自动驾驶与联网地面车辆的研究进展与挑战

A. Eskandarian，吴，C. Sun

本文介绍了一种联网自动驾驶汽车（CAVs）的代表性架构，并综述了CAVs在感知、规划与控制方面的最新研究进展、方法和算法。文章回顾了多层感知‐规划‐控制架构的最新技术与实践现状（如适用），包括车载传感器和车载通信；感知层中的传感器融合与定位与建图方法；规划层中的决策制定与轨迹规划算法；以及控制层中的轨迹跟踪控制策略。此外，还总结了车辆互联的实现方式及其影响，以及由此带来的协同感知、复杂联网决策和多车控制等方面的挑战，并列举了相关重要的研究问题。

深度学习在自动驾驶控制中的应用综述

S. Kuutti, R. Bowden, Y. Jin, P. Barber, 和 S. Fallah

深度学习已成为自动驾驶领域中一种重要的技术类别。本文综述了使用深度神经网络控制自动驾驶汽车的最新技术，通过对比分析指出了当前技术的优势与局限性。文章讨论了该领域的重要进展，总结了当前趋势，并回顾了未来的发展前景。此外，还探讨了这些算法在现实世界中实现安全部署之前需要解决的研究挑战，并提出了潜在的解决方案。最后，给出了该领域未来研究方向的建议。

使用背包式LiDAR系统对地下停车场进行建图与语义建模

Z. Gong, J. Li, Z. Luo, C. Wen, C. Wang 和 J. Zelek

本文提出了一种利用低成本背包式激光扫描（BLS）或LiDAR系统采集的三维点云对地下停车场进行建图和语义建模的新颖方法。该方法包括两个部分：一种基于稀疏点云（SPC）的同步定位与建图（SLAM）算法，以及一种基于改进的PointNet模型的语义建模算法。本文的主要贡献如下：1）一种利用局部点云表面方差进行点云配准的概率前端框架，作为配准的权重，可修正因稀疏点云中特征不足导致的配准失败；2）一种基于子地图的鲁棒策略，用于在稀疏点云条件下进行回环检测和后端优化；3）一种改进的 PointNet模型，用于将地下停车场的点云分类为四类：天花板、地面、墙壁、其他。实验结果表明，他们的 SPC‐SLAM算法在无全球导航卫星系统（GNSS）信号的地下停车场中，经过闭环处理后实现了厘米级精度（0.09%轨迹误差率），语义分割准确率达到84.8%。

利用分解与嫁接实现高效的城市规模巡逻规划

W. 王，Z. 董，B. 安，和 江洋

建立了一个以最大化警察可见率为目标并附加响应时间保证约束的整数规划模型，用于描述城市规模巡逻（CSP）问题。原始的CSP问题被分解为两个弱耦合子问题：最小化警力问题（MinP）和最大化PVR（MaxP）问题。通过利用子问题的结构特性，为MinP提出了一种多项式时间近似算法，为MaxP提出了一种多项式时间最优算法。作者证明了这种分解方法能够提供1‐α的近似比，其中 α 是用于MinP的警力百分比。为进一步提高巡逻效率，提出了一种嫁接机制来整合两个子问题的解决方案。

一种用于从车辆前部和后部图像进行车标识别的级联深度卷积网络

Y. 余，H. 关，D. 李，和 C. 余

车标识别为车辆品牌和型号分析提供了重要的补充。本文提出了一种级联深度卷积网络，用于直接识别车标，而无需依赖车牌的存在。该方法是一种由区域建议网络和卷积胶囊网络组成的两阶段处理框架。首先，区域建议网络生成可能包含车标的潜在区域建议。然后，卷积胶囊网络将这些区域建议分类为背景和不同类型车标。所提出的方法在各种条件下对车标的识别表现出良好的有效性和鲁棒性。

通过实时传递函数估计进行驾驶员干预检测

W. S. 辛克尔，T. P. J. 范德桑德，和 H. 尼梅伊耶

提出并测试了一种用于自动驾驶车辆的新型驾驶员干预检测方法。该方法中，通过向转向系统施加已知干扰来估计电动助力转向扭矩和转向柱角度，该估计值用于检测驾驶员是否进行干预。该检测算法已在仿真中使用四自由度车辆模型进行了测试。此外，该算法的性能已在高质量和低质量道路上的实车道路测量中得到验证。结果表明，能够成功检测到驾驶员干预。针对真实与虚假检测方面的性能进行了分析，所提出的解决方案显示出对测量噪声和道路干扰具有鲁棒性。

面向未来出行的驾驶行为评估：在线转移概率估计的应用

S. Hong, J. Lu 和 D. P. Filev

在未来出行环境中，为了安全起见，应通过评估自动驾驶车辆的虚拟驾驶员的驾驶行为对其进行监控。评估非自动驾驶车辆的人类司机也有助于提升安全控制系统的性能。本文基于多种驾驶模式之间的转移概率来评估驾驶行为。作者提出了一种在线估计方法，利用交互式多模型得到的多种模式的似然性来估计转移概率。所提出的该方法解决了其前期工作中发现的数值问题，并通过大规模仿真进行了验证。此外，作者利用估计出的转移概率对驾驶行为进行评估。实验结果验证了所提出的驾驶行为评估方法的有效性。

多传感器协同定位的完整性

J. Xiong, J. W. Cheong, Z. Xiong, A. G. Dempster, S. Tian, 和 R. Wang

提出了一种协同完整性监测（CIM）算法，以提高现有协同定位算法的鲁棒性。在CIM架构下，该算法能够充分利用全球导航卫星系统（GNSS）数据和车际测量数据，以增强对由于多径效应或非视距（NLOS）引起的错误测量的检测与隔离能力。结果表明，与传统的接收机自主完整性监测（RAIM）相比，CIM对GNSS故障具有更好的检测性能。此外，CIM还能够检测车际测量数据中的错误离群值。研究结果表明，CIM可应用于许多现有的多传感器协同定位算法。

强化驾驶：探索自动驾驶汽车的轨迹与导航

M. Liu，F. Zhao，J. Niu，和 Y. Liu

本文提出了一种名为强化驾驶的方法，该方法通过模拟器探索全尺寸车道保持的导航技能和轨迹。基于实际场景，首先建立一个驾驶模拟器以训练智能驾驶代理。然后，引入一种有效的系统设计来实现并评估所提出的系统。最后，在真实世界场景中对训练良好的强化驾驶代理进行评估。结果表明，所提出的系统能够在真实场景中有效实现车道保持，并具有令人满意的运行时间和横向精度。

多尺度逐点卷积神经网络用于大规模环境中激光雷达点云的三维物体分割

马龙、李 Y.、J. Li、谭伟、于洋和 M. A. 查普曼

本文提出了一种利用多尺度动态逐点卷积操作进行三维点云分割的端到端特征提取框架。与现有的通常基于传统卷积神经网络（CNN）的点云分割方法相比，所提出的方法对数据分布和计算能力的敏感性更低。该方法在城市和室内环境下的三个大规模激光雷达点云数据集上进行了评估。实验结果表明，该方法在特征表示能力、分割准确率和技术鲁棒性方面均达到了最先进的语义分割性能。

三维激光雷达地图压缩用于资源受限车辆上的高效定位

H. Yin, Y. Wang, L. Tang, X. Ding, S. Huang, and R. Xiong

考虑到3D LiDAR地图给车辆带来的巨大负担，本文提出了一种地图压缩系统，以减小地图大小，同时保持定位性能。该方法采用师生学习范式实现地图压缩，包括基于编程的监督方法和用于学习压缩结果的学生模型。实验验证了所提地图压缩系统的有效性和效率。

基于动态物体检测的LiDAR点云GNSS非直射信号排除

温伟, 张G., 许立廷

全球导航卫星系统（GNSS）是为自动驾驶提供精确且全球参考的定位的不可或缺的来源之一。然而，在超城市化区域中，非直射信号（NLOS）接收主导了GNSS的定位性能。本文提出了一种新颖方法，用于检测并排除由动态物体（如城市峡谷中的双层巴士）引起的非直射信号接收。首先借助基于目标检测方法的三维激光雷达点云，检测由双层巴士遮挡引起的非直射信号，该方法无需依赖先验三维建筑模型；随后将检测到的非直射信号卫星从 GNSS定位中排除。结果表明，利用基于激光雷达的感知实现的非直射信号排除可显著提升GNSS单点定位性能。

一种虚实交互方法用于交通场景中的物体实例分割

H. Zhang, G. Luo, Y. Tian, K. Wang, H. He, 和 F.-Y. 王

提出了一种用于物体实例分割的虚实交互方法。该方法在合成数据上运行，带有精确标注的合成数据和无任何标签的真实图像。虚拟‐真实交互引导实例分割模型从合成数据中学习有用信息，同时保持与真实数据的一致性。为此设计了全局级对齐、局部级对齐和一致性对齐，以减少真实图像与合成图像之间的数据分布差异。由于真实场景仅需无标签的原始图像，所提出的方法的实用性显著提高。

基于上海电动两轮车的智能手机数据在驾驶循环合成中的应用

S. K. Rechkemmer，X. Zang，A. Boronka，W. 张，和 O. Sawodny

驾驶循环在车辆的分析、设计和优化中起着重要作用。本文针对数据采集的简便性和能量估计的准确率，对基于智能手机的数据采集与专业设备记录的数据进行了系统性对比。频率和能量分析表明，1 Hz采样率足以涵盖低功率电动两轮车（E2W）的相关动态特性。以上海电动两轮车（E2W）的驾驶行为为案例研究，通过一次数据采集活动进行分析。基于上海本地化E2W驾驶循环，提出了一种改进驾驶循环的数据采集策略。特别是，提出了通过智能手机进行数据采集，并结合惯性测量单元数据进行离线数据融合以提升能量预测的方法。

基于小波去噪的车载FMCW雷达系统互干扰抑制

S. 李, J.-Y. 李, and S.-C. 金

作者提出了一种在车载调频连续波雷达系统中使用小波去噪的互干扰抑制方法。在该方法中，作者利用小波去噪过程从接收雷达信号中提取干扰信号，然后通过从原始接收信号中减去该干扰信号来减轻干扰的影响。仿真和测量结果表明，所提出的方法可以提高对目标的距离、速度和角度的估计准确率。与其他方法不同，该基于小波去噪的抑制方法无需生成特定的雷达波形，且可通过雷达信号处理实现互干扰的抑制。

车辆位置校正：一种基于车载区块链网络的GPS误差共享框架

C. 李, Y. 傅, F. R. 余, T. H. 栾, and Y. 张

为了通过确保合作者和数据的安全性和可靠性来提高协作定位的准确率，本文提出了一种基于车载区块链的安全高效GPS定位误差演化共享框架，该框架通过确保合作车辆和数据的安全性与可信度来提升车辆定位准确率。首先，通过分析GPS定位误差，在传感器丰富的车辆与普通车辆之间建立桥梁，通过在特定时间和位置共享定位误差演化来实现合作。特别是，定位误差演化是通过基于深度神经网络（DNN）的预测算法获得的。作者进一步提出使用区块链技术来存储与共享定位误差的演化，主要目的是保障合作车辆和移动边缘计算节点（MECNs）的安全。此外，还设计了相应的智能合约以自动化并高效执行存储与共享任务。

考虑非公交交通效益与协调相位状态的孤立交叉口多环定时方案公交信号优先控制方法

刘H., 滕K., 赖L., 邢J.

本文提出了一种综合考虑公交优先需求、非公交相位的通行效益以及协调相位的前后迁移状态的公交信号优先控制方法，适用于多环时间计划交叉口场景。该方法基于整数线性规划模型，包含绿灯延时方案和红灯截断方案。其核心创新在于提出的两级信号配时优化方法，能够充分利用协调相位的迁移状态以最大化优先效果，同时通过补偿和基于交通状态的压缩机制减少对非公交相位的影响。

车载自组织网络中的三维协作定位

王S. 和 江X.

位置信息在车载自组织网络（VANETs）中起着重要作用，主要由全球导航卫星系统（GNSS）提供。然而，GNSS无法提供准确的高程信息，并且由于城市区域中的信号遮挡和反射，其有效性会受到影响。协同定位通过利用VANETs中车辆之间的相对测距测量，有望解决上述问题。本文提出了一种用于三维空间下VANETs的三维通用协作定位器（3‐D UCL），支持多种类型的测距测量，包括到达时间（TOA）、接收信号强度（RSS）、到达角度（AOA）和多普勒频率。其核心思想是将三维协同定位问题转化为广义线性混合问题，并利用广义近似消息传递（GAMP）进行求解。然而，非视距（NLOS）链路带来的不准确的测距测量会严重降低3‐D UCL的定位性能。因此，结合地理信息辅助的NLOS识别机制，开发了三维地理信息增强UCL（3‐D GIE‐UCL）。最后，通过图形处理单元（GPU）并行化、粒子缩减和消息删减技术对3‐D UCL进行加速；通过粒子缩减和锚点升级对3‐D GIE‐UCL进行加速。仿真结果验证了3D UCL和3D GIE‐UCL在定位性能和协作增益方面的先进表现。

基于生成对抗网络的昼夜图像风格迁移用于夜间车辆检测

林志堂、黄士玮、吴昱萤和赖声翰

在本研究中，提出了一种非配对的图像到图像翻译网络AugGAN，用于实现车辆检测中的域自适应。由于具备更优的图像‐对象保持能力，该模型在提升夜间车辆检测准确率方面定量超越了现有竞争方法。因此，公共领域的大多数白天车辆数据集在夜间车辆检测器开发中变得有价值。AugGAN具有通用性，还可处理不同域之间的合成到合成、合成到真实、真实到真实以及真实到合成转换，涵盖白天、夜晚、日落、雨天等场景。

可变限速系统安全效果的全贝叶斯事前事后分析

蒲哲, 李 Z., 江洋, 王宇

可变限速（VSL）是用于高速公路交通系统控制的主要智能交通系统（ITS）技术之一，已日益被用于提高高速公路交通安全和运行效率。本研究的主要目的是评估在美国西雅图5号州际公路实施的可变限速系统对安全的影响。采用全贝叶斯（FB）前后分析方法，基于研究地点在72个月的研究期内发生的9787起事故进行分析。研究探讨了可变限速系统对事故频率、严重程度等级、事故类型及原因的影响。同时，研究还比较了实施前后交通速度特征，以全面评估可变限速系统对交通运行效率的影响。本研究的结果对于与可变限速系统实施相关的政策与控制策略制定以及成本效益评估具有重要价值。

双向道路场景中基于路侧单元辅助的自适应车辆间数据共享调度

高炳, 刘凯, 孙承浩, 朴京柱

本研究探讨了在双向道路场景下，集中式与分布式（即ad hoc）数据调度在车载自组织网络（VANETs）中的协同作用，以实现对路侧单元（RSUs）工作负载的卸载和平衡工作负载。在集中式调度中，路侧单元（RSU）采用基础设施到车辆（I2V）和车车通信（V2V）相结合的方式调度数据分发。在ad hoc调度中，当对向行驶车辆超出RSU覆盖范围时，通过车车通信共享缓存数据项。通过充分利用集中式与ad hoc调度之间的协同作用，作者有效提升了服务比率、工作负载和数据冲突方面的性能表现。

基于强化学习的自动驾驶车辆高速公路出口规划器

曹 Z.、杨 D.、徐 S.、彭 H.、李 B.、冯 S. 和赵 D.

高速公路出口是自动驾驶汽车在动态交通环境下的一项典型且具有挑战性的任务，由于周围车辆的运动不确定性以及自车感知/观测窗口的限制。本文提出的高速公路出口规划器首先采用基于规则的规划器以实现平稳的驶出操作，然后开发基于强化学习的规划器来增强基于规则的规划器，从而实现更智能的决策。作者在随机仿真中对该规划器进行了6000次测试，结果表明，与两个基准规划器相比，所提出的规划器在应对密集交通场景时更加灵活，并实现了更高的成功率。

基于结构模式识别的连续汽车驾驶意图检测

S. 李，汗 M. Q.，和 侯森 M. N.

在实际操作开始之前对驾驶员意图进行早期检测，为在安全关键时期辅助驾驶员提供了有效手段。传统方法在早期预测性能方面存在局限性，尤其是在描述与安全相关的驾驶行为方面。本文提出了一种基于结构模式识别框架、利用上下文无关语法和上下文相关语法对驾驶行为建模与分析的驾驶员意图早期检测方法。具体而言，作者将与安全直接相关的驾驶员眼动注视、车速、转向角和信号灯操作序列结构化为符号向量序列，形成用于识别和预测特定驾驶行为的语句。结果表明，该方法在实际操作行为发生前2秒和1秒的前置时间下，分别实现了平均70.5%和80%的识别率。

不确定性条件下汽车服务企业最优选址的成本‐利润权衡

吴 P.，杨 C.-H.，储 F.，周 M.C.，塞德拉乌伊 K.，阿尔索基里 F. S.

本文提出了一种新的机会约束规划模型，用于在随机客户需求、可变设立成本和区域限制条件下对汽车服务企业进行最优选址，并基于推导出的性质分析结果给出了其等效的确定性非线性规划模型。提出了一种新颖的无分布模型，以仅利用部分需求信息来求解该问题。在基准实例上的大量实验结果表明，与最先进的方法相比，所提出方法的有效性和效率。

通过SC‐M∗改善乘客的乘车体验：一种可扩展的多乘客多准则出行规划器

石 R.，斯坦基斯特 P.，和维洛索 M. M.

本文提出了一种定制的软碰撞M∗(SC‐M∗)算法，一种可扩展的多乘客多准则出行规划器，旨在改善乘客在城市公共交通系统中出行时的车载体验。所提出的方法通过限制软碰撞概率来优化乘客体验，即减少乘客在公交车上争夺座位或Wi‐Fi带宽等资源的情况。作者在葡萄牙波尔图的公交系统案例研究中展示了SC‐M∗的应用。在该案例研究中，作者使用了一种基于数据驱动的车载体验模拟器来评估SC‐M∗。该模拟器通过建模乘客行为和车载资源动态扩展了SUMO交通模拟器。实验结果表明，SC‐M∗在路径成本、无碰撞出行以及运行时间和成功率的可扩展性方面具有优势。

使用通道注意力的基于深度卷积神经网络的实时语义分割及类别感知边缘信息

韩H.-Y.、陈Y.-C.、萧P.-Y.、傅L.-C.

提出了一种新的语义分割网络EdgeNet，该网络包含类别感知边缘损失模块和通道注意力机制，旨在提高准确率的同时不损害推理速度。所提出的类别感知边缘损失模块通过增强边缘附近的预测结果来提升整体性能，且仅在训练期间耗时，在测试期间无额外开销。所提出的通道注意力机制——残差SE块，使EdgeNet能够为卷积层赋予不同的权重，同时考虑了权重均匀的情况。实验结果表明，所提出的方法在Cityscapes测试集上可实现超过70%的平均交并比，并在单个GTX Titan X（Maxwell）GPU上以超过每秒30帧的速度运行。

基于低延迟基础设施的蜂窝车联网通信在多运营商环境下的区域划分

D. Martín-Sacristán, S. Roger, D. Garcia-Roger, J. F. Monserrat, P. Spapis, C. Zhou, 和 A. Kaloxylos

区域划分运营商是支持第五代（5G）车联网服务的多运营商基础设施蜂窝车车通信的一种可能方法。在此方法中，地理区域被划分为互不重叠的区域，每个区域由唯一运营商提供服务。其主要缺点是在边界区域由于运营商间切换引起的通信中断，这会增加端到端延迟。在本研究中，作者通过用户在多个运营商上的预注册实现了快速的运营商间切换。此外，作者提出了一种移动边缘计算方法，该方法将应用服务器和广播实体的定位结合在一起，并将其部署在所有基站中，避免了通过核心网络进行通信；同时，在跨境区域的基站中引入一组称为运营商间中继的新节点，以最小化运营商之间的通信延迟。

基于视觉地图的智能车辆多视角站点匹配定位

李 Y.、胡 Z.、蔡 Y.、吴 H.、李 Z. 和 M. A. 索特洛

提出了一种基于视觉地图的定位方法，称为多视角站点匹配（MVSM），用于智能车辆定位。利用两个摄像头视角（即俯视和前视）构建视觉地图。该视觉地图由一系列节点组成。每个节点编码道路特征、二维结构以及车辆位姿。基于所构建的视觉地图，提出了一种多尺度方法以实现精确的车辆定位。在实验中，所提出的MVSM方法已使用覆盖不同季节下多种路面类型的实际现场数据进行了测试。与现有的基于视觉的方法相比，所提出的方法利用双视角增强图像级定位，并利用二维路面结构改善度量级定位，从而显著提升整体定位性能。

基于深度高斯过程的选择模型贝叶斯主动学习

杨 J. 和 D. 克拉布詹

作者提出了一种主动学习算法和模型，可以通过成对比较逐步学习个体偏好。该主动学习方案旨在通过最小化成对比较次数来找到个体最偏爱的选择（例如，航空行程）。成对比较被编码为基于选择模型和深度高斯过程假设的概率模型。

基于GPS轨迹的小波变换与深度学习出行模式识别

余 J. J. Q.

在这项工作中，作者提出了一种基于离散小波变换和深度学习技术最新进展的新型出行模式识别机制。该机制旨在利用任意长度的GPS轨迹，在全局和在线识别场景中均能生成准确的出行模式结果。在此机制中，原始GPS数据首先经过预处理以计算初步的运动和位移属性，这些属性被输入到一个定制的深度神经网络中。同时采用离散小波变换进一步提取轨迹的时频域特征，以辅助神经网络完成分类任务。为了评估所提出机制的性能，进行了一系列全面的案例研究。

SteeringLoss：一种用于端到端转向估计的代价敏感损失函数

袁 W.，杨 M.，李 H.，C. Wang，和王 B.

SteeringLoss 是一种用于训练高性能端到端模型的新颖损失函数，旨在解决训练不平衡问题。对于转向估计任务而言，训练不平衡是导致端到端模型无法准确估计急转向值的核心原因。这种不平衡分布驾驶数据集中的转向值分布类似于双长尾分布。基于该分布特征，逐步设计了一种代价敏感损失函数；新损失函数能够在保持小幅转向值影响的同时，增强急转向值的影响。使用此类损失函数训练的模型在估计转向值方面比传统损失函数更加准确。

过驱动道路车辆自动驾驶的能量规划

I. Bensekrane, P. Kumar, A. Melingui, V. Coelen, Y. Amara, T. Chettibi 和 R. Merzouki

为了利用有限的电池电量完成给定任务，无人道路车辆（URV）在自动驾驶过程中需要进行能量规划。因此，本文提出了一种针对具有冗余转向构型的过驱动URV的能量规划策略。为实现该目标，将优化算法应用于能量有向图，以获得结合驾驶模式、功耗和URV速度曲线的全局最优解。最后，在RobuCar无人车上进行的仿真与实验结果突出了所提出的全局能量规划的有效性。

一种用于行人检测的部件感知多尺度全卷积网络

P. Yang, 张G., 王L., 许L., 邓Q., 和 M.-H. Yang

行人检测是自动驾驶和交通场景监控系统中的一项关键任务。遮挡和大尺度变化是行人检测面临的主要挑战。为应对这些困难，本文作者提出了一种部件感知多尺度全卷积网络（PAMS‐FCN）。具体而言，作者设计了一种部件感知感兴趣区域（RoI）池化模块，用于挖掘身体部位并选择具有最强响应的部件。这样，部分可见的行人实例可以获得较高的检测置信度得分，从而降低被检测器漏检的可能性。该模块与实例RoI池化模块并行运行，以融合局部部件和全局上下文信息。为了应对尺度变化，作者构建了一个全卷积网络，高效生成多尺度特征图，并分别检测小尺度和大尺度行人。通过集成这些结构，所提出的检测器在四个行人检测基准上实现了最先进的性能。

用于交通预测的优化图卷积循环神经网络

郭K.、胡Y.、钱Z.、刘H.、张K.、孙Y.、高J. 和 尹B.

提出了一种新的交通预测模型，该模型主要利用图卷积网络来探索道路网络的空间特征。与以往的研究相比，作者提出了一种创新的数据驱动方法，用于挖掘新的连接关系道路路段。然后，作者在三个真实世界数据集上评估了他们的模型，这些实验的结果和分析表明，所提出的模型能够获得更准确的预测结果，发现更好的连接关系，并解释更多的道路网络空间信息。

基于深度强化学习的能量管理策略在城市轨道交通超级电容器储能系统中的应用

杨志、朱峰 和 林峰

牵引供电系统的建模复杂性和交通状况的变化给城市轨道交通中超级电容器储能系统的能量管理策略优化带来了挑战。因此，本文提出了一种基于深度强化学习的能量管理策略：将能量管理系统建模为一个智能代理，综合考虑超级电容器的节能和稳压效果来构建奖励函数，开发了牵引供电系统仿真器以模拟环境，并通过深度Q学习算法在每个行车间隔内不断改进代理的行为。所提出的策略基于北京地铁八通线进行了仿真验证。研究结果表明，该策略能够根据系统状态动态调整电压阈值，从而改善列车之间的能量交互，并在时间范围内更优地分配超级电容器容量。与固定阈值策略和遗传优化相比，节能和稳压效果显著提升，并且接近由动态规划推导出的最优基准。

用于实现基于在役列车的无人值守轨道几何状态监测的电视白频段切换方案

M. 萨姆拉、陈磊、C. 罗伯茨、C. 孔斯坦丁努和A. 什克拉

如今，利用在役车辆监测铁路轨道几何状态是一种极具吸引力的方案，可在不中断铁路运营的情况下提升基础设施性能。然而，由于当前GSM‐R和LTE的数据速率及频谱限制，将采集的传感器数据传输至中央服务器一直存在难题。为此，研究提出通过机会式接入利用率较低的频段——电视白频段（TVWS），以解决频谱稀缺问题，并充分利用铁路环境中理想的传播特性。为充分保护频谱主要用户，IEEE 802.22标准对移动平台设定了严格政策。本研究提出一种新型切换方案，采用贪心算法选择工作频率信道，该方案综合考虑了列车轨迹（包括列车延误的可能性）以及频谱的次要用户之间的共存问题。

基于线路的公交信号优先使用网联车辆技术提升公交准点率

曾X.，Y. 张，焦J.，和尹K.

利用网联车辆技术，提出了一种基于线路的公交信号优先模型，以提高公交车服务的可靠性。该公交信号优先系统为在线系统，通过持续获取网联车辆数据，监测公交车优先需求，利用更新后的公交车运行数据触发模型的新一轮计算，并实时实施新的信号配时。通过仿真实验对基于线路的和局部的公交信号优先模型性能进行了评估。结果表明，相较于逐个信号灯单独提供优先的模式，基于线路的公交信号优先系统在路线层面实现公交车优先方面具有显著优势。

基于多目标蒙特卡洛树搜索的帕累托最优公交线路规划

D. Weng, R. Chen, J. 张 , J. Bao, Y. 郑 ,和 Y. Wu

本文提出了一种高效的随机搜索方法，基于多个标准提取选定起点和终点之间的一组帕累托最优交通路线。该方法还将一种估计方法集成到搜索框架中，以剪枝无效解子空间并加速搜索过程。通过基于实际数据的综合评估，验证了所提出框架的优越有效性。

环形道路上交通拥堵开始的预测

A. 加达米和B. I. 埃普雷亚努

本文介绍了复杂系统中近期发展的临界点预测工具，即预警指标和分岔预测方法，并研究了它们在环形道路上预测交通拥堵的应用。所提出方法的主要优势在于其无模型特性。数值和实验结果表明，使用所提出的方法能够成功预测交通拥堵的出现以及该临界点之后的交通动态，且无需系统的模型。

面向CACC应用的多模型自适应控制

F. 纳瓦斯, V. 米兰内斯, C. 弗洛雷斯, 和 F. 纳沙希比

本文提出了一种基于尤拉‐库切拉（YK）理论的多模型自适应控制（MMAC）算法，以应对协同自适应巡航控制（CACC）系统中的异质性问题。当车队中车辆动力学相同时，车队稳定性已得到广泛证明；但在车辆各不相同这一更贴近实际的情况下，稳定性难以保证。为了确保车队稳定性，CACC控制器需要根据主车和前车的车辆动力学进行调整。MMAC的核心思想是从预定义集合中选择最能逼近系统动态特性的被控对象，并应用相应的预设计控制器。本文定义了一组描述不同车辆动力学的线性被控对象，并针对这些线性被控对象设计了不同的CACC控制器。仿真与实验结果验证了MMAC能够确定集合中最接近实际系统的被控对象，并据此选择相应的控制器，CACC系统以确保车队稳定性，无论车队是同质还是异质。

GWO模型在智能停车系统中用于物联网传感器节点最优定位

S. N. 戈尔帕德、M. 森纳罗和B. S. 乔达里

由于城市人口的快速增长和汽车行业的发展，车辆数量正呈指数级增长，这带来了停车挑战。自动停车系统能够提供高效且最优的停车方案，使司机实现无烦恼且快速的停车。其中一项迫切需求是设计智能停车系统，这不仅是为了舒适性，也具有经济利益。随着物联网（IoT）技术的进步，基于无线传感器的停车系统成为部署中的有前景解决方案。在停车区域中对物联网无线传感器节点进行最优定位，是实现高效停车模型并降低成本的关键因素。本文中，作者提出了一种新颖的多目标灰狼优化技术用于节点定位，旨在最小化定位误差。该方法考虑了两个针对距离和几何拓扑约束的目标函数。所提算法与其他节点定位算法进行了比较，结果表明其性能优于现有算法。与其他算法相比，定位误差最多降低了17%。由于采用了快速收敛参数，所提算法具有计算高效性。

蜂窝‐车载混合网络中的公平自适应聚类

J. Garbiso, A. Diaconescu, M. Coupechoux, and B. Leroy

由于以汽车为中心的连接服务数量不断增加，高效利用有限的无线资源在车载通信中至关重要。混合车载网络具备多种无线接入技术，如蜂窝和车对车（V2V）网络，它们具有互补特性，有助于开发更智能的网络流量分配方法。本文提出一种自适应聚类系统，以确保在蜂窝网络上的数据聚合与V2V网络内因集群管理引起的通信拥塞之间实现适当的权衡。该系统的算法采用分配正义方法选择集群头，以提高司机之间的公平性，从而促进自适应聚类的社会可接受性。该方案优化了无线资源的使用，降低了蜂窝接入成本，且无需统一不同移动运营商的接入方案。

基于动态转移卷积神经网络的交通需求预测

B. 杜, X. 胡, L. 孙, J. 刘, Y. 乔, and W. 吕

精确的交通需求预测能够通过提供数据驱动的洞察，帮助政府和企业做出更优的管理和运营决策。然而，由于具有时空特性，设计一种有效的交通需求预测方法是一项复杂的任务。交通需求分布、人类移动性动态以及多种环境因素的影响。为解决这些问题，提出了一种动态转移卷积神经网络（DTCNN），用于实现精确的交通需求预测。具体而言，首先根据全城历史出发和到达记录构建一个转移网络，其中节点是由基于密度峰值的聚类算法发现的虚拟站点，两个节点之间的边对应于两个站点之间的转移流量。然后，设计了一个动态转移卷积单元，用于建模交通需求的空间分布，并捕捉需求动态的演化过程。最后，提供了一个统一学习框架，将交通需求的时空状态与环境因素相结合。在纽约出租车和共享单车数据上的实验验证了所提出方法的有效性。

面向避免追尾碰撞：面向联网车辆的自适应信标技术

F. Lyu, N. Cheng, H. Zhu, H. Zhou, W. Xu, M. Li, 和 X. Shen

通过综合考虑运动状态和信标广播速率，对追尾碰撞风险进行表征，并定义危险系数以捕捉每辆车面临追尾碰撞的危险威胁。基于各自估计的系数值，提出了一种完全分布式自适应信标控制方案（称为ABC），该方案可确保每辆车在高密度场景下主动采用最小但足够的信标广播速率，以避免追尾碰撞。在ABC中，当信道介质资源充足时，车辆通常以最大信标广播速率进行广播，同时持续判断信道是否拥塞。一旦检测到拥塞事件，ABC将通过贪心启发式算法求解NP难分布式信标速率自适应（DBRA）问题，从而获得近似最优结果。

一种基于深度学习的高效工业系统用于车辆轮胎检测与文本识别

W. 卡兹米、I. 纳布尼、G. 沃吉亚齐斯、P. 罗斯和A. 科德

本文解决了在行驶中车辆的轮胎侧壁图像上读取低对比度文本的难题。首次提出了一种大规模工业系统，该系统可安装于车道旁，在车辆行驶速度低于10英里/小时时读取轮胎编码。首先采用带有动态半径检测的圆形霍夫变换检测轮胎圆形度。随后将检测到的轮胎弧形区域展开为矩形块。接着应用级联的卷积神经网络（CNN）分类器进行文本识别。首先，通过在CNN中引入生成类似定向梯度直方图（HOG）的特征的卷积层，提出一种新颖的用于编码定位的候选框生成器。然后使用深度网络对候选框进行筛选。在完成编码定位后，采用两个独立的深度CNN进行字符检测与识别。实验结果（准确率、可重复性和效率）十分出色，展现了该系统在目标应用中的广阔前景。

基于距离的全局与部分多区域特征学习的车辆重识别

X. 陈, H. 隋, J. 方, W. 冯, 和 M. 周

提出了一种端到端的基于距离的全局与局部多区域深度网络，通过融合多区域特征来识别车辆重识别中的全局和局部差异。整体上，采用三分支架构从粗划分区域中学习全局和局部特征。在局部分支中引入全局相似性模块，以减少背景信息干扰。不同于一般的分类方法，设计了基于距离的分类层，以保持相似性评估标准之间的一致性。此外，当摄像头和拍摄时间信息可用时，利用时空车辆信息来提升车辆重识别结果。在大规模数据集上进行的系统性对比评估验证了所提方法的有效性。

一种估计匝道进出流量缺失对的新方法

Y. 阚，王宇，D. 王，J. 孙，C. 邵，和 M. 帕帕乔治奥

即使存在一对未测量的进出匝道，高速公路路段的交通状态也无法完全可观测。对于此类未测匝道对的交通流量估计，长期以来一直是一个棘手的问题，而这些估计对于高速公路交通流的建模、监控与控制至关重要。传统方法基本无法解决这一问题，本文旨在结合新的数学模型和实际测量数据，通过机器学习来应对该挑战。本研究部分受到迁移学习概念的启发。假设目标匝道对缺乏实测数据，但若已测与未测匝道对在某些关键交通流模式上具有相似性，则可利用其他（已测）匝道对的知识来提供缺失匝道流量估计。为此采用了两种简单的机器学习算法：随机森林（RF）和梯度提升机（GBM）。RF和GBM基于实际测量数据，建立匝道流量与相邻主线交通状况之间的关系模型，并将这些模型应用于未测量匝道对的流量估计。使用来自上海城市快速路和加州城际高速公路的实际测量数据对估计性能进行了评估，获得了令人满意的结果。

裂纹生成对抗网络：基于生成对抗学习的部分准确真实标签路面裂缝检测

张K.，Y. 张，和 H.-D. 程

裂纹生成对抗网络解决了在使用部分准确的真实标签时，基于FCN的路面裂缝检测中存在的一个实际且关键的问题——“全黑”问题。该网络能够以轻量人工方式完成裂缝检测任务，显著降低准备真实标签的工作量。并提出利用部分准确的真值进行目标检测/分割的新思路。此外，该方法还能解决所提方法带来的数据不平衡问题。关于感受野的神经元特性的理论分析也可用于解释深度学习中的许多现象，例如语义分割中的边界模糊、生成对抗网络生成图像的模糊等。

基于轨迹数据目的地预测的拼车组推荐

L. 唐，Z. 段，Y. 朱，J. 马，和 Z. 刘

提出了一种用于起止点拼车的新型群组推荐系统。所提出的方法能够准确预测目的地，检测轨迹中的群体，并将乘客集合划分为适合车内空间的最优组。现有的优化拼车方法通常依赖于通过预选起止点和位置数据来匹配司机与乘客。然而，实际的群体关系可能会被遗漏。因此，作者致力于基于与轨迹相关的信息（例如，空间分散性、时间持续性）来选择群体。以及个体的运动速度和空间的语义属性。作者将每位用户的历史空间序列作为目的地预测的候选集。因此，乘客很可能接受推荐，并有兴趣共享行程。最后，通过检测邻近相似性可能体现共享关系的最佳乘客组，以最小化总行驶时间。