CN111361564B - 一种考虑效益最大化的车道变更系统及综合决策方法 - Google Patents

一种考虑效益最大化的车道变更系统及综合决策方法 Download PDF

Info

Publication number
CN111361564B
CN111361564B CN202010357259.7A CN202010357259A CN111361564B CN 111361564 B CN111361564 B CN 111361564B CN 202010357259 A CN202010357259 A CN 202010357259A CN 111361564 B CN111361564 B CN 111361564B
Authority
CN
China
Prior art keywords
vehicle
lane
lane change
distance
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.)
Active
Application number
CN202010357259.7A
Other languages
English (en)
Other versions
CN111361564A (zh
Inventor
郭崇
罗水平
李潇江
于欣彤
王嘉伟
张垚
初亮
郭建华
许楠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jilin University
Original Assignee
Jilin University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jilin University filed Critical Jilin University
Priority to CN202010357259.7A priority Critical patent/CN111361564B/zh
Publication of CN111361564A publication Critical patent/CN111361564A/zh
Application granted granted Critical
Publication of CN111361564B publication Critical patent/CN111361564B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—Longitudinal speed
    • 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—Longitudinal speed
    • B60W2520/105—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
    • B60W2710/00—Output or target parameters relating to a particular sub-units
    • B60W2710/18—Braking system
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Automation & Control Theory (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本发明涉及一种考虑效益最大化的车道变更系统及综合决策方法，车道变更系统包括摄像头、雷达、IMU组件、通信模块、导航模块、信息反馈模块及电子控制模块；车道变更综合决策方法包括：获取本车周围环境信息、本车辆以及环境车辆的运动信息、数据处理、计算相应的纵向最小安全距离、判断是否满足车道变更的最大效益等步骤，本发明基于智能驾驶员模型，考虑车道变更时周围车辆效益的效益最大化，在直道和弯道等不同道路情况下，综合考虑道路曲率对最小安全距离模型的影响，建立了车道变更系统和综合决策模型，为智能汽车在换道时提供合理的决策依据，最终得到更全面、更舒适、更安全以及更经济的综合车道变更控制方法。

Description

一种考虑效益最大化的车道变更系统及综合决策方法
技术领域
本发明涉及一种车道变更系统及决策方法，特别涉及一种考虑车道变更效益最大化的车道变更系统及车道变更综合决策方法。
背景技术
随着当今社会科技、经济的飞速发展，我国的汽车保有量也在日益增长。汽车给人们生活和工作提供了便利，提高了效率，但隐藏在其身后的弊端也不容小觑，其中交通拥堵和交通事故频发是汽车保有量带给城市发展的首要问题。据统计，在所有交通事故中，由于驾驶员疲劳、注意力不集中而错估前方车辆状态所致的车道变更事故占所有交通事故的28％，给驾驶员及乘坐人员的生命财产安全带来很大的危害。
智能车辆(Intelligent Vehicle，IV)是多学科交叉融合的高科技产物，其以人工智能和信息技术为向导，通过多传感器感知周围行驶环境和车辆的状态信息并输送给中央处理器进行智能处理，再经由路径规划层规划出一条从起始位置到目标位置的安全可行路径，最后经由车辆执行层控制车辆的状态。智能车辆的出现还可以缓解由于人们操作失误导致的交通拥堵和交通事故，提高人们出行的安全和效率。
车道保持和车道变更是智能车辆日常行驶中的两个最基本的驾驶行为。其中车道变更即为通过控制车辆的方向盘、制动踏板和油门踏板使得车辆沿着规划好的轨迹从初始车道变更至目标车道。现阶段的车道变更系统中，较常规的是采用单一的最小安全距离模型，没有考虑到道路曲率以及车道变更对周围车辆的影响，车道变更的决策方法不够全面，舒适性、安全性以及经济性较差，因此需要提供一种更全面、更具舒适性、更具安全性以及更经济的主动式车道变更控制策略及其配套使用的车道变更系统。
发明内容
本发明为解决上述技术问题，基于最小安全距离模型和智能驾驶员模型设计一种自车及邻车车道变更效益最大化的车道变更综合决策模型，保证了车道变更的安全性和舒适性，避免了车辆频繁、不合理的车道变更行为；并且提供一种配套使用的考虑效益最大化的车道变更系统。
本发明提供的一种考虑效益最大化的车道变更系统，其特征在于：包括摄像头、雷达、IMU组件、通信模块、导航模块、信息反馈模块及电子控制模块，所述的摄像头、雷达、IMU组件、通信模块、导航模块、信息反馈模块分别设在自车车体上，并通过线路与电子控制模块相连，相互传输数据；IMU组件通过线路与通信模块相连；所述的摄像头至少包括四个摄像头，分别设在自车前后左右四个方位的中部；所述的雷达至少包括两个长距离毫米波雷达、四个中距离毫米波雷达、两个短距离毫米波雷达，所述的长距离毫米波雷达分别设在自车纵轴线前后两端，所述的中距离毫米波雷达分别设在自车左前角、左后角、右前角和右后角，所述的短距离毫米波雷达分别设在自车左右两侧的中部，通过摄像头和不同距离的雷达充分测量车辆周围的环境，方便进一步构建车道变更的模型；所述的IMU组件包括车速传感器、加速度传感器、横摆角传感器和行驶意图微处理器，分别用于测量自车车速、加速度及角速度，行驶意图微处理器根据自车的速度和加速度与期望值进行比较，判断车辆是否寻求变更至速度更快的车道；通信模块用于将采集到的信息进行传输，实现车车交互或人机交互；信息反馈模块包括视频显示系统及语音提示系统，设置在车内部，视频显示系统用于显示驾驶员车辆的位置信息、运动信息、运行路径及道路规划信息、预计抵达目的地的时间、仪表盘信息等，语音提示系统将未来可能发生的对乘员舒适性及安全性造成一定影响的行为通知给乘员，包括车辆变道提示、即将通过减速带、车辆即将进行较大程度的加减速行为等；电子控制模块通过线路与自车驱动系统、制动系统及转向系统相连，并输出控制信号控制驱动系统、制动系统及转向系统运行。
所述的导航模块包括GPS或北斗定位系统、电子地图模块和路径规划模块，GPS或北斗定位系统对自车进行定位，路径规划模块包括总路径规划系统和子路径规划系统，所述的总路径规划系统根据定位系统、电子地图模块获取的信息及用户输入的目的地信息，完成自车运动路径的总体规划，总路径规划功能也可由智能手机、平板等移动终端设备上的相应APP实现；所述的子路径规划系统其精度高于总路径规划，负责完成对自车当前所处路段环境的详细绘制，例如包括车道宽度、区域交通限制等相关信息，且随着自车位置的变化不断实现信息的更新。
所述的电子控制模块包括第一处理器、第二处理器和存储器，第一处理器和第二处理器分别与存储器相连；摄像头、雷达、IMU组件、通信模块、导航模块分别与电子控制模块的第一处理器相连，第一处理器与第二处理器相连，第二处理器分别与信息反馈模块和驱动系统、制动系统及转向系统相连；所述的第一处理器内包括当前道路信息构建模块、交通指示信息构建模块、移动障碍物信息构建模块和固定障碍物信息构建模块，用于搭建道路情况信息，在做出车道变更决策时进行参照和对比；所述的第二处理器内包括车道变更处理模块和车道保持处理模块；所述的存储器用于存储数据。
所述的车道变更处理模块包括运动分析系统、变道决策系统、轨迹规划系统和运动分解系统，所述的运动分析系统根据导航模块传递的自车运行路径信息判断出是否寻求变更车道；所述的变道决策系统包括最小安全距离对比和效益最大化对比，判断是否满足变更车道的条件；所述的轨迹规划系统根据自车初始及最终状态信息做出车道变更轨迹规划；所述的运动分解系统根据轨迹规划做出纵向运动分解和侧向运动分解，得到每一时刻X、Y轴方向上的位置、速度、加速度等信息，转化为对应的节气门开度、制动强度、转向盘转角信息，通过CAN总线传递给对应的运动执行模块即驱动系统、制动系统及转向系统运行，保证车辆完成相应动作；所述的车道保持处理模块用于保持原行驶状态，向运动执行模块输出控制信号。
基于上述的系统，本发明提供的一种考虑车道变更效益最大化的车道变更综合决策方法，包括以下步骤：
步骤1：通过摄像头、雷达、IMU组件获取本车周围环境信息、本车辆以及环境车辆的运动信息，所述的周围环境信息包括当前所处路段的形状、宽度、曲率半径、交通流量信息；所述的本车辆运动信息包括本车车速、加速度信息；环境车辆的运动信息包括邻近车道中前车与后车的速度、加速度以及与本车的相对距离，本车道中前车的速度、加速度以及与本车的相对距离；
步骤2：行驶意图微处理器内，根据步骤1得到的环境与车辆信息进行数据处理，处理包括：
根据自车的行驶速度和加速度与期望值进行比较，判断车辆是否寻求变更至速度更快的车道，所述的期望值包括驾驶员的期望行驶速度和加速度，或者预设的期望行驶速度和加速度，比较过程如下：当平均速度比率和平均加速度不满度较大，即车辆的行驶速度和加速度与期望的行驶速度和加速度差距较大时，车辆寻求变更至速度更快的车道，否则继续车道保持；
如判断寻求变更至速度更快的车道时，在第一处理器内进一步根据自车周围交通流量情况选择车道保持或车道变更，将实时交通流量与系统预设阈值进行比较，过程如下：
(1)当自车周围交通流量较小时(即交通流量小于阈值)，车辆选择车道变更；
(2)当自车周围交通流量中等时(即交通流量在阈值范围内)，车辆优先选择车道保持，必要时可进行车道变更；所述的必要时为驾驶员主动要求车道变更等情况；
(3)当自车周围交通流量较大时(即交通流量大于阈值)，周围环境状态不允许车辆进行车道变更，只能进行车道保持。
步骤3：当步骤2最终选择车道变更时，根据步骤1得到的环境信息，确定当前的道路情况为直道或弯道；在第二处理器的车道变更处理模块内进一步根据车辆的运动信息，计算相应的纵向最小安全距离，以此作为是否进行车道变更的安全条件；所述的纵向最小安全距离包括自车与目标车道前车的纵向最小安全距离、自车与目标车道后车的纵向最小安全距离、自车与原车道前车的纵向最小安全距离；
若自车与目标车道前车、目标车道后车或原车道前车中任意目标的纵向距离小于对应的纵向最小安全距离，则车辆不能换道，车辆继续车道保持，重复步骤2；
步骤4：若步骤3自车与目标车道前车、目标车道后车和原车道前车的纵向距离均满足对应的纵向最小安全距离，则进一步判断是否满足车道变更的最大效益，若车道变更的最大效益大于设定的阈值条件值，则车道变更的决策条件得到满足，控制车辆进行换道；否则车辆继续车道保持，重复步骤2。
步骤3中当前道路情况相应的纵向最小安全距离如下，其中M代表自车，Ld代表目标车道前车，Fd代表目标车道后车，L0代表原车道前车：
当前道路为直道时：
(1)自车M车道变更过程中不与目标车道前车Ld发生任何形式碰撞的最小安全距离(Minimal Safe Distance)MSD(M,Ld)：
Figure BDA0002473910510000051
其中，aM(τ)、
Figure BDA0002473910510000058
分别为自车、目标车道前车的加速度，vM(0)、/>
Figure BDA0002473910510000059
分别为自车、目标车道前车的初速度，L为车长，tc表示车道变更自车完成纵向距离及纵向速度的调整后，向目标车道切入过程中发生碰撞的时间,tadj表示自车为了执行车道变更成功在开始执行车道变更操作之前所需的纵向距离和纵向速度调整的时间,tc+tadj为发生碰撞的时间，T为换道总时间；
(2)自车M车道变更过程中不与目标车道后车Fd发生任何形式碰撞的最小安全距离MSD(M,Fd)：
Figure BDA0002473910510000052
其中，aM(τ)、
Figure BDA0002473910510000053
分别为自车、目标车道后车的加速度，vM(0)、/>
Figure BDA0002473910510000054
分别为自车、目标车道后车的初速度，L为车长，tc+tadj为发生碰撞的时间，T为换道总时间；
(3)自车M车道变更过程中不与原车道前车L0发生任何形式碰撞的最小安全距离MSD(M,L0)：
Figure BDA0002473910510000055
其中，aM(τ)、
Figure BDA0002473910510000056
分别为自车、原车道前车的加速度，vM(0)、/>
Figure BDA0002473910510000057
分别为自车、原车道前车的初速度，L为车长，tc+tadj为发生碰撞的时间，T为换道总时间；
当前道路为弯道时：
(1)弯道车道变更初始时刻自车M与目标车道前车Ld的最小安全距离MSD(M,Ld)为：
Figure BDA0002473910510000061
其中，R为外侧车道的曲率半径，H为车道宽度，l2(0)为初始时刻目标车道前车Ld沿内车道到自车M的弧长距离，
Figure BDA0002473910510000062
φ为l2(0)所对应的圆心角，/>
Figure BDA0002473910510000063
(2)弯道车道变更初始时刻自车M与目标车道后车Fd的最小安全距离MSD(M,Ld)为：
Figure BDA0002473910510000064
其中，R为外侧车道的曲率半径，H为车道宽度，l2(0)为初始时刻目标车道前车Ld沿内车道到自车M的弧长距离，φ为l2(0)所对应的圆心角；
(3)弯道车道变更初始时刻自车M与原车道前车L0的最小安全距离MSD(M,L0)为：
Figure BDA0002473910510000065
其中l1(0)为初始时刻自车M与原车道前车L0沿外侧车道的距离。
步骤4所述的车道变更的最大效益为：
QM＝λ[(a'M-aM)+(v'M-vM)]+ρ[(a'Fd-aFd)+(v'Fd-vFd)]
s.t.asafe≥aFd≥-asafe
asafe≥aM≥-asafe
其中λ[(a'M-aM)+(v'M-vM)]为自车车道变更的效益，即加速度和速度是否将会得到提升，a'M为自车车道变更之后的加速度，aM为自车车道变更之前的加速度，v'M为自车车道变更之后的速度，vM为自车车道变更之前的速度；ρ[(a'Fd-aFd)+(v'Fd-vFd)]为自车车道变更行为之后对目标车道后车的效益，即对目标车道后车的加速度和速度的影响，a'Fd为自车车道变更之后目标车道后车的加速度，aFd为自车车道变更之前目标车道后车的加速度，v'Fd为自车车道变更之后目标车道后车的速度，vFd为自车车道变更之前目标车道后车的速度；λ为自车车道变更行为的效益权重因子，ρ为自车车道变更之后目标车道后车的效益权重因子，λ+ρ＝1，当车道变更倾向于获取更大的自车驾驶效益时，λ＞ρ，当车道变更倾向于保护目标车道后车的驾驶效益时，λ＜ρ，若二者权重相当，则λ＝ρ＝0.5；asafe为各车加速度约束条件，一般取2m/s2。
本发明的有益效果：
本发明提出了一种考虑自车及邻车车道变更效益最大化的车道变更综合决策方法，基于智能驾驶员模型，采用最优化理论，考虑车道变更时周围车辆效益的效益最大化模型，考虑不同的道路情况，分别在直道和弯道的情况下，综合考虑道路曲率对最小安全距离模型的影响，将上述两种模型进行结合，建立了车道变更综合决策模型，为智能汽车在换道时提供合理的决策依据，最终得到更全面、更舒适、更安全以及更经济的综合车道变更控制方法，同时避免了车辆频繁、不合理的车道变更行为的发生，缓解了由于人们操作失误导致的交通拥堵和交通事故，极大得提高人们出行的安全和效率。
附图说明
图1为本发明车道变更系统的整体结构示意图；
图2为本发明车道变更系统摄像头的排布示意图；
图3为本发明车道变更系统雷达的排布示意图；
图4为本发明车道变更系统中导航模块的结构示意图；
图5为本发明车道变更系统中车道变更处理模块的结构示意图；
图6为本发明车道变更综合决策方法的逻辑示意图；
图7为本发明直道车道变更场景示意图
图8为本发明弯道车道变更场景示意图
图9为本发明直道车道变更情况下自车与临车发生碰撞时的示意图；
图10为本发明弯道车道变更情况下自车与临车发生碰撞时的示意图；
图11为本发明直道车道变更情况下自车与临车最小安全距离与车道变更时间的关系图；
图12为本发明弯道车道变更情况下自车与临车最小安全距离与车道变更时间的关系图；
1、摄像头 2、雷达 3、IMU组件 4、通信模块 5、导航模块 6、信息反馈模块 7、电子控制模块 8、长距离毫米波雷达 9、中距离毫米波雷达 10、短距离毫米波雷达 11、车速传感器 12、加速度传感器 13、横摆角传感器 14、行驶意图微处理器 15、定位系统 16、电子地图模块 17、总路径规划系统 18、子路径规划系统 19、视频显示系统 20、语音提示系统21、驱动系统 22、制动系统 23、转向系统 24、第一处理器 25、第二处理器 26、存储器 27、当前道路信息构建模块 28、交通指示信息构建模块 29、移动障碍物信息构建模块 30、固定障碍物信息构建模块 31、车道变更处理模块 32、车道保持处理模块 33、运动分析系统34、变道决策系统 35、轨迹规划系统 36、运动分解系统。
具体实施方式
结合图1-5所示：
本发明提供的一种考虑效益最大化的车道变更系统，其特征在于：包括摄像头1、雷达2、IMU组件3、通信模块4、导航模块5、信息反馈模块6及电子控制模块7，所述的摄像头1、雷达2、IMU组件3、通信模块4、导航模块5、信息反馈模块6分别设在自车车体上，并通过线路与电子控制模块7相连，相互传输数据；IMU组件3通过线路与通信模块4相连；
所述的摄像头1至少包括四个单目摄像头，分别设在自车前后左右四个方位的中部，所述的单目摄像头采用Bosch生产的MPC2，为单目、图像传感器为互补金属氧化物半导体(complementary metal oxide semiconductor，CMOS)的摄像头，可实现物体探测、车道探测、光源探测、道路标志识别等功能；
所述的雷达2至少包括两个长距离毫米波雷达8、四个中距离毫米波雷达9、两个短距离毫米波雷达10，所述的长距离毫米波雷达8采用频段为77GHz的长距离雷达LRR3，分别设在自车纵轴线前后两端；所述的中距离毫米波雷达9采用频段为79GHz的中距离雷达MRR，分别设在自车左前角、左后角、右前角和右后角；所述的短距离毫米波雷达10采用频段为79GHz的短距离雷达SRR，分别设在自车左右两侧的中部；
所述的IMU组件3包括车速传感器11、加速度传感器12、横摆角传感器13和行驶意图微处理器14，所述的车速传感器11类型为霍尔传感器，用来感知车速；所述的加速度传感器12用来获取车辆的纵向及侧向的加速度信息；所述的横摆角传感器13用来获取车辆绕纵轴线的转过的角度；所述的行驶意图微处理器14根据自车的速度和加速度与期望值进行比较，判断车辆是否寻求变更至速度更快的车道；
通信模块4用于将采集到的信息进行传输，实现自车信息的向外传输，也可以实现其他车辆信息以及路况信息的接收，保证了通行的效率，通过WI-FI网实现车-车、车-基础设施的通信，WI-FI是一个创建于IEEE 802.11标准的无线局域网技术；
所述的导航模块5包括GPS或北斗定位系统15、电子地图模块16和路径规划模块，定位系统15对自车进行定位，路径规划模块包括总路径规划系统17和子路径规划系统18，所述的总路径规划系统17根据定位系统15、电子地图模块16获取的信息及用户输入的目的地信息，完成自车运动路径的总体规划，总路径规划功能也可由智能手机、平板等移动终端设备上的相应APP实现；所述的子路径规划系统18其精度高于总路径规划，负责完成对自车当前所处路段环境的详细绘制，例如包括车道宽度、区域交通限制等相关信息，且随着自车位置的变化不断实现信息的更新。
信息反馈模块6包括视频显示系统19及语音提示系统20，分别设置在车内部，视频显示系统19用于显示驾驶员车辆的位置信息、运动信息、运行路径及道路规划信息、预计抵达目的地的时间、仪表盘信息等，语音提示系统20将未来可能发生的对乘员舒适性及安全性造成一定影响的行为通知给乘员，包括车辆变道提示、即将通过减速带、车辆即将进行较大程度的加减速行为等；
电子控制模块7通过线路与自车驱动系统21、制动系统22及转向系统23相连，并输出控制信号控制驱动系统21、制动系统22及转向系统23运行，驱动系统21包括自车的驱动装置，包括但不限于发动机、电动机、变速器等，制动系统22包括ABS系统，转向系统23包括EPS系统。
所述的电子控制模块7包括第一处理器24、第二处理器25和存储器26，第一处理器24和第二处理器25分别与存储器26相连；摄像头1、雷达2、IMU组件3、通信模块4、导航模块5分别与电子控制模块7的第一处理器24相连，第一处理器24与第二处理器25相连，第二处理器25分别与信息反馈模块6和驱动系统21、制动系统22及转向系统23相连；
所述的第一处理器24内包括当前道路信息构建模块27、交通指示信息构建模块28、移动障碍物信息构建模块29和固定障碍物信息构建模块30，第一处理器24用于搭建道路情况信息，在做出车道变更决策时进行参照和对比；所述的当前道路信息构建模块27可完成自车当前道路信息的构建，道路信息主要包括道路线信息，例如人行横道、车道线、护栏、路肩等，以及道路指示线信息，例如左转线、直行线、减速提示线等；所述的交通指示信息构建模块28可完成交通指示信息的建立，其中交通指示信息具体包括交通信号灯、道路标识牌、限速要求等信息；所述的移动障碍物信息构建模块29可完成车辆周围可移动物体相关信息的建立，其中可移动物体包括机动车、非机动车、行人等，相关信息包括位置、形状大小、速度、加速度等信息；所述的固定障碍物信息构建模块30可完成车辆周围固定障碍物相关信息的建立，其中障碍物包括发生交通事故的车辆、前车掉落物、落石等。相关信息包括其位置、形状大小等信息；
所述的第二处理器25可确定自车在未来一段时间内的运动形式，内包括车道变更处理模块31和车道保持处理模块32，车道变更处理模块31在自车满足车道变更条件时，执行车道变更操作，车道保持处理模块32在自车不满足车道变更条件时，执行车道保持操作；所述的存储器26用于存储数据，包括自车及周围环境相关信息的存储，也可以存储运算程序，以及存储自车未来一段时间采取的动态指令。
所述的车道变更处理模块31包括运动分析系统33、变道决策系统34、轨迹规划系统35和运动分解系统36，所述的运动分析系统33根据导航模块5传递的自车运行路径信息判断出是否寻求变更车道；所述的变道决策系统34包括最小安全距离对比和效益最大化对比，判断是否满足变更车道的条件；所述的轨迹规划系统35根据自车初始及最终状态信息做出车道变更轨迹规划；所述的运动分解系统36根据轨迹规划做出纵向运动分解和侧向运动分解，得到每一时刻X、Y轴方向上的位置、速度、加速度等信息，转化为对应的节气门开度、制动强度、转向盘转角信息，通过CAN总线传递给对应的运动执行模块即驱动系统21、制动系统22及转向系统23运行，保证车辆完成相应动作；所述的车道保持处理模块32用于保持原行驶状态，向运动执行模块输出控制信号。
结合图6-12所示：
本发明提供的一种考虑车道变更效益最大化的车道变更综合决策方法，包括以下步骤：
步骤1：通过摄像头、雷达、IMU组件获取本车周围环境信息、本车辆以及环境车辆的运动信息，所述的周围环境信息包括当前所处路段的形状、宽度、曲率半径、交通流量信息；所述的本车辆运动信息包括本车车速、加速度信息；环境车辆的运动信息包括邻近车道中前车与后车的速度、加速度以及与本车的相对距离，本车道中前车的速度、加速度以及与本车的相对距离；
步骤2：行驶意图微处理器14内，根据步骤1得到的环境与车辆信息进行数据处理，处理包括：
根据自车的行驶速度和加速度与期望值进行比较，判断车辆是否寻求变更至速度更快的车道，所述的期望值包括驾驶员的期望行驶速度和加速度，或者预设的期望行驶速度和加速度，比较过程如下：当平均速度比率和平均加速度不满度较大，即车辆的行驶速度和加速度与期望的行驶速度和加速度差距较大时，车辆寻求变更至速度更快的车道，否则继续车道保持；
如判断寻求变更至速度更快的车道时，在第一处理器24内进一步根据自车周围交通流量情况选择车道保持或车道变更，将实时交通流量与系统预设阈值进行比较，过程如下：
(1)当自车周围交通流量较小时(即交通流量小于阈值)，车辆选择车道变更；
(2)当自车周围交通流量中等时(即交通流量在阈值范围内)，车辆优先选择车道保持，必要时可进行车道变更；所述的必要时为驾驶员主动要求车道变更等情况；
(3)当自车周围交通流量较大时(即交通流量大于阈值)，周围环境状态不允许车辆进行车道变更，只能进行车道保持。
步骤3：当步骤2最终选择车道变更时，根据步骤1得到的环境信息，确定当前的道路情况为直道或弯道；在第二处理器25的车道变更处理模块31内进一步根据车辆的运动信息，计算相应的纵向最小安全距离，以此作为是否进行车道变更的安全条件；所述的纵向最小安全距离包括自车与目标车道前车的纵向最小安全距离、自车与目标车道后车的纵向最小安全距离、自车与原车道前车的纵向最小安全距离；
若自车与目标车道前车、目标车道后车或原车道前车中任意目标的纵向距离小于对应的纵向最小安全距离，则车辆不能换道，由车道保持处理模块32控制车辆继续车道保持，重复步骤2；
步骤4：若步骤3自车与目标车道前车、目标车道后车和原车道前车的纵向距离均满足对应的纵向最小安全距离，则进一步判断是否满足车道变更的最大效益，若车道变更的最大效益大于设定的阈值条件值，则车道变更的决策条件得到满足，控制车辆进行换道；否则由车道保持处理模块32控制车辆继续车道保持，重复步骤2。所述的阈值为一个大于等于0的数，在本例中取值为1；当倾向于降低车道变更的次数时，可适当调高阈值，反之可适当降低阈值，其中增加和降低的上下限均不应超过1。
图7和图8分别表示了直道和弯道车道变更情况下，各车的位置情况。为了方便表示所涉及的车辆之间的纵向和横向距离关系，在图中表示出了大地坐标系，O为原点，X轴指向车辆行驶方向，Y轴垂直于X轴指向目标车道。因此，纵向加速度、纵向速度、纵向位置和横向位置分别表示为ai(t)，vi(t)，xi(t)和yi(t)，其中i∈{Ld,Fd,L0,M}。
下面结合图9、图10对步骤3中根据当前道路情况计算相应的纵向最小安全距离进行详细说明，其中M代表自车，Ld代表目标车道前车，Fd代表目标车道后车，L0代表原车道前车：
当前道路为直道时，图9是直道车道变更情况下自车与临车发生碰撞时的示意图；
(1)当自车M与目标车道前车Ld发生碰撞时，自车的横向位移为：
Figure BDA0002473910510000131
式中，S为自车的上边沿与目标车道前车的下边沿的初始横向距离，W为车宽(假设实施例中所涉车辆车长和车宽相同)，考虑所有的碰撞形式，自车与目标车道前车的避碰条件为下式：
Figure BDA0002473910510000132
式中，xM(t)为本车纵向位移，
Figure BDA0002473910510000133
为目标车道前车纵向位移，L为车长，θ(t)为车道变更车辆横摆角，且满足下式：
Figure BDA0002473910510000141
vlat(t)为本车的侧向车速，vM(t)为本车的纵向车速，最大的θ(t)，即最大的sin(θ(t))在t＝tc+tadj时刻取得。定义本车与目标车道前车Ld在[tc+tadj，tlat+tadj]时段区间为避免碰撞所应保持的距离
Figure BDA0002473910510000149
tlat为自车由原车道向目标车道切入过程的时间，上式简化为：
Figure BDA0002473910510000142
用Sr(t)表示自车M与目标车道前车Ld车道变更过程中的纵向距离，得到：
Figure BDA0002473910510000143
为了达到车道变更过程中自车M与目标车道前车Ld不发生任何形式的碰撞需要满足下式：
Figure BDA0002473910510000144
式中Sr(0)＝xLd(0)-L-xM(0)，Sr(0)为初始时刻自车车头至目标车道前车车尾的纵向距离，
Figure BDA0002473910510000145
为初始时刻目标车道前车左上角到坐标原点的纵向位置，xM(0)为初始时刻自车左上角到坐标原点的纵向位置；
自车M车道变更过程中不与目标车道前车Ld发生任何形式碰撞的最小安全距离(Minimal Safe Distance)MSD(M,Ld)：
Figure BDA0002473910510000146
其中，aM(τ)、
Figure BDA0002473910510000148
分别为自车、目标车道前车的加速度，vM(0)、/>
Figure BDA0002473910510000147
分别为自车、目标车道前车的初速度，L为车长，tc表示车道变更自车完成纵向距离及纵向速度的调整后，向目标车道切入过程中发生碰撞的时间，一般取整个切入过程时间的一半，在1.5s至2.5s之间，tadj表示自车为了执行车道变更成功在开始执行车道变更操作之前所需的纵向距离和纵向速度调整的时间，该时间一般很小，可以忽略不计，tc+tadj为发生碰撞的时间，T为换道总时间；
(2)为了避免自车M与目标车道后车Fd发生任何形式的碰撞，保守起见，需满足下式：
Figure BDA0002473910510000151
用Sr(t)表示自车M与目标车道后车Fd车道变更过程中的纵向距离，得到：
Figure BDA0002473910510000152
为了达到车道变更过程中自车M与目标车道后车Fd不发生任何形式的碰撞需要满足下式：
Figure BDA0002473910510000153
式中
Figure BDA00024739105100001510
Sr(0)为初始时刻目标车道后车车头至自车车尾的纵向距离，/>
Figure BDA0002473910510000154
为初始时刻目标车道后车左上角到坐标原点的纵向位置，xM(0)为初始时刻自车左上角到坐标原点的纵向位置；
自车M车道变更过程中不与目标车道后车Fd发生任何形式碰撞的最小值MSD(M,Fd)：
Figure BDA0002473910510000155
其中，aM(τ)、
Figure BDA0002473910510000156
分别为自车、目标车道后车的加速度，vM(0)、/>
Figure BDA0002473910510000157
分别为自车、目标车道后车的初速度；
(3)为了避免自车M与原车道前车L0发生任何形式的碰撞，需满足下式：
Figure BDA0002473910510000158
定义
Figure BDA0002473910510000159
用Sr(t)表示自车M与原车道前车L0车道变更过程中的纵向距离，得到：
Figure BDA0002473910510000161
为了达到车道变更过程中自车M与原车道前车L0不发生任何形式的碰撞需要满足下式：
Figure BDA0002473910510000162
式中
Figure BDA0002473910510000163
Sr(0)为初始时刻自车车头至原车道前车车尾的纵向距离，/>
Figure BDA0002473910510000164
为初始时刻原车道前车左上角到坐标原点的纵向位置，xM(0)为初始时刻自车左上角到坐标原点的纵向位置；
自车M车道变更过程中不与原车道前车L0发生任何形式碰撞的最小值MSD(M,L0)：
Figure BDA0002473910510000165
其中，aM(τ)、
Figure BDA0002473910510000166
分别为自车、原车道前车的加速度，vM(0)、/>
Figure BDA0002473910510000167
分别为自车、原车道前车的初速度；/>
当前道路为弯道时，图10是弯道车道变更情况下自车与临车发生碰撞时的示意图。
(1)为了达到车道变更过程中自车M不与目标车道前车Ld发生任何形式的碰撞需满足：
Figure BDA0002473910510000168
式中Sr(t)表示自车M与目标车道前车Ld车道变更过程中的纵向距离，
Figure BDA0002473910510000169
其中R为外侧车道的曲率半径，H为车道宽度。
根据余弦定理公式，弯道车道变更初始时刻自车M与目标车道前车Ld的最小安全距离MSD(M,Ld)为：
Figure BDA0002473910510000171
其中，l2(0)为初始时刻目标车道前车Ld沿内车道到自车M的弧长距离，φ为l2(0)所对应的圆心角，
Figure BDA0002473910510000172
(2)为了达到车道变更过程中自车M与目标车道后车Fd不发生任何形式的碰撞，需要满足下式：
Figure BDA0002473910510000173
Sr(t)表示自车M与目标车道后车Fd车道变更过程中的纵向距离，根据余弦定理公式，弯道车道变更初始时刻自车M与目标车道后车Fd的最小安全距离MSD(M,Ld)为：
Figure BDA0002473910510000174
其中，R为外侧车道的曲率半径，H为车道宽度，l2(0)为初始时刻目标车道后车Fd沿内车道到自车M的弧长距离，φ为l2(0)所对应的圆心角；
(3)为了达到车道变更过程中自车M与原车道前车L0不发生任何形式的碰撞，需要满足下式：
Figure BDA0002473910510000175
Sr(t)表示自车M与原车道前车L0车道变更过程中的纵向距离，根据几何关系，弯道车道变更初始时刻自车M与原车道前车L0的最小安全距离MSD(M,L0)为：
Figure BDA0002473910510000181
其中l1(0)为初始时刻自车M与原车道前车L0沿外侧车道的距离。
步骤4所述的车道变更的最大效益为：
QM＝λ[(a'M-aM)+(v'M-vM)]+ρ[(a'Fd-aFd)+(v'Fd-vFd)]
s.t.asafe≥aFd≥-asafe
asafe≥aM≥-asafe
其中λ[(a'M-aM)+(v'M-vM)]为自车车道变更的效益，即加速度和速度是否将会得到提升，a'M为自车车道变更之后的加速度，aM为自车车道变更之前的加速度，v'M为自车车道变更之后的速度，vM为自车车道变更之前的速度；ρ[(a'Fd-aFd)+(v'Fd-vFd)]为自车车道变更行为之后对目标车道后车的效益，即对目标车道后车的加速度和速度的影响，a'Fd为自车车道变更之后目标车道后车的加速度，aFd为自车车道变更之前目标车道后车的加速度，v'Fd为自车车道变更之后目标车道后车的速度，vFd为自车车道变更之前目标车道后车的速度；λ为自车车道变更行为的效益权重因子，ρ为自车车道变更之后目标车道后车的效益权重因子，λ+ρ＝1，当车道变更倾向于获取更大的自车驾驶效益时，λ＞ρ，当车道变更倾向于保护目标车道后车的驾驶效益时，λ＜ρ，若二者权重相当，则λ＝ρ＝0.5，在本例中取λ＝0.6，ρ＝0.4；asafe为各车加速度约束条件，一般取2m/s2。
所述的车道变更的最大效益利用跟车模型进行计算，所述的跟车模型的一般表达式为：
an＝f(vn,sn,Δvn)
其中vn为第n辆车的速度，sn为第n辆车与其前车的距离差，Δvn为第n辆车与其前车的速度差；
若同时考虑前方m辆车的影响，则表达式为：
an＝f(vn,sn,sn-1,…,sn-m-1,Δvn,Δvn-1,…,Δvn-m-1)
上述的跟车模型中，加速度an为vn,sn,Δvn的函数，计算意义在于可以根据他们获取每一时刻的vn,sn,Δvn，进而获得跟车模型中的加速度。
所述的跟车模型利用智能驾驶员模型进行计算，所述的智能驾驶员模型的加速度表达式为：
Figure BDA0002473910510000191
其中，an(max)为第n辆车的最大加速度，vn(max)为第n辆车的最大速度，δ为速度比例指数，一般取值1～5，s*为第n辆车与前车的期望距离；
该模型可拆分为自由状态和拥堵状态，其中自由状态加速度表达式为：
Figure BDA0002473910510000192
拥堵状态下的加速度表达式为：
Figure BDA0002473910510000193
所述的智能驾驶员模型的加速度表达式中，s*(vn,Δvn)为自车与前车的期望间距，表达式为：
Figure BDA0002473910510000194
其中，s0为前车速度为零时自车的安全距离，Tn为自车与前车的安全时距，b为自车的最大舒适减速度；
Δvn为自车与前车速度差，表达式为：
Δvn＝vn-vn-1
其中vn是自车的速度，vn-1为前车的速度；
(t+Δt)时刻车辆的速度、位置和跟车距离根据数值积分的方法来计算：
Figure BDA0002473910510000203
Figure BDA0002473910510000201
sn(t+Δt)＝xn-1(t+Δt)-xn(t+Δt)-L
其中：Δt为时间间隔，
Figure BDA0002473910510000202
为t时刻自车的加速度，vn(t)为t时刻自车的速度，vn(t+Δt)为(t+Δt)时刻自车的速度，xn(t)为t时刻自车左上角到坐标原点的纵向位置；xn(t+Δt)为(t+Δt)时刻自车左上角到坐标原点的纵向位置，xn-1(t+Δt)为(t+Δt)时刻自车跟随的前方车辆左上角到坐标原点的纵向位置，L为车长，sn(t+Δt)为(t+Δt)时刻的跟车距离。
图11表示了在直道车道变更条件下自车与临车最小安全距离与车道变更时间的关系。可以得出，对于自车与目标车道前车、自车与目标车道后车的最小安全距离，当加速度差值为正时，该值随着车道变更时间的增加而增加，且纵向相对加速度差越大，所需的最小安全距离增加地越显著。而当纵向加速度差为负值时，最小安全距离随着车道变更时间的增加而减小，且纵向相对加速度差越大，所需的最小安全距离减小地越显著，甚至在某一区域出现负值。而对于自车与原车道前车的最小安全距离来说，该值始终为正值，且随着车道变更时间的增加而增加，纵向加速度差越大，最小安全距离增加地越显著，某种程度上，正的纵向速度差值所需的最小安全距离越大。
图12表示了在弯道和直道车道变更条件下自车与临车最小安全距离差值与车道变更时间的关系。可以得出，当弯道半径越小时，最小安全距离差值越显著，随着半径的逐渐增大，差值越来越小，说明当弯道半径较小时，不能简单地套用直道车道变更最小安全距离模型，否则将有可能出现直道能够车道变更成功而弯道车道变更失败的情况。

Claims (7)

1.一种考虑效益最大化的车道变更综合决策方法，其特征在于：包括以下步骤：
步骤1：获取本车周围环境信息、自车以及环境车辆的运动信息；
步骤2：根据步骤1得到的环境与运动信息进行数据处理，处理包括：根据自车的行驶速度和加速度与期望值进行比较，判断自车是否寻求变更至速度更快的车道；如判断寻求变更至速度更快的车道时，进一步根据自车周围交通流量情况选择车道保持或车道变更；
步骤3：当选择车道变更时，根据步骤1得到的环境信息，确定当前的道路情况为直道或弯道；进一步根据车辆的运动信息，计算相应的纵向最小安全距离，以此作为是否进行车道变更的安全条件；所述的纵向最小安全距离包括自车与目标车道前车的纵向最小安全距离、自车与目标车道后车的纵向最小安全距离、自车与原车道前车的纵向最小安全距离；
若自车与目标车道前车、目标车道后车或原车道前车中任意目标的纵向距离小于对应的纵向最小安全距离，则车辆不能换道，车辆继续车道保持，重复步骤2；
步骤4：若步骤3自车与目标车道前车、目标车道后车和原车道前车的纵向距离均满足对应的纵向最小安全距离，则进一步判断是否满足车道变更的最大效益，若车道变更的最大效益大于设定的阈值条件值，则车道变更的决策条件得到满足，控制车辆进行换道；否则车辆继续车道保持，重复步骤2；
步骤3中根据当前道路情况计算相应的纵向最小安全距离如下：
当前道路为直道时，纵向最小安全距离包括：
(1)自车（M）与目标车道前车（Ld ）的纵向最小安全距离为：
Figure QLYQS_1
，其中，aM(τ)、/>
Figure QLYQS_2
分别为自车、目标车道前车的加速度，vM(0)、/>
Figure QLYQS_3
分别为自车、目标车道前车的初速度，L为车长，tc表示车道变更自车完成纵向距离及纵向速度的调整后，向目标车道切入过程中发生碰撞的时间,tadj表示自车为了执行车道变更成功在开始执行车道变更操作之前所需的纵向距离和纵向速度调整的时间,tc+tadj为发生碰撞的时间，T为换道总时间；
(2)自车（M）与目标车道后车（Fd）的纵向最小安全距离为：
Figure QLYQS_4
，其中，aM(τ)、/>
Figure QLYQS_5
分别为自车、目标车道后车的加速度，vM(0)、/>
Figure QLYQS_6
分别为自车、目标车道后车的初速度；
(3)自车（M）与原车道前车（L0）的纵向最小安全距离为：
Figure QLYQS_7
，其中，aM(τ)、/>
Figure QLYQS_8
分别为自车、原车道前车的加速度，vM(0)、/>
Figure QLYQS_9
分别为自车、原车道前车的初速度；
当前道路为弯道时，纵向最小安全距离包括：
(1)自车（M）与目标车道前车（Ld）的纵向最小安全距离为：
Figure QLYQS_10
，其中，R为外侧车道的曲率半径，H为车道宽度，l2(0)为初始时刻目标车道前车（Ld）沿内车道到自车（M）的弧长距离，φ为l2(0)所对应的圆心角；
(2)自车（M）与目标车道后车（Fd）的纵向最小安全距离为：
Figure QLYQS_11
，l2(0)为初始时刻目标车道后车（Fd）沿内车道到自车（M）的弧长距离，φ为l2(0)所对应的圆心角；
(3)自车（M）与原车道前车（L0）的纵向最小安全距离为：
Figure QLYQS_12
，其中l1(0)为初始时刻自车（M）与原车道前车（L0）沿外侧车道的距离；
步骤4所述的车道变更的最大效益为：
QM＝λ[(a'M-aM)+(v'M-vM)]+ρ[(a'Fd-aFd)+(v'Fd-vFd)]
s.t.asafe≥aFd≥-asafe
asafe≥aM≥-asafe
其中λ[(a'M-aM)+(v'M-vM)]为自车车道变更的效益，即加速度和速度是否将会得到提升，a'M为自车车道变更之后的加速度，aM为自车车道变更之前的加速度，v'M为自车车道变更之后的速度，vM为自车车道变更之前的速度；ρ[(a'Fd-aFd)+(v'Fd-vFd)]为自车车道变更行为之后对目标车道后车的效益，即对目标车道后车的加速度和速度的影响，a'Fd为自车车道变更之后目标车道后车的加速度，aFd为自车车道变更之前目标车道后车的加速度，v'Fd为自车车道变更之后目标车道后车的速度，vFd为自车车道变更之前目标车道后车的速度；λ为自车车道变更行为的效益权重因子，ρ为自车车道变更之后目标车道后车的效益权重因子，λ+ρ＝1，当车道变更倾向于获取更大的自车驾驶效益时，λ＞ρ，当车道变更倾向于保护目标车道后车的驾驶效益时，λ＜ρ，若二者权重相当，则λ＝ρ＝0.5；asafe为各车加速度约束条件；
所述的车道变更的最大效益利用跟车模型进行计算，所述的跟车模型的一般表达式为：
an＝f(vn,sn,Δvn)
其中vn为第n辆车的速度，sn为第n辆车与其前车的距离差，Δvn为第n辆车与其前车的速度差；
若同时考虑前方m辆车的影响，则表达式为：
an＝f(vn,sn,sn-1,…,sn-m-1,Δvn,Δvn-1,…,Δvn-m-1)；
所述的跟车模型利用智能驾驶员模型进行计算，所述的智能驾驶员模型的加速度表达式为：
Figure QLYQS_13
，其中，an(max)为第n辆车的最大加速度，vn(max)为第n辆车的最大速度，δ为速度比例指数，s*为第n辆车与前车的期望距离；
该模型可拆分为自由状态和拥堵状态，其中自由状态加速度表达式为：
Figure QLYQS_14
，拥堵状态下的加速度表达式为：
Figure QLYQS_15
，s*(vn,Δvn)为自车与前车的期望间距，表达式为：
Figure QLYQS_16
，其中，s0为前车速度为零时自车的安全距离，Tn为自车与前车的安全时距，b为自车的最大舒适减速度；
Δvn为自车与前车速度差，表达式为：
Δvn＝vn-vn-1
其中vn是自车的速度，vn-1为前车的速度；
(t+Δt)时刻车辆的速度、位置和跟车距离根据数值积分的方法来计算：
Figure QLYQS_17
；/>
Figure QLYQS_18
，sn(t+Δt)＝xn-1(t+Δt)-xn(t+Δt)-L
其中：Δt为时间间隔，
Figure QLYQS_19
为t时刻自车的加速度，vn(t)为t时刻自车的速度，vn(t+Δt)为(t+Δt)时刻自车的速度，xn(t)为t时刻自车左上角到坐标原点的纵向位置；xn(t+Δt)为(t+Δt)时刻自车左上角到坐标原点的纵向位置，xn-1(t+Δt)为(t+Δt)时刻自车跟随的前方车辆左上角到坐标原点的纵向位置，L为车长，sn(t+Δt)为(t+Δt)时刻的跟车距离。
2.根据权利要求1所述的一种考虑效益最大化的车道变更综合决策方法，其特征在于：步骤1所述的周围环境信息包括当前所处路段的形状、宽度、曲率半径、交通流量信息；所述自车的运动信息包括自车车速、加速度信息；所述的环境车辆的运动信息包括邻近车道中前车与后车的速度、加速度以及与自车的相对距离，本车道中前车的速度、加速度以及与自车的相对距离。
3.根据权利要求1所述的一种考虑效益最大化的车道变更综合决策方法，其特征在于：步骤2所述的期望值包括驾驶员的期望行驶速度和加速度，或者预设的期望行驶速度和加速度；
所述的自车的行驶速度和加速度与期望值进行比较过程如下：当自车的行驶速度和加速度与期望的行驶速度和加速度差距较大时，自车寻求变更至速度更快的车道，否则继续车道保持；
所述的根据自车周围交通流量情况选择车道保持或车道变更的过程如下：
(1)当自车周围交通流量较小时，车辆选择车道变更；
(2)当自车周围交通流量中等时，车辆优先选择车道保持，必要时可进行车道变更；
(3)当自车周围交通流量较大时，周围环境状态不允许车辆进行车道变更，只能进行车道保持。
4.一种考虑效益最大化的车道变更系统，其执行如权利要求1所述的考虑效益最大化的车道变更综合决策方法，其特征在于：包括摄像头、雷达、IMU组件、通信模块、导航模块、信息反馈模块及电子控制模块，所述的摄像头、雷达、IMU组件、通信模块、导航模块、信息反馈模块分别设在自车车体上，并通过线路与电子控制模块相连，相互传输数据；IMU组件通过线路与通信模块相连；所述的摄像头至少包括四个摄像头，分别设在自车前后左右四个方位的中部；所述的雷达至少包括两个长距离毫米波雷达、四个中距离毫米波雷达、两个短距离毫米波雷达，所述的长距离毫米波雷达分别设在自车纵轴线前后两端，所述的中距离毫米波雷达分别设在自车左前角、左后角、右前角和右后角，所述的短距离毫米波雷达分别设在自车左右两侧的中部；所述的IMU组件包括车速传感器、加速度传感器、横摆角传感器和行驶意图微处理器；信息反馈模块包括视频显示系统及语音提示系统，设置在车内部；电子控制模块通过线路与自车驱动系统、制动系统及转向系统相连，并输出控制信号控制驱动系统、制动系统及转向系统运行。
5.根据权利要求4所述的一种考虑效益最大化的车道变更系统，其特征在于：所述的导航模块包括GPS或北斗定位系统、电子地图和路径规划模块，路径规划模块包括总路径规划系统和子路径规划系统。
6.根据权利要求4所述的一种考虑效益最大化的车道变更系统，其特征在于：所述的电子控制模块包括第一处理器、第二处理器和存储器，第一处理器和第二处理器分别与存储器相连；摄像头、雷达、IMU组件、通信模块、导航模块分别与电子控制模块的第一处理器相连，第一处理器与第二处理器相连，第二处理器分别与信息反馈模块和驱动系统、制动系统及转向系统相连；所述的第一处理器内包括当前道路信息构建模块、交通指示信息构建模块、移动障碍物信息构建模块和固定障碍物信息构建模块，用于搭建道路情况信息；所述的第二处理器内包括车道变更处理模块和车道保持处理模块。
7.根据权利要求4所述的一种考虑效益最大化的车道变更系统，其特征在于：所述的车道变更处理模块包括运动分析系统、变道决策系统、轨迹规划系统和运动分解系统，所述的运动分析系统根据导航模块传递的自车运行路径信息判断出是否寻求变更车道；所述的变道决策系统包括最小安全距离对比和效益最大化对比，判断是否满足变更车道的条件；所述的轨迹规划系统根据自车初始及最终状态信息做出车道变更轨迹规划；所述的运动分解系统根据轨迹规划做出纵向运动分解和侧向运动分解，得到每一时刻X、Y轴方向上的位置、速度、加速度等信息，转化为对应的节气门开度、制动强度、转向盘转角信息，通过CAN总线传递给对应的运动执行模块即驱动系统、制动系统及转向系统运行，保证车辆完成相应动作；所述的车道保持处理模块用于保持原行驶状态，向运动执行模块输出控制信号。
CN202010357259.7A 2020-04-29 2020-04-29 一种考虑效益最大化的车道变更系统及综合决策方法 Active CN111361564B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010357259.7A CN111361564B (zh) 2020-04-29 2020-04-29 一种考虑效益最大化的车道变更系统及综合决策方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010357259.7A CN111361564B (zh) 2020-04-29 2020-04-29 一种考虑效益最大化的车道变更系统及综合决策方法

Publications (2)

Publication Number Publication Date
CN111361564A CN111361564A (zh) 2020-07-03
CN111361564B true CN111361564B (zh) 2023-07-07

Family

ID=71201763

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010357259.7A Active CN111361564B (zh) 2020-04-29 2020-04-29 一种考虑效益最大化的车道变更系统及综合决策方法

Country Status (1)

Country Link
CN (1) CN111361564B (zh)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6861669B2 (ja) * 2018-06-15 2021-04-21 本田技研工業株式会社 車両制御装置、車両制御方法、およびプログラム
CN114506324B (zh) * 2020-10-23 2024-03-15 上海汽车集团股份有限公司 一种车道决策方法及相关装置
CN112109708B (zh) * 2020-10-26 2023-07-14 吉林大学 一种考虑驾驶行为的自适应巡航控制系统及其控制方法
CN114852099A (zh) * 2021-02-03 2022-08-05 郑州宇通客车股份有限公司 机动车换道行为的预测方法
CN113320547B (zh) * 2021-07-15 2023-08-25 广州小鹏自动驾驶科技有限公司 路径检测方法、装置及汽车
CN113635900B (zh) * 2021-08-10 2024-03-19 吉林大学 一种预测巡航过程中基于能量管理的换道决策控制方法
CN113715821B (zh) * 2021-08-31 2023-07-14 北京百度网讯科技有限公司 控制车辆的方法、装置、电子设备和介质
CN113990085B (zh) * 2021-10-11 2023-02-10 南京航空航天大学 一种匝道汇入区域的交通疏解方法及系统
CN113911111B (zh) * 2021-10-19 2024-03-26 中国第一汽车股份有限公司 车辆碰撞检测方法、系统、电子设备以及存储介质
CN114252086B (zh) * 2021-12-22 2023-03-03 北京百度网讯科技有限公司 提示信息的输出方法、装置、设备、介质和车辆
CN114291116B (zh) * 2022-01-24 2023-05-16 广州小鹏自动驾驶科技有限公司 周围车辆轨迹预测方法、装置、车辆及存储介质
CN114506342B (zh) * 2022-03-03 2023-12-05 东风悦享科技有限公司 一种自动驾驶变道决策的方法、系统及车辆
CN115140048B (zh) * 2022-06-28 2023-07-25 哈尔滨工业大学 一种自动驾驶行为决策与轨迹规划模型与方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109849785A (zh) * 2019-03-18 2019-06-07 武汉理工大学 一种基于车联网的换道判定系统及方法
CN110298131A (zh) * 2019-07-05 2019-10-01 西南交通大学 一种混合驾驶环境下自动驾驶换道决策模型建立方法
CN110962853A (zh) * 2019-11-25 2020-04-07 浙江工业大学 一种车联网环境下车辆博弈换道协作方法
CN111081065A (zh) * 2019-12-13 2020-04-28 北京理工大学 路段混行条件下的智能车辆协同换道决策模型

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109849785A (zh) * 2019-03-18 2019-06-07 武汉理工大学 一种基于车联网的换道判定系统及方法
CN110298131A (zh) * 2019-07-05 2019-10-01 西南交通大学 一种混合驾驶环境下自动驾驶换道决策模型建立方法
CN110962853A (zh) * 2019-11-25 2020-04-07 浙江工业大学 一种车联网环境下车辆博弈换道协作方法
CN111081065A (zh) * 2019-12-13 2020-04-28 北京理工大学 路段混行条件下的智能车辆协同换道决策模型

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"自动换道系统最小安全距离研究";吴杭哲;《汽车技术》(第10期);第1-5页 *
混驶环境下基于风险评估的自动驾驶车辆换道轨迹规划;程士强;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》(第2期);C034-781 *

Also Published As

Publication number Publication date
CN111361564A (zh) 2020-07-03

Similar Documents

Publication Publication Date Title
CN111361564B (zh) 一种考虑效益最大化的车道变更系统及综合决策方法
CN110053619B (zh) 车辆控制装置
CN113386795B (zh) 一种自动驾驶车辆智能决策及局部轨迹规划方法及其决策系统
JP6745294B2 (ja) 車両制御装置、車両制御方法、及びプログラム
US11225249B2 (en) Vehicle control device, vehicle control method, and storage medium
CN111433094A (zh) 车辆控制装置
US10787172B2 (en) Driving assistance device and driving assistance method
CN111247045A (zh) 车辆控制装置
CN111278706A (zh) 车辆控制装置
WO2019131903A1 (ja) 車両制御装置
CN111422197A (zh) 一种考虑智能车群流量的智能驾驶车辆主动换道系统
CN111132883A (zh) 车辆控制装置
US11719549B2 (en) Vehicle control apparatus
US11106219B2 (en) Vehicle control device, vehicle control method, and storage medium
WO2019044644A1 (ja) 車両制御装置
US20190299987A1 (en) Vehicle control device, vehicle control method, and storage medium
JP6270888B2 (ja) 車両制御システム、車両制御方法、および車両制御プログラム
EP3738849A1 (en) Vehicle control device
US11697416B2 (en) Travel assistance method and travel assistance device
JP2019137189A (ja) 車両制御システム、車両制御方法、およびプログラム
JP2020083106A (ja) 車両制御装置、車両制御方法、およびプログラム
RU2721436C1 (ru) Способ помощи вождению и устройство помощи вождению
CN115520218A (zh) 自动驾驶车辆四点转弯轨迹规划方法
JP7397408B2 (ja) 車両制御装置
CN212667349U (zh) 一种考虑智能车群流量的智能驾驶车辆主动换道系统

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