資源描述：
《基于軌跡預(yù)測的車輛協(xié)同碰撞預(yù)警仿真研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。
1、基于軌跡預(yù)測的車輛協(xié)同碰撞預(yù)警仿真研究摘要：針對己有的車輛碰撞預(yù)警系統(tǒng)中車輛軌跡預(yù)測的誤差較大問題，提出了一種基于DGPS和車載傳感器的車輛軌跡預(yù)測方法，并采用擴展卡爾曼濾波，實現(xiàn)車輛位置的實時估計；提出了基于等加速度變化率、等橫擺角加速度模型的車輛位置預(yù)測改進(jìn)模型和基于V2X技術(shù)的協(xié)同碰撞預(yù)警系統(tǒng)（CCWS）;在此基礎(chǔ)上，采用模糊理論，實現(xiàn)縱向控制仿真試驗，以驗證預(yù)測模型的有效性.結(jié)果表明，基于等加速度變化率、等橫擺角加速度模型的車輛位置預(yù)測模型誤差更小，碰撞預(yù)警系統(tǒng)能更早的預(yù)警或主動制動.關(guān)鍵詞：縱向控制；軌跡預(yù)測；擴展卡爾
2、曼濾波；主動安全；協(xié)同碰撞預(yù)警系統(tǒng)中圖分類號：U461.91文獻(xiàn)標(biāo)識碼:文章編號:1674-2974(2016)10-0001-07Abstract：Aimingattheproblemthatthetrajectorypredictionerrorinexistingvehiclecollisionwarningsystem(CWS)isrelativelylarge，aDGPSandothervehiclesensorsbasedvehicletrajectorypredictionwasproposed.Realtimev
3、ehiclepositionestimatewasrealizedbyusingextendedKalmanfilter(EKF).Then，constantrateofaccelerationchange，constantyawrateaccelerationmodelforvehiclepositionpredictionandV2Xtechnologybasedcooperativecollisionwarningsystem(CCWS)wereproposed.Basedonthis，thelongitudinalcon
4、trolsimulationwasrealizedbyusingfuzzytheorytovalidatethemethod.Thesimulationresultsshowthatthevehiclepositionpredictionmodelbasedonconstantrateofaccelerationchange，constantyawrateaccelerationmodelhaslowererror，andzCWScangetwarningsorbrakeearlier.Keywords：longitudinal
5、control；trajectoryprediction；extendedKalmanfilter(EKF);activesafetytechnology；cooperativecollisionwarningsystem(ccws)隨著汽車交通運輸?shù)难杆侔l(fā)展，車輛碰撞事故數(shù)量居高不下，僅2012年全國共發(fā)生汽車交通事故142995起，造成44679人死亡［1］.為此國內(nèi)外許多專家學(xué)者開展了一系列研究，以減少事故的發(fā)生，車輛碰撞預(yù)警系統(tǒng)（CWS）便是有效方法之~CWS或車道偏離預(yù)警等主動安全系統(tǒng)需要對車輛位置或軌跡進(jìn)行預(yù)測，吳
6、沬等將車輛速度和航向角設(shè)為定值，進(jìn)行車輛跑偏檢測［2-3］;文獻(xiàn)［4］將車速設(shè)為定值，提出了車輛追尾報警算法.這些研宄將車輛縱向速度和航向角或縱向加速度和橫擺角速度設(shè)為恒定值，仍存在一定誤差，導(dǎo)致預(yù)警信息不可靠，預(yù)測精度有待進(jìn)一步提尚.隨著通信技術(shù)的發(fā)展，V2X技術(shù)開始受到關(guān)注，其感知范圍相對視覺傳感器、雷達(dá)等自主傳感器更廣［5-8］，可通過基站或其他車輛采用特定的通信方式得到環(huán)境信息，雖然車輛的快速移動和網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的快速變化給網(wǎng)絡(luò)體系結(jié)構(gòu)以及相關(guān)協(xié)議的設(shè)計帶來了嚴(yán)峻挑戰(zhàn)，但其仍廣泛應(yīng)用于車輛主動安全系統(tǒng)中.謝伯元等基于DGP
7、S和車路協(xié)同建立了二次卡爾曼濾波器，對車輛質(zhì)心側(cè)偏角進(jìn)行了估計［9］.田晶晶等基于車路協(xié)同建立了動態(tài)車輛安全狀態(tài)評價模型［10］.文獻(xiàn)［11］基于多車協(xié)作進(jìn)行了車輛檢測和危險預(yù)警.另外，隨著定位技術(shù)的不斷發(fā)展，差分全球定位系統(tǒng)(DGPS)已被廣泛地應(yīng)用于車輛定位，而差分技術(shù)中，載波相位差分技術(shù)(RTK，realtimekinematic),可達(dá)到厘米級的高精度，在智能車輛領(lǐng)域得到了廣泛應(yīng)用［12-14］.但已有的許多研究中［2-4］，忽略了車速的變化和車輛的橫向運動，車輛模型簡化為等加速度等橫擺角速度模型，這與實際不符.為此，本
8、文改進(jìn)車輛軌跡預(yù)測方法：該方法采用擴展卡爾曼濾波進(jìn)行車輛狀態(tài)估計，基于改進(jìn)的等加速度變化率和等橫擺角加速度模型，進(jìn)行車輛位置預(yù)測.同時，為了驗證預(yù)測模型，設(shè)計協(xié)同碰撞預(yù)警機制和縱向模糊控制器，并采用直線減速和彎道兩種行駛工況仿真試驗進(jìn)行驗證.1傳感器數(shù)據(jù)的獲取為
