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：吉林大学

摘要：本发明属于交通控制系统领域，涉及一种基于安全场的车辆换道决策与轨迹规划交互耦合方法，包括：A：构建行车安全场模型;B：构建自车周围车辆短时轨迹预测模型;C：构建行车安全指标阈值模型;D：构建换道行为决策及轨迹规划集;E：轨迹规划初次筛选方法;F：最优轨迹二次筛选方法;本发明的优点：综合考量了行为决策与轨迹规划两个模块间的复杂耦合机理，以车辆短时轨迹预测为基础，从换道整个过程出发，以全局视角衡量最优决策与最优轨迹，以行车安全指标阈值初次筛选出满足安全性的轨迹集，以急动度、本车和周围车辆的期望速度等指标二次筛选出满足安全阈值下的综合衡量本车舒适性和交通流整体效率特性的换道决策与轨迹规划方案。

主权项：1.一种基于安全场的车辆换道决策与轨迹规划交互耦合方法，其特征在于，包括以下步骤：A：构建行车安全场模型，作为行车风险的描述模型，并且用于行车安全指标阈值的推导；A1：获取在当前道路环境下自车和周围车辆的运动状态参数，运动状态参数包括本车和周围车辆的速度、加速度、偏航角、质量和位置；A2：获取周围环境信息，周围环境信息包括环境的能见度、车道数、车道线情况、道路附着系数以及限速信息；A3：利用步骤A1和步骤A2获得的信息构建自车实时势场值模型；Eego＝λEe+Ev其中， 式中：λ为风险影响因子系数；λl、λs、λe分别为道路影响因子系数、速度限制影响因子系数以及环境能见度影响因子系数；Eego为本车所受的安全场，场强值；Ee为本车所受的环境场，场强值；Ev为本车所受的车辆场，场强值；N为周围车辆个数；Evi为车辆i对本车产生的场强值；A3.1：推导道路影响因子系数，路面附着系数是车轮和路面之间的静摩擦系数，路面附着系数对于行车安全有着重要的影响，当路面附着系数大时，车轮不容易打滑，车辆行驶具有良好的安全保障；反之，车辆易出现交通事故，本车行驶到某一区域时，根据车与周围事物的信息交换系统通过路面感应装置将道路的湿滑信息传递到智能网联车辆上，从而获取到这一信息，因此，令干燥条件下水泥路面的附着系数作为标准附着系数u*，得到路面附着系数因子为： 式中：u*为标准附着系数；u为道路实际附着系数；上式看出，λl线性的成比例扩大或者缩小场强值，当u大于u*时，行车安全性增加，成比例的缩小场强值；反之，行车安全性降低，成比例的扩大场强值；A3.2：推导速度限制影响因子系数，车辆在某一限速区域行驶时，要遵循此地的限速信息行驶，当高于此速度值，会产生较高的行车风险，按照这个原理推导速度限制影响因子系数，如下： 式中：v*为限速设置值；v为本车实际速度；A3.3：推导环境能见度影响因子系数，不论是人工驾驶车辆还是自动驾驶车辆，环境能见度都会极大的影响行车安全，较低的环境能见度会降低人工驾驶车辆的驾驶人视野，也会使自动驾驶车辆的感知能力变弱，当能见度大于10km时视为能见度优，因此令标准能见度e*＝10km； 式中：e*为标准能见度；e为实际能见度；B：构建自车周围车辆短时轨迹预测模型，描述换道车周围车辆的实时轨迹，用于精确衡量实时行车风险；B1：目标车辆相关交通状态数据采集；获取每个需要预测车辆的历史轨迹，历史轨迹包括离散横坐标、纵坐标、以及偏航角信息，以及车辆长宽、车辆此时速度、加速度、与前车距离信息；B2：输入信息表示矩阵；车辆i在过去时间内的历史轨迹表示为： 式中：Pi为被预测车辆i的历史位置信息；Xi,Yi,φi分别为车辆i的历史横坐标向量、历史纵坐标向量、以及历史偏航角向量；分别为车辆i的第j个历史轨迹点的横坐标、纵坐标、偏航角数据；M为所收集的过去历史轨迹点个数；则所有被预测车辆的历史轨迹信息集合P表示为： 辅助信息矩阵Q表示为： 其中，Qi＝[LiWiviaidi]T式中：Q表示辅助预测信息集合；Qi表示车辆i的辅助预测信息；N为本车周围车辆个数，也即被预测车辆个数；Xi,Yi,φi,Li,Wi,vi,ai,di分别为车辆i的历史横坐标向量、历史纵坐标向量、历史偏航角向量、长、宽、此时速度、此时加速度、此时与前车间距；T表示矩阵转置；由此，输入信息即为历史轨迹信息矩阵P以及辅助预测信息矩阵Q；B3：选取预测模型并输出预测轨迹；选取轨迹预测模型为长短期记忆模型LSTM，经过预测模型处理得到所有被预测车辆的未来轨迹，输出矩阵可表示为： 其中， 式中：Pw为预测轨迹矩阵；为车辆i的预测轨迹矩阵；分别为车辆i的预测横坐标向量、预测纵坐标向量、以及预测偏航角向量；分别为车辆i在t+jT时刻时所预测得出的横坐标、纵坐标、以及偏航角；t为当前时间；T为预测步长；m为预测次数；N为周围车辆个数；C：构建行车安全指标阈值模型，将行车安全指标阈值作为判定车辆行驶安全与否的标准，并且作为轨迹规划初次筛选的条件；C1：构建车辆所受场力模型；场源k对本车产生的场力归结为：Fk＝Ek·q其中， 式中：Fk为本车受到场源k的场力；Ek是场源k在本车位置处的场强值；q为等效电荷量；M、v、分别为本车的质量、速度以及偏航角；β为待定系数；C2：构建行车安全指标模型；DSI＝η·SPE+1-η·SPE′ 式中：DSI为行车安全场指标；SPE为势能；SPE′为势能对时间的导数；η为势能所占权重；n为场源个数，为周围车辆个数与环境个数之和；d为微分符号，d′为场源指向本车的矢量距离；Fj为场源j对本车的场力；C3：测试行车安全指标阈值并构建相对行车安全指标模型；车辆行驶过程中，行车安全指标会在非常大的范围内波动，如此大的范围无法准确判定行车安全性，因而，根据典型车辆跟随与换道情境下测试出标准的DSI值作为行车安全指标阈值DSI*；由此，得出相对行车安全指标RDSI计算公式： 由此可知，当RDSI小于1时，认为车辆处于安全行驶范围；反之，则处于危险范围；D：构建换道行为决策及轨迹规划集，构建涵盖决策与轨迹组合的集合，作为轨迹规划初次筛选的输入；D1：构建本车行为决策集；车辆在道路上行驶时，在任意时刻都至多可分为三种决策方式：保持车道、左换道以及右换道，因而车辆在任意时刻的决策集归纳为： 式中：LL为车辆左换道；S为车辆直行；LR为车辆右换道；Ω为决策集；D2：基于五次多项式的轨迹规划生成方法；换道过程为换道车从本车道的中心线行驶到相邻车道的中心线上，仅根据换道车的起始状态和目标状态，经计算便可得到一条光滑的换道轨迹，分别在车辆行驶的横纵方向上构建多项式函数： 式中：t为时间；xt为本车纵向位置关于t的函数；yt为本车横向位置关于t的函数；ai,bii∈{0,1,…,5}均为待定系数；分别对xt，yt求一阶导和二阶导，可得： 式中：分别为纵向位置关于时间t的一阶导数与二阶导数；分别为横向位置关于时间t的一阶导数与二阶导数；将换道开始时刻tin与换道结束时刻ten带入求一阶导和二阶导，可得边界条件： 以上的换道边界条件中，换道初始状态是已知的，终止状态是变化的，换道时间也是变化的，用户根据需求选择合适的终止状态的位置范围和换道持续时间范围，则根据终止状态的不同以及换道时间的不同产生多条换道轨迹规划，所有的换道轨迹规划组合在一起称作换道轨迹规划集；D3：构建本车行为决策对应的轨迹规划集；在轨迹规划生成的过程中，无论何种决策，都会对应产生无数条可能的轨迹规划，将这些轨迹规划归类得出以下几类：加速左换道、加速右换道、加速直行；匀速左换道、匀速右换道、匀速直行；减速左换道、减速右换道、减速直行；由于加减速的程度不同，以上每种类型均可分成许多条轨迹；假设左换道决策生成O条候选轨迹；直行决策生成P条候选轨迹；右换道决策生成Q条候选轨迹，则可将车辆行为及轨迹规划集进行如下表示； H＝O+P+Q式中：τ1至τO分别为车辆左换道决策产生的O条候选轨迹；至分别为车辆保持车道决策产生的P条候选轨迹；ξ1至ξQ分别为车辆右换道决策产生的Q条候选轨迹；H为生成候选轨迹的数量；D4：绘制车辆轨迹规划；根据步骤D2关于轨迹规划生成方式的描述与步骤D3关于候选轨迹规划集表示方法的描述，绘制生成的候选轨迹规划集；E：轨迹规划初次筛选方法，以行车安全指标阈值作为筛选条件，筛选出满足安全的轨迹规划集，并作为最优轨迹二次筛选的输入；E1：以车辆短时轨迹预测时间步长T为间隔，从t时刻开始，计算t到t+T时刻间隔内所有的轨迹对应的DSI是否存在大于DSI*的情况，如果有，则将这条轨迹删除；DSI[τi,t→t+T]、DSI[ξk,t→t+T]分别为t到t+T时刻间隔内本车轨迹τi、ξk所承受的DSI的最大值，具体步骤如下：E1.1：计算时刻间隔内轨迹τi，i从1到O，是否存在DSI[τi]≥DSI*的情况，如果有，则将τi从Ω中删除；E1.2：计算时刻间隔内轨迹j从1到P，是否存在的情况，如果有，则将从Ω中删除；E1.3：计算时刻间隔内轨迹ξk，k从1到Q，是否存在DSI[ξk]≥DSI*的情况，如果有，则将ξk从Ω中删除；其中，DSI[τi]、DSI[ξk]分别为τi、ξk在时刻间隔内所承受的DSI的最大值；E2：当时间分别落到t+jT到t+j+1T，j∈奇数且1jm，时刻间隔内时，重复步骤E1.1，步骤E1.2，步骤E1.3过程，重复完此步骤后，剩余的轨迹即为满足安全性的轨迹，表示为： O′≤O,P′≤P,Q′≤QO′+P′+Q′＝H′式中：Ω′为初次筛选后剩余轨迹集；O′、P′、Q′、H′分别为初次筛选后剩余左换道、保持车道、右换道以及三者之和的候选轨迹规划数量；E3：绘制使用DSI*初步筛选后的轨迹规划方案；F：最优轨迹二次筛选方法，以效率指标和舒适性指标作为筛选条件，从满足安全性的轨迹规划集中筛选出综合性能最优的轨迹规划，并将此轨迹规划作为车辆行驶的指导；F1：构建交通效率指标模型；在满足换道安全性的前提下，追求交通流整体效益与本车效益最大化，此效率成本与本车及周围车辆的速度相关，由于本车寻求与周围车辆的合作换道决策，因而本车与周围车辆均应希望达到期望驾驶速度，以此增加合作换道的可能性； 式中：Ze为效率成本；wp与wo分别为本车、本车周围其他车辆所占权重；与分别为本车、本车周围其他车辆j在t+iT时刻的速度；与分别为本车、本车周围其他车辆j在t+iT时刻的期望速度；F2：构建舒适性指标模型；考量安全与效率指标情况下构建舒适性指标；急动度是加速度随时间的导数，常用做衡量舒适性的核心指标，据此，构建的舒适性指标如下： 式中：Zc为效率成本；与分别为本车在t+iT横向与纵向急动度；F3：评价指标融合方法；综合评价剩余轨迹的优劣，通过效率与舒适性两个指标来权衡；包含了本车效率与舒适度，又包含了周围车辆的效率，在本车换道性能提高的同时促进整体交通性能的提升；构建的综合评价方法为：Z＝we·Ze+wc·Zc式中：Z为综合成本；we为交通效率指标所占权重；wc为舒适性指标所占权重；F4：最优轨迹选取步骤及输出；F4.1：以Ω′为候选轨迹，计算轨迹τi，i从1到O′，的综合效益，记为Z[τi]；计算轨迹的综合效益，记为j从1到P′；计算轨迹ξk的综合效益，记为Z[ξk]，k从1到Q′；F4.2：比较minZ[τi]、minZ[ξk]的大小，对应的轨迹即为最优轨迹，所对应的决策即为最优决策；F4.3：将最优轨迹及决策绘制，输出到车辆的控制器，车辆相应的执行此决策和轨迹。

全文数据：

权利要求：

百度查询： 吉林大学 一种基于安全场的车辆换道决策与轨迹规划交互耦合方法