基于图像与高精定位融合数据的封闭场地自动驾驶汽车驾驶测试方法

现有的自动驾驶汽车场景仿真测试结果真实性不足,基于实际测试数据的评价方法缺乏实时性。为结合真实数据对测试过程展开实时评价,提出了基于“原场景”库的自动驾驶测试场景生成方法,利用差分定位GPS以及视频图像处理等工具,配合测试场地的高精地图设计了自动驾驶汽车实时测试评价方法,在自动驾驶测试场对本方法进行了实地验证。结果表明本方法具有较高的可行性,能够全面实时地对车辆自动驾驶能力进行评价。

自动驾驶长队列虚拟头车确定方法

在车联网和车路协同技术的发展下,自动驾驶车辆长队列行驶已成为未来交通的发展趋势。但是,现有队列控制方法均受限于通信范围,通过将长队列划分为虚拟头车引导下的多个子队列来确保队列运行可靠性,如何确定长队列中的虚拟头车是长队列控制的一个关键问题,本文从自动驾驶车辆长队列的行驶效率与队列状态稳定性两方面构建成本函数,综合考虑长队列内所有跟随车的行驶状态,通过遗传算法对每个时间步长下的虚拟头车序列进行寻优求解,建立了长队列最优虚拟头车计算模型,并基于SUMO搭建仿真模型,对模型的适应性展开验证。结果表明,本文所建模型对头车速度变化具有较高的识别度,能够有效削减头车速度变化所造成的速度扰动影响。

车联网环境下自动驾驶车辆车道选择决策模型

试验车道选择行为是自动驾驶车辆最基本的决策行为之一,利用车联网技术可以使车道选择结果更加全面、合理。首先,对高速公路自动驾驶车辆车道选择决策过程进行分析,并以车联网感知通信范围内的车辆的平均速度、重车比例及前往车道的理想换道时间为主要指标创建成本函数,根据计算结果输出最优车道序列;然后,以Gipps安全驾驶模型为基础,构建下层安全条件判断模型对最优车道序列进行筛选,获得安全可行的最优目标车道;最后,搭建高速公路基本路段的仿真环境,利用仿真试验对建立的模型进行验证,并分析重车比例、车道间的速度差等要素对模型结果的影响和模型的安全性特征。研究结果表明:该模型综合考虑主车感知范围内的多项指标,使其行驶优势得到增强,并且提高了换道成功概率;当车道上车流参数发生变动时,模型始终表现出良好的区分度;在当前间隙不满足换道条件时,通过考虑前、后方多个间隙,使车辆充分把握主动换道的机会,实现行车收益最大化;该模型具有安全性高、适应性强等特点,可为未来车联网环境下的自动驾驶车辆车道选择提供借鉴。