检索结果-南通市图书馆

网联自动驾驶环境下改进的加权MOBIL自主性换道决策模型

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

重庆交通大学学报（自然科学版） 2021年第5期40卷 46-52,101页

作者：潘义勇王松南京林业大学汽车与交通工程学院江苏南京210037

为了提高高速公路运行效率,减少交通拥堵和交通事故的发生,改进了传统的MOBIL自主性换道决策模型。在网联自动驾驶的环境中考虑车辆换道后对原车道与目标车道多辆后随车制动影响程度的不同,构建权重因子表达式。利用MATLAB软件进行数值... 详细信息

为了提高高速公路运行效率,减少交通拥堵和交通事故的发生,改进了传统的MOBIL自主性换道决策模型。在网联自动驾驶的环境中考虑车辆换道后对原车道与目标车道多辆后随车制动影响程度的不同,构建权重因子表达式。利用MATLAB软件进行数值仿真实验,通过定性与定量分析将提出的加权MOBIL自主性换道决策模型与传统模型进行比较。实验结果表明:与传统换道模型相比,加权MOBIL换道决策模型能提高交通流的平均速度,减少延误以及减少整体的制动幅度。因此,提出的改进加权MOBIL自主性换道决策模型能提高交通流的运行效率以及安全性。

关键词：交通运输工程网联自动驾驶换道模型 MOBIL模型权重因子

混合交通流环境下基于MSIF-DRL的网联自动驾驶车辆换道决策模型

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

北京交通大学学报 2023年第5期47卷 148-161页

作者：韩磊张轮郭为安同济大学道路与交通工程教育部重点实验室上海201804 同济大学电子与信息工程学院上海201804 同济大学中德工程学院上海201804

现有的网联自动驾驶车辆(Connected and Automated Vehicles,CAV)换道决策模型鲁棒性较差,存在安全隐患,且单纯依赖自车信息、较小范围内的感知信息,难以在CAV与人工驾驶车辆(Human-Driven Vehicles,HDV)混行的环境中推断出最优动作.综... 详细信息

现有的网联自动驾驶车辆(Connected and Automated Vehicles,CAV)换道决策模型鲁棒性较差,存在安全隐患,且单纯依赖自车信息、较小范围内的感知信息,难以在CAV与人工驾驶车辆(Human-Driven Vehicles,HDV)混行的环境中推断出最优动作.综合考虑感知信息、自车以及车-车通信(Vehicle-to-Vehicle,V2V)范围内上、下游CAV信息,提出一种混合交通流环境下集成多源信息融合的深度强化学习(Multi-Source Information Fusion Deep Reinforcement Learning,MSIF-DRL)端到端网联自动驾驶换道决策模型.首先,构建含有多源信息的状态空间,并为不同信息分配权重;其次,通过编码网络将各种动态信息编码到高维特征空间,进行信息融合得到特征图;然后,将其扁平化送入拥有优先经验回放机制的竞争双深度Q网络中,进行动作的选择和评估;最后,分别设计适用于主线、匝道CAV的奖励函数引导所提MSIF-DRL模型解决高速公路合流区驾驶场景中CAV的自由以及强制换道问题.基于SUMO软件在各种仿真条件下进行实验,将所提出的MSIF-DRL换道决策模型与现有换道模型进行比较,验证其有效性和优越性.研究结果表明:相较于现有模型,所提MSIF-DRL模型在各种仿真条件下均拥有最高的奖励值、换道成功率、合流成功率、平均行车速度、舒适性以及最低的碰撞风险,其中换道成功率、合流成功率、平均行车速度最大分别提升了29.17%、27.71%、17.43%;随着渗透率的提高,该模型在处理混合交通流环境下CAV的换道决策问题时拥有更强的性能和鲁棒性.

关键词：智能交通网联自动驾驶深度强化学习换道决策模型多源信息融合混合交通流

网联自动驾驶中感知图像隐私目标分类与检测方法

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

网联自动驾驶中感知图像隐私目标分类与检测方法

作者：周永洁贵州大学

学位级别：硕士

网联自动驾驶车辆融合丰富的传感器对周围环境进行精确感知,结合深度卷积神经网络算法检测复杂场景中感知图像目标的类别和位置,从而决策和调整车辆的驾驶行为。为了节省计算和能源资源,车辆将复杂的分类和检测计算任务外包至边缘服务... 详细信息

网联自动驾驶车辆融合丰富的传感器对周围环境进行精确感知,结合深度卷积神经网络算法检测复杂场景中感知图像目标的类别和位置,从而决策和调整车辆的驾驶行为。为了节省计算和能源资源,车辆将复杂的分类和检测计算任务外包至边缘服务器。但是,由于边缘服务器是半可信的,含有隐私信息的感知图像在边缘服务器执行传输和计算任务的过程中会面临着严重的数据隐私泄露风险。因此,本文从感知图像目标分类和检测两个方面对网联自动驾驶中感知图像隐私计算技术进行研究,主要研究工作如下:(1)针对边缘计算环境下感知图像目标分类中的类别隐私泄露与隐私目标分类框架计算低效的问题,构造一种边缘协同的轻量级隐私目标分类框架,在两台边缘服务器协同分类过程中实现对感知图像传输和计算过程的隐私保护。车辆只需要对感知图像执行像素级随机拆分和传输的任务,不再需要与服务器在线协同计算,两台边缘服务器就能协同实现端与端的隐私目标分类,同时也不需要对中间计算过程的结果执行解密操作。首先,基于加性秘密共享技术设计一系列具有神经网络功能函数的安全计算协议,在此基础上,两台非共谋的边缘服务器协同执行安全卷积层、安全批量归一化层、安全激活层、安全池化层、安全全连接层等一系列安全深度神经网络计算层以构造边缘协同的轻量级隐私目标分类框架。完备的理论分析所设计构造的协议和框架的正确性、安全性、复杂性,所构造框架可以同时保护图像特征、类别结果和神经网络模型参数等隐私,也能够同时实现目标分类的正确性和安全性,而且其计算和通信复杂度均优于现有研究。(2)针对边缘计算环境下感知图像目标检测中的类别和位置隐私泄露与隐私目标检测框架计算低效的问题,构造一种边缘协同的轻量级隐私目标检测框架,在边缘协同检测过程中实现对图像特征的安全提取、安全分类以及安全检测。特别地,设计一种安全目标锚框聚类预测方法,实现目标锚框的安全提取过程。提出一种安全目标分类与回归的方法,在多目标检测的复杂场景和图像隐私不被泄露的前提下,安全高效执行多目标分类与回归任务。此外,提出安全目标上采样和安全自适应特征融合方法,实现安全提高图像特征分辨率和安全融合图像特征的过程。基于以上基础,最后构造一种边缘协同的轻量级隐私目标检测框架。理论分析所构造方法和框架的正确性、安全性、复杂性,不仅能够实现目标检测的正确性,还能够有效保护感知图像的类别和位置隐私,而且具有明显的计算和通信复杂度优势。(3)使用真实场景KITTI自动驾驶数据集对所构造的轻量级隐私目标分类框架和隐私目标检测框架进行仿真实验,并基于主流复杂的Res Net和YOLOv3-SPP网络模型进行实验评估。仿真结果显示,所构造框架均达到与明文模型下同等的分类和检测精度,计算误差均控制在10范围内。此外,所构造框架的计算复杂度与明文模型同阶,通信复杂度均控制在常数轮。与同态加密和多轮迭代计算方案相比,所构造框架的计算成本更低,通信开销也在可接受范围内,具有明显的分类和检测效率优势,计算和通信开销均优于现有工作。在整个隐私计算中,两台边缘服务器和敌手均不能窃取到完整的图像特征、神经网络模型参数、类别与检测结果等隐私。

关键词：网联自动驾驶边缘协同隐私保护目标分类目标检测加性秘密共享

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

网联自动驾驶中感知信息处理与融合的研究

网联自动驾驶中感知信息处理与融合的研究

作者：王鹏北京邮电大学

学位级别：硕士

随着汽车行业的快速发展,人们对汽车的需求已经不在局限于传统汽车的功能,网联自动驾驶、智能汽车已经成为业界关注的焦点。智能汽车的安全行驶需要依赖于规模庞大的车载-路侧传感器网络。如何保证传感器网络中各个节点的感知信息有效... 详细信息

随着汽车行业的快速发展,人们对汽车的需求已经不在局限于传统汽车的功能,网联自动驾驶、智能汽车已经成为业界关注的焦点。智能汽车的安全行驶需要依赖于规模庞大的车载-路侧传感器网络。如何保证传感器网络中各个节点的感知信息有效的处理与融合,对网联自动驾驶有着至关重要的影响。因此,节点感知信息的融合以及各个节点间的分簇是本文的主要研究内容。在单个节点的多传感器信息融合方面,如何有效地融合节点上不同传感器感知的异构感知信息是本文第一个的研究方向。本文首先将异构感知信息抽象为一系列向量,向量具有统一的表现形式,并将它们映射到相应的自动驾驶决策。然后,我们基于改进D-S(Dempster-Shafer)证据理论来对抽象感知数据进行融合,既减小了计算负载,同时也提高了融合结果的准确度。在传感器网络节点分簇方面,结合网联自动驾驶区域范围大,车辆节点数目多,区域内节点分布不均匀以及网络拓扑动态变化的特点。本文将整个网联自动驾驶的区域分为多个子区域(簇),然后对子区域内各个节点的感知信息进行处理。并提出一种基于加权多宽度高斯核函数的区间型模糊C均值聚类算法,来实现动态传感器网络节点的分簇。加快了边缘计算中心对来自节点的感知信息的处理速度,更准确的聚类得到更精确的处理结果进而向各个车辆节点反馈更可靠的驾驶决策信息。

关键词：网联自动驾驶信息融合改进D-S证据理论传感器节点分簇模糊C均值聚类

高速公路网联自动驾驶专用车道物理基础设施设计方法研究综述

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

交通信息与安全 2024年第2期42卷 1-11页

作者：杨昌俊郑辰浩戴晶辰李瑞敏贵州大学大数据与信息工程学院贵阳550025 清华大学土木工程系北京100084

为深入探究网联自动驾驶专用车道的物理基础设施设计对交通性能的影响,从专用车道的部署条件、专用车道的接入方式、以及专用车道与普通车道的分隔方式等3个方面进行梳理,明确了现有研究的理论基础与实践进展,构建了这些方面对交通系统... 详细信息

为深入探究网联自动驾驶专用车道的物理基础设施设计对交通性能的影响,从专用车道的部署条件、专用车道的接入方式、以及专用车道与普通车道的分隔方式等3个方面进行梳理,明确了现有研究的理论基础与实践进展,构建了这些方面对交通系统性能的影响关系框架,并指出了当前研究中存在的空白和未来研究的发展方向。结果表明:目前对网联自动驾驶专用车道部署条件的研究主要聚焦在交通效率上,缺少对交通安全的评估,且不同的研究假设导致了研究结果的差异,在未来研究中需要对部署条件进行精确评估;有关接入方式的研究则显示常规的自由接入和有限接入各有优势,但2种接入方式的优势条件有待进一步检验,建议借鉴高载客率车辆(high occupancy vehicle,HOV)专用车道接入方式的设计,在网联自动驾驶专用车道场景下对其进行重新评估;有关分隔方式的研究显示需要确认网联自动驾驶专用车道与普通车道的分隔方式对人类驾驶员适应性行为的影响,以确保驾驶者能够有效适应专用车道的部署。总体而言,目前研究虽有一定进展,但由于缺乏实际的道路案例与部署效果验证,基于仿真的方法由于假设等方面的差异使得研究结论有较大的分歧。未来的研究应重点聚焦在网联自动驾驶行为的精确化、横纵向对比研究、以及量化网联自动驾驶专用车道设计对安全效率的影响等方向进行改进。

关键词：道路设计网联自动驾驶专用车道物理基础设施交通安全与效率网联自动驾驶

面向网联自动驾驶混合交通流的高速公路流量控制方法

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

交通信息与安全 2023年第5期41卷 74-82页

作者：高金勇罗晟王歆远周成安连华福建省高速公路集团有限公司福州350001 北京百度网讯科技有限公司北京100085 同济大学道路与交通工程教育部重点实验室上海201804

由网联自动驾驶车辆(connected and autonomous vehicles,CAVs)与人类驾驶车辆(human-driven vehicles,HDVs)组成的新型混合交通流,是未来交通发展趋势。利用CAVs精准可控的优势提升交通管控能力是重要的研究方向之一。通过控制上游路段... 详细信息

由网联自动驾驶车辆(connected and autonomous vehicles,CAVs)与人类驾驶车辆(human-driven vehicles,HDVs)组成的新型混合交通流,是未来交通发展趋势。利用CAVs精准可控的优势提升交通管控能力是重要的研究方向之一。通过控制上游路段的CAVs目标巡航速度,间接影响HDVs的车速,实现上游交通需求的精准调控。考虑混合交通流具有时变特性以及平顺性需求,基于模型预测控制,以CAVs速度为控制量,建立流量控制偏差和CAVs速度变化幅度最小为目标的混合交通流量控制模型,实现控制过程优化;并设计控制模型的分布式求解算法,提高模型求解速度。基于VISSIM仿真结果表明:流量控制模型在不同CAVs渗透率、需求水平、目标需求下降率和控制更新时间间隔下均表现良好,流量控制精度均在80%以上;控制策略求解时间小于0.1 s,能够满足CAVs实时控制需求,从而更快调节流量到目标值,避免下游拥堵;模型可实现上游需求流量最高可下降40%,能够应对高速公路需求大幅波动情况,最大程度预防高速公路瓶颈拥堵。该方法对于预防高速公路拥堵、提高通行效率具有借鉴意义,为基于CAVs的主动交通管控方法开发提供参考。

关键词：交通控制主动交通管控网联自动驾驶速度协调控制

维普期刊数据库博看期刊

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

面向网联自动驾驶的交通流优化方法

面向网联自动驾驶的交通流优化方法

作者：张宇恒北京邮电大学

学位级别：硕士

自动驾驶车辆和智能交通系统技术的飞速发展正在逐步向我们揭开了自动驾驶时代到来的序幕。然而,随着汽车保有量的不断提升,城市交通拥堵问题日益凸显。网联自动驾驶的交通流优化,研究价值巨大。网联自动驾驶中,车辆通过对外界的信息交... 详细信息

自动驾驶车辆和智能交通系统技术的飞速发展正在逐步向我们揭开了自动驾驶时代到来的序幕。然而,随着汽车保有量的不断提升,城市交通拥堵问题日益凸显。网联自动驾驶的交通流优化,研究价值巨大。网联自动驾驶中,车辆通过对外界的信息交互进行感知,并由集中式的系统帮助车辆进行决策和控制。通过与网络信息的交互,车辆能够实时获得与自主式自动驾驶相比精度更高、更详细、视野范围更大、无死角的路况信息,同时,系统获得的全视野、高精度、低粒度、多元化的实时信息能够实现更精细化的交通流优化调度,降低车辆行驶时延、缓解交通拥堵、提高交通运输效率,提升用户出行体验。交通流优化,可分为路口控制规划和区域交通流调度两方面,本文分别从上述两个方面开展了研究。网联自动驾驶场景下,车辆受系统引导与控制决策,通过车路通信,实现无信号灯的智能路口控制。无信号灯的路口控制对信息的依赖程度较强,这使得在信道条件较差或网络拥塞情况下,车辆的安全性受到挑战。为应对上述挑战,本文提出了一种鲁棒的智能路口控制方法,该方法在保证交通效率的前提下,在任何网络状况下都能防止车辆发生碰撞危险。利用车辆行驶干扰图,求解车辆通行方案,考虑行驶时间、当前车道交通量和用户期望速度等多方面因素,保证车辆通过的公平性和效率。为了进一步优化性能,本文提出了一种粒子群优化算法,并建立仿真模型进行系统性能评估。在单路口控制系统的基础上,需要采用区域交通流协调策略协调相邻之间路口的交通流相关性,平衡区域内各道路的流量负载。考虑到各用户的出行体验和不同的出行需求,需要保证分配方案的公平性。本文应用基于激励的交通流量分配机制,通过求解车辆与系统的二人讨价还价博弈纳什均衡,获得双方均可接受的激励值。结合车辆时间紧张、综合收益最大等个性化出行需求,求解激励支出与交通效率的多目标优化。仿真结果显示,本文提出的分配机制在提高交通效率和用户出行体验的同时尽可能减小了系统开支。

关键词：网联自动驾驶智能路口控制交通流分配

基于MAS的网联自动驾驶车辆混行集聚控制模型研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于MAS的网联自动驾驶车辆混行集聚控制模型研究

作者：杨程灿江苏大学

学位级别：硕士

伴随着车辆网联化、智能化的进程,网联自动驾驶车辆(Connected And Autonomous Vehicle,CAV)开始涌入道路交通,与传统人工驾驶车辆(Human-Pilot Vehicle,HPV)形成混行交通流。如何设计合理的CAV控制模型,进而提升混行交通流的通行效率... 详细信息

伴随着车辆网联化、智能化的进程,网联自动驾驶车辆(Connected And Autonomous Vehicle,CAV)开始涌入道路交通,与传统人工驾驶车辆(Human-Pilot Vehicle,HPV)形成混行交通流。如何设计合理的CAV控制模型,进而提升混行交通流的通行效率是当前的研究热点,且目前存在的主要难题是缺乏统一的CAV控制理论和指导思想、单一化的模型及策略的设计与制定、与未来实际应用联系不够紧密。本文依托国家重点研发计划“车路协同系统要素耦合机理与协同优化方法(2018YFB1600500)”,以混行交通流中CAV车队的形成和保持为切入点,通过引入多智能体系统(Multi-Agent System,MAS)理论和集聚思想,构建CAV混行集聚控制框架,并基于该控制框架设计了CAV集聚控制模型(Agglomeration Control Model of Connected And Autonomous Vehicle Based on Multi-Agent System,ACMCAVMAS)以及交叉口集聚通行控制模型(Control Model of Agglomeration Passing through Intersection Based on MAS,CMAPI-MAS)。主要研究工作如下:(1)构建了基于MAS的CAV集聚控制框架。具体地,通过解析混行环境特征,分析了交通流中的各类要素,设计了面向混行集聚的上层管理Agent和底层车辆Agent,并在此基础上构建了基于MAS的CAV集聚控制框架。基于该集聚控制框架,系统能及时获取并处理混行环境中的交通信息,并通过通讯手段和集聚算法向不同行驶状态的车辆Agent传达匹配的控制信息。(2)设计了基于MAS的CAV集聚控制模型。该控制模型面向混行路段场景,其中主要包括车队级集聚(Platoon Level Agglomeration,PLA)和车道级集聚(Lane Level Agglomeration,LLA)两种策略以及相应的车辆Agent横纵向控制算法。仿真实验表明:PLA和LLA策略均能在一定密度和CAV-Agent渗透率范围内提升道路交通的通行效率,且能在60%的CAV-Agent渗透率下达到最佳效益,同时,两种集聚策略对风险降低的最大比例都能达到20%以上。(3)设计了基于MAS的CAV交叉口集聚通行控制模型。该控制模型基于改进的遗传算法对车辆Agent在交叉口通行时面临的多种约束进行求解,进而对交叉口中的混行交通流进行信号配时和速度轨迹的协同优化。仿真实验表明:该控制模型能降低单点交叉口内车辆Agent 20.6%平均延误和22%的平均油耗,且将其引入城市区域后可以降低区域内车辆Agent 34.8%的平均出行时间。综上,本文基于构建的集聚框架设计了ACMCAV-MAS和CMAPI-MAS两种集聚控制模型,对于增强混行交通流的管控能力具有重要的理论意义和价值。

关键词：网联自动驾驶混行交通流多智能体集聚渗透率

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向网联自动驾驶汽车的平视显示系统综述

面向网联自动驾驶汽车的平视显示系统综述