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。     

考虑驾驶人风格的换道轨迹规划与控制（双语出版）

基于自动换道控制技术中融合个性化驾驶人风格的研究,建立考虑驾驶人风格的车辆换道轨迹规划及控制模型以提高换道规划控制模型对不同风格驾驶人的适用性,在保证安全性的基础上进一步满足驾驶人的个性化需求。首先通过问卷调查的方式采集得到了212份驾驶人风格量表数据,采用主成分分析法和K均值（K-means）聚类分析法将驾驶人按驾驶风格分为激进型、普通型和谨慎型,并通过驾驶模拟器试验采集不同风格驾驶人分别在自车道前车、目标车道前车和目标车道后车影响下的换道行为数据。然后对椭圆车辆模型进行改进,以描述不同风格驾驶人的行车安全区域,并据此构建3种典型工况下不同风格驾驶人的换道最小安全距离模型,结合驾驶舒适性约束、车辆几何位置约束以及不同风格驾驶人的换道行为数据,以换道纵向位移最短为目标,实现适应驾驶人风格的换道轨迹规划。最后以基于预瞄的路径跟踪模型作为前馈量,设计基于动力学的线性二次型最优（LQR）反馈控制器,通过调节控制权重矩阵实现3种工况下不同驾驶人风格的换道轨迹跟踪。PreScan和MATLAB/Simulink联合仿真结果表明：所设计的考虑驾驶人风格的换道轨迹规划及跟踪控制模型能够实现不同驾驶风格的自动换道轨迹规划及跟踪控制,可满足驾驶人个性化换道需求。     

考虑冲突规避的自动化集装箱码头AGV优化调度方法

合理调度自动化导引车（AGV）对于降低自动化集装箱码头的作业成本具有重要意义。针对AGV调度中的任务分配和路径规划问题,考虑AGV电量和多载等因素,结合自动化码头布局特点,以AGV作业总时间最小和多AGV作业路径无冲突分别为第一阶段和第二阶段的优化目标建立两阶段模型。设计改进模拟退火算法求解第一阶段模型,为了加速算法收敛并保证解的质量,解的改进优先考虑任务的时间成本和AGV数量;设计基于时空网络的路径规划算法求解第二阶段模型,将作业区域离散成网格网络后添加时间信息构建可更新的时空网络,在时空网络上运用最短路径算法规划路径并规避冲突。对于任务分配不均衡导致的路径规划无可行解的拥堵情况,在冲突规避基础上重新计算AGV执行任务的成本并再次进行任务分配,不断迭代直到生成多AGV间路径无冲突的调度方案。以洋山四期自动化集装箱码头为例进行仿真实验与对比分析,结果表明:与使用传统路径规划和避障策略的AGV调度方法对比,所提方法下的总作业时间平均降低了7.31%,AGV冲突数量降低为0,任务总延期时间最大降低2 895 s,最大降低路网拥堵度10.79%,验证了提出方法解决冲突规避和拥堵问题的有效性。      

深化产教融合、校企合作,提升高职院校服务地方发展路径研究——以江阴职业技术学院为例

高职院校服务地方和区域经济发展的社会功能是其内涵建设的基本要求。本文以地方院校为例,阐述高职院校如何提升服务地方和区域经济发展的路径,使得地方院校更深化地开展产教融合、校企合作,服务地方经济建设的发展需要。     

基于MPC的局部路径规划与路径跟踪控制研究

文章主要针对无人驾驶车辆在进行路径跟踪遇到障碍物时,需要局部重新规划出一条可行路径的问题,首先基于车辆点质量模型的MPC局部路径规划算法,得到满足车辆动力学约束并实现避障功能的局部路径,然后在二自由度车辆动力学模型的基础上基于MPC进行路径的跟踪,最后使用Simulink/Carsim进行联合仿真验证,结果表明基于该局部路径规划与路径跟踪算法能够可靠地规划出避开障碍物的局部路径,实现高速下的路径跟踪。     

高速公路突发事件救援车辆诱导

为了提升高速公路突发事件应急救援效率,将交通状况、在途潜在风险等信息纳入高速公路突发事件救援车辆诱导研究中,基于实时和时变路网环境下的交通信息,以车辆出行时间最小,路径可靠性最强为目标,构建基于在途时间和路径可靠性的车辆诱导最优化模型。设计一种实时信息和时变信息结合策略,使模型规划路径随路网交通量变化而相应做出阶段性调整,采用滚动时域策略将该动态决策问题转化为一系列离散时间点的静态决策问题,用于计算应急救援路径时间;在此基础上,考虑到高速公路突发事件发生后路网交通事故率升高,同时容易发生拥堵的状况,进一步将救援规划路径可靠性作为决策目标,即应急救援车辆规划路径在面对道路中断或者严重拥堵时是否拥有更多的调整策略,更新救援路径尽快完成救援任务;为了便于量化计算将上述目标转化为统一的价值成本,共同决定救援车辆的行驶路径。研究结果表明：当行驶路段交叉口间距离较长,中间无其他道路连通,行驶过程中由于突发事件破坏趋势蔓延导致道路中断或拥堵等意外发生时,无法更新调整救援路径,最终导致救援延误;因此,基于救援时间和路径可靠性的车辆诱导最优化模型能够克服以上问题,进一步提高救援效率。     

基于稳定性和宏观交通流模型的车辆路径规划

为了提升车辆的安全性和能量利用率,从路径规划的层面出发,针对避免车辆遇到极端工况及低效率工况的问题,提出将车辆稳定性判据模型和交通流模型相结合的方法来规划车辆路径,使得车辆在路面湿滑情况下实现快速、安全的行驶。使用交通流模型预测车辆未来将要面临的交通环境变化,再使用稳定性判据模型评估未来交通的安全性,以便为混合动力车辆规划出最快且最安全的路径。具体来讲,为了预测混合动力车辆未来将要面临的车速及车流密度的变化,使用通量矢量分裂格式求解广义Aw-Rascle-Zhang（GARZ）宏观交通流模型。此外,使用驾驶人在环仿真平台PreScan,收集了同一驾驶人在不同车速及不同相对前车距离时给出的前轮转向角响应。基于前轮驱动（FWD）前轮转向（FWS）车辆和全轮转向（AWS）分布式驱动车辆（DDV）的Simulink模型,给出了不同前轮转向角对应的轮胎力饱和因子（δ_TFSC）响应。使用人工神经网络训练不同车速和车流密度对应的δ_TFSC,建立了车辆的稳定性判据模型。使用新建立的稳定性判据模型对交通流模型预测的参数（车流速及车流密度）进行稳定性评估。然后,基于以上的方法优化了车辆行驶路径,以确保车辆在湿滑路面上的行驶安全。最后,使用US-101真实交通流数据来验证交通流模型的预测结果。经实例验证得出：交通流模型与车辆横向稳定性判据模型相结合可以从路径规划的层面保证车辆安全行驶并提升交通系统的通行效率。     

基于代价函数的无人驾驶汽车局部路径规划算法

局部路径规划层作为无人驾驶汽车软件层的重要组成分布,如何有效、安全地到达目的地是当前研究的热点。针对结构化道路信息,充分考虑车道线的约束,在使用Frenet坐标系理论的基础上,提出一种考虑到车道线曲率和障碍物模型信息,得到不同车道上其他道路参与者的位置信息,以便计算其他障碍物模型对本车危险程度,综合算法实时性、轨迹平顺性等要素的最小代价局部路径规划算法。在局部路径规划过程中,沿着参考线（Frenet坐标系下X轴上一段路径）选取多个路径分割点,Frenet坐标系下在每个分割点处沿Y轴进行控制点离散,每个路径分割点处选取1个控制点构成路径控制点集合,使用一元三次方程对每种排列组合路径进行拟合,从而使用代价函数对每种排列组合路径进行评估,代价函数值最小为最优的局部路径。代价函数考虑拟合轨迹到障碍物的危险程度、轨迹平顺性、轨迹到当前参考线（实时在全局路径规划层上根据车速得到一条当前需要跟踪的理想轨迹）的偏离程度、拟合轨迹行驶方向的改变程度、无人驾驶汽车最小转弯半径。研究结果表明：在不同试验场景下,所提出基于代价函数的局部路径规划算法,能规划出一条不与障碍物发生碰撞的最优路径,并能保证无人驾驶汽车行驶轨迹平顺性和路径规划层实时性的要求。     

关于L3自动驾驶的人机交互设计研究

随着雷达、摄像头、处理平台的软硬件提升,加上高精地图的辅助,全球越来越多的汽车公司都推出了自动驾驶车辆,覆盖Level 2~Level 3的自动驾驶场景(SAE J3016),但这些场景都需要在必要的时候由驾驶员接管车辆,因此自动驾驶汽车对人机交互设计提出了新的挑战,比如合理的接管流程,驾驶操作的监测,权责划分的提示。     

Trends in vehicle motion control for automated driving on public roads

ABSTRACT

In this paper, we describe how vehicle systems and the vehicle motion control are affected by automated driving on public roads. We describe the redundancy needed for a road vehicle to meet certain safety goals. The concept of system safety as well as system solutions to fault tolerant actuation of steering and braking and the associated fault tolerant power supply is described. Notably restriction of the operational domain in case of reduced capability of the driving automation system is discussed. Further we consider path tracking, state estimation of vehicle motion control required for automated driving as well as an example of a minimum risk manoeuver and redundant steering by means of differential braking. The steering by differential braking could offer heterogeneous or dissimilar redundancy that complements the redundancy of described fault tolerant steering systems for driving automation equipped vehicles. Finally, the important topic of verification of driving automation systems is addressed.     

基于动态窗口和绕墙走的自动垂直泊车轨迹规划

针对现有自动垂直泊车轨迹规划因需要轨迹数学模型而灵活性差和采用开环离线规划而无法动态调整路径的问题,提出一种基于动态窗口和绕墙走策略的垂直泊车轨迹规划方法.将轨迹规划问题解耦为与时间无关的路径规划和与时间相关的速度规划,并在分析车辆阿克曼转向特性的基础上,通过绕墙走策略实现无先验轨迹模型的路径规划.同时将绕墙走路径作为全局启发信息,用于驱动基于模型预测控制的动态窗口法进行速度规划,其反馈优化特点能够对路径进行局部动态调整.仿真实验结果表明,该方法能够在控制、定位精度0.2 m的情况下,安全有效地完成车辆垂直泊车,且能动态地对车辆路线进行局部调整.      

复杂动态环境下智能汽车局部路径规划与跟踪算法研究

路径规划及路径跟踪控制是智能汽车研究的关键技术，而复杂、时变的交通环境给智能汽车的路径规划与跟踪提出严苛要求。针对现有局部路径规划方法只适用于较为简单的工况，无法应对多车道、多静/动态障碍等复杂工况的问题，提出一种基于离散优化思想的动态路径规划算法。该算法利用样条曲线曲率变化均匀的特性，在s-ρ曲线坐标系中生成了一组参数化候选路径簇；考虑动态碰撞安全影响，在碰撞带约束下结合道路法规限制及车辆动态安全要求，规划车辆速度；此外，综合考虑静态安全性、舒适性、目标车道、道路占用率等影响因素，以选择最优路径。在路径跟踪层面，基于预瞄理论设计鲁棒性好、跟踪精度高的分数阶PID路径跟踪控制器，以跟踪误差最小为目标，采用粒子群优化算法对分数阶PID控制器参数进行整定。最后，基于Simulink/CarSim建立联合仿真平台，设计多车道，多静/动态障碍的复杂工况以验证该算法的有效性。研究结果表明：由于在评价函数中引入动态安全评价指标、目标车道评价指标以及道路占用率指标，极大地提升了规划器性能，使车辆在行驶过程中根据驾驶环境自主调整速度，降低换道次数，从而保证智能汽车的主动安全性能，提升了通行效率，使该算法能够较好地处理复杂动态环境下的避障问题。     

基于OBD数据的危险驾驶行为与建成环境空间关联研究

随着宽带移动通信、物联网等新一代信息技术在交通领域中的应用,面向交通安全的移动互联环境下驾驶行为研究成为热点课题.为弥补现有研究中对车联网数据分析较少或对危险驾驶行为空间分析不足等缺陷,基于车辆自诊断系统(OBD)数据对危险驾驶行为进行了空间识别与提取,并基于交通小区(TAZ)分析了危险驾驶行为的空间分布差异.研究揭示了危险驾驶行为空间分布差异的内在机理,利用百度兴趣点(POI)数据度量了城市建成环境因素,通过最小二乘法(OLS)回归模型识别出建成环境对危险驾驶行为显著影响的变量,在此基础上采用基于地理加权回归(GWR)模型得出了不同建成环境变量对危险驾驶行为的空间影响系数.模型显示,采用GWR模型拟合结果优于OLS一倍,并且可以有效地揭示出空间建成环境对危险驾驶行为影响的时空特征,为交通管理与规划部门制定措施或政策提供了决策支持.      

Path Tracking for Autonomous Race Car Based on G-G Diagram

Currently, the autonomous driving technique is attracting increasing research focus from all over the world. Generally, the control systems of an autonomous vehicle include environment perception, path planning and path tracking control systems. In this paper, the path tracking control issue of the autonomous vehicle will be focused on. Few of the previous proposed path tracking controllers consider the vehicle driving and handling limit, which degenerates the potential of the autonomous vehicle to finish the desired path as quick as possible. To this end, this paper proposes a path tracking controller for autonomous vehicle, which aims at pushing it to the driving and handling limit. The limit dynamic performance of the autonomous vehicle is represented by the G-G diagram, which indicates the acceleration capability of the autonomous vehicle. The G-G diagram is obtained by phase portrait method and it is validated by a modified FSAE racing car. Finally, a path tracking controller based on the G-G diagram is proposed. The simulation validation results demonstrate the effectiveness of the proposed controller.     

基于改进人工势场的无人驾驶动态规划算法研究

无人驾驶决策算法可以分为端到端的决策算法与分层式决策算法，分层式算法由于可解释性强、鲁棒性高而被大多数主机厂采用。规划模块是分层式决策算法中的核心模块，它承接感知与地图模块的信息并输出驾驶轨迹或动作，而人工势场法由于规划效率高、信息提取能力强，被越来越多地应用于无人驾驶决策规划领域。但现阶段的人工势场存在未考虑目的地因素或建立目的地单点引力场导致远距离引力过大、方向错误的问题，无法应对复杂交通环境。针对这些问题，提出一种无人驾驶“行车意图-风险复合场”(Driving Intention & Risk Field, IRF)，根据目的地、车辆、道路边界等要素各自的特点分别建模，并以势场的形式统一在IRF中。创建考虑全局规划的全局引力场，将全局规划路径离散成等距离的路径点，并动态选取感兴趣范围内的路径点进行全局引力场的构建。为了验证模型的性能，搭建IRF-SAC动态规划算法平台，并在CARLA仿真环境分别设置高速公路场景、十字路口场景和环岛场景。研究结果表明:相比于NF-SAC和FSM，IRF-SAC算法在安全性、舒适性、通行效率上均有显著提升；在高速公路场景下，IRF-SAC显示出较强的路径跟踪精度和鲁棒性，最大位移偏差相对于NF-SAC和FSM算法分别下降了44.8%、70.2%；在十字路口场景下，与NF-SAC及FSM算法相比，平均危险系数分别降低12.0%、20.6%，纵向加速度均方根分别降低13.2%、44.9%，行驶时长相较于FSM算法减少了39.2%；在环岛场景下，与NF-SAC及FSM算法相比，平均危险系数分别降低了31.7%、52.9%，纵向加速度均方根分别降低了27.0%、19.0%。     

Development of a path planning system using mean shift algorithm for driver assistance

The longitudinal and lateral vehicle control techniques have been widely used in several active driver assistance systems. The adaptive cruise control, lane keeping assistant control, vehicle platooning and stop-and-go control are typical examples of the most important applications. In this study, a novel path planning method is proposed considering the driving environment such as road shape, ego vehicle and surrounding vehicles’ movement. The relative distance and velocity between the ego vehicle and surrounding vehicles are identified with respect to the predicted lane shape in front of the ego vehicle. Based on the identified information, the road shape and surrounding vehicles are mapped into the intensity image and the desired vector for the ego vehicle’s movement is determined by the maximum intensity density tracing method. The desired vehicle path is followed by the acceleration/deceleration control and the steering assist control, respectively. In order to evaluate the performance of the proposed system, simulations are conducted and compared with ACC systems.     

浅析几种无人驾驶汽车路径规划算法

路径规划是自动驾驶关键技术之一,各种路径规划算法现已不断改进并不断涌现。本文根据全局和局部路径规划对常用路径规划算法进行分类,对几种常用的路径规划算法原理进行介绍,并分析其发展方向。     

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。     

车辆转向与驱动综合控制及横向速度观测器的设计

为了实现复杂工况下车辆自动跟踪控制,建立了纵横向耦合车辆模型,研究了车辆在弯道变速行驶工况的动力学耦合控制问题,根据滑模控制以及动态表面控制理论,提出了一种基于车辆转向与驱动控制的综合控制器,并针对横向车速不可测,设计了横向速度观测器。仿真结果表明该综合控制器具有良好跟踪性能,在复杂工况下表现出较好的动、静态特性。     

Force control for path following of a 4WS4WD vehicle by the integration of PSO and SMC

The aim of this paper is to present a novel control method for a four-wheel steer and four-wheel drive (4WS4WD) vehicle. The novelty is in the integration of sliding mode control (SMC) and particle swarm optimization (PSO) that is proposed to solve the control problem caused by the nonlinear, highly coupled and over-actuated characteristics of the four-wheel steer and four-wheel drive (4WS4WD) vehicle. The validity of the control method is evaluated by two criterions, namely path following performance assessed by the vehicle's position errors with respect to the reference path, and motion quality reflected by the smoothness of vehicle's velocities and accelerations. In vehicle modelling, a kinematic model and a dynamic model considering all slip forces are proposed for the controller design. Simulation results are provided to demonstrate the applicability of the proposed methodology and its robustness.