基于神经网络的车道偏移自动检测的研究

车道偏移是交通事故的主要因素之一。通过引入神经网络提出了一种应用机器视觉检测车道偏移的方法。首先通过图像处理从道路图像提取道路标志线。然后通过最小二乘法计算道路图像中道路标志线的参数。以道路图像中道路标志线的参数为输入,车道偏移参数为输出,建立神经网络进行车道偏移检测。实验结果表明误差小于0.5%,方差检验结果也表明人工测量和神经网络的结果无显著差异。新方法将有助于车道偏移自动检测技术的发展。

直线模型下的高速公路车道线检测方法研究

为了准确识别出高速公路图像中车道的标志边缘,结合道路图像特点,首先采用Sobel边缘算子对中值滤波后的道路图像进行增强,进而用Otsu算法将图像分割,在感兴趣区域运用基于像素的运算方法去除噪声,最后利用Hough变换进行拟合,识别出车道线。结果表明,对于2616×3488像元的道路图像,特征点与拟合直线的最大偏差为3.7263像元,能够准确识别出图像中的车道线,为智能汽车的安全预警提供了有益的探索。

公路平面交叉口右转专用车道计算方法

在综述国内外研究现状的基础上,对公路平交口右转专用车道的设置条件,设置方法进行了研究.通过对右转车辆转弯过程的微观解析,提出了信号交叉口及无信号交叉口偏置右转专用车道长度的计算方法,并通过分析无偏置条件下的非正常变道车辆对后续右转车流的影响,提出了无偏置右转车道的长度计算方法.

基于改进RepVGG网络的车道线检测算法

为提高自动驾驶系统中车道线检测的速度和精度,提出了基于可解耦训练状态与推理状态的车道线检测算法。在结构重参数化VGG(RepVGG)主干网络中引入注意力机制压缩-激励(SE)模块,增强对重要车道线信息的特征提取;同时设计并行可分离的辅助分割分支,对局部特征进行建模以提高检测精度。采用行方向位置分类车道线检测方式,在主干网络后加入逐行检测分支,减小计算量的同时实现对遮挡或缺损车道线的检测;设计偏移补偿分支,在水平方向上细化局部范围内预测的车道线位置坐标,以恢复车道细节。通过结构重参数化方法解耦训练状态模型,将多分支模型等价转换为单路模型,以提高推理状态模型的速度和精度。对比解耦前后的模型,本研究算法速度提高81%,模型规模减小11%。利用车道线检测数据集CULane对算法进行测试,与目前基于深度残差神经网络的车道线检测模型中检测速度最快的UFAST18算法相比,其检测速度提高19%,模型规模减小12%,评价指标F1-measure由68.4增长到70.2;本研究算法的检测速度是自注意力蒸馏(SAD)算法的4倍,空间卷积神经网络(SCNN)算法的40倍。通过城区实车实验测试,在拥挤、弯道、阴影等多种复杂场景下车道线检测结果准确稳定,常见场景下车道线漏检率在10%~20%之间。测试结果表明,结构重参数化方法有助于模型优化,提出的车道线检测算法能有效提高自动驾驶系统的车道线检测实时性和准确性。

双车道公路小半径曲线段横向加速度特性

为研究横向加速度在双车道公路小半径曲线段上的变化特性以及与横向偏移量的关系,运用驾驶模拟器进行小半径曲线段上车辆行驶的仿真实验,获得车辆的横向加速度与横向偏移量.针对双车道公路小半径曲线段横向力作用大的特点,对曲线段上的横向加速度变化特性进行分析,通过Matlab软件建立车辆横向加速度预测模型、横向加速度与横向偏移量相关性的数学模型.结果表明,随着车速的增加,横向加速度增大,在圆缓(YH)点附近横向加速度与横向偏移量达最大值,圆曲线段的横向加速度与横向偏移量成对数正相关关系.研究成果为评价双车道公路小半径曲线段行车安全性提供了理论支持.

驾驶模拟条件下高速公路线形指标对驾驶绩效影响特征分析

驾驶绩效是衡量驾驶员维持正常驾驶能力的重要指标。为研究高速公路平、纵线形指标对驾驶员行车过程中纵向和横向驾驶绩效的影响,利用模拟驾驶实验平台开展了模拟驾驶实验。按照几何线形对实验场景进行路段划分,统计分析了不同线形指标路段单元上车辆速度、车道偏移量等驾驶绩效指标的变化规律。实验结果表明,车辆运行速度随着平曲线半径增大而上升;下坡路段车速随着纵坡坡度的增大出现先上升后下降的小幅度变化;车辆横向偏移量随道路线形指标无明显变化规律,其变化受驾驶经验、车速、线形指标等多因素影响。这一研究可为高速公路人性化道路线形设计提供参考。

考虑超车可能性影响的跟车模型研究

为定量描述同向双车道中一条车道上前导车的横向偏移以及相邻车道行车状况对跟驰车的影响,建立考虑横向偏移和超车可能性的跟车模型。对不同行驶情况下超车可能性系数进行分类讨论和量化。通过线性稳定性理论分析了模型的稳定性条件,在开放性的边界条件下对不同参数下模型进行数值模拟。模拟结果显示,车流密度较小车速较大时,横向偏移系数越大超车可能性越大,对车流疏通有促进作用,反之,在车流密度较大车速较慢时,会加剧堵塞发生。模拟结果验证了模型的有效性,也能较客观反映现实中同向双车道上跟车状态。

双向八车道超级高速公路客车专用车道宽度研究

汽车性能的提升催生了高速公路提速的迫切需求,八车道高速公路的建设为超高速汽车行驶提供了客观基础。现设计了行驶速度140 km/h的三种宽度的八车道高速公路客车专用车道,分别为3.50 m、3.60 m与3.75 m。基于驾驶模拟实验数据,从通行效率、运行速度与车道保持能力三个方面,分析不同车道宽度下车辆的运行特征。研究结果表明,双向八车道高速公路客车专用车道的车道宽度采用3.50 m、3.60 m和3.75 m,均能满足车辆运行速度维持在140 km/h,通行效率与安全水平无显著差异。因此,三种车道宽度均能满足客车专用车道的要求。从节约用地的角度,推荐3.50 m的车道宽度。

双车道山区公路反向连续弯道危险区域研究

为定量分析双车道山区公路小半径反向连续弯道危险区域,以福州市森林公园至鼓岭道路的一个反向连续弯道为研究对象,采用路侧激光交通调查仪采集以小型车为主的交通流参数,并用摄像法和人工记录法获取小型车辆左前轮的行驶轨迹偏移量值;根据实测数据和断面位置的标定值,建立行驶轨迹偏移量、断面位置和行驶速度的三维关系模型;根据关系模型计算出不同速度下危险区域的长度和面积。结果表明:当车辆速度大于临界值时,危险区域的长度、面积与速度间存在二次多项式关系,随着车辆速度的增长,危险区域的范围不断扩大,危险等级不断上升。根据危险区域的变化情况,建议该路段的限速值为20~27 km/h。

基于排队论模型的偏置右转车道长度设计

为了解决因城市交叉口交通渠化中偏置右转车道长度设置不合理,导致右转车辆在交织分流区域与直行车辆冲突的问题,通过对偏置右转车道设置条件和红绿灯信号周期分析研究,运用排队论计算直行等待区信号周期内车辆排队长度以及常规状态下车辆制动距离,结合高密度状态下的车辆右转行为分析,提出了一种测算偏置右转长度的新算法。以淮安市承德南路与枚乘东路交叉口为例,借助VISSIM仿真,结果表明经该算法优化后的偏置右转车道长度能够减少车辆在该交叉口的延误时间,提高其通行效率,缓解拥堵问题,保证车辆运行环境的安全。

考虑侧向偏移的车辆行为特性及优化速度模型

针对车流优化速度模型在侧向偏移方面的尚存缺陷,提出了考虑侧向车影响及侧向偏移的优化速度模型。综合考虑了车辆侧向偏移的影响因素,基于刺激-反应机制和车辆跟驰理论,系统分析车速优化模型,协同考虑换道车辆侧向偏移的影响因素,建立车辆行为特性的优化速度模型,并在典型的减速换道场景中进行仿真分析。结果表明,考虑侧向偏移的优化速度模型能够更加贴合实际交通状况,切实体现车辆驾驶行为特性规律,研究成果为车辆平稳运行和安全换道提供理论依据。

车道偏离决策算法设计与仿真

为提高车道偏离预警系统的实时性、准确性、高效性等良好性能,本文提出一种基于将来偏离量与车辆将横越车道边界时间的联合预警模型,该模型有效地结合了FOD模型和TLC模型的优点。根据车辆的偏离情况选择不同的预警方法可有效降低车道偏离预警系统的误警率和漏警率。为了验证该算法的有效性,利用PreScan仿真软件进行仿真实验,实现不同行驶速度下车道偏离预警系统的预警效果。结果表明,该算法可有效降低系统的误警率和漏警率。

智能汽车换道避障路径规划与跟踪控制研究

为了提高智能汽车行驶安全性,研究了智能汽车换道避障路径规划与跟踪控制问题。在路径规划方面,给出了换道避障决策过程,提出了等速偏移函数与正弦函数加权叠加的路径规划方法,经验证此路径满足曲率约束条件;建立了车辆运动学和动力学模型,使用位姿误差方程求解了期望横摆角速度;在路径跟踪方面,将RBF神经网络与滑膜控制结合,提出了神经滑膜控制器;经仿真验证,相比于传统滑膜控制器,神经滑膜控制器不仅减弱了抖振现象,而且对路径跟踪的纵向偏差降低了200%,方向偏差降低了300%,且神经滑膜控制器鲁棒性很好。

山区公路回头曲线的车道偏移行为与自由行驶轨迹模型

为揭示山区公路回头曲线路段的车道偏移行为和轨迹特征,建立了自由行驶轨迹模型;在一条山区复杂线形公路上开展了实车驾驶试验,使用高精度车载设备收集自然驾驶状态下的车辆行驶轨迹、速度和偏移数据;基于轨迹相对位置曲线定义了回头曲线路段左右转车辆的自由行驶轨迹模式;以曲线转角180°为界,建立了回头曲线路段车辆相对位置拟合模型,设计了基于偏移量的自由行驶轨迹计算方法,并以其他道路的回头曲线作为算例进行模型验证。研究结果表明:回头曲线左转车辆呈现出4种轨迹模式,右转车辆呈现出3种轨迹模式;车辆轨迹在回头曲线的入弯、弯中和出弯阶段均出现了较大的偏移,偏移量大于40%,此时车身侵占对向车道,不同的轨迹模式具有不同的偏移特征;不同位置所对应的速度与偏移量的分布较离散,当速度折减小于6.5 km·h^(-1)时,驾驶人可以通过占用对向车道来降低回头曲线行驶时的速度折损;基于横向偏移量建立的不同曲线转角下的轨迹拟合模型中,当回头曲线转角约为180°时,拟合模型的精度最大,左转拟合精度介于0.90~0.97,右转拟合精度介于0.65~0.97;当回头曲线转角大于180°时,拟合模型最大拟合精度0.97发生在右转,当回头曲线转角小于180°时,拟合模型最大拟合精度0.89发生在左转。可见,本文建立的轨迹模型具有较强的适用性,可为山区公路回头曲线的行驶轨迹预测提供手段和方法。

山区高速公路超车道小客车停车视距安全性

行车视距是道路设计一个重要的控制指标。山区高速公路行车时,超车道上左转弯因车速高和距离中央分隔带近,驾驶人视距常受限,对行车安全造成较大影响。针对现有二维停车视距模型参数选择不够合理问题,采用运行速度预测和实际速度测试相结合,以运行速度和制动减速度综合修正小客车二维停车视距模型,根据不同纵坡值计算超车道小客车停车视距。在山区高速公路横净距一般设计值为2.45m和2m条件下,计算得出满足超车道左转弯停车视距的最小圆曲线半径。最后建立了考虑横断面和超车道左侧影响因素的三维动态视距模型。研究结果表明:现有山区高速公路超车道小客车停车视距设计值偏小,对于设计速度为100km/h和80km/h,超车道小客车停车视距相应推荐为200m和170m;建议在左转弯视距不足处加宽横净距和增设视线诱导安全设施,以保证实际超车道小客车行车安全。

基于港珠澳大桥左右舵车辆时空混行的差异化驾驶行为识别和预测方法

为实现左右舵不同驾驶习性驾驶人在港珠澳大桥时空混行环境下快速、有效识别并预测行驶车辆在应急条件下的运动状态,提出了一种考虑右舵驾驶行为的模型加数据混合运动预测方法。首先,提取港珠澳大桥通行车辆的跟驰与换道原始轨迹数据并分析,挖掘左右舵驾驶行为在直道及变道属性下的长短时特性;其次,结合最大信息系数算法(MIC)对比所提取特征与2类驾驶行为的关联程度,并求解关键区分特性下高斯混合模型(GMM)对于左右舵驾驶行为应急反应的倾向性概率;最后,将2种驾驶行为的车辆运动状态在直道行驶的差异特征作为长短时记忆(LSTM)神经网络的输入,建立数据驱动下的直道横向偏移预测模型,并在具有差异化驾驶行为的车辆直道位姿信息预测基础上,串联建立模型驱动下的变道概率预测模型。对青州航道桥实际车流监测数据的测试结果表明:所提方法可基于行驶车辆的横向偏移和偏航率等特征快速、准确识别左右舵驾驶行为;对于不同特征输入下的直道偏移预测结果,所预测左舵驾驶行为的均方根误差(RMSE)、改进的豪斯多夫距离(MHD)与决定系数(R2)的最优评估分别为0.5787、0.4681与0.8707,右舵驾驶行为预测结果评估分别为0.7119、0.5884与0.8644;以换道前2 s对左右舵驾驶行为变道意图的预测准确率分别为83.0%和81.3%。该方法后续可以推广到更多左右舵时空混行环境中,利用行驶车辆的横向位姿等长短时特征,精细化预测并诱导存在差异化驾驶行为的紧急避险行为,提高车辆的交互安全性与效率。