汽車(chē)智能化作為新一輪科技革命和汽車(chē)行業(yè)變革的發(fā)展趨勢(shì),其出現(xiàn)為解決汽車(chē)所帶來(lái)的交通問(wèn)題提供了一種新的手段。車(chē)輛碰撞是目前交通問(wèn)題中最為嚴(yán)重的一種,汽車(chē)智能化技術(shù)之一的輔助避障技術(shù)通過(guò)輔助駕駛員改變車(chē)輛狀態(tài)從而避開(kāi)碰撞或緩解其所帶來(lái)的危害。其中AEB系統(tǒng)已經(jīng)得到各方面的認(rèn)可,在縱向避撞中起到了顯著效果。但是在避障距離短、車(chē)速高、低重疊率的緊急條件下,橫向避障能夠避免更多事故,因此從提升駕駛安全的角度出發(fā),橫向輔助避障控制策略的研究較為重要。本文圍繞智能汽車(chē)橫向輔助避障控制策略展開(kāi)研究,對(duì)碰撞危險(xiǎn)評(píng)估及避障軌跡規(guī)劃、駕駛員轉(zhuǎn)向力矩建模以及橫向輔助避障控制策略三方面進(jìn)行分析,并搭建橫向輔助避障控制算法硬件在環(huán)測(cè)試平臺(tái),基于特定場(chǎng)景進(jìn)行駕駛員在環(huán)測(cè)試對(duì)算法進(jìn)行測(cè)試驗(yàn)證。其主要內(nèi)容如下:（1）碰撞危險(xiǎn)評(píng)估和避障軌跡規(guī)劃�；谖ｋU(xiǎn)場(chǎng)景下的主車(chē)和交通車(chē)的運(yùn)動(dòng)特點(diǎn),本文將基于運(yùn)動(dòng)學(xué)模型的軌跡預(yù)測(cè)方法和基于駕駛員意圖的軌跡預(yù)測(cè)方法相結(jié)合設(shè)計(jì)最終的預(yù)測(cè)軌跡。在上述預(yù)測(cè)軌跡的基礎(chǔ)上,從可能引發(fā)碰撞的角度考慮,針對(duì)主車(chē)本車(chē)道和鄰車(chē)道進(jìn)行評(píng)估,以TTC和車(chē)輛縱橫間距為依據(jù)判斷主車(chē)當(dāng)前狀態(tài)下的危險(xiǎn)程度。當(dāng)車(chē)輛存在... 

【文章來(lái)源】：吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：127 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

SAE標(biāo)準(zhǔn)J3016對(duì)于無(wú)人駕駛的分類(lèi)

吉林大學(xué)碩士學(xué)位論文2根據(jù)2015年美國(guó)道路交通安全管理局統(tǒng)計(jì)，在2014一年中警方報(bào)告了180萬(wàn)起追尾事故，占據(jù)警方報(bào)告所有的交通事故中的32%[4]，上述數(shù)據(jù)表明在交通事故中追尾作為一大事故類(lèi)型不可忽略。智能汽車(chē)為了輔助駕駛員應(yīng)對(duì)追尾事故，其被應(yīng)用最多就是輔助避障系統(tǒng)，輔助避障系統(tǒng)通過(guò)周?chē)h(huán)境判斷車(chē)輛是否處于危險(xiǎn)環(huán)境，當(dāng)判斷車(chē)輛處于危險(xiǎn)狀態(tài)時(shí)主動(dòng)或輔助駕駛員進(jìn)行制動(dòng)或換道以避免碰撞，所以輔助避障系統(tǒng)對(duì)于駕駛員在駕駛過(guò)程中意義重大。輔助避障根據(jù)避障形式可以分為車(chē)輛縱向避障輔助和橫向避障輔助，如圖1.2所示。（a）橫向避障（b）縱向避障圖1.2輔助避障形式示意圖智能汽車(chē)的縱向避障指通過(guò)汽車(chē)制動(dòng)的方式減小汽車(chē)的縱向運(yùn)動(dòng)速度從而避開(kāi)與前方障礙物的碰撞，其中比較具有代表性的為自動(dòng)緊急制動(dòng)系統(tǒng)（AutomaticEmergencyBraking，AEB）。AEB的原理是通過(guò)車(chē)輛自身傳感器獲取車(chē)輛前方一定范圍內(nèi)交通參與者信息，并據(jù)此判斷主車(chē)是否存在碰撞危險(xiǎn)，當(dāng)危險(xiǎn)程度大于一定閾值時(shí)，控制器會(huì)控制車(chē)輛的制動(dòng)執(zhí)行器采取主動(dòng)制動(dòng)，降低車(chē)輛的縱向速度，避免主車(chē)與前方車(chē)輛發(fā)生碰撞。隨著汽車(chē)技術(shù)的逐漸發(fā)展，AEB的作用已經(jīng)得到認(rèn)可，各國(guó)相關(guān)的監(jiān)管機(jī)構(gòu)針對(duì)AEB出臺(tái)了相關(guān)的測(cè)試標(biāo)準(zhǔn)。歐洲EuroNCAP于2013年引入對(duì)于新車(chē)AEB的評(píng)定，并在2018年對(duì)評(píng)價(jià)體進(jìn)行了進(jìn)一步更新，引入對(duì)于弱勢(shì)道路使用者VRU的保護(hù)測(cè)試以及前車(chē)相對(duì)主車(chē)左右偏置工況[5]。2018年中國(guó)C-NCAP也將AEB的測(cè)試加入對(duì)于新車(chē)的測(cè)評(píng)標(biāo)準(zhǔn)中[6]。同樣各個(gè)主機(jī)廠(chǎng)也開(kāi)始對(duì)于AEB的系統(tǒng)進(jìn)行研發(fā)，如Volo的CitySafety，Honda的CollisionMitigationBrakeSystem等。AEB的對(duì)車(chē)輛的安全性起到了一定作用，數(shù)據(jù)顯示裝配CitySafety的XC60與同級(jí)別的其他未裝配此系統(tǒng)的追尾事故減少41%[4]?

吉林大學(xué)碩士學(xué)位論文6算只要考慮兩車(chē)間的距離和車(chē)寬車(chē)長(zhǎng)之間的關(guān)系，文獻(xiàn)[13]中提出了一種基于主車(chē)和障礙車(chē)寬度之間安全距離計(jì)算方法：22sin2222etsswwdLLxxLL+=++.....................(1.2)上述公式中計(jì)算出安全碰撞距離，通過(guò)加入一定的安全范圍可以對(duì)危險(xiǎn)等級(jí)進(jìn)行一定的評(píng)估，從而得到不同的危險(xiǎn)評(píng)估結(jié)果。上述軌跡預(yù)測(cè)的方法對(duì)于簡(jiǎn)單工況比較適用，但是對(duì)于相對(duì)復(fù)雜的工況中，障礙物數(shù)量多，道路結(jié)構(gòu)復(fù)雜，駕駛員的軌跡不一定是一條確認(rèn)的軌跡，其可以通過(guò)車(chē)輛的前期的運(yùn)動(dòng)狀態(tài)從而生成一系列軌跡[24–26]，或者針對(duì)生成的軌跡不同狀態(tài)具備概率分布[27–29]，或者某個(gè)由同倫軌跡組成的區(qū)域[30]。上述方法對(duì)于軌跡判斷更加準(zhǔn)確，危險(xiǎn)評(píng)估準(zhǔn)確性也高，但是其算法結(jié)構(gòu)復(fù)雜，計(jì)算量大，不適用于結(jié)構(gòu)化道路中的簡(jiǎn)單工況。除了上述方法，還有基于交互式分析的危險(xiǎn)評(píng)估方法[31–33]，其主要應(yīng)用于交叉路口中，其分析車(chē)輛之間的交互性對(duì)于其中交通車(chē)輛的軌跡變化的影響。1.2.1.2軌跡規(guī)劃研究現(xiàn)狀軌跡規(guī)劃是路徑規(guī)劃的一部分，路徑規(guī)劃是指在一片具有障礙物的區(qū)域內(nèi)，按照一定的標(biāo)準(zhǔn)，尋找一條可行的軌跡保證車(chē)輛可以從起點(diǎn)避開(kāi)障礙物到達(dá)目標(biāo)點(diǎn)。路徑規(guī)劃可以分為全局路徑軌跡和局部路徑規(guī)劃。全局路徑規(guī)劃是根據(jù)已知的周?chē)h(huán)境（周?chē)缆翻h(huán)境、障礙物位置等）確定一條可行的最優(yōu)路徑，其中具有代表性的方法有幾何法[34]、人工勢(shì)場(chǎng)法[35–37]、基于搜索的方法[38–40]等，計(jì)算量相對(duì)較大，實(shí)時(shí)性較差，并且全局路徑規(guī)劃主要是針對(duì)宏觀(guān)的軌跡規(guī)劃，本文所需要的是實(shí)時(shí)性較好的局部的路徑規(guī)劃，即軌跡規(guī)劃，下面就針對(duì)局部的軌跡規(guī)劃的研究現(xiàn)狀做介紹。圖1.6基于不同方法的全局路徑規(guī)劃方式示意圖

【參考文獻(xiàn)】：
期刊論文
[1]智能汽車(chē)人機(jī)協(xié)同控制的研究現(xiàn)狀與展望[J]. 胡云峰,曲婷,劉俊,施竹清,朱冰,曹東璞,陳虹.  自動(dòng)化學(xué)報(bào). 2019(07)
[2]駕駛員轉(zhuǎn)向特性分類(lèi)與在線(xiàn)辨識(shí)研究[J]. 李剛,李高超,韓海蘭.  機(jī)械設(shè)計(jì)與制造. 2018(05)
[3]智能汽車(chē)自動(dòng)緊急控制策略[J]. 李霖,朱西產(chǎn).  同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(11)
[4]最優(yōu)預(yù)瞄加速度駕駛員模型參數(shù)試驗(yàn)辨識(shí)方法研究[J]. 白艷,賈鑫.  汽車(chē)工程. 2015(07)
[5]考慮全局最優(yōu)性的汽車(chē)微觀(guān)動(dòng)態(tài)軌跡規(guī)劃[J]. 孫浩,鄧偉文,張素民,吳夢(mèng)勛.  吉林大學(xué)學(xué)報(bào)(工學(xué)版). 2014(04)
[6]基于緊急變道策略的汽車(chē)主動(dòng)避障安全車(chē)距模型[J]. 邊明遠(yuǎn).  重慶理工大學(xué)學(xué)報(bào)(自然科學(xué)). 2012(04)
[7]智能車(chē)輛彎路換道軌跡規(guī)劃與橫擺率跟蹤控制[J]. 任殿波,張繼業(yè),張京明,崔勝民.  中國(guó)科學(xué):技術(shù)科學(xué). 2011(03)
[8]Trajectory planning and yaw rate tracking control for lane changing of intelligent vehicle on curved road[J]. REN DianBo1, ZHANG JiYe2, ZHANG JingMing1 & CUI ShengMin1 1 School of Automotive Engineering, Harbin Institute of Technology at Weihai, Weihai 264209, China; 2 State Key Laboratory of Traction Power, Southwest Jiaotong University, Chengdu 610031, China.  Science China（Technological Sciences）. 2011(03)
[9]智能車(chē)輛自由換道模型研究[J]. 李瑋,高德芝,段建民.  公路交通科技. 2010(02)
[10]基于單點(diǎn)預(yù)瞄最優(yōu)曲率模型的單軌車(chē)輛駕駛員模型[J]. 丁能根,冉曉鳳,張宏兵.  機(jī)械工程學(xué)報(bào). 2008(11)

博士論文
[1]基于隨機(jī)模型預(yù)測(cè)控制的駕駛員行為建模[D]. 曲婷.吉林大學(xué) 2015
[2]汽車(chē)縱向主動(dòng)避撞系統(tǒng)的研究[D]. 侯德藻.清華大學(xué) 2004
[3]自主駕駛汽車(chē)智能控制系統(tǒng)[D]. 孫振平.國(guó)防科學(xué)技術(shù)大學(xué) 2004

碩士論文
[1]智能汽車(chē)縱橫向主動(dòng)避撞控制策略研究[D]. 葉一凡.吉林大學(xué) 2019
[2]智能車(chē)輛自主換道方法的研究[D]. 王政.吉林大學(xué) 2016
[3]智能汽車(chē)避障危險(xiǎn)評(píng)估和軌跡規(guī)劃研究[D]. 江慶坤.吉林大學(xué) 2016
[4]智能汽車(chē)的軌跡跟隨控制研究[D]. 明廷友.吉林大學(xué) 2016
[5]智能車(chē)輛越野環(huán)境路徑規(guī)劃[D]. 蔣鍵.北京理工大學(xué) 2016
[6]高速公路基本路段車(chē)輛換道安全距離模型的研究[D]. 王文霞.吉林大學(xué) 2007



本文編號(hào)：3140635