原文传递
面向混行紧急切入场景的智能车队协同避撞控制研究
| 论文题名： | 面向混行紧急切入场景的智能车队协同避撞控制研究 |
| 关键词： | 智能网联汽车;协同避撞控制;混行交通流;紧急切入场景 |
| 摘要： | 随着车联网和自动驾驶技术日益成熟，由智能网联汽车（Intelligent Connected Vehicle,ICV）耦合而成的智能车队凭借其在提升道路通行能力、降低车队行驶能耗方面的优势，逐渐成为智能交通系统（Intelligent Traffic System,ITS）的重要应用，而协同避撞系统作为保障车队安全行驶的关键环节更是得到广泛关注。根据ICV的发展规划，未来将有大量ICV涌入人工驾驶网联汽车（Manuel Connected Vehicle,MCV）车流推动混行交通流新态势成形，车队在该阶段中会与MCV相互影响产生新的风险，尤其是驾驶员紧急换道行为具有突发性、难预知性，会对目标车道后方车队造成较大安全隐患。因此，在现有协同避撞研究基础上，通过预警与协同控制的方式，进一步探索紧急切入场景下智能车队的协同避撞策略，对推动ICV编队行驶发展具有重要意义。 主要研究工作如下： （1）提出了紧急切入场景下MCV换道行为预测方法及碰撞风险评估模型。面向MCV紧急切入场景，构建了基于高斯混合隐马尔可夫的换道行为辨识模型和基于人工神经网络的驾驶行为预测模型。基于条件随机场建立了适用于车队整体及其内部碰撞风险的评估模型以确定策略执行时机。通过对MCV紧急换道行为进行提早预警，为车队及时应对突发情况提供了理论支撑。 （2）提出了紧急切入场景下智能车队内车辆的主动转向避险策略。针对队内车辆采取紧急制动方式无法避撞的情况，设计了基于遗传算法优化的神经网络PID主动转向控制器。采用神经网络和PID控制相结合（Combination of Neural Network and PID,CNNPID）的方法消除控制误差，利用遗传算法在全局搜索能力上的优势优化神经网络的权值矩阵区间，提升转向控制器的控制性能，可满足在紧急转向避撞过程中的准确性、鲁棒性要求。 （3）提出了紧急切入场景下智能车队分层式协同避撞控制（Hierarchical Cooperative Collision Avoidance,H-CCA）框架。上层控制器由宏观角度出发，提出基于风险评估的车队内车辆避撞模式切换方法及集群划分方法，并设计两阶段协同避撞策略分别解决车队和集群的避撞问题。下层控制器根据上层控制器计算得到的期望加速度、航向角经过操纵机构对车辆进行横纵向控制。最后，500次仿真实验结果验证了紧急换道行为预测方法可平均可提前0.25s响应，且在H-CCA策略的控制下显著提升智能车队的避撞成功率。 综上，针对现有智能车队协同避撞策略的预警不及时、避撞模式单一，本文从“行为预测—风险评估—协同避撞”三个层面提升协同避撞策略的实时性、高效性和安全性，进一步拓展了混行环境下ITS的应用场景需求。 |
| 作者： | 于扬 |
| 专业： | 交通运输工程 |
| 导师： | 梁军 |
| 授予学位： | 硕士 |
| 授予学位单位： | 江苏大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
