發(fā)布時(shí)間：2020-08-07 03:20

【摘要】：智能化是汽車發(fā)展的必然趨勢,也是當(dāng)前人工智能領(lǐng)域的研究熱點(diǎn),規(guī)劃決策是保證智能車安全導(dǎo)航的重要模塊,其主要任務(wù)是讓車輛做出擬人化的行為選擇并規(guī)劃出行駛軌跡。本文提出一種智能車局部路徑規(guī)劃算法,再針對高動(dòng)態(tài)的多車道結(jié)構(gòu)化環(huán)境,為智能車提供一套合適的換道決策方案,結(jié)合局部路徑規(guī)劃,實(shí)現(xiàn)智能車安全擬人駕駛。本文主要工作有如下幾個(gè)方面:針對智能車在高動(dòng)態(tài)的多車道復(fù)雜場景,本文提出一種有效的換道決策方法,主要實(shí)現(xiàn)智能車安全和擬人化的車道選擇功能。該方法包括以下幾個(gè)部分:參考速度和參考加速度規(guī)劃;換道可行性分析;生成初始路徑集合以及路徑評價(jià);路徑優(yōu)化。首先以車輛之間的安全距離和相對速度作為參考,動(dòng)態(tài)調(diào)節(jié)智能車速度和加速度,其目的是為了保持車輛之間的安全距離,同時(shí)平滑速度變化過程,防止速度和加速度過大。其次構(gòu)建車道變化狀態(tài)轉(zhuǎn)移機(jī)制,通過分析智能車換道可行條件,確定可行的候選駕駛行為,對于每一個(gè)候選駕駛行為,根據(jù)其參考速度、參考加速度以及目標(biāo)車道等信息,確定初始路徑,最后設(shè)計(jì)評價(jià)標(biāo)準(zhǔn)評價(jià)初始路徑集合,選擇最優(yōu)初始路徑,供后續(xù)路徑優(yōu)化。換道決策的整個(gè)過程為后續(xù)路徑優(yōu)化提供了必備條件。針對車輛行駛軌跡需滿足多種約束條件,例如速度和加速度約束、車輛運(yùn)動(dòng)學(xué)約束、與障礙物的安全距離等等,本文提出一種基于多約束優(yōu)化的局部路徑規(guī)劃方法。該方法通過對路徑點(diǎn)姿態(tài)信息以及時(shí)間信息的優(yōu)化,得到滿足多個(gè)約束條件的局部路徑,確保該路徑的安全性,舒適性,擬人性。該算法建立了以多個(gè)目標(biāo)函數(shù)平方和為最終目標(biāo)的優(yōu)化方程,目標(biāo)函數(shù)涉及智能車速度、加速度、車輛運(yùn)動(dòng)約束、與障礙物的最小距離、車輛靠車道中央行駛,軌跡平滑等條件。最后通過建立優(yōu)化模型的高維圖,采用圖優(yōu)化法求解優(yōu)化方程,最終解得的軌跡能滿足各個(gè)約束條件的期望,有很好的收斂性和可靠性。本文第三個(gè)工作是通過ROS-STAGE仿真平臺和Udacity仿真平臺,分別驗(yàn)證多目標(biāo)優(yōu)化局部路徑規(guī)劃算法以及換道決策算法,我們建立了完整的多車道多車輛行駛的模擬環(huán)境,搭載本文所提出的決策算法以及局部路徑規(guī)劃算法,模擬智能車在高動(dòng)態(tài)社會環(huán)境下導(dǎo)航,結(jié)果顯示仿真車輛在不同的行車情景下都能規(guī)劃出滿意的局部路徑,驗(yàn)證了本文算法的可靠性和有效性。
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：U463.6
【圖文】：

第一章 緒論第一章 緒論 研究背景與意義無人駕駛車輛，又稱之為智能車，是目前學(xué)術(shù)界和工業(yè)界最熱門的研究對美國以改善公共交通為目的非盈利性機(jī)構(gòu)伊諾交通中心研究顯示，如果上 90%的汽車變成智能車，車禍數(shù)量將從 600 萬起降至 130 萬起，死亡3.3 萬人降至 1.13 萬人，單從這一點(diǎn)就可以看出，無人駕駛的到來，將是的福音。人駕駛技術(shù)被大眾所寄予厚望，每一項(xiàng)新技術(shù)的突破都得到社關(guān)注。智能車是一個(gè)集感知、認(rèn)知、決策于一體的復(fù)雜智能系統(tǒng)，是控計(jì)算機(jī)科學(xué)、認(rèn)知科學(xué)、車輛工程和機(jī)器人技術(shù)等交叉學(xué)科的產(chǎn)物。根車工程師協(xié)會所制定的汽車智能化的分級，無人駕駛技術(shù)一共分為 5 個(gè)等能程度和人為干涉度之間的遞進(jìn)關(guān)系如圖 1-1 所示。

圖 1-3 Trims 狀態(tài)列表對不同 Trims 之間的狀態(tài)轉(zhuǎn)移，有其對應(yīng)的 maneuver，該狀態(tài)轉(zhuǎn)移下aneuver 的狀態(tài)參數(shù)和時(shí)間參數(shù)按照他們的實(shí)驗(yàn)結(jié)果給出固定值，如圖 1-4 所示終的混合系統(tǒng)的離散狀態(tài)之間的轉(zhuǎn)換關(guān)系也可以由此圖看出。圖 1-4 狀態(tài)轉(zhuǎn)移參數(shù)列表運(yùn)動(dòng)規(guī)劃包括路徑規(guī)劃和軌跡生成，簡單來說，路徑規(guī)劃是為了規(guī)劃出一安全的路徑點(diǎn)，而軌跡生成是在這基礎(chǔ)上得到一條車輛可執(zhí)行的軌跡，也有

電子科技大學(xué)碩士學(xué)位論文狀態(tài)點(diǎn)參數(shù)以及控制輸入?yún)?shù)做了一一對應(yīng)，如圖 1-3 所示，其中f 表示車輪轉(zhuǎn)向角， 表示后滑率。圖 1-3 Trims 狀態(tài)列表對不同 Trims 之間的狀態(tài)轉(zhuǎn)移，有其對應(yīng)的 maneuver，該狀態(tài)轉(zhuǎn)移下aneuver 的狀態(tài)參數(shù)和時(shí)間參數(shù)按照他們的實(shí)驗(yàn)結(jié)果給出固定值，如圖 1-4 所示終的混合系統(tǒng)的離散狀態(tài)之間的轉(zhuǎn)換關(guān)系也可以由此圖看出。

【相似文獻(xiàn)】

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

3 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

4 黃文理;葉晨;;智能車輛計(jì)數(shù)器的設(shè)計(jì)[J];電子世界;2018年13期

5 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(bào);2018年01期

6 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

7 張學(xué)顯;劉偉;余彪;許鐵娟;周鵬飛;;數(shù)據(jù)驅(qū)動(dòng)的智能車輛目標(biāo)檢測能力測試評價(jià)方法[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2017年11期

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

9 趙娥;張學(xué)軍;;淺析人工神經(jīng)網(wǎng)絡(luò)理論在智能車輛中的應(yīng)用[J];科技與創(chuàng)新;2016年17期

10 尹念東;智能車輛的研究及前景[J];上海汽車;2002年04期

相關(guān)會議論文 前10條

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

2 寧博;余春暄;;智能車輛定位導(dǎo)航系統(tǒng)軟件設(shè)計(jì)中數(shù)據(jù)實(shí)時(shí)采集的解決方案[A];2003年中國智能自動(dòng)化會議論文集（下冊）[C];2003年

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

4 胡宏宇;高振海;;基于轉(zhuǎn)向盤轉(zhuǎn)角速度時(shí)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

5 張家同;王志強(qiáng);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(jī)遇與挑戰(zhàn)2010[C];2010年

6 杜明芳;方建軍;張世德;李多揚(yáng);張哲瑋;李棟;;基于機(jī)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

7 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

8 吳波;劉浪;林鷹;;ITS系統(tǒng)及其實(shí)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

9 孫懷江;;ALVINN及其擴(kuò)展[A];全面建設(shè)小康社會：中國科技工作者的歷史責(zé)任——中國科協(xié)2003年學(xué)術(shù)年會論文集（上）[C];2003年

10 杜明芳;方建軍;曹海青;李多揚(yáng);張哲瑋;李棟;;基于壓縮感知和Kalman濾波的智能車輛視覺導(dǎo)航方法[A];2014第九屆中國智能交通年會大會論文集[C];2014年

相關(guān)重要報(bào)紙文章 前4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(xiàng)目落戶瑞昌[N];九江日報(bào);2015年

2 趙三明;加法與乘法[N];中國工業(yè)報(bào);2015年

3 本報(bào)實(shí)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(bào);2003年

4 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(bào);2015年

相關(guān)博士學(xué)位論文 前10條

1 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

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

3 石金進(jìn);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

4 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

5 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

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

7 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

8 李貽斌;ITS智能車輛關(guān)鍵技術(shù)研究[D];天津大學(xué);2008年

9 周俊靜;基于激光雷達(dá)的智能車輛目標(biāo)識別與跟蹤關(guān)鍵技術(shù)研究[D];北京工業(yè)大學(xué);2014年

10 李進(jìn);視覺導(dǎo)航智能車輛的路徑識別和跟蹤控制[D];合肥工業(yè)大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 王富奎;高動(dòng)態(tài)環(huán)境下智能車局部路徑規(guī)劃研究[D];電子科技大學(xué);2018年

2 安林芳;智能車輛自動(dòng)駕駛路徑規(guī)劃研究[D];湖南大學(xué);2017年

3 馮朔驥;縮微環(huán)境下的交叉口車隊(duì)協(xié)作控制算法研究[D];天津職業(yè)技術(shù)師范大學(xué);2017年

4 劉繼周;面向無人駕駛的智能車系統(tǒng)平臺研究與應(yīng)用[D];浙江大學(xué);2017年

5 朱畏畏;基于魚群效應(yīng)的多輛智能車協(xié)同行駛研究[D];江蘇大學(xué);2017年

6 段岳姣;面向智能車的租賃系統(tǒng)服務(wù)器的設(shè)計(jì)與實(shí)現(xiàn)[D];浙江大學(xué);2017年

7 方正川;自主尋徑及避障智能車的研究與實(shí)現(xiàn)[D];安徽工程大學(xué);2017年

8 蔣榮強(qiáng);基于交通圖像信息采集與處理的智能車控制關(guān)鍵技術(shù)研究[D];南京航空航天大學(xué);2017年

9 羅志祥;基于強(qiáng)化學(xué)習(xí)的智能車移動(dòng)模型研究[D];大連理工大學(xué);2017年

10 岳喜斌;基于深度學(xué)習(xí)的智能車場景解析算法研究[D];北京林業(yè)大學(xué);2016年

本文編號：2783396