X4陷落柱影响,进入陷落柱区后顶板出现破碎冒漏现象,导致巷道顶板支护难度大、锚杆(索)支护失效严重以及围岩变形严重等技术难题,通过技术研究,对陷落柱区顶板及两帮支护进行合理优化,对顶板采取“双梁钢棚+迈步式组合锚索+走向锚索棚”联合支护措施,对帮部围岩提出了“穿帮锚索+水力膨胀锚杆”联合支护,通过实际应用效果来看,采取联合支护技术后,顶板及帮部变形速率及变形量明显降低,顶板最大下沉量为175 mm,两帮最大收敛量为240 mm,取得了显著应用成效。

黑山铁矿井下采场切割与回采过渡期损失贫化控制方法

针对黑山铁矿无底柱分段崩落法开采切割与回采过度期矿石损失贫化大的问题,分析了该时期盲区块产生及矿石损失贫化大的原因,认为下水平切割边壁对上水平布孔阻隔作用,生产中单方面考虑切割槽空间补偿作用而增大自由空间,忽略了切割边壁对上水平的后续影响,是造成扇形自由面失效形成盲区块的主要原因。由于大块主要聚集在放出体顶部,随着放矿的进行,大块提前到达眉线,不得不组织下一次爆破,导致二次矿量损失;同时,大块的存在导致其上部覆盖层小块废石沿着块体间空隙先到达出矿口,造成矿石贫化率较大。从消除盲区块与控制矿石损失贫化角度入手,根据上下水平切巷投影情况,明确了每种情况下的过渡关系,并根据上下两水平切割巷位置关系,提出了合理优化切割巷布孔参数及有效消除盲区块的矿石损失与贫化控制方法。通过现场实践,黑山铁矿井下采矿切割与回采过渡期矿石贫化率与损失率分别降低26.2%与29.3%,同时为类似条件矿山生产提供了借鉴。

动态公交专用道分区控制方法设计及适用性分析

针对公交专用道利用率较低的问题,提出了一种公交专用道路权动态分配策略,实现公交专用道精细化管理,提升道路通行效率。在公交优先的基础上,基于道路分区控制思想,将公交停靠站间道路划分成一定数量的清空区域,通过检测器获取当前通过车辆的类型,利用可变情报板提示公交专用道的使用状态,当检测到公交车时,可变情报板提示公交专用道对外关闭。反之,当公交车未使用专用道时,可变情报板将提示其对外开放。进一步通过数值仿真与模拟对不同清空区域长度、车辆饱和度及公交发车间隔组合条件下公交车辆和其他车辆运营效果进行对比分析,最终得到能取得最佳运营效果的清空区域长度、车辆饱和度及公交发车间隔组合条件。最后以兰州市BRT为例,采用C++与Vissim-COM进行了联合仿真试验,验证分区控制方法的有效性。结果表明:车辆饱和度大于0.4时,清空区域长度在50~200 m时,其他车辆车均明显降低,动态公交专用道分区控制运营效果良好;饱和度在0.4~0.6,清空间距100 m时,其他车辆受益较大,公交车所受影响较小,实行动态公交专用道分区控制策略综合运营效益最佳。该结论对于公交专用道分时段灵活使用具有一定的现实意义,为优化道路资源利用提供了重要的理论支撑与实践参考。

一级公路城镇化地区平面交叉设计问题的分析研究

公路沿线地块的开发程度高,对平交口的需求增大,但平交口密度的增加,会增加交通事故率。论文在综合交通安全和通行效率的前提下,研究了城镇化地区如何合理确定平面交叉间距、平交口合理渠化等问题,并结合案例进行具体分析。

微观轨迹信息驱动的Bi-LSTM合流区车速预测

为明确城市快速路合流区的微观速度特性,确保车辆在衔接段运行速度协调可控,使车辆安全运行。首先,基于无人机高空视频,从广域视角提取了典型多车道交织区全样本高精度车辆轨迹数据,分析车速的累积频率、分布趋势、特征百分位值等运行特性。然后,基于可有效捕捉前向历史速度数据的变化特征的LSTM模型,构建Bi-LSTM车速预测模型;考虑到人工设置训练参数对模型预测性能的影响较大、时间较长,提出基于遗传算法优化的Bi-LSTM速度预测模型(GA-BiLSTM)。最后,以R^(2)、Error Mean、Error StD、MSE、RMSE、NRMSE、秩相关rs这7类评价指标,建立多指标融合的评价方案。结果表明:GA-Bi-LSTM速度预测模型表现较优,拟合指标R^(2)、秩相关rs分别为0.9046、0.9495,误差指标Error Mean、Error StD、MSE、RMSE、NRMSE分别为0.0041、0.4470、0.1997、0.4469、0.0765。研究成果可为城市快速路的合流区车速调控提供理论依据。

基于动态行车安全间距的交织区换道模型

为模拟城市快速路交织区复杂换道决策行为,提升交织区运行安全性,基于微观车辆轨迹数据,构建考虑动态行车安全间距的交织区元胞自动机换道模型。首先,利用高空视频提取高峰时段交织区车辆换道间距信息,提出换道间距与换道次数关系式;然后,根据交织区不同车道换道差异,分别构建主线车道、集散车道换道行为模型;最后,采用流量、密度、换道类型等参数对模型进行评价。结果表明,相比经典换道概率分布模型,模型可更有效模拟交织区瓶颈现象和运行风险,反映真实换道需求,描述实际运行状态。

面向自动驾驶的多任务环境感知算法

为了解决复杂驾驶场景下目标检测精度较低而难以满足自动驾驶需求的问题,提出一种基于YOLOP的高效网络模型MEPNet。MEPNet可同时处理车辆检测、可行驶区域分割和车道线检测三项任务。首先,采用YOLOv7作为主体结构平衡精度与实时性;其次,设计了FRFB模块增大感受野,以增强网络的特征提取能力;并且提出在检测网络的头部添加小目标检测层,有效减轻车辆遮挡和重叠现象对识别结果的干扰;最后使用CARAFE作为上采样算子,精准定位的轮廓的同时更好地保留图片的语义信息。实验表明,该算法推理速度达到42.5 fps,对比基线YOLOP,车辆检测的mAP50和Recall分别提升了6.8%和6.3%,车道线检测的准确率和IoU分别提升了6%和1%,可行驶区域分割的mIoU达到92.5%,大幅度提升了性能,并且进一步设计了MEPNet-s,实现了四任务目标检测,亦满足自动驾驶所需的准确性和实时性。

基于换道时间分布的交通流随机微分方程

在总结随机交通流理论发展的基础上,提出考虑换道时间随机性的随机交通流动力学方程,给出包括换道行为的交通流方程数值解法.解法结合换道时间的密度分解和偏微分方程的差分求解,对快速路交织区车流速度在时空上的演变概率进行求解,得到交通流速度演变趋势的随机可能性,并表达为速度变化的概率密度.求解结果表明,交通流动力学随机微分方程及其数值解法能够描述复杂交通流的随机特性,速度概率密度函数弥补了其他交通流方程难以表达的车流速度随机特征,为深入研究拥堵工况的交通流演变规律提供了新研究手段,也为交通设施和交通控制设计提供了通行能力之类的参量在可靠性上的理论分析方法.

改进的多任务道路特征提取网络及权重优化

为应对自动驾驶在复杂道路环境下的挑战,提出了多项任务合作的需求。在自然语言处理及推荐算法领域,利用多任务学习网络已被证明可以减少多种任务耦合情况下的时间、算力及存储使用。由于多任务学习网络的这种特点,近年来也开始应用于基于视觉的道路特征提取方面。本文提出了一种结合FPN网络的解码器头结构,并将其应用于基于YOLOv4网络的多任务学习道路特征提取网络;通过研究多任务权重设置的影响对多任务网络算法进行优化,并在同类算法中验证了权重设置的有效性。在BDD-100K数据集上进行的试验结果表明,本文结构在保证实时性的同时精度也优于同类方法,本文方法为基于视觉的自动驾驶过程中车辆的自主道路感知及高精地图的生成提供了新思路与新方法。

基于驾驶人有限理性的交织区换道行为决策

为研究交织区域异质交通流的演变规律,采用对称指数移动平均滤波算法对车辆自然行驶轨迹数据进行了降噪处理,提取了车辆换道间距的分布情况,分析不同换道环境中驾驶人换道行为特征的差异性。通过综合考虑驾驶人决策行为的不确定性和主观偏好,建立了一种用于模拟有限理性决策心理的交织区元胞自动机动力学模型。首先,基于改进的前景理论引入驾驶人的换道偏好用以描述动态换道间距的感知程度。其次,针对交织区域的几何结构定义了交织车辆递增的换道心理,并构建了跟驰行为对前车的预估车速。最后,采用流量、密度、空间位置、换道分布等参数对模型进行综合评估。结果表明:在空间占有率相同的条件下,驾驶人有限理性动力学模型与传统模型相比,交织区域局部堵塞现象明显减少,局部小范围拥堵流能够快速产生相变;车辆的换道行为在交织区路段呈现正态分布特征,存在集群换道现象,当考虑驾驶人有限理性的决策心理,各车道的换道集中区域均不同程度地向上游移动;在空间占有率变化的情况下,路段通行能力和车辆行驶速度随着驾驶人冒险程度的增大而明显提升。驾驶人有限理性动力学模型能有效刻画驾驶人复杂的决策心理,重现更多的道路交通状态,进而为智能网联人车协同等相关研究提供参考。