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。     

考虑与跟驰模型结合的自由换道模型及仿真

考虑跟驰过程与换道过程的结合,在车辆换道过程的具体实施过程中引入跟驰模型,以全速度差模型为基础,对换道过程中的换道加速度进行确定,并通过对天津市视频录像换道时间的统计分析,建立了换道距离与换道时车头偏角之间的关系.最后利用Netlogo平台对模型进行了实现与仿真分析,结果表明:该模型很好地体现了实际换道的特点.     

基于换道轨迹规划模型的车道级行程时间估计方法研究

在车联网环境下,为满足精细化的车辆诱导需求,提出基于换道轨迹规划模型的车道级行程时间估计方法。建立路网基础道路拓扑模型,对所构建的路网模型进行Link划分,并利用改进的5次多项式模型对车辆行驶轨迹进行描述,构建车辆在不同路段Link间行驶的换道轨迹规划模型;整合车辆在路段各个Link单元的行车轨迹与行程时间,实现车道级行程时间估计;选取单向4车道的城市道路为仿真算例,建立VISSIM仿真模型,验证本文模型性能。仿真结果表明,在不同的车辆行驶速度条件下,相比于传统行程时间估计方法,本文提出的改进5次多项式换道轨迹规划模型能够精确地得到车辆最短行程时间下的行车轨迹,实现车道级行程时间的准确估计。     

考虑智能网联近邻车辆信息的交织区换道风险预警

面向车辆换道风险预测时特征差异大、样本不均衡、参数调优时间久的问题，将高精度微观车辆轨迹数据与超参数优化机器学习方法相结合，提出了一种可应用于智能网联车辆(ICV)的交织区换道风险识别与预警方法；基于无人机航拍视频，从广域视角提取了城市快速路交织区时间精度为0.1 s、空间精度为每像素0.1 m的换道轨迹，测算了车辆间距、矢量速度、加速度、接近率、速度角度等换道风险感知信息；引入考虑近邻车辆信息的换道TTC模型，以反映车辆汇入或汇出主线的迫切需求，描述其在不同位置的换道行为差异性；结合15分位数法和四分位差法，划分了换道风险预警等级；基于准确率、真阳性率、灵敏度等多项评价指标，遴选并对比了线性分类器、支持向量机、K近邻以及RUSBoost模型换道风险预测结果，得出交织区换道风险实时预警优选模型，针对优选模型进行了超参数优化与验证。研究结果表明：RUSBoost模型为优选模型；超参数优化机器学习方法迭代至第24次时，RUSBoost具有最小误差与最佳点超参数；RUSBoost、BRUSBoost优化模型预测准确率分别为91.40%、99.80%,AUC分别为0.96、0.99;BRUSB...     

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。     

基于元胞自动机的竞争型换道模型

为研究车辆在换道过程中存在的互不相让、相互竞争的现象,运用元胞自动机理论,提出一种竞争型的换道模型。首先,将换道分为换道需求判断和换道实施过程两部分;然后,在需求判断中引入邻车道速度累积优势,在换道实施过程中引入竞争程度定义换道新规则;最后,在不同交通密度下对竞争换道模型进行仿真,并与自由换道和协作换道进行对比分析。结果表明：不同密度下协作换道模型得到的车流量和车辆平均速度均高于其他换道模型;在一定密度范围内,竞争换道得到的车流量和车辆速度比自由换道高;但当密度较高时,竞争换道对车辆的速度以及交通密度可能产生负面影响。这说明协作换道能提高车辆速度,有效缓解交通阻塞;而竞争换道对车辆速度的提升不明显,并且采用竞争换道对交通流有影响,有时可能会降低道路的通行能力。     

基于时域卷积网络与注意力机制的车辆换道轨迹预测模型

精准的车辆轨迹预测模型可以为自动驾驶车辆提供其周围车辆的准确运动状态信息,进而判断本车与周围车辆短期内是否有发生冲突的可能性。本文提出一种基于时域卷积网络与注意力机制(Temporal Convolutional Networks with Attention mechanism,TCN-Attention)的车辆换道轨迹预测模型。该模型以时域卷积网络作为当前输入的特征提取器,利用时间与空间注意力机制使模型在不同时间和空间位置之间建立动态关联,更准确地捕捉车辆之间的动态时空相关性,实现准确预测车辆换道轨迹。与传统单一车辆轨迹特征输入不同,本文通过对输入特征进行多维扩充与融合,进一步提高了轨迹预测准确率。此外,本文提出一种换道执行起止时刻定义方法更准确地确定数据集中的换道起止时刻。实验表明,本文所提模型能以高准确率预测变换车道轨迹,在整体效果上优于其他深度学习模型,与ConvLSTM (Convolution Long Short-Term Memory)相比,TCN-Attention的平均绝对误差(Mean Absolute Error,E_MAE)降低了69.8...     

混合自动驾驶场景多换道需求下的主动间隙适配和换道序列规划

为解决城市道路拥挤状态下车辆可行换道间隙少、换道时间长,进而导致停车等待、堵塞后续车流等问题,本文基于智能网联环境下车辆之间的交互协同,提出了一种混合自动驾驶场景多换道需求下的主动间隙适配和换道序列规划模型.首先,采用多项式和三角函数分别描述了换道过程中的空间轨迹和速度曲线,得出了换道间隙可行性判别依据.在此基础上,构造了换道启动可行状态集合,并构建了单个换道请求下的间隙适配和协同换道的最优控制模型.然后,考虑多换道需求,构建了主动间隙适配和换道序列规划模型,对换道序列进行整体优化.最后,设计了数值仿真实验,验证了本文模型可对多换道需求进行时空优化.仿真实验结果表明,本文模型能够降低换道行为对城市道路通行能力的影响,且适用于不同的交通需求,模型可提升24％的道路通过量.     

基于分子动力学的车辆换道交互行为特性及其模型

传统换道模型中,把前后临界空隙作为参数固定数值,忽视了车辆和车道间的动态交互作用等因素.从分子动力学角度,系统考虑跟驰需求安全特性,从动态的需求安全距离角度研究车辆在“跟驰—换道—跟驰”过程中的行驶状态转换.确保在换道完成时,换道车辆和目标车道后车能以需求安全距离进行跟车行驶,建立了模拟分子动力学的期望安全间距模型,并对模型进行了仿真分析.结果表明,分子动力学特性模型可以把跟驰行为和换道行为很好地结合起来.研究成果为分析车辆运行交互特性,车辆可变限速技术,自适应巡航控制技术等提供理论依据和技术支撑.     

基于分子动力学的车辆换道交互行为特性及其模型

传统换道模型中,把前后临界空隙作为参数固定数值,忽视了车辆和车道间的动态交互作用等因素.从分子动力学角度,系统考虑跟驰需求安全特性,从动态的需求安全距离角度研究车辆在“跟驰-换道-跟驰”过程中的行驶状态转换.确保在换道完成时,换道车辆和目标车道后车能以需求安全距离进行跟车行驶,建立了模拟分子动力学的期望安全间距模型,并对模型进行了仿真分析.结果表明,分子动力学特性模型可以把跟驰行为和换道行为很好地结合起来.研究成果为分析车辆运行交互特性,车辆可变限速技术,自适应巡航控制技术等提供理论依据和技术支撑.     

������ɢѡ�����۵ĸ���ģ��

基于离散选择理论,提出了车辆跟驰模型.考虑七个选择肢中的加减速度,采用选择肢特定参数反映出不同选择肢的吸引程度.为了避免换道行为的干扰,利用HOV车道的车辆数据对模型进行标定和验证.结果显示,大多数的标定参数在95%的置信水平下都是较为显著的.此外,模型反映出的不同的车头间距及速度下的驾驶员对不同加减速度的选择趋势与日常驾驶行为完全吻合.验证结果表明,对于实际状况下被选择的选择肢,大于1/7 (每个选择肢的平均预测概率) 的预测概率的比例大于87%.从观测比例的角度看,实际观测值与模型的预测值之间差异并不显著.最后应用模型模拟30分钟的单车道交通状况.     

车辆换道行为建模的回顾与展望

微观交通仿真工具在智能交通领域中发挥着越来越重要的作用,而换道模型则是微观交通仿真工具中最重要的组成部分.本文将换道模型按其应用分为自动巡航控制模型与计算机仿真模型.系统回顾了计算机仿真模型中的换道决策模型与换道执行模型.换道决策模型主要包括:规则模型、离散选择模型、人工智能模型、马尔可夫模型、生理—心理模型及生存模型;换道执行模型主要包括:运动波混合模型和元胞自动机模型.针对各个模型分别阐述了其研究对象、模型结构、参数标定及其模型的应用.最后,展望了换道行为建模未来的研究方向,为建立适合中国的换道模型提供参考.     

基于Stackelberg 博弈理论的自主性车道变换模型

本文提出了一种基于Stackelberg 策略的自主式车道变换模型.车道变换是一种 非常复杂的决策过程,很多因素会影响驾驶员做出变换车道的决策.本文关注自主式车道 变换情况,在自主式车道变换中驾驶员希望通过车道变换来得到更好的驾驶环境,例如 更高的速度或者更大的车头时距等.车道变换是一个决策的过程,在这个过程中驾驶员会 权衡诸多的因素并做出决策.在车道变换过程中目标车辆和在目标车道上的后随车辆会 相互产生影响.另外不同的驾驶员有不同的特点,即便在相同的交通环境下也会做出不同 的决策.我们利用Stackelberg 策略理论对驾驶员的车道变换决策行为进行建模,并利用仿 真对所提出的模型进行验证.     

基于运动学的换道安全间距研究

通过建立基于运动学理论的换道模型并分析主车与原车道前车及目标车辆前后车的速度、加（减）速度及安全距离,研究车辆换道行为的安全性。研究结果表明：车辆在进行换道过程中,换道时间由车道及车辆的宽度、驾驶速度、纵向加速度及驾驶员的特性有关系。研究结果可为车辆安全换道决策提供重要依据。     

公路客车横向加速度实验研究

为提供不同类型公路几何线形参数的计算依据,在12条不同地形环境、不同等级的公路上采集了小客车和大客车的横向加速度、行驶速度和轨迹曲率半径数据,评估了试验公路的行驶舒适性,给出了六车道、四车道、双车道3类公路的横向加速度特征分位值,针对不同公路类型和车型,建立了横向加速度-曲率半径和横向加速度-速度的均值模型、极限值模型和85分位值模型.研究结果表明:（1）车道数越少,行驶舒适性越差,设计速度低于30 km/h的双车道公路部分路段的行驶舒适性极差;（2）横向加速度累计频率曲线的拐点在第90~92分位,双车道公路的横向加速度最大值大于8 m/s2;（3）行驶轨迹越缓和、车道数越多,横向加速度分布越集中,且大客车的横向加速度分布要比小客车集中;（4）第85分位值模型可用于公路几何参数的最大值与最小值控制,均值模型可用于几何参数的一般值控制.      

基于GMM-CHMM 的城市道路换道行为识别

高级驾驶辅助系统(ADAS)是提高车内乘员安全性的主动安全系统之一，将车载参数和车辆位置参数相结合，提出一种能够应用到ADAS的城市道路换道行为识别模型. 在西安城市道路环境中进行实验，采集18 位驾驶员的9 个车载实时参数数据，以及前后车辆间的相对速度、相对距离、相对角度，提取412 个换道行为单元和824 个车道保持行为单元，共 88 992 条数据. 运用数理统计方法分析表明，方向盘转角、转向角速度、相对安全距离比在换道行为和车道保持行为之间有显著性差异，在这3 个特征参数的基础上，建立混合了高斯混合模型(GMM)和连续型隐马尔可夫模型(CHMM)的识别模型，用部分样本对模型效能评价. 结果表明，混合模型对换道行为的识别精度为93.6%，具有良好的识别效果，可以很好地应用到 ADAS.