基于动态轨迹规划的自动驾驶车辆协同换道方法

传统的多车协同缺乏对目标队列和换道车辆信息的有效利用,为考虑动态信息变化对换道过程的影响,本文提出基于动态轨迹规划的自动驾驶车辆协同换道控制方法。首先,针对自动驾驶环境下单车进入车辆队列的研究场景,提出基于实时动态信息的协同换道控制框架,在考虑换道车辆与目标队列车辆的合作以及换道行为给目标队列带来影响的基础上,构建非换道期间和换道期间的纵向协同控制模型;之后,在换道车辆发出换道请求并满足换道触发条件后,考虑队列纵向协同目标,根据纵向速度变化动态规划每一时刻的期望轨迹,提出基于正弦曲线的动态换道轨迹规划方法,得到安全和可靠的轨迹曲线,并采用模型预测控制的轨迹跟踪控制算法,实现实时轨迹跟踪;最后,通过搭建Prescan-Simulink联合仿真平台,设计多组不同速度工况下的仿真实验,以及设置传统基于前车—跟随策略的控制算法与本文的控制策略进行对比,综合分析换道触发时间、队列稳定时间和速度波动幅度这3项指标,验证本文控制策略的有效性和可行性。仿真结果表明:本文所设计的协同换道控制策略和传统方法相比,队列的平均稳定时间缩短了34%,队列的速度波动幅度保持稳定,并在不同相对速度的工况下,均能够实现车辆安全和高效地换道。

基于自适应A∗算法的自动驾驶车辆路径规划方法研究

应用传统A*算法进行路径规划时,存在拐点过多、搜索效率较差、转折角度过大等问题,提出一种基于自适应A*算法的自动驾驶车辆路径规划算法。首先,针对传统A*算法运算时间较长的问题,采用指数增长法对启发式函数进行加权,从而提高搜索效率;然后,在启发函数中引入航向角影响因子,使自动驾驶车辆在工作时满足其转向特性;最后,通过三次B样条插值函数对路径中拐点处进行平滑处理,使拐点处尖角的局部路径更加平滑。MATLAB仿真结果表明:改进A*算法生成的路径在长度、总航向角和曲线平滑方面的性能指标优于传统A*算法,使自动驾驶车辆获得一条满足自身约束的优质路径,且在不同的地图环境下,提出的自适应A*算法能够适应不同的环境且可以有效地保持其可行性与优越性。

自动驾驶车辆换道意图识别研究现状

近年来基于数据驱动的自动驾驶车辆换道意图识别研究取得了显著进展,学者们发布了大量的研究成果.针对该领域面临的一些共性的技术挑战,如换道过程的认定、换道标签的缺失以及数据类别不均衡等问题,从不同的数据驱动方法进行分类,主要包括基于传统机器学习、基于深度学习和基于集成学习的换道意图识别方法,对近年来这些方法的研究成果进行了回顾和总结.关于换道行为的认定,存在两种主流方案,即车辆穿越车道线和未穿越车道线.对于未穿越车道线的车辆,主要应用于驾驶者换道意图的早期识别方法;而当车辆穿越过车道线时,则通常被用于完整的换道过程的识别.在换道意图标注的研究中,研究者们针对固定时间窗口和航向角阈值对标注精度的影响进行了深入探讨.为了找到最优参数,如最佳的固定时间窗口和航向角阈值,研究者们采用了网格搜索进行寻优.虽然这种方法在固定的驾驶场景中表现良好,但在不同的驾驶场景中,如何实现参数的自适应调节仍然是一个挑战.针对换道数据类别不均衡的问题,研究者采用两种策略:一是调整数据采样方法,利用欠采样和过采样技术平衡各类别样本数量;二是采用对不均衡数据适应性强的分类模型,如集成学习算法或代价敏感学习,以维持较好的分类性能.

车联网环境下低速自动驾驶车辆主动服务方法研究

针对低速自动驾驶车辆(LSAV)运营过程中的用户服务需求,基于行车主动服务系统(DASS)已有功能,设计了考虑用户需求和LSAV服务范围相协调的LSAV主动服务平台(LSAV-ASP),包括感知层、存储层和应用层,感知层用于获取交通网络中实时的车辆、道路、交通环境等信息,存储层用于将数据分类存储至LSAV服务池,应用层用于设计和应用服务匹配方法和服务评价优化算法,并提出了LSAV主动服务匹配算法和模糊优化神经网络评价模型(FES-GALMBP),仿真验证结果表明,所提出的匹配算法和评价模型相较于传统算法性能更优,评价模型对评价集LSAV客车运营质量与运营安全性评价的准确率相较反向传播(BP)神经网络模型准确率分别提高了49百分点和38百分点。

基于自动驾驶车辆调度的停车系统收费策略优化

针对有人驾驶车辆与自动驾驶车辆共存的停车系统,设计基于自动驾驶车辆调度的停车系统收费策略,以提升停车系统运行效率.该策略在停车场无可用停车泊位但存在自动驾驶车辆时向有人驾驶车辆提供自动驾驶车辆调度服务,停车系统向有人驾驶车辆收取一定调度费用后,通过在多个停车场间调度若干自动驾驶车辆,为有人驾驶车辆在其目标停车场创造可用停车泊位.各停车场的调度费用会影响有人驾驶车辆用户的停车选择,进而影响停车系统的运行效率,构建基于智能体的停车仿真模型,采用遗传算法差异化地设置系统内各个停车场的停车调度收费方案.仿真结果显示,采用基于自动驾驶车辆调度的差异化收费策略,可以有效地减少有人驾驶车辆用户的行驶时间、步行时间、总出行时间及行驶里程,增加停车系统营收,降低社会成本,有效地缓解停车矛盾.

轨道交通全自动驾驶车辆独立安全评估实施方案

全自动运行系统引入移动通信、人机交互等专业的前沿技术,是轨道交通主要发展目标之一。结合北京地铁11号线全自动运行工程建设经验,从工程安全和风险管理角度介绍了全自动驾驶车辆的独立安全评估实施方案,以确保11号线车辆设备满足安全及风险管理的要求,并为全自动运行系统其他设备的评估工作提供参考。

全自动驾驶车辆基地列检作业联锁方案研究

[目的]不同于传统人工驾驶车辆基地内信号控制权属划分,全自动驾驶条件下,电客车进入车辆基地无人区信号控制均由运营控制中心完成。为了实现全自动驾驶条件下运维无纸化、数字化,需对人员防护系统开关箱进行方案改造设计,结合地铁车辆基地多系统、接口复杂的特点,对人员防护系统与其他系统的联锁条件也进行了方案设计,以实现对电客车驶入车辆基地自动驾驶区内从车辆入库至列检完成的全过程逻辑控制。[方法]结合全自动驾驶运营场景,对停车列检库检修分区划分、检修作业人员防护系统联锁逻辑、列检作业人员走行轨迹以及与安全连锁系统、高压防护系统等的联锁控制进行方案设计。[结果及结论]为此,根据人员防护系统功能特点,对人员防护系统开关箱进行智能化改造,增加行程开关、限位开关,以完成人员防护开关与检修流程及车辆信号的联锁控制;通过检修走行路径规划,结合智能门禁系统设置情况,完成智能发卡柜的平面布置,实现与人员防护系统的逻辑联锁控制;通过人员防护系统与五防系统间防护区域及防护权限任务的划分,完成两系统间的逻辑控制方案设计。

基于CAN协议的自动驾驶车辆线控系统研究

伴随着自动控制理念和汽车电子控制技术的进步,越来越多的线控技术在汽车领域开始应用。文章旨在探索智能汽车底盘和线控技术的应用,通过对试验车辆的硬件系统进行创新改装,包括线控转向和线控制动等关键部件的优化,同时集成特定传感器,通过CANTest软件解析信号帧数据变化规律,从而验证经硬件改造后试验车可以具备控制器局域网(CAN)通信功能。本研究能够为智能驾驶技术的发展提供实质性支持,对现有车辆进行线控改造及通讯控制提供了较为完善的方案。

高速公路自动驾驶车辆测试段专用车道动态使用研究

为实现高速公路自动驾驶车辆专用车道对社会车辆时空路权的动态管理,提出1种基于高速公路自动驾驶车辆专用车道的动态设置与使用方法。基于自动驾驶车辆进出专用车道实时状态的变化,通过智能道钉闪亮范围的动态调整、可变信息标志的布设与控制、清空距离以及安全距离的空间保障,动态调整专用车道上社会车辆的使用路权,保证自动驾驶车辆的安全、快速通行。通过合理设置专用车道的动态使用,为目前高速路网中自动驾驶车辆流量较小的应用场景提供新思路,降低投入产出比,既保证车辆运行安全,又能提高通行效率与道路资源利用率。

考虑车辆横向稳定性的连续弯道自动驾驶车辆速度控制方法

文章针对山区公路连续弯道路段的安全隐患,从车辆横向稳定性角度分析,采用横向加速度、质心侧偏角及横向荷载转移率三项指标分别评估侧滑、侧偏和侧翻风险。在此基础上,基于Carsim和Simulink平台,提出一种自动驾驶车辆速度控制方法,并以G241公路广西桂林地区的连续弯道为实例进行实地调研和仿真分析。研究发现,案例路段采用60 km/h限速将存在一定的横向失稳风险,尤其在路面潮湿状态下;所提出的自动驾驶车辆速度控制方法,能够有效通过实时监测和调整车辆速度,降低了侧滑、侧偏及侧翻风险,为山区公路的设计和管理提供了科学依据与技术支持。

某全自动驾驶地铁车辆头车轴重偏差计算与优化

介绍了某速度等级为80 km/h的A型全自动驾驶地铁车辆底架设备布置方案和轴重偏差计算方法,通过对比该方案下头车轴重偏差理论计算值与称重数据之间差异,验证了计算方法的准确性,提出了头车轴重偏差的优化措施,为后续类似地铁车辆头车轴重偏差控制提供理论依据。

自动驾驶车辆的紧急刹车与避障系统设计和性能验证

本文提出一种基于深度学习的障碍物识别算法,能准确识别前方车辆、行人等障碍物,并实时计算刹车和转向控制。该算法已集成到自动驾驶车辆的AEB系统中,并经过多种实地试验,包括不同场景,如前方车辆制动、行人横穿道路等。试验结果显示,AEB系统能有效避免碰撞,显著提升车辆行驶安全性。

混合交通流下的城市道路自动驾驶车辆运行特征仿真分析

为研究由人工驾驶车辆与自动驾驶车辆构成的混合交通流中自动驾驶车辆运行特征这一问题,仿真分析城市道路交通环境中两者的运行特征差异。首先,基于SUMO仿真环境建立了一个包含3种道路等级和7种断面形式的路网;其次,根据Waymo自动驾驶车辆运行数据集标定自动驾驶和人工驾驶车辆的跟驰行为模型参数,并设置记录车辆的浮动车轨迹数据和冲突记录数据运行仿真。仿真结果发现,自动驾驶车辆的速度方差更小,在设置有专用道的道路上,自动驾驶车辆的速度方差显著小于人工驾驶车辆,人工驾驶车辆会因为跟驰距离过近(速度过快)而与自动驾驶车辆产生潜在冲突,自动驾驶车辆与路段内非机动车发生摩擦冲突的比例更高。

全自动驾驶车辆基地作业综合管理系统智能化研究

在全自动驾驶模式逐步推广的背景下,全自动驾驶车辆基地数量增多,作业进程中的问题也值得关注。本文针对全自动驾驶车辆基地作业特点,探索了综合管理系统的设计思路,将智能化理念与全自动驾驶车辆基地的作业过程有机融合,进而整合作业过程的各个环节,增强不同部门、区域、人员与设备之间的联动效应,最终提升全自动驾驶车辆基地作业的效能。

基于平行测试的认知自动驾驶智能架构研究

在大数据、云计算和机器学习等新一代人工智能技术的推动下,自动驾驶的感知智能在近年来得到显著的提升与发展.然而,与人类驾驶过程中隐含的以自我目的实现为引导的自探索性和自主性相比,现阶段自动驾驶技术主要以辅助驾驶功能为主,还停留在以被动感知、规划与控制为主的初级智能自动驾驶阶段.为实现车辆智能从数据驱动的环境感知、辅助决策、被动规划到知识驱动的场景认知、推理决策、主动规划的提升,亟需增强车辆自身对复杂外界信息归纳提炼、推理决策、评价估计等类人能力.首先回顾自动驾驶关键技术演化及其应用发展历程;随后分析测试对车辆智能评估的效用;然后基于平行测试理论,提出自动驾驶车辆认知智能训练、测试与评估空间的构建方法,并设计基于平行测试的认知自动驾驶智能训练框架.该项研究工作预期能为推动自动驾驶从感知智能向认知智能的升级提供可行的技术支撑与实现路径.

自动驾驶汽车避撞极限研究

精确计算不同避撞控制策略的极限避撞距离是自动驾驶汽车避撞决策与控制的基础。为厘清差动制动控制对避撞距离的影响,探究转向和差动制动集成控制的极限避撞能力,提高极限避撞距离的计算精度,本研究基于非线性车辆集成动力学和最优控制理论提出一种自动驾驶汽车极限避撞距离计算方法。首先,建立了非线性7自由度车辆动力学模型和复合滑移工况的Pacejka轮胎模型。进一步地,基于上述模型构建了极限避撞距离求解问题,并将其转化为最优控制问题。然后,设计了高斯伪谱法将最优控制问题转化为非线性规划问题并求解。最后,分析了转向控制、制动控制、转向和制动集成控制、转向和差动制动集成控制的极限避撞距离,并与基于质点模型计算和CarSim测试的结果进行了对比。结果表明:转向和差动制动集成控制能够进一步减少自动驾驶汽车的避撞距离,显著提高其避撞能力;本研究所提方法能够显著提高极限避撞距离的计算精度和避撞决策结果的可靠性。

基于交互车辆轨迹预测的自动驾驶车辆轨迹规划

针对城市道路等复杂行车场景,提出了一种基于交互车辆轨迹预测的自动驾驶车辆轨迹规划方法,将高维度的轨迹规划解耦为低维度的路径规划和速度规划。首先,采用五次多项式曲线和碰撞剩余时间规划车辆行驶路径;其次,在社会生成对抗网络Social-GAN的基础上结合车辆空间影响和注意力机制对交互车辆进行轨迹预测;然后,结合主车规划路径、交互车辆预测轨迹及碰撞判定模型得到主车S-T图,采用动态规划和数值优化方法求解S-T图,从而得到满足车辆动力学约束的安全、舒适最优速度曲线;最后,搭建PreScan-CarSim-MATLAB&Simulink-Python联合仿真模型进行实验验证。仿真结果表明,提出的轨迹规划方法能够在对交互车辆有效避撞的前提下,保证车辆行驶的舒适性和高效性。

基于动态博弈算法的切入场景下自动驾驶车辆运动规划研究

鉴于在车辆换道切入的场景中,自动驾驶车辆容易出现频繁的误减速、误避让,而造成通行能力和乘员舒适性的下降,提出一种基于主旁车动态博弈的切入场景决策规划算法。在行为决策层,根据切入场景中主旁车的冲突性关系,联立相关车辆运动方程建立整体系统的运动模型,构建考虑旁车状态的切入博弈模型,设计安全性和舒适性收益函数,进行驾驶行为博弈,输出行为决策结果。在轨迹规划层,根据车辆间距构建避障约束条件,以Sigmoid函数轨迹的变曲率和速度切向矢量的时间分量来构建车辆动力学约束。同时以加权收益方式联合考虑驾驶习惯和舒适性等需求,建立轨迹规划数学模型,求解得到满足上层博弈决策要求的运动轨迹。Carsim-Simulink联合仿真结果表明,在不同的初始条件下主车与切入的旁车能进行多种形式的合理的交互决策,准确完成切入场景下的运动规划任务,车辆能准确跟踪输出的轨迹,更符合一般驾驶习惯,提高了车辆的舒适性。

自动驾驶车辆横向控制模型研究综述

自动驾驶车辆能有效改善交通状况,减少交通事故并提高驾驶的舒适性和安全性。介绍自动驾驶车辆横向控制技术的国内外研究现状,其中动力学模型包括车辆动力学模型和轮胎模型力学模型。运动学模型包括以质心为中心点和以后轴中心点为中心点建立的运动学模型,横向控制模型包括基于车辆数学模型运用的控制方法、基于驾驶员模拟的控制方法和结合基于车辆数学模型和基于驾驶人模拟的控制方法,并以现有研究和目前信息技术的发展为基础对未来自动驾驶车辆横向控制技术的发展趋势进行预测。

考虑驾驶风格的高速行驶工况自动换道决策规划研究

为了解决高速行驶工况下自动驾驶车辆决策模型的车间互动性不足、规划控制匹配性差等问题,构建了基于斯塔克尔伯格(Stackelberg)博弈的闭环换道决策模型,将障碍车响应纳入自车换道决策中,同时引入驾驶风格特征优化多目标决策成本函数,并使用粒子群优化(PSO)算法求解博弈决策模型,采用考虑质心侧偏角影响下的运动学模型预测车辆状态,设计了基于动态风险势场法的非线性模型预测规划控制器。仿真结果表明,所提出的闭环换道决策模型可有效结合车间互动行为与驾驶风格特征输出正确的决策指令并完成相应的运动规划和控制。