本文提出了一种以车辆为主体的泊位优选策略。本文假定车辆通过网络、地
图或相机与雷达等车载传感器获取了泊位选择所需信息,分析了影响泊位选择的
几种因素;针对停车场的诱导分配策略较少考虑动态障碍物信息的问题,本文利
用多段圆弧的预规划方法将障碍物对泊车难度的影响转化为轨迹安全域的大小,
并依据阿克曼转向最终转化为前轮的转角裕度,以此作为新的属性考虑进泊位决
策;针对挑选的决策属性,本文首先对属性信息进行了因子分析,排除了各属性
间的相关关系,保证了后续决策的准确性;基于熵权法挖掘了各属性信息所反映
的数据价值,并以此为各属性分配了权重;在评价各泊位优劣程度时,结合权重
信息使用“理想点”解法决策出最优泊位;最终,本文设计了典型的停车场场景,
验证了该策略对属性权重分配的合理性,泊位优选结果符合预期。
对于泊车运动控制,绝大多数研究都将泊车看作稳定的低速运动过程,基于
这一假设,将车辆动力学模型简化为刚体稳态运动模型,忽略了车辆动态响应和
侧向滑动,特别是忽略了车辆倒车的稳定性问题。这一方法在车辆稳定低速时取
得了不错的效果,但对速度的适应性较弱。实际倒车入库过程车速并不稳定,存
在车速变化;另一方面,在未来智能化技术普及之后,人类将更少地参与到泊车
环境中,在条件允许的宽敞情况下,车辆可以适当提高车速,提升泊车效率,但
车速稍做提高,车辆动态响应的稳定性便不可忽视。因此简单的稳态运动假设不
能很好地适应相对高速或车速变化较大的场景,也不利于泊车过程中的车速控制。