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技术

本发明专利技术公开了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，计算出侧翻极限轨迹纵向坐标、最优轨迹以及避撞轨迹终点安全区间；然后通过比较侧翻极限轨迹纵向坐标与安全区间的关系、并进一步比较最优轨迹纵向坐标与安全区间的位置关系进行换道决策。本发明专利技术采用了不依赖时间的多项式轨迹方程来表征换道轨迹曲线，避免了对速度和加速度假设太强的问题，并引入了基于反应时间的避撞算法以及防侧翻算法来保障换道的安全性，然后在安全轨迹簇中通过实时调整速度来确定最优轨迹，最后通过轨迹生成模块输出一条实时动态的最终换道轨迹来指导自动驾驶车辆完成换道行为，从而构建了一套完整的动态自动驾驶车辆换道轨迹规划模型。

A dynamic automatic lane change planning method based on real time environment information

The invention discloses a dynamic real-time environment information based on the automatic driving lane changing trajectory planning method, calculate the rollover threshold and optimal trajectory and trajectory of vertical Collision Avoidance Trajectory safety end point interval; to change lane decision position and then through the comparison, the longitudinal coordinate and safety interval rollover limit trajectory and further compared with the longitudinal coordinate safety interval optimal trajectory. The invention adopts the polynomial trajectory equation does not depend on the time to characterize the changing path curve, to avoid too strong of velocity and acceleration of the hypothesis, and the reaction time of the collision avoidance algorithm and anti rollover algorithm to guarantee the security of lane changing based on, and then to determine the optimal trajectory in safety track by cluster the speed of adjustment in real time, the trajectory generation module outputs a real-time dynamic final changing path to guide the automatic driving vehicles to complete the lane changing behavior, in order to build a changing path planning model of vehicle automated driving a complete set of dynamic.

【技术实现步骤摘要】
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
本专利技术涉及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。
技术介绍
自动驾驶技术被认为是未来解决交通拥堵问题，提高交通安全性的重要手段，其对社会、驾驶员和行人均有益处。即使受其他车辆交通事故发生率的干扰，自动驾驶车辆市场份额的高速增长也会使整体交通事故发生率稳步下降。并且自动驾驶车辆的行驶模式可以更加节能高效，因此交通拥堵及对空气的污染将得以减弱。而近年来，自动驾驶技术发展势头迅猛，一方面以特斯拉、奔驰、沃尔沃为代表的各大汽车厂商联合汽车零部件厂商，并加强跨行业合作以开发自动驾驶技术，阶段性地推出驾驶辅助车辆，半自动化车辆等技术产品。另一方面，以谷歌为代表的IT科技企业结合信息技术另辟蹊径，探寻更为智能的自动驾驶生态系统，蕴含有颠覆传统汽车企业的创造力。然而，近年来发生的一系列自动驾驶交通安全事故，比如2016年3月谷歌无人驾驶车辆与一辆公交巴士发生轻微碰擦，事故发生时该自动驾驶车辆正打算向右侧车道换道，在换道过程中没能对实时环境信息做出动态响应，错误地认为从后方接近的巴士会减速避让，最终低速撞上了巴士的侧面。从中可以看出，虽然自动驾驶技术发展迅速，但目前换道行为的自动驾驶在技术上仍然有很大的不足，安全性保障并不完善，而换道轨迹规划恰恰是自动驾驶中的核心问题之一，包括换道轨迹曲线的选择，最优轨迹的权衡(舒适性、便捷性、安全性)以及轨迹的可跟踪性等问题。因此只有构建了完备的换道轨迹规划模型，才能最大程度上地减少自动驾驶交通事故的发生，使自动驾驶车辆的安全性得到保障。图1即为车辆换道轨迹示意图，换道车辆SV在执行换道过程中会受到目标车道后车LVt和目标车道前车PVt的影响。虽然有关自动驾驶的研究近几年受到了广泛的关注，但是大部分只关注了自动驾驶车辆的跟驰行为，而针对自动驾驶车辆换道行为的轨迹规划研究较少。现有的研究中，主要以几何曲线法为主，此外还有人工势场法，以及基于自动智能体的方法。在几何曲线法中，根据用以表征换道轨迹的几何曲线类型的不同，又细分为多项式轨迹，圆轨迹，正余弦函数轨迹，螺旋线轨迹，B样条曲线轨迹等方法，此外，有些学者通过设计换道过程的速度或加速度曲线来表征换道轨迹，例如正反梯形加速度曲线。多项式方法最早由Nelson提出，旨在构建曲率连续的(AGVs)自动引导车辆轨迹，其提出了极坐标多项式轨迹和笛卡尔坐标多项式并证明多项式方法能提高轨迹跟踪的准确性。Piazzi和Bianco提出的基于五次多项式的轨迹规划方法，运用多项式参数化曲线进行轨迹生成，轨迹规划曲线的平坦性保证了自动驾驶车辆轨迹生成的可执行性，通过调节参数可表征不同几何线性曲线轨迹，然而文中个别参数实际物理意义不明确，无法方便地应用于实时控制。Papadimitriou和Tomizuka采用五次多项式来表征车道变换轨迹，把障碍物简化处理为圆形并考虑了动态约束，但这个策略只能对换道开始时刻障碍物进行处理，而不能解决在换道期间出现的障碍物。Chu等研究了弯曲路段环境下的局部轨迹规划，使用不依赖时间的三次多项式曲线来表征换道轨迹，再通过轨迹计算曲率与转向角进而实现控制，并考虑了舒适性，效率和安全性来实现避障。Shim等提出了六次多项式轨迹规划方法，创新性地引入车辆航向角与转向角作为边界条件，以待定轨迹方程。并采用(MPC)模型预测控制方法来实现轨迹跟踪。除此之外，Chen等提出利用二次贝塞尔曲线进行路径规划，得到的换道轨迹具有连续的曲率半径，但该方法未涉及车辆的碰撞检测，同时未解决存在障碍物情况下贝赛尔曲线控制点的选取问题。之后Milam采用了三次B样条曲线进行换道轨迹生成，但车辆行为动态变化时无法合理地确定B样条曲线段数，并且生成的换道轨迹在车辆实际换道过程中其横向最大加速度不易控制。Ren等提出了一种基于梯形加速度曲线的规划方法，导出参考航偏角、航偏率和偏航角加速度，然后设计偏航率跟踪器，通过应用非模态滑动模式技术实现车道改变操纵但是只考虑了横向加速度满足正反梯形曲线，而无法实现纵向速度的实时调整。Chee和Tomizuka对比研究了四种不同的期望轨迹，圆轨迹、余弦函数轨迹、多项式轨迹、梯形加速度轨迹与两种轨迹跟踪算法并选择了梯形加速度轨迹作为虚拟期望轨迹，并给出滑模控制器算法从而提高系统的稳定性，然而他们孤立地研究了换道车辆，假设周围没有任何其他车辆对换道过程进行影响。SledgeandMarshek基于选定的标准比较了几种常用的候选车道变换轨迹，并转化为边界条件约束下的最优化问题来解决，把最大速度作为额外的鉴别指标，比较结果显示多项式曲线在两个最优轨迹函数中形式较为简化。Zhang等使用了正弦曲线、正反梯形加速度曲线、螺旋线来表达换道轨迹，用初始点、终止点状态以及其他约束条件(如碰撞规避)来确定参数选择的范围，最后根据优化目标确定参数的值并在中加入了考虑驾驶舒适性与效率的成本函数来进行轨迹优化，并使用时间依赖的三次多项式方程来表征换道几何曲线。此外，Wolf和Burdick首次提出了高速公路环境下的车辆换道的人工势场法，用势场来表征环境空间，通过求解势场中势能下降最快的方向来规划换道轨迹。其势场函数考虑了车道线对车辆的吸引力、道路边缘对车辆的斥力作用、车辆障碍物对本车的斥力作用、当前道路期望行驶车速对当前行驶车速的引力作用。一方面根据环境信息决定是否换道超过缓慢的车辆障碍物，另一方面考虑到了车速依赖性和偏好。但可能陷入局部最小点，无法稳定地输出最优轨迹，并且在高速环境下由于搜索空间规模急剧增大，势场法效率会大幅度下降。同时存在一个很强的假设，认为换道车辆速度仅与车道限速有关，而不受周围车辆的影响，这与真实不符。但是当前的研究存在着一些不足之处。第一，假设在换道过程中周围车辆的速度都不发生变化，这与真实的驾驶环境不符。第二、当前的模型都没有考虑在换道过程中换道车辆根据周围车辆状态的变化进行实时响应，实时对速度进行动态调整，这样这些模型在真实交通环境中可能失效。第三，在安全性方面，上述研究认为只要换道完成时，换道车辆和目标车道车辆不发生碰撞即可，而不需要保持一个应对紧急事件发生时的安全间距，这种方法事实上是不能真正地保证换道的安全性的。鉴于此，Luo等提出了基于车联网技术的动态换道轨迹规划模型，采用了安全距离模型作为避撞机制，其中考虑了换道车辆与前后车的速度差与加速度差对安全距离的影响，并构建了基于时间的多项式轨迹来表征换道轨迹，并通过成本函数权衡换道过程中舒适性与效率从而得到最优轨迹，能够感知周围环境车辆行驶信息的实时变化并做出响应，第一次真正意义上实现了动态换道轨迹规划，实现了换道过程中换道车辆对环境信息的实时捕捉并做出相应的响应。然而，该模型也存在着一定的不足之处。首先，该模型没有考虑系统的反应时间，而反应时间对驾驶安全及系统稳定性分析有很重要的影响，不能轻易忽略；其次，由于采用了时间依赖的多项式轨迹方程，所以论文假设换道起点与终点车辆纵向加速度为零，并且假设换道终点速度为已知(论文设定为目标车道平均车速)，这些假设都与真实情况不符。
技术实现思路
为了克服现有技术的上述缺点，本专利技术提出了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，采用了不依赖时间的多项本文档来自技高网...

【技术保护点】
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，其特征在于：包括如下步骤：步骤一、根据上一时间步长的车辆速度v

【技术特征摘要】
1.一种基于实时环境信息的动态自动驾驶换道轨迹规划方法，其特征在于：包括如下步骤：步骤一、根据上一时间步长的车辆速度vn(t-τ)和舒适性权重参数ωop，计算出与之对应的侧翻极限轨迹纵向坐标最优轨迹以及避撞轨迹终点安全区间；步骤二、比较侧翻极限轨迹纵向坐标与安全区间的关系：(1)当位于安全区间的左侧时，则安全区间保持不变；然后进入步骤三；(2)当位于安全区间内时，则调整安全区间的下限为然后进入步骤六；(3)当位于安全区间右侧时，则进入步骤四；步骤三、比较最优轨迹纵向坐标与安全区间的位置关系：(1)若大于安全区间的上界，则进入步骤四；(2)若小于安全区间下界，则进入步骤五；(3)若在安全区间内，则进入步骤七；步骤四、首先减速，保持当前舒适性权重参数，使最优轨迹向安全区间方向靠拢，直至最优轨迹成为安全区间上界轨迹；若减速无法达到目标时，则减小舒适性权重参数，随后再调整速度以移动最优轨迹至安全区间上界；然后进入步骤七；步骤五、首先加速，保持当前舒适性权重参数，使最优轨迹向安全区间方向靠拢，直至最优轨迹成为安全区间下界轨迹；若加速无法达到目标时，则增大舒适性权重参数，随后再调整速度以移动最优轨迹至安全区间下界；然后进入步骤七；步骤六、比较最优轨迹纵向坐标与安全区间的位置关系：(1)若大于安全区间上界，则进入步骤四；(2)若在安全区间中，则进入步骤七；步骤七、采用当前速度和轨迹执行换道；步骤八、换道车辆与目标车道的距离是否小于设定的距离：(1)如果否，则返回步骤一；(2)如果是，则换道结束。2.根据权利要求1所述的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，其特征在于：所述最优轨迹的计算方法为：第1步、确定轨迹方程：其中，xn为纵向上车辆n的位置，yn为横向上车辆n的位置；在换道过程中使用移动坐标系，将每一步长的起点位置定义为(0,0)点，终点位置定义为(xf,yf)，每一步长起点的车辆航向角为θi；第2步、构造换道成本函数：式中：为车辆侧翻对应的临界侧向加速度，为换道轨迹的最大纵向距离经验值，ω为需要标定的舒适性权重参数，un为车辆速度；第3步、计算出成本函数J取到最小值时相应的xf值，从而求出该步长最优轨迹终点的纵向位置3.根据权利要求2所述的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，其特征在于：所述侧翻极限轨迹纵向坐标的计算方法为：第1步、计算车...

【专利技术属性】
技术研发人员：杨达，郑施雨，文成，吴丹红，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：四川,51