《道路全息感知与未来交通安全-陆键.pdf》由会员分享,可在线阅读,更多相关《道路全息感知与未来交通安全-陆键.pdf(30页珍藏版)》请在三个皮匠报告上搜索。
1、道路全息化感知与未来交通安全同济大学 交通运输与工程学院 陆键2023.05一、机遇与挑战二、感知技术的发展三、未来交通安全四、总结与展望一、机遇与挑战机遇与挑战2022年高考录取“断崖式”降分,传统土木行业遇冷另一方面,智慧交通市场规模巨大交通产业生态图谱互联网大厂纷纷涉足智慧交通领域,对传统交通领域的学者和从业者都是巨大的冲击。与他们相比我们的优势在哪里?在交通产业生态图谱中没有交通安全?自动驾驶时代是否还需要传统的交通安全研究?两大问题:自动驾驶时代交通事故特征是否发生了变化?经典交通事故特征交通系统处于安全状态,不一定不发生事故;交通事故处于危险状态,并不一定发生事故。Random偶然
2、性频发性Abrupt突发性不可逆性社会性理论上,自动驾驶的事故率将远低于人为驾驶,在目前自动驾驶与人为驾驶混杂的情况下,有可能形成更加复杂和危险的道路环境。未来交通安全的研究内容交通调查数据获取方式发生变化0101统计分析数据类型发生变化0202安全评价安全评价的频率明显增多,安全评价作为反馈信息输入数字孪生平台0303事后改善安全改善方案可预测0404经典交通安全的研究内容在未来可能发生变化未来交通安全的发展趋势1.将与道路设计、养护、车辆制造和安全规划紧密结合;2.将与汽车制造商、互联网平台等深度跨界合作;3.基于大量感知数据的高频交通安全风险评价,感知技术是未来交通安全的保障;4.安全的
3、道路基础设施是自动驾驶的重要保障;5.基于数字孪生平台的交通安全是必然趋势;6.自动驾驶相关的道路交通安全问题亟待解决。阿里云“4+1”跨四域融合的数字孪生仿真架构通过高并发调度、分布式计算加速、以及统一仿真平台技术来对现实世界进行秒级推演预测;仿真域通过云边一体协同计算、现实世界到数字世界的高并发数据采集、数字世界到现实世界的低延时控制调度来实现数字底座与业务系统数实融合。交互域可以对物理世界的对象进行自动化的单体化分割、三维化生成、大规模实时渲染;感知域可以对物理世界的对象进行多源静动数据融合感知、动态元素轨迹还原等操作;生成域为什么现在的数字孪生平台好看但是不好用?1 感知域感知数据的精
4、确度决定了交通安全、道路安全养护等决策的准确性,目前的感知手段仍有较大发展空间。2 仿真域建立驾驶行为特征谱数据库可在仿真域对有人驾驶、自动驾驶以及有人无人混杂驾驶提供仿真依据3 交互域不同道路等级及特征段的多维道路风险评估体系可对整个路网而不是单一事故地点或形态进行道路安全风险评估并主动干预服务人路管理环境车二、感知技术的发展服务人路管理环境车驾驶行为谱道路综合数据智能网联重视农村公路的巨大潜力农村公路主要特点:里程长;预算低;路面环境复杂;路面基础差;安全问题不比高等级公路少:大规模路面质量检测的核心目的?养护决策?安全评价?能检测的数据频率检测成本后期处理难度精准度在养护决策方面的应用道
5、路自动化巡检病害的数量(如坑槽、裂缝等)高(可以做到常态化、日常巡检)成本低廉(普通摄像头+一般车辆即可)简单由于算法的局限性,会漏掉相当一部分的目标仅可为日常维护提供参考道路检测车精准检测PCI、IRI、RDI等低(只能做定期巡检)成本昂贵(使用了大量昂贵的检测仪器,需要维护)复杂具有较高的精准度由于检测数据的精准和全面,可以为养护决策的制定提供依据路况检测包含精准检测和日常巡检两类:道路病害自动化巡检是一种利用计算机视觉和机器学习等技术,对道路表面病害进行自动化检测和分类的技术。精准检测精准检测则是使用道路检测车,它配备了多种传感器和设备,可以对路面使用性能进行系统的、全面的评价。基于多维
6、数据融合的感知装备二维技术三维技术云台相机二维图像激光雷达三维点云数据采集数据处理模型训练输出结果数据采集数据处理模型训练输出结果面积长度宽度面积长度宽度体积三维路面病害检测设备可为路面养护决策与道路交通安全提供精准数据检测原理:光条投射到路面病害(如裂缝)时,由于破损与路面表面存在高度差,通过三维相机对变形光条图像的分析,进而提取破损信息。三、未来交通安全未来交通安全技术在数字孪生平台仿真和交互域的发展驾驶行为谱驾驶行为谱特征库的建立是数字孪生平台对人为及自动驾驶的行为仿真的基础0101主动防控单击此处输入你的正文,文字是您思想的提炼。0202基于道路静态与动态数据相结合的道路安全风险评价体
7、系0303风险评价利用人工智能技术辨识不同状况下的不良驾驶行为道路数字孪生模型人-车交互机理及交通行为谱是未来数字孪生平台仿真驾驶行为的重要依据基于多自主体驾驶仿真系统的人-车-路交互影响机理 研究背景与科学问题主要理论创新与突破交通行为特征谱理论与不良驾驶行为预测事故防治风险防控安全需求转变两大科学问题复杂环境道路安全系统量化分析不同道路交通环境下交通行为动态预测1)人车交互适宜性评价方法并开发评估系统2)基于势能场理论的多自主体交互影响模型3)贝叶斯分层的单车运行及多车交互风险评估模型4)多自主体驾驶模拟仿真系统平台1)高精度道路交通环境与驾驶行为同步采集设备2)多目标运动状态提取数据处理
8、方法3)基于支持向量机(SVM)的驾驶行为风险预测模型4)交通行为谱体系架构与不良交通行为谱的判定方法5)交通行为特征谱数据库6)高速公路交通行为特征谱规范标准人、车、路、环境四要素同步切片驾驶行为谱连续采集驾驶环境(H1,H2,Hs)向量HMOR(M1,M2,Mk)向量M驾驶行为谱特征参数不良跟驰1=xppVVMORD蛇形驾驶车速不稳定强行换道y2ystd()mean()VMORV3std()mean()xxVMORV4max,xpfxpfVVVVMORDD参数阈值MOR*交通流视频提取轨迹数据异常 检测不良行为得分 *S=0iiiiiiiiMOR tMORMOR tMORtMORMOR t
9、MOR 时 时第i种不良行为的得分 01=TiitTASS tTNorm-min()=max()min()iiiiiTASTASTASTASTAS归一化不良驾驶行为谱特征值加权平均驾驶行为谱条1)提出基于人、车、路、环境四要素同步切片的驾驶行为谱条表征方法、时间序列的驾驶行为谱模型2)建立基于风险度量方法的驾驶行为谱特征参数、参数阈值确定方法及不良驾驶行为谱特征值提取技术驾驶行为谱理论及驾驶行为谱库标准人-车交互机理及交通行为谱是未来数字孪生平台仿真驾驶行为的重要依据驾驶行为谱理论及驾驶行为谱库标准人-车交互机理及交通行为谱是未来数字孪生平台仿真驾驶行为的重要依据1)规定了驾驶行为特征谱数据结
10、构的相关术语和定义,规定了数据结构和数据输入规范描述,适用于驾驶行为特征谱申报、审定,驾驶行为特征谱信息化、数据建设、数据交换以及数据共享2)建立了驾驶行为特征谱数据库,安全性高、数据规范、数据丰富,数据库基本特征完备,对标国外事故数据存储平台功能。形成817692条数据,1000条行为谱,150条不良驾驶行为谱驾驶行为谱理论框架驾驶行为谱库标准数据采集设备开发利用人工智能辨识不同状况交通流下的不良驾驶行为模型性能离散傅里叶变换离散小波变换不良驾驶行为MOR备选算法支持向量机(SVM)随机森林(RF)多层感知神经网络(MLP)K近邻(KNN)模型特征提取统计分析少数类采样过采样(SMOTE)贝
11、叶斯最优化结论 SVM算法性能最佳 不良行为的召回率达到95.7%不良行为的精确率达到96.6%总体准确率为89.1%部分成果展示右转时间分布道路风险评估体系与主动干预成套技术利用断面流量特征变化与事故的关系建立道路风险概率模型,风险体系研究较少开发多维度空间冲突预测模型,提出涵盖不同道路类型及运行条件的动态风险预测评估及等级划分方法现状及难点问题技术突破基于单车智能的碰撞预警和辅助驾驶装备研发,未实现车路协同研究提出车路协同模式下,基于北斗高精度位置信息的道路运行风险实时预警技术及装备道路交通安全保障以静态、单一、事故治理为主,侧重于管理,忽视技术角度的融合、归纳与提升从“人车路环境”角度,
12、形成“点、线、面”三个层次的全方位、立体化、网络化的综合干预技术不同道路等级及特征段的多维风险评估方法高速公路典型风险路段宏-中-微观风险评估及实时预警技术多源数据驱动的城市道路交叉口风险评估及预警技术干线公路动态风险评估及无信号交叉口冲突智能预警技术道路静态风险交通 流动态风险车辆碰撞风险 风险源:交通流特征变化 研究重点:交通流参数与风险定量关系 风险源:异常车辆 研究重点:交通冲突预测、预警 风险源:道路、环境 研究重点:指标体系、评估方法、阈值风险类型 构建典型路段静态风险评估指标体系和评估方法(宏观)构建面向交通流的动态风险预测及评估方法(中观)构建出入口路段动态风险评估方法(中-微
13、观)研发基于北斗高精度定位的车辆碰撞短临预警预报技术(微观)面向车流运行风险的道路主动干预技术配流结果效果分析基于道路运行风险的区域路网动态交通分配基于隐马尔可夫模型(HMM),全面感知、预测交通运行风险态势,结合DUE建模理论、流体力学模型,形成适用于路网的动态管控模型。预测逻辑流程异常天气下(雨、雪、雾)高速公路主线管控效果分析模拟仿真引入风险因素建立不同场景下可变限速模型异常天气主动防控策略风险分析速度控制+模型建立基于道路资产的驾驶安全评价1、基础数据2、结构材料数据3、桥梁数据4、隧道数据5、检测评定数据6、交通流量数据7、事故统计数据8、道路景观数据9、气候条件数据基于道路资产的交
14、通安全评价路侧环境道路线形路面性能多源数据融合交通设施风险评价结果及可视化展示嵌入管理系统构建数据底座输入模型基于自适应神经网络的模糊推理系统基于L3自动驾驶的路径导航规划L3自动驾驶交通事故数据不足;不良的道路环境可能是影响L3广泛应用的重大安全隐患;基于道路环境的安全风险评价可为L3及以上级别的自动驾驶提供路径规划及建议;“凡是使用奔驰Drive Pilot自动驾驶系统发生的事故,一切责任由奔驰公司负责。”四、总结与展望总结与展望1、感知技术尚在大发展阶段,感知数据的精确度是未来数字孪生平台可应用的前提条件;2、注重动态事件感知的前提下,不应忽视静态数据的重要性;3、重视农村公路的交通大需求;4、交通安全与数智化道路安全养护等其他相关领域可全方位融合,数据可共享;5、驾驶行为的仿真模拟依然是未来的研究重点,也是数字孪生平台应用的必要条件;6、对整个路网的风险评估是智慧交通基础设施的核心要素;7、急需制定行业规范和标准。拥抱大变革,重塑竞争力感谢观看!2022.12.31