混合交通环境中自动驾驶汽车安全可达性分析与优化控制研究

Reachability analysis is a method that is used to get trajectory reachability set without collision under some restriction, which is becoming a hot topic about autonomous driving.This project will study the safety set calculation and optimal control problems for autonomous driving vehicles in a hybrid complex traffic environment. Firstly, we investigate the dynamic characteristics of autonomous driving vehicle working in different modes. Then a nonlinear stochastic hybrid model is established for vehicles. Secondly, the collision condition for vehicles in different modes is analyzed in a complex traffic environment. The cooperation and interaction between the autonomous vehicle and neighboring vehicles is studied. Then a new safety reachability analysis method is proposed to calculate the largest controllable domain. Third, a comprehensive performance indicator is designed, achieving a tradeoff between the safety and comfort. Then a newton based extremum seeking controller is designed. Fourth, the connection between mode switching and system stability is established based on the dynamic model and the safety reachability condition. A multi-vector Lyapunov function is constructed and a sufficient condition for finite-time stability is obtained. This project provide a new analysis method and a rapid optimal control method, which is of theoretical significance and application value to both the commercialization of autonomous driving vehicles, and the safety and efficiency of modern traffic systems.

可达性分析是一种在约束条件下求解个体不发生碰撞轨迹可达集的方法，已成为自动驾驶汽车领域的研究热点。本项目围绕自动驾驶汽车在混合交通环境中的安全可达性分析与优化控制问题开展研究。首先，研究自动驾驶汽车多工作模式切换下的动力学特性，建立车辆的非线性混合模型；其次，分析复杂交通环境下危险碰撞条件，探究与周围其他车辆的协作驾驶行为，提出一种自动驾驶汽车安全可达性分析方法，获得最大可控安全域；然后，考虑车辆综合性能指标，设计基于牛顿法的极值搜索控制器；最后，基于自动驾驶汽车混合动力学模型和安全可达集条件，寻找工作模式切换与系统稳定性之间的关联条件，构建多向量Lyapunov函数，得到有限时间稳定的充分条件。本项目为自动驾驶汽车安全控制提供了一种新的理论分析方法和快速优化的控制方法，对于提高自动驾驶汽车在混合交通环境中的安全性，加快自动驾驶汽车技术的应用和产业化步伐具有重要的理论意义和应用价值。

伴随着汽车辅助驾驶技术和人工智能技术的发展，自动驾驶汽车进入了实测阶段，但是在相当长时间内，自动驾驶汽车与传统非智能车、非机动车、行人仍将分享路权——即复杂的混合交通环境中自动驾驶汽车的安全问题仍是科研工作者以及各国政府关注的焦点问题。. 本课题围绕研究计划着重研究了具有混合非线性特征的自动驾驶汽车动力学模型的建立方法与验证；研究自动驾驶汽车在低附着系数路面行驶时的安全问题及纵横向稳定控制策略，通过对车辆横摆角速度的观测得出补偿横摆力矩，然后对左侧或右侧车轮的驱动力矩进行调整，使车辆保持稳定状态。将稳定性控制器与速度跟随控制器和路径跟随控制器相结合，利用Carsim和simulink进行联合仿真实验，验证了纵横向运动耦合控制对自动驾驶汽车轨迹跟随精度和稳定性的影响；在保持行驶稳定和安全的条件下，提出了一种基于事件驱动模式的控制机制。将自动驾驶汽车的行驶建模为基于领航者、跟随者和自由者的编队行驶问题，利用基于事件驱动的控制策略有效求解行驶过程中安全可达集，并且通过控制算法可以使自动驾驶车辆在满足约束条件和设定目标情况下以一定队形或者自由安全行驶。在低速行驶情况下的行人检测及安全控制策略进行研究，利用深度传感器Kinect实时获取真实路况场景并捕获行人的骨骼图像，结合HOG算法和SVM分类器实现行人检测。利用彩色图像的HOG特征和人体骨骼图像将人体彩色图像和骨骼图像结合起来进行行人检测，可应用于背景复杂和遮挡严重的行人检测。实验表明能实时确定真实路况下行人的确切位置，可为今后的自动驾驶汽车提供行人的准确位置信息。. 搭建了基于Kinect的行人检测处理平台，改装的众泰云100高级辅助驾驶控制器，基于carsim和matlab的算法联合仿真平台和基于嵌入式系统的智能小车车队与车联网通信测试联合仿真测试平台。课题组建立了一套以自动驾驶汽车安全行驶控制算法设计与验证的建模方法和仿真、实验测试平台。