基于神经网络的车辆交通协调性评价模型

为了研究自动驾驶汽车交通协调性的主客观映射评价模型,以高速公路匝道汇入为研究场景,首先基于自然驾驶数据的交互样本数据,以自车平均行驶速度、并线时刻侧向速度、并线时刻车头TTC、并线时刻两车相对侧向速度和对手车减速程度等客观指标数据和交通协调性主观评价结果作为模型输入和输出,构建映射评价模型;然后设计2×2交叉对比实验,并分析数据预处理方法及神经网络类型对评价模型效果的影响。研究结果显示,基于线性函数归一化处理的BP神经网络模型和Dropout神经网络模型总精度分别为95.71%和80.00%,基于阶梯函数归一化处理的BP神经网络模型和Dropout神经网络模型总精度分别为94.60%和73.25%。由此可见,模型评价效果较好,所建立的客观表征指标集能够较好地表达专家对车辆交通协调性表现的评价。在建模方法方面,基于BP神经网络的映射评价模型的表现优于Dropout神经网络模型,能够根据客观数据更准确地得到符合专家评判标准的评价结果。在样本数据预处理方法方面,线性函数归一化处理方法能够在消除数据间数量级差异的同时保留客观表征指标集数据在不同样本之间的差异,能提高映射评价模型的评价精度。因此...     

行车与盲区

从安全的角度来看,知道一款车的盲区大概在哪里,自己驾车的时候尽可能躲着对方的盲区走,并线的时候尽可能注意一下盲区里的情况,这就能够解决问题了。笔者认为驾车者最好从现在起还是养成良好的开车习惯!     

基于图表示的智能车行人意图识别方法

智能驾驶场景下的人车冲突问题与行人过街行为密切相关,为使高级驾驶辅助系统（advanced driving assistance system, ADAS）具备识别行人过街意图的功能,并对人车碰撞事件预警,提出一种基于图表示学习（graph representation learning, GRL）方法的行人过街意图识别框架。它采用开源工具对行人骨架信息进行识别,采用图方法,以行人在一段运动过程内每一帧的骨架关键点为节点,以骨架自然连接关系、相关关系和时域关系为边建立图模型,实现对行人动作序列的表征。以图结构数据为输入,基于支持向量机（support vector machine, SVM）训练行人过街意图识别模型。在自动驾驶数据集PIE上对所提出方法进行评估,结果显示,行人过街意图分类准确率可达90.29%,所提出方法能够有效识别行人过街意图,对提高智能车决策安全性具有重要意义。      

基于躯干肌肉活动监测的手部行为识别

为解决某些手部工作意图不能由手部的运动和肌肉行为来反映的问题,拟通过监测部分躯干肌肉的协作方式,识别手部行为意图.因此在限定任务的情况下,设计了伴有单手操作的弯伸腰实验.同步采集全身运动信号和一组椎旁肌肌电信号.调整、选择肌电信号的两步聚类细分程度.作为双向长短时神经网络的输入信号,肌肉组行为标注步骤的F1平均值为91.37％.最终确认,从躯干肌肉群行为抽取的编码可作为信号源,识别手部精确控制、维持平衡等意图.     

交通弱势出行者轨迹预测及安全管控策略

针对骑车人在交通事故中易受伤害的问题,提出一种基于骑车人意图识别的轨迹预测方法.首先,从骑车人角度及车辆角度提取骑车人的多元特征,如运动方向、回头概率、与车辆相对位置等,在十字路口场景下构建动态贝叶斯模型网络,分析了骑车人意图的影响因素,最终得到骑车人意图后验概率.其次,根据意图识别结果,构建了相关交通场景并给出了骑车人运动方程,通过基于粒子滤波方法的骑车人轨迹预测算法,结合运动方程及观测方程,以粒子模拟骑车人未来轨迹集.最后,搭建激光雷达和单目相机为主的数据采集硬件平台,获取与骑车人运动及姿态有关的信息,根据收集的7 358帧数据,计算出骑车人进入十字路口区域的时长,用以对算法进行评价.结果表明：本算法在骑车人过街前0.24～0.54 s可基本识别骑车人的意图,能够预测骑车人未来5.0 s内的轨迹集;算法具有较好的实用性,可以降低骑车人与车辆碰撞事故的发生概率.     

电动液压助力制动系统制动意图识别方法

针对驾驶员在紧急状况下存在着因踏板力不足而导致制动距离过长问题,以某电动液压助力制动系统为研究对象,提出了一种基于隐马尔可夫模型的驾驶员制动意图识别方法,根据对驾驶员制动意图的识别来控制助力电机执行正常制动或紧急制动的助力模式.选取助力电机的转角、转速和车速作为制动意图识别参数.以制动强度为界限对识别参数数据集进行划分,训练出正常制动与紧急制动识别模型参数,建立了识别模型库,通过比较各模型库的对数似然估计值,判断出驾驶员的制动意图.仿真结果表明:该模型可准确、实时地识别出驾驶员的制动意图;在驾驶员踏板力一定的情况下,具有制动意图识别控制的助力器具有更好的制动效果,提高了驾驶安全性.     

并线工况下车载雷达有效目标快速检测方法

为了改善车载雷达在前车切入工况下同车道目标检测的实时性,在前方目标有效性检测方法的基础上,提出针对此种工况的目标快速检测方法.采用Kalman预测作为目标有效性判断准则,并引入有效概率表征目标有效性;在此基础上,通过扩大目标搜索范围,建立有效概率继承机制,提高前车并线工况下目标检测速度.实验结果表明,快速检测方法在有效排除路旁干扰物和虚假目标的影响以及鲁棒检测目标的同时,提高了前车并线工况下目标检测的实时性.     

基于车辆对道路不满意度的微观换道决策

自动驾驶汽车有着极大的应用潜力且高速公路环境下车辆变换车道是常见的行为。为进一步分析高速公路中自动驾驶汽车的微观换道决策,本文定义道路不满意度来表示车辆对行驶道路的不满意程度并将车辆换道意图的产生按本车是否达到目标车速而分为两类,当本车达到目标车速时为第一类,换道意图产生源于本车与前车间距的减小和本车相对于前车速度的增加。当本车未达到目标车速时为第二类,换道意图产生源于本车与前车间距的减小和本车达到目标车速时相对于前车移动距离的增大。针对不同类换道意图的产生机制,结合模糊推理设计道路不满意度算法。换道决策利用当前行驶车道和邻近车道的道路不满意度大小、安全跟车距离、换道安全距离来综合决定换道意图的发生。最后在MATLAB环境下搭建自动驾驶环境并仿真换道决策模型,结果显示本文相比其它换道决策,本文不仅考虑换道安全而且也考虑了目标车道和本车道的跟车安全,更具有实际意义。同时本文的模糊换道决策能兼顾安全性和智能性且适用于依目标车速定速巡航、为达到目标车速而加减速等多种复杂工况下的换道情况。     

双离合器自动变速器起步的智能控制策略

综合考虑了驾驶员的起步意图、车辆负载、路面坡度及离合器的接合状态,提出了基于模糊控制和神经网络的双离合器自动变速器(dual clutch transmission,DCT)的双离合器协同起步智能控制策略.根据油门开度及其变化率的大小实时识别出驾驶员的起步意图,基于优秀驾驶员的操作经验制定了驾驶员意图的模糊控制规则.以车辆负载、路面坡度及驾驶员起步意图为神经网络输入参数,以离合器主从动盘的转速差与主动盘转速的比值和离合器接合速度为控制参数控制双离合器的接合、分离过程,实现了基于人-车-路的双离合器协同起步的自适应控制.利用快速起步、慢速起步及驾驶员意图多变的起步工况对所制定的智能控制策略的合理性进行了验证.     

混联混合动力车辆能量管理控制策略优化

在分析混联式混合动力车动力总成结构及超级电容的动态特性的基础上,提出了基于规则的混联混合动力车的整车分层式控制系统.对整车驾驶员意图识别、模式判断和驱动力分配策略进行研究,并通过实车试验对其进行验证与评价.以中国典型城市公交工况为目标循环工况,进行实车测试,测试结果表明整车动力总成燃油经济性提升10%.     

用户意图感知及其功能转换设计

为解决产品设计领域中用户意图存在主观性,随机性以及模糊性的问题,提出一种利用模糊理论与熵权法对用户意图特征项进行分析,并用Kano模型和聚类分析对用户意图特征项进行功能转换设计.以互联网产品案例作为研究对象,研究结果表明,采用模糊集表达与熵处理方法能够区分不同的用户群体对用户意图特征项权重问题,而卡片分类与集簇分析方法进一步对特征项进行优化与信息架构构建,用于指导产品设计.研究结论解决了产品设计中用户意图存在的不确定性问题,为产品设计提供新的思路.     

面向用户意图的SQL注入检测方法

Web程序安全的首要威胁是SQL注入攻击,动态分析技术可有效防御此类攻击.提出面向用户意图的检测方法,在程序发布前预先定义Web程序期望的所有数据库操作,在运行时拦截提交至数据库的操作,阻止不符合意图的操作.设计并实现描述数据库操作意图的语言SQLIDL,将开发者提供的允许操作集合解释为以确定有限自动机(DFA)表示的字符串集合,并支持表名、列名、列值及存储过程名的正则表示.在SecuriBench测试集的实验表明,该方法可有效检测现有SQL攻击模式且运行开销较小.     

基于分层策略的智能下肢假肢运动意图识别

智能下肢假肢运动意图识别数据集包含不同地形下的运动模式及模式间的转换,即稳态模式与转换模式.在此类数据集为前提的意图识别方法常将各个模式直接进行分类,导致类间与类内的模式都易混淆.为解决这一问题,尝试使用分层策略,利用类间差异性对稳态模式与转换模式进行二分类,再用类内差异性进行再分类.在分层策略中,第一层至关重要,根据...     

面向微博用户的消费意图识别算法

利用迁移学习的方法, 融合京东问答平台数据与少量已标注的微博数据构建训练集, 提出一种基于注意力机制的双向长短期记忆神经网络(Attentional-Bi-LSTM)模型, 用于识别用户的隐性消费意图。针对显性意图识别问题, 提出一种结合TF-IDF (term frequency-inverse document frequency)与句法分析中动宾关系(VOB)的消费意图对象提取算法。实验结果表明, 通过将迁移京东问答平台的数据与微博数据相融合, 可以有效地扩充训练集, 在此基础上训练的神经网络分类模型具有较高的准确率和召回率; 融合VOB和TF-IDF的显性消费意图对象提取方法的准确率达到78.8%。     

基于模型预测控制的可变目标距离自适应巡航控制研究

为解决在复杂交通环境中自适应巡航系统存在旁车切入本车前方工况时，目标期望距离计算模型得到的期望相对距离与实际相对距离发生阶跃以及堵车蠕行工况，车辆与前车距离较近，拥堵路况不断启停的目标车辆的速度、加速度和相对距离持续抖动，导致的纵向加速度幅值过大带来的驾驶平顺性、舒适性和安全性问题，提出可变目标距离的自适应巡航控制算法，基于模型预测控制理论，建立离散纵向运动学预测模型，综合考虑底盘加速度响应、极限安全纵向跟车距离、车辆自身物理限制、驾驶人乘坐舒适性等优化控制目标，引入松弛因子进行在线求得可行解.在旁车不同切入工况、综合工况行驶以及堵车蠕行工况对本算法进行仿真和实车测试并利用数据对IDM算法开环实验，研究成果对比表明，考虑旁车切入的可变目标距离的自适应巡航控制算法在旁车加速切入工况中，纵向控制产生的最大冲击度为-0.25 m/s³，相比于IDM模型降低50%，堵车蠕行工况中纵向控制产生最大减速度为-0.3 m/s²，相比于IDM模型降低30%，综合工况和定速巡航工况中，算法在保持安全距离情况下可以对车辆实现稳定纵向控制，加速度幅值不超过-0.3...     

基于叠前波场模拟的合成地震记录层位标定

常规合成地震记录层位标定方法没有考虑多次波和转换波以及处理过程对层位标定的影响.为减小合成地震记录与井旁地震道在波场特征上的差异,提高合成地震记录层位标定的精度,提出基于叠前波场模拟的合成地震记录层位标定方法:首先,利用常规方法进行测井曲线编辑和地震子波提取;第二,利用反射率法模拟井旁共反射点道集;第三,对模拟的共反射点道集进行正常时差校正和叠加;最后,以叠加道作为合成地震记录对地震反射进行层位标定.试验结果表明,此方法改善了合成地震记录与井旁地震道之间在地震反射上的一致性,提高了层位标定的可靠性.     

基于目标干扰意图识别的无人艇避碰算法

在无人艇避碰规划过程中,为准确识别障碍干扰意图,提出一种结合主成分分析(Principal Component Analy-sis,PCA)和支持向量机(Support Vector Machine,SVM)的分类算法.首先,利用PCA对船舶模型运动的高维运动特征数据集进行降维,获取特征集的主成分;再通过SVM对经过处...     

高速路换道意图参数提取及意图阶段确定

针对换道意图辨识研究中的意图表征参数选择与意图阶段确定问题,提出一种新的组合方法.在驾驶模拟器所得原始参数基础上,从参数重要度与相关性角度,使用决策树C4.5算法和皮尔逊相关性分析,最终得到以方向盘转角、车道偏离量和横摆角加速度组成的重要度高且互相关性低的换道意图表征参数组.在此基础上,对方向盘转角和车道偏离量的时间序列进行K-means聚类,确定驾驶人换道意图阶段,并得出意图阶段长度与平均车速近似线性相关,且左换道意图阶段长度大于右换道意图阶段长度.最后,建立连续高斯隐马尔可夫模型,在所得意图表征参数组及意图阶段数据的基础上,训练换道意图识别模型及车道保持识别模型.模型的平均离线识别准确率为90％.并可在左换道开始前1.5 s判断出驾驶人左换道意图,右换道开始前1.4 s判断出驾驶人右换道意图.研究结果表明:基于所得的意图表征参数组及意图阶段所建立的意图识别模型可有效识别驾驶人换道意图,且识别精度较高,时序性较强.该方法可为意图识别研究中意图参数选取及意图阶段确定提供参考.     

基于Logistic模型的驾驶人换道意图识别方法

 为有效降低车道变换行为诱发事故的风险性,提出一种基于Logistic 模型的驾驶人换道意图识别方法。利用faceLAB 视觉追踪系统,通过真实环境下的实车测试,结合换道前驾驶人对后视镜的注视特性确定换道意图时窗,分析车道保持与换道意图阶段的注视特性差异,提取扫视次数、扫视幅度、水平方向视觉搜索广度、头部水平转动角度标准差等驾驶人换道意图特征指标,构建了Logistic 模型,并经效度检验后应用于对驾驶人换道意图的识别。结果显示,基于Logistic 模型的驾驶人换道意图识别方法的识别成功率达到90.24%,与基于转向灯信号的驾驶人换道意图识别方法相比,具有明显的时序及成功率方面的优势。     

弯道下商用车AEB的系统算法

仅以毫米波雷达获取前方环境信息的商用车AEB系统在弯道下易存在误动作,为解决此问题,对目标车辆进行位置补偿,判断其是否与自车在同一车道,从而完成对旁车道干扰车辆信息的滤除.基于制动过程与危险系数w_f设计多级预警与自主制动控制策略,以AEB各阶段介入时的碰撞时距值作为评价指标,验证能否实现危险情况下的有效避撞.仿真结果表明:弯道补偿算法能够区分旁车道与自车道目标车辆,有效避免对旁车道车辆的误制动,多级预警与自主制动控制策略符合期望指标,能对本车道危险车辆有效预警与制动,提高了弯道下汽车的主动安全性.