基于车辆自动识别技术的动态OD矩阵估计新方法

根据车辆自动识别(automatic vehicle identification,AVI)技术检测的新信息,提出了利用AVI检测信息进行动态OD(origin-destination)矩阵估计的新方法.该方法以粒子滤波算法思想为基础,引入AVI检测的部分路径信息、动态行程时间信息以及检测器可测性判据,首先通过贝叶斯估计算法对路径缺失的车辆信息进行缺失路径范围确定和选择概率修正;然后利用蒙特卡洛随机仿真模拟任意车辆对缺失路径的选择,进而获得基于个体车辆部分路径的初始修复OD矩阵;最后运用AVI检测的流量信息校正初始修复OD矩阵,得到最终的OD矩阵估计值.以上海市南北高架快速路网为研究对象,分析了在不同AVI覆盖率和先验精度条件下的动态OD估计精度,结果表明在60％及以上的AVI覆盖率都能获取相当高的OD估计精度;即使在50％覆盖率和60％的先验精度条件下运用本方法进行OD估计,其平均相对误差仅为28.87％.同时本方法对OD先验信息的精度要求较低,能更好地满足我国目前OD基础数据精度不高的现实需求.     

基于轨迹重构的城市路网OD估计方法

为了提高城市路网OD估计精度,提出了一种基于自动车辆识别数据的宏微观OD估计框架.该框架将微观层的个体路径选择行为和宏观层的随机用户均衡(SUE)分配相结合,微观层通过粒子滤波器的重要性采样过程更新状态空间概率曲线来实现车辆轨迹重构,从而构建宏观层路径流约束;宏观层建立上层为广义最小二乘、下层为路径流修正的Logit随机用户均衡分配的OD估计双层规划模型.该方法在基于Sioux-Falls网络的VISSIM仿真模型上实现,通过VISSIM设置虚拟检测器来模拟现实环境中的自动车辆识别系统.结果 显示,所提方法在各OD对估计中的平均绝对误差(MAE)均值为106.2辆/h,总需求百分比偏差(TDPD)均值为9.54％,相比较于非轨迹方法(MAE均值720.05辆/h,TDPD均值41.54％)有明显优势,在检测器覆盖率大于60％的条件下可以得到较为可靠的OD估计结果.     

交通网络中动态起点-迄点矩阵估计的一种实用算法

基于广义最小二乘模型建立了一种带滑动窗的动态起点-迄点(OD)矩阵估计算法，可通过对路段交通量和行程时问的检测来估计时变的OD数据．对任意估计时段的OD流，通过假定各车辆问的时头距均匀分布且可按相同比例拉伸或压缩，得出模型中关键的分配矩阵的解析算式．该算法是一种递推的估计过程，仅需较少的先验信息而估计过程不会发散．滑动窗的引入可充分利用量测信息，抑制量测噪声．大量仿真实验表明，所提出的方法在估计精度上明显优于Cascetta的递推估计法，但计算量并无显著增加．     

高速公路动态OD矩阵估计

基于广义最小二乘法模型,建立了一种高速路动态OD矩阵估计算法,可通过对路段交通量和行程时间的检测来估计时变的OD矩阵。对任意估计时段的OD流,通过假定各车辆间的时头距均匀分布,且可按相同比例拉伸或压缩,得出了模型中关键的分配矩阵的解析算式。算法是一种递推的估计过程,仅需较少的先验信息。针对一个具有19个OD对的高速公路网,大量仿真实验表明,提出的方法对具有较大流量的OD对估计效果较好。     

城市道路网络OD估计模型及算法研究

考虑城市道路交通运行的复杂性,抽象出城市道路网络拓扑结构.通过布设检测器采集路段流量、转向比例等多源数据信息,在上述分析基础上,运用吸收马尔可夫理论对城市道路网络进行建模分析,将路段流量、转向比例、小区发生吸引量等参数联系起来,分别利用小区发生量和若干路段流量,得到交通流起讫点OD的不同估计模型,并给出相应算法.建立井字型路网仿真平台采集多源数据信息,求出马尔可夫转移概率矩阵,并用稀疏矩阵的形式导入Matlab编程仿真中进行一系列矩阵运算.数值算例表明,该模型能有效计算路段流量,进而提高OD估计精度.     

车辆纵向力和质心侧偏角层级估计方法设计与验证

为提高车辆状态估计结果的精度与可靠性,设计了一种车辆纵向力和质心侧偏角层级估计方法。研究了一种用于车辆行驶状态估计的加权容积卡尔曼滤波,采用移动窗估计法调整测量噪声的协方差矩阵,根据不同时刻信息对测量噪声统计的有用性,动态调整窗口中不同时刻信息的权重,从而提高车辆状态观测器的滤波精度。根据电驱动轮模型特点,并考虑轮胎松弛长度来构造纵向力微分方程,从而设计了纵向力观测器。在纵向力估计的基础上,将上层的纵向力估计值视为伪量测值,利用三自由度车辆动力学模型设计了基于级联卡尔曼滤波的车辆行驶状态估计策略,实现了车辆质心侧偏角估计。进行了变速正弦转向工况和定速Fishhook转向工况下的CarSim/Simulink联合仿真试验以及实车试验,结果表明:所提方法整体估计精度相比扩展卡尔曼滤波提升了6.82%,具有较高的估计精度和实时跟踪效果,满足车辆应用需求。     

车牌识别技术在城市高架断面监控系统中的设计与应用

车辆号牌自动识别(License Plate Recognition)技术是交通管理自动化和智能化建设过程中的核心技术.车辆号牌识别系统能通过视频检测、图像采集、号牌识别、号牌验证等处理流程,对实时抓拍车辆图像进行分析处理,自动获取包含车辆号牌(包括汉字、字符和数字)、车牌图像色彩、结构和纹理等特征信息,应用于高架道路交通违法取证时,为相关中心数据库可视化信息联网管理系统的联动提供技术支持.     

一个基于统计方法的OD矩阵求解算法

在传统的OD矩阵估计模型的基础上,并在路段分配概率是随机变量这一假设的前提下,给出了一个统一的OD矩阵模型基本形式,针对该OD矩阵估计模型给出了一个基本求解算法--混合遗传算法.该算法是在传统的数学规划方法和遗传算法的基础之上给出的.同时通过算例的求解,分析了算法的优缺点.     

自动驾驶车辆局部路径规划中的弯道半径的估算

基于近似最大似然线性估计器的研究成果 ,鉴于自动驾驶车辆局部路径规划的快速性要求 ,引入了Winograd矩阵乘法 ,提高了弯道半径估算的速度 .模拟结果表明 ,在小弧长和高噪声的条件下 ,这种新的估计器性能优良 .     

基于神经网络的车牌识别系统设计

车牌识别技术(Vehicle License Plate Recognition,VLPR)是指能够检测到受监控路面的车辆并自动提取车辆牌照信息进行处理的技术,本文对基于神经网络的株洲市车牌识别系统进行了分析,采用先进的BP神经网络技术和计算机数字图像处理技术,实现了一种高效和高准确率的车牌自动识别系统,大大提高了车辆管理的智能性。     

连续工况下基于PID+LQR算法的自动驾驶车辆横纵向耦合控制

为提高自动驾驶车辆的路径跟踪精度,针对自动驾驶车辆横纵向耦合控制问题,提出了带有前馈控制的PID+LQR联合控制策略。首先,利用二自由度车辆动力学构建路径跟踪误差数学模型,制定横纵向控制流程。随后,设计了用于横向控制的LQR控制器和用于纵向控制的PID控制器,将横纵向控制器进行整合,使得车辆在接收到决策规划系统给出的期望指令后可以进行跟踪行驶。借助CarSim和MATLAB/Simulink联合仿真平台,在连续工况下对该控制策略进行测试。结果表明,提出的横纵向耦合运动控制策略可以控制车辆沿着规划的轨迹行驶,且可将跟踪误差控制在较小的范围内。     

基于变预测时域的电动汽车轨迹跟踪控制

针对在不同车速下由于车辆动力学参数改变导致轨迹跟踪的误差变大的问题,研究电动汽车自适应性轨迹跟踪控制器设计.首先,基于模型预测控制(model predictive control,MPC)设计轨迹跟踪控制器,对比分析不同车速下不同预测时域对轨迹跟踪的影响;其次,通过仿真结果,发现不同车速下采用恒定预测时域,轨迹跟踪在不同速度下自适应性变差,易产生较大的跟踪误差;最后,设计了基于车速变化的变预测时域轨迹跟踪控制器.CarSim/MATLAB/Simulink联合仿真结果表明,改进后的轨迹跟踪控制器在不同车速下轨迹跟踪具有良好的控制精度和稳定性.     

考虑横纵向误差协调的智能汽车路径跟踪控制研究

针对传统轨迹跟踪控制方法应用场景局限,精度不高的问题,为实现车辆横纵向联合控制从而提升无人驾驶汽车在结构化场景下的轨迹跟踪效果,本文建立了自然坐标系下的车辆跟踪误差模型,设计基于LQR与PID相结合的车辆横纵向耦合控制器。在横向控制层面,为消除系统稳定误差,通过引入前馈控制量实现系统的整体稳定,减小车辆在实际运行过程中产生的横向误差,提升控制过程的稳定性;在纵向控制层面,运用PID控制策略进行调节,实现车辆的实际速度与规划速度,实际位置与规划位置之间的精确匹配。通过MATLAB/Simulink与Carsim搭建联合仿真平台,针对日常泊车、驶入主路以及超车多种工况进行仿真验证。仿真结果表明：本文所设计的横纵向联合控制器将车辆的轨迹跟踪误差控制在可接受范围之内的同时,轨迹跟踪效果满足乘客对车辆乘坐舒适性的要求,故本文设计的控制器具备一定的稳定性和准确性。     

基于改进遗传算法的电动汽车轨迹优化方法

在复杂障碍物环境中的轨迹规划方法是电动汽车智能辅助驾驶技术的一个重要研究内容.为了使得电动汽车能够在高速行驶工况下平稳转向行驶,提出了一种基于改进遗传算法的轨迹优化方法.本文基于五次多项式进行轨迹规划,用改进遗传算法对五次多项式的参数进行优化,使得规划轨迹满足车辆的动力学约束条件,从而使得优化后轨迹具有更强的可行性.实车实验结果表明,优化后轨迹比优化前轨迹能够更好地满足动力学约束条件,优化效果明显,车辆在高速行驶工况下按照优化轨迹行驶能够进行平稳转向行驶.     

基于状态估计的无人车前轮转角与横摆稳定协调控制

针对无人车轨迹跟踪问题,提出了一种基于状态估计的无人车前轮转角和横摆稳定协调控制策略.建立了车辆轨迹跟踪模型,利用模型预测控制算法设计了轨迹跟踪控制器,得到实时跟踪参考轨迹所需的前轮转角.根据车辆模型设计了一种基于未知输入观测器的前轮转角估计方法,并将估计结果作为前轮转角跟踪控制的输入量.基于非奇异终端滑模控制设计了前轮转角跟踪方法,通过转向电机扭矩来控制车辆转向以实现轨迹跟踪.同时,设计了车辆横摆稳定控制器,通过控制横摆角速度跟踪误差确保车辆横摆稳定.建立了CarSim-Simulink联合仿真模型并进行仿真实测试.结果表明,未知输入观测器具有较好的前轮转角估计效果,从而为车辆协调控制提供可靠信息源,协调控制策略能够在保证车辆横摆稳定性的同时完成车辆轨迹跟踪.      

基于分段递推最小二乘估计的汽车质量辨识试验

基于电动轮驱动电动汽车平台道路试验,对一种新的汽车质量辨识算法进行了研究.该方法根据加速度传感器能够测量沿测量轴的重力分量的特点,排除了坡度对质量辨识的影响;根据加速度分段方法,分别利用两段递推最小二乘算法得到行驶阻力及质量的估计值.在电动轮驱动电动汽车平台上分别进行了沥青、塑胶及碎石路面上以及坡道上的试验,分析了行驶阻力与质量辨识的误差与收敛情况,并针对几种特殊工况对算法进行适应性改进.试验结果显示,不同质量及道路状态下的估计误差均在2.5%以下,表明所设计的辨识算法具有很高的估计精度,具有良好的工程应用价值.     

基于视频车辆轨迹模型的交通事件自动检测方法研究

 研究了车辆违章逆行、停驻、掉头、倒退、变道五类具有潜在危险的交通（违章）事件,并且运用了基于视频的交通事件自动检测技术所涉及的目标提取、车辆跟踪和事件理解与描述3个步骤实现交通事件的检测。着重研究并分析了车辆跟踪得到的行驶轨迹点,将复杂的车辆轨迹分解为前行、反行、停滞、斜行四类轨迹元素,并且根据4类轨迹元素对车辆的行驶行为进行数学建模,最后通过模型制定合理的检测算法。实验表明,该算法可以有效地区分正常车辆与事件车辆,能够快速准确地检测上述5类交通事件。     

四驱混合动力轿车转弯工况路径跟踪控制

针对四驱混合动力轿车,提出一种转弯工况下集成横向与纵向运动控制功能的路径跟踪控制策略.在建立车辆动力学与动力系统模型的基础上,设计了基于轨迹跟踪误差的驾驶员预瞄转向模型;采用模糊控制器确定了期望车速,对转矩分配问题进行优化研究;设计了车速与轨迹跟踪模型预测控制器;搭建了CarSim与MATLAB/Simulink联合仿真模型与自动驾驶模拟驾驶器,对控制策略进行了离线仿真和硬件在环仿真试验.研究结果表明,车辆转弯过程中路径及车速跟踪效果良好,满足转弯工况路径跟踪需求.     

基于变分自动编码器的车辆轨迹预测研究

针对轨迹预测中车辆与周边车辆、道路几何之间交互关系建模不充分,以及车辆轨迹多模态建模不完整等一系列问题,提出了一种基于变分自动编码器的车辆轨迹预测方法。首先,通过长短时记忆网络从原始数据中提取轨迹数据与车道信息的语义特征;其次,引入多头注意力机制,采用两个单独的注意力模块分别建立车辆与车辆交互模型及车辆与道路交互模型,能够更好地反映周边车辆与道路几何对车辆轨迹的交互影响,得到丰富的场景上下文信息;接着利用变分自动编码器对车辆轨迹多模态建模,捕捉轨迹预测的随机性质以生成合理的未来轨迹分布;最后从分布中多次重复采样以生成多条可能的未来轨迹。通过搭建实验平台和使用Argoverse自然驾驶数据集进行测试,改进后的预测方法在平均位移误差和最终位移误差指标下的数值分别为1.03和1.51,预测精度上相较于其他3种预测方法,分别提升了45%、46%、32%;实验结果表明：预测方法可以有效地改善车辆与周边车辆、道路几何之间交互关系建模不充分,以及车辆轨迹多模态建模不完整等问题,预测精度提高,总体预测性能良好。