车路协同关键技术研究演示文稿.pptVIP

车速自适应控制的核心问题是车辆最优安全车速的求解， 本项目通过车路协同感知的路面物理信息和车流信息等，利用GIPPS跟驰模型以及车辆动力学和运动学模型，求解出最优安全车速。 在车路协同关键技术仿真平台方面，重点开展仿真系统体系结构建模和基于用例的综合仿真分析研究。 针对车路协同系统分布、异构、并发的特点，采用agent理论进行仿真系统体系结构构建，并定义驾驶员-车辆智能主体的结构和特性 通过发车、行人和随机交通事件发生模型，构建动态复杂的交通场景，对基于路面状态的车速自适应控制方案、车路协同的交叉口安全通行控制方案、车辆主动避碰控制方案进行仿真分析，实现安全评估 在系统集成和测试验证中，重点开展车路协同体系框架与系统集成、系统测试环境设计与建设、中央控制系统关键技术、车路协同原型系统综合测试研究。 以分布式结构为基础，用负载均衡理论确定通信网络拓扑结构，通过遗传算法解决路侧设备布置优化问题，最终形成智能车路协同体系框架。 以长安大学综合试验场为基础，建立综合测试环境；以已建立的工程中心中央监控系统为基础，建立智能车路协同系统监控中心。 设计用于车辆主动避撞 基于路口信号的车辆安全通行和基于路面状况的车速自适应控制的测试用例，进行系统的综合测试 车辆行为识别是实现冲突预警和消解的前提，车辆的行为与车辆的行驶状态、车辆所处的交通状况和道路环境密切相关。 而这些情况千差万别，其相互作用更为复杂，难以用确定的模型来描述。 因此，如何根据车车/车路协同感知的车辆的行驶状态、所处的交通状况和道路环境信息进车辆行为识别是我们需要解决的技术难点之一。 本项目采用基于样例的车辆行为认知方法。通过对车辆行为进行分析与分类，找出影响行驶安全车辆行为；通过对影响行驶安全的车辆行为进行特征分析和提取，建立特征与行为的关系，并在此基础上建立特征和行为关系样本库。 最后通过对车车/车路协同感知的信息进行特征分析和提取，采用最大相似度匹配方法进行基于样例的车辆行为认知，最终实现车车/车路协同的车辆行为识别。 我们在“智能先锋号”智能车的研制过程中全面开展了智能车辆的感知、决策和控制技术研究，实现了基于样例的对方车辆行为识别。 中科院合肥研究院研制的“智能先锋号”在国家基金委主办的2010 “中国智能车未来挑战赛”以优异的成绩荣获冠军。 国内从事智能车研究的主要科研机构都参加了本次比赛。这是比赛名次 智能车路协同系统中，传感器种类多、分布广，车载传感系统还处于高速运动中，传感器的检测环境、检测机理、时间基准、信息特征、描述方法均不相同， 因此，如何基于车路协同感知的多传感器信息融合实现异构信息的,时钟基准同步信息特征的规范和描述方法的关联是需要解决的第2个技术难点。 本项目采用多层次信息融合方法，在数据层，采用最大比合并分集方法，确定各传感器的权重系数；在特征层采用概率神经网络方法，确定数据层和特征层的映射关系；在决策层采用学习矢量量化网络方法，确定关联和综合的最优化准则，实现基于车路协同感知的多传感器信息融合。 在 “863”计划项目“基于无线传感网络的危险品（公路）在途检测技术”中，采用多层次信息融合方法，在数据层对不同位置的同类型传感数据进行融合；在特征层对压力、温湿度、位置、倾角、加速度等不同类型传感器信息进行融合；在决策层综合信息，对危险品的运输安全状况作出宏观决策，实现了危险品运输状况在途（公路）监测。 车车/车路自组织路由算法是实现稳定高效车车/车路通讯的基础，而路由决策与车辆的行驶方向、行驶速度、规划路径、地理信息相关。 因此，如何综合车辆的运动特性设计稳定高效的车车/车路自组织路由算法是必须解决的第3个技术难点。 本项目采用仿生路由算法，使用蚁群智能动态优化的特点，自适应车辆的运动特性，实现基于运动综合感知的自组织路由。 * * 项目组在承担的国家自然科学基金重点项目“月球探测系统的建模、传感、导航和控制基础理论及关键技术研究”中，首次提出基于无线传感器网络的移动机器人导航定位，设计了基于蚁群智能的无线传感器网络路由算法，很好的解决了多目标优化路由决策问题。 驾驶员-车辆智能行为与动态道路状况、车辆动力性能、驾驶员特性、关联车辆实时行为有关，而驾驶员-车辆微观行为具有不确定性、非线性，因此如何使用上述这些动态因素，建立驾驶员-车辆智能行为模型，描述其行为的多模态性、智能性和决策过程是本项目必须解决的另一个技术难点。 本项目采用数据驱动的自适应建模方法。通过对驾驶员特性的统计和车辆动态样本数据的分析，采用快速稀疏最小二乘支持向量机算法实现基于数据驱动的建模。通过在线仿真进行参数自适应校正，进一步实现基于数据驱动的自适应建模。 在国家863”城市交叉口微观交通仿真“项目中，研究了基于最小二乘支持向量机回归的驾驶员-车辆的微观行为建模，仿真