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。     

基于交通风险评估的个性化换道触发研究

基于风险评估的结果,如何实现智能车安全、合理、个性化的自主换道触发,是当下自主驾驶领域的研究热点。本文中基于人工势场理论,建立了障碍物的静态和动态风险场,从而对车辆周围的风险进行评估。之后对驾驶员日常驾驶数据中的换道数据进行提取和分析,得到个性化的换道触发。实车试验验证结果表明,采用本方法可很好地评估交通环境中的风险,实现个性化的换道触发。     

基于Frenet坐标系的智能车运动规划研究

自动驾驶技术作为车辆智能的核心,在车辆工程领域掀起研究高潮。运动规划作为决策模块的重要组成部分,负责生成车辆的局部运动轨迹,是决定车辆行驶质量的直接因素。将Frenet坐标系用于智能车运动规划问题研究,用五次多项式建立智能车运动规划模型,在自主变道场景,通过采样智能车始末状态,得到可行轨迹集合,建立质量评估函数从中筛选出最优轨迹,开发和实现一种高性能、低开销的运动规划算法。     

智能车辆换道行驶的经济车速研究

本文旨在实现智能车辆在换道过程中经济车速规划。基于瞬态燃油消耗模型、车辆动力学模型和换道过程中道路曲率信息,利用动态规划算法求得车辆在换道过程中的经济车速轨迹。Matlab/Simulink与Car Sim联合仿真结果表明,与定速巡航算法相比,动态规划算法可节油8%左右。采用所提出的方法可在保证智能车辆安全行驶的基础上,提升其燃油经济性能,为智能车辆换道的速度控制提供决策依据。     

基于视觉与激光雷达数据融合的前车识别研究

智能驾驶技术已经成为智能车的重要开发领域,这一技术实现的关键就是对车辆精确的环境感知,对周围物体进行准确识别,避免车辆在行驶过程中出现事故,在智能辅助驾驶系统起关键性作用。目前,单一传感器不能满足复杂工况下的路面识别,基于多传感器的数据融合(Multi-sensor Information Fusion,MSIF)可以提高检测效率,改善单一传感器检测不精确的缺陷,文章先对传感器进行标定实现多传感器的时空同步,对识别的物体进行检测判断,确定前车。实验结果表明此方法有利于提高汽车安全行驶性能,可以准确、实时地识别前方车辆,满足多工况下的前车识别。     

用于车辆自主导航的多传感器数据融合方法

提出了一种用于车辆自主导航的多传感器数据磁合方法.首先分析了车辆自主导航过程的态势与威胁,建立了车辆行驶某时刻场景模型.然后综合现有各数据融合模型的优势,运用混合、分层的融合结构改进自主行驶的有效性和准确性.最后将该方法集成到湖南大学自主研制的无人驾驶汽车测试平台上.在城市道路的实际场景中,初步实现了基于路线和交通锥形标的自主导航和行驶任务,车辆自主行驶的融合决策准确率可达到97.5%,表明该方法具有可接受的性能.     

车载自组织网络中车辆路径预测序列模式数据挖掘方法

为了向交通参与者提供实时、可靠的交通状况信息,提高出行效率,根据车辆序列模式特点,联系车载自组织网络拓扑结构与实际车辆运动路径,提出车载自组织网络环境下序列模式定义,采用基于路侧单元(RSU-Based)和基于车辆(Vehicle-Based)两种方案收集车辆路径信息,建立车辆行驶路径数据库,进行序列模式数据挖掘,评估其通信开销,计算车辆路径模式生成的运动规则的支持度和置信度,提取车辆频繁行驶路径及其概率。案例分析表明,在动态路网中使用序列模式数据挖掘方法能有效解决单车路径选择问题。     

基于STM32和Zigbee的智能车路协同系统的设计和实现

文章以车辆顺利安全通过有信号灯的城市十字路口为背景,研究基于STM32微处理器和Zigbee无线通讯协议的智能车路协同系统的设计和实现。整个系统包含智能车载单元和智能路侧单元。路侧单元和车载单元通过Zigbee无线传输协议实现信息交互,智能路侧单元通过实时获取的车辆位置和行驶方向及距离车辆最近的十字路口的红绿灯信息和道路信息,通过速度引导略为驾驶员提供行驶建议,使其不停车通过十字交叉路口,达到安全,畅行的目的。     

车路协同信息融合的智能汽车行驶状态模糊评判

为了监测与评判道路上行驶的智能汽车的实时状态,基于研发的智能汽车的车载感知系统,包括通过视觉传感器、激光雷达、GPS定位、车载传感器系统及车载总线获取车内及周围环境信息。采用V2X通讯设备等获取路侧端雷视一体机、路侧传感器、气象传感器传输的交通信息,通过V2X通讯设备、4G通讯模块传送到云服务器并建立模糊评判模型。基于可信度的模糊推理算法对环境信息和交通信息进行融合,并以此为依据对行驶车辆的状态进行评判。首先,建立针对车辆行驶状态的模糊评判集合和各参数隶属度函数,计算出各参数的隶属度,并对行驶车辆的各个参数建立典型的行驶状态评判参数数据集合。其次,采用模糊假言推理方法,以典型的数据集合为基础建立带可信度和阈值的模糊规则库。应用麦姆德尼方法,建立与规则库的每个规则所对应的模糊关系矩阵库。以车辆行驶时接收到的车载端和路侧端信息作为输入,应用规则库规则进行带有可信度的模糊推理。然后,以相似度作为匹配度,对推理规则设定阈限,按照证据与规则的前件不相等的情况,计算结论的可信度得出结论。对结论进行冲突消解时,冲突消解的策略为取可信度高的结论。最后,应用匹配度对结论的可靠性进行验证,并在多个道路场景实时行驶的车辆上对算法进行试验验证。研究结果表明:算法对行驶车辆状态的评判与实车的状态相一致,可实现对车辆不安全状态的报警与行驶状态的干预,对保障行车安全有显著积极的实际应用意义。     

智能车辆系统发展及其关键技术概述

介绍智能车辆系统的研究内容，研究与应用现状，智能车辆的使用可以改善道路安全状况，提高道路的利用率，智能车辆的行驶环境是很复杂的，为了得到一个可靠的决策，必须利用道路信息，其他车辆和目标的位置和动态信息和司机的状态信息等多源信息，智能车辆研究涉及的关键技术主要包括传感器技术，机器视角，GPS技术，通讯技术和数据融合技术等，尤其是数据融合技术中的多目标跟踪与匹配以及基于卡尔曼滤波器的状态估计技术等。     

汽车工业增长的新动力-智能汽车

正所谓"智能车辆",就是在普通车辆的基础上增加了先进的传感器(雷达、摄像)、控制器、执行器等装置。通过车栽传感系统和信息终端实现与人、车、路等的智能信息交换,使车辆具备智能的环境感知能力,能够自动分析车辆行驶的安全及危险状态,并使车辆按照人的意愿到达目的地,最终实现替代人来操作的目的。智能汽车与一般所说的自动驾驶有所不同,它指的是利用多种传感器和智能公路技术实现的汽车自动驾驶。智能汽车首     

基于TD3算法的人机混驾交通环境自动驾驶汽车换道研究

提高人类驾驶人的接受度是自动驾驶汽车未来的重要方向,而深度强化学习是其发展的一项关键技术。为了解决人机混驾混合交通流下的换道决策问题,利用深度强化学习算法TD3（Twin Delayed Deep Deterministic Policy Gradient）实现自动驾驶汽车的自主换道行为。首先介绍基于马尔科夫决策过程的强化学习的理论框架,其次基于来自真实工况的NGSIM数据集中的驾驶数据,通过自动驾驶模拟器NGSIM-ENV搭建单向6车道、交通拥挤程度适中的仿真场景,非自动驾驶车辆按照数据集中驾驶人行车数据行驶。针对连续动作空间下的自动驾驶换道决策,采用改进的深度强化学习算法TD3构建换道模型控制自动驾驶汽车的换道驾驶行为。在所提出的TD3换道模型中,构建决策所需周围环境及自车信息的状态空间、包含受控汽车加速度和航向角的动作空间,同时综合考虑安全性、行车效率和舒适性等因素设计强化学习的奖励函数。最终在NGSIM-ENV仿真平台上,将基于TD3算法控制的自动驾驶汽车换道行为与人类驾驶人行车数据进行比较。研究结果表明：基于TD3算法控制的车辆其平均行驶速度比人类驾驶人的平均行车速度高4.8%,在安全性以及舒适性上也有一定的提升;试验结果验证了训练完成后TD3换道模型的有效性,其能够在复杂交通环境下自主实现安全、舒适、流畅的换道行为。     

基于信息融合的车辆险态运行模式评价研究

提出了一种车辆运行状态识别体系.鉴于车辆行驶环境的复杂性,多作业工况条件的影响以及车辆行驶行为表现特征的多元性,采用BP神经网络技术与Dempster-Shafer证据推理技术相结合的信息模式分类及融合判断的解决方案.为验证所提出的方案,建立车载摄像机视频实时检测系统,以车道偏离信息和跟驰车间距信息作为车辆行驶的表征参量,实现车辆险态行驶特征表现的检测和评价.研究结果表明,模式分类和多源信息融合决策技术的综合运用提高了车辆危险行驶姿态表征信息甄别的自适应性和智能化水平.     

车辆感知与定位研究——第29届国际智能车大会综述

近年来,由于摄像头、激光雷达等传感器的更新换代和大数据、人工智能等高科技在汽车领域的广泛应用,汽车智能化的程度越来越高,智能汽车的整体制造近在眼前.第29届国际智能车大会(The 29th IEEE Intelligent Vehicles Symposium,IV 2018)旨在促进全球智能汽车技术发展和国际汽车领域的交流合作.会议整体分为智能车的感知、决策、路径规划和控制等主题,探讨了当前智能车领域的最新技术动态以及未来发展前景.综述了会议报告的热点,从传感器数据融合、智能车定位与导航、激光雷达感知与定位和目标检测与识别等方面对车辆感知与定位技术的发展状态进行了分析,展望了未来车辆感知与定位研究的发展趋势,提出了深度学习方法与基于激光雷达的定位方法是未来车辆感知与定位可能的研究热点.     

智能网联环境下基于安全势场理论的车辆换道模型

为有效刻画未来智能网联环境下车辆在换道过程中面临的驾驶风险,保证车辆执行更加安全的换道决策,建立基于安全势场理论的车辆换道模型.首先针对车辆换道过程中所遇到的驾驶风险进行评估,利用势场理论给出车辆行驶过程中不同运动状态下安全势场的空间分布.其次根据换道过程中相关车辆不同安全势场分布情况计算出换道结束时的车间临界距离,相...     

基于激光雷达的自动驾驶同步定位与建图方法综述

同步定位与建图（Simultaneous Localization and Mapping,SLAM）技术可使自动驾驶车辆在未知环境中根据车载传感器采集到的数据估计自身位姿,建立环境地图,为车辆的规划、决策提供定位信息,是近年来自动驾驶技术研究的热点之一。基于车载激光雷达的点云数据,聚焦SLAM技术在自动驾驶领域的应用,围绕前端里程计、后端优化和回环检测技术,对国内外相关研究进行综述。考虑到单一传感器的局限性,结合目前多传感器融合研究的热点与难点,展望了自动驾驶多传感器融合SLAM技术在自动驾驶领域的机遇与挑战。     

不确定性对车辆轨迹预测的影响研究综述

通过对国内外车辆行驶面临的不确定性问题进行归纳，重点分析了车辆轨迹预测方法及其不确定性、环境预测不确定性、车辆模型不确定性、环境感知不确定性、驾驶行为不确定性和多车间的交互与博弈对轨迹预测的影响，进一步明确不确定性对车辆轨迹预测的影响机理及控制方法，为解决不确定性导致的车辆轨迹预测误差问题提出合理的解决思路。针对车载传感器的测量误差、轨迹预测模型误差和驾驶员转向稳定性差等问题，指出基于传感器融合、车辆模型运动特性和驾驶员模型的方法将成为未来的主要研究方向。     

数据驱动的驾驶员换道行为分析与预测综述

换道是一种具有极高风险的驾驶行为,许多交通事故发生在换道过程中,相邻车道车辆的突然换道行为会产生很大安全风险并影响车辆的乘坐舒适性,对周围车辆的换道行为进行预测对驾驶辅助系统和自动驾驶汽车都十分必要。随着V2X(Vehicle-to-Everything)技术、5G技术的快速发展,车辆可以从周围环境中获得更多信息,使换道行为预测成为可能。文中对换道意图的产生及换道过程进行分析,将换道过程分为换道意图产生阶段、换道准备阶段和执行阶段,总结将车辆上各种传感器获得的车辆速度、加速度、位置、方向盘转角等信息及通过V2X技术从交通环境中获得的信息用于换道行为预测的主要方法。目前许多研究采用机器学习方法,按照所使用的数据类型可分为基于驾驶员生理活动信息的方法和基于车辆CAN总线信息、运动学及其与周围车辆运动关系信息的方法,也有研究将二者相结合。数据驱动的换道行为预测方法也可用于车辆的主动换道决策和执行过程,强化学习(RL)算法可以从真实数据中学习决策和驾驶行为,而这些对于传统的基于规则的方法来说基本不可行,故其在研究车辆主动换道时被广泛使用。     

基于实时三线标定的车辆视觉定位方法

车辆在行驶过程中车路状况复杂多变,车载摄像机外参数会发生较大的变化,针对采用传统的基于预先标定外参数的方法进行车辆位姿计算会带来较大误差的问题,研究了一种基于实时三线标定的车辆视觉定位方法.基于三线标定法实时标定车载摄像机外参数,降低了其受到车辆震荡和路面环境的影响.然后利用外参数的实时标定结果,结合射影几何和消失点原理对车辆进行位姿计算,获取车道偏离距离和车辆偏转角度信息,从而实现对车辆的定位.通过在不同的路段架设不同高度的车载摄像机进行真实道路实验,计算车辆的位姿.结果表明,在不同路况下,车辆偏离车道线距离的平均误差为7.3cm,偏转角度平均误差为1.5°.该算法通过实时标定车载摄像机外参数,可以有效提高车辆位姿计算的精准性与适应性,对车载摄像机外参数的标定性能明显优于传统的预先标定法.     

智能车辆队列行驶控制研究

<正>本文介绍了利用车辆间的无线通信共享GPS修正信息,并采用实时动态差分法(RTK)-GPS对车辆队列行驶进行控制。采用车载GPS观测信息进行研究在ITS(智能交通系统)方面历经数多年,尤其是AVSS(先进的车辆控制与安全系统)可以获取GPS观测信息应用于汽车自动驾驶,效果非常好。