基于驾驶员紧急制动行为特征的危险估计算法

基于真实交通工况下驾驶员的紧急制动行为特征,建立了一种新的危险估计算法用于汽车避撞系统的控制策略开发.通过在车辆上安装车辆行驶记录仪采集了目标区域内驾驶员的真实交通场景;对采集到的交通场景进行人工筛选,并按照美国高速公路安全管理局(NHTSA)的分类方法进行了分类,得到了6种典型的危险工况;通过视频图像处理等方法对典型危险工况下驾驶员的紧急制动行为进行了分析,得到了驾驶员紧急制动起始点的碰撞时间tTTC值以及车辆在紧急制动过程中的平均制动减速度,并利用这些数据建立了基于碰撞时间倒数tiTTC和期望减速度areq的危险估计算法.这种危险估计算法能够同时考虑两车快速靠近以及稳定跟车工况,并与驾驶员在真实交通环境中的紧急制动行为相对应.     

基于USB-Host的汽车行驶数据采集系统

在汽车运行中,汽车行驶数据采集系统对各种运行参数进行测量和存储.为了对车辆事故进行分析,必须读取数据采集系统的数据.设计了一个基于单片机的数据采集系统,该系统采用USB海量存储设备类规范中的Bulk-Only和UFI子规范.通过FAT16文件系统对采集到的汽车行驶数据进行存储管理.利用通用的U盘便可读取系统中的数据,系...     

基于感兴趣区域AdaBoost分类器的视频车辆检测研究

近年来基于视频的车辆自动检测作为城市智能交通系统的一项重要技术一直受到关注.针对AdaBoost分类器目标检测所存在的漏检、误检和计算量过大等问题,提出一种基于混合高斯模型运动区域提取和Haar-like特征的AdaBoost级联分类器的交通视频车辆检测算法,首先通过建立混合高斯模型对运动目标的总体区域进行检测,进而提取基于车辆运动的感兴趣区域,再对其进行基于Haar-like特征的区域AdaBoost级联分类,实现对运动车辆的检测.由于采用了基于运动区域提取和分类相结合的检测模式,通过混合高斯背景模型较准确的提取出ROI作为车辆的候选区域,约束了每帧的搜索区域,使AdaBoost分类器的目标检测更具针对性,提高了检测的准确性,降低了漏检率;同时也减少了分类算法滑动窗口扫描所需要的时间,提高了检测速度.实验结果验证了所提出算法对复杂交通环境车辆检测的适应性和有效性.     

无线传感网中移动采集节点的路径优化研究

针对具有单一移动采集节点的无线传感网,考虑数据采集的相关因素对移动采集节点路径规划的影响,建立了基于移动采集节点单位时间内采集的数据总量最大化的数据采集路径规划数学模型,并设计了模拟退火算法对该问题进行了求解。实验仿真证明,文中设计的数据采集策略可以大大地提高移动采集节点的数据采集效率,最大化地发挥移动采集节点的功能,减小无线传感网络中静态传感器节点的通信负载,优化网络生存时间。     

基于多源数据融合的公交车辆跟驰模型

针对目前缺少公交车辆跟驰模型参数和单一数据采集方式无法获取完整车辆跟驰过程数据的问题,提出一种基于多源数据融合的公交车辆跟驰模型,采用实测数据进行参数标定和模型验证。通过移动GPS数据采集设备随车采集车辆的运动轨迹和无人机空中悬停俯拍采集公交车辆的停车间距,并进行数据融合处理得到完整过程的公交车辆跟驰行驶数据;通过引入均方误差指标来衡量实际测量值与模型仿真值之间的差异,将公交车辆跟驰模型的参数标定问题转化为一般优化求解问题;通过对实测数据进行统计分析,获取公交车辆的平均停车间距参数;采用粒子群优化算法对智能驾驶跟驰模型中的舒适制动减速度和加速度系数2个参数进行求解,得到模型的最优参数;将验证集中的实测数据与模型仿真值进行对比,对模型参数的效果进行验证,并以厦门快速公交走廊的车辆多编组运行控制为例,对跟驰模型的效果进行进一步的验证,其中头车采用速度优化模型进行控制,跟随车辆则采用上述标定的公交车辆跟驰模型进行控制。研究结果表明：公交车辆跟驰模型生成的数据曲线与实测数据曲线基本一致,跟随车辆与头车在路段上行驶和车辆进出站2个阶段的运动轨迹曲线基本一致,符合车辆跟驰模型的跟随性,进一步证明了...     

基于智能手机的公交运行舒适性测度指标研究

为量化分析公共汽车运行过程中行驶平顺性以及车体振动状态对乘车舒适性的影响.以智能手机作为数据采集终端,通过对速度、经纬度数据的统计分析构建表征平顺性的多维变量,并以主成分分析法降维获得平顺舒适性指标;另一方面,通过对高频采集的加速度数据进行傅氏变换构建振动舒适性指标.该研究弥补了以往研究中忽略车辆运行状态对舒适性影响的不足.通过多项Logit回归法分析调查数据表明,该研究基于智能手机采集数据所构建的舒适性测度指标值能客观反映乘客对公交运行状态的舒适性主观感知.     

基于改进DBSCAN算法的激光雷达车辆探测方法

结合车辆行驶的实际环境,提出了一种基于改进DBSCAN快速聚类算法的激光雷达车辆探测方法.建立激光雷达与摄像机传感器坐标与车辆坐标之间的转换模型,进行数据融合,通过改进DBSCAN算法对雷达数据进行去噪声和聚类处理,根据车辆在激光雷达探测中的形状特征模型进行形状匹配,实时完成车辆探测,并将探测结果投影至图像上.实车实验结果证明,改进的DBSCAN算法在车辆探测应用中具有良好的准确性和实时性.     

基于 Jaya 优化标定的高精度数据采集方法

材料基因组工程融合高通量实验、高通量计算和数据库及人工智能技术, 能加速实现新材料的研发. 然而, 如何快速且可靠地从实验设备中采集数据是材料基因组工程的重要问题. 针对高精度数据采集系统标定数据时间不同步的问题, 以线性模型作为采集数据处理参数的模型, 以设备显示值作为数据采集真实值, 构建数据处理参数寻优的目标函数; 基于 Jaya 优化算法实现了模型参数优化搜索; 最后以设备温度数据采集为例, 构建了高精度数据采集系统并进行实验验证. 实验结果表明, 采用优化后的模型参数, 数据采集平均误差仅为 0.13 ${^\circ}$C, 精度可达 99.89%, 相比于非优化模型参数, 平均误差降低了 63.20%, 显著提高了数据采集精度.     

面向车路协同的公交车行驶行为研究展望

针对目前相关研究中公交站区公交车行驶行为主要由跟驰、换道及仿真等理论模型进行刻画的局限,为了构建符合车辆实际运行的行为模型,明晰现有公交站相关设计规范是否科学合理,提出了基于无人机视频和图像识别技术。参数化提取公交车进出站过程中的轨迹、速度、加速度等真实行为特征数据的方法,并对其运动变化规律进行详细分析。探讨了基于实测大数据构建车辆运动模型的必要性和可行性,提出了相应技术路线及关键技术。初步研究表明,该方法将能准确描述公交车行驶行为与道路设计、社会车辆运行之间的有机联系,可为公交站几何尺寸设计、公交站区范围内车辆管控以及无人驾驶研究提供技术支撑。     

基于IPv6校园的仪器设备能耗监控平台

为了有效地监控和管理高校仪器设备,对设备的能耗数据进行采集,以数据分析结果为依据为高校发展提供科学管理和智能决策支持.通过物联网和IPv6技术,部署智能硬件对仪器设备能耗数据进行计算和采集,以层次化结构为指导设计了松耦合的平台体系结构,采用Web服务作为数据上传和硬件控制的中间件,提出了相关的能耗分析算法对数据进行处理和分析.搭建了基于IPv6的校园仪器设备能耗监控平台,通过图形化界面展示数据分析和统计结果,实时显示仪器设备的能耗和运行状态.该平台能有效地监控仪器设备的能耗数据,有助于实现精细化管理并对节能减排和提高能源利用率提供技术保障.