登录TOPS×

*


*

验证码加载中……

请先拖动验证码到相应位置


2017年11月23日 • 星期四 • 第47周  
——  孙  剑  教  授  课  题  组  ——

第37期组会:周东浩《混合交通流交叉口智能车左转行为研究》

撰稿 宋之锦   2017年11月2日 20:24:32  阅读(76)

2017年10月31日17:30,TOPS课题组在通达馆417举行了第37期组会,与会成员有孙剑教授倪颖副教授以及课题组全体成员。本期组会上,2017级硕士周东浩介绍了自己目前的研究课题:混合交通流交叉口处智能车左转行为研究。

周东浩同学从研究背景、方法、结果分析和结论四个方面进行了介绍。首先介绍了自动驾驶的现状,包括自动驾驶的关键技术和软硬件设施。接着介绍了一些相关的现有研究内容,介绍了智能车最短路径的规划方法和移动机器人路径规划技术的发展,以及决策预测中障碍预测的方法。

对于研究方法,周东浩同学先简单介绍了场景的构建,包括交叉口的布局和智能车的装置配备。接着他把研究分为了五个步骤分别进行介绍,分别是Detection、Prediction、Decision、Plan和Action。Detection部分介绍了获取检测数据以及预处理的方法。Prediction部分介绍了对检测车行为的预测方法,提出了应用高斯噪声处理方法对感知误差的预测;应用Kalman滤波对实际与行为预测数据进行耦合、迭代;应用行为预测和运动学公式对检测盲区进行预测。Decision部分,他使用了logit模型来产生智能车的决策意图。Plan部分介绍了基于野火算法建立距离势能场的方法。最后对Action中如何改进人工势能场和约束条件进行了介绍。

接下来周东浩同学介绍了分别与实际数据比较和算法之间比较时智能车仿真结果的评价指标体系,包括行程时间、可接受间隙和PET等,对比了不同算法处理下对象的轨迹。

最后,周东浩同学对自己的研究进行了反思总结,所用的方法具有简单易行计算量小的优点,并且在复杂的交叉口环境也能发挥较好的作用,考虑了势能场方法带来的“narrow passage” 问题,虽然可以达到局部最优但并不能达到全局最优的效果,且没有考虑到被正常车撞的情况,还需要进一步改进。

老师认真聆听汇报

汇报结束后,课题组成员纷纷踊跃发言提问,徐一鸣马子安胡祥旺陈晓芸李旭红等几位同学,就检测误差和评价指标等问题提出了自己的看法,并与周东浩同学进行了讨论和交流。倪颖老师在智能车的优化目标和效率问题、智能车的雷达位置、势能场这三个方面对周东浩同学提出了一些改进建议。

孙剑老师针对同学和倪颖老师的疑问,最后总结了三点:一是对混合交通流交叉口处的智能车左转行为的研究,需要处理非常复杂的环境,即使是单层交通流的汇入也非常复杂了,因此研究的时候不会面面俱到;二是传感器安置数量的多少并不能解决盲区的问题,检测盲区总会出现,且在算法中必须体现;三是现在研究的是智能车规划决策的建模,也是motion planning的解决方案,我们之前做的是交通流仿真,是基于车道的仿真,不能解决安全评估和拟人化的问题,因此还需要进一步去研究行为的建模与仿真,甚至可以加上人的思维过程。也就是从驾驶行为的角度来进行研究,这样的得到的模型才更加细致,仿真的表现也会更好。也可以根据驾驶员的驾驶行为去解析驾驶风格,并放入决策行为模型中去。

最后孙老师对周东浩的研究进行了肯定,同时希望其他课题组的其他成员可以学习周东浩同学投入和细心认真的学习状态。

电话:021-69583650  管理员邮箱:2015qgy@tongji.edu.cn  
地址:上海市曹安公路4800号同济大学交通运输工程学院A440  邮编:201804

Creative Commons License TOPS课题组 访问量:24214