CN108460980B - 自动驾驶车辆最优下匝道意图生成点计算方法 - Google Patents

Abstract

本发明公开了一种自动驾驶车辆下匝道最优意图生成点计算方法，包括如下步骤：步骤一、确定多车道最晚换道执行点；步骤二、计算多车道换道成功率；步骤三、对下匝道意图生成点进行优化。本发明使得自动驾驶换道车辆能够根据当前环境下的车头时距分布及自身的车速，判断并确定最优下匝道意图生成点的位置，并寻找合适的换道时机进行换道，一方面能够实现较高的换道成功概率以保障驾驶安全性，另一方面，能够适当地调整下匝道意图生成点位置，使得出匝道车辆能够及时地换至低速车道，从而减少出匝道车流对主道车流的影响，提高高速公路路段通行能力。

Description

自动驾驶车辆最优下匝道意图生成点计算方法

技术领域

本发明涉及一种自动驾驶车辆下匝道最优意图生成点计算方法。

背景技术

自动驾驶技术是未来缓解交通拥堵问题、提高交通安全性的重要手段，该技术的发展对社会、车辆驾驶员和行人均有益处。车辆换道行为作为自动驾驶领域的核心问题，也是道路基本驾驶行为中的关键环节，对交通安全，交通流特性有着显著的影响。

自动驾驶车辆在高速公路下匝道时，如果车辆下匝道意图生成点距匝道出口太近，则进行案例下匝道的成功率越小；如果车辆下匝道意图生成点距匝道出口太远，则会过早进入到慢车道，导致总的行驶效率降低。所以，存在一个最优的自动驾驶车辆下匝道意图生成点，可以进行安全性和效率的平衡。然而，目前并没有类似的算法寻找自动驾驶车辆最优的下匝道意图生成点。

发明内容

为了克服现有技术的上述缺点，本发明提出了一种自动驾驶车辆下匝道最优意图生成点计算方法。

本发明解决其技术问题所采用的技术方案是：一种自动驾驶车辆下匝道最优意图生成点计算方法，包括如下步骤：

步骤一、确定多车道最晚换道执行点(换道执行点即为车辆开始出现侧向运动的位置点)：

(1)构造从相邻两车道的换道成本函数；

(2)利用换道成本函数计算相邻两车道换道轨迹的最优纵向位移；

(3)从第一车道开始逆向逐步确定相邻车道的最晚换道执行起点，最终确定n车道的最晚换道执行起点；

步骤二、计算多车道换道成功率：

设车辆从n车道距最晚换道执行起点S_n距离处进行下匝道意图生成，寻找合适车头时距的时间为T_n，在n-1车道的第i_n-1个车头时距处成功换道后，在n-2车道的第i_n-2个车头时距处成功换道，以此类推，直至在2车道的第i₂个车头时距处成功换道，

(1)首先计算车辆能够成功插入m车道的第i_m个车头时距的概率

(2)计算车辆换至m车道后其剩余的时间T_m；

(3)计算在m车道可以遇见m-1车道上的车头时距数N_m-1；

(4)经过多次换道最终换道至三车道，此时距三车道的最晚换道执行起点为S₃，剩余的寻找合适车头时距的时间为T₃，并由T₃计算在2车道上能遇见的车头时距数为N₂；

(5)使用N₂计算成功换至1车道的概率p′；

(6)最终计算从n车道S_n距离处开始换道对应的换道成功率pⁿ。

步骤三、计算最优下匝道意图生成点(下匝道意图生成点即为换道车辆开始观察目标车道车辆，寻找适合的车头时距进行换道的位置点)：

(1)将步骤二计算得到的对应换道成功概率作为安全性考量。

(2)将下匝道意图生成点位置作为效率的考量。

(3)确定效率与安全性权重参数α的取值。

(4)使用成本函数对下匝道意图生成点进行优化。

与现有技术相比，本发明的积极效果是：

本发明提出了一种高速公路匝道高速公路下匝道场景下的自动驾驶车辆最优意图生成点计算方法。在该场景下，车辆下匝道意图生成点距匝道出口越近，则换道至匝道出口的成功率越小，同时该换道行为还受到交通环境所影响。本发明通过建立具有一定普适性的高速公路出匝道场景换道概率模型来描述不同交通流状态下，下匝道意图生成点位置与换道成功率的函数关系，并通过标定最优下匝道意图生成点模型中的参数，从而获得能指导自动驾驶车辆于该场景下换道行为的理论体系，使得自动驾驶换道车辆能够根据当前环境下的车头时距分布及自身的车速，判断并确定最优下匝道意图生成点的位置，并寻找合适的换道时机进行换道，一方面能够实现较高的换道成功概率以保障驾驶安全性，另一方面，能够适当地调整下匝道意图生成点位置，使得出匝道车辆能够及时地换至低速车道，从而减少出匝道车流对主道车流的影响，提高高速公路路段通行能力，具体表现如下：

1)针对目前自动驾驶领域研究较少的高速公路匝道出口强制换道行为，建立了宏观离散概率模型来量化换到成功率与下匝道意图生成点之间的关系；

2)在对自动驾驶换道决策部分建模时兼顾了换道轨迹规划内容，让换道决策模型更为真实合理。

3)从而可以将换道成功概率作为一项重要指标来对自动驾驶车辆下匝道意图生成时机进行控制。

本模型是一个宏观预测模型，因而并不涉及车辆间的微观博弈行为，而是将交通环境信息以车道车头时距分布的形式对换道车辆产生影响。

附图说明

本发明将通过例子并参照附图的方式说明，其中：

图1为高速公路下匝道场景换道双车道示意图；

图2为高速公路下匝道场景换道多车道示意图；

图3为多车道换道各车道换道插入车头时距组合示意图。

具体实施方式

一种高速公路下匝道场景下的自动驾驶车辆最优意图生成点计算方法，包括如下内容：

一、双车道成功换道概率模型

本模型所描述的背景如图1所示，即为最基本的高速公路下匝道换道场景，车辆SV为了以限速驶入匝道出口减速车道，必须在C点(即匝道起点)或C点之前从高速车道换道至低速车道。B点即为最晚的换道执行起点，L_B为最晚换道轨迹，L_D为实际换道轨迹。为了确定换道车辆SV寻找合适车头时距的时间T，首先需要进行换道轨迹全局优化，也就是确定B点位置。假设A点为车辆的下匝道意图生成点，则车辆SV在A点处开始寻找适合的车头时距。本模型的核心便在于建立下匝道意图生成点与换道成功率的函数关系。

(1)双车道最晚换道执行点确定

本章节旨在确定最晚换道执行起点B的位置，在该位置车辆进行轨迹规划，根据实时环境信息寻找一条对应的最优轨迹。本发明利用三次多项式曲线来模拟车辆换道过程中的行驶轨迹L_B，三次多项式的线形和车辆换道曲线十分相近，而且三次多项式轨迹既具有曲率均匀变化的特点，避免了高次多项式轨迹需要引入抽象参数来约束轨迹的麻烦，其表达示如下：

其中，a₀、a₁、a₂、a₃均为待确定的参数，x为车辆SV的纵向位置，y为横向位置。在换道过程中，换道轨迹以当前位置为起点，以目标车道中线上的某一位置为终点，在终点处车辆的运动方向与车道平行。换道执行起点定义为(0,0)点，终点位置定义为(x_f,y_f)，起点与终点的车辆航向角为0，则有：

y′(0)＝0 (2)

y′(x_f)＝0 (3)

将以上车辆换道的起点坐标(0,0)和终点坐标(x_f,y_f)，以及式(2)和式(3)代入轨迹方程(1)得到轨迹方程中各参数的表达式如下：

a₁＝0 (4)

a₀＝0 (5)

将式(4)-(7)代入到轨迹方程(1)得到：

在式(8)中，y_f为终点横向坐标，为已知量。可知轨迹方程由换道轨迹终点纵向坐标x_f唯一确定。而在真实换道过程中，驾驶员在换道的过程中总是期望以更短的时间完成换道的同时尽量保证换道过程的舒适性最大。但这两个因素的成立条件是对立的，因此驾驶员需要在换道过程中对这两个因素会进行权衡考虑。因此，本发明构造了一个换道成本函数来表达驾驶员在换道中对效率和舒适性的考虑。在该成本函数中用侧向最大加速度代表舒适度，侧向最大加速度越大，说明该换道轨迹舒适度越差，由于换道轨迹的最大侧向加速度出现在轨迹终点，故轨迹终点侧向加速度

即为侧向最大加速度。另一方面采用换道终点纵向坐标x_f代表效率，x_f越大，说明该换道轨迹的效率越低。为了使两个因素在一个数量级上进行评估，需要对它们进行归一化处理，表达式如下：

式中，J为成本函数期望值，

指车辆侧翻对应的临界侧向加速度，

指的是换道轨迹的最大纵向距离经验值，ω为需要标定的舒适性权重参数。

成本函数J中的

可由下式计算：

式中，K为换道轨迹的曲率函数，u为车辆速度。计算公式如下：

其中，y′和y″分别为换道轨迹方程(8)的一阶和二阶导数，它们的表达式如下：

将式(12)和(13)代入到式(11)中得出曲率K关于x的函数(0≤x≤x_f)，其表达式如下：

随着x的变化，轨迹曲率先均匀变小至零，然后均匀变大，所以多项式换道曲线中曲率最大点出现在换道曲线的终点处。因而将式子(15)代入式子(10)得到：

再将式(16)代入到成本函数(9)中，得到成本函数J的最终表达式，如下：

从式子(17)可以看出，成本函数J是关于x_f的一元函数，J取到最小值时相应的x_f即为最优轨迹终点的纵向位置x^op。

之后由x^op与C点即可确定车辆最晚换道执行起点B点的位置。

(2)双车道换道成功率p′求解

我们将车辆寻找合适换道车头时距的过程抽象为单次实验成功概率为p的二项分布问题。车辆SV有序地进行N次车头时距判断实验，当该车头时距大于可接受安全换道车头时距，则开始换道，否则无响应，进行下一次车头时距判断。在这N次实验中换道成功率设为p'，计算公式如下，

p′＝1-(1-p)^N (18)

因而下面我们需要计算单次实验成功概率p和在允许的时间段T中，换道车辆SV能遇见的低速车道车头时距数N。

设可接受安全换道车头时距为T_s，本发明模型中取值为T_s＝8s。并设车头时距分布满足上述某种合适的概率密度分布函数f(t)，因而当前车头时距满足安全换道条件的概率p即等于该车头时距分布中，大于T_s的车头时距占总体的概率，可由下式计算：

之后需要估计在T时间段中，换道车辆SV遇见的低速车道车头时距数N。首先设A点与B点纵向位移为S(见图1)，换道车辆SV寻找合适车头时距的过程历时T可由车辆SV的速度V(模型中取换道车辆所在车道平均车速)确定，如下式所示：

假设在T时间段中，低速车道车队平均车速为

则车队与换道车辆SV的相对位移为S'，则表达式为：

同时，S'满足下式：

其中t_k表示目标车辆遇到的第k个车头时距，

即为车队车头间距的期望均值。

故我们可以使用车头时距期望值E(t)与低速车道平均车速

来估算遇到的车头时距数N：

二、多车道成功换道概率模型

在双车道换道概率模型基础上将其拓展为多车道换道模型。图2所示为三车道强制换道示意图，多车道强制换道过程与之类似。B点即为当前车道最晚的换道执行起点。L_B为三车道最晚换道轨迹，L_F为二车道最晚换道轨迹，L_D，L_G为实际换道轨迹。首先由最优化方法确定B点位置。车辆SV在A点处开始寻找适合的车头时距，A点即为三车道车辆的下匝道意图产生点。

(1)多车道最晚换道执行点确定

多车道强制换道行为可以分解为相邻车道之间的换道行为。为了确定当前车道最晚换道执行起点，应逆向逐步确定各个车道的最晚换道执行起点，以三车道为例。首先以C点与L_F轨迹的

确定出F点位置，再由F与L_B轨迹的

确定出B点位置。多车道情况以此类推，从n车道至n-1车道换道轨迹的最优纵向位移

的计算过程与双车道类似，成本函数如下：

其中u_k表示车辆SV从车道k换至k-1车道的换道速度。从上式(24)中可以看出成本函数J是关于x_f的一元函数，J取到最小值时相应的x_f即为从车道k至k-1车道换道轨迹的最优纵向位移

继而逆向逐步确定各个车道的最晚换道执行起点，最终确定n车道的最晚换道执行起点。

(2)多车道换道成功率p′求解

为了计算多车道换道的成功换道概率，首先确定车辆在n车道的最晚换道执行起点，并设车辆从n(n≥3)车道距最晚换道执行起点S_n距离处进行下匝道意图生成，即提前T_n的时间开始寻找合适车头时距，在n-1车道的第i_n-1个车头时距处成功换道后，在n-2车道的第i_n-2个车头时距处成功换道，以此类推，在2车道的第i₂个车头时距处成功换道，于是车辆SV能够成功插入m车道的第i_m个车头时距的概率

可由下式计算，

上式中N_m表示车辆从m+1车道进行换道时剩余的时间中能够遇到的m车道上的车头时距数，需要强调的是，当N_m+1＝0时，表明该情况下车辆已经没有余下的时间去寻找m车道上合适的换道可接受车头时距，即已经到达了最晚换道执行点。故换至m车道的成功概率为0。

设车辆从车道n开始下匝道意图生成，此时寻找合适车头时距的时间为T_n,则在车道n上能遇见的下一车道上的车头时距数

车辆换至m车道后其剩余的时间为：

于是在m车道可以遇见m-1车道上的车头时距数为N_m-1：

E_m-1表示第m-1车道上的车头时距均值，

表示m车道上的平均车速，T_lc指换道时间，由下式计算。

经过多次换道最终换道至三车道，此时距三车道的最晚换道执行起点F为S₃，剩余寻找合适车头时距的时间为T₃，并由T₃计算在车道2上能遇见的车头时距数为N₂，

继而使用N₂计算成功换至1车道的概率p′，

则最终从n车道S距离处开始换道对应的换道成功率pⁿ为，

图3所示情景为N₄＝5时，5车道的换道车辆在时间T中能够遇见4车道上的5个车头时距，图中数字代表车辆在该车道的第几个车头时距进行换道。图中的树型结构表示所有可能发生的情况，而只有五种组合(图中实线线条)能够换至1车道。

三、最优下匝道意图生成点确定

通过以上模型能够计算出各车道上不同下匝道意图生成点所对应的换道成功概率，然而在实际高速公路下匝道场景的换道行为中，换道车辆对下匝道意图生成点的选择实际上是通过对换道安全性与行驶效率的权衡来实现的。考虑到在真实驾驶员强制换道行为中，该触发点距离匝道口越远，换道成功概率越逼近100％，然而这也会造成车辆SV提前换至低速车道行驶，导致行驶效率大幅下降。因而该触发点的确定需要权衡安全性与效率这两个矛盾的因素。因而本章节通过构建一个成本函数来优化下匝道意图产生点。

其中T表示车辆SV以当前速度行驶，从当前位置到达最晚换道执行起点所需要的时间。下匝道意图产生点距最晚换道执行起点越远，则T越大，车辆SV更早地换至低速车道，所以行驶效率越低，成本函数越大。另一方面

代表车辆SV从下匝道意图生成点开始准备换道，最终换道不成功的概率，由下式得到：

其中p表示车辆SV从下匝道意图生成点开始准备换道，最终成功换道的概率。

当下匝道意图产生点距最晚换道执行起点越远时，则

越小，换道成功概率越大，成本函数越小。理论上成功换道的概率能够在距离最晚换道执行起点无限远处取到100％，为了方便处理，不妨设p的取值范围在(0％,95％)，则

取值范围在(5％,100％)。成本函数最终可以表达为关于S的函数，为了寻找该成本函数的极小值点，需要对上述两个因变量在一个数量级上进行求和，因此本发明对T进行归一化处理，上式(33)中T_max表示p取值为95％时对应的时间T。

成本函数中，α为效率与安全性的权重参数，该参数直接影响了最优下匝道意图生成点的位置。

Claims (1)

1.一种自动驾驶车辆下匝道最优意图生成点计算方法，其特征在于：包括如下步骤：

步骤一、确定最晚换道执行点：

(1)构造相邻两车道的换道成本函数：

其中：

为车辆侧翻对应的临界侧向加速度，

为换道轨迹的最大纵向距离经验值，ω为需要标定的舒适性权重参数，u_k表示车辆从车道k换至k-1车道的换道速度，(x_f,y_f)为终点坐标，n为车道数；

(2)利用换道成本函数计算相邻两车道换道轨迹的最优纵向位移：

换道成本函数取到最小值时相应的x_f即为从车道k至k-1车道换道轨迹的最优纵向位移

(3)从第一车道开始逆向逐步确定相邻车道的最晚换道执行起点，最终确定n车道的最晚换道执行起点；

步骤二、计算多车道换道成功率：

设车辆从n车道距最晚换道执行起点S_n距离处进行下匝道意图生成，寻找合适车头时距的时间为T_n，在n-1车道的第i_n-1个车头时距处成功换道后，在n-2车道的第i_n-2个车头时距处成功换道，以此类推，直至在2车道的第i₂个车头时距处成功换道，

(1)首先按如下公式计算车辆能够成功插入m车道的第i_m个车头时距的概率

式中，p为单次实验成功概率，N_m表示车辆从m+1车道进行换道时剩余的时间中能够遇到的m车道上的车头时距数；

(2)按如下公式计算车辆换至m车道后其剩余的时间T_m：

(3)按如下公式计算在m车道可以遇见m-1车道上的车头时距数N_m-1：

其中，E_m-1表示第m-1车道上的车头时距均值，

表示m车道上的平均车速，T_lc指换道时间，由下式计算：

表示从m车道至m-1车道换道轨迹的最优纵向位移；

(4)经过多次换道最终换道至三车道，此时距三车道的最晚换道执行起点为S₃，剩余的寻找合适车头时距的时间为T₃，并由T₃计算在2车道上能遇见的车头时距数为N₂；

(5)使用N₂计算成功换至1车道的概率p′：

其中，T_s为可接受安全换道车头时距，

式中，f(t)为车头时距分布满足的概率密度分布函数；

(6)最终按如下公式计算从n车道S_n距离处开始换道对应的换道成功率pⁿ：

步骤三、计算最优下匝道意图生成点：

(1)将步骤二计算得到的对应换道成功概率作为安全性考量；

(2)将下匝道意图生成点位置作为效率的考量；

(3)确定效率与安全性权重参数α的取值；

(4)使用成本函数对下匝道意图生成点进行优化。

Images