本发明专利技术公开了一种自动驾驶中多任务多目标优化决策规划处理方法，包括步骤：在自动驾驶过程中，实时获取本车辆行车信息、目标车辆信息及行驶环境信息；判定在期望时间内车辆对应的目标决策域；在确定需要进行决策域切换时，根据目标决策域预设定的优化控制器计算获得目标决策域对应的控制量；采用动态缓冲域的软切换控制策略，利用标决策域对应的控制量对车辆进行控制，将车辆从当前决策域对应的驾驶模式切换至目标决策域对应的驾驶模式。本发明专利技术还公开了相应的系统。实施本发明专利技术，能够实现在无保护交叉路口等复杂工况下的优化决策规划，提高了决策的成功率以及驾驶安全性。
【技术实现步骤摘要】
本专利技术涉及汽车自动驾驶，特别是涉及一种自动驾驶中多任务多目标优化决策规划处理方法及系统。
技术介绍
1、在车辆行驶过程中的决策规划作为自动驾驶(如无人驾驶)核心之一，直接影响汽车安全、经济和舒适等性能。在现有技术中经常采用的决策规划的方案通常分为如下几类：基于规则的驾驶任务决策、基于随机采样的决策规划、基于机器学习的智能决策规划以及基于优化理论的决策规划。
2、而随着智能化等级提升，自动驾驶车辆需要执行更多样的驾驶任务，适应更广的行驶工况，考虑更多的性能需求。尤其是在无保护交叉路口工况下，道路拓扑复杂、交通动态时变、交通参与者行为轨迹随机且对抗博弈，因此面临着对多任务多目标进行驾驶优化决策的问题。特别地，在无保护交叉路口工况下，由于多任务使得排他型驾驶功能(变道、车道保持)存在博弈，并加剧共存型功能(车道保持、巡航)动力学耦合，且驾驶任务变化还会导致决策规划对象的维度、阶次和参数突变；另一方面，不同性能需求存在制约关系(动力、经济、安全、舒适)，且随交通状态动态变化；进一步地，加上交通规则对驾驶过程在运行区域和运动趋势方面的刚性(双黄车道线、红灯等)和柔性(白色虚车道线等)约束，使得多种驾驶任务集成条件下，多样化性能需求的实时优化决策规划非常困难，采用上述现有的几种决策规划方法无法很好地解决上述问题。
3、故在复杂交通场景下如何进行自动驾驶是亟待解决的瓶颈和难点问题，当前常用的采用手动设计调度策略来实现驾驶决策过程分解已无法胜任复杂交通环境。
技术实现思路
<
p>1、本专利技术所要解决的技术问题在于，提供一种自动驾驶中多任务多目标优化决策规划处理方法及系统，能够实现在无保护交叉路口等复杂工况下的优化决策规划，提高了决策的成功率以及驾驶安全性。2、为解决上述技术问题，作为本专利技术的一方面，提供一种自动驾驶中多任务多目标优化决策规划处理方法，应用于自动驾驶系统中，其至少包括如下步骤：
3、在自动驾驶过程中，实时获取本车辆行车信息、目标车辆信息及行驶环境信息；
4、根据所获取的信息判定在期望时间内车辆对应的目标决策域；
5、根据所述目标决策域与当前决策域的优先级确定是否需要进行决策域的切换，在需要进行决策域切换时，根据所述目标决策域预设定的优化控制器计算获得所述目标决策域对应的控制量；
6、采用动态缓冲域的软切换控制策略，利用所述目标决策域对应的控制量对车辆进行控制，将车辆从当前决策域对应的驾驶模式切换至目标决策域对应的驾驶模式。
7、其中，所述本车辆行车信息至少包括：横摆角速度、纵向加速度及车速；所述目标车辆信息至少包括各目标车辆与本车辆的相对距离、相对速度；所述行驶环境信息至少包括车道线、风速及坡度值；所述决策域包括优先级从高到低的动力学稳定域、碰撞安全域、法规域和舒适域。
8、其中，所述根据所述目标决策域与当前决策域的优先级确定是否需要进行决策域的切换的步骤为：
9、当所述目标决策域的优先级高于当前决策域的优先级时，确定需要进行决策域的切换。
10、其中，根据所述目标决策域预设定的优化控制器计算获得所述目标决策域对应的控制量的步骤为：
11、根据下述的公式计算获得目标决策域的控制量uj：
12、
13、其中，xi＝[vx，vy，ω]t为状态量，包含有纵向车速、横向车速和横摆角速度信息；p为预先获得的对角化的lyapunov函数，n是目标的数量；uj为目标决策域的控制量，包含有纵向驱动力与前轮转角信息。
14、其中，所述采用动态缓冲域的软切换控制策略，利用所述目标决策域对应的控制量对车辆进行控制，将车辆从当前决策域对应的驾驶模式切换至目标决策域对应的驾驶模式的步骤具体为：
15、在当前决策域与目标决策域之间建立缓冲域；
16、获得当前决策域控制量uk，周期性采用下述公式计算获得当前缓冲域输出的控制量：
17、
18、其中，u*是缓冲域输出的控制量，uj是决策域控制量，α为权重系数，根据决策域的切换完成度确定；
19、采用所述当前缓冲域输出的控制量对车辆进行控制，直至切换至目标决策域对应的驾驶模式。
20、其中，进一步包括预先获得每一决策域所对应的优化控制器的步骤，包括：
21、根据驾驶需求覆盖的时间域和涉及的状态空间，将驾驶需求分成全局性需求、动力学相关的实时性需求以及趋势性指标需求；
22、获得每一类驾驶需求的表征指标，及约束条件，并建立不同的决策域；
23、对于每一决策域，根据驾驶需求构造变量间的约束方程，然后通过车辆速度和横摆角速度关联车辆动力学状态方程、车-路和车-目标车辆之间的相对运动状态方程，将不同决策域映射至由横摆角速度、纵向加速度和车速构成的三维状态空间；
24、通过建立考虑不确定性的仿射非线性状态空间模型，计算每一决策域对应的状态量和状态量一阶信息，所述不确定性包含有建模误差、非线特性和外部扰动因素；
25、根据各决策域对应的状态量和状态量一阶信息建立hamilton-jacobi不等式以构建不同决策域最优控制问题，通过离线数值进行求解，得到相应的对角化lyapunov函数；
26、根据所述对角化lyapunov函数，得到各决策域的控制量的计算公式，形成每一决策域的优化控制器。
27、相应地，本专利技术的另一方面，还提供一种自动驾驶中多任务多目标优化决策规划处理系统，应用于自动驾驶系统中，其至少包括：
28、信息获取单元，用于在自动驾驶过程中，实时获取本车辆行车信息、目标车辆信息及行驶环境信息；
29、目标决策域确定单元，用于根据所获取的信息判定在期望时间内车辆对应的目标决策域；
30、决策处理单元，用于根据所述目标决策域与当前决策域的优先级确定是否需要进行决策域的切换，在需要进行决策域切换时，根据所述目标决策域预设定的优化控制器计算获得所述目标决策域对应的控制量；
31、切换处理单元，用于采用动态缓冲域的软切换控制策略，利用所述目标决策域对应的控制量对车辆进行控制，将车辆从当前决策域对应的驾驶模式切换至目标决策域对应的驾驶模式。
32、其中，所述本车辆行车信息至少包括：横摆角速度、纵向加速度及车速；所述目标车辆信息至少包括各目标车辆与本车辆的相对距离、相对速度；所述行驶环境信息至少包括车道线、风速及坡度值；所述决策域包括优先级从高到低的动力学稳定域、碰撞安全域、法规域和舒适域。
33、其中，所述决策处理单元进一步包括：
34、切换判定单元，用于当所述目标决策域的优先级高于当前决策域的优先级时，确定需要进行决策域的切换。
35、其中，所述决策处理单元进一步包括：
36、目标决策域控制量获取单元，用于根据下述的公式计算获得目标决策域的控制量uj：
37、
本文档来自技高网...
【技术保护点】
1.一种自动驾驶中多任务多目标优化决策规划处理方法，应用于自动驾驶系统中，其特征在于，至少包括如下步骤：
2.如权利要求1所述的方法，其特征在于，其中：
3.如权利要求1或2所述的方法，其特征在于，所述根据所述目标决策域与当前决策域的优先级确定是否需要进行决策域的切换的步骤为：
4.如权利要求3所述的方法，其特征在于，所述采用动态缓冲域的软切换控制策略，利用所述目标决策域对应的控制量对车辆进行控制，将车辆从当前决策域对应的驾驶模式切换至目标决策域对应的驾驶模式的步骤具体为：
5.如权利要求4所述的方法，其特征在于，进一步包括预先获得每一决策域所对应的优化控制器的步骤，包括：
6.一种自动驾驶中多任务多目标优化决策规划处理系统，应用于自动驾驶系统中，其特征在于，至少包括：
7.如权利要求6所述的系统，其特征在于，其中：
8.如权利要求6或7所述的系统，其特征在于，所述决策处理单元进一步包括：
9.如权利要求8所述的系统，其特征在于，所述切换处理单元进一步包括：
10.如权利要求9所述的系统，其特征在于，进一步包括：
...
【技术特征摘要】
1.一种自动驾驶中多任务多目标优化决策规划处理方法，应用于自动驾驶系统中，其特征在于，至少包括如下步骤：
2.如权利要求1所述的方法，其特征在于，其中：
3.如权利要求1或2所述的方法，其特征在于，所述根据所述目标决策域与当前决策域的优先级确定是否需要进行决策域的切换的步骤为：
4.如权利要求3所述的方法，其特征在于，所述采用动态缓冲域的软切换控制策略，利用所述目标决策域对应的控制量对车辆进行控制，将车辆从当前决策域对应的驾驶模式切换至目标决策域对应的驾驶模式的步骤具体为：
【专利技术属性】
技术研发人员：党东方，徐伟，陈彩霞，张志德，
申请(专利权)人：广州汽车集团股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。