用于城区交叉口闯红灯预测的车辆轨迹特征参数分析

通过对比闻红灯预测算法的性能,选择出用于区分车辆走、停行为的车辆轨迹特征参数.为实现对交叉口车辆闯红灯行为预测,根据闯红灯车辆为在红灯亮起后通过停止线的车辆这一定义,提出闯红灯预测算法的两个主要功能:估计车辆到达停止线的时刻;预测车辆到达停止线后的走、停行为.研究结果表明:在速度、加速度、行驶时间和车头时距4个物理量中...     

基于MPC的无人驾驶汽车轨迹控制研究

为更好地实现对无人驾驶汽车行驶路径的跟踪修正,基于模型预测算法控制车辆的车速和横摆角。通过建立车辆运动学模型、制定目标函数、确定约束条件,设计出了轨迹跟踪控制器。并通过Matlab/Simulink、CarSim软件搭建模型预测控制算法。结果显示,在预定工况下,车辆参考路径和实际行驶误差较小,并有较好的横向稳定性。结果表明该算法能在一定程度能保证无人驾驶汽车的安全性,为智能车辆控制提供了基础。     

无人驾驶车辆轨迹跟踪控制研究综述

本文以无人驾驶车辆轨迹跟踪控制为研究对象,首先分析了无人驾驶车辆的轨迹跟踪控制所需的车辆系统模型,然后分析了无人驾驶车辆常用的轨迹跟踪控制器的设计。通过分析发现,目前常用于轨迹跟踪控制的车辆动力学模型为单轨模型,应用LQR控制算法进行轨迹跟踪控制时的状态权重矩阵Q和控制权重矩阵R的选取较为重要,纯跟踪算法在低速工况时的轨迹跟踪效果较好,线性时变模型预测控制相比于非线性模型预测控制的轨迹跟踪效果更好。     

基于MPC的无人驾驶汽车轨迹跟踪研究

随着无人驾驶技术的快速发展和广泛应用,轨迹跟踪控制已成为实现安全、可靠的自动驾驶功能的核心问题之一。基于此,提出一种基于模型预测控制（MPC）的无人驾驶汽车轨迹跟踪方法,以提高车辆在不同工况下的跟踪精度和稳定性。首先,建立了简化的无人驾驶汽车三自由度运动学模型,并对其进行了线性化和离散化处理。其次,基于该模型设计了MPC轨迹跟踪控制器,详细推导了目标函数和约束条件,并将其转化为二次规划问题进行求解。最后,通过Simulink/Carsim联合仿真平台,对所设计的控制器进行了验证。仿真结果表明,在圆形轨迹和直线轨迹跟踪中,MPC控制器均表现出良好的性能,横向最大误差小于0.35 m,纵向最大误差小于0.3 m（圆形轨迹）和0.15 m （直线轨迹）,且在不同车速下均能保持较高的跟踪精度。所设计的MPC控制器能够有效满足无人驾驶汽车的轨迹跟踪要求,为无人驾驶系统的实际应用提供了一定的参考价值。     

无人驾驶车辆轨迹跟踪控制

近几年来,随着无人驾驶技术的快速发展和广泛应用,有关无人驾驶的关键技术吸引了大量国内外学者的青睐和研究。一方面,对无人驾驶技术的研究为现代智能汽车的开发提供了理论基础;另一方面,日益成熟的无人驾驶技术能大大提升车辆乘坐舒适性和汽车行驶安全性,同时为智能交通系统的发展和应用提供技术支撑。轨迹跟踪问题是无人驾驶车辆开发中的关键技术难题之一。文章基于汽车运动学模型,分别采用纯跟踪算法和斯坦利算法对无人驾驶车辆进行轨迹跟踪控制,并通过 MATLAB/Simulink 软件分别验证两种算法在同一工况下的轨迹跟踪效果。结果表明,在低速情况下两种算法都能够使无人驾驶车辆良好地跟踪参考轨迹。而在中高速情况下,两种控制算法的跟踪效果都不是很理想。     

城市干路交叉口右转车辆轨迹流线与曲率特性分析

为明确城市干路交叉口汽车右转的轨迹特性和轨迹曲率模式,使用无人机在重庆市4个城市道路交叉口上方进行高空拍摄。利用图像分析方法采集了右转车辆的轨迹数据,包括时间、行驶速度和轨迹坐标等,通过对相邻轨迹点外接圆半径的计算得到轨迹曲率。运用轨迹线-车道边缘线的间距值分析了右转车辆轨迹通过位置分布与交叉口几何布局之间的关系,明确了交叉口右转车辆轨迹的曲率特性。运用聚类方法识别了右转车辆的6种轨迹曲率形态,确定了不同轨迹曲率形态下的常见驾驶行为,并研究了车辆行驶速度与轨迹曲率的相关关系。研究结果表明：①交叉口几何布局（包括路缘半径、车道宽度和出口车道数）对右转轨迹通过位置分布存在影响;②带渠化设计的右转专用道可以限制轨迹分布范围,减少右转交通的冲突和延误;③在右转过程中公交车辆较小型汽车所需侧向空间更大,轨迹分布的离散程度更低;④轨迹曲率的关键点与圆曲线设计中的主要点变化趋势不一致;⑤车辆加速度与轨迹曲率变化率呈负相关关系,相关系数为-0.843 5;⑥行驶速度与等效半径存在正相关关系,车辆行驶速度越快,圆曲线内轨迹的等效半径越大。     

单车场景下城市交叉口的智能驾驶车辆左转决策研究

在复杂动态的城市道路环境中,不同的交通参与者之间会不可避免地产生时间或空间上的冲突.针对该问题,对智能驾驶车辆在城市交叉口左转时潜在的冲突行为进行分析并建立决策模型.考虑了车辆运动模式并基于高斯过程回归模型(GPR)建立了直行车辆长时轨迹预测模型,结合轨迹预测提出了基于冲突消解的智能驾驶车辆决策流程(模型)和考虑多因素...     

无人驾驶车辆轨迹跟踪控制研究

为了提升智能车辆在轨迹跟踪控制中的性能,文章基于车辆运动学模型建立了一种带有前馈补偿和反馈最优控制策略的线性二次型调节器(LQR)轨迹跟踪控制算法.并通过搭建Carsim/Simulink联合仿真模型,验证该算法在不同工况下的轨迹跟踪效果.结果表明,该算法在不同车速和不同路面附着条件下都能保证无人驾驶车辆准确地跟踪参考...     

考虑能效均衡的信号交叉口车辆协同轨迹优化策略

为缓解信号交叉口区域交通拥堵与污染物排放问题,建立了考虑能效均衡的信号交叉口车辆上下游协同轨迹优化模型。根据信号灯相位配时建立上游区域车辆通行预判模型,基于能源消耗与通行效率建立车辆上下游协同轨迹优化策略,采用带精英策略的非支配排序遗传算法求解多目标优化模型的最优速度曲线,并与无引导方法、三角函数优化法进行了对比试验,结果表明,采用所提出的多目标优化引导算法最大可减少交叉口上下游区域的燃油消耗量21.05%,缩短行程时间13.85%,具有更好的适应性和鲁棒性。     

人机混驾环境下基于深度学习的车辆切入轨迹预测

为保证人机混驾环境下自动驾驶汽车的安全行驶,对周围车辆切入轨迹的预测至关重要.本文首先使用Savitzky-Golay滤波器对大规模采集的自然驾驶数据进行去噪处理,根据准则提取车辆切入片段,建立符合中国道路状况的车辆切入数据集.其次,发挥Bi-LSTM网络能充分利用上下文信息的优点和in-out快捷连接有效减少梯度消失...     

自动驾驶功能使用意愿的影响因素分析

尽管越来越多配备自动驾驶功能（automated driving function,ADF）的车辆走向市场,但用户的实际使用率并不高。为了促进用户对车辆中自动驾驶功能的认可与应用,了解用户对ADF的使用意愿及其影响因素成为关键。先前的研究调查了在车辆中使用自动化功能的意愿,但这些研究大多受限于技术,调查的对象往往缺乏充分的使用体验。因此,有必要基于充分体验过的用户群体开展调查。研究进行了一项广泛的问卷调查,面向有过使用经验或体验的驾驶人,从人口统计学、行为模式和感受评价3类用户信息入手,探究影响使用意愿的关键因素。研究基于文献和成熟量表,构建了ADF使用意愿的调查问卷,通过线上和线下方式共收集有效问卷223份。通过相关性分析和层次回归分析构建ADF使用意愿预测模型,探究了3类用户因素对用户使用意愿的影响。研究结果表明：(1)当前环境下,构建的ADF使用意愿预测模型能够解释68.9%的变异;(2)感知安全是最大的预测因素,共解释了使用意愿36.2%的变异;(3)新技术倾向、感知有用性、信任、了解程度和年龄对使用意愿的影响同样显著,其中新技术倾向是行为模式信息中影响使用意愿的最大因素;(4)尽管用户的行为模式对自动驾驶使用意愿的影响显著,但仍然可以通过良性的驾驶体验提升使用意愿。     

基于封闭试验场的驾驶模型生成方法研究

本文从封闭试验场驾驶模型的特殊性出发,采用合理的试验方案,得到了高精度的车速,定位(经度和纬度),航向角等数据.然后进一步地利用支持向量回归算法,得到基于封闭试验场的轨迹模型和速度模型.最终形成了驾驶模型,为下游仿真提供了更为可靠的智能驾驶速度曲线输入,从而不仅可以部分代替实车试验,减少实车的制造,降低开发成本,而且还...     

利用激光点云的城市无人驾驶路径规划算法

为了解决随机采样算法受感知环境不确定性影响下的弱鲁棒性以及弱可靠性问题,采用一种基于激光空间势场的渐优随机采样算法框架来设计符合无人驾驶需要的规划算法。针对感知环境的不确定性,首先基于势场原理与激光障碍物点云构建一个融入了斥力场的规划空间,解决激光障碍物提取中的过分割等问题。其次,利用规划空间来处理随机采样算法中的采样策略、最优母节点选取策略、修剪策略以及最终路径选择策略。再次,在算法中加入了Anytime策略来提高优化解的利用率,使得算法的计算效率满足无人驾驶实时性的要求。同时,为了保证无人驾驶中规划路径的鲁棒性与可靠性,创建了一个综合5重因素的代价函数来选择最优路径,并根据不同的无人驾驶场景来调整相对应的参数;最后在城市测试道路上进行了实地测试。结果表明:设计的算法框架能够适应最高时速40 km·h-1的城区驾驶环境,并能完成跟驰、换道、融入以及静动态障碍物的避障决策。在与SST算法的对比试验中,所提出的算法在各个试验中的轨迹、方向盘转角以及速度的平滑性都优于SST算法,其轨迹与障碍物的距离也优于SST算法。     

基于改进三元素避障模型的轨迹规划研究

针对有动态障碍物干扰的交通环境,提出一种能描述车辆自身与障碍物运动关系的几何避障模型。通过将自车与障碍物空间距离分解为两个方向的距离,并结合自车与障碍物的相对速度得到三元素,建立基于三元素的改进避障模型。以模型预测控制原理（MPC）为基础,将离散化的车辆运动学模型作为预测模型,结合Frenet坐标系综合考虑道路边界、车辆自身机械结构、车辆行驶安全与舒适性等因素构建目标函数以及约束,最终建立非线性规划问题并求解。以金康赛力斯SF5作为试验车辆,加装硬件及传感器,搭建自动驾驶软件平台。在ROS+Matlab/Simulink软件平台上,部署轨迹规划算法进行实车试验。结果表明,该方法不仅能顺利避开障碍物,且可获得合理、舒适的行驶轨迹。     

面向自动驾驶的车路协同感知点云融合模式时延影响分析

新一代通信技术的快速发展为车路协同感知提供了基础,可进一步提升自动驾驶车辆在复杂场景中的感知能力,现有研究对不同的协同感知信息融合模式进行了探索,但忽略了对感知精度与通信时延平衡性的分析。针对自动驾驶协同感知中点云融合模式的时延特征,本文以前融合、特征融合、后融合3种模式为研究对象,提出了基于模拟仿真的时延影响分析框架。考虑通信时延引起的协同感知结果时滞性,利用扩展卡尔曼滤波算法对存在时延的协同感知结果进行预测性补偿,创新提出了滞后补偿误差和等效时延评价指标,用以综合评价不同融合模式对协同感知结果的影响;针对不同点云融合模式的感知结果,构建了平均感知精度与平移误差分布关系模型,依据目标检测平移误差的分布特征生成带有感知误差的仿真轨迹,进而对协同感知效果进行评估。结合TrajNet++行人轨迹数据集,以不同时延参数及点云融合模式,对1 200条轨迹进行了180 000次数值仿真。结果显示,感知目标的已知轨迹长度越短、速度越高,时延对协同感知精度的影响越大,以100 ms时延下后融合为基准,当特征融合时延在500 ms以内、前融合时延在700 ms以内时,可以达到相同或更高的协同感知精度。针对目标易突然出现且速度快的复杂场景,宜采用低时延、低精度的后融合模式,反之,宜采用具有高时延、高精度的特征融合或前融合模式。本研究可为自动驾驶协同感知的点云融合模式选择提供依据。     

Driver models for personalised driving assistance

We propose a learning-based driver modelling approach which can identify manoeuvres performed by drivers on the highway and predict the future driver inputs. We show how this approach can be applied to provide personalised driving assistance. In a first example, the driver model is used to predict unintentional lane departures and a model predictive controller is used to keep the car in the lane. In a second example, the driver model estimates the preferred acceleration of the driver during lane keeping, and a model predictive controller is implemented to provide a personalised adaptive cruise control. For both applications, we use a combination of real data and simulation to evaluate the proposed approaches.     

基于高斯伪谱法的自动驾驶车辆状态研究

针对自动驾驶车辆的多阶段多约束轨迹优化问题,根据高斯伪谱法的思路,建立了基于场景的环境模型和车辆动力学模型,设置了车辆动力学约束、速度约束等各种状态约束,包括自动驾驶在每一阶段的起始状态和终了状态等参数的约束条件。采用高斯伪谱法通过将控制变量和状态变量进行离散化来获得其近似表达式,从而将自动驾驶的轨迹规划问题转化成性能指标的优化问题,最终求得了自动驾驶车辆的安全、有效的路径轨迹。研究结果表明:高斯伪谱法具有计算精度高、求解速度快的特点,能在考虑各种约束条件下,实现多阶段轨迹优化。