基于驾驶员经验归纳的无人驾驶车辆平行泊车操作模型.pdfVIP

摘要

随着汽车保有量逐年增加，公共停车位资源愈发紧缺，极易导致泊车区域形

成堵塞，使得高效率、低能耗的自动泊车系统不断得到关注。传统泊车算法着重

更优的泊车规划和循迹算法，或依靠丰富数据训练智能模型。本文提出了一种基

于驾驶员经验归纳的平行泊车操作模型，侧重于如何将驾驶员经验、算法理论和

历史数据融合，达到泊车的多目标综合优化。主要研究内容如下：

搭建了实车与仿真的实验平台。实车平台由一辆6.6m无人驾驶客车、感知

定位平台和低功耗计算平台组成，搭建了基于PreScan-Simulink-ROS的在环仿真

系统，为算法提供了条件。

为提升泊车效率提出了基于驾驶员经验的平行泊车双梯形操作模型。归纳了

驾驶员的平行泊车经验，并进一步描述为双梯形操作模型和平行泊车速度模型。

在轨迹连续性和车辆运动学约束下，简化并关联了双梯形操作模型和平行泊车速

度模型的参数。针对模型关键参数，建立了平行泊车品质评价体系，得出了参数

对泊车品质的影响规律，并存储为“最优参数库”。在此基础上，考虑无碰撞约

束，给出了可入车位的判断标准，实现了双梯形操作模型的参数约束与快速碰撞

规避。算法满足自动泊车安全性和实时性要求，低功耗计算平台上的实时计算耗

时仅0.88ms。

为提高泊车品质设计了与操作模型相匹配的优化算法和学习算法。提出了最

优边界干涉法：在“最优参数库”中，插值获取初解和最优边界；借鉴模拟退火

法的参数更新方法，求解最优模型，改善了经济性等泊车品质。设计了参数在线

学习法：利用带有遗忘因子的递推最小二乘法，对转向系统模型的三个参数同步

在线学习，实时更新角传动比，提高了泊车精准性。通过验证，优化算法的计算

耗时比模拟退火法减少了69.7%，成功率升至100%；在车辆正弦型转向的仿真

场景中，学习算法的准确率达99.9%。

在仿真中，通过改变泊车起始位置、车位尺寸、车辆型号和泊车速度，验证

了本文算法对不同泊车环境的有效性。在实车中，通过设置泊车品质权重，分别

实现了更加高效、经济和舒适的实车泊车过程，验证了本文算法能够实现多目标

综合优化，满足不同的用户需求；通过对比初始双梯形操作模型的泊车过程，优

化模型的总耗时缩短了3.46%、总能耗降低了7.48%，验证了最优边界干涉法对

泊车品质的优化效果；对比加入学习算法前后的泊车效果，泊车终点航向误差减

小了110.34%，横向误差减小了79.12%，验证了本文学习算法对泊车精准性的提

升作用；相比五次多项式路径规划和比例-积分-微分控制的传统泊车方法，双梯

形操作模型省去了循迹环节，泊车过程更加流畅，且能耗降低达44.7%。本文算

法能够在保证实时性的同时，完成高效率、低能耗的平行泊车。

关键词：无人驾驶，平行泊车，驾驶员经验，操作模型，模型参数学习

ABSTRACT

Withtheincreaseofcarownershipyearbyyear,publicparkingspaceresources

areincreasinglyscarce,whicheasilyleadstoparkingareablockage,makingautomatic

parkingsystemswithhighefficiencyandlowenergyconsumptionconstantlyattracting

attention.Traditionalparkingalgorithmsfocusonbetterparkingplanningandtracking

algorithmsorrelyonrichdatatotrainintelligentmodels.Thispaperproposesaparallel

parkingoperationmodelbasedondriverexperienceinduction,focusingonhowto

integratedriverexperience,algorithmtheoryandhistoricaldatatoachievemulti-

objectivecomprehensiveoptimizationofparking.