俯视邻近行人风险量化分析方法

针对车载单目视觉行人风险程度量化问题,提出一种俯视邻近行人风险量化分析方法。采用图像逆透视映射,将行人位置坐标从图像坐标系映射到俯视二维世界坐标系。通过在俯视二维世界坐标系中构建车行风险场并预测行人运动轨迹,量化行人风险系数并根据其系数大小将行人目标划分为安全、警告和危险三种不同风险等级。仿真实验表明:该方法能够准确量化行人目标碰撞风险,准确判定具有碰撞危险行人目标,有助于提高智能车载自主巡航能力和先进辅助驾驶系统危险预警能力。     

无交通信号路口行人过街的人车交互过程研究

自动驾驶汽车要进入人车混行的无交通信号路口,需确保与行人之间的交互安全,为解决这一问题,现以非自动驾驶汽车为研究对象,探索其与行人在无交通信号路口的交互过程。本文选取北京市内两处无交通信号灯的路口作为研究场景进行长期拍摄,基于视频数据从中提取行人的个体属性变量、行人的穿越行为变量、车辆的穿越行为变量以及间隙数据,将行人的过街行为分为穿越前、中两个阶段进行研究。结果表明,穿越阶段对行人的穿越时间具有显著性影响,穿越路口对行人的穿越时间不具有显著性影响。对于穿越前的等待时间,在有右转车道下对其具有影响的因素有行人的拒绝车辆个数和来自方向,在无右转车道下对其具有影响的因素有行人的拒绝车辆个数和起始位置。对于穿越中的穿越时间,在有无右转车道下对其具有影响的因素均为穿越人数和车辆1的行为。今后自动驾驶汽车行驶到无交通信号路口时,可以通过此结果去识别行人,并判断出行人的穿越时间,以便及时做出相应的措施。     

公交站点区域行人与非机动车交互行为建模与仿真

为研究公交站点区域行人和非机动车的冲突行为,在元胞自动机模型的基础上,首先,考虑激进型行人和混合非机动车流,通过行人穿越决策规则和非机动车避让规则耦合行人运动模型和非机动车运动模型,采用双向行人Blue模型模拟进出站行人的运动行为,采用改进的NaSch模型模拟非机动车的运动行为,建立公交站点区域行人与非机动车交互模型。然后,在北京市西单商场公交站B站台开展观测实验,微观层面展现行人和非机动车之间的交互作用,分析在不同流量构成下二者冲突演化规律以及进出站行人到达率、非机动车到达率对延误和冲突数的影响。研究结果表明,非机动车堵塞多发生在非机动车与行人刚开始的交互处,并向来车方向延伸。与进出站行人到达率相比,行人和非机动车延误受非机动车到达率影响更显著;在进出站行人比例为0.5时,行人和非机动车延误达到峰值;进站行人比例为1时,行人和非机动车延误比出站行人比例为1时延误小;在行人到达率一定时,冲突数随着非机动车达到率的增大而增加,当行人到达率较小时,冲突数呈缓慢地增长趋势,随着行人到达率的增大,冲突数增长率呈现先增大后减小的趋势。     

基于5G手机的交叉路口行人检测

针对目前在交叉路口通过摄像头进行行人识别与检测容易受到天气的影响,且摄像头统计范围有限的问题,利用5G通信低时延的特性,提出了一种基于5G手机的交叉路口行人检测方法。该方法采集行人携带的5G移动终端的位置、速度、密度、方向4个典型运动特征,然后在路侧设备上建立模型进行行人检测,降低单一运动特征的行人检测造成的误差,提高了准确率。通过搭建车联网测试平台对该方法的有效性进行验证,试验结果表明:该方法可以准确地统计交叉路口行人,同时也实现了满意的检测速度,为未来的智能交通、安全预警等方向研究和应用提供技术支持。     

速度异常的横穿马路行人检测算法

针对人车混行区域行人异常运动极大地干扰驾驶者判断问题,提出一种单目摄像机条件下,基于TLD和粒子滤波器行人检测与跟踪技术的速度异常横穿马路行人检测方法,用于检测车前道路上的运动速度过快或过慢的行人目标,作为危险行人提醒驾驶者注意,从而实现行人目标的早期安全预警。经仿真分析,能够有效地估计实际道路上行人的运动速度,判断运动速度异常的行人目标,为驾驶者和车载辅助驾驶系统提供必要的参考信息。     

视频监控场景下行人衣着颜色识别

近年来,由于视频监控在各地安防的广泛应用,行人的精细化识别显得尤为重要,其中行人的衣着颜色是最显著的外观特征,其识别的正确性直接影响视频检索中对特定行人的检索.论文提出了一个简单实用的行人衣着识别系统,可以有效地识别行人衣着颜色.首先,结合HOG(histogram of oriented gradient)算法和Grabcut算法自动地对监控图像中的行人进行精确分割;然后,在利用外观划分模型精确地分割出行人的上身和下身后对上下身分别分割成若干个小块;最后,使用KNN(k-nearest neighbor)分类方法判断每个块的颜色,通过所有块的颜色标签投票决定衣着颜色.最终,使用收集的监控视频图像数据集验证此方法的有效性和实用性.     

信号交叉口个体行人与群体行人过街闯红灯行为分析

行人过街闯红灯行为受道路、交通及行人自身等因素影响,为深入挖掘行人过街闯红灯行为规律,随机调查了1 157名过街行人,包含当时的道路、车流状况,如人行道长度、行人相位信号时长、行人穿越车流时的车头时距等。个体行人过街闯红灯行为与群体行人存在显著差异,利用显著性检验,判定个体行人闯红灯的显著影响因素为车流的车头时距与行人等待时间,群体行人闯红灯的显著影响因素为行人数量与行人群中最长行人等待时间。根据所得显著影响因素,建立了个体行人与群体行人闯灯率的Logit模型,结果显示:等待时间对个体行人与群体行人闯灯率的影响并无差异,当等待时间达到46 s时,个体行人与群体行人闯灯率曲线均达到拐点,此时行人违章率增加最快;当群体行人数量达到4人时,最容易激发行人群的集体闯灯行为。结论为交叉口信号配时及行人违法闯红灯的管理提供的了参考。     

考虑过街行人影响的右转车辆间隙接受模型

通过实地调研数据,对车辆右转的临界间隙进行了计算,发现右转车辆的临界间隙服从威布尔分布。用二项logistic回归模型建立间隙接受模型,结果表明,间隙值较大、行人流量较低时,司机对间隙接受的可能性较大,对单人过街的间隙接受的可能性更大,对较短的时间间隔比较谨慎,更倾向于接受较短的时间滞后。本研究既为对交叉口进行安全评估打下基础,也可用于对交叉口通行延误及通行能力进行分析。     

Modeling Mixed Traffic Flow at Crosswalks in Micro-Simulations Using Cellular Automata

The cellular automata (CA) micro-simulation model was used to describe the behavior of the mixed traffic flows at crosswalks where the pedestrians compete with the vehicles to cross the roadway. The focus of this paper is the behavior of pedestrians and the influence of pedestrians’ behavior on the vehicle flow, pedestrian flows, and the vehicle waiting time. The proportion of pedestrians who do not obey traffic laws, the group effect, and expected waiting time of pedestrians, regarded as the most important pedestrian characteristics, are taken into consideration in the analysis. Simulation results show the ability of the micro-simulation to capture the most important features of mixed traffic flow.     

异构感知融合的主动式行人碰撞保护技术研究

道路行人作为交通事故中的弱势群体，在交通事故中伤亡占比高，且头部和下肢是在事故中受伤害最多的部位. 行人保护性能的提升，仅仅通过被动安全很难有所突破，为此当前国内外车企及相关研究机构均加大了对行人安全的投入和技术研究. 主动弹起式引擎盖常规通过力学传感器感知触发执行机构面临开发成本高、周期长等问题，且力学感知传感器易发生不触发或误触发. 近年智能驾驶辅助系统(ADAS)进入普及阶段，集成ADAS的紧急防撞功能(AEB)和引擎盖系统，通过摄像头和雷达进行行人识别和距离感知，碰撞时可快速触发引擎盖弹起，实现行人保护的精准性，减少开发成本和误报的同时，缩短开发周期，性能得分比被动行人保护提升30%以上，大大改善对行人的保护.      

人车分流系统在大学校园中心区规划中的应用

众多校园中心场所的营造都离不开"步行优先"这一前提,人车分流系统成为校园中心区规划设计所主要采用的交通模式.回顾早期的校园规划,由于对车行交通的考虑不够完善,造成目前校园内人车混行,人行空间被车行占用,停车空间严重不足.所以,近几年的校园建设都把人车分流作为校园中心区主要采用的交通组织方式,充分满足人行和车行的不同需要.文中从介绍人车分流的理论原型入手,结合实例分析了人车分流系统在校园中心区规划中的应用方法,并提出通畅、舒适、便捷的人车分流系统应用原则.     

全向停车控制交叉口中行人与机动车延误相互影响研究

以美国某典型全向停车控制交叉口为研究对象,通过对该类交叉口进行理论建模分析,研究行人过街延误与机动车延误的相互关系。分析了交叉口中行人与机动车的冲突状况,并将冲突类型分为12种,得出行人半过街和完全过街两种情况下行人与机动车延误相互关系模型,并利用实地数据做验证以及模型误差来源分析。最后利用交通仿真软件对模型做进一步评价,指出现有仿真软件的缺陷。     

网联混合车流车辆换道博弈行为及模型

车联网环境中,交通系统将长期呈现智能网联汽车和传统人工驾驶车辆混合共存的状况.针对智能网联交通环境下的新型混合车流,建立了车辆的换道行为决策模型.对于混合车辆交通流引入最小安全区域模型,自主车辆交通流基于博弈论的思想进行建模.自主车辆之间的换道被看作为1种非合作博弈行为,车辆以自身行驶状态为博弈收益,寻求行驶条件更优的车道.运用SUMO软件对提出的换道模型进行仿真验证分析.仿真结果表明,博弈换道模型相比于传统间隙阈值接受模型具有较高的车道利用率和安全稳定性.     

基于自适应池化的行人检测方法

基于卷积神经网络的行人检测器普遍采用图像识别网络,通常会引起多池化层导致小目标行人特征信息丢失、单一池化方法导致行人局部重要特征信息削弱甚至丢失等,针对以上问题,基于最大值池化和平均值池化方法,提出了一种自适应池化方法,结合通用目标检测器Faster R-CNN,形成了有效的行人检测器,达到增强行人局部重要特征信息、保留小目标行人有效特征信息的目的。对多个公开的行人数据集进行大量实验,结果表明,与传统的卷积神经网络行人检测器相比,所提方法将行人检测漏检率降低了2%～3%,验证了方法的有效性。新方法改进了卷积神经网络结构,在无人驾驶领域具有一定的参考价值。     

基于Transformer的自动驾驶交互感知轨迹预测

针对自动驾驶运动规划中预测周围交通参与者(如车辆、自行车、行人)未来轨迹的问题,提出了一个基于Transformer的轨迹预测模型(Trajectory Prediction Transformer,TPT)来帮助自动驾驶车辆预测周围交通参与者的未来运动轨迹。首先,为了有效地考虑交通参与者和交通环境之间的交互信息,将交通参与者建模为交通智能体。并将交通智能体的历史运动轨迹和周围交通环境信息编码为多通道图,作为模型的输入。然后,利用改进的Transformer对交通环境进行建模,并捕捉交通智能体与交通环境之间值得关注的交互信息,预测其未来运动轨迹。最后,在大规模自动驾驶数据集Lyft进行的实验表明,TPT模型能够在不同预测时长下取得优于其他对比模型的预测结果,且用时更短。     

基于卷积神经网络的语义同时定位以及地图构建方法

环境感知技术是智能车功能实现的前提,而在感知的基础上提高智能车对环境的认知能力是实现全自动驾驶的关键。本文针对室外交通场景,基于卷积神经网络提出了一种新的智能车同时定位以及语义地图构建方法,对智能车进行定位,并且构建稠密的3D语义地图,提高智能车的环境感知、认知能力。首先,基于双目ORB-SLAM提出了一种四线程的双目SLAM（Simultaneous Localization and Mapping）方法构建稠密的3D点云地图,四线程分别为追踪线程,局部地图构建线程,回环检测线程以及稠密地图构建线程;其次,为提高智能车的环境认知能力,使用端对端的方法对图像进行语义分割,并且为提高语义分割精确率,将环境的几何信息也作为卷积神经网络输入;最后,将感知的能力与认知的能力相结合构建语义地图,为智能车实现全自动驾驶奠定基础。本文将算法在KITTI数据集上进行测试,整体算法速度为10帧/秒,语义分割的全局精确率为73.1%,构建的语义地图显示本文提出算法能够在大规模室外场景下重构全局一致性地图,并且帮助智能车实现对环境的解析。     

考虑交互轨迹预测的自动驾驶运动规划算法

针对自动驾驶汽车运动规划中预测周围交通态势的问题,提出一种考虑周围车辆间交互轨迹预测的运动规划算法.首先,针对结构化道路信息,构建改进社会力模型,对自动驾驶汽车周围的车辆行驶轨迹进行预测.其次,在Frenet坐标系下采样生成轨迹集合,将轨迹集合和预测轨迹投影到时空占用图上,计算投影点之间的最短距离进行碰撞检查,并结合加速度、曲率检查对轨迹进行筛选以得到候选轨迹.然后,构建代价函数对筛选过的候选轨迹进行评估得到最优运动轨迹.最后,不同行驶场景中的仿真结果表明,该运动规划算法能提前决策驾驶行为,规划出的速度曲线更加平稳,运动轨迹的安全性、舒适性和行驶效率更高.     

基于双目视觉的部分遮挡行人检测算法

针对行人被障碍物部分遮挡导致的检测准确率降低问题,本文提出了基于多特征融合的树形路径半全局立体匹配的部分遮挡行人检测算法。本方法使用SLIC算法进行超像素分割,提升行人的轮廓信息,并使用多特征融合的树形路径半全局立体匹配算法生成深度图;对行人信息和背景信息及障碍物信息使用自适应分割算法进行分离,获取感兴趣区域;将感兴趣区域放置在行人特征明显且稳定的头肩部,进行感兴趣区域的约束;使用降维HOG进行特征提取并生成样本集,训练SVM分类器,最终实现部分遮挡的行人检测。实验表明,本文算法与其它行人检测算法相比,在行人部分遮挡场景下,有着更高的行人检测准确率,证明本文算法的有效性。     

虚幻4驾驶模拟器设计和驾驶员特性分析

深入研究人类驾驶员的驾驶行为和特性,对推动智能汽车向高度自动驾驶发展具有重要意义。采用驾驶模拟器研究驾驶员在复杂交通场景下的驾驶决策和驾驶行为,成为近年来的一个研究热点。基于虚幻四引擎UE4交互式视景仿真技术,通过车辆、道路、建筑、交通灯、行人、路牌等交通元素的驾驶视景仿真环境搭建,开发了CarSim汽车动力学模型和罗技G29力反馈方向盘踏板的具有高拟真度人机交互的驾驶模拟系统。并设计了典型工况下的驾驶模拟试验,通过实时采集驾驶员驾驶数据,对驾驶员特性进行研究。研究结果表明:该驾驶模拟器具有逼真的驾驶体验,利用模糊C聚类算法(FCM,fuzzy C-means),将驾驶员特性进行准确分为6个聚类,可以将驾驶员特性进行准确分类,确立驾驶员特性与驾驶能力的关联,为进一步建立实时驾驶权分配研究奠定了基础。     

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。