- 赵树恩;苏天彬;赵东宇;
为实现周围车辆行驶轨迹的准确预测，运用深度学习方法，设计了一种基于图神经网络与门控循环单元（GRU）的驾驶意图识别及车辆轨迹预测模型。驾驶意图识别模型将车-车间的交互关系构造成时空图，运用图神经网络学习其交互规律，并利用Softmax函数计算出不同驾驶意图的概率；轨迹预测模型采用编码-解码的GRU网络，编码器将车辆历史轨迹信息进行编码并融合识别的驾驶意图信息，再通过解码器实现轨迹预测。最后采用NGSIM数据集对模型进行训练和验证，结果表明：所提出的模型能够更好地识别车辆的驾驶意图，且考虑驾驶意图的车辆轨迹预测模型能够有效提高预测精度。
2023年07期 No.574 24-30页 [查看摘要][在线阅读][下载 1028K] [下载次数：1272 ] |[引用频次：11 ] - 张良;祁永芳;赵晓敏;张国栋;蒋瑞洋;
为提高智能汽车轨迹跟踪精度，以多点预瞄模型为基础，设计了一种基于门控循环单元（GRU）神经网络优化的轨迹跟踪模型。首先，在车辆二自由度模型上，基于预瞄理论建立了3种预瞄轨迹跟踪模型，仿真验证结果表明，多点预瞄模型跟随效果最佳。然后，将多点预瞄横向位移偏差和转向盘转角等参数作为GRU神经网络的输入，经过训练后，输出优化后的转向盘转角控制车辆的行驶方向。验证结果表明，与多点预瞄模型相比，经GRU优化的轨迹跟踪模型在双移线路径和S型曲线路径下均有更好的跟踪效果。
2023年07期 No.574 31-37页 [查看摘要][在线阅读][下载 987K] [下载次数：175 ] |[引用频次：1 ] - 史培龙;常宏;王彩瑞;马强;周猛;
针对模型预测控制（MPC）路径跟踪控制器在不同路面附着系数及车速下跟踪误差大的问题，提出了基于粒子群寻优（PSO）-反向传播（BP）神经网络优化MPC的无人驾驶汽车路径跟踪控制策略。首先，设计了MPC路径跟踪控制器；其次，利用PSO-BP对MPC进行优化，以控制器精度和车辆稳定性作为评价函数，获得PSO离线最优时域参数；最后，选择4种工况进行双移线跟踪对比仿真验证。结果表明：所提出的控制策略在保证行驶稳定性的条件下，低路面附着系数低速、高路面附着系数低速、高路面附着系数高速及中路面附着系数中速工况下双移线跟踪横向控制精度分别提高了50%、55%、9%和20%。
2023年07期 No.574 38-46页 [查看摘要][在线阅读][下载 1200K] [下载次数：816 ] |[引用频次：8 ] - 沈亚伟;赵又群;
为了提高智能车辆路径跟踪的精确性和鲁棒性，基于李雅普诺夫稳定性（Lyapunov Stability）理论设计了鲁棒反馈路径跟踪控制器，运用舒尔（Schur）补引理并求解线性矩阵不等式（LMI）得到控制系统的反馈矩阵。通过搭建CarSim/Simulink联合仿真平台将鲁棒反馈控制器与线性二次型调节器（LQR）进行对比分析，以不同的车速分别在不同附着系数的路面上进行仿真，验证所设计控制器的性能。仿真结果表明：在不同路面和车速工况下，相较于LQR控制器，基于李雅普诺夫稳定性理论的鲁棒反馈控制器具有更高的控制精度，同时具有更强的鲁棒性。
2023年07期 No.574 47-53页 [查看摘要][在线阅读][下载 910K] [下载次数：358 ] |[引用频次：2 ] - 李文礼;钱洪;任勇鹏;喻飞;易帆;
针对车辆在不同路面条件下的主动避障问题，提出一种考虑路面附着系数的行车风险场避障路径规划方法。首先，建立了包含道路边界风险场、目标引力场和障碍物风险场的行车风险场；基于容积卡尔曼滤波算法实时估算路面附着系数，并对考虑路面附着系数的行车风险场函数进行负梯度求导，得到风险值下降最快的避障路径；然后，采用5次多项式拟合优化得到满足车辆约束的避障参考路径；最后，采用模型预测控制算法跟踪避障路径。仿真结果表明：在相同车速下，路面附着系数越小，避障时的横向加速度越小，横向加速度的标准差越小，避障效果越平顺。
2023年07期 No.574 54-62页 [查看摘要][在线阅读][下载 928K] [下载次数：464 ] |[引用频次：5 ]