摘 要:随着全球交通拥堵和安全问题的日益突出,自动驾驶技术的广泛应用被认为是解决这些问题的重要途径,单车智能技术(SAD)和智能车路协同系统(i-VICS)是当前自动驾驶领域的两大研究热点。本文阐述了单车智能和车路协同系统的基本概念和关键技术,讨论了单车智能中的感知定位、决策规划和控制执行技术,以及车路协同系统中的协同感知定位、协同通信和分级云控技术,并回顾了不同技术的研究成果;总结了中、美、德、
摘 要:电动汽车作为交通电气化的核心,对减少温室气体排放和提高能源效率起到了积极的作用。显著增长的电动汽车保有量和市场占比对充电基础设施产生了一定的影响,如充电设施不足和电网负荷波动等问题凸显。本文深入梳理了交通网络承载力和电力网络承载力的基本概念、计算方法和评估指标,分析了交通与能源网络两网评估方法与两网融合韧性,并探讨了交通-电力融合系统潜在的挑战与策略;揭示出目前亟待开展的研究领域并指出了未
摘 要:为解决无人机单独采集图像生成三维(3D)重构模型存在破损和孔洞的问题,提出了一种基于无人地面车辆补充采集的3D模型优化方法。该方法耦合基于模型分辨率、三角网格结构和人工选点 3种方法提取待优化区域,生成3D包围框和法向量信息,并利用3D重构质量启发式方法生成补充采集视点。结果表明:在该方法优化下,粗糙3D模型的低质量区域得到了显著改善,模型投影像素尺寸平均减少66%;该方法可以有效提升了3
摘 要:为提高智能网联汽车(ICVs)的安全性,提出了一种能适应异常流量低的、泛化能力强的控制器局域网(CAN)总线异常检测算法,以应对车辆可能会产生的潜在的和难以察觉的异常情况,有效提高异常数据的检测精度。该文探讨了生成对抗网络(GANs)的理论意义,并在一辆智能网联公交车上,收集了4类不同攻击数据,2类罕见报警数据,基于计算数据的重构误差来衡量异常程度,验证算法的适应性。结果表明:该文提出的算
摘 要:为了实现输变配设备的跨专业无人机(UAV)自动巡检,提出了一种考虑到输变配不同巡检频率的固定机巢巡检策略。基于集合覆盖模型建立了固定机巢选址模型;通过改进k-means聚类算法设计了巡检任务分配模型;将无人机路径规划问题建模为带时间窗的多旅行商问题(MTSPTW),设计了自适应大邻域搜索(ALNS)算法完成求解; 并且使用某实际运维区域进行大规模数据的实例验证。结果表明:某机巢的无人机通过
摘 要:为了提高异常事件常发地段中智能车辆行驶的效率和安全性,以提升车流参数预测的准确度为出发点,该文设计了一种基于动态节点自注意力的车流参数预测方法, 在多个时间步中利用空间注意力聚合邻域节点的特征,沿着时间维度通过时间注意力机制预测交通参数。结果表明:该文设计的动态图自注意力(DGSA)模型的1 h预测结果平均绝对误差(MAE)、均方根误差(RMSE)和平均绝对百分误差(MAPE)指标分别下降
摘 要:为了提高自动驾驶汽车在人车混行交叉口场景下的行车安全性,提出了一种面向自动驾驶汽车的信号交叉口行人多模态轨迹预测方法。考虑社会生成对抗网络模型(SGAN)的社会属性,将行人历史轨迹作为输入,通过生成器与判别器交替训练,采用交叉熵损失函数进行模型优化,提出基于SGAN的行人轨迹预测模型;建立行人自驱力、行人间交互力、斑马线边界力和信号灯作用力的4种约束力模型,提出基于社会力模型(SFM)的行
摘 要:为了解决车辆纵向速度规划任务中规划器不易收敛以及在多场景之间切换时稳定性差的问题,基于多层感知机设计了车辆纵向速度规划器,构建了结合优先经验回放机制和课程学习机制的深度确定性策略梯度算法。该文设计了仿真场景进行模型的训练和测试,并对深度确定性策略梯度(DDPG)、结合优先经验回放机制的深度确定性策略梯度(PER-DDPG)、结合优先经验回放机制和课程学习机制的深度确定性策略梯度(CLPER
摘 要:为提高公交专用道利用率,构建了公交-合乘车道(bus-HOV lanes)优化设计的多目标双层规划模型。该模型上层最小化交通总阻抗、公交运营成本和车辆排放;下层考虑非合乘车、合乘车和公交车实现多方式交通网络用户均衡;由快速非支配排序遗传算法求解,其下层由相继平均法和连续权重平均法求解;并使用Nguyen-Dupuis网络验证模型及其求解算法。结果表明:所给算法能有效获得公交-合乘车道设置方
摘 要:为了提高拼车需求预测的准确性,提高网约车拼车服务效率,进一步有效缓解交通拥堵问题,该文利用时间特征提取和Kepler优化算法对传统的决策树机器学习模型进行优化,提出了一种区域拼车概率预测模型。基于芝加哥网约车拼车概率数据集进行拼车需求预测的实验,将该模型与传统决策树模型进行比较。结果表明:优化后的模型在预测精度方面优于传统决策树模型,平均绝对误差(MAE)降低了0.044,均方根误差(RM
摘 要:在智能交通中,为弥补路侧端点云数据集的缺乏,提高目标检测模型泛化能力,提出了一种基于参数自适应联邦学习(FL)的点云目标检测算法(FLA3DSSD)。在各个路侧客户端数据不互通的情况下,将基于点的3D单级目标检测器(3DSSD)算法与经典联邦学习(FL)策略相结合,同时通过上传局部模型在路侧服务器进行模型自适应参数融合改进客户端模型参数更新策略,实现数据信息共享,并提升检测精度。结果表明:
摘 要:为安全、高效地控制智能网联汽车(CAV)编队,研究了基于多智能体系统(MAS)一致性的多车道、零散随机分布的车辆集群编队控制策略,并进行数值仿真验证。建立了基于交错式结构的车群期望几何拓扑,提出了包括间距调整阶段、变道控制阶段和队形收敛阶段的3阶段式编队控制流程。基于一致性理论,设计了车群编队控制器,并进行稳定性论证。选取2种典型场景,对三车道场景中初始分布较为极端的车群开展编队研究。结果
摘 要:为提高智能汽车在动态行车环境下的行驶安全和通行效率,研究了基于周边车辆轨迹预测的路径规划方法,并进行了仿真。提出了一种基于时空图卷积网络(STGCN)的周边车辆轨迹预测方法,通过STGCN对车辆历史轨迹进行编码,提取交通图的时空特征,并结合长短时记忆网络实现周边车辆的轨迹预测。在此基础上,提出了一种基于改进人工势场(APF)的路径规划方法;建立了基于APF的行车危险评价模块;利用Frene
摘 要:为了使自动驾驶汽车准确地预测其周围车辆的换道意图,提出了一种基于长短期记忆神经网络(LSTM)-多头混合注意力的可解释换道意图预测模型。该模型可以充分提取目标车辆与其周围车辆之间的时空交互关系,并且提出了一种基于最大熵的Shapley加性解释方法(SHAP)来解释各个特征在特定时间步对模型输出的影响程度,在HighD数据集上进行了实验。并通过SHAP值的可视化,直观解释了换道预测模型在特
摘 要:为规避或缓解红绿灯路口前车停车让行时遭到失控后车追尾的严重事故,基于前序研究建立的行车风险场力的基本模型,提出了行车风险的矢量场建模方法。设计了无信号灯交叉路口场景,并进行6组不同状态下的行车安全场仿真计算;设计了红绿灯路口前车停车让行时即将遭到失控后车追尾的危险场景,分析了直行、左转、右转和掉头等4种不考虑道路交通规则约束的避险路径,对比分析了12组不同状态下的行车风险场力分布。结果表明
摘 要:为了满足自动驾驶仿真测试的高精度集卡模型要求,面向自动驾驶集卡提出了一种子系统耦合的牵引车-挂车铰接动力学建模方法。基于牵引车-挂车铰接关系,对集卡进行精确的运动学描述;根据集卡牵引车-挂车间运动学关系,利用牛顿力学分别建立了牵引车、挂车的动力学模型;考虑自动驾驶集卡仿真测试的控制需求,分别对驱动、制动、轮胎、转向、空气动力子系统进行描述。针对集卡装载质量的可变性,对集卡质心位置和转动惯量