我们研究了满足按需运输需求的电动自动驾驶汽车车队与电力网络之间的相互作用(称为自动移动按需系统，简称AMoD系统)。我们提出了一个联合模型，该模型捕捉了两个系统之间的耦合，这两个系统源于汽车的充电需求，捕捉了时变的客户需求、电池折旧和电力传输约束。首先，我们证明了该模型是有效优化的。在此基础上，我们证明了在采用边际电价的情况下，联合问题的社会最优解是一般均衡。最后，我们证明，在不共享私人信息的情况下，自私的运输和发电机运营商(在非营利ISO的帮助下)可以计算出平衡。通过案例研究和基于agent的模拟，我们评估了该方法的性能及其对需求随机波动的鲁棒性。总的来说，这些结果首次提供了AMoD系统与电网之间相互作用的表征，并进一步阐明了AMoD的经济和社会价值
2022-02-21 09:08:07
54.38MB
这是一个用于自动驾驶的开源高清地图项目。
精确地图制作过程分为四个部分：地图收集，地图制作，地图标签和地图保存。
OpenHDMap这是一个用于自动驾驶的开源高清地图项目。
精确地图制作过程分为四个部分：地图收集，地图制作，地图标签和地图保存。
该项目主要使用激光雷达作为收集传感器来提供地图制作过程。
目标是为自动驾驶系统和仿真提供完整的映射过程。
如果您有任何建议，请随时与我们联系。
简介让我们从制作高清地图开始。
H
2022-01-28 18:07:46
739KB
1
《Automatic Steering Methods for Autonomous Automobile Path Tracking》译文
2022-01-25 21:42:57
2.67MB
1
遗传算法神经网络matlab代码自动驾驶汽车模拟
这是自动驾驶汽车的简单模拟。
我准备了一个环境，汽车可以在其中行驶，记录碰撞并检测障碍物。
神经网络被用作汽车的决策模型。
该神经网络通过两种方式进行训练：
会教汽车如何从手动驾驶收集的数据中驾驶。
神经网络通过遗传算法训练。
汽车将学习如何在没有外部数据的情况下驾驶汽车。
下面总结并讨论了结果。
视频
以下视频演示了该项目的结果。
（单击下面的图像或此）
项目结构
“
matlab”文件夹：包含用于在手动驾驶收集的数据上训练神经网络的matlab代码
“
python”文件夹：这是项目的主文件夹。
它包含用于仿真，图形元素和神经进化的代码。
依存关系
框架用于显示3D模型。
2022-01-04 21:13:15
4.73MB
1
matlab车辆路径代码#RHCAutonomousVehicle
Matlab代码可生成自动驾驶车辆遵循预定路径参考路径（x，y）的转向和速度（phi，v）命令
该控制器是模型预测接收地平线控制器
论文发表于
M
Elbanhawi，M
Simic和R
Jazar后退水平侧向车辆控制用于纯跟踪路径跟踪《振动与控制学报》
1077546316646906，首次发布于2016年5月22日doi：10.1177
/
1077546316646906
2021-12-30 15:10:51
47KB
1
数据融合matlab代码传感器融合模块，为LIDAR
/
RADAR输入处理实现了扩展的卡尔曼滤波器
卡尔曼滤波器体系结构。
外部装有LIDAR和RADAR等传感器的汽车可以检测到在其范围内移动的物体：例如，传感器可能检测到行人，甚至是自行车。
这是通过计算扩展的卡尔曼滤波器来实现的，该滤波器同时组合了从激光雷达和雷达获得的数据，以测量移动物体的速度和相对于汽车的相对位置。
对于多样性，让我们使用自行车示例逐步了解Kalman滤波算法（上图所示的体系结构），以了解此计算的实际工作原理：
首次测量-过滤器将接收自行车相对于汽车位置的初始测量值。
这些测量将来自雷达或激光雷达传感器。
初始化状态和协方差矩阵-过滤器将基于第一次测量来初始化自行车的位置。
那么汽车将在时间段Δt之后收到另一个传感器测量值。
预测-算法将在时间Δt之后预测自行车的位置。
在Δt之后预测自行车位置的一种基本方法是假设自行车的速度是恒定的。
因此，自行车将具有运动速度Δt
。
在扩展的卡尔曼滤波课中，我们将假设速度是恒定的。
更新-过滤器将“预测的”位置与传感器测量值进行比较。
将预测的位置和测量的位置合并以给出更
2021-12-22 22:16:22
1.58MB
1