驾驶人行为不确定性对车辆轨迹预测的影响分析

针对驾驶行为不确定性影响车辆轨迹预测精度的问题,采用预瞄控制方法和滑模控制方法,分析了不同行驶车速与工况下车辆轨迹预测误差。结果表明:预瞄控制方法和滑模控制方法能够有效处理驾驶人超车、避障和转向行为的外部干扰,将轨迹预测误差控制在0.5 m以内,但高速工况下的轨迹误差明显大于低速工况下的轨迹误差;在小曲率转向工况下,基于单点预瞄驾驶人视觉轨迹预测误差小于基于双点预瞄驾驶人视觉轨迹预测误;在大曲率转向工况下,基于单点预瞄驾驶人视觉轨迹预测误差大于基于双点预瞄驾驶人视觉轨迹预测误。研究结果为驾驶人视觉轨迹预测策略的制定及车辆不同行驶工况下驾驶人行为不确定性的处理提供了理论依据。

基于触觉引导的L2级智能汽车人机共享控制技术综述

因技术和法规等因素限制,智能汽车短时间内难以实现L1级到L5级的快速跨越,人机共驾将长期存在;基于触觉引导的人机共享控制技术为L2级智能汽车人机共驾提供了有效的人机共享控制途径。通过综述国内外车辆人机共享控制技术相关问题的研究现状,重点分析了基于触觉引导的车道保持、换道、避撞、倒车辅助等人机共享控制在路径规划、意图决策和权限分配转移等过程中,可能会造成人机冲突进而导致车辆稳定性降低、行车安全性变差和驾驶员操作舒适度与自由度恶化等关键问题。同时针对人机共享控制中固有的驾驶人风格及认知差异进行了探讨,以期进一步明确人机共享控制器的设计方法及人机冲突产生的机理。提出未来应在大量仿真或实测行车数据的基础上不断迭代优化智能系统,提高智能控制系统对行车环境和驾驶人状态识别的精准度,从而合理分配人机共享控制权重,有效解决人机冲突、车辆稳定性、行车安全性、驾驶员操作舒适性和自由度等问题。基于现有研究存在的问题,指出自适应性触觉引导共享控制器、权重分配共享控制器、基于神经肌肉反应共享控制器及基于高级辅助驾驶系统共享控制器等将是智能汽车人机共享控制的主要研究方向。

不确定性对车辆轨迹预测的影响研究综述

通过对国内外车辆行驶面临的不确定性问题进行归纳,重点分析了车辆轨迹预测方法及其不确定性、环境预测不确定性、车辆模型不确定性、环境感知不确定性、驾驶行为不确定性和多车间的交互与博弈对轨迹预测的影响,进一步明确不确定性对车辆轨迹预测的影响机理及控制方法,为解决不确定性导致的车辆轨迹预测误差问题提出合理的解决思路。针对车载传感器的测量误差、轨迹预测模型误差和驾驶员转向稳定性差等问题,指出基于传感器融合、车辆模型运动特性和驾驶员模型的方法将成为未来的主要研究方向。

基于高级运动模型轨迹预测的不确定性分析

为研究车辆模型不确定性与环境感知不确定性对车辆轨迹预测精度的影响,利用Matlab建立恒横摆率和恒速度(constant turn rate and velocity,CTRV)轨迹预测模型,结合不同工况下采集的全球定位系统(global positioning system,GPS)与惯性传感器(inertial measurement unit,IMU)融合定位数据集,运用扩展卡尔曼滤波(extended Kalman filters,EKF)算法处理车辆模型的过程噪声与传感器的测量噪声。在此基础上进行仿真实验,分析不同行驶工况下车辆轨迹预测误差及对轨迹预测模型5个状态量的影响。结果表明:EKF算法能够很好地处理车辆模型过程噪声和传感器测量噪声,直线行驶工况下的轨迹预测误差控制在0.3 m以内,小曲率弯道行驶工况下的轨迹预测误差范围为1~9 m,大曲率弯道行驶工况下的轨迹预测误差范围为2~38 m;利用基于CTRV的轨迹预测模型结合EKF算法处理不确定性时,道路曲率的大小会直接影响车辆偏航角的滤波,甚至会使车辆偏航角滤波轨迹发散,导致大曲率弯道工况下的轨迹预测误差较大。