开放边界双车道混合车辆交通流的研究

在NaSch模型的基础上,引入转道规则,建立了开放边界双车道混合车辆交通流模型．计算机数值模拟结果表明：混合车辆交通状态可分为快车特性区、准慢车特性区和慢车特性区,车辆混合比例对混合车辆交通流有重要的影响．     

基于动力学理论的交通流微分方程

针对传统交通流微分方程在理论和实际应用中存在的问题,对交通压力进行了深入分析,指出交通压力是交通流与道路相互作用及交通流内部车辆间相互作用的共同结果;通过引入相对交通压力和相对动量概念,并根据动量定理思想,导出了基于动力学理论的交通流方程,获得了粘滞阻力项;考虑具体交通状况和条件,进而导出了格林希尔茨(Greenshields)方程和车辆跟驰模型。结果表明,基于动力学理论建立的交通流方程,基本概念物理意义明确,理论上具有较强的统一性和一致性。     

基于车道等饱和度的交叉口车道功能优化模型

考虑不同进口道、不同流向和不同车道功能等复杂因素的相互影响,建立了基于等饱和度的交叉口车道功能优化模型。模型根据不同车道布置模式,考虑了进口流量比最小和进口流量比方差最小两类目标函数,并引入了进出口道车道平衡、流量匹配、车道功能冲突、车道等饱和度等约束条件。针对合用车道情形,根据不同模式分别建立了等饱和度约束方程。结合模型特征,给出了模型的快速求解方法。实例验证表明,交叉口车道功能优化模型简单有效,能够优化出每个进口推荐备选车道功能方案,模型可以较大程度上降低交叉口关键流量比之和,提高交叉口交通设计的效率和精度。     

无人驾驶车辆基于角点和斑点的特征提取算法

针对运行在计算资源有限的车载嵌入式系统中的视觉里程计算法实时性较差的问题,提出一种基于Harris和SIFT相结合的图像匹配方法——Harris-SIFT算法。在介绍了SIFT算法的基础上,给出了Harris-SIFT算法的原理:使用Harris算法提取图像中的角点作为特征候选点,再利用SIFT算法在Harris的特征候选点中进行特征点提取。通过实例用Matlab软件对算法进行了仿真,并对算法的复杂度及各种性能进行了分析。结果表明,所提出的方法在特征检测模块中降低了算法的运算量、提高了特征点提取速度。Harris-SIFT算法可用于实时视觉里程计系统中,进而可使视觉里程计在车载嵌入式导航系统上得到广泛的应用。     

基于车道的交叉口车道功能和信号相位优化模型

考虑不同进口道、不同流向、不同车道功能及不同相位方案等复杂因素的相互影响,建立了基于车道的交叉口车道功能和信号相位优化模型。模型目标函数采用交叉口关键流量比最小,考虑进出口道车道平衡、流量匹配、车道功能冲突、合用车道等饱和度等约束,能够同时优化进口道和出口道,给出了模型求解算法。提出的模型变量较少,与目前交通设计方法衔接更好,能够得到全局最优解,求解方法也相对简单。实例验证表明,模型能够有效降低交叉口关键流量比、周期和车均延误。     

基于元胞自动机的双车道环岛交通流特性研究

针对以元胞自动机模型模拟单车道环岛交通行为推断多车道环岛交通流特性的局限性,通过分析双车道环岛上车辆在自由流下的期望行驶路线、在非自由流下的期望换道临界位置和极限位置,描述双车道环岛上车辆的换道决策,建立双车道环岛的元胞自动机模型。数值模拟分析结果表明:环岛总延误时间与环岛限速、车辆驾驶员熟练程度以及车辆左转概率有关,同时也受环岛周长的影响;在其他因素不变的情况下,若环岛周长越小、车辆限速越大、车辆左转概率越小以及驾驶员熟练程度越高,则环岛总延误时间越小。     

领域知识与数据驱动的混合交通流车辆轨迹预测

自动驾驶车辆需具备预测周围车辆轨迹的能力。诸多发展中国家普遍存在弱规则、强交互的混合交通流道路,高密度混合交通流的车辆轨迹预测是极具挑战性的任务。为了兼顾混合交通流道路环境下轨迹预测的高精度和可解释性,设计一个融合领域知识和经验的深度学习模型（DK-Conv-LSTM）实现车辆的长、短时轨迹预测。该模型采用卷积结构（Conv）提取交互特征,并将融合车辆历史信息的特征向量送入长短时记忆网络（LSTM）模型实现轨迹预测。知识经验通过嵌入损失函数的方式引导深度学习模型的训练。与基础的LSTM相比,仅添加卷积层结构的Conv-LSTM模型可提升终点轨迹误差（FDE）约30.46 %,提升平均轨迹误差（ADE）约34.78 %;而DK-Conv-LSTM模型可分别提升FDE 46.81 %和ADE 49.08 %;同时DK-Conv-LSTM模型可还原多前车跟驰、超车行为的驾驶轨迹。     

路段上车辆的进入和离去对交通流的影响

运用差分法对连续交通流模型进行求解,对数值解取不同的初始值,分别求出不同初始值时,路段上无车辆的进入和离去、只有车辆的进入和只有车辆的离去3种情况下的密度、速度及流量,并作出相应的k-t,u—t,q-t图。得出了当密度较小时,车辆的进入和离去对交通流的影响不大;当密度接近最佳密度时,车辆的进入会大大降低路段上的车流量,...     

高速公路加速车道上车辆的汇入特征分析

为了研究高速公路入口匝道上车辆的汇入规律，利用摄像和Autoscope-2004图像处理系统在江苏、山西、河北、北京、天津、广东等地对高速公路合流区加速车道上车辆的汇入特征数据进行了大量调查，在对调查数据进行处理分析的基础上，运用概率分析和微分法建立了匝道车辆的汇入概率模型和行驶距离分布概率模型，利用实际数据对模型进行检验，并举例说明模型在高速公路加速车道长度的设计、评价和分析方面的应用，该模型揭示了匝道车辆汇入概率与合流区几何特征、交通特征的数学关系，不但解释了调查结果，而且对高速公路规划设计、控制管理等工程实践有重要的指导意义。     

基于深度学习的无人驾驶汽车车道线检测方法

车道线检测是实现当前汽车辅助驾驶和未来无人驾驶汽车的关键,深度学习技术在近年来迅猛发展,在图像识别、图像分割、语音识别及数据预测等方面都取得了出色成绩。结合深度学习技术对无人驾驶汽车环境感知中的车道线检测进行了相应的研究,提出一种基于深度学习的车道线识别算法。对比研究已有算法,针对其中的信息融合问题,提出了一种新的特征图上下文信息融合方法,将该方法与VGG(Visual Geometry Group)网络相结合提出融合上下文信息的车道线识别网络VGG-FF,进一步加入空洞卷积提出融合空洞卷积及上下文信息的车道线识别网络VGG-FFD。将该网络模型在公开数据集以及自制数据集上进行了性能测试,实验结果表明该模型具有良好的识别效果。     

基于语义分割的车辆行驶车道定位方法

提出一种基于语义分割的车辆行驶车道定位方法. 首先采用“编码器-解码器”网络架构实现多车道语义分割,通过最大池化计算的池化索引来进行非线性上采样,消除上采样的学习需要;然后结合目标检测YOLO v2算法,判断行驶车辆所属车道的位置,从而进行车道定位. 利用卡尔斯鲁厄理工学院和丰田美国技术研究院公布的数据集(KITTI)中城市道路(UM)的数据制作训练和测试数据库,并将其公开发布. 该算法可以实现端到端训练,网络结构简单、速度快、内存需求低,每帧图像的执行速度在60ms以内.     

单车道手动-自动驾驶混合交通流仿真分析

随着汽车产业和交通行业的快速发展,智能交通取得了长足进步,尤其是在自动驾驶领域。为研究手动驾驶、自适应巡航控制(adaptive cruise control, ACC)和协同自适应巡航控制(cooperative adaptive cruise control, CACC)三类车辆独立存在时的单车道交通流运行特性,基于元胞自动机Nasch规则,引入Gipps安全间距和速度,分别构建跟车模型,通过数值仿真试验,分析混入ACC和CACC车辆对道路通行能力、行驶速度、行车间距、交通拥堵等运行特性的影响。结果表明：随着ACC和CACC车辆渗透率的增加,道路通行能力和车辆行驶速度不断提高;当道路仅由数量相等的ACC和CACC车辆驾驶时,通行能力可提升2.2倍,拥堵指数可降低60%,显著改善了交通运行;引入ACC和CACC车辆增大了手动驾驶车辆行驶时的跟车间距,而ACC和CACC车辆仍能以较小的间距保持较高的速度跟随前车,提高了道路空间资源利用率。     

基于车道集计交通流数据的事故风险评估分析

事故风险评估分析提取事故及对应非事故状况下的交通运行数据作为自变量,以事故发生与否作为0或1因变量,采用数理统计模型分析事故发生与交通流状态的关联性.为探索上海市城市快速路的车道集计交通流数据用于事故风险评估分析的可行性,基于条件Logistic回归,使用该数据与事故数据构建事故风险评估模型,并检验模型预测精度.结果表明低运行速度、车道间流量的差异性会增加事故发生的概率;上海市城市快速路的车道集计交通流数据可用于事故风险评估研究.     

基于车辆跟驰理论的交通流动力学模型与数值仿真

为改进交通流模拟,提出了微观与宏观统一的交通流动力学模型.从微观的车辆跟驰模型出发,假设路段单元体中的车流为整体,且单元体的运动遵守拉格朗日坐标系下的车辆跟驰运动模型,那么该模型在变换为欧拉坐标后,与流量方程结合,推导出宏观的交通流动力学模型.模型分析和数值仿真表明该模型能够良好地模拟交通流的堵塞和疏导等现象.     

基于热力学熵的交通流模型

在分析热力学熵的基础上,讨论了交通流类热力学熵的构造方法,并构造了适用于不同情况下的交通流熵。通过对系统熵变的分析,揭示了交通流熵产生的内部机制,导出了熵产生公式。最后依据熵理论,导出了路段交通系统的交通流状态变化的微分方程,并建立了动态交通流模型。研究结果表明,此法不仅对已有理论具有包容性,而且具有普适性。     

无人驾驶车辆虚拟测试技术的发展

 无人驾驶车辆测试是无人驾驶车辆上路前的一个重要环节,其在实测阶段需要消耗大量的人力、物力、财力及时间,而无人驾驶车辆虚拟仿真测试技术则可以帮助测试大大减少消耗、提高效率。介绍了无人驾驶车辆虚拟仿真的应用、利用深度学习训练无人驾驶车辆的应用以及平行驾驶技术对于无人驾驶车辆虚拟测试技术的重要性;阐述了无人驾驶车辆虚拟测试技术的发展趋势;介绍了无人驾驶车辆相关平台;根据当前发展阐述了无人驾驶车辆虚拟测试的意义。     

基于视频图像处理的交通流检测方法

针对视频交通流的特点，提出了一种无需进行视场标定的交通流检测方法。该方法选用检测线上的点及其近似点作为检测区域，通过对背景模板上检测区域中的突变点的分析和统计，可以实时地检测车辆的驶入、存在和驶出，提高了检测速度。在此基础上，设计和实现了视频交通流信息采集系统，并用软件实现检测算法和图像处理算法。试验结果表明，其检测速度和检测精度都能够满足实际要求，达到了用最小的系统规模实现交通流信息采集的目的，能够为交通管理与控制提供信息数据。     

城市道路交叉口混合交通流机动车与非机动车冲突概率

为了量化城市道路交叉口机动车与非机动车交通冲突,建立了二者之间的冲突概率模型.分析了机动车与非机动车发生交通冲突的条件:非机动车占用冲突区的时段内有机动车到达冲突区;到达冲突区的机动车提供的车头时距不大于非机动车穿越机动车的临界间隙.选取机动车车头时距到达分布、非机动车穿越机动车临界间隙及非机动车占用冲突区域时长作为影响机非冲突概率的3个关键参数,基于大量调查数据建立各参数的数学模型以及机非冲突概率模型,通过具体实例求得机非冲突概率具体数值.结果表明,随着非机动车流量的增加,机非冲突概率呈上升的趋势.计算符合交通流运行的实际状态.     

基于交通流预测的高速公路收费站车道开闭配置

针对高速公路收费站的收费车道资源分配不均问题,结合贝叶斯优化算法（bayesian optimization algorithm, BOA）和长短时记忆神经网络（long short term memory, LSTM）,提出了一种基于交通流预测的收费车道开闭配置方法。首先,对收费数据进行预处理,得到交通量、车型比例、收费方式占比和服务时间等基础数据,用于构建模型训练数据集。其次,提出了一种基于多元收费方式的M/G/K排队模型,实现收费站通行过程的理论描述和平均排队长度、平均逗留时间、通行能力等关键指标的计算。然后,针对超参数设置困难问题,引入贝叶斯优化算法构建了BOA-LSTM组合模型实现交通流预测。接着,以交通流预测结果为输入,以车道开启数目为输出,构建了一种以综合成本最小为目标的车道开闭配置模型。最后,以河北新元高速机场收费站为例展开实证分析,结果表明,BOA-LSTM组合模型能够取得良好的预测效果,其中交通量和车型比例的均方根误差分别为16.24和0.03,平均绝对百分比误差分别为13.32%和1.77%;相比于实际方案,工作日平均每天的综合成本降低了2.30%,休息日平均每天的综合成本降低了5.14%。     

信号控制交叉口动态车道功能优化方法

为了应对交叉口交通供需关系发生显著变化的情况,合理分配交叉口空间资源,对信号交叉口动态车道功能优化方法进行研究.基于优化对象、优化参数和优化模型3个方面的分析,建立了以进口组为基础的动态车道功能优化模型.它可由整数非线性规划模型来描述,其优化目标为关键流量比之和最小.通过算例分析,对该方法的优化结果和计算速度进行了检验.研究表明,以进口组为优化对象可在保证优化结果准确性的基础上显著减少须同时进行优化的变量数,提高求解效率,以此为基础建立的优化模型可满足动态控制计算准确性和计算速度的要求.