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。     

基于目标优化的自动驾驶决策规划系统自动化测试方法

利用仿真技术的场景测试方法已成为国内外研究热点,其中如何在大量场景中找到有价值的关键场景至关重要.针对上述问题,基于优化搜索算法提出了一种面向决策规划系统的关键场景自动化测试方法,能够克服传统场景测试方法的盲目性,提高测试效率.基于决策规划系统硬件在环测试平台,验证了该方法的有效性,并对比了不同搜索算法的关键场景生成效...     

基于WGAIL-DDPG(λ)的车辆自动驾驶决策模型

优良的可靠性、学习效率和模型泛化能力是车辆自动驾驶系统研究的基本要求.基于深度强化学习理论框架提出了一种用于车辆自动驾驶决策的WGAIL-DDPG(λ)(Wasserstein generative adversarial nets-deep deterministic policy gradient(λ))模型.其中...     

基于图像信息处理的车辆自动驾驶控制方法

在分析驾驶员利用图像信息进行驾驶的一般规律基础上,提出了利用图像信息处理技术实现车辆路迹踪自动行驶的控制方法和规则,并进行了模拟计算和试验,结果表明,所提出的控制方法和规则用于进行车辆的自动驾驶是可行的。     

基于机器视觉的车辆自动驾驶模糊控制设计

针对车辆动力学控制系统所具有的强非线性特点提出了基于机器视觉的车辆自动驾驶模糊控制方案.采用Michael等人提出的车辆系统动力学模型,通过模糊控制规则的量化划分对车辆在道路上的运动进行了仿真.仿真的结果 显示,本方案可以很好地解决空旷道路上的车辆自动驾驶问题,并且该控制方法 可以保证车辆快速准确地在道路上安全高速行驶,具有很好的鲁棒性.     

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。     

基于图像信息处理的车辆自动驾驶控制方法

在分析驾驶员利用图像信息进行驾驶的一般规律基础上,提出了利用图像信息处理技术实现车辆路迹追踪自动行驶的控制方法和规则,并进行了模拟计算和试验．结果表明,所提出的控制方法和规则用于进行车辆的自动驾驶是可行的．     

自动驾驶车辆对人工驾驶车辆跟驰行为影响分析

针对自动驾驶车辆（automated vehicle, AV）与人工驾驶车辆（manual vehicle, MV）组成的混行跟驰环境，基于Waymo公开数据集研究混行环境中AV前车对MV后车跟驰行为的影响。首先，探究混行环境中期望安全裕度模型和智能驾驶人模型的建模能力和模型参数变化，研究表明，混行环境中MV跟驰行为的机制没有发生变化，但是MV驾驶人的减速敏感程度更低。其次，从跟驰安全性、稳定性和环境效应3个方面对混行跟驰行为进行进一步分析得到，混行环境中的MV跟驰行为的稳定性和环境效应得到了改善，但是安全性并没有发生变化。最后，通过对前车速度波动性进行讨论发现，AV前车主要是通过降低自身速度波动性，从而抑制MV后车的速度波动性，改善MV后车在稳定性及环境效应方面的表现。     

自动驾驶空中失效的影响分析与决策

通过对MCP面板空中故障导致自动驾驶失效和由此引起的飞机相关系统影响的分析,提出了该情况下的建议性对策和排故方法。     

自动驾驶车辆智能性评价研究综述

围绕自动驾驶车辆智能性评价进行了深入的分析和总结.首先,对自动驾驶车辆智能性定义进行了综述和对比;之后,系统梳理了现阶段自动驾驶车辆智能性评价选取的评价指标;然后,按定性评价和定量评价两种方式对评价方法进行了整理和概述,并深入分析了不同评价方法的应用特点和局限;最后,就自动驾驶车辆智能性评价的进一步发展提出了若干研究方向的展望.     

城市自动驾驶决策系统安全分析与策略设计

基于系统理论过程分析(system theory process analysis,STPA),提出了一种面向高等级自动驾驶决策系统的安全性开发方法。该方法应用在一个城市自动驾驶决策系统的原型开发阶段,通过安全分析得到系统的70个不安全控制行为。针对其中3个功能状态,分析得到10个不安全控制行为原因,提出9个安全策略。应用其中一个典型安全策略进行系统改进,通过仿真试验对其进行了验证。试验结果表明,基于所提出方法设计的安全策略有效可行,提出的方法能够提高自动驾驶决策系统的安全性。     

自动驾驶车辆路径跟踪控制方法研究

路径跟踪控制是自动驾驶车辆关键技术的一个重要环节,主要研究如何控制关键的参数使得自动驾驶车辆稳定无偏差地沿着已经规划好的路径行驶。本文介绍了常用的一些控制方法,并分析了其在自动驾驶汽车路径跟踪方面的研究应用,指出将多种算法相结合、改善模型动力学约束的完整性等会使路径跟踪的效果更精准的研究。     

基于DCA的自动驾驶车辆传感数据融合方法研究

为提高自动驾驶车辆传感数据融合后的精度,提出基于DCA的自动驾驶车辆传感数据融合方法研究.建立多尺度下多传感数据动态模型,确定传感数据的动态矩阵,实现动态评价.将获得的动态数据矩阵中引入DCA算法,利用其中的抗原对动态数据进行规范化处理.获得规范化后的传感数据后,利用平均加权方法,调整数据之间的权值,实现数据融合.为了验证设计的数据融合方法的可行性,设计对比实验,采用半实物的自动驾驶车辆,对其中传感数据进行融合处理,结果证明设计的融合方法在进行数据融合后,得出的数据精度更高,为99.8％,时延较短,平均为150 ms左右,满足设计初衷.     

一种基于混合现实的自动驾驶车辆测试方法

针对自动驾驶汽车在复杂环境下的安全性测试问题,提出一种基于混合现实的自动驾驶车辆测试方法。该方法将仿真环境中的虚拟场景映射到真实的测试环境,通过传感器和数据融合快速收集自动驾驶测试车的智能感知和行为决策等性能指标,然后基于混合现实测试场景、控制中心、测试车辆构建闭环测试系统。通过案例验证,说明该方法可满足在多种场景下自动驾驶车辆的测试要求。     

基于深度强化学习的智能车辆行为决策研究

自动驾驶车辆决策系统直接影响车辆综合行驶性能,是实现自动驾驶技术需要解决的关键难题之一。基于深度强化学习算法DDPG（deep deterministic policy gradient）,针对此问题提出了一种端到端驾驶行为决策模型。首先,结合驾驶员模型选取自车、道路、干扰车辆等共64维度状态空间信息作为输入数据集对决策模型进行训练,决策模型输出合理的驾驶行为以及控制量,为解决训练测试中的奖励和控制量突变问题,本文改进了DDPG决策模型对决策控制效果进行优化,并在TORCS（the open racing car simulator）平台进行仿真实验验证。结果表明本文提出的决策模型可以根据车辆和环境实时状态信息输出合理的驾驶行为以及控制量,与DDPG模型相比,改进的模型具有更好的控制精度,且车辆横向速度显著减小,车辆舒适性以及车辆稳定性明显改善。     

基于情感强度定律的社会情感优化算法

情感强度定律是在受到外界刺激作用时指导个体情感变化的理论基础。在社会情感优化算法的基础上引入了情感强度定律,考虑到情感在人类个体决策上所起的重要作用,我们对源于外界刺激的情感强度值进行了量化,使个体在自身认知和社会活动中表现了合理的自适应能力,完善了算法的全局、局部搜索协调能力。最后对算法的参数也做了分析和讨论。仿真实验结果表明,该算法有效地提高了求解的性能,能高效地解决高维复杂多模态优化问题。     

自动驾驶技术研究现状及发展趋势

自动驾驶能够有效避免因驾驶技能、心理变化、疲劳程度等人为因素而导致的交通事故,能够有助于合理管控道路交通流量以改善道路的通行能力,还能够提供舒适友好的驾乘体验,具有广阔的应用前景以及潜在的社会效益。对自动驾驶技术的发展历程进行概述,从环境感知、高精度定位、场景认知、协同决策、控制与执行等方面对自动驾驶技术的中外最新研究成果进行了概要论述,并对自动驾驶技术研究的共性问题以及发展趋势进行了探讨与展望。     

一种基于驾驶决策的三相交通流仿真模型

提出了一种基于三相交通流理论的驾驶决策交通流仿真模型.该模型采用驾驶决策函数替代由Kerner等人提出的KKW模型中目标速度函数,在新模型中将驾驶行为分为自由流驾驶模式、同步流驾驶模式和堵塞流驾驶模式,三种模式会根据道路的实际交通情况进行切换.基本图和时空分析结果表明,提出的模型符合实际的交通观察.     

自动驾驶汽车人机交互信任影响机制

为探讨人们对自动驾驶汽车(autonomous vehicles,AVs)是否信任的影响因素及其作用机制,从信息内容、信息载体、信息通道、系统透明度、技术能力和情况管理6个角度设计了AVs人机交互信任模型.采用结构效度、聚敛效度、区分效度的验证性因子分析、中介效应分析及路径分析对结构方程模型进行拟合检验.研究发现:信息通道、系统透明度和信息载体对于自动驾驶信任影响显著;信息内容、信息载体和信息通道不仅对AVs人机交互信任直接产生影响,还通过系统透明度这一中介变量对AVs人机交互信任产生影响.     

基于图像处理与雷达控制的车道偏移自动驾驶控制系统

自动驾驶控制是汽车主动安全控制的重要装置.针对汽车运行的方向控制和速度控制内容,提出了利用图像传感器获得行驶方向信息.通过图像处理确定行驶方向,控制车道偏移的方向控制系统,设计了面向动态目标的基于毫米波雷达测距和测速的汽车自动行驶的速度控制系统,实现了汽车自动驾驶的功能.