【摘要】：隨著機動車保有量日益增加,交通擁堵、交通事故及能源環(huán)境的矛盾進一步被激化,作為解決此矛盾的重要手段之一,智能交通系統(tǒng)的研究日益迫切,而自主車隊系統(tǒng)作為該系統(tǒng)的重要子系統(tǒng),其目的是通過傳感、通信以及控制技術(shù)使多自主車輛以車隊的形式在普通或?qū)Ｓ密嚨乐行旭?從而大幅提高交通系統(tǒng)中的車流量和安全性。自主車隊在行駛中不可避免地會受到道路環(huán)境中其他交通參與者如汽車、非機動車、行人等外部干擾,同時也必須考慮到車隊內(nèi)部成員車輛故障等內(nèi)部干擾情況。受到外界干擾時需要自主車輛準確預(yù)測動態(tài)障礙物的運動軌跡,并且通過控制策略避開潛在的碰撞危險。同時在隊列成員增減時需要保證新隊列可以正常行駛。針對上述問題,本文基于分向、分車道的道路環(huán)境,進行了多自主車隊列控制技術(shù)研究,具體研究內(nèi)容包括以下幾個方面:1)環(huán)境感知及控制器設(shè)計:首先從激光傳感器數(shù)據(jù)中提取環(huán)境中障礙物物理特征信息,接著從視覺傳感器數(shù)據(jù)中獲取所跟隨的領(lǐng)航者角度信息,最后對兩種傳感器的信息進行融合。并針對跟隨車輛和領(lǐng)航車輛之間是否存在通信的問題,分別基于李雅普諾夫穩(wěn)定性分析和模糊控制器對通信正常和無通信兩種情況進行控制器設(shè)計。2)周圍車輛軌跡預(yù)測與避撞:在分向、分車道的道路環(huán)境中,針對道路環(huán)境中動態(tài)車輛運動軌跡難以準確預(yù)測的問題,提出了兩種不同駕駛行為下的運動軌跡預(yù)測方法。并結(jié)合自主車隊控制器提出了基于模糊控制的多自主車輛隊列避撞策略。3)基于不同觸發(fā)事件的隊列重構(gòu)策略:針對現(xiàn)實情況中的車隊成員可能增減的問題,對導(dǎo)致成員增減的事件進行分類,并提出不同類型觸發(fā)事件下的多自主車輛隊列隊形重構(gòu)的控制策略。
【圖文】：

圖１．１自主車隊的應(yīng)用ｍ逡逑研究者在將機器人領(lǐng)域的研究成果用于自主車輛領(lǐng)域時，必須要考慮其“車逡逑輛”方面的特性。文獻［７］在考慮自主車輛避障時，未考慮自主車輛的避障過程是逡逑否會影響周圍車輛，若自主車輛避障過程中運動狀態(tài)變化過快，可能會威脅到周逡逑圍其他車輛，同時在道路環(huán)境中自主車輛應(yīng)在運動過程中遵守交通規(guī)則。文獻［８］逡逑在車間通信正常的情況下，通過李雅普諾夫穩(wěn)定性分析設(shè)計了自主車隊列跟隨控逡逑制器，但并未對其通信中斷的情況進行分析，若無其他控制策略，一旦隊列中的逡逑部分車輛通信回路故障，很可能發(fā)生交通事故。逡逑隨著自主車隊研究方向的深入以及傳感器技術(shù)、通信技術(shù)等高新技術(shù)的迅猛逡逑發(fā)展，搭建智能公路系統(tǒng)從而實現(xiàn)自主車隊以隊列形式行駛成為當今自主車隊研逡逑宄的新方向。我國在智能交通方向研宄起步較晚，而我國又是世界第二大汽車消逡逑費國，在車輛保有量迅速增加的今天，如何解決交通事故、環(huán)境污染、能源浪費逡逑等問題己成為研宄的當務(wù)之急，因此開展自主車隊列控制技術(shù)研宄是非常有必要逡逑的。逡逑１．２自主駕駛車輛國內(nèi)外研究現(xiàn)狀逡逑

（ａ）邐（ｂ）逡逑圖１．２邋（ａ）豆莢無人車，（ｂ）邋Ｗａｙｍｏ無人車［７２］逡逑進入了邋２１世紀，谷歌公司招募了斯坦福大學(xué)和基梅隆大學(xué)在內(nèi)的大量無人逡逑駕駛研究團隊的骨干成員，其中不乏Ｃｈｒｉｓ邋Ｕｒｍｓｏｎ、Ｓｅｂａｓｔｉａｎ邋Ｔｈｕｎ等當時就已逡逑走在技術(shù)最前沿的“巨人”，并結(jié)合三維激光雷達、毫米波雷達和相機等傳感器逡逑為無人車構(gòu)建了實時環(huán)境模型。圖１．２邋（ａ）、（ｂ）分別是豆莢和Ｗａｙｍｏ無人車，逡逑谷歌公司在其車頂配備了自主研發(fā)的三維激光雷達。截止至２０１７年底，，谷歌無逡逑人車測試行駛里程數(shù)已超３２０萬千米，也是測試環(huán)境最接近人類實際駕駛環(huán)境的逡逑無人車［１Ｇ］。但谷歌公司測試的無人車只能在已行駛過或是建圖完畢的場景中，同逡逑時其控制策略過于保守
【學(xué)位授予單位】：杭州電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：U495

【參考文獻】

相關(guān)期刊論文 前4條

1 顧超;;基于顏色直方圖和深度信息的CamShift目標跟蹤算法[J];佳木斯大學(xué)學(xué)報(自然科學(xué)版);2015年04期

2 陳煥明;郭孔輝;;基于航向角和位置偏差控制的駕駛員模型[J];農(nóng)業(yè)機械學(xué)報;2013年10期

3 徐華峰;夏創(chuàng);孫林;;日本ITS智能交通系統(tǒng)的體系和應(yīng)用[J];公路;2013年09期

4 蔡云飛;唐振民;趙春霞;楊靜宇;;基于柔性結(jié)構(gòu)的多機器人編隊系統(tǒng)架構(gòu)[J];模式識別與人工智能;2012年03期

本文編號：2626974