基于視覺(jué)和雷達(dá)的智能車輛自主換道決策機(jī)制與控制研究.pdf

1、智能車輛從根本上改變了傳統(tǒng)的車輛駕駛方式，將駕駛員從“駕駛員-車輛-道路”的閉環(huán)系統(tǒng)中解放出來(lái)，利用先進(jìn)的電子與信息技術(shù)控制車輛行駛，讓駕駛活動(dòng)中常規(guī)的、持久且易疲勞的操作自動(dòng)完成，能夠極大地提高交通系統(tǒng)的效率和人員的安全性。研究智能車輛的自主換道關(guān)鍵技術(shù)，最終能夠?qū)崿F(xiàn)多車的自主交互協(xié)同，提高部隊(duì)人員、裝備的使用效率和戰(zhàn)場(chǎng)環(huán)境的適應(yīng)能力;同時(shí)，通過(guò)準(zhǔn)確的環(huán)境信息感知，加上科學(xué)、合理的決策分析與穩(wěn)定可靠的控制算法，使車輛自主換道的安全性比

2、充滿不確定因素的駕駛員換道更具優(yōu)越性，有效地控制人為因素造成的交通事故。
　　本文通過(guò)分析駕駛員的駕駛行為過(guò)程，研究了駕駛員換道意圖的產(chǎn)生及階段，分析了影響駕駛員換道的因素，進(jìn)而深入研究了駕駛員換道的決策機(jī)制，并針對(duì)智能車輛的結(jié)構(gòu)特點(diǎn)，模擬駕駛員換道的決策過(guò)程，解析了智能車輛自主換道的決策機(jī)制。通過(guò)分析人體器官在駕駛員駕駛車輛過(guò)程中的功能，建立了“駕駛員-車輛-道路”的系統(tǒng)模型，從控制論的角度分別研究了駕駛員、車輛和道路在系統(tǒng)中的

3、功能與作用，并提出了系統(tǒng)控制的評(píng)價(jià)指標(biāo);通過(guò)試驗(yàn)數(shù)據(jù)，得出了誘發(fā)車輛換道的主要原因是本車道前方有慢車，而駕駛員對(duì)時(shí)間與空間的追求是影響車輛換道的主要因素;本文將車輛的換道過(guò)程分為換道意圖的產(chǎn)生、換道時(shí)機(jī)的決策、換道軌跡的規(guī)劃和換道軌跡的跟蹤控制四個(gè)階段;建立了“駕駛員-車輛-道路”系統(tǒng)的高速公路典型場(chǎng)景，得出了駕駛員的換道過(guò)程是以駕駛員行為特性為主導(dǎo)的信息感知、決策與操控的三個(gè)模塊相互作用的行為決策與控制過(guò)程;分析了駕駛員換道決策階段的

4、表征參數(shù)，選取了車道線信息、車道邊緣信息、交互車輛信息等作為智能車輛自主換道研究的特征參數(shù);根據(jù)智能車輛的結(jié)構(gòu)特點(diǎn)，模擬駕駛員換道決策過(guò)程，建立了“機(jī)器-車輛-道路”的系統(tǒng)模型，解析了智能車輛自主換道的決策機(jī)制。
　　通過(guò)建立路權(quán)雷達(dá)圖進(jìn)行信息融合，對(duì)換道過(guò)程中換道意圖的產(chǎn)生、換道時(shí)機(jī)的決策、換道軌跡的規(guī)劃三個(gè)階段進(jìn)行分析，建立了智能車輛自主換道的決策模型，并針對(duì)換道過(guò)程出現(xiàn)的突發(fā)異常情況，建立了靜、動(dòng)態(tài)障礙車輛的避障模型。模擬人

5、類認(rèn)知行為的注意力分配機(jī)制，根據(jù)路權(quán)的概念，建立了變粒度路權(quán)雷達(dá)圖，使用較少的存儲(chǔ)空間和計(jì)算資源完成對(duì)人類認(rèn)知行為的模擬和計(jì)算，通過(guò)路權(quán)雷達(dá)圖實(shí)現(xiàn)了信息融合、仿真分析和路徑規(guī)劃等功能;定義了智能車輛的最小行車安全距離，在此基礎(chǔ)上確定了智能車輛產(chǎn)生換道意圖的期望值。通過(guò)選取2名熟練駕駛員、選擇典型高速公路路線、制定試驗(yàn)控制條件等設(shè)計(jì)試驗(yàn)方案，采集影響駕駛員換道的特征參數(shù)311組，其中，車道保持?jǐn)?shù)據(jù)97組，換道行駛數(shù)據(jù)214組;采用v-支持

6、向量機(jī)進(jìn)行訓(xùn)練，選取(δ，v)=(0.12，0.03)作為v-支持向量機(jī)的模型參數(shù)，判斷換道行為的準(zhǔn)確率為91.05％;從換道時(shí)間、換道橫向加速度、曲率突變等方面分析比較了智能車輛常用的換道軌跡規(guī)劃方法，根據(jù)本文研究的對(duì)象，確定了梯形加速度換道軌跡的方法;針對(duì)換道過(guò)程的突發(fā)意外事件，建立了靜、動(dòng)態(tài)障礙車輛的避障模型;為了滿足實(shí)時(shí)性要求，在環(huán)境建模中設(shè)計(jì)了變尺度柵格圖，當(dāng)車輛高速行駛時(shí)，變尺度柵格圖比傳統(tǒng)柵格的CPU占用降低約34％;將變

7、尺度柵格圖與路權(quán)雷達(dá)圖進(jìn)行融合，通過(guò)靜態(tài)選擇式避障模塊和動(dòng)態(tài)障礙避障策略，實(shí)現(xiàn)對(duì)突發(fā)意外障礙車輛的躲避。
　　通過(guò)分析智能車輛縱橫向耦合系統(tǒng)的建模與控制方法，建立了智能車輛縱橫向耦合運(yùn)動(dòng)學(xué)模型，該模型考慮縱向、橫向以及橫擺運(yùn)動(dòng)狀態(tài)，可以更為精確地對(duì)智能車輛換道軌跡與換道完成后的車道保持進(jìn)行控制。分析了車輛行駛過(guò)程中的縱橫向耦合影響，提出了智能車輛縱橫向耦合建模與控制問(wèn)題，建立了智能車輛縱橫耦合控制系統(tǒng)，包括縱向運(yùn)動(dòng)、橫向運(yùn)動(dòng)以及橫

8、擺運(yùn)動(dòng)模型;采用指數(shù)型滑模變結(jié)構(gòu)方法設(shè)計(jì)換道軌跡跟蹤控制器，使智能車輛系統(tǒng)在車輛換道過(guò)程中滿足期望的動(dòng)靜態(tài)性能指標(biāo);針對(duì)換道完成后的車道保持問(wèn)題，建立智能車輛的橫向偏差模型，采用Terminal滑模變結(jié)構(gòu)方法設(shè)計(jì)車道保持控制器，將橫向運(yùn)動(dòng)與橫擺運(yùn)動(dòng)結(jié)合起來(lái)，使得橫向偏差可以隨著車道曲率變化而自動(dòng)調(diào)節(jié)，同時(shí)，可以提高車道保持過(guò)程中縱橫向運(yùn)動(dòng)的穩(wěn)定性;采用MATLAB仿真工具對(duì)智能車輛換道軌跡跟蹤控制以及換道完成后的車道保持控制進(jìn)行仿真，驗(yàn)

9、證了控制器設(shè)計(jì)的有效性和穩(wěn)定性。
　　針對(duì)某型越野車的結(jié)構(gòu)特點(diǎn)，進(jìn)行了智能車輛平臺(tái)的機(jī)械改造，搭建了智能車輛的硬件和軟件平臺(tái)，并進(jìn)行了實(shí)際高速公路的試驗(yàn)，驗(yàn)證了系統(tǒng)的可靠性和穩(wěn)定性。根據(jù)智能車輛自主換道技術(shù)驗(yàn)證的需要，對(duì)原車進(jìn)行了智能化改造，采用電動(dòng)轉(zhuǎn)向方案設(shè)計(jì)了車輛的轉(zhuǎn)向機(jī)構(gòu)，在原車制動(dòng)系統(tǒng)中加裝一套液壓閥組改造了制動(dòng)機(jī)構(gòu)，通過(guò)并聯(lián)安裝一套電控拉線盤實(shí)現(xiàn)油門機(jī)構(gòu)的智能控制;搭建了智能車輛的硬件平臺(tái)，優(yōu)化儀器設(shè)備;采用多線程技術(shù)進(jìn)