原文传递
高速环境下的智能车辆自主换道决策与轨迹规划研究
| 论文题名： | 高速环境下的智能车辆自主换道决策与轨迹规划研究 |
| 关键词： | 智能车辆;支持向量机;梯度提升树;换道决策;轨迹规划 |
| 摘要： | 换道行为是车辆行驶过程中必要的行为之一，规范合理的换道行为可以降低道路拥堵，提高通行效率，但由于换道时通常会提高车速，极易引发交通事故，导致交通拥堵和生命财产损失，研究智能车辆的自主换道技术可有效避免事故发生，让车辆安全稳定的完成换道。本文以高速公路场景下的自主换道行为作为研究对象，对车辆在高速环境下的换道行为决策、换道轨迹规划进行研究，具体内容如下： 本文首先对车辆的换道类型和换道阶段的进行了分析，采用NGSIM项目中的实际驾驶数据建立机器学习数据集，通过对原始数据进行筛选和平滑滤波，提取了关于车辆自由换道的11个相关影响因素数据用作构建数据集。 对于换道决策，分析了换道决策算法以及超参数优化方法的原理和特点，分别建立了基于SVM的换道决策模型和基于GBDT的换道决策模型，针对SVM模型进行了核函数对比分析，采用高斯核函数的SVM模型分类效果较好，通过贝叶斯优化超参数后的准确率达到89.9％。之后对GBDT决策模型进行了分析研究，GBDT对于换道样本识别效果得到明显提高，提出的贝叶斯优化的GBDT模型准确率达到91.7%，召回率为89%，AUC值为0.97，决策模型性能提升明显，对于智能车辆的换道决策模型具有一定的参考意义。 对于换道的轨迹规划，通过对比常用换道轨迹规划算法的优缺点，选择五次多项式函数对轨迹进行规划，考虑换道过程的舒适性、换道效率以及对道路通行的影响，并结合安全性、动力学约束建立了换道轨迹的多目标优化函数，通过优化函数对规划的五次多项式换道轨迹簇进行最优轨迹的选取。引入了遗传算法对优化函数的换道时间和纵向位移进行求解，之后分析了无障碍交通车环境下不同权重的最优轨迹特点，为目标函数权重系数的选取提供了参考。为验证轨迹规划算法的可行性，采用了Prescan、Carsim和Matlab/Simulink进行场景仿真，分别对前车缓速下匀速换道、多车匀速环境下加速换道以及障碍交通车状态变化的场景进行仿真，仿真过程中换道车辆均能无碰撞的换至目标车道，轨迹规划方法可在换道空间发生变化时，通过调整权重系数来改变换道时间和纵向行驶距离，保证车辆进行安全可靠的换道。 |
| 作者： | 向东 |
| 专业： | 车辆工程 |
| 导师： | 马骊溟 |
| 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
