将社会力模型与模型预测控制结合用于行人密集场景下车辆的纵向速度调节
系统与控制
2019-07-12 v1 系统与控制
摘要
在行人密集的交通场景中，自动驾驶车辆可能不得不在安全驶过行人群的同时尽可能保持期望速度。这需要一个能够预测行人群运动的模型，以及车辆预测性调整速度的方法。本研究将基于模型的预测控制 (MPC) 与基于社会力的车辆-人群交互 (VCI) 模型相结合，以调节自动驾驶车辆的纵向速度。VCI 模型的预测特性可被 MPC 精确利用。设计了一个同时保证行人安全与保持期望速度的准则，并由此将 MPC 表述为标准二次规划 (QP) 问题，可通过标准 QP 工具箱轻松求解。将所提方法与传统比例-积分-微分 (PID) 控制方法在纵向速度调节方面进行比较。在仿真中评估了不同行人密度的场景。结果证明了所提方法在解决此类问题上的优点，并显示了将该法扩展至更复杂车辆-行人交互情形的潜力。
引用
@article{arxiv.1907.05178,
title = {Combining Social Force Model with Model Predictive Control for Vehicle's Longitudinal Speed Regulation in Pedestrian-Dense Scenarios},
author = {Dongfang Yang and Ümit Özgüner},
journal= {arXiv preprint arXiv:1907.05178},
year = {2019}
}
备注
This paper has been accepted and presented on The 8th Biennial Workshop on Digital Signal Processing for In-Vehicle Systems, Oct 7-9, 2018, at Nagoya University, Japan