车辆轨迹

摘要： 为实现交叉口的精细化仿真与控制优化,提出一种基于广域雷达数据的交叉口车辆轨迹提取与微观仿真方法.首先运用广域雷达检测器等现代化交通检测技术采集车辆的位置、速度、方向等数据,得到每辆车的行驶轨迹;然后通过数据清洗、车道编号、车辆编号重置、统一坐标等步骤对数据进行处理;最后利用车辆行驶轨迹,建立了交叉口仿真平台,能够真实再现交通流的动态演化过程,并输出车道空间占有率、平均瞬时速度、排队长度和延误等指标.该仿真平台可以为交叉口的交通状态判别和控制优化提供强有力的工具.

摘要： 采用聚类算法和异常值检测算法进行车辆轨迹信息的提取与挖掘,在交通控制与管理、道路拥堵时空分析与治理、用户出行线路规划与推荐,以及自动驾驶决策规划等应用中具有重要意义.针对现有聚类算法和异常值检测算法参数难以控制、算法存在随机性的不足,提出基于K-Medoids与DBSCAN组合的聚类算法.通过对模拟十字交叉路口数据集的训练,得到一个交叉路口最佳聚类模型,并用真实轨迹数据集验证、优化该模型.然后,将交叉路口区域内一段时间内的轨迹聚类数据流进行可视化再现,取得了异常轨迹少、聚类速度快的聚类效果,同时比较选择出算法各个参数的最优值.最后,通过参数传递使DBSCAN算法能够更精确地识别出异常轨迹,为交通治理与自动驾驶决策提供指导.

摘要： 车辆异常行为是影响道路安全、通畅的主要因素,基于轨迹特征分析判别对于识别车辆异常行为具有重要的现实意义。以多源车辆轨迹数据为基础,挖掘多种异常驾驶行为下的轨迹时空特性,提炼交通违章违法行为的风险特征共性,对驾驶员的安全驾驶行为做出有效评估,为加强车辆动态监管、创新交通安全治理模式提供了有效支撑。

摘要： 出口道左转交叉口通过改变部分出口道的车道功能,可为左转交通提供额外的通行能力。本文基于传统跟驰模型和换道模型,建立以通行效率和车队运行稳定性为目标的最优控制模型,在Matlab环境下使用CasADi求解器中的BONMIN算法对模型进行求解。将常规交叉口放行策略与本文所提出的最优放行策略进行对比分析。结果表明,模型计算给出的3种通行策略不仅能合理使用对向出口车道,同时车辆通过交叉口的次序得以提前,从而使得交叉口的通行效率有一定程度的提升。

摘要： 全国“一张网”后,高速公路通行及服务能力大幅提升,但计费不准、偷逃费行为频发等成为高速公路运营管理部门工作的难点。为进一步提高计费精准度并深入挖掘车辆偷逃费行为,本文提出了一种基于ETC门架系统数据和收费站数据的车辆轨迹还原方法,有效解决了多源交通数据融合、轨迹分段还原、路径动态拟合与车辆轨迹标号等技术问题,为高速公路精准计费与稽核提供了新思路。

摘要： 为了动态分析公交车辆在线网上的实时分布,文章构建一个基于车辆分布的公交动态复杂网络模型,基于复杂网络理论提出车辆服务强度与线网储备运力2个指标来反映公交动态复杂网络的分布特征。基于Space-L方法建立包含城市公交站点及线路信息的静态网络模型,分析公交静态网络特性;根据公交车辆实时GPS数据提取站点间车辆数作为边的权重,建立公交动态复杂网络模型,使用车辆服务强度与线网储备运力进行线网车辆分布分析并对动静态公交网络进行匹配性研究。将提出的方法应用于宁波市公交系统,研究发现:车辆服务强度呈现出明显的时间与空间差异;线网储备运力与网络直径具有较强的相关性,可以通过不同时刻动态网络直径的大小来分析线网的储备运力;公交静态网络与动态网络的关键参数差异表明两者不完全匹配。

摘要： 选取长沙市中心区4个典型信号交叉口,利用视频轨迹追踪软件,提取右转机动车与直行非机动车的冲突交通流轨迹数据.以减速、换道等避险行为与可能发生碰撞(距离碰撞点时间小于2 s)为依据,采集机非冲突样本;选择距离碰撞最大时间(MTTC)和冲突时间差(TDTC)作为评价指标,提出一种基于交通流运行轨迹的改进型TTC(Time to Collision)法的机非冲突判别方法.选择某实例交叉口,分别采用TTC法、改进型TTC法和后侵入时间(PET)法,评估得到右转机动车与直行非机动车的冲突数,分别为7,24,22次.结果表明,传统的TTC法低估了交叉口的机非冲突水平,改进型TTC法的判别准确率提高了2.14倍,证明了方法的可行性.

摘要： 为实现线性识别模型用于预测控制算法低速直线轨迹跟踪控制效果的验证,本研究利用计算机软件maplab进一步构建基于运动型模型线性时变模型预测控制算法,通过理想曲线和时间曲线的仿真比较,研究证明该算法可确保在处于一定条件下无人驾驶汽车具有良好的安全性、稳定性,能够为无人驾驶汽车国际各种算法提供经验参考。

摘要： 文中提出一种碰撞风险的度量方法,即平均碰撞风险(average crash risk,ACR).该方法基于驾驶员在车辆跟随过程中的响应数据来计算车辆的平均碰撞风险,并基于平均碰撞风险,对每一位驾驶员的激进驾驶行为进行判断并且赋予标签.最后,将车间距数据进行离散傅里叶变换作为输入变量进行激进驾驶员识别算法的训练.使用高精度NGSIM数据集进行激进驾驶员识别,研究对象包括在美国I-80高速公路H O V车道上无换道干扰的299对跟驰车辆.此外,提出一种新的基于权重的欠采样提升算法(weight-based under sampling boost,WUSBoost),并与其他不平衡类提升算法SMOTEBoost和RUSBoost,常规的提升算法AdaBoost和XGBoost,以及SMOTE+Ada-Boost和RUS+AdaBoost等算法进行比较.在所有算法中,WUSBoost的性能最好,显示了其对于不平衡类数据有较好的识别能力.

摘要： 车辆轨迹中停留点提取是分析车辆用户语义行为的关键步骤.该文深刻剖析车辆轨迹特征,提出基于语义行为的车辆轨迹停留点提取算法来解决行车中遇到十字路口、立交桥等形成的"伪停留点"问题和无法捕捉短暂停留的停留点丢失问题.该算法首先通过切割系数的选取实现对停留稳定性的判断,进而聚类得到候选停留点,解决停留点丢失问题;然后利用车辆轨迹在空间路网分布极不均匀的特征,对其进行路网建模实现十字路口的拓扑模型,并利用距离阈值的选取过滤候选停留点,解决停留点中的误判问题.出租车历史GPS轨迹数据的实验结果表明,算法在召回率和准确率上相比现有轨迹停留点提取算法ETC和OC有一定的稳健性,同时在调和平均值上有明显提高.

摘要： 通过对比闻红灯预测算法的性能,选择出用于区分车辆走、停行为的车辆轨迹特征参数.为实现对交叉口车辆闯红灯行为预测,根据闯红灯车辆为在红灯亮起后通过停止线的车辆这一定义,提出闯红灯预测算法的两个主要功能;估计车辆到达停止线的时刻;预测车辆到达停止线后的走、停行为.研究结果表明;在速度、加速度、行驶时间和车头时距4个物理量中,车辆的速度对闯红灯行为的预测性能最好;若用速度分别与其他3个物理量联合对车辆走、停行为进行区分,性能有所提高,但并不显著;速度一车头时距组合比以往常用的速度一加速度组合进行闯红灯行为预测的性能更好.

摘要： 本发明公开了一种自主导航车辆的轨迹纠偏方法及轨迹纠偏装置、车辆控制系统。其中，该轨迹纠偏方法包括：获取车辆的矩阵区域信息，其中，矩阵区域信息用于指示通过磁条分割车辆当前行驶位置所处的轨道区域对应的矩阵信息；基于矩阵区域信息，建立对应于每个车辆行驶轨道区域的多项式，其中，多项式用于计算自主导航车辆的车辆偏离夹角；基于车辆偏离夹角和车辆舵轮间距值，分析纠偏时长；基于纠偏时长和预设舵轮控制功率，对自主导航车辆进行轨迹纠偏操作。本发明解决了相关技术中自主导航车辆在双舵轮驱动下容易发生脱轨的技术问题。

摘要： 本发明公开了一种自主导航车辆的轨迹纠偏方法及轨迹纠偏装置、车辆控制系统。其中，该轨迹纠偏方法包括：获取车辆的矩阵区域信息，其中，矩阵区域信息用于指示通过磁条分割车辆当前行驶位置所处的轨道区域对应的矩阵信息；基于矩阵区域信息，建立对应于每个车辆行驶轨道区域的多项式，其中，多项式用于计算自主导航车辆的车辆偏离夹角；基于车辆偏离夹角和车辆舵轮间距值，分析纠偏时长；基于纠偏时长和预设舵轮控制功率，对自主导航车辆进行轨迹纠偏操作。本发明解决了相关技术中自主导航车辆在双舵轮驱动下容易发生脱轨的技术问题。

摘要： 本发明的目标轨迹生成装置(10)中，前车位置获取部(1)获取前车的相对位置。本车状态量获取部(2)获取本车的状态量。本车移动量计算部(3)基于本车的状态量计算本车的移动量。本车基准前车位置计算部(4)基于前车的相对位置和本车移动量，计算在以本车的当前位置为基准的坐标系中表示前车的相对位置的履历的本车基准前车位置的点群。目标轨迹生成部(5)基于本车基准前车位置的点群生成本车的目标轨迹。目标轨迹校正判定部(6)基于本车基准前车位置的点群或目标轨迹判定是否需要校正目标轨迹。当判定为需要校正目标轨迹时，校正目标轨迹生成部(7)基于本车基准前车位置的点群或目标轨迹来生成校正目标轨迹而得到的校正目标轨迹。

摘要： 本发明实施例公开了一种车辆轨迹预测方法、车辆预测轨迹分析方法、装置及车辆。该方法包括：获取车辆历史位置点集以及当前车速；若车辆历史位置点集与当前车速满足预设轨迹预测条件，则根据车辆历史位置点集构建初始预测轨迹圆；根据车辆当前位置点与车辆历史位置点集更新初始预测轨迹圆，并根据更新后的初始预测轨迹圆确定车辆预测轨迹。本发明实施例的技术方案，通过车辆当前所处位置对根据历史位置点确定出的车辆预测轨迹进行调整，充分考虑当前时刻车辆位置对车辆轨迹预测的影响，及时调整车辆预测轨迹的偏移。解决了仅依赖车辆历史位置点进行轨迹预测时预测轨迹出现偏移的问题，提升了车辆轨迹预测的精确度和准确性。

摘要： 本发明公开了一种车辆轨迹预测模型构建方法、车辆轨迹预测方法及系统。所公开的方案包括采用嵌入向量表示城市区域中的路段信息，分别对车辆的轨迹信息和目的地信息进行编码，以便能够将数目众多的道路信息送入深度神经网络中，然后分别将轨迹信息和目的地信息的嵌入表达送入长短期记忆网络生成包含所有已知轨迹信息的长向量，利用多任务学习中的参数软共享方式将历史轨迹信息与目的地信息进行融合，通过全连接层进行解析与特征提取，进行轨迹预测。本发明采用多任务学习的方式，充分利用了已知轨迹信息与目的地信息，能有效提升轨迹预测的准确性。

摘要： 本发明公开一种车辆轨迹优化方法、车辆轨迹定位方法、车辆定位系统，本发明对轨迹数据进行优化抽稀，从而达到提高车辆轨迹的精确度及后期轨迹提取的效率，本发明应用于货物运输行业可以大幅提高货物运输企业的工作效率，车辆轨迹优化方法，包括以下步骤：（1）采集车辆位置信息；（2）数据校正；（3）压缩优化；车辆轨迹定位方法包括如下步骤：（1）采集位置信息；（2）发送至云计算中心；（3）采用抽稀优化方法对车辆位置信息进行优化；（4）形成轨迹图发送至车辆显示终端及管理后台显示。车辆定位系统采用如上所述车辆轨迹定位方法，它包括车辆位置数据采集模块、云计算平台、展示终端。

摘要： 本发明实施例公开了一种车辆轨迹预测方法、车辆预测轨迹分析方法、装置及车辆。该方法包括：获取车辆历史位置点集以及当前车速；若车辆历史位置点集与当前车速满足预设轨迹预测条件，则根据车辆历史位置点集构建初始预测轨迹圆；根据车辆当前位置点与车辆历史位置点集更新初始预测轨迹圆，并根据更新后的初始预测轨迹圆确定车辆预测轨迹。本发明实施例的技术方案，通过车辆当前所处位置对根据历史位置点确定出的车辆预测轨迹进行调整，充分考虑当前时刻车辆位置对车辆轨迹预测的影响，及时调整车辆预测轨迹的偏移。解决了仅依赖车辆历史位置点进行轨迹预测时预测轨迹出现偏移的问题，提升了车辆轨迹预测的精确度和准确性。

摘要： 本发明提供一种车辆轨迹预测方法和车辆轨迹预测模型的优化方法，所述车辆轨迹预测方法包括以下步骤：基于地图数据生成以预测车辆为图片中心的环境静态图片；基于目标检测跟踪结果生成以预测车辆为图片中心的环境动态图片；根据所述环境静态图片和所述环境动态图片生成环境状态图片；基于所述目标检测跟踪结果获取所述预测车辆的车辆状态信息；将当前帧的所述环境状态图片和当前帧中所述预测车辆的车辆状态信息作为输入数据输入预测模型；从所述预测模型的输出端获取所述预测车辆的预测轨迹。本发明能够实现对车辆轨迹的更准确的预测。

摘要： 本申请提供了一种车辆轨迹追踪方法及车辆轨迹追踪系统。本申请的车辆轨迹追踪方法，车辆轨迹追踪方法通过在道路上使用带有智慧网关和检测装置的多功能路灯，将经过时间、车牌号以及所属多功能路灯的序号进行绑定生成轨迹信息T1，并通过第一通讯结构将该轨迹信息T1发出至第二多功能路灯。当车辆继续行驶至第二多功能路灯时，结合已经储存的轨迹信息T1，生成新的轨迹信息T2，重复上述步骤，便能实现对车辆进行轨迹追踪。这样，在实现车辆轨迹追踪时，不需要云端的参与，只需要各个智慧网关之间进行信息交互即可，一方面，是将该计算量分散到各智慧网关，能高效完成数据分析；另一方面，当云端出现宕机等意外时，各多功能路灯仍能追踪车辆轨迹。

摘要： 本发明公开了一种车辆轨迹预测模型构建方法、车辆轨迹预测方法及系统。所公开的方案包括采用嵌入向量表示城市区域中的路段信息，分别对车辆的轨迹信息和目的地信息进行编码，以便能够将数目众多的道路信息送入深度神经网络中，然后分别将轨迹信息和目的地信息的嵌入表达送入长短期记忆网络生成包含所有已知轨迹信息的长向量，利用多任务学习中的参数软共享方式将历史轨迹信息与目的地信息进行融合，通过全连接层进行解析与特征提取，进行轨迹预测。本发明采用多任务学习的方式，充分利用了已知轨迹信息与目的地信息，能有效提升轨迹预测的准确性。