2022年, 第35卷, 第3期　刊出日期：2022-03-20

  

• 全选
  |

目录
• Select
  目录

  中国公路学报. 2022, 35(3): 0-0.

  摘要 ( ) PDF全文 ( )   可视化   收藏
• Select
  封一/四

  中国公路学报. 2022, 35(3): 2-0.

  摘要 ( ) PDF全文 ( )   可视化   收藏
• Select
  AI赋能网联车辆·大数据驱动智能交通专刊导语

  中国公路学报. 2022, 35(3): 3-0.

  摘要 ( ) PDF全文 ( )   可视化   收藏

  智能交通系统是未来交通系统的发展方向，将成为未来智慧城市的主要组成部分，其将先进的信息技术、数据通讯传输技术、电子传感技术、控制技术及计算机技术等有效地集成运用于整个地面交通管理系统，从而建立一种在大范围内、全方位发挥作用且实时、准确、高效的综合交通运输管理系统。近年来，我国也大力推动先进信息技术与交通运输深度融合，构建数字化的采集体系、网络化的传输体系和智能化的应用体系，加快交通运输信息向数字化、网络化、智能化发展。车联网V2X和智能网联车辆(ICV)是未来智能交通系统的核心组成部分，新一代信息通信技术的发展为车辆与车辆(V2V)、车辆与交通设施(V2I)、车辆与人(V2P)、车辆与互联网(V2N)及智能电网(V2G)间信息的交换提供了有效技术手段，不仅使出行者、车辆、道路设施与交通管控中心之间可以实时共享道路状况、交通信息、车辆状态和出行数据，而且也为运用人工智能(AI)和大数据等新技术提高交通系统的安全性和移动性创造了十分有利的条件和更多的可能性。
  近年来，众多学者和科研人员在网联车辆和大数据相关的智能交通领域开展了大量卓有成效的研究工作，取得了丰富的成果，为我国交通系统的安全稳定运行与健康快速发展提供了重要的理论指导和技术支撑。为及时总结我国网联车辆和大数据应用于智能交通方面的最新进展和研究成果，引领该研究领域的发展方向，推动我国智能交通的发展与创新，《中国公路学报》编辑部邀请东北大学郭戈教授、北京航空航天大学张辉教授作为组稿负责人，清华大学李克强院士(本刊特邀编委)、中国科学院自动化研究所王飞跃研究员、长安大学赵祥模教授(本刊编委)作为组稿咨询专家，清华大学张毅教授、北京交通大学吴建军教授(本刊副主编)、北京航空航天大学田大新教授、吉林大学高炳钊教授、中国科学院自动化研究所吕宜生副研究员、东南大学郭建华教授、同济大学胡笳、唐克双教授、西南交通大学郑芳芳教授、长安大学徐志刚、于少伟教授、新加坡南洋理工大学吕辰助理教授(本刊青年编委)、国家智能网联汽车创新中心褚文博研究员作为组稿专家，共同向该领域知名专家、学者约稿，出版本期“AI赋能网联车辆·大数据驱动智能交通”专刊，回顾、总结和推广我国网联车辆与智能交通领域的最新成果，展望该方向的发展趋势。本专刊共收到相关理论、技术、方法、试验研究及综述等论文80余篇，最终录用26篇。研究内容集中于以下几个方面：
  (1)智能网联车辆控制与运行优化。主要内容包括：网联车辆的速度规划与优化控制综述、智能网联汽车生态驾驶与跟驰控制、网联车辆行驶轨迹规划与编队控制、车辆队列稳定性及交通流控制等。
  (2)驾驶行为理解与人机共驾。主要内容包括：测试场景自动生成与人车交互、自主超车决策系统、人机主从博弈共驾方法、人机共驾控制权决策方法、人机共驾状态识别等。
  (3)大数据驱动的交通系统建模与评估。主要包括：公共交通车辆调度优化、基于收费数据的交通运行参数估计、基于公交网络的路段重要度评估、交叉口排队长度估计、基于大数据的驾驶行为评估等。
  (4)交通AI与环境感知。主要内容包括：智能汽车跨域检测研究、自动驾驶视觉图像研究、路侧多传感器目标关联匹配方法、车辆载重实时估计方法及自动驾驶车辆转向角预测等。
  AI赋能网联车辆、大数据驱动智能交通相关理论、方法与应用研究，将有效推动智能交通与大数据深度融合，为加快我国交通强国建设提供有力支撑。《中国公路学报》将继续关注该领域的国内外最新研究进展，更好地为学界和工程界专业人员提供学习和交流的平台，促进我国交通数据科学领域的高质量快速发展。
网联车辆控制与运行优化
• Select
  智能网联环境下车辆能耗与排放优化控制的研究现状与展望

  胡云峰, 刘迪, 赵靖华, 宫洵, 陈虹

  中国公路学报. 2022, 35(3): 1-14. https://doi.org/10.19721/j.cnki.1001-7372.2022.03.001

  摘要 ( ) PDF全文 ( )   可视化   收藏

  随着智能车辆和现代通信技术的发展，基于智能网联信息的车辆优化控制已经成为智能交通领域重要研究课题之一，为了全面了解智能网联车辆优化控制的研究进展，对当前基于智能网联信息的车辆能耗与排放优化控制重点问题进行了概述。首先，在车辆运动学层面的能耗与排放控制中，根据信息交互的组合不同将现有研究进行分类，分别针对车-车、车-基础设施、车-车-基础设施以及车队-车队-基础设施信息交互的4种组合阐述了每种组合下车辆能耗与排放优化的关键问题与研究方法，并总结了在车辆能耗与排放优化时保证安全性与时效性的研究。其次，详细介绍了在车辆运动学中结合发动机特性进行能耗控制以及能耗与排放综合控制的研究现状，论述了在车辆优化中兼顾底层系统性能的重要性。再次，根据现有研究的重点分布以及车辆、发动机与后处理系统的运行特性，给出了一个智能网联环境下车辆能耗与排放一体化优化框架，详细讲述了该框架的使用方法与使用时可参考的研究。最后，总结了该框架对现有研究的补充意义，并展望了未来在智能车辆优化中存在的挑战，为后续更广泛的研究提供了参考。
• Select
  智能网联混行动力异构交通流生态驾驶

  胡永辉, 金旭峰, 王亦兵, 郭静秋, 章立辉, 胡隽, 陆启荣

  中国公路学报. 2022, 35(3): 15-27. https://doi.org/10.19721/j.cnki.1001-7372.2022.03.002

  摘要 ( ) PDF全文 ( )   可视化   收藏

  智能网联汽车最终会以电动汽车为实现载体，而人工驾驶车辆在未来相当长的时间里依然会以传统燃油汽车为主体。以此为背景，研究城市混行交通与动力异构条件下智能网联汽车的生态驾驶问题。考虑智能网联汽车低占比时的城市交通环境，以智能网联汽车电能消耗最小为目标，将智能网联汽车生态驾驶问题表征为最优控制理论框架下的两点边界值问题，并予以求解。同时，基于跟驰模型分析了智能网联汽车生态驾驶对大多数人工驾驶车辆燃油消耗的影响。在混行交通环境下，信号交叉口车辆排队依然无法避免，明确考察交叉口排队条件下的智能网联汽车生态驾驶问题，并将排队干扰转化为最优控制问题中的路径约束予以处理。另外，研究了前方人工驾驶车辆运动不确定性给智能网联汽车生态驾驶带来的干扰，并提出基于滚动时域的最优控制策略予以应对。以2个连续信号交叉口为例，通过仿真试验验证生态驾驶策略的节能效果。结果表明:电动智能网联汽车通过生态驾驶平均可以实现约55%的电耗节约，而跟随电动智能网联汽车行驶的人工驾驶车辆平均可以减少约35%的燃油消耗。
• Select
  具有预设瞬稳态性能的有限时间智能车辆固定构型编队控制

  郭戈, 张茜, 高振宇

  中国公路学报. 2022, 35(3): 28-42. https://doi.org/10.19721/j.cnki.1001-7372.2022.03.003

  摘要 ( ) PDF全文 ( )   可视化   收藏

  智能车辆固定构型编队的瞬态性能(如编队误差收敛速度和超调量)对车辆协同动作及车辆行驶安全至关重要。针对含有模型不确定和外部扰动的车辆固定构型编队问题，提出一种考虑预设瞬态性能和稳态性能约束的有限时间车辆编队控制方法。首先，引入一种扰动观测器，实现对由模型不确定和外部扰动构成的复合扰动的有限时间有效估计；其次，将因车载传感器感知能力受限所造成的有限感知距离和有限视角转化为编队误差性能约束，预设非对称时变性能指标规范车辆编队误差的瞬态性能和稳态性能，并构建编队误差转换函数将有约束问题转化为无约束问题；然后，基于扰动观测器、预设性能指标和编队误差转换函数，采用指令滤波和有限时间控制思想，构造了可使车辆编队误差保持在预设区域并在有限时间内收敛的纵横向一体化的有限时间固定构型编队控制器，同时避免了传统反演控制中的复杂性爆炸问题，利用李雅普诺夫稳定性理论验证了车辆固定构型编队系统的稳定性；最后，进行了MATLAB仿真试验，验证所提有限时间固定构型编队控制方法的有效性。试验结果表明：所提出的方法可在保证车辆连通性且避免碰撞的同时，使得车辆编队误差于有限时间内收敛至关于0的小邻域内，加快了收敛速度，增强了其抗干扰能力，从而提高了控制性能。
• Select
  基于混合域优化控制的智能网联车辆运动规划模型（双语出版）

  胡笳, 王浩然, 冯永威, 李欣

  中国公路学报. 2022, 35(3): 43-54. https://doi.org/10.19721/j.cnki.1001-7372.2022.03.004

  摘要 ( ) PDF全文 ( )   可视化   收藏

  智能网联车辆具备提高交通安全与效率、降低能耗的巨大潜力。作为智能网联车辆决策控制的重要环节，运动规划对于智能网联车辆的循迹精度、控制效果具有显著影响。为了提高智能网联车辆控制精度，提出了一种智能网联车辆运动规划模型。该模型以追踪参考路径为目标，基于时空混合域的优化控制方法，避免了轨迹追踪过程中横向控制掺杂纵向误差的影响，提高了模型控制精度。通过考虑车辆动力学、转向传动系统动态和底层控制时延，该模型可规划车辆纵向运动指令(加速度)、横向运动指令(方向盘转角)，并确保运动规划指令能够被车辆底层控制准确执行。最后，所提出的运动规划模型基于动态规划原理求解，提高了求解效率。对所提出的运动规划模型通过PreScan和Carsim联合仿真进行测试，结果显示该运动规划模型在直线换道、曲线巡航、U-turn多种场景下，循迹误差均小于9 cm，速度误差均小于0.7 km·h^-1。此外，该运动规划模型在实车测试中也展现了极佳的控制效果。实车测试结果表明：该运动规划模型在60 km·h^-1以下的直行、交叉口转弯、曲线巡航、换道等多种场景中，车辆循迹误差均小于12.5 cm，巡航速度误差小于3.32 km·h^-1，其中，期望速度20 km·h^-1的直行及半径小于15 m的转弯场景下的循迹误差为11 cm，相较当前最前沿的实车测试研究，循迹精度提高了27%。此外，该运动规划模型在实车测试中的平均计算速度为5.15 ms，这说明该模型已具备实际落地应用能力。
• Select
  基于自学习和监督学习混合驱动的智能汽车跟驰控制策略

  赵健, 宋东鉴, 朱冰, 刘斌, 陈志成, 张培兴

  中国公路学报. 2022, 35(3): 55-65. https://doi.org/10.19721/j.cnki.1001-7372.2022.03.005

  摘要 ( ) PDF全文 ( )   可视化   收藏

  随着人工智能技术的不断进步，越来越多的数据驱动方法被用于解决智能汽车跟驰控制问题，基于此，提出一种自学习和监督学习混合驱动的跟驰控制策略，实现拟人化的高性能跟驰控制。首先，基于实车试验平台采集跟驰数据，将跟驰控制问题建模为马尔可夫决策过程，利用深度强化学习中的深度确定性策略梯度建立自学习跟驰控制策略，基于长短期记忆网络对马尔可夫决策过程的状态转移进行建模，根据历史数据对未来状态进行预测，利用高斯混合回归和连续隐式马尔可夫模型建立具有人类驾驶人特性的跟驰参考模型并将其引入强化学习架构中。提出一种自学习和监督学习的混合架构，通过引入人类驾驶人跟驰参考模型引导强化学习正确学习人类驾驶人特性，提升策略拟人性；通过对马尔可夫决策过程状态转移建模使策略进行加速度决策时能够考虑跟驰过程的状态随机性。最后利用实车跟驰数据进行策略验证，对提出策略和监督学习策略的跟驰控制性能进行对比并给出一系列量化评价指标。研究结果表明：所提出策略在跟踪前车速度和保持理想跟驰距离上具有超越人类驾驶人的表现，并有效降低了跟驰过程中的加速度冲击，在保证跟驰安全性、跟踪性、舒适性的同时具备较好的拟人性。
• Select
  基于双向多车跟随式拓扑的混合车辆队列稳定性研究

  边有钢, 杨依琳, 胡满江, 杜长坤, 徐彪, 秦兆博

  中国公路学报. 2022, 35(3): 66-77. https://doi.org/10.19721/j.cnki.1001-7372.2022.03.006

  摘要 ( ) PDF全文 ( )   可视化   收藏

  车辆队列控制在提高驾驶安全性、提升交通流量、改善燃油经济性方面具有巨大潜力。现有车辆队列控制研究多针对完全由网联自动驾驶车辆组成的队列，难以应用于实际混合交通环境，而现有混合队列控制研究通常仅考虑网联自动驾驶车辆跟驰控制目标，而忽略了其对后方交通流与队列稳定性的影响。为此，研究了混合人工驾驶车辆与网联自动驾驶车辆的队列协同控制方法，在网联自动驾驶车辆控制设计中引入前后车信息，并研究其对队列稳定性的影响。首先构建了混合车辆队列系统模型，提出一种改进的适用于双向多车跟随式拓扑的混合队列控制器。其次针对双向通信拓扑，迭代推导出车辆队列首尾传递函数，分析扰动工况下混合车辆队列的通信拓扑及队列规模对闭环稳定性、首尾队列稳定性的影响。研究结果表明：在任意通信拓扑下采用所设计的网联自动驾驶车辆控制器均可达到队列闭环稳定；网联自动驾驶车辆作为混合车辆队列中的可控单元，可有效地衰减队内干扰，网联自动驾驶车辆利用后车信息也可更好地衰减队内扰动，保证首尾队列稳定；依据首尾传递函数分析，在单网联自动驾驶车辆的混合车辆队列中，首尾队列稳定性与网联自动驾驶车辆位置i无关，而与前后人工驾驶车辆数目m、n及队列规模N有关，且后方人工驾驶车辆数目n越多，越有利于首尾队列稳定。
• Select
  考虑自动车队强度的高速公路非常规瓶颈交通流控制策略研究

  曹丹妮, 吴建军, 屈云超, 刘浩

  中国公路学报. 2022, 35(3): 78-88. https://doi.org/10.19721/j.cnki.1001-7372.2022.03.007

  摘要 ( ) PDF全文 ( )   可视化   收藏

  为了减弱事故对上游路段的影响，预防潜在二次事故的发生，提出了适用于智能网联自动驾驶车辆(Connected and Automated Vehicle, CAV)与传统人工车(Human Vehicle, HV)混合存在场景下的CAV排列整合算法(CAV Arrangement Integration Algorithm, CAV-AIA)。由于在相同的CAV数量下，不同CAV间的排列关系(自动车队强度)对道路通行能力有一定影响，因此CAV-AIA以“就近”增大自动车队强度为目标，对事故路段上游的CAV进行管控。具体地，在横向车道方面，以提升自动车队强度为目标，考虑发生事故的车道位置，给出不同车道CAV合流到相邻车道自动车队中的次序；在纵向位置方面，以最小化自动车队中CAV间的距离为目标，通过考虑车辆安全、路段速度限制和车辆速度改变率等因素，对自动车队间的CAV进行纵向位置更新；而对于未在自动车队中的车辆及每个自动车队中的引导车(第1辆车)，为了减少其对HV运行的干扰，应用增强的智能驾驶人车辆跟驰模型(Enhanced Intelligent Driver Model, EIDM)及最小化换道引起的总制动(Minimizing Overall Braking Induced by Lane Changes, MOBIL)车辆换道模型对其车辆位置信息进行更新。数值仿真结果表明：在高、中、低交通需求及不同CAV比例下，实施CAV-AIA后，车辆通过事故区域上游管控路段的平均行程时间均有所降低，其中当交通需求为6 500 veh·h^-1，CAV比例为0.8时，通行时间提升率可达41.8%；而当交通需求为2 500 veh·h^-1时，由于车流密度较小即使不施加额外控制策略，车辆仍能以较高的速度通行，因此不同CAV比例场景下车辆的通行时间提升率较低。最后，以HV平均换道次数作为指标进一步从微观层面上研究了CAV-AIA对HV移动的干扰。结果表明：CAV-AIA能够有效减少HV的换道次数，特别是在高交通需求下，如当CAV比例为0.8时，实施CAV-AIA后，HV的平均换道次数可由0.99降为0.53。
驾驶行为理解与人机共驾
• Select
  基于蒙特卡洛模拟的无人车高速公路变道虚拟测试场景自动生成算法

  朱宇, 赵祥模, 徐志刚, 王润民

  中国公路学报. 2022, 35(3): 89-100. https://doi.org/10.19721/j.cnki.1001-7372.2022.03.008

  摘要 ( ) PDF全文 ( )   可视化   收藏

  高速公路环境下，相邻车道前方车辆变道切入是常见的高风险场景。基于场景的虚拟仿真测试，是验证无人车应对其他车辆变道切入时控制算法安全性与可靠性的有效方法。基于蒙特卡洛模拟方法，提出一种无人车高速公路变道虚拟测试场景自动生成算法，实现测试场景中变道车与测试车的运动轨迹生成。利用高速公路真实交通数据集highD提取真实变道场景，分析场景的4个特征参数。基于马尔科夫链设计变道轨迹模型。针对场景特征，构建两车轨迹约束关系模型和测试车轨迹模型。运用蒙特卡洛模拟生成变道轨迹和测试车变道切入时刻前运行轨迹。通过计算生成变道轨迹与真实轨迹缓冲区重合度，验证生成变道轨迹与真实轨迹的相似性。统计生成有效变道轨迹数量，检验场景生成对场景覆盖度的提升效果。验证结果显示：①随机生成的2万条变道轨迹中，落在最相似真实轨迹缓冲区的轨迹超过85.6%，表明基于蒙特卡洛模拟的场景生成算法能够保证生成场景中变道轨迹与真实轨迹的相似性；②通过在变道车各速度区间内随机生成50万条变道轨迹，可使生成测试场景中有效轨迹数量，相比真实场景平均增加2 320倍，提高测试场景覆盖度；③场景自动生成中，通过调整变道场景的4个特征参数，可以控制轨迹生成结果，增强测试场景的针对性。
• Select
  基于间接共享控制的智能车协同接管方法

  吴超仲, 吴浩然, 吕能超

  中国公路学报. 2022, 35(3): 101-114. https://doi.org/10.19721/j.cnki.1001-7372.2022.03.009

  摘要 ( ) PDF全文 ( )   可视化   收藏

  从自动驾驶模式向手动驾驶模式切换时的控制权移交问题已成为智能车领域的研究热点。为了改善驾驶人从非驾驶任务状态接管车辆时因认知和操作能力不足而引起的安全性和稳定性问题，在总结现有研究成果的基础上，提出一种基于间接共享控制的智能车协同接管控制方法。首先，定义协同接管方法的应用对象是控制系统良好、全局感知或决策受损需要接管的车辆，接管场景是时间较为紧迫的前方冲突；接着，采用Sigmoid函数设计局部路径规划算法，在满足无碰撞和横向稳定性约束条件的基础上，以曲线斜率最小化为优化目标规划出系统控制的目标轨迹；然后，建立车辆动力学和运动学模型，采用模型预测控制算法，以跟踪目标路径的误差最小化和转向角最小化为优化目标，计算自动系统的控制输出量；同时，采用碰撞时间倒数和横向加速度作为车辆纵、横向行驶风险的表征指标，设计可根据行驶风险动态调整的控制权重分配模型，实现控制权平稳过渡；最后，以真实驾驶人作为被试，模拟自动驾驶条件下驾驶人的非驾驶任务状态，通过模拟驾驶试验验证所设计的协同控制方法对驾驶人接管过程的安全性、稳定性绩效，以及驾驶负荷等生理指标的改善效果。研究结果表明：该协同控制方法能显著提高接管后的安全性和稳定性绩效，改善驾驶人在接管过程中的负荷突变现象，使得系统接受度得到显著提升。
• Select
  基于分层强化学习和社会偏好的自主超车决策系统

  吕超, 鲁洪良, 于洋, 王昊阳, 吴绍斌

  中国公路学报. 2022, 35(3): 115-126. https://doi.org/10.19721/j.cnki.1001-7372.2022.03.010

  摘要 ( ) PDF全文 ( )   可视化   收藏

  针对超车过程中主车和被超越车之间的交互行为，引入心理学中的“社会偏好”来描述被超越车辆的纵向行为特征，并通过数据驱动的分类方法，提取社会偏好并将其融合在基于强化学习的自主超车决策系统设计中,通过分析大量真实超车数据中被超越车辆的社会偏好，认为该方法能够根据不同偏好情况产生合理的决策指令。首先，从大量真实超车数据中计算超车交互过程中被超越车辆的状态转移概率，并将其分成了3类(利他型、利己型和互惠型),并设计一种半基于模型改进的Q-learning算法，将3种社会偏好的概率考虑在决策模型训练中；然后，搭建实时的社会偏好分类器用于对被超越车辆社会偏好的实时分类；再结合换道控制器的研究结果，组合构建完整的分层强化学习自主超车系统；最后，通过实车采集数据与仿真环境进行了自主超车的联合验证。研究结果表明：考虑了社会偏好的自主超车决策系统能够对被超越车辆的社会偏好进行实时预测，进而在更加复杂的超车情况中做出合理的决策；相比于不考虑社会偏好的传统自主超车系统，构建的自主超车系统展现了更好的舒适性和稳定性。研究结果创新性地将数据驱动的社会偏好作用于超车决策过程，提升了决策的自适应性和合理性，将有助于发展安全可靠的自主超车系统。
• Select
  一种驾驶权动态调整的人机主从博弈共驾方法

  刘俊, 时婉晴, 郭洪艳, 戴启坤, 高振海

  中国公路学报. 2022, 35(3): 127-138. https://doi.org/10.19721/j.cnki.1001-7372.2022.03.011

  摘要 ( ) PDF全文 ( )   可视化   收藏

  针对驾驶人和智能驾驶系统协同转向控制问题，构建驾驶权动态调整的主从博弈型人机协同转向控制框架，首先在该框架下对人机之间驾驶权重进行预分配，建立包含行车风险实时评估和人机操控冲突的驾驶权重调整方法动态调整人机之间的驾驶权重；然后将无意识竞争的人机协同关系描述为主从博弈交互关系，并将人机主从博弈条件下协同转向控制转化为模型预测控制优化问题，理论推导人机主从博弈均衡时双方的最优控制策略，通过主从博弈平衡实现驾驶人与智能驾驶系统操控动作的协同；最后设计包含路径跟踪精度和驾驶人驾驶负担的综合评价指标，并在所搭建的驾驶人在环仿真测试平台上验证所提出的驾驶权重分配方案，并通过邀请多名不同类型的驾驶人进行驾驶测试，确定人机驾驶权重的预分配规则。研究结果表明：当人机意图一致程度较高时，所提出人机共驾策略明显改善驾驶人操纵负担和行车安全性；当行车风险较高时，驾驶权重向共驾控制器转移，使得控制器能够合理介入保障行车安全；在驾驶风险较低且人机操控冲突严重时，驾驶权动态调整模块能够保证驾驶人对车辆的控制权，使得车辆能够按照驾驶人的意图行驶；人机之间驾驶权重的分配应考虑驾驶人驾驶技能，共驾控制器能够对驾驶技能较低的驾驶人提供更为明显辅助作用，且预分配给驾驶人的驾驶权重应随驾驶人驾驶技能提升相应提升。
• Select
  基于自然驾驶数据挖掘的二阶车辆与行人交互测试场景

  马峻岩, 田叶凡, 赵祥模, 王卓, 柳有权

  中国公路学报. 2022, 35(3): 139-152. https://doi.org/10.19721/j.cnki.1001-7372.2022.03.012

  摘要 ( ) PDF全文 ( )   可视化   收藏

  针对当前网联车车辆与行人交互(以下简称人车交互)测试场景复杂性低、无法充分涵盖真实道路情况下的人车交互场景测试需求问题，提出了一种基于自然驾驶数据的人车交互测试场景构建方法。该方法首次提出了二阶人车交互测试场景的概念，在传统人车交互场景基础上组合前序车辆运动场景，实现交互场景时间域扩充，并通过挖掘自然驾驶数据中人车交互场景及其前序场景的关联性与特征参数，构建更加符合真实情况的复杂人车交互测试场景。首先，在795 776条人车交互数据基础上筛选出135起有效人车交互事件及其前序事件，通过统计分析得到典型前序事件——跟车事件。其次，对跟车事件与人车交互事件进行特征挖掘聚类，得到3类跟车场景与4类一阶人车交互场景；将一阶人车交互场景与跟车场景进行拼接组合，通过联合频数统计，从场景拼接组合中提取出6类典型二阶人车交互场景。最后，基于IDM (Intelligence Driving Model)跟车模型与典型AEB (Autonomous Emergency Braking)控制算法，建立了二阶场景下单车环境与网联车环境数值仿真模型，对6类典型二阶人车交互场景生成的测试用例进行评估。结果表明：对于6类二阶场景，网联车环境危险测试用例总量均较单车环境情况有显著下降；对相同一阶场景进行时间域扩充得到的二阶人车交互场景，使得单车环境和网联车环境下的危险测试用例数量都存在着显著差异；提出的二阶人车交互场景构建方法，可以挖掘出更多接近真实道路情况下潜在的危险人车交互测试场景，实现对网联车辆充分、有效的测试。
• Select
  基于人-车风险状态的人机共驾控制权决策方法

  郭柏苍, 王胤霖, 谢宪毅, 金立生, 韩广德

  中国公路学报. 2022, 35(3): 153-165. https://doi.org/10.19721/j.cnki.1001-7372.2022.03.013

  摘要 ( ) PDF全文 ( )   可视化   收藏

  频发的交通事故证明驾驶车辆是一类高风险行为，驾驶人的风险驾驶行为是引发交通事故的主要诱因，自动驾驶系统辅助或代替人类驾驶人被视为从根本上解决人为因素导致行车风险的有效途径。首先，以智能汽车的整体安全性最大化为目标，使用熵权-逼近理想解排序法(Technique for Order Preference by Similarity to Ideal Solution, TOPSIS)和完全静态博弈理论建立了人、车风险博弈模型，提出了相对效用最大化的策略函数并嵌入强化学习奖励函数中，推理了以最大化车辆安全性期望为导向的强化学习奖惩机制。其次，利用强化学习算法擅长解决序列决策问题的优势，提出了基于优势演员评论家(Advantage Actor Critic, A2C)的人机共驾控制权决策方法，通过迭代人、车风险决策权重和奖励函数优化了决策模型的输出效果，借助模型性能评价指标进行了训练过程和结果的有效性验证。最后，通过仿真试验分析了不同切换时机对车辆安全性的影响，提出了能够及时有效地限制驾驶人风险行为并提升车辆安全性的控制权决策方法。研究结果表明：研究创新地以人、车风险监测模块分别映射至A2C的演员、评论家模块为研究框架，充分发挥了智能汽车与人、车风险状态进行交互并通过获取奖励来迭代更新取得最大回报的效果，实现了以促进车辆安全性最大化为导向的人机共驾控制权决策方法。
• Select
  基于握力分布的驾驶人人机共驾状态识别研究

  韩嘉懿, 朱冰, 赵健, 马驰

  中国公路学报. 2022, 35(3): 166-176. https://doi.org/10.19721/j.cnki.1001-7372.2022.03.014

  摘要 ( ) PDF全文 ( )   可视化   收藏

  人机共驾是现阶段汽车智能化发展的必经之路，在人机共驾中为了避免人机冲突，对驾驶人的人机共驾状态进行识别是实现和谐人机共驾的基础。然而现有研究较少考虑了该状态，同时相关识别方法多基于驾驶人生理信息，导致应用繁琐，不具备实用性。为此，设计了一种能够测量握力分布的智能方向盘系统硬件架构，并在此基础上开发了基于握力分布的驾驶人人机共驾状态识别方法。首先搭建了能够测量驾驶人双手握力分布的智能方向盘系统，在此基础上利用驾驶人在环试验台采集了15名驾驶人在不同人机共驾状态下的试验数据；然后根据试验数据通过递推最小二乘法对驾驶人的上肢肌肉阻抗特性参数进行了辨识，分析了不同状态下的驾驶人上肢肌肉特性；最后基于门控循环单元(Gated Recurrent Unit， GRU)构建了Hybrid-GRU(H-GRU)模型，将回归任务与分类任务混合，利用辨识得到的肌肉阻抗特性结果对模型中的回归部分进行预先训练，使模型具备了一定的先验知识，实现了从驾驶人握力分布到人机共驾状态的映射，并将H-GRU模型与常规GRU模型和支持向量机模型进行对比测试。结果表明：所建立的模型总体分类准确率达到97.59%，相比常规GRU模型和支持向量机模型分别提升6.97%和33.02%。所提出的基于方向盘握力分布的人机共驾状态识别方法不仅能够准确辨识驾驶人人机共驾状态，还能够输出驾驶人肌肉阻抗特性参数，可为驾驶人建模或人机共驾策略开发等提供帮助。
大数据驱动的交通系统建模与评估
• Select
  基于新能源公交大数据的驾驶行为经济性评估

  吴海东, 臧力卓, 肖百卉, 刘玙璠, 王曦, 郭晓哲

  中国公路学报. 2022, 35(3): 177-190. https://doi.org/10.19721/j.cnki.1001-7372.2022.03.015

  摘要 ( ) PDF全文 ( )   可视化   收藏

  为了提高公交运营企业的经济效益和新能源公交车的节能减排水平，建立一种基于独立性权系数法和改进TOPSIS方法的驾驶行为经济性量化评估模型，利用公交运行大数据对驾驶行为经济性进行综合分析。在评价指标体系的建立过程中，共6个指标被选作主要评价依据，包括平均每公里电荷比、车速标准差、急加速次数比、急刹车次数比、电流过大次数比和能量回收电流参数。同时，通过对公交运行大数据进行处理，以排除车况、路况、载客量等干扰因素的影响。为了保证客观性，利用独立性权系数法为各评价指标赋权。另外，在传统TOPSIS方法的基础上，创新性地提出一种通过构建新的二维空间进行多级计算的改进TOPSIS方法，并将其应用于驾驶行为经济性评估模型中对数据作进一步处理，从而克服了传统TOPSIS方法的固有缺陷，建立更为完善的驾驶行为经济性评价模型。然后，以10辆型号为BJ6123的纯电动公交车的运行数据为例进行计算，得到10辆公交车对应驾驶人的驾驶行为经济性评分排序并与实际调查情况相对比，以验证模型的合理性。结果表明，在驾驶行为经济性方面，9号公交车驾驶人最优，3号公交车驾驶人最差，1号公交车与4号公交车的驾驶人综合评分相近但前者略优，另外，可根据数据为驾驶人提供具体建议。故可得出结论，上述评估方法能够基于新能源公交大数据的对驾驶行为经济性做出精确的量化评估，并为公交车驾驶人提供改进意见，对公交运营企业的日常管理具有一定的指导意义。
• Select
  基于改进公交网络模型的路段重要度评估

  王立夫, 关博飞, 郭戈, 孙琦

  中国公路学报. 2022, 35(3): 191-204. https://doi.org/10.19721/j.cnki.1001-7372.2022.03.016

  摘要 ( ) PDF全文 ( )   可视化   收藏

  为探究公交线路属性对公交路段的影响，界定公交路段间重要度差异，实现公交路段的评估量化，通过对传统公交网络线路模型构建的分析，考虑融入线路属性以及线路间连接紧密程度两方面，提出空间加权线路网络模型(Space-w-R)及其矩阵表征。为体现线路属性对路段的影响，考虑公交线路与路段之间的从属关系，将公交网络Space-w-R模型转换为公交线路-路段二分网络实现线路属性向公交路段的映射。结合线路属性和公交路段的运营状态信息(运能指标、成本指标)，通过熵权法对指标进行权衡，以信息熵作为指标权重的衡量标准，构建路段加权评价矩阵，找出指标集合中的最优理想指标集和最劣理想指标集，并计算各路段指标距离理想指标集的贴近程度作为路段最终的重要度评价结果。以北京市公交网络作为验证案例，收集公交线路及站点地理位置信息以及运营信息，构建其Space-w-R模型。通过对网络模型分析发现：网络的权值分布符合幂律分布，线路之间存在差异性;北京市公交66.11%的公交线路换乘线路数为10~50，表明北京市公交线路网络具有较高的连通能力；20.12%的线路与其他线路间存在超过3个换乘站点，表明网络中存在少数公交线路彼此之间连接极为紧密，存在线路高度重合的现象;结合提出的评估方法对北京全市22 040条公交路段进行重要度排序，发现重要度高的路段普遍分布在大型社区或商圈地区;通过将排序结果和14条现行北京市公交专用道包含路段进行对比分析，发现专用道包含的公交路段全部属于序列前10%，验证了所提方法的可行性;仍有部分重要度排名较高路段尚未实施公交专用道建设，可作为规划北京公交专用道的参考道路。
• Select
  基于收费数据的交通运行参数估计方法

  赖见辉, 齐悦, 王扬, 韩媛, 黄利华, 赵延峰

  中国公路学报. 2022, 35(3): 205-215. https://doi.org/10.19721/j.cnki.1001-7372.2022.03.017

  摘要 ( ) PDF全文 ( )   可视化   收藏

  为更精准利用收费OD数据获取路网时空交通运行参数，提出一种机器学习预测服务区驶入与收费OD数据增量迭代相结合的计算交通运行状态的方法。首先利用机器学习方法开展服务区驶入预测，通过调查获取23 515份问卷数据，利用随机森林模型、支持向量机、朴素贝叶斯模型3种机器学习方法开展训练和预测精度敏感性分析，结果表明进入服务区最小概率阈值P_t存在最大峰值，当P_t为0.9左右时，总体预测结果精度最高，此外随机森林法在不同类别收费形式和车型中均表现出较为显著的精度优势。然后以短距离出行OD数据为初始值，推测基本路段行程时间，以距离阈值P_F的倍数为时间隔，采用由近及远的方式增量计算路网运行状态，先前迭代计算的OD数据权重大于后续迭代的数据，对时空维度上缺失数据的路段状态进行补全。通过设计4组不同的P_F值和3个对照组，在大规模省级真实路网环境下对算法有效性开展测试。对道路交通流量和行程速度的分析结果显示，采用随机森林模型，P_F值越小误差越小，当P_F=5 km时误差最小，其中交通流量平均误差为5.46%，速度平均误差为9.84%。与近邻上下游插值法相比，所提方法计算交通流量平均精度提高3.98%，速度平均精度提高4.33%；与平均行程时间法相比，交通流量平均精度提高5.2%，速度平均精度提高5.87%。测试结果显示出较高的精度，表明所提方法具备较好的实用性。
• Select
  基于联网车辆轨迹数据的交叉口排队长度估计方法

  张伟斌, 叶竞宇, 白孜帅, 李熙莹

  中国公路学报. 2022, 35(3): 216-225. https://doi.org/10.19721/j.cnki.1001-7372.2022.03.018

  摘要 ( ) PDF全文 ( )   可视化   收藏

  智能网联车路协同系统以及网约出租车的迅速发展，产生了海量的轨迹数据。轨迹数据具有数据量大、准确性高、分布广、易获取等优点，成为交通研究的重要数据来源。排队长度是评价交叉口运行状态的主要参数之一，对交通状态评估和信号优化等具有重要作用。基于轨迹数据对交叉口排队长度进行估计，并结合交叉口历史排队分布对排队长度估计结果的可靠性及精度进行分析。首先建立基于贝叶斯定理的交叉口排队长度估计方法，在联网车辆相同的假设条件下，推导出排队长度与周期内联网车辆停车位置及车道排队长度的概率关系；并利用轨迹车辆排队长度频率分布对实际排队长度频率分布进行近似，解决所存在的未知量问题。然后，结合交叉口历史排队数据，分析在高斯及非高斯情况下交叉口排队长度的置信区间估计问题，并提出用概率分布偏差来描述排队长度，对结果精度进行估计。在仿真分析部分，通过视频识别技术获取交叉口的排队长度数据，并用随机采样方法模拟了交叉口轨迹数据。最后，通过不同时段的交叉口排队长度估算验证所提出的方法，其中凌晨及下午时段的排队长度估算结果的平均M_AE值分别为0.20及0.61，M_APE值分别为27.40%及7.47%。结合概率分布分析方法，判断出凌晨时段及下午时段的排队长度分布分别为非高斯分布及高斯分布，计算概率分布偏差分别为10.63%及7.93%，验证了所提出的精度分析方法相比传统分析方法，在小样本场景具有更高的准确性。
• Select
  基于抽样轨迹数据和改进最小二乘模型的信控路网路径流量估计方法

  姚佳蓉, 曹喻旻, 唐克双

  中国公路学报. 2022, 35(3): 226-239. https://doi.org/10.19721/j.cnki.1001-7372.2022.03.019

  摘要 ( ) PDF全文 ( )   可视化   收藏

  路径流量是精细化交通规划和管控的基础，对识别路网的关键通道、路径、流向和节点具有重要作用。为了解决现有路径流量估计方法在模型假设和方法适用性上存在的局限性，提出一种以抽样车辆轨迹数据作为唯一输入数据源的信号控制路网路径流量估计方法。该方法对基于经典广义最小二乘法的OD估计模型进行改进拓展，以路网路径流量和交叉口流向流量的估计误差的加权和最小化为优化目标，建立一个基于广义最小二乘法的路径流量估计基本框架。首先，基于奇异值阈值算法和各交叉口的抽样车辆轨迹数据估计路网中所有交叉口受控流向的到达流量，从而计算得到交叉口全流向流量，以及不同流向的抽样车辆轨迹渗透率的先验估计值；其次，基于路网拓扑特征得到路径和流向之间的关联矩阵，并通过不同路径捕获到的样本轨迹数量和全样流向流量的估计值计算得到路径流量的先验估计值；最后，将先验路径流量和流向流量输入到广义最小二乘框架中，通过梯度搜索算法迭代求解即可得到路径流量。基于青岛市市南区路网建立了VISSIM仿真模型，选取渗透率、抽样方式、数据上传间隔和权重系数4个因素对不同参数组合的仿真场景下的路径流量估计精度和敏感性进行了验证。结果表明:在渗透率为0.1的分层随机抽样情况下，路网路径流量的估计精度达92.8%，即使在渗透率为0.05的稀疏数据场景下，估计精度仍可保持在85%以上;同时，提出的路径流量估计模型对渗透率和抽样方式较敏感；在数据上传间隔不大于15 s或路径流量误差项权重占主导的情况下，模型鲁棒性较好。
• Select
  面向公共交通的电动自动驾驶模块车调度优化

  刘小寒, 马晓磊, 刘钲可

  中国公路学报. 2022, 35(3): 240-248. https://doi.org/10.19721/j.cnki.1001-7372.2022.03.020

  摘要 ( ) PDF全文 ( )   可视化   收藏

  基于模块车的公交运输系统具备可伸缩的载客能力，能够满足复杂多变的出行需求。因此，在公共交通领域开始得到广泛关注。为理解模块车系统的资金预算、运营模式、充电参数、乘客单位等待时间价值等因素对运营成本与服务水平的影响，提出面向公共交通的电动模块车宏观网络调度模型;并以直达公交网络为建模对象，按照模块车的运营模式，将模型分为2种不同的数学表述:智能网联模式，即每辆模块车均配有动力系统，若干模块车组成编队，后车复制前车行为；牵引模式，即在系统中1辆公交车由动力模块车和厢式模块车构成，厢式模块车需要被动力模块车牵引才能移动。模型的关键之处在于利用车小时守恒约束表达车队规模、资金预算以及车流量三者之间的数学关系。2种运营模式下的调度模型属于混合整数非线性规划问题，其中目标函数含有非线性项，约束条件均为线性项。通过引入辅助变量和线性不等式组将目标函数中的非线性项转化为线性形式，从而提高问题的求解效率。以北京公交子网络为例，设计不同影响因素下的数值试验。研究结果表明：在本案例分析的参数设置下，牵引模式在降低车辆运营成本方面要优于智能网联模式，智能网联模式在提高乘客服务水平方面要优于牵引模式；智能网联模式下的车辆运行成本高出牵引模式下车辆运行成本的1.14倍，牵引模式下的乘客等待成本高于智能网联模式下乘客等待成本的1.38倍。提出的调度模型与敏感性分析框架具有普适性和可移植性，有助于决策者深入理解基于模块车的公交运输系统。
交通AI与环境感知
• Select
  基于单阶段算法的智能汽车跨域检测研究

  范佳琦, 李鑫, 霍天娇, 洪金龙, 高炳钊, 陈虹

  中国公路学报. 2022, 35(3): 249-262. https://doi.org/10.19721/j.cnki.1001-7372.2022.03.021

  摘要 ( ) PDF全文 ( )   可视化   收藏

  在自动驾驶汽车中，深度学习算法可以对单目视觉摄像头采集到的图像进行准确地检测和识别，对于保证驾驶安全性具有重要意义。在保证实时检测的前提下，为了提高深度学习模型的检测精度和鲁棒性，以应对多种复杂的道路场景，对单阶段检测算法YOLOv3进行改进并将其应用在跨域目标检测中。首先，在数据预处理阶段，根据各类目标物形状和尺寸的差异，重新定义了计算候选框尺寸的K-means聚类算法公式；在主干网络结构上，基于特征金字塔网络，对提取到的深层像素特征和浅层空间特征进一步融合，以提取更加丰富的目标物信息；此外，主干网络同时使用了通道注意力模块和空间注意力模块，以关注不同维度的特征并对特征进行细化，使提取到的目标物信息更加完整。为了将模型更好地应用到跨域目标检测任务中，利用无监督CycleGAN算法对多种不同场景中采集到的图像进行风格转换，并将其与改进后的YOLOv3算法相结合完成对这些场景中的目标检测。试验结果表明：和YOLOv3相比，所建立的模型对于BDD100K数据集中5类目标物的平均检测精度提高了5.84%，最大检测召回率提高了4.92%；其次，利用CycleGAN算法对雨天、雾天等5种不同场景中的图像进行转换，得到5组合成图，并用所建立的模型训练这些合成图以得到多个适用于不同场景的子模型；最后，和YOLOv3相比，模型的跨域检测精度提高了5%~10%, 能够更好地完成跨域检测任务。
• Select
  融合时空特征的端到端自动驾驶车辆转向角预测

  吕宜生, 刘雅慧, 陈圆圆, 朱凤华

  中国公路学报. 2022, 35(3): 263-272. https://doi.org/10.19721/j.cnki.1001-7372.2022.03.022

  摘要 ( ) PDF全文 ( )   可视化   收藏

  端到端自动驾驶系统可完成从感知输入到车辆控制输出的直接映射，已成为当前无人驾驶研究的一个重要方向。显然，在动态环境中自主驾驶车辆需要具有处理时空信息的能力，以实现精确平滑的车辆运动控制。为此，提出一种新的时空信息融合模型，在双流卷积网络(Two-stream CNN)的基础上引入门控循环单元(GRU)网络来实现端到端自动驾驶车辆转向角预测。该模型利用RGB图像、基于运动的光流图像和门控循环单元网络来融合连续多帧驾驶场景的空间特征与时间特征。首先通过双流卷积网络的2组卷积网络分支提取特征，一组分支从RGB图像中提取空间特征，另一组分支从光流中学习时间特征；然后利用门控循环单元网络对具有短时依赖关系的特征进行建模；最后，融合时间与空间特征，得到转向角预测结果。提出的结合门控循环单元的双流卷积模型(Two-stream C-GRU)获取的时间动态不仅依赖于表示前后2帧图像位移的光流，也与连续多帧图像相关。在真实驾驶场景数据集上进行模型的测试工作，试验结果表明：提出的时空模型在驾驶转向角预测的准确度和平稳性方面效果显著，优于其他主流时空模型；其中，对比基本的双流卷积网络，该模型在测试集1上的转向角预测精度和稳定度分别提高了20%和6%，在测试集2上分别提高了5%和10%。
• Select
  智能网联环境下路侧感知单元数据质量在线监测框架

  杜豫川, 师钰鹏, 都州扬, 赵聪, 暨育雄

  中国公路学报. 2022, 35(3): 273-285. https://doi.org/10.19721/j.cnki.1001-7372.2022.03.023

  摘要 ( ) PDF全文 ( )   可视化   收藏

  智慧道路中布设的路侧感知单元可以获取全域车辆运动轨迹数据，是交通流智能管控系统、车路协同自动驾驶的重要基础，如何对其数据质量进行主动监测是道路交通运营管理部门面临的重要挑战。随着智能网联车的规模化应用，车载高精度定位与环境感知众包数据为路侧感知单元数据质量监测提供了新的思路。提出了基于智能网联车众包定位与感知数据的路侧感知单元在线监测框架，主要包括轨迹匹配、时间同步和精度评估3个关键步骤。在轨迹匹配阶段提出了一种考虑周围车辆相对位置的轨迹相似度匹配算法，确定车辆在路侧感知数据集中的对应轨迹；在时间同步阶段，采用内插外推法及最小二乘原则求解系统时间偏差，实现车路系统时间对齐并同步采样时间；在精度评估阶段面向实际应用需求，设计单车绝对定位误差和多车相对定位误差2类指标，提出路侧感知单元轨迹数据精度评估方法。最后，利用PreScan仿真试验和实车试验对数据质量监测框架及方法进行测试验证。研究结果显示：设计的轨迹匹配及时间同步算法在不同交通环境、不同感知误差下均有稳定、高效的表现，提出的质量评估指标及相应计算方法可从不同维度准确地反映路侧感知单元轨迹数据的精度水平与特征，验证了评估方法的有效性和可行性;因此，提出的框架可支撑路侧感知单元健康监测和数据质量管理，推动完备可用的智能车路协同系统发展。
• Select
  基于全局位置精度损失最小化的路侧多传感器目标关联匹配方法

  辜志强, 吉鑫钰, 褚端峰, 陆丽萍

  中国公路学报. 2022, 35(3): 286-294. https://doi.org/10.19721/j.cnki.1001-7372.2022.03.024

  摘要 ( ) PDF全文 ( )   可视化   收藏

  针对路侧单传感器存在感知盲区、多传感器协同感知存在大量冗余信息且位置精度较差、车辆位姿准确值无法在线获取等问题，提出一种基于全局位置精度损失最小化的路侧多传感器目标关联匹配方法。首先，根据各传感器历史数据，以方差最小化为优化目标进行多传感器权重分配；然后，基于级联KM匹配算法处理多传感器存在大量冗余信息的目标级数据，实现当前时刻各传感器数据同一目标关联，判断多源信息与目标的从属关系，并将源于同一目标的数据生成目标集合；最后，根据各传感器权重分配进行加权，生成伪迹点，结合全局位置精度损失最小化方法，以伪迹点坐标系为基准对其他传感器坐标系进行整体校准。试验结果表明：该方法可有效去除目标的多传感器冗余信息，伪迹点速度融合结果的平均绝对误差约0.5 km·h^-1，伪迹点位置融合结果的平均绝对误差约0.1 m，经过参考系校准后，毫米波雷达已匹配观测点的位置精度损失从5.59 m降至0.32 m，相机已匹配观测点的位置精度损失从1.39 m降至1.32 m。相比于传统JPDA、NNDA关联匹配算法，该方法可降低目标关联匹配融合后的平均位置误差0.134 m，并降低算法的时间复杂度。
• Select
  基于深度学习的货车载重实时估计方法研究

  韩春阳, 宿旸, 裴欣, 岳云, 韩煦, 田珊, 张毅

  中国公路学报. 2022, 35(3): 295-306. https://doi.org/10.19721/j.cnki.1001-7372.2022.03.025

  摘要 ( ) PDF全文 ( )   可视化   收藏

  为了解决现有货车称重技术在实时性、可靠性、便捷性、扩展性和精确性等方面的问题，提出一种基于人工智能方法的货车载重实时估计技术框架，包括网联车载传感设备与数据采集模块、网联云平台与数据处理模块和基于车辆动力学的AI估重算法模块，运用车辆动力学原理，借助人工智能理论方法，通过感知车辆行驶时的运动参数特征，实现对车辆载重的实时测算。通过自主设计研发的物联网车载传感设备和云平台，实现对多车行驶运动特征信息的动态采集和集成处理，进一步对车辆加速度特征进行提取，构建基于双向长短时记忆网络(LSTM)的车辆质量估计模型，通过学习车辆运动特征与车重之间的非线性关系，在实时估计的基础上实现对货车质量的精确测量。研究结果表明：在车辆自估重测试中，基于车辆历史数据训练的LSTM模型，在每分钟逐点估计时，80%以上样本点的平均相对误差为3.58%，按照行程估计的误差为3.15%；在车辆间交叉估重测试中，采用其他车辆历史数据所训练的模型进行逐点估计的平均相对误差为5.29%，行程估计的误差为3.42%；相比于现有技术，所提出的技术框架在测算自动化、精准化，设备便捷化、普适化以及面向监管的实时性、覆盖性方面均有显著优势，在物流调度、货物监管、安全运输、能耗监测等方面有广阔的应用前景。
• Select
  雨雪天气对自动驾驶视觉图像质量的影响

  蒋渊德, 孙朋朋, 秦孔建, 闵海根, 赵祥模, 杨智博, 徐志刚

  中国公路学报. 2022, 35(3): 307-316. https://doi.org/10.19721/j.cnki.1001-7372.2022.03.026

  摘要 ( ) PDF全文 ( )   可视化   收藏

  为对自动驾驶汽车在雨雪天气下的测试提供可靠依据，保证汽车在雨雪恶劣环境下的系统可靠性，针对自动驾驶视觉图像质量影响的量化评估进行研究。通过封闭试验场模拟环境构建、测试工况和量化评估指标设计进行深入分析，研究雨雪天气对视觉图像的影响。首先，针对不同天气条件建立环境模拟方案，设计多种测试工况，采集不同降雨/降雪等级条件下不同车速、不同目标物环境下的图像数据(共包括48种静态工况和48种动态测试工况)，为分析研究提供充足的数据基础。其次，针对不同工况特点设计图像整体质量评价指标和特征点提取评价指标，从不同角度对自动驾驶视觉图像进行详细分析。最后，基于采集的数据对比分析雨雪对相机图像的影响。分别通过有参考指标和无参考指标对静态工况数据和动态工况数据进行分析，从图像整体质量角度进行评估。此外，为细化探究雨雪对图像目标物识别的影响，通过SIFT和ORB特征算子提取的目标物区域内特征点数作为指标，量化对比图像目标感知影响。结果表明：提出的评估方案能够可靠量化表征雨雪对自动驾驶视觉图像质量的影响；设计的降雨/降雪模拟方案和量化评估方法可为自动驾驶技术设计和测试评价提供支撑。