原文传递
面向汇入风险决策的智能车拟人化汇入策略
| 论文题名： | 面向汇入风险决策的智能车拟人化汇入策略 |
| 关键词： | 智能车;拟人化决策;车道汇入;混行模式;信号检测论;毫米波雷达 |
| 摘要： | 相比于普通换道行为，车辆在高速公路加速车道的汇入行为对驾驶技巧和驾驶经验提出了更高要求。受加速车道长度物理限制，驾驶人必须在有限时间内完成汇入，且自车与主线车辆的速度差通常处于较大范围。相似的，对智能车辆而言，加速车道汇入也是一种具有挑战性的运行工况。尤其是和主线人工驾驶车辆处于混行状态时，由于缺乏人机交互沟通，智能车辆无法实现类似驾驶人那样灵活多变的汇入策略，这影响了智能车辆的自主运行能力。 针对上述问题，本文基于毫米波雷达和高清视频记录仪搭建了数据采集系统，在某高速公路加速车道以隐蔽方式采集了大量自由汇入数据，并对数据进行特性分析，确定了驾驶人汇入过程的典型参数分布特性，并提出了安全汇入预期所需加速度的决策机制，建立了驾驶人汇入过程安全决策模型，为智能车辆实现类似驾驶人灵活多变的汇入策略提供了支撑。主要研究内容如下： （1）以自由汇入数据为基础，分析确定了驾驶人汇入过程中的速度特征、时间特征、空间特征以及经过多次汇入决策阶段的自车汇入特征。分析结果表明，由于汇入过程通常风险较高，驾驶人在汇入过程中更多地追求安全而非效率，无论相邻主线车道是否有车，驾驶人在汇入过程中均采取较为保守的加速操作，加速度较小，整体而言驾驶人在加速车道并没有表现出特别明显的加速行为。 （2）以剩余加速车道长度为关键参数，建立并标定了基于安全距离和自车在决策时刻所需加速度的安全汇入理论模型，确定了在安全汇入前提下自车在汇入起点所需最小加速度。参数检验结果表明，不同安全状态样本的最小加速度值存在显著差异。依据上述分析结果，结合实验心理学领域的信号检测论确定了汇入起点的汇入风险决策阈值，大小为0.18m/s2。并基于此提出了考虑加速车道剩余长度的汇入决策，模型检验结果表明，该阈值对安全样本的决策召回率为92.77%，对危险样本的决策召回率为95.15%，对汇入风险的整体决策准确率为93.88%。将建立的汇入风险决策模型与经典换道安全预警模型进行对比，结果表明，基于安全汇入理论模型的汇入风险决策阈值更符合驾驶人对汇入风险的感知。 （3）针对智能车辆对汇入成功率的需求，并以加速车道的“加速效应”为依据，尝试验证了不同加速度决策阈值对汇入风险决策的影响效果。考虑常规乘用车加速能力，在阈值设置为1m/s2的情况下对模型进行仿真，结果表明，在保证汇入安全的前提下，所提出的面向汇入风险决策的智能车拟人化汇入策略能实现97.5%的汇入成功率，可将其应用于智能车辆的汇入过程。 |
| 作者： | 蒋司杨 |
| 专业： | 车辆工程 |
| 导师： | 王畅 |
| 授予学位： | 硕士 |
| 授予学位单位： | 长安大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
