自动驾驶换道轨迹优化模型、换道轨迹优化方法及其系统
技术领域
本发明属于自主驾驶领域,尤其涉及一种自动驾驶换道轨迹优化模型、换道轨迹优化方法及其系统。
背景技术
自主驾驶车辆在换道过程中,因周边车辆影响会存在初始状态下满足换道需求,而换道执行过程中却无法满足其换道需求。因此车辆换道时需实时检测其换道空间是否满足其换道需求,对于满足需求时直接按照原换道方案进行换道即可,但不能满足需求时则需要及时调整自身的模型参数或控制策略来适应当前状态下的换道空间。
为了保证车辆换道的安全执行,需要提高其自我调整和轨迹优化能力,对车辆换道全过程实现实时反馈优化控制。
但目前学者们提出了横向和纵向的车辆换道执行模型,是将换道执行的两个方向分割开来,缺乏对车辆换道全过程整体性的实时反馈优化控制,从而导致面对错综复杂的行驶环境实用性差。
发明内容
为了解决上述技术问题,本发明的目的在于提供一种自动驾驶换道轨迹优化模型、换道轨迹优化方法及其系统。
根据本发明的一个方面,提供了一种自动驾驶换道轨迹优化模型,基于换道空间约束条件,通过所述自动驾驶交通工具横向加速度值与换道时长、换道轨迹之间的关联关系及对所述换道时长、换道轨迹的影响度及所述自动驾驶交通工具纵向加速度值与所述自动驾驶交通工具换道横向所需空间、换道轨迹之间的关联关系及对所述横向所需空间、换道轨迹的影响度配置而成。
根据本发明的一个方面,提供了一种自动驾驶换道轨迹优化方法,包括以下步骤:
采集自动驾驶交通工具的行驶数据,将所述行驶数据输入上述所述的自动驾驶换道轨迹优化模型生成所述自动驾驶交通工具的运行参数,以供所述第一自动驾驶交通工具基于所述运行参数自动运行。
将所述行驶数据输入所述的自动驾驶换道轨迹优化模型生成所述自动驾驶交通工具的运行参数,包括:
S1、将所述行驶数据输入所述的自动驾驶换道轨迹优化模型生成所述自动驾驶交通工具的行为预测信息,该行驶数据包括:本自动驾驶交通工具信息:vc(t)、vk(t)、ac(t),ak(t);周边驾驶交通工具信息:vml(t)、vmh(t)、vch(t);交互信息:Dcl(t)、Dmh(t)、Dch(t),
假设在t时刻本自动驾驶交通工具及周边驾驶交通工具均匀速或匀加速行驶,则预测在t+τ时刻时本自动驾驶交通工具速度(归属于预测信息)为:
其中,vc(t+τ)和vk(t+τ)分别为t+τ时刻本自动驾驶交通工具的纵横向预测速度;
本自动驾驶交通工具空间预测(归属于预测信息):
其中,Dclτ,Dmhτ,Dchτ为t+τ时刻预测的本自动驾驶交通工具与相邻车道后面驾驶交通工具、前面驾驶交通工具及本车道前面驾驶交通工具的纵向间距;
S2、所述的自动驾驶换道轨迹优化模型基于所述行为预测信息并根据预测的所述自动驾驶交通工具与其相邻车道后面驾驶交通工具、前面驾驶交通工具及其本车道前面驾驶交通工具的纵向间距与相应的安全距离匹配度,及预测的横向位移量与相应的安全横向位移量的要求的匹配度生成所述自动驾驶交通工具换道运行判断结果,该处换道要求:
S3、若匹配度满足换道要求,则继续执行步骤S1,若不满足,则基于所述的自动驾驶换道轨迹优化模型调节所述自动驾驶交通工具的纵向加速度值,以此来调整换道轨迹使所述自动驾驶交通工具的行驶数据满足步骤S3的换道要求,若调节所述自动驾驶交通工具的纵向加速度值仍不满足换道要求,则放弃换道。
进一步的,安全横向位移量基于预测的横向位移量与所述自动驾驶交通工具的宽度或换道时横向位移量的大小预设关系进行配置生成。
其中,调节所述自动驾驶交通工具的纵向加速度来调整换道轨迹使所述自动驾驶交通工具的行驶数据满足步骤S3的换道要求,包括:
调节所述自动驾驶交通工具的纵向加速度满足纵向加速度约束条件,调节所述自动驾驶交通工具的横向加速度值满足横向加速度约束条件。
其中,纵向加速度约束条件基于预测的所述自动驾驶交通工具与其本车道前面驾驶交通工具的纵向间距、换道起始时刻所述自动驾驶交通工具相对于其本车道前面驾驶交通工具的相对速度、换道时长、所述自动驾驶交通工具的最大长度之间的第一预设关系、预测的横向位移量与所述自动驾驶交通工具的宽度之间的第一大小预设关系及所述第一预设关系与第一大小预设关系的关联关系,和换道起始时刻所述自动驾驶交通工具相对于其相邻车道后面驾驶交通工具的相对速度、预测的所述自动驾驶交通工具与其相邻车道后面驾驶交通工具的纵向间距与所述自动驾驶交通工具的最大长度之间的第二预设关系,预测的横向位移量与所述自动驾驶交通工具的宽度、换道时横向位移量之间的第二大小预设关系,及所述第二预设关系与第二大小预设关系的关联关系,和换道起始时刻所述自动驾驶交通工具相对于其相邻车道前面驾驶交通工具的相对速度、预测的所述自动驾驶交通工具与其相邻车道前面驾驶交通工具的纵向间距与所述自动驾驶交通工具的安全跟进距离、所述最大长度之间的第三预设关系,预测的横向位移量与换道时横向位移量之间的第三大小预设关系,及所述第三预设关系与第三大小预设关系的关联关系配置而成,即
所述横向加速度约束条件基于所述自动驾驶交通工具的最大加速度值、所述换道时横向位移量、横向预测速度、纵向预测速度、预测加速度、预测横向位移、所述自动驾驶交通工具所在本车道前面驾驶交通工具的预测行驶速度及所述自动驾驶交通工具所在本车道及相邻车道前面驾驶交通工具的预测相对速度及时延之间的预设关系配置而成,即:
根据本发明的另一个方面,提供了一种自动驾驶换道系统,包括:
运行参数生成单元,配置用于采集自动驾驶交通工具的行驶数据,将所述行驶数据输入上述所述的自动驾驶换道轨迹优化模型生成所述自动驾驶交通工具的运行参数,以供所述第一自动驾驶交通工具基于所述运行参数自动运行,
模型单元,包括上述所述的自动驾驶换道轨迹优化模型。
进一步的,运行参数生成单元配置用于将所述行驶数据输入所述的自动驾驶换道轨迹优化模型生成所述自动驾驶交通工具的运行参数,具体包括:
S1、将所述行驶数据输入所述的自动驾驶换道轨迹优化模型生成所述自动驾驶交通工具的行为预测信息;
S2、所述的自动驾驶换道轨迹优化模型基于所述行为预测信息并根据预测的所述自动驾驶交通工具与其相邻车道后面驾驶交通工具、前面驾驶交通工具及其本车道前面驾驶交通工具的纵向间距与相应的安全距离匹配度,及预测的横向位移量与相应的安全横向位移量的要求的匹配度生成所述自动驾驶交通工具换道运行判断结果;
S3、若匹配度满足换道要求,则继续执行步骤S1,若不满足,则基于所述的自动驾驶换道轨迹优化模型调节所述自动驾驶交通工具的加速度,以此来调整换道轨迹使所述自动驾驶交通工具的行驶数据满足步骤S3的换道要求,若调节所述自动驾驶交通工具的加速度仍不满足换道要求,则放弃换道。
其中,安全横向位移量基于预测的横向位移量与所述自动驾驶交通工具的宽度或换道时横向位移量的大小预设关系进行配置生成。
与现有技术相比,本发明具有以下有益效果:
1、本发明示例的自动驾驶换道轨迹优化模型,在现有研究的基础上,通过分析自动驾驶交通工具的换道特性,以及自主驾驶仿真平台环境下传统换道模型仿真和人工驾驶驾驶交通工具换道效果,结合自动驾驶交通工具换道的影响因素、换道特性以及自主驾驶仿真平台的特点,依据当前换道的实际空间大小,同时考虑自动驾驶交通工具信息处理时延的实际情况,并将换道执行的横向和纵向结合起来,用以配置换道执行过程中完整的换道轨迹优化模型,通过该换道轨迹优化模型提高自动驾驶交通工具的自我调整和轨迹优化能力,并对所述自动驾驶交通工具的换道全过程实现实时反馈优化控制,保证其换道的安全执行,由于模型在构建时结合了实际多变的交通环境中换道的运行特点,因此可确保通过本发明自动驾驶换道轨迹优化模型生成的运行参数与自动驾驶交通工具实际所处的换道执行交通场景精确贴合,彻底改变了构建模型与实际交通场景差别大,无法直接使用的弊端,适应性强。
2、本发明示例的自动驾驶换道轨迹优化方法,通过将自动驾驶交通工具的行驶数据输入上述动驾驶换道轨迹优化模型生成所述自动驾驶交通工具换道执行过程中的运行参数,由于该模型在构建时结合了实际多变的交通环境中换道的运行特点且将换道执行的横向和纵向结合起来,与自动驾驶交通工具实际换道操作贴合,故可确保通过本发明自动驾驶换道轨迹优化模型生成的运行参数与自动驾驶交通工具实际所处的换道执行交通场景精确贴合,根据该该换道执行交通场景对所述自动驾驶交通工具的换道全过程实现实时反馈优化控制,保证其换道的安全执行,从真正意义上做到了换道执行过程的实时反馈优化,大大降低了换道操作的危险系数。
3、本发明示例的自动驾驶换道轨迹优化系统,通过运行参数生成单元、模型单元的互相作用,实现对自动驾驶交通工具换道执行操作的完整且精确贴合实际所处的交通场景的真正引导。
附图说明
图1为实施例二中自主驾驶车辆局部优化控制流程图;
图2为实施例二中前车速度检测误差下本车换道轨迹效果图;
图3为实施例二中前车速度检测误差下本车换道速度效果图;
图4为实施例二中前车速度检测误差下本车换道车头时距效果。
具体实施方式
为了更好的了解本发明的技术方案,下面结合具体实施例、说明书附图对本发明作进一步说明。
实施例一:
本实施例提供了一种自动驾驶换道轨迹优化模型,基于换道空间约束条件,通过所述自动驾驶交通工具横向加速度值与换道时长、换道轨迹之间的关联关系及对所述换道时长、换道轨迹的影响度及所述自动驾驶交通工具纵向加速度值与所述自动驾驶交通工具换道横向所需空间、换道轨迹之间的关联关系及对所述横向所需空间、换道轨迹的影响度配置而成。
本实施例提供了一种自动驾驶换道轨迹优化方法,步骤为:
采集自动驾驶交通工具的行驶数据,将所述行驶数据输入上述所述的自动驾驶换道轨迹优化模型生成所述自动驾驶交通工具的运行参数,以供所述第一自动驾驶交通工具基于所述运行参数自动运行。
将所述行驶数据输入所述的自动驾驶换道轨迹优化模型生成所述自动驾驶交通工具的运行参数,包括:
S1、将所述行驶数据输入所述的自动驾驶换道轨迹优化模型生成所述自动驾驶交通工具的行为预测信息,该行驶数据包括:本自动驾驶交通工具信息:vc(t)、vk(t)、ac(t),ak(t);周边驾驶交通工具信息:vml(t)、vmh(t)、vch(t);交互信息:Dcl(t)、Dmh(t)、Dch(t),
假设在t时刻本自动驾驶交通工具及周边驾驶交通工具均匀速或匀加速行驶,则预测在t+τ时刻时本自动驾驶交通工具速度(归属于预测信息)为:
其中,vc(t+τ)和vk(t+τ)分别为t+τ时刻本自动驾驶交通工具的横纵向预测速度;
本自动驾驶交通工具空间预测(归属于预测信息):
其中,Dclτ,Dmhτ,Dchτ为t+τ时刻预测的本自动驾驶交通工具与相邻车道后驾驶交通工具、前驾驶交通工具及本车道前驾驶交通工具的纵向间距;
S2、所述的自动驾驶换道轨迹优化模型基于所述行为预测信息并根据预测的所述自动驾驶交通工具与其相邻车道后面驾驶交通工具、前面驾驶交通工具及其本车道前面驾驶交通工具的纵向间距与相应的安全距离匹配度,及预测的横向位移量与相应的安全横向位移量的要求的匹配度生成所述自动驾驶交通工具换道运行判断结果,该处换道要求:
S3、若匹配度满足换道要求,则继续执行步骤S1,若不满足,则基于所述的自动驾驶换道轨迹优化模型调节所述自动驾驶交通工具的加速度,以此来调整换道轨迹使所述自动驾驶交通工具的行驶数据满足步骤S3的换道要求,若调节所述自动驾驶交通工具的加速度仍不满足换道要求,则放弃换道。
进一步的,安全横向位移量基于预测的横向位移量与所述自动驾驶交通工具的宽度或换道时横向位移量的大小预设关系进行配置生成。
其中,调节所述自动驾驶交通工具的加速度来调整换道轨迹使所述自动驾驶交通工具的行驶数据满足步骤S3的换道要求,包括:
调节所述自动驾驶交通工具的纵向加速度满足纵向加速度约束条件,调节所述自动驾驶交通工具的横向加速度值满足横向加速度约束条件。
其中,纵向加速度约束条件基于预测的所述自动驾驶交通工具与其本车道前面驾驶交通工具的纵向间距、换道起始时刻所述自动驾驶交通工具相对于其本车道前面驾驶交通工具的相对速度、换道时长、所述自动驾驶交通工具的最大长度之间的第一预设关系、预测的横向位移量与所述自动驾驶交通工具的宽度之间的第一大小预设关系及所述第一预设关系与第一大小预设关系的关联关系,和换道起始时刻所述自动驾驶交通工具相对于其相邻车道后面驾驶交通工具的相对速度、预测的所述自动驾驶交通工具与其相邻车道后面驾驶交通工具的纵向间距与所述自动驾驶交通工具的最大长度之间的第二预设关系,预测的横向位移量与所述自动驾驶交通工具的宽度、换道时横向位移量之间的第二大小预设关系,及所述第二预设关系与第二大小预设关系的关联关系,和换道起始时刻所述自动驾驶交通工具相对于其相邻车道前面驾驶交通工具的相对速度、预测的所述自动驾驶交通工具与其相邻车道前面驾驶交通工具的纵向间距与所述自动驾驶交通工具的安全跟进距离、所述最大长度之间的第三预设关系,预测的横向位移量与换道时横向位移量之间的第三大小预设关系,及所述第三预设关系与第三大小预设关系的关联关系配置而成,即
所述横向加速度约束条件基于所述自动驾驶交通工具的最大加速度值、所述换道时横向位移量、横向预测速度、纵向预测速度、预测加速度、预测横向位移、所述自动驾驶交通工具所在本车道前面驾驶交通工具的预测行驶速度及所述自动驾驶交通工具所在本车道及相邻车道前面驾驶交通工具的预测相对速度及时延之间的预设关系配置而成,即:
本实施例提供了一种自动驾驶换道轨迹优化系统,包括:
运行参数生成单元,配置用于采集自动驾驶交通工具的行驶数据,将所述行驶数据输入上述所述的自动驾驶换道轨迹优化模型生成所述自动驾驶交通工具的运行参数,以供所述第一自动驾驶交通工具基于所述运行参数自动运行,具体包括:
S1、将所述行驶数据输入所述的自动驾驶换道轨迹优化模型生成所述自动驾驶交通工具的行为预测信息;
S2、所述的自动驾驶换道轨迹优化模型基于所述行为预测信息并根据预测的所述自动驾驶交通工具与其相邻车道后面驾驶交通工具、前面驾驶交通工具及其本车道前面驾驶交通工具的纵向间距与相应的安全距离匹配度,及预测的横向位移量与相应的安全横向位移量的要求的匹配度生成所述自动驾驶交通工具换道运行判断结果;
S3、若匹配度满足换道要求,则继续执行步骤S1,若不满足,则基于所述的自动驾驶换道轨迹优化模型调节所述自动驾驶交通工具的加速度,以此来调整换道轨迹使所述自动驾驶交通工具的行驶数据满足步骤S3的换道要求,若调节所述自动驾驶交通工具的加速度仍不满足换道要求,则放弃换道。
其中,安全横向位移量基于预测的横向位移量与所述自动驾驶交通工具的宽度或换道时横向位移量的大小预设关系进行配置生成;
模型单元,包括上述所述的自动驾驶换道轨迹优化模型。
应当理解,上述自动驾驶换道轨迹优化方法中各步骤与自动驾驶换道系统中记载的诸子单元相对应。由此,上文针对系统及其中包含的单元描述的操作和特征同样适用于上述方法,在此不再赘述。
实施例二
本实施例与实施例一相同的特征不再赘述,本实施例与实施例一不同的特征在于:
自动驾驶交通工具具体为自主驾驶车辆,所述自动驾驶换道轨迹优化模型的构建包括:
自主驾驶车辆在换道过程中,因周边车辆影响会存在初始状态下满足换道需求,而换道执行过程中却无法满足其换道需求。因此车辆换道时需实时检测其换道空间是否满足其换道需求,对于满足需求时直接按照原换道方案进行换道即可,但不能满足需求时则需要及时调整自身的模型参数或控制策略来适应当前状态下的换道空间。
为此,要想保障车辆换道的安全执行,提高其自我调整和轨迹优化能力,本发明构建了基于换道空间的轨迹优化方法,让车辆换道全过程实现实时反馈优化控制,其控制流程如图1所示。
在满足换道约束条件的前提下,自主驾驶车辆的轨迹优化控制主要通过调整其横向加速度值ak来改变车辆的换道时长实现对其轨迹的调整;调整车辆纵向加速度值ac来改变车辆的横向所需空间来调整换道轨迹。若调整上述变量依旧不能满足换道需求,则执行放弃换道操作,返回至原车道进行跟驰行驶。对于车辆的反馈调节控制遵循以下原则:
(1)车辆换道过程在满足其安全稳定性的基础上,需尽量缩短换道时长;
(2)车辆纵向速度保持匀速运动或匀加速运动。
(3)车辆横向运动的加速度、速度值变化一般情况下满足对称分布的。
依据驾驶员仿真数据分析结果,驾驶换道过程中其横向位移量聚集在3.5m左右,故取d=3.5m为车辆非特殊情况下换道的横向位移量。对于车辆换道时长的选择上,为保障车辆换道满足快速性和稳定性要求,换道时长选择为tm∈[3,5]s。则其换道起始时刻的加速度值为:
式中,tm为车辆换道时长,起始时刻其值为4s;ah为车辆横向加速度。
基于此,基于换道空间的轨迹优化控制为:
S1、车辆信息的实时获取:
本车信息:vc(t)、vk(t)、ac(t),ak(t);周边车信息:vml(t)、vmh(t)、vch(t);交互信息:Dcl(t)、Dmh(t)、Dch(t),
其中,
vc(t)、vk(t)为在t时刻本车纵向速度、横向速度,
ac(t),ak(t)为在t时刻本车纵向加速度、横向加速度,
vml(t)、vmh(t)、vch(t)分别为相邻车道后车ML、相邻车道前车MH以及本车道前车CH在t时刻的速度,
Dcl(t),Dmh(t),Dch(t)分别为在t时刻本车与相邻车道后车、前车,以及本车道前车的距离;
S2、车辆行为预测:
假设在t时刻本车及周边车辆均匀速或匀加速行驶,则预测在t+τ时刻时本车速度为:
式中:vc(t+τ),vk(t+τ)分别为t+τ时刻本车的横纵向预测距离,τ为车辆的时延;
本车空间预测:
式中:Dclτ,Dmhτ,Dchτ为t+τ时刻预测的本车与相邻车道后车、前车及本车道前车的纵向间距,y(t)为车辆在t时刻横向位移量;d为车辆非特殊情况下换道的横向位移量,w为本车车身宽度。
S3、车辆运行判断:
依据预测时间τ后车辆的状态信息,判断是否满足车辆行驶的需求。
其中,w为本车车身宽度,d为车辆非特殊情况下换道的横向位移量,y(t+τ)为车辆在t+τ时刻的横向位移量,ΔDcl为本车C与相邻车道后车ML之间的距离,ΔDmh为本车C与相邻车道前车MH的换道起始时刻的相对距离,ΔDch为换道起始时刻本车C与本车道前车CH的间距。
其安全距离需满足:
其中,ΔDcl为车C与车ML之间的距离,vc和vml分别为车C与车ML的速度,amc为车C加速度,Ls为车C的最大长度,
其安全距离需满足:
式中:ΔDmh,vc和vmh分别为换道起始时刻车C与车MH的速度,amc为车C加速度,Sd为车C的安全跟车距离,Ls为车C的最大长度,
其安全距离需满足:
其中,ΔDch换道起始时刻本车C与车CH的间距,vc和vch分别为车C与车CH的速度,ta换道时长,amc为车C加速度,Ls为车C的最大长度。
S4、车辆运动调整:
如果车辆状态满足S3约束条件,则继续S1;如果不满足S3约束条件,则调整控制值。
依据S3中不满足约束条件,引入反馈调节机制,具体思路如下:
首先,调整amc至S3约束满足;
其次,确立满足调整后amc值的情况下,车辆的横向加速度值确认:
其中,as为本车最大加速度值。
S5、车辆控制执行:
ah=ak(t+τ) (1-7)
其中,amax为自主驾驶车辆的最大加速度上限值。
若ah≥amax时,则放弃换道。
上述自动驾驶换道轨迹优化模型效果:针对自动驾驶换道轨迹优化模型设置双车道前车速度检测误差在[0,0]m/s,[-0.5,0.5]m/s,[-1.0,1.0]m/s和[-1.5,1.5]m/s四个区间进行仿真。通过仿真发现前车速度检测误差对自主驾驶车辆换道过程的运行稳定性和安全性有影响。从图2中发现前车速度检测误差的变化直接影响换道所需空间大小和换道轨迹。而从图3中自主驾驶车辆的速度随着误差的增大而增大,且速度的变化幅度也随之缓慢增大。从图4车头时距随前车速度检测误差的增大而增大。整体而言,随着误差的变化自主驾驶车辆速度方差和标准差呈现波动性变化,而速度和加速度呈现先减小后增大趋势。本发明的自主驾驶车辆换道模型在一定检测误差范围内表现出良好的运行特性。
实施例三
本实施例与实施例二相同的特征不再赘述,本实施例与实施例二不同的特征在于:
所述自主驾驶模型适应UC-winRoad驾驶模拟器。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能。