基于车联网的行人主动避撞策略及仿真验证

针对行人从静止遮挡车辆前方穿出并与主车碰撞的“鬼探头”危险场景,提出一种基于车联网的行人主动避撞系统控制策略。首先,建立主车、遮挡车和行人间相对位置关系模型,通过车车通信获取遮挡车前方的行人状态信息;其次,根据目标进入时间、目标离开时间、碰撞剩余时间和安全避撞时间4个危险状态判断评价指标,建立分级制动策略,并通过下层PID控制调节制动压力实现车辆控制;最后,基于PreScan、CarSim和MATLAB联合仿真平台,搭建该危险场景并验证所提出控制策略的有效性。结果表明,该策略能够实现避撞功能,且性能优于基于宽度触发的行人主动避撞策略。

基于行人轨迹预测的无人驾驶汽车主动避撞算法

针对传统轨迹预测算法无法深入挖掘行人行走意图信息,不能提前对行人轨迹做出提前预判,导致无人驾驶汽车主动避撞算法存在缺陷等问题,通过车载传感器获取道路行人图像信息和位置信息,并基于卷积神经网络对道路行人动作特征进行识别,分析其行走意图.利用卡尔曼滤波算法获取状态估计的预测值,结合行人主观意图进行修正,输出符合行人主观意图的预测轨迹.通过人车交汇特性建立不同行人轨迹类别的预估安全距离模型,并基于道路行人轨迹预测,设计行人主动避撞算法.结果表明:行人动作特征变化时,基于动作特征分析的行人轨迹预测算法,预测的轨迹能够提前对行人的轨迹变化做出预测,有效保障了道路行人的安全性;提出的轨迹特性分类可较好地表述混杂环境下的人车交汇情况,主动避撞算法在提高行人和无人驾驶汽车行驶安全性的同时,确保了制动减速过程的平缓性和交通流的通畅性.