无人车辆轨迹规划与跟踪控制的统一建模方法

无人车辆的轨迹规划与跟踪控制是实现自动驾驶的关键.轨迹规划与跟踪控制一般分为两个部分，即先根据车辆周边环境信息以及自车运动状态信息规划出参考轨迹，再依此轨迹来调节车辆纵横向输出以实现跟随控制.本文通过对无人车辆的轨迹规划与跟踪进行统一建模，基于行车环境势场建模与车辆动力学建模，利用模型预测控制中的优化算法来选择人工势场定义下的局部轨迹，生成最优的参考轨迹，并在实现轨迹规划的同时进行跟踪控制.通过CarSim与MATLAB/Simulink的联合仿真实验表明，该方法可在多种场景下实现无人车辆的动态避障.     

基于图与势场法的多车道编队控制

多车协同驾驶能显著提高交通安全和效率,是未来5G网联自动驾驶技术的重要应用场景之一.传统上,多车协同驾驶的主要形式为单一车道上的无人车队列,其队列稳定性受队列长度、通信距离及延迟的限制.本文提出一种无人车编队方法,将单车道队列扩展为多车道护航编队.针对不同场景下的需求设计多车道编队调整策略,结合基于图的分布式控制,完成任意预定义的编队结构;同时,利用势场法对行车环境建立势场模型,实现无人车的避障轨迹规划,提高编队的避障能力;最后,结合纵横向控制器,实现无人车多车道护航编队控制.仿真实验表明,本文提出的无人车多车道护航编队方法,能适应不同交通场景,如道路变化、障碍车运动等,完成自动变换编队结构,实现安全、高效通行.     

基于改进TTR算法的车辆侧翻预警研究

侧翻时限(TTR)能有效用于车辆侧翻预警,然而传统的TTR方法所选定的侧翻阈值因行车条件的改变难以精确设定,会导致预警提前或滞后等问题。为了弥补传统TTR算法的不足,提高车辆侧翻预警的有效性,建立了三自由度车辆动力学模型;提出了以车辆的当前侧向加速度与实时侧向极限加速度的比值这一相对量作为侧翻评价指标,替代传统依靠侧倾角或侧向加速度等绝对量来进行侧翻预测;根据当前车辆运动状态计算未来发生侧翻时的TTR值,从而得到改进TTR侧翻预警算法。结果表明：改进TTR侧翻预警算法较传统基于侧倾角或侧向加速度的这两种TTR侧翻预警算法,能更准确地发现侧翻危险。