机构名称：
¥ 1.0
晕动病 (MS) 是大多数交通系统存在的问题。文献中提出了几种针对汽车此类问题的对策，但大多数是定性的、行为性的或涉及复杂的底盘系统。随着人们对自动驾驶汽车的兴趣日益浓厚，MS 问题可能变得非常重要，以至于它会削弱其在提高生产率方面的优势；不解决这类问题可能会限制用户的接受度，降低自动驾驶汽车的安全性和环境影响。本研究提出了一种新方法，通过优化给定路径的速度曲线，将最短旅行时间与最小晕动病发生率 (MSI) 相结合。通过模拟，使用一个简单的车辆模型来比较几种策略，评估哪些有效，哪些无效。优化任务被表述为非线性模型预测控制 (NMPC)，并沿路径计算一系列优化程序；这些策略是在 NMPC 问题的成本函数中实施的，评估它们的性能，并确定是否必须使用数值 MS 模型才能显着降低 MSI。结果表明，并非所有成本函数都是有效的，但可以在不对其动态进行建模的情况下减少 MS；然而，在效率和效率方面，考虑当前 MSI 的使用 MS 模型的策略优于其他成本函数。这种定量方法可用于运动
在特定道路上减少晕动症的最佳速度曲线
主要关键词
相关文件推荐
