智能交通系统与可持续物流研究

最新推荐文章于 2025-12-02 15:02:30 发布

原创最新推荐文章于 2025-12-02 15:02:30 发布 · 894 阅读

15 ·

CC 4.0 BY-SA版权

文章标签：

#智能交通 #自动驾驶 #可持续物流 #人因工程 #车联网

IEEE智能交通系统杂志

• 270 • 2021年秋季
IT S RE SE AR CH LA B
吕一胜，编辑
The 约翰内斯开普勒林茨大学

智能交通系统讲席—可持续交通物流 4.0

示意图0

快速事实

实验室名称 ：智能交通系统‐可持续交通物流4.0讲席。
隶属单位 ：约翰内斯开普勒林茨大学，奥地利
网站： https://www.jku.at/its/
成立时间 ：2018
研究重点 ：人因工程、移动机器人、自动驾驶、协作系统、可持续交通以及虚拟与混合现实
负责人 ：克里斯蒂娜·奥拉维里‐蒙诺尔教授
地址：奥地利林茨阿尔滕贝格街 69号，4040
电话：+43 732 2468 5490
邮箱：its@jku.at
数字对象标识符 ：10.1109/MITS.2021.3081895
当前版本日期 ：2021年7月22日

文档由 funstory.ai 的开源 PDF 翻译库 BabelDOC v0.5.10 (http://yadt.io) 翻译，本仓库正在积极的建设当中，欢迎 star 和关注。

人因工程与智能车辆交互

自动驾驶汽车（AVs）的采用将取决于公众对这项技术的信任度。为了建立这种信任度，了解不同道路使用者的行为及其对自动驾驶汽车和卡车的反应[1]。自动驾驶汽车应表现出类似人类的行为，至少要让其他道路使用者能够直观地理解其决策。如果无法做到这一点，手动驾驶车辆与自动驾驶汽车和卡车在混合环境中的共存可能会产生负面影响并危及安全。

JKU–ITS 团队研究能够分析和再现人类决策过程的算法，以确定在多种场景下车之间的协作水平[2]（图2）。道路使用者与智能车辆技术的交互也是研究主题[3]，重点是道路安全，详细探讨交互设计概念和指标。例如，在条件自动化期间，当出现意外情况时，驾驶员需在接管请求发出后及时响应，这对于确保道路安全至关重要。为此，结合驾驶员状态和环境[4],[5]，评估了在真实世界环境中非驾驶任务的影响。

示意图1

驾驶员‐行人交互

驾驶员辅助技术的快速发展将推动完全自动驾驶汽车和卡车的集成，这些车辆将与其他道路使用者进行交互。

JKU–ITS团队开发了一个用于估计等待过街行人意图的框架，旨在降低由于缺乏眼神交流所造成的误解风险。该框架已部署在真实车辆中，并在三种实验场景中进行了测试，这些场景向共享空间场景中的行人展示了多种通信信息[6],[7]。研究团队调查了行人肢体语言的自动分析，并确定了行为模式，从而能够评估自动驾驶汽车与其他道路使用者在弱势道路使用者（VRUs）和车辆共享空间中共存对整体道路安全的影响[8]。在可能影响福祉的环境中，对道路状况安全性的感知也是研究课题之一，这使得可以确定信任度、不确定性和恐惧的多个层次[9]。研究通过结合实地和仿真测试结果的数据进行（图3）[10]。

示意图2 )

自动互联交通

车辆与其他道路使用者和基础设施之间的数据传输能够推动新型应用的发展，从而提升交通网络和高速公路利用率的安全性与效率。这可以最大限度地减少交通对碳排放和燃料消耗的影响。近年来，人们已开始关注通过整合高级驾驶辅助系统（ADAS）和车联网（V2V）通信来实现协同驾驶，这催生了大量有望提升道路安全并预防交通事故的应用。针对不同ADAS和V2V装备车辆渗透率的道路，其对道路安全的影响也是研究的主要课题之一[11]。

在智能交通系统（ITS）和货物配送的背景下，该团队研究新的应对最后一公里配送所带来挑战的方法，例如在城市环境中的导航。基于标准化自主运输箱[12]和自主配送机器人的自主物流系统的案例研究有助于克服这些困难。因此，正在研究利用Unity、基于机器人操作系统（ROS）机器人并依赖混合现实的基于仿真的技术[13]。通过这些方法，可以获得更真实且可靠的仿真结果（见图4和图5）。

示意图3 )

示意图4 )

机器学习解决方案用于自动驾驶行为

从实际道路环境中获取的传感器信息进行推断，并利用这些信息训练能够模拟人类行为模型的解决方案，是我们基于卷积神经网络开展机器学习研究的重点[14]。此外，也探索了用于建模跟车行为的其他方法[15]。同时，安全关键系统对可解释的机器学习解决方案的需求，推动了针对运动模型和图像处理算法的研究。为了识别人工神经网络做出特定预测时所涉及的未知行为和原因，研究人员探讨了基于高斯过程的方法[16]。还考虑了使用高斯过程潜在变量模型进行交通标志特征提取的非参数和非线性图像处理方法[17],[18]。

仿真平台

基于车对一切（V2X）通信和自动化技术的车载应用需要在实地测试之前，在实验室受控条件下进行评估。JKU–ITS团队正在持续开发灵活且模块化的3DCoAutoSim：用于协同ADAS和自动驾驶车辆仿真的模拟工具，并针对研究自动化和V2X通信对驾驶员影响的特定需求进行定制（见图6和图7）。

该仿真平台与城市交通模拟（SUMO）软件包连接，用于微观交通仿真，并通过ROS（机器人操作系统）实现架构管理和节点处理[19]。已实现交通控制接口即服务库，以执行驾驶员控制车辆与SUMO之间的交互[20]。此外，还通过在模拟的3D环境中进行行人到车辆及车辆到行人的通信，开展了针对弱势道路使用者的研究[21]。

示意图5 )

示意图6 )

出行行为和驾驶性能

用于评估交通状况、出行时间以及驾驶性能的车辆数据采集，为交通情景建模和环境影响评估（拥堵和交通流）提供了基础。通过安装在车辆中的车载诊断设备以及替代性、低成本、普及型、定制化移动应用所提取的信息，通过定位数据、速度、行驶方向和时间[22]来确定交通流量模式，是应用程序中的一项应用。准确的行程时间预测也是当前研究的一个基本课题。

我们研究了多种方法，包括线性回归模型和基于树的集成模型（如随机森林、装袋法和提升法），并通过考虑各种场景[23]进行大量实验，以实现配送时间预测。

数字与可持续交通

另一个研究领域致力于开发计算工具，以改善交通流和整体运输效率。我们的目标是为减排和提升可持续性做出贡献。例如，JKU–ITS 团队研究电动汽车作为提高能源效率和减少交通领域二氧化碳排放的关键替代方案，并在实际道路环境中进行研究在能耗和续航里程[24]方面的评估。

还通过协作方式研究减少城市交通的方法，不同物流企业之间的方法，例如通过共享和 pooling 资源来捆绑同一区域的配送[25]，依赖于共享配送中心[26]，和使用环保的交通方式。

在研项目

自2018年成立以来，JKU–ITS团队一直致力于研究涉及城市和农村地区多种车辆的多模式交通系统，包括用于货物运输的车辆。JKU–ITS结合交通系统工程以及人文与社会科学、自然科学和经济学的方法，与赞助商合作，应对社会趋势对未来交通需求的影响。

为研究这些课题，JKU–ITS作为国家和国际联盟的合作伙伴，获得了奥地利科研促进署（FFG）资助的研究项目资金支持。其中一个项目“零排放推广”（Zero Emission Roll‐Out）在维也纳展示了不同类型电动温控车辆的应用案例，重点关注交通领域的数字化和自动化及其对可持续发展的社会经济相关性和影响。另一个项目——自适应与自主数据性能连接及去中心化运输决策网络（ADAPT），正在与中国科学院自动化研究所合作开发，依托区块链解决方案，构建一个自适应且自主的决策网络，以支持在新冠肺炎疫情期间防护物资的配送。

这些应用研究项目的资金支持得益于JKU–ITS与产业界之间的紧密合作。最后但同样重要的是，JKU–ITS在基础研究方面的卓越成就已获得奥地利科学基金的认可，为其“自动驾驶与手动驾驶车辆的交互”项目提供了基础研究资金支持，该项目旨在降低可能危及道路安全的不确定性。关于旨在提供教育的项目，JKU–ITS已与其他合作伙伴共同获得资金支持，用于实施FFG资格网络——可持续货运物流中的数字化与电子商务（DeNaLog）项目，该项目为16家货运物流公司提供交通、智能与绿色物流、先进驾驶辅助系统以及自动驾驶等领域的相关知识和研究经验，并结合案例研究进行推广。