CN109722963A - 一种面向自动驾驶的道路几何线形设计方法 - Google Patents
一种面向自动驾驶的道路几何线形设计方法 Download PDFInfo
- Publication number
- CN109722963A CN109722963A CN201811623400.2A CN201811623400A CN109722963A CN 109722963 A CN109722963 A CN 109722963A CN 201811623400 A CN201811623400 A CN 201811623400A CN 109722963 A CN109722963 A CN 109722963A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- road
- design
- linear index
- geometry linear
- 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.)
- Granted
Links
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种面向自动驾驶的道路几何线形设计方法,包括结合车辆视觉、控制决策系统和驾驶环境监控系统,分析L1~L5车辆有关道路几何线形设计要素的主要差异,并获取关键差异参数;关键差异参数标定;计算L1~L5车辆道路几何线形指标设计值;判定车辆自动化等级对相关道路几何线形指标的影响程度;根据得到的L2~L5车辆道路几何线形指标设计值设计面向不同自动化等级车辆的道路几何线形指标。本发明解决了现有道路几何线形设计欠缺考虑以不同自动化等级车辆作为设计车型的不足。
Description
技术领域
本发明属于道路几何线形设计技术领域,涉及一种面向自动驾驶的道路几何线形设计方法。
背景技术
引入自动驾驶车辆进入道路交通环境,已被验证具有提高交通安全、道路通行能力、行驶速度、行驶效益和降低能源消耗、温室气体排放的可能性。随着自动驾驶技术的逐渐成熟,国内北京、上海、福州等地均开始开放自动驾驶车辆道路(开放路段或指定试验路段)试验,并发放自动驾驶路测牌照。可以预见,随着自动驾驶技术的进一步发展,不同自动化等级车辆在道路交通环境中的渗透率也将逐渐增大。
道路是基础设施建设体系中的重要组分,对国家和地区的经济发展、社会进步和人民生活质量提高等方面起着重要的作用。自动驾驶车辆作为未来道路的主要使用者,由于其主要技术模式(计算机视觉、信息融合、控制决策等)明显区别于现有车辆,因此这些技术区别势必对道路条件提出新的要求。其中,自动驾驶车辆将极大改变原有人类驾驶员与道路几何线形条件的交互行为。因此,有必要深入研究面向自动驾驶的道路几何线形设计。
虽然目前市场中的L2、L3级车辆是在现有L1级车辆的基础上进行改造,主要承担车型仍为现有车型,但自动驾驶车辆在视觉、控制决策系统和驾驶环境监控系统中的性能与传统车辆有着明显区别。现有道路几何线形设计相关规范设计车型为客车、货车等,未考虑不同自动化等级车辆,且缺少对面向自动驾驶的道路几何线形设计方法的研究。
发明内容
发明目的:针对现有道路几何线形设计未考虑以不同自动化等级车辆作为设计车型的现状,提供了一种面向自动驾驶车辆的道路几何线形设计方法,可以全方面考虑与不同自动化等级车辆相适应的道路几何线形设计,优化现有道路几何线形设计方法。
技术方案:为实现上述发明目的,本发明采用以下技术方案:
一种面向自动驾驶的道路几何线形设计方法,包括以下步骤:
(1)结合车辆视觉、控制决策系统和驾驶环境监控系统,分析L1~L5车辆有关道路几何线形设计要素的主要差异,并获取关键差异参数;
(2)关键差异参数标定;
(3)计算L1~L5车辆道路几何线形指标设计值;
(4)判定车辆自动化等级对相关道路几何线形指标的影响程度;
(5)根据步骤(3)得到的L2~L5车辆道路几何线形指标设计值设计面向不同自动化等级车辆的道路几何线形指标。
进一步的,步骤(1)中分析L1~L5车辆有关道路几何线形设计指标的主要差异,并获取关键差异参数的方法为:首先,确定道路几何线形设计要素为平面设计要素、纵断面设计要素和横断面设计要素,其中,平面设计要素包括:直线、圆曲线、缓和曲线和停车视距;纵断面设计要素包括:纵坡、坡长和竖曲线;横断面设计要素包括:横断面组成、超高、加宽和横净距;然后,结合车辆视觉、控制决策系统和驾驶环境监控系统性质,得到不同等级车辆有关道路几何线形设计的关键差异参数为感知反应时间、减速度、目高和车灯高;并确定其影响的道路几何线形要素包括停车视距、竖曲线最小长度和横净距。
进一步的,步骤(2)中关键差异参数标定方法为:通过对车辆产品、相关规范与文献进行调研,对不同自动化等级车辆的关键差异参数进行标定,其中:
(1)感知反应时间PRT在L1车辆工况下定义为驾驶员感知反应时间,根据现行公路路线设计规范规定,取固定值;感知反应时间PRT在L2~L5车辆工况下定义为车辆计算机系统感知反应时间,其中,L2~L5车辆PRT根据车辆自动驾驶系统在识别决策过程中的工况,标定时根据L2~L5车辆计算机系统在理想交通环境下的感知反应性能,并考虑系统误差,取区间值;计算道路几何线形指标时取区间下限;
(2)减速度Ad的限制条件为车辆性能和车辆使用者的舒适性,在L2~L5工况下因车辆感知反应时间PRT降低,车辆及车辆使用者能以更短的时间发现障碍物并停车;L2~L3车辆根据现有公路路线设计规范规定的90th专业驾驶员遇障碍物时的减速度Ad取固定值;L4~L5车辆为保证车辆使用者舒适性,减速度Ad取固定值;
(3)L2~L5车辆装载的视觉传感器代替人眼成为主要的视觉系统,目高h1与车灯高h含义变化,均定义为传感器安装高度;其中,L2车辆包括摄像头、超声波雷达和毫米波雷达,超声波雷达和毫米波雷达分别通过超声波和无线电对目标位置、速度、方位和高度信息进行探测,其工作性能不受光照条件影响;L2车辆传感器安装位置最高点与车辆内后视镜位置等高;L3~L5车辆的视觉传感器在L2车辆基础上添加激光雷达,其通过激光完成探测与测量工作;L3车辆传感器安装位置最高点为激光雷达安装位置处,高于车顶0.3m;L4~L5车辆已具备自车、车-行人、车-路侧设备、车-车和车-基站间实时通讯,视觉条件已突破自车传感器限制,h1与h设定为无穷大。
进一步的,步骤(3)中计算L1~L5车辆道路几何线形指标设计值的具体方法为:将L1~L5关键差异参数分别代入停车视距、凸形竖曲线最小长度、凹形竖曲线最小长度和横净距计算公式中的对应变量,得到不同自动化等级车辆的上述道路几何线形指标设计值;其计算公式分别为:
停车视距St计算公式为:V为行驶速度,PRT为感知反应时间;
竖曲线最小长度包括凸形竖曲线和凹形竖曲线的最小长度,凸形竖曲线最小长度Lt min为:h2为障碍物高,ω为纵坡坡差;凹形竖曲线最小长度La min为:δ为车前灯光束扩散角;当车辆等级为L2时,δ含义变化为毫米波雷达垂直测角;当车辆等级为L3~L5时,车辆视觉传感器包括激光雷达,δ含义变化为激光雷达垂直测角;
横净距Sh计算公式为:其中R为曲线内侧行驶轨迹的半径,γ为视距线所对的圆心角。
进一步的,步骤(4)中判定车辆自动化等级对相关道路几何线形指标的影响程度的具体方法为:根据L1~L5车辆的道路几何线形指标设计值,分别得到L2~L5与L1设计值对比的道路几何线形指标变化量为:
△i=xL1-xLi;
其中,xL1为L1车辆所需道路几何线形指标计算值,包括L1车辆停车视距St,L1、凸形竖曲线最小长度Lt min,L1、凹形竖曲线最小长度La min,L1、横净距Sh,L1;xLi为自动化等级为i的车辆所需道路几何线形指标计算值,包括停车视距St,Li、凸形竖曲线最小长度Lt min,Li、凹形竖曲线最小长度La min,Li、横净距Sh,Li,i=2~5;在计算一类道路几何线形指标变化量时,xL1与xLi所处条件必须相同,根据道路几何线形指标变化量,求得各道路几何线形指标变化率为:根据获得的各道路几何线形指标变化率,确定L2~L5车辆等级对现有基于L1车辆的道路几何线形指标的影响程度,即道路几何线形指标变化率绝对值大小。
进一步的,步骤(5)中根据步骤(3)得到的L2~L5车辆道路几何线形指标设计值影响程度设计面向不同自动化等级自动化车辆的道路几何线形指标的具体方法为:考虑公路路线设计指标的安全性与工程建设指标选取规范性,对步骤(3)得到的道路几何线形指标设计值向上取整各道路几何线形指标,公式为:XLi=[xLi],xLi为自动化等级为i的车辆所需道路几何线形指标计算值,i=2~5;再考虑工程建设指标选取时指标间隔为5,对取整后的指标进行规范性修改,最终得到面向L2~L5车辆的道路几何线形设计指标公式为:
有益效果:与现有技术相比,本发明在现有技术的基础上解决了现有道路几何线形设计未考虑以不同自动化等级车辆作为设计车型的不足,同时本发明公开的方法简单、方便,获得的结果弥补了现有技术对该领域的空白,从而能够安全、经济、有效地采用与车辆自动化等级相适应的道路几何线形设计方法进行道路设计。
附图说明
图1为本发明提供的方法流程图;
图2为不同自动化等级(L1~L5)车辆的停车视距变化趋势示意图;
图3为不同自动化等级(L1~L5)车辆的(凸形和凹形)竖曲线最小长度变化趋势示意图;
图4为不同自动化等级(L1~L5)车辆的横净距变化趋势示意图;
图5为不同自动化等级(L2~L5)车辆的停车视距变化率示意图;
图6为不同自动化等级(L2~L5)车辆的(凸形和凹形)竖曲线最小长度变化率示意图;
图7为不同自动化等级(L2~L5)车辆的横净距变化率示意图。
具体实施方式
下面结合附图对本发明做更进一步的解释。
如图1所示,本发明是一种面向自动驾驶的道路几何线形设计方法,主要包括以下步骤:
(1)结合车辆视觉、控制决策系统和驾驶环境监控系统分析L1~L5车辆有关道路几何线形指标的主要差异,并获取关键差异参数;
根据SAE(Society of Automotive Engineers)Standard J3016在2014年对车辆的分级标准,目前车辆依据:车辆(方向盘转向与加减速)控制、驾驶环境监控、动态驾驶任务支援和驾驶模式下系统作用域四个方面的主要承担者(人类驾驶员或车辆计算机系统)共分为六级(L0~L5):
L0等级车辆:无自动化车辆(处于淘汰阶段):由人类驾驶员全权操控汽车,驾驶员可以在行驶过程中得到警告。
L1等级车辆:驾驶员辅助系统车辆(当前道路交通环境中主导车辆等级):车辆系统通过驾驶环境对方向盘和加减速中的一项操作提供支持,其余由人类驾驶员操作。
L2等级车辆:部分自动化车辆(已在目前车辆市场中占据一定份额):车辆系统通过驾驶环境对方向盘和加减速中的多项操作提供支持,驾驶员需要监控驾驶环境,完成剩余操作,同时保证随时进行接管。该层级车辆系统的错误感知和判断由驾驶员随时纠正。
L3等级车辆:有条件自动化车辆(目前仅有奥迪推出的奥迪A8为L3):车辆系统完成所有驾驶操作,同时监控驾驶环境,人类驾驶员提供适当应答。在车辆系统发出请求时,人类驾驶员必须准备好重新取得驾驶控制权。该层级人类驾驶员无法进行睡觉或者深度休息。
L4等级车辆:高度自动化车辆:车辆系统在限定的道路条件或环境下完成所有驾驶操作,根据系统要求人类不一定提供所有的应答。该层级车辆系统规定的可运行范围内,车辆系统已完全主导车辆驾驶相关的所有任务,并负责感知外界环境。
L5等级车辆:完全自动化车辆:车辆系统在所有道路条件或环境下都能完成的所有驾驶任务。
在此基础上,归纳不同自动化等级车辆差异主要体现于车辆视觉模式(人类驾驶员或视觉传感器(高精地图辅助))、控制决策系统(人类驾驶员或车载计算机系统)和驾驶环境监控系统(人类驾驶员或传感器(高精地图、车-车通讯、车-基站通讯辅助))。
首先,确定道路几何线形设计要素为平面设计要素、纵断面设计要素和横断面设计要素,其中平面设计要素包括:直线、圆曲线和视距;纵断面设计要素包括:纵坡、坡长和竖曲线;横断面设计要素包括:横断面组成、超高、加宽和横净距。
根据我国交通运输部发布的《公路路线设计规范》(JTG D20-2017)中规定的各道路几何线形要素计算公式及确定方法,结合上述的车辆视觉模式、控制决策系统和驾驶环境监控系统性质,得到不同等级车辆有关道路几何线形设计的关键差异参数为感知反应时间(Perception reaction time,PRT,单位:s)、减速度(Ad,单位:m/s2)、目高(h1,单位:m)和车灯高(h,单位:m),并确定其影响的道路几何线形要素包括停车视距、竖曲线最小长度和横净距。其中:
停车视距(St,m)计算公式为:V为行驶速度(km/h)。其中,PRT随车辆自动化等级的提升而降低,而Ad随车辆自动化等级的提升而增加;两个关键参数的变化均有效降低了车辆所需的停车视距。
竖曲线最小长度包括凸形竖曲线和凹形竖曲线的最小长度。凸形竖曲线最小长度(Lt min,m)为:h2为障碍物高(m),根据公路路线设计规范取0.6m,ω为纵坡坡差(%);凹形竖曲线最小长度(La min,m)为:δ为车前灯光束扩散角(°),按公路路线设计规范取1°;当车辆等级为L2时,δ含义变化为毫米波雷达垂直测角(°),按车载毫米波传感器技术规范取8°;当车辆等级为L3~L5时,车辆视觉传感器包括激光雷达,δ含义变化为激光雷达垂直测角(°),按车载激光雷达技术规范取30°。其中,St随车辆自动化等级的提升而降低,而h1随车辆自动化等级的提升而增加;两者的变化均有效降低了车辆所需的凸形竖曲线最小长度。在St变化的基础上,h与δ随车辆自动化等级提升含义发生变化,其值也随之增加,有效降低了车辆所需的凹形竖曲线最小长度。
横净距(Sh,m)计算公式为:其中R为曲线内侧行驶轨迹的半径(m),γ为视距线所对的圆心角(°)。其中,由于车辆停车视距随车辆自动化等级的提升而降低,视距线所对圆心角也随之减小,余弦函数值增加,有效降低了车辆所需的横净距。
根据上述分析,得到不同自动化等级车辆有关道路几何线形设计的关键差异参数及其变化趋势如表1所示。
表1不同等级车辆有关道路几何线形设计的关键差异参数
(2)关键差异参数标定:
通过对车辆产品、相关规范与文献进行调研,对不同自动化等级(L1~L5)车辆的关键差异参数进行标定,标定参数如表2所示。
表2关键差异参数标定值
(a)PRT在L1车辆工况下定义为驾驶员感知反应时间,根据现行公路路线设计规范规定,取2.5s;在L2~L5车辆工况下定义为车辆计算机系统感知反应时间。其中,L2~L5车辆PRT根据车辆自动驾驶系统在识别决策过程中的工况,标定时根据L2~L5车辆计算机系统在理想交通环境下的感知反应性能,并考虑系统误差,取区间值;计算道路几何线形指标时取区间下限;
(b)通过文献调研发现,Ad的限制条件为车辆性能和车辆使用者的舒适性。在L2~L5工况下因车辆PRT降低,车辆及车辆使用者能以更短的时间发现障碍物并停车。因此,L2~L3车辆根据现有公路路线设计规范规定的90th专业驾驶员遇障碍物时的减速度,取Ad为4.5m/s2;L4~L5车辆为保证车辆使用者舒适性,Ad极限值为5.6m/s2,因此取Ad为5m/s2。
(c)L2~L5车辆装载的视觉传感器代替人眼成为主要的视觉系统。因此,h1与h含义变化,均定义为传感器安装高度(m)。其中,L2车辆主要包括摄像头、超声波雷达和毫米波雷达。区别于人眼工作原理,超声波雷达和毫米波雷达分别通过超声波和无线电对目标位置、速度、方位和高度信息进行探测,其工作性能不受光照条件影响。L2车辆传感器安装位置最高点与车辆内后视镜位置等高,取1.2m;L3~5车辆的视觉传感器在L2车辆基础上添加激光雷达,其通过激光完成探测与测量工作。L3车辆传感器安装位置最高点为激光雷达安装位置处,高于车顶(1.3m)0.3m,即1.6m;L4~L5车辆已具备自车、车-行人、车-路侧设备、车-车和车-基站间实时通讯,视觉条件已突破自车传感器限制,h1与h设定为无穷大。
(3)面向L1~L5车辆道路几何线形指标设计值计算,其中,L1~L5车辆道路几何线形指标设计值包括停车视距、竖曲线最小长度和横净距,:
将表2中L1~L5关键差异参数分别代入停车视距、(凸形和凹形)竖曲线最小长度和横净距计算公式中的对应变量,得到不同自动化等级(L1~L5)车辆的上述道路几何线形指标设计值,结果分别如表3~5所示;上述设计计算值变化趋势分别如图2~4所示。其中,由于L4和L5等级车辆关键差异参数标定值相同,因此上述道路几何线形设计计算值也相同,在上述表与图例中归为一类讨论。
表3不同自动化等级(L1~L5)车辆的停车视距
根据表3数据对不同自动化等级车辆停车视距在不同设计速度(60~120km/h)条件下的变化趋势作簇状柱形图,并对其作二次多项式趋势线拟合,如图2所示。结合上述图表可以发现:在相同设计速度条件下车辆所需停车视距随车辆自动化等级提升而减少。并且随着设计速度的增加,不同自动化等级车辆所需停车视距的差值绝对值逐渐增加。
表4不同自动化等级(L1~L5)车辆的竖曲线最小长度
根据表4数据对不同自动化等级车辆(凸形和凹形)竖曲线最小长度在不同设计速度与纵坡坡差组合条件下的变化趋势作簇状柱形图,并对其作二次多项式趋势线拟合。其中,由于L4和L5车辆对应数值均为0不作趋势线;L3车辆所需凹形竖曲线在不同设计速度和纵坡坡差组合下数值变化较小,不作趋势线拟合,如图3所示。结合上述图表可以发现:在相同设计速度和纵坡坡差组合条件下车辆所需(凸形和凹形)竖曲线最小长度随车辆自动化等级提升而明显降低。并且随着组合条件中设计速度的增加和纵坡坡差的降低,不同自动化等级车辆所需(凸形和凹形)竖曲线最小长度的差值绝对值逐渐增加。另外,从相同设计速度和纵坡坡差组合下L2~L5车辆与L1车辆相应数值差的绝对值可以看出,车辆自动化等级的提升对车辆所需凸形竖曲线最小长度降低的影响大于对凹形竖曲线最小长度降低的影响。
表5不同自动化等级(L1~L5)车辆的横净距
根据表5数据对不同自动化等级车辆横净距在不同设计速度与圆曲线半径组合条件下的变化趋势作簇状柱形图,并对其作二次多项式趋势线拟合,如图4所示。结合上述图表可以发现:在相同设计速度和圆曲线半径组合条件下车辆所需横净距随车辆自动化等级提升而降低。并且随着组合条件中设计速度和圆曲线半径的增加,不同自动化等级车辆所需横净距的差值绝对值逐渐增加。
(4)判定车辆自动化等级对相关道路几何线形指标的影响程度;
在已知表3~5中不同自动化等级(L1~L5)车辆所需的道路几何线形指标计算值的基础上,根据下列公式得到Li(i=2~5)车辆与L1车辆的道路几何线形指标变化量。
△i=xL1-xLi;
其中,xL1为L1车辆所需道路几何线形指标计算值,包括停车视距(St,L1)、凸形竖曲线最小长度(Lt min,L1)、凹形竖曲线最小长度(La min,L1)、横净距(Sh,L1);xLi为自动化等级为i的车辆所需道路几何线形指标计算值,包括停车视距(St,Li)、凸形竖曲线最小长度(Lt min,Li)、凹形竖曲线最小长度(La min,Li)、横净距(Sh,Li),i=2~5;值得注意,在计算一类道路几何线形指标变化量时,xL1与xLi所处条件必须相同。
再利用i=2~5时的道路几何线形指标变化量求得各道路几何线形要素变化率(%),公式为:结果如表6~8所示。根据获得的各道路几何线形指标变化率,确定L2~L5车辆等级对现有基于L1车辆的道路几何线形指标的影响程度,即道路几何线形指标变化率绝对值大小。
表6不同自动化等级(L2~L5)车辆的停车视距变化率
根据表6数据对不同自动化等级(L2~L5)车辆停车视距变化率作簇状柱形图,如图5所示,并对其作二次多项式趋势线拟合。结合上述图表可以发现:车辆自动化等级对车辆所需停车视距的影响程度随设计速度增加而逐渐降低,且降低幅度随车辆自动化等级提升而增加,即车辆自动化等级的提升在设计速度较小时对车辆所需停车视距的影响程度更高;在相同设计速度条件下,车辆自动化等级对车辆所需停车视距的影响程度随等级提升而增加。
表7不同自动化等级(L2~L5)车辆的竖曲线最小长度变化率
根据表7数据对不同自动化等级(L2~L5)车辆横净距变化率作簇状柱形图,如图6所示,并对其作二次多项式趋势线拟合。结合上述图表可以发现:因L4和L5车辆关键差异参数h1和h标定为∞,在不同设计速度和纵坡坡差条件组合下,两者的(凸形和凹形)竖曲线最小长度变化率均为100%;除L4和L5车辆外,自动化等级对车辆所需(凸形和凹形)竖曲线的影响程度随设计速度增加而逐渐降低,对凸形竖曲线的影响程度降低幅度随车辆自动化等级提升而增加,但对凹形竖曲线的影响程度降低幅度则随车辆自动化等级提升而减小。即车辆自动化等级的提升在设计速度较小时对车辆所需凸形竖曲线的影响程度更高,而对所需凹形竖曲线的影响程度更小;在相同设计速度条件下,车辆自动化等级对车辆所需(凸形和凹形)竖曲线最小长度的影响程度随等级提升而增加。值得注意的是,在设计速度从60km/h至120km/h时,车辆自动化等级(L2~L5)对车辆所需凹形竖曲线最小长度的影响已基本稳定,变化均不超过1%;对所需凸形竖曲线最小长度的影响则相对较大,但均不超过10%。
表8不同自动化等级(L2~L5)车辆的横净距变化率
根据表8数据对不同自动化等级(L2~L5)车辆横净距变化率作簇状柱形图,如图7所示,并对其作二次多项式趋势线拟合。结合上述图表可以发现:车辆自动化等级对车辆所需横净距的影响程度随设计速度增加而逐渐降低,且降低幅度随车辆自动化等级提升而增加,即车辆自动化等级的提升在设计速度较小时对车辆所需停车视距的影响程度更高;在相同设计速度和圆曲线半径组合条件下,车辆自动化等级对车辆所需停车视距的影响程度随等级提升而增加。
(5)根据步骤(3)得到的L2~L5车辆道路几何线形指标设计值设计面向不同自动化等级车辆的道路几何线形指标;
根据步骤(3)得到的L2~L5车辆道路几何线形指标设计值影响程度设计面向不同自动化等级自动化车辆的道路几何线形指标的具体方法为:考虑公路路线设计指标的安全性与工程建设指标选取规范性,对步骤(3)得到的道路几何线形指标设计值首先往使指标值更加“安全”的方向取整,即向上取整各道路几何线形指标,公式为:XLi=[xLi],i=2~5。其结果如表9~11所示。
表9 L2~L5车辆停车视距(向上取整)
表10 L2~L5车辆竖曲线最小长度(向上取整)
表11 L2~L5车辆横净距(向上取整)
再考虑工程建设指标选取时指标间隔为5,对取整后的指标进行规范性修改,最终得到面向L2~L5车辆的道路几何线形设计指标公式为:
结果如表12~14所示。
表12面向L2~L5车辆的停车视距
表13面向L2~L5车辆的竖曲线最小长度
表14面向L2~L5车辆的横净距
综上所述,本发明在现有技术的基础上解决了现有道路几何线形设计未考虑以不同自动化等级(L2~L5)车辆作为设计车型的问题。具体进行道路几何线形设计时,可根据当前道路主要车辆的自动化等级确定关键差异参数,确定需要优化的道路几何线形设计指标。
Claims (6)
1.一种面向自动驾驶的道路几何线形设计方法,其特征在于:包括以下步骤:
(1)结合车辆视觉、控制决策系统和驾驶环境监控系统,分析L1~L5车辆有关道路几何线形设计要素的主要差异,并获取关键差异参数;
(2)关键差异参数标定;
(3)计算L1~L5车辆道路几何线形指标设计值;
(4)判定车辆自动化等级对相关道路几何线形指标的影响程度;
(5)根据步骤(3)得到的L2~L5车辆道路几何线形指标设计值设计面向不同自动化等级车辆的道路几何线形指标。
2.根据权利要求1所述的面向自动驾驶的道路几何线形设计方法,其特征在于:步骤(1)中分析L1~L5车辆有关道路几何线形设计指标的主要差异,并获取关键差异参数的方法为:首先,确定道路几何线形设计要素为平面设计要素、纵断面设计要素和横断面设计要素,其中,平面设计要素包括:直线、圆曲线、缓和曲线和停车视距;纵断面设计要素包括:纵坡、坡长和竖曲线;横断面设计要素包括:横断面组成、超高、加宽和横净距;然后,结合车辆视觉、控制决策系统和驾驶环境监控系统性质,得到不同等级车辆有关道路几何线形设计的关键差异参数为感知反应时间、减速度、目高和车灯高;并确定其影响的道路几何线形要素包括停车视距、竖曲线最小长度和横净距。
3.根据权利要求1所述的面向自动驾驶的道路几何线形设计方法,其特征在于:步骤(2)中关键差异参数标定方法为:通过对车辆产品、相关规范与文献进行调研,对不同自动化等级车辆的关键差异参数进行标定,其中:
(1)感知反应时间PRT在L1车辆工况下定义为驾驶员感知反应时间,根据现行公路路线设计规范规定,取固定值;感知反应时间PRT在L2~L5车辆工况下定义为车辆计算机系统感知反应时间,其中,L2~L5车辆PRT根据车辆自动驾驶系统在识别决策过程中的工况,标定时根据L2~L5车辆计算机系统在理想交通环境下的感知反应性能,并考虑系统误差,取区间值;计算道路几何线形指标时取区间下限;
(2)减速度Ad的限制条件为车辆性能和车辆使用者的舒适性,在L2~L5工况下因车辆感知反应时间PRT降低,车辆及车辆使用者能以更短的时间发现障碍物并停车;L2~L3车辆根据现有公路路线设计规范规定的90th专业驾驶员遇障碍物时的减速度Ad取固定值;L4~L5车辆为保证车辆使用者舒适性,减速度Ad取固定值;
(3)L2~L5车辆装载的视觉传感器代替人眼成为主要的视觉系统,目高h1与车灯高h含义变化,均定义为传感器安装高度;其中,L2车辆包括摄像头、超声波雷达和毫米波雷达,超声波雷达和毫米波雷达分别通过超声波和无线电对目标位置、速度、方位和高度信息进行探测,其工作性能不受光照条件影响;L2车辆传感器安装位置最高点与车辆内后视镜位置等高;L3~L5车辆的视觉传感器在L2车辆基础上添加激光雷达,其通过激光完成探测与测量工作;L3车辆传感器安装位置最高点为激光雷达安装位置处,高于车顶0.3m;L4~L5车辆已具备自车、车-行人、车-路侧设备、车-车和车-基站间实时通讯,视觉条件已突破自车传感器限制,h1与h设定为无穷大。
4.根据权利要求1所述的面向自动驾驶的道路几何线形设计方法,其特征在于:步骤(3)中计算L1~L5车辆道路几何线形指标设计值的具体方法为:将L1~L5关键差异参数分别代入停车视距、凸形竖曲线最小长度、凹形竖曲线最小长度和横净距计算公式中的对应变量,得到不同自动化等级车辆的上述道路几何线形指标设计值;其计算公式分别为:
停车视距St计算公式为:V为行驶速度,PRT为感知反应时间;
竖曲线最小长度包括凸形竖曲线和凹形竖曲线的最小长度,凸形竖曲线最小长度Ltmin为:h2为障碍物高,ω为纵坡坡差;凹形竖曲线最小长度Lamin为:δ为车前灯光束扩散角;当车辆等级为L2时,δ含义变化为毫米波雷达垂直测角;当车辆等级为L3~L5时,车辆视觉传感器包括激光雷达,δ含义变化为激光雷达垂直测角;
横净距Sh计算公式为:其中R为曲线内侧行驶轨迹的半径,γ为视距线所对的圆心角。
5.根据权利要求1所述的面向自动驾驶的道路几何线形设计方法,其特征在于:步骤(4)判定车辆自动化等级对相关道路几何线形指标的影响程度的具体方法为:根据L1~L5车辆的道路几何线形指标设计值,分别得到L2~L5与L1设计值对比的道路几何线形指标变化量为:
△i=xL1-xLi;
其中,xL1为L1车辆所需道路几何线形指标计算值,包括L1车辆停车视距St,L1、凸形竖曲线最小长度Ltmin,L1、凹形竖曲线最小长度Lamin,L1、横净距Sh,L1;xLi为自动化等级为i的车辆所需道路几何线形指标计算值,包括停车视距St,Li、凸形竖曲线最小长度Ltmin,Li、凹形竖曲线最小长度Lamin,Li、横净距Sh,Li,i=2~5;在计算一类道路几何线形指标变化量时,xL1与xLi所处条件必须相同,根据道路几何线形指标变化量,求得各道路几何线形指标变化率为:根据获得的各道路几何线形指标变化率,确定L2~L5车辆等级对现有基于L1车辆的道路几何线形指标的影响程度,即道路几何线形指标变化率绝对值大小。
6.根据权利要求1所述的面向自动驾驶的道路几何线形设计方法,其特征在于:步骤(5)中根据步骤(3)得到的L2~L5车辆道路几何线形指标设计值影响程度设计面向不同自动化等级自动化车辆的道路几何线形指标的具体方法为:考虑公路路线设计指标的安全性与工程建设指标选取规范性,对步骤(3)得到的道路几何线形指标设计值向上取整各道路几何线形指标,公式为:XLi=[xLi],xLi为自动化等级为i的车辆所需道路几何线形指标计算值,i=2~5;再考虑工程建设指标选取时指标间隔为5,对取整后的指标进行规范性修改,最终得到面向L2~L5车辆的道路几何线形设计指标 公式为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811623400.2A CN109722963B (zh) | 2018-12-28 | 2018-12-28 | 一种面向自动驾驶的道路几何线形设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811623400.2A CN109722963B (zh) | 2018-12-28 | 2018-12-28 | 一种面向自动驾驶的道路几何线形设计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109722963A true CN109722963A (zh) | 2019-05-07 |
CN109722963B CN109722963B (zh) | 2020-11-03 |
Family
ID=66297868
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811623400.2A Active CN109722963B (zh) | 2018-12-28 | 2018-12-28 | 一种面向自动驾驶的道路几何线形设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109722963B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113415283A (zh) * | 2021-06-30 | 2021-09-21 | 东南大学 | 一种面向有条件自动驾驶的道路行驶风险评估方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104657623A (zh) * | 2015-03-17 | 2015-05-27 | 天津市市政工程设计研究院 | 一种基于驾驶模拟技术的道路线形安全审核方法 |
CN108182310A (zh) * | 2017-12-25 | 2018-06-19 | 合肥工业大学 | 多雨地区道路平曲线半径及安全限速设置方法 |
-
2018
- 2018-12-28 CN CN201811623400.2A patent/CN109722963B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104657623A (zh) * | 2015-03-17 | 2015-05-27 | 天津市市政工程设计研究院 | 一种基于驾驶模拟技术的道路线形安全审核方法 |
CN108182310A (zh) * | 2017-12-25 | 2018-06-19 | 合肥工业大学 | 多雨地区道路平曲线半径及安全限速设置方法 |
Non-Patent Citations (3)
Title |
---|
PLAMEN PETROV: "Geometric path planning and tracking control with bounded steering angle for the parking problem of automatic vehicles", 《WEB OF SCIENCE》 * |
李虹燕: "高速公路行车视距仿真研究及安全评价", 《中国优秀硕士学位论文全文数据库(电子期刊) 工程科技Ⅱ辑》 * |
许金良: "《道路勘测设计》", 31 January 2013, 重庆大学 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113415283A (zh) * | 2021-06-30 | 2021-09-21 | 东南大学 | 一种面向有条件自动驾驶的道路行驶风险评估方法 |
CN113415283B (zh) * | 2021-06-30 | 2022-05-13 | 东南大学 | 一种面向有条件自动驾驶的道路行驶风险评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109722963B (zh) | 2020-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103256939B (zh) | 智能车辆利用变粒度路权雷达图进行信息融合的方法 | |
CN105403227B (zh) | 一种安全导航方法及系统 | |
KR101316217B1 (ko) | 차량의 연비 및 주행안정성 향상을 위한 공력정보 제공 시스템 및 그 방법 | |
CN107000750A (zh) | 用于车辆经济性改进的设备及方法 | |
CN104533441B (zh) | 基于安全视认的夜间隧道入口段照明标准测算方法及其系统 | |
CN205068772U (zh) | 光幕激光交通情况调查系统 | |
CN103496366A (zh) | 一种基于车车协同的主动换道避撞控制方法与装置 | |
CN108845327A (zh) | 一种大货车视野盲区障碍物的智能检测及提醒系统 | |
CN104266823A (zh) | 基于安全视认的白天隧道入口段照明标准测算方法及其系统 | |
CN106203735A (zh) | 一种机动车驾驶员驾驶行为能耗特征测算方法 | |
CN204055561U (zh) | 车辆安全行驶警示系统 | |
CN104460665A (zh) | 基于道路曲率地图的磁导航无人车及其地图的建立方法 | |
CN105109491A (zh) | 一种基于弯道纵向曲率的车辆行驶航向预测装置及预测方法 | |
CN110544377A (zh) | 基于车路协同的交叉口行人避撞方法 | |
CN109823393A (zh) | 一种智能驾驶车辆轨迹跟踪控制方法 | |
CN101666653A (zh) | Gps装置及安全驾驶方法 | |
CN101694745A (zh) | 基于高速公路几何线形综合技术指标的安全检测方法 | |
CN103909930A (zh) | 跟随前车行驶的辅助控制方法 | |
CN105718710A (zh) | 一种驾驶行为分析方法及设备 | |
JP2022532100A (ja) | 道路舗装の凹凸を認識する方法及びシステム | |
CN208125929U (zh) | 一种车辆所在车道的定位装置 | |
CN204915670U (zh) | 一种基于弯道纵向曲率的车辆行驶航向预测装置 | |
CN104192063A (zh) | 车辆安全行驶警示系统及相应的警示方法 | |
CN103454614A (zh) | 基于粒子滤波的车辆间相对定位方法 | |
CN108983782A (zh) | 一种无人车路径跟踪移动目标点的选取方法 |
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 |