亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于安全域的局部路徑規(guī)劃優(yōu)化算法

        2021-08-11 02:23:40毛莞丁鄒若冰劉晨麗
        汽車工程學(xué)報(bào) 2021年4期
        關(guān)鍵詞:安全性規(guī)劃

        毛莞丁,鄒若冰,劉晨麗

        (陜西汽車集團(tuán)有限責(zé)任公司,西安 710043)

        據(jù)我國道路交通事故統(tǒng)計(jì),交通事故九成以上都與駕駛員自身原因有關(guān)[1]。自動(dòng)駕駛車輛是由車輛的控制器、傳感器等發(fā)揮主要作用,代替駕駛員駕駛車輛,可以為車輛行駛安全以及交通安全提供良好的保障[2]。決策規(guī)劃是自動(dòng)駕駛的關(guān)鍵部分之一,是自動(dòng)駕駛車輛可以到達(dá)目標(biāo)點(diǎn)的保障。它融合多傳感信息,根據(jù)駕駛需求進(jìn)行行為決策,指導(dǎo)當(dāng)前自動(dòng)駕駛車輛做出行為動(dòng)作,如正常行駛、跟車、超車、換道、停車等,同時(shí)依據(jù)局部環(huán)境信息、行為決策結(jié)果和車輛實(shí)時(shí)位姿信息,在滿足一定的運(yùn)動(dòng)學(xué)約束下,規(guī)劃局部空間和時(shí)間內(nèi)車輛期望的運(yùn)動(dòng)軌跡。

        當(dāng)前研究人員提出了很多的路徑規(guī)劃算法,如人工勢(shì)場(chǎng)法[3-4]、快速隨機(jī)樹(Fast Random Tree,RRT)算法[5]、模糊算法[6-7]、蟻群算法[8]等,有些方法[9-10]是直接找到連接起點(diǎn)和終點(diǎn)的全局軌跡。另外一些方法[11-19]是先得到一系列有限的軌跡,從該軌跡集合中,通過最小化給定的代價(jià)函數(shù)選擇最優(yōu)軌跡。對(duì)于如何生成軌跡集合,需要選擇參數(shù)模型,如高階多項(xiàng)式。WERLING等[14]提出的基于Frenet框架的最優(yōu)軌跡生成(Optimal Trajectory Generation,OTG)算法,將軌跡規(guī)劃問題分解成橫向和縱向兩個(gè)一維空間的路徑規(guī)劃問題,求解軌跡集,并從橫向和縱向分別考慮代價(jià)函數(shù),加權(quán)求和得到總的代價(jià)函數(shù),通過代價(jià)函數(shù)最小化選取最優(yōu)軌跡。該方法具有較強(qiáng)的實(shí)用性,是目前普遍采用的局部路徑規(guī)劃算法之一。Apollo EM規(guī)劃器[15]與OTG算法相似,同樣采用降維思想,將軌跡規(guī)劃問題分解為橫向和縱向,再合成三維軌跡,根據(jù)代價(jià)函數(shù)篩選出最好的合成軌跡。周慧子等[16]針對(duì)自動(dòng)駕駛中避障的動(dòng)態(tài)路徑規(guī)劃問題,提出一種在已知車輛的初始位置、速度、方向和障礙物位置情況下,實(shí)時(shí)避開障礙物的動(dòng)態(tài)規(guī)劃算法。梁廣民[17]提出了一種新的自動(dòng)駕駛軌跡規(guī)劃方法,該方法可以為自動(dòng)駕駛生成舒適安全的軌跡。郭蓬等[18]在使用Frenet坐標(biāo)系理論的基礎(chǔ)上,提出了一種考慮到車道線曲率和障礙物模型信息的方法,然后通過最小化代價(jià)函數(shù),選出局部最優(yōu)路徑。毛晨悅等[19]提出一種基于人工勢(shì)場(chǎng)法的無人機(jī)路徑規(guī)劃避障算法,提高無人機(jī)的避障性能。

        在代價(jià)函數(shù)方面,OTG算法[14]的代價(jià)函數(shù)是從橫向和縱向分別考慮,主要包含舒適性、運(yùn)行時(shí)長和偏離目標(biāo)三個(gè)方面。Apollo EM規(guī)劃器[15]的代價(jià)函數(shù)(簡(jiǎn)稱cost函數(shù))包含到達(dá)目的偏差、橫向偏移、是否碰撞以及加速度。周慧子等[16]從安全、平滑和連續(xù)這3個(gè)方面來設(shè)計(jì)代價(jià)函數(shù)。梁廣民[17]根據(jù)每個(gè)候選軌跡與每個(gè)障礙物的碰撞概率和每條軌跡到目標(biāo)位置的最短距離選擇最合適的軌跡。郭蓬等[18]算法的代價(jià)函數(shù)考慮了擬合軌跡到障礙物的危險(xiǎn)程度、軌跡平順性、軌跡到當(dāng)前參考線的偏離程度、擬合軌跡行駛方向的改變程度、無人駕駛汽車最小轉(zhuǎn)彎半徑。

        近些年的研究中,許多學(xué)者也對(duì)傳統(tǒng)的路徑規(guī)劃算法進(jìn)行了改進(jìn)和優(yōu)化。胡澮冕[20]針對(duì)RRT算法收斂速度慢、路徑不規(guī)則的問題,基于雙向RRT算法和概率搜索策略,提出了一種變概率策略下的雙向RRT搜索優(yōu)化算法。在仿真中進(jìn)行了多場(chǎng)景重復(fù)試驗(yàn)測(cè)試,仿真結(jié)果表明,改進(jìn)后的算法在搜索速度和路徑長度上有明顯改善。王飛等[21]針對(duì)工作環(huán)境已知的情況,研究了移動(dòng)機(jī)器人在復(fù)雜三維環(huán)境下路徑規(guī)劃的問題,提出一種改進(jìn)的蟻群優(yōu)化算法。試驗(yàn)結(jié)果表明,該算法有較高的全局搜索能力,收斂速度明顯加快,驗(yàn)證了該算法的有效性和可行性。王云常等[22]為簡(jiǎn)化無人機(jī)飛行路徑規(guī)劃算法并提高其避障效果,提出一種人工勢(shì)場(chǎng)法和A星算法相結(jié)合的路徑規(guī)劃算法,仿真試驗(yàn)證明,該算法與人工勢(shì)場(chǎng)法和A星算法相比,提高了避障效果,縮短了搜索時(shí)間。

        本文從代價(jià)函數(shù)的角度出發(fā),對(duì)傳統(tǒng)OTG算法進(jìn)行優(yōu)化。上述算法的代價(jià)函數(shù)包含大多數(shù)的評(píng)價(jià)方法(安全性、平滑性、連續(xù)性等),但是無法表征動(dòng)態(tài)障礙物對(duì)車輛行駛安全的影響。例如,主控車輛和障礙車輛之間距離相等,兩者既可以是相向而行,也可以是同向而行,但兩者對(duì)主控車輛的影響不同,選取出的最優(yōu)軌跡也會(huì)不同。針對(duì)這種情況上述局部路徑規(guī)劃算法的代價(jià)函數(shù)會(huì)篩選出相同軌跡,而無法做出準(zhǔn)確的評(píng)判。因此,傳統(tǒng)OTG算法的代價(jià)函數(shù)僅考慮了三方面的約束,且只針對(duì)靜態(tài)情況,對(duì)動(dòng)態(tài)環(huán)境安全因素的考慮不足。為了解決上述問題,提出一種簡(jiǎn)單可行的影響因子──安全域,反映了主控車輛與周圍動(dòng)態(tài)環(huán)境的安全性。這個(gè)概念的提出將為局部路徑規(guī)劃的優(yōu)化提供一定的依據(jù)。

        1 傳統(tǒng)OTG算法

        傳統(tǒng)OTG算法在進(jìn)行路徑規(guī)劃時(shí)分別從橫向和縱向考慮,最后進(jìn)行融合。算法分為兩部分,第一部分是生成軌跡集合,第二部分是對(duì)軌跡集合進(jìn)行評(píng)價(jià),篩選出最優(yōu)軌跡作為自動(dòng)駕駛汽車最終的期望運(yùn)行軌跡。

        1.1 軌跡的生成

        WERLING等[14]研究的OTG算法采用橫縱向分別求解軌跡,再耦合的方式來實(shí)現(xiàn)。其中橫縱向軌跡分別采用五次多項(xiàng)式[23]來表示,公式如下:

        式中:d(t)為橫向軌跡的五次多項(xiàng)式;αd0、αd1、αd2、αd3、αd4和αd5為橫向軌跡五次多項(xiàng)式的系數(shù);t為時(shí)間,s;s(t)為縱向軌跡的五次多項(xiàng)式;αs0、αs1、αs2、αs3、αs4和αs5為縱向軌跡五次多項(xiàng)式的系數(shù)。

        1.2 軌跡的評(píng)價(jià)

        在求得橫縱向軌跡集合后,需要利用代價(jià)函數(shù)對(duì)其進(jìn)行評(píng)價(jià),選出最優(yōu)軌跡。傳統(tǒng)OTG算法的代價(jià)函數(shù)也分為橫向和縱向,橫向軌跡的代價(jià)函數(shù)為:

        縱向軌跡的代價(jià)函數(shù)為:

        式中:kj為Jerk[24]權(quán)重;Jt[d(t)]為關(guān)于d(t)的Jerk;Jt[s(t)]為關(guān)于s(t)的Jerk;kt為時(shí)長權(quán)重;T為軌跡的控制周期,s;kd為偏離道路中心線權(quán)重;d12為橫向目標(biāo)位置與橫向軌跡末端位置之差的平方;s˙1為縱向目標(biāo)速度,m/s ;sc˙為縱向軌跡末端速度,m/s。

        將橫向和縱向的代價(jià)函數(shù)加權(quán)求和,得到總的代價(jià)函數(shù)為:

        式中:klat為橫向代價(jià)函數(shù)的權(quán)重;klon為縱向代價(jià)函數(shù)的權(quán)重。

        2 傳統(tǒng)OTG算法的優(yōu)化

        本文提出了“安全域”這一新概念,客觀表征了車輛行駛過程中車、人、路等交通要素對(duì)行駛安全的影響。同時(shí),也提出了量化安全域參數(shù)的方法并成功應(yīng)用于傳統(tǒng)OTG算法的優(yōu)化。

        2.1 安全域

        影響自動(dòng)駕駛車輛的行駛安全性因素有很多,主要包括主控車輛、其他交通參與者以及道路等。交通參與者主要有機(jī)動(dòng)車、非機(jī)動(dòng)車、行人、甚至路上出現(xiàn)的動(dòng)物以及路障等,這些交通參與者可以是運(yùn)動(dòng)的,也可以是靜止的。道路主要包含道路的車道數(shù)、寬度、形狀等。

        對(duì)于車輛行駛安全性而言,道路上的交通參與者都有可能對(duì)其產(chǎn)生潛在的風(fēng)險(xiǎn)。為了評(píng)估自動(dòng)駕駛主控車輛周圍環(huán)境對(duì)行駛安全性的影響,本文提出了安全域的概念,用來表征主控車輛行駛過程中周圍車、人、路各因素對(duì)行駛安全性的影響程度。它是一個(gè)包含時(shí)間和空間兩個(gè)維度的變量(車輛行駛過程中各個(gè)參與者要素的動(dòng)態(tài)變化)。安全域是根據(jù)交通參與者的自身特性在其周圍形成一個(gè)安全范圍,兩個(gè)交通參與者安全域的重疊面積越大,說明兩者碰撞的概率越高,行駛安全性越低,反之,重疊面積越小,碰撞概率越低,行駛安全性越高。

        安全域的范圍是由交通參與者的類型、位置、質(zhì)量、長寬、運(yùn)動(dòng)狀態(tài)決定的。王建強(qiáng)等[25]提出了一個(gè)等效質(zhì)量的概念,把物體的類型、質(zhì)量及其運(yùn)動(dòng)狀態(tài)這些因素統(tǒng)一表達(dá)。定義物體i的等效質(zhì)量如式(6)所示:

        式中:mi為物體i的質(zhì)量,kg;Type為物體的類型;δi(T ype)m為 關(guān)于物體i的類型的函數(shù);νi為物體i的速度,m/s;αk,βk均為待定常數(shù);k為速度多項(xiàng)式的項(xiàng)數(shù)。

        本文用矩形表示交通參與者的安全域,如圖1所示。圖1中紅色矩形框表示車輛,黑色矩形框表示車輛的安全域,紅色箭頭表示車輛的行駛方向。A(x0,y0)是車輛的中心坐標(biāo),A'(x,y)是車輛安全域的中心坐標(biāo)。

        圖1 車輛的安全域示意圖

        圖1中,a是車輛中心到安全域末端的距離,b是車輛中心到安全域前端的距離,c是安全域的寬,d是安全域的長,分別為:

        式中:l為車輛的長,m;w為車輛的寬,m;ηa( Type)、ηb( Type)和ηc( Type)為關(guān)于Type的函數(shù)。

        由式(7)~(10)可以求出車輛安全域的長d和寬c,同時(shí)可以得到安全域的中心坐標(biāo):

        式中:yaw為車輛的航向角。

        2.2 算法優(yōu)化

        基于安全域的定義,可以應(yīng)用于局部路徑規(guī)劃,以便尋找一條安全性更高的最優(yōu)軌跡。傳統(tǒng)OTG算法的代價(jià)函數(shù)對(duì)安全性的考慮不夠全面,并沒有考慮到規(guī)劃出軌跡后,在軌跡的控制周期T內(nèi)主控車輛與障礙物碰撞的可能性。把安全域考慮進(jìn)去,彌補(bǔ)這個(gè)缺陷,提高軌跡的安全性。在傳統(tǒng)OTG算法的基礎(chǔ)上,考慮交通參與者的安全域,對(duì)評(píng)價(jià)軌跡的代價(jià)函數(shù)進(jìn)行改進(jìn),新添加一項(xiàng),以達(dá)到優(yōu)化傳統(tǒng)OTG算法的目的。

        圖2~4是同一場(chǎng)景下不同時(shí)刻的安全域重疊部分示意圖,其中,圖2是t=0 s,圖3是t=(T/2) s,圖4是t=Ts。圖中淺灰色的線表示車道線;紅色線是規(guī)劃出的軌跡;藍(lán)色矩形是主控車輛,綠色矩形是障礙物車輛;藍(lán)色箭頭是主控車輛的行駛方向,綠色箭頭是障礙物車輛的行駛方向,長度表示速度的大?。凰{(lán)色框是主控車輛的安全域,綠色框是障礙物車輛的安全域;黑色部分為剔除超過道路邊界的安全域重疊部分。

        圖2 t= 0 s

        圖3 t=(T/2) s

        圖4 t= T s

        Coverlap是在軌跡的控制周期T內(nèi),隨著時(shí)間變化,軌跡上每一時(shí)刻主控車輛和所有障礙物的安全域重疊部分OverlapArea的面積累加和,如式(13)所示。面積累加和越小,說明兩輛車的碰撞可能性越小,行駛安全性越高。反之,面積累加和越大,說明兩輛車的碰撞可能性越大,行駛安全性越低。

        式中:nobs為障礙物的數(shù)量;Car (A′,a,b,c)為主控車輛的信息;Obs (A′,a,b,c)為障礙物的信息;Overlap ()為計(jì)算主控車輛與障礙物重疊面積的函數(shù)。

        因此,總的代價(jià)函數(shù)變?yōu)椋?/p>

        式中:koverlap為安全域重疊部分的面積累加和的權(quán)重。

        顯然,上述的軌跡優(yōu)化代價(jià)函數(shù)中并沒有包含關(guān)于障礙物規(guī)避的相關(guān)懲罰,并且代價(jià)函數(shù)中也沒有包含最大速度、最大加速度和最大曲率等控制約束限制,也就是說當(dāng)前的優(yōu)化軌跡集合并沒有考慮障礙物規(guī)避和控制約束。因此,在完成所有備選軌跡的損失計(jì)算后進(jìn)行一次軌跡檢查,過濾不符合控制約束條件限制的、可能會(huì)碰撞障礙物的軌跡等,檢查內(nèi)容包括:檢查縱向上的速度是否超過設(shè)定的最大限速;檢查縱向上的加速度是否超過設(shè)定的最大加速度;檢查軌跡的曲率是否超過最大曲率;檢查軌跡是否會(huì)引起碰撞。在軌跡檢查后,得到一組有效軌跡集合,然后選取代價(jià)函數(shù)最小的軌跡,就是最優(yōu)軌跡。

        3 算法驗(yàn)證

        為了驗(yàn)證本文優(yōu)化后算法的有效性和可行性,對(duì)算法進(jìn)行仿真測(cè)試和實(shí)車測(cè)試。

        3.1 仿真測(cè)試

        自主搭建了Matlab仿真平臺(tái),如圖5所示,主要包括3個(gè)部分:(1)道路模型,利用三次樣條擬合道路,獲取道路信息,提供簡(jiǎn)易地圖。(2)交通參與者模型,包含交通參與者的類型、速度、加速度、加塞運(yùn)動(dòng)等,提供交通流。(3)算法仿真結(jié)果展示,開發(fā)以主控車輛為中心的自適應(yīng)繪圖工具,提供可視化界面,如圖6所示。根據(jù)當(dāng)前主控車輛視角,自適應(yīng)動(dòng)態(tài)生成以主控車輛為中心的車輛周圍環(huán)境,包括主控車輛和其他參與者的位姿與運(yùn)動(dòng)狀態(tài)、軌跡等。

        圖5 Matlab仿真平臺(tái)的基本框架

        圖6是算法仿真結(jié)果的可視化界面。其中,右上角的Currtime是仿真的當(dāng)前時(shí)間,T是軌跡的控制周期,S是最優(yōu)軌跡末端的橫坐標(biāo),D是最優(yōu)軌跡末端的縱坐標(biāo),V是主控車輛要到達(dá)的速度,Decision表示行為決策結(jié)果。淺灰色的虛線表示道路車道線,深藍(lán)色的實(shí)線表示道路中心參考線,從上到下分別是1車道、2車道和3車道。有數(shù)字的黃色框是表示路程的路牌。黑色矩形框表示主控車輛,黑色矩形框外面的亮藍(lán)色矩形框表示主控車輛的防碰撞圈,其他顏色的矩形框表示除主控車輛以外的交通參與者。亮藍(lán)色的線表示規(guī)劃出的所有軌跡,黑色線表示有效軌跡,紅色線表示選擇的最優(yōu)軌跡。

        圖6 仿真結(jié)果展示界面

        在Matlab仿真平臺(tái)上,采用3個(gè)不同的測(cè)試場(chǎng)景對(duì)其進(jìn)行試驗(yàn),把傳統(tǒng)OTG算法和優(yōu)化后的OTG算法進(jìn)行對(duì)比。在試驗(yàn)中用到了兩種類型的車,分別是主控車輛(大車)和障礙物車輛(小車)。當(dāng)Type為大車時(shí),ηa=03.、ηb=08.和ηc=05.;當(dāng)Type為小車時(shí),ηb=02.、ηb=07.和ηc=04.。圖7~9展示了在3個(gè)場(chǎng)景中采用不同的代價(jià)函數(shù)得到不同的最優(yōu)軌跡。同一個(gè)場(chǎng)景中規(guī)劃出的所有軌跡都一樣,只是最優(yōu)軌跡略有不同。圖7~9中(a)表示的是傳統(tǒng)OTG算法的仿真結(jié)果,(b)表示的是優(yōu)化后OTG算法的仿真結(jié)果。

        由圖7可以看出,亮藍(lán)色車輛有側(cè)方插入的趨勢(shì),(a)中選擇的是回到道路中心線的軌跡,增加了主控車輛與亮藍(lán)色車輛碰撞的概率。而(b)中最優(yōu)軌跡選擇偏向1車道的軌跡,考慮到側(cè)方有插入趨勢(shì)的亮藍(lán)色車輛和前方距離較近的綠色車輛,降低了主控車輛與它們的碰撞概率。

        圖7 場(chǎng)景一

        由圖8可以看出,主控車輛前方有一輛綠色車輛,(a)中仍然沿著道路中心線直行,增加了主控車輛與它碰撞的概率。而(b)中最優(yōu)軌跡選擇避開綠色車輛、偏向1車道的軌跡,大大降低了車輛碰撞的可能性。

        圖8 場(chǎng)景二

        由圖9可以看出,主控車輛右側(cè)有一輛正在側(cè)方插入的綠色車輛,(a)中選擇回到道路中心線的軌跡,會(huì)使主控車輛與綠色車輛碰撞的概率大大增加。而(b)中最優(yōu)軌跡選擇偏向1車道的軌跡,大大降低了主控車輛與亮藍(lán)色車輛的碰撞概率。

        圖9 場(chǎng)景三

        通過比較圖7~9中的(a)和(b),表明對(duì)OTG算法的代價(jià)函數(shù)進(jìn)行改進(jìn),規(guī)劃出的最優(yōu)路徑與傳統(tǒng)OTG相比,考慮的因素更多,使行駛更加安全,更加擬人化。這就證明通過考慮交通參與者的安全域?qū)Υ鷥r(jià)函數(shù)進(jìn)行改進(jìn)這一方法是有效的,達(dá)到了優(yōu)化傳統(tǒng)OTG算法的目的。

        3.2 實(shí)車測(cè)試

        為驗(yàn)證本文局部路徑規(guī)劃算法,使用陜汽長頭牽引車作為試驗(yàn)平臺(tái),試驗(yàn)車搭載一套P2高精度MEMS組合導(dǎo)航系統(tǒng),1個(gè)8線激光雷達(dá)為ibeo 傳感器,1個(gè)前向毫米波雷達(dá)為杭州智波科技有限公司推出的一款77 GHz中長距離毫米波雷達(dá) ZB710LA01-A,1個(gè)側(cè)向毫米波雷達(dá)為智波科技 79 GHz 高分辨率雷達(dá)和1個(gè)內(nèi)嵌深度學(xué)習(xí)算法的單目前視相機(jī)。圖10為試驗(yàn)車,(a)是試驗(yàn)車的正面,(b)是試驗(yàn)車的側(cè)面。圖11為實(shí)車試驗(yàn)結(jié)果,實(shí)車試驗(yàn)時(shí)車道為單向單車道,在試驗(yàn)時(shí)由于場(chǎng)地限制允許軌跡跨越對(duì)向車道。圖11中(a)為車輛避障時(shí)的行駛軌跡,(b)為車輛的方向盤轉(zhuǎn)角,(c)為車輛的行駛速度。

        圖10 試驗(yàn)平臺(tái)

        由圖11可以看出,本文的局部路徑規(guī)劃算法規(guī)劃出的路徑能夠成功避開前方動(dòng)態(tài)障礙物,并且在避障過程中,車輛的方向盤轉(zhuǎn)角整體變化平緩且連續(xù),沒有發(fā)生突變和振蕩情況。通過實(shí)車試驗(yàn)驗(yàn)證了算法具有實(shí)時(shí)性和良好的穩(wěn)定性。

        圖11 實(shí)車試驗(yàn)結(jié)果

        5 總結(jié)與展望

        (1)首次提出了安全域的概念,將車輛行駛過程中車、人、路之間各因素對(duì)行駛安全性的影響程度統(tǒng)一用安全域表示。安全域的大小表示交通參與者周圍的安全范圍,兩個(gè)安全域的重疊面積大小表示行駛安全性的高低,重疊面積越大,行駛安全性越低,重疊面積越小,行駛安全性越高。

        (2)利用安全域?qū)鹘y(tǒng)OTG算法的代價(jià)函數(shù)進(jìn)行改進(jìn),以達(dá)到優(yōu)化算法的目的。通過Matlab仿真平臺(tái)對(duì)其進(jìn)行驗(yàn)證,結(jié)果顯示優(yōu)化后的OTG算法比傳統(tǒng)OTG算法更安全,表明優(yōu)化是有效的。同時(shí),在實(shí)車試驗(yàn)中驗(yàn)證了優(yōu)化算法的實(shí)時(shí)性和穩(wěn)定性。

        (3)未來展望主要有以下3點(diǎn):①對(duì)OTG算法的優(yōu)化只采用了改進(jìn)代價(jià)函數(shù)的方法,后續(xù)可以利用多種優(yōu)化方式(調(diào)整權(quán)重、在預(yù)測(cè)層加入機(jī)器學(xué)習(xí)算法等),以期達(dá)到更好的效果。②僅把安全域應(yīng)用于路徑規(guī)劃算法,以后的研究可以把安全域應(yīng)用于更多領(lǐng)域,如行為決策,給行為決策提供新的思路和方法,使安全域發(fā)揮更大的作用。③安全域僅考慮了車、人、路之間的互相影響,但忽略了駕駛?cè)嗽谲囕v行駛時(shí)造成的影響。駕駛?cè)耸切旭傔^程中非常重要的一環(huán),后續(xù)研究也應(yīng)考慮駕駛?cè)藢?duì)行駛安全性的影響,盡可能地與安全域結(jié)合,得到一種更全面的表征行駛安全性的指標(biāo),為自動(dòng)駕駛決策規(guī)劃提供更可靠的依據(jù)。

        猜你喜歡
        安全性規(guī)劃
        兩款輸液泵的輸血安全性評(píng)估
        既有建筑工程質(zhì)量安全性的思考
        某既有隔震建筑檢測(cè)與安全性鑒定
        米氮平治療老年失眠伴抑郁癥的療效及安全性
        發(fā)揮人大在五年規(guī)劃編制中的積極作用
        規(guī)劃引領(lǐng)把握未來
        快遞業(yè)十三五規(guī)劃發(fā)布
        商周刊(2017年5期)2017-08-22 03:35:26
        多管齊下落實(shí)規(guī)劃
        十三五規(guī)劃
        華東科技(2016年10期)2016-11-11 06:17:41
        ApplePay橫空出世 安全性遭受質(zhì)疑 拿什么保護(hù)你,我的蘋果支付?
        亚洲中字永久一区二区三区| 奇米影视久久777中文字幕| 性做久久久久久久| 少妇人妻偷人精品无码视频| 最新国产三级| 久久精品中文字幕亚洲| 国产精品久色婷婷不卡| 老师露出两个奶球让我吃奶头| 国产免费一区二区三区在线观看| 无码8090精品久久一区| 国产一区二区三区十八区| 无码人妻aⅴ一区二区三区| 窝窝影院午夜看片| 美女精品国产一区二区三区| 亚洲av成人一区二区| 久久久国产打桩机| 日韩无码视频淫乱| 久久精品国产亚洲一级二级| 国产又黄又湿又爽的免费视频| 免费看美女被靠到爽的视频| 亚洲精品国偷自产在线99正片| 国产在线h视频| 免费精品人妻一区二区三区| 蜜臀av无码人妻精品| 欧洲色综合| 亚洲视频不卡免费在线| 日本道免费一区二区三区日韩精品| 午夜内射中出视频| 国产在线不卡视频| 精品亚洲在线一区二区| 波多野结衣久久精品99e| 男人扒开女人双腿猛进女人机机里 | 人妻少妇哀求别拔出来| 亚洲精品字幕| 国产欧美日韩图片一区二区| 日韩精品久久午夜夜伦鲁鲁| 国模无码一区二区三区| 香蕉网站在线| 日韩精品人妻一区二区三区蜜桃臀 | 在线女同免费观看网站| 日本爽快片100色毛片|