为实时估计可用于多辆自动驾驶汽车的停车场车位占用状态,提出一种路径规划算法。该算法具有分布式主动感知,命名为“多车Monte Carlo Bayes滤波树(MV-MCBFT)”。构建车位状态的概率转移模型,设计多源更新的Bayes滤波融合机制,结合次模...为实时估计可用于多辆自动驾驶汽车的停车场车位占用状态,提出一种路径规划算法。该算法具有分布式主动感知,命名为“多车Monte Carlo Bayes滤波树(MV-MCBFT)”。构建车位状态的概率转移模型,设计多源更新的Bayes滤波融合机制,结合次模函数最大化原理,提出预估观测驱动的序贯式前馈协同运动规划策略。结果表明:在熵下降比例与估计准确率等指标上,MV-MCBFT取得了与遍历算法一致的近似最优结果,而耗时仅为遍历算法的1%;与随机游走算法相比,本文MV-MCBFT的熵下降比提升了43.70%;估计准确率提升了51.43%。从而,本文方法提升了停车位状态估计效果。展开更多
文摘为实时估计可用于多辆自动驾驶汽车的停车场车位占用状态,提出一种路径规划算法。该算法具有分布式主动感知,命名为“多车Monte Carlo Bayes滤波树(MV-MCBFT)”。构建车位状态的概率转移模型,设计多源更新的Bayes滤波融合机制,结合次模函数最大化原理,提出预估观测驱动的序贯式前馈协同运动规划策略。结果表明:在熵下降比例与估计准确率等指标上,MV-MCBFT取得了与遍历算法一致的近似最优结果,而耗时仅为遍历算法的1%;与随机游走算法相比,本文MV-MCBFT的熵下降比提升了43.70%;估计准确率提升了51.43%。从而,本文方法提升了停车位状态估计效果。
文摘为了提高车辆转弯行驶过程中自动紧急制动(autonomous emergency braking,AEB)的稳定性、舒适性,提出了一种基于模型预测和PID(proportional-integral-derivative)控制的协同控制方法。在建立车辆三自由度模型、轮胎模型和目标车辆轨迹模型的基础上,通过安全模型计算碰撞时间(time to collision,TTC)和制动距离,制定了相应车速下的最小安全距离约束,以保证紧急制动过程中的安全性。通过模型预测控制得到期望减速度,基于PID控制理论实现对期望减速度的跟踪控制,并设计了AEB协同控制器。仿真结果表明,与传统PID控制相比,所提控制方法的最大冲击度降低了23.94%、最大横摆角速度降低了36.56%,在保证制动安全的前提下,提高了车辆在转弯行驶过程中AEB的稳定性,改善了乘坐舒适性。
