考虑操纵稳定性的自动驾驶汽车轨迹综合优化方法

针对自动驾驶汽车在局部轨迹规划上对车辆操纵稳定性考虑不足、对车辆模型过度简化和缺少对车辆舒适性客观评价的问题,建立了考虑车辆操纵稳定性的车辆三自由度模型,模拟自动驾驶汽车换道场景,根据输入车轮转角得到输出的换道轨迹,运算得到车辆换道行驶参数化方程和行驶轨迹特征.运用BP神经网络对行驶轨迹特征进行识别,得到自动驾驶汽车换道持续时间和横向偏移距离所对应的车轮转角变化关系.在不同换道车速下,根据不同换道持续时间和横向偏移距离,输入车轮转角得到换道优化轨迹簇和操纵稳定性参数.在只考虑行驶效率和安全的常规轨迹优化方法的基础上,构建轨迹综合优化目标函数,考虑表征车辆换道过程舒适性和操纵稳定性的(横摆、侧倾、侧向)加速度变化率均值,提出一种基于行驶效率、安全性、舒适性和操纵稳定性的轨迹综合优化方法.对轨迹综合优化目标函数进行求解得到最优换道行驶轨迹,联合仿真结果表明该方法优于常规轨迹优化方法且舒适性、操纵稳定性改善达20%以上.     

建立安全换道域的换道决策与规划

局部路径规划强调在微观交通场景中输出一条可行驶路径,对每一离散时刻的路径点都要求有极高的安全性和舒适性。现有的局部路径规划方法中鲜有考虑路径曲率是否连续、路径起讫点约束等物理特性的基于安全换道域的换道决策与规划方法。本研究中对典型的换道场景建立了临界安全换道角模型,对无法演变为单障碍车换道场景的双障碍车换道场景建立了安全换道域。对比了几种常用换道路径,筛选出B样条曲线法作为局部路径规划方法,利用换道时间和换道路径平均曲率确定基于安全换道域的最优换道路径,并提出了基于安全换道域的换道决策,联合Simulink和PreScan计算平台在典型换道场景下实现了所提出的换道策略的仿真验证。结果表明,所提出的换道决策和换道路径规划能够实现本车的安全换道。     

多车环境下智能货车的紧急转向决策及轨迹规划

决策与规划是实现自动驾驶的关键技术,针对自动驾驶货车在紧急转向避障时需要考虑换道时目标车道的安全性和规划出最优避障轨迹的问题,采用将换道时左右车道上的车辆与自车的相对距离和换道的最小安全距离的差值分别建立模糊关系的方法,通过比较模糊规则推理设计的安全值,选择更安全的车道进行转向避障,为了迅速规划出最优避障轨迹,采用三阶贝塞尔曲线,通过设计4个控制点坐标形成避障曲线,为了防止转向时横向加速度过大导致货车发生侧翻和速度过快与前车发生碰撞,设计车辆的稳定性边界和碰撞边界对控制点进行约束,使用MATLAB中的函数求解出不同车速下的最优换道轨迹,最后使用仿真软件进行仿真验证,结果表明设计出的避障决策和轨迹规划可以安全、有效地避开障碍。     

考虑交互轨迹预测的自动驾驶运动规划算法

针对自动驾驶汽车运动规划中预测周围交通态势的问题,提出一种考虑周围车辆间交互轨迹预测的运动规划算法.首先,针对结构化道路信息,构建改进社会力模型,对自动驾驶汽车周围的车辆行驶轨迹进行预测.其次,在Frenet坐标系下采样生成轨迹集合,将轨迹集合和预测轨迹投影到时空占用图上,计算投影点之间的最短距离进行碰撞检查,并结合加速度、曲率检查对轨迹进行筛选以得到候选轨迹.然后,构建代价函数对筛选过的候选轨迹进行评估得到最优运动轨迹.最后,不同行驶场景中的仿真结果表明,该运动规划算法能提前决策驾驶行为,规划出的速度曲线更加平稳,运动轨迹的安全性、舒适性和行驶效率更高.     

基于贝塞尔曲线的智能商用车换道避障轨迹规划

智能车辆的安全避障是实现自动驾驶技术的基础,针对智能商用车高速行驶中的避障问题,建立相应的避障策略,结合高速公路实际工况,对智能商用车的换道避障轨迹进行规划,分为路径规划与速度规划两方面。基于车辆的横向稳定性,结合鱼钩实验得到商用车高速转向时路径曲率的最大值,提出基于贝塞尔曲线的轨迹规划算法,对曲率进行约束,利用遗传算法选取最优避障路径。并基于车辆安全距离模型确定避障车速,规划出一条满足动力学约束以及瞬态侧翻阈值约束的避障轨迹,利用Trcksim软件对避障轨迹的可行性进行验证,结果表明智能商用车能够安全、高效的进行换道避障。     

基于参数描述的换道场景自动驾驶精确决策学习

为提高车辆驾驶安全性并充分考虑人类驾驶员对于自动驾驶控制系统的接受度,研究并实现了自动驾驶车辆在换道场景下的精确决策学习。汽车自动驾驶不仅需要决策是否换道,还需要决定汽车的具体微观行为,如换道时间和期望加速度的确定等,因此,车道变换的精确决策需使用3个参数来描述,并需要通过强化学习求解。这种基于参数精确决策的合理性体现在两个方面：首先是不同的决策参数值会影响规划的轨迹,如果决策不精确,将产生运动的不确定性;其次是基于真实交通数据（NGSIM）的分析,因为人类换道行为在换道时间和期望加速度上存在显著的差异性,在当前的决策研究中很少被明确考虑。此外,发现NGSIM数据中存在一些潜在的紧急情况,可以通过优化部分决策参数来提升其安全性;在强化学习算法的设计中,动作过程中加入换道时间和期望加速度;奖励函数考虑了安全性、当前驾驶员的意愿和平均人类驾驶风格;问题求解中,自定义了基函数,并通过基于核函数的最小二乘策略迭代强化学习方法学习精确的安全决策行为。仿真结果表明,使用强化学习参数决策可以实现更精确的决策,从而提高安全性能,并可在变道场景中模仿人类驾驶员的行为。     

基于车辆对道路不满意度的微观换道决策

自动驾驶汽车有着极大的应用潜力且高速公路环境下车辆变换车道是常见的行为。为进一步分析高速公路中自动驾驶汽车的微观换道决策,本文定义道路不满意度来表示车辆对行驶道路的不满意程度并将车辆换道意图的产生按本车是否达到目标车速而分为两类,当本车达到目标车速时为第一类,换道意图产生源于本车与前车间距的减小和本车相对于前车速度的增加。当本车未达到目标车速时为第二类,换道意图产生源于本车与前车间距的减小和本车达到目标车速时相对于前车移动距离的增大。针对不同类换道意图的产生机制,结合模糊推理设计道路不满意度算法。换道决策利用当前行驶车道和邻近车道的道路不满意度大小、安全跟车距离、换道安全距离来综合决定换道意图的发生。最后在MATLAB环境下搭建自动驾驶环境并仿真换道决策模型,结果显示本文相比其它换道决策,本文不仅考虑换道安全而且也考虑了目标车道和本车道的跟车安全,更具有实际意义。同时本文的模糊换道决策能兼顾安全性和智能性且适用于依目标车速定速巡航、为达到目标车速而加减速等多种复杂工况下的换道情况。     

基于五阶Bezier曲线的无人车避障轨迹规划

无人驾驶汽车的局部路径规划对于自动驾驶技术的推广有着至关重要的作用。为了研究无人驾驶汽车在运行过程中前方会出现会静止障碍物采用换道避障策略的情况,提出了基于五阶Bezier曲线的局部路径规划方法。首先,通过分析车辆性能极限及车辆碰撞边界确定换道过程中车辆的可行驶域,再进一步考虑车辆的物理特性提出轨迹曲线优化目标函数,确定五阶Bezier曲线的六个控制点,得到最优避障轨迹。然后利用CarSim和MATLAB/Simulink软件进行仿真实验验证,结果表明此方法能够规划出易于车辆跟踪的轨迹曲线,且针对不同车速情况下的换道避障能够分别产生此车速下的最优避障轨迹。     

基于离散优化的无人驾驶汽车轨迹规划

针对双向两车道无人车行驶场景,基于离散优化的方法,提出一种新的轨迹解耦规划算法。该算法将带有时间戳的三维轨迹规划问题,解耦成分别对路径和速度规划,速度规划时引入ST图,用以描述无人车与障碍物之间的运动关系。通过分层采样的方法构建路径Lattice图搜索初始路径,以及基于多目标A*搜索算法在ST图中规划出初始速度剖面,减少算法的计算量。同时,结合优化的方法对轨迹进行优化,使轨迹收敛到全局最优解。最后,通过仿真实验,验证了该算法的有效性和可靠性。     

无人驾驶汽车离散优化的轨迹规划算法

针对双向两车道无人车行驶场景,基于离散优化的方法,提出一种新的轨迹解耦规划算法.该算法将带有时间戳的三维轨迹规划问题解耦成分别对路径和速度规划,速度规划时引入ST图,用以描述无人车与障碍物之间的运动关系.通过分层采样的方法构建路径Lattice图搜索初始路径,并基于多目标A~*搜索算法在ST图中规划出初始速度剖面,减少算法的计算量.同时,优化轨迹规划,使轨迹收敛到全局最优解.最后,通过仿真实验,验证了该算法的有效性和可靠性.     

高速公路浓雾环境下换道决策规则提取及决策算法

依据换道决策规则进行换道是当前无人驾驶车辆常用的决策方法之一。针对浓雾环境下换道决策规则提取困难和研究较少的问题,研究了高速公路浓雾环境下的换道决策行为。首先,招募24名职业司机,利用Auto Sim驾驶模拟舱搭建虚拟高速公路浓雾环境进行驾驶实验;其次,提出了基于CART决策树的换道决策规则提取方法,提取出15条换道决策规则;最后,对换道决策规则进行了验证。结果表明,用CART决策树算法提取高速公路浓雾环境下换道决策规则是可行的,提取的规则能准确反应驾驶员换道行为的决策过程,可为高速公路浓雾环境下无人驾驶车辆的换道决策提供一定的理论支撑。     

基于图搜索与数值优化方法的分层轨迹规划方法

针对结构化道路场景中多约束的轨迹规划问题,提出一种路径和速度协同搜索、解耦优化的分层轨迹规划方法. 上层初始轨迹规划器考虑动态障碍物风险场与时空信息,构造时空代价地图,通过三维A*算法搜索得到安全可行的初始轨迹,保证初始轨迹解的质量. 下层运动轨迹规划器将轨迹规划解耦为路径规划和速度规划,以最小曲率、最大速度以及舒适性等为目标,采用数值优化算法构建路径和速度样条优化模型,使其在避障过程中能够充分发挥车辆的动力性能,同时保证驾乘舒适性,并以局部时空隧道思想简化约束条件,提高求解效率. 通过试验验证本文提出的方法具有较好的行驶效率、舒适性以及实时性.     

信号交叉口上游路段网联车换道博弈特性及模型

为提高网联驾驶车辆在信号交叉口上游路段与驾驶员车辆换道博弈的主动性,以左转网联驾驶车辆为研究对象分析该路段的强制换道博弈特性。首先,通过分析信号交叉口上游路段车辆的行驶意图和换道行为,设定驾驶人期望函数来客观反映车辆的行驶需求,以车辆的安全和行驶效率为收益并进行量化,在完全信息的假设下通过博弈均衡解得到最优换道决策来实现换道收益最大化;其次,为提高换道的舒适性,以五次多项式规划换道轨迹并实现网联驾驶车辆对驾驶员车辆博弈换道的过程;最后,利用仿真试验对模型进行验证,分析不同换道位置和绿灯剩余时间等因素对网联驾驶车辆决策的影响。研究结果表明,在信号交叉口上游非合作博弈强制换道过程中,随单位换道位置增加换道概率平均增加0.69%,随单位绿灯剩余时间增加车辆换道概率平均降低0.82%。通过仿真分析信号交叉口上游路段车辆的博弈换道特性和决策倾向,有利于为网联驾驶车辆换道提供决策引导。     

基于凸近似避障原理的自动驾驶集成决策与控制方法

针对结构化道路下自动驾驶汽车的轨迹跟踪问题,提出了一种基于凸近似避障原理的自动驾驶集成决策与控制方法。首先基于凸近似避障原理,对安全约束进行优化,适当缩小轨迹可行域,只保留与特定周车交互相关的部分可行点;然后结合模型预测控制算法,建立低速场景下线性化的自行车运动学模型,以轨迹跟踪误差最小为目标,考虑自车和周车的外形、道路几何约束和安全约束,构造多个与静态路径相关的最优控制问题,使用外罚函数处理约束,基于序列二次规划方法进行求解,选择最优轨迹进行跟踪。在Carla仿真平台上的高速公路仿真实验结果表明提出的基于凸近似避障原理的自动驾驶集成决策与控制方法虽然通过效率有所下降,但是驾驶安全性得到充分保障,并且轨迹跟踪性能未受影响,因此该方法能够有效降低自动驾驶中的决策风险。     

四轮独立转向无人车辆斜向行驶轨迹跟踪控制方法

针对四轮独立转向电动汽车转向系统成本高、但功能开发程度低的问题,提出一种车辆斜向行驶控制策略,优化四轮独立转向电动汽车换道过程中的行驶稳定性. 基于四轮独立转向电动汽车横向、纵向二自由度车辆模型,提出一种横纵向耦合轨迹跟踪控制方法,该方法基于线性时变模型采用模型预测控制（MPC）算法,对横向偏差、航向角偏差及纵向速度偏差进行闭环控制. 设计车辆稳定性控制器,包括横摆力矩控制器和转矩分配控制器,同时提高车辆轨迹跟踪精度和行驶稳定性. 最后搭建Simulink/Carsim/Prescan联合仿真平台,对四轮独立转向电动汽车双移线工况进行模拟换道仿真,仿真结果证明了斜向变道的可行性和横纵向耦合轨迹跟踪控制方法的有效性.