一种基于邻域系统的智能车辆轨迹规划方法技术方案

本发明专利技术公开一种基于邻域系统的智能车辆轨迹规划方法，在基于被控系统的动态特性下，选定合适的邻域系统，进而实施周期性的测控过程：首先根据当前状态，在其邻域系统中找出满意的可行邻域，并将该可行邻域看作是静止不变的；再在找出的可行邻域基础上，进行轨迹规划，采用Hermite插值方法进行轨迹规划，选取了首末位置和中间位置三个节点，求出插值曲线。给出控制量并实施控制动作。本发明专利技术将邻域系统这一抽象的数学概念的具体应用到智能车控制上的所有相关理论，邻域系统理论将复杂的世界简化为局部的世界的叠加，将复杂动态控制转化为简单静态控制，大大简化了轨迹规划问题的复杂度。

【技术实现步骤摘要】
一种基于邻域系统的智能车辆轨迹规划方法
本专利技术涉及智能汽车
，具体为一种基于邻域系统的智能车辆轨迹规划方法。
技术介绍
智能车辆的研究内容十分多样，例如它的结构设计，控制理论，路径规划。对于智能车的路径规划，设计最优的曲线是此问题的核心。智能车的路径规划按照范围可分为宏观与微观两类，按照状态可分为动态规划和静态规划两类。对于智能车的宏观路径规划，Dijkstra算法、Floyd-Warshall算法，支持向量机算法，A*算法等均有文献进行应用和改进。而对于智能车的动态路径规划，人工势场算法、神经网络算法、遗传算法等智能算法也被广泛的应用。上述算法大多是对宏观的道路网络节点进行路径规划，然而对于微观的道路上的轨迹规划问题，目前国内外文献较少从最优性这一角度进行考量，还需要进行进一步的探索与研究。对于轨迹规划问题，基于Dubins路径的轨迹生成方法是一种可行的方法。此外还有三角函数曲线，圆弧曲线等轨迹生成方法。考虑到曲率连续问题，基于五次多项式的轨迹规划方法是一种合适的方法。此外还有文献采用模糊逻辑控制，粒子群算法，蚁群算法等智能算法进行优化与控制。上述文献给出了十分有价值的理论成果，但大多是对首末位置以及障碍物信息已知情况下的轨迹规划，适用性弱。不少文献采用GPS定位方式确定信息，鉴于目前GPS装置的精度和性能，可能会和实际路况存在较大误差，精度不够高。此外还需要进行大量的计算。
技术实现思路
针对上述问题，本专利技术的目的在于提供一种能够将复杂动态控制转化为简单静态控制，大大简化了轨迹规划问题的复杂度的邻域系统的智能车辆轨迹规划方法。技术方案如下：一种基于邻域系统的智能车辆轨迹规划方法，包括以下步骤：步骤a：确定标准可行领域，且标准可行领域为矩形领域，其底边与车体的尾部重合；步骤b：建立智能车的邻域相对坐标系，车体的尾部中点记作o(0，0)，邻域的长为H，车体长为l，车体尾部中点与标准可行邻域的底部中点间的距离为s；车辆轨迹曲线方程记作y＝y(x)；步骤c：选取初始数据：设在节点0≤x0＜xm＜x1≤H-l上，对于初始点满足：导数值满足：其中O1(x0,y0)，O3(x1,y1)为已知节点，需要确定节点O2(xm,ym)的坐标值和导数值，选取初值为xm＝a，ym＝b，ym'＝c；步骤d：采用Hermite插值法计算轨迹曲线：将上述初值带入，函数f(x)在节点处的插值多项式为：其中，n为迭代次数；步骤e：计算每一次曲线的长度指数和弯阻指数，选择合适的权重，计算综合评判指标，保留其中的指标满意的曲线；步骤f：确定搜索区间：保持初值c不变，对初值a，b采用进退法确定搜索区间，重新执行步骤d，直到满足轨迹曲线对称的要求；步骤g：确定步长因子：对导数值c确定步长因子t，重新执行步骤d,使得对于每次迭代ci＝ci-1+t，设满意度指数为α，若迭代的结果Ci*的值达到α，则迭代终止。进一步的，所述步骤e中：曲线的长度指数为：其中，区间[x0,x1]代表智能车轨迹曲线首末位置所在的区间；曲线的弯阻指数为：则曲线的距离优度J*为：简化得：结合式(3)，有：曲线的顺畅度K*为：结合式(4)和式(8)进行简化得：曲线L的综合评判指标为：C*＝w1·J*+w2·K*(10)其中，w1，w2为不同驾驶风格的驾驶员对于J*、K*指标的权重。更进一步的，取所述满意度指数α＝0.8，权重w1＝0.4，w2＝0.6，则算出的节点O2的坐标值和导数如下：节点坐标为节点一阶导数为本专利技术的有益效果是：1)本专利技术中基于邻域系统的动态决策模型的思想是将宏观复杂环境下的动态决策过程，分解为一系列邻域内的简单的静态决策过程。这种方法可以将整个决策过程置于一个有限的、局部的简单环境，而不是无限的、复杂的整个世界。该方法要点如下：在基于被控系统的动态特性下，选定合适的邻域系统，进而实施周期性的测控过程。该过程分为两步进行；第一步是根据当前状态，按照某种方法在其邻域系统中找出满意的可行邻域，并将该可行邻域看作是静止不变的；第二步是在找出的可行邻域基础上，依据某种满意优化控制算法给出控制量并实施控制动作。整个控制过程由各个邻域控制过程的顺序叠加而成。基于邻域系统的动态决策模型可以更好的实现仿人仿生物智能化。且由邻域系统相关的模型确定车辆可行邻域的选择与控制，相关的理论研究得到一定的发展。2)本专利技术结合邻域系统的动态决策与控制模型是处理和实现智能驾驶技术的一种有效途径，其主要思想源于随时随地改变行为方式并实施动态决策的智能生物。它可以根据周围环境在当前时刻下的特点，以及自身已有的知识和经验，圈定一定的范围作为自己的安全活动范围，并设定出安全距离、警戒距离、逃逸距离和攻击距离。在这个过程中，智能生物只考虑安全范围以内的事物，而安全范围之外的一切事物都视为与之无关、静止的。一旦有外界的事物侵犯了自己的圈定范围，智能生物就要做出相应的决策和行为来保证自身的安全和正常的生活。借助于邻域系统的思想，将实际生活中智能车驾驶与之结合，即将智能车视为智能生物，根据当前时刻周围环境的特点规划其周围的某个安全范围作为安全邻域，与道路和车辆之间保持适当的距离，确认自身活动能够安全进行。附图说明图1为智能车标准可行邻域分析图。图2为标准矩形邻域。图3为智能车的动态轨迹规划。图4为曲线构造图。图5为智能车的标准可行邻域内轨迹规划图。图6为智能车的邻域相对坐标系。图7为道路仿真图。具体实施方式下面结合附图和具体实施例对本专利技术做进一步详细说明。要实现智能车等智能轮式机器人的自主移动，首先需要模仿智能生物的行为决策过程。智能生物在面对复杂的动态环境时，通常先寻找一个短时间不变或保持相对稳定的环境作为其下一步活动的决策范围，然后再进行行为决策。这一决策范围即可行邻域，一系列的可行邻域构成邻域系统。基于邻域系统的动态决策模型就是描述这样一个基于邻域系统的控制决策过程。其控制过程由以下几个步骤组成：1)根据控制过程中观测变量的特点选择合适的邻域系统；2)通过一些优化方法，在当前状态下确定一个满意的可行邻域；3)在满意的邻域中，根据一些规划方法给予满意的决策，实施新的决策行为；4)在可行邻域的持续时间内保持相同的行为，直到产生下一个决策；5)上述过程是一个完整的决策循环。当一个周期完成后，一个新的循环开始依次执行步骤(2)到(4)。可以看到，各个邻域的控制过程不断重复叠加，从而构成了整个控制过程。模型将复杂的宏观环境下的动态决策过程分解为一系列简单的邻域内的静态决策过程的组合，简化了整个决策过程，使得面对的是一个有限的、局部的简单环境，而不是无限的、复杂的整个世界。由此可见，车辆在道路上的运动轨迹问题被转化为在每一个可行邻域里的运动规划问题的叠加。如图1所示，为智能车某一时刻在道路上行驶的示意图。其中上下两侧的平行线为仿真道路的边界，道路内部的虚线所围成的不规则多边形是传感器能够确立的车辆行驶的一个可行邻域。其中图1内虚线围成的矩形框就是一个标准可行邻域。鉴于标准可行邻域没有一个统一的定义，本专利技术的标准可行邻域含义如下：标准可行邻域：可行邻域中数量有限的特定邻域。标准可行邻域的提出是为了在计算机仿真的过程易于进行模型的建立和数学描述，根据目的的不同可以建立不同形状，不同大小的标准可行邻本文档来自技高网...

【技术保护点】
1.一种基于邻域系统的智能车辆轨迹规划方法，其特征在于，包括以下步骤：步骤a：确定标准可行领域，且标准可行领域为矩形领域，其底边与车体的尾部重合；步骤b：建立智能车的邻域相对坐标系，车体的尾部中点记作o(0，0)，邻域的长为H，车体长为l，车体尾部中点与标准可行邻域的底部中点间的距离为s；车辆轨迹曲线方程记作y＝y(x)；步骤c：选取初始数据：设在节点0≤x0＜xm＜x1≤H‑l上，对于初始点满足：

【技术特征摘要】
1.一种基于邻域系统的智能车辆轨迹规划方法，其特征在于，包括以下步骤：步骤a：确定标准可行领域，且标准可行领域为矩形领域，其底边与车体的尾部重合；步骤b：建立智能车的邻域相对坐标系，车体的尾部中点记作o(0，0)，邻域的长为H，车体长为l，车体尾部中点与标准可行邻域的底部中点间的距离为s；车辆轨迹曲线方程记作y＝y(x)；步骤c：选取初始数据：设在节点0≤x0＜xm＜x1≤H-l上，对于初始点满足：导数值满足：其中O1(x0,y0)，O3(x1,y1)为已知节点，需要确定节点O2(xm,ym)的坐标值和导数值，选取初值为xm＝a，ym＝b，ym'＝c；步骤d：采用Hermite插值法计算轨迹曲线：将上述初值带入，函数y(x)在节点处的插值多项式为：其中，n为迭代次数；步骤e：计算每一次曲线的长度指数和弯阻指数，选择合适的权重，计算综合评判指标，保留其中的指标满意的曲线；步骤f：确定搜索区间：保持初值c不变，对初值a，b...

【专利技术属性】
技术研发人员：王星，赵海良，王志刚，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：四川,51