原文传递
无人驾驶汽车基于驾驶意图分类的前车运动预测算法研究
| 论文题名： | 无人驾驶汽车基于驾驶意图分类的前车运动预测算法研究 |
| 关键词： | 无人驾驶汽车;驾驶意图分类;前车运动预测;人工势场法 |
| 摘要： | 周围车辆的行驶预测具有改善本车行驶安全、燃油消耗以及通行效率的巨大潜力而受到广泛重视。但由于其驾驶意图、车辆动力学特性、预测对象与周围环境交互影响具有不确定性，因而其行驶预测面临巨大挑战。为突破前车运动预测上的瓶颈，本文提出一种基于驾驶意图识别、环境及车辆运动学修正和多模型预测结果相结合的前车运动预测算法，力图解决预测对象驾驶意图不明确和车辆未来运动和环境之间非线性问题。 针对本文的研发需求，首先，开发了数据采集分析平台，并选定一辆长6.6m的纯电动无人驾驶公交车作为研究对象，其运行路线涵盖多种典型道路工况，并设计开发了一款车载信息终端，可以实时采集车辆状态信息和车辆环境信息，为之后的算法验证提供良好的数据基础。 针对目标车辆的纵向驾驶意图和车辆动力学特性不明确的问题，提出了基于纵向驾驶意图分类的多模型前车速度预测算法。采用模糊C均值方法，利用车辆加速度相关信息，通过离线训练，实现了对纵向驾驶意图的自动识别。采用高斯过程回归的方法，利用历史和当前车速，预测三种不同驾驶意图下的未来车速。根据驾驶意图的模糊分类结果，对三种预测车速进行融合，通过迭代法进行1s的滚动预测，90.33%的预测误差小于1m/s，最大速度预测误差为2.45m/s。 针对横向航向角预测驾驶意图、车辆动力学特性不明确和环境交互影响的问题，开发基于横向驾驶意图识别的多模型前车轨迹预测算法。基于模糊C均值算法，利用航向角变化率相关信息，通过离线训练实现了对横向驾驶意图的自动识别。设计基于驾驶意图识别的轨迹预测算法，结合前文得到的未来车速，开发基于长短期记忆的轨迹预测算法，将针对不同驾驶意图训练的预测模型的结果进行融合，得到车辆未来的轨迹。采用人工势场法，计算目标车辆的纵向和侧向安全距离，从而对道路边界和预测对象的周围车辆的势场进行汇总，以达到对轨迹预测结果进行修正的效果。通过迭代法进行1s的滚动预测，横向距离中，94.52%的预测误差小于0.1m，最大距离预测误差为0.23m。纵向距离中，92.91%的预测误差小于0.5m，最大距离预测误差为0.87m。 综上所述，本文所提出基于驾驶意图识别、环境及车辆运动学修正和多模型预测结果相结合的前车运动预测算法，可以有效解决预测对象驾驶意图、车辆动力学特性和环境交互影响具有不确定性等瓶颈问题，为改善后车行驶安全、燃油消耗以及通行效率奠定了重要基础。 |
| 作者： | 马文达 |
| 专业： | 动力工程 |
| 导师： | 谢辉;张宏超 |
| 授予学位： | 硕士 |
| 授予学位单位： | 天津大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
