【摘要】：自動(dòng)駕駛車輛的發(fā)展與推廣在保障行車安全、提高通行效率、建設(shè)智慧交通體系等方面具有重要意義。在自動(dòng)駕駛技術(shù)水平不斷向著更高層級(jí)躍遷的漸進(jìn)發(fā)展過程中,各層級(jí)技術(shù)均存在不足,即便是已實(shí)現(xiàn)產(chǎn)業(yè)化的輔助駕駛系統(tǒng)仍存在著繼續(xù)提升的潛力。在自動(dòng)駕駛車輛的諸多核心技術(shù)模塊中,運(yùn)動(dòng)規(guī)劃負(fù)責(zé)生成車輛的局部行駛軌跡,是體現(xiàn)駕駛智慧水平的直接、關(guān)鍵環(huán)節(jié)。本文研究了自動(dòng)駕駛車輛的運(yùn)動(dòng)規(guī)劃問題。求解車輛運(yùn)動(dòng)規(guī)劃問題的方法主要包括圖搜索方法、隨機(jī)采樣方法、曲線插值方法、機(jī)器學(xué)習(xí)方法以及最優(yōu)控制方法。采用最優(yōu)控制問題的形式對(duì)車輛運(yùn)動(dòng)規(guī)劃任務(wù)建模具有準(zhǔn)確、直接、客觀、統(tǒng)一的優(yōu)點(diǎn),這是其它幾類方法不具備的。用于描述車輛運(yùn)動(dòng)規(guī)劃任務(wù)的最優(yōu)控制問題往往較為復(fù)雜,復(fù)雜性體現(xiàn)為1)描述車輛運(yùn)動(dòng)特性的動(dòng)態(tài)方程具有較強(qiáng)非線性;2)描述車輛躲避碰撞的約束條件具有較強(qiáng)非線性,甚至體現(xiàn)非凸性及病態(tài)性;3)多車協(xié)同運(yùn)動(dòng)規(guī)劃任務(wù)中,上述復(fù)雜因素將疊加/耦合,且車輛之間的碰撞躲避約束條件數(shù)目隨著車輛數(shù)目幾何增長(zhǎng)。這些因素導(dǎo)致含有復(fù)雜約束的最優(yōu)控制問題超出了傳統(tǒng)解析方法的求解能力范圍。隨著計(jì)算機(jī)硬件及優(yōu)化理論的發(fā)展,適用于求解一般最優(yōu)控制問題的計(jì)算最優(yōu)控制方法開始蓬勃發(fā)展起來。為了普適性地求解自動(dòng)駕駛車輛運(yùn)動(dòng)規(guī)劃任務(wù)對(duì)應(yīng)的最優(yōu)控制問題,本文采用計(jì)算最優(yōu)控制方法,對(duì)精確建模、有效收斂以及實(shí)時(shí)求解三大核心問題進(jìn)行了研究。本文的主要工作及創(chuàng)新點(diǎn)包括以下幾方面:1)建立了自主泊車、多車協(xié)同車道變更及無信號(hào)燈路口多車協(xié)同通行任務(wù)對(duì)應(yīng)的最優(yōu)控制運(yùn)動(dòng)規(guī)劃問題模型,該模型能夠以統(tǒng)一的形式較為準(zhǔn)確地描述上述場(chǎng)景下的自動(dòng)駕駛車輛運(yùn)動(dòng)規(guī)律。在建模過程中提出了描述車輛之間碰撞躲避需求的解析形式約束條件,提出了保障運(yùn)動(dòng)過程安全可行性的平穩(wěn)邊值約束條件概念。2)采用全聯(lián)立正交配置有限元方法將最優(yōu)控制命題離散化為非線性規(guī)劃問題,并采用內(nèi)點(diǎn)算法對(duì)非線性規(guī)劃問題進(jìn)行求解。為保證迭代求解過程中不至出現(xiàn)收斂緩慢甚至收斂失敗的情況,提出了基于簡(jiǎn)約空間初始化的收斂增強(qiáng)算法,具體包括時(shí)空解耦算法和漸進(jìn)避撞約束算法,它們將原始命題中難以同時(shí)處理的完整復(fù)雜約束條件進(jìn)行分解,在一系列難度遞增的子問題中逐步予以解決,從而有效提高最優(yōu)控制命題的離線求解效率。3)為實(shí)現(xiàn)在線運(yùn)動(dòng)規(guī)劃,提出了“預(yù)估+重構(gòu)+求解”的基本計(jì)算架構(gòu),提出了兩類在線運(yùn)動(dòng)規(guī)劃方法,分別利用標(biāo)準(zhǔn)問題集和簡(jiǎn)單問題轉(zhuǎn)化策略實(shí)現(xiàn)對(duì)最優(yōu)控制問題的在線求解。為完成在線運(yùn)動(dòng)重規(guī)劃任務(wù),提出了基于有限元配置點(diǎn)重構(gòu)初始化的基本方法,以及多尺度容錯(cuò)優(yōu)化策略。本文設(shè)計(jì)并開展了大量仿真實(shí)驗(yàn),從泛化求解能力、求解質(zhì)量以及求解速度等方面對(duì)各算法進(jìn)行了檢驗(yàn)。在自動(dòng)泊車任務(wù)中,本文提出的方法能夠統(tǒng)一處理各種類別的泊車場(chǎng)景,無論遇到寬敞或狹窄的泊車環(huán)境,均能一致有效求解。在多車協(xié)同變更車道任務(wù)中,本文提出的方法能夠充分挖掘車輛編隊(duì)的運(yùn)動(dòng)能力,呈現(xiàn)巧妙的高質(zhì)量協(xié)同運(yùn)動(dòng)行為。在無信號(hào)燈路口多車協(xié)同通行任務(wù)中,本文提出的方法能夠充分利用路口空間,使?jié)撛跊_突的車輛之間恰好躲避碰撞,總體上呈現(xiàn)復(fù)雜但有秩序的路口通行行為。隨著感知、通訊、控制等模塊的發(fā)展逐漸飽和,車輛運(yùn)動(dòng)決策模塊的巨大潛力將逐步得到重視。本文聚焦于如何提升自動(dòng)駕駛車輛的運(yùn)動(dòng)決策質(zhì)量,將對(duì)未來自動(dòng)駕駛車輛乃至智能交通系統(tǒng)中高質(zhì)量運(yùn)動(dòng)決策模塊的發(fā)展提供技術(shù)參考。
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2018
【分類號(hào)】：U463.6;O232
【圖文】：

浙江大學(xué)博士學(xué)位論文邐第１章緒論逡逑的起點(diǎn)、終點(diǎn)等信息；路線規(guī)劃環(huán)節(jié)負(fù)責(zé)計(jì)算一條銜接起點(diǎn)、終點(diǎn)的導(dǎo)航路線；在車輛沿逡逑導(dǎo)航路線行駛途中，自動(dòng)駕駛車輛需要進(jìn)行局部的行為規(guī)劃及運(yùn)動(dòng)規(guī)劃；行為規(guī)劃環(huán)節(jié)負(fù)逡逑責(zé)生成駕駛行為意圖，包括車道保持、車道變更、轉(zhuǎn)彎、超車等；隨后，運(yùn)動(dòng)規(guī)劃環(huán)節(jié)根逡逑據(jù)行為意圖生成具體的局部行車軌跡。圖１．４利用一則實(shí)際案例來詮釋規(guī)劃決策模塊中各逡逑環(huán)節(jié)的職能。逡逑邐—－邋－－－－－邋—邋邐逡逑

［８７］、變更車道？、保持車道［８８］、超車［８９］以及轉(zhuǎn)彎［９0］等駕駛情境中。在采用計(jì)算最優(yōu)控制方逡逑法時(shí)，離散化生成的ＮＬＰ問題具有決策變量維度高、約束條件復(fù)雜的特點(diǎn)，如何確保ＮＬＰ逡逑問題求解的收斂性與快速性是該方法未來發(fā)展中的關(guān)鍵議題。逡逑基于最優(yōu)控制形式建立的問題模型中一般包含復(fù)雜約束條件，一些研究將這些復(fù)雜約逡逑束條件進(jìn)行大幅度簡(jiǎn)化或改造，并采用現(xiàn)代智能優(yōu)化算法對(duì)簡(jiǎn)化問題進(jìn)行求解。粒子群逡逑［９１］、蟻群［９２］、隨機(jī)分形搜索［９３］、和聲搜索Ｍ等群智能算法或元啟發(fā)式算法均被用于求解車逡逑輛路徑或軌跡。由于尋優(yōu)過程中利用隨機(jī)搜索機(jī)制，智能優(yōu)化算法僅適用于求解包含筒單逡逑邊界約束的問題。并非所有復(fù)雜約束均可以通過改造為懲罰項(xiàng)的方式得到精確滿足，因此逡逑現(xiàn)代智能優(yōu)化算法的泛化求解能力存在缺陷。逡逑至此，我們對(duì)五類車輛運(yùn)動(dòng)規(guī)劃基本方法進(jìn)行了回顧。需要說明的是，這些方法在解逡逑決實(shí)際問題時(shí)往往并非獨(dú)立使用，而是通過相互“取長(zhǎng)補(bǔ)短’’來完成運(yùn)動(dòng)規(guī)劃任務(wù)，因此經(jīng)逡逑�？梢园l(fā)現(xiàn)一些文獻(xiàn)中的算法同時(shí)屬于多個(gè)基本類別。圖１．６對(duì)本小節(jié)所提及具體算法的逡逑類別歸屬情況進(jìn)行了盤點(diǎn)。逡逑

均不與矩形〗相撞；（ｂ）矩形＿／存在頂點(diǎn)與矩形Ｚ相撞，但矩形Ｚ＇的所有頂點(diǎn)均不與矩形Ｊ＋相撞；（ｃ）矩形ｉ逡逑存在頂點(diǎn)與矩承／相撞，且矩形ｙ存在頂點(diǎn)與矩形／相撞；以及（ｄ）矩形／、矩形ｙ的全部頂點(diǎn)均不碰撞．逡逑條件（圖２．３）：逡逑＊＾ＡＰＡＢ邋＋邋＾ＡＰＢＣ邐＊＾ＡＰＣＤ邋＋邋＊＾ＡＰＤＡ邋＞邋＾ａＡＢＣＤ＇邐（２．８）逡逑其中＆代表三角形面積，慫代表矩形面積。該約束條件的理論證明在附錄Ａ給出。逡逑ｐ逡逑／＾ｉｔ邐ｒ＾？７Ａ逡逑圖２．３限制點(diǎn)Ｐ處于矩形ＡＢＣＤ外部的一種基于圖形面積的約束條件示意圖．逡逑利用條件（２．８）可建立車輛／與之間的碰撞躲避約束條件。為方便描述，將車輛／矩形逡逑輪廓的四個(gè)頂點(diǎn)分別定義為Ａ，、Ｂ，、Ｃ，以及Ｄ，，其中Ａ，代表車頭左側(cè)頂點(diǎn)，其余三個(gè)頂逡逑點(diǎn)按照順時(shí)針方向確定。由車輛幾何結(jié)構(gòu)關(guān)系可得到上述四個(gè)頂點(diǎn)的坐標(biāo)：逡逑Ａ，

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 Wenchao Xu;Haibo Zhou;Nan Cheng;Feng Lyu;Weisen Shi;Jiayin Chen;Xuemin (Sherman) Shen;;Internet of Vehicles in Big Data Era[J];IEEE/CAA Journal of Automatica Sinica;2018年01期

2 孫勇義;;Apollo開放的自動(dòng)駕駛之路[J];軟件和集成電路;2017年11期

3 范志翔;孫巍;潘漢中;嚴(yán)慈磊;;自動(dòng)駕駛汽車測(cè)試技術(shù)發(fā)展現(xiàn)狀與思考[J];中國(guó)標(biāo)準(zhǔn)化;2017年20期

4 王遠(yuǎn)桂;何歡;;人工智能2.0給自動(dòng)駕駛發(fā)展帶來的影響[J];現(xiàn)代電信科技;2017年04期

5 陳虹;郭露露;邊寧;;對(duì)汽車智能化進(jìn)程及其關(guān)鍵技術(shù)的思考[J];科技導(dǎo)報(bào);2017年11期

6 毛科俊;;準(zhǔn)確把握“十三五”交通運(yùn)輸發(fā)展的形勢(shì)與要求[J];交通企業(yè)管理;2017年03期

7 李克強(qiáng);戴一凡;李升波;邊明遠(yuǎn);;智能網(wǎng)聯(lián)汽車(ICV)技術(shù)的發(fā)展現(xiàn)狀及趨勢(shì)[J];汽車安全與節(jié)能學(xué)報(bào);2017年01期

8 王玨;;汽車主動(dòng)安全技術(shù)及其發(fā)展方向[J];時(shí)代汽車;2017年06期

9 徐西峰;董明芳;;面向2020的自動(dòng)駕駛業(yè)態(tài)及我國(guó)產(chǎn)業(yè)發(fā)展的政策建議[J];現(xiàn)代電信科技;2017年01期

10 杜明博;梅濤;陳佳佳;趙盼;梁華為;黃如林;陶翔;;復(fù)雜環(huán)境下基于RRT的智能車輛運(yùn)動(dòng)規(guī)劃算法[J];機(jī)器人;2015年04期

相關(guān)重要報(bào)紙文章 前2條

1 張弘;;2017年全國(guó)機(jī)動(dòng)車和駕駛?cè)吮３指呶辉鲩L(zhǎng)[N];人民公安報(bào);2018年

2 梁士斌;;事故總量居高位去年6萬多人死亡[N];法制日?qǐng)?bào);2017年

相關(guān)博士學(xué)位論文 前10條

1 黃如林;無人駕駛汽車動(dòng)態(tài)障礙物避撞關(guān)鍵技術(shù)研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2017年

2 耿新力;城區(qū)不確定環(huán)境下無人駕駛車輛行為決策方法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2017年

3 康俊民;城市環(huán)境下無人車自主定位關(guān)鍵技術(shù)研究[D];長(zhǎng)安大學(xué);2016年

4 武歷穎;無人駕駛汽車環(huán)境信息提取及運(yùn)動(dòng)決策方法研究[D];長(zhǎng)安大學(xué);2016年

5 連傳強(qiáng);基于近似動(dòng)態(tài)規(guī)劃的優(yōu)化控制方法及在自主駕駛車輛中的應(yīng)用[D];國(guó)防科學(xué)技術(shù)大學(xué);2016年

6 王健;汽車在兩種轉(zhuǎn)向工況下的路徑規(guī)劃與路徑跟蹤研究[D];南京航空航天大學(xué);2015年

7 張衛(wèi)忠;基于仿人智能控制的無人地面車輛自動(dòng)駕駛系統(tǒng)研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2014年

8 孫揚(yáng);無人駕駛車輛智能水平的定量評(píng)價(jià)[D];北京理工大學(xué);2014年

9 劉春明;基于增強(qiáng)學(xué)習(xí)和車輛動(dòng)力學(xué)的高速公路自主駕駛研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2014年

10 陳佳佳;城市環(huán)境下無人駕駛車輛決策系統(tǒng)研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 周宏鵬;基于數(shù)據(jù)驅(qū)動(dòng)算法的汽車避障方法研究[D];哈爾濱工業(yè)大學(xué);2017年

2 馮來春;基于引導(dǎo)域的參數(shù)化RRT無人駕駛車輛運(yùn)動(dòng)規(guī)劃算法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2017年

3 常超;基于車路協(xié)同的無信號(hào)燈平交路口駕駛引導(dǎo)系統(tǒng)研究與實(shí)現(xiàn)[D];長(zhǎng)安大學(xué);2017年

4 章謹(jǐn);基于網(wǎng)格化場(chǎng)景下多車式機(jī)器人運(yùn)動(dòng)協(xié)調(diào)算法研究與實(shí)現(xiàn)[D];北京交通大學(xué);2017年

5 崔曉丹;基于車路協(xié)同的區(qū)域化無信號(hào)交叉口控制方法研究[D];北京交通大學(xué);2017年

6 徐磊;基于EPS的自動(dòng)泊車路徑規(guī)劃及跟蹤控制研究[D];合肥工業(yè)大學(xué);2017年

7 陳東;智能車輛局部避障路徑規(guī)劃及橫向運(yùn)動(dòng)控制研究[D];湖南大學(xué);2016年

8 李鳳嬌;無人駕駛車輛綜合避障行為研究與評(píng)價(jià)[D];北京理工大學(xué);2015年

9 儲(chǔ)星;智能車輛自主駕駛控制策略研究[D];湖南大學(xué);2014年

10 鄭睿;基于增強(qiáng)學(xué)習(xí)的無人車輛智能決策方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

本文編號(hào)：2765971