基于深度强化学习的高速公路换道跟踪控制模型

为解决自动驾驶汽车在高速公路安全换道问题,提出了一种基于深度强化学习算法的换道跟踪控制模型,并进行了仿真实验。采用五次多项式方法,建立车辆换道路径模型,并给出跟踪误差函数;将车辆三自由度动力学模型与深度强化学习框架相融合,搭建换道路径跟踪控制模型;通过深度确定性策略梯度（DDPG）算法来更新该模型;学习得到换道路径跟踪的最佳转向角,来控制车辆完成换道过程。结果表明：在100 km/h车速条件下,本方法控制的横向位置误差绝对值的最大值接近0,角偏差绝对值最大值为10 mrad;所提出的方法相比传统的模型预测控制方法而言,轨迹跟踪的横向位置误差和角误差更小。因而,该模型能够实现高速环境下的自主换道过程,这对保证交通安全和缓解交通有意义。     

基于车路协同的车辆换道Logistic模型研究

本文基于车路协同系统下的多车数据,提取车路协同中距离和速度指标,利用python进行参数估计,并验证了模型的可靠性,同时结合车辆换道过程中的目标车道上前车和后车的距离和速度信息进一步对换道需要满足的最小间距问题进行说明,提出在车路系统系统中嵌套车辆换道最小间距模块,结合车辆换道最小间距和Logistic模型可以减小车辆换道判断误差,为驾驶者提供更加准确的换道参考。     

基于稳态转向特性的智能车辆换道轨迹规划

为提高智能车辆在高速公路上的换道安全性,分析了车辆在高速状态下的转向特性并对换道轨迹曲线的最大曲率进行限制,以防止车辆在换道过程中出现侧滑现象,分析了交通车对换道安全性的影响,利用多项式函数进行换道轨迹规划,以车辆侧向加速度和换道时间为换道优化函数的优化变量,建立了基于稳态转向特性和换道安全距离的换道模型。利用MATLAB和CarSim软件对换道轨迹进行仿真分析,结果表明,该换道轨迹规划方法能够安全平稳地实现智能车辆的换道行为。     

车-车协同下无人驾驶车辆的换道汇入控制方法

多车协同驾驶是智能车路系统领域的研究热点之一,可有效降低道路交通控制管理的复杂程度,减少环境污染的同时保障道路交通安全。基于多车协同驾驶控制结构,提出了一种无人驾驶车辆换道汇入的驾驶模型及策略,系统分析了多车协同运行状态的稳定条件。在综合分析无人驾驶车辆换道汇入的协作准则、安全性评估后,基于高阶多项式方法,结合车辆运行特性,通过引入乘坐舒适性的指标函数,设计得到无人驾驶车辆换道汇入的有效运动轨迹。通过研究汇入车辆与车队中汇入点前、后各车辆的运动关系,详细分析车辆发生碰撞的类型和影响因素,给出避免碰撞的条件准则,从而确保无人驾驶车辆汇入过程中多车行驶的安全性和稳定性。基于车辆运动学建立车辆位置误差模型,结合系统大范围渐进稳定的条件,选取线速度和角速度作为输入,应用李雅普诺夫稳定性理论和Backstepping非线性控制算法,设计了无人驾驶车辆换道汇入后的路径跟踪控制器。仿真试验和实车试验结果表明：所设计的换道汇入路径是可行、安全的,控制器具有良好的跟踪效果,纵向和横向的距离误差在15 cm以内,方向偏差的相对误差在10%以内。研究结果为智能车路系统中的多车状态变迁与协同驾驶研究提供了参考,可服务于未来道路交通安全设计和评价。     

基于车车通信的车辆并行协同自动换道控制

为研究多车协同自动换道,分析了三车道八车场景中两车协同行为,对两车并行协同行为进行界定,提出了两车并行协同自动换道控制策略。针对三车道八车场景,以车车通信为条件,实时获取周围车辆的运动状态变化和换道意图,根据周围车辆的运动状态,设计了两车协同换道轨迹模型,规划换道车辆的参考协同换道轨迹。在此基础上,提出了并行协同自动换道安全距离模型,以形成换道车辆与周围车辆的换道轨迹约束,保证生成安全可靠的协同换道轨迹。最终根据规划的安全参考轨迹,采用模型预测控制算法,实时优化换道车辆的速度和前轮转角,实现轨迹纵横向跟踪。仿真结果表明,所提出的并行协同控制策略能够实现两车安全协同自动换道,同时提高换道效率。     

基于模仿学习和强化学习的智能车辆换道行为决策

本文中提出了一种基于模仿学习和强化学习的智能车辆换道行为决策方法.其中宏观决策模块通过模仿学习构建极端梯度提升模型,根据输入信息在车道保持、左换道和右换道中选择宏观决策指令,以此确定所需求解的换道行为决策子问题;各细化决策子模块通过深度确定性策略梯度强化学习方法得到优化策略,求解相应换道行为决策子问题,以确定车辆运动目...     

基于hp自适应伪谱法的智能汽车紧急变道轨迹规划与优化

为了提高智能汽车紧急变道轨迹规划的实时性和适应性,将紧急变道过程分为初始阶段和跟踪阶段,初始阶段的轨迹由优秀驾驶人紧急变道模型产生,跟踪阶段的轨迹采用Sigmoid函数规划出紧急避让路径。首先通过聚类分析处理优秀驾驶人转向操作的实车试验数据,拟合得出紧急变道过程中的方向盘转角随时间的关系（即驾驶人紧急变道模型）,作为智能汽车在紧急变道初始阶段不同速度下车辆控制的输入量。然后通过建立与求解约束方程,满足避撞约束、侧向位移约束以及最大侧向加速度约束,得出Sigmoid函数表达式,作为智能汽车在紧急变道过程跟踪阶段的参考路径。最后利用hp自适应伪谱法加入切换点的物理量约束,逼近全局正交多项式的状态量和控制量,自动调整和处理2个阶段的切换点位置和衔接问题,以最小变道距离为目标对跟踪阶段的变道轨迹进行优化。运用PreScan与MATLAB对4种不同工况下的紧急变道轨迹规划进行联合仿真。结果表明：提出的轨迹规划与优化方法在满足各项约束的情况下成功避开障碍物,同时缩短了需要优化的轨迹,优化时间都小于0.9 s,并且与基于多项式函数轨迹规划方法相比,该方法能够以距障碍物较远的距离避开障碍物,在不同的车辆速度、道路曲率和障碍物宽度的复杂工况下具有更好的适应性。     

面向变曲率道路的自动驾驶汽车换道博弈运动规划与协同控制研究

当多辆自动驾驶车辆在结构化道路上执行换道合流任务时，需要综合考虑转向和合流动作以避免事故的发生，同时曲率和周车车速的变化也增大了协同控制的难度。本文聚焦上述问题，提出了面向变曲率道路的多车换道博弈运动规划与协同控制方法。首先，建立曲率坐标系下的多车模型来解析车间安全距离及动力学状态。其次，通过系统地考虑道路曲率变化及周围车辆信息，提出基于博弈的多车换道运动规划算法，采用分布式框架快速求解兼顾个性化驾驶的最优速度轨迹及换道时机。最后，基于B样条曲线高效识别道路曲率及规划轨迹，构建了自适应时变预测控制算法实现轨迹跟踪，其特点在于单步参数矩阵实时更新，消除车速和曲率频繁变化带来的控制偏差累积。实验结果表明，相比斯坦利（Stanley）方法，能降低58%的跟踪误差；相较协同自适应巡航方法，能减少74%的合流时间；另外计算求解效率也仅为集中式模型预测控制方法的10%。     

基于多阶段多模型微粒群算法的非线性方程组解法

多阶段多模型的微粒群优化算法是一种改进的微粒群优化算法,具有较强的全局搜索能力。将非线性方程或非线性方程组的求解问题转化为函数优化问题,应用多阶段多模型的微粒群优化算法求解非线性方程组的解。计算中不需要使用目标函数的导数信息和初始点的信息,数值实验结果表明了该算法的有效性和可行性。     

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。     

基于多传感器融合的换道预警模型研究

针对基于单一传感器换道预警模型准确性和可靠性不足,且换道过程中自车加速度的确定未考虑真实场景因素等问题,提出了基于多传感器融合的换道预警模型,并在模型自车加速度的确定中充分考虑了自车车速、他车相对距离和相对速度等因素,优化了原有的换道预警模型,并采用碰撞时间和安全换道距离为评价指标制定换道决策规则。仿真和实车实验结果表明,基于多传感器融合的换道预警模型预警更加灵敏高效,符合道路使用和驾驶员操作要求,验证了多传感器在环境感知中的优势,证明了换道预警模型的有效性。     

基于Radau伪谱法的汽车高速紧急换道避障最优控制策略设计

针对汽车高速紧急换道避障轨迹规划与跟踪控制问题,提出一种基于Radau伪谱法的汽车高速紧急换道避障最优控制策略。首先,采用汽车运动学与动力学模型相结合的方式将汽车高速紧急换道避障轨迹规划和跟踪控制问题转换成汽车高速紧急换道避障最优控制问题,再通过Radau伪谱法将其转化为非线性规划问题,从而直接得到汽车高速紧急换道避障轨迹规划和跟踪控制问题的最优解,即:目标轮胎纵向滑移率和目标前轮转向角速度。随后,采用离散滑模变结构控制理论设计了对参数摄动和外界干扰具有强鲁棒性的车轮滑移率自适应滑模跟踪控制律,实现目标轮胎纵向滑移率的跟踪控制。最后,基于高精度的车辆动力学软件构建模型在环仿真系统,验证所提控制策略的可行性和有效性。     

跟驰场景中网联混合电动货车速度规划和能量管理协同控制的研究EI北大核心CSCD

鉴于队列行驶中的网联混合动力货车(HET)的跟驰速度既涉及行车安全、能量需求与分配和电池老化速率,同时又通过车间距,影响气动阻力,以至能耗经济性,本文中提出跟驰场景下综合考虑行车安全性、能耗经济性、气动阻力和电池老化等多个目标的速度规划和能量管理协同控制策略。首先,基于空气动力学量化跟驰安全性。其次,以安全性成本、能耗成本和电池老化成本构成的等效总成本最小化为目标函数并基于模型预测控制构建实时控制策略。其中,采用长短时记忆神经网络对前车速度进行预测,并采用动态规划求解滚动时域内的优化问题。结果表明,协同控制策略能通过抑制动力电池充放电电流来降低电池老化成本,以及借助灵活调整跟驰距离来减小气动阻力并降低能耗成本。与基于人类驾驶模型的跟驰策略进行对比,结果验证了协同控制策略的可行性。     

跟驰场景中网联混合电动货车速度规划和能量管理协同控制的研究

鉴于队列行驶中的网联混合动力货车（HET）的跟驰速度既涉及行车安全、能量需求与分配和电池老化速率,同时又通过车间距,影响气动阻力,以至能耗经济性,本文中提出跟驰场景下综合考虑行车安全性、能耗经济性、气动阻力和电池老化等多个目标的速度规划和能量管理协同控制策略。首先,基于空气动力学量化跟驰安全性。其次,以安全性成本、能耗成本和电池老化成本构成的等效总成本最小化为目标函数并基于模型预测控制构建实时控制策略。其中,采用长短时记忆神经网络对前车速度进行预测,并采用动态规划求解滚动时域内的优化问题。结果表明,协同控制策略能通过抑制动力电池充放电电流来降低电池老化成本,以及借助灵活调整跟驰距离来减小气动阻力并降低能耗成本。与基于人类驾驶模型的跟驰策略进行对比,结果验证了协同控制策略的可行性。     

Probe Data-based Identification of Vehicle Behaviors at Intersection

交通控制策略制定过程中,对于车辆在交叉口进口道前行为规律的把握至关重要.准确辨识进口道车辆行为模式,是研究下一代基于车路协同的交通控制理论的基础之一.基于车路实验平台的实时车载数据,运用加权平均法对交叉口的车辆换道和转向行为进行了观察分析,并通过建立线性规划模型及求解对辨识过程中的匹配误差进行了处理.最后实地的案例研究显示,本研究的方法对交叉口驾驶转向行为识别精度达100％,对换道行为识别的误差为8.33％,基本能够满足交通控制的要求.     

基于组合间距策略的自适应车辆队列纵向控制

针对车辆队列被外部车辆换道超车的场景,外部车辆与队列中的车辆存在异质性,不同车辆适用的间距策略也存在差异性。此外,不同的车辆队列间距策略在道路适应性、车辆队列系统稳定性和串稳定性等方面均存在优势和缺陷。基于此提出一种基于组合间距策略的智能网联车辆队列控制方法,以优化队列车辆的间距。现有的协同/分布式队列控制方法大多基于精确的车辆动力学模型,这要求获得完整的车辆动力学先验知识,并进行非线性-线性模型的转换。然而,在实践中获取精确的先验知识信息往往具有挑战性,且在车辆间进行信息交互的过程中,不可避免地会产生通信时延。因此,在考虑网络环境通信时延的基础上,提出了一种基于自适应积分滑模车辆队列控制器的分布式后向控制方案,该方案可以在线识别和估计未知参数,从而解决三阶车辆节点动力学模型中参数不确定性影响系统稳定性的问题。在设计的积分滑模面中,采用饱和函数替代传统滑模面的符号函数,进一步解决了控制结果中容易出现抖振的问题。然后,利用Lyapunov-Krasovskii定理和无穷范数进行了组合间距策略和间距策略切换下车辆队列系统的内部稳定性和串稳定性分析。最后,通过与现有控制算法进行仿真比较分析,...     

面向城市道路的智能网联汽车多车道轨迹优化方法

为提高城市路网下智能网联汽车的通行效率以及燃油效率,提出面向城市道路的多车道时空轨迹优化方法。首先,结合多车道时空位置关系定义智能网联汽车状态与约束,综合考虑通行效率与燃油经济性构建时空轨迹复合优化模型,并采用庞特里亚金极大值算法进行求解。然后,本文设定协同换道的规则,并通过Q-learning算法获取最优的换道策略。最后,通过SUMO/Python联合仿真验证了该方法可以在不同车辆饱和程度、绿信比状态及最低通行速度条件下有效提高通行效率,且燃油效率得到明显改善。     

基于驾驶人不满度的高速公路自动驾驶换道决策

为了实现高速公路的自由换道行为决策，并满足行车安全高效性、决策结果平稳无震荡、与运动规划模块结合引导车辆行驶等要求，提出了一种基于驾驶人不满度的换道行为决策方法。首先，根据驾驶人的速度期望建立了驾驶人不满度累积模型，并基于驾驶人速度不满累积度产生换道意图。其次，依据不同车道障碍车的运动状态，设计了2种目标车道选择策略，通过预测引擎对各个待选车道进行预测和评估，选取其中行车效率较高的车道作为目标车道，同时建立换道最小安全距离模型，用以在换道全过程中判断换道的可行性。然后，将换道行为决策的结果以目标车道的形式传递给基于改进人工势场的运动规划模块，用于运动规划模块目标的选取，以引导车辆横纵向运动。最后，在CarSim/PreScan/Simulink的联合仿真平台和硬件在环平台上建立多种测试场景，验证换道行为决策算法。试验结果表明：换道行为决策算法能够依据驾驶人速度不满累积度产生稳定的换道意图，进而根据所设计的换道策略选取具有更高行车效率的目标车道，并在换道过程中持续判断换道的可行性，以应对障碍车辆突然加减速等突发状况，保证换道过程的高效性和安全性；换道行为决策算法通过目标车道的转换，引导运动规划模块调整车辆的运动，实现跟车、换道等行为。     

高速公路连续瓶颈混合交通流可变限速与换道协同控制方法

为缓解高速公路连续瓶颈区车辆强制换道造成的通行能力下降的问题,减轻瓶颈之间的相互干扰,提出了面向智能网联车辆（connected and automated vehicles,CAVs）与普通车辆混行情况的高速公路连续瓶颈可变限速与换道协同控制策略。对传统的细胞传输模型（cell transmission model,CTM）进行改进,使其更好地预测考虑了可变限速地混合交通流状态;基于实验模拟,得到了不同交通需求场景下合理的换道控制段长度,通过对瓶颈上游车流进行预先换道提醒,缓解因强制换道引发的通行能力下降现象,进而提高可变限速控制的效果,同时利用可变限速对高交通需求下的流量进行调控,为换道控制段内车辆能够完成预先换道提供保障;构建了连续瓶颈下协同控制框架,并以最小化总行程时间和速度差为目标,优化连续瓶颈的交通运行性能;分析了3种CAVs渗透率对协同控制的影响。结果表明：相比于无控制和可变限速控制,在协同控制下总行程时间分别降低了54.76%和33.05%,总速度差分别减少了86.84%和29.58%。此外,CAVs对协同控制性能和道路运行状况有着积极作用。当CAVs渗透率为0.5时最...     

基于鱼群算法的智能汽车换道轨迹规划

智能汽车的轨迹规划是智能汽车研究领域的重点问题,文章通过对换道过程中车辆状态的分析,利用多项式函数规划智能车辆的换道轨迹,引入轨迹优化函数,对换道轨迹进行最优化选取,并基于鱼群算法对换道轨迹优化函数进行最优化选取。仿真结果表明该换道轨迹规划方法可平稳实现智能车辆的换道行为。