摘要：典型场景的边界需要从实际道路中发生的原始场景数据中提取,但人工场景标注方法效率低、成本高.因此,研究真实道路中自动驾驶场景的获取对自动驾驶汽车的测试具有重要意义,而切入场景是典型的危险场景.本研究基于一辆搭载L2级自动驾驶系统的车辆,改装多源异构传感器的场景采集系统,比较了类驾驶员与自动驾驶系统在速度保持和车道居中行驶的能力.提出了基于预碰撞区域的切入场景自动识别算法,并基于SCANeR软件构建了识别算法评估测试平台,设计了大量测试用例生成程序对算法进行仿真测试.在试验场进行了11组实车切入场景测试,对识别算法进行了评价,并将仿真结果与实际试验结果进行了比较.

摘要：深入研究人类驾驶员的驾驶行为和习性,对于推进智能汽车的拟人化决策规划,改善驾驶安全性具有重要意义。针对高速公路这一典型场景,基于NGSIM(Next Generation Simulation)数据集提取有效表征换道驾驶行为的特征参数,分析换道驾驶行为与驾驶参数的相关性,量化驾驶行为特性,建立了基于高斯混合-隐马尔科夫理论(Gaussian mixed model-hidden Markov model,GMM-HMM)的换道意图识别模型。研究结果表明:该模型识别准确率较高,在换道点1.0 s之前的换道行为识别准确率达到95.6%,在有换道意图的时刻识别准确率超过80%,可应用于智能汽车换道策略的拟人化设计,有效降低换道风险,改善驾驶安全。

摘要：设计客车SCANeR模型和AEBS仿真模型,并进行模型验证和仿真分析。结果表明:所建模型满足仿真需求,可实现AEBS控制策略快速初步验证的目标。