1. 研究目的与意义（文献综述）
近年来，随着自动驾驶技术在全世界范围内快速发展，国内外研究机构对典型交通场景（包括高速公路和城市交通环境）下的多车协作系统与平台开展相关的研究也日益增多。但实际智能汽车的实验平台进行多车平台实验和维护复杂，需要耗费大量的人力和物力，并且危险性较大，实验成本高。而采用相关仿真平台时，对于实际多智能车协作系统中的车辆性能、车辆自主驾驶性能、车间通信性能等影响因素均予以忽略。因此，在软件仿真证实可行的多车协作算法，仍然需要通过更多的验证方法分析算法的可行性。由以上问题可以看出，建立由仿真汽车模型构成的多智能车协作实验平台有助于相关研究的进一步开展，目前较为成熟的仿真平台有俄克拉荷马州立大学设计的comet平台[1]美国伊利诺伊大学厄巴纳-尚佩恩分校设计的hotdec平台[2] [3]和麻省理工大学的 raven平台[4]。
轨迹规划是自动驾驶的关键技术之一。轨迹规划技术在自动驾驶汽车的研究中开展较早，成果丰富。规划可分为全局路径规划和局部轨迹规划，二者缺一不可[5] [6]。全局路径规划的作用是在预先获知的整体环境信息下，搜索出一条相对安全的全局最优路径，为局部路径的搜索提供引导作用，保证所规划路径的目标可达性[7]，是一种宏观的轨迹规划过程，目前被广泛应用的全局路径规划方法主要有a*算法、迪杰斯特拉算法[9] [10]和弗洛伊德算法[11][12]等。局部路径规划的作用是在全局路径的指引下，在有障碍物的局部环境中为车辆规划出平滑、可跟踪路径，保证所规划局部路径的可行性，目前广泛用于智能汽车和机器人的轨迹规划方法有贝塞尔曲线[13][14]、样条曲线[15][16]、圆弧曲线[17]等。
轨迹跟踪是自动驾驶汽车的另一核心技术，其目标是综合考虑车辆的实时动力学状态、位置信息和预期的行驶路径生成实时的控制命令，使得车辆能够沿期望路径行驶，其性能的好坏直接影响自动驾驶汽车的行驶安全性和准确性。目前主流的路径跟踪控制方法大多数基于郭孔辉院士提出的预瞄理论[20]，其基本原理是在车辆前方设置一个或多个预瞄点，在车辆前行过程中，实时获得预瞄点的坐标、该段路径曲率以及车辆的坐标、动力学状态等信息，根据这些信息综合计算，实现对期望道路的跟踪。基于预瞄理论的路径跟踪控制方法根据跟踪目标不同可分为两种：一是直接将预瞄点和车辆的偏差作为控制量，包括横向偏差[19]和航向角偏差；二是根据车辆当前位置和预瞄点之间规划的期望行驶路径求解出其相对应的期望运动学或动力学参数，从而将路径的跟踪问题转化为运动学或动力学参数的跟踪问题[18]。目前主流的路径跟踪控制算法有pid控制[20] [21]，模糊控制[22][23]，最优控制[24][25]和模型预测控制[26][27]等。
2. 研究的基本内容与方案
2.1基本内容
面向具体网联多车缩微平台构建其系统架构，为其设计轨迹规划方法，并针对缩微车辆设计轨迹跟踪控制器，对比分析道路结构参数对控制器性能的影响。并运用相关软件对轨迹规划和追踪效果进行仿真分析。具体包括：
3. 研究计划与安排
2月24日——3月1日 方案构思、文献检索、外文翻译、完成开题报告
3月1日——3月7日 平台系统建构搭建，设计全局规划算法，并编写完成相关代码
3月7日——3月14日 设计局部规划算法，定义避障规则并编写完成相关代码
4. 参考文献（12篇以上）
[1] cruz d, mcclintock j, perteet b, etal. decentralized cooperative control - a multivehicle platform for research innetworked embedded systems[j]. control systems ieee, 2007, 27(3):58-78.
[2] stubbs a, vladimerou v, fulford a t,et al. multivehicle systems control over networks: a hovercraft testbed fornetworked and decentralized control[j]. control systems ieee, 2006,26(3):56-69.
[3] vladimeros vladimerout, andrew stubbs,joel rubel, adam fulford, et al. a hovercraft testbed for decentralized andcooperative control [c]. american control conference, 2004.
课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
