自动驾驶车辆决策控制方法研究

发布时间：2025-02-08 20:27

　　为了降低人为因素引起的各类交通事故,减少道路拥挤造成的能源消耗,自动驾驶汽车已受到世界广泛关注。决策控制作为自动驾驶汽车的关键共性技术,主要负责对环境信息理解和推理以做出合理驾驶行为和生成可行域内最优轨迹,最后控制车辆执行机构执行相应动作。本文对自动驾驶车辆行为决策、运动规划和控制执行算法分别进行了研究,然后通过实车试验验证建立的决策控制算法的可行性和有效性。本文主要研究内容包括:(1)自动驾驶车辆行为决策研究。根据封闭场景驾驶任务,基于有限状态机原理建立了行为决策算法,分析了换道、跟驰及期望速度决策机理;对NGSIM轨迹数据集预处理,将其分为车道保持及自由行驶下左换道、右换道三类数据,在此基础上提取特征向量训练LSTM模型,以建立基于LSTM神经网络行为决策算法。(2)自动驾驶车辆运动规划研究。分析了基于五次多项式的轨迹规划原理,分析不同轨迹预测时间对规划轨迹的影响;在曲线坐标系下将车辆运动规划分解为纵向和横向两个方向运动,然后结合纵横向生成最优运动轨迹;对跟车、合流、停车和车道保持场景进行仿真,仿真结果与对应场景任务要求一致;考虑生成的最优轨迹潜在的碰撞风险,提出使用基于速度障碍法的...

【文章页数】：109 页

【学位级别】：硕士

【部分图文】：

图1-2国外自动驾驶车辆

2L3阶段驾驶员仍然是车辆行为决策的主导者，而车辆系统开始接管感知和执行层。因此，自动驾驶车辆的决策控制技术仍是未来研究方向的热点及难点。L0.无自动化L1.驾驶辅助L2.部分自动驾驶L3.有条件自动驾驶L4/5.高度/完全自动驾驶等级描述仅提供预警提示，不介入车辆操控独立驾驶辅....

图1-3国内自动驾驶车辆

晒?揽萍即笱ё灾骺?⒌淖远?菔怀盗竞炱?HQ3完成了从长沙到武汉长达286km的无人驾驶实验，标志我国在自动驾驶技术取得新的突破。清华大学自动驾驶车辆THMR-V(TsinghuaMobileRobot),最高时速突破了100km/h。2017年7月百度发布了开放式自动驾驶软件平....

图2-8标准RNN结构图

182.2基于LSTM神经网络行为决策模型基于有限状态机的行为决策可以满足典型封闭场景下自动驾驶车辆的基本行为决策，但真实交通环境复杂多变，利用有限状态机划分状态难以穷尽所有场景规则，可能导致程序逻辑跳转失败。考虑到车辆驾驶行为是根据不同环境信息演变的时变序列，而LSTM神经网络....

图2-17tensorflow框架下LSTM结构

26以数据集中ID124车辆为例，其车辆状态和环境信息部分归一化特征数据如表3.2所示。表3.2ID124车辆的部分归一化特征数据车辆ID帧识别号码速度/(m/s)加速度/(m/s2)偏离车道中心/m前车相对速度左前车相对速度右前车相对速度1244170.0151-0.00370....

本文编号：4031942