自动驾驶机器人关键技术及应用

 自动驾驶机器人可代替驾驶员进行可靠性、危险性和高精度的车辆道路试验。以一款自主开发的自动驾驶机器人为研究对象,介绍自动驾驶机器人功能和结构,分析自动驾驶机器人的关键技术,开发自动驾驶机器人在车辆道路测试试验、车道保持、跟车、换道和远程驾驶方面的应用。     

信号交叉口网联自动驾驶车辆时空轨迹优化控制系统

为降低车辆在信号交叉口范围内的燃油消耗量,提出了网联自动驾驶车辆时空轨迹优化控制系统。系统基于离散时空模型,设计了时空节点-弧模型以重构车辆时空轨迹;并以车辆发动机做功值,作为时空弧成本,以前方车辆时空轨迹和车辆运动学特征为约束,利用A*最短路算法求解具有最低燃油消耗的网联自动驾驶车辆时空轨迹;同时改进了Pitt微观车辆跟驰模型,以预测普通车辆的时空轨迹。预测结果作为约束条件,应用于网联自动驾驶车辆时空轨迹优化过程中,使系统适用于网联自动驾驶车辆与普通车辆混行条件下,仿真结果表明:系统能够降低高达13.94%的网联自动驾驶车辆燃油消耗;同时有效降低整体交通燃油消耗总量;能够在40%的网联自动驾驶车辆占有率条件下,实现良好的控制效果。计算时间仅为10~(-3)s水平。系统能够有效实现预期控制目标;并为近期网联自动驾驶车辆占有率较低环境下的车辆控制提供了一定的理论基础,实用性较强。     

自动驾驶环境下的路网混合流量日变模型

为研究自动驾驶车辆投放对路网流量演化的影响,建立了包含传统车辆和自动驾驶车辆的混合流量日变模型。分析两类流量不同的演化目标,采用前景理论描述传统车辆出行者的出行行为,以路径前景值最大为目标建立传统车辆流量日变模型,以路径的边际阻抗最小为目标建立自动驾驶流量日变模型,最后通过算例模拟路网混合流量的逐日演化过程。结果表明:传统车辆与自动驾驶车辆流量达到稳定的时间及演化的趋势显著不同,两者相互影响并构成混合流量演化;自动驾驶车辆比例越高,系统总时间就越少,不同比例下路径流量演化为不同的稳定状态;流量转移阈值影响混合流量的稳定条件,且其稳定状态不同于无阈值情况;自动驾驶车辆会影响短期事件发生前后的流量分布。     

基于情感强度的自动驾驶车辆决策机制探究

随着自动驾驶技术的逐渐成熟,传统人工驾驶车辆和自动驾驶车辆之间的混行将成为常态。为使车辆安全高效行驶,自动驾驶车辆的决策机制须与人类决策一致。危险工况下的驾驶决策复杂,紧张恐惧等情感也是驾驶决策不可忽视的因素。以一典型危险场景为例,利用虚拟驾驶实验还原场景,对场景内驾驶决策的影响因素进行分析,建立了包括情感强度等输入指标的改进PSO-LSSVM驾驶决策模型,探究情感强度对驾驶决策的影响。结果表明,在决策模型中加入情感强度指标可提高预测准确率。     

探讨人工智能在汽车自动驾驶系统中的运用

随着现代科技的快速发展,各种新技术也随之发展起来,以人工智能为代表的新技术,在我国汽车领域得到了广泛运用。车辆自动驾驶是以计算机为核心,完成车辆自动驾驶。目前,车辆自动驾驶能够感知部分问题,其他问题还要依赖于人工智能技术。本文从车辆自动驾驶技术现状入手,对人工智能在汽车自动驾驶系统中的应用进行了深入分析。     

未来如何乘坐无人驾驶汽车

<正>自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作,让电脑可以在没有任何人类主动的操作下,自动安全地操作机动车辆。未来我们甚至可以利用智能手机呼叫自动驾驶汽车来出行。无人驾驶汽车是通过车载传感系统感知道路环境,自动规划行车路线并控制车辆到达预定目标的智能汽车。它是利用车载传感器来感知车辆周围环境,并根据感知所获得的道路、车辆位置和障碍物信息,控制车辆的转向和速度,从而使车辆能够安全、可靠地在道路上行驶。集自动控制、体系结构、人工     

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.     

驾驶机器人车辆多新息动态转向力矩补偿

为了减小驾驶机器人车辆长期自动驾驶过程中转向性能下降带来的影响,提出了一种基于多新息的驾驶机器人车辆动态转向力矩补偿方法。构建了车辆动力学模型和驾驶机器人车辆动力学模型;建立了以路径曲率及车速为输入、方向盘转向角为输出的驾驶机器人车辆转向性能离线自学习模型;建立了以方向盘角速度、角加速度及车轮转角为输入,转向机械手驱动力矩为输出的受控自回归在线辨识模型,并运用遗忘因子多新息最小二乘方法进行参数辨识,将迭代计算过程中的标量新息扩展为向量新息,提高了驾驶机器人车辆转向性能参数的辨识精度;驾驶机器人车辆自动驾驶过程中,利用离线自学习模型和转向机械手动力学方程计算出转向电机输出力矩,加上反馈回来的驱动力矩误差,实现对驾驶机器人车辆转向力矩的在线动态补偿。仿真与试验结果对比表明:所提方法辨识的转向力矩误差在0.1N·m以内,跟踪目标路径的横向位移偏差小于0.2m;所提方法有效减小了驾驶机器人车辆转向性能下降造成的影响。     

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.     

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。     

第三代自动泊车辅助系统

第三代PLA是一种通过探测车辆周围环境信息来找到合适的泊车位,从而控制车辆的转向、速度,使得车辆能够自主驶入泊车位的系统。自动泊车系统提高了车辆的智能化水平和安全性,进一步降低了新手司机驾驶车辆的难度,也为将来实现车辆的自动驾驶打下基础。     

混有CACC和ACC车辆的连续型元胞自动机交通流模型

现有的混合交通流元胞自动机模型中自动驾驶车辆与手动驾驶车辆在跟驰模型上大多仅存在反应时间上的差别,并不能体现自动驾驶上层控制系统实时调节加速度保持车速稳定的特点,基于Gipps模型和Path实验室标定的自适应巡航控制(adaptive cruise control, ACC)和协同自适应巡航控制(cooperative adaptive cruise control, CACC)跟驰模型提出了更符合自动驾驶机理的连续型元胞自动机模型。通过计算机数值仿真分别从速度、流量、拥堵比例以及期望车间时距方面对不同渗透率下的混合交通流进行分析。结果表明,智能网联车辆能有效提高道路通行能力,当渗透率为40%～60%时,道路通行能力比纯人工驾驶车辆时提升14%～30%,当道路上全为智能网联车时,其通行能力约为纯人工驾驶车辆的1.9倍;同时在相同智能网联车渗透率下,道路通行能力随智能网联车辆期望车间时距减小而增大。     

快速路上匝道瓶颈路段异质交通流演变规律

为了掌握快速路瓶颈路段异质交通流的演变规律,以缓解交通拥堵,本文以快速路上匝道瓶颈路段为研究对象,构建了考虑安全距离的改进NaSch上匝道模型,利用数值仿真,对不同场景交通流演化过程进行系统性研究。仿真结果显示:在不同条件下,异质交通流中自动驾驶车辆比例的增加对瓶颈路段交通运营状态影响结果各异。在自由流阶段,自动驾驶车辆比例的增加对快速路瓶颈路段运营通行能力的增加无显著影响,自动驾驶车辆比例取0.9时,瓶颈路段运营通行能力反而降低了2.48%;在交通拥堵状态下,当异质交通流中自动驾驶车辆比例达到0.7及以上时,才有助于交通拥堵的消散,且其临界值随交通拥堵状态程度的提高而增大;当交通密度达到100 veh/km以上时,自动驾驶车辆比例的增加无法实质性改善瓶颈路段交通拥堵状态。研究结果可为异质交通流环境下的快速路上匝道瓶颈路段的治堵策略提供理论依据。     

基于冲突相位组的自动驾驶交叉口行人过街控制方法

【目的】在无信号控制的自动驾驶环境下,自动驾驶车辆的通行轨迹将与过街行人产生大量冲突,如何利用交通控制手段使行人安全通过交叉口,并避免对自动驾驶车辆的通行造成较大的干扰,是亟待解决的关键问题。【方法】本文提出一种基于冲突相位组的自动驾驶交叉口行人过街控制方法,将到达交叉口的车辆流向分为4个冲突相位组,在各相位组内单独分配通行时间,基于冲突相位组对自动驾驶车辆和行人过街的通行时间进行建模;在穿插式通行模式的基础上,使用行人信号灯保障行人过街需求,建立考虑行人二次过街的自动驾驶交叉口交通控制模型。模型以交叉口各流向需求量与实际交通量乘积之和最大为目标,以各流向允许车辆通行的时间比例和行人信号灯状态为决策变量,综合考虑交通流量、行人和车辆通行权等约束,建立混合整数线性规划模型（mixed-integer linear program,MILP）,该控制模型可为各流向的车辆和行人分配通行权。【结果】本文模型的车均延误较定时控制方案的降低26.74%,较单次过街模型的降低11.53%,人均延误较定时控制方案的降低51.66%,较单次过街模型的降低36.20%。这表明本文模型能有效提升交叉口的通行...     

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。     

未来的智能汽车会更棒

正通过手机应用软件呼叫自动驾驶出租车,在广州,这早已不是一件新鲜事啦!事实上,在北京、上海、长沙、苏州、武汉等地,包括自动驾驶汽车在内的许多智能汽车新项目正不断涌现。据预测,到2040年,道路上行驶的车辆将有3/4是智能汽车。智能汽车是指搭载先进传感器等装置,运用人工智能等新技术,具有自动驾驶等多种功能的新一代汽车。目前,其发展还处于起步阶段。随着数字经济发展,交通数字化、信息化、智能化正让它的应用前景变得更加广阔。     

基于有限状态机的预期功能安全危害识别方法

针对自动驾驶系统危害与场景不可分割的特点,提出了一种基于有限状态机模型（FSM）的整车级预期功能安全危害识别方法。首先,明确危害事件组成要素;其次,将自动驾驶系统抽象为有限状态机模型以明确车辆状态和运行环境;最后,通过识别车辆状态与运行环境的冲突情况,系统性识别自动驾驶系统预期功能安全危害事件,减少对专家知识的依赖。为验证所提出方法的有效性,在某SAE L3级自动驾驶汽车上应用了该方法进行危害识别。结果表明,相较于系统理论过程分析（STPA）方法,有限状态机模型包含更加详细且系统化的环境信息,且由有限状态机模型直接输出危害事件要素,提高了危害识别的系统性。     

自动驾驶环境下考虑停车需求的交通均衡模型

本文在自动驾驶环境下,考虑交通网络中自动驾驶车辆(autonomous vehicles,AVs)的载人和空载状态在路段上相互影响,研究AVs路径选择和停车选择的组合均衡问题.首先,提出自动驾驶环境下考虑停车需求的交通均衡条件,建立网络均衡模型,证明模型的等价性以及解的唯一性;其次,采用网络变换法,将原问题变换为经典的...     

基于多智能体的自主驾驶车辆仿真调试系统

自主驾驶车辆系统是一个集环境感知、规划决策、自动驾驶等多种功能于一体的综合系统 .为方便对系统进行调试和分析 ,设计和开发了该系统的可视化仿真调试系统 .实验结果表明了该系统的有效性 .