论文部分内容阅读
随着人们对道路车辆安全、效率和智能化的要求不断提高,以及先进的通信、云计算、自动控制和计算机视觉技术等的不断突破发展,高级驾驶安全辅助系统和自动驾驶技术成为智能交通系统的关键技术要素。因此,本论文围绕车辆驾驶安全辅助技术展开研究,这对提高车辆的主动安全性以及改善道路交通环境有着显著的理论意义和实际应用价值。论文具体工作和贡献如下:(1)在对车辆调度方法进行前期调研分析的基础上,提出了一个基于车辆队列的车辆安全辅助调度方法。首先建立了调度系统模型,然后提出了一个智能车辆队列形成方法,进而分析了车辆队列的无冲突组合方案以及通过路口的时间情况。在考虑了路口处车辆的吞吐量、安全性和公平性因素前提下,建立了系统的优化目标和调度策略。最后利用VISSIM与MATLAB进行了联合仿真,验证了该方法能够根据每条道路的车流量情况进行合理的车辆调度,并大大提高路口的吞吐量,缓解交通压力,改善道路安全。(2)在对车辆碰撞避免预警方法进行前期调研分析的基础上,提出了一个用于监控指定事故高发区的基于车辆不确定位置的碰撞监测方法。首先建立了系统模型,然后设计了一个基于LSTM(Long Short-Term Memory)模块的车辆轨迹预测网络模型,通过车辆之间不确定位置的关系来计算其碰撞发生概率,并通过设定的预警时间和阈值,来使用户可以自定义碰撞预警的灵敏度。最后,通过仿真证明了所提方法不仅可以有效预警碰撞风险,还大大减少了系统的通信和计算开销。(3)在对交通标志识别方法进行前期调研分析的基础上,提出了一个双重多尺度特征融合的交通标志检测方法,该方法是基于SSD(Single Shot MultiBox Detector)检测网络进行设计的。首先研究了深度神经网络中不同层特征图的特性,然后设计了两种基于多尺度特征图融合的SSD检测方法,包括相邻特征融合和金字塔特征融合,最终提出了一种双重多尺度特征融合的SSD结构。最后,提出的模型在中国交通标志数据集(Chinese Traffic Sign Datasets,简称CTSD)上进行了评估。实验证明所提出的模型在复杂的道路环境中检测不同大小的交通标志时,在准确性和时效性这两个综合指标上都有较好的表现。