CN110356404A - 一种具有自主换道功能并提高侧向安全性的智能驾驶系统 - Google Patents
一种具有自主换道功能并提高侧向安全性的智能驾驶系统 Download PDFInfo
- Publication number
- CN110356404A CN110356404A CN201910449941.6A CN201910449941A CN110356404A CN 110356404 A CN110356404 A CN 110356404A CN 201910449941 A CN201910449941 A CN 201910449941A CN 110356404 A CN110356404 A CN 110356404A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- lane
- acceleration
- speed
- change
- 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
- 230000001133 acceleration Effects 0.000 claims abstract description 100
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000012546 transfer Methods 0.000 claims abstract description 11
- 238000004458 analytical method Methods 0.000 claims description 20
- 239000011159 matrix material Substances 0.000 claims description 13
- 238000006073 displacement reaction Methods 0.000 claims description 12
- 238000000926 separation method Methods 0.000 claims description 12
- 239000002245 particle Substances 0.000 claims description 9
- 238000007405 data analysis Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 5
- 238000005096 rolling process Methods 0.000 claims description 4
- 238000002474 experimental method Methods 0.000 claims description 3
- 238000000465 moulding Methods 0.000 claims description 3
- 238000011897 real-time detection Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 2
- 230000035484 reaction time Effects 0.000 claims description 2
- 238000013461 design Methods 0.000 abstract description 10
- 230000006870 function Effects 0.000 description 10
- 230000006399 behavior Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 241000153246 Anteros Species 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 235000015170 shellfish Nutrition 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/04—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units
- B60W10/06—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units including control of combustion engines
-
- 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
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/18—Conjoint control of vehicle sub-units of different type or different function including control of braking systems
-
- 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
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/20—Conjoint control of vehicle sub-units of different type or different function including control of steering systems
-
- 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
- B60W30/02—Control of vehicle driving stability
- B60W30/045—Improving turning performance
-
- 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
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
- B60W40/107—Longitudinal acceleration
-
- 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
-
- 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
- B60W2554/801—Lateral distance
-
- 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
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/06—Combustion engines, Gas turbines
- B60W2710/0605—Throttle position
-
- 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
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/18—Braking system
- B60W2710/182—Brake pressure, e.g. of fluid or between pad and disc
-
- 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
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/20—Steering systems
-
- 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
- B60W2720/00—Output or target parameters relating to overall vehicle dynamics
- B60W2720/10—Longitudinal speed
Landscapes
- Engineering & Computer Science (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明为一种新型智能驾驶系统。具体涉及到智能车辆在转向和换道行驶过程中的横向主动安全。主要体现在车辆转向过程中车辆自身的稳定性以及在多车道条件下实现安全换道。该系统由决策规划模块、转向控制模块与速度控制模块组成。为实现车辆换道安全,决策规划模块通过计算相应的速度与轨迹,并驱动下层的转向与速度控制器实现车辆在换道条件下的安全换道行为,防止与交通环境中的各个车辆发生任意形式的碰撞。此外为提高车辆转向过程中自身车辆的安全性,通过对转向控制器的设计中引入对车辆侧向加速度、横向转移率、横摆角速度和质心侧偏角的约束条件来提高车辆在转向过程中的稳定性,减小可能发生侧偏、侧滑以及侧翻等安全风险。
Description
技术领域:
本发明涉及智能车辆控制与辅助驾驶领域,主要完成在具有复杂道路环境下,智能车辆实现安全自主换道,并提高转向过程安全性、稳定性和舒适性。
背景技术:
在辅助驾驶系统中,驾驶员模型的作用是对驾驶员的驾驶行为提供参考和依据,必要情况下可以在某些工况中替代驾驶员实现半自动驾驶。早在上世纪50年代,国外研究人员首次提出驾驶员模型的概念。驾驶员模型包括纵向驾驶员模型、横向驾驶员模型、复合驾驶员模型。从建模方法上看,驾驶员建模方法按时间顺序可分为传递函数法、智能控制理论法、最优控制理论法和基于人工智能与数据的建模方法。传递函数法是最传统的建模方法,根据是否存在驾驶员的前视行为,驾驶员模型可分为补偿跟踪模型和预瞄跟踪模型。其缺点是参数单一、鲁棒性差,难以适应多种驾驶条件。模糊控制与人工神经网络控制等智能控制算法可以满足车辆的转向与速度控制条件,但过分依赖专家经验,需要进行大量的调试过程才能得出能适应某一具体工况下的控制参数,且难以保证车辆其他状态变量的稳定。基于最优控制理论、模型预测控制理论的驾驶员模型,将被控变量的偏差与控制量的加权和作为最优控制量的性能指标,同时结合车辆状态变量的约束条件,也能达到良好的控制效果,缺点是该方法依赖精确的被控对象的模型,且计算量大,而车辆动力学模型非线性强,且不易描述。伴随着人工智能技术的兴起,基于数据和机器学习的驾驶员的建模也是近年来一种新兴的建模方法。如贝叶斯网络算法、支持向量机以及各种深度学习算法等,其优点是其驾驶员模型来源于人类驾驶员的行驶数据、可以更好的贴近人类驾驶员的特性。缺点是需要采集大量的驾驶员数据,且训练周期长。
针对转向过程的行车安全的研究也是一大热点。根据车辆运动的维度,转向安全包括车辆的横摆、侧倾、侧向稳定性以及在行驶过程中的安全驾驶行为。针对车辆转向时的侧向稳定性,当前国内外主要工作内容是设计各种辅助控制器,如横摆转矩控制器、防侧倾控制器等,即针对车辆本身设计辅助控制算法来辅助驾驶员安全,提高车辆的侧向稳定性。通常侧向安全指标包括质心侧偏角、横摆率、侧向加速度和横载转移率等。而据统计,造成交通事故的主要原因是人类驾驶员的误操作,从驾驶员模型本身来防止侧向失稳的研究还很少。针对转向时的安全驾驶行为的研究,当前主要根据本车速度、前车速度及其他交通环境等约束,建立保持一个合理的车间距的过程,保证宏观车流的稳定。
在对驾驶员转向行为模型的研究中,模型的输出控制量主要是方向盘的转角。但在驾驶员实际驾驶过程中,为完成某一驾驶目标不仅需要转动方向盘。特别是在换道行驶过程中,驾驶员在操控方向盘的同时也会对油门和制动踏板、档位进行操作完成纵向速度的调整。在对车辆横向安全的车辆与驾驶员特性的研究中,大多只考虑到的安全性指标比较单一。即只考虑车辆侧翻,车道偏离或者道路保持等指标中的一项。而实际车辆驾驶过程中需要对这些安全指标进行综合考量。
发明内容:
本发明设计一种新型智能驾驶系统,用于提高车辆转向安全性、稳定性和舒适性,并具备主动安全换道的功能。
本发明主要通过以下技术方案实现:
一种具有自主换道功能并提高侧向安全性的智能驾驶系统,该系统包括:速度控制模块、转向控制模块、决策规划模块三个部分,决策规划模块由传感器数据分析与提取子模块、换道条件分析子模块、车速调整控制子模块和期望轨迹发生器组成;决策规划模块通过采集和分析交通环境中车流信息,判断当前交通状况下是否具备换道行驶的条件并计算当前时刻车辆的期望行驶轨迹与速度,并将其传递给其下层的速度控制模块与转向控制模块,速度控制模块与转向控制模块分别驱动汽车的油门开度踏板、制动压力踏板和方向盘,实现车辆的加速、减速与转向;
当装备该智能驾驶系统的实验车在当前车道中遭遇前方慢速行驶的车辆或者突然制动时,所述的智能驾驶系统将采取如下工作流程:
S1:装备智能驾驶系统的实验车保持正常定速行驶,各个车载传感器实时检测车辆状态和交通状况;当行驶过程中与前车的距离已经达到两车间的安全间距内后,该智能驾驶系统采取换道行驶模式;
S2:车辆进入换道模式后,首先换道条件分析子模块输出车速调整指令给车速调整控制模块,车速调整控制模块对智能车车速进行调整,调整智能车与前方慢速行驶的车辆之间的距离和相对速度;
同时传感数据分析与提取模块采集各个车道的侧向位移、与各个车道中的交通车辆的速度、加速度以及与本实验车的纵向间距,并优先选择平均车速较快的一侧车道作为拟采取换道措施的目标车道,并将目标车道前车的车速vLd、加速度aLd和间距ΔDLd,目标车道后车的车速vFd、加速度aFd和间距ΔDFd,原车道前车的车速vLo、加速度aLo和间距ΔDLo提供给换道条件分析模块;
S3:换道条件分析模块根据目标车道的环境车辆的位移、速度与加速度信息,计算实验车M驶入目标车道应采取的加速度范围;其换道条件和大小为:
如果vM≥vLd≥vFd且ΔDLd≥dls时,加速度上下限为:
如果vLd≥vM≥vFd且ΔDLd≥dls时,加速度上下限为:
如果vLd≥vM≥vFd且ΔDLd<dls时,加速度上下限为:
如果vLd≥vFd≥vM且ΔDLd<dls且ΔDFd>dfs时,加速度上下限为:
如果vLd≥vFd≥vM且ΔDLd>dls且ΔDFd>dfs时,加速度上下限为:
其中,τr为系统反应时间,dls和dfs为智能车前向与后向的安全距离;定义asmax和asmin为车辆系统和驾驶员可承受的最大加速度和最小加速度,则若加速度范围满足如下条件:
则说明加速度范围存在且合理,当前时刻智能车采取的加速度应在umin至umax范围内执行换道操作;且除以上五种情况外的其他道路情况,系统均不采取换道措施;
S4:当目标车道换道可行后,速度调整控制子模块则根据S3中计算出的加速度范围、以及自车速度与加速度、目标车道前车的速度和间距等信息,计算驶入目标车道应采取的期望加速度,用来调整本车与目标车道前车的间距和本车车速,期望加速度将提供给速度控制模块来实现对车速的操控;期望轨迹发生器则根据原车道中心线的路面坐标与目标车道中心线的路面坐标更新换道行驶的轨迹,并将其轨迹信息提供给转向控制模块;转向控制模块采用线性时变模型预测控制算法,在保证准确跟踪期望轨迹的同时,通过考虑车辆执行侧偏角、横摆角速度、侧向加速度以及横向转移率等约束条件,提高车辆侧向稳定性,减小车辆发生侧偏、侧翻和甩尾等风险,最终该智能驾驶系统实现了换道行驶的驾驶任务;
S5.车辆驶入目标车道后,继续调整轨迹、车速以及与前车的间距,直至三者稳定后换道任务正式结束。
所述的期望加速度用以下方法确定:
智能车将以自车与前车的运动关系为被控对象,调整前后两车的间距和相对速度,两车间的运动关系满足:
其中,ΔDL为前后两车间距,vL为前车车速,aL为前车加速度,vr为前后车相对速度, aM为本车加速度,aMd为本车期望加速度,τ为惯性系数。根据模型预测控制理论,定义状态量X=[ΔDL vr vM aM]T,控制量u=aMd,扰动量d=aL,系统输出y=[ΔD vr]T,上述线性方程经预测时域p和控制时域m内滚动优化后可得出预测方程为:
Yp(k+1)=SxΔX(k)+SCX(k)+SdΔaL(k)+SuΔU(k)
式中,Yp(k+1)为系统的输出序列,ΔX(k)与ΔaL(k)为状态X和扰动aL的控制增量,ΔU(k)为控制量aMd的控制序列,Sx,Sc,Sd和Su为预测方程的系数矩阵。定义参考输入量为R(k+1),结合权利要求2所述的加速度区间的约束条件可定义系统的性能指标为:
minJ=[Yp(k+1)-R(k+1)]TQ[Yp(k+1)-R(k+1)]+ΔU(k)TSΔU(k)
其中,Q,S为对应项的权重矩阵,通过二次规划算法对性能指标求解,可计算出期望加速度最优解
所述的期望轨迹由四次贝塞尔曲线结合粒子群算法实施;通过在道路中选取贝塞尔关键点P1(x1,y1)~P5(x5,y5),并设置优化指标:
式中,ρ(x)与为贝塞尔曲线的曲率及其导数,B(x)与S(x)分别为贝塞尔曲线函数和结构线函数,γ为过P3点的切线与x轴的夹角;而ωi为各个性能指标的权系数;为使性能指标尽快达到最优结果,采用粒子群算法求解各个贝塞尔关键点的最优坐标最后根据贝塞尔曲线公式,得出车辆换道过程的参考轨迹:
所述的转向控制模块通过考虑车辆质心侧偏角、横摆角速度、侧向加速度以及横向转移率等约束条件,提高车辆侧向稳定性,减小车辆发生侧偏、侧翻和甩尾等风险,通常用简化的车辆三自由度动力学模型状态方程表示为:
式中,ξ为车辆动力学系统的主要状态,包括侧向速度vy、纵向速度vx、横摆角ψ、横摆角速度r、侧向位移Y、纵向位移X;定义车辆前轮转角δ为控制量u;车辆的侧向位移Y与巡航角ψ为系统的被控变量η,h为输出矩阵,将系统线性化、离散化、增量化后并经过预测时域Np,控制时域Nc内不断迭代后,得出系统的预测方程为:
式中,Yp(k+1)为系统的输出序列,ΔU(k)为控制量δ的控制序列,Φ(k)为线性化误差,Ψ、θ和Г为对应的参数矩阵。定义系统的参考输入值为Yref,并令车辆的侧向输出η、控制量U、控制增量ΔU、质心侧偏角β、横摆角速度r、侧向加速度ay以及横向转移率LTR 满足约束条件:
式中,εi和zimin、zimax分别为弹性约束因子和弹性约束上下限,i=ΔU,U,β,r,ay,LTR,定义控制算法的性能指标为:
J=[Yp(k+1)-Yref]TQ[Yp(k+1)-Yref]+ΔU(k)TRΔU(k)+εTρε
式中,Q、R和ρ为对应的权重系数,通过求解性能指标与约束条件的二次规划最优解,可得出期望的前轮转角δ*,而对应的方向盘转角通常与前轮转角为线性关系G,故转向控制模块最终的方向盘转角为
附图说明:
图1为智能驾驶系统的总体结构;
图2为换道过程中实验车周边环境车辆布局结构;
图3为换道过程中本车与目标车道前车(上图)与后车(下图)运动关系;
图4为路径规划原理图;
图5为速度控制模块的系统结构;
图6为车辆双移线工况下换道轨迹实验结果;
图7为车辆双移线工况下横载转移率、侧向加速度、质心侧偏角与横摆率的实验结果;
图8为车辆主动换道过程中的换道轨迹与纵向速度的实验结果;
图9为车辆主动换道过程中与交通车流中的安全间距的实验结果。
具体实施方案:
下面结合附图来具体描述本发明的实施方式,其中附图也构成本申请一部分,并与本发明的实施例一起用于阐述本发明的原理。
本发明的一个具体实施例,公开了一种新型智能驾驶系统,该系统用于提高车辆行驶过程中的安全性、稳定性和舒适性,并具有自主选择换道的功能。其结构如图1所示,该系统包括转向控制模块、速度控制模块、决策规划模块。决策规划模块由传感器数据分析与提取子模块、换道条件分析子模块、车速调整控制子模块和期望轨迹发生器组成;决策规划模块通过采集和分析交通环境中车流信息,判断当前交通状况下是否具备换道行驶的条件并计算当前时刻车辆的期望行驶轨迹与速度,并将其传递给其下层的速度控制模块与转向控制模块,速度控制模块与转向控制模块分别驱动汽车的油门开度踏板、制动压力踏板和方向盘,实现车辆的加速、减速与转向。当装备该智能驾驶系统的实验车在当前车道中遭遇前方慢速行驶的车辆或者当前车突然制动时,所述的智能驾驶系统将采取如下工作流程为:
S1:装备智能驾驶系统的实验车保持正常定速行驶,各个车载传感器实时检测车辆状态和交通状况;当行驶过程中与前车的距离已经达到两车间的安全间距内后,该智能驾驶系统采取换道行驶模式;
S2:车辆进入换道模式后,首先换道条件分析子模块输出车速调整指令给车速调整控制子模块,车速调整控制子模块对智能车车速进行调整,调整智能车与前方慢速行驶的车辆之间的距离和相对速度;
同时传感数据分析与提取子模块采集各个车道的侧向位移、与各个车道中的交通车辆的速度、加速度以及与本实验车的纵向间距,并优先选择平均车速较快的一侧车道作为拟采取换道措施的目标车道,并将目标车道前车的车速vLd、加速度aLd和间距ΔDLd,目标车道后车的车速vFd、加速度aFd和间距ΔDFd,原车道前车的车速vLo、加速度aLo和间距ΔDLo提供给换道条件分析子模块;
S3:换道条件分析子模块根据目标车道中的前后交通车辆的位移、速度与加速度信息,计算实验车驶入该车道时应采取的加速度范围。当该加速度范围合理且满足车辆行驶的需要时,则说明此时具备向该车道实施换道的条件,换道条件分析模块输出换道执行指令,同时将加速度上下限以及目标车道前车的间距、速度、加速度传递给车速调整控制子模块。
换道条件分析子模块的设计
换道条件分析子模块接收目标车道的车辆状态信息,包括该车道中位于智能车前方的交通车辆的车速vLd、加速度aLd和间距ΔDLd,目标车道后方车辆的车速vFd、加速度aFd和间距ΔDFd,以及实验车换道开始前其前方交通车的车速vLo、加速度aLo和间距ΔDLo,目标车道的侧向轨迹Yld、原车道侧向位移Yld提供给换道条件分析子模块,用于计算不同状态下智能车驶入目标车道的加速度范围。
假设换道之初车辆的分布如图2所示,图中M为实验车,Fd与Ld为目标车道前车与后车,Lo为原车道的前车。假设智能车正常行驶过程中保持定速巡航状态,此时车速调整控制子模块输出期望加速度为0。当智能车驶入与前车的安全距离dls内,即ΔDLo≤dls时。换道条件分析子模块输出车速调整指令给车速调整控制子模块,车速调整控制子模块以前车Lo为跟车对象调整两车的间距和相对速度。
为保证换道过程中实验车与目标车道前车和后车不发生碰撞,根据图3所示的车辆行驶路程,前后两车的行驶路程和两车之间的安全间距应满足:
SM、SFd和SLd为车辆在换道期间的路程,ΔDld与ΔDfd为实验车与前车Ld和后车Fd的间距。dls与dfs分别为实验车的前方安全距离与后方安全距离,设τr为智能车系统的总体反应时间。则智能车驶入该车道时应采取的加速度区间a∈[aminamax]应满足:
当车速满足:vM≥vLd≥vFd,智能车向目标车道减速换道行驶时,此时为保证车辆行驶到目标车道后与前后车车间距依然大于车辆M的安全距离,此时结合上式满足
当ΔDld<dls时,由于此时前车Ld与智能车的间距小于安全距离。此时换道与前车发生碰撞的风险较大,故不采取换道措施。相反,当ΔDld<dls时,则车辆M的加速度上下限为:
当车辆中的车速条件为:vLd≥vFd≥vM,车辆M向目标车道加速换道行驶时,此时车间距满足:
若此时ΔDfd<dfs,智能车后方安全间距不足可能会有与后车Fd发生碰撞风险,故不做任何换道。相反,若满足的ΔDfd≥dfs且ΔDld<dls,则:
若ΔDfd≥dfs且ΔDld≥dls且,则智能车的加速度区间为:
当车速条件限制为:vLd≥vM≥vFd,智能车会匀速或加速向目标车道换道行驶,此时车辆无需考虑与目标车道后车的碰撞问题,只考虑与前车的安全间距。其车间距只需满足条件:
当ΔDld<dls时,加速度区间满足:
若ΔDld≥dls时,加速度区间为:
式中,asmax与asmin为智能车系统的极限加速度上限和下限,为保证上式计算的加速度区间符合智能车正常的行驶范围,需满足:
此时,加速度范围存在且合理,换道条件分析子模块输出换道执行指令信号给期望轨迹发生器,同时将前车Ld的间距、车速和加速度传递给车速调整控制子模块。车速调整控制子模块在收到执行换道的指令后在加速度umin至umax范围内,以前车Ld为跟车对象调整二者的间距和速度。而期望轨迹发生器则根据目标车道的路径重新规划轨迹。
前文中提到的dls与dfs定义为:
dfs=d0=(22style+11)/(6Φ+1)
式中style代表该驾驶系统的驾驶风格,数字0-1表示其风格从激进到保守。Φ是路面附着系数。
S4:当目标车道换道可行后,速度调整控制子模块则根据S3中计算出的加速度范围、以及自车速度与加速度、目标车道前车的速度和间距等信息,计算驶入目标车道应采取的期望加速度,用来调整本车与目标车道前车的间距和本车车速,期望加速度将提供给速度控制模块来实现对车速的操控;期望轨迹发生器则根据原车道中心线的路面坐标与目标车道中心线的路面坐标更新换道行驶的轨迹,并将其轨迹信息提供给转向控制模块;转向控制模块采用线性时变模型预测控制算法,在保证准确跟踪期望轨迹的同时,通过考虑车辆质心侧偏角、横摆角速度、侧向加速度以及横向转移率等约束条件,提高车辆侧向稳定性,减小车辆发生侧偏、侧翻和甩尾等风险,最终该智能驾驶系统实现了换道行驶的驾驶任务。
车速调整控制子模块的设计
车速调整控制子模块主要调整前后两车的间距和速度关系,在换道之前调整智能车与前车Lo的间距和相对速度,换道开始后便以前车Ld为跟车目标进行车速和间距的调整。即无论智能车在哪条车道,智能车始终与所在车道的前车保持一定的安全距离以防止追尾事故的发生。因此在实际车辆行驶过程中,前后两车运动关系满足:
式中,ΔDL为前后两车间距,vL为前车车速,aL为前车加速度,vr为前后车相对速度, aM为本车加速度,aMd为本车期望加速度,τ为惯性系数。将上式转换为状态空间表达式形式,定义状态量X=[ΔD vr vM aM]T,控制量u=aMd,扰动量d=aL,系统输出Y= [ΔD vr]T,上述方程可整理成状态空间表达式:
取采样周期T,取增量式进行算法设计,因此系统离散化后结果为:
其中,Ad=I+TA,Bdu=TBu,Bdi=TBi,Cd=C。同样采用滚动优化的方法,将上述状态空间表达式不断迭代,得出在预测时域p与控制时域m内的预测方程为:
Yp(k+1)=SxΔX(k)+SCX(k)+SdΔaL(k)+SuΔU(k)
此处,Yp(k+1)、ΔU(k)以及预测矩阵Sx、Sc、Sd和Su的表达形式分别如下:
为了满足所要达到的控制目标,这定义控制器的参考输入r(k+i)=[Ddes(k)0]T,其中Ddes(k)此处定义为期望安全间距dls,期望两车速度差vr为0。定义速度控制系统的性能指标与控制量约束为:
同样采用二次规划程序进行求解得到最优控制解
速度控制模块的设计
速度控制模块用于完成对指定的车辆加速度的控制。对车辆加速度的控制由发动机节气门开度和车轮制动压力来实现。由于车辆动力系统由发动机系统和轮胎制动系统组成,因此针对汽车驱动和制动两种工况下的加速度控制器需分别设计。
驱动控制器采用模糊PID控制算法根据期望加速度与实际加速度的偏差计算发动机的期望输出转矩,然后结合发动机MAP特性计算出此时应采取的节气门开度,即油门踏板的踩踏强度。
制动控制器则采用单神经PID通常根据期望的制动加速度,求得期望制动力矩,继而通过轮胎制动系统逆向模型求得期望的轮岗制动压力施加于被控车辆进行制动控制。速度控制模块的整体结构如图5所示。
期望轨迹发生器的设计
轨迹发生器在接收到换道实施的指令信号后,采用4次贝塞尔曲线与粒子群算法对参考轨迹重规划。以实施左侧换道为例,轨迹规划的基本原理如图4所示,假设当前车道为直线双车道,大地坐标X轴与车道线平行,Y轴垂直于车道线。Ylo与Yld分别为原车道线与目标车道线的Y坐标。图中Pi为各个主要路径关键节点的坐标。其各个点的特征如下:
P1(x1,y1):智能车的车头中心点,重规划轨迹的起点,其中y1=Ylo;
P6(x6,y6):位于前车外接矩形的左后侧顶点,智能车在换道过程中与该点发生剐蹭的可能性最大,且P6(x6,y6)=(x1+ΔDlo,Ylo+2/Tw),ΔDlo为当前时刻前后两车的间距,Tw为前车外接矩形的宽度。
P3(x3,y3):智能车换道轨迹中距离P6最近的一个点,定义两点间的距离为R。
P2(x2,y2):原车道线上任意一点,且直线P2P3与直线P3P6垂直,y2=Ylo。
P4(x4,y4):目标车道线上任意一点,且直线P3P4与直线P3P6垂直,y4=Yld。
P5(x5,y5):目标车道线上任意一点,y5=Yld,该点也是轨迹规划的终点。
由于P2、P3、P4与P6互相关联,P1和P6的实际位置已知,在实际求解参考轨迹时只需计算出P3与P5的横坐标x3与x5即可计算出新的规划轨迹。因此本文将通过粒子群算法优化性能指标的方式寻找最优的参考轨迹,并定义优化性能指标为:
式中,ρ(x)与为贝塞尔曲线的曲率及其导数,B(x)与S(x)分别为贝塞尔曲线函数和结构线函数,γ为过P3点的切线与x轴的夹角。而ωi为各个性能指标的权系数。而粒子群算法是一种群类智能算法,定义种群个数N,最大迭代次数为M,每个粒子的位置属性Xi=[x3x5]T,速度属性vi=[Δx3Δx5]T,其中Δx3与Δx5为参数x3和x5的变化增量。每个粒子的根据其个体最优解Pbest和所有粒子的全局最优解Gbest调整该粒子的速度和位置。该算法每个粒子的位置Xi和速度vi的更新公式为:
vi=ωvi+C1rand(0,1)(Pi-Xi)+C2rand(0,1)(Pg-Xi)
Xi=Xi+vi
式中,ω为惯性因子,C1和C2为加速常数,Pi和Pg为个体最优极值和全局最优极值,下标i表示第i个个体,经若干次迭代可计算出最优解和进而可获得所有最优关键点而车辆换道的参考轨迹最终为:
轨迹发生器输出新参考轨迹输出到转向控制模块中,转向控制模块将对新的期望轨迹继续实施跟踪。
转向控制模块的设计
建立的准确的转向控制模块需要对被控对象进行清晰准确的描述。本文采用三自由度车辆动力学模型用来推导其对应的预测模型,其模型方程为:
式中,vx为车辆的纵向速度,vy为车辆的侧向速度,ψ为车辆横摆角,r为车辆的横摆角速度,X、Y为车辆的地面坐标。δ是汽车前轮转角,其与方向盘转角δsw之间的线性系数G,m是车辆的整体质量,Iz代表车辆z轴的转动惯量。a、b分别为质心到车轮前后轴的轴距。 Kf,r与Cf,r分别为前后轮胎的纵向刚度与侧向刚度。Sf,r为前后轮胎的滑移率。取状态变量ξ为:vy、vx、ψ、r、Y、X。设前轮转角δ为控制量u。车辆的侧向位移与巡航角为系统的被控变量η,因此上述连续控制系统的状态空间方程可以表示为:
式中,h矩阵为系统输出矩阵。假设当前系统的状态量和控制量分别为和令系统在当前工作点处线性化,可得:
取离散系统采样时间为Ts,将上式连续系统离散化后状态空间方程为:
ξ(k+1)=Aξ(k)+Bu(k-1)+dk
式中的A、B为系统离散化后的状态矩阵和输入矩阵,dk为线性化误差,分别为:
在模型预测控制算法中,往往计算系统的控制增量Δu(k),因此对原系统状态方程做出新的变换。
式中,各个符号含义为:
根据滚动优化理论,取预测时域Np,控制时域Nc,令系统方程在指定时域内滚动优化后,最终系统在指定时域内的系统方程为:
其中:
为了提高系统的控制精度,同时实现转向控制系统对车辆侧向安全性、稳定性和舒适性的要求,本文取系统的输出精度,控制增量的幅度为性能指标,同时选取侧向输出η、控制量U、控制增量ΔU、质心侧偏角β、横摆角速度r、侧向加速度ay以及横向转移率LTR 作为主要约束条件。此外,为保证转向控制算法在约束范围内始终有解,定义εi和zimin、 zimax分别为对应约束变量的弹性约束因子和弹性约束上下限,最终系统的性能指标和约束条件可以表示为:
横向转移率LTR为衡量侧倾稳定性的重要指标,其函数形式为:
式中,g代表重力加速度,是车辆的侧倾角度,ms是车辆簧载质量,h为侧倾臂长,H代表簧载质心距离地面的高度,T表示车辆宽度。定义期望轨迹发生器产生的期望轨迹用ηref=[ψ* Y*]T来表示。通过对二次规划问题的求解,可以得出在控制时域内的最优控制率和松弛因子,取首个控制量作为控制增量作用于被控车辆,可得最优控制率u*。因为方向盘与前轮转角的关系通常为一比例系数G,故方向盘转角的最优解为:
uSW *(k)=Gu*(k)
本发明在模拟车辆行驶速度为90km/h条件下的轨迹跟踪与主要约束状态的效果依次如图6与图7所示。并对比了当转向此控制模块无约束条件(UC)、和带约束条件(SC)下的控制效果。结果表明,考虑到以上约束条件的控制模块大大提高了转向过程中的稳定性与精确性。在换道工况下,本发明通过设置激进(style=0)、适中(style=0.5)和保守(style=1)三种不同类型驾驶风格的驾驶系统进行换道的验证,换道行驶过程中车辆行驶轨迹和智能车在换道过程中与原车道前车Lo、目标车道前车Ld和目标车道后车Fd之间的距离等结果由图8和图9所示,该结果表明本驾驶系统可实现在复杂路况下的换道工况。
S5.车辆驶入目标车道后,继续调整轨迹、车速以及与前车的间距,直至三者稳定后换道任务正式结束。
Claims (4)
1.一种具有自主换道功能并提高侧向安全性的智能驾驶系统,其特征在于,该系统包括:速度控制模块、转向控制模块、决策规划模块三个部分,决策规划模块由传感器数据分析与提取子模块、换道条件分析子模块、车速调整控制子模块和期望轨迹发生器组成;决策规划模块通过采集和分析交通环境中车流信息,判断当前交通状况下是否具备换道行驶的条件并计算当前时刻车辆的期望行驶轨迹与速度,并将其传递给其下层的速度控制模块与转向控制模块,速度控制模块与转向控制模块分别驱动汽车的油门开度踏板、制动压力踏板和方向盘,实现车辆的加速、减速与转向;
当装备该智能驾驶系统的实验车在当前车道中遭遇前方慢速行驶的车辆或者突然制动时,所述的智能驾驶系统将采取如下工作流程:
S1:装备智能驾驶系统的实验车保持正常定速行驶,各个车载传感器实时检测车辆状态和交通状况;当行驶过程中与前车的距离已经达到两车间的安全间距内后,该智能驾驶系统采取换道行驶模式;
S2:车辆进入换道模式后,首先换道条件分析子模块输出车速调整指令给车速调整控制模块,车速调整控制模块对智能车车速进行调整,调整智能车与前方慢速行驶的车辆之间的距离和相对速度;
同时传感数据分析与提取模块采集各个车道的侧向位移、与各个车道中的交通车辆的速度、加速度以及与本实验车的纵向间距,并优先选择平均车速较快的一侧车道作为拟采取换道措施的目标车道,并将目标车道前车的车速vLd、加速度aLd和间距ΔDLd,目标车道后车的车速vFd、加速度αFd和间距ΔDFd,原车道前车的车速vLo、加速度αLo和间距ΔDLo提供给换道条件分析模块;
S3:换道条件分析模块根据目标车道的环境车辆的位移、速度与加速度信息,计算实验车M驶入目标车道应采取的加速度范围;其换道条件和大小为:
如果vM≥vLd≥vFd且ΔDLd≥dls时,加速度上下限为:
如果vLd≥vM≥vFd且ΔDLd≥dls时,加速度上下限为:
如果vLd≥vM≥vFd且ΔDLd<dls时,加速度上下限为:
如果vLd≥vFd≤vM且ΔDLd<dls且ΔDFd>dfs时,加速度上下限为:
如果vLd≥vFd≥vM且ΔDLd>dls且ΔDFd>dfs时,加速度上下限为:
其中,τr为系统反应时间,dls和dfs为智能车前向与后向的安全距离;定义asmax和αsmin为车辆系统和驾驶员可承受的最大加速度和最小加速度,则若加速度范围满足如下条件:
则说明加速度范围存在且合理,当前时刻智能车采取的加速度应在umin至umax范围内执行换道操作;且除以上五种情况外的其他道路情况,系统均不采取换道措施;
S4:当目标车道换道可行后,速度调整控制子模块则根据S3中计算出的加速度范围、以及自车速度与加速度、目标车道前车的速度和间距等信息,计算驶入目标车道应采取的期望加速度,用来调整本车与目标车道前车的间距和本车车速,期望加速度将提供给速度控制模块来实现对车速的操控;期望轨迹发生器则根据原车道中心线的路面坐标与目标车道中心线的路面坐标更新换道行驶的轨迹,并将其轨迹信息提供给转向控制模块;转向控制模块采用线性时变模型预测控制算法,在保证准确跟踪期望轨迹的同时,通过考虑车辆执行侧偏角、横摆角速度、侧向加速度以及横向转移率等约束条件,提高车辆侧向稳定性,减小车辆发生侧偏、侧翻和甩尾等风险,最终该智能驾驶系统实现了换道行驶的驾驶任务;
S5.车辆驶入目标车道后,继续调整轨迹、车速以及与前车的间距,直至三者稳定后换道任务正式结束。
2.根据权利要求1中所述一种具有自主换道功能并提高侧向安全性的智能驾驶系统,其特征在于,所述的期望加速度用以下方法确定:
智能车将以自车与前车的运动关系为被控对象,调整前后两车的间距和相对速度,两车间的运动关系满足:
其中,ΔDL为前后两车间距,vL为前车车速,aL为前车加速度,vr为前后车相对速度,αM为本车加速度,aMd为本车期望加速度,τ为惯性系数。根据模型预测控制理论,定义状态量X=[ΔDLvrvMaM]T,控制量u=aMd,扰动量d=aL,系统输出y=[ΔD vr]T,上述线性方程经预测时域p和控制时域m内滚动优化后可得出预测方程为:
Yp(k+1)=SxΔX(k)+SCX(k)+SdΔaL(k)+SuΔU(k)
式中,Yp(k+1)为系统的输出序列,ΔX(k)与ΔaL(k)为状态X和扰动aL的控制增量,ΔU(k)为控制量aMd的控制序列,Sx,Sc,Sd和Su为预测方程的系数矩阵;定义参考输入量为R(k+1),结合权利要求2所述的加速度区间的约束条件可定义系统的性能指标为:
minJ=[Yp(k+1)-R(k+1)]TQ[Yp(k+1)-R(k+1)]+ΔU(k)TSΔU(k)
其中,Q,S为对应项的权重矩阵,通过二次规划算法对性能指标求解,可计算出期望加速度最优解
3.根据权利要求1中所述根据权利要求1中所述一种具有自主换道功能并提高侧向安全性的智能驾驶系统,其特征在于,所述的期望轨迹由四次贝塞尔曲线结合粒子群算法实施;通过在道路中选取贝塞尔关键点P1(x1,y1)~P5(x5,y5),并设置优化指标:
式中,ρ(x)与为贝塞尔曲线的曲率及其导数,B(x)与S(x)分别为贝塞尔曲线函数和结构线函数,γ为过P3点的切线与x轴的夹角;而ωi为各个性能指标的权系数;为使性能指标尽快达到最优结果,采用粒子群算法求解各个贝塞尔关键点的最优坐标最后根据贝塞尔曲线公式,得出车辆换道过程的参考轨迹:
4.根据权利要求1中所述根据权利要求1中所述一种具有自主换道功能并提高侧向安全性的智能驾驶系统,其特征在于,所述的转向控制模块通过考虑车辆质心侧偏角、横摆角速度、侧向加速度以及横向转移率等约束条件,提高车辆侧向稳定性,减小车辆发生侧偏、侧翻和甩尾等风险,通常用简化的车辆三自由度动力学模型状态方程表示为:
式中,ξ为车辆动力学系统的主要状态,包括侧向速度vy、纵向速度vx、横摆角ψ、横摆角速度r、侧向位移Y、纵向位移X;定义车辆前轮转角δ为控制量u;车辆的侧向位移Y与巡航角ψ为系统的被控变量η,h为输出矩阵,将系统线性化、离散化、增量化后并经过预测时域Np,控制时域Nc内不断迭代后,得出系统的预测方程为:
式中,Yp(k+1)为系统的输出序列,ΔU(k)为控制量δ的控制序列,Φ(k)为线性化误差,Ψ、θ和Г为对应的参数矩阵;定义系统的参考输入值为Yref,并令车辆的侧向输出η、控制量U、控制增量ΔU、质心侧偏角β、横摆角速度r、侧向加速度ay以及横向转移率LTR满足约束条件:
式中,εi和zimin、zimax分别为弹性约束因子和弹性约束上下限,i=ΔU,U,β,r,ay,LTR,定义控制算法的性能指标为:
J=[Yp(k+1)-Yref]TQ[Yp(k+1)-Yref]+ΔU(k)TRΔU(k)+εTρε
式中,Q、R和ρ为对应的权重系数,通过求解性能指标与约束条件的二次规划最优解,可得出期望的前轮转角δ*,而对应的方向盘转角通常与前轮转角为线性关系G,故转向控制模块最终的方向盘转角为
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910449941.6A CN110356404B (zh) | 2019-05-28 | 2019-05-28 | 一种具有自主换道功能并提高侧向安全性的智能驾驶系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910449941.6A CN110356404B (zh) | 2019-05-28 | 2019-05-28 | 一种具有自主换道功能并提高侧向安全性的智能驾驶系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110356404A true CN110356404A (zh) | 2019-10-22 |
CN110356404B CN110356404B (zh) | 2021-04-09 |
Family
ID=68214882
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910449941.6A Expired - Fee Related CN110356404B (zh) | 2019-05-28 | 2019-05-28 | 一种具有自主换道功能并提高侧向安全性的智能驾驶系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110356404B (zh) |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110855789A (zh) * | 2019-11-18 | 2020-02-28 | 东软集团股份有限公司 | 一种位置关系确定方法、装置、存储介质及设备 |
CN111016898A (zh) * | 2019-11-14 | 2020-04-17 | 安徽卡思普智能科技有限公司 | 一种智能车轨迹换道规划方法 |
CN111216713A (zh) * | 2020-02-17 | 2020-06-02 | 哈尔滨工业大学 | 一种自动驾驶车辆速度预瞄控制方法 |
CN111231956A (zh) * | 2020-02-26 | 2020-06-05 | 江苏大学 | 一种车辆定速巡航系统加速度约束控制算法 |
CN111338353A (zh) * | 2020-03-26 | 2020-06-26 | 吉林大学 | 一种动态驾驶环境下智能车辆变道轨迹规划方法 |
CN111391848A (zh) * | 2020-03-02 | 2020-07-10 | 吉林大学 | 自动驾驶车辆换道方法 |
CN111439261A (zh) * | 2020-05-12 | 2020-07-24 | 吉林大学 | 一种用于智能车群主动换道功能的车流量计算系统 |
CN111443709A (zh) * | 2020-03-09 | 2020-07-24 | 北京百度网讯科技有限公司 | 车辆变道路线规划方法、装置、终端和存储介质 |
CN111645678A (zh) * | 2020-05-20 | 2020-09-11 | 吉林大学 | 一种车辆制动转向协调控制防碰撞系统及控制方法 |
CN111731282A (zh) * | 2020-06-04 | 2020-10-02 | 南京航空航天大学 | 一种考虑车辆稳定性的紧急避撞系统及其控制方法 |
CN112622903A (zh) * | 2020-10-29 | 2021-04-09 | 东北大学秦皇岛分校 | 一种车辆跟随驾驶环境下自主车辆的纵向和横向控制方法 |
CN112660124A (zh) * | 2020-11-30 | 2021-04-16 | 吉林大学 | 一种用于换道场景的协同自适应巡航控制方法 |
CN113112022A (zh) * | 2021-04-06 | 2021-07-13 | 清华大学 | 智能汽车队列人-车-路系统多智能体联合建模方法 |
CN113495563A (zh) * | 2021-06-10 | 2021-10-12 | 吉林大学 | 用于自动驾驶虚拟测试的交通车换道决策规划方法 |
CN113619579A (zh) * | 2021-09-08 | 2021-11-09 | 东风汽车集团股份有限公司 | 一种实现多车道场景的紧急车道保持功能的控制方法 |
CN113722835A (zh) * | 2021-09-14 | 2021-11-30 | 吉林大学 | 拟人化随机换道驾驶行为建模方法 |
CN113771884A (zh) * | 2021-11-09 | 2021-12-10 | 清华大学 | 基于侧向量化平衡指标的智能汽车拟人化轨迹规划方法 |
CN113806958A (zh) * | 2021-09-26 | 2021-12-17 | 上汽通用五菱汽车股份有限公司 | 基于mpc算法的防侧倾控制方法、设备及存储介质 |
US20210402980A1 (en) * | 2020-06-26 | 2021-12-30 | Mitsubishi Electric Research Laboratories, Inc. | System and Method for Data-Driven Reference Generation |
CN114212086A (zh) * | 2020-09-03 | 2022-03-22 | 本田技研工业株式会社 | 车辆控制装置、车辆控制方法及存储介质 |
CN114475608A (zh) * | 2022-04-13 | 2022-05-13 | 清华大学 | 自动驾驶车辆的拟人化换道方法、装置、车辆及存储介质 |
CN115009357A (zh) * | 2022-06-30 | 2022-09-06 | 北京主线科技有限公司 | 车辆转向检测控制系统、方法、电子设备及存储介质 |
CN115339449A (zh) * | 2022-08-31 | 2022-11-15 | 重庆大学 | 一种多人驾车切入混合车群的协同控制方法 |
WO2023024914A1 (zh) * | 2021-08-27 | 2023-03-02 | 中国第一汽车股份有限公司 | 车辆避让方法、装置、计算机设备和存储介质 |
CN115973162A (zh) * | 2023-02-14 | 2023-04-18 | 吉咖智能机器人有限公司 | 用于确定车辆行驶轨迹的方法、装置、电子设备和介质 |
CN117360519A (zh) * | 2023-12-04 | 2024-01-09 | 安徽中科星驰自动驾驶技术有限公司 | 一种自动驾驶车辆的决策与控制方法及系统 |
CN118238847A (zh) * | 2024-03-25 | 2024-06-25 | 安徽大学 | 一种自适应不同驾驶风格和路面环境的自主换道决策规划方法和系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103029703A (zh) * | 2011-10-10 | 2013-04-10 | 株式会社万都 | 车辆的车道变换辅助系统及其方法 |
CN103204163A (zh) * | 2012-01-17 | 2013-07-17 | 福特全球技术公司 | 自主式车道控制系统 |
CN103754224A (zh) * | 2014-01-24 | 2014-04-30 | 清华大学 | 一种车辆多目标协调换道辅助自适应巡航控制方法 |
CN104176054A (zh) * | 2014-08-18 | 2014-12-03 | 大连理工大学 | 一种汽车主动防碰撞自动换道控制系统及其工作方法 |
CN105015545A (zh) * | 2015-07-03 | 2015-11-04 | 内蒙古麦酷智能车技术有限公司 | 一种无人驾驶汽车的自主变道决策系统 |
CN105730443A (zh) * | 2016-04-08 | 2016-07-06 | 奇瑞汽车股份有限公司 | 车辆变道控制方法及系统 |
KR20170041068A (ko) * | 2015-10-06 | 2017-04-14 | 주식회사 만도 | 차선 변경 지원 시스템 및 방법 |
US20170151982A1 (en) * | 2015-12-01 | 2017-06-01 | Honda Motor Co., Ltd. | Lane change control system |
CN109131326A (zh) * | 2018-08-08 | 2019-01-04 | 大连理工大学 | 一种具有换道辅助功能的自适应巡航控制器及其工作方法 |
-
2019
- 2019-05-28 CN CN201910449941.6A patent/CN110356404B/zh not_active Expired - Fee Related
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103029703A (zh) * | 2011-10-10 | 2013-04-10 | 株式会社万都 | 车辆的车道变换辅助系统及其方法 |
CN103204163A (zh) * | 2012-01-17 | 2013-07-17 | 福特全球技术公司 | 自主式车道控制系统 |
CN103754224A (zh) * | 2014-01-24 | 2014-04-30 | 清华大学 | 一种车辆多目标协调换道辅助自适应巡航控制方法 |
CN104176054A (zh) * | 2014-08-18 | 2014-12-03 | 大连理工大学 | 一种汽车主动防碰撞自动换道控制系统及其工作方法 |
CN105015545A (zh) * | 2015-07-03 | 2015-11-04 | 内蒙古麦酷智能车技术有限公司 | 一种无人驾驶汽车的自主变道决策系统 |
KR20170041068A (ko) * | 2015-10-06 | 2017-04-14 | 주식회사 만도 | 차선 변경 지원 시스템 및 방법 |
US20170151982A1 (en) * | 2015-12-01 | 2017-06-01 | Honda Motor Co., Ltd. | Lane change control system |
CN105730443A (zh) * | 2016-04-08 | 2016-07-06 | 奇瑞汽车股份有限公司 | 车辆变道控制方法及系统 |
CN109131326A (zh) * | 2018-08-08 | 2019-01-04 | 大连理工大学 | 一种具有换道辅助功能的自适应巡航控制器及其工作方法 |
Cited By (41)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111016898B (zh) * | 2019-11-14 | 2021-10-19 | 安徽卡思普智能科技有限公司 | 一种智能车轨迹换道规划方法 |
CN111016898A (zh) * | 2019-11-14 | 2020-04-17 | 安徽卡思普智能科技有限公司 | 一种智能车轨迹换道规划方法 |
CN110855789A (zh) * | 2019-11-18 | 2020-02-28 | 东软集团股份有限公司 | 一种位置关系确定方法、装置、存储介质及设备 |
CN110855789B (zh) * | 2019-11-18 | 2022-07-08 | 东软集团股份有限公司 | 一种位置关系确定方法、装置、存储介质及设备 |
CN111216713A (zh) * | 2020-02-17 | 2020-06-02 | 哈尔滨工业大学 | 一种自动驾驶车辆速度预瞄控制方法 |
CN111216713B (zh) * | 2020-02-17 | 2022-06-10 | 哈尔滨工业大学 | 一种自动驾驶车辆速度预瞄控制方法 |
CN111231956A (zh) * | 2020-02-26 | 2020-06-05 | 江苏大学 | 一种车辆定速巡航系统加速度约束控制算法 |
CN111391848A (zh) * | 2020-03-02 | 2020-07-10 | 吉林大学 | 自动驾驶车辆换道方法 |
CN111391848B (zh) * | 2020-03-02 | 2022-03-08 | 吉林大学 | 自动驾驶车辆换道方法 |
CN111443709B (zh) * | 2020-03-09 | 2023-08-29 | 北京百度网讯科技有限公司 | 车辆变道路线规划方法、装置、终端和存储介质 |
CN111443709A (zh) * | 2020-03-09 | 2020-07-24 | 北京百度网讯科技有限公司 | 车辆变道路线规划方法、装置、终端和存储介质 |
CN111338353A (zh) * | 2020-03-26 | 2020-06-26 | 吉林大学 | 一种动态驾驶环境下智能车辆变道轨迹规划方法 |
CN111439261B (zh) * | 2020-05-12 | 2023-07-21 | 吉林大学 | 一种用于智能车群主动换道功能的车流量计算系统 |
CN111439261A (zh) * | 2020-05-12 | 2020-07-24 | 吉林大学 | 一种用于智能车群主动换道功能的车流量计算系统 |
CN111645678A (zh) * | 2020-05-20 | 2020-09-11 | 吉林大学 | 一种车辆制动转向协调控制防碰撞系统及控制方法 |
CN111731282A (zh) * | 2020-06-04 | 2020-10-02 | 南京航空航天大学 | 一种考虑车辆稳定性的紧急避撞系统及其控制方法 |
US20210402980A1 (en) * | 2020-06-26 | 2021-12-30 | Mitsubishi Electric Research Laboratories, Inc. | System and Method for Data-Driven Reference Generation |
CN114212086A (zh) * | 2020-09-03 | 2022-03-22 | 本田技研工业株式会社 | 车辆控制装置、车辆控制方法及存储介质 |
CN114212086B (zh) * | 2020-09-03 | 2024-06-07 | 本田技研工业株式会社 | 车辆控制装置、车辆控制方法及存储介质 |
US11840227B2 (en) | 2020-09-03 | 2023-12-12 | Honda Motor Co., Ltd. | Vehicle control device, vehicle control method, and storage medium |
CN112622903A (zh) * | 2020-10-29 | 2021-04-09 | 东北大学秦皇岛分校 | 一种车辆跟随驾驶环境下自主车辆的纵向和横向控制方法 |
CN112622903B (zh) * | 2020-10-29 | 2022-03-08 | 东北大学秦皇岛分校 | 一种车辆跟随驾驶环境下自主车辆的纵向和横向控制方法 |
CN112660124A (zh) * | 2020-11-30 | 2021-04-16 | 吉林大学 | 一种用于换道场景的协同自适应巡航控制方法 |
CN113112022A (zh) * | 2021-04-06 | 2021-07-13 | 清华大学 | 智能汽车队列人-车-路系统多智能体联合建模方法 |
CN113495563A (zh) * | 2021-06-10 | 2021-10-12 | 吉林大学 | 用于自动驾驶虚拟测试的交通车换道决策规划方法 |
WO2023024914A1 (zh) * | 2021-08-27 | 2023-03-02 | 中国第一汽车股份有限公司 | 车辆避让方法、装置、计算机设备和存储介质 |
CN113619579A (zh) * | 2021-09-08 | 2021-11-09 | 东风汽车集团股份有限公司 | 一种实现多车道场景的紧急车道保持功能的控制方法 |
CN113722835A (zh) * | 2021-09-14 | 2021-11-30 | 吉林大学 | 拟人化随机换道驾驶行为建模方法 |
CN113722835B (zh) * | 2021-09-14 | 2023-10-20 | 吉林大学 | 拟人化随机换道驾驶行为建模方法 |
CN113806958A (zh) * | 2021-09-26 | 2021-12-17 | 上汽通用五菱汽车股份有限公司 | 基于mpc算法的防侧倾控制方法、设备及存储介质 |
CN113771884A (zh) * | 2021-11-09 | 2021-12-10 | 清华大学 | 基于侧向量化平衡指标的智能汽车拟人化轨迹规划方法 |
CN114475608A (zh) * | 2022-04-13 | 2022-05-13 | 清华大学 | 自动驾驶车辆的拟人化换道方法、装置、车辆及存储介质 |
CN115009357A (zh) * | 2022-06-30 | 2022-09-06 | 北京主线科技有限公司 | 车辆转向检测控制系统、方法、电子设备及存储介质 |
CN115009357B (zh) * | 2022-06-30 | 2023-11-07 | 北京主线科技有限公司 | 车辆转向检测控制系统、方法、电子设备及存储介质 |
CN115339449A (zh) * | 2022-08-31 | 2022-11-15 | 重庆大学 | 一种多人驾车切入混合车群的协同控制方法 |
CN115973162B (zh) * | 2023-02-14 | 2024-05-31 | 吉咖智能机器人有限公司 | 用于确定车辆行驶轨迹的方法、装置、电子设备和介质 |
CN115973162A (zh) * | 2023-02-14 | 2023-04-18 | 吉咖智能机器人有限公司 | 用于确定车辆行驶轨迹的方法、装置、电子设备和介质 |
CN117360519A (zh) * | 2023-12-04 | 2024-01-09 | 安徽中科星驰自动驾驶技术有限公司 | 一种自动驾驶车辆的决策与控制方法及系统 |
CN117360519B (zh) * | 2023-12-04 | 2024-03-05 | 安徽中科星驰自动驾驶技术有限公司 | 一种自动驾驶车辆的决策与控制方法及系统 |
CN118238847A (zh) * | 2024-03-25 | 2024-06-25 | 安徽大学 | 一种自适应不同驾驶风格和路面环境的自主换道决策规划方法和系统 |
CN118238847B (zh) * | 2024-03-25 | 2024-08-30 | 安徽大学 | 一种自适应不同驾驶风格和路面环境的自主换道决策规划方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110356404B (zh) | 2021-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110356404A (zh) | 一种具有自主换道功能并提高侧向安全性的智能驾驶系统 | |
CN107943071B (zh) | 无人车的编队保持控制方法及系统 | |
CN107264534B (zh) | 基于驾驶员经验模型的智能驾驶控制系统和方法、车辆 | |
CN109669461B (zh) | 一种复杂工况下自动驾驶车辆决策系统及其轨迹规划方法 | |
CN110286681B (zh) | 一种变曲率弯道的动态自动驾驶换道轨迹规划方法 | |
CN110329255B (zh) | 一种基于人机协同策略的车道偏离辅助控制方法 | |
CN110103956A (zh) | 一种无人车自动超车轨迹规划方法 | |
CN112046484B (zh) | 一种基于q学习的车辆变道超车路径规划方法 | |
CN108791491A (zh) | 一种基于自评价学习的车辆侧向跟踪控制方法 | |
CN109606368B (zh) | 一种智能汽车可拓车速自适应变化轨迹跟踪控制方法 | |
Xu et al. | Model predictive control for lane keeping system in autonomous vehicle | |
CN109177974A (zh) | 一种智能汽车的人机共驾型车道保持辅助方法 | |
CN112904849A (zh) | 一体式自动驾驶汽车换道轨迹规划和跟踪控制方法及系统 | |
CN111338353A (zh) | 一种动态驾驶环境下智能车辆变道轨迹规划方法 | |
CN108791290A (zh) | 基于在线增量式dhp的双车协同自适应巡航控制方法 | |
CN113553726B (zh) | 一种冰雪环境下的主从博弈型人机协同转向控制方法 | |
CN112644488A (zh) | 自适应巡航系统 | |
CN112882474A (zh) | 基于时变模型预测控制的一体式无人汽车换道控制方法 | |
CN116560371A (zh) | 基于自适应模型预测控制的自动驾驶车辆路径跟踪方法 | |
CN110703775A (zh) | 一种基于改进人工势场的商用车车道保持路径规划方法 | |
CN110103968A (zh) | 一种基于三维激光雷达的无人车自主超车轨迹规划系统 | |
Xu et al. | Local path planning and tracking control of vehicle collision avoidance system | |
CN116540737A (zh) | 一种静态避障场景下考虑驾驶习惯的路径规划与控制方法 | |
CN115743174A (zh) | 考虑主动安全的自主驾驶车辆轨迹规划与跟踪控制方法 | |
CN114839992A (zh) | 一种基于多智能体强化学习的自动驾驶协同决策方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210409 |