CN107839687A - 基于驾驶特性分析的最优自主超车控制方法 - Google Patents
基于驾驶特性分析的最优自主超车控制方法 Download PDFInfo
- Publication number
- CN107839687A CN107839687A CN201710968901.3A CN201710968901A CN107839687A CN 107839687 A CN107839687 A CN 107839687A CN 201710968901 A CN201710968901 A CN 201710968901A CN 107839687 A CN107839687 A CN 107839687A
- Authority
- CN
- China
- Prior art keywords
- overtaking
- vehicles
- driving performance
- performance analysis
- autonomous control
- 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.)
- Pending
Links
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
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/80—Spatial relation or speed relative to objects
Abstract
本发明提供了一种基于驾驶特性分析的最优自主超车控制方法,包括以下步骤:S1、利用模糊推理系统(Fuzzy Inference System,FIS)对前车进行驾驶特性分析,然后将其输出的具体驾驶类型进行了简化,即危险与安全两个状态;S2、后车根据前车的驾驶行为选择相应策略,进行最优自主超车控制。本发明的有益效果是:原有超车控制较复杂,通过简化的二元驾驶特性可以降低超车控制难度;二元超车策略的最优控制方式可以为自主超车过程中左侧超越阶段提供一个安全、高效、低耗的最优策略。
Description
技术领域
本发明涉及超车控制方法,尤其涉及一种基于驾驶特性分析的最优自主超车控制方法。
背景技术
近年来,随着传感器技术、信息处理与计算机技术越来越成熟,智能交通系统(Intelligent Transportation System,ITS)也得到了迅猛的发展,为社会带来了巨大的经济效益。智能交通系统的主要领域包括预防和减轻事故,安全问题、减少温室气体排放,提高能源和基础设施利用效率,其中安全问题一直是人们所关注的热点问题之一。有数据表明,每年都会有120万人死于交通事故,如果不采取措施,预计到2020年,交通事故数量会持续增加,其中由于超车操作不当引起的交通事故碰撞约占4-10%。人们在出行方面除了注重安全性以外,也越来越追求舒适性,而自主车辆是一种具有环境感知、自主导航能力的地面运载工具,其出现使得人们在自驾出行的同时不被车束缚,也减少了疲劳驾驶、酒驾等人为因素导致的事故,被人们所青睐。因此,对自主超车模型的研究不仅可为道路安全超车提供理论指导,有效提高道路通行能力和服务水平,更可以降低由于不合理超车所引起的交通事故的发生率。
超车是公路上一种普遍的交通现象。当车道前方车辆速度小于后车速度,且相邻车道上有足够超车空间,则后车会采取借用相邻车道来完成超车过程,以追求最大驾驶效益。在超车过程中,需要考虑的因素有很多,如被超越的车出现的一些不稳定的驾驶行为,即左右抖动、迂回、穿梭等,这些行为会对执行超越的车在选择超车策略上产生很大的影响。车辆如果对换道操作的可行性做出了一个错误判断,或者在超越过程中无法获得前车状态,就可能使车辆处于潜在的碰撞危险当中。因此,如何及时有效地识别前车的危险驾驶行为,对于避免交通事故、实现智能化安全辅助驾驶具有重要意义。
发明内容
为了解决现有技术中的问题,本发明提供了一种基于驾驶特性分析的最优自主超车控制方法。
本发明提供了一种基于驾驶特性分析的最优自主超车控制方法,包括以下步骤:
S1、在现有研究中,一种驾驶特性分析方式如下:基于模糊推理系统的驾驶特性分析,利用GPS和INS对前车进行定位,将获取的前车加速度、速度及角速度信息通过联邦卡尔曼滤波进行处理,然后将联邦卡尔曼滤波器的状态估计输出值作为模糊推理系统的输入,该联邦卡尔曼滤波器的状态估计输出值包括横向偏移量D、角速度ω,并且经过模糊化、模糊推理、去模糊化,实现对车辆的危险驾驶检测与识别,本文在该类方法的基础上,针对自主超车场景的特点,对其输入变量的隶属度和模糊规则库进行了改进,并且将其输出的具体驾驶类型(抖动、穿梭、迂回、正常)进行了简化,即安全、危险两种类型;
S2、后车根据前车的驾驶行为选择相应策略,进行最优自主超车控制。
作为本发明的进一步改进,步骤S1包括:假设已经获取道路的高清地图信息,并且已经完成对车辆的精确状态估计,将状态估计输出值角速度ω、横向偏移量D作为模糊系统的输入量,输出量为二元驾驶特性,即安全和危险。
作为本发明的进一步改进,步骤S1包括:根据经验值和超车场景的特点对横向偏移量和模糊规则库进行定义。
作为本发明的进一步改进,步骤S2包括:
定义碰撞发生概率Pco和安全距离。
作为本发明的进一步改进,定义碰撞发生概率Pco还包括:
(4)两车的实时位置信息共享。
本发明的有益效果是:原有超车控制较复杂,通过简化的二元驾驶特性可以降低超车控制难度;二元超车策略的最优控制方式可以为自主超车过程中左侧超越阶段提供一个安全、高效、低耗的最优策略。
附图说明
图1是本发明一种基于驾驶特性分析的最优自主超车控制方法的超车示意图。
图2是本发明一种基于驾驶特性分析的最优自主超车控制方法的驾驶特性分析系统结构。
图3是本发明一种基于驾驶特性分析的最优自主超车控制方法的目标车辆和车道之间的几何关系图。
图4是本发明一种基于驾驶特性分析的最优自主超车控制方法横向偏移量的隶属度函数曲线图。
图5是本发明一种基于驾驶特性分析的最优自主超车控制方法的横向偏移量对超车场景中模糊规则库的影响示意图。
图6是本发明一种基于驾驶特性分析的最优自主超车控制方法的危险类型指标值与驾驶类型的对应关系图。
图7是本发明一种基于驾驶特性分析的最优自主超车控制方法的高安全策略中,参量随时隙的变化示意图。
图8是本发明一种基于驾驶特性分析的最优自主超车控制方法的低安全策略中,参量随时隙的变化示意图。
图9是本发明一种基于驾驶特性分析的最优自主超车控制方法的驾驶特性分析对代价值的影响示意图。
具体实施方式
下面结合附图说明及具体实施方式对本发明作进一步说明。
如图1所示,超车操作分为变道、车辆超越、返回原车道三个步骤,本发明提供了一种基于驾驶特性分析的最优自主超车控制方法,针对左侧超越,提出了一种基于异常驾驶检测的最优超车策略。利用模糊推理系统(Fuzzy Inference System,FIS)对前车进行驾驶特性分析,然后将其输出的具体驾驶类型进行了简化,即危险与安全两个状态。后车在最小化代价的条件下,根据前车的状态选择相应策略,如跟驰、加速超越等行为。该方法可以为左侧超越阶段提供一个安全、高效、低耗的最优策略。
一种基于驾驶特性分析的最优自主超车控制方法包括具体以下步骤:
1、基于模糊推理系统的驾驶特性分析;
在现有研究中,一种驾驶特性分析方式如下:先利用GPS和INS对前车进行定位,将获取的前车加速度、速度及角速度信息通过联邦卡尔曼滤波进行处理,然后将联邦卡尔曼滤波器的状态估计输出值(横向偏移量D、角速度ω)作为模糊推理系统的输入,并且经过模糊化、模糊推理、去模糊化等过程,实现对车辆的危险驾驶检测与识别。本文在该类方法的基础上,针对自主超车场景的特点,对其输入变量的隶属度和模糊规则库进行了改进,并且将其输出的具体驾驶类型(抖动、穿梭、迂回、正常)进行了简化,即安全、危险两种类型。
图2是本文中采用的驾驶特性分析系统结构图。假设已经获取道路的高清地图信息,如图3所示,并且已经完成对车辆的精确状态估计,将滤波输出量角速度ω、横向偏移量D作为模糊系统的输入量,输出量为二元驾驶特性,即安全和危险。
采用模糊推理系统对前车进行驾驶特性分析在以往的工作中也有所提及,在本文中,我们依旧采用现有研究中规定的角速度隶属度函数,而对横向偏移量针对超车场景进行了改进,如图3所示,相应的模糊值被定义为负横向偏移量(ND),小横向偏移量指标(SD)、中横向偏移量指标(MD)、大横向偏移量指标(LD)和超大横向偏移量指标(VLD)。
基于经验数据,将角速度指标和横向偏移量指标映射到相应的危险类型中,由此建立了直行道路中的模糊规则库,如表1所示。
表1模糊规则库
其中,需要说明的是,在超车场景中,当前车的横向偏移量D处于ND状态时,如图5所示,此时前车相对于后车为安全状态,故当前车的角速度较小时,危险类型为A。
2、最优控制策略;
本文在超车的三个步骤中,主要针对步骤二,即左侧超越过程进行优化,如图5所示。为了简化问题,我们假设在整个分析求解过程中,以前车B为参照物,并且假设前车的运动轨迹全程已知。前车B沿着道路方向的速度保持不变,垂直于道路方向上的速度随时间发生变化,即有可能偏离车道中心线较远,出现不稳定的驾驶行为。由于前车会出现横向偏移量较大的不稳定驾驶行为,后车的策略需要做相应的调整。在此阶段,两车相对距离越大,发生碰撞的概率越小,因此定义碰撞发生概率Pco和安全距离。
经过模糊推理系统处理后,若前车状态判断为异常,那么此时后车可以采取两种策略,一种是增加制动加速度以增加两车之间的距离,使得两车的相对距离大于安全距离,以此减小Pco,但是这样会增加油耗代价,即以牺牲油耗为代价来降低碰撞发生概率Pco;另一种是为了节省油耗不采取相应的制动措施,或者施加一个较小的加速度,但是这样会增加两车的碰撞发生概率Pco。为了鼓励后车可以在规定的时隙内提前完成超车操作,我们又增加了相应的时间代价,当后车越早完成超车,其付出的时间代价就越小,反之则越多。因此本文着重探讨如何在油耗代价、碰撞代价和时间代价之间进行折中,以获得最优的左侧超车策略。若前车判断为安全,对后车的加速度没有限制,即可以保证两车的碰撞概率很低。如表2所示。
表2优化策略
3、仿真结果与讨论;
为了证明我们所提出的方法可以为左侧超越过程提供一个最优策略,我们通过仿真进行验证。首先,根据模糊推理系统的模糊规则库对前车状态进行简化分类定义;然后从安全性角度,对后车采取的策略进行了分析验证;最后仿真分析了驾驶特性对超车代价的影响。
3.1基于模糊推理系统的驾驶特性分析
我们定义模糊规则库中的危险类型A、B、C、D分别对应1、2、3、4。图6显示的是基于设定的输入输出隶属度函数以及模糊规则库,经过去模糊化,整个模糊推理系统输出的三维视图,不同的角速度值和横向偏移量值,只输出唯一的对应的危险类型指标值。
本文对模糊推理系统的原有输出进行了二值简化输出,即0、1,其中0表示安全,1表示危险,有利于后车执行超车策略。因此,我们将危险类型指标值2设置为一个临界值,即当危险类型指标值大于2时,意味着目标车辆处于危险驾驶模式,小于2时意味着目标车辆处于正常驾驶模式。如图7所示。
3.2最优控制策略
3.2.1安全性分析
图7中(a)、(b)分别表示,当采取高安全性的策略,即碰撞概率在代价函数中占取更大的比重时,后车相对路程以及两车相对纵向距离随时间的变化。
图7中(a)、(b)分别表示,当采取高安全性的策略,后车相对路程以及两车相对纵向距离随时间的变化。从(a)图中的优化结果可以看出,第7个时隙结束后,后车可以完成左侧超越的过程;从(b)图中,我们可以看出,在第3和第4这两个危险时隙中,后车均采取了保守策略,将两车的距离控制在安全距离以外。
图8中(a)、(b)分别表示,当采取低安全性的策略,即油耗代价在代价函数中占取更大的比重时,后车相对路程以及两车相对纵向距离随时间的变化。
从(a)图中的优化结果可以看出,后车在第6个时隙结束后完成左侧超越的过程;从(b)图中,我们可以看出,在第3和第4这两个危险时隙中,后车先采取保守策略,然后采取激进策略,此时两车的距离小于安全距离,可能会发生碰撞事故。
通过比较上述两种情况,我们可以通过增加安全权重的大小来提高策略的安全性,但是可能会增加时间上的代价。需要注意的是,在某些情况下,即使安全权重足够大,我们的策略也无法保证绝对的安全。例如,如果车辆B一直处于异常状态,后车为了可以使总体代价最小,将会执行可能引起碰撞的激进动作。所以这里的安全是一个相对的概念。
3.2.2高效性分析
为了说明驾驶特征分析对整体代价的影响,我们将其与无特性分析的仿真结果进行比较。
图9对比了有无驾驶特性分析对超车代价值的影响。从图中,我们可以看出,当我们对前车进行驾驶特性分析时,其代价值明显小于无特性分析的情况,这是因为驾驶特性分析会减少两车之间发生碰撞的概率,即减少两者之间的碰撞代价,从而减少了总代价值。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (5)
1.一种基于驾驶特性分析的最优自主超车控制方法,其特征在于,包括以下步骤:
S1、基于模糊推理系统的驾驶特性分析,利用GPS和INS对前车进行定位,将获取的前车加速度、速度及角速度信息通过联邦卡尔曼滤波进行处理,然后将联邦卡尔曼滤波器的状态估计输出值作为模糊推理系统的输入,该联邦卡尔曼滤波器的状态估计输出值包括横向偏移量D、角速度ω,并且经过模糊化、模糊推理、去模糊化,实现对车辆的危险驾驶检测与识别;
S2、后车根据前车的驾驶行为选择相应策略,进行最优自主超车控制。
2.根据权利要求1所述的基于驾驶特性分析的最优自主超车控制方法,其特征在于,步骤S1包括:假设已经获取道路的高清地图信息,并且已经完成对车辆的精确状态估计,将状态估计输出值角速度ω、横向偏移量D作为模糊系统的输入量,输出量为:二元驾驶特性,即安全和危险。
3.根据权利要求2所述的基于驾驶特性分析的最优自主超车控制方法,其特征在于,步骤S1包括:根据经验值和超车场景的特点对横向偏移量和模糊规则库进行定义。
4.根据权利要求1所述的基于驾驶特性分析的最优自主超车控制方法,其特征在于,步骤S2包括:
定义碰撞发生概率Pco和安全距离。
5.根据权利要求4所述的基于驾驶特性分析的最优自主超车控制方法,其特征在于,定义碰撞发生概率Pco还包括:
(4)两车的实时位置信息共享。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710968901.3A CN107839687A (zh) | 2017-10-18 | 2017-10-18 | 基于驾驶特性分析的最优自主超车控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710968901.3A CN107839687A (zh) | 2017-10-18 | 2017-10-18 | 基于驾驶特性分析的最优自主超车控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107839687A true CN107839687A (zh) | 2018-03-27 |
Family
ID=61662522
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710968901.3A Pending CN107839687A (zh) | 2017-10-18 | 2017-10-18 | 基于驾驶特性分析的最优自主超车控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107839687A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112445226A (zh) * | 2019-08-27 | 2021-03-05 | 通用汽车环球科技运作有限责任公司 | 针对自主驾驶围绕停放车辆导航的机动计划的方法 |
CN113353066A (zh) * | 2021-06-30 | 2021-09-07 | 中汽创智科技有限公司 | 一种障碍物触碰识别方法、装置、设备及存储介质 |
CN114927008A (zh) * | 2022-05-06 | 2022-08-19 | 山东汉鑫科技股份有限公司 | 一种货车在高速公路行驶过程中需占用超车道超车最经济的加速决策方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105216794A (zh) * | 2014-06-23 | 2016-01-06 | 富士重工业株式会社 | 车辆的驾驶辅助装置 |
CN105539441A (zh) * | 2014-10-27 | 2016-05-04 | 富士重工业株式会社 | 车辆的行驶控制装置 |
CN106314276A (zh) * | 2016-09-22 | 2017-01-11 | 西华大学 | 基于测距的汽车后车超车提示系统 |
CN107097773A (zh) * | 2017-04-05 | 2017-08-29 | 吉利汽车研究院(宁波)有限公司 | 一种用于车辆的超车辅助方法及系统 |
-
2017
- 2017-10-18 CN CN201710968901.3A patent/CN107839687A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105216794A (zh) * | 2014-06-23 | 2016-01-06 | 富士重工业株式会社 | 车辆的驾驶辅助装置 |
CN105539441A (zh) * | 2014-10-27 | 2016-05-04 | 富士重工业株式会社 | 车辆的行驶控制装置 |
CN106314276A (zh) * | 2016-09-22 | 2017-01-11 | 西华大学 | 基于测距的汽车后车超车提示系统 |
CN107097773A (zh) * | 2017-04-05 | 2017-08-29 | 吉利汽车研究院(宁波)有限公司 | 一种用于车辆的超车辅助方法及系统 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112445226A (zh) * | 2019-08-27 | 2021-03-05 | 通用汽车环球科技运作有限责任公司 | 针对自主驾驶围绕停放车辆导航的机动计划的方法 |
CN113353066A (zh) * | 2021-06-30 | 2021-09-07 | 中汽创智科技有限公司 | 一种障碍物触碰识别方法、装置、设备及存储介质 |
CN114927008A (zh) * | 2022-05-06 | 2022-08-19 | 山东汉鑫科技股份有限公司 | 一种货车在高速公路行驶过程中需占用超车道超车最经济的加速决策方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109727469B (zh) | 一种多车道下自动驾驶车辆综合危险度评估方法 | |
CN102541061B (zh) | 基于视听觉信息的缩微智能车 | |
CN102433811B (zh) | 港区道路交叉口最小间距确定方法 | |
CN105551282B (zh) | 一种超车提示方法和装置 | |
Yoo et al. | Stackelberg game based model of highway driving | |
CN111565990A (zh) | 用于自主车辆的软件验证 | |
US20120296539A1 (en) | Driver assistance system | |
Wu et al. | Predictive shift strategy of dual-clutch transmission for driving safety on the curve road combined with an electronic map | |
CN107848537A (zh) | 自动驾驶辅助装置、自动驾驶辅助方法以及自动驾驶辅助程序 | |
CN110053619A (zh) | 车辆控制装置 | |
CN105427669A (zh) | 一种基于dsrc车车通信技术的防撞预警方法 | |
CN107839687A (zh) | 基于驾驶特性分析的最优自主超车控制方法 | |
CN111599179B (zh) | 一种基于风险动态平衡的无信号交叉口车辆运动规划方法 | |
CN112002144A (zh) | 无信号交叉路口行车风险态势评估方法及系统 | |
CN112249008B (zh) | 针对复杂动态环境的无人驾驶汽车预警方法 | |
CN113071487B (zh) | 自动驾驶车辆控制方法、装置及云端设备 | |
CN103578227A (zh) | 基于gps定位信息的疲劳驾驶检测方法 | |
CN110390839A (zh) | 考虑多车交互区域重叠面积的车辆换道方法 | |
CN109781129A (zh) | 一种基于车辆间通信的路面安全性检测系统及方法 | |
CA3087361A1 (en) | Autonomous driving methods and systems | |
CN108806018A (zh) | 一种数据处理方法、数据处理设备和智能汽车 | |
Aryal | Optimization of geometric road design for autonomous vehicle | |
KR101899998B1 (ko) | 이동 경로를 따라 차량이 주행하는 중에 차량의 속도를 수정하기 위한 시스템 및 방법 | |
CN116740945A (zh) | 混行环境下快速路合流区多车协同编组交汇方法及系统 | |
Widaa et al. | Design of Fuzzy-based autonomous car control system |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180327 |