自动驾驶车辆的拟人化换道方法、装置、车辆及存储介质制造方法及图纸

本申请涉及自动驾驶技术领域，特别涉及一种自动驾驶车辆的拟人化换道方法、装置、车辆及存储介质，其中，方法包括：获取预先构建的拟人化驾驶行为特征参数集合，并根据参数集合中的特征参数设计本车的期望运动状态和可接受最小间距，并在本车满足换道条件时，根据拟人化驾驶行为特征参数集合中的特征参数、期望运动状态和可接受最小间距对本车分别进行横向轨迹规划和纵向轨迹规划，得到横向换道轨迹和纵向换道轨迹，对横向换道轨迹和纵向换道轨迹进行耦合，生成本车的目标换道轨迹，并利用目标换道轨迹控制本车进行换道。由此，解决了相关技术中自动驾驶车辆的拟人化决策存在的关键特征不明朗、应用场景受限、可解释性较差等问题。问题。问题。

【技术实现步骤摘要】
自动驾驶车辆的拟人化换道方法、装置、车辆及存储介质


[0001]本申请涉及自动驾驶
，特别涉及一种自动驾驶车辆的拟人化换道方法、装置、车辆及存储介质。

技术介绍

[0002]现有的拟人化自动驾驶决策算法，可根据目的和手段两个层面进行分类。从目的来看，可分为行为拟人和认知拟人；就手段而言，可分为基于学习和基于规则。以下分别从行为拟人和认知拟人这两种研究目的对现有研究进行总结，这两种不同目的的研究中又分别存在着基于学习和基于规则两种不同的手段。
[0003]第一，基于行为拟人的研究。行为拟人的自动驾驶决策算法旨在提高本车和周边车辆的安全和舒适等性能，常通过采用机器学习或物理规则演绎的方式对拟人化的驾驶行为进行复现。第二，基于认知拟人的研究。致力于认知拟人的算法有的是为了保证行为拟人，有的则是为了借鉴驾驶人的认知方式以提高车辆应对新场景的智能水平，如基于认知架构对驾驶人认知和行为进行建模，但是其中对于驾驶任务的具体决策方法仍需要独立设计，而且已有方法常是基于规则的。
[0004]综上，基于学习的方法直接从自然驾驶行为数据中挖掘参本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自动驾驶车辆的拟人化换道方法，其特征在于，包括以下步骤：获取预先构建的拟人化驾驶行为特征参数集合；根据所述拟人化驾驶行为特征参数集合中的特征参数设计本车的期望运动状态和可接受最小间距，并基于所述期望运动状态和所述可接受最小间距判断所述本车是否满足换道条件；以及在所述本车满足所述换道条件时，根据所述拟人化驾驶行为特征参数集合中的特征参数、所述期望运动状态和所述可接受最小间距对所述本车分别进行横向轨迹规划和纵向轨迹规划，得到横向换道轨迹和纵向换道轨迹，对所述横向换道轨迹和所述纵向换道轨迹进行耦合，生成所述本车的目标换道轨迹，并利用所述目标换道轨迹控制所述本车进行换道。2.根据权利要求1所述的方法，其特征在于，根据所述拟人化驾驶行为特征参数集合中的特征参数、所述期望运动状态和所述可接受最小间距对所述本车进行横向轨迹规划，得到横向换道轨迹，包括：获取所述本车的当前位置坐标和目标横向坐标；在所述本车从本车道换道至目标车道的过程中，当本车处于本车道时，换道预计时长为本车与前车之间的预碰撞时间，并通过滚动时域方式更新所述预碰撞时间得到预碰撞时间序列，当所述本车进入所述目标车道，且处于回正阶段时，换道预计时长为所述预碰撞时间序列的倒序值；基于所述当前位置坐标、所述目标横向坐标、所述预碰撞时间序列、所述预碰撞时间序列的倒序值生成所述横向换道轨迹。3.根据权利要求1所述的方法，其特征在于，根据所述拟人化驾驶行为特征参数集合中的特征参数、所述期望运动状态和所述可接受最小间距对所述本车进行纵向轨迹规划，得到纵向换道轨迹，包括：根据所述拟人化驾驶行为特征参数集合中的特征参数计算终端约束速度和约束位置；根据所述终端约束速度和约束位置对纵向轨迹规划的优化问题进行求解，得到最优控制率和纵向换道预计时长；根据所述最优控制率、所述纵向换道预计时长生成所述纵向换道轨迹。4.根据权利要求1所述的方法，其特征在于，所述基于所述期望运动状态和所述可接受最小间距判断所述本车是否满足换道条件，包括：在所述本车的当前运动状态不满足所述期望运动状态时，获取目标车道的通行效率、本车车道的通行效率和实际换道间距；判断所述本车车道的通行效率是否小于所述目标车道的通行效率，且所述实际换道间距是否大于所述可接受最小间距；如果所述本车车道的通行效率小于所述目标车道的通行效率，且所述实际换道间距大于所述可接受最小间距，则判定所述本车满足所述换道条件。5.根据权利要求4所述的方法，其特征在于，其中，当满足以下公式时，判定所述本车的当前运动状态不满足所述期望运动状态：
其中，v1为本车当前车速，v4为本车道前车车速，v
ego_max
为本车基于当前路面和当前天气条件下限制的最高车速，s1为本车与本车道前车之间的间距，v
max_l
为道路限速，v
max_v
为可见度影响下的速度限速，v
max_c
为道路曲率影响下的速度限速，
∆
T为驾驶人反应时间，L为本车车长，k
lf
为跟车距离限定系数，s
1safe
为对应于v
ego_max
的安全跟车距离。6.根据权利要求1所述的方法，其特征在于，在获取预先构建的拟人化驾驶行为特征参数集合之前，还包括：基于预设驾驶人认知机理确定目标速度、目标位置、可接受加速度和反应时间之间的运动学关系；根据人驾驶的车辆的速度或位置数据标定量化表达式中的系数，并根据所述系数和所述运动学关系得到所述量化表达式；利用所述量化表达式对拟人化驾驶行为特征参数进行量化，并基于量化后的特征参数构建所述拟人化驾驶行为特征参数集合。7.根据权利要求6所述的方法，其特征在于，所述拟人化驾驶行为特征参数集合包括：附着条件和可见度综合影响下的速度选择、附着条件和道路曲率综合影响下的速度选择、附着条件影响下的跟车间距、附着条件影响下的换道最小可接受间距、附着条件和限速综合影响下的速度选择、可接受的加速度和可接受的加加速度。8.根据权利要求7所述的方法，其特征在于，所述量化表达式包括：附着条件和可见度综合影响下的速度选择公式、附着条件和道路曲率综合影响下的速度选择公式、附着条件影响下的跟车间距公式、附着条件影响下的换道最小可接受间距公式，其中，所述附着条件和可见度综合影响下的速度选择公式为：其中，v
max_v
为可见度影响下的速度限速，k
v
为不同可见度下速度限定系数，s为可见度距离，f为附着系数，α
v
为基于附着条件对k
v
的修正系数；所述附着条件和道路曲率综合影响下的速度选择公式为：其中，v
max_c
为道路曲率影响下的速度限速，k
c
为弯道速度限定系数，R为道路半径，d为车道宽度，α
c
为基于附着条件对k
c
的修正系数；所述附着条件影响下的跟车间距公式为：其中，k
lf
为跟车距离限定系数，L为本车车长，
∆
T为驾驶人反应时间，v0'为稳定跟车速
度，α
lf
为基于附着条件对k
lf
的修正系数；所述附着条件影响下的换道最小可接受间距公式为：其中，v1为本车当前速度，v2为目标车道前车速度，v3为目标车道后车速度，s2为本车与目标车道前车之间的间距，s3为本车与目标车道后车之间的间距，v
med
为本车与目标车道后车车速的中间速度，a1为本车预期最大加速度水平，a3为目标车道后车预期最大减速度水平，a
1c
为基于附着条件的修正系数。9.一种自动驾驶车辆的拟人化换道装置，其特征在于，包括：获取模块，用于获取预先构建的拟人化驾驶行为特征参...

【专利技术属性】
技术研发人员：谢杉杉，王建强，郑靖越，刘巧斌，
申请(专利权)人：清华大学，
类型：发明
国别省市：