面向动静态混合环境的智能车运动规划方法

针对存在动态和静态障碍物环境中的智能车运动规划问题，本文提出一种基于三维搜索的方法。该方法首先在笛卡尔坐标系中增加时间维度以建立时间-空间栅格，构建不同车速下的车辆运动基元；将智能车转化为多个圆心组成的线段，采用膨胀静态障碍物的方法进行不规则障碍物碰撞检测，运用时间间隔法将动态障碍物碰撞检测简化为线段交叉性检测；构建包含最大速度和加速度约束的速度启发式函数，用于引导搜索树在时空空间中快速到达目标位置和速度；最后基于启发式方法和局部运动规划方法在时空栅格中进行搜索，获取融合时间信息和“停止-等待”等决策信息的运动轨迹。实验结果表明：本文运动规划方法在动静态混合环境中能够引导智能车安全行驶，相比速度障碍方法，安全行驶的平均成功率提升23%；相比混合A*方法，平均成功率提升19%，行驶耗时缩短21%。     

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...     

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...     

大规模路网中分布式车辆群体协同决策方法

为解决车路协同环境下大规模路网中车辆群体协同决策问题,提出了分布式车辆群体协同决策方法;在深入分析交通控制特性的基础上,构建了路网分解模型,将大规模协同决策问题分解成若干个同质小规模子问题,每个子问题覆盖了上游路段、路口和下游路段这3类不同交通区域;基于虚拟车辆映射技术构建了车辆群体协同决策模型,将路口区域二维车辆群体协同决策问题转化为一维问题;与路段区域内车辆群体协同决策方式相同,在路口区域内通过控制虚拟车队中车辆的等效车头时距来完成车辆之间的交互和冲突消解,进而采用统一的协同决策参数来解决各子问题中不同区域内车辆群体的协同决策问题;基于不同区域内车辆群体协同决策参数的统一化,设计了上、下游区域之间的协作机制来保证上游车辆在充分考虑下游交通状态的基础上做出合适的驾驶决策。仿真结果表明：在不同的交通需求设置下,采用提出的方法后,车辆在通过冲突区的过程中均具有平滑的时空轨迹,避免了车辆时空轨迹出现剧烈波动;相对于纯分布式方法,提出的方法在给定的仿真条件下可使车辆燃油消耗最大降低14%;因此,在大规模路网中实施提出的分布式车辆群体协同决策方法可有效降低冲突区对车流连续性的影响,从而保证了车...     

基于合作博弈的合流区加速路段智能网联汽车协同控制

在智能网联环境下,为减少匝道合流区内车辆冲突、提高合流区加速路段车辆的舒适性与通行效率,提出了基于合作博弈的合流区车辆协同控制方法。首先,根据高速公路合流区道路条件和车辆运行状态,综合考虑行车舒适度成本和车辆通行延误构建加速路段车辆行驶的目标成本函数;然后,应用合作博弈对车辆通行次序进行分析,得到目标成本最小的车辆通行序列,并引入拉格朗日矢值函数求解车辆运动方程,推导出车辆在加速路段运行的最优纵向轨迹规划解析解。最后,以武汉市二环线某立体交叉口集散车道及匝道形成的合流区为例,构建合流场景并进行仿真实验,结果表明,相比于“先进先出”序列,所提合作博弈序列可使车辆行驶总成本降低4.54%,同时在保证车辆通行效率的前提下,使车辆行驶舒适度成本降低78.38%。这表明,在智能网联环境下,基于合作博弈的车辆序列能保持较高的通行效率,能提高行车舒适性。     

基于强化学习的智能车人机共融转向驾驶决策方法

针对智能车人机共融驾驶系统中人和自主驾驶系统的驾驶权连续动态分配问题,尤其是因建模误差导致的权重分配方法适应性低的难题,提出了基于强化学习的人机共融转向驾驶决策方法;考虑驾驶人的转向特性,搭建了基于双点预瞄的驾驶人模型,并采用预测控制理论建立了智能车自主转向控制模型,构建了智能车人机同时在环的转向控制框架;基于Actor-Critic强化学习架构,设计了用于人机驾驶权分配的深度确定性策略梯度(DDPG)智能体,以曲率契合度、跟踪精确性和乘坐舒适性为目标,提出了基于模型的收益函数;构建了人机共融驾驶权分配强化学习框架,包含驾驶人模型、自主转向模型、驾驶权分配智能体以及收益函数;为了验证方法的有效性,招募了8位驾驶人开展共计48人次的模拟驾驶试验。研究结果表明:在曲率适应性验证中,人机共融-DDPG方法优于人工驾驶和人机共融-Fuzzy方法,跟踪性平均提升70.69%、39.67%,舒适性平均提升18.34%、7.55%;在速度适应性验证中,车速为40、60和80 km·h-1条件下,驾驶人权重大于0.5的时间占比分别为90.00%、85.76%、60.74%,且跟踪性相轨迹和舒适性相轨迹都能有效收敛。可见,提出的方法能够适应曲率和车速变化,在保证安全性的前提下提升了跟踪性和舒适性。      

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。     

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.      

混合示教长短时记忆网络的车辆轨迹预测研究

为实现智能网联车对周围车辆运行轨迹准确地长时预测，本文提出一种混合示教解码的长短时记忆网络的车辆轨迹预测方法。首先，通过特征筛选和历史轨迹序列标注建立轨迹预测数据集；其次，构建长短时记忆网络的编码器-解码器模型，编码器将自车和周围车辆历史轨迹及道路环境信息编码为上下文向量，解码器采用混合示教的模式将上下文向量解码动态解码为未来轨迹；最后，采用真实道路数据集NGSIM US101和I-80路段验证模型的可行性。多组对比分析实验结果表明：本文所提方法在长时域预测的终点位移误差指标上的有效性和优越性，5 s的终点位移误差在2.7 m以内；并且模型在稀疏采样后的数据集上达到更高的预测准确率，5 s的位移误差在1.3 m以内。     

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.     

基于动态概率网格和贝叶斯决策网络的车辆变道辅助驾驶决策方法

提出了一种车辆变道辅助决策方法, 向驾驶人提供变道行为决策; 构建了由车载GPS、相机传感器和雷达组成的行车环境信息传感装置, 利用非采样B样条曲线模型对车道线建模, 通过控制点位置求解与搜索策略实现车道线的检测、跟踪与类型识别; 根据车道线信息确立有效行车区域, 并建立了一种动态概率网格的行车环境几何模型, 对有效行车区域进行紧凑型表征; 考虑了车辆对行车环境表征结果可靠性的影响, 根据高斯分布将车辆位置信息映射到动态概率网格中, 计算了每个行车单元的占用概率; 将车道线信息与网格单元占用概率作为初始节点状态参数, 输入贝叶斯决策网络, 估计概率网格单元的占用状态, 量化输出当前行车环境表征结果以及不变道、向左变道、向右变道3种变道决策的期望效用值, 通过计算各决策的期望效用值比率确定最优变道决策。试验结果表明: 在场景1中“向左变道”决策的期望效用值最大, 为0.70, 视为最优决策, 在其动态概率网格中, 右侧车道线“实线”状态参数为100.00%, 因此, “向右变道”决策效用期望值最小, 决策系统输出的最优决策“不变道”符合中国交通法规, 也表明检测车道线类型的必要性; 场景2的“不变道”和“向右变道”决策期望效用值分别为0.43和0.44, 比率接近1, 无法判断最优决策, 驾驶人可根据经验决定是否变道。      

一体式车辆避撞轨迹规划与跟踪控制

为提升复杂交通环境中智能车辆的避撞能力,将路径规划、速度规划及跟踪控制整合为一个优化问题,提出一种基于模型预测控制(MPC)的一体式车辆避撞轨迹规划和跟踪控制方法。首先,分析实际交通环境中的避撞场景,将智能车辆的避撞控制问题转化为多约束优化问题;其次, 搭建7DOF(七自由度)车辆动力学模型和复合滑移工况的UniTire轮胎模型设计MPC控制器;再次,针对变速控制问题中传统基于时域预测模型的MPC控制方法无法在预测时域中实现车辆空间和位姿约束的问题,设计了基于空间域预测模型的MPC控制器;最后,基于Matlab和CarSim联合仿真平台设计了不同避撞场景验证所提方法,并与现有基于恒速假设的一体式避撞控制方法进行对比。仿真结果表明：所提方法能够充分发挥车辆的机动性能,解决现有一体式控制方法在 复杂环境中避撞失败的问题,并保证避撞过程稳定和轨迹平滑。     

城市干线短交织区元胞自动机多级换道决策模型

为探索城市干线短交织区交通运行特性,基于高精度车辆轨迹数据,提出细化元胞尺寸与步长的交织区元胞自动机多级换道决策模型.划分上下游、交织影响区等多个分区,独立设置变量与规则进行建模;考虑车辆换道速度差、间距及换道安全风险,建立上下游换道模型,交织影响区多级换道决策模型;对未分区换道模型(I),分区STCA换道模型(II),分区多路合流换道模型(III),本文模型(IV)进行仿真验证.与实测数据相比,本文模型平均车道流量误差仅为 1.64%. 模型 I~IV 在交织影响区的平均速度误差分别为 98.35%、23.77%、16.46%、7.45%,换道次数误差分别为33.34%、97.75%、62.97%、11.85%.结果表明,本文模型能有效模拟短交织区复杂的换道行为及交通流特性.     

多车道交织区车辆跟驰行为风险判别与冲突预测

车路协同系统(IVICS)是保障安全高效出行的新兴技术之一,将高精度车辆轨迹数据与机器学习方法相结合,提出一种可应用于IVICS的多车道交织区的潜在风险判别与冲突预测方法.首先,基于无人机视频,从广域视角提取交织区交通矢量位置、速度等信息,并划分上下游、交织影响区等多个分区;然后,考虑决策行为(车车边缘距离、接近率)与...     

考虑前车状态的智能网联车交叉口行为决策

为使智能网联汽车（intelligent connected vehicle, ICV）在复杂交通环境下高效、安全地通过信号交叉口，在车联网实时获取信号灯和前车状态信息的基础上，建立了智能网联汽车通过信号交叉口的驾驶行为决策框架. 通过跟驰模型推导智能网联汽车和前方车辆在未来的行驶状态，预测得到前方车辆是否要通过交叉口的行为，进一步分别对智能网联汽车是领头车和跟随车时通过交叉口停止线的条件进行判断；将换道加入到驾驶方式中来寻求更高的通行效率，用基于换道时间模型的方法判断智能网联汽车换道后的通过条件；仿真对比分析了所提出模型和现有模型的决策能力，讨论了影响决策过程的关键因素. 研究结果表明:相比于现有模型，综合信号灯和前车行驶意图的决策方法能够提高智能网联汽车对通行条件判断的准确性，从而进行更合理的行为选择，随着单位绿灯剩余时间的增加，车辆决策通过交叉口的概率可提高20%，当前车道的车辆位置对决策结果影响显著.      

基于安全势场的网联自主车辆跟驰行为决策及模型

为改善网联自主车辆(CAV)的跟车安全和效率,针对CAV通过对周围环境进行感知进而进行自主决策的特点,首先,建立包含车道线势场、道路边界势场和车辆势场的安全势场模型,系统地刻画CAV在行驶过程中面临的安全风险,在安全势场模型的建立过程中,针对现有车辆势场函数存在引力和斥力表达式分割独立的缺陷,借鉴分子间相互作用关系建立统一的基于LennardJones势的车辆相互作用势场函数,并将加速度参数引入到车辆势场中,加速度的变化直接影响车辆势场的分布,能够有效地反映车辆在不同运行状态下安全势场的动态变化趋势;然后,将安全势场应用于CAV跟驰行为决策,并通过上海自然驾驶数据集标定模型参数;最后,选择与现有经典的智能驾驶人IDM和可变车头时距VTH模型进行仿真对比。结果表明：与其他两种模型相比,该模型在所设计的3种交通场景中有更平滑的响应曲线来改善跟车安全和效率,验证了模型的有效性。研究成果可为CAV的上层控制设计提供理论支撑,也为CAV安全技术的研究提供了 独特的途径。