混驾环境下基于主从博弈的多车协同决策规划

在自动驾驶车辆与人工驾驶车辆混行的复杂交通环境中,如何减小驾驶行为截然不同的2类车辆间的复杂相互作用对于车辆行驶安全性、乘坐舒适性和交通通行效率的影响,是当前自动驾驶决策与控制领域亟待解决的关键问题。提出了一个人机混驾环境下人工驾驶车辆与自动驾驶车辆之间的非合作博弈交互框架。首先,综合考虑车辆加速度线性递减的驾驶人纵向操纵特性、差异化配合程度和不同的延迟响应特性,建立人工驾驶车辆的纵向博弈策略。其次,考虑自动驾驶车辆与周围车辆的安全性约束,以及自动驾驶车辆在换道过程中的舒适性和通行效率目标,设计了自动驾驶车辆的纵向博弈策略。然后,基于主从博弈理论对不同混驾环境下人工驾驶车辆与自动驾驶车辆的博弈交互问题进行求解,得到最优的换道间隙和自动驾驶车辆的纵向速度轨迹,并采用模型预测控制方法规划出自动驾驶车辆的横向安全换道轨迹。最后,根据人工驾驶车辆不同配合度和延迟响应时间的差异,设计了多组人机混驾试验工况进行验证。试验结果表明：自动驾驶车辆能够快速准确识别人工驾驶车辆的配合度,选择出最优的目标换道间隙,并与间隙周围的自动驾驶车辆协作来汇入目标间隙。在换道过程中,自动驾驶车辆始终与周围车辆保持安全...     

基于小尺度的无灯控交叉口智能车辆驾驶行为决策模型

针对自动驾驶车辆与传统车辆在无灯控交叉口的动态交汇协同问题,在更小时间尺度上将交汇过程划分为完全信息下的重复博弈过程。通过构建一种新型驾驶员激进度模型,判断传统车辆驾驶员驾驶激进度,帮助自动驾驶车辆制定驾驶策略。同时,提出一种最佳减速度选取模型,解决智能车辆避让后速度过低的问题。采用CarSim与MATLAB/Simulink进行联合仿真,结果表明,提出的两种模型能准确地估计传统车辆驾驶员类型并帮助自动驾驶车辆安全、快速地通过无灯控交叉口。     

基于有限状态机的车辆自动驾驶行为决策分析

将智能车辆的自动驾驶运动过程分解为车道保持、车辆跟随、车道变换和制动避撞4种典型驾驶行为,基于有限状态机方法建立各驾驶行为间的逻辑关系及状态切换过程,同时,构建了面向自动驾驶的虚拟危险势能场,并对其结构关键参数和驾驶行为决策触发阈值进行分析。利用MATLAB/CarSim软件对不同道路工况下的自动驾驶行为决策过程进行联合仿真,并利用比例车辆模型和机器视觉系统对提出的方法进行试验验证。仿真和试验结果表明,虚拟危险势能场与有限状态机相结合的方法能够满足智能车辆的驾驶行为决策需求并实现主要的自动驾驶功能。     

数字孪生技术在自动驾驶测试领域的应用研究概述

研究数字孪生技术在自动驾驶测试领域的应用.旨在构建高度开放的数字孪生自动驾驶测试平台,结合仿真测试工具、通信设备、真实测试车辆等功能单元,形成丰富的测试验证环境,支持各类自动驾驶解决方案和算法验证测试,具备在有限资源条件下开展虚拟复杂场景的自动驾驶实车测试验证能力.提供一种全新的自动驾驶整车测试方法.     

自动驾驶障碍车辆行为预测技术研究

为了使自动驾驶车辆可以像有经验的驾驶员一样对周围车辆的行为做出准确的判断,通过车辆周围传感器来感知障碍车辆的相对位置信息,并结合自身车辆的高精定位信息,获得障碍车辆的精确位置,通过应用隐马尔可夫模型建立不同驾驶行为的预测模型,最终通过模型的预测来判断障碍车辆的可能驾驶意图,辅助自动驾驶车辆进行有效的驾驶决策,更好的规划安全高效的行驶路线。     

基于无迹卡尔曼滤波的定位融合与校验算法研究

针对传感器定位精度受环境影响较大及其对自动驾驶车辆行驶安全影响较大的问题,提出一种定位融合及校验算法.通过建立短时短距航迹推算模型进行定位预测,使用无迹卡尔曼滤波实现预测定位结果与实际定位结果的非线性融合,从而提高定位精度.通过定位校验算法,判断实际定位数据是否发生偏移,并研究主动避险控制算法使车辆能够保持定位失效前的...     

基于因子图的自动驾驶融合定位研究

在自动驾驶系统的即时定位及地图构建问题中，当行车路况复杂多变时，如何对车辆位姿进行准确实时估计是一个关键问题。就该问题提出基于因子图的多传感器融合方法，在Matlab 软件环境中实现车辆的准确实时定位。根据实际驾驶过程的特性选择试验采用的数据类型并建立相应的数学模型，分别根据GPS 及IMU 数据特征以及VO 和IMU的数据特征建立相应的融合因子图模型，基于KITTI 数据集，对所建立的融合因子图模型进行试验验证。结果表明，通过融合因子图模型可以准确地估计车辆当前时刻的位姿。     

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。     

基于车辆位置感知的自动快速公交系统

为了在城市快速公交系统中实现低成本的自动驾驶,提出一种基于位置感知的自动快速公交系统。该自动快速公交系统由感知层、决策层、控制层、执行层构成。其中感知层利用视觉和GPS可分别实现宿主车辆在道路上的横向、纵向的全局定位。利用车-车(V-V)和车-路(V-I)的超宽带通信及测距可得到周边车辆和设施相对本车的精确位置。详细介绍了车辆的横向定位方法以及在横向定位基础上的GPS/DGPS全局定位、V-V相对定位和V-I相对定位算法。列举了该系统中车辆利用位置感知实现自动跟随、泊车、换道超车等关键过程的方法,最后分析了自动快速公交系统的可行性。研究结果表明:提出的自动快速公交系统利用相对廉价的硬件设备和简单的定位算法,能够对自身、周边车辆及设施进行精确的位置感知,据此可实现车辆的自动驾驶控制,具备良好的应用前景;该系统中车辆位置感知方法相比传统方法具有较好的成本优势,在典型工况下能够取得较高的定位精度。     

基于RMPC的自动驾驶货车路径跟踪控制

针对自动驾驶货车相较于普通乘用车具有较大模型不确定性、执行器偏差以及存在曲率扰动等外部影响因素导致路径跟踪精度不足问题，本文提出一种基于鲁棒模型预测控制（robust model predictive control,RMPC）的分层式控制方法。首先，在转角增量式控制误差模型的基础上，根据实际车辆系统与标称模型之间的偏差，设计鲁棒控制律并构建上层多目标约束RMPC控制器，提高跟踪精度。然后，针对自动驾驶货车不足转向以及定位误差问题，设计下层转角补偿器和基于中值滤波的状态估计器，改善执行响应，提升车辆稳定性。最后，通过TruckSim/Simulink联合仿真和实车试验验证，结果表明：所提出的控制方法能够有效处理模型失配和不确定性扰动，具备良好的鲁棒性和适应性。     

Neural-network multiple models filter (NMM)-based position estimation system for autonomous vehicles

A highly accurate and reliable vehicle position estimation system is an important component of an autonomous driving system. In generally, a global positioning system (GPS) receiver is employed for the vehicle position estimation of autonomous vehicles. However, a stand-alone GPS does not always provide accurate and reliable information of the vehicle position due to frequent GPS blockages and multipath errors. In order to overcome these problems, a sensor fusion scheme that combines the data from the GPS receiver and several on-board sensors has been studied. In previous researches, a single model filter-based sensor fusion algorithm was used to integrate information from the GPS and on-board sensors. However, an estimate obtained from a single model is difficult to cover the various driving environments, including urban areas, off-road areas, and highways. Thus, a multiple models filter (MMF) has been introduced to address this limitation by adapting multiple models to a wide range of driving conditions. An adaptation of the multiple model is achieved through the use of the model probability. The MMF combines several vehicle models using the model probabilities, which indicate the suitability of the current driving condition. In this paper, we propose a vehicle position estimation algorithm for an autonomous vehicle that is based on a neural network (NN)-based MMF. The model probabilities are determined through the NN. The proposed position estimation system was evaluated through simulations and experiments. The experimental results show that the proposed position estimation algorithm is suitable for application in an autonomous driving system over a wide range of driving conditions.     

基于交互多模型的车辆质量与道路坡度估计（双语出版）

车辆结构参数和道路环境信息的实时准确获取是提高智能汽车运动控制性能的重要因素之一，而车辆质量与道路坡度信息是多种汽车控制系统的必要信息，因此质量与坡度在线估计的研究一直受到关注。针对车辆质量与道路坡度的联合估计问题，提出了一种基于交互多模型的质量与坡度融合估计方法。首先，设定了适宜进行质量精确估计的工况条件，据此提出了基于模糊规则的质量估计置信度因子计算算法，进而设计了基于置信度因子的递推最小二乘车辆质量估计算法，以实现质量的在线估计。然后，以车辆纵向动力学模型为基础，建立了运动学和动力学2种坡度估计模型，并设计了基于运动学模型的线性卡尔曼滤波坡度观测器，基于电子稳定性程序ESP的纵向加速度信息实现坡度估计，设计了基于动力学模型的无迹卡尔曼滤波坡度观测器，基于ESP和发动机管理系统EMS的力信息实现坡度估计。运动学模型未考虑车辆姿态信息，坡度估算结果与实际值有偏差；动力学模型对模型精度要求高，算法稳定性差，为充分发挥2种方法优势实现坡度的精确估计，采用交互多模型算法实现了2种坡度估计方法的加权融合。最后，对所设计的算法进行了实车试验验证。结果表明：所设计的质量与坡度估算算法具有较好的实时性和准确性，适合智能汽车运动控制的应用需求。     

路面附着系数的自适应衰减卡尔曼滤波估计

为了获得实时、准确的路面附着系数，进一步提高观测路面附着系数算法的精度和收敛速度，结合非线性车辆动力学模型和轮胎力修正模型，搭建分布式驱动电动汽车联合仿真平台，提出一种基于自适应衰减无迹卡尔曼滤波的路面附着系数观测算法。该算法设计与各轮对应的路面附着系数观测器，应用协方差匹配判据对观测器发散趋势进行判别，设计自适应加权系数修正预测协方差，以增强新近观测数据的利用率；同时采用次优Sage-Husa噪声估计器对未知的系统过程噪声进行估计，抑制观测器的记忆存储长度，调整过程噪声和测量噪声的均值与协方差，提高观测器的跟踪能力。利用分布式驱动电动汽车分别进行高、低附着路面和对开路面直线制动试验，并将自适应衰减无迹卡尔曼滤波路面附着系数观测器的观测结果与无迹卡尔曼滤波观测值、参考路面附着系数进行比较和分析。结果表明：高附着路面条件下，所设计的算法估计误差可控制在0.64%以内；低附着路面条件下，所设计的算法估计误差可控制在1.03%以内；对开路面条件下估计误差可控制在1.26%以内；自适应衰减无迹卡尔曼滤波算法相比无迹卡尔曼滤波算法响应速率更快，具有更高的估计精度和较强的自适应能力，估计结果整体上维持稳定，能够适应各种不同路面的估计。     

基于虚拟车队的自动交叉路口车辆时序优化模型

智能网联汽车可通过彼此交互协同安全地通过交叉路口,自动交叉路口控制已成为未来发展趋势。为解决现有基于预约的自动交叉路口控制模型未全局优化车辆通过顺序及模型非线性导致求解效率低等问题,提出一种基于虚拟车队的自动交叉路口车辆时序优化模型,实现车辆通过时序的高效全局优化。首先,为构建到达安全时间间隔约束,基于车辆冲突分析计算交叉口进口道停车线到各相互作用点的距离。其次,为便于建模和求解,基于时间维度构建虚拟车队并形成车辆索引序列。然后,以交叉口车辆总延误最小为优化目标,车辆通过控制区段的最小行程时间和到达冲突区域边界的安全间隔为约束条件,构建自动交叉路口车辆通过时序非线性优化模型。在此基础上,引入0-1变量将该模型转化为混合整数线性规划模型,并基于开源求解器CBC对模型进行求解。最后,设计数值仿真试验验证模型的有效性并进行了模型的参数敏感性分析。研究结果表明:所构建模型在不同交通需求下优化效果均优于基于"先到先服务"规则的模型,车均延误和最大单车延误能够减少61.50%和39.73%;当安全间距和优化周期较大时,构建模型的延误控制效果更为显著;模型和算法为未来智能网联环境下自动交叉路口控制提供了一种可选的方法。     

Effective assessment of tyre–road friction coefficient using a hybrid estimator

Vehicle stability and active safety control depend heavily on tyre forces available on each wheel of a vehicle. Since tyre forces are strongly affected by the tyre–road friction coefficient, it is crucial to optimise the use of the adhesion limits of the tyres. This study presents a hybrid method to identify the road friction limitation; it contributes significantly to active vehicle safety. A hybrid estimator is developed based on the three degrees-of-freedom vehicle model, which considers longitudinal, lateral and yaw motions. The proposed hybrid estimator includes two sub-estimators: one is the vehicle state information estimator using the unscented Kalman filter and another is the integrated road friction estimator. By connecting two sub-estimators simultaneously, the proposed algorithm can effectively estimate the road friction coefficient. The performance of the proposed estimation algorithm is validated in CarSim/Matlab co-simulation environment under three different road conditions (high-μ, low-μ and mixed-μ). Simulation results show that the proposed estimator can assess vehicle states and road friction coefficient with good accuracy.     

A novel method for identifying inertial parameters of electric vehicles based on the dual H infinity filter

ABSTRACT

Accurate identification of vehicle inertial parameters is essential to the design of vehicle dynamics control systems. In this paper, a novel vehicle inertial parameter identification method based on the dual H infinity filter (DHIF) for electric vehicles (EVs) is proposed. The filter algorithm employs a nonlinear longitudinal vehicle model with three vehicle states. A hierarchical framework is engaged by the DHIF to estimate the vehicle states and inertial parameters concurrently. In order to minimise the disturbance of unknown noise, the vehicle states are estimated by using the linear H infinity filter (LHIF), while the nonlinear H infinity filter (NHIF) utilises the observed states to identify the vehicle inertial parameters. Finally, the proposed estimation method is verified and compared through the dSPACE based hardware-in-the-loop (HIL) simulation experiments. The results indicate that the DHIF-based estimation method is effective to identify the vehicle inertial parameters with high precision, remarkable robustness, and quick convergence.     

Unscented Kalman filter for vehicle state estimation

Vehicle dynamics control (VDC) systems require information about system variables, which cannot be directly measured, e.g. the wheel slip or the vehicle side-slip angle. This paper presents a new concept for the vehicle state estimation under the assumption that the vehicle is equipped with the standard VDC sensors. It is proposed to utilise an unscented Kalman filter for estimation purposes, since it is based on a numerically efficient nonlinear stochastic estimation technique. A planar two-track model is combined with the empiric Magic Formula in order to describe the vehicle and tyre behaviour. Moreover, an advanced vertical tyre load calculation method is developed that additionally considers the vertical tyre stiffness and increases the estimation accuracy. Experimental tests show good accuracy and robustness of the designed vehicle state estimation concept.     

面向智能网联汽车定位的协同地图匹配算法

为实现智能网联环境下低成本、高精度的车辆定位, 研究了基于自适应遗传Rao-Blackwellized粒子滤波的协同地图匹配算法。利用联网车辆的定位信息和道路约束条件消除公共偏差, 提高车辆定位精度。将自适应遗传算法引入到粒子滤波的重采样过程中, 增加粒子的多样性, 解决传统粒子滤波算法中容易出现的“粒子退化”和“粒子耗尽”问题。通过仿真实验与传统粒子滤波以及卡尔曼平滑粒子滤波下的定位结果进行了对比, 同时分析了不同联网车辆数目对定位精度的影响。通过实际测试验证了算法在实际应用中的定位效果。实测结果表明: 以典型十字路口为例, 在联网车辆数目为4的情况下, 协同地图匹配算法的定位误差范围为1.67 m, 分别为原始GNSS定位以及单车地图匹配定位结果的41.03%和56.80%。同时, 该算法的统计定位精度(CEP)达到1.06 m, 比GNSS原始定位精度提高了2.52 m, 具有较好的定位效果。      

Kalman算法在纯电动汽车SOC估算中的应用误差分析

针对纯电动汽车电池组的工作状态和输出特性,分析了模型参数的变化对Kalman算法估算精度的影响.指出了纯电动汽车应用Kalman滤波算法估算SOC应考虑的因素,并结合电池模型参数的变化提出了Kal-man方程修正方案.最后通过电池的城市工况模拟试验,验证了分析的正确和可行性.     

Vehicle distance estimation using a mono-camera for FCW/AEB systems

For robust vision-based forward collision warning (FCW) and autonomous emergency braking (AEB) systems, not only reliable detection performance including high detection rate and low false positives but also accurate measurement output of a target vehicle is required. Especially, in order to reduce false alarm or activation of FCW/AEB systems, the systems require the precise measurement output of a target object, such as position, velocity, acceleration, and time-to-collision (TTC). In this study, we developed a measurement estimation algorithm of a target vehicle using a monocular camera. This method estimates two cases of vehicle widths for a target vehicle by using the detected lane information and a pin-hole camera model. After that, the position, velocity, acceleration, and TTC of a target vehicle are estimated by using a Kalman filter for the each estimated vehicle width. To improve robustness, the both estimation results using the detected lane information and the pinhole camera model are fused. This estimation algorithm was evaluated and compared with the state-of-the-art technology. As a result, the proposed measurement output estimation method can improve the performance of the FCW/AEB systems.