基于危险碰撞场景建模的主动避撞研究

发布时间：2021-06-25 18:00

　　主动避撞作为智能辅助驾驶系统或者自动驾驶系统最重要的功能之一,直接影响着汽车行驶的安全性和单车智能水平,其在提高行车安全性、减少碰撞事故频率等方面具有重要意义;危险碰撞场景的建模对于描述结构化道路上的危险行车场景,建立危险工况下碰撞危险的标准化、归一化描述,或用于后续危险碰撞场景的生成等均具有重要的意义。本文所做主要工作如下:（1）针对现有碰撞危险评价方法难以横向评价不同危险场景,且数值区间变化较大、评价方法繁杂、无归一化描述形式等问题,分别对结构化行车场景中的纵向、侧向和并行工况下的碰撞危险进行机理分析,并基于微观运动过程和运动时距概念开展物理建模,推导出了对应工况下的危险描述公式,形成了无量纲、归一化的综合碰撞危险描述和评价方法;（2）现阶段主动避撞决策算法中,对于危险碰撞产生的机理及碰撞危险的描述和评价形式尚没有深入的研究,所采用的基于时距或者运动学危险描述等单一形式导致评价方法无法统一、数值无法比较等问题,因此难以定量地评价不同智能驾驶系统的功能优劣,也导致功能开发中存在危险评估建模标准化方面的不足。主动避撞还存在避撞方式单一、实车表现不佳等问题。本文运用前述危险碰撞场景的建模... 

【文章来源】： 秦佳祥 吉林大学

【文章页数】：131 页

【学位级别】：硕士

【部分图文】：

交通事

第1章绪论7象的影响，可以设置对应的高温高寒极限环境进行测试就可以得出该测试对象在最恶劣的环境下的工作情况和使用寿命；针对磨损变化对测试对象的影响，可以设置不同磨损程度下测试对象的工作实验；针对疲劳变化对测试对象的影响，可以设置疲劳耐久性实验以验证测试对象在何种疲劳环境下仍然可以可靠稳定的工作。图1.3传统车辆测试评价如上图1.3所示，分析传统车辆的测试评价可以发现测试对象多是机械结构件，对外界无感知，因此其工作性能受场景、交通影响较校概括的说，传统车辆测试评价试验是对外界影响因素的提炼。在车辆完全自动驾驶环境下，如何对开发、测试和评价智能驾驶系统呢？首先在“人-车-环境”这样一个多重闭环反馈的复杂系统里面，不容忽视的是车和人所处的场景，不同场景下合格的智能驾驶系统都应该能进行稳定可靠的工作，而车辆行驶场景的特点是：极其复杂、不可穷劲高度不确定性。下图1.4是车辆行驶中常见的复杂工况。

吉林大学硕士学位论文8图1.4典型复杂场景由于场景具有不可穷劲极其复杂的特点，因此对于车辆行驶场景的研究极有必要，而车辆行驶场景又可以分为若干类具有明显特征的场景库，如基于常见的、危险性低的、易于营造的常见工况场景库；基于道路状况恶劣、天气状况恶劣、相对少见、有行驶危险性的恶劣工况场景库；基于极少见、危险性高、难以营造或者不可复现的危险交通场景库。以上场景库的建立对于提高自动驾驶功能开发和测试阶段的完备性具有重要意义。在上述三类基本的场景库中，危险场景作为考察智能驾驶系统是否合格的最终考官具有不可替代的作用。而现实世界中车辆行驶的危险场景是无法穷举的，因道路破损、突发恶劣天气、驾驶员驾驶风格和驾驶状态、复杂交通等原因均有可能产生危险场景。在现实世界中人为采集危险场景具有高度危险性，且该实验的试验数量惊人、成本耗资巨大、效率和可实施性也令人担忧。最为明显的例子是Google旗下的Waymo无人驾驶汽车截止到2019年年中累积行驶里程已经超过2000万公里，但理论上无人驾驶技术的安全性论证仍然需要数十亿公里的测试，仅利用该项目的实车试验显然是无法直接证明自动驾驶的安全性的。另外从技术发展的角度，技术方案越趋近于成熟，自动驾驶的系统故障越难发现，对极端测试环境和危险场景的需求也就越明显。而建模仿真技术在降低开发成本，提高效率、安全性和可控性方面具有明显的优势，可以简化现实问题并加速问题的研究过程。危险场景中的车辆、行人、道路、天气、交通等等都是构成危险场景的重要要素，值得注意的是任何的理论建模仿真技术所构建的模型都应该寻求在现实世界中与理论测试条件一致或者相近的条件下测试的实际结果进行对比，以更正和提升建模模型的置信度。


本文编号：3249674