混合交通流下的联网自动车辆轨迹控制方法研究

随着自动驾驶技术的发展,如何引导联网自动车辆(Connected and Autonomous Vehicles, CAV)安全高效行驶受到了学术界的广泛关注。为了对复杂交通环境下CAV轨迹进行优化,提出了一种有效的混合交通流下CAV的轨迹优化模型。模型将交叉口划分为可变道区域与不可变道区域。在可变道区域构建人工驾驶车辆(Human-driven Vehicles, HV)变道概率模型,以优化行驶舒适度为目标建立响应变道的协同控制策略。在不可变道区域结合车辆队列识别与交叉口信号灯配时,以快速通过交叉口为目标,提出一种标记识别的轨迹优化方法。仿真结果表明,模型在不同CAV比重下平均行驶时间、停车延误时间和舒适度都得到了显著提升。敏感性分析表明,模型最大承载车流量应设置为1 080 veh/h,有效右转车辆比重范围设置为40%以内。     

一种基于可行驶区域的自动驾驶避撞方法研究

在自动驾驶技术普及的过程中,车辆与道路行人之间的避撞方法一直是人们关注的热点话题。本文将行人运动的不确定性、运动车辆对行人运动的影响等因素与熵的概念相结合,提出一种基于可行驶区域的自动驾驶避撞方法,以自定义的车辆可行驶区域与对应空间熵的计算为基础,再应用于车辆与行人之间的碰撞预测。首先,利用车辆自身传感器获取的信息数据,采用速度与路径规划叠加的方法来生成车辆备选的轨迹路线;其次,基于社会力模型与马尔可夫模型对行人位置进行预测,得到行人位置概率;最后,根据目标优化算法得到车辆行驶的最优轨迹,实现避撞。仿真实验表明,本文提出的基于可行驶区域的自动驾驶避撞方法在不同的行车工况下可以有效地与行人进行安全避撞交互,对于推动自动驾驶的发展、保障道路行人安全具有重要意义。     

基于Lembda网络和LSTM的车辆轨迹预测

驾驶员在驾驶时,会对周围车辆的轨迹进行预测,并且采取一个安全的行为模式,从而减少道路事故的发生.出于这个想法,研究人员基于深度学习的模型,对车辆的轨迹进行预测,从而提升自动驾驶车辆的安全性.通过不断分析获得的驾驶数据,深度学习可以得到其它汽车的行为模式并进行预测.相较于过去的方案,基于深度学习方案在轨迹预测上具有优势,本文基于transformer模型的LSTM(长短期记忆网络)编码隐藏参数,反映周围车辆的驾驶意图,再通过Lembda层获得这些车辆对预测车辆的影响,最后通过LSTM解码获得预测的轨迹.相较于以往的方案,应用Lembda层的方案计算速度更快,同时实验表明相较于以往方案轨迹预测精度有提升.     

RLV末端能量管理段轨迹优化与纵向控制律设计

末端能量管理段的目的是控制RLV的能量,使其能够以合适的能量状态进入自动着陆窗口,以保证最终能够安全着陆。重点是满足飞行过程中的物理约束和自动着陆窗口终端约束的轨迹规划和轨迹跟踪。本文首先将轨迹规划转化为优化问题,然后给出能量走廊之内的能量剖面跟踪策略,最后设计纵向轨迹跟踪控制律并进行仿真。仿真结果表明此方法能够设计出合理的下滑轨迹并进行跟踪,跟踪精度较高。     

基于顺序选择的自动驾驶车辆十字路口调度方案

自动驾驶车辆的普及是城市交通发展的重要趋势,然而以交通灯为代表的现有调度方案难以指导这些车辆高效通过十字路口.为此,本文设计了一种基于顺序选择的无交通灯十字路口调度方案以提高自动驾驶车辆通行效率.首先根据车辆的物理性能对其到达路口的最早时间点进行估算,然后在此基础上寻找车辆可行的计划到达时间点,最终根据计划到达时间为每辆车制定到达路口的行驶计划.在SUMO(Simulation of Urban MObility)平台上进行的大量仿真实验验证了本文提出方案的有效性.从实验结果可以看出,本文所提出的方案使自动驾驶车辆在调度区平均行驶时间等指标上均优于对比方案;特别是在路口面临高压力车流时,本文所提出方案的优势更加明显.     

混合交通下基于车联网的无线集群智能轨迹预测算法

5G网络是车联网(Internet of Vehicles, IoV)发展的关键一步,其低时延的特点可以实现自动驾驶车辆对前方实时交通信息感知的需求,为预先制动、提前绕行等驾驶行为提供参考。针对混合交通场景中手动驾驶车辆可能会出现的危险驾驶行为,基于长短时记忆(Long Short-Term Memory, LSTM)网络和无线集群学习框架,提出了一种基于车联网的无线集群智能轨迹预测(Swarm Learning-based Trajectory Prediction, SLTP)算法。SLTP算法以智能网联汽车为研究对象,在使用去中心化的无线集群学习保护用户隐私数据的同时,使用车车无线通信系统感知周边手动驾驶车辆的历史轨迹信息并给出轨迹预测。通过使用美国高速公路行车NGSIM(Next Generation Simulation)的真实交通数据集评估SLTP的轨迹预测准确性能,评估结果表明,与现有的基于LSTM网络轨迹预测方法相比,SLTP算法在同样的无线通信开销下对于周边手动驾驶车辆的轨迹预测误差降低了43.1%,表明SLTP算法在车联网场景下的轨迹预测应用中具有良好的鲁棒性和准确...     

基于VEGA的车辆自动驾驶仿真研究

在研究车辆自动驾驶特性的基础上,采用虚拟现实仿真技术,利用Creator和Vega完成了实体模型的建立和虚拟场景的渲染,完成了仿真系统的开发,完整地演示了从建模、路径导航设置,碰撞检测到最终实现车辆自动模拟驾驶的全过程,并在仿真测试中取得了较好的效果.该系统可以真实的模拟交互式的车辆行驶过程,提供了一个通用的仿真平台,可以大大降低车辆行驶视景仿真建模中的开发成本,并对同类虚拟仿真的研究也具有重要的指导意义.     

基于数字孪生的网联自动驾驶测试方法研究

数字孪生(DT)可以虚拟化地呈现出系统的整个生命周期,非常适合在自动驾驶测试中使用。提出了在有限环境下利用DT进行网联自动驾驶测试的方法,即在自动驾驶的仿真测试环境中,利用DT的映射实现虚拟复杂道路场景下真实的网联自动驾驶车辆测试。相关实验说明,该方法能够有效地支持开展网联自动驾驶测试。     

基于深度学习的智能体轨迹预测文献综述

智能体的轨迹预测是人工智能领域中的热点之一，特别是在自动驾驶领域，预测智能体下一时间点的位置是自动驾驶辅助系统的关键任务。在智能体轨迹预测技术的基础上，根据建模方法的不同进行分类介绍，分别为循环神经网络(Recurrent Neural Network, RNN)、卷积神经网络(Convolutional Neural Network, CNN)、生成对抗网络(Generative Adversarial Network, GAN)和混合网络，同时分析了常见的经典模型的优缺点，归纳了当前常用公开的轨迹预测数据集和评价指标，比较了经典模型的算法性能，对智能轨迹预测方向进行了展望和总结。     

面向自动协同驾驶的多车编队任务分配策略

自动驾驶的实现需要大量车载传感器的支持,然而,在有限车载计算资源条件下,由传感器所产生的庞大数据量使得自动驾驶任务的实时性难以满足,成为阻碍自动驾驶技术进一步发展的重要阻力。通过将驾驶任务进行协作处理,因而充分利用多个协作车辆的计算资源,自动协同驾驶成为解决该问题的新途径。而如何形成多车编队并实现编队中驾驶任务分配则是实现自动协同驾驶的关键。该文首先采用排队理论G/G/1模型建立一种普适性车辆编队网络拓扑分析模型,充分考虑编队内车辆间的任务协作能力和单个车辆的任务负荷,得出任务的处理时延和车辆系统中的平均任务数;其次,采用支持向量机(SVM)方法,基于车辆的负荷程度及处理能力将车辆的“空闲”、“繁忙”两状态进行分类,进而建立针对车辆协作任务分配的候选车辆集。最后,基于上述分析,该文提出面向多车编队协同驾驶的任务均衡策略——基于分类的贪婪均衡策略(C-GBS),以充分平衡编队内所有车辆的任务负荷并利用不同车辆的任务处理能力。仿真结果表明,该策略能够减小重负荷网络中的任务处理时延,有效提升自动驾驶车辆的任务处理效率。     

差速驱动六轮导引车运动轨迹分析

自动导引车行驶轨迹编程是其运动控制的关键环节。在分析自动导引车系统结构及运动原理的基础上,针对其驱动单元和车体进行运动学建模,推导出六个车轮在运动过程中的实时坐标并,根据车体的几何尺寸及运动轨迹规划,对车体运动过程进行仿真。实验中车体位姿验证了模型及理论分析的正确性,为六轮自动导引车行驶路径提供了可参考的模型和算法。     

汽车自动驾驶辅助系统电磁安全性研究

为了对汽车自动驾驶辅助系统的电磁安全性测试方法进行探索,通过雷达目标模拟器实现了基于毫米波雷达的自动驾驶辅助系统(ACC、FCW)的电磁兼容测试.利用4台样车的试验验证了该测试方法的可行性,并证明了车辆的自动驾驶辅助系统存在一定的电磁兼容安全风险.     

基于多传感器信息融合的障碍物感知追踪系统设计

自动驾驶系统是指采用先进的通信、计算机、网络和控制技术,对车辆实现实时、连续控制。自动驾驶研究领域中,对车身周围障碍物的感知追踪是自动驾驶车辆安全行驶的基础和前提。因此,重点研究了基于激光雷达、IMU、北斗卫星信号多源信息融合的障碍物感知与追踪系统。利用激光雷达提供的三维点云数据划分最大最小高度差栅格实现自动驾驶车辆周围的障碍物感知功能。基于激光雷达点云的障碍物感知算法中,针对特殊的悬空类型障碍物,采用高度划分的点云栅格中的点云概率密度作为悬空障碍物是否能够通行的判断依据,能够有效提升障碍物感知系统的鲁棒性。利用IMU和北斗卫星信号紧耦合方式实现自动驾驶车辆的轨迹跟踪,从而利用车辆运动状态信息结合匈牙利匹配算法实现多传感器信息融合的障碍物追踪功能。在基于多传感器信息融合的障碍物感知追踪系统中,利用IMU和北斗卫星紧耦合方式得到的转移矩阵信息去除由于车辆运动造成的激光雷达点云畸变,从而提升车辆障碍物感知追踪系统的准确度。通过实际采集得到的激光雷达、IMU及北斗卫星数据验证了提出的基于多传感器信息融合的障碍物感知追踪系统的有效性和实用性。     

基于深度神经网络的轨迹预测算法综述

人类驾驶者会持续观察、分析周边车辆和行人的行为,实时地规划安全的行车轨迹.自动驾驶汽车也应当与人类一样具备感知和预测交通参与者行为的能力,以提前判断其未来的运动轨迹.轨迹预测模块的预测准确度至关重要,因为其接受感知系统提供的输入信息,并作为路径规划等决策任务的上游输入,使其成为自动驾驶技术中承上启下的重要中间环节.随着...     

基于安全距离和时空网格的交叉路口车辆防碰撞安全预警

为保证交叉路口车辆行驶不出现碰撞问题,提出一种基于安全距离和时空网格的交叉路口车辆防碰撞安全预警方法。将交叉路口划分为多个网格,利用路侧单元并根据车辆所占的网格数,初步判断是否存在两车共用同一网格的情况。若在某一时刻两车占用相同的网格则会发生碰撞,故依据交叉路口车辆防碰撞安全距离,计算交叉路口前车未启动、前车匀速驾驶、前车均匀减速驾驶三种工况的临界行驶安全距离,结合此距离,将预警级别分为黄、绿、红三级,进行分级安全预警。实验结果显示：采用所提方法后,交叉路口车辆均安全通行,能够降低交叉路口车辆防碰撞安全预警的误警率、预警虚报率,提高交叉路口车辆防碰撞安全预警精度。     

网联进口道考虑信号影响混合基本图研究

为研究含网联自动驾驶、自动驾驶和人工驾驶车辆的混合交通流在交叉口进口道受信号影响的混合基本图变化情况,构筑信号影响下的混合交通流跟驰模型,并进行混合基本图数值仿真。结果表明,同质交通流下CAV和AV能增加进口道最大通行能力,为12.47%和4.99%;信号信息能一定程度影响交叉口进口道通行能力;增加渗透率P能够提高混合交通流于交叉口进口道通行能力,当混合交通流为最佳密度时,渗透率为0.9、0.5,相较于0.1,进口道通行能力分别提高10.71%和6.52%。     

VANET中基于路线与证书的女巫节点检测

安全问题是车辆网络研究中关注的热点。女巫攻击通过假冒车辆身份,而危胁到车辆的行驶安全。通过路边设施发布的数字签名,基于车辆的行驶线路特征及车辆的信用等级,提出了一种基于车辆驾驶路线和公钥证书的女巫节点检测机制。在车辆驶过路边设施时,主动向路边设施请求获取授权时间戳,车辆行驶过程中所获取的多个授权时间戳,构成车辆的路线凭证。验证方通过车辆合法性的验证以及车辆之间驾驶路线差异的对比,以检测出女巫节点,消除女巫攻击对网络造成的危害。仿真结果表明,检测率可达96%。     

基于FPGA的自动驾驶HIL视频注入系统设计

针对在实验室内场条件下，对自动驾驶控制器(ADCU)进行视频场景构造的传统技术手段无法满足硬件在环(HIL)仿真要求的问题，设计了一套基于FPGA的自动驾驶HIL视频注入系统。该系统利用FPGA内丰富的可编程资源和外围高速接口，将计算机显卡输出的Displayport视频接口转换为车载摄像头低电压差分信号(LVDS)视频接口，从而实现了对ADCU控制器的原位视频注入，满足HIL仿真测试的要求。同时，为了增强视频注入的灵活性，在原始视频中叠加马赛克、泥点、水滴、噪点等特效。根据使用和实测结果，视频注入系统能够实现满足自动驾驶HIL仿真要求的视频注入功能，各类特效叠加效果满足用户要求，为实验室内场条件下的ADCU测试、调试及演示提供了重要的技术手段。     

汽车用毫米波驾驶控制雷达

1 引言 回顾了调整连续波(FMCW)的工作原理,介绍了工作频率为77GHz左右的车用毫米波驾驶控制雷达,并根据实际使用讨论了准光学天线的工作特点。新的结构形式采用了准光学天线三个开关波束与雷达之间的简单接门,天线的孔径为7.62cm,波束宽度为3°,增益大了30dB。该雷达采用了成熟的技术和元件。根据提出的要求,装在密封罩里的雷达收发信机的成本预计低于150美元。该雷达已安装在汽车上实用,性能良好。 2 主动式驾驶控制系统 2.1 基本概念 “主动式驾驶控制系统(ACC)”指的是汽车行驶过程中人们可以对汽车进行驾驶控制,也就是说,当前方汽车以一定速度行驶时,ACC系统能使该车与前面车辆之间保持安全的车距。当前方汽车行驶速度增加时,为了确保安全,它与前面汽车之间的距离必须加大,反之车距则需减小。 由于多车道的高速公路上挤满了时速为80～100km/h的汽车,因而也就特别需要一种车用驾驶控制雷达。该雷达处理的是以时     

垂直泊车路径跟踪控制研究

自动泊车控制系统的好坏对泊车成功率具有重要影响,本文以垂直车位为研究对象,提出了一种基于模糊PID算法与模型预测控制算法(MPC)的自动泊车联合控制算法。首先建立了车辆运动学模型,设置了泊车碰撞约束,并在此基础上进行无碰撞路径规划;然后建立模糊PID算法并调节相应参数,控制车辆纵向速度恒定,继而建立MPC算法控制车辆的横向角度。最后使用Simulink搭建相应的控制算法模型并与Carsim进行联合仿真分析。仿真结果表明：本文提出的联合控制算法具有较高的控制精度,其中偏航角误差控制在0.057 m以内,横向偏差的绝对值控制在0.08 m以内,能够满足垂直泊车对车辆控制的要求。