基于缓解人车不等对哈罗单车调度的计量分析

从缓解蚌埠哈罗单车"人车不等"的视角出发,根据所收集到的数据分析人车不等的影响因素,依托SPSS描述性统计分析出哈罗单车的时空分布。进一步运用Floyd算法及时间序列模型分别从空间和时间上对哈罗单车的分布进行优化,预测出不同时间段哈罗单车调度的方向及数量。最后,结合哈罗单车使用效用的最大化原则,给出了哈罗单车运营建议。

基于图和流体扰动算法的多无人车编队及避障研究

为解决多无人车编队在存在运动目标、移动威胁与突发威胁等多种情况的复杂环境中的避障问题,设计了一种基于刚性图论和流体扰动算法的多无人车编队避障控制算法。首先,针对编队控制问题,采用图论方法描述多无人车之间的协同关系,利用无人车之间的距离约束,基于反步控制理论设计领航-跟随编队控制器。李雅普诺夫分析表明,期望的编队形状是渐近稳定的。其次,针对复杂动态障碍物环境下的编队避障问题,设计了基于流体扰动算法的避障路径规划方法,由领航无人车规划出编队的行驶路径,实现编队的整体避障。最后,基于MATLAB的仿真结果验证了所提算法的有效性。

基于情境引擎的车载导航交互设计研究

针对车载导航模式单一、无法根据情境差异动态改变交互策略导致用户体验不足的问题,本文提出了一种支持根据不同情境自适应车载导航交互策略的情境引擎模型。结合以用户为中心的设计流程(UCD)与情境感知理论,定义了汽车人机交互情境,并通过对典型驾驶用户进行跟车调研,提取关键情境要素,阐述了导航情境下情境引擎模型的自适应交互策略及原理,将用户对不同信息的需求程度映射至交互表现层的详细程度。进行了贴合驾驶员不同需求层级的导航HMI信息框架梳理与组件设计,对两个典型导航使用情境进行了交互界面设计与分析。结果表明,情境引擎能对各驾驶情境下的驾驶员需求进行自适应交互,可为智能座舱驾驶交互体验的优化与研发提供借鉴。

基于扩张状态观测器的里程计定位补偿无人车轨迹跟踪控制

无人车的轨迹跟踪精度与车载传感器密切相关,应用图像、基站定位等方法容易受到实际中存在的各种干扰的影响导致传感器数据出现误差甚至丢失,进而影响无人车的轨迹跟踪精度。鉴于此本文以差速驱动型无人车为研究对象,提出了一种仅依赖轮式里程计的无人车轨迹跟踪控制方法,同时通过扩张状态观测器来估计总扰动的方式解决里程计在复杂工况下受干扰产生读数偏移以及长时间运行产生的累计误差等问题。本文首先对里程计的定位过程进行了分析,通过对里程计建立扩张状态观测器准确测量影响定位的干扰,并且针对里程计的偏差,采取扰动补偿措施以提升定位精度。随后对车辆的轨迹跟踪动态误差进行了深入研究,并设计了相应的误差方程,以制定轨迹跟踪控制策略。在实际弯曲道路测试中,车辆可以稳定在0.21 m的跟踪误差范围内,验证了本文所提方法的可行性和有效性。

基于紧约束鲁棒模型预测控制的无人车辆轨迹跟踪控制

针对无人驾驶车辆的轨迹跟踪问题,基于车辆非线性动力学模型,设计了一种紧约束鲁棒模型预测控制(MPC)方法。首先,利用魔术公式轮胎模型,结合车辆3自由度系统,构建了具有有界干扰的车辆线性离散误差模型;其次,采用紧约束控制策略设计系统的鲁棒优化问题;最后,通过在线优化得到最优控制序列,并离线构造之后多个时刻满足约束条件的可行控制序列。仿真结果表明,所提算法能够使车辆稳定快速跟踪上参考轨迹并有效提高系统计算资源利用率。

非结构化场景下的无人车轨迹规划研究

针对传统无人车轨迹规划算法在非结构化场景下存在实时性较低和轨迹平滑性较差等问题,提出了一种前后端分离的轨迹规划算法。该算法的前端路径搜索部分对Hybrid A*算法在控制空间进行搜索范围的剪枝且保留了车辆的运动学约束,并通过优化启发函数的计算方式,提高了图搜索的实时性。该算法的后端轨迹优化部分分为两个阶段:第一阶段设计了一个软约束非线性多目标优化器对路径进行局部优化,生成离散的轨迹位姿点和时间分配值;第二阶段基于五次样条曲线利用最小化Jerk的思想对离散位姿点进行平滑连接,提高了轨迹的平滑性。最后在室外停车场环境下对所提算法进行了实车测试,前端路径搜索和后端轨迹优化的实验结果表明该算法具有较高的实时性和轨迹平滑性。

参数扰动对一种先前的车辆制动控制和防护方法的影响

探究了作者早先提出的一种车辆制动控制防护方法在参数扰动下的防护效果。用MADYMO虚拟仿真软件,对4种形状的典型车头开展了仿真,分析了以下参数:人体头部与车体首次接触时间、制动系统协调时间、路面附着因数:扰动时,对该制动控制防护方法的影响。结果显示:在人体头部与车体首次接触时间时为80~100 ms时,对加权伤害费用(WIC)降幅的影响最显著,但不同车型下的参数敏感性排序存在差异。在路面附着因数扰动为0.45~0.80时,人车碰撞损伤未增加;但地面所致WIC降幅均大于零,可有效降低人地碰撞损伤。在制动系统协调时间参数扰动区间为80~350 ms时,该车辆制动控制防护方法仍然保持有效。

多无人车协同规划及突发情况下应急响应与恢复方法

面对环境突变、车辆故障等突发情况,传统集中式协同规划方法无法快速应急响应、实现系统冲突消解和有序恢复。针对以上问题,提出一种运动学约束下多无人车协同规划及突发情况下应急响应与恢复方法。首先,采用集中式搜索架构构建运动学约束下的协同路径规划模型,引入车身约束树以消解连续空间内多无人车碰撞。其次,为确保受突发情况影响的无人车能够安全快速停靠并降低对系统的干扰,提出一种基于预警区域的应急规划起始点选取方法,基于紧急事件发生时无人车状态生成的随机搜索树进行分层搜索,将随机搜索树、系统内部时空约束、无人车运动稳定性需求相结合,确保无人车能平稳过渡到应急停靠点。最后,在系统恢复过程中,针对不同无人车到达应急响应停靠点的时间差异,采用异步规划策略,将未受突发事件影响的车辆轨迹纳入协同规划的时空约束,最终生成应急响应后的恢复轨迹簇。仿真测试中,最优应急响应轨迹生成平均时长0.324 s,应急响应模块将规划成功率由28.7%提高到87.6%,异步模块在突发障碍物高达15个时将运行效率提升接近93%。

基于Ordered Probit模型的人车冲突安全影响因素研究

为探究和定量分析人车冲突严重程度的影响因素,通过采集3个信号交叉口的人车冲突视频数据,利用T-Analyst标定人车轨迹并计算冲突指标(PET),采用85%位累计频率曲线法划分人车冲突等级;从人、车、路及环境特征中选取10个因素作为变量,构建Ordered Probit模型,以确立人车冲突严重程度的显著影响因素,并通过边际效应定量分析不同显著因素的影响程度。研究结果表明:行人闯红灯情况、年龄、行人交通量、人行道占用情况、人行道起点终点、车辆速度变化及车流量是人车冲突严重程度的显著因素,相较于各自参考量,行人闯红灯、车辆加速通过冲突点、人行道起点及老年人造成严重冲突的概率分别增加8.2%,5.9%,5.1%,4.4%;相较于低流量的交通流,较高流量的车流和行人交通流使得严重冲突的概率分别增加3.7%,2.5%,但人行道占用使得严重冲突的概率下降6.8%。研究结果可为信号交叉口行人过街交通安全设施的设计和实施提供理论依据。

基于5G技术的校园无人车配送系统设计与实施研究

文章以青岛职业技术学院为案例,基于5G技术设计了校园无人车配送系统。通过勘察和数据采集确定了配送需求和路径,并设计了无人车控制系统,实现自主行驶和环境感知。采用基于5G的通信模块实现与服务器的实时通信,通过仿真和优化,建立了系统原型,并进行了实地测试。结果表明,该系统能高效、安全地提高校园内配送效率和服务质量,对未来校园无人车配送系统具有重要参考价值。

基于最优转向曲率的无人车横向控制

为提高无人车横向控制性能,提出一种基于最优转向曲率的控制方法。利用车辆运动学约束,求解最优转向曲率的解析形式;采用线性化方法证明由该控制方法构成的闭环系统在平衡点附近的零输入局部稳定性;用数值方法定量分析保证闭环系统局部稳定的车速与预瞄距离的关系;提出一定车速下的最优预瞄距离的概念,用数值方法求解最优预瞄距离与车速的关系;探讨执行机构动态特性对闭环系统稳定性的影响。仿真和实车实验结果表明:在非零输入下,无人车依然可以稳定运行。

差动转向无人车轨迹跟踪和车身姿态控制研究

针对分布式驱动无人车转向时车身在离心力作用下外倾,引起内侧车轮载荷减小,严重时会导致差动转向失效乃至车辆侧翻等问题,提出了一种差动转向无人车的轨迹跟踪和车身姿态控制方法;该控制方法可通过差动转向实现无人车轨迹跟踪,同时通过主动悬架实现转向时车身主动内倾来保证差动转向有效性,提高了无人车的操纵稳定性。建立考虑侧倾因素的车辆模型及参考模型,通过分数阶单点预瞄驾驶员模型得到了参考模型跟踪期望路径所需的参考前轮转角;基于此,设计了H_(∞)鲁棒控制器,通过控制差动转向无人车的横摆角速度和车身内倾角,分别跟踪参考模型提供的参考值,得到了所需的差动力矩及左右侧主动悬架控制力。研究结果表明:所设计的分数阶单点预瞄驾驶员模型和H_(∞)鲁棒控制器能有效保证差动转向无人车实现轨迹跟踪,同时实现了车身姿态控制。

一种交通场景下人车检测的VHA-CenterNet无锚方法研究

在真实的交通场景中,车辆和行人检测器容易受到复杂背景的干扰,导致严重的误检和漏检。此外,由于交通场景图像中存在各种不同尺度的目标,大多数检测方法对小物体的检测性能较差,且难以适应交通物体的多样性。为了解决这些问题,提出了一种基于注意力和前景注意模块的无锚方法VHA-CenterNet。在主干网络中加入一个卷积块注意模块(CBAM),以提高对小目标的关注能力。在前景注意模块(FAM)中引入前景信息,以减少复杂背景的干扰。结果表明:在中等难度下,所提出的VHA⁃CenterNet方法在KITTI数据集上的mAP达71.92%,在RTX 2080 Ti上的推理速度为10.68 FPS,可以显著提高人车识别的准确率和速度。在所有情况下,交通场景的人车检测准确率都高于传统模型。

基于百度地图的无人车电子围栏系统设计与实现

随着人工智能与自动驾驶技术的飞速发展,无人车已成为智能交通领域的研究热点。然而,如何确保无人车在运行过程中的安全性与合规性,是当前面临的一大挑战。电子围栏技术作为一种有效的区域限制手段,对于防止无人车进入非授权区域具有重要意义。本文旨在利用百度地图的丰富数据与精准定位功能,设计并实现一套高效、智能的无人车电子围栏系统,为无人车的安全行驶提供有力保障。

分布驱动无人车在极限工况下的稳定跟踪控制

针对分布式驱动无人车在低附着、高速的极限工况下行驶时偏离目标路径和失稳的现象,提出一种稳定-跟踪联合控制策略,策略包含路径跟踪控制和横向稳定控制,使无人车在提高跟踪精度的同时又使其稳定性得到保障。路径跟踪模块在汽车二自由度模型的基础上,建立了最优LQR路径跟踪控制器,并引入前馈用以改善稳态误差,其次考虑误差变化的规律和路-车位置关系以及驾驶员预瞄模型,设计了改进的权重参数自适应LQR控制器;稳定性模块基于可以减小系统抖振的滑模模糊控制原理,并结合汽车稳定性参数的实际值与期望值的差值,求解出横摆力矩。其次在分配各轮转矩时建立约束条件,使得轮胎负荷率最小用以提升汽车的操纵稳定性。CarSim/Simulink仿真表明在高速、低附着的换道工况下,改进后的LQR控制器有效地改善跟踪误差,具有良好的鲁棒性。且在加入稳定性控制器后,横摆角速度与质心侧偏角的调节时间变短,极大改善了无人车在极限工况下的稳定性。

人车碰撞事故中人地碰撞损伤研究进展

为了解人车碰撞事故中人地碰撞损伤的研究进展,并对可行的人地碰撞损伤防护方法做出展望。本文从人车碰撞事故特征、人体损伤评价指标、人体损伤来源、人地碰撞损伤影响因素及人地碰撞损伤防护方法5个方面回顾了已有研究成果,并对已有研究中存在的问题进行讨论,就人地碰撞防护方法的发展作出展望。人地碰撞损伤研究仍然存在许多不成熟的地方,特别是人地碰撞损伤的致伤机理和影响因素方面仍须开展深入的研究。通过回顾现有的人地碰撞损伤防护技术指出,未来可从优化车辆前部形状、安装行人安全装置以及控制车辆制动等方面来降低行人损伤风险。大部分事故中碰撞速度为中低速,而在低车速下的人地碰撞损伤不容忽视,可通过控制车辆制动降低人地碰撞损伤。此外,人地碰撞损害评价指标仍存在不足。本文可为后续更好地开展人地碰撞损伤致伤机理及防护方法的研究提供参考。

巡检无人车激光SLAM与路径规划研究综述

激光同步定位与建图(SLAM)及路径规划是决定巡检无人车能否高效完成巡检任务的关键环节。围绕激光SLAM定位算法、环境地图、路径规划3个方面,从其优缺点、适用范围、改进方向出发,介绍了巡检无人车激光SLAM与路径规划研究的概况,系统阐述了国内外研究成果,分析了当前常见的技术难题,并对巡检无人车激光SLAM与路径规划的未来发展做出展望。

视觉算法在室外重载无人车系统设计中的应用

研究致力于设计一种基于视觉算法的室外重载无人车系统。该系统利用先进的视觉算法,包括目标检测、跟踪和路径规划,实现对室外环境的感知和理解。通过结合深度学习技术和传统的计算机视觉方法,该系统能够准确地识别道路、障碍物和交通标志,从而实现自主导航和避障功能。此外,该系统还具备远程监控和控制的能力,使操作人员能够实时监测车辆状态并进行必要的干预。实验结果表明,该系统在不同天气和光照条件下都能够稳定运行,并具有较高的精确度和鲁棒性,为室外重载无人车的实际应用提供了可靠的解决方案。

考虑稳定性的4WD/4WS无人车路径跟踪控制策略研究

根据分布式四轮驱动/转向的无人车单轮独可控的特点,提出一种考虑稳定性的路径跟踪控制策略,以提升无人车在高速、低附着工况下的车辆稳定性:具体通过预瞄-跟随理论搭建路径跟踪控制器,实现对无人车规划路径的实时跟踪;并通过滑模控制理论对后轮转角和直接横摆力矩进行集成控制,考虑前后轴荷及路面附着系数实现转矩分配,提高车身稳定性。仿真结果表明:相对于未考虑稳定性的路径跟踪控制策略,考虑稳定性的路径跟踪策略在高速双移线工况下,平均横向跟踪误差下降5.2%,质心侧偏角峰值下降57.4%,横摆角速度峰值下降23%;在低附着山路工况下,平均横向跟踪误差下降9.1%,质心侧偏角峰值下降54.3%,横摆角速度峰值下降1.4%,车辆能够保持良好的跟踪能力和行驶稳定性。

无人车换道轨迹与跟踪控制研究

无人车换道是自动驾驶领域的关键技术,针对无人车换道轨迹规划与跟踪控制问题,选择纯电动汽车作为研究对象,设计了一种考虑横纵向协同控制的轨迹跟踪控制器。首先,通过解耦将车辆换道简化为横向运动和纵向运动。根据路径跟踪误差动力学模型设计了线性二次型调节器路径跟踪控制器,并引入前馈控制设计了前馈-反馈LQR横向控制器,以此降低系统稳态误差。随后,考虑位置-速度误差设计了双PID纵向控制器,对车辆速度进行跟踪。选用五次多项式曲线规划换道轨迹。最后,通过Matlab和CarSim搭建联合仿真平台,对所设计的换道轨迹跟踪横纵向协同控制器进行测试研究。结果表明:在双车道换道工况下,该控制器能够较高精度地跟踪换道轨迹,车辆的距离偏差和航向角偏差最大分别为0.01 m和0.007 rad,可见具有良好的精确性和稳定性。