纵坡工况下汽车轨迹预测算法的研究

《纵坡工况下汽车轨迹预测算法的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、—————————————————————————————————————纵坡工况下汽车轨迹预测算法的研究—————————————————————————————————————TrajectoryPredictionforVehicleintheSlopeCondition作者姓名：邵清波专业名称：车辆工程指导教师：管欣教授学位类别：工学硕士答辩日期：2015年5月24日摘要汽车预期轨迹的预测是智能车或智能控制系统核心技术之一。现有的汽车轨迹预测是在水平良好道路条件下进行的，当汽车行驶于大纵坡工况下时，例如高

2、速桥，大坡度山路，轨迹预测结果将出现较大的偏差。因此，合理、有效的汽车轨迹预测算法不仅能够描述水平良好道路工况下预期行驶轨迹，而且能够描述纵坡道路工况下的预期行驶轨迹。如此，在后续系统的分析评价中，才能够尽量地减少不合理的预期轨迹点的干扰，从而保证分析评价的有效性和实时性。本文主要研究在道路纵向坡度工况下的汽车轨迹预测算法。在准确获得车辆行驶的纵向坡度的前提下，根据汽车运动特性以及空间多体动力学理论推导三维空间坐标系下的汽车未来轨迹，从而获得相对于原有的基于刚体平面运动学理论的方法更加准确的预测结果。同时为准确、

3、可靠地提供当前道路纵向坡度信息，且能满足智能控制系统控制算法实时性的要求，本文通过分析三种纵向坡度估计方法的优缺利弊，建立两种常见的道路坡度模型，提出了一套准确、可靠、实时的道路纵向坡度估计方案。最后，通过交互式多模型概率数据联合滤波，为汽车轨迹预测算法提供有效的坡度信息。最后，对本文研究的两个关键部分进行实现与验证。首先，进行道路纵向坡度试验与验证，以CARSIM某一坡度路段场景为例，基于CARSIM-SIMULINK进行联合仿真验证；同时利用实验室智能车平台在校园真实路段以及长春农安汽车试验场标准坡度场地进行

4、了实车验证。之后，在MATLAB环境下验证本文轨迹预测算法，并于其它预测算法进行了对比分析。在实车场地实验中，在校园真实路段对基与纵坡路段的汽车轨迹预测算法进行验证，并与GPS/INS定位轨迹进行了对比。最终的结果表明，基于多传感信息融合滤波的道路纵向坡度估计方法，能够获得较理想的结果；本文提出的轨迹预测算法考虑了道路纵向坡度的因素，解决了纵坡工况下轨迹预测不准的问题，相对于其他原始方案，汽车轨迹预测效果有了明显提高。I关键词：智能控制系统，轨迹预测，多传感器数据融合，坡度估计IIABSTRACTPredicti

5、ngvehicletrajectoryaccuratelyisoneofthemostcrucialtaskforanautonomousvehicleorintelligentcontrolsystem.Theprevioustrajectorypredictionalgorithmmostlyiscarriedoutinthelevelroad.Whendrivinginthelargelongitudinalslopeconditions,suchasviaductormountainroad,predic

6、tionresultwillappearlargerdeviation.Therefore,areasonableandefficientalgorithmofvehicletrajectorypredictingcannotonlydescribevehicletrajectorywellonalevelroadingoodcondition,butalsoplayswellinaslopecondition.Onlyinthisway,canwereducetheinterferenceoftheexpect

7、edtheunreasonabletrajectorypoint,soastoensurethevalidityoftheanalysisandevaluationinthefuture.Thispapermainlystudiesthevehicletrajectorypredictionalgorithminthelongitudinalslopeconditions.Firstly,thelongitudinalslopeoftheroadaccuratelyandreliablyneedtobeacqui

8、red.Atthesametime,tomeetthereal-timerequirementsofintelligentcontrolsystem,roadsloperecognitionalgorithmalsoneedtoguaranteethereal-timeperformance.Theaccuracy,real-time,andreliabilityofth