CN110356404B - 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

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

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

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v_Ld、加速度a_Ld和间距ΔD_Ld，目标车道后车的车速v_Fd、加速度a_Fd和间距ΔD_Fd，原车道前车的车速v_Lo、加速度a_Lo和间距ΔD_Lo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v_M≥v_Ld≥v_Fd且ΔD_Ld≥d_ls时，加速度上下限为：

如果v_Ld≥v_M≥v_Fd且ΔD_Ld≥d_ls时，加速度上下限为：

如果v_Ld≥v_M≥v_Fd且ΔD_Ld<d_ls时，加速度上下限为：

如果v_Ld≥v_Fd≥v_M且ΔD_Ld<d_ls且ΔD_Fd>d_fs时，加速度上下限为：

如果v_Ld≥v_Fd≥v_M且ΔD_Ld>d_ls且ΔD_Fd>d_fs时，加速度上下限为：

其中，τ_r为系统反应时间，d_ls和d_fs为智能车前向与后向的安全距离；定义a_smax和a_smin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u_min至u_max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，ΔD_L为前后两车间距，v_L为前车车速，a_L为前车加速度，v_r为前后车相对速度，a_M为本车加速度，a_Md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＝[ΔD_Lv_rv_Ma_M]^T，控制量u＝a_Md，扰动量d＝a_L，系统输出y＝[ΔD v_r]^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：

Y_p(k+1)＝S_xΔX(k)+S_CX(k)+S_dΔa_L(k)+S_uΔU(k)

式中，Y_p(k+1)为系统的输出序列，ΔX(k)与Δa_L(k)为状态X和扰动a_L的控制增量，ΔU(k)为控制量a_Md的控制序列，S_x，S_c，S_d和S_u为预测方程的系数矩阵。定义参考输入量为R(k+1)，加速度区间的约束条件可定义系统的性能指标为：

minJ＝[Y_p(k+1)-R(k+1)]^TQ[Y_p(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ω_i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v_y、纵向速度v_x、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N_p，控制时域N_c内不断迭代后，得出系统的预测方程为：

式中，Y_p(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Y_ref，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a_y以及横向转移率LTR满足约束条件：

式中，ε_i和z_imin、z_imax分别为弹性约束因子和弹性约束上下限，i＝ΔU，U，β，r，a_y，LTR，定义控制算法的性能指标为：

J＝[Y_p(k+1)-Y_ref]^TQ[Y_p(k+1)-Y_ref]+ΔU(k)^TRΔU(k)+ε^Tρε

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v_Ld、加速度a_Ld和间距ΔD_Ld，目标车道后车的车速v_Fd、加速度a_Fd和间距ΔD_Fd，原车道前车的车速v_Lo、加速度a_Lo和间距ΔD_Lo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v_Ld、加速度a_Ld和间距ΔD_Ld，目标车道后方车辆的车速v_Fd、加速度a_Fd和间距ΔD_Fd，以及实验车换道开始前其前方交通车的车速v_Lo、加速度a_Lo和间距ΔD_Lo，目标车道的侧向轨迹Y_ld、原车道侧向位移Y_ld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d_ls内，即ΔD_Lo≤d_ls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：

S_M、S_Fd和S_Ld为车辆在换道期间的路程，ΔD_ld与ΔD_fd为实验车与前车Ld和后车Fd的间距。d_ls与d_fs分别为实验车的前方安全距离与后方安全距离，设τ_r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∈[a_mina_max]应满足:

当车速满足：v_M≥v_Ld≥v_Fd，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ΔD_ld<d_ls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ΔD_ld<d_ls时，则车辆M的加速度上下限为：

当车辆中的车速条件为：v_Ld≥v_Fd≥v_M,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ΔD_fd<d_fs，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ΔD_fd≥d_fs且ΔD_ld<d_ls，则：

若ΔD_fd≥d_fs且ΔD_ld≥d_ls且，则智能车的加速度区间为：

当车速条件限制为：v_Ld≥v_M≥v_Fd，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ΔD_ld<d_ls时，加速度区间满足：

若ΔD_ld≥d_ls时，加速度区间为：

式中，a_smax与a_smin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u_min至u_max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d_ls与d_fs定义为:

d_fs＝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，ΔD_L为前后两车间距，v_L为前车车速，a_L为前车加速度，v_r为前后车相对速度，a_M为本车加速度，a_Md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 v_rv_Ma_M]^T，控制量u＝a_Md，扰动量d＝a_L，系统输出Y＝[ΔD v_r]^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，A_d＝I+TA,B_du＝TB_u，B_di＝TB_i,C_d＝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：

Y_p(k+1)＝S_xΔX(k)+S_CX(k)+S_dΔa_L(k)+S_uΔU(k)

此处，Y_p(k+1)、ΔU(k)以及预测矩阵S_x、S_c、S_d和S_u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)＝[D_des(k)0]^T，其中D_des(k)此处定义为期望安全间距d_ls，期望两车速度差v_r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。Y_lo与Y_ld分别为原车道线与目标车道线的Y坐标。图中P_i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＝Y_lo；

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+ΔD_lo,Y_lo+2/T_w)，ΔD_lo为当前时刻前后两车的间距，T_w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＝Y_lo。

P₄(x₄,y₄)：目标车道线上任意一点，且直线P₃P₄与直线P₃P₆垂直，y₄＝Y_ld。

P₅(x₅,y₅)：目标车道线上任意一点，y₅＝Y_ld，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ω_i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X_i＝[x₃x₅]^T，速度属性v_i＝[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P_best和所有粒子的全局最优解G_best调整该粒子的速度和位置。该算法每个粒子的位置X_i和速度v_i的更新公式为：

v_i＝ωv_i+C₁rand(0,1)(P_i-X_i)+C₂rand(0,1)(P_g-X_i)

X_i＝X_i+v_i

式中，ω为惯性因子，C₁和C₂为加速常数，P_i和P_g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，v_x为车辆的纵向速度，v_y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δ_sw之间的线性系数G，m是车辆的整体质量，I_z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。K_f,r与C_f,r分别为前后轮胎的纵向刚度与侧向刚度。S_f,r为前后轮胎的滑移率。取状态变量ξ为：v_y、v_x、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T_s,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)+d_k

式中的A、B为系统离散化后的状态矩阵和输入矩阵，d_k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N_p，控制时域N_c，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a_y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ε_i和z_imin、z_imax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，m_s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η_ref＝[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:

u_SW ^*(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前方交通车辆突然制动时，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：车辆进入换道行驶模式后，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实验车车速进行调整，调整实验车与前方慢速行驶的车辆之间的距离和相对速度；

同时传感器数据分析与提取子模块采集各个车道中心线的侧向位置、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v_Ld、加速度a_Ld和间距ΔD_Ld，目标车道后车的车速v_Fd、加速度a_Fd和间距ΔD_Fd，原车道前车的车速v_Lo、加速度a_Lo和间距ΔD_Lo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的交通车辆的位移、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，令v_M为实验车当前的行驶速度，其换道条件和大小为：

如果v_M≥v_Ld≥v_Fd且ΔD_Ld≥d_ls时，加速度上下限为：

如果v_Ld≥v_M≥v_Fd且ΔD_Ld≥d_ls时，加速度上下限为：

如果v_Ld≥v_M≥v_Fd且ΔD_Ld＜d_ls时，加速度上下限为：

如果v_Ld≥v_Fd≥v_M且ΔD_Ld＜d_ls且ΔD_Fd＞d_fs时，加速度上下限为：

如果v_Ld≥v_Fd≥v_M且ΔD_Ld＞d_ls且ΔD_Fd＞d_fs时，加速度上下限为：

其中，τ_r为系统反应时间，d_ls和d_fs为实验车前向与后向的安全距离；定义a_smax和a_smin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，当前时刻实验车采取的加速度应在u_vmin至u_vmax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，车速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、车速以及与目标车道前车的间距，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：

实验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，ΔD_L为前后两车间距，v_L为前车车速，a_L为前车加速度，v_r为前后车相对速度，a_M为本车加速度，a_Md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_v＝[ΔD_L，v_r，v_M，a_M]^T，控制量u_v＝a_Md，扰动量d_v＝a_L，系统输出Y_v＝[ΔD_L，v_r]^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：

Y_vp(k+1)＝S_xΔX_v(k)+S_CX_v(k)+S_dΔa_L(k)+S_uΔU_v(k)

式中，Y_vp(k+1)为系统的输出序列，ΔX_v(k)与Δa_L(k)为状态量X_v和扰动量a_L的控制增量，ΔU_v(k)为控制量a_Md的控制序列，k为离散时刻，S_x，S_c，S_d和S_u为预测方程的系数矩阵；定义参考输入量为R(k+1)，结合加速度范围的约束条件可定义系统的性能指标为：

min J＝[Y_vp(k+1)-R(k+1)]^TQ_v[Y_vp(k+1)-R(k+1)]+ΔU_v(k)^TS_vΔU_v(k)

其中，Δu_v(k)为当前时刻控制量a_Md的增量，Δu_vmin和Δu_vmax是其上限和下限，Q_v，S_v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ω_i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v_y、纵向速度v_x、巡航角ψ、横摆角速度r、侧向位移Y_o、纵向位移X_o；定义车辆前轮转角δ为控制量u_o；车辆的侧向位移Y_o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N_p，控制时域N_c内不断迭代后，得出系统的预测方程为：

式中，Y_op(k+1)为系统的输出序列，定义U_o(k)为控制量u_o的控制量序列，Δu_o为u_o的控制增量，ΔU_o(k)为控制增量Δu_o的控制增量序列，Φ(k)为线性化误差，Ψ、Θ和Γ为对应的参数矩阵；定义系统的参考输入值为Y_ref，被控变量η、控制量序列U_o、控制增量序列ΔU_o、质心侧偏角β、横摆角速度r、侧向加速度a_y以及横向转移率LTR满足约束条件：

式中，ε_i和z_imin、z_imax分别为弹性约束因子和弹性约束上下限，其中i＝1，2，...6，定义控制算法的性能指标为：

J＝[Y_op(k+1)-Y_ref]^TQ_o[Y_op(k+1)-Y_ref]+ΔU_o(k)^TR_oΔU_o(k)+ε^Tρε

式中，Q_o、R_o和ρ为性能指标中的权重系数，k是离散时刻，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

Images