自动驾驶车辆的临界乘坐舒适性检测
机器人学
2021-11-17 v1
摘要
在未来的互联车辆环境中，优化的路线与运动规划不仅应满足效率和安全约束，还应最小化车辆运动与振荡，以避免乘客感知到的不良乘坐舒适性。本工作提供了一个大规模且低成本的评估框架，以解决自动驾驶车辆（AV）的乘坐舒适性问题，并允许比较不同的舒适性评估策略。所提出的工具还提供了对舒适性数据的洞察，有助于开发融合乘客舒适性的新算法、指南或运动规划系统。本文提出了一个车辆-道路仿真框架，可用于基于车辆动力学数据评估最常见的乘坐舒适性判定策略。所开发的方法涵盖路面模型、非线性车辆模型优化以及蒙特卡洛仿真，以实现准确且低成本的虚拟底盘加速度数据生成。乘坐舒适性通过应用常用的阈值法和基于 ISO 2631 的分析来确定。将这两种方法与基于国际平整度指数（IRI）经验测量的舒适性分类进行比较。以奥地利三个道路站点进行的案例研究展示了该框架结合真实数据的实际应用，并实现了高分辨率的乘坐舒适性分类。结果强调，ISO 2631 舒适性估计与 IRI 分类最为相似，而阈值法可检测出可避免的情况，但也会高估或低估乘坐舒适性。因此，本工作显示了使用简单阈值值的自动驾驶车辆存在负向乘坐舒适性的潜在风险，并强调了采用鲁棒舒适性评估方法以增强自动驾驶车辆路径与运动规划并实现最大乘坐舒适性的重要性。
引用
@article{arxiv.2107.14631,
title = {Critical ride comfort detection for automated vehicles},
author = {Alexander Genser and Roland Spielhofer and Philippe Nitsche and Anastasios Kouvelas},
journal= {arXiv preprint arXiv:2107.14631},
year = {2021}
}