CN110320916A - 考虑乘员感受的自动驾驶汽车轨迹规划方法及系统 - Google Patents
考虑乘员感受的自动驾驶汽车轨迹规划方法及系统 Download PDFInfo
- Publication number
- CN110320916A CN110320916A CN201910672058.3A CN201910672058A CN110320916A CN 110320916 A CN110320916 A CN 110320916A CN 201910672058 A CN201910672058 A CN 201910672058A CN 110320916 A CN110320916 A CN 110320916A
- Authority
- CN
- China
- Prior art keywords
- occupant
- vehicle
- impression
- bus
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000012360 testing method Methods 0.000 claims abstract description 22
- 238000005457 optimization Methods 0.000 claims abstract description 18
- 238000013528 artificial neural network Methods 0.000 claims abstract description 13
- 230000006870 function Effects 0.000 claims description 18
- 230000001133 acceleration Effects 0.000 claims description 9
- 238000004088 simulation Methods 0.000 claims description 6
- 238000013480 data collection Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种考虑乘员感受的自动驾驶汽车轨迹规划方法及系统，包括：通过实车试验，采集车辆动力学参数以及对应的乘员乘车感受信息；通过神经网络方法建立车辆动力学参数与乘员乘车感受信息之间的关系，基于该关系构建乘员感受模型；利用乘员感受模型优化自动驾驶汽车轨迹规划决策过程，生成新的行驶轨迹。本发明可以实现在保证安全规范行驶的前提下，生成兼顾乘员乘车感受的行驶轨迹。
Description
技术领域
本发明涉及自动驾驶领域，具体地，涉及考虑乘员感受的自动驾驶汽车轨迹规划方法及系统。
背景技术
国际汽车工程师学会(Society of Automotive Engineers,SAE)根据车辆操控任务的把控程度，将自动驾驶技术分为L0-L5六个级别，系统在L1-L3主要起辅助功能；当达到L4及以上，车辆驾驶将全部交给系统，驾驶员被完全取代，但人在车上作为乘员的角色是始终存在的。
当前国内外的自动驾驶车辆智能水平、智能行为测试与评价往往只考虑了车辆的功能实现以及各项任务的完成度，忽略了其作为载人交通工具的本质属性，而实际上，自动驾驶汽车应充分考虑人的驾乘感受。
随着智能驾驶技术的深度发展，大量的技术进步表明自动驾驶汽车的未来发展将不会受到计算机算力以及传感器功能的限制。很显然的，乘客的乘车感受是一个非常值得关注的亟待解决的复杂问题，而其也将成为制约智能车辆智能化程度的关键环节。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种考虑乘员感受的自动驾驶汽车轨迹规划方法及系统。
根据本发明提供的一种考虑乘员感受的自动驾驶汽车轨迹规划方法，包括：
数据采集步骤：通过实车试验，采集车辆动力学参数以及对应的乘员乘车感受信息；
建模步骤：通过神经网络方法建立车辆动力学参数与乘员乘车感受信息之间的关系，基于该关系构建乘员感受模型；
行使优化步骤：利用乘员感受模型优化自动驾驶汽车轨迹规划决策过程，生成新的行驶轨迹。
优选地，所述车辆动力学参数包括：纵向速度、侧向加速度、纵向加速度、横摆角速度、车身侧倾角或车身俯仰角；
乘员乘车感受信息包括：乘车生理舒适感等级、心理安全感等级以及对驾驶系统的信任度。
优选地，所述建模步骤包括：
将采集到的车辆动力学参数作为神经网络的输入，将对应的乘员乘车感受信息作为神经网络的正确输出，通过监督学习的方式建立得到能基于动力学变化反映出乘员感受的模型。
优选地，所述车辆动力学参数为在一时刻采集到的或为在一时间段内采集到的均值或极值，所述乘员乘车感受信息为乘车生理舒适感等级、心理安全感等级以及对驾驶系统的信任度的加权总分。
优选地，所述行使优化步骤包括：
对车辆进行运动学建模，得到车辆运动学模型；
基于模型预测控制算法，结合车辆运动学模型，建立行驶轨迹规划器；
将乘员感受模型作为行驶轨迹规划器中目标函数的一部分，并基于仿真试验调整权重，生成新的行驶轨迹。
根据本发明提供的一种考虑乘员感受的自动驾驶汽车轨迹规划系统，包括：
数据采集模块：通过实车试验，采集车辆动力学参数以及对应的乘员乘车感受信息；
建模模块：通过神经网络方法建立车辆动力学参数与乘员乘车感受信息之间的关系，基于该关系构建乘员感受模型；
行使优化模块：利用乘员感受模型优化自动驾驶汽车轨迹规划决策过程，生成新的行驶轨迹。
优选地，所述车辆动力学参数包括：纵向速度、侧向加速度、纵向加速度、横摆角速度、车身侧倾角或车身俯仰角；
乘员乘车感受信息包括：乘车生理舒适感等级、心理安全感等级以及对驾驶系统的信任度。
优选地，所述建模模块包括：
将采集到的车辆动力学参数作为神经网络的输入，将对应的乘员乘车感受信息作为神经网络的正确输出，通过监督学习的方式建立得到能基于动力学变化反映出乘员感受的模型。
优选地，所述车辆动力学参数为在一时刻采集到的或为在一时间段内采集到的均值或极值，所述乘员乘车感受信息为乘车生理舒适感等级、心理安全感等级以及对驾驶系统的信任度的加权总分。
优选地，所述行使优化模块包括：
对车辆进行运动学建模，得到车辆运动学模型；
基于模型预测控制算法，结合车辆运动学模型，建立行驶轨迹规划器；
将乘员感受模型作为行驶轨迹规划器中目标函数的一部分，并基于仿真试验调整权重，生成新的行驶轨迹。
与现有技术相比，本发明具有如下的有益效果：
本发明可以实现在保证安全规范行驶的前提下，兼顾乘员乘车感受的行驶轨迹。
本发明通过建立车辆动力学客观参数与乘员感受之间的模型关系，可优化自动驾驶汽车的轨迹规划过程，使得自动驾驶行为满足乘员的安全预期，极大地提高自动驾驶车辆的乘坐舒适性。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明实施例的流程图；
图2为本发明实施例的工况示意图；
图3为本发明实施例的乘员感受模型示意图；
图4为本发明实施例的轨迹规划器示意图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
在本发明实施例中，自动驾驶轨迹规划方法应满足以下两方面的需求：
一，充分考虑车辆、环境因素的影响，保证轨迹的安全性。
二，在满足安全条件下，尽可能考虑车上乘员的乘车感受。
本发明实施例的流程图如图1所示，包括以下步骤：
(1)通过实车试验，采集车辆动力学参数变化以及对应的乘员乘车的主观感受。
实车试验选取城市道路常见的单移线避障换道工况，如图2所示，车辆在右侧车道沿道路中心线向前行驶，因前方设置障碍物，车辆需通过转向操作进入左侧车道，并安全行驶在左侧车道道路中。试验过程通过控制车辆以不同的车速，不同的换道起始位置进行多次单移线避障测试。
车上预装有数采设备，对每次测试车辆行驶中的纵向速度，侧向加速度，纵向加速度，横摆角速度，车身侧倾角和车身俯仰角指标进行采集并记录保存。
每次测试都在车辆前排和后排安排测试乘员，通过心率检测设备对乘员情绪状况进行记录，此外，每一次完成一段特定工况，车上乘员立即通过问卷打分形式记录其主观乘车感受，问卷问题包括乘员乘车生理舒适感，心理安全感以及对驾驶系统的信任度。
(2)基于试验数据，通过神经网络方法建立车辆动力学信息与乘员乘车的主观感受之间的关系，基于该关系形成乘员感受模型；
对试验中采集得到的车辆动力学客观参数数据进行有效数据段提取以及滤波预处理，通过特征选取的方式筛选得到与主观感受关联度较大的参数，将这些参数作为神经网络模型的输入，如图3所示。
对试验中采集得到的乘员心率变化进行分析，转换为对应的主观感受分值，并与问卷得到的分值进行加权求和，得到总的乘车感受分，将这个分值作为神经网络模型的输出，如图3所示。
基于上述的输入输出搭建神经网络模型并训练使其误差最小，从而得到车辆动力学客观参数与乘员乘车主观感受之间的关系，此时这个神经网络模型即为乘员感受模型。
(3)利用上述模型，优化自动驾驶汽车轨迹规划决策过程，生成新的行驶轨迹。生成的新的行驶轨迹同时包含了行驶路径与行驶速度信息。
该步骤(3)具体包括以下步骤。
(a)对车辆进行运动学建模，前轮转向车辆运动学模型表达为
其中，Xr，Yr分别为车辆后轴轴心的横坐标与纵坐标，为车体的横摆角，δf为车辆前轮偏角，l为轴距，vr为车辆后轴中心速度。
(b)基于模型预测控制算法，结合车辆运动学模型，建立行驶轨迹规划器；
建立得到的行驶轨迹规划器示意图如图4所示，其输入为道路环境信息，车辆运动状态信息和全局参考轨迹信息，其中，道路环境信息包括车道线信息，障碍物信息，交通标志信息，交通规则信息等，车辆运动状态信息包括本车的全局坐标信息，车辆的纵横向速度信息，横摆角及横摆角速度信息等，全局参考轨迹信息包括全局参考行驶路径以及行驶速度信息。
建立得到的行驶轨迹规划器输出为优化后的局部行驶路径以及行驶速度信息。
建立得到的行驶轨迹规划器目标函数表达为
其中，Np为预测时域，ηp(t+i|t)为t+i时新规划的轨迹坐标，ηr(t+i|t)为t+i时全局参考轨迹坐标，Δu为控制器变量，Joba为避障目标函数，Q,R,S为权重。
(c)将乘员感受模型作为规划算法中目标函数的一部分，并基于仿真试验调整其权重，生成新的行驶轨迹。
根据前述，乘员感受模型的输入为车辆行驶过程中的动力学指标，输出为综合表达乘员乘车感受的一个分值。设定分值越低乘员的乘车感受越好，则将该乘员感受模型添加到目标函数中，可得到新的优化目标函数为
其中，Jpf为乘员感受模型函数，T为其在目标函数中的权重。
结合该优化后的目标函数，通过仿真试验调整其中权重，即可得到在保证安全规范行驶的前提下，兼顾乘员乘车感受的行驶轨迹。
在上述一种考虑乘员感受的自动驾驶汽车轨迹规划方法的基础上，本发明还提供一种考虑乘员感受的自动驾驶汽车轨迹规划系统，包括：
数据采集模块：通过实车试验，采集车辆动力学参数以及对应的乘员乘车感受信息；
建模模块：通过神经网络方法建立车辆动力学参数与乘员乘车感受信息之间的关系，基于该关系构建乘员感受模型；
行使优化模块：利用乘员感受模型优化自动驾驶汽车轨迹规划决策过程，生成新的行驶轨迹。
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置、模块、单元以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以，本发明提供的系统及其各项装置、模块、单元可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构；也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。
Claims (10)
1.一种考虑乘员感受的自动驾驶汽车轨迹规划方法，其特征在于，包括：
数据采集步骤：通过实车试验，采集车辆动力学参数以及对应的乘员乘车感受信息；
建模步骤：通过神经网络方法建立车辆动力学参数与乘员乘车感受信息之间的关系，基于该关系构建乘员感受模型；
行使优化步骤：利用乘员感受模型优化自动驾驶汽车轨迹规划决策过程，生成新的行驶轨迹。
2.根据权利要求1所述的考虑乘员感受的自动驾驶汽车轨迹规划方法，其特征在于，所述车辆动力学参数包括：纵向速度、侧向加速度、纵向加速度、横摆角速度、车身侧倾角或车身俯仰角；
乘员乘车感受信息包括：乘车生理舒适感等级、心理安全感等级以及对驾驶系统的信任度。
3.根据权利要求1所述的考虑乘员感受的自动驾驶汽车轨迹规划方法，其特征在于，所述建模步骤包括：
将采集到的车辆动力学参数作为神经网络的输入，将对应的乘员乘车感受信息作为神经网络的正确输出，通过监督学习的方式建立得到能基于动力学变化反映出乘员感受的模型。
4.根据权利要求2所述的考虑乘员感受的自动驾驶汽车轨迹规划方法，其特征在于，所述车辆动力学参数为在一时刻采集到的或为在一时间段内采集到的均值或极值，所述乘员乘车感受信息为乘车生理舒适感等级、心理安全感等级以及对驾驶系统的信任度的加权总分。
5.根据权利要求1所述的考虑乘员感受的自动驾驶汽车轨迹规划方法，其特征在于，所述行使优化步骤包括：
对车辆进行运动学建模，得到车辆运动学模型；
基于模型预测控制算法，结合车辆运动学模型，建立行驶轨迹规划器；
将乘员感受模型作为行驶轨迹规划器中目标函数的一部分，并基于仿真试验调整权重，生成新的行驶轨迹，行驶轨迹包括行驶路径以及行驶速度信息。
6.一种考虑乘员感受的自动驾驶汽车轨迹规划系统，其特征在于，包括：
数据采集模块：通过实车试验，采集车辆动力学参数以及对应的乘员乘车感受信息；
建模模块：通过神经网络方法建立车辆动力学参数与乘员乘车感受信息之间的关系，基于该关系构建乘员感受模型；
行使优化模块：利用乘员感受模型优化自动驾驶汽车轨迹规划决策过程，生成新的行驶轨迹。
7.根据权利要求6所述的考虑乘员感受的自动驾驶汽车轨迹规划系统，其特征在于，所述车辆动力学参数包括：纵向速度、侧向加速度、纵向加速度、横摆角速度、车身侧倾角或车身俯仰角；
乘员乘车感受信息包括：乘车生理舒适感等级、心理安全感等级以及对驾驶系统的信任度。
8.根据权利要求6所述的考虑乘员感受的自动驾驶汽车轨迹规划系统，其特征在于，所述建模模块包括：
将采集到的车辆动力学参数作为神经网络的输入，将对应的乘员乘车感受信息作为神经网络的正确输出，通过监督学习的方式建立得到能基于动力学变化反映出乘员感受的模型。
9.根据权利要求7所述的考虑乘员感受的自动驾驶汽车轨迹规划系统，其特征在于，所述车辆动力学参数为在一时刻采集到的或为在一时间段内采集到的均值或极值，所述乘员乘车感受信息为乘车生理舒适感等级、心理安全感等级以及对驾驶系统的信任度的加权总分。
10.根据权利要求6所述的考虑乘员感受的自动驾驶汽车轨迹规划系统，其特征在于，所述行使优化模块包括：
对车辆进行运动学建模，得到车辆运动学模型；
基于模型预测控制算法，结合车辆运动学模型，建立行驶轨迹规划器；
将乘员感受模型作为行驶轨迹规划器中目标函数的一部分，并基于仿真试验调整权重，生成新的行驶轨迹，行驶轨迹包括行驶路径以及行驶速度信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910672058.3A CN110320916A (zh) | 2019-07-24 | 2019-07-24 | 考虑乘员感受的自动驾驶汽车轨迹规划方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910672058.3A CN110320916A (zh) | 2019-07-24 | 2019-07-24 | 考虑乘员感受的自动驾驶汽车轨迹规划方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110320916A true CN110320916A (zh) | 2019-10-11 |
Family
ID=68124502
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910672058.3A Pending CN110320916A (zh) | 2019-07-24 | 2019-07-24 | 考虑乘员感受的自动驾驶汽车轨迹规划方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110320916A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112230659A (zh) * | 2020-10-16 | 2021-01-15 | 深圳裹动智驾科技有限公司 | 精准规划运动轨迹的方法、智能控制设备及自动驾驶车辆 |
| CN112305911A (zh) * | 2020-09-11 | 2021-02-02 | 重庆智行者信息科技有限公司 | 一种复杂环境下的反馈预测控制方法及其装置、车辆 |
| CN113104048A (zh) * | 2021-03-25 | 2021-07-13 | 浙江大学 | 一种考虑车内乘员晕动的车辆控制系统与方法 |
| CN114034305A (zh) * | 2021-11-22 | 2022-02-11 | 清博（昆山）智能科技有限公司 | 一种基于北斗系统的自动导航控制系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107139923A (zh) * | 2017-05-11 | 2017-09-08 | 中科院微电子研究所昆山分所 | 一种acc决策方法及系统 |
| CN107315411A (zh) * | 2017-07-04 | 2017-11-03 | 合肥工业大学 | 一种基于车车协同下无人驾驶车辆的换道轨迹规划方法 |
| CN108919795A (zh) * | 2018-06-01 | 2018-11-30 | 中国北方车辆研究所 | 一种自动驾驶汽车换道决策方法及装置 |
| JP2019026103A (ja) * | 2017-07-31 | 2019-02-21 | 本田技研工業株式会社 | 自動運転のポリシー生成装置及び車両 |
| CN109415062A (zh) * | 2016-07-19 | 2019-03-01 | 华为技术有限公司 | 自动驾驶车辆中的自适应的乘客舒适度增强 |
| CN109508007A (zh) * | 2018-12-11 | 2019-03-22 | 东南大学 | 一种基于多源信息融合的农机轨迹跟踪、避障系统及方法 |
| CN109583776A (zh) * | 2018-12-05 | 2019-04-05 | 百度在线网络技术（北京）有限公司 | 一种车辆体感评测方法、装置、电子设备、介质和车辆 |
| CN110362096A (zh) * | 2019-08-13 | 2019-10-22 | 东北大学 | 一种基于局部最优性的无人驾驶车辆动态轨迹规划方法 |
-
2019
- 2019-07-24 CN CN201910672058.3A patent/CN110320916A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109415062A (zh) * | 2016-07-19 | 2019-03-01 | 华为技术有限公司 | 自动驾驶车辆中的自适应的乘客舒适度增强 |
| CN107139923A (zh) * | 2017-05-11 | 2017-09-08 | 中科院微电子研究所昆山分所 | 一种acc决策方法及系统 |
| CN107315411A (zh) * | 2017-07-04 | 2017-11-03 | 合肥工业大学 | 一种基于车车协同下无人驾驶车辆的换道轨迹规划方法 |
| JP2019026103A (ja) * | 2017-07-31 | 2019-02-21 | 本田技研工業株式会社 | 自動運転のポリシー生成装置及び車両 |
| CN108919795A (zh) * | 2018-06-01 | 2018-11-30 | 中国北方车辆研究所 | 一种自动驾驶汽车换道决策方法及装置 |
| CN109583776A (zh) * | 2018-12-05 | 2019-04-05 | 百度在线网络技术（北京）有限公司 | 一种车辆体感评测方法、装置、电子设备、介质和车辆 |
| CN109508007A (zh) * | 2018-12-11 | 2019-03-22 | 东南大学 | 一种基于多源信息融合的农机轨迹跟踪、避障系统及方法 |
| CN110362096A (zh) * | 2019-08-13 | 2019-10-22 | 东北大学 | 一种基于局部最优性的无人驾驶车辆动态轨迹规划方法 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112305911A (zh) * | 2020-09-11 | 2021-02-02 | 重庆智行者信息科技有限公司 | 一种复杂环境下的反馈预测控制方法及其装置、车辆 |
| CN112230659A (zh) * | 2020-10-16 | 2021-01-15 | 深圳裹动智驾科技有限公司 | 精准规划运动轨迹的方法、智能控制设备及自动驾驶车辆 |
| CN113104048A (zh) * | 2021-03-25 | 2021-07-13 | 浙江大学 | 一种考虑车内乘员晕动的车辆控制系统与方法 |
| CN114034305A (zh) * | 2021-11-22 | 2022-02-11 | 清博（昆山）智能科技有限公司 | 一种基于北斗系统的自动导航控制系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107264534B (zh) | 基于驾驶员经验模型的智能驾驶控制系统和方法、车辆 | |
| CN110320916A (zh) | 考虑乘员感受的自动驾驶汽车轨迹规划方法及系统 | |
| Li et al. | Shared control driver assistance system based on driving intention and situation assessment | |
| CN113291308B (zh) | 一种考虑驾驶行为特性的车辆自学习换道决策系统及方法 | |
| CN110187639A (zh) | 一种基于参数决策框架的轨迹规划控制方法 | |
| CN114407931B (zh) | 一种高度类人的自动驾驶营运车辆安全驾驶决策方法 | |
| CN110304075A (zh) | 基于混合动态贝叶斯网络和高斯过程的车辆轨迹预测方法 | |
| CN106874597A (zh) | 一种应用于自动驾驶车辆的高速公路超车行为决策方法 | |
| CN106080590A (zh) | 车辆控制方法和装置以及决策模型的获取方法和装置 | |
| CN110304074A (zh) | 一种基于分层状态机的混合式驾驶方法 | |
| CN114013443B (zh) | 一种基于分层强化学习的自动驾驶车辆换道决策控制方法 | |
| Hecker et al. | Learning accurate, comfortable and human-like driving | |
| CN108717268A (zh) | 基于最优控制与安全距离的自动驾驶最速操纵控制系统及其控制方法 | |
| CN107886750A (zh) | 一种基于超视距协同认知的无人驾驶汽车控制方法与系统 | |
| Onishi et al. | End-to-end learning method for self-driving cars with trajectory recovery using a path-following function | |
| CN116134292A (zh) | 用于性能测试和/或训练自动驾驶车辆规划器的工具 | |
| CN115257819A (zh) | 城市低速环境下的大型营运车辆安全驾驶决策方法 | |
| CN115257789A (zh) | 城市低速环境下的营运车辆侧向防撞驾驶决策方法 | |
| CN112896185A (zh) | 一种面向车路协同的智能驾驶行为决策规划方法及系统 | |
| CN105109485B (zh) | 一种驾驶方法及系统 | |
| CN113901718A (zh) | 一种跟驰状态下基于深度强化学习的驾驶避撞优化方法 | |
| CN108711285A (zh) | 一种基于道路路口的混合交通模拟方法 | |
| CN117325865A (zh) | 一种lstm轨迹预测的智能车辆换道决策方法及系统 | |
| CN114148349B (zh) | 一种基于生成对抗模仿学习的车辆个性化跟驰控制方法 | |
| CN113715834B (zh) | 车辆行驶行为识别方法、装置、电子设备和存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191011 |