基于多目标优化的智能车辆换道轨迹规划

为提高智能车辆换道轨迹规划的拟人性和实时性,提出了安全、舒适、节能等多目标协同优化的换道轨迹规划算法,该轨迹规划方法的适应性取决于车辆换道时间、纵横向速度及加速度等关键变量的约束条件;基于车辆运动学和动力学理论,分析了动态未知环境下车辆换道安全区域,建立了六次多项式车辆理想换道轨迹模型,并运用遗传算法-BP神经网络理论对换道终止时刻及目标位置进行预测,得到了复杂场景下车辆换道轨迹簇;分析了基于可行解空间的车辆换道安全性、舒适性、经济性等性能评价函数,构建了多性能目标协同优化目标函数和约束条件,运用鲸鱼优化算法对换道轨迹簇进行优化,实现多性能目标协同的智能车辆换道轨迹最优规划;为进一步验证多目标优化轨迹规划算法的准确性,运用L3级智能车辆测试平台对结构化道路场景下多目标优化换道轨迹规划算法进行了试验验证。仿真和试验结果表明:提出的轨迹规划算法在满足各项约束的情况下可成功实现平稳、安全换道,并且与传统驾驶人换道相比,换道过程的安全性、舒适性及多目标综合性能分别提升了5.1%、3.3%和1.7%,有效提升了动态环境下智能车辆换道轨迹规划的拟人性。      

计及安全性与舒适性的智能车辆换道轨迹规划研究

针对当前智能车辆在换道过程中的安全性以及乘员舒适性问题,本文提出一种基于风险场评估轨迹的二次筛选方法。首先,在Frenet坐标系下,将车辆运动解耦为横向和纵向两个维度,基于五次多项式生成所有横向d-t曲线簇和纵向s-t曲线簇;其次,由车辆的动力学特性和三圆碰撞模型设计轨迹初筛评价函数,选取合格轨迹作为候选轨迹;最后,参考人工势场理论的思想,引入行车过程中风险场的概念,根据换道效率,换道风险值和横、纵向冲击度建立总损失函数评价候选轨迹以进行二次筛选,选取最佳轨迹并完成可视化。为检验算法的可行性,通过搭建双车道的道路环境,设计障碍车不同速度和加速度的多场景进行弯道换道的仿真验证。研究结果表明,本文所提算法能够满足换道的安全性和舒适性需求。同时,在正常换道场景下,乘员在换道过程的97.5%时间处于舒适状态,在紧急避障场景下也能达到平衡安全性与舒适性的目标。     

考虑应激避让行为的自行车轨迹预测

非机动车道空间受限时,常规自行车被超车场景下骑行者为确保自身安全会产生应激避让行为。为明确其在被超车时的应激反应,并根据行为特性设计非机动车道,构建一种面向应激行为分类的自行车轨迹预测模型。该模型从频域角度分解自行车被超车时的动力学特性,依据踏频值范围将避让行为分为匀速、加速和减速行为,利用鲸鱼算法改进长短期记忆神经网络模型,分别对分类后的骑行轨迹进行预测。应用所构建预测模型对西安市2415次超车事件的分析结果显示,发生冲突时选择上述3种避让行为的骑行者占比分别为11.3%、38.3%和50.4%。匀速避让的预测轨迹全程波动较小,平均横向位移为0.15 m;加速避让轨迹表现为横向位移较大,平均达0.83 m;减速行为预测轨迹平缓度介于两者之间,横向位移为0.47 m。3种预测情况下的均方根误差分别为0.0619、0.0513和0.0587,拟合优度值分别为0.9589、0.9774和0.9687。与未考虑应激行为分类的结果相比,所构建模型的预测精度分别提升了11.07%、13.22%和12.21%。     

基于改进社会力的单向流电动自行车行为建模研究

电动自行车作为一种便捷高效的出行工具，已在许多国家被广泛使用，但对电动自行车微观行为的研究仍十分有限。在上海海事大学对电动自行车驾驶行为进行观测实验，提取电动自行车轨迹数据，以纵向间距、速度差、侧向净距、水平间距作为特征变量，利用CART(Classification and Regression Tree)决策树分类结果建立电动自行车骑行决策行为规则。然后，基于社会力模型，分别引入超越力、跟随力等改进行为力模拟电动自行车的超越、跟随等骑行决策行为。考虑公式超越力、固定值超越力和临时目标点超越力这3种超越力形式，通过实际观测数据和仿真结果比较进行参数标定和模型验证，选取单向流电动自行车行驶场景开展数值仿真分析。结果表明：临时目标点超越力的改进社会力模型在超越过程中的轨迹误差最小，电动自行车超越时所需要的横向间距与超车时横向速度、超车完成时间成正比，最佳超车横向间距为2 m。     

双向双车道超车行为的智能车队间隙控制优化

建立了双向双车道环境下单车超越车队模型, 分析了影响双向双车道超车危险区域范围的主要因素; 设计了分步式单车超越车队算法, 研究了安全间隙前后车速度、超车车辆入队速度与车队安全间隙范围四者之间的关系, 提出了车辆入队所需最小安全间隙的速度匹配方案; 建立了单车超越车队算法的目标函数, 设定最大允许超车时间内超车车辆与车队行驶距离最大, 超车车辆超越车队车辆数最多, 前、后车形成安全间隙过程中加速度、减速度最小; 提出了基于改进粒子群的分级约束多目标优化方法, 为单车超越车队算法中的三级车速引导提供了优化的速度引导方案。研究结果表明: 双向双车道环境下超车危险区域范围与车队车辆数及对向车辆行驶速度成正相关关系; 改进的粒子群优化算法相比传统算法具有更强的鲁棒性和更快的收敛速度, 平均收敛时间缩短39.2%;在分步式单车超越车队过程中, 车队车辆平均速度提升9.04%, 即在车队间隙生成过程中, 虽然部分车辆速度减小, 但车队整体平均速度得到提升; 超车车辆平均速度提升16.8%, 即在超车过程中, 不仅超车车辆的安全性得到保证, 其运行效率也得到提升。      

双车道公路超车安全距离模型

双车道公路上因超车不当而导致交通事故频发且后果多较为严重,故提出超车安全距离模型,旨在为超车安全预警装置、超车辅助判断系统等提供理论依据.本文首先分析了车辆在双车道公路超车过程中可能发生的碰撞类型,基于可能发生的碰撞类型对超车时间进行分段,分析每一超车时段车辆之间的安全距离,进而建立超车安全距离模型,以等速超车和加速超车为例,选取小型车、中型车、大型车作为前方被超车辆,确定仿真参数,基于 MATLAB 软件仿真,分析、验证超车安全距离模型的有效性.得出超车车辆与前方车辆及对向车辆之间的临界安全距离图,为汽车主动安全系统的研发和超车事故的预防提供了理论基础.     

基于粒子群算法的平行泊车轨迹规划

泊车规划主要解决泊车过程中的路径规划,为自动泊车提供泊车轨迹。以反正切函数作为轨迹的基函数,对道路和车辆进行参数约束,将泊车过程模型化;以最终车位角作为目标函数,建立多约束非线性方程,采用粒子群算法(particle swarm optimization, PSO)对方程优化求解,进而得到较优的轨迹方程。仿真结果表明,该轨迹函数符合车身运动学要求,同时也不会触碰到其他车辆,能达到安全泊车的目的。     

基于生存分析的山区双车道公路超车持续时间模型

为研究混合交通流条件下山区双车道公路超车行为，确定关键影响因素与超车持续时间的关系。以云南省典型山区双车道公路为例，利用无人机采集超车行为视频数据，提取参与超车行为的机动车轨迹，构建超车行为变量指标体系，分析山区双车道公路超车行为特性；建立基于生存分析的山区双车道公路超车持续时间模型，确定影响超车持续的关键协变量，并分析关键协变量与超车持续时间的定量关系。结果表明：混合交通流条件下，山区双车道公路平均超车持续时间为10.3 s，平均超车距离为201.3 m，由驾驶员的驾驶风格、较高的行驶速度及复杂的交通流条件共同作用所致；Log-logistic 加速失效时间模型对超车持续时间拟合效果最好，AIC和BIC分别为272.989和265.650，危险函数拐点约为13 s，说明超车行为在13 s前结束的可能性最大；影响超车持续时间的关键变量分别为超车距离和超车车辆与被超车车辆的初始速度差、最大横向距离、是否有对向车、被超车车辆长度和超车车辆类型，影响程度较大的协变量为超车车辆类型和是否有对向车，当超车车辆为货车时，超车持续时间增加了22.9%，当有对向车时，超车持续时间降低了17.8%。     

考虑轮轨黏着的高速列车多目标速度曲线优化

高速列车运行环境复杂多变，现有的给定运行速度目标曲线主要考虑列车运行的安全性和正点性，难以改善列车的其他运行性能。为了满足高速列车日益增加的行车需求，并改善列车的运行性能，针对安全、节能、正点及舒适多个目标，考虑轮轨间最优黏着，提出一种改进的多目标运行速度优化方法。首先，在满足区间限速以及列车动力学模型约束的前提下，建立安全、节能、正点、舒适4个评价指标，构成高速列车运行过程多目标优化模型；其次，在节能模型中考虑轮轨间黏着的影响，优化牵引/制动力使得其保持在最优黏着范围内，节约运行能耗；最后，采用基于参考点的非支配排序的优化算法（NSGA-Ⅲ）对多目标运行速度曲线进行优化。对真实线路的仿真验证表明，本文提出的考虑轮轨黏着的优化效果显著提高，尤其在节能方面；优化算法相较于GA和NSGA-Ⅱ，NSGA-Ⅲ算法在收敛效果和收敛速度上均为更优。     

基于人-车-路-环境的车辆安全运行区域研究

车辆安全运行区域的确定对于提高行车安全具有重要的意义。以高速公路为背景,作者通过综合考虑车辆的行驶状态、驾驶员疲劳程度以及天气状况等因素对车辆的安全运行区域的影响进行了研究。目的是根据车辆当前状态,结合运行参数对危险行驶区域做出警示,减少驾驶员的负担和判断错误。算法部分分别针对跟车模式和超车模式搭建模型,对安全运行距离和区域进行了求取,最后设计了虚拟现实仿真场景对车辆的行驶过程进行了模拟。多次实验表明,本文安全运行区域模型具有很好的稳定性和准确率。     

基于轨迹预瞄的智能汽车变道动态轨迹规划与跟踪控制

为实现实际动态交通环境下智能汽车的变道控制, 提出了基于轨迹预瞄的智能汽车变道动态轨迹规划与跟踪控制策略; 针对实际交通环境下目标车道车速和加速度的动态变化, 提出了智能汽车变道动态轨迹规划算法, 获得了能够避免智能汽车发生碰撞的变道轨迹的动态最大纵向长度; 设计了兼顾变道效率和乘员舒适性的优化目标函数, 优化获得了在变道轨迹最大纵向长度范围内的实时动态最优变道轨迹; 利用轨迹预瞄前馈和状态反馈相结合的类人转向控制方式, 实现了智能汽车变道动态轨迹跟踪和乘员舒适性的最优控制, 并利用硬件在环试验台验证了所提控制策略的正确性。研究结果表明: 定速工况下实际与参考轨迹的侧向位移误差、航向角误差和最大侧向加速度分别为1.4%、4.8%和0.59 m·s-2; 定加速度工况下实际与参考轨迹的侧向位移误差、航向角误差和最大侧向加速度分别为1.1%、4.6%和0.48 m·s-2; 变加速度激烈工况下实际与参考轨迹的侧向位移误差和最大侧向加速度分别为1.7%和0.80 m·s-2, 航向角超调后能迅速重新跟踪动态轨迹航向角; 所提控制策略可以很好地跟踪控制实际交通环境下目标车道汽车在定车速、定加速度和变加速度工况下的智能汽车动态变道轨迹, 从而能实现智能汽车最优变道, 可确保变道过程中不与目标车道汽车发生碰撞, 并兼顾变道效率和乘员舒适性。      

基于轨迹-速度耦合策略的复杂道路汽车行驶速度决策

为了提供复杂道路上汽车自动驾驶的目标速度,提出了基于前视轨迹曲率的速度决策算法:首先决策出前视断面的轨迹点,算出每个点位的轨迹曲率并将其作为输入数据;然后从时间最省、驾驶最舒适、定速巡航以及混合模式中选择其一作为决策目标;在速度界限以及纵向/侧向舒适性约束下进行滚动时域优化,决策出前视断面上的期望速度值,随着车辆的行驶前视断面依次向前滚动,最终得到沿行驶距离变化的速度曲线.用复杂山区道路的实测数据验证了模型的精度,以2条公路和1条赛道作为仿真算例,结果表明:(1) 通过组合不同的轨迹决策目标和速度决策目标,能够得到多种驾驶模式的速度曲线,进而模拟出多种实际驾驶行为;(2) 由于前视轨迹是在通道边界内生成,弯道半径、转角、回旋线、路宽、偏转方向等用于确定通道边界的道路变量,都会改变轨迹特性进而影响行驶速度,因此,本文算法能够适应复杂的道路几何条件.      

基于弹复力调整的高速列车群动态运行轨迹优化方法

为提高列车控制过程的自主性和智能性,研究了列车群动态运行过程,采用多智能体和图论方法构建了列车群分布式信息交互模型;以节能和准点为优化目标,以安全和乘客舒适度为约束条件,建立了列车群运行轨迹多目标优化模型,利用基于模拟退火思想改进的差分进化算法获取了列车群静态最优运行轨迹;在此基础上,为避免或消解列车运行过程中随机干扰导致的延误传播问题,针对移动闭塞系统,基于弹复力构建了信息交互支撑的列车群动态间隔调整机制,设计了列车群在线协同优化算法,实现了列车群运行轨迹的动态调整,最后采用武广高速铁路实际数据进行了仿真验证。研究结果表明:提出的在线协同优化算法可以有效提升最优解搜索能力,避免Pareto最优解集的频繁更新,在不同干扰场景下算法触发频率平均降低36.7%;在试验设计的一般干扰场景中,优化后的动态调整策略在保证列车群安全平稳运行的同时,将受扰列车的延误度由6.2%降至0,与立即恢复延误策略相比,节能率达4.8%;在试验设计的较大干扰场景中,受扰列车的延误度由13.1%降至1.4%,全局时间偏差恢复为0,节能率达1.8%。可见,提出的方法能够解决运行轨迹静态规划方式无法完全适应外部动态环境变化的问题,有效保障干扰情况下列车运行复合紊态的及时恢复。      

面向末端刚度提升的机器人手臂关节角路径优化

针对六自由度串联关节机器人手臂,采用D-H法对手臂的操作空间进行了描述,得到了正、逆解运动学模型,建立了机械臂运动学方程.在各运动角度优化指标下,优选末端关节角度来增加手臂的刚度和稳定性,从而实现机械臂路径规划的优化.引入目标函数和遗传算子,提出了一种基于遗传算法的多目标机械臂路径规划算法.通过Matlab工具箱进行仿真验证,证明了该算法的有效性与可行性.     

站内有车影响下的公交车自主停靠轨迹规划方法

针对公共交通环境下公交车的自动安全停靠问题,考虑与站台几何结构拟合度、站台内有车影响以及行驶连续性等安全约束条件,采用非线性约束优化函数计算连续曲率的进站轨迹,构建了公交车自主停靠轨迹规划模型,分别利用Sigmoid函数、三次样条插值、反正切函数及改进的反正切函数对公交车受前车制约下的停靠轨迹进行仿真分析.?实验结果显...     

基于ICP算法的无人方程式赛车路径规划

提出适合无人方程式赛车的路径规划算法,利用迭代最近点方法,将参考点集与当前点集进行迭代计算,得到两点集之间的关系函数,参考轨迹点集通过关系函数转换成赛车当前行驶轨迹点集。利用MATLAB进行无人方程式赛车的路径规划仿真,结果表明:该算法能较好地规划出赛车行驶轨迹,路径曲线平滑。     

混合交通流环境下单交叉口自动驾驶车辆轨迹优化

信号交叉口对城市道路的通行能力以及车辆的燃油消耗具有重要影响。本文提出一种在自动驾驶车辆和人工驾驶车辆混合交通流环境下的自动驾驶车辆的轨迹优化方法。基于交叉口信号灯的配时方案,构建车辆旅行时间估计模型,并以自动驾驶车辆燃油消耗最小以及通行效率最大为目标,构建自动驾驶车辆轨迹优化模型,对车辆进行动态轨迹规划和控制。车辆轨迹滚动优化模型采用高斯伪谱法进行离散化求解,并基于SUMO仿真平台对模型结果进行验证。仿真结果表明,自动驾驶车辆可以通过优化自身控制变量影响人工驾驶车辆的运行状态,减少交通流的排队以及时走时停现象。本文提出的车辆轨迹优化方法对于降低车队整体燃油消耗、提升车队平均速度、缩短平均行程时间具有重要作用。     

基于车辆动力传动和转向系统的换道轨迹优化策略

现有的换道轨迹研究大多是将换道轨迹规划和换道轨迹跟踪进行相对独立的研究,这类轨迹在实施过程中将产生不可避免的误差。为了消除这一误差以及缓解或解决由于不当换道行为引起的交通问题,本文提出一种考虑车辆动力传动和转向系统的换道轨迹优化策略,用以指导或替代驾驶员的换道行为。首先,利用Next Generation Simulation (NGSIM)数据获得换道过程的主要驾驶任务,并用highD数据对其进行验证。其次,基于二自由度车辆模型分析车辆的换道运动特性,构建能够被动力传动系统和转向系统所实现的换道轨迹。结果表明,所提策略可以在保证驾驶安全性的前提下,实现经济、舒适和高效的换道过程。单独考虑经济、舒适和高效的优化策略,能够分别降低35.71%的单位路程燃油消耗,94.58%的前轮转角的角速度以及70%的换道所需时间。这说明所提的换道轨迹优化策略能够从微观角度缓解或解决由不当换道驾驶行为造成的交通问题,并为驾驶辅助系统提供理论依据和方法指导。     

基于遗传算法的悬架系统的优化和仿真

通过建立1/4汽车两自由度模型,建立了汽车行驶平顺性优化仿真数学模型,根据对车辆行驶平顺性、乘坐舒适性和操作稳定性的要求,提出了优化的目标函数。在MATLAB中建立遗传算法的程序模型,应用遗传算法对该模型进行求解。通过仿真,对优化前后汽车行驶平顺性的3项指标进行对比分析。仿真结果表明:遗传算法用于汽车行驶平顺性的优化取得了良好的效果。     

基于深度强化学习的机器人导航算法研究

移动机器人穿越动态密集人群时，由于对环境信息理解不充分，导致机器人导航效率低且泛化能力弱。针对这一问题，提出了一种双重注意深度强化学习算法。首先，对稀疏的奖励函数进行优化，引入距离惩罚项和舒适性距离，保证机器人趋近目标的同时兼顾导航的安全性；其次，设计了一种基于双重注意力的状态价值网络处理环境信息，保证机器人导航系统兼具环境理解能力与实时决策能力；最后，在仿真环境中对算法进行验证。实验结果表明，提出的算法不仅提高了机器人导航效率还提升了导航系统的鲁棒性，主要表现为：在500个随机的测试场景中，碰撞次数和超时次数均为0，导航成功率优于对比算法，且平均导航时间比最好的算法缩短了2%；当环境中行人数量、导航距离发生变化时算法依然有效，且导航时间短于对比算法。