CN109727469A - 一种多车道下自动驾驶车辆综合危险度评估方法 - Google Patents

Abstract

本发明公开了一种多车道下自动驾驶车辆综合危险度评估方法，属于自动驾驶领域，包括：1）使用激光雷达、摄像头、GPS等传感器获得自车及周围车辆的位置、速度、横摆角信息；2）对自车及周围车辆未来的运动进行预测；3）根据安全距离模型建立了单车道上的危险度评估函数，能客观评估同一车道上的危险度；4）提出了一个新的危险指标：距离自车前方时间TTF，将单车道的危险评估函数拓展到多车道上；5）根据多车道上的危险度评估函数，综合考虑车辆未来一段时间的运动情况，建立了多车道上的综合危险度评估方法。本发明解决现有技术中在多车道直线或曲线道路上，自动驾驶车辆与周围车辆的客观危险度评估问题。

Description

一种多车道下自动驾驶车辆综合危险度评估方法

技术领域

本发明属于自动驾驶技术领域，尤其涉及一种多车道下自动驾驶车辆综合危险度评估方法。

背景技术

随着交通事故的不断增长，交通拥堵给驾驶员带来的驾车体验不断下降，人们对于自动驾驶技术的需求更加迫切。而近些年，随着芯片技术的发展、传感器精度的提高而成本下降、5G通信的即将来临，越来越多的公司，如谷歌、特斯拉、百度开始投入大量精力来研究车辆的自动驾驶技术。

自动驾驶技术主要包括环境感知、决策规划、控制执行三个部分，而决策规划作为自动驾驶技术最重要的一部分，有很多方面不够成熟，其中危险度评估就是其中一方面。通常自动驾驶车辆要对周围环境进行决策规划，需要有一个可靠的综合危险度评估算法，能把环境感知得到的周围交通信息转化为对于自动驾驶车辆的危险度信息。该危险度评估算法的精确与否将直接决定自动驾驶车辆所规划出轨迹的安全性、可靠性。

因此一个好的危险度评估算法对于自动驾驶车辆显得尤其重要。目前对于自动驾驶车辆危险度评估的研究主要是用以下几个指标：如距离碰撞时间TTC、车头时距TH、车速V。这些指标对于单车道上危险度评估有一定效果，但是对于多车道，当危险度关系不那么明显时，直接用以上指标进行评估将不够客观，如果用于决策控制将产生很大误差。

发明内容

针对于上述现有技术的不足，本发明的目的在于提供一种多车道下自动驾驶车辆综合危险度评估方法，以解决现有技术中在多车道道路上，自动驾驶车辆与周围车辆的客观危险度评估问题。通过本发明的方法能够决策出一条安全可靠的轨迹，实现在多车道工况下的自动驾驶。

为达到上述目的，本发明采用的技术方案如下：

本发明的一种多车道下自动驾驶车辆综合危险度评估方法，包括步骤如下：

1)实时环境感知：采集自动驾驶车辆及周围车辆的运动信息；

2)对自动驾驶车辆及周围车辆的未来运动进行预测，得到自动驾驶车辆及周围车辆的预测轨迹；

3)建立单车道上的危险度评估函数，评估同一车道上的危险度；

4)提出一个新的危险度指标，将单车道上的危险度评估函数扩展到多车道工况下，得到多车道下的危险度评估函数；

5)对预测轨迹进行离散化处理，根据多车道工况下的危险度评估函数，利用加权平均的方法得到多车道上的自动驾驶车辆的综合危险度。

进一步地，所述步骤1)中的运动信息包括：全局坐标系下的位置信息、速度信息及横摆角信息。

进一步地，所述步骤2)中对自动驾驶车辆及周围车辆的未来运动进行预测具体包括如下步骤：

21)得到当前时刻k周围车辆在各个车道上的运动分布

22)根据周围车辆的侧向速度确定由当前时刻到下一时刻的状态转移矩阵

23)根据上述状态转移矩阵及周围车辆的位置q_k进行状态量的更新，得到下一时刻k+1周围车辆在各车道上的运动分布

进一步地，所述步骤3)中建立单车道上的危险度评估函数，具体包括如下步骤：

31)通过两车辆间的安全距离，建立出自动驾驶车辆单车道上的危险度评估函数，该函数包括车头时距TH和距离碰撞时间TTC的信息，具体如下：

k时刻，两车辆间的标准安全距离D_sf(t)，是指前车以一定减速度突然制动，后车反应后紧接着制动，当两车静止后，依然保持2～5m的间隙时所对应的车距，如下：

其中：v_e(t)是自动驾驶车辆速度；τ是自动驾驶系统的反应时间，包括自动驾驶系统的反映时间τ₁及制动器消除间隙的时间τ₂,τ＝τ₁₊τ₂；d_e(t)是自动驾驶车辆的减速度，v_s(t)是前车的速度；d_s(t)是前车的减速度，G是停车后两车之间的间隙，取值为2～5m；

当两车辆间实际距离为D_es(t)，单车道上的危险度评估函数ξ表示为：

车辆的减速度为0.75g，其中g为重力加速度，分解如下：

TTC与TH的定义如下：

则对应的单车道上的危险度评估函数用TH与TTC表示如下：

进一步地，所述步骤4)具体步骤包括：

41)引入距离自动驾驶车辆前方时间TTF，将单车道上的危险度评估函数扩展到多车道上；

周围车辆的转向半径：

其中，l_r为车辆的轴距，为周围车辆对应的横摆角；

则运动到自动驾驶车辆前方的时间TTF为：

其中，Δy为当前时刻自车与周围车辆对应的纵向偏差；v_s为周围车辆的速度；

42)根据上述指标TH，TTC，TTF，得到多车道上的危险度评估函数，并对各系数进行赋值，使得该评估函数能反映车辆当前时刻的客观危险信息；

得到最终的危险度评估函数：

其中，S_r为道路安全系数；b为限幅系数；t_b是刹车时间。

进一步地，所述步骤5)具体包括：

51)对预测轨迹的离散化；

52)对离散化后的各点根据危险度评估函数分别求各点瞬时危险度并进行加权平均，该期望即为车辆当前时刻k的综合危险度R_k，其反映车辆未来一段时域的综合危险情况，具体如下：

其中，N_p为未来这段时域的长度，γ为权重因子，F_k+t为未来k+t时刻对应的危险度。

本发明的有益效果：

1、本发明能实现车辆在多车道复杂工况下的客观危险度的评估。

2、本发明在评估危险度时，对周围车辆的未来运动进行预测，考虑到周围车辆未来可能的运动状况。

3、本发明所评估出的危险度综合考虑了未来一段时域内的总的危险状况。

4、本发明建立的危险度评估函数可进一步用于自动驾驶的决策规划。

附图说明

图1为本发明的总体框图。

图2为安全距离模型评估单车道危险度示意图。

图3为距离车辆前方时间TTF的获取示意图。

图4为运动预测及轨迹离散化对应的示意图。

具体实施方式

为了便于本领域技术人员的理解，下面结合实施例与附图对本发明作进一步的说明，实施方式提及的内容并非对本发明的限定。

参照图1所示的总体框图，本发明的一种多车道下自动驾驶车辆综合危险度评估方法，包括步骤如下：

1)实时环境感知：采集自动驾驶车辆及周围车辆的运动信息；该运动信息包括：全局坐标系下的位置信息、速度信息及横摆角信息。

2)运动预测：对自动驾驶车辆及周围车辆的未来运动进行预测，得到自动驾驶车辆及周围车辆的预测轨迹；

所述的对自动驾驶车辆及周围车辆的未来运动进行预测具体包括如下步骤：

21)得到当前时刻k周围车辆在各个车道上的运动分布

22)根据周围车辆的侧向速度确定由当前时刻到下一时刻的状态转移矩阵

23)根据上述状态转移矩阵及周围车辆的位置q_k进行状态量的更新，得到下一时刻k+1周围车辆在各车道上的运动分布

3)建立单车道上的危险度评估函数，评估同一车道上的危险度；具体包括如下步骤：

31)通过两车辆间的安全距离，建立出自动驾驶车辆单车道上的危险度评估函数，该函数包括车头时距TH和距离碰撞时间TTC的信息，具体如下：

k时刻，两车辆间的标准安全距离D_sf(t)，是指前车以一定减速度突然制动，后车反应后紧接着制动，当两车静止后，依然保持2～5m的间隙时所对应的车距，如下：

其中：v_e(t)是自动驾驶车辆速度；τ是自动驾驶系统的反应时间，包括自动驾驶系统的反映时间τ₁及制动器消除间隙的时间τ₂,τ＝τ₁₊τ₂；d_e(t)是自动驾驶车辆的减速度，v_s(t)是前车的速度；d_s(t)是前车的减速度，G是停车后两车之间的间隙，取值为2～5m；

参照图2所示，该图给出了单车道上的安全距离模型，当两车辆间实际距离为D_es(t)，单车道上的危险度评估函数ξ表示为：

车辆的减速度为0.75g，其中g为重力加速度，分解如下：

TTC与TH的定义如下：

则对应的单车道上的危险度评估函数用TH与TTC表示如下：

4)提出一个新的危险度指标，将单车道上的危险度评估函数扩展到多车道工况下，得到多车道下的危险度评估函数；参照图3所示，具体包括：

41)引入距离自动驾驶车辆前方时间TTF，将单车道上的危险度评估函数扩展到多车道上；

周围车辆的转向半径：

其中，l_r为车辆的轴距，为周围车辆对应的横摆角；

则运动到自动驾驶车辆前方的时间TTF为：

其中，Δy为当前时刻自车与周围车辆对应的纵向偏差；v_s为周围车辆的速度；

42)根据上述指标TH，TTC，TTF，得到多车道上的危险度评估函数，并对各系数进行赋值，使得该评估函数能反映车辆当前时刻的客观危险信息；

得到最终的危险度评估函数：

其中，S_r为道路安全系数；b为限幅系数；t_b是刹车时间。

5)对预测轨迹进行离散化处理，根据多车道工况下的危险度评估函数，利用加权平均的方法得到多车道上的自动驾驶车辆的综合危险度。通常求解车辆综合危险度时，不但要考虑当前时刻的危险情况，还需要将车辆未来的预测轨迹考虑进去，进行综合判断，这样评估出来的危险度才更客观。参照图4所示，具体包括：

51)对预测轨迹的离散化；

52)对离散化后的各点根据危险度评估函数分别求各点瞬时危险度并进行加权平均，该期望即为车辆当前时刻k的综合危险度R_k，其反映车辆未来一段时域的综合危险情况，具体如下：

其中，N_p为未来这段时域的长度，γ为权重因子，F_k+t为未来k+t时刻对应的危险度。

以上，即得到了多车道下自动驾驶车辆综合危险度评估方法。根据该综合危险度评估评估结果，可对车辆进行相应的决策规划，保证车辆行驶过程中的安全性和可靠性。

本发明具体应用途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进，这些改进也应视为本发明的保护范围。

Claims (6)

1.一种多车道下自动驾驶车辆综合危险度评估方法，其特征在于，包括步骤如下：

1)实时环境感知：采集自动驾驶车辆及周围车辆的运动信息；

2)对自动驾驶车辆及周围车辆的未来运动进行预测，得到自动驾驶车辆及周围车辆的预测轨迹；

3)建立单车道上的危险度评估函数，评估同一车道上的危险度；

4)提出一个新的危险度指标，将单车道上的危险度评估函数扩展到多车道工况下，得到多车道下的危险度评估函数；

5)对预测轨迹进行离散化处理，根据多车道工况下的危险度评估函数，利用加权平均的方法得到多车道上的自动驾驶车辆的综合危险度。

2.根据权利要求1所述的多车道下自动驾驶车辆综合危险度评估方法，其特征在于，所述步骤1)中的运动信息包括：全局坐标系下的位置信息、速度信息及横摆角信息。

3.根据权利要求1所述的多车道下自动驾驶车辆综合危险度评估方法，其特征在于，所述步骤2)中对自动驾驶车辆及周围车辆的未来运动进行预测具体包括如下步骤：

21)得到当前时刻k周围车辆在各个车道上的运动分布

22)根据周围车辆的侧向速度确定由当前时刻到下一时刻的状态转移矩阵

23)根据上述状态转移矩阵及周围车辆的位置q_k进行状态量的更新，得到下一时刻k+1周围车辆在各车道上的运动分布

4.根据权利要求1所述的多车道下自动驾驶车辆综合危险度评估方法，其特征在于，所述步骤3)中建立单车道上的危险度评估函数，具体包括如下步骤：

31)通过两车辆间的安全距离，建立出自动驾驶车辆单车道上的危险度评估函数，该函数包括车头时距TH和距离碰撞时间TTC的信息，具体如下：

k时刻，两车辆间的标准安全距离D_sf(t)，是指前车以一定减速度突然制动，后车反应后紧接着制动，当两车静止后，依然保持2～5m的间隙时所对应的车距，如下：

其中：v_e(t)是自动驾驶车辆速度；τ是自动驾驶系统的反应时间，包括自动驾驶系统的反映时间τ₁及制动器消除间隙的时间τ₂,τ＝τ₁₊τ₂；d_e(t)是自动驾驶车辆的减速度，v_s(t)是前车的速度；d_s(t)是前车的减速度，G是停车后两车之间的间隙，取值为2～5m；

当两车辆间实际距离为D_es(t)，单车道上的危险度评估函数ξ表示为：

车辆的减速度为0.75g，其中g为重力加速度，分解如下：

TTC与TH的定义如下：

则对应的单车道上的危险度评估函数用TH与TTC表示如下：

5.根据权利要求1所述的多车道下自动驾驶车辆综合危险度评估方法，其特征在于，所述步骤4)具体步骤包括：

41)引入距离自动驾驶车辆前方时间TTF，将单车道上的危险度评估函数扩展到多车道上；

周围车辆的转向半径：

其中，l_r为车辆的轴距，为周围车辆对应的横摆角；

则运动到自动驾驶车辆前方的时间TTF为：

其中，Δy为当前时刻自车与周围车辆对应的纵向偏差；v_s为周围车辆的速度；

42)根据上述指标TH，TTC，TTF，得到多车道上的危险度评估函数，并对各系数进行赋值，使得该评估函数能反映车辆当前时刻的客观危险信息；

得到最终的危险度评估函数：

其中，S_r为道路安全系数；b为限幅系数；t_b是刹车时间。

6.根据权利要求1所述的多车道下自动驾驶车辆综合危险度评估方法，其特征在于，所述步骤5)具体包括：

51)对预测轨迹的离散化；

52)对离散化后的各点根据危险度评估函数分别求各点瞬时危险度并进行加权平均，该期望即为车辆当前时刻k的综合危险度R_k，其反映车辆未来一段时域的综合危险情况，具体如下：

其中，N_p为未来这段时域的长度，γ为权重因子，F_k+t为未来k+t时刻对应的危险度。