汽车电子研究中心

研究方向 / 驾驶决策
研究方向简介 / Research Direction

        驾驶决策是目前自动驾驶研究的重点方向。该系统对感知信息进行处理,利用基于规则的专家系统、深度学习和增强学习或因果推理路线根据具体场景作出适宜驾驶决策。

拥挤动态场景下的无人车运动规划方法 / Selected Projects

在拥挤的动态场景中,当交通参与者高速行驶时,规划出安全且舒适的轨迹充满了挑战。经典的图搜索和采样方法首先执行路径规划,然后配置相应的速度,但这种方法缺乏应对高速障碍的能力。解耦优化方法分别在S-L和S-T域中进行轨迹规划。这些方法需要较大的自由配置空间来规划出车道变更轨迹。在密集的动态场景中,这些方法容易造成轨迹规划失败,并容易被他车cut in,导致行驶速度慢,存在安全隐患。我们分析了时空域中的碰撞关系,并提出了仅分析相同时刻碰撞关系的瞬时分析模型。在该模型中,将三维时空域中的无碰撞约束投影到二维空间域,以消除冗余约束并降低计算复杂性。实验结果表明,该方法能够在密集的动态场景下规划出安全舒适的变道轨迹。同时提高交通效率和乘坐舒适性。

成果 / Intellectual Properties

代表性论文 / Selected Papers

1.Xiaoyu Yang and Huiyun Li, Model Predictive Motion Planning for Autonomous Vehicle in Mid-high Overtaking Scene, 2020 IEEE 91st Vehicular Technology Conference (VTC2020-Spring), Antwerp, Belgium, 2020
2.Xiaoyu Yang, Huiyun Li and Jie Zou, An End-to-end Obstacle Avoidance Algorithm for Autonomous Vehicles Based on Global Path Constraint, 2020 Asia-Pacific Conference on Image Processing, Electronics and Computers (IPEC), Dalian, China, 2020

代表性专利 / Selected Patents

 一种融合类人驾驶行为的无人驾驶深度强化学习方法,发明专利,2020.06.16

一种用于车辆自动驾驶的决策网络模型的生成方法及装置发明专利,2020.04.07

一种基于协同演化的自动驾驶车辆决策涌现方法,发明专利,2010.01.20