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。     

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。     

地铁列车自动驾驶系统分析与设计

对地铁列车自动驾驶系统进行分析,并对列车自动驾驶系统的车载设备进行设计.     

考虑年龄异质性的自动驾驶接受度建模与分析

为深入解读公众对于自动驾驶技术的态度,进一步推动自动驾驶技术的应用,将计划行为理论引入技术接受模型,构建不同年龄群组的自动驾驶技术接受度扩展模型,利用结构方程模型全面揭示自动驾驶技术接受度影响机制的年龄差异性.以中国城市居民为例,进行了自动驾驶技术接受度分析,结果表明:不同年龄群组在自动驾驶技术接受度及其影响因素方面存...     

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。     

小型智能车自动驾驶系统设计

基于单片机控制及传感器技术,实现小型汽车可自动寻迹行驶的功能,并且能够利用光电传感器检测道路上的障碍,利用两个电机的差动调节,控制电动小汽车的自动避障、寻光及自动停车等过程。并对整个控制软件进行设计以及调试,最终完成软件和硬件的融合,实现小型智能车自动驾驶的预期功能。     

自动驾驶自动紧急制动关键场景测试案例提取研究

为提取自动驾驶自动紧急制动(autonomous emergency braking system,AEB)关键场景测试案例,依据不同抽象程度依次重构符合自然驾驶规律的功能场景、逻辑场景、具体场景,进而对AEB系统展开测试并求解其关键场景。从自然驾驶数据集NGSIM筛选出车辆跟随实例构建出功能场景,基于场景要素构建功能场景,提取出该场景的关键字要素,采用高斯混合模型拟合自然驾驶数据,获得具有概率密度分布的逻辑场景,基于Gibbs抽样的蒙特卡洛方法生成具体测试实例,并通过重要性抽样方法生成关键场景。最后对生成到的关键场景聚类加速场景生成,并对其AEB系统在Prescan仿真软件进行测试。结果表明,AEB系统可对生成的关键场景实现避免碰撞。     

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。     

汽车自动驾驶的方向与车速控制算法设计

【】用于港口集装箱转运和路面疲劳试验加载等场合的半挂汽车列车运输具有线路固定和场地封闭等特点,采用自动驾驶将提高行车安全、减少人力成本。本文以半挂汽车列车为控制对象,设计了汽车自动驾驶的方向和车速控制算法。采用基于侧向位置偏差和航向偏差联合控制参数的方向控制策略。为增强方向控制算法对不同车速的适应性,引入基于稳态转向增益的方向控制增益调度。车速控制采用预瞄位置期望车速与当前实际车速的偏差反馈PID控制,以油门开度与制动踏板行程为非相容组合控制输入,依据期望纵向加速度确定不同控制输入方式的切换及控制输入大小。采用Matlab/Simulink和TruckSim协同仿真手段评价自动驾驶控制效果,仿真结果表明在设定不同路径和目标车速下,提出的算法均能以较小侧向位置偏差、航向偏差和车速误差实现路径和车速跟踪。     

自动驾驶算法的异常事件生成系统设计与评估

评价自动驾驶算法对异常交通事件的响应具有重要的应用价值,针对在真实世界中制造异常交通事件存在代价高、风险大等问题,本文提出了一种面向自动驾驶算法评估的异常交通事件生成方法,该方法可以自动生成5类异常交通事件;基于该方法,搭建了一个驾驶策略评估系统,以实现对自动驾驶算法的评估.为验证生成的异常交通事件的有效性,对一种基于深度网络的模仿学习自动驾驶算法进行了评估.实验结果表明,生成的异常交通事件可以更全面地评估自动驾驶算法的性能.     

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.     

自动驾驶路测融合度建模与分析

选取5个指标构建评价指标体系,然后采用皮尔生长曲线函数和负指数函数对正向指标和逆向指标进行标准化,并利用专家打分和层次分析法量化各指标权重,最后建立自动驾驶路测融合度模型。对基于上海市2类城市道路场景和1类高速公路场景的自动驾驶路测实测数据与仿真结果开展案例分析,验证路测融合度模型的合理性和有效性。结果表明：无论对于城市道路场景还是对于高速公路场景,避险脱离率是表征自动驾驶车融入到现有道路交通系统程度的最重要指标;高速公路场景下的自动驾驶路测融合度显著高于城市道路场景下的自动驾驶路测融合度;加大自动驾驶测试里程、测试时长和测试场景复杂度,可以促进自动驾驶技术的成熟。     

强化学习在自动驾驶技术中的应用与挑战

围绕强化学习在自动驾驶领域的应用进行了多方面的概括和总结。对强化学习原理及发展历程进行了介绍;系统介绍了自动驾驶技术体系以及强化学习在自动驾驶领域的应用所需的基础;按不同的应用方向分别介绍了强化学习在自动驾驶领域中的应用案例;深入分析了现阶段强化学习在自动驾驶领域存在的挑战,并提出若干展望。     

车联网环境下自动驾驶交通流建模与分析

在车联网环境下,对原有自动驾驶交通流跟驰模型进行改进,构建新的自动驾驶跟驰模型,并理论推导在不同自动驾驶比例下混合交通流稳定性的解析判别条件,从混合交通流稳定域角度对比分析模型改进前后混合交通流的稳定性。结果表明,相比于原自动驾驶跟驰模型,改进后的模型能有效缩小混合交通流不稳定区域,降低混合交通流全速度范围内稳定时所需的最低自动驾驶比例,从而提升自动驾驶混合交通流的稳定性。     

自动驾驶汽车测试技术与应用进展

针对自动驾驶汽车的决策规划、环境感知等测试需求,从测试方法、测试工具以及测试加速三个方面,系统地总结了自动驾驶汽车测试技术与应用现状,深入地分析了自动驾驶汽车测试技术的特点和适用范围.最后,指出了自动驾驶汽车测试技术的未来发展方向.     

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.     

自动驾驶支付意愿及影响因素分析

为推进自动驾驶产业的发展,研究决定自动驾驶技术市场化的速度和规模的支付意愿的内在机理.将融合计划行为理论与信任理论作为理论框架,依据理论框架和研究目的设计调查问卷,在镇江进行实证研究,获取有效问卷315份,为研究心理潜变量中影响支付意愿的关键因素提供理论和数据支撑.采用直接询问法了解公众的支付金额和购买时间.选取感知风...     

2018全球自动驾驶:产业生态精彩纷呈

 自2016年以来，在新一轮人工智能浪潮的不断加持下，自动驾驶成为全球战略投资的风口和热点，企业已然成为自动驾驶技术创新与产业进程不断推进的主体。在经历了2年的期望膨胀期后，2018年的全球自动驾驶可谓是兴奋与焦虑同在：自动驾驶生态圈已然初步成形，颠覆未来出行与交通方式的产业前景从未如此清晰；但自动驾驶产业迟迟不能安全落地并大规模商业化，成为众多持续“烧钱“企业的心病。