CN114987461A - 一种多车复杂交通环境下的智能客车动态变道轨迹规划方法 - Google Patents

一种多车复杂交通环境下的智能客车动态变道轨迹规划方法 Download PDF

Info

Publication number
CN114987461A
CN114987461A CN202210548395.3A CN202210548395A CN114987461A CN 114987461 A CN114987461 A CN 114987461A CN 202210548395 A CN202210548395 A CN 202210548395A CN 114987461 A CN114987461 A CN 114987461A
Authority
CN
China
Prior art keywords
lane
passenger car
vehicle
track
lane change
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.)
Pending
Application number
CN202210548395.3A
Other languages
English (en)
Inventor
聂枝根
周贻
贾元
王万琼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Kunming University of Science and Technology
Original Assignee
Kunming University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Kunming University of Science and Technology filed Critical Kunming University of Science and Technology
Priority to CN202210548395.3A priority Critical patent/CN114987461A/zh
Publication of CN114987461A publication Critical patent/CN114987461A/zh
Pending legal-status Critical Current

Links

Images

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
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • 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
    • B60W30/18—Propelling the vehicle
    • B60W30/18009—Propelling the vehicle related to particular drive situations
    • B60W30/18163—Lane change; Overtaking manoeuvres
    • 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
    • B60W40/02—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 ambient conditions
    • B60W40/04—Traffic conditions
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

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)

Abstract

本发明涉及一种多车复杂交通环境下的智能客车动态变道轨迹规划方法，针对动态交通环境，首先生成变道侯选轨迹簇；其次，针对不同路面条件等因素，进行智能客车稳定性分析，确定变道轨迹最小变道纵向距离，剔除不稳定性的变道轨迹；然后，考虑周围车辆状态变化，进行避障检测，获得智能客车不与周围车辆碰撞的最小变道纵向距离，剔除不安全的变道轨迹；最后，根据实时智能客车变道轨迹纵向长度的安全变道轨迹簇，考虑车辆变道效率等的目标函数，进行最优变道轨迹优化，获得安全最优变道轨迹；并且，考虑到周围车辆状态突然变化，进行变道轨迹重规划以及速度规划。本发明建立了更真实的驾驶场景，智能客车动态变道轨迹规划更符合实际交通环境。

Description

一种多车复杂交通环境下的智能客车动态变道轨迹规划方法
技术领域
本发明属于智能客车轨迹规划的技术领域，具体地指一种智能客车在多车复杂交通环境下的动态变道轨迹规划方法。
背景技术
国内外智能车辆变道研究主要针对乘用车，尤其是四轮独立车，而对智能客车研究较少。然而，相对于乘用车，客车自身质量大、乘员载客多、车辆长度四到五倍于乘用车、车辆高度高等特点，在相同侧向加速度下，容易发生侧翻等事故，造成群死群伤的特大事故，并造成重大的经济损失。并且，由于驾驶员长时间驾驶客车，也容易造成疲劳，使得对周围环境误判以至误操作。因此，智能客车研究具有非常重要的必要性。通过文献调研，实际交通环境下的智能客车变道存在如下需要解决的问题。
(1)在实际运输过程中，智能客车都处于一个动态交通环境中。然而，对于智能客车变道轨迹规划，以往很多研究通过假设周围车辆静止或者匀速运动，忽略了周围车辆速度或者加速度动态变化的因素，尤其是正在变道时，周围车辆加速度突然变化。因此，智能客车变道轨迹规划，需要考虑周围动态交通环境影响，进行轨迹规划和重规划，获得安全最优变道轨迹。
(2)目前智能汽车变道轨迹规划考虑车辆横摆稳定性较多，而较少考虑车辆侧翻。然而，智能客车具有长、高、载员多等特点，容易发生车辆侧翻等事故。因此，智能客车轨迹规划，不仅需要考虑横摆稳定性，而且需要考虑侧倾稳定性，以保证智能客车车辆稳定性。因此，本发明进行了考虑智能客车侧翻等稳定性的变道轨迹重规划。
发明内容
基于上述的不足，本发明提出了一种多车复杂交通环境下的智能客车动态变道轨迹规划方法，结合车辆横摆稳定性和侧倾稳定性，周围交通车辆的实时运动状态等信息，实时动态规划智能客车的变道轨迹。
为了实现上述目的，本发明提出了一种多车复杂交通环境下的智能客车动态变道轨迹规划方法，首先，针对动态交通环境，生成智能客车候选的无约束变道轨迹簇；其次，针对不同路面条件，进行车辆横摆和侧倾的稳定性分析，确定智能客车稳定的最小变道纵向距离，从无约束变道轨迹簇剔除不稳定性的变道轨迹；然后，考虑周围车辆状态变化，进行避障检测，获得智能客车不与周围车辆碰撞的变道轨迹最大纵向长度值，剔除发生碰撞的不安全变道轨迹；最后，设置多目标的变道轨迹性能函数，在上述车辆稳定且不碰撞的轨迹中，获得最优的智能客车变道轨迹；同时，考虑周围车辆状态的突然变化，进行智能客车变道轨迹重规划和速度规划。
具体包括如下步骤：
Step1根据智能客车所处位置和周围交通车辆的运动状态，在目标车道上选定一系列的变道终点候选位置，利用三次多项式曲线将车辆初始位置和终点候选位置连接起来生成无约束变道轨迹簇；
y(x)＝a0+a1x+a2x2+a3x3
x，y(x)分别为智能客车的纵向位置和横向位置；a0，a1，a2，a3为参数，并且满足：
y(x0)＝a0+a1x0+a2x2 0+a3x3 0
y'(x0)＝a1+2a2x0+3a3x2 0
x0，y(x0)分别为智能客车变道纵向和横向初始位置；y'(x0)为智能客车初始位置的切线方向；
智能客车变道终点运动状态为：
y(xf)＝a0+a1xf+a2x2 f+a3x3 f
y'(xf)＝a1+2a2xf+3a3x2 f
xf，y(xf)分别为智能客车变道纵向和横向终点位置；y'(xf)为智能客车终点位置的切线方向；a0，a1，a2，a3为变道轨迹中的参数。
Step2根据智能客车速度和路面附着系数，基于轮胎的饱和特性，通过仿真模型，获得智能客车不发生横摆和侧倾问题的最小变道纵向距离xfmin，得到稳定的变道轨迹；
(1)车辆横摆稳定性
横摆角速度稳定界限和质心侧偏角稳定界限：
Figure BDA0003653218980000031
Figure BDA0003653218980000032
其中，rs是车辆横摆角速度，βs是车辆的质心侧偏角，Fyr，Fyf分别表示车辆的后轴受到的侧偏力和前轴受到的侧偏力，g为重力加速度，μ为路面附着系数，u为车速，m是整车质量，Cαr表示后轴侧偏刚度，a、b分别表示车辆前轴和后轴到车辆质心的距离；
(2)车辆侧倾稳定性
横向载荷转移率
Figure BDA0003653218980000033
其中，n为车辆轴数，FZl为车轮左侧垂直载荷，FZr为车轮右侧垂直载荷；
(3)车辆仿真
在车辆仿真模型中设置不同车速、不同路面附着系数的变道纵向距离；
输出横摆角速度和质心侧偏角，与横摆角速度稳定界限和质心侧偏角稳定界限组成的相平面进行横摆稳定性判断，得到满足车辆横摆稳定性的最小变道纵向距离xf1；
输出左、右两侧车轮的垂直载荷，计算横向载荷转移率LTR值，确定防止侧翻的最小变道纵向距离xf2；
最小变道纵向距离xfmin取相同车速、相同路面附着系数时，xf1与xf2中的较大值。
Step3基于最小变道纵向距离xfmin，逐渐从短到长进行碰撞检测，获得不发生碰撞的轨迹最大变道纵向距离，得到安全的变道轨迹；
在动态交通环境下变道，最重要的是确保变道过程中智能客车与其他动态交通车辆和周围其他障碍物不发生碰撞。本发明把把智能客车车辆的轮廓视为矩形，车辆的航向角为该时刻矩形的朝向，由实时规划的参考变道轨迹生成一系列和变道纵向距离xf相对应的矩形，当智能客车纵向速度已知时，在t时刻由实时规划变道纵向距离xf所确定的矩形的各个顶点位置计算如下：
Figure BDA0003653218980000041
Figure BDA0003653218980000042
式中x1...4(t)和y1...4(t)表示智能客车轮廓矩形的4个顶点坐标x和y的值，l和w表示智能客车的长和宽，
Figure BDA0003653218980000043
表示智能客车的航向角，x(t)和y(t)表示智能客车的质心位置，T为时间间隔；
在t时刻判断智能客车和交通车辆是否碰撞就变为判断两车的轮廓是否相交；本发明构造了一个函数Bounding Space and Hierarchies(BSH)来进行判断。基于该函数，当满足下面的准则时，智能客车和交通车辆在t时刻不会碰撞：
Figure BDA0003653218980000044
Figure BDA0003653218980000045
Figure BDA0003653218980000046
式中，i＝1,2,3,4，分别指代4个交通车辆，xK_n(t)和yK_n(t)表示智能客车的第n个顶点坐标，xT_in(t)和yT_in(t)是第i个交通车辆轮廓的第n个顶点的坐标，通过上述推导得到如下变道中避障检测公式：
Figure BDA0003653218980000047
从稳定性决定的最小变道纵向距离xfmin开始，增大一个长度，获得一条变道轨迹，并检测此轨迹下智能客车是否发生碰撞；若发生碰撞，前一条长度的轨迹，即为此工况最大变道纵向距离。因此，智能客车安全变道轨迹簇是从稳定性决定的轨迹纵向长度到所有周围车辆决定的安全变道轨迹纵向长度。在此范围的变道轨迹簇，将不会与周围车辆发生碰撞，也不会造成智能客车变道过程车辆横摆侧倾不稳定。
Step4对步骤Step3得到的安全变道轨迹考虑变道效率和乘客舒适度对变道轨迹的影响，构建目标函数，选择最优的智能客车变道轨迹；
Figure BDA0003653218980000051
式中，J表示成本函数，a(xf)表示变道最终位置的侧向加速度，a(xf)max表示安全轨迹簇中的最大侧向加速度，t(xf)表示变道时间，t(xf)max表示安全轨迹簇中的最大变道时间，ω为权重值；
最终位置处的侧向加速度a(xf)通过以下方程计算：
a(xf)＝u(xf)2K(xf)
式中，u(xf)表示智能客车在最终位置的速度，K(.)表示变道轨迹的的曲率函数，K(.)通过以下方程式计算：
Figure BDA0003653218980000052
式中，y'(xf)和y”(xf)分别为变道轨迹函数的一阶导数和二阶导数；
y'(xf)＝a1+2a2xf+3a3x2 f
y”(xf)＝2a2+6a3xf
其中a1，a2，a3为变道轨迹函数的参数，xf为变道轨迹的纵向终点位置。
智能客车变道轨迹运行时间t(xf)为：
Figure BDA0003653218980000053
式中，tc为智能客车已经变道时间。
Step5智能客车变道过程中，对其变道轨迹和速度进行实时调整，在紧急情况下，放弃变道，返回原车道，再重新规划直至智能客车到达目标位置。
智能客车正在变道时，因周围车辆的状态突然发生激烈变化，此时就需要对变道轨迹进行调整，以保证智能客车不与周围车辆发生碰撞。本发明通过调整每一时刻的变道轨迹曲线纵向长度，进行轨迹实时调整，保证智能客车变道轨迹最优规划。智能客车每时刻的变道轨迹，可以认为是从变道开始到变道轨迹的一段，即智能客车变道轨迹能够由不同纵向长度的三次变道轨迹组成。具体算法如下：智能客车变道轨迹规划算法每隔一段时间Δτ，通过感知或者车联网形式获得周围车辆状态，结合智能客车位置和速度等状态，利用三次多项式，进行变道轨迹实时规划，如此循环，向前推进，直到智能客车到达目标位置，完成智能客车变道。
在智能客车变道过程中，当周围动态环境出现紧急情况时，智能客车应放弃变道，返回原车道：当目标车道前车紧急制动，减速度剧烈增大，并且目标车道后车加速度急剧上升；变道纵向距离区间小于最小变道纵向距离xfmin即不足以满足车辆安全变道时，智能车辆放弃变道，规划返回原车道的轨迹；
当智能车辆进行变道操作时，变道纵向距离区间小于最小变道纵向距离xfmin离，此时进行速度规划，保证变道轨迹的稳定性；当进行速度规划时，智能车辆加速度急剧下降，若按照此规划速度行驶则会影响乘客的舒适性，此时应放弃变道，进行返回原车道的轨迹规划。
当智能客车的变道纵向距离xf小于最小变道纵向距离xfmin时，对智能客车进行速度规划来降低速度，采用三次多项式模型：
ux(t)＝b0+b1t+b2t2+b3t3
ax(t)＝b1+2b2t+3b3t2
式中，t，ux(t)，ax(t)分别表示智能客车的当前时刻，当前时刻速度以及当前时刻的加速度，式中b0，b1，b2，b3为参数。
求解参数b0、b1、b2、b3其表达式如下：
Figure BDA0003653218980000061
Figure BDA0003653218980000062
Figure BDA0003653218980000063
其中，ux0为起始时刻车辆速度，ax0为起始时刻车辆加速度，xf为变道终点纵向距离，ulim为满足行驶安全性、舒适性等边界约束下的临界车速。同时，为了保证乘员舒适性，本车的最大纵向加速度选定为乘员舒适度可接受的最大纵向加速度amax，可接受的最大纵向制动减速度为amin，为了满足加速状态下的舒适度要求，则有：
amin≤b1+2b2t+3b3t2≤amax
当临界终点速度ulim确定后，车辆的速度规划仅取决于tf一个变量，tf的取值应满足上述加速度要求。
利用最小安全距离模型保证智能客车变道后与目标车道中前后车不发生碰撞，当前车紧急制动时，后车也采取制动措施，两车不发生碰撞则需要满足最小安全距离S1、S2、S3、S4均要小于前后两车的实际距离，最小安全距离表达式如下：
Figure BDA0003653218980000071
Figure BDA0003653218980000072
Figure BDA0003653218980000073
Figure BDA0003653218980000074
其中，S1为智能客车和旁车道前车的最小安全距离，S2为智能客车和旁车道后车的最小安全距离，S3为智能客车和本车道前车的最小安全距离，S4为智能客车和本车道后车的最小安全距离，vV为智能客车的车速，v1为旁车道前车的车速，v2为旁车道后车的车速，v3为本车道前车的车速，v4为本车道后车的车速，av为智能客车最大制动减速度，a1为旁车道前车最大制动减速度，a2为旁车道后车最大制动减速度，a3为本车道前车最大制动减速度，a4为本车道后车最大制动减速度，τV为智能客车与周围交通车的信息交互和控制***延误时间，τ2和τ4为人类驾驶员反应时间，aVV为智能客车准备制动时的加速度，a22和a44为旁车道后车和本车道后车准备制动时的加速度。
本发明提出的一种多车复杂交通环境下的智能客车动态变道轨迹规划，考虑了变道轨迹是否满足车辆横向、纵向动力学稳定性，在外部动态复杂的交通环境下变道轨迹是否可以安全、舒适的完成变道，以及变道中的智能客车动态速度规划和变道后的安全跟车距离等因素。以往研究一般很少涉及变道轨迹的车辆的动力学特征、变道过程中智能客车速度的变化，以及变道后的跟车安全距离的研究。因此，本发明将上述条件作为约束，建立了更真实的仿真驾驶场景，使仿真过程与结果更符合实际交通环境下的智能客车动态变道过程。
与现有技术相比，本发明的有益效果在于：
1、本发明考虑了智能客车的变道轨迹是否满足车辆横摆稳定性和侧倾稳定性，从而推导出在不同车速u和不同路面附着系数μ条件下的最小稳定变道纵向距离xfmin。
2、本发明把车辆轮廓看成矩形，通过计算矩形顶点坐标，判断变道轨迹是否安全从而判断智能客车矩形顶点是否和周围交通车辆顶点相交，并用BSH函数，可以更快、更高效的判断变道轨迹的安全性。
3、本发明建立了智能客车在变道过程中动态速度规划模型，当变道纵向距离xf小于最小变道纵向距离xfmin时，进行智能客车的速度规划，保证智能客车变道行驶的稳定性。
4、本发明考虑了变道后的安全跟车距离，避免智能客车在变道后与目标车道上前后车发生碰撞。
5、本发明通过建立复杂动态的交通环境，考虑周围交通车辆实时运动状态，为实验仿真提供了更真实、更可靠、更普遍的仿真环境。
附图说明
图1为本发明的原理图。
图2为复杂多车交通环境示意图。
图3为生成无约束轨迹簇的原理图。
图4为车辆横摆动力学模型的示意图。
图5为本发明实施例的最小变道纵向距离xfmin关于车速u和路面附着系数μ的三维图。
图6为变道避障检测算法的安全性判断原理图。
图7为跟驰安全距离示意图。
图8为动态变道轨迹的再规划示意图。
图9智能客车放弃变道折返轨迹规划示意图。
图10为本发明实施例的变道规划轨迹过程图。
具体实施方式
以下结合附图和具体实施例对本发明作进一步的详细描述。
实施例
本发明提供一种多车复杂交通环境下的智能客车动态变轨迹规划方法，原理如图1所示，首先，智能客车在接收到变道指令后，开始规划变道轨迹。根据智能客车所处位置和周围交通车辆的运动状态，在目标车道上选定一系列的变道终点候选位置，利用三次多项式曲线将车辆初始位置和终点候选位置连接起来生成无约束变道轨迹簇。其次，根据智能客车速度和路面附着系数，基于轮胎的饱和特性，通过仿真模型，获得智能客车不发生横摆和侧倾问题的最小变道纵向距离xfmin，得到稳定的变道轨迹；变道轨迹避障检测模块从基于最小变道纵向距离xfmin到最大变道轨迹纵向长度，进行从短到长进行碰撞检测，获得不发生碰撞的最大变道纵向距离，得到安全的变道轨迹；轨迹规划模块设置变道效率等多目标函数，在上述决定的最小最大变道轨迹纵向长度范围内，优化获得最优变道轨迹纵向长度；轨迹生成模块基于轨迹纵向长度，生成智能客车变道参考轨迹；变道放弃模块为当周围车辆状态突变，造成智能客车变道已经突破了车辆稳定范围，并且原车能够允许智能客车放弃变道回到原来车道，进行放弃变道轨迹规划；速度规划模块为若智能客车放弃变道，将对原车车辆造成危险，进行智能客车变道速度规划，继续进行变道。同时，轨迹规划过程实时根据周围车辆状态、实时路面状态和自车车辆状态，以Δτ的时间滚动推进，直到智能客车变更到目标车道，智能客车轨迹规划结束。
具体步骤如下：
第一步：建立复杂动态交通环境，生成无约束变道轨迹簇。
本实施例建立复杂动态交通环境如图2所示，研究对象是智能客车，标记为(V)。在建模的过程中，应同时考虑对智能客车变道轨迹可能产生影响的周围4辆车的运动状态。即旁车道前车(1)，旁车道后车辆(2)，本车道前车(3)，本车道后车(4)。当智能客车接收到变道指令时，根据智能客车所处位置，周围交通车辆的运动状态，采用三次曲线生成车辆变道无约束轨迹簇，如图3所示。
y(x)＝a0+a1x+a2x2+a3x3
x，y(x)分别为智能客车的纵向位置和横向位置；a0，a1，a2，a3为参数，并且满足：
y(x0)＝a0+a1x0+a2x2 0+a3x3 0
y'(x0)＝a1+2a2x0+3a3x2 0
x0，y(x0)分别为智能客车变道纵向和横向初始位置；y'(x0)为智能客车初始位置的切线方向；
智能客车变道终点运动状态为：
y(xf)＝a0+a1xf+a2x2 f+a3x3 f
y'(xf)＝a1+2a2xf+3a3x2 f
xf，y(xf)分别为智能客车变道纵向和横向终点位置；y'(xf)为智能客车终点位置的切线方向；a0，a1，a2，a3为变道轨迹中的参数。
第二步：建立车辆横摆稳定性和侧倾稳定性模型，并推导出不同车速u和不同路面附着系数μ下的变道最小纵向距离xfmin，得到稳定的变道轨迹。
(1)车辆横摆稳定性
横摆角速度稳定界限和质心侧偏角稳定界限：
Figure BDA0003653218980000101
Figure BDA0003653218980000102
其中，rs是车辆横摆角速度，βs是车辆的质心侧偏角，Fyr，Fyf分别表示车辆的后轴受到的侧偏力和前轴受到的侧偏力，g为重力加速度，μ为路面附着系数，u为车速，m是整车质量，Cαr表示后轴侧偏刚度，a、b分别表示车辆前轴和后轴到车辆质心的距离。
如图4所示，在车辆仿真模型中设置不同车速、不同路面附着系数的变道纵向距离；分别得到横摆角速度稳定界限和质心侧偏角稳定界限，通过上述两个界限结合得到用于判断车辆横向稳定性的相平面，当输出的横摆角速度和质心侧偏角在相平面之内，此时的变道纵向距离xf1满足车辆横向稳定性。
(2)车辆侧倾稳定性
横向载荷转移率
Figure BDA0003653218980000103
其中，n为车辆轴数，FZl为车轮左侧垂直载荷，FZr为车轮右侧垂直载荷；在仿真车辆模型中主要设置不同车速u、不同路面附着系数μ的变道纵向距离xf，以侧向加速度、各个车轮垂直载荷的实验数据作为输出，确定防止侧翻的最小变道纵向距离xf2。
最小变道纵向距离xfmin取相同车速、相同路面附着系数时，xf1与xf2中的较大值。
智能客车的最小变道纵向距离xfmin关于车速u和路面附着系数μ的三维图如图5所示，当变道纵向距离xf大于xfmin，即认为变道轨迹满足车辆横摆和侧倾稳定性。通过对图5所示的三维图进行曲面拟合，最小变道纵向距离xfmin关于车速u和路面附着系数μ之间的函数表达式为：
xfmin(u,μ)＝58.58-0.3892u-139.1μ+0.01839u2-1.669uμ+261.5μ2-5.158e-5u3-0.003438u2μ+1.09uμ2-147.9μ3
本实施例设置智能客车的车速u为90kmh-1，路面附着系数μ为0.8，根据上述函数表达式和图5，得到最小变道纵向距离xfmin为35m。当变道轨迹的纵向距离xf大于35m时，即变道轨迹满足车辆横摆和侧倾稳定性。
第三步：获得最优变道轨迹
通过如图6和7所示的变道中避障检测算法、变道后安全跟驰模型，得到变道安全轨迹簇，优化计算目标函数从安全轨迹簇中得到最优变道轨迹。本发明把车辆的轮廓视为矩形，车辆的航向角即为该时刻矩形的朝向。因此，由实时规划的参考变道轨迹生成一系列和纵向距离xf相对应的矩形。当智能客车纵向速度已知时，在t时刻由实时规划变道纵向距离xf所确定的矩形的各个顶点的位置计算如下：
Figure BDA0003653218980000111
Figure BDA0003653218980000112
式中x1...4(t)和y1...4(t)表示智能客车轮廓矩形的4个顶点坐标x和y的值，l和w表示智能客车的长和宽，
Figure BDA0003653218980000113
表示智能客车当前的航向角，x(t)和y(t)表示智能客车的质心位置，T为时间间隔。周围交通车辆也用以上公式类似的计算方法。因此，在t时刻判断智能客车和交通车是否碰撞就变为判断两车的轮廓是否相交。将稳定轨迹簇中的每一条轨迹所对应的变道纵向距离xf带入BSH函数进行严格检验，满足以下函数时，即为安全变道过程中的参考轨迹；反之，为不安全轨迹。因此，智能客车安全变道轨迹簇是从稳定性决定的轨迹纵向长度到所有周围车辆决定的安全变道轨迹纵向长度。在此范围的变道轨迹簇，将不会与周围车辆发生碰撞，也不会造成智能客车变道过程车辆横摆侧倾不稳定。
Figure BDA0003653218980000121
Figure BDA0003653218980000122
Figure BDA0003653218980000123
式中，i＝1,2,3,4，分别指代4个交通车辆，xK_n(t)和yK_n(t)表示智能客车的第n个顶点坐标，xT_in(t)和yT_in(t)是第i个交通车辆轮廓的第n个顶点的坐标，通过上述推导得到如下变道中避障检测公式：
Figure BDA0003653218980000124
从稳定性决定的最小变道纵向距离xfmin开始，增大一个长度，获得一条变道轨迹，并检测此轨迹下智能客车是否发生碰撞；若发生碰撞，前一条长度的轨迹，即为此工况最大变道纵向距离。
本实施例中利用最小安全距离模型保证智能客车变道后与目标车道中前后车不发生碰撞，当前车紧急制动时，后车也采取制动措施，两车不发生碰撞则需要满足最小安全距离S1、S2、S3、S4均要小于前后两车的实际距离，最小安全距离表达式如下：
Figure BDA0003653218980000125
Figure BDA0003653218980000126
Figure BDA0003653218980000127
Figure BDA0003653218980000131
其中，S1为智能客车和旁车道前车的最小安全距离，S2为智能客车和旁车道后车的最小安全距离，S3为智能客车和本车道前车的最小安全距离，S4为智能客车和本车道后车的最小安全距离，vV为智能客车的车速，v1为旁车道前车的车速，v2为旁车道后车的车速，v3为本车道前车的车速，v4为本车道后车的车速，av为智能客车最大制动减速度，a1为旁车道前车最大制动减速度，a2为旁车道后车最大制动减速度，a3为本车道前车最大制动减速度，a4为本车道后车最大制动减速度，τV为智能客车与周围交通车的信息交互和控制***延误时间，τ2和τ4为人类驾驶员反应时间，aVV为智能客车准备制动时的加速度，a22和a44为旁车道后车和本车道后车准备制动时的加速度。
通过上述方式剔除变道过程中的安全轨迹簇不满足最小安全距离的变道轨迹。构成变道安全轨迹簇。计算安全轨迹簇中每条轨迹目标函数的值，选取其中的最小值对应的变道轨迹作为当前时刻最优的变道轨迹。
目标函数考虑变道效率和乘客舒适度对变道轨迹的影响：
Figure BDA0003653218980000132
式中，J表示成本函数，a(xf)表示变道最终位置的侧向加速度，a(xf)max表示安全轨迹簇中的最大侧向加速度，t(xf)表示变道时间，t(xf)max表示安全轨迹簇中的最大变道时间，ω为权重值；
最终位置处的侧向加速度a(xf)通过以下方程计算：
a(xf)＝u(xf)2K(xf)
式中，u(xf)表示智能客车在最终位置的速度，K(.)表示变道轨迹的的曲率函数，K(.)通过以下方程式计算：
Figure BDA0003653218980000133
式中，y'(xf)和y”(xf)分别为变道轨迹函数的一阶导数和二阶导数；
智能客车变道轨迹运行时间t(xf)为：
Figure BDA0003653218980000141
式中，tc为智能客车已经变道时间。
第四步：获得轨迹再规划变道轨迹
本实施例中由于在变道过程中周围车辆(1)(2)(3)(4)的速度突然变化，如果继续按原轨迹规划，智能客车可能与周围车辆发生碰撞。为了保证安全性，需要对轨迹进行再规划。通过车辆***输出当前时刻车辆的横向位置、纵向位置、航向角，重复调用上述步骤一、步骤二和步骤三得到再规划的最优变道轨迹，如图8-9所示。
图10描述了本实施例智能客车在该环境条件下的整个变道过程。由图10可知在同一时刻，智能客车与周围车辆未有重叠部分。基于此，所提出的轨迹规划算法能够根据周围车辆动态状态，实时调整变道参考轨迹，实现了变道轨迹动态规划。
在智能客车开始变道后，通过插值智能客车稳定性决定的变道轨迹最小纵向长度三维MAP图，获得此工况下稳定性决定的最小变道轨迹纵向长度为26m。由于周围车辆的加速度动态变化，造成智能客车变道轨迹可能需要重新规划，智能客车开始变道最优轨迹长度为91m；但是随着周围车辆状态的变化，智能客车变道最优轨迹长度为89m。因此，所提的轨迹规划算法能够根据动态交通环境变化，调整智能客车变道轨迹，以保证智能客车安全最优变道。
通过对规划轨迹曲线进行车辆稳定性分析，可以得到规划轨迹曲线的质心侧偏角和横摆角速度形成轨迹在质心侧偏角和横摆角速度的相平面中心，未超出稳定性范围。因此，所提轨迹规划算法保证了车辆横摆稳定性。得到侧向加速度在-0.8m/s2到1.1m/s2之间平稳变化；并且侧倾角在-0.2°到0.3°范围内平稳变化。载荷转移率LTR在[-1,1]范围内。鉴于此，所提轨迹规划算法保证了车辆侧倾稳定性。
本领域的技术人员容易理解，以上实施例只为说明本发明发技术构思及特点，目的在于让相关技术人员能够了解本发明的内容并据以实施，并不用于限制本发明，凡在发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种多车复杂交通环境下的智能客车动态变道轨迹规划方法，其特征在于：
首先，针对动态交通环境，生成智能客车候选的无约束变道轨迹簇；其次，针对不同路面条件，进行车辆横摆和侧倾的稳定性分析，确定智能客车稳定的最小变道纵向距离，从无约束变道轨迹簇剔除不稳定性的变道轨迹；然后，考虑周围车辆状态变化，进行避障检测，获得智能客车不与周围车辆碰撞的变道轨迹最大纵向长度值，剔除发生碰撞的不安全变道轨迹；最后，设置多目标的变道轨迹性能函数，在上述车辆稳定且不碰撞的轨迹中，获得最优的智能客车变道轨迹；同时，考虑周围车辆状态的突然变化，进行智能客车变道轨迹重规划和速度规划。
2.根据权利要求1所述的一种多车复杂交通环境下的智能客车动态变道轨迹规划方法，其特征在于：具体包括如下步骤：
Step1根据智能客车所处位置和周围交通车辆的运动状态，在目标车道上选定一系列的变道终点候选位置，利用三次多项式曲线将车辆初始位置和终点候选位置连接起来生成无约束变道轨迹簇；
Step2根据智能客车速度和路面附着系数，基于轮胎的饱和特性，通过仿真模型，获得智能客车不发生横摆和侧倾问题的最小变道纵向距离xfmin，得到稳定的变道轨迹；
Step3基于最小变道纵向距离xfmin，逐渐从短到长进行碰撞检测，获得不发生碰撞的轨迹最大变道纵向距离，得到安全的变道轨迹；
Step4对步骤Step3得到安全变道轨迹的考虑变道效率和乘客舒适度对变道轨迹的影响，构建目标函数，选择最优的智能客车变道轨迹；
Step5智能客车变道过程中，对其变道轨迹和速度进行实时调整，在紧急情况下，放弃变道，返回原车道，再重新规划直至智能客车到达目标位置。
3.根据权利要求2所述的一种多车复杂交通环境下的智能客车动态变道轨迹规划方法，其特征在于：所述Step1的具体内容为：
y(x)＝a0+a1x+a2x2+a3x3
x，y(x)分别为智能客车的纵向位置和横向位置；a0，a1，a2，a3为参数，并且满足：
y(x0)＝a0+a1x0+a2x2 0+a3x3 0
y'(x0)＝a1+2a2x0+3a3x2 0
x0，y(x0)分别为智能客车变道纵向和横向初始位置；y'(x0)为智能客车初始位置的切线方向；
智能客车变道终点运动状态为：
y(xf)＝a0+a1xf+a2x2 f+a3x3 f
y'(xf)＝a1+2a2xf+3a3x2 f
xf，y(xf)分别为智能客车变道纵向和横向终点位置；y'(xf)为智能客车终点位置的切线方向；a0，a1，a2，a3为变道轨迹中的参数。
4.根据权利要求2所述的一种多车复杂交通环境下的智能客车动态变道轨迹规划方法，其特征在于：所述Step2的具体内容为：
(1)车辆横摆稳定性
横摆角速度稳定界限和质心侧偏角稳定界限：
Figure FDA0003653218970000021
Figure FDA0003653218970000022
其中，rs是车辆横摆角速度，βs是车辆的质心侧偏角，Fyr，Fyf分别表示车辆的后轴受到的侧偏力和前轴受到的侧偏力，g为重力加速度，μ为路面附着系数，u为车速，m是整车质量，Cαr表示后轴侧偏刚度，a、b分别表示车辆前轴和后轴到车辆质心的距离；
(2)车辆侧倾稳定性
横向载荷转移率
Figure FDA0003653218970000023
其中，n为车辆轴数，FZl为车轮左侧垂直载荷，FZr为车轮右侧垂直载荷；
(3)车辆仿真
在车辆仿真模型中设置不同车速、不同路面附着系数的变道纵向距离；
输出横摆角速度和质心侧偏角，与横摆角速度稳定界限和质心侧偏角稳定界限组成的相平面进行横摆稳定性判断，得到满足车辆横摆稳定性的最小变道纵向距离xf1；
输出左、右两侧车轮的垂直载荷，计算横向载荷转移率LTR值，确定防止侧翻的最小变道纵向距离xf2；
最小变道纵向距离xfmin取相同车速、相同路面附着系数时，xf1与xf2中的较大值。
5.根据权利要求2所述的一种多车复杂交通环境下的智能客车动态变道轨迹规划方法，其特征在于：所述Step3的具体内容为：
把智能客车车辆的轮廓视为矩形，车辆的航向角为该时刻矩形的朝向，由实时规划的参考变道轨迹生成一系列和变道纵向距离xf相对应的矩形，当智能客车纵向速度已知时，在t时刻由实时规划变道纵向距离xf所确定的矩形的各个顶点位置计算如下：
Figure FDA0003653218970000031
Figure FDA0003653218970000032
式中x1...4(t)和y1...4(t)表示智能客车轮廓矩形的4个顶点坐标x和y的值，l和w表示智能客车的长和宽，
Figure FDA0003653218970000033
表示智能客车的航向角，x(t)和y(t)表示智能客车的质心位置，T为时间间隔；
在t时刻判断智能客车和交通车辆是否碰撞就变为判断两车的轮廓是否相交；具体基于BSH函数进项判断，当满足下面的准则时，智能客车和交通车辆在t时刻不会碰撞：
Figure FDA0003653218970000034
Figure FDA0003653218970000035
Figure FDA0003653218970000036
式中，i＝1,2,3,4，分别指代4个交通车辆，xK_n(t)和yK_n(t)表示智能客车的第n个顶点坐标，xT_in(t)和yT_in(t)是第i个交通车辆轮廓的第n个顶点的坐标，通过上述推导得到如下变道中避障检测公式：
Figure FDA0003653218970000041
从稳定性决定的最小变道纵向距离xfmin开始，增大一个长度，获得一条变道轨迹，并检测此轨迹下智能客车是否发生碰撞；若发生碰撞，前一条长度的轨迹，即为此工况最大变道纵向距离。
6.根据权利要求2所述的一种多车复杂交通环境下的智能客车动态变道轨迹规划方法，其特征在于：所述Step4的目标函数为：
Figure FDA0003653218970000042
式中，J表示成本函数，a(xf)表示变道最终位置的侧向加速度，a(xf)max表示安全轨迹簇中的最大侧向加速度，t(xf)表示变道时间，t(xf)max表示安全轨迹簇中的最大变道时间，ω为权重值；
最终位置处的侧向加速度a(xf)通过以下方程计算：
a(xf)＝u(xf)2K(xf)
式中，u(xf)表示智能客车在最终位置的速度，K(.)表示变道轨迹的的曲率函数，K(.)通过以下方程式计算：
Figure FDA0003653218970000043
式中，y'(xf)和y”(xf)分别为变道轨迹函数的一阶导数和二阶导数；
智能客车变道轨迹运行时间t(xf)为：
Figure FDA0003653218970000044
式中，tc为智能客车已经变道时间。
7.根据权利要求2所述的一种多车复杂交通环境下的智能客车动态变道轨迹规划方法，其特征在于：
每隔一段时间Δτ，循环实时更新变道轨迹，直到智能客车到达变道目标位置为止；
在智能客车变道过程中，当周围动态环境出现紧急情况时，智能客车应放弃变道，返回原车道：当目标车道前车紧急制动，减速度剧烈增大，并且目标车道后车加速度急剧上升；变道纵向距离区间小于最小变道纵向距离xfmin即不足以满足车辆安全变道时，智能车辆放弃变道，规划返回原车道的轨迹；
当智能车辆进行变道操作时，变道纵向距离区间小于最小变道纵向距离xfmin离，此时进行速度规划，保证变道轨迹的稳定性；当进行速度规划时，智能车辆加速度急剧下降，若按照此规划速度行驶则会影响乘客的舒适性，此时应放弃变道，进行返回原车道的轨迹规划。
8.根据权利要求7所述的一种多车复杂交通环境下的智能客车动态变道轨迹规划方法，其特征在于：
当智能客车的变道纵向距离xf小于最小变道纵向距离xfmin时，对智能客车进行速度规划来降低速度，采用三次多项式模型：
ux(t)＝b0+b1t+b2t2+b3t3
ax(t)＝b1+2b2t+3b3t2
式中，t，ux(t)，ax(t)分别表示智能客车的当前时刻，当前时刻速度以及当前时刻的加速度，式中b0，b1，b2，b3为参数。
9.根据权利要求2所述的一种多车复杂交通环境下的智能客车动态变道轨迹规划方法，其特征在于：
利用最小安全距离模型保证智能客车变道后与目标车道中前后车不发生碰撞，当前车紧急制动时，后车也采取制动措施，两车不发生碰撞则需要满足最小安全距离S1、S2、S3、S4均要小于前后两车的实际距离，最小安全距离表达式如下：
Figure FDA0003653218970000051
Figure FDA0003653218970000052
Figure FDA0003653218970000053
Figure FDA0003653218970000061
其中，S1为智能客车和旁车道前车的最小安全距离，S2为智能客车和旁车道后车的最小安全距离，S3为智能客车和本车道前车的最小安全距离，S4为智能客车和本车道后车的最小安全距离，vV为智能客车的车速，v1为旁车道前车的车速，v2为旁车道后车的车速，v3为本车道前车的车速，v4为本车道后车的车速，av为智能客车最大制动减速度，a1为旁车道前车最大制动减速度，a2为旁车道后车最大制动减速度，a3为本车道前车最大制动减速度，a4为本车道后车最大制动减速度，τV为智能客车与周围交通车的信息交互和控制***延误时间，τ2和τ4为人类驾驶员反应时间，aVV为智能客车准备制动时的加速度，a22和a44为旁车道后车和本车道后车准备制动时的加速度。
CN202210548395.3A 2022-05-20 2022-05-20 一种多车复杂交通环境下的智能客车动态变道轨迹规划方法 Pending CN114987461A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210548395.3A CN114987461A (zh) 2022-05-20 2022-05-20 一种多车复杂交通环境下的智能客车动态变道轨迹规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210548395.3A CN114987461A (zh) 2022-05-20 2022-05-20 一种多车复杂交通环境下的智能客车动态变道轨迹规划方法

Publications (1)

Publication Number Publication Date
CN114987461A true CN114987461A (zh) 2022-09-02

Family

ID=83026492

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210548395.3A Pending CN114987461A (zh) 2022-05-20 2022-05-20 一种多车复杂交通环境下的智能客车动态变道轨迹规划方法

Country Status (1)

Country Link
CN (1) CN114987461A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115981177A (zh) * 2022-12-07 2023-04-18 北京百度网讯科技有限公司 仿真车辆生成方法和装置、电子设备、计算机存储介质
CN116110216A (zh) * 2022-10-21 2023-05-12 中国第一汽车股份有限公司 车辆跨线时间确定方法、装置、存储介质及电子装置
CN116674562A (zh) * 2023-06-13 2023-09-01 魔视智能科技(武汉)有限公司 车辆控制方法、装置、计算机设备及存储介质
CN117429436A (zh) * 2023-12-21 2024-01-23 广汽埃安新能源汽车股份有限公司 一种智能车辆的拨杆换道控制方法及装置

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116110216A (zh) * 2022-10-21 2023-05-12 中国第一汽车股份有限公司 车辆跨线时间确定方法、装置、存储介质及电子装置
CN116110216B (zh) * 2022-10-21 2024-04-12 中国第一汽车股份有限公司 车辆跨线时间确定方法、装置、存储介质及电子装置
CN115981177A (zh) * 2022-12-07 2023-04-18 北京百度网讯科技有限公司 仿真车辆生成方法和装置、电子设备、计算机存储介质
CN115981177B (zh) * 2022-12-07 2024-05-17 北京百度网讯科技有限公司 仿真车辆生成方法和装置、电子设备、计算机存储介质
CN116674562A (zh) * 2023-06-13 2023-09-01 魔视智能科技(武汉)有限公司 车辆控制方法、装置、计算机设备及存储介质
CN116674562B (zh) * 2023-06-13 2024-01-30 魔视智能科技(武汉)有限公司 车辆控制方法、装置、计算机设备及存储介质
CN117429436A (zh) * 2023-12-21 2024-01-23 广汽埃安新能源汽车股份有限公司 一种智能车辆的拨杆换道控制方法及装置
CN117429436B (zh) * 2023-12-21 2024-03-26 广汽埃安新能源汽车股份有限公司 一种智能车辆的拨杆换道控制方法及装置

Similar Documents

Publication Publication Date Title
CN107315411B (zh) 一种基于车车协同下无人驾驶车辆的换道轨迹规划方法
CN113386795B (zh) 一种自动驾驶车辆智能决策及局部轨迹规划方法及其决策***
CN110298122B (zh) 基于冲突消解的无人驾驶车辆城市交叉口左转决策方法
CN114987461A (zh) 一种多车复杂交通环境下的智能客车动态变道轨迹规划方法
CN110286681B (zh) 一种变曲率弯道的动态自动驾驶换道轨迹规划方法
CN110053619B (zh) 车辆控制装置
CN112677963B (zh) 智能网联四轮独立转向和独立驱动电动汽车紧急避障***
CN109131312B (zh) 一种智能电动汽车acc/esc集成控制***及其方法
CN112046484B (zh) 一种基于q学习的车辆变道超车路径规划方法
CN113246974B (zh) 无人驾驶应急场景下避险/降损控制方法、存储介质和电子装置
Yi et al. Real time integrated vehicle dynamics control and trajectory planning with MPC for critical maneuvers
Wan et al. Lane change behavior modeling for autonomous vehicles based on surroundings recognition
CN107380162B (zh) 基于功能分配与多目标模糊决策的协同避撞方法
CN114610016A (zh) 基于障碍物动态虚拟膨胀的智能车辆避碰路径规划方法
CN116499486B (zh) 一种复杂越野环境路径规划方法、***及电子设备
Zhang et al. Segmented trajectory planning strategy for active collision avoidance system
Shi et al. Trajectory planning of autonomous trucks for collision avoidance with rollover prevention
CN115489548A (zh) 智能汽车园区道路路径规划方法
CN114228707A (zh) 一种无人驾驶车辆的防撞方法及***
CN116465427B (zh) 一种基于时空风险量化的智能车辆换道避障路径规划方法
CN113264067B (zh) 一种无人驾驶赛车制动与转向协同避撞控制方法及***
CN114889589A (zh) 一种智能汽车转向与制动协同避撞控制***及方法
Rahim et al. A longitudinal speed controller for autonomous multi-trailer articulated heavy vehicles
CN116176617A (zh) 智能汽车弯道行驶自动换道跟踪控制方法
Xuezhi Automatic vertical parking path planning based on clothoid curve and stanley algorithm

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