基于GS-AdaBoost优化模型的隧道入口车辆换道行为预测

准确估计隧道入口车辆行为对于提高隧道行车安全与效率具有重要意义.现有车辆行为预测较少考虑车辆之间的交互信息,且车辆运动数据往往存在特征条件多等问题,难以应用于存在强交互的密集交通流场景.基于此,对隧道入口车辆换道特性进行分析,并提出一种车辆换道行为预测的模型优选超参数优化方法.首先,基于车辆轨迹数据,从换道位置和持续时间角度进行小轿车和货车换道特性分析;然后,遴选含3 570个样本的轨迹数据,进行描述性统计,并对车辆换道行为进行分类,标记出向左和向右换道样本2 265、1 305组;最后,针对经典逻辑回归和机器学习方法局部最小化以及过拟合问题,优选出Adaboost换道预测模型,采用网格搜索(Grid Search, GS)超参数优化方法实现超参数自动寻优,提出一种GS-AdaBoost优化模型的车辆换道意图预测方法.结果显示：与经典DT(Decision Tree, DT)换道预测模型相比,GS-AdaBoost优化在模型精确率(Precision)、召回率(Recall)、准确率(Accuracy)、F1值(F1score)、特异度(Specificity)方面分别提升了6.18%...     

快速路出口匝道衔接段交通特性与安全分析

为了探究快速路出口匝道与下游交叉口衔接段的驾驶行为与安全特性,结合实测换道车辆轨迹数据,分析匝道衔接段车辆轨迹特性和换道位置特性. 利用交通冲突技术,以后侵入时间（PET）为指标对车辆换道风险展开分析,建立有序概率模型识别冲突严重程度的影响因素. 结果显示,用Lorentz分布模型拟合车辆换道位置效果较好,换道类型与跨越车道数对车辆换道位置有显著影响,在强制换道与跨越多车道时换道位置更靠近衔接段始端;相较于普通衔接段,匝道衔接段行车风险更高,主要冲突类型为交叉冲突;衔接段饱和度、换道位置、交叉冲突、强制换道以及违章换道与冲突严重程度显著相关. 匝道衔接段释放车辆的车头时距稳定性差,交织区排队车辆的释放受换道干扰严重.     

基于决策-规划迭代框架的智驾车换道行为建模

行为决策和轨迹规划是智驾车完成驾驶任务的关键环节,着眼于二者之间的参数传递关系和新型混合交通流的动态特征,建立了智驾车换道模型。采用主从博弈思想描述智驾车换道决策过程,采用负指数函数量化博弈代价函数。将博弈决策结果作为轨迹规划模型输入之一,采用多项式分别描述车辆的横向及纵向运动,利用模拟退火算法寻找最优轨迹。设置了不同驾驶特性的环境车辆,并对决策规划过程进行了仿真验证,结果表明,决策规划模型能够快速生成安全、舒适的可行轨迹。     

汽车高速换道避让路径规划及离散滑模跟踪控制

针对汽车高速换道避让路径规划和跟踪控制问题,提出了一种基于五次多项式曲线的汽车高速换道避让路径规划方法和基于离散滑模的汽车高速换道避让路径跟踪控制策略。首先,基于五次多项式曲线规划汽车高速换道避让路径,并通过查表方式间接建立汽车高速换道避让路径曲率最大值、汽车高速换道避让路径曲率变化率最大值与五次多项式曲线待定系数的映射关系,以使汽车高速换道避让路径满足乘坐舒适性和安全性需求。为了快速、稳定地跟踪基于五次多项式曲线规划的汽车高速换道避让路径,融合汽车运动学模型和线性二自由度汽车动力学模型建立了包含加性不确定性的线性离散控制模型,并基于干扰观测器的离散滑模控制理论设计了汽车高速换道避让路径跟踪控制策略。最后,利用车辆动力学软件建立了模型在环仿真系统,对本文汽车高速换道避让路径规划方法和汽车高速换道避让路径跟踪控制策略的可行性和有效性进行了仿真验证。     

运动目标空间模式辨识与异常交通行为检测

提出了运动目标的空间运动模式辨识与异常交通行为检测方法。利用改进Hausdor-ff距离的轨迹空间度量方法构建了轨迹集合的空间距离相似度矩阵。根据谱聚类算法学习轨迹的空间分布,提取了运动目标的典型运动模式。在此基础上,提出了基于Bayes分类器的轨迹空间运动模式匹配方法,进而检测异常交通行为。以实际交通场景中的车辆换道行为检测为例,验证了方法的有效性。该方法可以为运动目标交通行为特性以及交通管理控制等方面的研究提供技术支持。     

自动驾驶车辆换道决策行为分析及分子动力学建模

针对自动驾驶车辆的换道决策行为,首先基于分子动力学理论研究了车辆的微观换道行为,在对换道意图进行客观性量化的基础上,进一步引入车辆间的相互作用势建立了换道决策行为的分子动力学模型。然后,系统分析了车辆换道初始时刻与换道完成时刻的关系以及车辆换道的动态影响因素,探究了微观车辆的换道行为对宏观车流的影响。最后,使用SUMO软件将SL2015换道模型与分子动力学换道模型进行仿真对比分析。结果表明,分子动力学换道模型具有较好的安全性、稳定性和实用性;本文自动驾驶车辆换道决策行为的分子动力学建模综合考虑了交通场景中的动态影响因素,能够更客观、合理地展现自动驾驶车辆的换道行为特性。     

自动化公路系统车队换道变结构控制

基于车辆纵横向动力学耦合模型,研究了自动化公路系统车队换道的纵横向耦合控制.假定车队中每个跟随车辆依靠车间通信接收引导车辆以及该车前面相邻车辆的位移、速度信息,利用车载传感器获得车辆横摆角速度信息.基于满足正反梯形约束条件的侧向加速度,计算车辆换道时的期望横摆角和横摆角速度.采用有限时间滑模趋近律,设计了车队换道纵横向耦合变结构跟踪控制规律,基于李雅普诺夫稳定性理论,对控制系统的稳定性进行分析.仿真结果显示,采用文中设计的控制规律,对于车队中每个跟随车辆,在实现车辆自动换道的同时,纵向上能够保持满意的车间距离.     

电动汽车侧向换道行驶主动避撞控制算法

为实现四轮独立驱动电动车的侧向主动安全避撞控制,建立了车辆侧向换道的安全距离模型,在此模型基础上依据避撞要求设计了相应侧向控制器。利用线性二次型调节器(LQR)方法求解出侧向换道最优反馈矩阵,并采用基于输入补偿的前馈补偿策略对系统进行偏转角控制跟踪,保证系统能精确跟随给定期望横摆角。最后,通过实验验证了电动车主动安全距离模型和车辆避撞控制器的有效性,实现了车辆安全稳定避撞功能要求。     

自主车辆高效滚动时域轨迹规划与跟踪控制

针对自主车辆轨迹规划与跟踪控制问题,提出一种基于模型预测控制的自主车辆高效滚动时域轨迹规划与跟踪控制方法。首先,引入人工势场法为不同障碍物和道路结构分配不同的势场函数;其次,将这些表征安全性的势场函数作为轨迹规划与跟踪的优化目标函数,同时考虑车辆动力学特性、运动学约束和舒适性要求,使规划的轨迹易于车辆跟踪;最后,针对势场函数的非凸非线性造成在线优化计算量大问题,引入阶梯式控制策略,参数化预测时域内的控制增量,降低模型预测控制的在线计算量。针对典型交通场景进行CarSim与Matlab/Simulink联合仿真,结果表明该方法有效并具有优越的实时性能。     

智能电动车辆横纵向协同运动控制

针对车速变化下的车辆轨迹跟随稳定性问题,提出一种基于模型预测控制（MPC）与滑模控制结合的横纵向协同控制策略。建立描述车辆纵向、横向及横摆运动状态的三自由度动力学模型;然后,设计模型预测控制器对车辆期望轨迹进行跟踪,考虑车辆行驶运动过程中横纵向耦合问题,将纵向车速作为横向控制系统的状态量,并利用反馈矫正机制不断更新预测模型;在此基础上,采用滑模控制算法对期望车速及加速度进行跟踪,并采用饱和函数作为指数趋近率以减小抖振;采用基于规则的制动转矩分配方式得到行驶过程中各个车轮的需求转矩。该控制策略考虑了车辆动力学中的横纵向耦合问题,可在线处理车辆动力学约束,将车辆稳定跟踪期望轨迹的问题转化为求解带约束的最优控制问题。仿真结果表明所提出控制策略的有效性。     

Symbol Reference Model of Desired Yaw Angle for Automated Lane Changing Behavior of Vehicle

In this paper, it studies the problem of trajectory planning and tracking for lane changing behavior of vehicle in automatic highway systems. Based on the model of yaw angle acceleration with positive and negative trapezoid constraint, by analyzing the variation laws of yaw motion of vehicle during a lane changing maneuver, the reference model of desired yaw angle and yaw rate for lane changing is generated. According to the yaw angle model, the vertical and horizontal coordinates of trajectory for vehicle lane change are calculated. Assuming that the road curvature is a constant, the difference and associations between two scenarios are analyzed, the lane changing maneuvers occurred on curve road and straight road, respectively. On this basis, it deduces the calculation method of desired yaw angle for lane changing on circular road. Simulation result shows that, it is different from traditional lateral acceleration planning method with the trapezoid constraint, by applying the trapezoidal yaw acceleration reference model proposed in this paper, the resulting expected yaw angular acceleration is continuous, and the step tracking for steering angle is not needed to implement. Due to the desired yaw model is direct designed based on the variation laws of raw movement of vehicle during a lane changing maneuver, rather than indirectly calculated from the trajectory model for lane changing, the calculation steps are simplified.     

Reference Model of Desired Yaw Angle for Automated Lane Changing Behavior of Vehicle

In this paper,it studies the problem of trajectory planning and tracking for lane changing behavior of vehicle in automatic highway systems. Based on the model of yaw angle acceleration with positive and negative trapezoid constraint,by analyzing the variation laws of yaw motion of vehicle during a lane changing maneuver,the reference model of desired yaw angle and yaw rate for lane changing is generated. According to the yaw angle model,the vertical and horizontal coordinates of trajectory for vehicle lane change are calculated. Assuming that the road curvature is a constant,the difference and associations between two scenarios are analyzed,the lane changing maneuvers occurred on curve road and straight road,respectively. On this basis,it deduces the calculation method of desired yaw angle for lane changing on circular road. Simulation result shows that,it is different from traditional lateral acceleration planning method with the trapezoid constraint,by applying the trapezoidal yaw acceleration reference model proposed in this paper, the resulting expected yaw angular acceleration is continuous,and the step tracking for steering angle is not needed to implement. Due to the desired yaw model is direct designed based on the variation laws of raw movement of vehicle during a lane changing maneuver, rather than indirectly calculated from the trajectory model for lane changing, the calculation steps are simplified.     

基于双五次多项式的智能汽车换道路径规划研究

快速准确地进行换道路径规划、有效跟踪期望路径以及换道过程中保持车辆的操纵稳定性,是保障智能汽车主动安全的核心技术.针对智能汽车主动换道过程中的路径规划问题,引入中转位置,提出基于双五次多项式的路径规划策略,以提高换道路径的平滑性,保证车辆换道安全性,满足换道实时性要求.对主动换道场景进行分析,确定换道初始及目标位置;基于车辆换道过程中的临界碰撞点,提出双五次多项式换道路径规划策略;建立联合仿真模型,针对不同道路状态进行主动换道仿真试验.结果表明：由于引入了中转点,利用双五次多项式规划方法得到的换道路径在临界碰撞状态前有更明显的侧向位移,能避开前方障碍车保证了换道安全性;换道中转位置处车辆最大侧向加速度不超过2 m/s²,保证了换道过程中车辆操纵稳定性;在干燥路面与湿润路面工况下,换道所需纵向安全距离减小20 m左右,保障了换道过程的纵向碰撞的安全性.研究结果可以为智能汽车主动换道路径规划提供理论及实践依据.     

Implementation of MPC-Based Trajectory Tracking Considering Different Fidelity Vehicle Models

In order to investigate how model fidelity in the formulation of model predictive control(MPC) algorithm affects the path tracking performance, a bicycle model and an 8 degrees of freedom(DOF) vehicle model, as well as a 14-DOF vehicle model were employed to implement the MPC-based path tracking controller considering the constraints of input limit and output admissibility by using a lower fidelity vehicle model to control a higher fidelity vehicle model. In the MPC controller, the nonlinear vehicle model was linearized and discretized for state prediction and vehicle heading angle, lateral position and longitudinal position were chosen as objectives in the cost function. The wheel step steering and sine wave steering responses between the developed vehicle models and the Carsim model were compared for validation before implementing the model predictive path tracking control. The simulation results of trajectory tracking considering an 8-shaped curved reference path were presented and compared when the prediction model and the plant were changed. The results show that the trajectory tracking errors are small and the tracking performances of the proposed controller considering different complexity vehicle models are good in the curved road environment. Additionally, the MPC-based controller formulated with a high-fidelity model performs better than that with a low-fidelity model in the trajectory tracking.     

基于线性矩阵不等式的智能车轨迹跟踪控制

针对传统的基于精确数学模型的智能车轨迹跟踪控制器跟踪精度低,鲁棒性弱,很难适应复杂多变的驾驶环境等问题,结合线性矩阵不等式(LMI)鲁棒控制具有易于求解、抗干扰能力强等优点,提出基于LMI的智能车轨迹跟踪控制方法. 将车辆侧向动力学状态空间模型进行坐标变换,得到基于跟踪误差的车辆侧向动力学状态空间模型,采用饱和线性轮胎得到车辆侧向动力学多胞型模型;设计LMI反馈控制器,在控制器中引入前馈控制量,以消除侧向位置稳态误差. Carsim和Matlab/Simulink的联合仿真表明,该控制器在保证车辆稳定性的基础上具有较高的跟踪精度,对车速和路面附着系数具有较强的鲁棒性. 与模型预测控制器(MPC)和预瞄驾驶员模型(PDM)控制器进行对比,结果表明,设计的该控制器轨迹跟踪精度更优.     

高速无人驾驶车辆轨迹跟踪和稳定性控制

针对高速无人驾驶车辆运动控制过程中轨迹跟踪精度和稳定性难以同时保障的问题,提出综合前馈-反馈及自抗扰控制(ADRC)补偿相结合的横向控制算法. 通过车速和道路曲率信息计算前馈稳态前轮转向角,将质心侧偏角引入航向偏差,以车辆航向角偏差和侧向偏差作为参考量进行反馈控制,通过前馈-反馈控制提升瞬态轨迹跟踪性能. 设计自抗扰控制器,通过扩张状态观测器对未建模动态和内外界干扰进行估计,通过将后轮侧偏角控制在参考值附近来补偿前轮转角,提升无人驾驶车辆的转向稳定性和控制器的鲁棒性. 不同工况下的仿真结果表明,利用该方法可以保证高速无人驾驶车辆稳定地跟踪期望路径行驶,轨迹跟踪偏差较小,对车辆参数变化和外界干扰具有较强的鲁棒性.     

基于模糊—PID控制的对开路面汽车制动稳定性研究

提出了利用横摆力矩控制汽车在对开路面制动稳定性的方法.根据建立的动力学模型确立了相关的控制策略和控制模式,设计了参数自整定的模糊PID控制器,仿真与道路试验结果表明,利用汽车制动稳定性横摆力矩模糊-PID控制方法,能减少汽车在对开路面制动时的跑偏或激转等危险,且使汽车在制动偏驶后能快速恢复正确行驶车道,而将模糊-PID控制与模糊控制,PID控制得到的仿真结果进行对比也证明模糊-PID控制能更好的满足控制要求,从而验证了参数自整定模糊-PID控制方法对于提高汽车制动稳定性和行驶安全性的可行性.     

基于径向基函数神经网络PID与模型预测控制的车辆轨迹跟踪控制

为提高无人驾驶车辆的稳定性和鲁棒性,提出一种基于径向基函数神经网络自适应比例积分微分（RBFNN?PID）算法和模型预测控制（MPC）算法相结合的车辆轨迹跟踪控制方法. 基于自适应RBFNN?PID算法、MPC算法以及车辆动力学模型,建立智能车辆纵向速度控制和横向控制的仿真模型并将其结合起来. 在此基础上,以横向MPC控制和LQR?PID控制算法为基准,验证所提出的控制方法在轨迹跟踪方面的优越性. 仿真结果表明,新方法比对照组具有更高的精度. 最后,对新控制方法的硬件在环验证表明,该轨迹跟踪控制算法在轨迹跟踪精度和稳定性方面具有一定的有效性和先进性.     

基于变权重系数的LQR车辆后轮主动转向控制研究

为提高4WS汽车LQR后轮主动转向控制器的性能与适用范围,分析不同路面附着条件下质心侧偏角、横摆角速度对汽车稳定性的影响,提出一种基于路面附着系数调整最优控制中半正定矩阵Q权重系数策略.利用模糊控制理论设计变权重系数调节器,实现最优控制参数的自适应调整.通过Matlab/Simulink软件进行闭环双移线仿真试验,结果表明,在不同附着路面上行驶时,所提出的变权重系数LQR后轮主动转向控制器能够改善车辆的稳定性与安全性,保证车辆按照驾驶员预期的理想轨迹行驶,顺利完成双移线试验;相比于LQR后轮主动转向控制器,与标准双移线轨迹之间的误差降低了28.25%.通过硬件在环试验验证了这一控制系统的可行性与实时性.     

Map-based control method for vehicle stability enhancement

This work proposes a map-based control method to improve a vehicle's lateral stability, and the performance of the proposed method is compared with that of the conventional model-referenced control method. Model-referenced control uses the sliding mode method to determine the compensated yaw moment; in contrast, the proposed map-based control uses the compensated yaw moment map acquired by vehicle stability analysis. The vehicle stability region is calculated by a topological method based on the trajectory reversal method. A 2-DOF vehicle model and Pacejka's tire model are used to evaluate the proposed map-based control method. The properties of model-referenced control and map-based control are compared under various road conditions and driving inputs. Model-referenced control uses a control input to satisfy the linear reference model, and it generates unnecessary tire lateral forces that may lead to worse performance than an uncontrolled vehicle with step steering input on a road with a low friction coefficient. However, map-based control determines a compensated yaw moment to maintain the vehicle within the stability region,so the typical responses of vehicle enable to converge rapidly. The simulation results with sine and step steering show that map-based control provides better the tracking responsibility and control performance than model-referenced control.