【摘要】：自動駕駛車輛的發(fā)展與推廣在保障行車安全、提高通行效率、建設智慧交通體系等方面具有重要意義。在自動駕駛技術水平不斷向著更高層級躍遷的漸進發(fā)展過程中,各層級技術均存在不足,即便是已實現(xiàn)產(chǎn)業(yè)化的輔助駕駛系統(tǒng)仍存在著繼續(xù)提升的潛力。在自動駕駛車輛的諸多核心技術模塊中,運動規(guī)劃負責生成車輛的局部行駛軌跡,是體現(xiàn)駕駛智慧水平的直接、關鍵環(huán)節(jié)。本文研究了自動駕駛車輛的運動規(guī)劃問題。求解車輛運動規(guī)劃問題的方法主要包括圖搜索方法、隨機采樣方法、曲線插值方法、機器學習方法以及最優(yōu)控制方法。采用最優(yōu)控制問題的形式對車輛運動規(guī)劃任務建模具有準確、直接、客觀、統(tǒng)一的優(yōu)點,這是其它幾類方法不具備的。用于描述車輛運動規(guī)劃任務的最優(yōu)控制問題往往較為復雜,復雜性體現(xiàn)為1)描述車輛運動特性的動態(tài)方程具有較強非線性;2)描述車輛躲避碰撞的約束條件具有較強非線性,甚至體現(xiàn)非凸性及病態(tài)性;3)多車協(xié)同運動規(guī)劃任務中,上述復雜因素將疊加/耦合,且車輛之間的碰撞躲避約束條件數(shù)目隨著車輛數(shù)目幾何增長。這些因素導致含有復雜約束的最優(yōu)控制問題超出了傳統(tǒng)解析方法的求解能力范圍。隨著計算機硬件及優(yōu)化理論的發(fā)展,適用于求解一般最優(yōu)控制問題的計算最優(yōu)控制方法開始蓬勃發(fā)展起來。為了普適性地求解自動駕駛車輛運動規(guī)劃任務對應的最優(yōu)控制問題,本文采用計算最優(yōu)控制方法,對精確建模、有效收斂以及實時求解三大核心問題進行了研究。本文的主要工作及創(chuàng)新點包括以下幾方面:1)建立了自主泊車、多車協(xié)同車道變更及無信號燈路口多車協(xié)同通行任務對應的最優(yōu)控制運動規(guī)劃問題模型,該模型能夠以統(tǒng)一的形式較為準確地描述上述場景下的自動駕駛車輛運動規(guī)律。在建模過程中提出了描述車輛之間碰撞躲避需求的解析形式約束條件,提出了保障運動過程安全可行性的平穩(wěn)邊值約束條件概念。2)采用全聯(lián)立正交配置有限元方法將最優(yōu)控制命題離散化為非線性規(guī)劃問題,并采用內點算法對非線性規(guī)劃問題進行求解。為保證迭代求解過程中不至出現(xiàn)收斂緩慢甚至收斂失敗的情況,提出了基于簡約空間初始化的收斂增強算法,具體包括時空解耦算法和漸進避撞約束算法,它們將原始命題中難以同時處理的完整復雜約束條件進行分解,在一系列難度遞增的子問題中逐步予以解決,從而有效提高最優(yōu)控制命題的離線求解效率。3)為實現(xiàn)在線運動規(guī)劃,提出了“預估+重構+求解”的基本計算架構,提出了兩類在線運動規(guī)劃方法,分別利用標準問題集和簡單問題轉化策略實現(xiàn)對最優(yōu)控制問題的在線求解。為完成在線運動重規(guī)劃任務,提出了基于有限元配置點重構初始化的基本方法,以及多尺度容錯優(yōu)化策略。本文設計并開展了大量仿真實驗,從泛化求解能力、求解質量以及求解速度等方面對各算法進行了檢驗。在自動泊車任務中,本文提出的方法能夠統(tǒng)一處理各種類別的泊車場景,無論遇到寬敞或狹窄的泊車環(huán)境,均能一致有效求解。在多車協(xié)同變更車道任務中,本文提出的方法能夠充分挖掘車輛編隊的運動能力,呈現(xiàn)巧妙的高質量協(xié)同運動行為。在無信號燈路口多車協(xié)同通行任務中,本文提出的方法能夠充分利用路口空間,使?jié)撛跊_突的車輛之間恰好躲避碰撞,總體上呈現(xiàn)復雜但有秩序的路口通行行為。隨著感知、通訊、控制等模塊的發(fā)展逐漸飽和,車輛運動決策模塊的巨大潛力將逐步得到重視。本文聚焦于如何提升自動駕駛車輛的運動決策質量,將對未來自動駕駛車輛乃至智能交通系統(tǒng)中高質量運動決策模塊的發(fā)展提供技術參考。
【學位授予單位】：浙江大學
【學位級別】：博士
【學位授予年份】：2018
【分類號】：U463.6;O232
【圖文】：

浙江大學博士學位論文邐第１章緒論逡逑的起點、終點等信息；路線規(guī)劃環(huán)節(jié)負責計算一條銜接起點、終點的導航路線；在車輛沿逡逑導航路線行駛途中，自動駕駛車輛需要進行局部的行為規(guī)劃及運動規(guī)劃；行為規(guī)劃環(huán)節(jié)負逡逑責生成駕駛行為意圖，包括車道保持、車道變更、轉彎、超車等；隨后，運動規(guī)劃環(huán)節(jié)根逡逑據(jù)行為意圖生成具體的局部行車軌跡。圖１．４利用一則實際案例來詮釋規(guī)劃決策模塊中各逡逑環(huán)節(jié)的職能。逡逑邐—－邋－－－－－邋—邋邐逡逑

［８７］、變更車道？、保持車道［８８］、超車［８９］以及轉彎［９0］等駕駛情境中。在采用計算最優(yōu)控制方逡逑法時，離散化生成的ＮＬＰ問題具有決策變量維度高、約束條件復雜的特點，如何確保ＮＬＰ逡逑問題求解的收斂性與快速性是該方法未來發(fā)展中的關鍵議題。逡逑基于最優(yōu)控制形式建立的問題模型中一般包含復雜約束條件，一些研究將這些復雜約逡逑束條件進行大幅度簡化或改造，并采用現(xiàn)代智能優(yōu)化算法對簡化問題進行求解。粒子群逡逑［９１］、蟻群［９２］、隨機分形搜索［９３］、和聲搜索Ｍ等群智能算法或元啟發(fā)式算法均被用于求解車逡逑輛路徑或軌跡。由于尋優(yōu)過程中利用隨機搜索機制，智能優(yōu)化算法僅適用于求解包含筒單逡逑邊界約束的問題。并非所有復雜約束均可以通過改造為懲罰項的方式得到精確滿足，因此逡逑現(xiàn)代智能優(yōu)化算法的泛化求解能力存在缺陷。逡逑至此，我們對五類車輛運動規(guī)劃基本方法進行了回顧。需要說明的是，這些方法在解逡逑決實際問題時往往并非獨立使用，而是通過相互“取長補短’’來完成運動規(guī)劃任務，因此經(jīng)逡逑�？梢园l(fā)現(xiàn)一些文獻中的算法同時屬于多個基本類別。圖１．６對本小節(jié)所提及具體算法的逡逑類別歸屬情況進行了盤點。逡逑

均不與矩形〗相撞；（ｂ）矩形＿／存在頂點與矩形Ｚ相撞，但矩形Ｚ＇的所有頂點均不與矩形Ｊ＋相撞；（ｃ）矩形ｉ逡逑存在頂點與矩承／相撞，且矩形ｙ存在頂點與矩形／相撞；以及（ｄ）矩形／、矩形ｙ的全部頂點均不碰撞．逡逑條件（圖２．３）：逡逑＊＾ＡＰＡＢ邋＋邋＾ＡＰＢＣ邐＊＾ＡＰＣＤ邋＋邋＊＾ＡＰＤＡ邋＞邋＾ａＡＢＣＤ＇邐（２．８）逡逑其中＆代表三角形面積，慫代表矩形面積。該約束條件的理論證明在附錄Ａ給出。逡逑ｐ逡逑／＾ｉｔ邐ｒ＾？７Ａ逡逑圖２．３限制點Ｐ處于矩形ＡＢＣＤ外部的一種基于圖形面積的約束條件示意圖．逡逑利用條件（２．８）可建立車輛／與之間的碰撞躲避約束條件。為方便描述，將車輛／矩形逡逑輪廓的四個頂點分別定義為Ａ，、Ｂ，、Ｃ，以及Ｄ，，其中Ａ，代表車頭左側頂點，其余三個頂逡逑點按照順時針方向確定。由車輛幾何結構關系可得到上述四個頂點的坐標：逡逑Ａ，

【參考文獻】

相關期刊論文 前10條

1 Wenchao Xu;Haibo Zhou;Nan Cheng;Feng Lyu;Weisen Shi;Jiayin Chen;Xuemin (Sherman) Shen;;Internet of Vehicles in Big Data Era[J];IEEE/CAA Journal of Automatica Sinica;2018年01期

2 孫勇義;;Apollo開放的自動駕駛之路[J];軟件和集成電路;2017年11期

3 范志翔;孫巍;潘漢中;嚴慈磊;;自動駕駛汽車測試技術發(fā)展現(xiàn)狀與思考[J];中國標準化;2017年20期

4 王遠桂;何歡;;人工智能2.0給自動駕駛發(fā)展帶來的影響[J];現(xiàn)代電信科技;2017年04期

5 陳虹;郭露露;邊寧;;對汽車智能化進程及其關鍵技術的思考[J];科技導報;2017年11期

6 毛科俊;;準確把握“十三五”交通運輸發(fā)展的形勢與要求[J];交通企業(yè)管理;2017年03期

7 李克強;戴一凡;李升波;邊明遠;;智能網(wǎng)聯(lián)汽車(ICV)技術的發(fā)展現(xiàn)狀及趨勢[J];汽車安全與節(jié)能學報;2017年01期

8 王玨;;汽車主動安全技術及其發(fā)展方向[J];時代汽車;2017年06期

9 徐西峰;董明芳;;面向2020的自動駕駛業(yè)態(tài)及我國產(chǎn)業(yè)發(fā)展的政策建議[J];現(xiàn)代電信科技;2017年01期

10 杜明博;梅濤;陳佳佳;趙盼;梁華為;黃如林;陶翔;;復雜環(huán)境下基于RRT的智能車輛運動規(guī)劃算法[J];機器人;2015年04期

相關重要報紙文章 前2條

1 張弘;;2017年全國機動車和駕駛人保持高位增長[N];人民公安報;2018年

2 梁士斌;;事故總量居高位去年6萬多人死亡[N];法制日報;2017年

相關博士學位論文 前10條

1 黃如林;無人駕駛汽車動態(tài)障礙物避撞關鍵技術研究[D];中國科學技術大學;2017年

2 耿新力;城區(qū)不確定環(huán)境下無人駕駛車輛行為決策方法研究[D];中國科學技術大學;2017年

3 康俊民;城市環(huán)境下無人車自主定位關鍵技術研究[D];長安大學;2016年

4 武歷穎;無人駕駛汽車環(huán)境信息提取及運動決策方法研究[D];長安大學;2016年

5 連傳強;基于近似動態(tài)規(guī)劃的優(yōu)化控制方法及在自主駕駛車輛中的應用[D];國防科學技術大學;2016年

6 王健;汽車在兩種轉向工況下的路徑規(guī)劃與路徑跟蹤研究[D];南京航空航天大學;2015年

7 張衛(wèi)忠;基于仿人智能控制的無人地面車輛自動駕駛系統(tǒng)研究[D];中國科學技術大學;2014年

8 孫揚;無人駕駛車輛智能水平的定量評價[D];北京理工大學;2014年

9 劉春明;基于增強學習和車輛動力學的高速公路自主駕駛研究[D];國防科學技術大學;2014年

10 陳佳佳;城市環(huán)境下無人駕駛車輛決策系統(tǒng)研究[D];中國科學技術大學;2014年

相關碩士學位論文 前10條

1 周宏鵬;基于數(shù)據(jù)驅動算法的汽車避障方法研究[D];哈爾濱工業(yè)大學;2017年

2 馮來春;基于引導域的參數(shù)化RRT無人駕駛車輛運動規(guī)劃算法研究[D];中國科學技術大學;2017年

3 常超;基于車路協(xié)同的無信號燈平交路口駕駛引導系統(tǒng)研究與實現(xiàn)[D];長安大學;2017年

4 章謹;基于網(wǎng)格化場景下多車式機器人運動協(xié)調算法研究與實現(xiàn)[D];北京交通大學;2017年

5 崔曉丹;基于車路協(xié)同的區(qū)域化無信號交叉口控制方法研究[D];北京交通大學;2017年

6 徐磊;基于EPS的自動泊車路徑規(guī)劃及跟蹤控制研究[D];合肥工業(yè)大學;2017年

7 陳東;智能車輛局部避障路徑規(guī)劃及橫向運動控制研究[D];湖南大學;2016年

8 李鳳嬌;無人駕駛車輛綜合避障行為研究與評價[D];北京理工大學;2015年

9 儲星;智能車輛自主駕駛控制策略研究[D];湖南大學;2014年

10 鄭睿;基于增強學習的無人車輛智能決策方法研究[D];國防科學技術大學;2013年

本文編號：2765971