人机混驾环境下无信号交叉口自动驾驶汽车左转运动规划研究

为了使自动驾驶汽车在人机混驾环境下能安全、高效地左转通过无信号交叉口，在借鉴人类驾驶人左转时会对周围车辆驾驶意图进行提前预判的基础上，提出了一种基于周围车辆驾驶意图预测的自动驾驶汽车左转运动规划模型。首先将无信号交叉口处周围车辆的驾驶意图分为左转、右转、直行3种类型，利用相关向量机预测周围车辆驾驶意图，以概率形式输出意图预测结果并实时更新，进一步界定自动驾驶汽车与周围车辆的潜在冲突区域并判断是否存在时空冲突；接着，在充分考虑他车速度、航向及车辆到达冲突区域边界距离的基础上建立基于部分可观测马尔可夫决策过程的自动驾驶汽车左转运动规划模型，生成一系列期望加速度；最后，基于Prescan-Simulink联合仿真平台搭建无信号交叉口仿真场景，对所提左转运动规划方法进行仿真验证，将基于博弈论的运动规划方法、基于人工势场理论的运动规划方法与所提出的方法进行比较，并选取行进比例达到1所用的时间和碰撞次数作为评价指标。研究结果表明：基于相关向量机的驾驶意图预测方法可在自动驾驶汽车到达交叉口之前准确预测出他车驾驶意图；基于部分可观测马尔可夫决策过程的左转运动规划方法能够通过速度调整策略实现人机混驾环境下自动驾驶汽车与周围车辆在无信号交叉口处的交互；不同算法对比效果表明，所提左转运动规划方法在自动驾驶汽车与不同数量周围车辆交互的仿真场景下均可有效避免碰撞事故发生并提高自动驾驶汽车左转通过无信号交叉口的效率。     

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。     

福特收购Quantum Signal补充自动驾驶软件能力

<正>据悉,福特收购了一家位于密歇根州的小型机器人公司,名为Quantum Signal(量子信号),旨在推动自动驾驶研发进程。Quantum Signal创立于1999年,拥有大量移动机器人客户,其中包括美国军方。Quantum Signal的专长是为机器人车辆构建远程控制软件,同时还负责为自主和遥控机器人系统提供备受推崇的模拟测试和开发环境。福特利用其经验开发实时模拟和算法相关的自主车辆控制系统,可以帮助建立自动驾驶车辆的研究生产。     

驾驶模拟器在自动驾驶系统中的应用研究

自动驾驶车辆在实际道路上行驶之前的测试阶段是一个至关重要的环节。一个低成本、高效率以及高精度测量的自动驾驶车辆的测试方式,对于自动驾驶车辆的开发具有重要意义。将驾驶模拟器运用到研究自动驾驶车辆测试已是近年来的一个研究热点。基于虚拟驾驶场景的自动驾驶车辆的检测,通过组合虚拟驾驶场景的背景车辆、行人、交通灯、建筑、指示标牌等元素,研究将驾驶模拟器与虚拟驾驶场景的联合应用来测试自动驾驶车辆。设计了典型的交通场景,通过自动驾驶车辆和背景车辆的实时交互,研究自动驾驶车辆的各项性能指标。研究结果表明:该驾驶模拟器可以高度拟合人类驾驶体验,驾驶员通过驾驶模拟器控制背景车辆能够很好的模拟现实中的驾驶行为,对自动驾驶车辆的仿真测试起到了促进作用。     

聚焦自动驾驶汽车技术的国际资讯

谷歌母公司Alphabet Inc旗下的自动驾驶汽车公司Waymo宣布,他们的汽车已实现全自动;为了成为世界上最有经验的自动驾驶汽车,Waymo在公共道路上行驶测试超过400万英里。Cruise AV是世界上第一款量产的无方向盘、无油门踏板和无刹车踏板的无人驾驶汽车;Cruise AV电动车达到了零排放、零碰撞事故和零拥塞的"三零"自驾指标。福特测试自动驾驶汽车送货服务;福特汽车将其自动驾驶汽车计划扩展至迈阿密。Aurora专注于无人驾驶汽车底层技术方案的研发,为多家著名车企提供自动驾驶的中枢神经系统。美国加州是全球首个为无人驾驶汽车制定法规的州郡,新法案允许未配备驾驶员、方向盘的无人驾驶汽车在特定的公共道路上进行测试;目前拿到测试许可的公司已经达到50家,DMV要求它们拿到许可满一整年后,提交一份"自动驾驶汽车脱离报告"。     

基于LabVIEW的自动驾驶汽车在线振动监测与诊断系统

为了提高自动驾驶汽车在道路测试中的安全性,基于LabVIEW设计了一种自动驾驶汽车在线振动监测与诊断系统。该系统通过上位机与驾驶机器人通信,获取车辆运行状态数据,同时对自动驾驶车辆的振动在线监测,最后结合车辆振动数据和状态信息进行在线诊断,开发了监测与诊断界面,实现了自动驾驶汽车在道路测试行驶过程中的振动在线监测与诊断。     

基于Residual BiLSTM网络的车辆切入意图预测研究

本文中根据中国实际道路特征,提出一种基于Residual BiLSTM网络的车辆切入意图预测模型,从切入车辆的轨迹信息和与自车的交互信息中提取切入特征,并采用softmax函数计算切入意图,分别为左车道保持、左车道插入、右车道插入和右车道保持的概率,最后利用中国复杂路况的自然驾驶数据集对预测模型进行训练和测试。结果表明,所提出的Residual BiLSTM车辆切入意图预测模型有明显优势,其准确率比LSTM提升8.2个百分点,且能较早地预测出车辆的切入意图,对提高自动驾驶车辆的决策规划能力和安全性具有重要的意义。     

考虑前车安全速度效应的自动驾驶车辆异质交通流特性分析

随着自动驾驶技术的发展,自动驾驶车辆获取的信息更加完善。为研究考虑前车安全速度效应条件下自动驾驶车辆对高速公路交通流的影响,以双车道元胞自动机模型为基础,建立考虑前车安全速度效应的跟驰规则和换道模型。利用MATLAB数值模拟高速公路异质交通流,分析考虑前车安全速度效应的自动驾驶车辆对道路交通流的影响,并分析车辆的拥堵情况和换道情况。研究表明,考虑前车安全速度效应的自动驾驶车辆可以显著提升道路通行能力,全自动驾驶车辆可达全人工驾驶车辆交通流的近似2倍;考虑前车安全速度效应的自动驾驶车辆的增加可以降低道路拥挤程度,全自动驾驶车辆比全人工驾驶车辆发生拥堵的临界密度提高了20 veh/km;自动驾驶车辆渗透率的增加会增加相应的换道次数,全自动驾驶车辆情况下,自动驾驶车辆基本不发生换道行为,同时智能网联车辆可以减小暴露碰撞安全性风险。     

特斯拉自动驾驶软件系统解析

本文主要为读者解析特斯拉自动驾驶软件相关系统组成,笔者将从模型架构、模型训练、信号传输方式等方面进行说明. 一、综述 特斯拉的Autopilot系统搭载了8个摄像头,这8个摄像头可以进行超过1000种不同任务的感知预测.在Tesla自研的FSD计算平台上,这些感知功能可以检测移动物体(例如行人、车辆、自行车、动物等),...     

面向前车的驾驶行为感知与意图识别算法研究

感知周围车辆的驾驶行为并识别其意图将成为新一代高级驾驶辅助系统的重要组成部分。针对现有方法只考虑单一驾驶行为且可扩展性和可伸缩性差,提出一种基于稀疏表示理论的驾驶行为感知字典模型(Driving Behavior Perception Dictionary Model, DBPDM)。将车辆行驶状态视为时间序列,设计基于自回归积分移动平均(Autoregressive Integrated Moving Average,ARIMA)结合在线梯度下降(Online Gradient Descent, OGD)优化器的在线预测模型,提出基于驾驶行为预测的意图识别构架(Intention Recognition Framework, IRF)。首先,采用图Lasso方法估计典型驾驶行为的稀疏逆协方差矩阵构建驾驶行为字典库,并采用Logdet散度方法计算各逆协方差矩阵的差异获得行为感知字典模型。然后,基于在线预测模型对目标车辆的行驶轨迹和运动状态进行预测,结合主车车辆的行驶状态作为稀疏表示的观测信号,以获取预测时域内的目标车辆意图。最后,采用NGSIM (Next Generation SIMulation)真实驾驶数据对模型进行开发和测试。研究结果表明:所提出的行为感知模型能对6种典型驾驶行为构建行为字典,在分类准确率上与现有方法相比有明显提升,对换道和转向行为样本的平均识别准确率分别达到99.1%和92.9%;该模型能够在相对早期阶段准确地识别出车辆行为;在线预测算法能较好预测出目标车辆的行驶轨迹和运动状态,从而间接地反映出其在预测时域内的驾驶意图;IRF可在换道和转向行为开始前的1.5 s较为准确地识别出目标车辆的意图,平均识别准确率超过80%。     

考虑燃油消耗和排放的交叉口汽车路径规划与控制模型

针对现有道路交叉口环保驾驶研究中未充分结合交通状态、未充分考虑道路交叉口冲突区域等问题,基于车联网(V2X)技术,研究提出了一种道路交叉口环保驾驶汽车路径优化控制模型。该模型提前采集前方道路交叉口交通信号灯控制时间信息,并在交叉口前设置控制区域,整个控制过程分为两个阶段:首先,以最低燃油消耗和排放最低为目标,对进入控制区域的车辆进行速度规划,确保以最为环保的方式通过信号灯;其次,以最大程度避开交叉口冲突点为目标,对进入交叉口的车辆进行通行速度规划,使车辆最大程度回避分流冲突点、交叉冲突点、合流冲突点。通过两个阶段的路径规划与控制,实现车辆整体上以最环保的方式通过交叉口的目的。为了验证模型的有效性,搭建了Python和Vissim集成的仿真平台进行仿真,设置了不同的交通流状态场景,并和Webster信号配时下,不受其他控制器控制的车辆进行了燃油消耗和排放对比。试验结果显示,相比于Webster信号配时下,不受其他控制器控制的车辆,受路径规划控制模型控制车辆的燃油消耗降低了42.7%,CO排放量减少了4.26%,表明研究构建的路径规划控制模型是一种有效的道路交叉口环保驾驶路径优化控制策略,可以为车联网条件下车辆环保驾驶提供依据。     

自动变速车辆下坡换挡策略研究

为解决传统自动变速车辆下坡行驶时意外升挡等问题,从发动机制动特性出发,分析了车辆带挡滑行时的动力学特性。在此基础上,结合公路设计标准确定了目标参考车速和约束挡位,制定了基于道路坡度信息的下坡工况换挡控制策略,并运用Matlab/Simulink和驾驶模拟器进行了驾驶员在环仿真实验。结果表明:该换挡策略能有效解决通常自动变速车辆下坡行驶时存在的问题,并能在一定程度上体现驾驶员的驾驶意图;既能充分利用发动机的制动作用,又能在保证安全的同时兼顾行驶效率,更好地满足了自动变速车辆坡道行驶的要求。     

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。     

AT&T:加速M2M业务发展

车联网的市场机遇 来自ABI调研公司的数据显示,在全球范围内新车原装车载通讯设备的百分比将从2011年的10％增长到2016年的53％.车联网市场迅速扩容的同时,其服务内容也正不断升级.这对于象AT&T这样的M2M公司来说是非常大的机遇. 据Sean Horan介绍,目前AT&T的M2M业务在汽车行业已经有很多应用.比如通过M2M连接发送实时车辆诊断信息给驾驶者和4S店等;车载信息娱乐系统使用移动互联网提供服务,如互联网广播、网络搜索、交通、天气和导航等;城市交通网络系统可以通过采集来自互联车辆的数据来预测交通模式;车辆驾驶者也可以通过M2M技术来提前知晓道路状况,不会因为前方建筑物的遮挡而影响驾驶视野;M2M技术也可以对年轻驾驶者的驾驶行为进行追踪,当他们的车速超过限制时,系统可以监控其驾驶习惯并接收警报;当驾驶者忘带汽车钥匙时,M2M技术可以通过无线信号来打开车门;当车辆发生碰撞事故,安全气囊打开时,互联汽车会自动把相关信号发送给急救人员.此外,随着智能手机的日渐普及,手机应用与互联汽车互相连接,允许用户远程启动汽车或定位,并且在智能手机上储存电动车充电站信息.     

基于整车在环仿真的自动驾驶汽车室内快速测试平台

整车在环仿真测试方法可以安全、高效地验证复杂环境和极端工况等场景下自动驾驶汽车性能的有效性,基于此研发一种基于整车在环仿真的自动驾驶汽车室内快速测试平台,该平台由前轴可旋转式转鼓试验台、试验台测控子系统、虚拟场景自动生成子系统、虚拟传感器模拟子系统、驾驶模拟器、自动驾驶汽车和测试结果自动分析评价子系统组成。通过在试验台滚筒上独立加载转矩模拟车辆行驶阻力,可动态模拟不同的路面附着系数,同时利用坡度、侧倾和转向随动机构可模拟车辆俯仰角、侧倾角和航向角3个自由度;采用虚拟现实技术柔性集成车辆动力学模型、传感器仿真、复杂道路交通环境及测试用例仿真,模拟多种道路交通场景,并通过传感器仿真及数据融合等技术快速测试自动驾驶汽车智能感知与行为决策等性能指标。将自动驾驶汽车、虚拟仿真场景和试验台耦合构建一个闭环系统,完成了多项关键技术研发,包括：多自由度高动态试验台结构设计、虚拟测试场景自动重构方法和传感器数据模拟及注入方法,可满足在各种场景下测试自动驾驶汽车整车性能的需求。此外,为验证快速测试平台的有效性,以U-turn轨迹跟踪控制为研究实例,基于简化的车辆运动学模型和模型预测控制算法,在平台上搭建U-turn场景并对自动驾驶汽车的轨迹跟踪控制算法性能进行大量测试。结果表明：自动驾驶汽车室内快速测试平台可以真实地模拟汽车在道路上的运行工况,自动驾驶汽车在虚拟场景中的轨迹跟踪效果良好,与参考轨迹的偏差小于8%,证明了该测试平台检测方法的有效性。     

中国首个区级全域自动驾驶路网正式开放

<正>近日,在河北沧州举办了开放道路自动驾驶测试启动暨首批载人测试体验活动。该活动标志着中国首个区级全域自动驾驶可载人测试路网正式开放,只要获得由沧州政府部门颁发的京津冀地区自动驾驶载人测试牌照的车辆,就可以在沧州经济开发区内所有路段进行载人无人驾驶测试。     

自动驾驶如何重构汽车产业价值链

正关于自动驾驶发展进程的预测,业内普遍认同的观点是:自动驾驶汽车将在2025年前后开始呈现爆发式增长;到2035年,人类社会道路上行驶的车辆将有50%实现自动驾驶,届时自动驾驶整车及相关设备、应用的收入规模总计将超过5 000亿美元。1产品定位——从简单的交通工具转变为移动多用途空间无人驾驶首先转变的将是汽车产品自身的定位。在自动驾驶技术成为主流的时代,系统基本上     

人工智能在车辆自动驾驶中的应用

提出一种新的基于人工智能的感知 计划 动作agent结构实现智能车辆自动驾驶的方案。首先通过描述该结构的原理说明该结构可以解决自动驾驶中存在的一些问题,接着通过建立自动驾驶知识库阐述如何具体实现自动驾驶,最后通过仿真实验验证该方法能够为智能车辆实现自动或辅助驾驶提供一种非常有效的机制。     

捷豹路虎致力于开发新技术

<正>自动驾驶车辆将来上路后,能否识别到正在过马路的行人成为普遍担心的问题。捷豹路虎研发的最新自动驾驶技术"虚拟眼"通过复制与汽车相关的人类行为和身体语言元素,有望提高公众对自动驾驶车辆的信任感。"虚拟眼":与行人交流眼神自动驾驶车辆将来上路后,能否识别到正在过马路的行人成为普遍担心的问题。捷豹路虎开展的研究表明,高达63%的行人和骑自行车的人会觉得路上有自动驾驶车辆不太安全。该公司未来移动出行部门研发的一项最新技术——"虚拟眼",可以让自     

车辆AMT中道路条件及驾驶意图的模糊识别

本文论述了车辆AMT中道路条件及驾驶意图模糊识别的必要性，提出了道路条件及驾驶意图的模糊识别方法，最后给出了在AMT挡位决策中的应用实例。