CN107792065B - 道路车辆轨迹规划的方法 - Google Patents

道路车辆轨迹规划的方法 Download PDF

Info

Publication number
CN107792065B
CN107792065B CN201710723378.8A CN201710723378A CN107792065B CN 107792065 B CN107792065 B CN 107792065B CN 201710723378 A CN201710723378 A CN 201710723378A CN 107792065 B CN107792065 B CN 107792065B
Authority
CN
China
Prior art keywords
vehicle
longitudinal
trajectory
ego
requested operation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710723378.8A
Other languages
English (en)
Other versions
CN107792065A (zh
Inventor
J·尼尔松
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Volvo Car Corp
Original Assignee
Volvo Car Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Volvo Car Corp filed Critical Volvo Car Corp
Publication of CN107792065A publication Critical patent/CN107792065A/zh
Application granted granted Critical
Publication of CN107792065B publication Critical patent/CN107792065B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
    • B60W60/00276—Planning or execution of driving tasks using trajectory prediction for other traffic participants for two or more other traffic participants
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/18—Propelling the vehicle
    • B60W30/18009—Propelling the vehicle related to particular drive situations
    • B60W30/18163—Lane change; Overtaking manoeuvres
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/04—Traffic conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • B60W60/0016—Planning or execution of driving tasks specially adapted for safety of the vehicle or its occupants
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—Longitudinal speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—Longitudinal speed
    • B60W2520/105—Longitudinal acceleration
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/12—Lateral speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/12—Lateral speed
    • B60W2520/125—Lateral acceleration
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4049—Relationship among other objects, e.g. converging dynamic objects
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/801—Lateral distance
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/802—Longitudinal distance
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/804—Relative longitudinal speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2710/00—Output or target parameters relating to a particular sub-units
    • B60W2710/18—Braking system
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2710/00—Output or target parameters relating to a particular sub-units
    • B60W2710/20—Steering systems
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2720/00—Output or target parameters relating to overall vehicle dynamics
    • B60W2720/12—Lateral speed

Abstract

本发明涉及一种自我车辆(E)的操作的轨迹规划的方法，该自我车辆装备有：传感器系统；预测系统；低级控制系统；和决策系统。所述方法包括使用应用有限预测时域的滚动时域控制以便确定以下的步骤：请求的操作的可能侧向运动轨迹；与每个确定的可能的侧向运动轨迹对应的纵向安全临界区域；请求的操作的纵向运动轨迹；与请求操作的确定的纵向运动轨迹的对应的侧向安全临界区域；请求的操作的侧向运动轨迹。本发明还涉及被布置为执行所述方法的高级驾驶员辅助系统以及包括这种系统的车辆(E)。

Description

道路车辆轨迹规划的方法
技术领域
本申请涉及一种用于自我(ego)车辆的操作的轨迹规划的方法并且还涉及被布置为执行所述方法的高级驾驶员辅助系统(Advanced Driver Assistance System)以及包括这种高级驾驶员辅助系统的车辆。
背景技术
在过去的几十年，在自主车辆领域内已有显著进展。自在1939年纽约世界博览会的未来奇观中首先作为未来概念提出起，风险投资例如DARPA大挑战和城市挑战赛(TheDARPA Grand and Urban challenge)、环保型道路安全列队行车(SARTRE)以及Google自主汽车已经展示了技术的可能性和可行性。尽管如此，展示的技术与市场上可买到的车辆系统之间仍然具有较大差距。
在下文中，将参考对于增进对本说明书的理解有用的若干材料来源。通过方括号内编号用下面列出的相关参考文献提供这样的参考。
[1]T.Vaa,M.Penttinen,和I.Spyropoulou,“Intelligent Transport Systemsand Effects on Road Traffic Accidents:State of the Art,”IET IntelligentTransport Systems,vol.1,no.2,pp.81-88,June,2007.
[2]Volvo Car Group Global Media Newsroom,“Volvo Car Corporation Partof Major European Study that Reveals:New Safety Technology Reduces the Riskof Motorway Rear-end Impacts by up to 42 Percent,”June,2012.
[在线].可以从此处获得：
https://www.media.volvocars.com/global/en-gb/media/pressreleases/44204
[3]M.Peden等,World Report on Road Traffic Injury Prevention,WorldHealth Organization,The World Bank,Geneva,2004.
[4]M.van Schijndel-de Nooij等,Definition of Necessary Vehicle andInfrastructure Systems for Automated Driving,European Commission,StudyReport,SMART 2010/0064,June,2011.
[5]D.Gonz′alez等,“A Review of Motion Planning Techniques forAutomated Vehicles,”IEEE Transactions on Intelligent Transportation Systems,vol.17,no.4,pp.1135-1145,November,2015.
[6]D.Ferguson,M.Likhachev,和A.Stentz,“A Guide to Heuristicbased PathPlanning,”Proceedings of the Workshop on Planning under Uncertainty forAutonomous Systems at The International Conference on Automated Planning andScheduling,June,2005.
[7]D.Dolgov等,“Path Planning for Autonomous Vehicles in Unknown Semi-structured Environments,”The International Journal of Robotics Research,vol.29,no.5,pp.485-501,April,2010.
[8]S.Sivaraman和M.M.Trivedi,“Dynamic Probabilistic Drivability Mapsfor Lane Change and Merge Driver Assistance,”IEEE Transactions on IntelligentTransportation Systems,vol.15,no.5,pp.2063-2073,October,2014.
[9]M.Elbanhawi和M.Simic,“Sampling-Based Robot Motion Planning:AReview,”IEEE Access,vol.2,pp.56-77,January,2014.
[10]X.Lan和S.Di Cairano,“Continuous Curvature Path Planning for Semi-Autonomous Vehicle Maneuvers Using RRT*,”European Control Conference,pp.2360-2365,July,2015.
[11]L.Ma等,“Efficient Sampling-Based Motion Planning for On-RoadAutonomous Driving,”IEEE Transactions on Intelligent Transportation Systems,vol.16,no.4,pp.1961-1976,August,2015.
[12]L.Han等,“B′ezier Curve Based Path Planning for Autonomous Vehiclein Urban Environment,”IEEE Intelligent Vehicles Symposium,pp.1036-1042,June,2010.
[13]J.Funke等,“Up to the Limits:Autonomous Audi TTS,”IEEE IntelligentVehicles Symposium,pp.541-547,June,2012.
[14]P.Petrov和F.Nashashibi,“Modeling and Nonlinear Adaptive Controlfor Autonomous Vehicle Overtaking,”IEEE Transactions on IntelligentTransportation Systems,vol.15,no.4,pp.1643-1656,August,2014.
[15]S.J.Anderson,S.B.Karumanchi,和K.Iagnemma,“Constraint-BasedPlanning and Control for Safe,Semi-Autonomous Operation of Vehicles,”IEEEIntelligent Vehicles Symposium,pp.383-388,June,2012.
[16]M.Bahram等,“A Prediction-Based Reactive Driving Strategy forHighly Automated Driving Function on Freeways,”IEEE Intelligent VehiclesSymposium,pp.400-406,June,2014.
[17]G.Schildbach和F.Borrelli,“Scenario Model Predictive Control forLane Change Assistance on Highways,”IEEE Intelligent Vehicles Symposium,pp.611-616,June,2015.
[18]J.B.Rawlings和D.Q.Mayne,Model Predictive Control:Theory andDesign.Madison(WI):Nob Hill Publishing,2009.
[19]J.Nilsson等,“Longitudinal and Lateral Control for Automated LaneChange Maneuvers,”American Control Conference,pp.1399-1404,July,2015.
[20]J.Nilsson等,“Longitudinal and Lateral Control for AutomatedYielding Maneuvers,”IEEE Transactions on Intelligent Transportation Systems,pp.1404-1414,vol.17,no.5,May,2016.
[21]J.Nilsson等,“If,When,and How to Perform Lane Change Maneuvers onHighways,”IEEE Intelligent Transportation Systems Magazine,2016.
[22]J.Nilsson等,“Manoeuvre Generation and Control for AutomatedHighway Driving,”The 19th World Congress of the International Federation ofAutomatic Control,pp.6301-6306,August,2014.
[23]S.Lef`evre,D.Vasquez,和C.Laugier,“A Survey on Motion Predictionand Risk Assessment for Intelligent Vehicles,”Robomech Journal,vol.1.no.1,pp.1-14,July,2014.
[24]J.Jansson,“Collision Avoidance Theory with Application toAutomotive Collision Mitigation,”Ph.D.Thesis,Link¨oping University,2005.
[25]B.D.O.Anderson和J.B.Moore,Optimal Control:Linear QuadraticMethods,Prentice-Hall,1989.
[26]J.Mattingley和S.Boyd,“CVXGEN:A Code Generator for Embedded ConvexOptimization,”Optimization and Engineering,vol.13,no.1,pp.1-27,2012.
已经看到，当前的高级驾驶员辅助系统(ADAS)(例如自适应巡航控制(ACC)、车道保持辅助(LKA)、交通堵塞辅助(TJA)以及带有自动制动的碰撞警告)提高了驾驶员的舒适性和安全性[1]-[2]。因此，预期进一步开发的自动化功能将通过给人们提供选择如何度过他们在车辆中的时光(例如工作、放松甚至小睡)的自由来继续提高驾驶员的舒适性和总体交通安全性，同时不危害他们自身或其它交通参与者的安全性[3]-[4]。
先前已经提出了轨迹规划的若干方法[5]。最常见的技术包括但不局限于能够被分成下面四组的方法，即图搜索(例如[6]-[8])、随机化抽样(例如[9]-[11])、曲线插值(例如[12]-[14])以及数值优化(例如[15]-[17])。虽然所有提出的方法都具有它们相应的优点和缺陷，但是主要折衷方案通常要求在所需计算资源和产生能适用于常规交通状况的平稳不碰撞轨迹的能力之间权衡。此外，许多通常使用的轨迹规划方法缺乏形式稳定性分析和验证方法并且由此严重依赖大量模拟和实验性测试以进行确认。
发明内容
本文的实施例旨在提供改进的、安全和稳健的低复杂性轨迹规划方法，其可应用于公路和城市交通状况操作，例如车道变更、横穿交叉路口和进入环岛(roundabout)。
这通过一种自我车辆的操作的轨迹规划的方法来提供，该自我车辆装备有：测量其在道路上的位置以及周围交通参与者和物体的相对位置和速度的传感器系统；在限定的时间时域上估计周围交通参与者和物体的运动轨迹的预测系统；能够跟随规划的轨迹的低级控制系统；以及提供期望的操作请求的决策系统，所述方法包括使用应用有限预测时域的滚动时域控制以便确定以下的步骤：请求的操作的可能侧向运动轨迹；与每个确定的可能的侧向运动轨迹对应的纵向安全临界区域；请求的操作的纵向运动轨迹；与请求操作的确定的纵向运动轨迹的对应的侧向安全临界区域；请求的操作的侧向运动轨迹。
如上确定的纵向和侧向轨迹的设置提供用于规划适用于一般交通状况(公路和城市交通状况操作，例如车道变更、横穿交叉路口和进入环岛)的平稳和动态地可行的轨迹，这允许自我车辆用标准载客车辆平台的受限的计算资源实时地与其它交通参与者(例如车辆、骑自行车者和行人)安全交互。
根据第二方面，提供的方法进一步包括通过在离散的时间间隔上发起操作的侧向运动，产生对于请求的操作的一组可能的侧向运动轨迹。
通过在离散的时间间隔上发起操作的侧向运动来产生对于请求的操作的一组可能的侧向运动轨迹的设置提供了产生用请求的操作的所述一组可能的侧向运动轨迹的高效方式。
根据第三方面，所述离散时间间隔被限定为i∈[1,…,min(N,Ng)-(no+nmin)]，其中N表示预测时域，Ng表示目标车辆间交通间隙不再合适的时刻，no表示构成紧密的车辆间交通间隙的任何周围车辆平稳地调整它们的速度以允许自我车辆(E)进入所述间隙所花费的预测时间，并且nmin表示自我车辆(E)侧向移动至目标车辆间交通间隙内所花费的最少时间。
如上限定离散时间间隔的设置提供了设定合适的离散时间间隔的直观方式。
根据第四方面，所述方法进一步包括：当已经产生操作的所述一组可能的侧向运动轨迹时，将对于每个相关周围交通参与者和物体的相应的纵向安全临界区域限定为合适的各种各样形状，例如长方形、三角形或椭圆形。
将对于每个相关周围交通参与者和物体的相应的纵向安全临界区域限定为各种各样的合适形状的设置提供了如果相对于例如由自我车辆必须维持的与周围车辆的时间间隙所限定的矩形安全临界区域来说则不可行的车辆操作。
根据第五方面，设置了所述方法进一步包括：对于请求的操作的每个可能侧向运动轨迹和相应的安全临界区域，将在每个时刻关于自我车辆(E)的纵向位置的最大和最小边际限定为纵向安全通道，以使得关于请求的操作的每个可能的侧向运动轨迹和相应的安全临界区域来限定自我车辆(E)应当维持的与每个相关周围交通参与者和物体的纵向距离。
如上所述限定纵向安全通道的设置提供了虑及请求的操作的每个可能侧向运动轨迹和相应安全临界区域。
根据第六方面，设置了所述方法进一步包括：对于每个纵向安全通道，确定是否存在容许自我车辆(E)在预测时域上被定位在所述通道内的纵向轨迹，并且从对于所有纵向安全通道的确定的现有纵向轨迹选择最合适的纵向轨迹。
如上所述确定是否存在纵向轨迹的设置提供了评估每个纵向安全通道的高效方式。
根据第七方面，设置了所述方法进一步包括：利用请求的操作的确定的纵向运动轨迹，根据请求的操作的纵向运动更新每个相关周围交通参与者和物体的安全临界区域。
如上所述更新每个相关周围交通参与者和物体的安全临界区域的设置提供了进一步改进轨迹规划。
根据第八方面，设置了确定请求的操作的侧向运动轨迹的步骤进一步包括将侧向运动轨迹规划问题公式化为标准二次程序优化问题并且解决这个问题。
将侧向运动轨迹规划问题公式化为标准二次程序优化问题并且解决该问题的设置提供了对标准载客车辆平台的受限的计算资源的高效使用。
根据第九方面，设置了所述方法进一步包括：利用请求的操作的确定的纵向和侧向运动轨迹之一的至少一部分来确定用于控制所述自我车辆(E)的纵向和/或侧向控制信号。
利用请求的操作的确定的纵向和侧向运动轨迹之一的至少一部分来确定用于控制自我车辆的纵向和/或侧向控制信号的设置使得能够与车辆控制系统直接交互，以执行车辆的纵向和侧向控制。
根据第十方面，设置了所述方法进一步包括将所述纵向和侧向控制信号组合为用于所述自我车辆(E)的组合的纵向和侧向控制的组合的控制信号的步骤。
将纵向和侧向控制信号组合为用于自我车辆的组合的纵向和侧向控制的组合控制信号进一步加强与车辆控制系统直接交互以执行车辆的纵向和侧向控制的可能性。
根据第十一方面，提供了被布置为执行根据前述方法所述的操作的轨迹规划的方法的高级驾驶员辅助系统。
如上高级驾驶员辅助系统的设置使得车辆能够执行一般交通状况下的操作，即公路和城市交通状况操作，例如车道变更、横穿交叉路口以及进入环岛，同时因此跟随平稳的不碰撞轨迹。
根据第十二方面，提供了利用请求的操作的确定的纵向和侧向运动轨迹之一的至少一部分用于以下之一或多个：决定是否应当发起还是终止操作；自主地或驾驶员监督地执行操作；提供用于执行操作的驾驶员引导；当不能和不应当执行操作时提供驾驶员警告和/或信息。
如上所述的高级驾驶员辅助系统的设置使得通用实现方式能够用于处理大量不同的交通状况。
根据第十三方面，提供了一种车辆，包括被布置为执行根据前述方法所述的操作的轨迹规划的方法的高级驾驶员辅助系统。
包括被设置为执行如上的操作的轨迹规划的方法的高级驾驶员辅助系统的车辆设置能够执行一般交通状况下的操作，即公路和城市交通状况操作，例如车道变更、横穿交叉路口以及进入环岛，同时因此跟随平稳的不碰撞轨迹。
附图说明
在下文中，将仅仅参照附图经由示例更详细地描述本文的实施例。
图1是在带有两个车道的单行道上行进的车辆的示意图，所述车道具有对于每个周围车辆的矩形安全临界区域(短划线)和三角形安全临界区域(点线)。
图2是自我车辆取决于其对于每个周围车辆的长方形和三角形安全临界区域的规划的侧向位置的关于自我车辆的纵向位置的最大和最小边际的示意图。
图3是根据第一情景的车道变更操作的示意图。
图4上部：示出遵守三角形安全临界区域限定的纵向安全通道而违反矩形安全临界区域限定的纵向安全通道时，根据第一情景用于自我车辆的车道变更操作的纵向位置轨迹。
图4下部：示出根据第一情景用于车道变更操作的自我车辆的纵向速度和加速度轨迹。
图5上部：示出遵守三角形安全临界区域限定的侧向安全通道而违反矩形安全临界区域限定的侧向安全通道时，根据第一情景用于自我车辆的车道变更操作的侧向位置轨迹。
图5下部：示出根据第一情景用于车道变更操作的自我车辆的侧向速度和加速度轨迹。
图6是根据第二情景的车道变更操作的示意图。
图7上部：示出遵守三角形安全临界区域限定的纵向安全通道而违反矩形安全临界区域限定的纵向安全通道时，根据第二情景用于自我车辆的车道变更操作的纵向位置轨迹。
图7下部：示出根据第二情景用于车道变更操作的自我车辆的纵向速度和加速度轨迹。
图8上部：示出遵守三角形安全临界区域限定的侧向安全通道而违反矩形安全临界区域限定的侧向安全通道时，根据第二情景用于自我车辆的车道变更操作的侧向位置轨迹。
图8下部：示出根据第二情景用于车道变更操作的自我车辆的侧向速度和加速度轨迹。
图9是示出车道变更交通状况的两个考虑的情景的初始条件的表，Δx0表示自我车辆和周围车辆Sq,q＝{1,2,3}的相对位置。
图10是示出用于纵向轨迹规划优化问题的一般设计参数。
图11是示出用于侧向轨迹规划优化问题的一般设计参数。
本文实施例的其他目的和特征将根据以下结合附图考虑的详细说明更为清楚。但是可以理解，附图仅被设计为用于说明目的而非对范围的限定，范围受到所附权利要求的限定。还应当理解，附图不一定是按比例描绘，并且，除非另有陈述，它们仅仅意图在概念上示出本文描述的结构和程序。
具体实施方式
本发明基于这样的认识：为了增加商业ADAS的自主能力并最终允许完全自主驾驶功能，车辆系统必须能够规划车辆应当如何就例如纵向和侧向位置、速度和加速度轨迹来说执行不同的操作，以便安全地和舒适地跟随其规划的路线同时虑及周围环境且适用于周围环境。为此，本公开涉及用于自我车辆E的轨迹规划。特别地，本公开提出了可适用于正常和高风险驾驶状况的新颖的轨迹规划方法。
利用所提出的方法产生的轨迹也可用于做出是否应当执行某个操作的决定，并且如果需要，还决定是否应当中止发起的操作。如果当发起操作时做出的预测不再有效时，中止该操作可能是合适的。一旦由自我车辆的纵向和/或侧向控制执行动作，则可以由其中车辆驾驶员监督操作或其中自主地执行操作的ADAS系统进一步使用产生的轨迹。一旦车辆驾驶员希望执行动作，则产生的轨迹可进一步用于向车辆驾驶员提供信息/支持/引导。如果车辆驾驶员以根据与所提出方法产生的轨迹的比较而被判定为不安全的方式做出动作，则使用产生的轨迹向车辆驾驶员提供警告和/或执行制动干预和/或转向干预从而辅助车辆驾驶员中止或完成车辆驾驶员发起的操作，这是进一步可行的。
由于安全的轨迹是实现自动化自我车辆E所必要的，因此基于数值优化的轨迹规划方法是有吸引力的，原因是该构架提供了系统地处理系统目标和约束的手段。为此，本文提出了利用模型预测控制(MPC)构架[18]中的算法的轨迹规划方法。特别地，通过允许算法规划虑及由自动化自我车辆的规划的侧向和纵向运动限定的各种各样形状的取决于运动的安全临界区域的轨迹，它扩展了[19]-[20]中提出的算法，自动化自我车辆E不应当进入该安全临界区域以免与周围交通的参与者和物体碰撞。
因而，所提出方法的算法不仅虑及例如由自动化车辆必须维持的与周围交通参与者的时间间隙限定的矩形安全临界区域，而且还考虑到自动化车辆的规划的侧向和纵向运动限定的安全临界区域。自动化自我车辆E藉此能够以自我断定的方式高效地利用空闲道路空间并穿过密集交通状况而不展示过度保守的性能。
首先描述考虑的轨迹规划问题。
为了成功地越过交通状况，控制自我车辆E的智能车辆系统必须能够规划允许自我车辆E跟随其期望路线的运动轨迹，同时：
·避免与所有周围的交通参与者和物体的碰撞，
·遵守物理和设计限制以及交通规则。
此外，自我车辆E应当能够以自我断定而非过度保守的方式穿越密集交通状况。
作为说明性示例，考虑图1所示的交通状况，其中自我车辆E和在前车辆S1在车道L1内行驶并且两个周围车辆S2和S3在左侧相邻车道L2内行驶。通过限制自我车辆E保持在安全临界区域外部，能够规划确保自我车辆E避免与所有周围车辆的碰撞冲突的运动轨迹。但是，当例如规划在S2与S3之间的车辆间交通间隙内从L1到L2的车道变更操作时，相对于例如由自我车辆E必须维持的与周围车辆的时间间隙所限定的矩形安全临界区域(短划线)来说，所述操作可能是不可行的，如图1的上部图所示。但是可能存在对于不同地被限定的安全临界区域(例如图1下部图所示的三角形安全临界区域(点线))的安全操作。因此，当规划运动轨迹例如以执行车道变更操作时，自我车辆E必须遵守以避免碰撞冲突的安全临界区域应当虑及E的规划的侧向和纵向运动。
为了虑及由自我车辆E的侧向和纵向运动限定的各种各样形状的安全临界区域，轨迹规划算法以下面五个主要步骤来规划在某个车辆间交通间隙内的给定操作(例如车道变更操作)：
A.确定操作的可能的侧向运动轨迹。
B.确定与每个可能的侧向轨迹对应的纵向安全临界区域。
C.确定操作的纵向运动轨迹。
D.确定与规划的纵向轨迹的侧向安全临界区域。
E.确定操作的侧向运动轨迹。
关于算法的每个步骤的更多细节将在下文中提供。
基于以下一组假定被公式化为轨迹规划算法：
A1自我车辆E装备有测量其在道路上的位置以及例如周围交通参与者和物体的相对位置和速度的传感器系统。这样的传感器系统可包括传感器，例如无线电检测和测距(雷达，RADAR)传感器、光检测和测距(激光雷达，LIDAR)传感器、受激辐射的光放大(激光，LASER)传感器、声音导航和测距(声纳，SONAR)传感器(例如超声)、红外(IR)传感器、图像传感器(例如相机)、车辆定位装置(例如GPS)或其任何组合中的一个或多个。
A2自我车辆E装备有在时间时域上估计周围交通参与者和物体的运动轨迹的预测系统。
A3自我车辆E装备有能够跟随规划的轨迹的低级控制系统。
A4自我车辆E装备有提供期望的操作请求(例如左车道变更操作)的决策系统。
假定的决策系统、低级控制系统、预测系统和必要的传感器技术的示例分别在[21]、[22]、[23]和[24]中给出。此外，通过例如相对于假定的系统的置信水平增加在预定时域上自我车辆E必须维持的与周围交通参与者和物体的安全裕量，来计及由传感器和预测系统导致的不确定性。此外，滚动时域MPC的重规划性质允许在每个时刻虑及感知的环境中的改变。
在下文中将提供有关确定操作的可能的侧向运动轨迹的步骤的更多细节。
为了在确定纵向安全临界区域(即，自我车辆E应当在每一时刻维持的与每个相关交通参与者和物体的距离)时虑及自我车辆E的侧向运动，必须确定操作的一些侧向运动轨迹。例如，如果自我车辆E应当横穿交叉路口或环岛，则一些可能的侧向轨迹可被限定为使得它们跟随相应的交通环境下典型操作的形状。此外，通过将车道变更操作看作将自我车辆E从其当前车道侧向移动进入其目标车道，侧向车道变更轨迹可以被产生为例如样条曲线(spline)，或通过标准LQ控制器[25]产生，所述标准LQ控制器跟踪某个参考函数，例如从E的当前侧向位置至其期望侧向位置(例如相邻车道中心，或构成目标车辆间交通间隙的车辆的预期安全临界区域的最右(如果左车道变更)或最左(如果右车道变更)交点)的阶跃函数。
因此能够通过在离散的时间间隔上发起操作的侧向运动来产生操作的一组可能的侧向运动轨迹，所述间隔可以被限定为：
i∈[1,…,min(N,Ng)-(no+nmin)]i∈[1,…,min(N,Ng)-(no+nmin)]；(1)
其中N表示预测时域，Ng表示目标车辆间交通间隙不再合适的时刻，no表示构成紧密的车辆间交通间隙的车辆平稳地调整它们的速度以允许自我车辆E进入间隙所花费的预测时间，并且nmin表示自我车辆E侧向移动至目标车辆间交通间隙内所花费的最少时间。
在下文中，将提供关于确定与每个可能的侧向轨迹对应的纵向安全临界区域的步骤的更多细节。
当已经产生了操作的所述一组可能的侧向运动轨迹时，对于每个相关的周围的交通参与者和物体的相应的纵向安全临界区域可被限定为适当的各种各样形状，例如长方形、三角形或椭圆形。例如，周围车辆的安全临界区域例如可被限定为覆盖车辆主体和两个长方形/三角形/半圆区域的方框，如图2所示。限定长方形/三角形/半圆的最前部位置的安全裕量由mf表示，其可被限定为：
Figure BDA0001385451700000111
其中υSj表示周围车辆Sj的纵向速度，并且∈Sj和τSj分别表示相对于Sj的前面自我车辆E必须Sj维持的与Sj的最短距离和时间间隙。类似地，通过mr表示限定长方形/三角形/半圆的最后位置的安全裕量，其可被限定为：
Figure BDA0001385451700000121
其中ΞSj和ΓSj分别表示相对于Sj的后面自我车辆E必须Sj维持的与Sj的最短距离和时间间隙。
对于操作的每个可能的侧向运动轨迹和相应的纵向安全临界区域，在每个时刻关于自我车辆E的纵向位置的最大和最小边际因此被限定为纵向安全通道。因而，关于自我车辆的规划的侧向运动轨迹来限定自我车辆E应当维持的与每个周围车辆的纵向距离。例如，当规划左车道变更操作时，整个操作期间关于自我车辆E的纵向位置的上边际被确定为：
Figure BDA0001385451700000122
其中
Figure BDA0001385451700000123
表示相对于第j个周围车辆后面的纵向安全位置，y表示自我车辆E的规划的侧向位置，c表示自我车辆E的当前和目标车道的中心线，并且w表示自我车辆E的宽度。
集合
Figure BDA0001385451700000124
和
Figure BDA0001385451700000125
分别包含车道L1和L2内在前的周围车辆。
类似地，通过以下确定关于自我车辆E的纵向位置的下边际：
Figure BDA0001385451700000126
其中
Figure BDA0001385451700000127
表示相对于第j个周围车辆前面的纵向安全位置并且集合
Figure BDA0001385451700000128
和
Figure BDA0001385451700000129
分别包含车道L1和L2内的后面的周围车辆。因此，如果通过例如三角形或半圆形限定周围车辆的安全临界区域，则允许自我车辆E挤入车辆间交通间隙中，因为自我车辆E必须维持的与每个周围车辆的纵向距离取决于如图2所示的其规划的侧向位置。
在下文中将提供关于确定操作的纵向运动轨迹的步骤的更多细节。
对于每个纵向安全通道，应当确定是否存在允许自我车辆E在预测时域上被定位在通道内的纵向轨迹，并且从对于所有纵向安全通道的确定的现有纵向轨迹选定最合适的纵向轨迹。为了简单地确定是否存在这样的纵向轨迹，通过例如由ACC功能产生的一组轨迹粗略地近似自我车辆E的可到达的组。为了虑及在自我车辆E的假定的低级控制系统的能力内的安全且平稳的操作，最合适的轨迹被选定为满足以下一组约束的轨迹：
Figure BDA0001385451700000131
Figure BDA0001385451700000132
Figure BDA0001385451700000133
Figure BDA0001385451700000134
当最小化代价函数时，
Figure BDA0001385451700000135
其中x,vx,αx,和Δαx分别表示自我车辆E的纵向位置、速度、加速度和急动度(jerk)，
Figure BDA0001385451700000136
表示自我车辆E的期望纵向速度，并且α,β和γ是正权重。
当已经确定了最合适的纵向运动轨迹和相应的安全通道时，可以通过公式化并且解决以下标准二次规划(quadratic program，QP)优化问题来改进轨迹：
Figure BDA0001385451700000137
以下述为条件
Heqw＝keq； (8b)
Hinw≤kin； (8c)
进一步如[19]-[20]所述。
在下文中，将提供关于确定与规划的纵向轨迹对应的侧向安全临界区域的步骤的更多细节。
利用纵向运动轨迹，能够根据操作的纵向运动来更新每个周围车辆的安全临界区域。因而，能够以与如上所述对于纵向安全通道的类似方式产生侧向安全通道。
在下文中将提供有关确定操作的侧向运动轨迹的步骤的更多细节。
为了完成某个操作的轨迹规划，侧向轨迹规划问题被公式化为标准QP优化问题(8)，带有以下限定的代价函数：
Figure BDA0001385451700000141
其中vy,ay和Δay分别表示自我车辆E的侧向速度、加速度和急动度，并且φ,
Figure BDA0001385451700000142
和ψ是正权重。此外，通过简单的二重积分器(double integrator)来模型化自我车辆E的侧向动力学，从而线性地将自我车辆E的侧向运动表达为：
Figure BDA0001385451700000143
Figure BDA0001385451700000144
其中y表示自我车辆E的侧向位置并且ts表示离散抽样时间。为了虑及在自我车辆E的假定的低级控制系统的能力内的安全且平稳的操作，系统(10)受到以下一组约束：
Figure BDA0001385451700000145
Figure BDA0001385451700000146
Figure BDA0001385451700000147
Figure BDA0001385451700000148
优化问题具有N个优化变量，即控制输入ay，和与车辆动力学(10)以及系统限制和设计约束对应的10N个线性约束。
在下面的部分中详细描述了如何在图1-2所示的模拟交通状况中评估所提出的轨迹规划算法。考虑到交通状况的两个情景——称为情景1和情景2，景1和情景2的初始条件在图9中给出，图9是示出车道变更交通状况的两个考虑的情景的初始条件的表，其中Δx0表示自我车辆和周围车辆Sq,q＝{1,2,3}的相对位置。
在两个情景中，轨迹规划算法的目的是规划允许自我车辆E在周围车辆S2与S3之间的车辆间交通间隙中执行左车道变更的车道变更操作。如图9的表所示，情景1从而要求自我车辆E减速从而执行车道变更操作，而情景2要求自我车辆E加速以便执行操作。
为了便于说明，假定在两个情景中周围车辆S1；S2；和S3以恒定纵向速度行驶而不在预测时域上执行车道变更操作。但是，当如上所述限定纵向和侧向安全通道时，周围车辆的任何预测的行为(即轨迹)可并入到轨迹规划算法中。
轨迹规划算法已经被实施为与Matlab对接的CVXGEN[26]中的纵向和侧向QP优化问题。分别在图10和11中给出用于纵向和侧向轨迹规划优化问题的一般设计参数。因而，图10是示出用于纵向轨迹规划优化问题的一般设计参数的表，而图11是示出用于侧向轨迹规划优化问题的一般设计参数的表。
如图9的表所示，在情景1中，所有车辆(即E；S1；S2；和S3)初始以相同纵向速度行驶，并且周围车辆S2和S3位于E后面。因此，自我车辆E必须降低其速度才能到达周围车辆S2与S3之间的车辆间交通间隙中并且执行车道变更操作。
图3提供了规划的车道变更操作的示意图，而图4-5分别示出纵向和侧向运动轨迹。从图中可看出，当对于每个周围车辆的安全临界区域被限定为三角形区域时，能够成功地规划车道变更操作，而相对于矩形安全临界区域来说操作是不可行的。此外，图4-5示出自我车辆E减速以便到达周围车辆S2与S3之间的车辆间交通间隙中，并且一旦它与间隙对齐则它执行进入目标车道的侧向运动且增加其纵向速度以便维持与周围车辆S2和S3的安全距离。
图6提供对于情景2的规划的车道变更操作的示意图，其中自我车辆E和周围车辆S1初始以15m/s行驶同时周围车辆S2和S3以25m/s行驶，如图9的表所示。如图7-8所示，自我车辆E必须加速以便到达周围车辆S2与S3之间的车辆间交通间隙，并且一旦它与间隙对齐则它执行进入目标车道的侧向运动。从图6-8可进一步看出，当对于每个周围车辆的安全临界区域被限定为三角形区域时，能够成功地规划车道变更操作，而相对于矩形安全临界区域的操作是不可行的。
在两个情景1和情景2中，规划的轨迹要求在预测时域结束时自我车辆E不完全位于目标车道内。随后，如果周围车辆S2和S3均不调整它们的速度以允许自我车辆E在其执行时完成车道变更操作，那么自我车辆E必须能够中止操作并且返回其原始车道。因此，如果不能在自我车辆E位于使得其能够平稳地调整其轨迹并且在原始车道中安全地追随周围车辆S1的距周围车辆S1的最小距离处之前规划要求自我车辆E完全位于目标车道内的轨迹，则应当中止该操作。
因而，如上所示，虑及由自动化车辆的规划的侧向和纵向运动限定的各种各样形状的安全临界区域的轨迹规划算法可用于本文提出的方法。因而，提出的方法能够产生允许自我车辆(特别是在部分或高度自动化的自我车辆的情况下)例如通过安全、平稳和自我断定地挤入目标车道内的车辆间交通间隙中来执行紧密的车道变更操作以便高效地利用空闲道路空间的轨迹。
如上所述，用于自我车辆E的操作的轨迹规划的方法中，自我车辆配备有：测量其在道路上的位置以及周围交通参与者和物体的相对位置和速度的传感器系统；估计限定的时间时域上周围交通参与者和物体的运动轨迹的预测系统；能够跟随规划的轨迹的低级控制系统；以及提供期望的操作请求的决策系统，所述方法包括使用应用有限预测时域的滚动时域控制以便确定以下的步骤：
请求的操作的可能的侧向运动轨迹；
与每个确定的可能的侧向运动轨迹对应的纵向安全临界区域；
请求的操作的纵向运动轨迹；
与请求的操作的确定的纵向运动轨迹对应的侧向安全临界区域；
请求的操作的侧向运动轨迹。
根据一些实施例，所述方法进一步包括通过在离散的时间间隔上发起操作的侧向运动产生对于请求的操作的一组可能侧向运动轨迹。
根据其他实施例，离散的时间间隔被限定为i∈[1,…,min(N,Ng)-(no+nmin)]，其中N表示预测时域，Ng表示目标车辆间交通间隙不再合适的时刻，no表示构成紧密的车辆间交通间隙的任何周围车辆平稳地调整它们的速度以允许自我车辆E进入间隙所花费的预测时间，并且nmin表示自我车辆E侧向移动至目标车辆间交通间隙内所花费的最少时间。
根据另一些实施例，所述方法进一步包括当已经产生操作的所述一组可能的侧向运动轨迹时，将对于每个相关周围交通参与者和物体的相应的纵向安全临界区域限定为合适的各种各样形状，例如长方形、三角形或椭圆形。
根据又一些实施例，所述方法进一步包括对于请求的操作的每个可能侧向运动轨迹和相应的安全临界区域，将在每个时刻关于自我车辆E的纵向位置的最大和最小边际限定为纵向安全通道，以使得关于请求的操作的每个可能的侧向运动轨迹和相应的安全临界区域来限定自我车辆E应当维持的与每个相关周围交通参与者和物体的纵向距离。
根据再其他的实施例，所述方法进一步包括对于每个纵向安全通道，确定是否存在允许自我车辆E在预测时域上被定位在通道内的纵向轨迹，并且从对于所有纵向安全通道的确定的现有纵向轨迹选择最合适的纵向轨迹。
根据又一些实施例，所述方法进一步包括利用请求的操作的确定的纵向运动轨迹，根据请求的操作的纵向运动来更新每个相关的周围交通参与者和物体的安全临界区域。
根据另一些实施例，确定请求的操作的侧向运动轨迹的步骤进一步包括将侧向运动轨迹规划问题公式化为标准二次程序优化问题并且解决这个问题。
根据又一些实施例，所述方法进一步包括利用请求的操作的确定的纵向和侧向运动轨迹之一的至少一部分来确定用于控制自我车辆的纵向和/或侧向控制信号。
根据又一些其它实施例，所述方法进一步包括将纵向和侧向控制信号组合为用于自我车辆的组合的纵向和侧向控制的组合控制信号的步骤。
所提出的方法也被看作用于高级驾驶员辅助系统(ADAS)并且最终用于安全、平稳和自我断定的高度自动化车辆的构造块。
根据本申请，还设想一种高级驾驶员辅助系统，其被布置为执行上述的操作的轨迹规划的方法。
根据本申请，还设想一种高级驾驶员辅助系统，其中利用请求的操作的确定的纵向和侧向运动轨迹之一的至少一部分用于以下之一或多个：决定是否应当发起还是终止操作；自主地或驾驶员监督地执行操作；提供用于执行操作的驾驶员引导；当不能和不应当执行操作时提供驾驶员警告和/或信息。
此处可以选择仅仅执行/评估或使用任一轨迹的一部分(即一部分预测时间)来：通知、警告、支持或评估车辆驾驶员，即驾驶员是否需要信息来执行操作，是否需要警告——原因是已经发起高风险操作，是否需要支持——这通过由ADAS执行操作同时驾驶员监督其性能、自主操作的执行/终止，或用于评估驾驶员的行为，例如在驾驶员在某个类型操作期间与周围物体保持哪些裕量方面。
根据本申请，还设想一种车辆包括被布置为实施上述的操作的轨迹规划的方法的高级驾驶员辅助系统。
上述实施例可在以下权利要求的范围内变化。
因此，已经示出和描述并且指出本文实施例的主要新型特征，很清楚可对所示装置的形式和细节做出各种省略、置换和改变，并且由本领域技术人员执行在这些操作。例如，很明显，以基本上相同的方式基本上实现相同功能从而获得相同结果的那些元件和/或方法步骤的所有组合是等效的。此外，应当认识到，结合任何公开形式或本文实施例所示和/或描述的结构和/或元件和/或方法步骤可与任何其它公开或描述或建议的形式或实施例合并，这是常规设计选择。

Claims (12)

1.一种自我车辆(E)的操作的轨迹规划的方法，该自我车辆装备有：
测量其在道路上的位置以及周围交通参与者和物体的相对位置和速度的传感器系统；
在限定的时间时域上估计周围交通参与者和物体的运动轨迹的预测系统；
能够跟随规划的轨迹的控制系统；以及
提供期望的操作的决策系统，
所述方法包括使用应用有限预测时域的滚动时域控制来确定以下内容的步骤：
请求的操作的可能侧向运动轨迹；
与每个确定的可能侧向运动轨迹对应的对于每个相关周围交通参与者和物体的纵向安全临界区域；
请求的操作的纵向运动轨迹；
与请求的操作的确定的纵向运动轨迹对应的对于每个相关周围交通参与者和物体的侧向安全临界区域；
来自确定的可能侧向运动轨迹的请求的操作的侧向运动轨迹，
其中，确定请求的操作的可能侧向运动轨迹包括通过在离散的时间间隔上发起操作的侧向运动，产生对于请求的操作的一组可能的侧向运动轨迹。
2.根据权利要求1所述的方法，其特征在于：所述离散时间间隔被限定为i∈[1,…,min(N,Ng)-(no+nmin)]，其中N表示预测时域，Ng表示目标车辆间交通间隙不再合适的时刻，no表示构成紧密的车辆间交通间隙的任何周围车辆平稳地调整它们的速度以允许自我车辆(E)进入所述目标车辆间交通间隙所花费的预测时间，并且nmin表示自我车辆(E)侧向移动至目标车辆间交通间隙内所花费的最少时间。
3.根据权利要求1所述的方法，其特征在于：所述方法进一步包括：当已经产生操作的所述一组可能的侧向运动轨迹时，将对于每个相关周围交通参与者和物体的相应的纵向安全临界区域限定为合适的各种各样形状。
4.根据权利要求3所述的方法，其特征在于：所述方法进一步包括：对于请求的操作的每个可能的侧向运动轨迹和相应的安全临界区域，将在每个时刻关于自我车辆(E)的纵向位置的最大和最小边际限定为纵向安全通道，以使得关于请求的操作的每个可能的侧向运动轨迹和相应的纵向安全临界区域来限定自我车辆(E)应当维持的与每个相关周围交通参与者和物体的纵向距离。
5.根据权利要求4所述的方法，其特征在于：所述方法进一步包括：对于每个纵向安全通道，确定是否存在容许自我车辆(E)在预测时域上被定位在所述通道内的纵向轨迹，并且从对于所有纵向安全通道的确定的现有纵向轨迹选择最合适的纵向轨迹。
6.根据权利要求1所述的方法，其特征在于：所述方法进一步包括：利用请求的操作的确定的纵向运动轨迹，根据请求的操作的纵向运动更新每个相关周围交通参与者和物体的安全临界区域。
7.根据权利要求1所述的方法，其特征在于：确定请求的操作的侧向运动轨迹的步骤进一步包括将侧向运动轨迹规划公式化为标准二次程序优化问题并且解决这个问题。
8.根据权利要求1所述的方法，其特征在于：所述方法进一步包括：利用请求的操作的确定的纵向和侧向运动轨迹之一的至少一部分来确定用于控制所述自我车辆(E)的纵向和/或侧向控制信号。
9.根据权利要求1所述的方法，其特征在于：所述方法进一步包括利用请求的操作的确定的纵向和侧向运动轨迹之一的至少一部分来确定用于控制所述自我车辆(E)的纵向和侧向控制信号并将所述纵向和侧向控制信号组合为用于所述自我车辆(E)的组合的纵向和侧向控制的组合的控制信号。
10.一种高级驾驶员辅助系统，其配置为规划自我车辆的操作的轨迹，其中所述自我车辆包括：测量车辆在道路上的位置以及周围交通参与者和物体的相对位置和速度的传感器系统；在限定的时间时域上估计周围交通参与者和物体的运动轨迹的预测系统；配置为跟随规划的轨迹的控制系统；以及提供期望的操作的决策系统，所述高级驾驶员辅助系统配置为使用应用有限预测时域的滚动时域控制以：
确定请求的操作的可能侧向运动轨迹；
确定与每个确定的可能侧向运动轨迹对应的对于每个相关周围交通参与者和物体的纵向安全临界区域；
确定请求的操作的纵向运动轨迹；
确定与请求的操作的确定的纵向运动轨迹对应的对于每个相关周围交通参与者和物体的侧向安全临界区域；
从确定的可能侧向运动轨迹确定请求的操作的侧向运动轨迹，
其中，确定请求的操作的可能侧向运动轨迹包括通过在离散的时间间隔上发起操作的侧向运动，产生对于请求的操作的一组可能的侧向运动轨迹。
11.根据权利要求10所述的高级驾驶员辅助系统，其特征在于：请求的操作的确定的纵向和侧向运动轨迹之一的至少一部分被用于以下之一或多个：决定是否应当发起还是终止请求的操作；自主地或驾驶员监督地执行请求的操作；提供用于执行请求的操作的驾驶员引导；当不能和不应当执行请求的操作时提供驾驶员警告和/或信息。
12.一种车辆，其特征在于：其包括被布置为执行根据权利要求1-9中任意一项所述的操作的轨迹规划的方法的高级驾驶员辅助系统。
CN201710723378.8A 2016-08-29 2017-08-22 道路车辆轨迹规划的方法 Active CN107792065B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP16186135.6A EP3291202B1 (en) 2016-08-29 2016-08-29 Method of road vehicle trajectory planning
EP16186135.6 2016-08-29

Publications (2)

Publication Number Publication Date
CN107792065A CN107792065A (zh) 2018-03-13
CN107792065B true CN107792065B (zh) 2021-10-26

Family

ID=56893709

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710723378.8A Active CN107792065B (zh) 2016-08-29 2017-08-22 道路车辆轨迹规划的方法

Country Status (3)

Country Link
US (1) US10860027B2 (zh)
EP (1) EP3291202B1 (zh)
CN (1) CN107792065B (zh)

Families Citing this family (48)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10427676B2 (en) * 2017-05-31 2019-10-01 GM Global Technology Operations LLC Trajectory planner for autonomous driving using bézier curves
DE102016009762A1 (de) * 2016-08-11 2018-02-15 Trw Automotive Gmbh Steuerungssystem und Steuerungsverfahren zum Ermitteln einer Wahrscheinlichkeit für einen Fahrspurwechsel eines vorausfahrenden Kraftfahrzeugs
EP3566106B1 (en) * 2017-03-20 2024-03-06 Mobileye Vision Technologies Ltd. Trajectory selection for an autonomous vehicle
US10884422B2 (en) * 2018-04-16 2021-01-05 Baidu Usa Llc Method for generating trajectories for autonomous driving vehicles (ADVS)
US11511745B2 (en) * 2018-04-27 2022-11-29 Huawei Technologies Co., Ltd. Method and system for adaptively controlling object spacing
US11602999B1 (en) * 2018-05-01 2023-03-14 Zoox, Inc. Predictive control strategies for vehicles
US10614717B2 (en) 2018-05-17 2020-04-07 Zoox, Inc. Drive envelope determination
CN112400096A (zh) * 2018-07-11 2021-02-23 日产自动车株式会社 行驶辅助方法和行驶辅助装置
FR3085022B1 (fr) * 2018-08-16 2020-10-16 Psa Automobiles Sa Procede de determination d’un indice de confiance associe a un objet detecte par un capteur dans l’environnement d’un vehicule automobile.
JP7115184B2 (ja) * 2018-09-26 2022-08-09 トヨタ自動車株式会社 自動運転システム
DE102018008624A1 (de) * 2018-10-31 2020-04-30 Trw Automotive Gmbh Steuerungssystem und Steuerungsverfahren zum samplingbasierten Planen möglicher Trajektorien für Kraftfahrzeuge
US11372403B2 (en) 2018-11-05 2022-06-28 Tusimple, Inc. Systems and methods for dynamic predictive control of autonomous vehicles
EP3651137A1 (en) * 2018-11-09 2020-05-13 Veoneer Sweden AB A vehicle control system
EP3654311B1 (en) * 2018-11-16 2023-11-15 Honda Research Institute Europe GmbH Method for assisting a driver of an ego-vehicle in making use of a gap between vehicles, corresponding driver assistance system and vehicle equipped with such driver assistance system
DE102018130243A1 (de) * 2018-11-29 2020-06-04 Valeo Schalter Und Sensoren Gmbh Erweitertes Szenario für Autobahnassistenten
US11460848B1 (en) * 2018-12-06 2022-10-04 Waymo Llc Biased trajectory progress metric
CN109375632B (zh) * 2018-12-17 2020-03-20 清华大学 自动驾驶车辆实时轨迹规划方法
DE102018133472B3 (de) * 2018-12-21 2020-03-12 Franka Emika Gmbh Bewegungsüberwachung eines Robotermanipulators
US20210188282A1 (en) * 2018-12-26 2021-06-24 Baidu Usa Llc Methods for obstacle filtering for a non-nudge planning system in an autonomous driving vehicle
US11383722B2 (en) * 2019-01-02 2022-07-12 Qualcomm Incorporated Methods and systems for managing interactions between vehicles with varying levels of autonomy
CN109855639B (zh) * 2019-01-15 2022-05-27 天津大学 基于障碍物预测与mpc算法的无人驾驶轨迹规划方法
CN109739246B (zh) 2019-02-19 2022-10-11 阿波罗智能技术(北京)有限公司 一种变换车道过程中的决策方法、装置、设备及存储介质
DE202019101201U1 (de) * 2019-03-04 2020-01-27 Leuze Electronic Gmbh & Co. Kg Überwachungsvorrichtung
US11192553B2 (en) * 2019-04-13 2021-12-07 Henry Schellhorn Method for autonomous cars to change lanes on motorways
US11124196B2 (en) * 2019-07-02 2021-09-21 Mitsubishi Electric Research Laboratories, Inc. Receding horizon state estimator
US11548512B2 (en) 2019-08-23 2023-01-10 Zoox, Inc. Yield behavior modeling and prediction
EP3786012A1 (en) * 2019-08-29 2021-03-03 Zenuity AB Lane keeping for autonomous vehicles
DE102019216378A1 (de) * 2019-10-24 2021-04-29 Robert Bosch Gmbh Bestimmung einer Fahrzeugtrajektorie unter Verwendung von Begrenzungskostenfunktionen
CN110834627B (zh) * 2019-11-26 2021-06-01 北京海纳川汽车部件股份有限公司 基于毫米波雷达的车辆碰撞预警控制方法、系统及车辆
CN110920622B (zh) * 2019-12-06 2021-01-26 格物汽车科技(苏州)有限公司 自动驾驶中车辆变道至目标车道前车之前的预测方法
JP2023509831A (ja) * 2019-12-30 2023-03-10 エヌビディア コーポレーション 自律マシン・アプリケーションにおける車線変更プランニング及び制御
KR20210089846A (ko) * 2020-01-09 2021-07-19 주식회사 만도 능동 후방 추돌 방지 장치 및 방법
US11560131B2 (en) 2020-01-13 2023-01-24 Nio Technology (Anhui) Co., Ltd. Lane prediction and smoothing for extended motion planning horizon
FR3106798B1 (fr) * 2020-01-31 2022-04-29 Renault Sas Procédé de gestion d'un freinage autonome d'urgence.
CN111338339B (zh) * 2020-02-20 2024-02-06 北京京东乾石科技有限公司 轨迹规划方法、装置、电子设备及计算机可读介质
CN111497847B (zh) * 2020-04-23 2021-11-16 江苏黑麦数据科技有限公司 车辆的控制方法和装置
US11783178B2 (en) 2020-07-30 2023-10-10 Toyota Research Institute, Inc. Systems and methods for corridor intent prediction
DE102020120401A1 (de) * 2020-08-03 2022-02-03 Valeo Schalter Und Sensoren Gmbh Fahrerassistenz für ein kraftfahrzeug
US11535253B2 (en) * 2020-09-18 2022-12-27 GM Global Technology Operations LLC Lane change maneuver intention detection systems and methods
US11753041B2 (en) 2020-11-23 2023-09-12 Waymo Llc Predicting behaviors of road agents using intermediate intention signals
US11851081B2 (en) 2020-12-01 2023-12-26 Waymo Llc Predictability-based autonomous vehicle trajectory assessments
US20220315047A1 (en) * 2021-03-30 2022-10-06 Honda Research Institute Europe Gmbh Method, system and vehicle with an uncertainty-based lane positioning control
EP4082851A1 (en) 2021-04-28 2022-11-02 KNORR-BREMSE Systeme für Nutzfahrzeuge GmbH Prediction apparatus for predicting a predicted trajectory for a safety driver assistant system for a vehicle
CN113341997B (zh) * 2021-06-28 2022-04-05 湖南大学无锡智能控制研究院 一种基于多状态参数协同估计的横向控制方法及系统
DE102021211711A1 (de) 2021-10-18 2023-04-20 Continental Autonomous Mobility Germany GmbH Fahrerassistenzsystem und Verfahren zum Steuern eines Kraftfahrzeugs
US20230159032A1 (en) * 2021-11-23 2023-05-25 Ford Global Technologies, Llc Vehicle lane-change operations
WO2023152944A1 (ja) * 2022-02-14 2023-08-17 本田技研工業株式会社 運転支援装置
CN117681879A (zh) * 2024-02-04 2024-03-12 上海鉴智其迹科技有限公司 一种车辆变道方法、装置、电子设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102358287A (zh) * 2011-09-05 2012-02-22 北京航空航天大学 一种用于车辆自动驾驶机器人的轨迹跟踪控制方法
CN105539586A (zh) * 2014-08-29 2016-05-04 通用汽车环球科技运作有限责任公司 用于自主驾驶的车辆躲避移动障碍物的统一的运动规划
CN105857294A (zh) * 2016-05-04 2016-08-17 常州工学院 一种汽车换道避撞控制方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005339241A (ja) 2004-05-27 2005-12-08 Nissan Motor Co Ltd モデル予測制御装置および車両用推奨操作量生成装置
US20100228427A1 (en) * 2009-03-05 2010-09-09 Massachusetts Institute Of Technology Predictive semi-autonomous vehicle navigation system
US8655579B2 (en) * 2010-03-16 2014-02-18 Toyota Jidosha Kabushiki Kaisha Driving assistance device
US9669828B2 (en) * 2012-06-01 2017-06-06 Toyota Motor Engineering & Manufacturing North America, Inc. Cooperative driving and collision avoidance by distributed receding horizon control
EP2848487B1 (en) * 2013-09-12 2020-03-18 Volvo Car Corporation Manoeuvre generation for automated drive
US9199668B2 (en) * 2013-10-28 2015-12-01 GM Global Technology Operations LLC Path planning for evasive steering maneuver employing a virtual potential field technique

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102358287A (zh) * 2011-09-05 2012-02-22 北京航空航天大学 一种用于车辆自动驾驶机器人的轨迹跟踪控制方法
CN105539586A (zh) * 2014-08-29 2016-05-04 通用汽车环球科技运作有限责任公司 用于自主驾驶的车辆躲避移动障碍物的统一的运动规划
CN105857294A (zh) * 2016-05-04 2016-08-17 常州工学院 一种汽车换道避撞控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Longitudinal and Laternal Control for Automated Lane Change Maneuvers;Julia Nilsson 等;《2015 American Control Conference》;20150730;第1399-1404页 *

Also Published As

Publication number Publication date
US20180059670A1 (en) 2018-03-01
US10860027B2 (en) 2020-12-08
CN107792065A (zh) 2018-03-13
EP3291202B1 (en) 2019-04-17
EP3291202A1 (en) 2018-03-07

Similar Documents

Publication Publication Date Title
CN107792065B (zh) 道路车辆轨迹规划的方法
Wei et al. A behavioral planning framework for autonomous driving
Best et al. Autonovi: Autonomous vehicle planning with dynamic maneuvers and traffic constraints
US10268197B2 (en) Method of trajectory planning for yielding maneuvers
WO2020097011A2 (en) Vehicle trajectory modification for following
JP2021526474A (ja) 軌道計画
JP2021520003A (ja) 確率的オブジェクト追跡及び予測フレームワーク
JPWO2019171576A1 (ja) 車両制御装置、車両制御方法、およびプログラム
JP2020185968A (ja) 車両制御装置、車両制御方法、およびプログラム
JP2020035222A (ja) 学習装置、学習方法、およびプログラム
Rodrigues et al. Autonomous navigation in interaction-based environments—A case of non-signalized roundabouts
JP7048455B2 (ja) 学習装置、シミュレーションシステム、学習方法、およびプログラム
JP2021155006A (ja) 移動体制御装置、移動体制御方法、およびプログラム
JP2019159428A (ja) 車両制御装置、車両制御方法及びプログラム
Tu et al. A potential field based lateral planning method for autonomous vehicles
JP7429172B2 (ja) 車両制御装置、車両制御方法、およびプログラム
Guo et al. Toward human-like behavior generation in urban environment based on Markov decision process with hybrid potential maps
Yoneda et al. Trajectory optimization and state selection for urban automated driving
WO2019003302A1 (ja) 車両制御装置
Guo et al. Self-defensive coordinated maneuvering of an intelligent vehicle platoon in mixed traffic
Gong et al. Game theory-based decision-making and iterative predictive lateral control for cooperative obstacle avoidance of guided vehicle platoon
JP2021068423A (ja) 将来行動推定装置、車両制御装置、将来行動推定方法、およびプログラム
JP2021160531A (ja) 車両制御装置、車両制御方法、及びプログラム
Nilsson et al. Trajectory planning with miscellaneous safety critical zones
Khan et al. Cooperative navigation strategy for connected autonomous vehicle operating at smart intersection

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant