原文传递
结合驾驶意图的变道轨迹预测与跟踪控制研究
| 论文题名： | 结合驾驶意图的变道轨迹预测与跟踪控制研究 |
| 关键词： | 汽车驾驶;变道轨迹预测;模型预测控制;驾驶意图 |
| 摘要： | 车辆变道是常见的驾驶行为之一，不合理的变道行为可能造成交通拥堵甚至导致交通事故和人员伤亡。如果能够对提前对车辆的变道意图进行识别，并针对识别意图预测出车辆的变道轨迹并跟踪，可以协助驾驶员进行驾驶决策。本文主要研究内容如下： 对原始数据利用对称指数移动平均法进行降噪平滑处理，减少原始数据中异常数据对后续数据分析以及模型训练的干扰。通过航向角阈值对变道过程进行选取，再利用滑窗法进行数据提取，并对提取的变道特征进行分析，得到变道持续时间与变道位移、变道速度之间的特征关系，另外得到车辆数对变道频次的影响以及变道持续时间分布区间。 利用双向长短期记忆网络(Bi-directional Long-Short Term Memory，BILSTM)善于处理时序问题的特点，搭建基于BI-LSTM的驾驶意图识别模型。在增加周围车辆交互信息作为输入的情况下，提取横向速度、航向角以及道路环境等信息作为额外输入，增强了模型的驾驶意图识别能力，并且利用注意力机制对关键信息的筛选能力，进一步保证了模型在多输入的状态下识别驾驶意图的能力。另外分析了历史输入信息长度、预测时域大小对模型性能的影响，结果表明本文提出的结合注意力机制的BI-LSTM意图识别模型在满足要求的推理时间的情况下，在较大预测时域内也能有较高的识别准确率。 针对常规轨迹预测没有考虑驾驶行为的情况，提出在Encoder-Decoder框架下将驾驶意图结合到轨迹预测中。分析模型的隐藏层层数以及隐藏层神经元数量对预测精度的影响，并与未加意图识别模块的轨迹预测模型对比，结果表明，轨迹预测模型能够在预测范围内对车辆轨迹进行预测，并保证较高的预测精度。 设计基于模型预测控制法(model predictive control，MPC)的路径跟踪控制器。考虑预测步数数量相同的情况下不同预测步长对路径跟踪效果的影响，设计出变步长路径跟踪模型，选取长、短步长跟踪控制模型与本文设计的变步长模型进行对比分析，并通过设计不同速度、不同路面条件对模型的跟踪精度进行实验。结果表明，本文提出的模型能够保证跟踪精度的前提下满足实时性需求。 |
| 作者： | 宋永雄 |
| 专业： | 机械工程;车辆工程 |
| 导师： | 周舟 |
| 授予学位： | 硕士 |
| 授予学位单位： | 重庆交通大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
