检索结果-南通市图书馆

基于蒙特卡洛模拟的无人车高速公路变道虚拟测试场景自动生成算法

在线全文

学校读者我要写书评

暂无评论

中国公路学报 2022年第3期35卷 89-100页

作者：朱宇赵祥模徐志刚王润民长安大学信息工程学院陕西西安710064

高速公路环境下,相邻车道前方车辆变道切入是常见的高风险场景。基于场景的虚拟仿真测试,是验证无人车应对其他车辆变道切入时控制算法安全性与可靠性的有效方法。基于蒙特卡洛模拟方法,提出一种无人车高速公路变道虚拟测试场景自动生... 详细信息

高速公路环境下,相邻车道前方车辆变道切入是常见的高风险场景。基于场景的虚拟仿真测试,是验证无人车应对其他车辆变道切入时控制算法安全性与可靠性的有效方法。基于蒙特卡洛模拟方法,提出一种无人车高速公路变道虚拟测试场景自动生成算法,实现测试场景中变道车与测试车的运动轨迹生成。利用高速公路真实交通数据集highD提取真实变道场景,分析场景的4个特征参数。基于马尔科夫链设计变道轨迹模型。针对场景特征,构建两车轨迹约束关系模型和测试车轨迹模型。运用蒙特卡洛模拟生成变道轨迹和测试车变道切入时刻前运行轨迹。通过计算生成变道轨迹与真实轨迹缓冲区重合度,验证生成变道轨迹与真实轨迹的相似性。统计生成有效变道轨迹数量,检验场景生成对场景覆盖度的提升效果。验证结果显示:(1)随机生成的2万条变道轨迹中,落在最相似真实轨迹缓冲区的轨迹超过85.6%,表明基于蒙特卡洛模拟的场景生成算法能够保证生成场景中变道轨迹与真实轨迹的相似性;(2)通过在变道车各速度区间内随机生成50万条变道轨迹,可使生成测试场景中有效轨迹数量,相比真实场景平均增加2320倍,提高测试场景覆盖度;(3)场景自动生成中,通过调整变道场景的4个特征参数,可以控制轨迹生成结果,增强测试场景的针对性。

关键词：汽车工程自动生成算法蒙特卡洛模拟虚拟测试场景无人车

在线全文

学校读者我要写书评

暂无评论

基于生成对抗网络的自动驾驶交通场景生成

电子测量技术 2023年第14期46卷 146-154页

作者：景荣荣吴兰张坤鹏河南工业大学电气工程学院郑州450001 河南工业大学机电工程学院郑州450001 清华大学自动化系北京100084

自动驾驶汽车是智能交通的重要组成部分,也是未来交通的发展趋势。提高自动驾驶技术的可靠性需要对自动驾驶汽车进行广泛的测试。然而,进行实车路测成本高昂且风险较高。如何建立模型生成多样且真实的交通场景,在测试自动驾驶技术的时... 详细信息

自动驾驶汽车是智能交通的重要组成部分,也是未来交通的发展趋势。提高自动驾驶技术的可靠性需要对自动驾驶汽车进行广泛的测试。然而,进行实车路测成本高昂且风险较高。如何建立模型生成多样且真实的交通场景,在测试自动驾驶技术的时候显得尤为重要。针对自动驾驶交通场景生成问题,提出了一个基于生成对抗网络的交通场景生成模型TSG-GAN。TSG-GAN模型利用丰富的交通场景数据(如车道的几何形状、人行横道、交通信号、周围车辆等)快速生成真实且多样的交通场景。在设置车辆驾驶意图的情况下,TSG-GAN模型可以精确地生成现实中未观察到的真实交通场景。通过在公开数据集上进行测试,验证了该模型的有效性。

关键词：自动驾驶交通场景生成虚拟测试场景生成对抗网络

人机共驾环境下的车辆轨迹预测与测试方法研究

在线全文

学校读者我要写书评

暂无评论

人机共驾环境下的车辆轨迹预测与测试方法研究

作者：景荣荣河南工业大学

学位级别：硕士

作为智能交通的重要组成部分,自动驾驶技术可以大幅度提高交通运输的安全性、可靠性和舒适性,目前已经成为国内外的研究热点。在可预见的未来,人类驾驶车辆和自动驾驶车辆将长期共存于一个交通场景下。并且在现实复杂的交通场景下,自动... 详细信息

作为智能交通的重要组成部分,自动驾驶技术可以大幅度提高交通运输的安全性、可靠性和舒适性,目前已经成为国内外的研究热点。在可预见的未来,人类驾驶车辆和自动驾驶车辆将长期共存于一个交通场景下。并且在现实复杂的交通场景下,自动驾驶系统需要进行更加智能的规划和决策来提高其安全性和可靠性。因此,自动驾驶汽车需要对交通参与者(如汽车、自行车、行人等)的未来行为或者轨迹进行及时准确的预测,来提升自动驾驶系统对周围环境变化的感知能力,从而保障自动驾驶系统的安全性和可靠性。轨迹预测模型以周围交通场景数据(周围交通参与者的历史轨迹、道路结构以及交通信号等)作为输入,提取数据特征并通过数据推理或模型递归来预测车辆的未来轨迹。轨迹预测模型的预测精度会在很大程度上影响到自动驾驶系统的安全性。然而,准确的预测周围车辆的未来轨迹是十分困难的。因为车辆在运动过程中不仅会受到交通基础设施(例如道路几何形状、交通信号等)的引导和限制,还会不可避免地受到交通场景中其他交通参与者的影响,这些影响无疑增加了预测车辆未来运动状态的难度。因此,在预测周围车辆未来轨迹的过程中,有效的考虑车辆与其他交通参与者的交互以及车辆与周围交通基础设施的交互对于提升轨迹预测的精度有着重要意义。此外,自动驾驶汽车在现实世界部署前需要进行全面的测试来提升其可靠性,而测试场景是自动驾驶测试的基础。传统的道路测试从大量的道路测试场景中发现自动驾驶系统的问题,然而这种方式既昂贵又低效。因此自动驾驶测试越来越依赖虚拟仿真场景。基于专家经验的场景枚举生成方法虽然成本有所降低,但是仍然无法满足自动驾驶测试的需求。如何建立模型生成多样且真实的交通场景,在测试自动驾驶技术的时候显得尤为重要。1.针对自动驾驶运动规划中预测周围交通参与者未来轨迹的问题,本文提出了一个基于Transformer的轨迹预测模型(Trajectory Prediction Transformer,TPT)来帮助自动驾驶车辆预测周围交通参与者的未来运动轨迹。首先,为了有效地考虑交通参与者和交通环境之间的交互信息,将交通参与者建模为交通智能体。并将交通智能体的历史运动轨迹和周围交通环境信息编码为多通道图,作为模型的输入。然后,利用改进的Transformer对交通环境进行建模,并捕捉交通智能体与交通环境之间值得关注的交互信息,预测其未来运动轨迹。最后,基于现有的交通场景数据集的实验表明,TPT模型能够在不同预测时长下取得优于其他对比模型的预测结果,且用时更短。2.针对自动驾驶交通场景生成问题,本文提出了一个基于生成对抗网络的交通场景生成模型(Traffic Scenario Generation Generative Adversarial Network,TSG-GAN)。TSG-GAN模型利用丰富的交通场景数据(如车道的几何形状、人行横道、交通信号、周围车辆等)快速生成真实且多样的交通场景。在设置车辆驾驶意图的情况下,TSGGAN模型可以精确地生成现实中未观察到的交通场景。基于公开数据集上进行的实验表明,所提出的模型可以准确的生成真实多样的交通场景用于自动驾驶技术的测试。

关键词：自动驾驶轨迹预测交通场景生成虚拟测试场景 Tranformer 生成对抗网络

通过真实交通事故数据验证AEB行人系统的有效性

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

质量与认证 2018年第4期 78-80页

作者：陈强连晓威李旭东

自动紧急制动系统(AEB)行人系统主要通过自动制动来避免或减轻碰撞给行人等道路交通系统中的弱势群体带来的伤害。由于各国的道路环境和交通参与者的习惯存在差异,国外的测试场景并不能完全适用于我国,为此根据我国的真实交通事故数据... 详细信息

自动紧急制动系统(AEB)行人系统主要通过自动制动来避免或减轻碰撞给行人等道路交通系统中的弱势群体带来的伤害。由于各国的道路环境和交通参与者的习惯存在差异,国外的测试场景并不能完全适用于我国,为此根据我国的真实交通事故数据还原的危险场景才是我国交通工况下真正需要的AEB行人测试场景。将装备有AEB行人系统的车辆模型放置于还原的危险场景中,就可以验证该系统的有效性。汽车生产商及相关零部件企业可以在实车测试前利用这些场景对AEB系统进行虚拟测试,从而降低开发成本、节约开发时间。

关键词： AEB行人危险工况虚拟测试场景