基于驾驶员方向控制模型的汽车侧风稳定性虚拟试验研究

在预瞄跟随理论基础上设计的驾驶员方向控制模型常用于弯道、移线、蛇行试验中横向轨迹的控制,文中研究了它对汽车侧风稳定性的控制效果.根据预瞄跟随理论及PID控制技术,采用MATLAB/Simulink建立了驾驶员方向控制模型;根据某轿车实测数据,采用多体动力学软件ADAMS建立了车辆-侧向风-道路耦合模型;通过定义输入变量(转向盘转角)和输出变量(侧向位移),实现了基于ADAMS与MATLAB/Simulink的汽车侧风稳定性联合仿真.试验结果显示驾驶员模型能够有效控制由侧向风引起的大幅度侧向偏移,系统具有较强的跟随性和鲁棒性.     

半挂汽车列车单点预瞄驾驶员模型参数研究

以半挂汽车列车与单体车为研究对象,应用最优控制建立方向控制驾驶员模型,建立目标函数研究驾驶员模型参数预瞄时间的特点与操稳表现。结果表明:驾驶员模型操纵半挂汽车列车行驶时可找到最佳车速和最佳预瞄时间来提高跟踪能力与侧向稳定性,最佳预瞄时间低车速时与单体车差异小、高车速时较单体车更长。     

基于模型预测控制的汽车主动避障系统

为了加强汽车行驶安全性,搭建了包含环境感知、危险态势评估、路径决策和控制执行四部分的智能汽车主动避障系统。基于改进人工势场模型构建了以道路边界斥力势场、动态障碍物斥力势场和引力势场核心的路径规划模块,同时,建立以前轮偏角为控制变量的车辆动力学模型,利用模型预测算法对路径进行跟踪。利用动力学仿真软件CarSim和控制仿真软件Simulink联合仿真,结果表明文中运用的模型预测控制优于驾驶员预瞄控制,对路径具有更好的跟踪效果、提高了跟踪精度,实现了汽车主动避障。     

基于贝叶斯网络的车辆换道决策模型研究

车辆换道行为是微观交通流中的典型驾驶行为之一。车辆换道决策模型研究可以为自动驾驶汽车协同自适应巡航控制(cooperative adaptive cruise control,CACC)提供理论基础,也能有效减少车辆危险换道行为引发的交通事故。为使换道模型更加适应动态道路交通环境,以美国交通部联邦公路管理局NGSIM项目实测试验数据为依据,分析车辆换道决策时自身车辆速度、加速度及其与交互车辆相对时距等相关特征参数,并运用贝叶斯网络人工智能理论,建立车辆换道决策模型,通过仿真分析并与NGSIM实测数据进行对比。结果表明:基于贝叶斯网络的换道决策模型的平均决策准确度和识别率可达到89%以上,具有良好的换道决策效果,可为智能车辆协同自适应巡航控制及自动驾驶深度学习提供理论参考。     

多源信息刺激下驾驶员综合认知拓扑结构研究

根据多传感器信息融合和人类对多源信息综合处理过程之间的相似性,充分考虑驾驶员心理-物理因素及其对驾驶行为多变性和不确定性的制约,研究多源信息刺激下驾驶员任务集聚的心理-物理综合认知拓扑结构和认知活动链,探讨各驾驶行为模式的决策机制、车辆运行模式的运行机制和驾驶员协同反应机理,可为微观交通流仿真和智能车辆的研究提供理论依据,为智能运输系统的建立提供分析工具.     

考虑前车状态的智能网联车交叉口行为决策

为使智能网联汽车（intelligent connected vehicle, ICV）在复杂交通环境下高效、安全地通过信号交叉口，在车联网实时获取信号灯和前车状态信息的基础上，建立了智能网联汽车通过信号交叉口的驾驶行为决策框架. 通过跟驰模型推导智能网联汽车和前方车辆在未来的行驶状态，预测得到前方车辆是否要通过交叉口的行为，进一步分别对智能网联汽车是领头车和跟随车时通过交叉口停止线的条件进行判断；将换道加入到驾驶方式中来寻求更高的通行效率，用基于换道时间模型的方法判断智能网联汽车换道后的通过条件；仿真对比分析了所提出模型和现有模型的决策能力，讨论了影响决策过程的关键因素. 研究结果表明:相比于现有模型，综合信号灯和前车行驶意图的决策方法能够提高智能网联汽车对通行条件判断的准确性，从而进行更合理的行为选择，随着单位绿灯剩余时间的增加，车辆决策通过交叉口的概率可提高20%，当前车道的车辆位置对决策结果影响显著.      

三轴半挂汽车列车预瞄驾驶员模型设计

以三轴半挂汽车列车为研究对象,以混合型模糊PID为控制器,建立适应于三轴半挂车辆的两点预瞄驾驶员模型。基于序关系分析法建立目标函数,确定不同车速下的最优牵引车及挂车预瞄距离。结果表明:在车速为30 km·h-1时,牵引车和挂车的预瞄距离分别为4 m和2 m,牵引车权重为0.9;在车速为70 km·h-1时,牵引车和挂车的预瞄距离分别为10 m和8 m,牵引车权重为0.75,目标函数最小,控制效果最佳。基于最优预瞄距离、权重的两点预瞄驾驶员模型较自建的单点预瞄驾驶员模型和Trucksim自带的单点预瞄驾驶员模型相比,在超调量、稳定性、转向轻便性方面综合控制效果明显,可在中高速车速下应用,提高安全性。     

预瞄信息空气悬架汽车在加速/制动工况下的LQG控制

建立了基于空气悬架的1/2车辆加速/制动系统模型,通过轴距预瞄在后轮处提前预测路面不平度;设计了基于轴距预瞄控制算法的加速/制动最优控制器;进行了白噪声仿真分析。仿真结果表明:与被动空气悬架加速/制动系统相比,基于轴距预瞄控制的主动空气悬架加速/制动系统能有效降低车辆振动。与最优控制空气悬架加速/制动系统相比,质心加速度和后轮对应处的车身加速度、悬架动行程、轮胎动载均有显著减小,较好的改善了车辆在加速/制动时的平顺性和操纵稳定性。     

冰雪条件下中国驾驶员跟驰行为及模型研究

分析驾驶员在冰雪条件下的驾驶行为特性，建立考虑驾驶员行为特性的跟驰模型，有助于丰富现有交通流理论.通过招募驾驶员开展实车跟驰试验，对比分析正常条件与冰雪条件下的驾驶行为差异.进而基于任务难度均衡理论构建包含人类因素参数的任务难度模块，引入改进后的智能驾驶员模型，并采用车辆轨迹数据对模型进行标定和有效性验证.研究表明：驾驶员在跟驰行驶过程中受外界刺激及自身驾驶能力影响时会对车辆行驶状态进行动态调整，试图保持期望间距，且速度与前车一致的状态；冰雪条件下驾驶员采取风险补偿行为，其车头时距波动幅度较正常条件收窄，模型引入人类因素参数可以较好地描述其差异性. 模型有效性验证表明，新模型在6个仿真场景中的表现都优于传统智能驾驶员模型，且表现出更好的鲁棒性.研究结果可为冰雪条件下的交通管理措施制定提供理论支持.     

ETC环境下驾驶行为对车辆排放的影响分析

为分析ETC收费环境下驾驶行为特征对车辆排放量产生的影响,通过对驾驶员基本特性的实际问卷调查分析出ETC收费环境下驾驶员的驾驶行为,得出影响车辆排放的显著驾驶行为因素。根据不同驾驶员驾驶捷达轻型车通过北京西红门ETC收费站上游500m路段实地尾气排放测试,利用车载排放测试系统SEMTECH-DS对车辆进行排放统计,得出驾驶员的行驶速度与车辆尾气排放率之间的关系。结果表明,不同驾驶员在车辆速度控制方面是存在差异性的,而这种差异性是导致车辆尾气排放量不同的主要原因。因此通过规范驾驶员的驾驶行为,培养良好的驾驶习惯,有利于驾驶员能够更为合理地控制车辆的速度和加速度,从而使车辆完成ETC收费的整个过程尾气排放达到最优。     

基于预瞄驾驶员模型的车辆操控稳定性分析

建立了高效、能适应复杂路况的驾驶员模型,以空间方程形式给出了一种基于最大预瞄距离的驾驶员模型;将驾驶员模型、汽车运动学模型及稳定性控制系统有机结合,采用最优控制理论方法,分析了基于该模型的人-车-路闭环控制系统的指数稳定性条件;运用仿真软件MATALB/Simulink建立了4轮车辆驾驶员模型,仿真结果验证了所建立的驾...     

����ģ�����Ƶ����ܳ���������ʻ�����о�

车辆无人驾驶是智能交通系统的一个重要部分,其目标是开发在高速公路和城市道路环境下的辅助驾驶系统,旨在帮助乃至取代驾驶员,实现车辆自动控制和自动驾驶,减少交通事故发生,提高道路交通系统的效率,因此提出了一种基于机器视觉和模糊控制实现智能车辆自主行驶的方法. 该方法以CMOS摄像头为路径识别传感器,通过图像分析提取车道中心线,并引入速度反馈,形成闭环控制,建立一个由两个模糊控制器组成的分级模糊控制器控制车辆转向,并使用模糊控制代替传统的PID速度控制来控制速度. 和常规的PID算法及模糊控制算法相比,改进的模糊控制算法使智能车在道路上更快速、平稳地运行,并且在转弯处的超调更小.     

基于模糊控制的智能车辆自主行驶方法研究

车辆无人驾驶是智能交通系统的一个重要部分,其目标是开发在高速公路和城市道路环境下的辅助驾驶系统,旨在帮助乃至取代驾驶员,实现车辆自动控制和自动驾驶,减少交通事故发生,提高道路交通系统的效率,因此提出了一种基于机器视觉和模糊控制实现智能车辆自主行驶的方法. 该方法以CMOS摄像头为路径识别传感器,通过图像分析提取车道中心线,并引入速度反馈,形成闭环控制,建立一个由两个模糊控制器组成的分级模糊控制器控制车辆转向,并使用模糊控制代替传统的PID速度控制来控制速度. 和常规的PID算法及模糊控制算法相比,改进的模糊控制算法使智能车在道路上更快速、平稳地运行,并且在转弯处的超调更小.     

基于Stackelberg 博弈理论的自主性车道变换模型

本文提出了一种基于Stackelberg 策略的自主式车道变换模型.车道变换是一种 非常复杂的决策过程,很多因素会影响驾驶员做出变换车道的决策.本文关注自主式车道 变换情况,在自主式车道变换中驾驶员希望通过车道变换来得到更好的驾驶环境,例如 更高的速度或者更大的车头时距等.车道变换是一个决策的过程,在这个过程中驾驶员会 权衡诸多的因素并做出决策.在车道变换过程中目标车辆和在目标车道上的后随车辆会 相互产生影响.另外不同的驾驶员有不同的特点,即便在相同的交通环境下也会做出不同 的决策.我们利用Stackelberg 策略理论对驾驶员的车道变换决策行为进行建模,并利用仿 真对所提出的模型进行验证.     

Intelligent Vehicle's Path Tracking Based on Fuzzy Control

Autopilot vehicle is an important part of intelligent transportation systems. The objective is to develop the driver assistance systems on highway and urban road, to help or even to replace the driver, which may reduce traffic accidents and improve the efficiency of traffic system. A method based on machine vision and fuzzy control is proposed to realize intelligent vehicles' autopilot. It uses the CMOS sensor as its path recognition device to draw its lane centerline through image analysis. Taking the feedback speed as the additional input, the study forms the closed-loop control and establishes one graduation fuzzy controller which controls vehicle direction with two fuzzy controller combinations and replaces traditional PID control vehicle speed by fuzzy control. Compare with the conventional PID algorithm and the fuzzy control algorithm, the improved fuzzy control algorithm ensures a high speed and steady running of intelligent vehicle with smaller over modulation in corner.     

驾驶员综合特征对行车控制与紧急度判断的影响

利用动态心电分析仪、Frecord数据采集系统及动态GPS研究驾驶员特征对紧急状况主观评价和车辆行驶控制的影响。研究表明：具有不同驾驶经验、个性、年龄特征的驾驶员对同一紧急状况做出的紧急度主观评价和制动操纵存在差异,其中驾驶经验的影响最明显。经验丰富的驾驶员采用减速度相对较小,变化相对平缓的驾驶技术,相对于谨慎型驾驶员而言,鲁莽型驾驶员操纵时制动减速度变化剧烈;年龄对驾驶员的操纵也有一定影响,通常年轻驾驶员会进行快速制动,这与驾驶员的生理状况有很大关系。研究结果可为驾驶员安全管理提供理论依据。     

汽车弯道前方碰撞预警控制系统研究

根据驾驶员最优预瞄加速模型,对汽车弯道前方防撞预警系统进行了研究,阐明了汽车弯道前方碰撞预警控制模型的原理以及弯道道路边界检测算法.设计了角度法来分辨雷达获取的信息中位于本车道的前方障碍物,建立了汽车弯道防撞控制算法.经软件模拟仿真表明:该方法能够识别出前方弯道上行驶的车辆,正确预警;紧急情况下能启用控制器控制车辆安全行驶.     

Intelligent Vehicle Human-Simulated Steering Characteristics Access and Control Strategy

As the traditional control algorithm is over-dependent on accurate vehicle model in intelligent vehicle steering control, a human-simulated intelligent control method is proposed based on experienced driver steering characteristics. Intelligent vehicle unmanned steering system dynamics model and the driver model are set up. Through experienced drivers’ trial run experiment, the analysis is mainly conducted on the double lanes condition. After the transformation of coordinates on global positioning system (GPS) derivative, the path information of local coordinates is accessed. The ideal driver steering path is obtained through fuzzy C-means clustering algorithm. The human-simulated intelligent controller is designed. Characteristic model is established according to the ideal and practical steering angle deviation and the deviation rate. Besides, the corresponding control rules and control modality set are designed. The joint simulation under CarSim joint/Simulink environment shows that the humanoid steering controller designed in this paper has better tracking performance than the model predictive control.     

基于强化学习的智能车人机共融转向驾驶决策方法

针对智能车人机共融驾驶系统中人和自主驾驶系统的驾驶权连续动态分配问题,尤其是因建模误差导致的权重分配方法适应性低的难题,提出了基于强化学习的人机共融转向驾驶决策方法;考虑驾驶人的转向特性,搭建了基于双点预瞄的驾驶人模型,并采用预测控制理论建立了智能车自主转向控制模型,构建了智能车人机同时在环的转向控制框架;基于Actor-Critic强化学习架构,设计了用于人机驾驶权分配的深度确定性策略梯度(DDPG)智能体,以曲率契合度、跟踪精确性和乘坐舒适性为目标,提出了基于模型的收益函数;构建了人机共融驾驶权分配强化学习框架,包含驾驶人模型、自主转向模型、驾驶权分配智能体以及收益函数;为了验证方法的有效性,招募了8位驾驶人开展共计48人次的模拟驾驶试验。研究结果表明:在曲率适应性验证中,人机共融-DDPG方法优于人工驾驶和人机共融-Fuzzy方法,跟踪性平均提升70.69%、39.67%,舒适性平均提升18.34%、7.55%;在速度适应性验证中,车速为40、60和80 km·h-1条件下,驾驶人权重大于0.5的时间占比分别为90.00%、85.76%、60.74%,且跟踪性相轨迹和舒适性相轨迹都能有效收敛。可见,提出的方法能够适应曲率和车速变化,在保证安全性的前提下提升了跟踪性和舒适性。