May, 2023

基于 LSTM 的 ACC 应用过程中的车道变换前车行为预测

PDF
TL;DR提出了基于 Long Short-Term Memory 的 Adaptive Cruise Control 系统，在仿真驾驶环境中表现出比基于 ANN 和 MPC 模型更为准确的预测效果，可学习适应不同的驾驶状况。
adaptive cruise controllong short-term memoryhighd datasetartificial neural networkmodel predictive control
发现论文，激发创造
  • 一种合作自适应巡航控制系统中的驾驶员变道预测新模型

    本文利用 HighD 数据集构建 LSTM 模型，通过 ACC 和 CACC 两种与周围车辆交互的情景，探究车辆位置、速度和加速度等信息对车道变更预测准确率的影响，提高车道变更预测准确率至 59.15% - 92.43%。

    May, 2023

  • 基于 LSTM 的自动驾驶换道安全预测模型

    自动驾驶技术能够提高交通安全和减少事故，本研究提出了基于短期记忆 (LSTM) 网络的安全敏感深度学习模型来预测轨迹，通过考虑交互信息的意图识别模块，实现高准确性和流畅性的车道变换，并优化自动驾驶轨迹规划。

    Feb, 2024

  • LSTM 网络用于高速公路轨迹预测

    本文提出了一种基于 LSTM 神经网络对高速公路行驶中的车辆进行准确的纵向和横向轨迹预测方法，同时使用 NGSIM US-101 数据集中来自超过 6000 名司机的 800 小时记录轨迹进行训练和验证。

    Jan, 2018

  • 基于深度学习的自适应巡航控制的实验安全性分析：上下文感知攻击

    该研究评估了基于深度神经网络的自适应巡航控制系统在感知攻击下的安全性，通过注入摄像头数据扰动以引发前方碰撞，提出了一种基于知识和数据的结合方法，设计了一种上下文感知策略来选择攻击触发的最关键时间，并提出了一种实时自适应生成图像扰动的优化方法。通过实际驾驶数据集和仿真平台进行攻击效果评估，考虑驾驶员干预以及自动紧急制动和前方碰撞警示等安全功能，实验结果表明，相比于随机攻击，该攻击的事故成功率提高了 142.9 倍，并且在受到安全功能限制时减少了 89.6%，同时具有潜在性和对真实环境因素和动态变化的鲁棒性。该研究对人工操作员和基本安全干预在预防攻击中的作用提供了深入洞察。

    Jul, 2023

  • EditFollower：可调节的车跟随模型用于可定制的自适应巡航控制系统

    我们提出了可编辑行为生成（EBG）模型，这是一种数据驱动的车辆跟随模型，允许调整驾驶不礼貌水平，该模型整合了多种礼貌计算方法，通过 LSTM 和 Transformer 架构提供了全面的方法来捕捉细微的驾驶动力学。该模型是第一个可以动态调整不礼貌水平的数据驱动车辆跟随模型，为考虑驾驶员社交偏好的 ACC 系统开发提供了有价值的见解。

    Jun, 2024

  • 增强型智能驾驶模型用于评估驾驶策略对交通容量的影响

    使用新的汽车跟随模型模拟自适应巡航控制的车辆对交通流的影响，发现不同的自适应巡航控制策略会显著地改变交通的最大容量和动态瓶颈容量。

    Dec, 2009

  • 检测自适应巡航控制车辆上的隐蔽网络攻击：一种机器学习方法

    为了检测自动驾驶车辆遭受的网络攻击，本论文提出了一个基于交通模型框架和生成对抗网络的异常检测模型，通过实时车辆轨迹数据来识别恶意操作控制命令、传感器测量的虚假数据注入攻击以及拒绝服务攻击。与其他神经网络模型相比，所提出的方法在准确识别具有异常驾驶行为的自适应巡航控制车辆方面具有更高的准确率。

    Oct, 2023

  • 车道关注：通过学习车道上的注意力预测车辆的运动轨迹

    通过关注机制和 LSTM 网络，该文研究了自动驾驶车辆中驾驶员意图与车辆位置变化的关系，并将其用于预测，采用非欧几里得图形和图神经网络等处理方式比其他最先进技术表现更好，此模型具有很大的实用潜力并可大规模应用于许多自动驾驶系统。

    Sep, 2019

  • 安全感知的智能自适应巡航控制在自动驾驶车辆中的应用：基于深度强化学习

    SAINT-ACC 是一种利用深度强化学习来动态调整车距的自适应巡航控制系统，同时优化交通效率、行驶安全和驾驶舒适性，具有较高的性能和可行性。

    Mar, 2021

  • 基于深度集成的自适应巡航控制的感知不确定性自动驾驶

    我们在这篇论文中开发了一个基于深度神经网络的集成回归器，用于自适应巡航控制中估计与前车的车头距离，并通过概率安全约束来实现跟踪速度和保持安全跟车距离的目标。

    Mar, 2024