高速公路環(huán)境下的無人駕駛汽車運動規(guī)劃研究.pdf

1、為了降低人為因素引起的“人-車-路”各環(huán)節(jié)耦合失調(diào)導(dǎo)致的交通事故，無人駕駛汽車已經(jīng)在全世界范圍內(nèi)得到廣泛關(guān)注。運動規(guī)劃作為無人駕駛汽車系統(tǒng)的共性關(guān)鍵技術(shù)之一，已成為該領(lǐng)域研究的熱點?，F(xiàn)有運動規(guī)劃算法大多只考慮行駛時間、移動距離等約束條件，不涉及道路邊界及車輛動力學(xué)約束;在進(jìn)行環(huán)境構(gòu)建時，所使用車輛狀態(tài)預(yù)測模型較為單一，無法較為精確地估計車輛的狀態(tài)。為此，本文以高速公路場景下行駛的無人駕駛汽車為研究對象，提出了一種基于改進(jìn)可視圖法的運動規(guī)

2、劃算法，并在此基礎(chǔ)上加入隨機(jī)可達(dá)集模型，來估計運動車輛的行駛狀態(tài)，以提高算法的精確度。具體研究內(nèi)容如下所示:
　　(1)結(jié)合無人駕駛汽車自主決策系統(tǒng)的功能、原理及結(jié)構(gòu)，對自主決策系統(tǒng)的組織結(jié)構(gòu)進(jìn)行分析;通過分析人類駕駛行為特性，對行為決策子系統(tǒng)設(shè)計準(zhǔn)則進(jìn)行總結(jié);利用層次狀態(tài)機(jī)對駕駛行為決策子系統(tǒng)進(jìn)行建模，并根據(jù)層次狀態(tài)機(jī)確定的駕駛意圖選擇局部目標(biāo)點。
　　(2)為了估計車輛運動狀態(tài)，利用馬爾科夫鏈獲得車輛隨機(jī)可達(dá)集模型。在此

3、基礎(chǔ)上，對影響車輛隨機(jī)可達(dá)集的主要因素進(jìn)行分析，以對車輛隨機(jī)可達(dá)集模型準(zhǔn)確度進(jìn)行改善。
　　(3)針對運動規(guī)劃子系統(tǒng)的設(shè)計目的對其設(shè)計準(zhǔn)則及組成結(jié)構(gòu)進(jìn)行分析;通過建立新的采樣算法以及加入B-樣條優(yōu)化函數(shù)和路徑評估函數(shù)，對傳統(tǒng)可視圖算法進(jìn)行改進(jìn);將隨機(jī)可達(dá)集模型加入改進(jìn)可視圖算法中，從而獲得了最終的運動規(guī)劃算法。
　　(4)在靜態(tài)環(huán)境、動態(tài)環(huán)境以及混合環(huán)境下進(jìn)行運動規(guī)劃，利用Carsim仿真軟件對規(guī)劃結(jié)果進(jìn)行驗證;將規(guī)劃結(jié)果與