自动驾驶汽车纵向控制的强化学习算法研究
发布时间：2021-01-23 20:19
自动驾驶系统是一个集环境感知、决策控制等功能为一体的综合系统,近年来随着人工智能技术的发展及其在生活中的普及,机器学习的方法也逐渐被引入到了自动驾驶系统的设计中。本文的研究依托于国家科技部项目“电动自动驾驶汽车关键技术研究与示范运行”,旨在通过将强化学习方法与自动驾驶技术结合,进一步改进自动驾驶汽车纵向决策层的设计,从而适应多变的行车环境,并且在决策过程表现出人性化与个性化。主要研究内容如下:（1）汽车纵向自动驾驶决策框架首先针对自动驾驶纵向控制中基于规则的决策推理模型进行阐释,然后介绍了基于值函数和策略的两种强化学习方法。在此基础上,将深度学习与强化学习方法结合,介绍了两种适用于自动驾驶任务场景的深度强化学习算法。最后,在自动驾驶纵向控制与强化学习基本理论的基础上,完成了基于强化学习的自动驾驶汽车纵向决策框架的设计,将其应用于高维状态动作空间下的自动驾驶任务序贯决策问题。（2）基于深度强化学习的自动驾驶纵向控制研究在考虑车辆行驶安全性,舒适性和稳定性的多目标决策体系基础上,为了尽可能表现出系统的人性化与个性化,选取驾驶模拟器作为数据采集平台,设计多种日常行驶工况采集驾驶员的真实驾驶数...
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：98 页
【学位级别】：硕士
【部分图文】：
美国ALV无人车
第1章绪论5图1.2美国ALV无人车图1.3ALVINN自动驾驶汽车图1.4Navlab-5智能车辆图1.5ARGO试验车进入21世纪，自动驾驶技术开始了飞跃式的发展。从2004年开始DARPA举办了3次无人车挑战赛，综合考量自动驾驶汽车在复杂道路和恶劣环境下的适应能力。首次比赛是在沙漠环境下进行，规则要求参赛车辆只能依靠GPS引导行驶，并通过雷达或摄像头等传感器避障，穿越230公里的纯天然沙漠地带。首届比赛没有车辆能够完成这项任务，第二年的比赛斯坦福大学的Stanley无人车赢得了冠军，这辆车配备由激光雷达、摄像头、GPS等传感器，处理器采用英特尔奔腾M，标志了无人驾驶汽车取得了重大突破。此外，这项赛事的举办对于自动驾驶技术的发展和推广起了极大的促进作用。2009年，谷歌公司宣布，和DARPA建立了GoogleX实验室。由斯坦福人工智能实验室前主任，谷歌街景的联合发明人SebastianThrun领导组建一支专注研发自动驾驶技术的科研团队。2013年，奥迪、福特、宝马、日产等传统汽车制造厂商纷纷加入自动驾驶技术研发的浪潮，以nuTonomy、Zoox为代表的创业公司也随之在该领域展开布局。2015年，特斯拉推出自主研发的半自动驾驶系统Autopilot，这也是首个正式投入量产化商用的自
第1章绪论5图1.2美国ALV无人车图1.3ALVINN自动驾驶汽车图1.4Navlab-5智能车辆图1.5ARGO试验车进入21世纪，自动驾驶技术开始了飞跃式的发展。从2004年开始DARPA举办了3次无人车挑战赛，综合考量自动驾驶汽车在复杂道路和恶劣环境下的适应能力。首次比赛是在沙漠环境下进行，规则要求参赛车辆只能依靠GPS引导行驶，并通过雷达或摄像头等传感器避障，穿越230公里的纯天然沙漠地带。首届比赛没有车辆能够完成这项任务，第二年的比赛斯坦福大学的Stanley无人车赢得了冠军，这辆车配备由激光雷达、摄像头、GPS等传感器，处理器采用英特尔奔腾M，标志了无人驾驶汽车取得了重大突破。此外，这项赛事的举办对于自动驾驶技术的发展和推广起了极大的促进作用。2009年，谷歌公司宣布，和DARPA建立了GoogleX实验室。由斯坦福人工智能实验室前主任，谷歌街景的联合发明人SebastianThrun领导组建一支专注研发自动驾驶技术的科研团队。2013年，奥迪、福特、宝马、日产等传统汽车制造厂商纷纷加入自动驾驶技术研发的浪潮，以nuTonomy、Zoox为代表的创业公司也随之在该领域展开布局。2015年，特斯拉推出自主研发的半自动驾驶系统Autopilot，这也是首个正式投入量产化商用的自
【参考文献】：
期刊论文
[1]2018全球自动驾驶:产业生态精彩纷呈[J]. 邓志东. 科技导报. 2019(03)
[2]自动驾驶关键技术与产业发展态势研究[J]. 宫慧琪,牛芳. 信息通信技术与政策. 2018(08)
[3]AEB系统性能与碰撞时间关联性研究[J]. 刘建平,郑望晓,郑阳. 汽车技术. 2018(08)
[4]纯电动车自适应巡航纵向控制方法研究[J]. 初亮,李天骄,孙成伟. 汽车工程. 2018(03)
[5]Uber驾驶汽车首次上路测试[J]. 商业文化. 2016(16)
[6]基于CarSim的车辆动力学建模与仿真分析[J]. 鲁玉萍,施雯. 上海汽车. 2016(02)
[7]汽车燃油经济性及动力性与驾驶性客观评价体系[J]. 章桐,刘普辉. 同济大学学报(自然科学版). 2015(12)
[8]基于模拟驾驶员多目标决策的汽车自适应巡航控制算法[J]. 高振海,严伟,李红建,胡振程. 汽车工程. 2015(06)
[9]智能汽车技术发展趋势[J]. 陈慧,徐建波. 中国集成电路. 2014(11)
[10]驾驶员车头时距研究[J]. 孟凡兴,张良,张伟. 工业工程与管理. 2013(02)
博士论文
[1]城区不确定环境下无人驾驶车辆行为决策方法研究[D]. 耿新力.中国科学技术大学 2017
[2]仿驾驶员速度跟随行为的自适应巡航控制算法研究[D]. 严伟.吉林大学 2016
[3]城市环境下无人驾驶车辆运动控制方法的研究[D]. 赵盼.中国科学技术大学 2012
硕士论文
[1]基于深度强化学习的无人驾驶车道保持决策的研究[D]. 方川.南京大学 2019
[2]车辆自动驾驶纵向控制策略研究[D]. 陈天任.辽宁工业大学 2019
[3]电动汽车自适应巡航控制系统研究[D]. 郝克宇.长春工业大学 2018
[4]汽车主动避撞控制系统控制方法研究[D]. 张雪峰.江苏大学 2017
[5]基于增强学习的启发式和元启发式搜索的参数调优策略[D]. 刘赛赛.电子科技大学 2016
本文编号：2995860
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：98 页
【学位级别】：硕士
【部分图文】：
美国ALV无人车
第1章绪论5图1.2美国ALV无人车图1.3ALVINN自动驾驶汽车图1.4Navlab-5智能车辆图1.5ARGO试验车进入21世纪，自动驾驶技术开始了飞跃式的发展。从2004年开始DARPA举办了3次无人车挑战赛，综合考量自动驾驶汽车在复杂道路和恶劣环境下的适应能力。首次比赛是在沙漠环境下进行，规则要求参赛车辆只能依靠GPS引导行驶，并通过雷达或摄像头等传感器避障，穿越230公里的纯天然沙漠地带。首届比赛没有车辆能够完成这项任务，第二年的比赛斯坦福大学的Stanley无人车赢得了冠军，这辆车配备由激光雷达、摄像头、GPS等传感器，处理器采用英特尔奔腾M，标志了无人驾驶汽车取得了重大突破。此外，这项赛事的举办对于自动驾驶技术的发展和推广起了极大的促进作用。2009年，谷歌公司宣布，和DARPA建立了GoogleX实验室。由斯坦福人工智能实验室前主任，谷歌街景的联合发明人SebastianThrun领导组建一支专注研发自动驾驶技术的科研团队。2013年，奥迪、福特、宝马、日产等传统汽车制造厂商纷纷加入自动驾驶技术研发的浪潮，以nuTonomy、Zoox为代表的创业公司也随之在该领域展开布局。2015年，特斯拉推出自主研发的半自动驾驶系统Autopilot，这也是首个正式投入量产化商用的自
第1章绪论5图1.2美国ALV无人车图1.3ALVINN自动驾驶汽车图1.4Navlab-5智能车辆图1.5ARGO试验车进入21世纪，自动驾驶技术开始了飞跃式的发展。从2004年开始DARPA举办了3次无人车挑战赛，综合考量自动驾驶汽车在复杂道路和恶劣环境下的适应能力。首次比赛是在沙漠环境下进行，规则要求参赛车辆只能依靠GPS引导行驶，并通过雷达或摄像头等传感器避障，穿越230公里的纯天然沙漠地带。首届比赛没有车辆能够完成这项任务，第二年的比赛斯坦福大学的Stanley无人车赢得了冠军，这辆车配备由激光雷达、摄像头、GPS等传感器，处理器采用英特尔奔腾M，标志了无人驾驶汽车取得了重大突破。此外，这项赛事的举办对于自动驾驶技术的发展和推广起了极大的促进作用。2009年，谷歌公司宣布，和DARPA建立了GoogleX实验室。由斯坦福人工智能实验室前主任，谷歌街景的联合发明人SebastianThrun领导组建一支专注研发自动驾驶技术的科研团队。2013年，奥迪、福特、宝马、日产等传统汽车制造厂商纷纷加入自动驾驶技术研发的浪潮，以nuTonomy、Zoox为代表的创业公司也随之在该领域展开布局。2015年，特斯拉推出自主研发的半自动驾驶系统Autopilot，这也是首个正式投入量产化商用的自
【参考文献】：
期刊论文
[1]2018全球自动驾驶:产业生态精彩纷呈[J]. 邓志东. 科技导报. 2019(03)
[2]自动驾驶关键技术与产业发展态势研究[J]. 宫慧琪,牛芳. 信息通信技术与政策. 2018(08)
[3]AEB系统性能与碰撞时间关联性研究[J]. 刘建平,郑望晓,郑阳. 汽车技术. 2018(08)
[4]纯电动车自适应巡航纵向控制方法研究[J]. 初亮,李天骄,孙成伟. 汽车工程. 2018(03)
[5]Uber驾驶汽车首次上路测试[J]. 商业文化. 2016(16)
[6]基于CarSim的车辆动力学建模与仿真分析[J]. 鲁玉萍,施雯. 上海汽车. 2016(02)
[7]汽车燃油经济性及动力性与驾驶性客观评价体系[J]. 章桐,刘普辉. 同济大学学报(自然科学版). 2015(12)
[8]基于模拟驾驶员多目标决策的汽车自适应巡航控制算法[J]. 高振海,严伟,李红建,胡振程. 汽车工程. 2015(06)
[9]智能汽车技术发展趋势[J]. 陈慧,徐建波. 中国集成电路. 2014(11)
[10]驾驶员车头时距研究[J]. 孟凡兴,张良,张伟. 工业工程与管理. 2013(02)
博士论文
[1]城区不确定环境下无人驾驶车辆行为决策方法研究[D]. 耿新力.中国科学技术大学 2017
[2]仿驾驶员速度跟随行为的自适应巡航控制算法研究[D]. 严伟.吉林大学 2016
[3]城市环境下无人驾驶车辆运动控制方法的研究[D]. 赵盼.中国科学技术大学 2012
硕士论文
[1]基于深度强化学习的无人驾驶车道保持决策的研究[D]. 方川.南京大学 2019
[2]车辆自动驾驶纵向控制策略研究[D]. 陈天任.辽宁工业大学 2019
[3]电动汽车自适应巡航控制系统研究[D]. 郝克宇.长春工业大学 2018
[4]汽车主动避撞控制系统控制方法研究[D]. 张雪峰.江苏大学 2017
[5]基于增强学习的启发式和元启发式搜索的参数调优策略[D]. 刘赛赛.电子科技大学 2016
本文编号：2995860
本文链接：https://www.wllwen.com/guanlilunwen/lindaojc/2995860.html
