智能车辆换道行驶的经济车速研究

本文旨在实现智能车辆在换道过程中经济车速规划。基于瞬态燃油消耗模型、车辆动力学模型和换道过程中道路曲率信息,利用动态规划算法求得车辆在换道过程中的经济车速轨迹。Matlab/Simulink与Car Sim联合仿真结果表明,与定速巡航算法相比,动态规划算法可节油8%左右。采用所提出的方法可在保证智能车辆安全行驶的基础上,提升其燃油经济性能,为智能车辆换道的速度控制提供决策依据。

基于机器视觉的驾驶员换道行驶检测研究

为自动检测驾驶员行车路线,通过车载CCD图像传感器获得序列图像,利用计算机视觉技术,建立摄像机的透视投影模型和汽车换道行驶检测模型,应用改进的Hough变换识别道路标线,确立直线方程,采用逆透视投影变换对车辆在当前位置的横向距离和横向偏转角做出估计,进而对汽车行驶状态做出判断。实验证明,该方法能够正确检测和判断驾驶员是否处于压线行驶和换道行驶状态。

基于集散决策体系结构的智能车辆自主导航

智能车辆的体系结构作为智能车辆系统的基础,在构建智能车辆前必须得到合理的设计。为保证智能车辆系统的实时性和智能性,提出了基于集散决策的智能车辆体系结构。该结构由信息感知、规划决策、执行3个基本模块组成,其中规划决策分为低层次的分散决策和高层次的集中决策;分散决策对各种环境信息进行并行处理以得到各局部决策结果,集中决策对各分散决策结果进行综合判断并做出最终决策。按照以上设计思想,对道路环境下的智能车辆体系结构进行了仿真,同时实际构建了智能车辆车道识别及跟踪系统的体系结构。并进行了系统设计及实车试验。仿真结果表明,智能车辆能够根据实际环境信息做出合理决策,顺利完成车道跟踪、车距保持、换道行驶等任务。试验结果表明,在该体系结构控制下的智能车辆系统能够准确、可靠地完成车道识别、车道跟踪及车速保持任务。

基于动态风险饱和度的高速公路交通安全分析

为了反映高速公路运营安全状况,提出了动态风险饱和度理论,构建了动态风险饱和度模型和计算方法。依据路段不同交通饱和度下车辆的驾驶行为,以路段交通安全为约束,研究了跟车行驶和换道行驶2种驾驶状态下,考虑车速变化及雾天等特殊天气条件影响的路段平均最小安全车头时距计算方法,利用建立的安全车头时距与安全流量之间的转换关系,得到不同驾驶状态下的路段安全流量。在不同车辆驾驶状态切换阈值下,计算路段实际交通流量与路段安全流量的比值得到高速公路路段动态风险饱和度值。以G3高速公路某改扩建路段所在路网为例进行验证,计算得到了路网中各路段不同切换阈值下的动态风险饱和度值。动态风险饱和度随着交通饱和度的增大,呈现稳定的先增大后减小的规律,且在换道行驶状态时达到最大,在跟车行驶状态时开始下降,与现有交通安全状态分析相吻合。相较于交通饱和度,动态风险饱和度更能够反应出高速公路路段交通安全动态变化的规律。

基于相关向量机和样条曲线的换道轨迹规划

针对现有跟踪算法不能很好地适应强非线性动态跟踪问题,提出利用稀疏特性更强的相关向量机(RVM)对换道参数进行估计,并采用样条曲线对估计值进行规划。将车辆纵向车速和横向车速以及横摆角速度作为表征参数,依据真车试验数据建立相应的运动方程、RVM输出方程以及条件概率方程,选取具有良好非线性特性的高斯函数作为核函数,依据不同带宽下模型性能的优劣确定最佳的带宽。对较为敏感的横摆角速度进行了滤波处理,通过对边缘似然函数进行迭代求解确定出权重分布和估计噪声,并采用RVM模型对换道参数进行估计,利用B样条曲线规划换道轨迹。测试结果表明:RVM具有良好的估计特性,相比SVM而言,其对核函数的敏感度较低,测试时间短,对大样本数据具有良好的适应特性,经过B样条曲线规划后,估计值的连续性和尖峰特性得到最大限度地改善。