發(fā)布時(shí)間：2025-02-08 20:27

　　為了降低人為因素引起的各類交通事故,減少道路擁擠造成的能源消耗,自動(dòng)駕駛汽車已受到世界廣泛關(guān)注。決策控制作為自動(dòng)駕駛汽車的關(guān)鍵共性技術(shù),主要負(fù)責(zé)對(duì)環(huán)境信息理解和推理以做出合理駕駛行為和生成可行域內(nèi)最優(yōu)軌跡,最后控制車輛執(zhí)行機(jī)構(gòu)執(zhí)行相應(yīng)動(dòng)作。本文對(duì)自動(dòng)駕駛車輛行為決策、運(yùn)動(dòng)規(guī)劃和控制執(zhí)行算法分別進(jìn)行了研究,然后通過實(shí)車試驗(yàn)驗(yàn)證建立的決策控制算法的可行性和有效性。本文主要研究內(nèi)容包括:(1)自動(dòng)駕駛車輛行為決策研究。根據(jù)封閉場景駕駛?cè)蝿?wù),基于有限狀態(tài)機(jī)原理建立了行為決策算法,分析了換道、跟馳及期望速度決策機(jī)理;對(duì)NGSIM軌跡數(shù)據(jù)集預(yù)處理,將其分為車道保持及自由行駛下左換道、右換道三類數(shù)據(jù),在此基礎(chǔ)上提取特征向量訓(xùn)練LSTM模型,以建立基于LSTM神經(jīng)網(wǎng)絡(luò)行為決策算法。(2)自動(dòng)駕駛車輛運(yùn)動(dòng)規(guī)劃研究。分析了基于五次多項(xiàng)式的軌跡規(guī)劃原理,分析不同軌跡預(yù)測時(shí)間對(duì)規(guī)劃軌跡的影響;在曲線坐標(biāo)系下將車輛運(yùn)動(dòng)規(guī)劃分解為縱向和橫向兩個(gè)方向運(yùn)動(dòng),然后結(jié)合縱橫向生成最優(yōu)運(yùn)動(dòng)軌跡;對(duì)跟車、合流、停車和車道保持場景進(jìn)行仿真,仿真結(jié)果與對(duì)應(yīng)場景任務(wù)要求一致;考慮生成的最優(yōu)軌跡潛在的碰撞風(fēng)險(xiǎn),提出使用基于速度障礙法的...

【文章頁數(shù)】：109 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1-2國外自動(dòng)駕駛車輛

2L3階段駕駛員仍然是車輛行為決策的主導(dǎo)者，而車輛系統(tǒng)開始接管感知和執(zhí)行層。因此，自動(dòng)駕駛車輛的決策控制技術(shù)仍是未來研究方向的熱點(diǎn)及難點(diǎn)。L0.無自動(dòng)化L1.駕駛輔助L2.部分自動(dòng)駕駛L3.有條件自動(dòng)駕駛L4/5.高度/完全自動(dòng)駕駛等級(jí)描述僅提供預(yù)警提示，不介入車輛操控獨(dú)立駕駛輔....

圖1-3國內(nèi)自動(dòng)駕駛車輛

曬?攬萍即笱ё災(zāi)骺?⒌淖遠(yuǎn)?菔懷盜競炱?HQ3完成了從長沙到武漢長達(dá)286km的無人駕駛實(shí)驗(yàn)，標(biāo)志我國在自動(dòng)駕駛技術(shù)取得新的突破。清華大學(xué)自動(dòng)駕駛車輛THMR-V(TsinghuaMobileRobot),最高時(shí)速突破了100km/h。2017年7月百度發(fā)布了開放式自動(dòng)駕駛軟件平....

圖2-8標(biāo)準(zhǔn)RNN結(jié)構(gòu)圖

182.2基于LSTM神經(jīng)網(wǎng)絡(luò)行為決策模型基于有限狀態(tài)機(jī)的行為決策可以滿足典型封閉場景下自動(dòng)駕駛車輛的基本行為決策，但真實(shí)交通環(huán)境復(fù)雜多變，利用有限狀態(tài)機(jī)劃分狀態(tài)難以窮盡所有場景規(guī)則，可能導(dǎo)致程序邏輯跳轉(zhuǎn)失敗�？紤]到車輛駕駛行為是根據(jù)不同環(huán)境信息演變的時(shí)變序列，而LSTM神經(jīng)網(wǎng)絡(luò)....

圖2-17tensorflow框架下LSTM結(jié)構(gòu)

26以數(shù)據(jù)集中ID124車輛為例，其車輛狀態(tài)和環(huán)境信息部分歸一化特征數(shù)據(jù)如表3.2所示。表3.2ID124車輛的部分歸一化特征數(shù)據(jù)車輛ID幀識(shí)別號(hào)碼速度/(m/s)加速度/(m/s2)偏離車道中心/m前車相對(duì)速度左前車相對(duì)速度右前車相對(duì)速度1244170.0151-0.00370....

本文編號(hào)：4031942