基于Transformer的自动驾驶交互感知轨迹预测

针对自动驾驶运动规划中预测周围交通参与者(如车辆、自行车、行人)未来轨迹的问题,提出了一个基于Transformer的轨迹预测模型(Trajectory Prediction Transformer,TPT)来帮助自动驾驶车辆预测周围交通参与者的未来运动轨迹。首先,为了有效地考虑交通参与者和交通环境之间的交互信息,将交通参与者建模为交通智能体。并将交通智能体的历史运动轨迹和周围交通环境信息编码为多通道图,作为模型的输入。然后,利用改进的Transformer对交通环境进行建模,并捕捉交通智能体与交通环境之间值得关注的交互信息,预测其未来运动轨迹。最后,在大规模自动驾驶数据集Lyft进行的实验表明,TPT模型能够在不同预测时长下取得优于其他对比模型的预测结果,且用时更短。     

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.     

基于时间延迟动态预测的自动驾驶控制

由于驾驶过程中的延迟和前视距离等因素,无人车无法准确跟踪规划轨迹。该文通过选择简化的自行车车辆模型,在纯跟踪模型的基础上对原有的算法进行优化,提出了一种基于动态延迟预测的自动驾驶控制方法。通过车辆运动学模型预测延迟后的车辆运动方向和位置信息,并根据行驶方向和轨迹方向之间的偏差值,获得最佳前视距离。MATLAB仿真结果表明,改进的算法可以以7m/s的行驶速度跟踪规划轨迹,平均误差可以控制在0.3m以内,跟踪性能优于传统的纯跟踪方法。     

基于BiGRU的多模态驾驶行为及轨迹预测

在复杂交通环境中行驶的智能汽车需要预测未来周围车辆的动向,为了提升智能汽车快速且准确预测周围车辆驾驶行为及轨迹的能力,设计了一种基于BiGRU的多模态驾驶行为及轨迹预测模型.模型由BiGRU编码器、交互卷积池化层和GRU解码器组成,能够预测未来5s车辆多模态驾驶行为的概率和多模态驾驶行为对应的轨迹分布.试验结果表明,相...     

面向自动驾驶的公交车辆进出港湾式停靠站安全轨迹模型

为研究公交车辆安全平稳进出港湾式停靠站的轨迹,提出适用于自动驾驶场景的进出站安全轨迹规划方法.基于阿克曼转向原理,构建车身4个顶点运动轨迹方程,针对站内无车和有车两种工况,建立避障约束、运动学约束及起终点位姿约束,选择五次多项式曲线作为公交车辆进出港湾式停靠站安全轨迹模型,采用线性规划和遗传算法标定模型参数,采用数值模拟得到车辆安全进出站轨迹,并利用实车道路实验验证模型的可行性.研究结果表明：五次多项式曲线适用于公交车辆进出港湾式停靠站安全轨迹,规划轨迹与实际运行轨迹平均绝对百分比误差(MAPE)不超过10%,提出的轨迹规划方法可为自动驾驶公交车辆安全可靠运行提供一定的理论依据.     

高速公路弯道换道决策及运动规划优化

弯道换道决策及运动规划算法主要影响自动驾驶汽车的安全性和操纵稳定性。针对高速公路弯道换道场景决策的安全性和行驶效率不够高的问题,提出新的基于主车相对前车的驾驶不满意度的决策算法。为了提高运动规划算法实时性,采用路径-速度解耦框架进行主车换道轨迹规划。对于路径规划,选择五次多项式曲线,采用考虑安全、舒适和高效性的4个换道路径评价指标,实现最优路径规划。对于速度规划,结合动态规划与二次规划优化获取平滑速度规划曲线。仿真结果表明基于驾驶不满意度的换道决策模型能选择更高效和安全的行驶方式。在典型的主车换道场景,主车最大质心侧偏角,最大横摆角速度的数值均小,表明换道轨迹规划算法能确保主车换道的安全性和操纵稳定性。     

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6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GIS与约束条件下的最优路径规划研究

根据无人地面车辆自主导航的需求,提出一种给定任务点的约束条件下的最优路径实现方法. 首先基于地理信息系统（GIS）平台构建为车辆行驶提供先验信息的GIS数据库,并设计研究基于计算几何的路段匹配算法,同时结合A*算法进行全局路径规划. 然后根据无人地面车辆的运动特性和对路口识别的需求提出了新的路口模型,同时为保证无人地面车辆行驶轨迹的平滑性和对路口识别的精确性,对路口轨迹和U-turn轨迹进行了算法设计. 最后提出了动态重规划的行驶策略. 实际跑车实验证明了该设计算法的有效性.      

基于支持向量机的汽车转向与换道行为识别

汽车驾驶行为是影响燃油消耗和安全驾驶的重要因素,驾驶行为识别是对汽车安全驾驶和节能进行优化的基础。该文针对汽车转向和换道行为,通过加装汽车转向盘转角传感器,结合车载总线通信技术获取汽车行驶状态信息,基于汽车转向运动学推导车辆行驶状态与汽车行驶轨迹之间的映射关系,进一步建立汽车行驶方向向量模型,提出以车身轴线转角和最大转向盘转角为特征量的支持向量机线性分类器,并运用Lagrange数乘法和二次规划算法求解该最优分类问题。通过设计实车实验验证了该方法的有效性。实验结果表明:该方法识别汽车的转向与换道驾驶行为的准确度达98%以上。该技术可用于汽车行驶安全预警与控制系统,提升行驶安全。     

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。     

基于变分自动编码器的车辆轨迹预测研究

针对轨迹预测中车辆与周边车辆、道路几何之间交互关系建模不充分,以及车辆轨迹多模态建模不完整等一系列问题,提出了一种基于变分自动编码器的车辆轨迹预测方法。首先,通过长短时记忆网络从原始数据中提取轨迹数据与车道信息的语义特征;其次,引入多头注意力机制,采用两个单独的注意力模块分别建立车辆与车辆交互模型及车辆与道路交互模型,能够更好地反映周边车辆与道路几何对车辆轨迹的交互影响,得到丰富的场景上下文信息;接着利用变分自动编码器对车辆轨迹多模态建模,捕捉轨迹预测的随机性质以生成合理的未来轨迹分布;最后从分布中多次重复采样以生成多条可能的未来轨迹。通过搭建实验平台和使用Argoverse自然驾驶数据集进行测试,改进后的预测方法在平均位移误差和最终位移误差指标下的数值分别为1.03和1.51,预测精度上相较于其他3种预测方法,分别提升了45%、46%、32%;实验结果表明：预测方法可以有效地改善车辆与周边车辆、道路几何之间交互关系建模不充分,以及车辆轨迹多模态建模不完整等问题,预测精度提高,总体预测性能良好。     

连续工况下基于PID+LQR算法的自动驾驶车辆横纵向耦合控制

为提高自动驾驶车辆的路径跟踪精度,针对自动驾驶车辆横纵向耦合控制问题,提出了带有前馈控制的PID+LQR联合控制策略。首先,利用二自由度车辆动力学构建路径跟踪误差数学模型,制定横纵向控制流程。随后,设计了用于横向控制的LQR控制器和用于纵向控制的PID控制器,将横纵向控制器进行整合,使得车辆在接收到决策规划系统给出的期望指令后可以进行跟踪行驶。借助CarSim和MATLAB/Simulink联合仿真平台,在连续工况下对该控制策略进行测试。结果表明,提出的横纵向耦合运动控制策略可以控制车辆沿着规划的轨迹行驶,且可将跟踪误差控制在较小的范围内。     

多关节跳跃机器人的起跳机理与运动规划分析

在给定离地任务要求的情况下,针对多关节冗余自由度跳跃机器人起跳机理及运动规划与优化问题进行了研究.以速度方向可操作度为性能指标,将期望的离地质心速度和加速度映射到关节空间,作为关节空间规划的边界条件.采用Fourier基函数参数化关节空间轨迹,从正运动学方程出发,结合驱动约束条件,利用粒子群优化算法搜索和寻求使能量利用率最大的参数值,实现起跳性能的优化.利用计算机仿真证实了此种方法的可行性.此外还建立了滑模控制器,实现起跳阶段轨迹跟踪控制仿真分析,为具有冗余自由度的多关节跳跃机器人的运动规划提供了一种有效的方法.     

结合双向LSTM和注意力机制的车辆轨迹预测

为提升智能交通、自动驾驶等系统的管理和服务质量,提出一种双向长短期记忆网络结合注意力机制的车辆轨迹预测模型。采用道格拉斯-普克压缩算法对轨迹数据进行压缩预处理,减少数据中的冗余;在编码器中使用双向长短期记忆网络充分捕获时间相关性特征,并采用自注意力机制获得与邻近车辆之间的全局空间相关性特征;通过解码器的全连接层获取车辆的未来位置,并通过模型迭代获得完整的预测轨迹路线。实验结果表明,提出的模型预测性能优于对比模型。此外,消融实验结果表明,引入轨迹压缩算法与改进的长短期记忆网络结合注意力机制对预测准确度均有积极贡献。     

事故接管场景下L3自动驾驶换道轨迹的评价和分类

为研究L3自动驾驶事故场景下人工接管后换道轨迹的评价和分类问题,通过驾驶模拟实验采集换道轨迹数据;从舒适性、高效性、生态性、安全性四个方面选取9个评价指标;采用熵权TOPSIS模型对换道轨迹进行评价并完成标签标定;用标定后的数据训练得到SVM分类器模型,并将其应用于换道轨迹的分类中,该模型在测试集的平均准确率为79.55%,平均精确率为79.52%,平均召回率为79.51%,平均F1值为77.43%。结果表明：应用熵权TOPSIS模型得到的评分最高的换道轨迹在舒适性、高效性、生态性和安全性上综合表现优秀;SVM分类器能以较为稳定的准确率完成换道轨迹的分类。得到的最优换道轨迹可为驾驶员的换道提供指导,也可为自动驾驶车辆的轨迹遵循提供参考。     

非结构化环境下自主车辆轨迹规划方法

面向非结构化环境下的自主车辆导航,为解决其中的轨迹规划问题,提出一种基于初始状态与目标状态约束的圆弧拼接方法.在此基础上考虑障碍物约束,基于自上而下的细分方法实现多段圆弧的连接,得到可行的轨迹系列.基于本文所提出的优化指标对轨迹系列进行评价,得到适合车辆运动的期望轨迹.结果表明:得到的轨迹具有光滑的曲率特性,适合车辆实际控制.该方法既融合车辆的运动特性,同时满足自主驾驶的实时性需求,适合实际车辆自主导航应用.