基于前车轨迹预测的高速智能车运动规划

针对现有运动规划算法大多只考虑障碍车当前状态,本文中提出一种基于前车运动轨迹预测的高速车辆运动规划算法。首先,融合考虑驾驶意图与基于车辆运动模型的方法对前车轨迹进行预测;然后,采用贝塞尔曲线(Bezier)规划主车运动轨迹,结合避撞过程中与前车碰撞风险概率,高速避撞车辆速度变化特点以及车辆运动稳定性等因素建立目标函数,并考虑车辆动力学与运动学约束,使用序列二次规划(SQP)方法对Bezier曲线的控制点和主车运动目标点位置进行优化求解,得到最优避撞运动轨迹;最后,以前车直行和换道两种工况为例,对主车的避撞运动轨迹进行规划,分析不同工况下主车避撞过程中的运动状态变化以及与前车碰撞风险概率变化。结果表明,所提出的运动规划算法能够保证车辆的避撞安全性与运动稳定性。     

考虑前车制动意图的自动紧急制动策略及其测试评价方法

为提高车辆自动紧急制动（AEB）系统的避撞性能,提出了一种考虑前车制动意图的AEB策略及其测试评价方法。通过搭建“PreScan+Simulink+驾驶模拟器”联合仿真平台采集驾驶人制动数据,基于K-均值（K-Means）聚类方法对制动意图进行分类,采用滑动时间窗口提取了意图识别模型训练数据集;通过双层隐马尔可夫模型识别前车制动意图,主车根据不同制动意图计算临界安全距离阈值并制定避撞控制策略;建立PreScan+Simulink虚拟仿真测试环境,提出了基于层次分析法的AEB策略综合评价方法,通过与4种典型AEB控制模型进行对比,验证了所提出方法在不同制动程度场景下均可及时触发制动以避免碰撞,同时可减少过早制动造成的驾驶不适感。     

复杂路况下汽车主动避撞报警技术研究

汽车主动避撞报警技术对提高行车安全有重要意义,但如何减少复杂路况下行车时的误警率是当前需解决的关键问题。通过测量车载信息如汽车转向角度、车速、制动信号、转向灯信号等获知汽车的行驶状态,利用雷达技术感知路况和危险,基于合理的报警算法和控制策略,研制出复杂路况下的汽车主动避撞报警系统。通过实际道路报警试验,结果表明所采取的减少误警率的方法是有效的,所开发的报警系统更趋实用化。     

预警时间对信控交叉口避撞驾驶行为的影响研究

研究不同预警信息发布时间下,不同性别驾驶人对于交叉口迎头侧面避撞情景驾驶行为影响规律,为提高车辆避撞预警系统功效性提供理论依据.基于汽车驾驶模拟器设计实验,招募具有稳定驾驶能力的驾驶人45名,采集7种预警信息发布时间(2.5～5.5 s),将无预警作为控制组,采用C#编程提取能够表征驾驶行为的变量.用方差分析和线性回归方法分析在交叉口迎头侧面碰撞情景下不同预警信息发布时间对驾驶人的制动时间、最大减速度、测试车辆与冲突车辆的最小距离的影响.结果表明,预警信息发布越早,驾驶人的制动时间越长,最大减速度越小,说明较早发布预警信息可以减缓驾驶人采取制动措施的剧烈程度.同时,预警信息发布较早,可以增大车辆间的最小间距,降低碰撞事故发生的可能性.此外,女性驾驶人的驾驶行为比男性驾驶人更加保守.     

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。     

基于外部动态环境的汽车碰撞危险估计算法研究

针对现有紧急情况下车辆的碰撞危险评估算法大多只考虑量测噪声干扰带来的不确定性,提出一种综合考虑路面动态环境不确定性和量测噪声干扰的汽车碰撞危险估计算法。首先,构建"路面状况-车速-最大减速度"模糊推理模型,即由路面状况和自车车速,经模糊推理智能算法快速获取车辆制动最大减速度;建立基于运动学的预测模型,考虑上述路面附着状况动态变化和传感器量测噪声带来的不确定性,采用蒙特卡洛法实时计算自车当前行驶环境下的碰撞概率。根据汽车动力学和道路有关参数预测车辆紧急制动和转向的轨迹,从而得到制动避撞与换道避撞的碰撞概率。以交叉路口和追尾工况为例,对比分析了不同路面情况下制动避撞和转向避撞的碰撞概率,从而为车辆选择合理的避撞方式。结果表明,所提出的危险估计算法与真实交通动态环境下的紧急避撞行为比较相符,具有良好的有效性和可行性。     

视线遮挡条件下面向弱势道路使用者的避撞策略研究

由于视线障碍物造成的“鬼探头”事故已经成为当前城市道路交通事故的主要类型之一。针对汽车碰撞视线遮挡条件下横穿的弱势道路使用者(VRU)的场景, 设计了1种基于碰撞时间比和安全制动距离的避撞策略, 建立车辆与VRU的交通状态数学模型, 分析“鬼探头”场景下的制动避撞临界距离。结合临界距离和车辆与VRU的碰撞时间比, 将可以避免碰撞的场景分为3种工况, 分别采用不同的制动减速度, 建立自动紧急制动避撞策略。通过Euro NCAP CPNC测试场景对该策略与传统TTC制动算法进行比较分析。结果表明, 在Euro NCAP CPNC测试场景中, 自车利用该避撞策略在理想情况下能够在更高的车速情况下完成避撞; 在不能避免碰撞的高速行驶工况中较传统TTC算法能够更加有效降低碰撞速度, 同时降低事故重伤风险和死亡风险, 提高车辆的安全性。      

基于OpenCV的AEB系统车辆检测和预警研究

为降低汽车换道时碰撞事故发生概率,提出基于OpenO_4CV的AEB系统车辆检测和预警算法。首先利用Haar-like+Adaboost实现前方车辆的识别与检测,并结合粒子滤波原理建立车辆跟踪模型。然后基于单目视觉模型对前方车辆距离进行测量,根据障碍物与车辆的安全距离估测碰撞时间。最后,基于AEB系统进行车辆防撞预警测试,测试仿真结果表明,在不干扰驾驶员正常驾驶的前提下,即碰时间的TTC算法性能最佳,有效提升了前方车辆检测预警精确率。     

基于深度学习LSTM的智能车辆避撞模型及验证

建立了一种基于深度学习长短期记忆(LSTM)网络的智能车辆避撞模型.搭载虚拟测试驾驶(VTD)仿真软件的模拟驾驶器;针对跟车行驶、前车紧急制动这一危险工况,开展模拟驾驶实验;以相对距离、相对速度、前车减速度、碰撞时间、横向距离作为输入参数;通过未经训练的样本数据对模型迁移性进行验证,并与传统反向传播(BP)神经网络进行...     

制动与转向协调动作的车辆避撞控制研究（双语出版）

为了弥补现有汽车避撞控制策略以及碰撞风险评价指标单一的不足，提出转向和制动协调的主动避撞控制系统。首先规划了五次多项式换道路径，在对其理论分析的基础上得到转向临界避撞距离和与目标车道车辆的安全距离约束。其次，考虑道路附着系数和系统延迟的影响，基于制动过程给出制动临界避撞距离，并以纵向行驶安全系数ξ和碰撞时间倒数T^-1_TC划分安全行驶区域，利用驾驶人实车跟车数据标定稳态跟随/定速巡航区域的阈值。随后，通过转向/制动临界避撞距离的对比给出2种避撞方式的安全收益范围。最后搭建Simulink/CarSim联合仿真模型，并对其进行不同初始条件下的避撞仿真试验。研究结果表明：转向操作在制动距离不足时仍是有效的；当主车高速近距离接近静止前车时，主车可以顺利采取转向换道动作，而常规ACC系统在2.5 s处的车间相对距离为-0.76 m，事实上已经发生了碰撞；当相邻车道前车与主车纵向间距不满足换道安全距离约束时，避撞控制系统进入紧急制动模式，最大制动减速度达到-0.8g（g为重力加速度），实际最小车间距为5.1 m；通过转向和制动的协调动作，充分发挥了车辆的避撞潜力；ξ和T^-1_TC指标的融合，可以更好地评估碰撞风险并实现不同控制模式的转换，在保证行车安全的同时可避免过分制动给乘客造成的紧张感。     

Vehicle distance estimation using a mono-camera for FCW/AEB systems

For robust vision-based forward collision warning (FCW) and autonomous emergency braking (AEB) systems, not only reliable detection performance including high detection rate and low false positives but also accurate measurement output of a target vehicle is required. Especially, in order to reduce false alarm or activation of FCW/AEB systems, the systems require the precise measurement output of a target object, such as position, velocity, acceleration, and time-to-collision (TTC). In this study, we developed a measurement estimation algorithm of a target vehicle using a monocular camera. This method estimates two cases of vehicle widths for a target vehicle by using the detected lane information and a pin-hole camera model. After that, the position, velocity, acceleration, and TTC of a target vehicle are estimated by using a Kalman filter for the each estimated vehicle width. To improve robustness, the both estimation results using the detected lane information and the pinhole camera model are fused. This estimation algorithm was evaluated and compared with the state-of-the-art technology. As a result, the proposed measurement output estimation method can improve the performance of the FCW/AEB systems.     

分布式大型车辆防撞预警系统设计与实现

大型车辆的交通事故已经成为社会关注的热点问题,减少碰撞风险是交通安全研究的重要内容。根据大型车辆前向碰撞预警、后方碰撞预警和侧向防撞预警的要求,设计了一种全方位防撞预警系统。系统以分布式信息采集、处理和报警平台为基础,通过基于安全距离的算法实现分级预警。实车预警实验表明该系统能够根据安全等级准确地给出报警信息。     

汽车主动避撞系统中的报警方法及其关键技术

在分析现代汽车主动避撞系统特性的基础上设计了汽车主动避撞报警系统，对系统报警方法，雷达信号的Kalman滤波处理，雷达目标物有效性识别算法等关键技术进行了研究，给出了系统合理性及实用性验证的仿真及初步试验结果。     

A methodology to increase driver trust in rear-obstacle warning systems with imperfect sensing results — Proposal for a warning system using sensor reliability information

Driver's workload tends to be increased during driving under complicated traffic environments like lane-changing operation. In such cases, rear collision warning is effective for reduction of cognitive workload. On the other hand, it is pointed out that false alarm or missing alarm caused by sensor errors leads to decrease of driver trust in the warning system and it can result in low efficiency of the system. Suppose that sensor reliability information is provided in real-time. In this paper, we propose a novel warning method to increase driver trust in the system even with low sensor reliability by utilizing sensor reliability information. We investigate the effectiveness of the warning methods in high and low workload situations by driving simulator experiments.     

基于机器视觉的智能车辆避撞预警算法

由于受到信息采集源性能影响,造成了智能车辆避撞预警系统(Collision Warning System,CWS)前后车相对距离测量精度低的问题,针对此问题提出了一种基于机器视觉的预警算法(Collision Warning Algorithm,CWA),利用机器视觉获得了较高精度的测距信息,有效提高了预警算法的有效性。在分析驾驶员驾驶行为基础上,确定CWA的报警准则。基于机器视觉技术建立了一种多输入、多输出的CWA模型,给出了模型预警原理、决策阈值确定方法、逻辑结构图,以及基于机器视觉的车辆信息获取方法。设计了一个单车道双车辆跟驰实车试验,采集模型测试所需的数据,并利用实测数据对模型进行了验证。试验结果显示,平均测距误差不超过3.6 m,预警模型能够准确给出预警信息,对提高车辆行驶主动安全性具有重要意义。     

基于驾驶风格的前撞预警系统报警策略

考虑驾驶风格的影响,设计了一种优化的纵向相对距离预测模型,并基于此模型改进了前撞预警系统报警策略。驾驶风格分类结合了分位点法和信息熵法,以不同方式进行特征提取,使用k-means方法聚类样本数据。基于长短期记忆模型,设计了编码器-解码器模型用于预测,以上述分类的全部数据训练模型的共用部分参数,以提高模型的泛化能力;而以3种驾驶风格对应数据集对模型的个性化部分参数进行更高学习率的训练。利用上述预测模型,对基于欧洲新车评估计划-自动紧急制动系统测试协议的前撞预警策略进行改进,使误报警次数从123降低至50。     

邻车切入工况下前撞预警系统的驾驶人依赖特性

为提升邻车切入工况下的行车安全,基于驾驶模拟实验平台,研究了驾驶人对前撞预警系统的依赖特性评价方法以改进预警系统的设计。以预警时机(即碰时间TTC)为研究变量,采集了12名驾驶人的实验数据,以制动依赖指数、次任务评分为2项客观指标,以危险度评分、信任度评分为2项主观指标,建立了评价体系模型,实现了对驾驶人系统依赖程度的量化评价。设计了L9(34)正交实验,建立了依赖特性评价回归模型。结果表明:预警时机(TTC)对依赖特性的影响最为显著:过晚的预警时机(TTC=2.4 s)降低系统的有效性;过早的预警时机(TTC=1.2 s)易导致驾驶人对系统过度依赖。因而,适度推迟预警时机(TTC=1.8 s)可以抑制依赖性的产生,提升系统的安全性。