【摘要】：智能網(wǎng)聯(lián)汽車(Automated and Connected Vehicles,ACVs)的發(fā)展有助于交通系統(tǒng)的安全、節(jié)能以及高效,所以智能網(wǎng)聯(lián)汽車的研究在近幾年得到了廣泛的關(guān)注。環(huán)境認知(Situational Awareness,SA)是智能汽車(Automated Vehicles,AVs)對環(huán)境進行深度理解的重要部分,有助于智能車輛進行決策規(guī)劃。為滿足復(fù)雜交通環(huán)境下智能車輛決策的需求,目前智能車輛環(huán)境認知水平還有待提高,主要包括以下幾個問題:一是智能車輛對交通環(huán)境未來的變化認知不足;二是智能車輛對駕駛不確定性包括感知不確定性以及駕駛行為不確定性認知不足;三是在復(fù)雜交通環(huán)境下,智能車輛對多車間的交互與博弈認知有待提高。為提高智能車輛環(huán)境認知水平,針對目前環(huán)境認知的問題,本文圍繞環(huán)境認知科學(xué),在復(fù)雜交通環(huán)境下,對環(huán)境進行預(yù)測,分析不確定性對態(tài)勢評估的影響,以及考慮多車間的交互與博弈研究行為預(yù)測與規(guī)劃方法,并基于實車實驗和仿真實驗對結(jié)果進行分析驗證。論文首先回顧了環(huán)境認知中駕駛行為認知及軌跡預(yù)測、態(tài)勢評估、以及多車交互與博弈方面的研究現(xiàn)狀。針對當前環(huán)境認知問題,在當前相關(guān)學(xué)術(shù)研究的基礎(chǔ)上,提出本文的研究內(nèi)容,并在此基礎(chǔ)上構(gòu)建本文的總體研究方案和體系結(jié)構(gòu)。其次,為了提高智能車輛對環(huán)境的預(yù)測能力,本文提出基于物理學(xué)和行為認知的交互式多模型融合的軌跡預(yù)測方法,并基于自然駕駛數(shù)據(jù),對駕駛行為認知模型和多模型融合的軌跡預(yù)測(IMMTP)方法進行驗證分析。本文基于動態(tài)貝葉斯網(wǎng)絡(luò)理論,設(shè)計駕駛行為認知網(wǎng)絡(luò)模型;同時,為了提高駕駛行為認知能力,本文考慮駕駛行為識別時間,提出駕駛行為認知評價指標,構(gòu)建分布式遺傳算法及其優(yōu)化函數(shù),優(yōu)化駕駛行為認知網(wǎng)絡(luò)�；隈{駛行為認知模型,為了既保證短時間內(nèi)軌跡預(yù)測的準確性又考慮車輛長時間軌跡變化的趨勢,通過交互式多模型理論,融合基于運動學(xué)軌跡預(yù)測模型和基于行為認知的軌跡預(yù)測模型。以自然駕駛數(shù)據(jù)為基礎(chǔ),構(gòu)建換道場景下的數(shù)據(jù)庫,驗證并對比分析結(jié)構(gòu)優(yōu)化后的駕駛行為認知網(wǎng)絡(luò)的駕駛認知能力和多模型融合的軌跡預(yù)測(IMMTP)方法的軌跡預(yù)測能力。再次,為了考慮感知不確定性和行車軌跡預(yù)測不確定性對態(tài)勢評估的影響,研究基于行車軌跡預(yù)測,考慮未來一段時間內(nèi)的碰撞概率、碰撞時間、碰撞能量,以及預(yù)測時間范圍外的風(fēng)險,構(gòu)建綜合態(tài)勢評估模型。同時,基于高斯假設(shè),通過環(huán)境態(tài)勢評估模型,仿真分析交通環(huán)境中Unexpected Obstacles、傳感器失效或者通信丟失、以及不同感知精度下的環(huán)境態(tài)勢評估結(jié)果,并分析不確定性對態(tài)勢評估的影響。最后,為了分析復(fù)雜交通環(huán)境下多車間的交互與博弈,研究基于擴展樹博弈理論,通過設(shè)計多車間的博弈代價函數(shù),分析擴展樹的混合和戰(zhàn)略納什均衡,構(gòu)建考慮多車交互和博弈的行為預(yù)測與規(guī)劃方法。同時,基于不同的換道場景,仿真驗證并分析了多車間交互與博弈的結(jié)果。該方法考慮多車間的交互與博弈,對周圍車輛進行行為預(yù)測并同時進行自車行為規(guī)劃,提高智能車輛對環(huán)境的深度認知能力,并可以做出合作性行為決策。
【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2018
【分類號】：U495
【圖文】：

利用自適應(yīng)巡航系統(tǒng)現(xiàn)有的傳感器，估計和識別車輛切入行為，為車輛的決策提供逡逑基礎(chǔ)［５丨。Ｈｏｕ通過從Ｎｅｘｔ邋Ｇｅｎｅｒａｔｉｏｎ邋Ｓｉｍｕｌａｔｉｏｎ邋（ＮＧＳＩＭ）仿真平臺中收集強制換逡逑道駕駛數(shù)據(jù)，定義環(huán)境變量如相對速度、相對距離等，構(gòu)建數(shù)據(jù)庫［６１邋；如圖１．３所逡逑示，基于強制換道駕駛數(shù)據(jù)庫，Ｈｏｕ利用決策樹和貝葉斯網(wǎng)絡(luò)學(xué)習(xí)以及判斷換道條逡逑件，理解和估計換道行為，為換道輔助系統(tǒng)提供決策基礎(chǔ)�；诮煌ǚ抡嫫脚_逡逑ＮＩＳＹＳＴＲＳ采集的數(shù)據(jù)，Ｄｏｇａｎ對比了不同機器學(xué)習(xí)算法，如ＳＶＭ、ＲＮＮ以及前逡逑向反饋yL經(jīng)網(wǎng)絡(luò)，對于換道行為的識別性能１７］。結(jié)果表明，三種機器學(xué)習(xí)算法都能逡逑較早估計換道行為，但ＳＶＭ模型的識別性能最佳。逡逑４逡逑

１．３智能車輛軌跡預(yù)測方法研究現(xiàn)狀逡逑通過對環(huán)境預(yù)測，智能車輛可以提前針對環(huán)境的變化作出反應(yīng)。其中，行車軌逡逑跡預(yù)測是環(huán)境認知的重要部分。如下圖１．１所示，行羊軌跡預(yù)測的方法主要包括短逡逑時域內(nèi)的基于物理學(xué)模型的軌跡預(yù)測方法、長時域內(nèi)的基于行為認知的軌跡預(yù)測逡逑方法以及基于大數(shù)據(jù)驅(qū)動的軌跡預(yù)測方法。逡逑行車軌跡預(yù)測方法逡逑邐ｕ邐邋邐邋＞ｒ邐ｊｒ逡逑物理｜基于大數(shù)運驅(qū)＾１邐ｉ于行５認知Ｓ逡逑的軌跡預(yù)測方法邐的軌跡預(yù)測方法邐軌跡預(yù)測方法逡逑；１邐■邋Ｉ邋￣￣邋／邐１邐．逡逑￣￣ｒ邋￣￣１邐■邋Ｉ邋ｖ邐ｒ邋￣１逡逑＇邐ａｒ＼ｍａ＾邋ｎｍ￣逡逑學(xué)模學(xué)模性處理的軌跡邋學(xué)習(xí)邐類學(xué)＞」定義ｉ性處理逡逑型邋型｜方法卜ａ測邋網(wǎng)絡(luò)丨…法１方法，１逡逑圖１．４行車軌跡預(yù)測方法逡逑Ｆｉｇ邋１．４邋Ｔｈｅ邋ａｐｐｒｏａｃｈｅｓ邋ｏｆ邋ｖｅｈｉｃｌｅ邋ｔｒａｊｅｃｔｏｒｙ邋ｐｒｅｄｉｃｔｉｏｎ．逡逑１．邋３．邋１基于物理學(xué)模型的軌跡預(yù)測方法逡逑基于物理學(xué)模型的軌跡預(yù)測方法是根據(jù)車輛扣關(guān)的物理定律比如車輛運動學(xué)逡逑和動力學(xué)定律，預(yù)測未來一段時間車輛狀態(tài)的變化。逡逑僗于物理學(xué)模型的軌跡預(yù)測方法足以移動障礙物的動力學(xué)和運動學(xué)為僗礎(chǔ)逡逑｜４ＱＩ，根據(jù)控制輸入（如方向盤轉(zhuǎn)角、加速度等），車輛本身的特性（如車重等）以逡逑及外界條件（如進路的附若系數(shù)等）來進行小輛狀態(tài)（比如位置、航叻角以及速度逡逑等）的預(yù)測�；谖锢韺W(xué)模型的軌跡預(yù)測應(yīng)用比較廣

強了預(yù)測結(jié)果。Ｈｕａｎｇ基于差分定位導(dǎo)航系統(tǒng)（Ｄｉｆｆｅｒｅｎｔｉａｌ邋Ｇｌｏｂａｌ邋Ｐｏｓｉｔｉｏｎｉｎｇ邋Ｓｙｓｔｅｍ，逡逑ＤＧＰＳ），研宄了基于不同運動學(xué)軌跡預(yù)測模型，并指出基于運動學(xué)的軌跡預(yù)測主要逡逑誤差來源是沒有考慮駕駛意圖和行為的變化［４６］。如圖１．５所示是基于不同運動逡逑學(xué)模型進行行車軌跡預(yù)測的對比分析結(jié)果。Ｓｏｒｓｔｅｄｔ通過考慮駕駛員的控制輸入，逡逑對未來一段時間的行車軌跡進行預(yù)測［４７］。Ｐｏｌｙｃｈｒｏｎｏｐｏｕｌｏｓ構(gòu)建了邋Ａｄａｐｔｉｖｅ逡逑Ｄｙｎａｍｉｃ邋（ＡＤ）邋Ｍｏｄｅｌ模型，通過設(shè)置不同模型間的轉(zhuǎn)換條件，綜合應(yīng)用ＣＡ、ＣＴＲ逡逑以及ＣＴＲＡ，對行車軌跡進行預(yù)測分析［４８］。逡逑１０逡逑

【相似文獻】

相關(guān)期刊論文 前10條

1 關(guān)蕾;;智能車輛交通體系發(fā)展研究[J];企業(yè)科技與發(fā)展;2017年11期

2 黎鵬;;智能車輛發(fā)展趨向分析[J];科技經(jīng)濟導(dǎo)刊;2018年29期

3 孫懷江,余陳綱,楊靜宇;ALVINN及其擴展[J];南京理工大學(xué)學(xué)報(自然科學(xué)版);2002年02期

4 于允平;智能車輛和高速公路方興未艾[J];世界產(chǎn)品與技術(shù);1996年02期

5 李健;;智能車輛緝查布控系統(tǒng)的設(shè)計與實現(xiàn)探討[J];科技經(jīng)濟導(dǎo)刊;2018年33期

6 劉騰;于會龍;田濱;艾云峰;陳龍;;智能車的智能指揮與控制:基本方法與系統(tǒng)結(jié)構(gòu)[J];指揮與控制學(xué)報;2018年01期

7 韓俊淑 ,韓佳文 ,高翔 ,趙玉凡 ,常明;智能車輛的研究及發(fā)展[J];世界汽車;2003年09期

8 張學(xué)顯;劉偉;余彪;許鐵娟;周鵬飛;;數(shù)據(jù)驅(qū)動的智能車輛目標檢測能力測試評價方法[J];計算機系統(tǒng)應(yīng)用;2017年11期

9 王宏,何克忠,張鈸;智能車輛的自主駕駛與輔助導(dǎo)航[J];機器人;1997年02期

10 ;2018中國智能車大會暨國家智能車發(fā)展論壇在江蘇常熟隆重開幕[J];模式識別與人工智能;2018年12期

相關(guān)會議論文 前10條

1 趙陽;劉奇龍;孫玲玉;;智能車設(shè)計與實踐總結(jié)[A];荊楚學(xué)術(shù)2018年6月（總第二十期）[C];2018年

2 徐聽;;智能車輛感知與優(yōu)化控制的機器學(xué)習(xí)方法[A];2015年中國自動化大會摘要集[C];2015年

3 寧博;余春暄;;智能車輛定位導(dǎo)航系統(tǒng)軟件設(shè)計中數(shù)據(jù)實時采集的解決方案[A];2003年中國智能自動化會議論文集（下冊）[C];2003年

4 王肖;徐友春;高翔;章永進;李偉;;基于改進ESP的智能車輛機械轉(zhuǎn)向裝置改造方案設(shè)計[A];2010中國汽車工程學(xué)會年會論文集[C];2010年

5 胡宏宇;高振海;;基于轉(zhuǎn)向盤轉(zhuǎn)角速度時序分析的駕駛疲勞檢測方法[A];2015中國汽車工程學(xué)會年會論文集（Volume2）[C];2015年

6 張家同;王志強;曹緒龍;;國內(nèi)外“車聯(lián)網(wǎng)”的發(fā)展[A];衛(wèi)星導(dǎo)航產(chǎn)業(yè)機遇與挑戰(zhàn)2010[C];2010年

7 杜明芳;方建軍;張世德;李多揚;張哲瑋;李棟;;基于機器視覺的車輛自主導(dǎo)航技術(shù)的探討[A];2014第九屆中國智能交通年會大會論文集[C];2014年

8 張晶晶;吳蕊珠;張偉康;馬慧姝;;基于深度學(xué)習(xí)的智能駕駛目標追蹤算法綜述[A];中國計算機用戶協(xié)會網(wǎng)絡(luò)應(yīng)用分會2017年第二十一屆網(wǎng)絡(luò)新技術(shù)與應(yīng)用年會論文集[C];2017年

9 王榮本;張明恒;毛曉燕;;雙目視覺技術(shù)在環(huán)境探測中的應(yīng)用[A];中國宇航學(xué)會深空探測技術(shù)專業(yè)委員會第二屆學(xué)術(shù)會議論文集[C];2005年

10 吳波;劉浪;林鷹;;ITS系統(tǒng)及其實現(xiàn)的關(guān)鍵技術(shù)[A];第九次全國城市道路與交通工程學(xué)術(shù)會議論文集[C];2007年

相關(guān)重要報紙文章 前6條

1 記者 張雷 姚星宇;總投資30億年產(chǎn)15萬輛新能源智能車輛制造項目落戶瑞昌[N];九江日報;2015年

2 長沙晚報記者 陳登輝 陳煥明;持牌上路，自動駕駛開進現(xiàn)實[N];長沙晚報;2018年

3 部公路院 長安大學(xué) 重慶車檢院;為自動駕駛技術(shù)“鋪路搭橋”[N];中國交通報;2018年

4 趙三明;加法與乘法[N];中國工業(yè)報;2015年

5 本報實習(xí)記者 鄭宗杰;車輛智能安保：汽車廠家各顯其能[N];中國交通報;2003年

6 記者 陸鳴;我國智能汽車迎來快速發(fā)展“風(fēng)口”[N];科技日報;2015年

相關(guān)博士學(xué)位論文 前10條

1 謝國濤;不確定性條件下智能車輛動態(tài)環(huán)境認知方法研究[D];合肥工業(yè)大學(xué);2018年

2 左磊;智能駕駛車輛自主決策與規(guī)劃的增強學(xué)習(xí)方法研究[D];國防科學(xué)技術(shù)大學(xué);2016年

3 柴琳果;智能車路協(xié)同交叉口間隙耦合運行控制方法[D];北京交通大學(xué);2018年

4 劉華軍;面向智能車輛的道路環(huán)境理解技術(shù)研究[D];南京理工大學(xué);2007年

5 王鋒輝;面向區(qū)域智能運輸?shù)亩嘀悄苘囕v協(xié)作研究[D];上海交通大學(xué);2009年

6 石金進;基于視覺的智能車輛道路識別與障礙物檢測方法研究[D];哈爾濱工業(yè)大學(xué);2017年

7 王科;城市交通中智能車輛環(huán)境感知方法研究[D];湖南大學(xué);2013年

8 郭景華;視覺導(dǎo)航式智能車輛橫向與縱向控制研究[D];大連理工大學(xué);2012年

9 張國權(quán);基于視覺導(dǎo)航的智能車輛目標檢測關(guān)鍵技術(shù)研究[D];蘭州理工大學(xué);2012年

10 肖俊;基于衛(wèi)星導(dǎo)航與視覺導(dǎo)航集成的智能車輛關(guān)鍵技術(shù)研究[D];武漢大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 胡月志;面向智能車的高精度視覺定位技術(shù)研究[D];武漢理工大學(xué);2017年

2 吳江;基于DGA算法的智能物流車輛集配平臺的研究與實現(xiàn)[D];江蘇大學(xué);2018年

3 王藝;基于模型預(yù)測控制的智能車輛橫向運動控制研究[D];江蘇大學(xué);2018年

4 王凱正;基于車車信息交互的智能車輛軌跡規(guī)劃與運動控制[D];南京航空航天大學(xué);2018年

5 錢卓;基于單片機的智能車速度控制系統(tǒng)研究[D];大連交通大學(xué);2016年

6 丁鵬;自尋跡智能車PID控制研究[D];南華大學(xué);2018年

7 朱e

本文編號：2750218