行人与自动驾驶汽车

正Q:倘若有天真的实现了自动驾驶,行人应该如何判断自动驾驶汽车的行驶意图?超人不会飞A:这是一个很有前瞻性的问题,就算在没有自动驾驶的今天,行人与车辆驾驶者之间的沟通也存在障碍。特别是在中国,很多情况下驾驶者以为行人不会走上斑马线,行人也以为驾驶者会像西方驾驶者那样等在斑马线前,往往这个时候眼神或手势的交流就起到了决定因素。就算这样,经常也会遇到误判的情况,导致双方之间发生摩擦。自动驾驶汽车没有眼神,更没有手势,走与不     

自动驾驶汽车轨迹规划方法综述

作为自动驾驶车辆的重要组成部分,轨迹规划是影响自动驾驶智能化水平的关键。综述10年来智能驾驶车辆轨迹规划方法并将这些算法分为基于图搜索、基于采样、基于数学优化、曲线插值和机器学习5类。针对每类算法进行了阐述,阐述算法在实际场景中的应用并分析了其优缺点。最后指出了目前依然存在的问题和挑战,并总结了未来研究发展方向。     

基于混合A*算法的自动驾驶汽车轨迹生成

自动驾驶汽车混合A*算法运行迅速,但是难以保证曲率的连续性和汽车舒适度,并且不能保证优化后的结果无碰撞。针对以上问题,以提高汽车舒适性为目的,基于最小冲击度对A*算法进行优化,在MATLAB和栅格地图中进行了算法预研,解决了低速场景下自动驾驶汽车运动过程中舒适度不足的问题。然后,针对优化算法可能导致轨迹碰撞的问题,对优化算法进行了改进,保证了汽车的安全性,并给出了“走廊”自动调整的策略。仿真结果表明:优化后的轨迹无碰撞且曲率更小,加速度不超出正常范围,可以满足正常驾驶需求。     

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...     

基于轨迹规划的自动驾驶控制策略研究

本文在全局轨迹规划基础上,研究自动驾驶系统在轨迹跟随控制中的需求,通过轨迹提取算法充分获取轨迹信息,并设计纵/侧向控制策略实现自动驾驶车辆沿预设轨迹完成驾驶任务。通过实际道路测试,本文提供的方法能够很好地控制自动驾驶车辆循轨迹行驶,过程中纵向车速、转向盘转角的决策与人工驾驶时驾驶员决策结果保持了高度的一致性,满足自动驾驶纵侧向控制的需求。     

基于多目标优化的自动驾驶汽车轨迹跟踪控制的研究

由于汽车数量的迅速增长,交通拥堵问题越来越严重,交通事故发生率也随之不断上升,对人类生产生活造成了巨大损失。为了能够减少甚至避免道路交通系统中存在交通控制方面的盲点性和冲突,自动驾驶汽车技术已经成为当前研究的热点。针对基于多目标优化的交通轨迹跟踪控制问题进行了分析与研究,首先介绍了一种简单实用且能有效避免交通事故发生的方法 ;针对国内外相关课题研究现状作简要综述并提出自己所存在和有待解决或改进的关键性问题:即车辆动力学参数确定困难、运动学特性不同时间下位置变化导致轨迹失调及道路拥挤等现象。     

基于生态驾驶的自动驾驶汽车交叉路口控制策略研究

为了进一步提高自动驾驶汽车在交叉路口行驶时的燃油经济性,基于模型预测控制（MPC）理论,量化分析了车辆安全性、经济性、舒适性等多性能指标函数及约束,并设计了以经济性为主的交叉路口自动驾驶汽车生态驾驶控制器。仿真结果表明,所提出的控制策略能够保证良好的安全性和舒适性,与LQR控制器相比,在有前车影响和无前车影响工况下的百公里油耗分别降低15.83%和34.98%。     

基于驾驶特征学习的自动驾驶车辆换道轨迹规划

针对自动驾驶车辆换道过程中存在的车辆规划轨迹与人类驾驶员决策轨迹偏差较大问题,开发了一种基于驾驶员轨迹特征学习的换道轨迹规划算法.采集驾驶员换道轨迹曲线函数特征,在轨迹采样及成本优化相结合的轨迹规划基础上,采用最大熵逆强化学习策略迭代更新成本函数权重,并依据学习的成本函数筛选备选采样轨迹,生成反映驾驶员轨迹特征的自动驾...     

自动驾驶汽车将更智能 可识别和预测行人动作

<正>据外媒2月14日报道,美国密歇根大学科学家们正利用人类的步态、身体对称性和足部位移,教授自动驾驶汽车识别和预测行人的行动,其精确度要高于现有技术。据悉,汽车通过摄像头、激光雷达和全球定位系统(GPS)收集到的数据,可以使研究人员能够捕捉到人类活动的视频片段,然后在三维(3D)计算机模拟中再现它们。在此基础上,科学家们创造了一个生物力学启发下的循环神     

自动驾驶车辆避障轨迹规划

目前无人驾驶发展迅速,城市运营环境中避障轨迹规划是核心问题之一,如何避免轨迹离散优化过程中可能出现的角碰等状况逐渐成为研究热点。文章比较了轨迹规划中坐标系的优缺点并选取笛卡尔坐标系,提出考虑自车形状的车辆模型,在车辆模型基础上结合新的障碍物边界处理方法进一步排查可能的碰撞危险区域,以起到简化环境信息避免进行碰撞检测、减少规划耗时的效果。结合自车与周围障碍物位置关系,文章提出通过使用运动走廊,结合MinimumSnap最优化理论进行硬约束轨迹优化,最后通过仿真验证证明该方法可行,并且能够有效满足避障场景下安全性和舒适性要求。     

自动驾驶汽车的仿真

随着汽车自动化程度的提高，自动驾驶汽车已成为国内外的研究热点之一。本文设计了一种自动驾驶汽车的模型，它能根据道路的弯曲程度变化实时地计算出车辆的转向角度输入，控制车辆按照预设想道路行吮。     

基于自然驾驶数据的自动驾驶汽车安全性评价方法

自动驾驶汽车进行大规模市场推广前必须进行准确可靠的安全性评价,由于自动驾驶系统复杂程度的增加及设计运行区域的扩大,面向传统汽车的评价方法已不能满足自动驾驶汽车的安全性评价需求,基于此,建立一种基于自然驾驶数据的自动驾驶汽车安全性评价方法,可解决现有方法在逻辑场景层面安全性评价的缺陷。首先,建立基于自然驾驶数据的逻辑场景构建流程,分析场景描述参数,搭建自然驾驶数据采集平台采集相关自然驾驶数据,采用高斯分布模型描述参数概率分布;进而,离散逻辑场景参数空间获取具体测试用例,并在建立的PreScan、CarSim和MATLAB联合仿真平台中对被测自动驾驶算法进行仿真遍历测试,通过高斯模型将测试结果中的危险场景参数聚类,获取被测算法在逻辑场景中的危险区域;最后,综合考虑逻辑场景参数空间概率分布和得到的相应逻辑场景危险区域,提出基于自然驾驶数据的自动驾驶汽车安全性评价指标——场景风险指数,并以前车制动和前车切入场景为例,给出某黑盒算法的具体评价示例。研究结果表明：被测算法在前车制动场景和前车切入场景中的场景风险指数分别为0.409 8和1.08×10^-5,在前车制动场景中具有较大的安全风险,与仿真测试的直观结果相符;通过比较计算得到的场景风险指数与实际仿真测试结果可证明所提出的方法可以实现逻辑场景层面的自动驾驶安全性量化、易于操作、贴近自然驾驶情况。     

自动驾驶汽车面临的道德挑战和社会影响

自动驾驶汽车参与交通已经成为未来交通运输发展的必然趋势,与之有关的社会、经济、工程、设计、计算机科学、道德等问题成了人们关注的热点。自动驾驶汽车不仅会带来新的工程问题,也会带来一系列社会和道德问题。开发新技术时,需要应用工程道德方法,认真分析和解决现实世界中的工程问题。软件在控制自动驾驶汽车方面发挥着至关重要的作用,因此,软件工程解决方案需要认真处理道德问题和社会关切。本文研究了与自动驾驶汽车有关的内容,讨论了需要应对的社会和道德挑战以及自动驾驶汽车可能给社会带来的影响。     

正确驾驶自动变速器汽车

与手动变速器汽车相比,自动变速器汽车的驾驶操作变得非常简单,不仅大大降低了驾驶者的体力消耗,而且使驾车出行变得更加轻松愉快。但在实际使用中,有些车主对自动变速器汽车的一些特殊使用方法掌握得不够全面,或者是只知其表,不知其里。还有一些人误认为汽车的档次越高,其驾驶操作越简单,只要控制好方向盘,会踩制动、会踩油门就可以了。     

汽车自动驾驶技术研究

自动驾驶汽车是一种通过电脑系统实现无人驾驶的智能汽车,它的行驶模式可以更加节能高效,可以为国家节省数千亿人民币的交通事故成本、交通拥堵成本以及运输过程中以人力提高生产力的成本。然而由于传感器的可靠性,系统漏洞等原因,现在使用的自动驾驶技术并不那么安全。针对上述内容从提高自动驾驶的可靠性方面,重点对汽车自动驾驶技术的网络化、人工智能、高精度地图、关键传感器、交通基础设施等方面进行研究。     

自动驾驶汽车的发展综述

随着汽车智能化的发展,自动驾驶汽车逐渐成为未来汽车行业的发展方向。自动驾驶汽车可以有效避免人工驾驶的诸多失误,从而提高道路交通的安全及效率。本文基于国内外自动驾驶汽车的发展现状,对未来自动驾驶汽车的发展进行阐述与展望。