《道路全息感知與未來交通安全-陸鍵.pdf》由會員分享,可在線閱讀,更多相關《道路全息感知與未來交通安全-陸鍵.pdf(30頁珍藏版)》請在三個皮匠報告上搜索。
1、道路全息化感知與未來交通安全同濟大學 交通運輸與工程學院 陸鍵2023.05一、機遇與挑戰二、感知技術的發展三、未來交通安全四、總結與展望一、機遇與挑戰機遇與挑戰2022年高考錄取“斷崖式”降分,傳統土木行業遇冷另一方面,智慧交通市場規模巨大交通產業生態圖譜互聯網大廠紛紛涉足智慧交通領域,對傳統交通領域的學者和從業者都是巨大的沖擊。與他們相比我們的優勢在哪里?在交通產業生態圖譜中沒有交通安全?自動駕駛時代是否還需要傳統的交通安全研究?兩大問題:自動駕駛時代交通事故特征是否發生了變化?經典交通事故特征交通系統處于安全狀態,不一定不發生事故;交通事故處于危險狀態,并不一定發生事故。Random偶然
2、性頻發性Abrupt突發性不可逆性社會性理論上,自動駕駛的事故率將遠低于人為駕駛,在目前自動駕駛與人為駕駛混雜的情況下,有可能形成更加復雜和危險的道路環境。未來交通安全的研究內容交通調查數據獲取方式發生變化0101統計分析數據類型發生變化0202安全評價安全評價的頻率明顯增多,安全評價作為反饋信息輸入數字孿生平臺0303事后改善安全改善方案可預測0404經典交通安全的研究內容在未來可能發生變化未來交通安全的發展趨勢1.將與道路設計、養護、車輛制造和安全規劃緊密結合;2.將與汽車制造商、互聯網平臺等深度跨界合作;3.基于大量感知數據的高頻交通安全風險評價,感知技術是未來交通安全的保障;4.安全的
3、道路基礎設施是自動駕駛的重要保障;5.基于數字孿生平臺的交通安全是必然趨勢;6.自動駕駛相關的道路交通安全問題亟待解決。阿里云“4+1”跨四域融合的數字孿生仿真架構通過高并發調度、分布式計算加速、以及統一仿真平臺技術來對現實世界進行秒級推演預測;仿真域通過云邊一體協同計算、現實世界到數字世界的高并發數據采集、數字世界到現實世界的低延時控制調度來實現數字底座與業務系統數實融合。交互域可以對物理世界的對象進行自動化的單體化分割、三維化生成、大規模實時渲染;感知域可以對物理世界的對象進行多源靜動數據融合感知、動態元素軌跡還原等操作;生成域為什么現在的數字孿生平臺好看但是不好用?1 感知域感知數據的精
4、確度決定了交通安全、道路安全養護等決策的準確性,目前的感知手段仍有較大發展空間。2 仿真域建立駕駛行為特征譜數據庫可在仿真域對有人駕駛、自動駕駛以及有人無人混雜駕駛提供仿真依據3 交互域不同道路等級及特征段的多維道路風險評估體系可對整個路網而不是單一事故地點或形態進行道路安全風險評估并主動干預服務人路管理環境車二、感知技術的發展服務人路管理環境車駕駛行為譜道路綜合數據智能網聯重視農村公路的巨大潛力農村公路主要特點:里程長;預算低;路面環境復雜;路面基礎差;安全問題不比高等級公路少:大規模路面質量檢測的核心目的?養護決策?安全評價?能檢測的數據頻率檢測成本后期處理難度精準度在養護決策方面的應用道
5、路自動化巡檢病害的數量(如坑槽、裂縫等)高(可以做到常態化、日常巡檢)成本低廉(普通攝像頭+一般車輛即可)簡單由于算法的局限性,會漏掉相當一部分的目標僅可為日常維護提供參考道路檢測車精準檢測PCI、IRI、RDI等低(只能做定期巡檢)成本昂貴(使用了大量昂貴的檢測儀器,需要維護)復雜具有較高的精準度由于檢測數據的精準和全面,可以為養護決策的制定提供依據路況檢測包含精準檢測和日常巡檢兩類:道路病害自動化巡檢是一種利用計算機視覺和機器學習等技術,對道路表面病害進行自動化檢測和分類的技術。精準檢測精準檢測則是使用道路檢測車,它配備了多種傳感器和設備,可以對路面使用性能進行系統的、全面的評價?;诙嗑S
6、數據融合的感知裝備二維技術三維技術云臺相機二維圖像激光雷達三維點云數據采集數據處理模型訓練輸出結果數據采集數據處理模型訓練輸出結果面積長度寬度面積長度寬度體積三維路面病害檢測設備可為路面養護決策與道路交通安全提供精準數據檢測原理:光條投射到路面病害(如裂縫)時,由于破損與路面表面存在高度差,通過三維相機對變形光條圖像的分析,進而提取破損信息。三、未來交通安全未來交通安全技術在數字孿生平臺仿真和交互域的發展駕駛行為譜駕駛行為譜特征庫的建立是數字孿生平臺對人為及自動駕駛的行為仿真的基礎0101主動防控單擊此處輸入你的正文,文字是您思想的提煉。0202基于道路靜態與動態數據相結合的道路安全風險評價體
7、系0303風險評價利用人工智能技術辨識不同狀況下的不良駕駛行為道路數字孿生模型人-車交互機理及交通行為譜是未來數字孿生平臺仿真駕駛行為的重要依據基于多自主體駕駛仿真系統的人-車-路交互影響機理 研究背景與科學問題主要理論創新與突破交通行為特征譜理論與不良駕駛行為預測事故防治風險防控安全需求轉變兩大科學問題復雜環境道路安全系統量化分析不同道路交通環境下交通行為動態預測1)人車交互適宜性評價方法并開發評估系統2)基于勢能場理論的多自主體交互影響模型3)貝葉斯分層的單車運行及多車交互風險評估模型4)多自主體駕駛模擬仿真系統平臺1)高精度道路交通環境與駕駛行為同步采集設備2)多目標運動狀態提取數據處理
8、方法3)基于支持向量機(SVM)的駕駛行為風險預測模型4)交通行為譜體系架構與不良交通行為譜的判定方法5)交通行為特征譜數據庫6)高速公路交通行為特征譜規范標準人、車、路、環境四要素同步切片駕駛行為譜連續采集駕駛環境(H1,H2,Hs)向量HMOR(M1,M2,Mk)向量M駕駛行為譜特征參數不良跟馳1=xppVVMORD蛇形駕駛車速不穩定強行換道y2ystd()mean()VMORV3std()mean()xxVMORV4max,xpfxpfVVVVMORDD參數閾值MOR*交通流視頻提取軌跡數據異常 檢測不良行為得分 *S=0iiiiiiiiMOR tMORMOR tMORtMORMOR t
9、MOR 時 時第i種不良行為的得分 01=TiitTASS tTNorm-min()=max()min()iiiiiTASTASTASTASTAS歸一化不良駕駛行為譜特征值加權平均駕駛行為譜條1)提出基于人、車、路、環境四要素同步切片的駕駛行為譜條表征方法、時間序列的駕駛行為譜模型2)建立基于風險度量方法的駕駛行為譜特征參數、參數閾值確定方法及不良駕駛行為譜特征值提取技術駕駛行為譜理論及駕駛行為譜庫標準人-車交互機理及交通行為譜是未來數字孿生平臺仿真駕駛行為的重要依據駕駛行為譜理論及駕駛行為譜庫標準人-車交互機理及交通行為譜是未來數字孿生平臺仿真駕駛行為的重要依據1)規定了駕駛行為特征譜數據結
10、構的相關術語和定義,規定了數據結構和數據輸入規范描述,適用于駕駛行為特征譜申報、審定,駕駛行為特征譜信息化、數據建設、數據交換以及數據共享2)建立了駕駛行為特征譜數據庫,安全性高、數據規范、數據豐富,數據庫基本特征完備,對標國外事故數據存儲平臺功能。形成817692條數據,1000條行為譜,150條不良駕駛行為譜駕駛行為譜理論框架駕駛行為譜庫標準數據采集設備開發利用人工智能辨識不同狀況交通流下的不良駕駛行為模型性能離散傅里葉變換離散小波變換不良駕駛行為MOR備選算法支持向量機(SVM)隨機森林(RF)多層感知神經網絡(MLP)K近鄰(KNN)模型特征提取統計分析少數類采樣過采樣(SMOTE)貝
11、葉斯最優化結論 SVM算法性能最佳 不良行為的召回率達到95.7%不良行為的精確率達到96.6%總體準確率為89.1%部分成果展示右轉時間分布道路風險評估體系與主動干預成套技術利用斷面流量特征變化與事故的關系建立道路風險概率模型,風險體系研究較少開發多維度空間沖突預測模型,提出涵蓋不同道路類型及運行條件的動態風險預測評估及等級劃分方法現狀及難點問題技術突破基于單車智能的碰撞預警和輔助駕駛裝備研發,未實現車路協同研究提出車路協同模式下,基于北斗高精度位置信息的道路運行風險實時預警技術及裝備道路交通安全保障以靜態、單一、事故治理為主,側重于管理,忽視技術角度的融合、歸納與提升從“人車路環境”角度,
12、形成“點、線、面”三個層次的全方位、立體化、網絡化的綜合干預技術不同道路等級及特征段的多維風險評估方法高速公路典型風險路段宏-中-微觀風險評估及實時預警技術多源數據驅動的城市道路交叉口風險評估及預警技術干線公路動態風險評估及無信號交叉口沖突智能預警技術道路靜態風險交通 流動態風險車輛碰撞風險 風險源:交通流特征變化 研究重點:交通流參數與風險定量關系 風險源:異常車輛 研究重點:交通沖突預測、預警 風險源:道路、環境 研究重點:指標體系、評估方法、閾值風險類型 構建典型路段靜態風險評估指標體系和評估方法(宏觀)構建面向交通流的動態風險預測及評估方法(中觀)構建出入口路段動態風險評估方法(中-微
13、觀)研發基于北斗高精度定位的車輛碰撞短臨預警預報技術(微觀)面向車流運行風險的道路主動干預技術配流結果效果分析基于道路運行風險的區域路網動態交通分配基于隱馬爾可夫模型(HMM),全面感知、預測交通運行風險態勢,結合DUE建模理論、流體力學模型,形成適用于路網的動態管控模型。預測邏輯流程異常天氣下(雨、雪、霧)高速公路主線管控效果分析模擬仿真引入風險因素建立不同場景下可變限速模型異常天氣主動防控策略風險分析速度控制+模型建立基于道路資產的駕駛安全評價1、基礎數據2、結構材料數據3、橋梁數據4、隧道數據5、檢測評定數據6、交通流量數據7、事故統計數據8、道路景觀數據9、氣候條件數據基于道路資產的交
14、通安全評價路側環境道路線形路面性能多源數據融合交通設施風險評價結果及可視化展示嵌入管理系統構建數據底座輸入模型基于自適應神經網絡的模糊推理系統基于L3自動駕駛的路徑導航規劃L3自動駕駛交通事故數據不足;不良的道路環境可能是影響L3廣泛應用的重大安全隱患;基于道路環境的安全風險評價可為L3及以上級別的自動駕駛提供路徑規劃及建議;“凡是使用奔馳Drive Pilot自動駕駛系統發生的事故,一切責任由奔馳公司負責?!彼?、總結與展望總結與展望1、感知技術尚在大發展階段,感知數據的精確度是未來數字孿生平臺可應用的前提條件;2、注重動態事件感知的前提下,不應忽視靜態數據的重要性;3、重視農村公路的交通大需求;4、交通安全與數智化道路安全養護等其他相關領域可全方位融合,數據可共享;5、駕駛行為的仿真模擬依然是未來的研究重點,也是數字孿生平臺應用的必要條件;6、對整個路網的風險評估是智慧交通基礎設施的核心要素;7、急需制定行業規范和標準。擁抱大變革,重塑競爭力感謝觀看!2022.12.31