基于多属性决策的无人驾驶自主变道决策技术研究

在无人驾驶领域,随着车辆上布置的传感器不断丰富,无人驾驶系统可以从周围环境获得更多的信息,从而为车辆的自主判断行为决策带来可能。然而即使是有经验的驾驶员在进行变道动作的时候也需要格外的小心,因此无人驾驶系统的变道行为分析需要做到足够准确和谨慎,才能保证安全性,这也正是目前为止还没有非常完善的无人驾驶变道决策系统的原因。本文提出一种基于多属性决策的无人驾驶自主变道决策技术,帮助无人驾驶车辆在道路行驶中进行更有效、更安全的自主变道决策。     

无人驾驶车辆路口行驶决策研究

无人驾驶车辆的行为决策是该领域研究的关键技术之一。在城区环境中,无人驾驶车辆行为决策的最终目标是像熟练的驾驶员一样产生安全、合理的驾驶行为。文章给出一类无人驾驶车辆路口行驶策略,能够使无人驾驶车辆在城区环境中安全、合理地完成一定范围的驾驶行为。     

智能网联车路口行驶的决策策略分析

智能网联车的无人驾驶分为感知、规划、执行三个部分,行为决策是无人驾驶发展的核心技术之一。在复杂的交通路口,车辆行驶路线难以预测,通过分析车辆在路口行为发生条件统计,设计出合理和安全的驾驶行为。文章以智能网联车为研究对象,使车辆行驶到十字路口的换道、转弯、调头等行为对应行驶场景,能够保证智能网联车安全、合理的在一定可控范围下行驶在复杂的十字路口。无人驾驶车辆在十字路口的通行中提高了行驶效率和减少了运营成本,带给人们更加便利和舒适的服务,推动智能网联车更全面的发展。     

无人驾驶重型车辆底盘电控化改装技术研究

对无人驾驶重型车辆底盘改装技术进行了研究,介绍了一种基于电控技术及总线技术的改装方案,对重型车辆的动力系统、转向系统、制动系统、车身系统进行了详细的改装方案设计,与以往采用机电执行机构控制无人驾驶车辆的方案相比,该方案在技术先进性及可靠性方面得到提升。     

面向无人驾驶的数据采集与分析系统研究综述

车辆在行驶时会产生大量复杂的数据,对这些数据的采集和分析会促进无人驾驶技术的发展.通过研究,将无人驾驶所需数据分为交通场景数据和驾驶行为数据两类,综述了两类数据的采集和分析技术的发展历程及研究现状,并综合考虑企业、高校和相关研发机构的需求,提出了交通场景和驾驶行为数据采集系统需要向着建立本土化大规模的采集系统和建立基于...     

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。      

多传感器信息融合在无人驾驶中的研究综述

多传感器信息融合是无人驾驶感知周围环境信息技术中一项行之有效、必不可缺的关键技术。结合近年来无人驾驶的发展情况,介绍了国内外无人驾驶核心传感器的使用现状,重点对无人驾驶中多传感器核心融合算法的研究进展进行综述,提出多传感器信息融合必将是未来无人驾驶车辆传感器应用的发展方向,而基于机器学习算法的研究则更加重要,并提出一些无人驾驶技术面临的问题。     

自动驾驶汽车的智能决策模型研究

行为决策系统在很大程度上反映了自动驾驶汽车的智能化水平,作为自动驾驶汽车的大脑,行为决策系统决定了自动驾驶车辆的可行性和安全性。文章基于行车效率与行车安全对高速自动驾驶汽车的智能决策进行了研究。通过引入能效函数与动态子区域监测系统,实时计算本车道与相邻车道的行车能效值以及本车与周边车辆的碰撞风险,并基于此确定最优驾驶策略,一定程度上提升了自动驾驶车辆的行车效率与安全。     

无人驾驶环境下考虑OD结构的路网容量模型

为了研究未来无人驾驶车辆对路网容量的影响,揭示无人驾驶车辆与普通车辆的相互影响特性,假设无人驾驶车辆遵循系统最优路径,普通车辆遵循用户最优路径,构建了无人驾驶环境下的道路网络储备容量模型。上层模型为满足路段容量约束条件下的最大交通需求,各OD之间的交通需求采用不同的增长乘子;下层模型为两类用户的混合路径选择行为模型,无人驾驶车辆以系统总阻抗最小为目标,而普通车辆以个人出行成本最小为目标。采用多种群遗传算法进行求解,并通过算例验证了模型和算法的有效性和可行性,得到非统一增长乘子下的路网容量,比较了统一增长乘子与非统一增长乘子的异同之处。研究结果表明:①两种计算结果所得到的道路网络容量增长趋势类似,但是非统一增长乘子计算结果大于统一增长乘子计算结果,当无人驾驶车辆市场渗透率达到一定比例时,二者计算结果的差异随着市场渗透率的增加而逐渐减小;②不同OD对的增长乘子不一定相同,无人驾驶车辆的加入可以优化不同地区的OD需求分布,从而提升整个道路网络的容量;③非统一乘子的计算方法可以有效避免不同OD对的干扰作用,提高部分OD对在低市场渗透率下的路径利用率,路段流量分布更加均衡;④当无人驾驶市场渗透率达到较高的比例时,道路网络容量可增加的幅度较小。     

无人驾驶环境下考虑OD结构的路网容量模型（双语出版）

为了研究未来无人驾驶车辆对路网容量的影响，揭示无人驾驶车辆与普通车辆的相互影响特性，假设无人驾驶车辆遵循系统最优路径，普通车辆遵循用户最优路径，构建了无人驾驶环境下的道路网络储备容量模型。上层模型为满足路段容量约束条件下的最大交通需求，各OD之间的交通需求采用不同的增长乘子；下层模型为两类用户的混合路径选择行为模型，无人驾驶车辆以系统总阻抗最小为目标，而普通车辆以个人出行成本最小为目标。采用多种群遗传算法进行求解，并通过算例验证了模型和算法的有效性和可行性，得到非统一增长乘子下的路网容量，比较了统一增长乘子与非统一增长乘子的异同之处。研究结果表明：①两种计算结果所得到的道路网络容量增长趋势类似，但是非统一增长乘子计算结果大于统一增长乘子计算结果，当无人驾驶车辆市场渗透率达到一定比例时，二者计算结果的差异随着市场渗透率的增加而逐渐减小；②不同OD对的增长乘子不一定相同，无人驾驶车辆的加入可以优化不同地区的OD需求分布，从而提升整个道路网络的容量；③非统一乘子的计算方法可以有效避免不同OD对的干扰作用，提高部分OD对在低市场渗透率下的路径利用率，路段流量分布更加均衡；④当无人驾驶市场渗透率达到较高的比例时，道路网络容量可增加的幅度较小。     

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。     

车辆横向辅助系统关键技术发展综述

车辆横向辅助系统可以提前预知车辆行驶风险、辅助驾驶人决策、必要时接替驾驶人操纵,进而降低行车事故风险。文章基于国内外车辆横向辅助系统关键技术进行分析,并对未来发展进行了阐述与展望。     

无人驾驶汽车主动避让控制问题的研究

第五代移动通信技术(5G)网络具有速度快、延迟低等优势。基于5G技术,提出了一种使用无人驾驶汽车主动型避让控制的系统。该方法基于5G系统,实现了对车辆周围环境信息进行实时快速的收集和处理。通过5G通信技术对车辆进行控制,加快了车辆之间的信息传输速度,提高了车辆间的配合度及车辆通行的效率。该控制系统通过5G技术传感器,有效解决了在突发情况下,无人驾驶汽车由于传感器需要同时输送大量信号而产生的延迟问题,提高了信号的传输效率,降低了主动避让控制系统的响应时间,有利于提高无人驾驶汽车的安全性。     

基于Fuzzy-EAHP的无人驾驶车辆智能行为评价

鉴于国内外智能车比赛采用的任务驱动的评价方法,导致参赛队伍为完成任务采取保守的方式,因而背离了技术发展的目的,提出了一种可拓层次分析法与模糊综合评价法相结合的无人驾驶车辆智能行为的模糊-可拓层次分析(Fussy-EAHP)评价法,克服了层次分析法在解决专家经验判断的模糊性问题和判断矩阵一致性方面的不足,有效避免了层次分析法中的大量试算工作,能合理地计算出无人驾驶车辆智能行为各个指标的权重。其量化结果能较好地反映实际情况,且可方便地转化成具体的得分数,便于结果的直观比较或排序。对FC 2011参赛车辆进行评价结果表明,该方法实用、可靠、方便、合理,不仅能对单个指标进行评价,还能对各级指标做出综合评价,并进一步找出无人驾驶车辆各项指标的不足,指明改进的方向。     

人机混驾环境下基于LSTM的无人驾驶车辆换道行为模型

道路系统中的人机混驾交通环境是指人工驾驶车辆与自动驾驶车辆混合运行的交通环境，其中换道行为建模是人机混驾环境下无人驾驶车辆行为研究的热点。基于深度学习理论，构建人机混驾环境下基于长短期记忆神经网络的无人驾驶车辆换道行为模型（Long-short-term-memory-based Autonomous Vehicles Lane Changing，LSTM-LC）。通过研究人工驾驶车辆在换道过程中与周边车辆的相互作用，对换道行为影响因素进行分析；同时，为了提升模型的迁移性，引入道路横向偏移量信息。结合LSTM神经网络的输入要求，使用美国公开交通数据集Next Generation SIMulation（NGSIM）构建换道行为样本库。针对LSTM-LC模型，以均方差MSE作为损失函数，使用RMSprop优化方法进行训练，对LSTM网络结构、历史序列长度N及训练样本量3个重要参数进行标定。最后，针对道路横向偏移量M对LSTM-LC模型性能的影响进行对比试验。研究结果表明：相比GRU-LC模型，LSTM-LC模型对换道行为的表征更准确，在模型的精度和迁移性上有着显著的提升；GRU-LC模型的均方差为4.64 m²，迁移性均方差为119.82 m²，而LSTM-LC模型的均方差为3.18 m²，迁移性均方差为79.58 m²，分别优化了31.5%和39.71%；通过引入道路横向偏移量M，可将LSTM-LC模型精度和迁移性提升约10%，且模型稳定性更强。     

基于光电传感器的无人驾驶电动汽车导航系统研究

本文基于光电传感器设计了无人驾驶电动汽车导航系统,通过该系统,无人驾驶车辆可方便地检测预定路径的偏差,从而控制车辆的自动寻迹行驶。与其它导航方式相比,本文设计的系统具有结构简单、性能可靠和价格低廉等特点。     

基于行为融合的无人自动驾驶车辆的智能控制

针对动态环境下无人自动驾驶车辆控制的非线性、时变的特点,提出并设计了一种基于行为融合的无人驾驶车辆的智能控制策略。根据车辆行驶基于模糊逻辑方法设计了一系列的基本行为模式,用模糊控制的方法分别建立各行为模式控制器,进而对车辆的方向和速度进行控制。在行为选择机制设计中,对常用的行为竞争和行为融合2种方法进行分析比较后,提出限制各行为模式的使用范围,通过各行为的控制和融合,既达到有效避障,又能完成行驶目标的目的。通过几种典型障碍物环境下的避障仿真实验,结果显示设计达到了预期效果。     

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。     

全自动智能运输系统的分布式递阶控制方法

针对动态环境中的全自动智能运输系统的控制问题,提出一种适用于该系统的分布式递阶控制方法。该方法以大系统递阶控制理论为基础,采用3级结构,包含组织级、协调级和执行级。分布式递阶控制方法在不同层次上分别处理全自动智能运输系统的车辆调度、车辆协调及车辆行为控制问题。组织级响应实时变化的运输需求,并由此确定无人驾驶车辆的调度命令。协调级负责化解系统内车辆之间的潜在冲突。执行级负责无人驾驶车辆的行为控制。仿真试验研究结果表明,较之传统的定时发车方式,对于全自动智能运输系统,采用分布式递阶控制的系统控制方法能够缩短乘客的平均等车时间并提高车辆的使用效率。     

无人驾驶汽车路径规划算法研究综述

无人驾驶汽车是目前汽车发展的一个大方向,无人驾驶的实现依靠于汽车的感知、决策和控制功能。路径规划属于决策中重要的一环。目前,无人驾驶汽车的路径规划算法存在受环境影响较大,无法适用于复杂的道路环境的问题,基于此文章对无人驾驶汽车轨迹规划算法进行归纳。其在广义上可分成全局路径规划和局部路径规划两种,文章对上述两种规划进行细分并介绍了各种路径规划方法的原理,分析了各个方法的优劣,为无人驾驶汽车路径规划算法的研究提供参考。