相邻车道车辆并道预测与跟车控制改进的研究

为在自适应跟车控制中,预测相邻车道车辆的并道行为,提前调整自车速度控制策略,以提高自车的乘坐舒适性和安全性,通过采集和分析实际道路上自车与周围车辆的运动状态信息,建立相邻车道车辆并道行为预测模型,并在此基础上对现有期望间距跟车模型进行改进。仿真结果表明:自车车速vM、自车与前车的车头时距t1、自车与前车的相对速度vML和自车与相邻车道车辆的相对速度vMF可作为预测并道行为的表征参数;所建立的预测模型可提前2s预测并道行为的类型,对两种并道行为预测的准确率分别达到88%和90%;改进的期望间距模型使跟车过程更加平稳,可提高车辆的舒适性与安全性。     

网联车辆并线预测与巡航控制的研究

为检测旁车道车辆驾驶员的并线意图,提升网联车辆巡航跟车的主动安全性,提出了一种基于NAR神经网络学习的迭代循环预测算法。NAR神经网络的训练样本由实际交通环境中的车辆并线数据获得,通过训练的网络预测未来一段时间内旁车的横向行驶轨迹,并根据划定的监控区域计算旁车的切入概率。同时,提出了一种考虑并线概率的跟车距离策略,并应用到网联车辆CACC系统中。结果表明,所提出的并线预测算法能精确计算出旁车的横向换道轨迹,所提出的跟车策略可提升车辆的跟车安全性。     

考虑并线的网联车辆巡航控制研究

针对网联车辆行驶过程中容易出现旁车道的人类驾驶员并线进入车队的问题,本文中提出了一种考虑旁车并线行为的跟车策略,并设计了分布式应用的分层控制系统。首先分析了所提出的跟车策略的合理性,并构建了考虑延时与误差反馈的联网巡航控制(CCC)系统;接着在频域范围内分析了不同控制增益参数对系统稳定性的影响,仿真结果验证了多车队列行驶稳定性;最后搭建测试平台进行实车试验。结果表明:旁车并线时,CCC控制系统可快速实现车辆的制动并保证队列的稳定性,所提出的跟车策略可提升车辆的乘车舒适性与交通系统的安全性。     

基于机器视觉的客运车辆危险行驶状态辨识技术研究

为了提高客运车辆危险驾驶状态的辨识效能,提出利用机器视觉辨识危险驾驶行为。使用车载CCD实时采集路面图像,依据图像处理算法检测车道标识线的位置以及本车与前方目标车辆的实时距离,建立了车辆横向偏航辨识模型和车辆纵向危险行驶状态辨识模型;结合所建模型的辨识结果,确定预警方案。实车试验结果表明,所建模型能有效辨识车辆横向偏航和纵向跟车过近危险行驶行为,可用来降低潜在的危险驾驶行为,提高车辆在途行驶安全性。     

分布式电驱动车辆的ACC协同控制

针对智能分布式电驱动车辆在纵向跟车运动中实施多性能目标协同控制的必要性和实时性问题,在分析分布式电驱动车辆结构与纵向动力学特性基础上,提出一种基于模型预测控制理论的自适应巡航控制算法,并采用缩减优化问题规模的方法,缩短单步计算时间,提升在线优化求解的运算效率。为验证算法有效性,搭建仿真平台,进行了相关的仿真和硬件在环试验。仿真和试验结果表明,所提出的控制算法能实现该车安全和节能的协同优化,且满足了控制实时性要求。     

基于视觉的重型车辆车道保持控制方法

重型车辆车道保持借助视觉传感器获取道路信息,以单点预瞄和道路中心线位置偏差实现对车辆的前馈控制。考虑重型车辆体积大导致响应慢,进入稳态时间较长等问题,本文将车辆质心和车道中心线横向偏差用于修正车辆位置。提出与速度成线性关系变化的P控制参数,应用PD控制算法得到输出转角对重型车辆进行横向控制,通过Simulink/TruckSim联合仿真验证算法可靠有效。同时经过实车测试车辆始终沿着车道中心向前行驶,实现了基于视觉控制车辆在车道内快速、平稳行驶。     

AMT平顺起步的优化控制

当离合器摩擦片的摩擦系数、车身质量及道路坡度等参数发生较大变化时,会使线性二次型优化控制算法改善AMT车辆起步平顺性的效果下降。设计了一种考虑模型误差估计的优化控制算法,即通过一个降维误差观测器对时变的参数和模型的不确定性进行估计,并由估计的模型误差和车辆状态共同构成控制算法的线性反馈。通过实车试验对该算法进行验证,结果表明在车辆参数变化时该算法可以保证AMT车辆平顺起步。     

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。     

智能网联车辆加速车道类人化汇入控制研究

为研究智能网联车辆(Intelligent Connected Vehicle, ICV)与高速公路主线传统人工驾驶车辆(Human-driven Vehicle, HDV)交互时通过高速公路加速车道的汇入控制算法,提出了一种融合随机森林(Random Forest, RF)算法和深度Q网络(Deep Q-network, DQN)算法的ICV汇入控制模型(DQN-RF)。首先,建立路侧数据采集平台,采集了中国G70高速公路加速车道汇入区域HDV的真实汇入过程数据。其次,考虑汇入环境车辆历史数据流和汇入车在加速车道的汇入紧迫度,建立了基于RF算法的类人化汇入决策模型。采用城市交通仿真(Simulation of Urban Mobility, SUMO)平台搭建了高速公路加速车道ICV汇入场景,并基于Python语言建立了ICV汇入控制深度强化学习测试脚本环境,建立了基于DQN的纵向加速度控制算法。最后,将RF汇入决策模型嵌入DQN纵向加速度控制算法中,实现了ICV汇入决策和纵向加速度控制的融合。将SUMO内置的LC2013换道模型与DQN模型融合为DQN-LC2013模型,作为基线模...     

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。     

基于模糊控制的车道保持算法设计及仿真

车道保持是高级驾驶辅助系统的一项基本功能,相关的车辆横向控制算法已成为目前各整车企业的研究热点。一般情况下,控制算法在车辆动力学模型的基础上进行设计,前期需要进行大量的试验测定各动力学参数,并且控制精度与参数的准确度有关。为避免这一缺陷,提出一种基于模糊控制的车道保持算法。通过模仿驾驶员的操作行为制定模糊规则,根据车辆前方的横向偏差与当前车速合理计算转角值。最终实现中速(70km/h以下)状态的车道保持功能,并在Matlab/Simulink平台对算法进行仿真。     

异构智能网联汽车编队延迟补偿控制研究

智能网联汽车多车编队行驶可有效缩短跟车间距和提升交通系统通行效率，但多车编队控制须解决异构编队控制器的普适性问题，且能够在执行器响应延迟和通讯延迟情况下保证车辆编队的弦稳定性。本文提出一种面向异构智能网联汽车编队的延迟补偿控制方法，在无须获取他车系统动力学参数及控制输入前提下，利用他车加速度信息即可实现车辆编队纵向跟踪控制；此外，提出一种基于Smith预测器的延迟补偿控制架构，分别消除和降低了执行器响应延迟和通讯延迟对车辆编队弦稳定性的影响。典型工况仿真结果表明，相较常见车辆编队控制方法，本文提出的异构车辆编队延迟补偿控制器的跟车误差降低了80.7%，有效减小了最小车头时距和跟车间距。     

车道偏离预警算法研究

为提高车辆行驶的主动安全性,文章根据车辆偏离速度将TLC算法和FOD算法相结合,针对车道偏离预警系统提出了多模式车道偏离预警算法,并搭建Simulink模型,结合Carsim进行联合仿真实验。仿真结果表明,提出的算法能更好的进行车道偏离预警。     

纯电动商用车异质队列的多目标控制

队列行驶的研究能有效解决商用车货运安全、能耗浪费和环境污染等问题,但现有研究多基于单一跟车目标控制的匀质队列,这在货运场景中无法达到很好的控制效果。本文中构造了纯电动异质商用车队列,为其设计了分布式非线性模型预测控制器。根据道路环境信息和车辆跟车、安全、舒适和节能等特性,分别建立了领航车和跟随车的控制器模型,实现异质队列的多目标控制。为验证所提出控制方法的有效性,由5辆动力学特性相异的商用车组成队列,并搭建了控制仿真平台进行Trucksim/Simulink联合仿真。结果表明,本文中提出的控制算法能有效实现异质商用车队列的多目标控制,与PID定速巡航控制相比,能耗可降低5.3%以上。     

基于驾驶员行为特性的自适应巡航控制的研究

为了获取驾驶员跟车行为特性并以此为基础设计自适应巡航控制系统,建立驾驶员控制增益随车速变化的动态跟车模型。引入驾驶员追踪误差敏感度,定量分析控制增益与车速的动态变化关系。为了准确描述驾驶员行为特性,定义速度误差敏感系数SVE(Sensitivity to Velocity Error)和距离误差敏感系数SDE(Sensitivity to Distance Error),基于非线性优化算法求解模型参数。最后通过Matlab搭建自适应巡航系统,进行仿真试验,并与驾驶员试验结果对比,验证控制算法。     

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轨迹,且具有较强的鲁棒性。     

无人驾驶汽车十字路口多车协作控制研究*

针对无交通灯控制的十字交叉路口的无人驾驶汽车主动避让控制问题,基于专用短程通信技术(DSRC),利用多车协作控制算法和矩形检测法建立了基于碰撞时间(TTC)的两车冲突判断模型,预估当前行驶状态下将会发生碰撞的区域。同时从时间和空间两方面设计了消解算法,根据消解算法调整当前行驶状态以避免车辆发生碰撞。采用PanoSim与MATLAB/Simulink联合仿真,结合模糊PID控制无人驾驶车辆的驱动、制动与转向系统,对所搭建的模型准确度进行验证。试验结果表明,算法能很好地控制无人驾驶车辆在十字路口避免与其他车辆的碰撞。     

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。     

基于数据驱动的人机混驾多车协同控制算法

针对多车协同控制系统中，传统控制算法需要准确获取系统中与驾驶员驾驶行为相关的参数以及与车辆系统动力学相关参数等问题，提出基于数据驱动的自适应动态规划控制算法。以有人与无人驾驶车辆混行的多车协同控制系统为研究对象，通过分析系统的横纵向控制模型，推导出系统状态方程，采用递推数值方法在线逼近最优解，并通过对最优反馈控制矩阵进行优化求解，得到最优控制输入。该算法简化了系统的控制输入参数，仅仅利用V2X通信获得的车辆的前轮转角以及车辆期望的纵向加速度作为控制输入，即可实现无人驾驶车辆的优化控制。基于Carsim和Simulink进行联合仿真测试验证，结果表明，该算法控制参数简单、收敛速度快、控制精度高、适应性强，能够控制无人驾驶车辆在多车系统中保持期望的车速并且与前车保持期望的车间距，同时在任意曲率道路上行驶时与车道中心线之间的横向误差趋于0。      

基于并线行为识别的自适应巡航控制方法

本文中针对自适应巡航控制系统受旁车并线影响产生的制动干预时机不确定性问题,提出了一种采用旁道车辆并线行为进行优化的自适应巡航控制策略,以获得制动干预的最佳时机。首先,建立了以历史行驶数据和周围环境为输入、基于长短时记忆网络的驾驶行为识别模型,实现对旁道车辆驾驶行为类别的有效识别。当识别出并线行为后,根据并线车辆运动状态对自适应巡航系统进行加速度控制,建立系统的预测控制模型,确定跟随性、舒适性和油耗这3项性能指标与约束条件,并引入理想点法对期望加速度进行求解,有效避免了人为选择权重因素的干扰。然后,将最优控制序列的第一个元素作用于系统,再重新评估系统状态信息以实现滚动优化。最后,建立MATLAB/Simulink仿真模型,进行定速巡航、跟车行驶和并线工况的对比仿真,并通过实车试验进行验证。结果表明:所提算法能更快响应旁车并线时跟车目标的变化,有效降低速度波动,避免了绝大部分的车辆紧急制动,同时,考虑并线驾驶特性的控制模型能有效提高乘车舒适性,降低安全风险。