买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国农业大学

摘要：本发明涉及智能网联汽车技术领域，特别涉及换道场景智能汽车队列“人‑车‑路”系统建模方法，包括以下步骤：步骤S1，将BDI智能体与智能汽车和驾驶员换道行为特点进行结合，建立基于BDI智能体结构的车辆智能体换道模型以及基于BDI智能体结构的驾驶员智能体换道模型；步骤S2，将反应式智能体与换道场景下道路环境特点进行结合，建立基于反应式智能体的换道场景道路环境模型；步骤S3，根据基于BDI智能体结构的车辆智能体换道模型、基于BDI智能体结构的驾驶员智能体换道模型和基于反应式智能体的换道场景道路环境模型建立智能汽车队列换道场景下“人‑车‑路”系统多智能体联合模型，并获得智能汽车队列换道场景下人、车、路三者之间的交互信息流。

主权项：1.一种智能汽车队列换道场景下的“人-车-路”系统联合建模方法，其特征在于：所述方法包括以下步骤：步骤S1，将BDI智能体与智能汽车和驾驶员换道行为特点进行结合，建立基于BDI智能体结构的车辆智能体换道模型以及基于BDI智能体结构的驾驶员智能体换道模型；所述基于BDI智能体结构的车辆智能体以及基于BDI智能体结构的驾驶员智能体均由感知层、预测层、推理层、决策层、执行层、状态库、愿望库以及意图库构成；通过感知层获取外界信息，经过预测、推理、决策，最终进行动作执行，作用于外界环境；状态库、愿望库和意图库为该过程提供必要的信息；基于BDI智能体结构的车辆智能体以及基于BDI智能体结构的驾驶员智能体的结构由公式1表示：VADA＝{id,B,D,I,Perception,Anticipation,Inference,Strategy,Action}公式1其中，VA为BDI智能体结构的车辆智能体，DA为基于BDI智能体结构的驾驶员智能体；id为一智能体的唯一标识，用于区分不同的智能体；B为状态库，存储自身状态和外界信息；D为愿望库，存储自身的愿望和期望；I为意图库，存储智能体的动作集；Perception、Anticipation、Inference、Strategy、Action分别表示智能体的感知、预测、推理、决策和执行动作；智能汽车队列由N+1辆车组成，其中，头车id＝0，为驾驶员驾驶，其行为由驾驶员智能体换道模型控制；所有跟随车辆id＝1～N，为无人驾驶车辆，其行为由车辆智能体换道模型表示；步骤S2，将反应式智能体与换道场景下道路环境特点进行结合，建立基于反应式智能体的换道场景下的道路环境智能体模型；道路环境智能体包括道路本身的情况、特征和属性，以及交通流和除研究车辆之外的其余车辆；道路环境智能体由公式2表示：EA＝S,D公式2其中，EA表示道路环境智能体；S表示静态环境，包括道路坡度、曲率、交通标识；D表示动态环境，包括交通流、研究车辆外的周围车辆状态；S、D由公式3-公式6表示：S＝{slope,curvature,light,signs}公式3slopecurvature∈{small,middle,large}公式4D＝{traf_flow,state}公式5 公式3-公式6中，slope表示道路坡度，curvature表示道路曲率，道路坡度和道路曲率用“small、middle、large”三种模糊逻辑来表示；light表示交通灯状态信息；signs表示交通标识信息；traf_flow表示交通通行效率或拥堵情况，既能够用时刻t时交通流量v来表示，t的单位为h，v的单位为veh，也能够用“smooth、medium、congestion”三种模糊逻辑来表示；state表示其余车辆的状态；道路环境智能体的状态空间中state表示如下：state＝{ah,vh,sh,aLo,vLo,sLo,aLd,vLd,sLd,aFd,vFd,sFd}公式7公式7中，ah为队列头车加速度，单位为ms2；vh为队列头车速度，单位为ms；sh为队列头车位置，单位为m；alo为初始车道前车加速度，单位为ms2；vlo为初始车道前车速度，单位为ms；slo为初始车道前车位置，单位为m；ald为目标车道前车加速度，单位为ms2；vld为目标车道前车速度，单位为ms；sld为目标车道前车位置，单位为m；aFd为目标车道后车加速度，单位为ms2；vFd为目标车道后车速度，单位为ms；sFd为目标车道后车位置，单位为m；步骤S3，根据基于BDI智能体结构的车辆智能体换道模型、基于BDI智能体结构的驾驶员智能体换道模型和基于反应式智能体的换道场景道路环境模型建立智能汽车队列换道场景下“人-车-路”系统多智能体联合模型，并获得智能汽车队列换道场景下人、车、路三者之间的交互信息流；步骤S1中，基于BDI智能体结构的车辆智能体换道模型和基于BDI智能体结构的驾驶员智能体换道模型的建立方法是：感知层中，第i辆车接收头车DAlc和前车VAlc,i-1的状态信息，包括：头车加速度ah、头车速度vh和头车位置sh，前车加速度ai-1、前车速度vi-1、前车位置si-1、驾驶员意图和换道意图Request；第i辆车从道路环境智能体EAlc获取队列周围车辆的状态信息LCV，用于保证行驶安全；预测层根据相关周车的状态以及自车状态，预测换道是否安全，judge_safe表示预测结果；建立最小换道安全距离模型，与实际车间距相比较，若实际车间距较大，则表示换道安全，否则表示不安全；推理层根据预测层输出的判断结果，若换道安全，则根据车辆自身状态ac、vc、sc并结合期望达到的目标，规划出换道轨迹方程L；决策层根据规划出的轨迹求解出车辆的期望加速度和方向盘转角；执行层负责执行决策层输出的控制指令，并输出车辆状态，作用于外部环境；步骤S1中，还包括如下步骤：换道时，预测层根据相关周车的状态以及自车状态，预测换道是否安全：首先建立车辆全局坐标系，用以表示车辆各顶点和各边线的坐标表达式，其中，M为车辆代号，A、B、C、D为换道车辆M的四个顶点，其中A、B为车辆前方；并假设该车辆的中心坐标为x,y，得到该车各顶点、边线的坐标表达式，如表1所示：表1：车辆各顶点及边线坐标 其中：Lf为车辆中心到前保险杠的距离，单位为m；Lr为车辆中心到后保险杠的距离，单位为m；l为车辆上下边线上一点到车辆中心的纵向距离，单位为m，靠近A点或B点为正，取值范围为-LrlLf；B为车辆的宽度，单位为m；b为车辆前后保险杠上一点到保险杠中点距离的二倍，单位为m，靠近A点或D点为正，取值范围为-BbB，θ为车辆横摆角，单位为弧度；临界碰撞条件是：换道车辆M的AB边与直行车辆Ld的右后角C点相碰撞；其中P点为换道车辆M的AB边与H线的交点，该点坐标中的b值由换道轨迹和时间共同确定；保证不碰撞时，要求换道车辆M的AB边与H线相交点P的x坐标始终在前车CD边之后，即x方向的临界碰撞方程： 其中b的值由横向坐标关系确定，即y方向的临界碰撞方程： 公式8、公式9中，xM、xLd、yM、yLd均表示换道车辆M与目标车道前车Ld的位置，单位为m；θ为车辆横摆角，单位为弧度；LfM为换道车辆M中心到前保险杠的距离，单位为m；LrLd为目标车道前车Ld的车辆中心到后保险杠的距离，单位为m；BLd为目标车道前车Ld的车辆宽度，单位为m；b为车辆前后保险杠上一点到保险杠中点距离的二倍，单位为m；在换道过程中的最大初始距离也就是避免碰撞的最小安全距离，因此换道车辆与目标车道前车Ld之间的安全距离模型MSSM，Ld为： 公式10中，xM、xLd、yM、yLd均表示换道车辆M与目标车道前车Ld的位置，单位为m；t表示时间，单位为s，t1时刻为换道车辆的左前角A点到达H线的时刻，tfin表示换道终止时刻；θ为车辆横摆角，单位为弧度；LfM为换道车辆M中心到前保险杠的距离，单位为m；BM为换道车辆M的车辆宽度，单位为m；BLd为目标车道前车Ld的车辆宽度，单位为m；b为换道车辆M前后保险杠上一点到保险杠中点距离的二倍，单位为m；其中t1满足： 换道车辆与目标车道后车Fd之间的安全距离模型： t∈[t1，t2] 公式11中，xM、xFd、yM、yFd均表示换道车辆M与目标车道后车Fd的位置，单位为m；t表示时间，单位为s，t1时刻为换道车辆M的左前角A点到达H线的时刻，t2时刻为换道车辆M的右前角B点到达H线的时刻；θ为车辆横摆角，单位为弧度；LrM为换道车辆M中心到后保险杠的距离，单位为m；BM为换道车辆M的车辆宽度，单位为m；BFd为目标车道后车Fd的车辆宽度，单位为m；b为换道车辆M前后保险杠上一点到保险杠中点距离的二倍，单位为m；l为换道车辆M上下边线上一点到车辆中心的纵向距离，单位为m；LfM为换道车辆M中心到前保险杠的距离，单位为m；换道车辆与初始车道前车Lo之间的安全距离模型： t∈[t1，t2] 公式12中，xM、xLo、yM、yLo均表示换道车辆M与初始车道前车Lo的位置，单位为m；t表示时间，单位为s，t1时刻为换道车辆M的左前角A点到达H线的时刻，t2时刻为换道车辆M的右前角B点到达H线的时刻；θ为车辆横摆角，单位为弧度；LrM为换道车辆M中心到后保险杠的距离，单位为m；LfM为换道车辆M中心到前保险杠的距离，单位为m；BM为换道车辆M的车辆宽度，单位为m；BLo为初始车道前车Lo的车辆宽度，单位为m；l为换道车辆M上下边线上一点到车辆中心的纵向距离，单位为m；换道车辆与初始车道后车Fo之间的安全距离模型： t∈[0，t2]b∈[-BM，BM]公式13中，xM、xFo、yM、yFo均表示换道车辆M与初始车道后车Fo的位置，单位为m；t表示时间，单位为s，t2时刻为换道车辆M的右前角B点到达H线的时刻；θ为车辆横摆角，单位为弧度；LrM为换道车辆M中心到后保险杠的距离，单位为m；BM为换道车辆M的车辆宽度，单位为m；BFo为初始车道后车Fo的车辆宽度，单位为m；b为换道车辆M前后保险杠上一点到保险杠中点距离的二倍，单位为m；若初始距离大于安全距离，则判断换道安全，反之不安全；步骤S1中，还包括如下步骤：换道时，推理层根据车辆状态进行换道轨迹规划：车辆横向位移关于纵向位移的五次多项式如公式14所示：yixi＝a0+a1xi+a2xi2+a3xi3+a4xi4+a5xi5公式14为了保证五次多项式能够平滑的规划出换道轨迹，需要确定上式中的六个系数以满足位置、坡度和曲率的约束，其约束如下： 公式14、公式15中，xi为车辆i的纵向位移，单位为m；yi表示车辆i的横向位移，单位为m；xi,f是换道开始时刻相对于换道结束时刻车辆行驶的纵向位移，单位为m；yi,f是换道过程中车辆走过的横向位移，单位为m，通过实际道路两车道中心线的宽度决定；κ表示规划轨迹的曲率，单位为m-1；根据上述约束，求解五次多项式方程的系数，并将求解系数带入公式11中得到如公式13的轨迹规划五次多项式： 其中，xi,f,yi,f表示轨迹规划最后一个点相对规划初始点的位置，单位为m；vi表示当前车辆的纵向行驶车速，单位为ms；由公式16得出换道规划轨迹。

全文数据：

权利要求：

百度查询： 中国农业大学 一种换道场景智能汽车队列“人-车-路”系统建模方法