- 李峰;邓宇彤;刘亦心;周思齐;
针对现有自动驾驶研究大多忽略路面摩擦性能的问题,制备了5种不同级配的沥青混合料车辙板试件,基于Persson表面分形摩擦理论和轮胎-路面三维有限元模型,求解沥青路面的动摩擦系数和附着系数,表征其摩擦性能,并使用Matlab/Simulink软件建立自动驾驶汽车的动力学控制模块,根据车辆期望制动减速度和道路摩擦性能逆向反推求解轮缸的制动压力值,实现自动驾驶汽车的制动过程。使用CarSim软件和Matlab/Simulink进行联合仿真,设定了下坡制动和曲线制动工况,分析了纵向坡度、弯道半径和道路超高等影响因素对自动驾驶车辆制动效能的影响。
2024年04期 v.52 489-500页 [查看摘要][在线阅读][下载 2463K] [下载次数:81 ] |[网刊下载次数:0 ] |[引用频次:0 ] |[阅读次数:0 ] - 朱冰;汤瑞;赵健;张培兴;李文旭;
提出了一种基于代理遗传优化的智能驾驶系统加速测试方法。首先,通过场景要素层次分析权值与优解区域特征改进参数采样模块中的拉丁超立方采样区间,实现了采样效率与优化效果的协同提升;其次,利用参数采样结果和重复度筛选机制增加遗传寻优模块的种群多样性,克服了传统遗传算法的局部收敛难题;然后,利用基于循环更新机制的代理筛选模块对场景测试结果进行预测,平衡了加速算法与代理模型应用之间的效率与精度矛盾;最后,搭建仿真平台在高维时序分解的前车变速场景下对待测智能驾驶系统进行加速测试与验证。结果表明,本文提出的方法可有效搜寻大量关键场景并提升测试效率。
2024年04期 v.52 501-511页 [查看摘要][在线阅读][下载 1947K] [下载次数:153 ] |[网刊下载次数:0 ] |[引用频次:0 ] |[阅读次数:0 ] - 汪敏;涂辉招;薛东飞;李浩;李千山;
从周边车辆运动学状态参数和道路设施条件参数中提取场景特征指标和安全风险度量指标,采用极端梯度提升模型(XGboost)和长短时记忆模型(LSTM)进行安全风险预测,由此提出基于安全风险预测的自动驾驶自适应巡航控制(ACC)优化方法,并选取碰撞发生概率、速度平均值、速度标准差3种指标评价ACC表现。通过Prescan和Simulink联合仿真推演,验证了ACC优化方法的合理性和有效性。结果表明,基于安全风险预测的ACC优化方法的控制表现优于一般ACC;利用LSTM预测安全风险,相比XGboost具有更好的ACC优化表现;预测安全风险时增加道路设施条件参数,显著提升了ACC表现,降低了自动驾驶碰撞发生概率。
2024年04期 v.52 512-519页 [查看摘要][在线阅读][下载 1679K] [下载次数:192 ] |[网刊下载次数:0 ] |[引用频次:0 ] |[阅读次数:0 ] - 何逸煦;林泓熠;刘洋;杨澜;曲小波;
围绕强化学习在自动驾驶领域的应用进行了多方面的概括和总结。对强化学习原理及发展历程进行了介绍;系统介绍了自动驾驶技术体系以及强化学习在自动驾驶领域的应用所需的基础;按不同的应用方向分别介绍了强化学习在自动驾驶领域中的应用案例;深入分析了现阶段强化学习在自动驾驶领域存在的挑战,并提出若干展望。
2024年04期 v.52 520-531页 [查看摘要][在线阅读][下载 1350K] [下载次数:296 ] |[网刊下载次数:0 ] |[引用频次:0 ] |[阅读次数:0 ] - 陈婷;朱熟康;高涛;李浩;涂辉招;李子琦;
针对传统的车辆检测技术检测速度慢和精度低的问题,提出了一种融合注意力的自适应金字塔网络的交通目标检测算法(fusion attentiont adaptive pyramid network,FAAPNet),可以显著降低交通事故的发生率。为了降低计算复杂度,设计了一种轻量级的互补池化结构(CPS),该结构在宽度和高度上采用了两组不同的池化组合,在保持高精度的同时,显著降低了网络的浮点运算数(GFLOPs)和参数量。为了解决智能交通系统特征图生成过程中的信息损失问题,通过将自适应注意力模块(AAM)和特征增强模块(FEM)引入自适应融合特征金字塔网络(AF-FPN),以融入车辆检测的形状特征。针对车辆细节特征表征弱的问题,引入了一种按通道维度分组的注意力(SA)机制,以增强主干网络对不同车辆检测细节特征的关注,有效提取车辆细节的显著特征。在BDD100K数据集上的实验结果表明,FAAP-Net算法相比于传统算法,平均精度从30.3%提升到43.7%。
2024年04期 v.52 532-540页 [查看摘要][在线阅读][下载 1642K] [下载次数:148 ] |[网刊下载次数:0 ] |[引用频次:0 ] |[阅读次数:2 ] - 王平;姚宇阳;王新红;
针对当前多目标追踪算法应对路侧交通场景的缺陷,提出一种基于路侧摄像头的多目标追踪算法。选择one-shot追踪算法路线,基于FairMOT设计神经网络,使单个网络同时生成目标检测结果与外观特征结果,增强实时性效果;采用新的数据关联方式,减少遮挡对追踪器的影响;引入新的运动相似度度量方式——缓冲交并比,弥补线性运动预测模型产生的误差;提出基于速度判别的丢失轨迹移除算法和基于历史位置匹配算法,实现长时间遮挡轨迹的身份恢复。在UA-DETRAC公开多目标追踪数据集上进行实验,验证该算法有效性。为证明该算法在真实路侧环境的适用性,在国家智能网联汽车(上海)试点示范区开放道路采集真实路侧场景数据。最后,将该算法和SORT、DeepSORT、ByteTrack、FairMOT算法在真实路侧场景数据上进行对比实验。实验结果表明,本算法在identificationF-Score、IDswitch、fragmentation、mostlytracked、mostlylost、multipleobject tracking accuracy等评估指标上优于其他算法。
2024年04期 v.52 541-550页 [查看摘要][在线阅读][下载 1874K] [下载次数:142 ] |[网刊下载次数:0 ] |[引用频次:0 ] |[阅读次数:1 ]