車道保持和換道是車輛駕駛中的兩種常見駕駛行為。研究車道保持行為的根本目的是為了控制車輛的行駛方向,使車輛自動行駛在當前車道上,進而減輕駕駛員的操縱負擔,提高駕駛安全性與舒適性。而研究換道行為的目的在于使車輛在具體駕駛場景中（特別是當車流量較大且出現(xiàn)頻繁換道時）能夠合理有序的做出換道決策和換道執(zhí)行,從而舒緩交通流運行狀態(tài),提高道路通行能力,并在一定程度上緩解交通擁堵。智能車與傳統(tǒng)汽車的不同之處在于其具有環(huán)境感知、規(guī)劃與決策以及運動控制的功能,能夠以一種智能的方式執(zhí)行預期的駕駛行為。智能車的車道保持和換道行為的建模分析與研究,在自適應巡航控制、智能輔助駕駛和自動駕駛等領(lǐng)域有著廣泛的應用價值。傳統(tǒng)的車道保持模型和換道模型大多基于規(guī)則而設(shè)計,這存在兩個問題。一方面駕駛場景往往比較復雜,傳統(tǒng)模型很難將各種情形完全考慮在內(nèi)。另一方面,傳統(tǒng)的車道保持模型和換道模型并沒有考慮到駕駛員的行為習慣,導致模型難以有效反映駕駛員的感知、決策和執(zhí)行等一系列心理和生理活動的不一致性和不確定性。基于學習的車道保持和換道模型由于是數(shù)據(jù)驅(qū)動的,模型可以自我探索到潛藏在數(shù)據(jù)中的特征規(guī)律,進而利用提取的特征規(guī)律驅(qū)動車輛執(zhí)行... 

【文章來源】：北京工業(yè)大學北京市 211工程院校

【文章頁數(shù)】：75 頁

【學位級別】：碩士

【部分圖文】：

論文章節(jié)結(jié)構(gòu)

車輛在道路上行駛時，根據(jù)周邊環(huán)境的不同，其駕駛行為可被劃分為車輛跟馳（車道保持）、車輛換道和自由行駛等。其中，車輛跟馳指的是在道路上存在多輛車的情況下，當前車輛緊跟著前方車輛行駛，同時保證當前車輛與前方車輛的距離維持在一個合理的范圍。車道保持更加關(guān)注車輛與車道邊界之間的位置關(guān)系，描述了車輛在道路上行駛過程中偏離車道時能夠回到正常車道。車輛的換道行為是指車輛在行駛過程中，由當前車道駛向目標車道的過程，其包括換道決策和換道執(zhí)行兩個階段。車輛在做出換道決策并執(zhí)行換道行為時，不僅要考慮自身車輛與周邊車輛的位置、速度等變化因素，而且需要綜合考慮道路的交通狀況。具體的，車輛從產(chǎn)生換道意圖到執(zhí)行換道，需要滿足兩點要求。其一，換道車輛的車速要大于當前車道前方車輛的車速，目標車道前方有足夠空間以供換道，同時滿足換道車輛與目標車道后方車輛間的距離大于最小安全跟車距離。其二，目標車道前方車輛的車速要大于換道車輛和當前車道前方車輛的車速，且滿足目標車道前方車輛與目標車道后方車輛間的距離大于最小安全跟車距離。圖 2-1 描繪了車輛行駛一段路程后，根據(jù)周邊路況的不同，當前時刻做出的不同決策以及接下來的一串時間序列下的換道執(zhí)行過程。

SVM 既可以解決分類問題，也可以解決回歸問題。對于分類問題，SVM 本質(zhì)上是尋找一些決策邊界或分割超平面以使支持向量與決策邊界或分割超平面的距離盡可能遠。原始的 SVM 只能解決二分類問題，通過拉格朗日對偶變換將原始問題轉(zhuǎn)化為對偶問題并引入松弛因子與核技巧可以解決線性不可分問題。SVM 對偶問題的優(yōu)化目標為 1 , 11max ,2n ni i j i j i ji i jy y k x x (2-1)s. . 0 , 1,...,it C i n10ni ii y (2-2)其中i 為拉格朗日乘子項。C 為一個常數(shù)，表示模型的懲罰因子，用于控制模型的復雜程度。當 C 為無窮大時，式(2-1)迫使所有樣本均滿足約束(2-2)；當 C 取有限值時，式(2-1)允許一些樣本不滿足約束。 , i jk x x 為選用的核函數(shù)。常用的核函數(shù)如圖 2-2 所示。

【參考文獻】：
期刊論文
[1]基于改進駕駛員模型的車道保持控制模型[J]. 王沛然,常連玉.  中國安全科學學報. 2018(07)
[2]基于人工勢場的車道保持系統(tǒng)研究[J]. 劉法勇.  農(nóng)業(yè)裝備與車輛工程. 2018(01)
[3]車輛換道行為建模的回顧與展望[J]. 陸建,李英帥.  交通運輸系統(tǒng)工程與信息. 2017(04)
[4]模仿學習在機器人仿生機制研究中的應用[J]. 于建均,門玉森,阮曉鋼,徐驄馳.  北京工業(yè)大學學報. 2016(02)
[5]基于貝葉斯網(wǎng)絡(luò)的車輛換道模型[J]. 邱小平,劉亞龍,馬麗娜,楊達.  交通運輸系統(tǒng)工程與信息. 2015(05)
[6]基于Kalman濾波器的車道保持輔助系統(tǒng)研究[J]. 孫濤,張志偉.  計算機應用與軟件. 2014(01)
[7]基于EKF學習方法的BP神經(jīng)網(wǎng)絡(luò)汽車換道意圖識別模型研究[J]. 李亞秋,吳超仲,馬曉鳳,黃珍,張暉.  武漢理工大學學報(交通科學與工程版). 2013(04)
[8]基于BP神經(jīng)網(wǎng)絡(luò)的車道保持控制系統(tǒng)[J]. 金立生,方文平,候海晶,孫玉芹.  吉林大學學報(工學版). 2010(03)
[9]基于模糊控制的微觀車輛換道模型的研究及仿真[J]. 林旸,蔣珉,柴干.  計算機技術(shù)與發(fā)展. 2009(11)
[10]基于Agent與模糊邏輯的車輛換道仿真模型[J]. 譚滿春.  系統(tǒng)工程學報. 2007(01)

博士論文
[1]高速公路車輛自主性換道行為建模研究[D]. 聶建強.東南大學 2017
[2]高速公路駕駛?cè)藫Q道意圖識別方法研究[D]. 侯海晶.吉林大學 2013

碩士論文
[1]基于深度學習的換道行為建模與分析[D]. 房哲哲.北京交通大學 2018
[2]汽車車道保持系統(tǒng)控制算法研究[D]. 佘爍.吉林大學 2018
[3]車道保持/偏離輔助系統(tǒng)可拓控制研究[D]. 夏志.合肥工業(yè)大學 2018
[4]基于機器視覺的車道保持控制算法研究[D]. 張嘉明.合肥工業(yè)大學 2018
[5]基于數(shù)據(jù)驅(qū)動的微觀交通流建模研究[D]. 劉亞龍.西南交通大學 2017
[6]智能車輛自主換道方法的研究[D]. 王政.吉林大學 2016
[7]城市道路車輛換道模型及換道影響研究[D]. 曹珊.華中科技大學 2009



本文編號：3059546