CN115140094A - 一种基于纵向安全间距模型的实时换道决策方法 - Google Patents
一种基于纵向安全间距模型的实时换道决策方法 Download PDFInfo
- Publication number
- CN115140094A CN115140094A CN202210842508.0A CN202210842508A CN115140094A CN 115140094 A CN115140094 A CN 115140094A CN 202210842508 A CN202210842508 A CN 202210842508A CN 115140094 A CN115140094 A CN 115140094A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- lane
- host vehicle
- longitudinal
- representing
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000008859 change Effects 0.000 title claims abstract description 46
- 230000001133 acceleration Effects 0.000 claims abstract description 45
- 230000033001 locomotion Effects 0.000 claims abstract description 13
- 230000008569 process Effects 0.000 claims description 19
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 claims description 3
- 206010048669 Terminal state Diseases 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 2
- 230000006399 behavior Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
-
- 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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0015—Planning or execution of driving tasks specially adapted for safety
-
- 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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0019—Control system elements or transfer functions
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0019—Control system elements or transfer functions
- B60W2050/0028—Mathematical models, e.g. for simulation
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4041—Position
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4042—Longitudinal speed
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明公开了一种基于纵向安全间距模型的实时换道决策方法,涉及智能交通技术领域,解决了现有决策方法实时性差、时变交通环境不适用的技术问题,其技术方案要点是建立考虑与周围车辆碰撞风险以及前车突然减速行为的纵向安全间距模型;假设主车和周围车辆加速度保持不变,对主车和周围车辆的运动状态进行预测;计算预测时域内主车与当前车道前车的纵向间距,提出基于纵向安全间距模型的重规划决策方法;根据当前时刻,主车与周围车辆的位置关系、速度关系,设计势场法来选择出最优目标车道;采用样条曲线方法规划出安全轨迹,实现主车从初始车道到目标车道的安全、平稳切换,实现智能驾驶汽车在时变交通环境下的安全行驶。
Description
技术领域
本申请涉及智能交通技术领域,尤其涉及一种基于纵向安全间距模型的实时换道决策方法。
背景技术
自动驾驶技术是解决行车安全和交通拥堵问题的有效途径。自动驾驶汽车在道路上的占有率会逐渐提高,但这将是一个漫长的过程。未来很长一段时间,人类驾驶车辆和自动驾驶汽车将在道路上共存。人类驾驶员的行为具有不确定性,其驾驶意图难以获得,这对自动驾驶汽车环境感知、驾驶决策、轨迹规划和运动控制模块的实时性提出了很高的要求。驾驶决策和轨迹规划可以看作是自动驾驶汽车的大脑,根据感知模块提供的环境信息,决策和规划出最合适的驾驶行为并将其发送到运动控制模块。但是,现有的决策方法,要么需要大量的高质量数据进行前期训练,要么实时性不佳,都导致在实际应用中存在很多局限性。如何在动态复杂环境中进行实时决策,实现自动驾驶汽车的安全行驶是本申请需要解决的问题。
发明内容
本申请提供了一种基于纵向安全间距模型的实时换道决策方法,其技术目的是解决动态复杂环境下自动驾驶汽车的安全行驶问题。
本申请的上述技术目的是通过以下技术方案得以实现的:
一种基于纵向安全间距模型的实时换道决策方法,主车对当前车道和相邻车道进行检测,判断当前车道和相邻车道是否有障碍物,在存在障碍物的情况下,该方法包括:
S1:获取主车状态信息和周围车辆位置、速度及加速度;
S2:基于主车与周围车辆的碰撞风险构建纵向安全间距模型;
S3:对主车和周围车辆的运动状态进行预测,得到未来状态的预测序列,在预测时域内根据预测序列对主车与当前车道前车的纵向间距进行计算,判断主车与周围车辆是否有碰撞风险,若有碰撞风险则基于所述纵向安全间距模型对换道轨迹进行重新规划,直至主车与周围车辆没有碰撞风险后转至步骤S4;若无碰撞风险则直接转至步骤S4;
其中,所述预测序列的获取包括:
若主车和周围车辆的加速度保持不变,则主车及周围车辆的运动表示为:
定义预测的时间间隔为Δt,预测步数为Np,则汽车纵向位置的预测序列表示为:
XI(tk+Δt|tk),XI(tk+2Δt|tk),...,XI(tk+NpΔt|tk); (2)
其中,tk表示当前时刻;
S4:根据当前时刻主车与周围车辆的位置关系和速度关系设计车道势场,根据车道势场选择最优目标车道;
S5:基于样条曲线方法实现主车从初始车道到最优目标车道的切换。
本申请的有益效果在于:本申请所述的动态复杂环境下的实时换道决策方法,建立考虑与周围车辆碰撞风险以及前车突然减速行为的纵向安全间距模型,通过对主车和周围车辆的运动状态进行预测,计算预测时域内主车与当前车道前车的纵向间距,并提出基于纵向安全间距模型的重规划决策方法;根据当前时刻主车与周围车辆的位置关系、速度关系,设计势场法来选择出最优目标车道,并采用样条曲线方法规划出安全轨迹,实现主车从初始车道到最优目标车道的安全、平稳切换。该方法能够实现自动驾驶汽车在时变复杂环境下的安全行驶,具有很强的实用性,以及广阔的商业应用前景。
附图说明
图1为本申请所述方法的流程图;
图2为本申请设计的主车与周围车辆发生碰撞风险的示意图;
图3为目标车道后车在不同加速情况下主车的行驶轨迹;
图4为目标车道后车在中等加速情况下主车的纵向车速、纵向加速度、前轮转角和横向加速度示意图;
图5为目标车道后车在急加速情况下主车的纵向车速、纵向加速度、前轮转角和横向加速度示意图。
具体实施方式
下面将结合附图对本申请技术方案进行详细说明。
如图1所示,本申请所述的基于纵向安全间距模型的实时换道决策方法,首先主车对当前车道和相邻车道进行检测,判断当前车道和相邻车道是否有障碍物,在存在障碍物的情况下,该方法包括:
S1:获取主车状态信息和周围车辆位置、速度及加速度。
S2:基于主车与周围车辆的碰撞风险构建纵向安全间距模型。
当主车(HC)遇到当前车道前方缓慢行驶的车辆(PC)时,需要进行变道操作。此时,主车可能与当前车道前车(PC)、目标车道前车(TP)和目标车道后车(TF)发生碰撞,如图2所示,碰撞点分别定义为CPC、CTP和CTF。如图2中(a)所示,在0≤t≤tc的时间范围内主车和当前车道前车不发生碰撞的条件表示为:
其中,tc表示主车离开当前车道的时间;XPC表示当前车道前车的纵向位置;LPC表示当前车道前车的长度;XH表示主车的纵向位置;LH表示主车的长度;WH表示主车的宽度;ψ表示主车的航向角。选择主车初始目标轨迹右车道中心线为纵轴X-axis,选择与X-axis的横向偏移量为横轴Y-axis。那么,Y(tc)=WL/2,Y表示主车的横向位置,WL是一条车道的宽度。
此外,主车当前车道的前车可能会发生紧急制动,这通常会导致碰撞。因此主车在变道过程中与当前车道前车保持的安全距离GPC表示为:
其中,Vx,HC表示主车的纵向速度;Vx,PC表示当前车道前车的纵向速度;bmax表示主车的最大减速度;bPC,max表示当前车道前车的最大减速度;Ts表示最小安全时间间隔;Vx,HC.Ts表示主车和当前车道前车保持的最小安全距离。
由于主车的航向角ψ一般为小角度,当sinψ≈0时,式(4)表示为:
同理,如图2中(b)所示,在tc≤t≤tf的时间范围内主车和目标车道前车不发生碰撞的条件表示为:
其中,tf表示换道过程的终止时刻;XTP表示纵向位置;Vx,TP表示纵向速度;LTP表示长度;bTP,max表示目标车道前车的最大减速度;GTP表示目标车道前车预期的安全距离。
如图2(c)所示,目标车道后车位于主车后方,因此主车只需与它保持安全距离。此时,在tc≤t≤tf的时间范围内主车和目标车道后车不发生碰撞的条件表示为:
其中,XTF表示目标车道后车的纵向位置;Vx,TF表示目标车道后车的纵向速度;LTF表示目标车道后车的长度;GTF=Vx,TF.Ts表示主车与目标车道后车保持的最小安全距离,与目标车道后车的纵向速度有关。
综上,式(3)至式(7)构成所述纵向安全间距模型。
S3:对主车和周围车辆的运动状态进行预测,得到未来状态的预测序列,在预测时域内根据预测序列对主车与当前车道前车的纵向间距进行计算,判断主车与周围车辆是否有碰撞风险,若有碰撞风险则基于所述纵向安全间距模型对换道轨迹进行重新规划,直至主车与周围车辆没有碰撞风险后转至步骤S4;若无碰撞风险则直接转至步骤S4。
其中,所述预测序列的获取包括:
若主车和周围车辆的加速度保持不变,则主车及周围车辆的运动表示为:
定义预测的时间间隔为Δt,预测步数为Np,则汽车纵向位置的预测序列表示为:
XI(tk+Δt|tk),XI(tk+2Δt|tk),...,XI(tk+NpΔt|tk); (2)
其中,tk表示当前时刻。
当有碰撞风险则需要对换道轨迹进行重新规划,重新规划的决策条件包括:
(1):主车换道前,重新规划的决策条件表示为:
XPC(t|tk)-X(t|tk)<GPC; (8)
其中,X(t|tk)表示纵向位置上主车的预测序列。相应地,换道前主车和周围车辆都是直线行驶,此时根据式(1)即可得到X(t|tk)。
如果不满足纵向安全间距模型的约束,将执行换道轨迹规划算法,并且选择当前时刻作为换道过程的开始时间t0。此外,在换道过程中还需要对周围环境进行预测,如果在换道过程中周围环境的突然变化导致碰撞风险,则将重新规划轨迹。
(2):主车在换道过程中,且在进入目标车道前,即t=tk+jΔt<tc时,重新规划的决策条件表示为:
相应地,主车在换道过程中,即tk+jΔt<tf,j=1,2,...,Np时,X(t|tk)即为换道轨迹,表示为:
其中,X0表示主车在初始时刻的纵向位置;Vx,0表示主车在初始时刻的纵向速度;ax,0表示主车在初始时刻的纵向加速度;Y0表示主车在初始时刻的横向位置;Vy,0表示主车在初始时刻的横向速度;ay,0表示主车在初始时刻的横向加速度;Xf表示主车在结束时刻的纵向位置;Vx,f表示主车在结束时刻的纵向速度;ax,f表示主车在结束时刻的纵向加速度;Yf表示主车在结束时刻的横向位置;Vy,f表示主车在结束时刻的横向速度;ay,f表示主车在结束时刻的横向加速度;ai表示纵向轨迹五次多项式的系数;bi表示横向轨迹五次多项式的系数;i=0,1,2,3,4,5。
起始时间t0=0,主车换道时间为tf-t0=tf;主车从当前位置行驶到目标车道的中心线时,主车的终端横向位置Yf等于0或WL,WL表示主车的宽度;重新规划的换道轨迹与目标车道的中心线相切,即速度Vy,f和加速度ay,f均为0。
(3):主车在换道后,且在进入目标车道时,即t=tk+jΔt>tc,重新规划的决策条件表示为:
XTP(t|tk)-X(t|tk)<GTP; (12)
其中,GTP、GPC和GTF均表示纵向安全间距模型中的约束;
相应的,主车在换道后,且假设主车在换道后的纵向速度保持不变,X(t|tk)表示为:
其中,tf表示换道过程结束时间;若tf>tk,Nf=(tf-tk)/Δt。
S4:根据当前时刻主车与周围车辆的位置关系和速度关系设计车道势场,根据车道势场选择最优目标车道。
采用势场法来描述各车道的风险程度,同时考虑了当前时刻主车与不同车道上的汽车之间的纵向距离,以及它们的速度差异;还考虑了不同车道上前后车的加速和减速行为。在不同车道上前后车离主车越远,前车越快,后车越慢,前车加速度越大,后车加速度越小,变道行为会更安全,因此势场应该越小,反之亦然。同时,前后车间距必须大于换道安全距离Gsaf。在当前车道上,只需要考虑前车的距离、车速差和纵向加速度,后车不需要。无论是从行车安全还是出行效率上,都需要远离大型车辆所在的车道;因此,车辆质量越大,势场越高。此外,还应考虑换道的损失;主车跨越的车道越多,势场越大。
那么,不同车道的势场表示为:
其中,表示第i个车道的势场;表示当前车道的势场;miP表示第i个车道上前车的质量;表示第i个车道上前车的纵向位置;表示第i个车道上前车的速度;表示第i个车道上前车的加速度;miF表示第i个车道上后车的质量;表示第i个车道上后车的纵向位置;表示第i个车道上后车的速度;表示第i个车道上后车的加速度。表示当前车道上前车的纵向位置;表示当前车道上前车的速度,cj′表示权重系数,j′=1,2,3,4,5,6。
则根据车道势场选择最优目标车道,表示为:
其中,i*表示的最优目标车道,即决策出的轨迹重规划的目标车道。
S5:基于样条曲线方法实现主车从初始车道到最优目标车道的切换。
在结构化道路上的换道轨迹规划过程中,主车需要平滑过渡到目标车道的中心。五次样条曲线具有高阶连续求导和计算简单的优点,因此,本申请采用五次样条曲线来进行轨迹规划。同时,目标车道上前车和后车的运动状态也可能在主车换道过程中发生变化。因此,不仅要考虑横向运动,还要考虑主车的纵向运动。
则主车的纵向轨迹和横向轨迹的的五次样条曲线表示为:
其中,x(t)表示主车的纵向轨迹;y(t)表示主车的横向轨迹;
ai和bi通过初始状态S0=[X0,Vx,0,ax,0;Y0,Vy,0,ay,0]T和终端状态Sf=[Xf,Vx,f,ax,f;Yf,Vy,f,ay,f]T计算出,表示为:
为了简化求解,在轨迹规划过程中设置起始时间t0为原点,即t0=0,此时主车换道时间为tf-t0=tf。主车从当前位置行驶到目标车道的中心线,因此主车的终端横向位置Yf等于0或WL。同时,为了实现从初始横向偏移到采样终端偏移的平滑过渡,将重规划轨迹设置为与目标车道的中心线相切,即速度Vy,f和加速度ay,f设置为0。那么,根据式(16),式(17)至(18)表示为式(10)至(11)。
根据式(10)至(11),求解十二个线性独立方程可以得到十二个未知参数,然后根据主车的初始状态S0和终止状态Sf,以及换道轨迹规划时间tf,可以得到参数ai、bi。由于初始状态是由主车的当前状态预先确定的,可以通过GPS或传感器获取。因此,换道轨迹可以通过终端状态和换道时间来确定,即轨迹的收敛状态和收敛时间。
以下通过Matlab/Simulink-CarSim联合仿真平台构建动态复杂交通环境对上述实施例的实时换道决策方法进行验证。主车和当前车道前车以20m/s和16m/s的速度沿右侧车道行驶。当前车道前车开始时位于主车前面35m。目标车道前车和目标车道后车以20m/s的速度沿左侧车道行驶,分别位于主车前后20m处。由于主车比当前车道前车快,它必须决定是变道还是减速以跟随当前车道前车,并重规划无碰撞轨迹。同时,在人类驾驶车辆和自动驾驶车辆混杂的时变交通环境中,如果自动驾驶的主车要变道,人类驾驶的目标车道后车可能会减速给主车让路,或者加速阻止主车汇入它的车道。在本申请的实施例中,当目标车道后车发现主车的换道行为时,它将以0.5、2和3m/s2的加速度进行加速。然后主车将根据预测的驾驶环境进行决策和轨迹重新规划。多次重新规划的结果和主车的实际行驶轨迹,以及主车和周围车辆在不同时刻的位置如图3所示。
在主车变道过程中,目标车道后车以0.5m/s2加速度加速的试验结果如图3中(a)所示。当主车(HC)检测到前方缓慢移动的前车(PC)时,它会进行第一次决策和轨迹重新规划。由于前车的速度低于主车,相邻车道前车(TP)和相邻车道后车(TF)的速度与主车相同,且相邻车道前车、相邻车道后车与主车之间的距离足够安全。因此,左侧车道被选为目标车道。规划轨迹用实线表示,主车的跟踪轨迹(行驶轨迹)用虚线表示。由于相邻车道后车的加速度较小,原规划的轨迹仍然是安全的,因此,换道过程中不需要重新规划。在换道行为结束后,主车的速度略高于相邻车道前车,因此,进行第二次轨迹规划,主车稍微减速跟随目标车道前车,用点线表示。相同的形状表示四辆车在相同时刻的位置,分别为1.5秒、3.5秒、5.5秒和7.5秒。如图3(a)所示,相同形状的方块没有重叠,说明四辆车没有发生碰撞,即驾驶安全性是可以满足的。
在主车变道过程中,目标车道后车以2m/s2加速度加速的试验结果如图3中(b)所示。第一次决策和轨迹规划的操作方式(由实线表示)与上一个实施例相同。但是由于目标车道后车的加速度较大,如果主车继续按照第一次规划的换道轨迹行驶,就会撞到目标车道后车。因此,主车重新进行换道决策并规划了一条更紧急的安全轨迹,由点线表示。由于目标车道后车距离主车距离较远,因此,决策出的目标车道没有发生改变。主车跟踪第二个规划的轨迹,主车的实际行驶轨迹用虚线表示。如图4中(a)所示,主车的速度在第一次规划中变化不大。由于检测到目标车道后车的加速行为,主车加速汇入目标车道。主车进入目标车道后,由于速度较快,会撞到目标车道前车,所以进行第三次轨迹重规划来减速跟随目标车道前车,用点划线表示。最后,主车的车速为20m/s,与目标车道前车的速度相同。如图3中(b)所示,四辆车没有发生碰撞,满足行车安全要求。如图4中(b)-(c)所示,在20m/s的速度下,主车的纵向和横向加速度分别不超过0.1g和0.2g,表明主车的乘坐舒适性可以得到保证。
在主车变道过程中,目标车道后车以3m/s2加速度加速的试验结果如图3中(c)所示。主车第一次规划的轨迹不再安全,由于目标车道后车的加速度特别大,主车决策出的目标车道为当前车道,即初始的右车道。主车规划出安全轨迹回到当前车道并继续跟随当前车道的前车,如图5中(a)所示。在返回初始车道的过程中和返回初始车道之后,主车会减速以避免与当前车道前车发生碰撞。最后,主车的速度保持在16m/s,与当前车道的前车相同。如图5中(b)-(c)所示,主车的纵向和横向加速度均不超过0.1g,满足乘坐舒适性要求。
以上为本申请示范性实施例,本申请的保护范围由权利要求书及其等效物限定。本领域的技术人员应该了解,本申请不受上述实例的限制,上述实例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等同物界定。
Claims (5)
1.一种基于纵向安全间距模型的实时换道决策方法,主车对当前车道和相邻车道进行检测,判断当前车道和相邻车道是否有障碍物,在存在障碍物的情况下,其特征在于,该方法包括:
S1:获取主车状态信息和周围车辆位置、速度及加速度;
S2:基于主车与周围车辆的碰撞风险构建纵向安全间距模型;
S3:对主车和周围车辆的运动状态进行预测,得到未来状态的预测序列,在预测时域内根据预测序列对主车与当前车道前车的纵向间距进行计算,判断主车与周围车辆是否有碰撞风险,若有碰撞风险则基于所述纵向安全间距模型对换道轨迹进行重新规划,直至主车与周围车辆没有碰撞风险后转至步骤S4;若无碰撞风险则直接转至步骤S4;
其中,所述预测序列的获取包括:
若主车和周围车辆的加速度保持不变,则主车及周围车辆的运动表示为:
定义预测的时间间隔为Δt,预测步数为Np,则汽车纵向位置的预测序列表示为:
XI(tk+Δt|tk),XI(tk+2Δt|tk),...,XI(tk+NpΔt|tk); (2)
其中,tk表示当前时刻;
S4:根据当前时刻主车与周围车辆的位置关系和速度关系设计车道势场,根据车道势场选择最优目标车道;
S5:基于样条曲线方法实现主车从初始车道到最优目标车道的切换。
2.如权利要求1所述的方法,其特征在于,所述步骤S2中,所述纵向安全间距模型的构建包括:主车可能与当前车道前车、目标车道前车和目标车道后车发生碰撞,定义其碰撞点分别为CPC、CTP和CTF,则有:
S21:在0≤t≤tc的时间范围内主车和当前车道前车不发生碰撞的条件表示为:
其中,tc表示主车离开当前车道的时间;XPC表示当前车道前车的纵向位置;LPC表示当前车道前车的长度;XH表示主车的纵向位置;LH表示主车的长度;WH表示主车的宽度;ψ表示主车的航向角;
主车在变道过程中与当前车道前车保持的安全距离GPC表示为:
其中,Vx,HC表示主车的纵向速度;Vx,PC表示当前车道前车的纵向速度;bmax表示主车的最大减速度;bPC,max表示当前车道前车的最大减速度;Ts表示最小安全时间间隔;Vx,HC.Ts表示主车和当前车道前车保持的最小安全距离;
当sinψ≈0时,式(4)表示为:
S22:在tc≤t≤tf的时间范围内主车和目标车道前车不发生碰撞的条件表示为:
其中,tf表示换道过程的终止时刻;XTP表示纵向位置;Vx,TP表示纵向速度;LTP表示长度;bTP,max表示目标车道前车的最大减速度;GTP表示目标车道前车预期的安全距离;
S23:在tc≤t≤tf的时间范围内主车和目标车道后车不发生碰撞的条件表示为:
其中,XTF表示目标车道后车的纵向位置;Vx,TF表示目标车道后车的纵向速度;LTF表示目标车道后车的长度;GTF=Vx,TF.Ts表示主车与目标车道后车保持的最小安全距离;
S24:式(3)至式(7)构成所述纵向安全间距模型。
3.如权利要求2所述的方法,其特征在于,所述步骤S3中,若有碰撞风险则对换道轨迹进行重新规划,重新规划的决策条件包括:
S31:主车换道前,重新规划的决策条件表示为:
XPC(t|tk)-X(t|tk)<GPC; (8)
其中,X(t|tk)表示纵向位置上主车的预测序列;
相应地,换道前主车和周围车辆都是直线行驶,此时根据式(1)即可得到X(t|tk);
S32:主车在换道过程中,且在进入目标车道前,即t=tk+jΔt<tc时,重新规划的决策条件表示为:
相应地,主车在换道过程中,即tk+jΔt<tf,j=1,2,...,Np时,X(t|tk)即为换道轨迹,表示为:
其中,X0表示主车在初始时刻的纵向位置;Vx,0表示主车在初始时刻的纵向速度;ax,0表示主车在初始时刻的纵向加速度;Y0表示主车在初始时刻的横向位置;Vy,0表示主车在初始时刻的横向速度;ay,0表示主车在初始时刻的横向加速度;Xf表示主车在结束时刻的纵向位置;Vx,f表示主车在结束时刻的纵向速度;ax,f表示主车在结束时刻的纵向加速度;Yf表示主车在结束时刻的横向位置;Vy,f表示主车在结束时刻的横向速度;ay,f表示主车在结束时刻的横向加速度;ai表示纵向轨迹五次多项式的系数;bi表示横向轨迹五次多项式的系数;i=0,1,2,3,4,5;
起始时间t0=0,主车换道时间为tf-t0=tf;主车从当前位置行驶到目标车道的中心线时,主车的终端横向位置Yf等于0或WL,WL表示主车的宽度;重新规划的换道轨迹与目标车道的中心线相切,即速度Vy,f和加速度ay,f均为0;
S33:主车在换道后,且在进入目标车道时,即t=tk+jΔt>tc,重新规划的决策条件表示为:
XTP(t|tk)-X(t|tk)<GTP; (12)
其中,GTP、GPC和GTF均表示纵向安全间距模型中的约束;
相应的,主车在换道后,且假设主车在换道后的纵向速度保持不变,X(t|tk)表示为:
其中,tf表示换道过程结束时间;若tf>tk,Nf=(tf-tk)/Δt。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210842508.0A CN115140094A (zh) | 2022-07-18 | 2022-07-18 | 一种基于纵向安全间距模型的实时换道决策方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210842508.0A CN115140094A (zh) | 2022-07-18 | 2022-07-18 | 一种基于纵向安全间距模型的实时换道决策方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115140094A true CN115140094A (zh) | 2022-10-04 |
Family
ID=83411316
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210842508.0A Pending CN115140094A (zh) | 2022-07-18 | 2022-07-18 | 一种基于纵向安全间距模型的实时换道决策方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115140094A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116259185A (zh) * | 2023-01-30 | 2023-06-13 | 湖南大学无锡智能控制研究院 | 停车场场景下融合预测算法的车辆行为决策方法及装置 |
CN117746639A (zh) * | 2024-02-18 | 2024-03-22 | 江苏大学 | 基于自动驾驶的背景交通流模型构建方法及*** |
-
2022
- 2022-07-18 CN CN202210842508.0A patent/CN115140094A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116259185A (zh) * | 2023-01-30 | 2023-06-13 | 湖南大学无锡智能控制研究院 | 停车场场景下融合预测算法的车辆行为决策方法及装置 |
CN116259185B (zh) * | 2023-01-30 | 2023-10-13 | 湖南大学无锡智能控制研究院 | 停车场场景下融合预测算法的车辆行为决策方法及装置 |
CN117746639A (zh) * | 2024-02-18 | 2024-03-22 | 江苏大学 | 基于自动驾驶的背景交通流模型构建方法及*** |
CN117746639B (zh) * | 2024-02-18 | 2024-05-10 | 江苏大学 | 基于自动驾驶的背景交通流模型构建方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109035862B (zh) | 一种基于车车通信的多车协同换道控制方法 | |
CN109669461B (zh) | 一种复杂工况下自动驾驶车辆决策***及其轨迹规划方法 | |
CN109501799B (zh) | 一种车联网条件下的动态路径规划方法 | |
CN106991846B (zh) | 一种车联网环境下的高速公路车辆强制换道控制方法 | |
CN106997690B (zh) | 一种车联网环境下高速公路车辆非强制换道控制方法 | |
CN113291308B (zh) | 一种考虑驾驶行为特性的车辆自学习换道决策***及方法 | |
CN111273668B (zh) | 针对结构化道路的无人驾驶汽车运动轨迹规划***及方法 | |
CN110286681B (zh) | 一种变曲率弯道的动态自动驾驶换道轨迹规划方法 | |
CN104648402B (zh) | 用于支持机动车的车道转换或者超车策略的方法和驾驶员辅助装置 | |
CN115140094A (zh) | 一种基于纵向安全间距模型的实时换道决策方法 | |
CN108919795A (zh) | 一种自动驾驶汽车换道决策方法及装置 | |
CN112249008B (zh) | 针对复杂动态环境的无人驾驶汽车预警方法 | |
WO2022053026A1 (zh) | 一种自动驾驶会车场景处理方法及其装置、车辆、存储介质 | |
CN112224202B (zh) | 一种紧急工况下的多车协同避撞***及方法 | |
CN112965476A (zh) | 一种基于多窗口抽样的高速无人车轨迹规划***及方法 | |
Younes et al. | A vehicular network based intelligent lane change assistance protocol for highways | |
CN116259185A (zh) | 停车场场景下融合预测算法的车辆行为决策方法及装置 | |
Li et al. | Automatic lane change maneuver in dynamic environment using model predictive control method | |
Yan et al. | A hierarchical motion planning system for driving in changing environments: Framework, algorithms, and verifications | |
Guo et al. | Self-defensive coordinated maneuvering of an intelligent vehicle platoon in mixed traffic | |
Song et al. | Switching multi-objective receding horizon control for CACC of mixed vehicle strings | |
CN110941275A (zh) | 用于车辆自动驾驶的数据处理方法 | |
CN113830084B (zh) | 基于多车道车辆主动避撞的控制方法及车辆 | |
CN115938118A (zh) | 一种基于路侧导引的无信号交叉口车辆速度动态规划方法 | |
CN115140093A (zh) | 一种实时轨迹规划方法 |
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 |