自动驾驶汽车横向运动控制方法综述

对自动驾驶汽车的横向运动控制技术进行了介绍,从车辆模型、控制策略、控制方法 3个方面分析了横向运动控制的国内外研究现状。针对目前横向运动控制研究中存在的问题,提出未来自动驾驶横向运动控制的研究应趋向于横/纵向运动控制耦合、车辆底盘控制技术与自动驾驶运动控制技术结合,以及车联网模型下的新型运动控制技术探索几个方向,以实现横向运动控制技术综合性能的进一步提高。     

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...     

一种面向自动驾驶汽车的非线性纵向级联控制策略

为了稳定控制自动驾驶汽车,本文提出了一种非线性纵向级联控制策略,并混合横向控制方法,以使自动车辆能在多弯道状态下安全行驶。首先将车辆模型抽象为自行车车辆动态模型,设计纵向控制的外循环控制策略,用Lyapunov方法分析该系统的稳定性。然后建立发动机和动力系统的动力学模型,设计面向车辆底层控制的转矩控制器实现车辆的内循环控制策略。最后采用混合横向控制和纵向控制方式,控制车辆在多个弯道路上行驶。在多种弯度路段下进行测试。实验结果表明,在速度不高于30km/h情况下,该系统能够根据参考路线,依据参考速度安全行驶,达到预期控制车辆的目的。     

基于机器视觉的客运车辆危险行驶状态辨识技术研究

为了提高客运车辆危险驾驶状态的辨识效能,提出利用机器视觉辨识危险驾驶行为。使用车载CCD实时采集路面图像,依据图像处理算法检测车道标识线的位置以及本车与前方目标车辆的实时距离,建立了车辆横向偏航辨识模型和车辆纵向危险行驶状态辨识模型;结合所建模型的辨识结果,确定预警方案。实车试验结果表明,所建模型能有效辨识车辆横向偏航和纵向跟车过近危险行驶行为,可用来降低潜在的危险驾驶行为,提高车辆在途行驶安全性。     

基于深度强化学习的车辆跟驰控制

针对自适应巡航控制系统在控制主车跟驰行驶中受前车运动状态的不确定性影响问题，在分析车辆运动特点的基础上，提出一种能够考虑前车运动随机性的跟驰控制策略。搭建驾驶人实车驾驶数据采集平台，招募驾驶人进行实车跟驰道路试验，建立驾驶人真实驾驶数据库。假设车辆未来时刻的加速度决策主要受前方目标车辆运动影响，建立基于双前车跟驰结构的主车纵向控制架构。将驾驶数据库中的驾驶数据分别视作前车和前前车运动变化历程，利用高斯过程算法建立了前车纵向加速度变化随机过程模型，实现对前方目标车运动状态分布的概率性建模。将车辆跟驰问题构建为一定奖励函数下的马尔可夫决策过程，引入深度强化学习研究主车跟驰控制问题。利用近端策略优化算法建立车辆跟驰控制策略，通过与前车运动随机过程模型进行交互式迭代学习，得到具有运动不确定性跟驰环境下的主车纵向控制策略，实现对车辆纵向控制的最优决策。最后基于真实驾驶数据，对控制策略进行测试。研究结果表明：该策略建立了车辆纵向控制与主车和双前车状态之间的映射关系，在迭代学习过程中对前车运动的随机性进行考虑，跟驰控制中不需要对前车运动进行额外的概率预测，能够以较低的计算量实现主车稳定跟随前车行驶。     

自动驾驶条件下城市道路机动车道宽度设计的思考

自动驾驶汽车的技术模式有别于传统汽车,对道路设计的要求也发生了变化。为深入研究自动驾驶条件下城市道路的机动车道宽度,从车辆外廓尺寸、车辆速度、车辆技术性能等角度,对传统车辆和自动驾驶车辆进行对比分析,判断适应自动驾驶车辆的城市道路机动车道宽度设计标准。研究表明,自动驾驶车辆的车距精确控制与车队化运行模式可提高道路通行能力,节约空间,提升慢行舒适性。城市干路条件下,自动驾驶车辆的横向摆动大幅缩小,2.85～3.05 m的机动车道宽度即可满足自动驾驶车辆的行驶需求。研究成果可为城市道路规划设计提供参考。     

高速公路上自动超车过程的轨迹规划与跟踪控制

研究了自动驾驶汽车在高速公路上超车过程中的轨迹规划和跟踪控制。基于纵向位移与时间（s-t）图,对超车过程进行建模和数字仿真分析,并应用多项式来规划车辆横纵向运动。采用集中式模型预测控制器,综合控制车辆横纵向的运动,以实现超车过程的轨迹跟踪。结果表明：相较于分散式控制方法,利用集中式控制方法下的车辆侧向加速度的整体波动减小19.0%,横摆角速度的整体波动减小11.6%。因而,集中式控制方法下的横向运动偏差更小,纵向加速过程更加平滑、稳定,符合高速公路超车过程安全平稳性的要求。     

基于多目标优化的自动驾驶车辆轨迹跟踪控制

针对自动驾驶车辆行驶轨迹的横向跟踪问题，设计了线性时变模型预测控制器。以车辆3自由度动力学模型为预测模型，以横向位置偏差最小为主要控制目标，考虑车辆状态约束、控制约束和轮胎侧偏角约束，优化了自动驾驶车辆轨迹跟踪安全性、转向稳定性和操作可行性等多目标性能。搭建MATLAB/Simulink和CarSim联合仿真模型，并将所设计的控制器控制效果与熟练驾驶员操纵结果、线性二次规划控制器控制效果进行了比较分析，结果表明，所设计的控制器可以有效解决多约束条件下自动驾驶车辆行驶轨迹的横向跟踪问题，且在安全性、转向稳定性和操作可行性方面具有显著的优势。     

自动驾驶汽车乘员个性化乘坐舒适性辨识方法

针对自动驾驶车辆轨迹规划控制算法无法满足乘员个性化舒适性问题,结合自然驾驶数据和乘员乘坐舒适性需求,建立乘员个性化舒适性辨识方法。首先确定主观舒适性评价方式,基于标准ISO2631搭建频域和时域加权滤波函数,提取自动驾驶汽车乘员舒适性主客观特征参数,辨识乘员个性化舒适性与自动驾驶车辆行驶规划参数关系;随后搭建自然驾驶数采平台,采集影响舒适性的行驶参数和主客观参数;利用因子分析对行驶参数降维,得到三向运动(横向冲击、纵向加速、垂向振动)、行驶风险和效率影响因子;最后运用加权分析方法辨识模型,并通过卡尔曼滤波算法快速准确识别乘员个性化需求,得到舒适度加权方均根阈值。辨识结果表明:乘员主客观舒适度相关性达85.8%;三向运动因子对乘员舒适性影响大于行驶风险和效率因子;乘员个性化舒适性辨识率高达93.9%。本研究可为搭建考虑乘员舒适性的个性化轨迹规划控制算法提供理论支持。     

信号交叉口自动驾驶左转车辆类人化全局运动轨迹规划

为了提高信号交叉口自动驾驶车辆左转运动规划的适应性、鲁棒性与类人化程度，提出一种考虑多目标需求的自动驾驶类人化全局运动规划方法。首先，基于西安市北大街信号交叉口规格构建结构化场景，结合车辆运动学模型与道路几何规格定义自动驾驶车辆规范化行驶安全域和车辆运动参数约束条件；其次，根据信号灯状态、道路限速与车辆性能约束制定上游阶段车辆不停车通行规则，以行驶安全、燃油消耗、通行效率与驾驶舒适度作为目标性能函数，构建类人化全局多目标优化模型，通过人类驾驶的车辆预转弯行为耦合上游阶段与转弯阶段；再次，针对非线性运动规划模型变量与约束规模化问题，采用粒子群算法与全联立正交配置有限元方法求解不同阶段车辆运动轨迹的最优解；最后，试验建立Prescan与MATLAB/Simulink联合仿真平台，从多目标性能、适应性以及合理性方面验证该模型的综合性能。结果表明：在以信号灯状态和车辆初速度为变量建立的12种工况下，该模型与人类驾驶车辆、混合运动规划模型相比，平均可分别节省燃油消耗63.7%和29.5%，平均通行延时分别降低3、0.9 s，且轨迹曲率更平缓，最大横向加速度与方向盘转角平方和的平均值最小，证明该模型的多目标性能更好；在以路缘石半径与车道数目为变量建立的7种交叉口规格工况下，所提出模型的车辆轨迹平滑，轨迹安全域边界距离始终大于1.4 m，曲率变化符合期望且峰值小于0.22 m^-1，说明该模型具有较好的适应性；在自由/固定终端时刻条件下，该模型规划的车辆空间路径、速度、曲率及航向角的变化与目标权重变化保持一致，验证了模型的合理性。     

基于国外技术研究方法的弯道驾驶行为特征统计分析

为理解驾驶员行为特征,提高自动驾驶汽车的类人驾驶能力,借鉴国外研究成果,基于自然驾驶数据集,对驾驶员在弯道行驶过程中的行为特征开展了研究。选择车辆纵向速度、侧向加速度、横摆角速度和车速作为驾驶员行为特征,选择弯道曲率半径作为道路几何特征,利用车辆动力学原理进行弯道工况识别,通过核密度估计及相对熵对数据集特征参数分布的收敛性进行验证,并对弯道行驶过程中驾驶员行为特征及道路几何特征进行了统计分析。分析结果可以为设计具有类人操作特性的自动驾驶或驾驶辅助个性化系统提供数据支撑。     

基于分段最优控制的港口自动驾驶液压转向控制算法研究

为提高港口场景自动驾驶车辆横向控制准确性，基于液压转向系统电磁阀的响应特性，提出了具有分段最优控制的转角闭环控制算法，实现了车辆单轴、双轴、蟹行转向功能，通过实车验证对设计的控制算法进行了功能和性能验证。结果表明，所提出的控制算法能够实现对液压转向系统转角信号快速、稳定跟踪，能够支撑港口自动驾驶车辆横向控制功能。     

自动驾驶汽车高速超车轨迹跟踪协调控制

自动驾驶汽车高速超车时不仅要规划合理的换道路径来保证安全性,而且还要确保车辆高速转弯行驶的横向稳定性和舒适性.针对车辆超车的换道、匀速和换道3个阶段,分别规划了纵向速度和横向超车路径.提出了考虑路径曲率、换道时间、纵向车速的期望横摆角速度计算方法.以最小化横向位置偏差、横摆角速度跟踪偏差和控制增量为优化目标,通过可拓集...     

基于多点序列预瞄的自动驾驶汽车路径跟踪算法研究

针对自动驾驶汽车自主行驶问题,提出了一种基于预瞄信息的路径跟踪算法。以GPS轨迹点序列作为目标路径,建立车辆—路径相对运动关系模型,使用实时差分GPS数据确定车辆位置。通过预瞄点序列,计算路径的预瞄偏差角和路径弯曲度。根据路径弯曲度确定行驶速度,实现纵向控制;通过Pure Pursuit算法将预瞄偏差角转换成前轮转角的控制量,实现横向控制。试验结果表明,提出的路径跟踪方法在纵向、横向控制和跟踪平稳性方面都具有良好的效果。     

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。     

减速频次催生换道意图下自动驾驶车辆自适应换道模型

科学、合理、拟人化的换道控制是实现自动驾驶车辆安全高效行驶的重要保障,已有研究主要考虑相邻车道速度差、换道间隙等要素对车辆换道控制的影响,并未考虑车辆频繁加减速导致乘车体验差而催生换道意图这一重要现象。针对该问题,设计以抗干扰能力为基础的自动驾驶车辆自适应换道调控方法,其调控过程主要包括：采用智能驾驶人模型控制自动驾驶车辆纵向驾驶行为,以减速频次为指标度量自动驾驶车辆的抗干扰能力,并将抗干扰能力引入到自动驾驶车辆换道决策过程中,模拟自动驾驶车辆因频繁加减速导致乘车体验差而产生换道意图的现象,在此基础上,提出车辆换道控制模型。然后,以智慧高速为背景,利用Netlogo构建多种自动驾驶车辆运行场景,测试所构建的自适应换道调控方法。研究结果表明：智能驾驶人模型的选用能够合理体现自动驾驶车辆换道行为对交通流的运行影响;相比于低密度车流（≤30 veh）,在中高密度车流情况下（≥40 veh）,自动驾驶车辆维持原有车道运行的能力较弱、换道频率较高,且过高[80次·（5 min）^-1]或过低[10次·（5 min）^-1]的抗干扰能力临界值会导致自动驾驶车辆运行速度降低至10 km·h^-1,因此可以根据不同车流密度条件对自动驾驶车辆的最大抗干扰能力进行设置和调整,从而保证自动驾驶车辆的运行效率,这也从侧面证明了所提自适应换道调控方法的科学性与合理性。研究结果对于提高自动驾驶车辆换道控制的合理自主性具有重要意义,该结果进一步完善了自动驾驶车辆换道模型库,能够为自动驾驶自适应换道调控提供理论和技术支撑。     

快速路车路协同场景交通流运行效率仿真评价

为研究车路协同系统在不同车间信息交互水平下对快速路交通流的影响,采集并提取北京市四方桥快速路段早高峰交通流轨迹,同时分析车路协同场景下快速路车辆运行特征,实现对常规驾驶场景和信息交互场景的车辆行驶模型标定.选取期望速度行驶车辆占比、横向车距收缩比、纵向车距收缩比、通行能力拓展比对车辆运行效率进行评价,提出车辆横向偏移距...     

自动驾驶车辆纵向速度控制策略及仿真

针对自动驾驶车辆纵向速度的跟踪控制问题,提出了基于模型预测控制和微分先行比例-积分-微分（PID）的双层闭环控制策略：基于模型预测控制原理设计速度上层控制策略,采用层次分析法确定目标函数中的权重系数,计算出适应行驶条件的期望加速度;通过车辆逆纵向动力学模型计算对应的驱动力和制动力,控制车辆速度,采用微分先行 PID 进行反馈调节。结果表明：在该策略下车辆加速或减速行驶时,车辆具有较好的跟踪控制性能。     

视觉分神对驾驶员跟驰行为的影响

为了研究驾驶员视觉通道被车载信息系统所占用时,驾驶员对交通信息进行实时加工处理的机理及其应对事故风险的能力,模拟车载信息系统设计了诱导驾驶员视觉分神的驾驶次级任务。根据次级任务的复杂程度划分为3个任务难度等级,使得驾驶员单次视线离开路面的时间随着次级任务难度增加而递增;基于驾驶仿真试验平台,构建了城市道路和高速公路下的典型跟驰场景;招募熟练驾驶员,于驾驶过程中根据试验声音提示执行驾驶次级任务。对采集的试验数据先采用箱图方法进行离群处理,对筛选后的数据采用方差分析和多重比较的方法,分析驾驶员对车辆车道位置掌握、转向盘调整等相关横向操控行为,驾驶员对车辆纵向位置调整、车速调整等相关纵向操纵行为,以及通过其对车辆横纵向控制反映出的补偿措施。分析结果表明:无论车辆处于高速还是低速行驶环境,处于视觉分神状态的驾驶员对车辆的横向控制能力均会变差;驾驶员视线离开路面的时间越长,其对车辆的横向控制能力越差;车辆高速行驶时,驾驶员将面临更大的横向失控风险;而无论车辆处于高速还是低速行驶环境,驾驶员在意识到自身视线离开路面时间过长后,均会通过降低速度和增大跟车距离,以平衡视觉分神带来的纵向方向上的事故风险。     

基于深度强化学习的汽车自动紧急制动策略

针对传统自动紧急制动策略制动减速度波动大、制动过程乘坐舒适性及弯道制动安全难以保障的问题,提出一种基于深度强化学习的汽车自动紧急制动策略.建立了包括纵向、横向及横摆运动的3自由度车辆模型,根据碰撞预警时间设计奖励函数,应用深度确定性策略梯度算法设计了基于深度强化学习的自动紧急制动策略,开展了直道行驶工况与弯道行驶工况仿...