基于随机森林的驾驶人驾驶习性辨识策略

深入理解驾驶人驾驶习性及其表征方法,对于实现在汽车自动驾驶、辅助驾驶等不同控制系统下的人机和谐交互具有重要意义。为此,本文中提出了一种基于随机森林模型的驾驶人驾驶习性辨识策略。搭建了驾驶人驾驶数据实车采集系统,在典型跟车驾驶工况下对驾驶人驾驶习性数据进行了实时采集;根据层次聚类理论,对驾驶人驾驶习性进行了标定;在此基础上,引入随机森林模型建立了驾驶人驾驶习性辨识策略,并进行了重要性分析、模型训练和测试分析。测试结果表明,本文提出的基于随机森林模型的驾驶人驾驶习性辨识策略能有效辨识驾驶人驾驶习性,模型整体精准度可达97.1%。     

基于OEDR和ODC的自动驾驶汽车实际道路测试评价技术研究

本文中提出了基于自动驾驶目标和事件探测与响应（OEDR）的测试道路分类方法，构建基于设计运行范围的道路元素基础模型，改进Jaccard Similarity有效相似度算法用于测试道路符合性评估。本文中还根据测试道路选取，提出了基于设计运行条件（ODC）边界的测试方法，结合乘员主观评价形成自动驾驶汽车实际道路测评体系。选取我国典型道路开展的试验结果表明，本文中提出的测评体系具有可行性和普适性，可作为一种标准化方法广泛应用。     

基于SEM的自动驾驶汽车接受度模型与风险分析

为了探究社会大众对自动驾驶汽车的接受度及其影响因素,通过对自动驾驶汽车的风险评估,基于TAM模型增加外部变量,改进感知易用性与感知有用性,建立自动驾驶汽车接受度研究模型。将研究模型中假设的外部变量、潜在变量、认知变量与自动驾驶汽车社会接受度的关系进行Pearson相关性与Kendall相关性检验。基于相关性检验剔除无关因素变量,建立线性回归模型,对相关因素与自动驾驶汽车接受度的关系进行了探究,并以此建立接受度结构方程模型,对各个变量与自动驾驶汽车社会接受度之间的因果关系进行了进一步研究论证。结果显示,法律伦理的认知对自动驾驶汽车接受意向产生（E =0.038,P < 0.001）显著正影响。驾龄、驾车频率对接受意向产生（E =-0.044,P < 0.001）显著负影响。学历通过促进公众对自动驾驶汽车正面的认知、抑制负面认知,从而对公众接受意向产生（E =0.172,P < 0.001）显著正影响。功能的认知会促进公众对自动驾驶汽车正面影响的认知,从而对接受意向产生（E =0.444,P < 0.001）显著正影响。      

基于横向稳定的减速变道轨迹与跟踪控制

随着自动驾驶的发展,无人自动驾驶车辆的控制已经成为热点.而无人自动驾驶车辆的安全性和稳定性是重中之重.针对智能驾驶汽车在一定换道距离下保持稳定的减速换道鲁棒性差的问题,提出了 一种基于MPC模型预测控制器和比例积分PI控制器相结合双控制器的变道稳定性轨迹确定与跟踪控制方法.为了确定汽车行驶路线,横向与纵向位移分别由5次...     

基于系统辨识的自动驾驶控制算法开发及实车验证

为了实现对自动驾驶车辆更优的控制效果,文章首先研究了自动驾驶车辆的动力学模型,并运用系统辨识技术,设计实车试验完成对模型中关键参数轮胎侧偏刚度的辨识;接着设计了模型预测控制的具体算法;最后通过实车试验,在自动泊车场景中验证了算法的有效性,取得了良好的控制效果。     

自动驾驶汽车状态估计的矩阵加权自适应扩展卡尔曼滤波方法

针对自动驾驶汽车状态和故障估计问题,基于自适应扩展卡尔曼滤波（AEKF）理论提出了一种矩阵加权多传感器信息融合估计方法。首先,将自动驾驶汽车运动学模型进行离散化处理;然后,以极小化多传感器量测估计误差向量均方和为目标,采用拉格朗日极值求解方法设计了矩阵加权多传感器信息融合方法;最后,在低精度传感器、高精度传感器、融合估计3种条件下仿真验证该方法的正确性。结果表明,与单个传感器情形相比较,所提出的方法能较好地估计自动驾驶汽车的位置、航向角、速度信息以及执行机构故障信息,为自动避障、自动泊车等精准测控任务提供参考。     

基于行程时间的人车特征动态辨识方法CSCD

实现对驾驶倾向性、汽车类型的动态识别对构建以人为中心的汽车安全驾驶辅助系统具有重要意义。本文以驾驶员隐私保护为基础,利用车载全球定位系统(GPS)捕获的行程时间,建立基于Bayes决策树的人车特征动态辨识模型,识别汽车不同类型及其驾驶员倾向性。通过设计实车和虚拟驾驶实验分别验证在不同渗透率条件下的人车特征辨识效果,验证结果表明,本文建立的人车特征辨识模型准确率在80%以上,明显优于传统决策树模型;通过设计仿真实验验证了考虑驾驶倾向性的微观仿真和实际情况具有较好相合性,仿真验证结果间接证明本文研究成果的合理性。     

线控汽车驾驶员特性辨识算法的研究

线控汽车相对于传统汽车具有较多的控制自由度,控制算法设计可将人的因素考虑在车辆集成控制中,进行人性化设计,变"人适应车"为"车适应人",最终实现车辆的安全、智能驾驶。文中确定了驾驶员特性辨识系统,以转向行为为例,对驾驶员特性进行分类,并采用神经网络方法建立了辨识模型,在驾驶模拟器上对所研究方法进行实验验证。结果表明,所建立的驾驶员特性辨识模型有较高精度,能对驾驶员特性进行预测,方法可行。     

基于生态驾驶的自动驾驶汽车交叉路口控制策略研究

为了进一步提高自动驾驶汽车在交叉路口行驶时的燃油经济性,基于模型预测控制（MPC）理论,量化分析了车辆安全性、经济性、舒适性等多性能指标函数及约束,并设计了以经济性为主的交叉路口自动驾驶汽车生态驾驶控制器。仿真结果表明,所提出的控制策略能够保证良好的安全性和舒适性,与LQR控制器相比,在有前车影响和无前车影响工况下的百公里油耗分别降低15.83%和34.98%。     

基于整车在环仿真的自动驾驶汽车室内快速测试平台

整车在环仿真测试方法可以安全、高效地验证复杂环境和极端工况等场景下自动驾驶汽车性能的有效性，基于此研发一种基于整车在环仿真的自动驾驶汽车室内快速测试平台，该平台由前轴可旋转式转鼓试验台、试验台测控子系统、虚拟场景自动生成子系统、虚拟传感器模拟子系统、驾驶模拟器、自动驾驶汽车和测试结果自动分析评价子系统组成。通过在试验台滚筒上独立加载转矩模拟车辆行驶阻力，可动态模拟不同的路面附着系数，同时利用坡度、侧倾和转向随动机构可模拟车辆俯仰角、侧倾角和航向角3个自由度；采用虚拟现实技术柔性集成车辆动力学模型、传感器仿真、复杂道路交通环境及测试用例仿真，模拟多种道路交通场景，并通过传感器仿真及数据融合等技术快速测试自动驾驶汽车智能感知与行为决策等性能指标。将自动驾驶汽车、虚拟仿真场景和试验台耦合构建一个闭环系统，完成了多项关键技术研发，包括：多自由度高动态试验台结构设计、虚拟测试场景自动重构方法和传感器数据模拟及注入方法，可满足在各种场景下测试自动驾驶汽车整车性能的需求。此外，为验证快速测试平台的有效性，以U-turn轨迹跟踪控制为研究实例，基于简化的车辆运动学模型和模型预测控制算法，在平台上搭建U-turn场景并对自动驾驶汽车的轨迹跟踪控制算法性能进行大量测试。结果表明：自动驾驶汽车室内快速测试平台可以真实地模拟汽车在道路上的运行工况，自动驾驶汽车在虚拟场景中的轨迹跟踪效果良好，与参考轨迹的偏差小于8%，证明了该测试平台检测方法的有效性。     

汽车操纵稳定性的模拟器闭环评价与试验方法

本文以汽车操纵稳定性的闭环评价为目的，利用吉林大学汽车动态模拟国家重点实验室的开发型驾驶模拟器（ADSL驾驶拟器）进行了汽车操纵稳定性的闭环试验研究。提出汽车操纵稳定性的评价应是包含驾驶员在内的闭环系统评价，并建立了汽车操纵稳定性的模拟器闭环试验方法，利用模拟器试验对汽车操纵稳定性综合评价指标的合理性进行了验证。     

驾驶机器人车辆动态制动力矩补偿

为了减小长期自动驾驶过程中制动性能下降带来的影响,提出了一种驾驶机器人车辆动态制动力矩补偿方法。首先建立了以车速和制动踏板力为输入,制动力矩为输出的驾驶机器人车辆制动性能离线自学习模型。然后考虑到驾驶机器人车辆长期自动驾驶导致离线自学习模型可靠性下降,建立了以车速和制动踏板力为输入,制动力矩为输出的扩展自回归在线辨识模型,并采用模糊变遗忘因子递推最小二乘法进行参数辨识。模糊变遗忘因子递推最小二乘法通过引入遗忘因子的方式,对数据施加时变加权系数,以避免出现数据增长导致的数据饱和现象。模糊变遗忘因子控制器以制动力矩辨识误差为输入,经模糊规则推理实时输出合适的遗忘因子进行参数辨识,能够有效均衡驾驶机器人车辆制动性能参数辨识的稳定性与收敛速度。驾驶机器人车辆自动驾驶过程中,根据当前车速与目标车速的大小计算出所需的制动力矩,加上反馈回来的制动力矩误差,并结合当前时刻的车速,利用制动性能离线自学习模型与机械腿逆向运动学模型实时计算出制动电机输出位移量,实现对驾驶机器人车辆制动力矩的在线补偿。仿真与试验结果表明:利用所提出的方法对车辆动态制动力矩进行辨识时,通过调节遗忘因子,辨识结果能够快速收敛且辨识误差较小。在此基础上,控制驾驶机器人车辆进行纵向车速跟踪时,能够有效减小制动性能下降造成的影响,保证控制车速跟踪误差在±1km·h-1之内。     

基于卷积神经网络的汽车操纵稳定性试验类型识别方法

针对汽车操纵稳定性试验评价指标自动化处理需要自动识别试验类型的需求，提出一种基于卷积神经网络的汽车操纵稳定性试验类型自动分类方法。在分析汽车操纵稳定性试验类型数据图像特征的基础上，建立了由1个输入层、3个卷积层、3个批归一化层、2个最大池化（Max-pooling）层、5个线性整流函数（ReLU）层、3个全连接层、2个活化（Dropout）层、1个激活函数（Softmax）层和1个分类输出层组成的汽车操纵稳定性试验类型分类卷积神经网络模型。利用2 250组试验采集的数据对模型进行了训练和验证。经验证，类型分类准确率为99.33%，平均识别时间为0.05 s。结果表明，本文提出的基于卷积神经网络的汽车操纵稳定性试验类型自动识别方法可有效区分不同试验类型，可用于汽车操纵稳定性试验结果的自动处理，显著提升汽车操纵稳定性试验自动化处理水平。     

自动驾驶汽车的仿真

随着汽车自动化程度的提高，自动驾驶汽车已成为国内外的研究热点之一。本文设计了一种自动驾驶汽车的模型，它能根据道路的弯曲程度变化实时地计算出车辆的转向角度输入，控制车辆按照预设想道路行吮。     

基于自然驾驶数据的自动驾驶汽车安全性评价方法

自动驾驶汽车进行大规模市场推广前必须进行准确可靠的安全性评价，由于自动驾驶系统复杂程度的增加及设计运行区域的扩大，面向传统汽车的评价方法已不能满足自动驾驶汽车的安全性评价需求,基于此，建立一种基于自然驾驶数据的自动驾驶汽车安全性评价方法，可解决现有方法在逻辑场景层面安全性评价的缺陷。首先，建立基于自然驾驶数据的逻辑场景构建流程，分析场景描述参数，搭建自然驾驶数据采集平台采集相关自然驾驶数据，采用高斯分布模型描述参数概率分布；进而，离散逻辑场景参数空间获取具体测试用例，并在建立的PreScan、CarSim和MATLAB联合仿真平台中对被测自动驾驶算法进行仿真遍历测试，通过高斯模型将测试结果中的危险场景参数聚类，获取被测算法在逻辑场景中的危险区域；最后，综合考虑逻辑场景参数空间概率分布和得到的相应逻辑场景危险区域，提出基于自然驾驶数据的自动驾驶汽车安全性评价指标——场景风险指数，并以前车制动和前车切入场景为例，给出某黑盒算法的具体评价示例。研究结果表明：被测算法在前车制动场景和前车切入场景中的场景风险指数分别为0.409 8和1.08×10^-5，在前车制动场景中具有较大的安全风险，与仿真测试的直观结果相符；通过比较计算得到的场景风险指数与实际仿真测试结果可证明所提出的方法可以实现逻辑场景层面的自动驾驶安全性量化、易于操作、贴近自然驾驶情况。     

基于RMPC的自动驾驶货车路径跟踪控制

针对自动驾驶货车相较于普通乘用车具有较大模型不确定性、执行器偏差以及存在曲率扰动等外部影响因素导致路径跟踪精度不足问题，本文提出一种基于鲁棒模型预测控制（robust model predictive control,RMPC）的分层式控制方法。首先，在转角增量式控制误差模型的基础上，根据实际车辆系统与标称模型之间的偏差，设计鲁棒控制律并构建上层多目标约束RMPC控制器，提高跟踪精度。然后，针对自动驾驶货车不足转向以及定位误差问题，设计下层转角补偿器和基于中值滤波的状态估计器，改善执行响应，提升车辆稳定性。最后，通过TruckSim/Simulink联合仿真和实车试验验证，结果表明：所提出的控制方法能够有效处理模型失配和不确定性扰动，具备良好的鲁棒性和适应性。     

日产汽车公司公布“自动驾驶”汽车

日产汽车公司近日向媒体公开了利用近红外线探测器（前轮前方的黑色长方形部分）等装置实现自动驾驶的“自动驾驶汽车”,该车是在电动车“LEAF（中国名：聆风）”的基础上研发的自动驾驶试制车。该车配备了利用声波、电波、光的感应装置以及5个摄像头。汽车内置的“人工智能”设备将对其探测到的车道、其他行驶中的汽车、障碍物、道路信号及标识等信息进行识别,无需驾驶员操控方向盘就能自动行驶。油门和刹车等装置也将实现自动操控。 该车要实现商品化还需要等待主要国家规范了“自动驾驶”相关法规之后才能销售。目前,日本国土交通省正在讨论分阶段允许“自动驾驶汽车”在高速公路上行驶事宜。作为设想,最终希望实现自动和手动驾驶的汽车在同一车道内行驶。     

自动驾驶仿真系统中网络安全测试方法研究

本文介绍了高级自动驾驶汽车网络安全的检测方法,形成将网络安全模型与车辆仿真测试模型相结合的测试框架。仿真测试综合汽车动力学模型、路况、天气、感知等多种模型,能够全面系统地测试自动驾驶系统的功能和性能。通过分析得到的针对自动驾驶的网络安全威胁模型与仿真模型相结合,可以体系化地验证自动驾驶系统对抗网络安全威胁的能力,是推动自动驾驶网络安全检测的积极尝试。     

人机混驾环境下无信号交叉口自动驾驶汽车左转运动规划研究

为了使自动驾驶汽车在人机混驾环境下能安全、高效地左转通过无信号交叉口，在借鉴人类驾驶人左转时会对周围车辆驾驶意图进行提前预判的基础上，提出了一种基于周围车辆驾驶意图预测的自动驾驶汽车左转运动规划模型。首先将无信号交叉口处周围车辆的驾驶意图分为左转、右转、直行3种类型，利用相关向量机预测周围车辆驾驶意图，以概率形式输出意图预测结果并实时更新，进一步界定自动驾驶汽车与周围车辆的潜在冲突区域并判断是否存在时空冲突；接着，在充分考虑他车速度、航向及车辆到达冲突区域边界距离的基础上建立基于部分可观测马尔可夫决策过程的自动驾驶汽车左转运动规划模型，生成一系列期望加速度；最后，基于Prescan-Simulink联合仿真平台搭建无信号交叉口仿真场景，对所提左转运动规划方法进行仿真验证，将基于博弈论的运动规划方法、基于人工势场理论的运动规划方法与所提出的方法进行比较，并选取行进比例达到1所用的时间和碰撞次数作为评价指标。研究结果表明：基于相关向量机的驾驶意图预测方法可在自动驾驶汽车到达交叉口之前准确预测出他车驾驶意图；基于部分可观测马尔可夫决策过程的左转运动规划方法能够通过速度调整策略实现人机混驾环境下自动驾驶汽车与周围车辆在无信号交叉口处的交互；不同算法对比效果表明，所提左转运动规划方法在自动驾驶汽车与不同数量周围车辆交互的仿真场景下均可有效避免碰撞事故发生并提高自动驾驶汽车左转通过无信号交叉口的效率。     

自动驾驶汽车事件数据记录系统方案设计

随着汽车自动驾驶技术的发展,目前的EDR的标准无法满足自动驾驶汽车事故重建的要求.本文设计了自动驾驶汽车事件数据记录系统,包括系统的组成及控制原理,并定义了事件检测触发模块、数据缓存模块、数据记录模块.同时还设计了基于统一诊断服务读取/清除自动驾驶汽车事件数据的方法,用于辅助分析自动驾驶事故原因以及自动驾驶系统验证评估...