基于驾驶人风险响应机制的人机共驾模型

提出了一种根据驾驶人对环境风险的实时响应进行控制权切换的智能汽车人机共驾模型。首先,从基于真实道路信息的highD数据集中提取出跟车和并道两类典型驾驶片段。接着,应用行车风险场理论对驾驶片段中的环境风险进行统一量化。然后,通过拟合环境风险作用与驾驶人的行驶加速度,得到安全风险响应策略曲面,并提出了基于策略偏差的人机共驾控制权柔性切换模型(FCTM)。最后,以纵向控制模型(LCM)作为辅助控制模型,在前车紧急制动和旁车切入两类危险场景中进行了人机共驾仿真实验。结果表明:本文FCTM模型可以通过平稳的人机控制权切换,修正驾驶人在危险场景中的驾驶操作,提高行驶安全性。     

驾驶人车道变换决策分析

决策阶段对整个换道过程的安全性有重要影响,但目前缺乏对该阶段的深入研究。界定车道变换研究场景,基于驾驶人对外界信息的感知特性、驾驶期望、综合认知判断以及博弈理论等,分析交通冲突存在前提下驾驶人车道变换决策形成机制。引入博弈理论相关知识,进一步探讨换道决策机制中对象车与目标车道后随车对于临界冲突点进行的非合作混合战略博弈,对博弈双方驾驶人的收益以及纳什均衡解进行深入探析。研究表明车道变换决策机制由信息感知及三次判断决策过程耦合而成,影响驾驶人决策水平的因素包括信息源特征、驾驶人信息感知能力、驾驶人行为特性及综合认知判断能力等;两车非合作混合战略博弈的纳什均衡解由行车安全性、行车时间以及收益重要度因子共同决定。     

拖拉机驾驶机器人设计及人机协作方法研究

针对农用拖拉机智能化程度低,以及现有的人工智能水平尚无法完全实现自主驾驶控制拖拉机等问题,本文设计一种基于人机协作的拖拉机驾驶机器人.拖拉机驾驶机器人可以对拖拉机进行快速、无损、智能化升级,其结构由转向控制机械手、换挡机械手、旋耕机升降控制机械手和踏板控制机械腿等组成.通过研究人机协作的控制方法,提出了人机协作介入准则和基于转向电机电流反馈扭矩检测的人机协作模式切换方法,研制了原理样机验证拖拉机驾驶机器人的可行性和人机协作控制策略的有效性,对促进精准农业,提高现代农业智能化装备水平具有重要的现实意义.     

智能汽车中人工智能算法应用及其安全综述

随着人工智能(AI)技术的发展,以智能驾驶汽车、智能机器人为代表的智能系统逐渐代替或辅助人类从事各种场景中简单或复杂的工作。该文从智能汽车中的智能算法出发,总结了在智能汽车中人工智能感知算法、决策算法的研究进展;讨论了智能算法的不确定性问题;并从智能算法的不确定性带来的安全问题角度,讨论了预期功能安全的意义及发展,最后讨论了人机共驾对当前智能驾驶汽车解决预期功能安全的必要性。     

基于LQR的车道保持辅助控制策略

为减少因车道偏离引发的交通事故,基于二自由度车辆模型,设计基于线性二次型调节器(linear quadratic regulator,LQR)的车道保持辅助控制策略。在侧向路径偏移和横摆角误差的基础上,增加侧向速度和横摆角速度为状态变量,采用LQR算法控制系统达到稳定的同时,将车辆的状态通过CarSim反馈给控制器,使状态变量和控制输入构成的成本函数最小化,即以最小的代价控制方向盘转角,实现车辆跟随车道中心线行驶;在MATLAB/Simulink中搭建控制器,与CarSim进行联合仿真。结果表明,在不同车速及道路工况下,该控制策略均可有效减小控制误差,消除侧向偏移,且保证车辆在车道内稳定行驶,具有良好的鲁棒性和适应性。     

基于RGB熵和改进区域生长的非结构化道路识别方法

非结构化道路通常没有车道线等引导标线,且边界模糊,周围干扰因素较多,在这种道路上自动驾驶以及车辆辅助驾驶的车道保持功能将不能可靠工作。通过生成道路RGB图像的熵图像,并计算此熵图像直方图的最小差值,以此差值作为阈值初步分割道路图像并使用改进区域生长方法提取出道路区域。使用实时性较好的二次曲线建立车道模型,并使用改进的最小二乘拟合方法可有效避开道路区域边缘杂点并提高边缘拟合速度。试验结果表明,改进的方法可以快速并较好地提取出非结构化道路图像中的车道并拟合出车道线,有利于实现基于视觉的自动驾驶和车辆辅助驾驶系统在非结构化道路上的车道保持。     

基于串级MPC和EPS的集成驾驶员转向车道线保持

针对电动助力转向( EPS)作为转向执行机构的车道线保持的控制系统设计及保留驾驶员对车辆操控问题,提出基于串级模型预测控制( MPC)和EPS集成驾驶员转向的车道线保持系统. 在车道线识别视觉系统空间,建立车道线保持状态空间模型,设计基于MPC的车道线保持控制器( LMPC) . 建立EPS状态空间模型,设计基于MPC的EPS车辆前轮转角控制器( EMPC) . LMPC与EMPC经逆转向机构模型组成串级控制结构. 分析驾驶员转向对车道线保持控制的影响,进而通过保留驾驶员对车辆控制来提高处理紧急事件的能力. 仿真结果表明:在不同车速和不同曲率道路下,该控制策略均能快速消除横向位置偏差和航向角偏差,保证车辆沿着车道线行驶,具有较好的适应性和鲁棒性. 驾驶员转向可以改善车道线保持和提高车辆主动安全性.     

自然驾驶条件下驾驶人换道行为实时预测

为降低车道变换的风险性,提出一种基于驾驶人视觉特性与车辆运动状态预测车道变换行为的方法.应用视觉追踪系统、毫米波雷达等仪器设备,进行了真实环境下的实车驾驶试验.基于换道前驾驶人后视镜注视特性确定换道意图时窗大小为5s,构建换道行为预测的表征指标体系.设计BP神经网络结构,构建换道行为预测模型.结果表明:模型可以至少提前1.5s预测驾驶人的换道行为,且预测精度达到95.58%.与基于转向灯状态预测驾驶人换道行为相比,其预测精度及时序特性均有显著提升,证明了预测指标及预测方法的有效性.     

基于区块链技术的非合作博弈共享储能交易模型

针对目前储能成本过高、缺乏交易平台导致的利用效率低下、收益较低等问题,设计基于区块链技术的非合作博弈交易模型.以微网作为节点引出共享储能的概念,利用数字签名技术进行节点身份验证,有效提高交易的安全性.基于智能合约自我驱动、自我执行的特征,建立共享储能交易机制.通过建立非合作博弈模型,实现各节点利益最大化,提高储能收益,提高节点用户参与交易的积极性,推动产业结构进一步优化.算例分析结果表明,本文所提出基于区块链技术的共享储能非合作博弈交易模型可以有效实现储能参与市场交易,提高储能利用效率,增加储能项目收益来源,为储能行业的进一步发展提供有效的技术支持和理论支撑.     

基于自适应滑模控制的智能车车道保持分析

针对目前智能车车道保持控制算法对参数摄动适应性不足的问题,提出一种基于模糊自适应调节的滑模控制方法。在建立车辆线性二自由度动力学模型的基础上,采用滑模变结构控制来提高车道保持控制器对参数摄动和未建模动态的适应性;利用模糊控制自适应调节滑模面的切换增益,降低控制抖振。仿真分析表明,提出的方法不仅能够显著降低传统滑模变结构控制器的抖振,而且对参数摄动和未建模动态具有较高的鲁棒性和适应性。     

供应链企业间合作关系博弈研究

基于供应链上下游企业的合作竞争关系,针对供应链成员企业存在协议松弛的情形,提出了一个新的收益共享期望博弈模型,以探讨供应链系统成员企业合作的生成与改进。这种新博弈模型可以用来分析和预测一些由目前的博弈理论所不能直接描述的非理想的博弈,而这种新博弈模型可以通过非合作博弈理论来求解。当新博弈的解用于供应链上下游企业间的一般博弈时,可反映出博弈企业双方的最初目标,有助于帮助企业决策者在合作与非合作的共同影响下理性地作出决策。     

基于条件随机场的驾驶行为识别研究

为深入研究驾驶员驾驶行为特性,减少驾驶辅助系统与驾驶员的控制冲突,本文基于条件随机场(conditional random field,CRF)算法,搭建了驾驶员驾驶行为识别模型。利用NI Phar Lap ETS实时操作系统,搭建车道保持辅助控制试验平台,在试验平台上进行相关参数的实时采集,并根据采集到的数据特性,提出一种根据横向位移对驾驶行为数据进行分段的方法,将采集到的数据样本划分为左换道、右换道以及车道保持阶段。同时,对实时获取的参数进行显著性分析,将与横向运动密切相关的五种参数作为观测参数,对驾驶行为进行识别。研究结果表明,车道保持、左换道以及右换道行为的识别率分别达94.2%,93%和84.4%。该研究对于提高车道保持辅助系统的辅助效果以及减少误警率具有明显的促进作用。     

基于驾驶人视觉特性的换道意图识别方法

为改进现有换道辅助系统的工作效能,基于视觉特性分析,提出了一种对驾驶人换道意图进行有效甄别的方法。依托真实环境下的实车试验,提出以车辆横向位置与方向盘转角确定换道起始时刻,进一步基于换道前后视镜注视特性分析,确定驾驶人换道意图表征时窗为5s。依据车道保持阶段与意图阶段视觉特征参数的差异分析,构建驾驶人换道意图表征指标体系。引入证据理论,确定识别框架与证据链,基于广义汉明距离进行基本信任概率分配,对驾驶人换道意图进行多证据融合识别。结果表明,车道保持与意图阶段驾驶人视觉特性具有显著差异;基于视觉特性,运用证据理论可以有效识别驾驶人换道意图,且识别信度较高,时序性较强。     

基于扩展计划行为理论的驾驶员跟驰意向分析

未来道路交通流将呈现自动驾驶车辆和传统车辆混行的现象,为探究人机混驾环境下传统车辆驾驶员对自动驾驶车辆跟驰意向的影响因素,引入驾驶员对自动驾驶车辆的了解程度、风险感知及接受程度3个变量,构建基于扩展计划行为理论的驾驶员跟驰意向模型框架．通过问卷调查获取331份主观评价数据,并借助SPSS和AMOS软件检验数据的内部一致性及可靠性．运用结构方程模型进行路径分析及中介效应分析以检验影响因素间的关系．结果表明,基于扩展计划行为理论的驾驶员跟驰意向结构方程模型对人机混驾环境下驾驶员的跟驰意向具有良好解释力;行为态度、主观规范和知觉行为控制对驾驶员跟驰意向具有显著正向直接效应;风险感知和接受程度通过中介变量对驾驶员跟驰意向产生显著间接效应,其中,风险感知作用为负向,接受程度作用为正向;了解程度对驾驶员跟驰意向既有显著正向直接效应又有显著正向间接效应．研究结果可作为人机混驾环境下车辆交互行为分析的基础．     

基于T-S模糊建模思想的一类双人非线性非合作微分博弈的Nash均衡解

基于T-S模糊建模思想,利用T-S模糊建模方法,将一类双人非线性非合作微分博弈问题的模型转化为一个局部线性、整体非线性的T-S模糊系统,再利用其局部线性的特点,求出原问题的Nash均衡解的形式.     

基于线性双曲线模型的车道线检测算法

提出了一种适用于智能驾驶辅助系统的车道线检测算法。为了克服传统的车道检测算法中Canny边缘检测算子对阴影及光照变化较为敏感的缺点,该文对灰度图像进行二维FIR滤波之后,采用大津法实现可靠的车道边缘检测;然后利用Hough变换初步获得车道中线及消失点坐标,在此基础上采用Mid-to-Side策略进一步从边缘图像中提取车道的边界点,最后采用最小二乘拟合方法获得车道的线性双曲线模型。在各种复杂道路环境下的实验结果显示了该算法的鲁棒性和准确性。     

基于因子长短期记忆的驾驶人接管行为及意图识别

为识别自动驾驶环境下驾驶人的接管行为及意图,面向18.95 km双向六车道高速公路场景,借助驾驶模拟器和眼动仪,实施驾驶人10次面对5种紧急情境之一接管自动驾驶车辆的模拟试验。利用所得车辆运行和视觉注意力数据,根据因子分析提取得到3个公因子,采用K-means聚类分析定性识别驾驶人接管行为及意图。将因子分析分别与支持向量机和长短期记忆神经网络进行结合,获得两个定量识别驾驶人接管行为及意图的模型。研究结果表明,驾驶人接管行为受其纵向反应、横向反应和视觉注意力影响;聚类分析可定性描述不同类型驾驶人的接管行为及意图,并揭示潜在的驾驶安全隐患;相比支持向量机、长短期记忆神经网络和因子支持向量机模型,因子长短期记忆模型能更有效地识别驾驶人接管意图,其精确率、召回率、F1分数和准确率4项性能指标均最优;利用因子分析进行数据降维和有效信息浓缩所得公因子有助于提高驾驶接管意图识别模型的分类性能。本研究有助于识别出接管风险较高的驾驶人,进而设计有针对性的驾驶辅助策略。     

基于非合作博弈的中继网络分布式资源分配

提出一种可应用于正交频分复用多址(OFDMA)中继网络的分布式资源分配算法. 基于将模型描述为基站与中继的非合作功率分配博弈(RNCPAG), 设计出2种效用函数, 并以最大化效用函数为准则, 证明在总功率受限的约束下, 该算法存在并收敛于唯一的纳什均衡点. 研究表明, 同传统的平均功率分配算法相比, 分布式博弈算法以牺牲少量的迭代步数为代价, 获得更高的系统容量和资源效率.     

桥隧群环境对驾驶人驾驶行为及生理反应的影响

为研究桥隧群环境对驾驶人驾驶行为和生理参数的影响,设计实车实验采集典型桥隧群路段和普通高速段驾驶人驾驶行为和生理参数的改变量。采用符号秩检验方法,检验不同路段下驾驶人横向控制行为、纵向控制行为、心率及注视持续时间、制动反应时间等相关参数的差异显著性,以求揭示桥隧群驾驶行为改变的内在机理。研究结果表明,桥隧群环境下驾驶人在纵向控制水平上驾驶能力显著下降,在应对高负荷驾驶压力下的产生补偿行为现象。驶入桥隧群交通环境后,驾驶人进入了高层次的压力阶段,视觉和心理负荷明显增大。补偿行为虽然在一定程度上改善了驾驶安全,但在过高心理负荷的情况下,补偿行为的削弱会对驾驶安全造成更大的危害。     

超密集网络中非合作博弈的功率分配算法

为了抑制超密集网络中小小区基站的密集化部署带来的干扰,并提高系统的吞吐量,本文研究了频谱共享超密集网络中的功率分配策略.首先,针对非凸的系统和速率最大化问题,采用非合作博弈模型将其转化为每个用户效益函数最大化的凸子问题,并通过设计一种动态定价使得非合作博弈模型的纳什均衡点（NE）是原优化问题的驻点.其次,为了保证宏小区用户的服务质量（QoS）,模型中引入了干扰功率约束条件来抑制宏小区受到的干扰.最后,在此非合作博弈论框架下,设计了一种迭代式的基于全局信息的功率分配算法.每次迭代通过求解KKT条件获得每个用户的最优发射功率,通过理论推导证明了迭代算法可收敛到博弈模型的NE.此外,为了减少迭代算法的信令开销、提高资源利用率,还提出了一种基于局部信息的功率分配算法.仿真结果表明,所提出的基于全局信息的功率分配算法比对比方法具有更好的传输性能,所提出的基于局部信息的功率分配算法在保证较好的传输性能的前提下有效地减少了信令开销.