导读:本文包含了驾驶轨迹论文开题报告文献综述及选题提纲参考文献，主要关键词:自动驾驶,神经网络,操纵稳定性,轨迹优化
驾驶轨迹论文文献综述
兰凤崇,李诗成,陈吉清,刘照麟[1]（2019）在《考虑操纵稳定性的自动驾驶汽车轨迹综合优化方法》一文中研究指出针对自动驾驶汽车在局部轨迹规划上对车辆操纵稳定性考虑不足、对车辆模型过度简化和缺少对车辆舒适性客观评价的问题,建立了考虑车辆操纵稳定性的车辆叁自由度模型,模拟自动驾驶汽车换道场景,根据输入车轮转角得到输出的换道轨迹,运算得到车辆换道行驶参数化方程和行驶轨迹特征.运用BP神经网络对行驶轨迹特征进行识别,得到自动驾驶汽车换道持续时间和横向偏移距离所对应的车轮转角变化关系.在不同换道车速下,根据不同换道持续时间和横向偏移距离,输入车轮转角得到换道优化轨迹簇和操纵稳定性参数.在只考虑行驶效率和安全的常规轨迹优化方法的基础上,构建轨迹综合优化目标函数,考虑表征车辆换道过程舒适性和操纵稳定性的(横摆、侧倾、侧向)加速度变化率均值,提出一种基于行驶效率、安全性、舒适性和操纵稳定性的轨迹综合优化方法.对轨迹综合优化目标函数进行求解得到最优换道行驶轨迹,联合仿真结果表明该方法优于常规轨迹优化方法且舒适性、操纵稳定性改善达20%以上.(本文来源于《湖南大学学报(自然科学版)》期刊2019年10期）
余荣杰,龙晓捷,涂颖菲,李健[2]（2019）在《基于低频轨迹数据的分时租赁驾驶人驾驶风格分析》一文中研究指出基于上海某汽车分时租赁企业的运营数据,开展了基于低频轨迹数据的驾驶行为特征提取及驾驶风格分析.采用相对超速时间比例及其变异系数为驾驶风格特征指标,基于K-means聚类算法将驾驶人风格划分为谨慎、温和、激进叁类,相应驾驶人比例分别为54.04%、36.60%和9.36%.对不同驾驶风格租赁用户的出行、运行及个体特征的比较发现,不同驾驶风格的用户在出行、运行速度及车辆能耗特征方面具有差异性,在年龄、性别及违章方面无统计上的显着差异.(本文来源于《同济大学学报(自然科学版)》期刊2019年10期）
严国军,贲能军,顾建华,杨彦[3]（2019）在《基于MPC的无人驾驶拖拉机轨迹跟踪控制》一文中研究指出针对无人驾驶拖拉机在给定行驶路径的情况下,通过对建立的拖拉机运动学非线性模型进行线性化处理,得到线性时变系统,运用模型预测控制算法对拖拉机转向进行控制达到轨迹跟踪的目的;为了优化控制器运算速度,提出自适应MPC控制器,该控制器的预测时域能够根据参考轨迹曲率的变化自动调节,在确保轨迹跟踪效果的前提下,降低控制器的运算时间,保证控制系统的实时性。研究结果表明,基于MPC设计的轨迹跟踪控制器能够使拖拉机在车速为10 m/s行驶时有效跟踪既定的行驶轨迹,距离误差小于0.03 m,航向角误差小于0.015 rad。(本文来源于《重庆交通大学学报(自然科学版)》期刊2019年09期）
张旭斌,李刚,冀同涛,任建平[4]（2019）在《无人驾驶汽车轨迹解算及跟踪控制研究》一文中研究指出针对无人驾驶汽车中的轨迹曲线生成及跟踪控制这一关键技术,提出一种基于时间t的分段叁次参数方程方法生成无人驾驶汽车轨迹曲线,并结合线性二次型最优控制算法构成反馈控制进行仿真验证。搭建车辆运动学模型,利用最优控制方法构成反馈控制。在MATLAB中编写控制程序并仿真,结果显示该方法能够实现无人驾驶汽车的轨迹跟踪,并且具有良好的跟踪效果。(本文来源于《汽车实用技术》期刊2019年16期）
黄晶,蓟仲勋,彭晓燕,胡林[5]（2019）在《考虑驾驶人风格的换道轨迹规划与控制》一文中研究指出基于自动换道控制技术中融合个性化驾驶人风格的研究,建立考虑驾驶人风格的车辆换道轨迹规划及控制模型以提高换道规划控制模型对不同风格驾驶人的适用性,在保证安全性的基础上进一步满足驾驶人的个性化需求。首先通过问卷调查的方式采集得到了212份驾驶人风格量表数据,采用主成分分析法和K均值(K-means)聚类分析法将驾驶人按驾驶风格分为激进型、普通型和谨慎型,并通过驾驶模拟器试验采集不同风格驾驶人分别在自车道前车、目标车道前车和目标车道后车影响下的换道行为数据。然后对椭圆车辆模型进行改进,以描述不同风格驾驶人的行车安全区域,并据此构建3种典型工况下不同风格驾驶人的换道最小安全距离模型,结合驾驶舒适性约束、车辆几何位置约束以及不同风格驾驶人的换道行为数据,以换道纵向位移最短为目标,实现适应驾驶人风格的换道轨迹规划。最后以基于预瞄的路径跟踪模型作为前馈量,设计基于动力学的线性二次型最优(LQR)反馈控制器,通过调节控制权重矩阵实现3种工况下不同驾驶人风格的换道轨迹跟踪。PreScan和MATLAB/Simulink联合仿真结果表明:所设计的考虑驾驶人风格的换道轨迹规划及跟踪控制模型能够实现不同驾驶风格的自动换道轨迹规划及跟踪控制,可满足驾驶人个性化换道需求。(本文来源于《中国公路学报》期刊2019年06期）
季学武,费聪,何祥坤,刘玉龙,刘亚辉[6]（2019）在《基于LSTM网络的驾驶意图识别及车辆轨迹预测》一文中研究指出自动驾驶汽车需具备预测周围车辆轨迹的能力,以便做出合理的决策规划,提高行驶安全性和乘坐舒适性。运用深度学习方法,设计了一种基于长短时记忆(LSTM)网络的驾驶意图识别及车辆轨迹预测模型,该模型由意图识别模块和轨迹输出模块组成。意图识别模块负责识别驾驶意图,其利用Softmax函数计算出驾驶意图分别为向左换道、直线行驶、向右换道的概率;轨迹输出模块由编码器-解码器结构和混合密度网络(MDN)层组成,其中的编码器将历史轨迹信息编码为上下文向量,解码器结合上下文向量和已识别的驾驶意图信息预测未来轨迹;引入MDN层的目的是利用概率分布来表示车辆未来位置,而非仅仅预测一条确定的轨迹,以提高预测结果的可靠性和模型的鲁棒性。此外,将被预测车辆及其周围车辆组成的整体视为研究对象,使模型能够理解车-车间的交互式行为,响应交通环境的变化,动态地预测车辆位置。使用基于真实路况信息的NGSIM (Next Generation SIMulation)数据集对模型进行训练、验证与测试。研究结果表明:与传统的基于模型的方法相比,基于LSTM网络的轨迹预测方法在预测长时域轨迹上具有明显的优势,考虑交互式信息的意图识别模块具备更高的预判性和准确率,且基于意图识别的轨迹预测能降低预测轨迹与真实轨迹间的均方根误差,显着提高轨迹预测精度。(本文来源于《中国公路学报》期刊2019年06期）
何柔灵[7]（2019）在《基于轨迹数据的驾驶行为动态特征分析与建模》一文中研究指出全球经济飞速发展使城市化进程不断加快,作为连接城市间、城市内的纽带,交通系统迅猛发展,汽车保有量急剧增长,随之带来一系列的交通问题:城市高峰期的交通拥堵问题、城市空气污染以及频繁发生的交通事故。当这些问题发展到一定程度就会成为制约社会经济发展、提高社会生活水平的桎梏,更制约着城市道路交通系统的进一步发展。根据实际交通流进行建模,是解决城市交通问题的重要方法之一,交通流建模的核心依据是城市道路中车流随时间、空间的演变规律。该方法可以解释各类交通现象的内在机理,为掌握车辆行驶规律提供可靠的理论支持,是改善现有交通问题的重要手段。在实际交通系统中,车辆往往跟随前车在车流中行驶,驾驶员在驾驶过程中的行为并非保持不变,而是根据行车条件不断对车辆进行加速、减速操作,以确保车辆不与前车相撞,也不与前车距离过远。现有的车辆跟驰模型大多认为车辆驾驶特征保持不变,这与实际不符。因此,构建具有时变特征的车辆跟驰模型,使其更加符合驾驶过程中的动态特征,从而掌握车辆驾驶规律对交通流的影响,是具有研究价值的。基于以上问题,本文拟根据车辆轨迹数据,以优化车辆跟驰模型、把握车辆驾驶规律为目标,提取、分析车辆的动态驾驶特征,把握重要影响因素随时间变化的规律,通过构建合理的具有动态驾驶特征的车辆跟驰模型,以期为掌握车辆实际驾驶过程中的变化规律提供理论依据和科学方法。本文主要工作如下:(1)本文详细阐述了驾驶员的驾驶特性以及车辆跟驰模型的研究现状。根据NGSIM数据集中的轨迹数据,提取、分析车辆驾驶过程中的动态特征。基于车辆的时变驾驶特性,本文提出一种计算车辆动态反应时间的方法,并根据影响车辆跟驰行为的前车信息,分析车辆在不同状态下的加速度、速度、与前车速度差的分布情况,进一步验证了车辆的时变特性。(2)车辆跟驰模型中的驾驶员反应时间是描述车辆时变特征的重要参数,本文通过基于车辆轨迹数据计算得到驾驶员的动态反应时间,考虑反应时间具有时变特性,本文运用时间序列分析建模方法研究其变化规律。(3)本文以GHR车辆跟驰模型、优化速度模型以及智能驾驶模型(IDM)为基础,对车辆时变驾驶特征进行深入研究。基于时间区间的划分,利用最小二乘法对叁个模型的参数进行动态标定,并与传统标定进行对比。根据研究可知,动态地看待驾驶行为可以更好地描述其时变特性,把握驾驶规律。(本文来源于《北京交通大学》期刊2019-06-05）
黄颖涛[8]（2019）在《自动驾驶车辆轨迹跟踪模型预测控制方法研究》一文中研究指出交通环境的日渐复杂及传统驾驶方式的局限性促进了车辆自动化程度的提高,尤其推动着自动驾驶技术的快速发展。车辆自动驾驶不仅可以解放驾驶员,而且可以在很大程度上提高行车安全性和交通有序性。轨迹跟踪控制是车辆自动驾驶技术研究的重点之一,也是实现智能交通系统的关键环节。因此,研究车辆的轨迹跟踪控制对车辆实现自动驾驶具有重要的实际意义。本文采用模型预测控制方法,对自动驾驶车辆的轨迹跟踪控制问题进行了研究。首先阐述了在车辆轨迹跟踪控制问题中运用线性时变模型预测控制方法的意义,并针对车辆非线性和多约束等特点,在一定的假设条件下,考虑车辆的横向、纵向和横摆运动,建立了车辆的叁自由度动力学模型,并对其进行了线性化及离散化处理;然后以线性时变模型预测控制算法为基础,结合魔术公式轮胎模型,将车辆的动力学模型处理转化为轨迹跟踪控制器所需的预测模型,给出了车辆在运动过程中受到的多种输入输出约束条件,设计了用来优化求解控制量的目标函数,并将目标函数转化成便于求解的二次规划问题,完成了基于模型预测控制的自动驾驶车辆轨迹跟踪控制器的设计;最后对设计的轨迹跟踪控制器,在Matlab/Simulink/Carsim联合仿真的平台上,针对不同路面附着系数及不同车辆行驶速度的多种工况进行了仿真,仿真结果验证了本文所设计的基于模型预测控制方法的轨迹跟踪控制器的有效性。(本文来源于《长安大学》期刊2019-04-20）
江昆,杨殿阁,柳超然,张涛,肖中阳[9]（2019）在《一种适用于自动驾驶汽车的多层地图模型和车道级轨迹规划》一文中研究指出越来越多的司机依赖于汽车或手机上的电子地图导航系统来选择最佳的驾驶路线,以节省时间和提高安全性,在不久的将来,电子地图和导航系统有望在未来交通运输系统中发挥更大的作用。为了将现有的导航系统扩展到更多的应用领域,如自动驾驶,需要考虑在传统道路地图模型的基础上,建立车道级地图模型和车道级轨迹规划。本研究针对传统电子地图内容不够丰富的局限性,提出了一种全新的七层自动驾驶地图结构模型,并将它命名为清华地图模型。考虑车辆换道、转向和直行等不同行车特点,建立了车道级路段行车代价模型,建立一种分层路径轨迹搜索方法,能够在道路和车道网络中实现快速的轨迹规划,能够很好地支持自动驾驶的车道级轨迹规划。通过在虚拟道路网络和实际道路网络上的测试,充分验证了该地图模型和算法的灵活性和有效性。(本文来源于《Engineering》期刊2019年02期）
山岩[10]（2019）在《自动驾驶车辆拟人化换道决策和换道轨迹研究》一文中研究指出相比于其他驾驶行为,换道过程中驾驶人需要关注前方、后方、以及侧向的交通场景,并根据多维度的信息输入做出换道决策。对于自动驾驶车辆,换道过程中车载计算机系统也需要观察周围的交通环境,并根据交通环境状态和自车运动状态进行换道决策,决定是否采取换道操作以及如何进行换道。现阶段,自动驾驶车辆的自主换道能力相对较弱,尤其是换道决策和换道执行模式需要进一步提升。自动驾驶车辆和传统人工驾驶车辆在一定时间内将在道路上混合行驶。从安全和交通流稳定特性需求出发,最好能够实现这两类车辆行为的一致性。显然,将驾驶人改造成为机器一样的驾驶模式不现实,而将驾驶人的驾驶特性提取后输入计算机,实现自动驾驶车辆的类人化行驶从技术上更为现实。以换道为例,换道通常分为正常换道和紧急避让换道。本研究针对自动驾驶车辆的正常换道过程,以保证自动驾驶车辆换道的安全性、乘坐舒适性为目标,通过学习人类驾驶人的换道决策和换道轨迹特性,建立自动驾驶车辆在非紧急避让情况下的换道决策和换道轨迹模型,实现自动驾驶车辆的类人化换道。针对上述需求,本研究通过在小型乘用车上搭建实验平台,开展真实道路环境下的正常驾驶实验,基于雷达、视觉传感器等仪器,获取了43名被试驾驶人的大量换道数据。基于这些换道数据,以实现自动驾驶车辆的类人化换道决策和类人化换道轨迹为目标,开展了建模分析,主要研究内容和结果如下:1、通过分析所有的换道数据,把真实换道场景分为15种。对于每种场景,确定了影响驾驶人换道决策的因素,并基于决策树方法建立了该场景情况下的驾驶人换道决策模型。利用随机筛选的400组换道数据对模型进行检验,结果表明,该模型对执行换道和拒绝换道的决策准确率分别为63.2%和65.7%。在此基础上,引入多维度驾驶风格量表对驾驶人的驾驶风格进行分类,对叁类不同风格的驾驶人进行换道决策准确率检验,结果表明,执行换道和拒绝换道的决策准确率从63.2%、65.7%分别上升到83.2%和84.3%。2、驾驶人风格的差异性会直接影响换道决策模式,这表明在相同的交通场景下,部分驾驶人会选择执行换道,而部分驾驶人会拒绝换道。对于无人车的自主换道决策过程,从安全角度而言,可以采用相对谨慎的换道执行策略。同时,通过利用本文不同驾驶风格模式下对应的换道决策模型,可以实现无人车的换道决策策略多样化,从而迎合不同驾驶人或者乘客对无人车自主换道模式的需求差异性。3、通过对大量真实换道轨迹进行拟合研究,结果表明,7次多项式对换道轨迹的拟合结果最优,拟合精度都在0.99以上。基于7次多项式轨迹模型,本文提出了换道效率参数来表征换道过程中的特性。在前后无车的自由换道阶段、以及前后存在其他车辆的换道阶段,换道效率的平均值分别为7.78和6.14。在此基础上,针对上述两类换道行为,本文通过对大量换道轨迹进行拟合,建立了不同车速情况下的换道轨迹数据库。无人车换道执行阶段,根据自身车速和交通环境的差异性,从换道轨迹数据库中直接选取最合适的换道轨迹,作为本次换道的预期规划轨迹,结合相应控制方法,可确保无人车按照规划轨迹执行换道,实现类人化的换道执行过程。(本文来源于《长安大学》期刊2019-04-12）
驾驶轨迹论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
基于上海某汽车分时租赁企业的运营数据,开展了基于低频轨迹数据的驾驶行为特征提取及驾驶风格分析.采用相对超速时间比例及其变异系数为驾驶风格特征指标,基于K-means聚类算法将驾驶人风格划分为谨慎、温和、激进叁类,相应驾驶人比例分别为54.04%、36.60%和9.36%.对不同驾驶风格租赁用户的出行、运行及个体特征的比较发现,不同驾驶风格的用户在出行、运行速度及车辆能耗特征方面具有差异性,在年龄、性别及违章方面无统计上的显着差异.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
驾驶轨迹论文参考文献
[1].兰凤崇,李诗成,陈吉清,刘照麟.考虑操纵稳定性的自动驾驶汽车轨迹综合优化方法[J].湖南大学学报(自然科学版).2019
[2].余荣杰,龙晓捷,涂颖菲,李健.基于低频轨迹数据的分时租赁驾驶人驾驶风格分析[J].同济大学学报(自然科学版).2019
[3].严国军,贲能军,顾建华,杨彦.基于MPC的无人驾驶拖拉机轨迹跟踪控制[J].重庆交通大学学报(自然科学版).2019
[4].张旭斌,李刚,冀同涛,任建平.无人驾驶汽车轨迹解算及跟踪控制研究[J].汽车实用技术.2019
[5].黄晶,蓟仲勋,彭晓燕,胡林.考虑驾驶人风格的换道轨迹规划与控制[J].中国公路学报.2019
[6].季学武,费聪,何祥坤,刘玉龙,刘亚辉.基于LSTM网络的驾驶意图识别及车辆轨迹预测[J].中国公路学报.2019
[7].何柔灵.基于轨迹数据的驾驶行为动态特征分析与建模[D].北京交通大学.2019
[8].黄颖涛.自动驾驶车辆轨迹跟踪模型预测控制方法研究[D].长安大学.2019
[9].江昆,杨殿阁,柳超然,张涛,肖中阳.一种适用于自动驾驶汽车的多层地图模型和车道级轨迹规划[J].Engineering.2019
[10].山岩.自动驾驶车辆拟人化换道决策和换道轨迹研究[D].长安大学.2019