CN109501799A - 一种车联网条件下的动态路径规划方法 - Google Patents
一种车联网条件下的动态路径规划方法 Download PDFInfo
- Publication number
- CN109501799A CN109501799A CN201811264944.4A CN201811264944A CN109501799A CN 109501799 A CN109501799 A CN 109501799A CN 201811264944 A CN201811264944 A CN 201811264944A CN 109501799 A CN109501799 A CN 109501799A
- Authority
- CN
- China
- Prior art keywords
- lane
- change
- vehicle
- car networking
- acceleration
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000006855 networking Effects 0.000 title claims abstract description 35
- 230000001133 acceleration Effects 0.000 claims abstract description 34
- 230000015572 biosynthetic process Effects 0.000 claims abstract 2
- 238000003786 synthesis reaction Methods 0.000 claims abstract 2
- 238000006073 displacement reaction Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 2
- 230000008859 change Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000010411 cooking Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
- B60W40/105—Speed
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Steering Control In Accordance With Driving Conditions (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种车联网条件下的动态路径规划方法,该方法采用下列步骤:动态换道轨迹的规划首先通过构建提高舒适性和通行效率的综合换道时间和最大加速度的目标函数,利用三次样条法、约束条件以及目标函数求解最优换道轨迹,并且能够根据车联网提供的实时信息参考换道轨迹,数据实时更新可以在前方出现突发状况时及时反馈给决策单元重新进行规划路径,以防止碰撞,使得换道车辆适应周围车辆运动状态变化;本次发明通过引入目标函数和从最优解的方面确定规划的轨迹方程,在减少换道时间和防止碰撞方面具有安全性、舒适性和高效性。
Description
技术领域
本发明涉及车辆智能驾驶和主动安全技术领域,特别是涉及一种基于车联网条件下的动态路径规划方法。
背景技术
道路事故通常是由于驾驶员的一些不合规范的驾驶操作行为导致,换道过程引发的道路事故约占驾驶员操作不当引发的交通事故总数的23%。因此,弥补现有汽车自动换道时未考虑周围车辆运动状态变化以及在舒适性和通行效率等方面的不足并规划出一条安全、合理的防止碰撞道路,对减少道路事故的发生,提高机动车道路行驶的安全水平有着十分重要的意义。
目前,以换道过程中的梯形加速度轮廓设计换道路径,该方法仅考虑了换道车辆自身的运动学和动力学,并未考虑周围车辆对换道的影响,换道模型不灵活。考虑动态目标位置和道路边界利用人工势能场进行道路规划,并进行了仿真,仿真结果较为理想。人工势能场法不能解决局部极小点、目标不可达等问题,只适用于特殊场景而不能满足大多数情况下的换道场景。基于多项式进行局部路径规划,能够满足换道时前方只有一辆静止的车辆的情景,但是没有考虑在整个换道过程中其他车辆状态变化对换道的影响。现有基于样条法换道轨迹的研究只是在换道起始点进行了计算,并不能保证整个换道过程的安全。目前静态路径规划的研究主要针对在同一直车道上行驶且航向角为零的两车,忽视了环境条件的影响,实用性不高;动态路径规划目前主要依靠经验公式,难以获取最优路径,换道模型比较机械。
发明内容
本发明的目的在于克服上述技术的不足,提出了一种基于车联网条件下的动态路径规划方法,通过规划出合理的避撞路径,提高车辆行驶的安全性。
为实现以上目的,本文发明的技术方案为:
一种基于车联网条件下的动态路径规划方法,包括如下步骤:步骤1:建立车联网条件下的目标函数:构建提高舒适性和通行效率的降低加速度和换道时间的目标函数;步骤2:建立换道轨迹模型:结合目标函数采用三次样条法对驾驶员换道轨迹进行预定义;步骤3:确定约束条件:通过最小安全距离、最大加速度阈值、最大车速、横向换道距离确定安全换道约束条件;步骤4:最优换道轨迹模型的获取,数据实时更新可以在前方出现突发状况时及时反馈给决策单元重新进行规划路径,以防止碰撞,使得换道车辆适应周围车辆运动状态变化。
进一步,降低加速度和换道时间的目标函数为:
其中τt为在时刻t的所需换道时间;为在时刻t得到的综合加速度,τ为换道时间,分别为在时刻t时刻的横向加速度和纵向加速度;为满足人体舒适性侧向加速度
进一步,采用三次样条法对驾驶员换道轨迹进行预定义:
其中xt、yt分别为汽车在纵向和横向移动的距离,a0、a1、a2、a3分别为纵向换道时的多项式参数,t为时间;
车辆在换道时的初始状态和结束状态需要满足以下条件:
其中x0、y0分别为起始时刻的纵向和横向位移,xτ、yτ分别为换道终止时刻的纵向和横向位移,u为纵向车速,τ为总的换道时间,D为纵向换道位移,W为横向换道位移;
根据式(2)、(3)可得含参数换道轨迹表达式:
进一步,所述步骤3中,设定换道车辆A分别距目标车道前车B、目标车道后车C、原始车道前车D和原始车道后车E之间的最小安全距离MSS(B,A),MSS(C,A),MSS(D,A)和MSS(E,A)的计算公式分别为:
其中vA,vB,vC,vD,vE分别为各车的速度,aA,aB,aC,aD,aE分别为各车的加速度,tc为车辆间临界碰撞时刻,tf为换道终止时刻,τ和λ为积分变量,换道过程中主要受到的约束条件为:
0<y(t)<W, (12)
MSS(B,A)+d0<d(B,A), (13)
MSS(C,A)+d0<d(C,A), (14)
MSS(D,A)+d0<d(D,A), (15)
MSS(E,A)+d0<d(E,A), (16)
其中,ax,max、ay,max分别为车辆在纵向和横向上的加速度阈值,vx,max为车辆在纵向的速度阈值,d0为车辆间所要保持的最小安全距离,d(B,A)、d(C,A)、d(D,A)、d(E,A)分别为A车到B、C、D、E车之间的实际距离。
进一步,步骤4中最优换道轨迹模型的获取需要满足:
由公式和公式可得换道边界条件的目标函数:
可以得到最优解:
其中为加速度的最优解,为换道纵向距离最优解,为换道时间最优解;
和最优轨迹:
进一步,还包括步骤:最优换道轨迹模型的获取后,自动换道控制器能够根据不同的环境来选取相应的约束条件导入到最优换道模型中,从而控制方向盘转角和油门踏板以控制转向和车速,从而降低加速度和换道时间。
进一步,τ=5.5s。
进一步,u=24m/s。
建立车联网条件下的目标函数:研究表明,加速度是影响舒适性的主要原因,因此要考虑舒适性就必须考虑加速度;另外换道时间不仅影响自车的通行效率还影响整个交通运行状况,换道时间越短,通行效率越高,对整个交通运行的影响就越小。因此建立一个以降低加速度和换道时间的目标函数。
建立换道轨迹模型:为了保证换道轨迹曲率和变化率的平滑连续性,本文采用三次样条法来规划路径,三次样条曲线本身符合驾驶员实际换道习惯,更容易被驾驶员接受,因此本文采用三次样条法对驾驶员换道轨迹进行预定义。
确定约束条件:由于换道轨迹的规划不是简单的数学解析问题,要考虑更多现实意义就要加入更多的约束条件。例如换道过程中的加速度和纵向速度不能超过最大值。换道的安全性由现阶段研究成熟的最小安全距离模型来保证。步骤4:最优换道轨迹模型的获取。
通过利用三次样条法模型、约束条件和目标函数求解从而得到动态最优换道轨迹模型。
与现有技术相比,本发明的优点在于:
1、在传统三次样条法规划路径的方法上建立了车联网条件下的目标函数从而获取最优换道轨迹模型,并根据环境变化得到的约束条件重新规划路径,从而规划出一条动态最优换道轨迹,能够根据车联网提供的实时信息参考换道轨迹,数据实时更新可以在前方出现突发状况时及时反馈给决策单元重新进行规划路径,以防止碰撞,使得换道车辆适应周围车辆运动状态变化。
2、该算法不仅弥补了当前算法的缺陷,而且快速高效,由于建立的基于加速的和换道时间的目标函数所以在舒适性和换道时间方面表现良好。
附图说明
图1:车联网条件下的自动换道流程图
图2:换道过程车辆轨迹
图3:换道场景图
图4多车协同换道场景
图5最优换道轨迹
图6动态自动换道过程
具体实施方式
结合附图对本发明的具体实施方式进行描述,以便以后的研究人员更好的理解本发明。
本发明实现过程
本发明基于车联网条件下的动态路径规划方法,车联网智能车辆利用车联网和传感器来感知行驶环境,传感器包括GPS、毫米波雷达、摄像头和激光雷达等来获取车辆周围环境信息,这些原始数据在“传感器数据融合模块”进行融合,同时车联网收发单元接受车联网实时信息得到动静态障碍物信息。自动换道控制器根据实时信息,根据不同的场景选取不同的约束条件从而规划出一条安全、舒适和通行效率高的行驶轨迹,然后对这条轨迹进行跟踪,车联网实时数据可以根据车辆周围的环境变化信息来重新规划。
图1是基于车联网条件下的自动换道流程图。车联网智能车辆利用车联网和传感器来感知行驶环境,传感器包括GPS、毫米波雷达、摄像头和激光雷达等来获取车辆周围环境信息,这些原始数据在“传感器数据融合模块”进行融合,同时车联网收发单元接受车联网实时信息得到动静态障碍物信息。自动换道控制器根据实时信息,规划出一条安全、舒适和通行效率高的行驶轨迹,然后对这条轨迹进行跟踪,车联网实时数据可以根据车辆周围的环境变化信息来重新规划路径。因此本文利用车联网条件的基础上设计了自动换道控制器进行换道。
步骤1:建立车联网条件下的目标函数
研究表明,加速度是影响舒适性的主要原因,因此要考虑舒适性就必须考虑加速度;另外换道时间不仅影响自车的通行效率还影响整个交通运行状况,换道时间越短,通行效率越高,对整个交通运行的影响就越小。因此建立一个以降低加速度和换道时间的目标函数如式(1)所示来获得最优换道轨迹。
其中τt为在时刻t的所需换道时间和为在时刻t得到的综合加速度,为满足人体舒适性侧向加速度
步骤2:建立换道轨迹模型
为了保证换道轨迹曲率和变化率的平滑连续性,本文采用三次样条法来规划路径,三次样条曲线本身符合驾驶员实际换道习惯,更容易被驾驶员接受,因此本文采用三次样条法对驾驶员换道轨迹进行预定义,如式(2)所示。
如图2所建立的坐标系,坐标原点为车辆质心位置。其中D为换道距离,W为两车道中心线距离,θ为偏航角,τ为换道时间。由图2可知,车辆在换道时的初始状态和结束状态需要满足以下条件:
根据式(2)、(3)可得含参数换道轨迹表达式:
步骤3:确定约束条件
由于换道轨迹的规划不是简单的数学解析问题,要考虑更多现实意义就要加入更多的约束条件。例如换道过程中的加速度和纵向速度不能超过最大值。换道的安全性由现阶段研究成熟的最小安全距离模型来保证。如图3所示,其中换道车辆A分别距目标车道前车B、目标车道后车C、原始车道前车D和原始车道后车E之间的最小安全距离MSS(B,A),MSS(C,A),MSS(D,A)和MSS(E,A)的计算公式分别为:
其中vA,vB,vC,vD,vE分别为各车的速度,aA,aB,aC,aD,aE分别为各车的加速度,tc为车辆间临界碰撞时刻,tf为换道终止时刻,τ和λ为积分变量。换道过程中主要受到的约束条件为:
0<y(t)<W, (12)
MSS(B,A)+d0<d(B,A), (13)
MSS(C,A)+d0<d(C,A), (14)
MSS(D,A)+d0<d(D,A), (15)
MSS(E,A)+d0<d(E,A), (16)
其中,vx,max为车辆在纵向的速度阈值,d0为车辆间所要保持的最小安全距离,d(B,A)、d(C,A)、d(D,A)、d(E,A)分别为A车到B、C、D、E车之间的实际距离。
步骤4:最优换道轨迹模型的获取
由式(1)和式(4)可得目标函数:
可以得到最优解:
和最优轨迹:
本实施例依据Carsim和simulink的联合仿真验证完成本专利所提及的车辆自动换道过程。将图4所示换道场景在Carsim中设置完成导入所建立的最优换道模型中,测试结果如图5和图6所示,表明基于车联网条件下动态路径规划方法对于高速公路上行驶的车辆是可行的和实用的。
以上所述,仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围,应当理解,本发明并不限于这里所描述的实现方案,这些实现方案描述的目的在于帮助本领域中的技术人员实践本发明。任何本领域中的技术人员很容易在不脱离本发明精神和范围的情况下进行进一步的改进和完善,因此本发明只受到本发明权利要求的内容和范围的限制,其意图涵盖所有包括在由所附权利要求所限定的本发明精神和范围内的备选方案和等同方案。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (8)
1.一种基于车联网条件下的动态路径规划方法,其特征在于,包括如下步骤:步骤1:建立车联网条件下的目标函数:构建提高舒适性和通行效率的降低加速度和换道时间的目标函数;步骤2:建立换道轨迹模型:结合目标函数采用三次样条法对驾驶员换道轨迹进行预定义;步骤3:确定约束条件:通过最小安全距离、最大加速度阈值、最大车速、横向换道距离确定安全换道约束条件;步骤4:最优换道轨迹模型的获取,数据实时更新可以在前方出现突发状况时及时反馈给决策单元重新进行规划路径,以防止碰撞,使得换道车辆适应周围车辆运动状态变化。
2.根据权利要求1所述的一种基于车联网条件下的动态路径规划方法,其特征在于:降低加速度和换道时间的目标函数为:
其中τt为在时刻t的所需换道时间;为在时刻t得到的综合加速度,τ为换道时间,分别为在时刻t时刻的横向加速度和纵向加速度;为满足人体舒适性侧向加速度
3.根据权利要求2所述的一种车联网条件下的动态路径规划方法,其特征在于:采用三次样条法对驾驶员换道轨迹进行预定义:
其中xt、yt分别为汽车在纵向和横向移动的距离,a0、a1、a2、a3分别为纵向换道时的多项式参数,t为时间;
车辆在换道时的初始状态和结束状态需要满足以下条件:
其中x0、y0分别为起始时刻的纵向和横向位移,xτ、yτ分别为换道终止时刻的纵向和横向位移,u为纵向车速,τ为总的换道时间,D为纵向换道位移,W为横向换道位移;
根据式(2)、(3)可得含参数换道轨迹表达式:
4.根据权利要求1所述的一种车联网条件下的动态路径规划方法,其特征在于:所述步骤3中,设定换道车辆A分别距目标车道前车B、目标车道后车C、原始车道前车D和原始车道后车E之间的最小安全距离MSS(B,A),MSS(C,A),MSS(D,A)和MSS(E,A)的计算公式分别为:
其中vA,vB,vC,vD,vE分别为各车的速度,aA,aB,aC,aD,aE分别为各车的加速度,tc为车辆间临界碰撞时刻,tf为换道终止时刻,τ和λ为积分变量,换道过程中主要受到的约束条件为:
0<y(t)<W, (12)
MSS(B,A)+d0<d(B,A), (13)
MSS(C,A)+d0<d(C,A), (14)
MSS(D,A)+d0<d(D,A), (15)
MSS(E,A)+d0<d(E,A), (16)
其中,ax,max、ay,max分别为车辆在纵向和横向上的加速度阈值,vx,max为车辆在纵向的速度阈值,d0为车辆间所要保持的最小安全距离,d(B,A)、d(C,A)、d(D,A)、d(E,A)分别为A车到B、C、D、E车之间的实际距离。
5.根据权利要求3中所述的一种基于车联网条件下的动态路径规划方法,其特征在于:步骤4中最优换道轨迹模型的获取需要满足:
由公式和公式可得换道边界条件的目标函数:
可以得到最优解:
其中为加速度的最优解,为换道纵向距离最优解,为换道时间最优解;
和最优轨迹:
6.根据权利要求1所述的基于车联网条件下的动态换道规划方法,其特征在于:还包括步骤:最优换道轨迹模型的获取后,自动换道控制器能够根据不同的环境来选取相应的约束条件导入到最优换道模型中,从而控制方向盘转角和油门踏板以控制转向和车速,从而降低加速度和换道时间。
7.根据权利要求2所述的基于车联网条件下的动态换道规划方法,其特征在于:τ=5.5s。
8.根据权利要求3所述的基于车联网条件下的动态换道规划方法,其特征在于:u=24m/s。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811264944.4A CN109501799B (zh) | 2018-10-29 | 2018-10-29 | 一种车联网条件下的动态路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811264944.4A CN109501799B (zh) | 2018-10-29 | 2018-10-29 | 一种车联网条件下的动态路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109501799A true CN109501799A (zh) | 2019-03-22 |
CN109501799B CN109501799B (zh) | 2020-08-28 |
Family
ID=65746928
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811264944.4A Active CN109501799B (zh) | 2018-10-29 | 2018-10-29 | 一种车联网条件下的动态路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109501799B (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110597245A (zh) * | 2019-08-12 | 2019-12-20 | 北京交通大学 | 基于二次型规划和神经网络的自动驾驶换道轨迹规划方法 |
CN110758382A (zh) * | 2019-10-21 | 2020-02-07 | 南京航空航天大学 | 一种基于驾驶意图的周围车辆运动状态预测***及方法 |
CN110936958A (zh) * | 2019-11-26 | 2020-03-31 | 交通运输部公路科学研究所 | 自动驾驶换道轨迹优化模型、换道轨迹优化方法及其*** |
CN111145552A (zh) * | 2020-01-06 | 2020-05-12 | 重庆大学 | 基于5g网络的车辆动态换道轨迹的规划方法 |
CN111325975A (zh) * | 2020-02-19 | 2020-06-23 | 南京航空航天大学 | 一种智能网联车辆在汇入口区域的集中优化协调方法 |
CN111942394A (zh) * | 2020-08-25 | 2020-11-17 | 潍柴动力股份有限公司 | 电动车辆的车速信息推送方法、装置及*** |
CN112389427A (zh) * | 2021-01-19 | 2021-02-23 | 腾讯科技(深圳)有限公司 | 车辆轨迹优化方法、装置、电子设备和存储介质 |
CN112477864A (zh) * | 2020-11-10 | 2021-03-12 | 合肥工业大学 | 新型自动驾驶车辆安全换道的控制方法及*** |
CN112965489A (zh) * | 2021-02-05 | 2021-06-15 | 北京理工大学 | 一种基于碰撞检测的智能车高速换道规划方法 |
CN113204920A (zh) * | 2021-05-12 | 2021-08-03 | 紫清智行科技(北京)有限公司 | 基于支持向量机的智能车换道舒适性评估及其轨迹规划方法和装置 |
WO2021175313A1 (zh) * | 2020-03-05 | 2021-09-10 | 中国第一汽车股份有限公司 | 自动驾驶控制方法、装置、车辆及存储介质 |
CN113515038A (zh) * | 2021-09-07 | 2021-10-19 | 西南交通大学 | 一种车辆换道方法、装置、设备及可读存储介质 |
CN113721637A (zh) * | 2021-11-02 | 2021-11-30 | 武汉理工大学 | 智能车动态避障路径连续规划方法、***及存储介质 |
CN114115234A (zh) * | 2021-10-28 | 2022-03-01 | 江苏大学 | 一种基于监控策略的无人车换道路径规划方法 |
CN114291092A (zh) * | 2022-01-26 | 2022-04-08 | 中国联合网络通信集团有限公司 | 车辆换道控制方法、装置、电子控制单元及存储介质 |
CN115285121A (zh) * | 2022-01-21 | 2022-11-04 | 吉林大学 | 一种体现驾驶员偏好的换道轨迹规划方法 |
CN117445923A (zh) * | 2023-10-30 | 2024-01-26 | 青岛理工大学 | 基于可达性分析的网联车辆换道轨迹规划方法 |
CN117698730A (zh) * | 2024-01-08 | 2024-03-15 | 昆明理工大学 | 一种防碰撞的动态智能网联车辆最优换道轨迹规划方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103035121A (zh) * | 2012-12-06 | 2013-04-10 | 南京航空航天大学 | 一种智能车辆自主行驶动态轨迹规划方法及*** |
CN104960524A (zh) * | 2015-07-16 | 2015-10-07 | 北京航空航天大学 | 基于车车通信的多车协同换道控制***及其方法 |
US20160091897A1 (en) * | 2014-09-26 | 2016-03-31 | Volvo Car Corporation | Method of trajectory planning for yielding maneuvers |
DE102016204957A1 (de) * | 2015-03-25 | 2016-09-29 | Magna Steyr Fahrzeugtechnik Ag & Co Kg | Automatisierter Fahrstreifenwechsel im dynamischen Verkehr, basierend auf fahrdynamisch bedingten Einschränkungen |
CN106530833A (zh) * | 2016-12-29 | 2017-03-22 | 江苏大学 | 一种基于车联网的自动驾驶汽车智能变道***及其控制方法 |
CN106926844A (zh) * | 2017-03-27 | 2017-07-07 | 西南交通大学 | 一种基于实时环境信息的动态自动驾驶换道轨迹规划方法 |
CN107315411A (zh) * | 2017-07-04 | 2017-11-03 | 合肥工业大学 | 一种基于车车协同下无人驾驶车辆的换道轨迹规划方法 |
CN108387242A (zh) * | 2018-02-07 | 2018-08-10 | 西南交通大学 | 自动驾驶换道准备和执行一体化轨迹规划方法 |
-
2018
- 2018-10-29 CN CN201811264944.4A patent/CN109501799B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103035121A (zh) * | 2012-12-06 | 2013-04-10 | 南京航空航天大学 | 一种智能车辆自主行驶动态轨迹规划方法及*** |
US20160091897A1 (en) * | 2014-09-26 | 2016-03-31 | Volvo Car Corporation | Method of trajectory planning for yielding maneuvers |
DE102016204957A1 (de) * | 2015-03-25 | 2016-09-29 | Magna Steyr Fahrzeugtechnik Ag & Co Kg | Automatisierter Fahrstreifenwechsel im dynamischen Verkehr, basierend auf fahrdynamisch bedingten Einschränkungen |
CN104960524A (zh) * | 2015-07-16 | 2015-10-07 | 北京航空航天大学 | 基于车车通信的多车协同换道控制***及其方法 |
CN106530833A (zh) * | 2016-12-29 | 2017-03-22 | 江苏大学 | 一种基于车联网的自动驾驶汽车智能变道***及其控制方法 |
CN106926844A (zh) * | 2017-03-27 | 2017-07-07 | 西南交通大学 | 一种基于实时环境信息的动态自动驾驶换道轨迹规划方法 |
CN107315411A (zh) * | 2017-07-04 | 2017-11-03 | 合肥工业大学 | 一种基于车车协同下无人驾驶车辆的换道轨迹规划方法 |
CN108387242A (zh) * | 2018-02-07 | 2018-08-10 | 西南交通大学 | 自动驾驶换道准备和执行一体化轨迹规划方法 |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110597245A (zh) * | 2019-08-12 | 2019-12-20 | 北京交通大学 | 基于二次型规划和神经网络的自动驾驶换道轨迹规划方法 |
CN110758382A (zh) * | 2019-10-21 | 2020-02-07 | 南京航空航天大学 | 一种基于驾驶意图的周围车辆运动状态预测***及方法 |
CN110936958A (zh) * | 2019-11-26 | 2020-03-31 | 交通运输部公路科学研究所 | 自动驾驶换道轨迹优化模型、换道轨迹优化方法及其*** |
CN110936958B (zh) * | 2019-11-26 | 2021-01-19 | 交通运输部公路科学研究所 | 自动驾驶换道轨迹优化方法及其*** |
CN111145552A (zh) * | 2020-01-06 | 2020-05-12 | 重庆大学 | 基于5g网络的车辆动态换道轨迹的规划方法 |
CN111145552B (zh) * | 2020-01-06 | 2022-04-29 | 重庆大学 | 基于5g网络的车辆动态换道轨迹的规划方法 |
CN111325975B (zh) * | 2020-02-19 | 2021-06-22 | 南京航空航天大学 | 一种智能网联车辆在汇入口区域的集中优化协调方法 |
CN111325975A (zh) * | 2020-02-19 | 2020-06-23 | 南京航空航天大学 | 一种智能网联车辆在汇入口区域的集中优化协调方法 |
WO2021175313A1 (zh) * | 2020-03-05 | 2021-09-10 | 中国第一汽车股份有限公司 | 自动驾驶控制方法、装置、车辆及存储介质 |
CN111942394B (zh) * | 2020-08-25 | 2022-04-05 | 潍柴动力股份有限公司 | 电动车辆的车速信息推送方法、装置及*** |
CN111942394A (zh) * | 2020-08-25 | 2020-11-17 | 潍柴动力股份有限公司 | 电动车辆的车速信息推送方法、装置及*** |
CN112477864A (zh) * | 2020-11-10 | 2021-03-12 | 合肥工业大学 | 新型自动驾驶车辆安全换道的控制方法及*** |
CN112477864B (zh) * | 2020-11-10 | 2022-07-08 | 合肥工业大学 | 自动驾驶车辆安全换道的控制方法及*** |
CN112389427A (zh) * | 2021-01-19 | 2021-02-23 | 腾讯科技(深圳)有限公司 | 车辆轨迹优化方法、装置、电子设备和存储介质 |
CN112965489A (zh) * | 2021-02-05 | 2021-06-15 | 北京理工大学 | 一种基于碰撞检测的智能车高速换道规划方法 |
CN113204920A (zh) * | 2021-05-12 | 2021-08-03 | 紫清智行科技(北京)有限公司 | 基于支持向量机的智能车换道舒适性评估及其轨迹规划方法和装置 |
CN113204920B (zh) * | 2021-05-12 | 2022-02-15 | 紫清智行科技(北京)有限公司 | 基于支持向量机的智能车换道舒适性评估及其轨迹规划方法和装置 |
CN113515038A (zh) * | 2021-09-07 | 2021-10-19 | 西南交通大学 | 一种车辆换道方法、装置、设备及可读存储介质 |
CN113515038B (zh) * | 2021-09-07 | 2021-11-26 | 西南交通大学 | 一种车辆换道方法、装置、设备及可读存储介质 |
CN114115234A (zh) * | 2021-10-28 | 2022-03-01 | 江苏大学 | 一种基于监控策略的无人车换道路径规划方法 |
CN113721637A (zh) * | 2021-11-02 | 2021-11-30 | 武汉理工大学 | 智能车动态避障路径连续规划方法、***及存储介质 |
CN115285121A (zh) * | 2022-01-21 | 2022-11-04 | 吉林大学 | 一种体现驾驶员偏好的换道轨迹规划方法 |
CN114291092A (zh) * | 2022-01-26 | 2022-04-08 | 中国联合网络通信集团有限公司 | 车辆换道控制方法、装置、电子控制单元及存储介质 |
CN114291092B (zh) * | 2022-01-26 | 2023-05-16 | 中国联合网络通信集团有限公司 | 车辆换道控制方法、装置、电子控制单元及存储介质 |
CN117445923A (zh) * | 2023-10-30 | 2024-01-26 | 青岛理工大学 | 基于可达性分析的网联车辆换道轨迹规划方法 |
CN117698730A (zh) * | 2024-01-08 | 2024-03-15 | 昆明理工大学 | 一种防碰撞的动态智能网联车辆最优换道轨迹规划方法 |
CN117698730B (zh) * | 2024-01-08 | 2024-05-31 | 昆明理工大学 | 一种防碰撞的动态智能网联车辆最优换道轨迹规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109501799B (zh) | 2020-08-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109501799A (zh) | 一种车联网条件下的动态路径规划方法 | |
CN109035862B (zh) | 一种基于车车通信的多车协同换道控制方法 | |
CN110597245B (zh) | 基于二次型规划和神经网络的自动驾驶换道轨迹规划方法 | |
Wang et al. | Collision-free navigation of autonomous vehicles using convex quadratic programming-based model predictive control | |
WO2020143288A1 (zh) | 一种复杂工况下自动驾驶车辆决策***及其轨迹规划方法 | |
CN105329238B (zh) | 一种基于单目视觉的自动驾驶汽车换道控制方法 | |
Gray et al. | A unified approach to threat assessment and control for automotive active safety | |
CN108919795A (zh) | 一种自动驾驶汽车换道决策方法及装置 | |
CN109598934A (zh) | 一种基于规则与学习模型的无人驾驶汽车驶离高速的方法 | |
US20200189597A1 (en) | Reinforcement learning based approach for sae level-4 automated lane change | |
JP2018103833A (ja) | 車両走行制御装置 | |
CN107380162B (zh) | 基于功能分配与多目标模糊决策的协同避撞方法 | |
CN114013443B (zh) | 一种基于分层强化学习的自动驾驶车辆换道决策控制方法 | |
CN110379182B (zh) | 一种基于车路广义动力学的匝道合流区协同控制*** | |
CN113581182B (zh) | 基于强化学习的自动驾驶车辆换道轨迹规划方法及*** | |
CN109754626B (zh) | 无人驾驶自主换道策略 | |
CN112046484A (zh) | 一种基于q学习的车辆变道超车路径规划方法 | |
WO2021036083A1 (zh) | 自动驾驶的驾驶员行为模型开发方法、设备和存储介质 | |
CN113247023B (zh) | 一种行驶规划方法、装置、计算机设备及存储介质 | |
Xiong et al. | Decision-making of lane change behavior based on RCS for automated vehicles in the real environment | |
CN113619574A (zh) | 一种车辆避让方法、装置、计算机设备和存储介质 | |
CN108845509A (zh) | 一种自适应巡航控制算法开发***及方法 | |
Guo et al. | Toward human-like behavior generation in urban environment based on Markov decision process with hybrid potential maps | |
Yan et al. | A multi-vehicle game-theoretic framework for decision making and planning of autonomous vehicles in mixed traffic | |
WO2018225493A1 (ja) | 車両運動制御装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |