基于混合强化学习的自动驾驶汽车行人避撞方法（英文）

确保行人的安全对自动驾驶汽车而言至关重要,同时也具有一定挑战。经典的行人避撞策略无法应对不确定性,而基于学习的方法缺乏明确的性能保障。本文提出一种基于混合强化学习的行人避撞方法,以使自动驾驶车辆能够与具有行为不确定性的行人安全交互。该方法集成了规则策略和强化学习策略,并设计了一个激活函数选择具有更高置信度的作为最终策略,通过这种方式保证最终策略的表现不亚于规则策略。为说明所提方法的有效性,本文使用一种加速测试方法生成了行为随机的行人进行仿真验证。结果表明,该方法在测试场景中的成功率,相比基准方法的94.4%,提升至98.8%。     

汽车纵向自动驾驶的因果推理型决策

针对汽车纵向自动驾驶决策过程的因果关联问题,建立了车辆跟驰行为的马尔可夫决策过程模型,利用真实驾驶员驾驶模拟器实验数据与驾驶风险原则确定了模型中的状态集和动作集,并根据车辆的行驶状态设计了相应的回报函数,进而基于增强Q学习算法对该模型进行求解,提出了以上决策过程的因果推理机制。最终,通过在随机工况下的仿真测试,验证了该方法的可行性与有效性。     

自动驾驶汽车侵权责任认定研究

自动驾驶汽车侵权打破了现有的交通事故责任认定体系,其对传统的过错责任和产品责任提出了挑战。在借鉴国外自动驾驶汽车相关法案后,提出自动驾驶汽车侵权应分为非全自动驾驶汽车侵权和全自动驾驶汽车侵权,无论何种情形,只要人类驾驶员不存在过错,都由汽车的生产者承担相应的产品责任。同时,为分散风险,扩大受益主体,建议设立生产者强制保险赔付制度;为便于举证,厘清责任,建议引进"黑匣子"技术。     

基于决策优化模型的驾驶行为建模方法

为了能在微观交通仿真模型中对复杂交通环境下的驾驶行为进行统一的数学描述，提出一个基于决策优化模型的驾驶行为建模方法.通过扩展Helly跟车模型并将其等式约束变换为不等式约束，建立驾驶员的可行加速度决策空间，再依次求解轨迹最优目标和速度最优目标，得到一个满意的横纵加速度.该建模方法将跟车、换道、超车、穿插、制动等驾驶行为统一地在驾驶行为决策优化模型进行描述中，模型结构灵活，模型参数校正方法简单明了，适用于交通环境复杂的混合交通流微观仿真建模.     

驾驶行为决策风险的多维结构模型

区别于现有基于道路交通系统(人-车-路)的风险分析理论,以驾驶员的认知和决策为核心,从事故发生概率、事故严重庋、驾驶员风险认知水平、驾驶员控制能力,以及交通信息不对称度5个方面提出了驾驶行为决策风险的多维结构,分别给出了各风险因素的量化表达方法及其对应的风险度函数,并构建了综合风险度评价模型.以某公路弯道前后不同车型的...     

自动驾驶汽车路径规划与轨迹跟踪研究综述

自动驾驶汽车路径规划与轨迹跟踪技术的发展对提升汽车技术与现代电子信息的深度融合具有十分重要的意义。文章围绕自动驾驶汽车路径规划与轨迹跟踪技术进行了阐述,介绍了基于环境建模和路径搜索策略的路径规划技术,分析了基于传统控制和先进控制方法的轨迹跟踪控制现状,并对未来自动驾驶汽车的发展方向进行了展望。     

能自动驾驶的可折叠汽车

美国麻省理工学院的科研人员设计出一种能自动驾驶的新型轿车，此车到达目的地后，只需按动按钮，车载计算机就会在其它同类轿车后面寻找停车位，然后将车折叠至一，半大小，像放购物推车那样把它放在其它车辆的后面。     

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。     

基于双层混合集成的自动驾驶汽车故障检测

针对单一故障检测算法难以学习到数据样本全部特征的问题,提出基于双层混合集成的无监督自动驾驶汽车故障检测方法。使用非全连接的自动编码器作为基学习器构建第1层同质集成框架——集成自动编码器,分析和选择包含集成自动编码器、一类支持向量机、孤立森林和局部离群因子的基学习器构建第2层异质多模型集成框架,学习自动驾驶汽车正常传感器数据特征;提出基于自动编码器的投票集成方法,实现基学习器特征的降维和编码融合;通过sigmoid函数映射计算故障概率并对数据是否故障进行判断。试验结果表明,提出的双层混合集成故障检测方法性能优于基学习器算法,F1指标提高了9%~40%,G指标提高了2%~28%,该故障检测方法可有效实现自动驾驶汽车故障检测。     

Ribbon model based path tracking method for autonomous ground vehicles

To resolve the path tracking problem of autonomous ground vehicles, an analysis of existing path tracking methods was carried out and an important conclusion was got. The vehicle-road model is crucial for path following. Based on the conclusion, a new vehicle-road model named ＂ribbon model＂ was constructed with consideration of road width and vehicle geometry structure. A new vehicle-road evaluation algorithm was proposed based on this model, and a new path tracking controller including a steering controller and a speed controller was designed. The difficulties of preview distance selection and parameters tuning with speed in the pure following controller are avoided in this controller. To verify the performance of the novel method, simulation and real vehicle experiments were carried out. Experimental results show that the path tracking controller can keep the vehicle in the road running as fast as possible, so it can adjust the control strategy, such as safety, amenity, and rapidity criteria autonomously according to the road situation. This is important for the controller to adapt to different kinds of environments, and can improve the performance of autonomous ground vehicles significantly.     

智能网联混行环境下交叉口时空资源配置优化

在网联自动车辆（CAVs）与人工驾驶车辆混行环境下,构建混合整数线性规划（MILP）模型,以优化交叉口时空资源配置. 该模型以交叉口通行能力最大化为目标,约束条件主要包括车道渠化、流量分配和信号配时等相关约束. 以典型四车道十字交叉口为例,在网联自动车不同驾驶行为和不同渗透比例的条件下,优化交叉口渠化方案和信号配时方案. 结果表明,随着网联自动车占比和跟驰行为的改变,交叉口最优渠化方案和信号配时方案须相应调整. 网联自动车占比增大和跟车时距减小,均有利于提高交叉口的通行能力,且当网联自动车跟车时距不受前车类型的影响时,交叉口通行能力提高更多.     

模糊控制在自主循迹模型车控制中的应用

以＂飞思卡尔＂杯模型车为研究对象,给出了一种基于道路信息的自主循迹模型车的二维模糊控制策略。该控制器以传感器与道路中心引导线的偏差及偏差的变化率作为控制器的输入,经过模糊推理,输出控制舵机转角及模型车速度,输入、输出隶属度函数采用矩形函数,该方法缩短了系统执行时间,提高了系统的响应速度。通过实际跑车,证明该方案设计合理、可行,能以较高的车速跟随给定路径。     

基于模糊神经网络的自主车导向控制器

为了实现自主车跟踪固定路径的精确控制,建立了自主车路径偏差控制系统的数学模型。设计了基于神经网络的自主车导向控制器,建立了模糊神经网络控制器的结构,并由实验数据产生训练样本。该控制器通过精确控制两个驱动轮的差动转速实现路径跟踪。实验结果表明采用模糊神经网络的导向控制器能够稳定地实现跟踪导向路径的控制功能。     

基于风险预测的自动驾驶车辆行为决策模型

为了解决人工与自动驾驶汽车混行环境下无信号交叉口的通行权分配问题,提出基于驾驶员行为预测的自动驾驶汽车行为决策模型.利用模糊逻辑方法构建驾驶员的风险感知模型.基于风险均衡理论,结合可接受风险区间,预测人工驾驶汽车的行为选择策略.构建自动驾驶汽车的综合效用函数,利用博弈论求解最优行为策略组合,实现无信号交叉口车辆协同控制.仿真结果表明,面对异质驾驶员,自动驾驶汽车能够有效避免碰撞事故发生并提高自动驾驶汽车通过无信号交叉口的效率,保证驾驶员风险感知值处于可接受范围.在15组实验中,有93.3%的实验组能够保证车辆通过冲突点的时间差大于可接受的安全通行间隔时间,不同情景下自动驾驶汽车的通行时间是自由流状态的1.07～2.43倍.与无预测自私博弈模型的对比实验表明,所提模型能够显著提升自动驾驶汽车的通行效率.     

Vision-based long-distance lane perception and front vehicle location for full autonomous vehicles on highway roads

A new vision-based long-distance lane perception and front vehicle location method was developed for decision making of full autonomous vehicles on highway roads. Firstly, a real-time long-distance lane detection approach was presented based on a linear-cubic road model for two-lane highways. By using a novel robust lane marking feature which combines the constraints of intensity, edge and width, the lane markings in far regions were extracted accurately and efficiently. Next, the detected lane lines were selected and tracked by estimating the lateral offset and heading angle of ego vehicle with a Kalman filter. Finally, front vehicles were located on correct lanes using the tracked lane lines. Experiment results show that the proposed lane perception approach can achieve an average correct detection rate of 94.37% with an average false positive detection rate of 0.35%. The proposed approaches for long-distance lane perception and front vehicle location were validated in a 286 km full autonomous drive experiment under real traffic conditions. This successful experiment shows that the approaches are effective and robust enough for full autonomous vehicles on highway roads.     

基于风险评价的边坡防灾决策分析

目的进行边坡工程方案风险决策，解决评价过程中人为等不客观影响问题．方法运用安全与经济相平衡的原则，采用可靠度理论与风险评价相结合，考虑边坡工程费用和方案的预期灾害风险损失，采用决策树为手段，以代价最小为判别准则。对边坡方案进行风险决策．结果建立了基于风险评价的边坡风险决策树模型．明确了决策准则，通过算例分析给出工程决策方案．结论以边坡可靠性分析为基础，从经济风险分析的角度出发解决边坡方案评价问题，可在一定程度上消除决策过程中的人为因素影响，使工程决策更加客观科学．     

自动车轨迹优化以实现分转向车流串联交叉口控制

在全自动驾驶环境中,采用控制网联自动车（CAVs）行驶轨迹的方法来完成分转向车流的串联排列,从而实现信号交叉口处车流的串联控制以提高通行效率. 自动车行驶轨迹控制过程主要包括：不同转向车流在纵向行驶方向上实现前后分离、同一转向车辆在所有车道上实现横向均匀分布. 给定上游来车分布及转向信息,自动车轨迹精确计算过程如下：通过一系列规则确定各自动车在交通流中的相对位置演变过程,直到分转向车流串联排列成型;基于车辆纵横向动力学模型,计算车辆相对位置演变过程中每一步所需时间;从初始状态开始整合形成每辆自动车的行驶轨迹. 算例表明,通过自动车的轨迹控制可以实现分转向车流的串联排列,且轨迹计算速度较快,可以用于车流实时控制.     

基于ACT-R的智能车动态优化方法

为了使智能车辆在不同道路环境中能够顺利沿规划轨迹行驶,提出一种新的基于认知结构ACT-R的动态轨迹优化方法。该方法将数学工具最优控制方法和ACT-R模型联系起来,以ACT-R模型为核心,用最优控制方法生成轨迹,由ACT-R模型对评价函数的权重进行动态调整优化,通过智能优化多个权重的方法动态生成最优轨迹。避障行驶仿真实验结果表明,所提出的方法有效可行,可以动态地生成最优参考轨迹。     

一种有效的水下机器人并行定位标图方法

提出了一种水下机器人并行定位标图的方法.首先对声纳扫描数据进行直线特征提取.在特征的匹配过程中,引入3种几何约束:一元约束,二元约束和刚性约束来保证观测特征和模型特征的正确匹配.在并行的定位与标图中进行了机器人的位置修正和地图修正.应用该方法,机器人在较为复杂的环境下,仅使用前视声呐和多普勒速度仪,依靠不精确的地图,实现了自主的定位和导航,同时修正了地图的精度.仿真和物理试验证明了该方法的正确性.