發(fā)布時間：2021-06-14 10:06

　　隨著道路交通問題的日益加劇,人類對于自動駕駛技術給予越來越多的關注。近年來,自適應巡航系統(tǒng)作為智能輔助駕駛系統(tǒng)的關鍵技術,已經(jīng)日益成熟并且逐步走進普通大眾的生活中。然而傳統(tǒng)的自適應巡航系統(tǒng)只對車輛的縱向加速度進行控制,面對前車長時間行駛車速緩慢且換道條件良好的工況,無法進行自主換道,很大程度上降低了駕駛員對自適應巡航系統(tǒng)的使用率與滿意度。同時,面對前車發(fā)生換道的工況,傳統(tǒng)自適應巡航系統(tǒng)無法很好的對本車道內(nèi)的主目標與換道前車進行綜合考慮,往往在此工況下,傳統(tǒng)自適應巡航會出現(xiàn)縱向加速度波動較大的情況,很大程度上降低了乘坐的舒適性甚至可能出現(xiàn)危險。因此,針對前車的換道意圖辨識以及本車的自主換道控制研究具有重要的意義。本文進行基于前車換道意圖辨識的智能巡航控制算法研究,主要內(nèi)容包括了基于前車換道意圖辨識的主目標篩選、自主換道決策與換道軌跡規(guī)劃、智能巡航車輛橫縱向運動控制,并基于Matlab/Simulink、CarSim和Prescan軟件搭建的聯(lián)合仿真平臺對提出的控制算法進行了聯(lián)合仿真驗證,論文的具體研究內(nèi)容如下:（1）本文首先根據(jù)毫米波雷達檢測到的目標特征點數(shù)據(jù)與攝像頭傳感器檢測到的車道線... 

【文章來源】：吉林大學吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：122 頁

【學位級別】：碩士

【部分圖文】：

我國2009~2018年的民用汽車擁有量為了有效的提高道路交通安全，自動駕駛技術近些年來成為研究熱點問題

吉林大學碩士學位論文2圖1.2我國2009~2018年交通事故相關數(shù)據(jù)統(tǒng)計據(jù)，然后控制車輛的行駛狀況以完成許多高度智能的任務。自動駕駛技術的出現(xiàn)能夠在不同程度上對駕駛員的駕駛負擔進行減輕，并在一些自然環(huán)境受限（大雪大霧天氣或夜晚光線較暗等）的情況下，提供有效的環(huán)境信息，很大程度上提高道路交通安全。美國機動車工程師協(xié)會（SAE）將汽車自動化等級定義如下：無自動化、駕駛支援、部分自動化、有條件自動化、高度自動化以及完全自動化。經(jīng)過近些年的發(fā)展，目前量產(chǎn)車上的智能化程度一般多數(shù)處于駕駛支援和部分自動化階段，目前尚且沒有條件自動化級別的量產(chǎn)車出現(xiàn)。值得注意的是，目前傳統(tǒng)車企與新興互聯(lián)網(wǎng)企業(yè)面對自動駕駛車輛技術的研究，選擇了兩個截然不同的研究道路：傳統(tǒng)車企的研究相對保守，一般從智能輔助駕駛系統(tǒng)開始展開研究，待該部分技術成熟后，逐漸過渡到部分自動化技術，最后實現(xiàn)最高級別的完全自動化。而新興的互聯(lián)網(wǎng)企業(yè)則是直接從有條件自動化開始展開研究，而不再經(jīng)歷L1~L3階段的研究，并且越來越多的企業(yè)如Google、百度等，將機器學習和深度學習的技術應用到自動駕駛車輛上。目前階段，國內(nèi)外對于駕駛支援級別的自動駕駛技術（如：自適應巡航系統(tǒng)(ACC）、車道保持系統(tǒng)(LKA)等）的研究已經(jīng)趨于成熟，而部分自動化以及更高級別的自動駕駛技術仍然處于研究階段。智能巡航系統(tǒng)能夠根據(jù)感知模塊檢測到的周圍環(huán)境信息，對車輛進行橫縱向控制，實現(xiàn)車輛在高速公路等結(jié)構(gòu)化道路上完成車道保持、跟車以及自主換道等功能，減輕了駕駛員的駕駛負擔，在長時間駕駛情況下，可以有效的緩解駕駛員的駕駛疲勞；面對一些例如天氣惡劣、光線昏暗等客觀條件的限制，智能巡航系統(tǒng)由于其感知模塊對于環(huán)境的低敏感性，能夠有效的提高行車安全

吉林大學碩士學位論文24軌跡數(shù)據(jù)進行篩選，保證換道起點與換道終點之間的橫向位置偏差大于2.75m；篩選得到的換道車輛的軌跡如圖2.5所示，共103條換道車輛的軌跡。圖2.5篩選得到的換道車輛軌跡圖由于本文需要利用NGSIM數(shù)據(jù)集訓練得到前車的換道概率辨識模型，而本車只能夠通過車輛傳感器得到前車的相對位置及相對速度信息，所以接下來需要根據(jù)上述得到的單個ID的車輛換道軌跡數(shù)據(jù)，查找換道車輛的目標車道上的后車信息，根據(jù)換道車輛與目標車道后車之間的軌跡信息，計算得到兩車之間的相對位置與相對速度信息；在NGSIM數(shù)據(jù)集中，只能夠得到換道車輛與目標車道后車的橫、縱向位置信息、縱向速度以及縱向加速度信息。由于NGSIM數(shù)據(jù)集中的縱向速度以及縱向加速度信息分別使用縱向位置與縱向速度的差分得到，所以存在很大的波動，并且縱向加速度信息被直接限制為最大值10feet/s2，不宜直接使用。本文根據(jù)換道車輛與目標車道后車之間的相對橫縱向距離，利用卡爾曼濾波器計算得到兩車之間的橫縱向相對速度以及相對加速度信息�？柭鼮V波器計算得到的縱向速度與縱向加速度以及原NGSIM數(shù)據(jù)集中縱向速度與縱向加速度結(jié)果（車輛ID=12）對比如圖2.6所示：

【參考文獻】：
期刊論文
[1]基于μ綜合方法的智能車輛人機共駕的魯棒橫向控制[J]. 謝有浩,魏振亞,趙林峰,王家恩,陳無畏.  機械工程學報. 2020(04)
[2]基于五次多項式模型的自主車輛換道軌跡規(guī)劃[J]. 閆堯,李春書,唐風敏.  機械設計. 2019(08)
[3]純電動車自適應巡航縱向控制方法研究[J]. 初亮,李天驕,孫成偉.  汽車工程. 2018(03)
[4]基于ACC系統(tǒng)的目標車輛換道與出入彎道狀態(tài)辨識算法[J]. 王暢,山巖,趙佳,郭應時,朱永振.  汽車工程. 2017(08)
[5]我國道路交通事故人因分析[J]. 張茜,楊佩釗,嚴慈磊,范起飛.  汽車實用技術. 2016(06)
[6]變曲率彎路車輛換道虛擬軌跡模型[J]. 任殿波,張京明,王聰.  物理學報. 2014(07)
[7]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)
[8]并線工況下車載雷達有效目標快速檢測方法[J]. 張威,陳慧巖,劉海鷗,宋衛(wèi)群.  北京理工大學學報. 2011(01)
[9]MPC實用化問題處理及在車輛ACC中的應用[J]. 李升波,王建強,李克強,張磊.  清華大學學報(自然科學版). 2010(05)
[10]高速公路汽車輔助駕駛安全換道模型[J]. 金立生,Bartvan Arem,楊雙賓,Mascha van der Voort,Martijn Tideman.  吉林大學學報(工學版). 2009(03)

博士論文
[1]車輛自適應巡航跟隨控制技術研究[D]. 馬國成.北京理工大學 2014
[2]基于視覺和雷達的智能車輛自主換道決策機制與控制研究[D]. 朱愿.中國人民解放軍軍事醫(yī)學科學院 2014
[3]智能車輛自動換道與自動超車控制方法的研究[D]. 游峰.吉林大學 2005

碩士論文
[1]基于駕駛習性的智能汽車個性化換道輔助系統(tǒng)研究[D]. 閆淑德.吉林大學 2019
[2]自適應巡航控制系統(tǒng)的多目標車輛識別與跟蹤[D]. 趙凱.重慶大學 2017
[3]基于軌跡分析的自適應巡航系統(tǒng)目標識別方法研究[D]. 耿石峰.吉林大學 2015
[4]高速公路車輛行駛安全輔助換道預警系統(tǒng)研究[D]. 楊雙賓.吉林大學 2008



本文編號：3229604