CN108256233B - 基于驾驶员风格的智能车轨迹规划及跟踪方法和系统 - Google Patents

Abstract

本发明涉及智能网联车控算法技术领域，具体公开了一种基于驾驶员风格的智能车轨迹规划及轨迹跟踪方法，其中，包括：对智能车的行驶环境进行建模，其中行驶环境包括行驶道路、路面状况、交通设施、障碍物、行人和车辆；综合考虑路面状况、交通设施、障碍物、行人和车辆，并结合行驶的起点和终点将行驶道路按照驾驶员的预瞄区间进行分段；结合车辆动力学模型，定义多种驾驶员风格；根据驾驶员风格进行轨迹规划；对驾驶员风格进行分类和建模；针对不同的驾驶员风格进行不同的轨迹跟踪。本发明还公开了一种基于驾驶员风格的智能车轨迹规划及轨迹跟踪系统。本发明提供的基于驾驶员风格的智能车轨迹规划及轨迹跟踪方法提高了乘客的乘坐体验。

Description

基于驾驶员风格的智能车轨迹规划及跟踪方法和系统

技术领域

本发明涉及智能网联车控算法技术领域，尤其涉及一种基于驾驶员风格的智能车轨迹规划及轨迹跟踪方法和基于驾驶员风格的智能车轨迹规划及轨迹跟踪系统。

背景技术

公路交通运输系统的迅速发展给人类带来了交通拥挤、环境污染、事故频繁等社会危害。特别是交通事故的频繁发生，对人民的生命财产构成了极大的威胁。

汽车的运动是由驾驶员、汽车和一定的道路环境组成的闭环系统而产生的响应。汽车本身的响应只是整个闭环系统的一个环节。要更彻底更全面地研究汽车操纵问题，就必须考虑到驾驶员驾驶汽车的控制行为特性及驾驶员、汽车和道路之间的相互影响和配合，就必须把驾驶员、汽车道路甚至整个外界环境统一地作为一个系统来考虑，这样才能揭示各个环节间的相互联系并正确评价整个系统及单个环节的性能。

在由驾驶员、汽车和道路三者构成的系统中，道路实际上是一个广义上的概念，是指影响驾驶员驾驶行动的各种外界和内在的条件，大体上是由道路交通环境、车辆交通环境、气候环境、意义性交通环境和社会性交通环境构成。道路交通环境包括道路宽度、路面质量及道路交叉点的交叉形式等；车辆环境包括驾驶员所驾驶的车种、车辆性能及车内承载对象等；气候环境指气候条件，如晴、雨、雾、霜和雪等；意义性交通环境指交通信号灯、道路中心线、导向箭头及停车线等表示交通中某种意义的各种信号标志；社会性交通环境主要指包括驾驶员、乘客、骑自行车人、行人和骑摩托车人在内的道路交通参与者之间的关系。真实的驾驶员是在这样一个复杂的道路交通环境下操纵汽车行驶的。

现有技术的无人驾驶车辆，由于驾驶风格固定，在乘坐时，由于不能按照自己的驾驶风格进行行驶，会导致乘坐的体验性很差。

因此，如何能够使得智能车符合乘车人的驾驶风格以提高乘车人的乘坐体验成为本领域技术人员亟待解决的技术问题。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一，提供一种基于驾驶员风格的智能车轨迹规划及轨迹跟踪方法和基于驾驶员风格的智能车轨迹规划及轨迹跟踪系统，以解决现有技术中的问题。

作为本发明的第一个方面，提供一种基于驾驶员风格的智能车轨迹规划及轨迹跟踪方法，其中，所述基于驾驶员风格的智能车轨迹规划及轨迹跟踪方法包括基于驾驶员风格的智能车轨迹规划方法和基于驾驶员风格的智能车轨迹跟踪方法，

所述基于驾驶员风格的智能车轨迹规划方法包括：

对智能车的行驶环境进行建模，其中所述行驶环境包括行驶道路、路面状况、交通设施、障碍物、行人和车辆；

综合考虑所述路面状况、交通设施、障碍物、行人和车辆，并结合行驶的起点和终点将所述行驶道路按照驾驶员的预瞄区间进行分段；

结合车辆动力学模型，定义多种驾驶员风格；

根据所述驾驶员风格进行轨迹规划；

所述基于驾驶员风格的智能车轨迹跟踪方法包括：

对所述驾驶员风格进行分类和建模；

针对不同的驾驶员风格进行不同的轨迹跟踪。

优选地，所述根据所述驾驶员风格进行轨迹规划包括：

通过对比智能车的当前位置和目的地坐标以判断是否需要轨迹规划；

若需要进行轨迹规划，则判断是否检测到障碍物；

若检测到障碍物，则根据各项约束条件重新进行轨迹规划；

若没有检测到障碍物，则继续保持前一时刻的路径行驶。

优选地，所述约束条件包括：障碍物、障碍物与道路边界共同限制、侧向加速度限制、驾驶员的滚动、单向两车道下驾驶员行为习惯和弯道。

优选地，所述行驶道路包括行驶道路的宽度信息、长度信息和弯道的曲率信息。

优选地，所述路面状况包括干燥路面和雨雪路面。

优选地，所述驾驶员风格包括驾驶员的注意力、自信的习惯性水平、驾驶速度、车辆加速度、行车间距及智能车与障碍物的最小距离。

优选地，所述驾驶员风格根据车辆控制分为纵向驾驶员风格和侧向驾驶员风格；所述驾驶员风格根据驾驶员行驶目的分为跟随误差和侧向加速度的取舍，以及表征不同驾驶员对跟随性和舒适性的目的取舍。

优选地，所述侧向驾驶员风格包括基于多点预瞄的驾驶员、基于双目标决策的驾驶员、基于决策偏差的驾驶员、基于二阶反应环节的驾驶员和基于预瞄阶次的驾驶员。

优选地，所述纵向驾驶员风格包括：基于多点预瞄的纵向模型、基于双目标决策的纵向模型、基于决策偏差的纵向模型和基于纵向加速度及纵向加速度变化率的纵向模型。

作为本发明的第二个方面，提供一种基于驾驶员风格的智能车轨迹规划及轨迹跟踪系统，其中，所述基于驾驶员风格的智能车轨迹规划及轨迹跟踪系统包括基于驾驶员风格的智能车轨迹规划系统和基于驾驶员风格的智能车轨迹跟踪系统，

所述基于驾驶员风格的智能车轨迹规划系统包括：

环境建模模块，所述环境建模模块用于对智能车的行驶环境进行建模，其中所述行驶环境包括行驶道路、路面状况、交通设施、障碍物、行人和车辆；

分段模块，所述分段模块用于综合考虑所述路面状况、交通设施、障碍物、行人和车辆，并结合行驶的起点和终点将所述行驶道路按照驾驶员的预瞄区间进行分段；

风格定义模块，所述风格定义模块用于结合车辆动力学模型，定义多种驾驶员风格；

轨迹规划模块，所述轨迹规划模块用于根据所述驾驶员风格进行轨迹规划；

所述基于驾驶员风格的智能车轨迹跟踪系统包括：

分类和建模模块，所述分类和建模模块用于对所述驾驶员风格进行分类和建模；

轨迹跟踪模块，所述轨迹跟踪模块用于针对不同的驾驶员风格进行不同的轨迹跟踪。

本发明提供的基于驾驶员风格的智能车轨迹规划及轨迹跟踪方法，通过对智能车基于驾驶员风格进行轨迹规划和轨迹跟踪，使得智能车能够按照乘车人的风格进行行驶，有效提高了乘车人的乘坐体验。

附图说明

附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。在附图中：

图1为本发明提供的基于驾驶员风格的智能车轨迹规划及轨迹跟踪方法的流程图。

图2为本发明提供的轨迹规划的流程图。

图3为本发明提供的车辆由七点出发驶向终点的示意图。

图4为本发明提供的车辆轨迹障碍物规避策略。

图5为本发明提供的道路边界的处理方式。

图6为本发明提供的最短距离优化指标的构建示意图。

图7为本发明提供的车辆运动示意图。

图8为本发明提供的多个障碍物约束下的轨迹规划结果图。

图9为本发明提供的道路边界约束下两个障碍物的轨迹规划结果图。

图10为本发明提供的道路边界约束下的三个障碍物的轨迹规划结果图。

图11为本发明提供的道路边界约束下的四个障碍物的轨迹规划结果图。

图12为本发明提供的加速度限制下的轨迹规划结果图。

图13为本发明提供的驾驶员滚动规划的结果图。

图14为本发明提供的单向两车道道路上障碍物和加速度限制下的轨迹规划图。

图15为本发明提供的无障碍物下锐角弯轨迹规划图。

图16为本发明提供的障碍物下的第一种锐角弯轨迹规划图。

图17为本发明提供的障碍物下的第二种锐角弯轨迹规划图。

图18为本发明提供的障碍物下的第三种锐角弯轨迹规划图。

图19为本发明提供的基于驾驶员风格的智能车轨迹规划及轨迹跟踪系统结构示意图。

具体实施方式

以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。

作为本发明的第一个方面，提供一种基于驾驶员风格的智能车轨迹规划及轨迹跟踪方法，其中，如图1所示，所述基于驾驶员风格的智能车轨迹规划及轨迹跟踪方法包括基于驾驶员风格的智能车轨迹规划方法和基于驾驶员风格的智能车轨迹跟踪方法，

所述基于驾驶员风格的智能车轨迹规划方法包括：

S110、对智能车的行驶环境进行建模，其中所述行驶环境包括行驶道路、路面状况、交通设施、障碍物、行人和车辆；

S120、综合考虑所述路面状况、交通设施、障碍物、行人和车辆，并结合行驶的起点和终点将所述行驶道路按照驾驶员的预瞄区间进行分段；

S130、结合车辆动力学模型，定义多种驾驶员风格；

S140、根据所述驾驶员风格进行轨迹规划；

所述基于驾驶员风格的智能车轨迹跟踪方法包括：

S150、对所述驾驶员风格进行分类和建模；

S160、针对不同的驾驶员风格进行不同的轨迹跟踪。

本发明提供的基于驾驶员风格的智能车轨迹规划及轨迹跟踪方法，通过对智能车基于驾驶员风格进行轨迹规划和轨迹跟踪，使得智能车能够按照乘车人的风格进行行驶，有效提高了乘车人的乘坐体验。

具体地，如图2所示，所述根据所述驾驶员风格进行轨迹规划包括：

通过对比智能车的当前位置和目的地坐标以判断是否需要轨迹规划；

若需要进行轨迹规划，则判断是否检测到障碍物；

若检测到障碍物，则根据各项约束条件重新进行轨迹规划；

若没有检测到障碍物，则继续保持前一时刻的路径行驶。

可以理解的是，通过判断智能车的当前位置与目的地坐标来确定是否需要进行轨迹规划。可通过规划出的轨迹计算出前轮转角速度，并输入给车辆运动学模型，计算车辆下一步长的姿态。

具体地，所述约束条件包括：障碍物、障碍物与道路边界共同限制、侧向加速度限制、驾驶员的滚动、单向两车道下驾驶员行为习惯和弯道。

优选地，所述行驶道路包括行驶道路的宽度信息、长度信息和弯道的曲率信息。

优选地，所述路面状况包括干燥路面和雨雪路面。

优选地，所述驾驶员风格包括驾驶员的注意力、自信的习惯性水平、驾驶速度、车辆加速度、行车间距及智能车与障碍物的最小距离。

需要说明的是，作为最基本的道路信息，包括路的宽度信息、长度信息，遇到弯道时，弯道的曲率信息；行驶路径中对交通设施，交通警示牌及障碍物的位置大小信息，以及行人其他车辆等类似的不可碰撞物体的信息；路面状况，如干燥路面，雨雪路面等信息。都要在环境模块中考虑。

为解决多项式外延性差的问题，将道路进行了分段处理。按照驾驶员的预瞄区间分段，随着车辆内模的移动，不断更新起点和终点，直到到达终点。分段的形式更符合真实驾驶员的驾驶行为，对周围变化的行驶环境进行滚动规划。

所述驾驶员风格根据车辆控制分为纵向驾驶员风格和侧向驾驶员风格；所述驾驶员风格根据驾驶员行驶目的分为跟随误差和侧向加速度的取舍，以及表征不同驾驶员对跟随性和舒适性的目的取舍。

使规划的轨迹符合车辆运动学限制，并计算每一步长的当前位置，以规划出这一步长下的轨迹曲线。

驾驶风格，指一个人选择开车的方式或者习惯性的驾驶方式。它包括驾驶员的注意力、自信的习惯性水平，对驾驶速度，车辆加速度，行车间距的选择等。不同驾驶员对车辆加速度及与障碍物的最小距离不同，以此为依据分析了驾驶员风格对轨迹规划的影响。

作为车辆在平面路面的轨迹规划问题，考虑了车身姿态和车辆尺寸，如图3所示，车辆以半径为r0的圆包络，为了躲避障碍物，从起点(x₀，y₀)出发，以速度v_r(t)行驶，最终到达(x_f，y_f)，在起点和终点时，车身方位角为速度v_r(t)与水平方向的夹角。下面详细介绍轨迹规划的参数化方法。

首先，以多项式定义的轨迹，具体地，为了找到一条由起点通往终点的轨迹，首先定义一下形式的多项式：

其中，x和y为车辆的位置坐标，即图3中的圆心坐标。p为多项式系数，是大于零的整数。这样，道路轨迹的的问题就演变为确定多项式系数矩阵

的问题。为了适合车辆动力学模型约束，选择6个条件对轨迹进行定义。作为输入条件，起始位置的位置信息，一阶微分，二阶微分：

以及终点位置的位置信息，一阶微分，二阶微分：

为了满足(2)，(3)式的要求，多项式次数要满足p≥5的要求。p＝5时，得到的是唯一解，为了达到约束条件，简单的选择p＝6作为多项式次数，这样由公式(1)可得：

其中

由于驾驶员是随着车辆前进不断进行轨迹规划的，实际上环境是实时变化的，为了达到这种目的，设T为车辆完成行驶任务需要的总时间，T_s为采样步长，即有更新次数

其中某一时刻为t＝t₀+kT_s，由(4)式可得：

可以看出，在每一时刻，轨迹规划的输入条件都在变化，为当前车辆的位置信息。因此，上面给出的条件(2)，变化为采样点内的车辆位置、方位角、方位角的微分：

其中k＝1，...，

另外，作为重点信息，保持不变。

将边界状态(2)，(8)，(3)带入(4)-(6)得到：

其中：

这样，就用

表示了其他系数。将轨迹方程(4)整理得：

第二是在规避障碍物及道路边界限制下的轨迹规划。

在上式(10)中，

的选择决定了轨迹的样式，决定了车辆将如何在道路边界限制内，躲避障碍物。图4所示为车辆躲避单一障碍物的策略图。

根据图4中所示，将将障碍物在大地坐标系下的位置信息转换至车辆坐标系下，策略如下：

1)车辆看做半径为r₀的圆，障碍物半径为r_i，将车辆半径加在障碍物上，将车辆等效为指点，将障碍物等效为半径为R；

2)障碍物的左端点坐标为X′_i，右端点坐标为

在这一区间内，满足规避方程(y₀-y_i)²+(x₀-x_i)²≥(r₀+r_i)²；

3)整理2)中不等式为g₂(a₆)²+g₁a₆+g₀≥0，解出a₆范围。

对于道路边界的情况下，采用连续的圆形障碍物包络边界的形式处理，将轨迹限制在左右边界内，如图5所示。

需要说明的是，环境中的障碍物信息与轨迹规划信息并不是在规划一开始就被全部考虑进来的，而是由车辆的位置，和驾驶员的预瞄区间决定，这样更符合真实驾驶员的规划习惯。

按照上面的原则，得到一系列

的取值范围，最终曲线的确定，将在这个范围内取值：

下面建立最优指标，在

范围内通过线积分法进行寻优，以确定曲线。

设计如下指标函数：

其中，

的意义如图6所示。

最优轨迹的规划问题，即变为求如下方程的解的问题：

s.t.min g₂(a₆)²+g₁a₆+g₀≥0

由于指标函数(12)的存在，使得获得的曲线尽可能的趋近于(x_k，y_k)至(x_f，y_f)的线段。

通过将(11)带入到(12)中，求解方程(13)，得到：

其中，

m₁(x)＝x⁶-f(x)(B^k)^-1A^k，

得到关于

的二次多项式，其所对应的最小值即为：

整理得到：

结合式(11)障碍物即道路边界的限制，得到：

由此，得到以最短距离为目标，障碍物道路边界限制下的

的最优值。

下面对驾驶风格对轨迹规划的影响进行分析。

首先驾驶员轨迹规划习惯如下表1所示：

表1驾驶员轨迹规划习惯

保守风格	激进风格
		轨迹曲率较小	轨迹曲率较大
安全距离较大	安全距离较小

为了得到在道路曲率约束下进行轨迹寻优，首先：

曲线曲率计算公式为：

将式(10)带入式(14)，得到：

在每一时刻的位置下，都有了曲率关于

的表达式，求下面的不等式：

其中，C₀为自由定义的曲率限制值，求解不等式(16)，得

的取值范围：

另一方面，设驾驶员风格决定的安全距离为D_safety，主要体现在车辆与障碍物之间的距离上，于是将在原有避障原则R＝r₀+r_i的基础上，加入安全距离的影响，变为：

R＝r₀+r_i+D_safety (18)

新的避障方程则为：

(y₀-y_i)²+(x₀-x_i)²≥(r₀+r_i+D_safety)² (19)

求解不等式(19)，得到障碍物、边界及安全距离约束下的

的取值范围：

与式(11)取交集，则

的取值为：

至此，通过限制道路曲率，得到了

的最优值。

作为驾驶员风格的区分，可以按照测试需求定义，提供一种定义方式，在车量保持30km/h的车速时，定义如下表2所示：

表2中，曲率范围的求解是依据侧向加速度范围确定，而侧向加速度的范围则是经验值。这里如果考虑路面附着条件对轨迹规划影响的话，实际上也是对侧向加速度的影响。为了保证低附着路面不打滑，要满足下式：

a_y≤μg (22)

其中，μ为路面摩擦系数。可以看出，当路面摩擦系数很小时(例如冰面)最大侧向加速度的取值也很变小，这就使得低附着路面的规划与保守驾驶员的规划很相似，这也符合真实驾驶员在冰面上的行为特点。

由于驾驶车辆过程中，每一时刻车辆的位置都在改变，从起点至终点的环境也在改变，因此，轨迹规划的过程是随着车辆运动的一个动态过程。

如图7中的车辆所示，前轮为转向轮，前后轴距为l，前轮转向角为

车身方向角为θ，后轴中心点坐标为(x，y)，由运动学方程得：

其中，ρ为车轮半径，u₁为驱动轮角速度，u₂为转向角变化率。定义

则轨迹规划问题则变为由起点条件

及终点条件

构成的参数寻优问题。

这样，轨迹的参数就与车辆运动状态所对应，带入车辆起点终点条件q₀及q_f，有：

完成了当前步长的规划后，通过得到的曲线计算控制量u₁和u₂，之后带入方程(23)求出下一步长的状态值，继续规划曲线，以此循环，直至到达终点。

根据约束条件的分类得到的实验结果如图8至图17所示。

图8为只有障碍物约束下的轨迹规划，车辆起始位置为(1，0)，初始方位角为0，初始前轮转向角为0；定义终点位置为(30，12)，终点车辆方位角为-pi/6，终点前轮转向角为0；障碍物数量是5个，位置如图8所示。可以看到，算法已经规划出一条由起点至终点平滑的曲线，并且成功的躲避了障碍物，以定义的车身方向到达了终点。

图9～图11为障碍物与道路边界共同限制下的轨迹规划，且图9～图11分别显示了不同障碍物个数与道路边界限制下的轨迹规划。同样轨迹都成功避开了障碍物，并且达到了设定的终点位置和车身姿态。

图12为侧向加速度限制下的轨迹规划，在8m/s的车速下，不同侧向加速度限制所规划的曲线是不同的，达到了限制作用。

图13为驾驶员的滚动规划行为。驾驶员以预瞄距离为单位，随车辆的移动向前推进视野，完成轨迹规划。在不同加速度限制下，便显出不同的规划效果。

图14为单向两车道下驾驶员行为习惯对轨迹规划的影响，展示了单向两车道道路上，障碍物和加速度限制下的轨迹规划。可以看到，驾驶员在有左右两个车道可以选择的时候会暂时借用临近车道避障，避障结束后，回到原车道继续行驶。

图15至图18为弯道的轨迹规划。

具体地，所述侧向驾驶员风格包括基于多点预瞄的驾驶员、基于双目标决策的驾驶员、基于决策偏差的驾驶员、基于二阶反应环节的驾驶员和基于预瞄阶次的驾驶员。

优选地，所述纵向驾驶员风格包括：基于多点预瞄的纵向模型、基于双目标决策的纵向模型、基于决策偏差的纵向模型和基于纵向加速度及纵向加速度变化率的纵向模型。

需要说明的是，从车辆控制方面，分为纵向驾驶员风风格分类，侧向驾驶员风格分类；从驾驶员行驶目的进行分类：跟随误差与侧向加速度的取舍，比表征不同驾驶员对跟随性和舒适性的目的取舍；从驾驶员决策方式分类：驾驶员进行决策所考虑的范围大或小、远或近以及细致与粗略；从驾驶员的决策阶次区分：驾驶员在决策加速度时，如何参考加速度的变化率。通过这些分类，似的驾驶员模型能够更丰富的表现不同驾驶员对车辆的控制。此外，对车辆转向特性及加速、制动特性学习，能够自适应不同车速及档位进行转向与加减速行为。

下面以基于多点预瞄的驾驶员分类为例对乘坐体验的影响进行说明。

作为驾驶员的预瞄方式，单点预瞄指驾驶员只关注前方某一点的位置信息，进行驾驶决策；多点预瞄则是驾驶员关注前方某一区段区域，综合区域内各点的位置信息，进行决策。多点预瞄中的影响因素包括：预瞄区间、预瞄窗的选择、预瞄点个数。

预瞄区间对轨迹跟随效果影响较大，越短的预瞄区间跟随效果越好，侧向加速度表现为较高。预瞄区间增大，侧向加速度变小。对这一现象的解释为：较长的预瞄区间，驾驶员更多的考虑远处的位移偏差，求解最优加速度时有更多侧向位移较大的因素存在，这样就会提前进入转向，并且加速度更平缓。而这一现象传递给乘客，则是更好的乘坐体验(侧向加速度更小也就更舒适)。相比单点预瞄，给了驾驶员和乘客更多的选择。

预瞄点的选取分别为5，10，20，预瞄点个数的增多，跟随效果并无太大变化，加速度以及理想加速度与实际加速度的变差也无明显不同。但当考查了仿真时间时，发现预瞄点个数增多时，仿真时间会增加。这一现象的原因是，算法中预瞄点个数越多，需要计算的数据也就越多。正如真实驾驶员，当预瞄的区段细致时，驾驶员决策行为会更细致，但同时也更容易疲劳。从这一点看，预瞄点的增加带来的效果与真实驾驶员相近。

预瞄窗的选择也体现了驾驶员不同驾驶需求，当视野能见度差时驾驶员总是希望尽可能远的观察到更远的交通状况，进行行驶；而当能见度及交通状况良好时，远处的状况不那么令人担忧，随即驾驶员只需要关注前方一小段即可。从跟随效果和加速度的表现来看，关注近处的驾驶员跟随效果要好，侧向加速度越高，反之亦然。

作为本发明的第二个方面，提供一种基于驾驶员风格的智能车轨迹规划及轨迹跟踪系统，其中，所述基于驾驶员风格的智能车轨迹规划及轨迹跟踪系统10包括基于驾驶员风格的智能车轨迹规划系统和基于驾驶员风格的智能车轨迹跟踪系统，如图19所示，

所述基于驾驶员风格的智能车轨迹规划系统包括：

环境建模模块110，所述环境建模模块110用于对智能车的行驶环境进行建模，其中所述行驶环境包括行驶道路、路面状况、交通设施、障碍物、行人和车辆；

分段模块120，所述分段模块120用于综合考虑所述路面状况、交通设施、障碍物、行人和车辆，并结合行驶的起点和终点将所述行驶道路按照驾驶员的预瞄区间进行分段；

风格定义模块130，所述风格定义模块130用于结合车辆动力学模型，定义多种驾驶员风格；

轨迹规划模块140，所述轨迹规划模块140用于根据所述驾驶员风格进行轨迹规划；

所述基于驾驶员风格的智能车轨迹跟踪系统包括：

分类和建模模块150，所述分类和建模模块150用于对所述驾驶员风格进行分类和建模；

轨迹跟踪模块160，所述轨迹跟踪模块160用于针对不同的驾驶员风格进行不同的轨迹跟踪。

本发明提供的基于驾驶员风格的智能车轨迹规划及轨迹跟踪系统，通过对智能车基于驾驶员风格进行轨迹规划和轨迹跟踪，使得智能车能够按照乘车人的风格进行行驶，有效提高了乘车人的乘坐体验。

可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。

Claims (10)

1.一种基于驾驶员风格的智能车轨迹规划及轨迹跟踪方法，其特征在于，所述基于驾驶员风格的智能车轨迹规划及轨迹跟踪方法包括基于驾驶员风格的智能车轨迹规划方法和基于驾驶员风格的智能车轨迹跟踪方法，

所述基于驾驶员风格的智能车轨迹规划方法包括：

对智能车的行驶环境进行建模，其中所述行驶环境包括行驶道路、路面状况、交通设施、障碍物、行人和车辆；

综合考虑所述路面状况、交通设施、障碍物、行人和车辆，并结合行驶的起点和终点将所述行驶道路按照驾驶员的预瞄区间进行分段；

结合车辆动力学模型，定义多种驾驶员风格；

根据所述驾驶员风格进行轨迹规划；

所述基于驾驶员风格的智能车轨迹跟踪方法包括：

对所述驾驶员风格进行分类和建模；

针对不同的驾驶员风格进行不同的轨迹跟踪。

2.根据权利要求1所述的基于驾驶员风格的智能车轨迹规划及轨迹跟踪方法，其特征在于，所述根据所述驾驶员风格进行轨迹规划包括：

通过对比智能车的当前位置和目的地坐标以判断是否需要轨迹规划；

若需要进行轨迹规划，则判断是否检测到障碍物；

若检测到障碍物，则根据各项约束条件重新进行轨迹规划；

若没有检测到障碍物，则继续保持前一时刻的路径行驶。

3.根据权利要求2所述的基于驾驶员风格的智能车轨迹规划及轨迹跟踪方法，其特征在于，所述约束条件包括：障碍物、障碍物与道路边界共同限制、侧向加速度限制、驾驶员的滚动、单向两车道下驾驶员行为习惯和弯道。

4.根据权利要求1所述的基于驾驶员风格的智能车轨迹规划及轨迹跟踪方法，其特征在于，所述行驶道路包括行驶道路的宽度信息、长度信息和弯道的曲率信息。

5.根据权利要求1所述的基于驾驶员风格的智能车轨迹规划及轨迹跟踪方法，其特征在于，所述路面状况包括干燥路面和雨雪路面。

6.根据权利要求1所述的基于驾驶员风格的智能车轨迹规划及轨迹跟踪方法，其特征在于，所述驾驶员风格包括驾驶员的注意力、自信的习惯性水平、驾驶速度、车辆加速度、行车间距及智能车与障碍物的最小距离。

7.根据权利要求1至6中任意一项所述的基于驾驶员风格的智能车轨迹规划及轨迹跟踪方法，其特征在于，所述驾驶员风格根据车辆控制分为纵向驾驶员风格和侧向驾驶员风格；所述驾驶员风格根据驾驶员行驶目的分为跟随误差和侧向加速度的取舍，以及表征不同驾驶员对跟随性和舒适性的目的取舍。

8.根据权利要求7所述的基于驾驶员风格的智能车轨迹规划及轨迹跟踪方法，其特征在于，所述侧向驾驶员风格包括基于多点预瞄的驾驶员、基于双目标决策的驾驶员、基于决策偏差的驾驶员、基于二阶反应环节的驾驶员和基于预瞄阶次的驾驶员。

9.根据权利要求7所述的基于驾驶员风格的智能车轨迹规划及轨迹跟踪方法，其特征在于，所述纵向驾驶员风格包括：基于多点预瞄的纵向模型、基于双目标决策的纵向模型、基于决策偏差的纵向模型和基于纵向加速度及纵向加速度变化率的纵向模型。

10.一种基于驾驶员风格的智能车轨迹规划及轨迹跟踪系统，其特征在于，所述基于驾驶员风格的智能车轨迹规划及轨迹跟踪系统包括基于驾驶员风格的智能车轨迹规划系统和基于驾驶员风格的智能车轨迹跟踪系统，

所述基于驾驶员风格的智能车轨迹规划系统包括：

环境建模模块，所述环境建模模块用于对智能车的行驶环境进行建模，其中所述行驶环境包括行驶道路、路面状况、交通设施、障碍物、行人和车辆；

分段模块，所述分段模块用于综合考虑所述路面状况、交通设施、障碍物、行人和车辆，并结合行驶的起点和终点将所述行驶道路按照驾驶员的预瞄区间进行分段；

风格定义模块，所述风格定义模块用于结合车辆动力学模型，定义多种驾驶员风格；

轨迹规划模块，所述轨迹规划模块用于根据所述驾驶员风格进行轨迹规划；

所述基于驾驶员风格的智能车轨迹跟踪系统包括：

分类和建模模块，所述分类和建模模块用于对所述驾驶员风格进行分类和建模；

轨迹跟踪模块，所述轨迹跟踪模块用于针对不同的驾驶员风格进行不同的轨迹跟踪。

Images