一种静态避障场景下考虑驾驶习惯的路径规划与控制方法技术

本发明专利技术公开了一种静态避障场景下考虑驾驶习惯的路径规划与控制方法，涉及安全驾驶技术领域，该方法包括以下步骤：通过驾驶实验平台采集不同驾驶员的仿真行车数据；通过搭建驾驶风格分类器并利用kmeans

【技术实现步骤摘要】
一种静态避障场景下考虑驾驶习惯的路径规划与控制方法


[0001]本专利技术涉及安全驾驶
，具体是一种静态避障场景下考虑驾驶习惯的路径规划与控制方法。

技术介绍

[0002]随着智能驾驶技术的发展，在车辆中的应用越来越广泛，最基本的应用就是主动安全辅助系统在避障场景中的应用。避障过程最重要的是进行路径规划，路径规划需要考虑自车状态，周车行驶状态，交通信号状态等环境信息决策出安全行车区域，不同的驾驶员在紧急避障场景下决策行为一致性较高，但对于普通避障场景会受个人驾驶特性的影响表现出较大差异，例如有经验的驾驶员和驾驶经验不足的驾驶员对于障碍物距离速度的判定和躲避决策行为上通常差异较大。因此研究适应驾驶员驾驶风格的路径规划是非常必要的。
[0003]现有的避障思路大多采用直接规划出行车路径再对路径进行跟踪的方式进行障碍物的避障，常用的算法包括A*算法、D*算法、蚁群算法、人工势场法、RRT算法等，其中A*、D*和蚁群算法主要应用于全局路径规划，在局部路径规划方面，RRT和人工势场法应用的更广泛一些。当前避障规划存在的问题主要是识别速度不够快和准确性不够高的问题，各自对应于RRT算法和人工势场法。当输入的数据维数增加，RRT收敛速度将会大大下降。同样，人工势场法也存在会陷入局部最优而无法继续下去的问题。这些方法难在规划阶段考虑车辆动力学的问题，可能会对跟踪的效果产生影响。模型预测控制(Model Predictive Control,MPC)是现代工业过程控制产生的一类以预测模型、滚动优化和反馈校正为控制策略的优化控制算法，其具有鲁棒性强、灵活性大、动态控制效果好等优点，能够克服外部环境、被控对象参数和结构的不确定性，适用于被控对象比较复杂、对建立的数学模型精确度要求不高的控制过程。近年来，模型预测控制以其在控制过程中处理多种约束的能力，逐渐被应用到无人驾驶车辆的轨迹规划与跟踪控制中。例如将MPC算法用于无人驾驶车辆主动转向中，对车辆模型进行在线的线性化处理，并加入各种约束条件，用非线性MPC控制器计算前轮转角。实车试验表明，该算法在高速和冰雪路面都具有良好的稳定性；或将拉盖尔函数引入模型预测控制器中，可以优化MPC控制器中大量的控制参数，在满足跟踪精度的同时还能大幅度降低计算难度，来提高计算效率。此外目前的避障大部分专注于如何避障，而忽略了考虑当前驾驶员的驾驶个性。
[0004]传统的路径规划方法主要以安全性为设计点，很少考虑驾驶员的驾驶特点，因而对于有人驾驶车辆来讲因为控制器与人决策之间的差异性增加了人车共享控制的难度。对于无人驾驶来说，无视不同驾驶风格差异也在一定程度上忽视了乘坐人员的舒适度感受。此外，智能车辆在实际环境中完成自动驾驶时，由于车辆外部环境是未知且变化的，故给定预定轨迹下的轨迹跟踪可能无法保证车辆准确地完成任何轨迹跟踪问题，当给定轨迹上存在障碍物时，车辆无法按照预定轨迹完成轨迹跟踪，车辆需要识别障碍物信息对障碍物进行判断，避开障碍物后继续完成轨迹跟踪过程。目前大多采用直接规划出行车路径再对路
径进行跟踪的方式进行障碍物的避障，例如A*算法、动态窗口法、人工势场法等，这些方法很难在规划阶段考虑车辆动力学的问题，可能会对跟踪的效果产生影响。

技术实现思路

[0005]本专利技术的目的在于提供一种静态避障场景下考虑驾驶习惯的路径规划与控制方法，以解决
技术介绍
中问题。
[0006]为实现上述目的，本专利技术提供如下技术方案：
[0007]一种静态避障场景下考虑驾驶习惯的路径规划与控制方法，包括以下步骤：步骤S1数据收集及处理：通过驾驶实验平台采集不同驾驶员的仿真行车数据；步骤S2：通过搭建驾驶风格分类器并利用kmeans
‑
SVM算法进行驾驶员风格的分类，选取合适的速度作为不同风格驾驶员的驾驶期望速度，将不同类型驾驶员的期望速度作为车辆避障规划时的速度；步骤S3：将不同风格驾驶员的前轮转角范围作为车辆规划过程中的约束参考；步骤S4：车载传感器将障碍物的信息传给轨迹重规划控制器，轨迹重规划控制器结合环境信息以及不同风格的特征参数进行轨迹的重新规划；由轨迹跟踪控制器实现车辆对规划路径的跟踪。
[0008]在上述技术方案的基础上，本专利技术还提供以下可选技术方案：
[0009]在一种可选方案中：在所述步骤S1数据收集及处理中，数据收集的具体步骤如下：采集多位不同性别、不同年龄和不同驾龄的驾驶员行车数据并进行预处理与特征提取，建立表征驾驶风格的特征数据集；选择横纵加速度、横纵速度、横摆角速度为依据对驾驶员行车风格进行分类。
[0010]在一种可选方案中：在所述步骤S1数据收集及处理中，数据预处理的具体步骤如下：对选取的驾驶数据进行异常数据的剔除和缺失数据的补充，再用高斯滤波进行平滑化处理。
[0011]在一种可选方案中：所述搭建驾驶风格分类器的具体步骤如下：利用k
‑
means算法提供的无监督分类结果作为训练支持向量机SVM算法的训练数据；把打上标签的数据作为训练数据传给SVM算法训练，训练好的kmeans
‑
SVM模型即用作驾驶风格识别器。
[0012]在一种可选方案中：支持向量机SVM模型在计算时通过给予一定量的训练数据，并使用核变量的方式，把空间中不能分组的数据集投射到某个高维空间，并找到某个符合类型条件的最优超平面，使空间结构内数据点和超平面之间的间距最优化，最终完成数据集的分类。
[0013]在一种可选方案中：所述轨迹重规划控制器和轨迹跟踪控制器组成加入重规划层的轨迹跟踪控制系统，该系统从轨迹重规划的角度出发，在轨迹跟踪层之上建立轨迹重规划层，该规划层能够根据车载传感器获得的障碍物信息和参考路径信息重新规划可绕开障碍物的局部期望路线，再将局部期望轨迹信息输入跟踪控制层，在实现避让障碍物的同时，实现对全局参考路径的跟踪。
[0014]在一种可选方案中：在轨迹重规划控制器轨迹重规划过程中，将不同风格驾驶员的前轮转角范围作为车辆规划过程中的约束参考，设计不同的避障功能函数；避障功能函数为其中，S为权重系数，v
des
为提取驾驶行车特征参数选取出的不同驾驶风格下的不同期望速度，v
des
通过影响避障功能函数，(x
i
,y
i
)为障碍物点的坐
标，(x0,y0)为车辆的质心坐标，β是防止函数分母为零的正数。
[0015]在一种可选方案中：所述重规划层的模型预测控制器具体形式如下：
[0016][0017]U
pmin
≤U
p
≤U
pmax
[0018]其中，η
p
是输出值，为重规划路径的横向位置Y
p
和横摆角η
pref
是期望输出值，为期望路径，U
p
是控制量，J
obs
为避障功能函数，ε、z分别是输出权重矩阵和控制量权重矩阵。
[0019]在一种可选方案中：本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种静态避障场景下考虑驾驶习惯的路径规划与控制方法，其特征在于，包括以下步骤：步骤S1数据收集及处理：通过驾驶实验平台采集不同驾驶员的仿真行车数据；步骤S2：通过搭建驾驶风格分类器并利用kmeans
‑
SVM算法进行驾驶员风格的分类，选取合适的速度作为不同风格驾驶员的驾驶期望速度，将不同类型驾驶员的期望速度作为车辆避障规划时的速度；步骤S3：将不同风格驾驶员的前轮转角范围作为车辆规划过程中的约束参考；步骤S4：车载传感器将障碍物的信息传给轨迹重规划控制器，轨迹重规划控制器结合环境信息以及不同风格的特征参数进行轨迹的重新规划；由轨迹跟踪控制器实现车辆对规划路径的跟踪。2.根据权利要求1所述的静态避障场景下考虑驾驶习惯的路径规划与控制方法，其特征在于，在所述步骤S1数据收集及处理中，数据收集的具体步骤如下：采集多位不同性别、不同年龄和不同驾龄的驾驶员行车数据并进行预处理与特征提取，建立表征驾驶风格的特征数据集；选择横纵加速度、横纵速度、横摆角速度为依据对驾驶员行车风格进行分类。3.根据权利要求2所述的静态避障场景下考虑驾驶习惯的路径规划与控制方法，其特征在于，在所述步骤S1数据收集及处理中，数据预处理的具体步骤如下：对选取的驾驶数据进行异常数据的剔除和缺失数据的补充，再用高斯滤波进行平滑化处理。4.根据权利要求1所述的静态避障场景下考虑驾驶习惯的路径规划与控制方法，其特征在于，所述搭建驾驶风格分类器的具体步骤如下：利用k
‑
means算法提供的无监督分类结果作为训练支持向量机SVM算法的训练数据；把打上标签的数据作为训练数据传给SVM算法训练，训练好的kmeans
‑
SVM模型即用作驾驶风格识别器。5.根据权利要求4所述的静态避障场景下考虑驾驶习惯的路径规划与控制方法，其特征在于，支持向量机SVM模型在计算时通过给予一定量的训练数据，并使用核变量的方式，把空间中不能分组的数据集投射到某个高维空间，并找到某个符合类型条件的最优超平面，使空间结构内数据点和超平面之间的间距最优化，最终完成数据集的分类。6.根据权利要求1所述的静态避障场景下考虑驾驶习惯的路径规划与控制方法，其特征在于，所述轨迹重规划控制器和轨迹跟踪控制器组成加入重规划层的轨迹跟踪控制系统，该系统从轨迹重规划的角度出发，在轨迹跟踪层之上建立轨迹重规划层，该规划层能够根据车载传感器获得的障碍物信息和参考路径信息重新规划可绕开障碍物的局部期望路线，再将局部期望轨迹信息输入跟踪控制层，在实现避让障碍物的同时，实现对全局参考路径的跟踪。7.根据权利要求6所述的静态避障场景下考虑驾驶习惯的路径规划与控制方法，其特征在于，在轨迹重规划控制器轨迹重规划过程中，将不同风格驾驶员的前轮转角范围作为车辆规划过程中的约束参考，设计不同的避障功能函数；避障功能函数为其中，S为权重系数，v
des
为提取驾驶行车特征参数选取出的不同驾驶风格下的不同...

【专利技术属性】
技术研发人员：陈虹，于洪萱，刘奇芳，陈浩文，
申请(专利权)人：吉林大学，
类型：发明
国别省市：