В этом примере показано, как симулировать полосу движения, следующую за приложением, в сценарии, который содержит интеллектуальные целевые транспортные средства. Интеллектуальные целевые автомобили являются неавтомобилями , оборудованными датчиком в сценарии и запрограммированы, чтобы адаптировать свои траектории на основе поведения соседних транспортных средств. В этом примере вы будете:
1. Моделируйте поведение целевых транспортных средств, чтобы динамически адаптировать их траектории в порядок, чтобы выполнить одно из следующих поведения: поддержание скорости, следование по маршруту или изменение маршрута.
2. Моделируйте и тестируйте полосу движения после применения в ответ на динамическое поведение целевых транспортных средств на прямых и изогнутых дорожных сценариях.
Можно также применить шаблоны моделирования, используемые в этом примере, чтобы протестировать собственный алгоритм следования маршрутов.
Система, следующая за дорожной полосой, разработанная в этом примере, управляет автомобилем , оборудованным датчиком, чтобы перемещаться по отмеченной полосе. Система проверяет полосу следования в присутствии других неавтомобилей , оборудованных датчиком, которые являются целевыми транспортными средствами. Для регрессионной проверки часто достаточно, чтобы целевые транспортные средства следовали предопределенной траектории. Чтобы рандомизировать поведение и идентифицировать краевые случаи, такие как агрессивное изменение маршрута перед автомобилем , оборудованным датчиком, выгодно добавить интеллект к целевым транспортным средствам.
Этот пример основан на примере Highway Lane Following (Automated Driving Toolbox), который демонстрирует следование маршрута в присутствии целевых транспортных средств, которые следуют предопределенным траекториям. В этом примере изменяется среда моделирования сценария примера Highway Lane Following (Automated Driving Toolbox) путем добавления функциональных возможностей к модели и симуляции интеллектуальных целевых транспортных средств. Интеллектуальные целевые автомобили, добавленные в этот пример, адаптируют свои траектории на основе поведения соседних транспортных средств и окружения. В ответ следующая за ней система автоматически реагирует, чтобы убедиться, что автомобиль , оборудованный датчиком остается в своей полосе.
В этом примере вы достигаете симуляции уровня системы путем интегрирования с Unreal Engine ® из Epic Games ®. Для 3D среды симуляции требуется 64-разрядная платформа Windows ®.
if ~ispc error(['Unreal simulation is only supported on Microsoft', char(174), ' Windows', char(174), '.']); end
Чтобы гарантировать воспроизводимость результатов симуляции, установите случайный seed.
rng(0);
В остальном примере вы будете:
Исследуйте тестовую модель: Исследуйте функциональности в тестовой модели уровня системы, которую вы используете для оценки следования по полосе с помощью интеллектуальных целевых транспортных средств.
Поведение транспортного средства: Исследуйте поведение транспортного средства, которое вы можете использовать, чтобы смоделировать интеллектуальные целевые транспортные средства.
Моделируйте интеллектуальные целевые транспортные средства: Моделируйте целевые транспортные средства в сценарии для трех различных моделей поведения: поддержание скорости, следование по маршруту и изменение маршрута.
Симулируйте следование маршрута с помощью интеллектуальных целевых транспортных средств на прямой дороге: Моделируйте поддержание скорости, следование за маршрутом и изменение маршрута поведения целевого транспортного средства во время тестирования маршрута на прямой дороге.
Симулируйте следование по маршруту с помощью интеллектуальных целевых транспортных средств на изогнутой дороге: Моделируйте поведение целевого транспортного средства в отношении поддержания скорости, следования по маршруту и изменения маршрута во время тестирования маршрута на изогнутой дороге.
Тест с другими сценариями: Тест модели с другими сценариями, доступными в этом примере.
Откройте тестовую модель симуляции уровня системы для маршрута после применения.
open_system("HighwayLaneFollowingWithIntelligentVehiclesTestBench")
Тестовая модель содержит следующие модули:
Симуляция 3D Сценарий: Подсистема, которая задает дорогу, ego vehicle, интеллектуальные целевые автомобили, камеру и радиолокационные датчики, используемые для симуляции.
Детектор маркера маршрута: Модель алгоритма для обнаружения контуров маршрута в системе координат, захваченной датчиком камеры.
Детектор автомобиля: Модель алгоритма для обнаружения транспортных средств в системе координат, захваченной датчиком камеры.
Fusion прямого датчика автомобиля: Модель алгоритма, которая запирает обнаружения транспортных средств перед автомобилями , оборудованными датчиком, которые были получены с датчиков зрения и радара.
Логика принятия решений по маршруту: Модель алгоритма, которая задает боковую, продольную логику принятия решений и предоставляет контроллеру информацию о центре маршрута и информацию, связанную с MIO.
Следующий контроллер маршрута: модель алгоритма, которая задает элементы управления.
Динамика аппарата: Задает динамическую модель для автомобиля , оборудованного датчиком.
Оценка метрики: Оценивает поведение на уровне системы.
Детектор маркера маршрута, детектор транспортного средства, слияние датчика транспортного средства вперед, логика принятия решений маршрута, контроллер следования маршрута, динамика аппарата и подсистемы оценки метриков основаны на подсистемах, используемых в последующем маршруте шоссе (Automated Driving Toolbox) (беспилотное вождение) Если у вас есть лицензия на Simulink Coder™ и Embedded Coder™, вы можете сгенерировать развертываемый код ready ert для моделей алгоритма Lane Marker Detector, Vehicle Detector, Forward Vehicle Sensor Sensor, Lane Following Dection. Этот пример фокусируется только на подсистеме Simulation 3D Scenario. Блок Подсистемы Интеллектуальных Целевых Транспортных Средств добавляется к Подсистеме 3D Сценария Симуляции в порядок, чтобы сконфигурировать поведение целевых транспортных средств в сценарии. Детектор маркера маршрута, детектор автомобиля, слияние датчика автомобиля вперед, логика принятия решений маршрута, контроллер следования маршрута, динамика аппарата и подсистемы оценки метриков управляют автомобилем , оборудованным датчиком в ответ на поведение целевых транспортных средств, сконфигурированных подсистемой Simulation 3D Scenario.
Откройте подсистему Simulation 3D Scenario и подсветите подсистему Intelligent Target Vehicles.
open_system("HighwayLaneFollowingWithIntelligentVehiclesTestBench/Simulation 3D Scenario") hilite_system("HighwayLaneFollowingWithIntelligentVehiclesTestBench/Simulation 3D Scenario/Intelligent Target Vehicles")
Подсистема Симуляции 3D Scenario конфигурирует дорожную сеть, моделирует целевые транспортные средства, устанавливает положения транспортных средств и синтезирует датчики. Подсистема инициализируется при помощи helperSLHighwayLaneFollowingWithIntelligentVehiclesSetup скрипт. Этот скрипт определяет сценарий вождения для проверки маршрута шоссе, следующего за. Этот скрипт настройки определяет дорожную сеть и устанавливает поведение для каждого целевого транспортного средства в сценарии.
Блок Scenario Reader (Automated Driving Toolbox) считывает дороги и актёров (ego и целевые транспортные средства) из файла сценария, заданного с помощью helperSLHighwayLaneFollowingWithIntelligentVehiclesSetup скрипт. Блок выводит положения целевых транспортных средств и контуров маршрута относительно системы координат автомобиль , оборудованный датчиком.
Интеллектуальные Целевые Автомобили является подсистема вызова функций блоком, который моделирует поведение актёров в сценарии вождения. Начальные значения для параметров блоков этой подсистемы заданы helperSLHighwayLaneFollowingWithIntelligentVehiclesSetup скрипт. Блоки Cuboid To 3D Simulation (Automated Driving Toolbox) и 3D Simulation Транспортное средство с Ground Following (Automated Driving Toolbox) устанавливают положения актёра для 3D среды симуляции.
Блок Simulation 3D Scene Строение (Automated Driving Toolbox) реализует 3D среду симуляции при помощи дорожной сети и позиций актёра.
Этот скрипт настройки также конфигурирует параметры проектирования контроллера, параметры модели транспортного средства и сигналы шины Simulink ®, необходимые для HighwayLaneFollowingWithIntelligentVehiclesTestBench модель. Этот скрипт присваивает массив структур, targetVehicles, к базовому рабочему пространству, которое содержит тип поведения для каждого целевого транспортного средства.
Этот пример позволяет вам использовать четыре режима поведения транспортных средств для конфигурации целевых транспортных средств с помощью targetVehicles структура.
Default: В этом режиме целевые транспортные средства в сценарии следуют предопределенным траекториям. Целевые транспортные средства являются неадаптивными и не сконфигурированы для интеллектуального поведения.
VelocityKeeping: В этом режиме целевые транспортные средства сконфигурированы так, чтобы перемещаться по полосе с постоянной установленной скоростью. Каждое целевое транспортное средство поддерживает заданную скорость независимо от наличия ведущего транспортного средства в его текущей полосе и не проверяет на столкновение.
LaneFollowingВ этом режиме целевые транспортные средства сконфигурированы так, чтобы перемещаться по полосе путем адаптации их скоростей в ответ на ведущее транспортное средство. Если целевое транспортное средство сталкивается с ведущим транспортным средством в его текущей полосе, модель выполняет проверку столкновения и корректирует скорость целевого транспортного средства. Проверка столкновения гарантирует, что целевое транспортное средство сохраняет безопасное расстояние от головного транспортного средства.
LaneChangeВ этом режиме целевые транспортные средства сконфигурированы так, чтобы перемещаться по полосе с определенной скоростью и следовать за ведущим транспортным средством. Если целевое транспортное средство слишком близко к ведущему транспортному средству, то оно выполняет изменение маршрута. Перед изменением маршрута модель проверяет потенциальные столкновения вперед и сбоку и адаптирует скорость целевого автомобиля для поддержания безопасного расстояния от других транспортных средств в сценарии.
Подсистема интеллектуальных целевых транспортных средств динамически обновляет положения транспортных средств для всех целевых транспортных средств на основе их предопределенного поведения. Как уже упоминалось, helperSLHighwayLaneFollowingWithIntelligentVehiclesSetup скрипт определяет сценарий и поведение для каждого целевого транспортного средства в сценарии. Скрипт настройки сохраняет поведение транспортного средства и другие атрибуты как массив структур targetVehicles, в базовое рабочее пространство. Структура хранит следующие атрибуты:
ActorID
Положение
Скорость
Крен
Тангаж
Рыскание
AngularVelocity
InitialLaneID
BehaviorType
Подсистема интеллектуальных целевых транспортных средств использует маску, чтобы загрузить строение targetVehicles из базового рабочего пространства. Можно задать значения этих атрибутов, чтобы изменить положение, ориентацию, скорости и поведение целевых транспортных средств. Откройте подсистему Intelligent Target Vehicles.
open_system("HighwayLaneFollowingWithIntelligentVehiclesTestBench/Simulation 3D Scenario/Intelligent Target Vehicles")
Блок Vehicle To World (Automated Driving Toolbox) преобразует предопределенные положения и траектории актёра (ego и целевого транспортного средства) из координат автомобиля , оборудованного датчиком в мировые координаты. Блок Подсистемы Поведения Целевого Автомобиля вычисляет следующее состояние целевых транспортных средств с помощью предопределенных положений целевых транспортных средств, положения автомобилей , оборудованных датчиком и текущего состояния целевых транспортных средств. Подсистема выводит положения целевых транспортных средств в мировых координатах для навигации транспортных средств в 3D среде симуляции.
Откройте подсистему «Поведение целевого транспортного средства».
open_system("HighwayLaneFollowingWithIntelligentVehiclesTestBench/Simulation 3D Scenario/Intelligent Target Vehicles/Target Vehicle Behavior",'tab')
Подсистема поведения целевого транспортного средства позволяет вам переключаться между поведением автомобиля по умолчанию и другим поведением транспортного средства. Если для типа поведения целевого транспортного средства задано значение DefaultПодсистема конфигурирует целевые транспортные средства, чтобы следовать предопределенным траекториям. В противном случае положение транспортного средства динамически вычисляется и обновляется с помощью блока Подсистемы Интеллектуального Транспортного средства. Блок Подсистемы Интеллектуального Транспортного средства конфигурирует VelocityKeeping, LaneFollowing, и LaneChange поведение целевых транспортных средств.
Откройте подсистему Intelligent Vehicle.
open_system("HighwayLaneFollowingWithIntelligentVehiclesTestBench/Simulation 3D Scenario/Intelligent Target Vehicles/Target Vehicle Behavior/Intelligent Vehicle")
Подсистема Интеллектуального Транспортного Средства вычисляет положение целевого транспортного средства с помощью информации о соседних транспортных средствах и поведении транспортного средства. Подсистема аналогична компоненту Lane Change Planner примера Highway Lane Change (Automated Driving Toolbox). Подсистема Интеллектуального Транспортного средства имеет следующие блоки:
Блок Environment Updater вычисляет информацию о ведущем и заднем транспортном средстве, текущее число маршрутов и существование смежных полос движения (NoLeftLane, NoRightLane) относительно текущего состояния целевого транспортного средства. Этот блок сконфигурирован системной Object™ HelperEnvironmentUpdater.
Блок Sampler сохранения скорости задает конечные состояния, необходимые для VelocityKeeping поведение. Этот блок считывает установленную скорость из параметра маски norm(TargetVehicle.Velocity).
Блок Lane Following Sampler задает конечные состояния, необходимые для LaneFollowing поведение. Этот блок считывает установленную скорость из параметра маски norm(TargetVehicle.Velocity).
Блок Sampler изменения маршрута задает конечные состояния, необходимые для LaneChange поведение. Этот блок также задает смещение отклонения от пути ссылки, чтобы сохранить транспортное средство в определенной полосе после изменения маршрута. Этот блок читается TargetVehicle.Velocity, laneInfo, и TargetVehicle.InitialLaneID из базового рабочего пространства при помощи параметров маски.
Таблица показывает строения конечных состояний и параметров для различного поведения транспортного средства:
Блок Check Collision проверяет столкновение с любым другим транспортным средством в сценарии. Симуляция останавливается, если обнаружено столкновение.
Блок Pulse Generator задает период повторения для подсистемы Motion Planner. Значение по умолчанию установлено на 1 секунду. Воспроизведение может быть инициировано каждый период импульса, или, если любой из дискретизаторов имеет обновление состояния, или подсистемой Motion Planner.
Подсистема MotionPlanner генерирует траекторию для целевого транспортного средства с помощью конечных состояний, заданных поведением транспортного средства. В нем используются trajectoryOptimalFrenet (Navigation Toolbox) из Navigation Toolbox™, чтобы сгенерировать траекторию. Подсистема оценивает положение транспортного средства по его траектории на каждом шаге симуляции. Эта подсистема внутренне использует HelperTrajectoryPlanner Система object™, чтобы реализовать резервный механизм для различного поведения транспортного средства, когда trajectoryOptimalFrenet функция не может сгенерировать допустимую траекторию.
Если для поведения транспортного средства задано значение LaneChange, планировщик траектории пытается сгенерировать траекторию со LaneFollowing поведение. Если он не может сгенерировать траекторию, то он останавливает транспортное средство, используя его стоповое поведение.
Если для поведения транспортного средства задано значение LaneFollowing или VelocityKeepingпланировщик траектории останавливает транспортное средство, используя поведение упора.
Система реализует поведение остановки путем построения траектории с предыдущим состоянием транспортного средства, что приводит к немедленной остановке целевого транспортного средства.
Этот пример использует сценарий тестирования, которая имеет трёх целевых транспортных средств (красный седан, чёрный автомобиль с мышцами и оранжевый хэтчбек) и один автомобиль , оборудованный датчиком (синий седан), перемещающийся по прямой дороге с двумя полосами.
Красный седан является первым целевым транспортным средством и перемещается по полосе, примыкающей к эго-полосе.
Оранжевый хэтчбек является головным транспортным средством для автомобиля , оборудованного датчиком в эго-полосе.
Машина с черными мышцами медленно движется, и головное транспортное средство для красного седана в соседней полосе автомобиля , оборудованного датчиком. Рисунок показывает начальные положения этих транспортных средств.
Вы можете запустить симуляцию любое количество раз путем изменения типа поведения для каждого транспортного средства во время каждого запуска. Этот пример запускает симуляцию три раза и при каждом запуске тип поведения для первого целевого транспортного средства изменяется.
Сконфигурируйте поведение всех целевых транспортных средств для поддержания скорости и симуляции запуска
Запустите скрипт настройки, чтобы сконфигурировать VelocityKeeping поведение для всех целевых транспортных средств.
helperSLHighwayLaneFollowingWithIntelligentVehiclesSetup(... "scenarioFcnName",... "scenario_LFACC_01_Straight_IntelligentVelocityKeeping");
Отобразите BehaviorType всех целевых транспортных средств.
disp([targetVehicles(:).BehaviorType]');
VelocityKeeping
VelocityKeeping
VelocityKeeping
Default
Default
Запустите симуляцию и визуализируйте результаты. Целевые транспортные средства в сценарии перемещаются по своим соответствующим полосам с постоянной скоростью. Красный седан и черная мышечная машина сохраняют скорость и не проверяют на столкновения.
Чтобы уменьшить выход командного окна, отключите сообщения обновления прогнозирующего управления (MPC) модели.
mpcverbosity('off'); % Run the model simout = sim("HighwayLaneFollowingWithIntelligentVehiclesTestBench","StopTime","9");
Постройте графики скоростей эго и первого целевого транспортного средства (красного седана), чтобы проанализировать результаты.
hFigVK = helperPlotEgoAndTargetVehicleProfiles(simout.logsout);
Закройте рисунок
close(hFigVK);
График Yaw Angle of Target Vehicle (Red sedan) показывает угол рыскание красного седана. Изменение угла рыскания отсутствует, когда транспортное средство перемещается по прямой дороге.
График Абсолютная скорость целевого транспортного средства (Красный седан) показывает абсолютную скорость красного седана. Профиль скорости транспортного средства является постоянным, так как транспортное средство сконфигурировано так VelocityKeeping поведение.
График Абсолютная скорость Автомобиля , оборудованного датчиком (Blue sedan) показывает, что эффекта красного седана на автомобиль , оборудованный датчиком нет, так как оба транспортных средств перемещаются по смежным полосам.
Сконфигурируйте первое поведение целевого транспортного средства на полосу следования и выполнения симуляции
Сконфигурируйте тип поведения для первого целевого транспортного средства (красного седана), чтобы выполнить следование по полосе. Отображение обновленных значений для BehaviorType целевых транспортных средств.
targetVehicles(1).BehaviorType = VehicleBehavior.LaneFollowing; disp([targetVehicles(:).BehaviorType]');
LaneFollowing
VelocityKeeping
VelocityKeeping
Default
Default
Запустите симуляцию и визуализируйте результаты. Целевые транспортные средства в сценарии перемещаются по своим соответствующим полосам. Первое целевое транспортное средство (красный седан) замедляется, чтобы избежать столкновения с медленно движущейся черной мышечной машиной в своей полосе.
sim("HighwayLaneFollowingWithIntelligentVehiclesTestBench");
Постройте графики скорости эго и первого целевого транспортного средства (красного седана), чтобы проанализировать результаты.
hFigLF = helperPlotEgoAndTargetVehicleProfiles(logsout);
Закройте рисунок
close(hFigLF);
График Yaw Angle of Target Vehicle (Red sedan) аналогичен графику, полученному в предыдущей симуляции. Изменение угла рыскания отсутствует, когда транспортное средство перемещается по прямой дороге.
График Абсолютная скорость целевого транспортного средства (Красный седан) отличается от предыдущей симуляции. Скорость красного седана постепенно уменьшается с 13 м/с до 5 м/с, чтобы избежать столкновения с черной мышечной машиной и поддерживает безопасную щель.
График Абсолютная скорость Автомобиля , оборудованного датчиком (Blue sedan) аналогичен графику в предыдущей симуляции. На автомобиль , оборудованный датчиком не влияет изменение поведения красного седана.
Сконфигурируйте первое поведение целевого транспортного средства для изменения маршрута и выполнения симуляции
targetVehicles(1).BehaviorType = VehicleBehavior.LaneChange;
Отобразите BehaviorType всех целевых транспортных средств.
disp([targetVehicles(:).BehaviorType]');
LaneChange
VelocityKeeping
VelocityKeeping
Default
Default
Запустите симуляцию и визуализируйте результаты. Оранжевый хэтчбек и черная мышечная машина перемещаются с постоянной скоростью по своим соответствующим полосам. Первое целевое транспортное средство (красный седан) выполняет изменение маршрута, когда он приближается к черной мышечной машине. Также происходит изменение маршрута, когда он приближается к оранжевому хэтчбеку.
sim("HighwayLaneFollowingWithIntelligentVehiclesTestBench");
Постройте графики скорости эго и первого целевого транспортного средства (красного седана), чтобы проанализировать результаты.
hFigLC = helperPlotEgoAndTargetVehicleProfiles(logsout);
Закройте рисунок
close(hFigLC);
График Yaw Angle of Target Vehicle (Red sedan) отличается от предыдущих результатов симуляции. Профиль угла рыскания первого целевого транспортного средства показывает отклонения, когда транспортное средство выполняет изменение маршрута.
График абсолютной скорости целевого транспортного средства (красный седан) аналогичен графику VelocityKeeping поведение. Красный седан поддерживает постоянную скорость даже во время изменения маршрута.
График Абсолютная скорость Автомобиля , оборудованного датчиком (Blue sedan) показывает автомобилю , оборудованному датчиком реакцию на маневр изменения маршрута первого целевого транспортного средства (красный седан). Скорость автомобиля , оборудованного датчиком уменьшается, когда красный седан изменяет дорожки. Красный седан переходит на эго-полосу и едет перед автомобилем , оборудованным датчиком. Автомобиль , оборудованный датчиком реагирует путем уменьшения своей скорости в порядок движения по той же полосе. Закройте все рисунки.
Протестируйте модель по сценарию с изогнутыми дорогами. Транспортные средства строения и положение транспортных средств аналогичны предыдущей симуляции. Сценарий тестирования содержит изогнутую дорогу, и первое целевое транспортное средство (красный седан) сконфигурировано таким образом, чтобы LaneChange поведение. Другие два целевых транспортных средств сконфигурированы так, чтобы VelocityKeeping поведение. На рисунке ниже показаны начальные положения транспортных средств в изогнутой дорожной сцене.
Запустите скрипт настройки, чтобы сконфигурировать параметры модели.
helperSLHighwayLaneFollowingWithIntelligentVehiclesSetup(... "scenarioFcnName",... "scenario_LFACC_04_Curved_IntelligentLaneChange");
Запустите симуляцию и визуализируйте результаты. Постройте графики угла рыскания и скоростных профилей ego и целевых транспортных средств.
sim("HighwayLaneFollowingWithIntelligentVehiclesTestBench");
hFigCurvedLC = helperPlotEgoAndTargetVehicleProfiles(logsout);
График Yaw Angle of Target Vehicle (Red sedan) показывает изменения в профиле, когда красный седан выполняет изменение маршрута на изогнутой дороге. Кривизна дороги также влияет на угол рыскания целевого транспортного средства.
График абсолютной скорости целевого транспортного средства (красный седан) аналогичен графику VelocityKeeping поведение, так как красный седан поддерживает постоянную скорость во время изменения маршрута на изогнутой дороге.
График Absolute Velocity of Автомобиль , Оборудованный Датчиком (Blue sedan) показывает реакцию автомобиль , оборудованный датчиком на маневр изменения маршрута красным седаном. Автомобиль , оборудованный датчиком реагирует путем уменьшения своей скорости в порядок движения по той же полосе.
Закройте рисунок.
close(hFigCurvedLC);
Этот пример предоставляет дополнительные сценарии, которые совместимы с HighwayLaneFollowingWithIntelligentVehiclesTestBench модель. Ниже приведен список совместимых сценариев, представленных в этом примере.
scenario_LFACC_01_Straight_IntelligentVelocityKeeping функция конфигурирует сценарий тестирования таким образом, чтобы все целевые транспортные средства были сконфигурированы для выполнения VelocityKeeping поведение на прямой дороге.
scenario_LFACC_02_Straight_IntelligentLaneFollowing функция конфигурирует сценарий тестирования таким образом, чтобы красный седан выполнял LaneFollowing поведение, в то время как все другие целевые транспортные средства выполняют VelocityKeeping поведение на прямой дороге.
scenario_LFACC_03_Straight_IntelligentLaneChange функция конфигурирует сценарий тестирования таким образом, чтобы красный седан выполнял LaneChange поведение, в то время как все другие целевые транспортные средства выполняют VelocityKeeping поведение на прямой дороге.
scenario_LFACC_04_Curved_IntelligentLaneChange функция конфигурирует сценарий тестирования таким образом, чтобы красный седан выполнял LaneChange поведение, в то время как все другие целевые транспортные средства выполняют VelocityKeeping поведение на изогнутой дороге. Этот сценарий сконфигурирован как сценарий по умолчанию.
scenario_LFACC_05_Curved_IntelligentDoubleLaneChange функция конфигурирует сценарий тестирования таким образом, чтобы красный седан выполнял LaneChange поведение, в то время как все другие целевые транспортные средства выполняют VelocityKeeping поведение на изогнутой дороге. Размещение других транспортных средств в этом сценарии таково, что красный седан выполняет двойное изменение маршрута во время симуляции.
Для получения дополнительной информации о строениях дорог и целевых транспортных средств в каждом сценарии, смотрите комментарии в каждом файле. Можно сконфигурировать модель Simulink и рабочую область, чтобы симулировать эти сценарии с помощью helperSLHighwayLaneFollowingWithIntelligentVehiclesSetup функция.
helperSLHighwayLaneFollowingWithIntelligentVehiclesSetup("scenarioFcnName","scenario_LFACC_05_Curved_IntelligentDoubleLaneChange");
Этот пример демонстрирует, как протестировать функциональность последующего приложения маршрута в сценарии с автомобилем , оборудованным датчиком и несколькими интеллектуальными целевыми транспортными средствами.
Снова включите сообщения обновления MPC.
mpcverbosity('on');