基于遗传算法优化的双向垂直泊车路径规划

为了解决1段弧式垂直泊车对于泊车空间要求高的问题,本文中基于Ackerman转向原理建立了车辆前轮转向运动学模型。分析了泊车过程可能发生的碰撞问题并划分了垂直泊车起始区域,在此基础上规划了一种双向的3段弧泊车路径,并用遗传算法对规划的路径进行优化,在Matlab/Simulink中搭建仿真模型,对优化前后的路径进行仿真分析。结果表明所规划的3段弧路径能使车辆准确无误地停到目标车位,通过实车试验进一步验证了所提出的泊车路径规划方法的有效性和安全性。     

一种基于轨迹预判的垂直泊车路径规划算法研究

为解决目前量产自动泊车系统泊车成功率低、泊车完成后车辆姿态偏斜等问题，研究搭建基于阿克曼转向几何学和车辆运动学的车辆运动模型，构建基于可行驶区域的栅格电子地图，在几何路径规划方法中融入基于轨迹预判的碰撞约束方法和路径居中算法，采用车辆膨胀轮廓模型，最大程度利用电子地图可行驶区域和保证路径安全性，设计出一种基于轨迹预判的垂直泊车路径规划算法，并通过仿真测试和实车测试验证算法的可行性。该算法可大大提高泊车成功率，能帮助解决泊车完成后车辆偏斜不居中的问题。     

基于B样条理论的平行泊车路径规划研究

针对智能汽车自动泊车系统的发展现状进行了分析,为解决泊车过程停车转向问题,提出一种连续曲率的平行泊车路径规划方案。对泊车环境进行分析,考虑汽车动力学约束条件,建立了自动泊车路径的约束空间,并根据对泊车路径的要求,在约束空间内生成合适的控制点,基于B样条理论生成可行的泊车路径。仿真结果表明,采用这种方法能够有效地实现避障,并且满足曲率连续性的要求,提高了自动泊车的灵活胜和连贯性。     

基于分段高斯伪谱法的平行自主泊车路径规划

本文中提出一种在不同泊车空间采用分段高斯伪谱法的自主泊车路径规划方法。首先,通过建立车辆运动学模型,结合动力学约束、端点约束和路径避障约束,将自主泊车路径规划问题转换为最优控制问题,而在不同泊车区域内采用分段高斯伪谱法将最优控制问题离散化为非线性问题。接着,以最短泊车完成时间为优化目标函数,采用内点法对非线性问题进行优化求解得到最优泊车路径。然后,在Matlab/Simulink中搭建仿真模型,并设定了5种不同泊车位长度的平行自主泊车工况,其泊车位长度分别为车长的1.1～1.8倍。仿真结果表明,所提出的方法可统一有效对自主泊车路径规划问题进行求解,且与传统伪谱法相比仿真收敛速度更快,泊车时间更短。最后,通过实车试验进一步验证采用所提出方法的有效性。     

基于回旋曲线的垂直泊车路径规划

为解决垂直车位自动泊车路径规划问题，提出了一种算力要求低、泊车空间小的路径规划方法。首先，考虑泊车过程中碰撞约束、汽车运动学约束要求，基于直线-圆弧组合的方式，进行垂直泊车的一步和多步基础路径规划。然后，结合回旋曲线进行曲率优化，实现泊车路径的曲率平滑。最后利用仿真验证方法的可行性，结果表明：对于不同的横向泊车空间以及不同的初始姿态角，该方法均能够规划出安全、平滑的泊车路径。     

基于混合A*和可变半径RS曲线的自动泊车路径优化方法

路径规划是自动泊车系统的重要组成部分,是确保泊车运动安全、缩短行车距离、提高乘坐舒适性的关键。而当前自动泊车规划系统往往面临行驶空间狭小、障碍物多、路径搜索难度大等技术挑战,同时搜索曲线半径固定容易导致路径接点处曲率不连续,增大了路径跟随控制难度和轮胎磨损程度,这些都提升了泊车路径规划的研究难度。针对以上问题,设计可变半径的Reeds-Shepp曲线,提出基于混合A^*和该曲线的自动泊车路径规划方法,通过调整曲线半径,提升其在复杂场景下路径的搜索能力和灵活性。随后,设计基于分段贝塞尔曲线和梯度下降的路径优化方法,利用其多阶导数连续的优势优化已搜索的路径曲率,并采用梯度下降来保证路径曲率大小和对障碍的规避,解决直线与圆弧相接等位置曲率变化不连续的难题。结合路径搜索与路径优化的泊车规划方法能够切实满足复杂场景下的泊车需要。最后,基于团队自主研发的PanoSim虚拟系统与MATLAB搭建联合仿真环境,针对多种自动泊车工况测试验证提出的方法。研究结果表明：调整Reeds-Shepp曲线的搜索半径进行全局路径搜索,可获得更短和更易跟随的路径,具有良好的灵活性;基于贝塞尔曲线和梯度下降法的路径优化可有效消除曲率突变点、约束路径曲率并保证对障碍的无碰撞要求。     

基于自适应神经模糊推理系统的平行泊车路径规划

针对常见的平行泊车场景,提出一种基于自适应神经模糊推理系统的平行泊车路径规划方法。以基于优化算法的泊车路径规划方法得出的泊车路径作为训练样本,利用Python脚本语言建立以自适应遗传算法和拟牛顿法为内核的自动化训练框架,使自动训练后的自适应神经模糊推理系统既可继承基于优化算法的泊车路径规划方法适用范围更广的优势,又有效解决该方法求解过程计算量大的问题。通过仿真分析验证所提出方法的可行性和有效性,结果表明:自动训练后的自适应神经模糊推理系统可依据汽车初始泊车位姿和泊车位信息快速规划出可行的平行泊车路径。     

基于模糊控制的多圆弧路径自动平行泊车仿真

近年来,智能化的自动泊车技术不断发展。文章针对自动平行泊车轨迹曲率过大、曲率不连续和泊车起始位置、车身姿态要求较为苛刻等问题,提出了一种基于模糊控制理论的多圆弧路径自动平行泊车方法。以汽车转弯半径作为模糊控制器的输出,使得汽车按连续相切圆弧路径倒车入库。在MATLAB中建立仿真模型,仿真结果表明,此方法可以实现连续轨迹曲率和较小泊车起始位姿约束的自动平行泊车。     

汽车垂直泊车路径规划与路径跟踪研究

自动泊车系统(APS)是智能汽车研究中一项重要的内容。当前大部分垂直自动泊车算法未考虑汽车初始位置航向角误差的影响,导致实际泊车时效果不理想或发生剐蹭事故。针对这一问题,本文中研究了汽车初始位置航向角存在误差(即初始位置航向角不为零)时的垂直泊车路径规划和路径跟踪方法。首先利用四次样条函数对泊车路径进行规划,改善路径特征,然后为改进目前常用的预瞄误差前馈跟踪算法对变曲率路径跟踪误差较大、且滞后较明显的缺点,设计了预瞄误差前馈与航向角反馈相结合的泊车路径跟踪控制算法。通过Simulink/CarSim联合仿真和实车试验对所提出的泊车算法进行了验证,仿真及实车试验结果均表明,当汽车初始位置航向角不为零时,所提出的算法能够规划出可行泊车路径,而预瞄误差前馈与航向角反馈相结合的路径跟踪控制算法较单一的预瞄误差前馈控制方法跟踪误差更小,最终泊车位姿更理想。     

基于狭窄垂直车位的多段式路径规划与仿真分析

自动泊车系统（APS）目前受到广泛的关注,但大部分研究忽略了车辆初始航向角偏差对整体泊车效果的影响,对此,论文研究了狭窄垂直车位场景下车辆初始航向角不为零的多段式路径规划方法。首先基于车辆最小转弯半径建立了车辆后轴中心运动轨迹方程,通过五次多项式对路径规划进行优化,实现路径曲率更连续、泊车更平顺和舒适。CarSim/Simulink联合仿真验证表明,五次多项式泊车路径优化方法可行,在满足泊车安全的基础上,泊车位所需实际宽度减少10.4%,长度减少15.3%。     

自动泊车关键技术研究进展综述

自动泊车是汽车智能化的重要组成部分，代替了驾驶员进行泊车的繁琐操作，减少了泊车事故的发生，在新车上的装载量大幅增加。为了研究自动泊车的发展现状、现有不足与发展趋势，对自动泊车应用现状进行了分析，又从车位探测、路径规划和跟踪控制等技术方面进行了分析，总结现有自动泊车关键技术存在的不足之处和局限性，提出了自动泊车关键技术研究的未来趋势，为从事自动泊车技术研究提供参考。     

城市中心区路内停车调查分析——以南京为例

在路内停车调查的基础上,对比路外停车相关研究成果,分析了路内停车特征和停放行为特性,得到路内停车时间短、对步行距离要求高、路内停车场利用率较高且与周边用地属性有很大关系;简单分析了当前城市路内停车存在的问题以及利用停车收费调整停车需求的有效性。最后,指出路内停车场的设置除了考虑其对道路交通流的影响,还要考虑区域路外停车的供应量、服务的土地利用类型以及停车者对步行距离的要求。     

提高平行式停车效率的泊位施划方法研究

为了提高平行式泊车效率、节能减排、规范停车秩序,本研究在现有路侧平行式停车泊位施划方法的基础上,建立了机动车＂一把轮＂平行式泊车轨迹的数学模型,并利用该数学模型及MATLAB软件对多种车型进行了平行式泊车过程的仿真,从而得到了停车区域、共用区域、引导线的位置和尺寸等参数,提出了新型平行式停车泊位施划的方法;设置了共用区域,缩短单个停车区域长度;并将理论计算的结果与实际相结合,进行了实车试验;本研究提出的路侧平行式停车泊位施划方法的优化方案,不仅可以节省停车场占地面积,还能降低驾驶员泊车难度,降低了能源消耗、减少了污染排放,并在一定程度上节省了泊车所需时间,使路侧平行式泊车更加方便高效.     

基于预定义几何集的斜列式泊车路径规划方法

目前预定义几何集方法主要用于平行车位和垂直车位2种类型的泊车路径规划,对于未涵盖的停车位种类而言则存在无法规划泊车路径的问题,使得自主泊车系统对于能够泊入的车位种类存在局限性。为了设计斜列式泊车方式用以提高自主泊车系统中车位种类的覆盖率,提出一种基于预定义几何集的斜列式泊车路径规划方法。首先,提出了斜列式C字形泊车路径规划方法,利用几何学设计一种圆弧相切斜线的路径,并通过多项式建模表征任意角度停车位下的斜列式C字形泊车路径;其次,通过分析泊车路径与停车位中可能发生碰撞的关键点之间的距离,构建了泊车路径碰撞约束模型,以此分析不同规格停车位下约束条件的参数,从而获得规划路径安全区域;然后,结合拓扑地图信息与斜列式C字形泊车路径规划的碰撞约束模型,获得合适的泊车路径起始点范围,继而生成与全局路径无缝衔接的安全泊车路径;最后,通过MATLAB/Simulink仿真验证此方法的有效性,并通过实车试验证明实用性。结果表明：所提方法针对任意规格的斜列式停车位,均能有效地规划出无碰撞条件下的斜列式泊车路径;同时,车辆能够良好地跟踪所规划的路径,实现精准泊入停车位,证明所提方法能够提高自主泊车系统中停车位种类的覆盖率,并大幅度提高自主泊车系统的实用性。     

城市商圈停车诱导系统研究

随着我国现代化城市聚集性发展,城市居民越来越多,由于出行需要,容易集中聚集到中心城区的商业圈内,极易出现交通拥堵和停车困难的问题.本文针对现在城市商圈普遍存在的车位紧张,停车困难的问题,希望通过引入停车诱导系统,通过对停车车辆和车位信息进行收集整理,并反馈引导车辆驾驶员,在商圈内进行更高效的停车.从而改善商圈停车环境,...     

基于拓扑地图的自主泊车路径协调与优化策略

为了使全局路径与泊车路径无偏差对接,得到曲率连续的可行驶路径,为泊车模式切换提供精准位姿,提出基于拓扑地图的自主泊车路径协调与优化策略.首先,定义一种精简的停车场拓扑地图描述形式与道路拓扑设计原则,通过采集停车场内关键特征的定位数据建立停车场拓扑地图.其次,基于道路拓扑设计原则与泊车规划原则,设计"第1次平滑处理-路径...     

Application of iterative learning control in tracking a Dubin’s path in parallel parking

Intelligent parking assist systems will soon be available for most vehicles on the market. Many optimal parking trajectories and control strategies have been proposed for reverse parking. However, most of these require intensive computation, causing difficulties in practical use. This paper makes use of a classical path planning method to find the shortest parking path, and establishes the possibility of integrating iterative learning control (ILC) to exploit the capability of learning from experience to track the designed path. The effectiveness of the ILC structure is demonstrated by simulation and experiments. Tracking performance is shown to be much improved by using a simple learning control law.     

Parking Spaces Repurchase Strategy Design via Simulation Optimization

Because of the rapid increase of vehicle numbers and land values, there is an increasing shortage in the supply of parking facilities in many cities. In many parking lots, residential drivers bought private parking spaces with high prices to ensure that they have spaces to park at any time. Recently, some parking lot operation companies plan to temporally repurchase a few private parking spaces back during certain time periods in a day and sell these places to public users to fully utilize the limited parking resources. How to choose the repurchase amounts and stopping time so as to maximize the profit then becomes an important problem. To solve this problem, a Gaussian mixture model is first proposed in this article to describe the time-varying arriving/departing behaviors of drivers and meanwhile the stochastic constraints of the profit maximization problem. Then, the expected optimal repurchase amounts and stopping time are estimated via simulation optimization. This new approach not only provides a useful statistical tool for parking spaces modeling but also overcomes several key limitations of current queuing based methodologies. Particularly, it emphasizes how to model drivers' behaviors on a small time-scale and explains the resulting benefits.