换道

摘要： 换道作为车辆的基本驾驶行为之一,相较于跟驰行为,换道过程更具复杂性,对道路上车辆的运行安全有着至关重要的影响。为了对车辆换道轨迹进行准确预测,满足自动驾驶条件下车辆换道的安全性与合理性,本文选定五次多项式为换道轨迹预测基础模型,构建效益函数和选取约束条件,应用MATLAB中的fmincon优化工具箱,使用二次序列优化算法对模型参数进行寻优求解。对比换道预测轨迹与实际轨迹,对模型的有效性进行验证,结果表明预测轨迹的横向位移绝对误差集中在−0.3 m~0.3 m之间,偏转角速度波动峰值均小于2˚/s,加速度维持在0~2 m/s2的范围内,满足轨迹合理性、换道舒适性和平稳性。

摘要： 为使智能网联汽车(intelligent connected vehicle,ICV)在复杂交通环境下高效、安全地通过信号交叉口,在车联网实时获取信号灯和前车状态信息的基础上,建立了智能网联汽车通过信号交叉口的驾驶行为决策框架.通过跟驰模型推导智能网联汽车和前方车辆在未来的行驶状态,预测得到前方车辆是否要通过交叉口的行为,进一步分别对智能网联汽车是领头车和跟随车时通过交叉口停止线的条件进行判断;将换道加入到驾驶方式中来寻求更高的通行效率,用基于换道时间模型的方法判断智能网联汽车换道后的通过条件;仿真对比分析了所提出模型和现有模型的决策能力,讨论了影响决策过程的关键因素.研究结果表明:相比于现有模型,综合信号灯和前车行驶意图的决策方法能够提高智能网联汽车对通行条件判断的准确性,从而进行更合理的行为选择,随着单位绿灯剩余时间的增加,车辆决策通过交叉口的概率可提高20%,当前车道的车辆位置对决策结果影响显著.

摘要： 换道是实现汽车智能化必须涉及的一项研究。为了研究高速公路场景下换道行为特性,对自然驾驶条件下驾驶员的换道数据进行了处理与分析。基于标准自然驾驶数据处理流程对采集的自然驾驶数据进行清洗、标注,并存入场景数据库。定义换道行为,从场景数据库中提取换道数据,并对换道执行阶段数据进行平滑处理。采用支持向量机模型实现换道行为的分类识别。对换道场景的时间以及周边车辆的相互状态等特征参数进行统计分析。最终得到周围环境车辆对换道车辆影响优先等级,为智能汽车换道功能的设计提供数据支撑。

摘要： 针对智能线控转向(SBW)车辆在弯道上换道时的路径跟踪控制与车辆稳定性问题,提出一种分层协同路径跟踪控制器。在上层控制器中,根据参考轨迹设计新的期望横摆角的非线性函数,使车辆在跟踪新的期望横摆角时,侧向位移误差趋于零,从而简化路径跟踪控制;其次通过构造Lyapunov函数,设计基于指数收敛扰动观测器的路径跟踪滑模控制律,以保证控制系统的稳定性和收敛性;同时,通过建立横向位移与纵向制动的协同误差模型设计车轮滑移率的滑模跟踪控制律,以确定合适的轮胎制动力矩。在下控制器中,根据建立线控转向系统的二阶模型,提出一种RBF网络自适应滑模控制器,以保证前轮角跟踪的精度。最后,通过Matlab/Simulink和CarSim联合仿真验证所提协同控制器的可行性和有效性。

摘要： 传统的自适应巡航控制车辆在面对前方低速行驶的目标车辆时只能低速跟车行驶,为提高ACC车辆的行车效率,提出了具有换道功能的自适应巡航控制策略。将ACC车辆的控制模式分为定速巡航、跟车巡航、换道巡航3种,基于速度不满意累计度设计了多模式切换策略。基于模型预测控制算法设计了定速巡航和跟车巡航纵向控制器、换道轨迹跟踪控制器,并利用五次多项式规划了换道轨迹。使用PreScan/CarSim/Matlab软件搭建仿真平台,设计多种测试工况,对设计的控制策略进行联合仿真测试。结果表明,设计的控制策略稳定且可靠。

摘要： 目的:针对部分自适应巡航系统不能考虑驾驶员意图,在车辆长时间跟随低速行驶的前车情况时,无法满足驾驶员的主观需求。方法:提出一段时间内车辆行驶速度持续低于期望速度作为自适应巡航车辆的换道意图,使用最小临界碰撞距离与目标车道前、后车辆距离来决定换道过程是否危险,采用模型预测控制算法对规划的多项式曲线进行跟踪控制:利用Simulink/CarSim对目标车道有无车辆两种工况进行联合仿真。结果:与传统的自适应巡航车辆相比,既能实现定速巡航与自动跟车,也能进行主动换道。结论:采用基于自适应巡航车辆的主动换道控制策略,能够实现满足驾驶员换道意图的主动换道,且换道轨迹跟踪效果良好。

摘要： 近日,河南省印发《河南省加快材料产业优势再造换道领跑行动计划(2022~2025)》(以下简称《行动计划》),将转型提升4个先进基础材料产业,培育壮大5个关键战略材料产业,前瞻布局4个前沿新材料产业。到2025年,河南基本实现全省材料产业优势再造、换道领跑和绿色低碳转型,成为全国重要的材料创新高地和先进材料基地。

摘要： 车联网环境中,交通系统将长期呈现智能网联汽车和传统人工驾驶车辆混合共存的状况.针对智能网联交通环境下的新型混合车流,建立了车辆的换道行为决策模型.对于混合车辆交通流引入最小安全区域模型,自主车辆交通流基于博弈论的思想进行建模.自主车辆之间的换道被看作为1种非合作博弈行为,车辆以自身行驶状态为博弈收益,寻求行驶条件更优的车道.运用SUMO软件对提出的换道模型进行仿真验证分析.仿真结果表明,博弈换道模型相比于传统间隙阈值接受模型具有较高的车道利用率和安全稳定性.

摘要： 【策划人语】"十四五"开局,贯彻新发展理念的要求是"完整、准确、全面",但从各地实践来看,很多地方贯彻新发展理念仍然是"老路子、老办法"。怎样打破思维惯性,闯出新路?换道突"维",正在成为地方发展的高频词。从过去的"弯道超车"到如今的"换道超车",仅一字之变,但意境全变、思路大变。换道的背后既是对传统的、固有的惯常发展路径的一次"扬弃",也是全面、辩证、多维发展的树立,更是完整、准确、全面贯彻新发展理念的生动实践。

摘要： 统计结果表明,车辆换道导致的交通事故数量约占事故总数的27%,其中紧急换道行为是主要的诱因,它导致的交通堵塞时间占到全部碰撞事故交通延迟的10%。而在行车过程中,换道行为是不可避免并且频繁发生的,因此驾驶员提供换道危险预警,可以降低事故发生的概率。而车辆在行驶中,驾驶员用来做决策的时间是非常短的,因此对换道预警模型的实时性有极高的要求。为达到提高预警模型灵活性的目的,本文提出了一种实时动态的安全换道可行区域模型,无论驾驶员以何种方式换道,只需检测车辆的实时位置是否在安全区域内即可。其中换道轨迹分为最慢换道轨迹、最快换道轨迹。用七次多项式规划换道轨迹,其中由最大曲率确定最快换道轨迹,由安全碰撞时间确定最慢换道轨迹。识别出换道行为后,在车辆行驶中,模型会根据自车车速和其他车相对自车所在的位置,划分出不同的安全范围,当自车不在安全范围内则模型预警。

摘要： 在交通系统微观仿真中,需要用计算机实现车辆换道过程,这就是车辆的换道模型.国内外学者对车辆换道模型进行了大量的研究.本文指出了已有模型存在的两个缺陷:一是缺乏正常换道可实现区间的研究;二是忽略了换道过程中前轮转向角为0°的阶段.对于正常换道的可实现区间的探讨,为换道是否需要倒车配合,提供了判断依据.通过对驾驶员换道行为的分析,本文修正了传统的2段式和3段式换道模型,将换道过程分为扭角、靠拢、收角、调整等4个阶段.通过对中国西安城市道路上实际换道的拍摄图像分析,证明了该模型的正确性.

摘要： 本说明书公开一种换道决策模型生成方法和无人车换道决策方法及装置，其中，所述换道决策模型生成方法包括：获取车辆换道的训练样本集，所述训练样本集包括多个训练样本组，每个所述训练样本组包括车辆按照规划的换道轨迹完成换道的过程中每个时间步长下的训练样本，所述训练样本包括一组状态量及对应的控制量，所述状态量包括目标车辆的位姿、速度、加速度，目标车辆本车道前车的位姿、速度、加速度以及目标车道上跟车的位姿、速度、加速度；所述控制量包括目标车辆的速度、角速度；通过所述训练样本集对基于深度强化学习网络的决策模型进行训练，得到换道决策模型，所述换道决策模型使得目标车辆的状态量与对应的控制量相关联。

摘要： 本发明公开了一种基于换道交互意图的换道决策方法及系统。该方法包括：采集换道交互数据；通过道路信息以及车道场景对换道交互数据进行标注，并从换道交互数据中提取驾驶特征构建训练集和验证集；对驾驶特征进行标签，确定横向换道意图；通过训练集和横向换道意图训练长短时记忆网络，得到横向换道意图模型；通过横向换道意图和驾驶特征训练长短时记忆网络，得到纵向让行意图模型；根据横向换道意图和纵向让行意图，判定换道交互车辆的换道交互状态；根据换道交互状态确定换道决策。本发明通过识别车辆当前的换道交互意图，以帮助换道场景中自动驾驶车辆进行换道时或面对周围车辆换道时做出正确决策以及提高换道过程中的交通安全。

摘要： 本发明涉及智能汽车自动控制领域，特别是一种车辆避障换道时机的确定方法及避障换道的控制方法，该换道时机的确定方法为通过获取车辆周围障碍物信息和路况信息，判断车辆周围障碍物与车辆之间是否设定条件，当满足设定条件时判定车辆可以进行避障换道，同时，根据起始点坐标、目标点坐标和道路航向角进行曲线拟合，得到从起始点坐标到目标点坐标的路径，该路径即为换道路径；通过车辆智能环境感知能力，保证车辆安全行驶的同时智能的规划避障换道路径，解决了智能汽车自动驾驶中自动避障或换道控制策略不合理的问题。

摘要： 本发明的基于无监督技术的换道过程提取及换道特性分析方法，包括：a).确定换道范围；b).采用k‑means聚类方法，得到包括换道前的直行阶段、换道过程阶段、换道后的直行阶段的精准车辆轨迹数据；c).确定换道模式表征指标；d).获取换道模式，得到k类换道持续时间不同的换道过程；e).换道特性分析，得到k类不同换道模式下车辆的拟合曲线方程；f).换道特性应用。本发明的换道过程提取及换道特性分析方法，相比不考虑换道模式的换道特征分析，该方法能更准确地刻画不同换道模式下的换道行为，体现了换道过程的随机性，为考虑换道风格的换道轨迹规划提供参考。

摘要： 本发明提出了一种基于换道决策系统的货运车辆交互博弈换道决策方法。本发明包括换道决策系统。本发明车联网信息平台实时采集自动驾驶车辆和周围车辆的状态信息数据，对车辆的速度进行预处理得到预处理后车辆的速度，同时得到车辆的位置信息；通过上述采集到的状态信息，判断自动驾驶车辆换道是否满足最小安全距离条件；建立车辆的效用评估函数；通过自动驾驶车辆与周围车辆交互行为博弈分析，基于stackelberg博弈得出均衡行为解；通过判断速度是否满足约束条件，然后采取得到加速度进行变道或放弃变道。本发明降低了危险换道行为引起的交通安全事故发生率，提高了运输效益。

摘要： 本发明涉及辅助驾驶技术领域，特别涉及一种用于车辆的换道辅助系统，包括：存储单元，用于存储车辆两侧后方的第一区域的第一区域默认尺寸，第一区域为车辆换道时存在潜在危险的区域；信息获取单元，用于获取车辆的当前车辆信息和/或驾驶员个人行为信息、尤其驾驶员的驾驶习惯；具有机器学习模型的数据处理单元，用于将第一区域默认尺寸以及信息获取单元所获取的信息作为机器学习模型的输入，获得调整后的第一区域的第一区域调整尺寸作为融合输出结果，重新确定调整后的第一区域；监测提醒单元，用于当监测到其他对象进入调整后的第一区域时发出提醒。还涉及相应方法、计算机程序产品和车辆。本发明能提供与车辆驾驶员自身相适配的换道辅助功能。

摘要： 本发明属于自动驾驶技术领域，具体涉及一种基于换道基元的换道决策行为方法及系统。该方法包括：采集换道行为数据，训练长短时记忆网络，提取横向换道特征，得到横向类人换道基元模型和基元库；训练动态运动基元，提取纵向换道特征，得到纵向类人换道基元模型和基元库；基于新的行驶场景信息和驾驶行为信息，利用横纵向类人换道基元模型和横纵向换道决策基元库，确定横向换道决策和纵向换道决策行为轨迹。本发明通过构建横纵向类人换道基元模型与横纵向换道决策基元库确定车辆当前的横向换道决策和纵向换道决策行为轨迹，以辅助换道场景中自动驾驶车辆进行换道决策并提高对随机动态环境的自适应性以及行驶过程中的类人性和智能性。

摘要： 本说明书公开一种换道决策模型生成方法和无人车换道决策方法及装置，其中，所述换道决策模型生成方法包括：获取车辆换道的训练样本集，所述训练样本集包括多个训练样本组，每个所述训练样本组包括车辆按照规划的换道轨迹完成换道的过程中每个时间步长下的训练样本，所述训练样本包括一组状态量及对应的控制量，所述状态量包括目标车辆的位姿、速度、加速度，目标车辆本车道前车的位姿、速度、加速度以及目标车道上跟车的位姿、速度、加速度；所述控制量包括目标车辆的速度、角速度；通过所述训练样本集对基于深度强化学习网络的决策模型进行训练，得到换道决策模型，所述换道决策模型使得目标车辆的状态量与对应的控制量相关联。

摘要： 本发明公开了一种基于换道交互意图的换道决策方法及系统。该方法包括：采集换道交互数据；通过道路信息以及车道场景对换道交互数据进行标注，并从换道交互数据中提取驾驶特征构建训练集和验证集；对驾驶特征进行标签，确定横向换道意图；通过训练集和横向换道意图训练长短时记忆网络，得到横向换道意图模型；通过横向换道意图和驾驶特征训练长短时记忆网络，得到纵向让行意图模型；根据横向换道意图和纵向让行意图，判定换道交互车辆的换道交互状态；根据换道交互状态确定换道决策。本发明通过识别车辆当前的换道交互意图，以帮助换道场景中自动驾驶车辆进行换道时或面对周围车辆换道时做出正确决策以及提高换道过程中的交通安全。

摘要： 本发明涉及一种自动驾驶换道模型、自动驾驶换道方法及其系统，在现有研究的基础上，引入速度承受度和空间允许度对自动驾驶交通工具换道行为进行约束进而构建匹配模型，并对自动驾驶交通工具换道空间进行确认，构建换道预备模型；依据当前换道的实际空间大小，同时考虑处理时延的实际情况，构建了换道速度控制模型和轨迹优化模型，上述模型在构建时结合了实际多变的交通环境中换道的运行特点，确保通过生成的运行参数与自动驾驶交通工具实际所处的交通场景精确贴合。并通过匹配模型、换道预备模型作为换道准备阶段模型很好的将换道决策和执行过程连接起来，保证了对自动驾驶交通工具换道的完整性引导，提高了换道安全性和适用性。