辅助驾驶系统中浓雾天识别方法分析

辅助驾驶系统中通过计算能见度信息对雾天进行识别的方法存在一定的局限性。针对此问题,利用机器学习方法设计了可用于辅助驾驶系统的浓雾天识别算法,避免了基于能见度识别雾天的局限性。首先建立了基于驾驶场景的图像训练集;然后基于卷积神经网络和胶囊网络分别设计卷积神经网络-浓雾识别(convolutional neural networks-dense fog recognition, CNN-DFR10)和胶囊网络-浓雾识别(capsule networks-dense fog recognition, CN-DFR5)两种浓雾天识别算法模型,算法模型通过设置概率阈值的方法对天气类型进行区分,不同的概率值范围对应不同的天气类型。最后对比分析CNN-DFR10和CN-DFR5在浓雾天、雨天、阴天和晴朗天4种天气类型中的测试结果。结果表明:CNN-DFR10算法对天气的识别准确率为86.9%,CN-DFR5算法的识别准确率为97.5%,后一种算法比前者能够更有效地从4种天气类型图像中区分出浓雾天和非浓雾天。     

高密度立交出入口车辆纵向运行特性

为明确车辆在高密度互通立交主线入口、出口以及连接段的纵向运行速度特征,在重庆市选取了5座立交为研究对象,开展了47名驾驶员的小客车实车驾驶试验。通过speedbox和mobileye等实验仪器采集的数据,包括车辆运行速度、纵向加速度等,对数据进行处理并按入口、出口及连接段分类提取数据,绘制出对应的速度曲线图,以明确车辆在高密度互通立交出入口以及连接段的纵向运行特性。分析结果表明：入口处速度趋势有两类,平行式入口是上升—平稳,直接式入口是持续上升,平行式入口速度均值高于直接式,平行式入口速度标准差小于直接式;不同类型入口对驾驶人的加速操作选择具有一定影响;平行式入口在纵向加速度均值上较直接式入口低;出口处速度分布整体呈平稳下降趋势,平行式的运行速度均值低于直接式,但速度标准差却更高;出口速度变化特征点受驾驶人在主线出口减速偏好性影响;平行式出口减速度最大值与均值均大于直接式;相邻立交净距较短时,连接段的速度变化较为平缓,并且不同驾驶人的速度幅值比较接近;而常规净距的相邻立交,连接段的速度波动性大且离散。研究成果为高密度互通立交出入口及连接段的安全性评价以及安全改善提供了理论支撑以及基础数据支撑。     

面向夜间任务的货轮驾驶舱光环境评估

在夜间行驶中，驾驶舱内光源都来自于电子屏幕，其亮度对驾驶员视觉工效产生直接影响.基于夜间行驶中货轮驾驶舱照明环境特点，通过暗环境实验分析不同屏幕亮度下被试人员的表现，从任务效能的角度，基于认知效率、暗适应能力、舒适度三个维度对货轮驾驶舱光环境进行评估.拟合实验数据，构建面向夜间任务的货轮驾驶舱光环境评估模型，得出屏幕亮度值控制在20 cd/m²时任务表现较好.对货轮夜间行驶中，驾驶舱的光环境优化起到指导作用.     

基于LSTM和改进TTR算法的车辆辅助驾驶侧翻预警

以提高侧翻预警中对侧翻风险的预测和判断为目标，为了给驾驶员或其他驾驶辅助系统确定对车辆进行控制的介入时机提供重要依据，提出了一种更高效准确的侧翻预警算法.首先建立三自由度车辆预警参考模型；选取相平面法划分侧倾稳定域为侧翻指标，根据三自由度模型响应，设计改进侧翻预测时间（TTR）算法并计算TTR.分析结果表明，相平面侧翻指标接近实际横向载荷转移率（LTR），比LTR常用的表达形式更准确地表述了车辆状态，且改进的TTR也更加接近实际TTR.然后建立长短期记忆网络（LSTM）模型来取代改进TTR算法，提高预警计算效率，模型输出的TTR值作为车辆预警控制的依据.最后通过驾驶员在环（DIL）试验采集数据，对LSTM模型进行训练，并在两种工况下，仿真验证了此侧翻预警方法具有对侧翻风险预测的准确性和更高的实时性.     

基于双决斗深度Q网络的自动换道决策模型

汽车自动变道需要在保证不发生碰撞的情况下，以尽可能快的速度行驶，规则性地控制不仅对意外情况不具有鲁棒性，而且不能对间隔车道的情况做出反应.针对这些问题，提出了一种基于双决斗深度Q网络(dueling double deep Q-network, D3QN)强化学习模型的自动换道决策模型，该算法对车联网反馈的环境车信息处理之后，通过策略得到动作，执行动作后根据奖励函数对神经网络进行训练，最后通过训练的网络以及强化学习来实现自动换道策略.利用Python搭建的三车道环境以及车辆仿真软件CarMaker进行仿真实验，得到了很好的控制效果，结果验证了本文算法的可行性和有效性.     

考虑驾驶人性别差异的绿灯倒计时时长推测

为了提升高级驾驶辅助系统(advanced driving assistance system, ADAS)在绿灯倒计时长(green light countdown time, GSCT)类型的辅助驾驶决策性，首先，通过实车实验采集到信号交叉口不同绿灯倒计时时长下的1 475 524条自然驾驶行为数据，包括18名驾驶员在不同绿灯倒计时时长下，分别通过城市道路18个信号交叉口前150 m情境的驾驶行为数据；然后，分析驾驶决策、速度、平均瞳孔大小位置、心电、肌电在男、女性驾驶人之间的差异，得到男、女性驾驶人在绿灯20 s倒计时期间的注视特性平稳、皮电特性最为稳定，在绿灯9 s倒计时期间男、女驾驶人心理特性最为稳定的结论；最后，利用KNN、SVM、GBDT等3种经典机器学习方法，基于前述5类特征参数，建立考虑多特征变量的信号倒计时长判断模型。结果表明：集成学习GBDT模型判断准确率为88.1%,精确率均值为85.4%,AUC均值为0.98,有助于ADAS提供决策支持和理论支撑，可为不同性别驾驶员在城市道路信号交叉口前提供速度调节辅助信息。     

自动驾驶汽车连通专用道网络设计问题研究

【目的】现有自动驾驶汽车专用道设计模型不能保证设立的专用道彼此相互连通，将导致自动驾驶汽车频繁驶入驶出专用道。这不仅增加自动驾驶汽车的走行时间，也会增加与有人驾驶车辆的相互干扰，降低整个交通系统的性能。基于此建立了一个自动驾驶汽车连通专用道网络设计模型，用于设计连通的自动驾驶汽车专用道网络，保证无人驾驶汽车只使用专用道即可完成出行。【方法】提出的自动驾驶汽车连通专用道网络设计模型是一个离散双层规划模型，上层问题以系统总出行时间最小为目标，决策在哪些路径上设置自动驾驶汽车专用道；下层问题描述自动驾驶汽车连通专用道条件下有人驾驶汽车与自动驾驶汽车的均衡配流问题。由于所提模型的特点，基于模拟退火算法设计了求解算法，并通过数值试验验证了算法的有效性。【结果】通过数值分析发现即使在自动驾驶汽车的市场占有率较低时，所提连通专用道方案仍然可以有效减少系统总出行时间。【结论】当自动驾驶汽车在市场占有绝对份额后，应设立有人驾驶汽车的连通专用道，允许自动驾驶汽车自由使用剩余车道。这样既能保证有人驾驶汽车的路权，也能充分发挥自动驾驶汽车提高道路通行能力及减少系统总出行时间的潜力。     

跟驰中的驾驶人自稳定控制及网联辅助驾驶策略

为探究交通状态及演化趋势在驾驶人自稳定控制(SSC)中的作用，提出了考虑驾驶人交通态势估计的自稳定跟驰模型.首先，基于SHAP解释模型和不同交通状态下速度差敏感性系数分布差异，解析了前方交通状态对驾驶行为的重要作用以及在驾驶人自稳定控制中的影响机制.其次，在全速度差模型(FVDM)中引入表征驾驶人对前方交通态势感知与估计的参数，提出了一种改进的自稳定全速度差模型(SS-FVDM).然后，对原始和改进后的模型进行了参数标定和对比验证.最后，为弥补SSC的局限性，开发了一种新的网联辅助驾驶策略来实现SSC效果的稳固和进一步提升，并基于线性稳定分析理论，推导了模型的稳定性条件.结果表明：相比于FVDM,SS-FVDM具有更大的稳定区间和更高的拟合精度，并能够很好地捕捉驾驶人在自稳定控制下的松弛行为特征.此外，基于SSC所开发的网联辅助驾驶策略能够更大程度地提升交通流稳定性.     

自动驾驶背景下智能路面研发进展

 综述了自动驾驶背景下智能路面的研究进展和发展趋势。介绍了智能路面为实现与AVs协同交互所需具备的3项关键技术：自导航技术通过在路面中嵌入车辆导航标志为AVs提供位置信息；自感知技术通过对道路气象信息和交通流信息的感知和分析，为AVs推荐安全车速，减少交通事故；自充电技术在解决充电系统可行性的基础上，需研究高透波率和导热路面材料以及新型复合路面结构。总结了智能路面为保证精细化施工和嵌入式元件的使用寿命而采用的预制式路面技术、BIM和3D打印3项先进建造技术。并指出除关键技术问题，智能路面的推广还面临社会、经济、法律和环境等非技术问题。     

三阶段智能车辆多信号灯路口节能车速规划

为提高智能车辆在多信号灯场景通行时的能耗经济性，提出一种鲁棒三阶段(选择—平滑—优化，Select-Smooth-Optimize, SSO)的节能车速规划框架。采用随机撒点方式划分可通行区域，基于经济巡航车速构建加权有向无环图(WOG),利用Dijkstra算法求解加权有向无环图粗解；利用三次样条插值模型平滑粗解轨迹，降低非线性优化的计算时间；将车速规划最优控制问题转化为非线性优化问题，利用平滑后的轨迹作为内点法优化的初始迭代值，加快最优速度轨迹收敛，构建不规则信号灯相位和配时(SPaT)场景并进行仿真测试。仿真结果表明，与一阶段和两阶段基准算法相比，SSO算法分别节省26%、7%的能耗，并能兼顾鲁棒性与实时性计算要求。