車輛主動安全系統(tǒng)關(guān)鍵預(yù)測算法研究.pdf

1、現(xiàn)代汽車安全技術(shù)的主流趨勢已經(jīng)由被動安全系統(tǒng)轉(zhuǎn)為主動安全系統(tǒng)。車輛主動安全系統(tǒng)能夠在交通沖突發(fā)生的早期對駕駛員進(jìn)行提示或者介入車輛的操控,從而避免交通沖突的進(jìn)一步惡化而引發(fā)事故。從保證安全的角度而言,當(dāng)存在交通沖突風(fēng)險(xiǎn)時,車輛主動安全系統(tǒng)應(yīng)該盡早的作出辨識。從時間序列而言,如果能夠使用車輛的現(xiàn)有行駛狀態(tài)表征參數(shù)對車輛下一步的運(yùn)動狀態(tài)進(jìn)行預(yù)測,則可以對“即將到來”的交通沖突進(jìn)行預(yù)先準(zhǔn)備,從而進(jìn)一步提高車輛主動安全系統(tǒng)的生效時間。車輛的行駛

2、狀態(tài)表征參數(shù)縱多,同時車輛行駛交通環(huán)境類型也不一樣,因此,如何利用現(xiàn)有參數(shù)對車輛行駛狀態(tài)和交通環(huán)境進(jìn)行預(yù)測是車輛主動安全系統(tǒng)在算法設(shè)計(jì)時需要重點(diǎn)考慮的問題。
　　針對車輛主動安全系統(tǒng)對于參數(shù)預(yù)測的關(guān)鍵技術(shù)需求,本文利用多類型傳感器搭建了車輛行駛過程中的表征參數(shù)同步采集試驗(yàn)平臺,實(shí)現(xiàn)了車載環(huán)境下多車輛行駛車速、交通環(huán)境參數(shù)的同步采集。利用上述試驗(yàn)平臺對10名被試在不同道路環(huán)境下開展了真實(shí)駕駛試驗(yàn),獲取了大量的車輛行駛狀態(tài)真實(shí)參數(shù)?？?/p>

3、慮車輛主動安全系統(tǒng)在線運(yùn)行的真實(shí)特點(diǎn),在對國內(nèi)外現(xiàn)有技術(shù)進(jìn)行分類總結(jié)的情況下,主要完成了以下的研究內(nèi)容:
　　1、提出了基于幾何分析方法的車輛換道過程中越線時間預(yù)測模型。通過使用車輛與車道線距離數(shù)據(jù),分析了車輛換道過程中的幾何特性。并結(jié)合車-路幾何模型,提出了車輛換道過程中的車輛偏航角估計(jì)理論。針對直道路段和彎道路段,并考慮車輛換道方向與道路彎道方向,分別提出了車輛在直道路段和彎道路段換道過程中的越線時間預(yù)測模型。采用真實(shí)數(shù)據(jù)對預(yù)

4、測模型的精度進(jìn)行驗(yàn)證,結(jié)果表明,模型整體預(yù)測誤差較小,且絕大部分的誤差分布于零點(diǎn)附件。所進(jìn)行的檢驗(yàn)結(jié)果中,直道路段預(yù)測誤差絕對值小于等于0.1s的比例達(dá)到了78.3％,彎道路段相應(yīng)的比例達(dá)到了80.8%,且兩種模型的預(yù)測誤差均符合正態(tài)分布規(guī)律。
　　2、通過建立車-路之間的幾何關(guān)系模型,并采用車速與橫擺角速度對道路曲率進(jìn)行估計(jì),提出并建立了 ACC系統(tǒng)對有效目標(biāo)、潛在有效目標(biāo)和無效目標(biāo)的辨識理論與模型。對辨識模型分別進(jìn)行了單目標(biāo)追

5、蹤、多目標(biāo)追蹤以及多目標(biāo)狀態(tài)切換追蹤的檢驗(yàn),結(jié)果表明,本文所建立的模型能夠有效的區(qū)分三類目標(biāo)。在此基礎(chǔ)上,利用模糊加權(quán)評價(jià)方法,采用目標(biāo)車的速度、目標(biāo)車跟車時距、目標(biāo)車橫向運(yùn)動狀態(tài)等參數(shù)建立了前方車輛狀態(tài)切換的預(yù)測模型。采用真實(shí)試驗(yàn)數(shù)據(jù)對預(yù)測模型進(jìn)行檢驗(yàn),結(jié)果表明,該模型對目標(biāo)車不同狀態(tài)的切換預(yù)測準(zhǔn)確率均超過了90%。
　　3、針對車輛運(yùn)行過程中對于自車運(yùn)動狀態(tài)參數(shù)的預(yù)測需求,以線性二自由度車輛模型為研究對象,采用模糊 Petri

6、理論建立了車輛運(yùn)行軌跡模型,將車身橫向、縱向加速度、俯仰以及側(cè)傾角速度作為輸入變量建立了車輛運(yùn)行狀態(tài)預(yù)測模型,分別實(shí)現(xiàn)了對自車運(yùn)行速度、橫擺角速度、運(yùn)行軌跡等參數(shù)的預(yù)測。針對單純 BP神經(jīng)網(wǎng)絡(luò)模型在對車輛運(yùn)動狀態(tài)預(yù)測過程中存在的不足,本文提出采用貝葉斯濾波器對 BP神經(jīng)網(wǎng)絡(luò)模型的結(jié)果進(jìn)行優(yōu)化,檢驗(yàn)結(jié)果表明,該方法將預(yù)測準(zhǔn)確率由83.6%提高到了92.4%。
　　本研究得到了國家自然科學(xué)基金項(xiàng)目(51178053和61374196)