基于模型预测控制的可变目标距离自适应巡航控制研究

为解决在复杂交通环境中自适应巡航系统存在旁车切入本车前方工况时,目标期望距离计算模型得到的期望相对距离与实际相对距离发生阶跃以及堵车蠕行工况,车辆与前车距离较近,拥堵路况不断启停的目标车辆的速度、加速度和相对距离持续抖动,导致的纵向加速度幅值过大带来的驾驶平顺性、舒适性和安全性问题,提出可变目标距离的自适应巡航控制算法,基于模型预测控制理论,建立离散纵向运动学预测模型,综合考虑底盘加速度响应、极限安全纵向跟车距离、车辆自身物理限制、驾驶人乘坐舒适性等优化控制目标,引入松弛因子进行在线求得可行解.在旁车不同切入工况、综合工况行驶以及堵车蠕行工况对本算法进行仿真和实车测试并利用数据对IDM算法开环实验,研究成果对比表明,考虑旁车切入的可变目标距离的自适应巡航控制算法在旁车加速切入工况中,纵向控制产生的最大冲击度为-0.25 m/s³,相比于IDM模型降低50%,堵车蠕行工况中纵向控制产生最大减速度为-0.3 m/s²,相比于IDM模型降低30%,综合工况和定速巡航工况中,算法在保持安全距离情况下可以对车辆实现稳定纵向控制,加速度幅值不超过-0.3...     

联合多视角互投影融合的三维目标检测方法

针对当前智能车辆目标检测时缺乏多传感器目标区域特征融合问题,提出了一种基于多模态信息融合的三维目标检测方法. 利用图像视图、激光雷达点云鸟瞰图作为输入,通过改进AVOD深度学习网络算法,对目标检测进行优化;加入多视角联合损失函数,防止网络图像分支退化. 提出图像与激光雷达点云双视角互投影融合方法,强化数据空间关联,进行特征融合. 实验结果表明,改进后的AVOD-MPF网络在保留AVOD网络对车辆目标检测优势的同时,提高了对小尺度目标的检测精度,实现了特征级和决策级融合的三维目标检测.      

基于环境复杂度的危险品运输车辆碰撞预警策略

为研究传统车辆碰撞预警系统误警率较高、不完全适用于危险品运输车的问题，文中在碰撞预警策略中引入环境复杂度的概念。对静态复杂度和动态复杂度影响因子进行具体分析，提出了危险判别指标的计算方法和预警策略的具体框架，在此基础上结合国内公开的运输载货车事故报告及真实运输路段的环境信息，利用神经网络对非线性关系的高拟合度建立环境复杂度量化模型，收集真实路段下带有普通预警系统的危险品运输车辆实车数据并进行策略验证。研究结果表明:相较于市面上普通的碰撞预警系统，所提出的预警策略误警率从41％降低至8％，分类后的正确率达92％，可以较好地适应驾驶人对危险的判别和制动习惯，提高危险品运输车辆运行的安全性。