基于GPS定位数据的高速公路换道特征分析与行为识别

为了实现对高速公路微观状态的监测,需要对车辆换道行为进行识别.利用车载GPS定位数据获取车辆换道参数,并分析换道车及其周围车辆在换道时的参数统计分布特征,提取换道行为表征参数,建立了基于隐马尔可夫的换道行为识别模型.结果表明:利用该模型可以实现对驶出换道、驶回换道和车道保持行为的较好识别,且能在换道发生后1s识别出换道行为,准确率高达92%.为后期实时换道预警提供参考.     

神经网络与贝叶斯滤波器在换道预测中的应用

为提高车辆在换道过程中的行车安全性。提出一种基于BP神经网络与贝叶斯滤波器的换道意图预测方法,通过车道线传感器、方向盘转角传感器和车身CAN总线采集相关表征参数,将其作为BP神经网络输入数据,对驾驶人换道意图进行初步预测,BP神经网络输出结果作为贝叶斯滤波器输入数据,对BP神经网络预测结果作进一步修正。对模型利用真实换道数据进行训练和检测,结果表明此模型的预测准确率达到91.38%,相较于单一的BP神经网络模型,预测准确率提高了6%,并且具有更强的通用性。     

基于形变长短期记忆网络的换道意图预测

混行交通下的自动驾驶车辆需具备换道意图预测能力来保障行驶安全。为尽早预测车辆换道意图,提出一种基于形变长短期记忆(mogrifier long short-term memory, M-LSTM)网络的换道意图预测模型。首先采用S-G (Savitzky-Golay)滤波器对自然驾驶数据集NGSIM(next generation simulation)进行降噪筛选,按向左换道、向右换道、直线行驶对不同时间长度的轨迹序列标注,选取车辆运动信息与环境信息输入模型,最后采用softmax函数进行意图分类。试验结果表明,在不同预判时间下,模型准确率均高于支持向量机(support vector machine, SVM)、LSTM模型,且越接近换道点预测准确率越高,在1.0、2.5 s时预测准确率分别为93.83%与81.30%。提出的模型具有良好的准确性与预判性,能为自动驾驶车辆尽早识别换道意图提供技术支持。     

基于实车试验的驾驶人换道行为多参数预测

针对驾驶人在换道时若出现决策失误,极易引发交通事故的问题,通过在真实交通环境中进行实车试验,采集车辆运动状态、驾驶人操作行为以及头部运动特性、周围交通环境等数据;通过对换道意图阶段和车道保持阶段数据参数的对比分析,提取能够表征驾驶人换道意图和行为的特征参数;通过建立BP神经网络模型,以不同特征参数作为输入向量对待测样本进行预测,确定最终的输入特征指标,并基于建立的BP网络模型,进行驾驶人换道行为预测。研究结果表明:换道前2s内的预测准确率为94.4%,灵敏度为93.33%,能够准确预测出93.33%的换道行为;该模型能够有效预测驾驶人的换道行为,且准确率高、时序性强。     

基于支持向量机的车辆换道决策模型研究

车辆换道行为是微观交通流中的典型驾驶行为之一。研究车辆换道决策模型,可以帮助无人驾驶车辆正确进行换道决策。以NGSIM数据集为依据,采用SG滤波器对NGSIM数据集进行平滑处理,筛选平滑处理后的数据得到训练集和测试集;选择影响车辆换道决策的7个因素作为模型输入,建立基于粒子群优化算法的支持向量机(PSO-SVM)车辆换道决策模型和标准支持向量机(标准SVM)车辆换道决策模型;对训练集和测试集进行归一化处理,利用归一化处理的数据进行模型的训练和测试。测试集数据分类验证结果表明,建立的PSO-SVM车辆换道决策模型的决策准确率为94.67%,相比于标准SVM车辆换道决策模型提高6%,能有效实现无人驾驶车辆的换道决策。     

事故接管场景下L3自动驾驶换道轨迹的评价和分类

为研究L3自动驾驶事故场景下人工接管后换道轨迹的评价和分类问题,通过驾驶模拟实验采集换道轨迹数据;从舒适性、高效性、生态性、安全性四个方面选取9个评价指标;采用熵权TOPSIS模型对换道轨迹进行评价并完成标签标定;用标定后的数据训练得到SVM分类器模型,并将其应用于换道轨迹的分类中,该模型在测试集的平均准确率为79.55%,平均精确率为79.52%,平均召回率为79.51%,平均F1值为77.43%。结果表明：应用熵权TOPSIS模型得到的评分最高的换道轨迹在舒适性、高效性、生态性和安全性上综合表现优秀;SVM分类器能以较为稳定的准确率完成换道轨迹的分类。得到的最优换道轨迹可为驾驶员的换道提供指导,也可为自动驾驶车辆的轨迹遵循提供参考。     

车身舒适系统CAN总线网络测试与仿真分析

为了研究车载CAN总线网络系统的网络性能指标,选用通用CAN总线软硬件整合组成低成本车载CAN总线网络测试与仿真分析系统.对大众宝来车身舒适系统CAN总线网络进行测试与仿真分析.测试结果表明:大众宝来车身舒适系统CAN总线的节点平均发送CAN数据帧时间间隔为20ms,教据长度为2～5位,网络通讯波特率为62.5 kBd,正常工作时网络负载为30%,系统后备能力强、可靠性高;仿真结果表明:车载CAN总线网络系统设计时节点测控数据定义较少的发送CAN数据帧时间间隔与数据长度、系统采用较高的网络通讯波特率,可以提高车载CAN总线网络系统性能.     

CAN总线网关的设计与实现

为了解决车载总线网络间的通信问题,基于CAN(Controller Area Network)网络,设计并实现了一个CAN网关的基本原型。结合CAN总线的特性,实现车载网络的差错控制、流量控制等基本功能。该网关原型用于连接5个子系统网络,既满足子网内部通信的隔离,又实现了子网间数据的正确交换,有效地降低车载网络的数据流量,进一步实现了汽车系统的网络化。     

基于自然驾驶数据的高速公路出口换道决策模型

为研究高速公路出口换道行为特性,分析驾驶员换道决策机理,依托上海自然驾驶实验所采集的驾驶行为样本和车辆运行参数,采用Google Earth标定行驶路径及高速公路出口范围以筛选出口样本,并根据车道偏移参数和方向盘转角识别换道行为;以单向4车道高速公路为例,综合考虑行驶路径信息和交通流环境,基于随机效用理论,采用Binary Logit(BL)模型拟合构建换道决策模型,得到车道效用函数;基于效用函数作出高速公路出口范围内在自由流、稳定流和拥挤流水平下的分车道效用分布图,并进行同质性和异质性分析.结果表明,换道决策模型准确率达到86.21%,各变量影响均可得到合理解释;根据效用分析,出匝车辆的换道行为是出匝意愿与通行环境改善需求两方面平衡的结果,兼有强制性换道与自由性换道的行为特性,且随着交通流状态由自由流过渡到拥挤流,后者影响逐渐增强,表现为上游向左换道行为趋于活跃、下游向右换道位置接近出口.     

换道辅助系统中基于可调向滤波器的车道线分类检测

车道线识别与分类是车辆换道辅助系统(LCAS)中的一项关键研究内容,其中如何对不同类型车道线准确分类是一类难点问题。提出一种基于可调向滤波器的车道线识别方法;并提出基于时空窗口灰度特性统计的虚、实车道线分类方法。首先对YCbCr色彩空间中的路面信息进行窗口采样,通过建立灰度高斯分布模型提取路面区域。在此区域内设计可调向滤波器进行车道线边缘滤波;并通过梯度方向直方图对滤波器方向角θ进行初始化。提出一种灰度累加策略以降低由光照变化引起的车道线区域灰度漂移,根据车道线Hough直线模型设置动态车道线ROI,最终建立基于时间窗口内ROI灰度均值统计的虚、实车道线分类。高速公路实验证明:虚、实车道线分类准确率分别达到88.5%和90.3%,算法在克服路面环境与白天光照的干扰方面具有鲁棒性。研究对优化换道预警策略、提升LCAS的安全性与智能化水平具有理论意义。     

鲁棒的车道偏移实时警告系统

提出了一种应用于安全驾驶辅助的鲁棒的车道偏移实时警告系统.采用ALTERA公司片上NIOS II系统的CycloneⅡ FPGA作为处理核心,应用了一种鲁棒的快速车道线偏移警告算法,利用Avalon总线进行IP核的定制,实现了车道偏移警告系统的软硬件设计.测试结果表明,系统的准确率和实时性能满足全天候车道偏移警告需求.     

考虑驾驶人换道意图的车道偏离预警系统

 为降低基于机器视觉车道偏离预警系统的误警率,提出一种考虑驾驶人换道意图的车道偏离预警系统。运用SteerableFilter 方法对所采集的道路图像信息进行滤波,运用局部搜索区域法提取车道线参数,运用基于图像信息的识别方法检测车辆的车速、转向信号、车道偏离状态以及驾驶人的头部动作状态,判断驾驶人的换道意图,建立了车道偏离预警的决策算法及系统。应用Matlab 软件对实车采集得到的视频进行算法验证和系统仿真试验,结果表明,提出的车道偏离预警决策算法是可行的,该预警系统将有意识与无意识的车道偏离区分开,从而能有效屏蔽在驾驶人有意识偏离车道时的误报警,具有更高的可靠性。     

电动小车自动变道环境感知系统

构建了电动小车自动变道环境感知系统.介绍了自动变道实车平台和转向系统结构改造方案,并设计了低成本、可靠的环境感知方案.对于同车道前车,采用加权融合算法对24 Ghz毫米波雷达和前视摄像头进行数据融合,通过实车采集,拟合了两种传感器在不同距离上的理想权重曲线,提高了环境感知的精度和稳定性.最后通过避障变道工况的试验,验证了自动变道环境感知系统的适用性.     

基于CAN总线的室内环境监测系统设计

针对传统室内环境监测系统采集设备简单、数据稳定性与实时性缺乏的缺点,设计一种基于CAN总线的室内环境监测系统。传感器节点采集室内环境数据,通过CAN总线传至监测平台,监测平台对数据进行控制与处理,通过以太网与PC机进行数据传输,实现上位机的实时显示。通过实验验证,监测系统可以稳定可靠运行,为构建更加复杂的分布式监测系统提供了切实可行的参考方案。     

基于时间和空间融合的车道偏离预警模型

针对车辆偏离时间和车辆横向位置决策模型精确度不足的问题,基于车辆动力学原理,建立车辆运行模型,分析车辆从当前位置到接触车道边缘为止所需要的最小时间和车辆中心距离车道中心线的距离,建立基于时间和空间融合的车道偏离预警模型;运用Carsim软件对所建模型进行仿真验证,并将所建模型与TLC、DLC两种典型的预警模型的预警结果进行对比,结果表明,本文提出的预警模型可有效针对车道偏离进行预警,误差率在4%之内,精度较高。     

基于MKE06Z64的电动汽车低速行驶提醒系统设计

为了解决电动汽车低速行驶中因无提示音而易引发交通事故的问题,设计了一个基于MKE06Z64的电动汽车低速行驶提醒系统.该系统主要包括主控模块、电源模块、稳压模块、CAN总线模块、LPF模块、功放模块和存储模块（备用）等.主控模块接收并分析电动汽车CAN总线的指令,获取档位、车速、使能信号和音源选择等车况信息,主控芯片再根据这些信息找到对应的音源,利用PWM输出提示音.     

加权指数损失下长短时记忆网络换道意图识别模型

针对车道变换意图识别中数据源单一,传统序列模型难以捕获长序列范围内换道意图且存在长期依赖问题,提出一种结合时间信息加权指数损失函数的长短时记忆(long short-term memory,LSTM)车辆换道意图识别模型.首先,利用驾驶模拟舱、眼动仪进行高速公路驾驶实验,采集车辆运行数据和驾驶员眼动数据;然后,基于LSTM结构单元构建高速公路环境下车辆换道意图识别模型,提出基于时间信息加权的指数损失函数对模型权重进行优化;最后,利用车辆运行数据和驾驶员眼动数据对所提模型加以验证并与其他模型进行对比,所提模型换道识别的准确率为91.33％,宏平均精确率为89.04％,宏平均召回率为92.84％,宏平均F1值为90.33％.结果表明,长短时记忆网络对于长序列换道意图识别过程具有较好的分辨能力,提出的损失函数对模型权重优化具有良好的效果.     

基于MKE06Z64的电动汽车低速行驶提醒系统设计

为了解决电动汽车低速行驶中因无提示音而易引发交通事故的问题,设计了一个基于MKE06Z64的电动汽车低速行驶提醒系统.该系统主要包括主控模块、电源模块、稳压模块、CAN总线模块、LPF模块、功放模块和存储模块（备用）等.主控模块接收并分析电动汽车CAN总线的指令,获取档位、车速、使能信号和音源选择等车况信息,主控芯片再根据这些信息找到对应的音源,利用PWM输出提示音.     

基于ARM7 的汽车CAN 总线冗余网关设计

针对目前汽车内部连接ECU（Electronic Control Unit）的单线结构CAN(Controller Area Networks)总线网关, 一旦CAN总线线束损坏, 无法保证汽车各ECU之间稳定通信的问题, 提出了一种基于ARM7的冗余网关设计方案。该方案以ARM7处理器为中控网关控制器, 利用总线冗余的设计思想, 为主CAN总线备用辅助的CAN总线, 采用支持多任务实时调度的μC/OSⅡ作为实时操作系统, 在ADS（ARM -Developer- Suite）上软件编程完成各节点与网关之间的数据通信、 网关对数据中继转发、 总线故障切换。实验室组网测试表明, 该网关不但能与普通节点之间进行数据通信, 而且具有高低CAN总线节点之间的数据通信的中继转发功能, 在主CAN总线出现故障时及时切换到辅助CAN总线, 使整个车载CAN网络稳定可靠运行。     

安全驾驶的横向安全预警报警阈值的确定

为减少车道偏离事故的发生,基于车辆将要横越车道边界的时间标准（TLC）,提出一种新的横向安全报警算法。该算法根据车辆运行状态判断驾驶人意图,基于实车试验数据,分析车辆的车轮轨迹曲线与TLC曲线,设定不同路况、不同类型驾驶人的报警阈值;利用驾驶人分类结果中最激进和最保守驾驶人的实车数据,分别验证不同路况下的报警阈值。结果表明：在不同路况下,报警算法给性格保守的驾驶人留出了1s左右的反应时间,给性格激进的驾驶人留出了0.5s左右的反应时间。