论文部分内容阅读
自适应巡航系统(ACC)在有效地减轻驾驶人员疲劳强度的同时一定程度上减少了交通事故的发生率。但传统ACC系统一般存在有效关注区域局限、弯道跟踪误识别率较高、对车辆并道不具有识别能力等问题。针对这些问题所涉及的关键技术进行研究,主要研究内容如下:(1)利用卡尔曼算法和目标特征判断方法剔除雷达数据中虚假目标,并对静止目标进行有效识别。在此基础上增加目标候选判断阶段,制定目标有效性存在的控制规则,从而保证目标跟踪的稳定性并减少目标更换的延迟时间。(2)针对前车出入弯道和换道工况的识别问题,分析自车与前车车速不同时两车方位角、相对横向速度以及前车速度之间的函数关系,并提出新的出入弯工况识别的判断标准。基于自车行驶状态数据,提出拟合道路曲率公式的方法求取道路曲率变化率,从而实现弯道工况中目标车辆横向补偿距离的计算。(3)利用模糊逻辑控制算法和滑动窗口法识别邻车道内车辆并道行为。考虑并道时邻车、自车以及自车道内前车三者之间的关系,将邻车并道行为进行分类,并制定不同并道行为下自车的跟踪模式。(4)针对邻车直行与并道两种工况,利用四分位数和箱线图统计分析自车与邻车相对横向距离、相对横向速度以及邻车航向角数据的差异性和分布范围,为模糊控制器所选参数论域的划分提供参考。最后,利用Carsim和Matlab/Simulink联合仿真验证了邻车并道行为识别算法的合理性以及不同并道行为下自车跟踪模式的有效性。