论文部分内容阅读
交通环境是多个交通参与者相互影响、动态变化的复杂系统,高速公路上车辆的速度较快,车辆之间的冲突频繁且交通事故的伤害性较大,相邻车道上前方车辆的危险换道或超车动作会影响到智能车辆的正常行驶。本文提出了一种基于相邻车道上前方车辆驾驶行为识别的横向换道避障控制技术,该技术能够提前识别相邻车道上前方车辆的换道切入行为,并针对相邻车道上前方车辆的危险换道切入行为实施避障控制。首先,针对相邻车道上前方车辆的换道切入行为的识别问题,提出了一种基于混合高斯-隐马尔科夫模型(Gaussian Mixture-Hidden Markov Model,GM-HMM)的驾驶行为识别方法。基于高速公路场景中车辆换道的特性以及驾驶员决策的特点,以相邻车道上前方车辆的纵向速度、0.5秒内横向位移和横向速度作为观测变量,利用Baum-Welch算法和前向-后向算法对前方车辆的三种驾驶行为(包括车道保持、向左车道变换和向右车道变换)进行建模和识别,并且测试不同识别时间窗口下的三种驾驶行为的识别准确率。测试结果表明,GM-HMM能够快速准确地识别出相邻车道上前方车辆的换道切入行为,可以为后续的行驶环境安全评估和智能主车决策提供充足的信息和时间。其次,针对从相邻车道切入的威胁车辆的安全评估问题,提出了一种融合威胁车辆的行驶意图参数的制动安全距离模型。当前方车辆的换道切入行为被判定为危险时,智能车辆将根据行驶环境选择合适的避障方式。因此,建立了最小换道安全距离模型以判断智能主车的换道避障行为的安全性,智能车辆可以在目标车道前后方车辆均满足主车换道的最小换道安全距离时选择横向换道避障。然后,针对相邻车道上前方车辆的危险切入行为,基于约束控制理论设计了横向换道避障控制器。首先,简化车辆运动并构建了二自由度车辆模型的动力学方程。其次,根据设计的换道横向加速度计算出理想的前轮转向角,并基于非对称障碍Lyapunov函数(Barrier Lyapunov Function,BLF)采用Backstepping和动态面控制技术相结合的方法设计了车辆直接横摆力矩控制器以更稳定安全地跟踪期望轨迹。基于MATLAB/Simulink的仿真测试结果表明,所设计的控制器能够稳定安全地换道避障。最后,实验部分介绍了样本数据的采集过程,展示了基于MATLAB的相邻车道上前方车辆驾驶行为识别模型的建模训练代码和模型测试代码,以及实车测试了横向换道避障控制器的有效性。