CN106940933B - 一种基于智能交通系统的智能车辆决策换道方法 - Google Patents

Abstract

本发明涉及一种基于智能交通系统的智能车辆决策换道方法，首先，智能驾驶系统解析接收到的智能交通系统广播数据，提取事件信息；其次，智能驾驶系统完成道路事件坐标转换并根据事件信息得到事件影响因子；最后，智能驾驶系统根据事件总体影响因子及当前道路环境判断是否允许车辆决策换道，允许则进行换道路径重规划并同时计算车辆期望行为，并进行换道。通过前方道路事件属性及车辆周围环境信息对当前车道车辆行驶路径进行影响因子计算，对自动驾驶车辆进行决策换道必要性、安全性、可靠性评估，并提前做好车辆换道准备。

Description

一种基于智能交通系统的智能车辆决策换道方法

技术领域

本发明涉及自动驾驶车辆控制领域，尤其涉及一种基于智能交通系统的智能车辆决策换道方法。

背景技术

自动驾驶车辆决策换道技术按其发展的智能化程度大致可以分为三个阶段：人工决策并控制换道阶段、人工决策自主控制换道阶段、自主决策并控制换道阶段。第一阶段主要靠驾驶员进行车辆换道决策判断及换道时机选择，手动控制方向盘、转向灯等执行器进行车辆换道行为控制。第二阶段依靠驾驶员进行车辆换道决策判断，在合适时机下发换道决策指令，自动驾驶车辆综合周围环境感知结果判断指令有效性并在机制允许情况下进行主动换道行为控制。第三阶段为自动驾驶车辆自主进行换道必要性及安全性分析，考虑环境信息进行换道时机判断与决策，并通过自主路径重规划进行车辆自主换道。

伴随自动驾驶技术全面发展，传统车辆决策换道技术也得到较快发展，部分科研机构已达到车辆自主决策并控制换道技术，即在无人参与情况下自动驾驶车辆可根据环境感知范围内信息进行车辆换道必要性与安全性分析并在适当情况下进行换道决策与控制，如“2016中国智能车未来挑战赛”中，设计并考核了智能驾驶汽车在城市环境中的决策换道功能。但在宏观意义上讲，目前自动驾驶车辆作为现代智能交通系统一个“独立智慧单元”，虽然可以进行周围环境感知，但受制于传感器有效范围与精度，只能对车辆周围一定范围内环境条件进行感知，不能突破传感器技术瓶颈，与整个交通系统进行信息交互。

智能交通系统(Intelligent Transportation System，ITS),指的是在较完善的基础设施(包括道路、港口、机场和通信)之上将先进的信息技术、数据通讯传输技术、电子传感技术、电子控制技术以及计算机处理技术等有效地集成运用于整个交通运输管理体系，从而建立起一种在大范围、全方位发挥作用的实时、准确、高效的综合运输和管理系统。智能交通系统作为未来交通系统的发展方向，可以通过无线通信技术及智能网联技术将道路交通状况实时准确的进行消息发布，包括交叉路口红绿灯状态、道路急弯、道路限速、施工落石等道路常见交通信息，检测并提供交通参与者的状态信息等，对减轻交通系统压力、保证车辆行驶安全性、提高车辆运输效率等方面具有重要意义。因此亟待一种将自动驾驶技术与智能交通有机结合的方法，可以很好的突破车辆自身传感器技术限制，补充传感器盲区限制与范围瓶颈，更好进行车辆定位、环境感知、决策判断、运动控制等。

发明内容

鉴于上述的分析，本发明旨在提供一种基于智能交通系统的智能车辆决策换道方法，用以解决上述技术问题。

本发明的目的主要是通过以下技术方案实现的：

在基于本发明方法的一个实施例中，提供了一种基于智能交通系统智能车辆决策换道方法，包括步骤：

S1、智能驾驶系统解析接接收到的智能交通系统广播数据，提取事件信息；

S2、智能驾驶系统完成道路事件坐标转换并根据事件信息得到事件影响因子；

S3、智能驾驶系统根据事件总体影响因子及当前道路环境判断是否允许车辆决策换道，允许则进行换道路径重规划并同时计算车辆期望行为，并进行换道；不允许则保持当前车道行驶。

在基于本发明方法的另一个实施例中，在步骤S1之前还包括：

S101、启动自动驾驶车辆，开启硬件设备开关，检查车辆运行状态，在软硬件运行正常情况后启动车辆自动驾驶功能；

S102、通过车载摄像机检测道路车道线并保持该车道行驶；

S103、通过车载无线接收装置接收智能交通系统广播数据，并将数据传输至车辆智能驾驶系统。

在基于本发明方法的另一个实施例中，事件信息包括事件属性、位置、事件半径。

在基于本发明方法的另一个实施例中，步骤S2中得到事件影响因子的步骤具体包括：

S1061、定义道路事件影响系数K；

S1062、设计道路事件辐射梯度函数f(S_i)：

f(S_i)＝A·(r-S_i)

其中，S_i为事件中心到车辆前方局部规划路点的距离；(x_L,y_L)为事件中心位置在车辆局部坐标系中相对位置；(x_i,y_i)为车辆前方局部规划路点在车辆坐标系下的坐标；r为事件半径；S_i为事件中心到车辆前方局部规划路点的距离；A为影响因子属性，包括距离影响因子A₁及状态影响影子A₂；

S1063、当事件中心至车辆当前位置距离S小于等于局部规划路径长度L时，遍历车辆当前路径规划路点；当S大于L时，保持原车道行驶；

S1064、通过路径点至事件中心距离及事件自身半径判断该路点是否属于事件区域，并记录事件区域点数目m；

S1065、自事件区域第一个点开始计算单点距离影响因子及单点状态影响因子：

X_i＝f₁(S_i)＝A₁·(r-S_i)

Y_i＝f₂(S_i)＝A₂·(r-S_i)

其中，X_i、Y_i为局部规划路径单点距离影响因子和点状态影响因子；

ω_i,v_i为路点车辆期望转向和速度信息；

S1066、判断该点是否为事件区域内最后一点，如果不是则继续返回计算下一区域内点影响因子；如果是进行影响因子加和计算；

S1067、距离影响因子X及状态影响因子Y的加和计算：

S1068、道路事件总体影响因子计算：

在基于本发明方法的另一个实施例中，步骤S3中根据事件总体影响因子及当前道路环境判断是否允许车辆决策换道的具体步骤包括：

S1091、首先考虑道路时间对当前规划路径行驶影响程度；

S1092、根据影响因子大小是否超出限值进一步分析，如未达到换道需求，退出换道并保持当前车道行驶，同时判断是否可以通过降速等控制降低道路影响因子，使自动驾驶车辆更安全通过；如达到换道条件则事件影响因子满足标识L₁置1，进行下一步分析：

S1093、计算当前车道内换道安全距离；

S1094、对当前车道换道距离进行判定，如果该距离不满足换道安全距离条件，则退出换道并保持当前车道行驶；如果大于等于安全距离，则当前车道安全距离满足标识L₂置1，并进行下一步分析：

S1095、计算目标车道的换道安全距离；

S1096、对目标车道换道距离进行判定，如果该距离不满足换道安全距离条件，则退出换道并保持当前车道行驶；如果大于换道安全距离，则目标车道安全距离满足标识L₃置1，并进行换道路径重规划环节。

在基于本发明方法的另一个实施例中，步骤S1093中计算当前车道内换道安全距离具体为：

S_current＝(v_self-v_front)·T+s_safe

其中，S_current为当前车道换道安全距离；v_self、v_front为自身车速和前方障碍区速度；T为换道时间，即换道过程用时；s_safe为停车距离，即保证换道过程中与前车最小距离限制；dec_max为最大减速度；t为执行器相应周期；v_current为当前车速；s_min为停车后最小距离。

在基于本发明方法的另一个实施例中，步骤S1095中计算目标车道的换道安全距离具体为：

S_target＝(v_self-v_target)·T+L_length+2·s_safe

其中，S_target为目标车道的换道安全距离，目标车道指远离道路事件中心的同向车道；L_length为车身长度。

在基于本发明方法的另一个实施例中，步骤S3中进行换道路径重规划并同时计算车辆期望行为的具体步骤包括：

S1101、车辆保持本车道行驶过程中，同步检测两侧车道线；

S1102、根据两侧车道线检测结果计算本车道中心线作为车辆当前行驶期望路径；

S1103、确认车辆换道决策判断，即对状态标识，L₁、L₂、L₃进行判断，如果均为1，则通过判定，车辆进入换道路径重规划，如不满足，则退出换道并保持当前车道行驶；

S1104、自动驾驶车辆进行换道准备，包括开启转向灯、提醒驾驶员等；

S1105、智能系统计算最终车辆路径偏移量，即为车辆与目标车道中心线的距离B_offset，并确定换道后期望跟踪路径；

S1106、计算单次路径偏移量：

B_offset＝|B_lane-S_mid|

其中，B_step为单次路径偏移量；S_mid为车到当前车道中心线位移，定义车道中心线在车辆右边为正，否则为负；B_lane 为车道宽度；q为偏移次数；

S1107、进行单次路径偏移同步产生车辆期望行为；

S1108、根据车辆期望行为计算车辆底层机构可执行的横纵向控制量；

S1109、横纵向控制量通过车辆控制器经CAN通讯最终发送至车辆底层执行机构执行产生车辆行为；

S11010、判断换道过程是否为最终路径偏移，如果不是最终偏移，则继续进行车辆单步偏移；如果为最终偏移，则退出换道重规划并保持目标车道行驶，完成换道，并保持目标车道行驶。

本发明有益效果如下：

通过本发明，自动驾驶车辆可以通过智能交通系统提前预知车辆前方道路通行情况；通过前方道路事件属性及车辆周围环境信息对当前车道车辆行驶路径进行影响因子计算，对自动驾驶车辆进行决策换道必要性、安全性、可靠性评估，并提前做好车辆换道准备；换道过程中可避免车辆横向较大幅度跳变，防止侧向加速度过大造成的车辆侧翻，目标车道后车无意识前车换道出现追尾等危险情况的发生，保证自动驾驶车辆顺利、安全、智能的进行自主决策换道。对于减轻交通压力、减少交通事故、提高自动驾驶车辆智能化等级、保证车辆自身安全具有重要应用意义。

本发明的其他特征和优点将在随后的说明书中阐述，并且，部分的从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

附图说明

附图仅用于示出具体实施例的目的，而并不认为是对本发明的限制，在整个附图中，相同的参考符号表示相同的部件。

图1为本发明中基于智能交通系统无线通信技术危险路段自动驾驶车辆主动决策换道控制方法整体流程；

图2为本发明中技术方案流程图；

图3为本发明中智能交通系统中道路事件对自动驾驶车辆影响因子评估计算示意图；

图4为本发明中考虑道路事件影响影子及车辆周围环境信息的车辆换道决策示意图；

图5为本发明中车辆换道路径重规划车辆横纵向行为控制示意图。

具体实施方式

下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并与本发明的实施例一起用于阐释本发明的原理。

本发明基于智能交通系统的智能车辆决策换道方法的整体流程如图 1所示，智能交通系统可通过网联通讯技术接收并发布整个交通环境内道路、车辆、行人等各种信息，相关安装有该网联通讯设备的车辆可通过无线技术接收来自智能交通系统的上述信息。如本发明中所述，道路管理人员通过智能交通系统发布道路事件信息，如施工路段、落石区域、前方车祸、道路塌陷等事件，并同步发布该时间的属性、经纬度、事件半径等数据信息；安装有无线收发装置的自动驾驶车辆接收该事件信息并进行协议解析，解析结果传输至智能驾驶系统；智能驾驶系统综合环境感知结果判断车辆是否满足换道条件；当满足换道条件时进入换道路径重规划模块并同时产生控制量进行车辆换道行为控制。

如图2所示，智能车辆决策换道方法具体步骤包括：

S101、启动自动驾驶车辆，开启硬件设备开关，检查车辆运行状态，在软硬件运行正常情况后启动车辆自动驾驶功能；

S102、城市道路环境下，自动驾驶车辆会通过车载摄像机检测道路车道线并保持该车道行驶；

S103、通过车载无线接收装置接收智能交通系统广播数据，并通过 UDP通讯将数据传输至车辆智能驾驶系统，根据通讯协议进行数据解析；

S104、解读并分析智能交通系统数据是否附载道路危险事件信息，如果没有则保持车辆当前车道行驶；如果有道路事件则进行道路事件信息提取；

根据无线通讯协议解析提取道路事件信息，包括事件属性、位置、事件半径等；

S105、将道路事件位置经过坐标转换到车体坐标系下相对位置关系，用以确认道路事件相对于车辆行驶路径的相对位置计算，其步骤如下：

首先，在大地坐标系中，将事件中心经纬度信息转换为米制信息，该处大地坐标系是指横轴墨卡托坐标系UTM(universal Transverse Mercator)，经纬度信息为GPS信号依赖于WGS84坐标系，是一种地心坐标系：

(x_G,y_G)＝f(lon,lat)

其中，(x_G,y_G)为大地坐标系中事件米制转换后坐标；

(lon,lat)为大地坐标系中事件中心点的经纬度坐标；

其次，将道路事件中心位置由大地坐标系中米制坐标转换为车辆局部坐标系中米制坐标：

x_L＝(x_G-x_v)sinθ-(y_G-y_v)cosθ

y_L＝(x_G-x_v)cosθ+(y_G-y_v)sinθ

其中，(x_L,y_L)为事件中心位置在车辆局部坐标系中相对位置；

最后，计算事件中心位置距车辆相对位置：

其中，S为事件到车体距离。

S106、智能驾驶系统通过评估计算得到事件影响因子大小；

图3示出了道路危险事件影响因子评估计算的整体框架，图3(a) 为影响因子计算细节流程图，图3(b)为辅助理解影响因子评估计算的示意图，可更好帮助理解整体计算流程，黑色矩形方框为车辆当前位置。其具体包括步骤S301-S309如下：

S1061、定义道路事件影响系数k，即根据道路事件属性确定该事件对自动驾驶车辆行驶的影响程度，不同事件对应不同影响系数k；

事件类型	追尾	施工	交通拥堵	……
					影响系数k	1	0.9	0.7

S1062、设计道路事件辐射梯度函数f(S_i)，即事件中心距离自动驾驶车辆当前规划路线越近对车辆影响因子越大：

f(S_i)＝A·(r-S_i)

f₁(S_i)＝A₁·(r-S_i)

f₂(Si)＝A₂·(r-S_i)

其中，S_i为事件中心到车辆前方局部规划路点的距离；

(x_L,y_L)为事件中心位置在车辆局部坐标系中相对位置；

(x_i,y_i)为车辆前方局部规划路点在车辆坐标系下的坐标；

r为事件半径；

S_i为事件中心到车辆前方局部规划路点的距离；

A为影响因子属性，包括距离影响因子A₁及状态影响影子A₂；A₁为预设固定值，取值范围在1到1.5之间，优选值为1.25；A₂＝g(ω_i,v_i)；

S1063、当事件中心至车辆当前位置距离S小于等于局部规划路径长度L时，遍历车辆当前路径规划路点，如图3(b)车辆Y轴坐标系中黑色圆点，该点系列为自动驾驶车辆根据规划结果未来一定时间内将要行驶的路点，由该点系列表示车辆行驶路径；当S大于L时，保持原车道行驶；

L为局部规划路径长度，该长度在中低速(一般小于50km/h)时为 80m，高速(一般指50～80km/h)为150m；

S1064、通过路径点至事件中心距离及事件自身半径判断该路点是否属于事件区域，如图3(b)中点A、B、C、D为事件区域点，并记录事件区域点数目m；

S1065、自事件区域第一个点开始计算单点距离影响因子及单点状态影响因子，即由路点至事件中心距离大小产生的影响因子及车辆行驶至该路点预期车辆状态产生的影响因子：

X_i＝f₁(S_i)＝A₁·(r-S_i)

Y_i＝f₂(S_i)＝A₂·(r-S_i)

其中，X_i、Y_i为局部规划路径单点距离影响因子和点状态影响因子；

ω_i,v_i为路点车辆期望转向和速度信息；

S1066、判断该点是否为事件区域内最后一点，如果不是则继续返回计算下一区域内点影响因子；如果是进行影响因子加和计算；

S1067、距离影响因子X及状态影响因子Y的加和计算：

S1068、道路事件总体影响因子计算，即综合以上各影响因素计算事件整体影响因子大小：

根据事件整体影响因子及当前道路环境判断是否允许车辆决策换道：

S107、判断该事件影响因子大小是否超过车辆决策换道影响因子阈值，如未达到则继续保持该车道行驶；如果达到则进行下一步换道决策判断；

S108、综合车辆周围环境换道决策安全性判分析，即判断当前路况是否允许进行车辆换道；

S109、判断道路环境是否允许车辆决策换道，以上判定条件均满足时，则进行换道路径重规划并同时计算车辆期望行为；否则继续保持该车道行驶。

图4示出了综合感知结果自动驾驶车辆决策换道周围环境安全性与可行性判定，图4(a)为综合感知结果车辆换道安全性分析流程图，图 4(b)为辅助理解换道安全性周围环境示意图。车辆换道是一个与周围环境信息密切相关的过程，其他车辆运行状况、车辆可换道路径长度、目标车道运行状况等都对车辆换道成功有重要的影响。考虑换道安全性周围环境分析具体方式如下：

S1091、道路事件整体影响因子判定，即首先考虑道路时间对当前规划路径行驶影响程度；

S1092、根据影响因子大小是否超出限值进一步分析，如未达到换道需求，退出换道并保持当前车道行驶，同时判断是否可以通过降速等控制降低道路影响因子，使自动驾驶车辆更安全通过；如达到换道条件则事件影响因子满足标识L₁置1，并进行下一步分析：

G≥g_limit L₁＝1

G<g_limit L₁＝0

S1093、对当前车道内换道安全距离进行分析，即目前车道安全距离应保证在换道过程中避免追尾事故，其安全距离如下：

S_current＝(v_self-v_front)·T+s_safe

其中，S_current为当前车道换道安全距离；

v_self、v_front为自身车速和前方障碍区速度；

T为换道时间，即换道过程用时；

s_safe为停车距离，即保证换道过程中与前车最小距离限制；

dec_max为最大减速度；

t为执行器相应周期；

v_current为当前车速；

s_min为停车后最小距离。

S1094、对当前车道换道距离进行判定，如图4(b)中S₁所示，如果该距离不满足换道安全距离条件，则退出换道并保持当前车道行驶；如果大于等于安全距离，则当前车道安全距离满足标识置1，并进行下一步分析：

S₁≥S_current L₂＝1

S₁<S_current L₂＝0

S1095、目标车道换道距离分析，因换道过程属于临时占用两个车道的危险情况，应该保证目标车道具有足够的换道安全距离：

S_target＝(v_self-v_target )·T+L_length+2·s_safe

其中，S_target为目标车道的换道安全距离，目标车道指远离道路事件中心的同向车道；

L_length为车身长度；

S1096、对目标车道换道距离进行判定，如图4(b)S2所示，如果该距离不满足换道安全距离条件，则退出换道并保持当前车道行驶；如果大于换道安全距离，则目标车道安全距离满足标识置1，并进行换道路径重规划环节：

S₂≥S_target L₃＝1

S₂<S_target L₃＝0

S110、启动路径换道路径重新规划并同时计算车辆期望行为，完成换道行为并保持目标车道行驶；

图5示出了自动驾驶车辆换道重规划整体流程，其中图5(a)为重规划详细步骤，图5(b)为解释说明路线偏移示意图。当换道决策通过影响因子判断及周围环境信息判断后，进入换道路径重规划过程。换道本质是将车辆期望路径由当前车道切换至目标车道，其过程应考虑换道平顺性、安全性等因素，具体实施方式如下：

S1101、车辆保持本车道行驶过程中，同步检测两侧车道线，如图中 Lane_left和Lane_right；

S1102、根据两侧车道线检测结果计算本车道中心线 Lane_mid_current作为车辆当前行驶期望路径，即图中车辆坐标系Y轴；

S1103、确认车辆换道决策判断，即对状态标识，L₁、L₂、L₃进行判断，如果均为1，则通过判定，车辆进入换道路径重规划，如不满足，则退出换道并保持当前车道行驶；

S1104、自动驾驶车辆进行换道准备，包括开启转向灯、提醒驾驶员等；

S1105、智能系统计算最终车辆路径偏移量，即为车辆与目标车道中心线的距离B_offset，并确定换道后期望跟踪路径Lane_mid_target，如图5 (b)中黑色粗线位置；

S1106、计算单次路径偏移量，如图5(b)中虚线位置：

B_offset＝|B_lane-S_mid|

其中，B_step为单次路径偏移量；

S_mid为车到当前车道中心线位移，定义车道中心线在车辆右边为正，否则为负；

B_lane为车道宽度；

q为偏移次数；

S1107、进行单次路径偏移同步产生车辆期望行为；

S1108、根据车辆期望行为计算车辆底层机构可执行的横纵向控制量；

S1109、车辆控制量通过车辆控制器经CAN通讯最终发送至车辆底层执行机构执行产生车辆行为；

单次路径重规划过程中同步产生车辆前轮偏角控制量，并通过车辆通讯协议将控制量发给方向盘执行机构，进行单步转向控制，并通过车辆定位系统记录车辆换道时刻同步位置；自动驾驶车辆以单次较小偏移量，通过多周期规划实现对目标车道的逐步靠近，换道过程中实时感知周围环境进行换道安全性分析。

S11010、判断换道过程是否为最终路径偏移，如果不是最终偏移，则继续进行车辆单步偏移；如果为最终偏移，则退出换道重规划并保持目标车道行驶，完成换道，并保持目标车道行驶。

综上所述，本发明的有益效果：

通过本发明，自动驾驶车辆可以通过智能交通系统提前预知车辆前方道路通行情况；通过前方道路事件属性及车辆周围环境信息对当前车道车辆行驶路径进行影响因子计算，对自动驾驶车辆进行决策换道必要性、安全性、可靠性评估，并提前做好车辆换道准备；换道过程中可避免车辆横向较大幅度跳变，防止侧向加速度过大造成的车辆侧翻，目标车道后车无意识前车换道出现追尾等危险情况的发生，保证自动驾驶车辆顺利、安全、智能的进行自主决策换道。对于减轻交通压力、减少交通事故、提高自动驾驶车辆智能化等级、保证车辆自身安全具有重要应用意义。

本领域技术人员可以理解，实现上述实施例方法的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机可读存储介质中。其中，所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (7)

1.一种基于智能交通系统智能车辆决策换道方法，其特征在于，包括步骤：

S1、智能驾驶系统解析接收到的智能交通系统广播数据，提取事件信息；

S2、智能驾驶系统完成道路事件坐标转换并根据事件信息得到事件影响因子；

步骤S2中得到事件影响因子的步骤具体包括：

S1061、定义道路事件影响系数k；

S1062、设计道路事件辐射梯度函数f(S_i)：

f(S_i)＝A·(r-S_i)

其中，S_i为事件中心到车辆前方局部规划路点的距离；(x_L，y_L)为事件中心位置在车辆局部坐标系中相对位置；(x_i，y_i)为车辆前方局部规划路点在车辆局部坐标系下的坐标；r为事件半径；A为影响因子属性，包括距离影响因子A₁及状态影响影子A₂；

S1063、当事件中心至车辆当前位置距离S小于等于局部规划路径长度L时，遍历车辆当前路径规划路点；当S大于L时，保持原车道行驶；

S1064、通过路径点至事件中心距离及事件自身半径判断该路点是否属于事件区域，并记录事件区域点数目m；

S1065、自事件区域第一个点开始计算单点距离影响因子及单点状态影响因子：

X_i＝f₁(s_i)＝A₁·(r-S_i)

Y_i＝f₂(S_i)＝A₂·(r-S_i)

其中，X_i、Y_i为局部规划路径单点距离影响因子和单点状态影响因子；A₁为预设固定值，取值范围在1到1.5之间；A₂＝g(ω_i，v_i)；ω_i，v_i为路点车辆期望转向和速度信息；

S1066、判断该点是否为事件区域内最后一点，如果不是则继续返回计算下一区域内单点距离影响因子和单点状态影响因子；如果是进行影响因子加和计算；

S1067、距离影响因子X及状态影响因子Y的加和计算：

S1068、道路事件总体影响因子计算：

S3、智能驾驶系统根据事件总体影响因子及当前道路环境判断是否允许车辆决策换道，允许则进行换道路径重规划并同时计算车辆期望行为，并进行换道；不允许则保持当前车道行驶。

2.如权利要求1所述的一种基于智能交通系统智能车辆决策换道方法，其特征在于，在步骤S1之前还包括：

S101、启动自动驾驶车辆，开启硬件设备开关，检查车辆运行状态，在软硬件运行正常情况后启动车辆自动驾驶功能；

S102、通过车载摄像机检测道路车道线并保持该车道行驶；

S103、通过车载无线接收装置接收智能交通系统广播数据，并将数据传输至车辆智能驾驶系统。

3.如权利要求1所述的一种基于智能交通系统智能车辆决策换道方法，其特征在于，所述事件信息包括事件属性、位置、事件半径。

4.如权利要求1所述的一种基于智能交通系统智能车辆决策换道方法，其特征在于，步骤S3中根据事件总体影响因子及当前道路环境判断是否允许车辆决策换道的具体步骤包括：

S1091、首先考虑道路事件对当前规划路径行驶影响程度；

S1092、根据事件总体影响因子大小是否超出限值进一步分析，如未达到换道需求，退出换道并保持当前车道行驶；如达到换道条件则事件影响因子满足标识L₁置1，进行下一步分析：

S1093、计算当前车道内换道安全距离；

S1094：对当前车道换道距离进行判定，如果该距离不满足换道安全距离条件，则退出换道并保持当前车道行驶；如果大于等于安全距离，则当前车道安全距离满足标识L₂置1，并进行下一步分析：

S1095、计算目标车道的换道安全距离；

S1096、对目标车道换道距离进行判定，如果该距离不满足换道安全距离条件，则退出换道并保持当前车道行驶；如果大于换道安全距离，则目标车道安全距离满足标识L₃置1，并进行换道路径重规划环节。

5.如权利要求4所述的一种基于智能交通系统智能车辆决策换道方法，其特征在于，步骤S1093中计算当前车道内换道安全距离具体为：

S_current＝(v_self-v_front)·T+s_safe

其中，S_current为当前车道换道安全距离；v_self、v_front为自身车速和前方障碍区速度；T为换道时间，即换道过程用时；s_safe为停车距离，即保证换道过程中与前车最小距离限制；dec_max为最大减速度；t为执行器相应周期；v_current为当前车速；s_min为停车后最小距离。

6.如权利要求5所述的一种基于智能交通系统智能车辆决策换道方法，其特征在于，步骤S1095计算目标车道的换道安全距离具体为：

S_target＝(v_self-v_target)·T+L_length+2·s_safe

其中，S_target为目标车道的换道安全距离；v_target为目标车道的车辆速度；目标车道指远离道路事件中心的同向车道；L_length为车身长度。

7.如权利要求4所述的一种基于智能交通系统智能车辆决策换道方法，其特征在于，步骤S3中进行换道路径重规划并同时计算车辆期望行为的具体步骤包括：

S1101、车辆保持本车道行驶过程中，同步检测两侧车道线；

S1102、根据两侧车道线检测结果计算本车道中心线作为车辆当前行驶期望路径；

S1103、确认车辆换道决策判断，即对状态标识，L₁、L₂、L₃进行判断，如果均为1，则通过判定，车辆进入换道路径重规划，如不满足，则退出换道并保持当前车道行驶；

S1104、自动驾驶车辆进行换道准备，包括开启转向灯、提醒驾驶员；

S1105、智能系统计算最终车辆路径偏移量，即为车辆与目标车道中心线的距离B_offset，并确定换道后期望跟踪路径；

S1106、计算单次路径偏移量：

B_offset＝|B_lane-S_mid|

其中，B_step为单次路径偏移量；S_mid为车到当前车道中心线位移，定义车道中心线在车辆右边为正，否则为负；B_lane为车道宽度；q为偏移次数；

S1107、进行单次路径偏移同步产生车辆期望行为；

S1108、根据车辆期望行为计算车辆底层机构可执行的横纵向控制量；

S1109、横纵向控制量通过车辆控制器发送至车辆底层执行机构执行产生车辆行为；

S11010、判断换道过程是否为最终路径偏移，如果不是最终偏移，则继续进行车辆单步偏移；如果为最终偏移，则退出换道重规划并保持目标车道行驶，完成换道，并保持目标车道行驶。