CN112224202B - 一种紧急工况下的多车协同避撞系统及方法 - Google Patents
一种紧急工况下的多车协同避撞系统及方法 Download PDFInfo
- Publication number
- CN112224202B CN112224202B CN202011095798.4A CN202011095798A CN112224202B CN 112224202 B CN112224202 B CN 112224202B CN 202011095798 A CN202011095798 A CN 202011095798A CN 112224202 B CN112224202 B CN 112224202B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- collision avoidance
- lane
- emergency
- dangerous
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000002787 reinforcement Effects 0.000 claims abstract description 6
- 230000001133 acceleration Effects 0.000 claims description 28
- 230000009471 action Effects 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 5
- 230000004927 fusion Effects 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 231100001261 hazardous Toxicity 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 23
- 230000008447 perception Effects 0.000 abstract description 21
- 238000004364 calculation method Methods 0.000 abstract description 17
- 238000004891 communication Methods 0.000 abstract description 16
- 238000005516 engineering process Methods 0.000 description 4
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
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
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
-
- 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
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
-
- 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
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
- B60W2420/408—Radar; Laser, e.g. lidar
-
- 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
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/50—Barriers
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种紧急工况下的多车协同避撞系统及方法,包括:车间通讯模块、车载惯导模块、车载GPS模块、车载激光雷达模块、车载摄像头模块、车载毫米波雷达模块、车辆感知分析模块、车辆驾驶计算模块、车辆电子控制模块、车辆方向盘模块、车辆制动踏板模块;本发明利用车载传感器和车辆间的通讯获取了车辆周围环境信息;采用强化学习方法决策出车辆紧急避撞策略,同时规划多个车辆的避撞路径,实现了多车道环境下的多车协同避撞,提高了道路安全性和智能交通系统的可靠性。
Description
技术领域
本发明属于智能交通系统技术领域,具体涉及一种紧急工况下的多车协同避撞系统及方法。
背景技术
随着社会经济的发展,汽车保有量不断攀升,道路交通事故数量也不断上升,严重威胁了道路参与者的生命安全,造成了巨大的经济损失。传统的人类驾驶车辆因为驾驶员操作技术的不同、车辆间缺乏通讯、驾驶员容易疲劳等问题始终无法改善道路交通安全。智能网联技术改变了这一局面,让进一步提升道路交通安全成为可能。
随着车辆智能化和网联化进程的推进,智能网联交通系统的各项技术急需不断完善。自动驾驶车辆在复杂的交通环境中保持行驶安全是智能网联交通系统的重要技术难点。传统的车道保持技术等辅助安全技术已经不满足于无人驾驶车辆。紧急避撞技术被广泛研究。现有的主动避撞系统,通过先进的传感器感知前方障碍物,然后进行制动或换道操作。然而,这种主动避撞系统只通过控制自车的紧急制动或者换道来实现避撞,不考虑自车周围车辆受到的影响。尤其是同车道和相邻车道的后续车辆往往会因为来不及避让而导致发生重大的连环交通事故,严重危及乘客生命安全。
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紧急工况下的多车协同避撞系统及方法,以解决现有的主动避撞系统中没有考虑自车避撞对相邻车道的后续车辆的影响的问题,本发明利用车载传感器和车辆间的通讯获取了车辆周围环境信息;采用强化学习方法决策出车辆紧急避撞策略,同时规划多个车辆的避撞路径,实现了多车道环境下的多车协同避撞,提高了道路安全性和智能交通系统的可靠性。
为达到上述目的,本发明采用的技术方案如下:
本发明的一种紧急工况下的多车协同避撞系统,包括:车间通讯模块、车载惯导模块、车载GPS模块、车载激光雷达模块、车载摄像头模块、车载毫米波雷达模块、车辆感知分析模块、车辆驾驶计算模块、车辆电子控制模块、车辆方向盘模块、车辆制动踏板模块;
所述车间通讯模块,用于车辆间速度、位置信息和协同避撞信号的传输;
所述车载惯导模块,用于获取自车的速度和位置信号,并将该速度和位置信号输出给车辆感知分析模块;
所述车载GPS模块,用于获取自车的速度和位置信号,并将该速度和位置信号输出给车辆感知分析模块;
所述车载激光雷达模块,用于获取自车周围环境的点云信号,并将该点云信号输出给车辆感知分析模块;
所述车载摄像头模块,用于获取自车周围环境的图像信号,并将该图像信号输出给车辆感知分析模块;
所述车载毫米波雷达模块,用于获取自车与障碍物之间、自车与周围车辆之间的带有偏差的相对速度和相对位置信号,并将该信号输出给车辆感知分析模块;
所述车辆感知分析模块,接收车间通讯模块发送的周围车辆的速度和位置信息、车载惯导模块发送的自车的速度和位置信号、车载GPS模块发送的自车的速度和位置信号、车载激光雷达模块发送的自车周围环境的点云信号、车载摄像头模块发送的自车周围环境的图像信号、车载毫米波雷达模块发送的自车与障碍物之间、自车与周围车辆之间的带有偏差的相对速度和相对位置信号,并输出自车、周围车辆和障碍物的速度和位置信号给车辆驾驶计算模块;
所述车辆驾驶计算模块,接收车辆感知分析模块发送的自车、周围车辆和障碍物的速度和位置信号,通过分析和计算来判断车辆是否处于紧急工况下;当车辆处于紧急工况下时,车辆驾驶计算模块对自车、自车的同车道、自车的相邻车道的后续车辆进行紧急避撞决策,规划各车的紧急避撞路径;将规划后的自车紧急避撞路径输出给车辆电子控制模块,将同车道、相邻车道的后续车辆的紧急避撞路径作为协同避撞信号通过车间通讯模块分别传输给各车辆;
所述车辆电子控制模块,接收车辆驾驶计算模块发送的自车紧急避撞路径或车间通讯模块发送的协同避撞信号,并根据自车紧急避撞路径或协同避撞信号中的紧急避撞路径计算出车辆的方向盘转角和制动踏板位置;将产生的方向盘转角信号输出给车辆方向盘模块,及将产生的制动踏板位置信号输出给车辆制动踏板模块;
所述车辆方向盘模块,根据车辆电子控制模块输出的方向盘转角信号调节方向盘的转角;
所述车辆制动踏板模块,根据车辆电子控制模块输出的制动踏板位置信号调节制动踏板的位置。
进一步地,所述车间通讯模块将车辆自车的速度和位置信息传输给其他车辆,及获取周围车辆的速度和位置信息,并将该速度和位置信息输出给车辆感知分析模块;当车辆遇到紧急情况时,其将车辆驾驶计算模块输出的协同避撞信号传输给周围车辆。
进一步地,所述车载惯导模块和车载GPS模块输出的速度和位置信号带有噪声和漂移。
进一步地,所述车辆感知分析模块通过采用多传感器融合的扩展卡尔曼滤波算法,融合所接收的所有信号,输出自车、周围车辆和障碍物的速度和位置信号给车辆驾驶计算模块。
本发明的一种紧急工况下的多车协同避撞方法,步骤如下:
1)通过采用多传感器融合的扩展卡尔曼滤波算法计算得到自车、周围车辆和障碍物的速度和位置信号;
2)判断车辆是否处于紧急工况,若是则采取紧急避撞进入步骤3),此时,该车辆为危险车辆;若否则返回步骤1);
3)根据危险车辆自车、周围车辆和障碍物的速度和位置信息,对危险车辆自车、危险车辆的同车道、危险车辆的相邻车道的后续车辆进行紧急避撞决策,采用多车协同路径规划方法,得到危险车辆自车、危险车辆的同车道、危险车辆的后续车辆的紧急避撞路径;调整危险车辆的方向盘转角和制动踏板位置使车辆按照紧急避撞路径行驶一个控制时域Tc的时间,并将紧急避撞路径作为协同避撞信号传输给同车道的后续车辆和相邻车道的后续车辆;
4)危险车辆的同车道的后续车辆和相邻车道的后续车辆接收到协同避撞信号后,调整方向盘转角和制动踏板位置使车辆按照接收到的紧急避撞路径行驶一个控制时域Tc的时间;返回步骤1)。
进一步地,所述步骤2)中当车辆前方出现障碍物,且满足下式时,则认定为车辆处于紧急工况:
式中,Δvf、Δxf分别表示车辆与其前方障碍物的相对速度和相对位置;ts为最小安全时距。
进一步地,所述的步骤3)中的同车道的后续车辆和相邻车道的后续车辆分别指的是在危险车辆的同一车道和相邻车道上,位于危险车辆后方的车辆。
进一步地,所述后续车辆与其同车道或相邻车道的相邻前车之间的车头时距小于一个安全阈值。
进一步地,所述的步骤3)中的紧急避撞决策具体为:采用强化学习的Actor-Critic算法来实现紧急避撞决策,对于危险车辆、危险车辆的同车道的后续车辆和相邻车道的后续车辆中的某一待决策的车辆i,其状态量定义为:
si=[vi xi vf xf vr xr vsf xsf vsr xsr]T
式中,vi、xi分别表示车辆i的速度和位置;vf、xf分别表示车辆i的同一车道的相邻前车或前方障碍物的速度和位置;vr、xr分别表示车辆i的同一车道的相邻后车的速度和位置;vsf、xsf分别表示车辆i的相邻车道的相邻前车的速度和位置;vsr、xsr分别表示车辆i的相邻车道的相邻后车的速度和位置;
Actor-Critic算法中的奖励设置为:
r=rs+rc
式中,rs为车辆安全行驶奖励;rc为车辆舒适行驶奖励;
车辆安全行驶奖励为
式中,w1、w2、w3、w4、w5、w6为预先设定的权重系数;
车辆舒适行驶奖励为:
式中,t0为当前时刻;w7、w8分别为预先设定的权重系数;aix为车辆i的纵向加速度,即沿道路方向的加速度;aiy为车辆i的横向加速度,即沿着垂直于道路方向的加速度;
Actor-Critic算法中的紧急避撞的动作集合设置为:
A=(Ebk,Cl,CaB)
式中,Ebk为紧急制动;Cl为变道至相邻车道;CaB为同时采取变道和制动;
根据状态量、奖励、动作集合,采取Actor-Critic算法对Actor网络进行训练,训练后的Actor网络即为决策网络;分别将危险车辆、危险车辆的同车道的后续车辆和相邻车道的后续车辆的状态量输入到决策网络,决策网络输出危险车辆、危险车辆的同车道的后续车辆和相邻车道的后续车辆的动作,即实现了紧急避撞决策过程。
进一步地,所述的步骤3)中的多车协同路径规划方法具体为:根据决策得到的动作进行车辆的路径规划,当危险车辆、危险车辆的同车道的后续车辆和相邻车道的后续车辆中的某一车辆i采取紧急制动的动作时,路径为直线,其期望纵向加速度为:
当车辆采取换道动作时,车辆的期望纵向加速度为:
aix=0
当车辆同时采取变道和换道动作时,车辆的期望纵向加速度为最大减速度;
根据路径的初始点和终点的约束条件,通过多项式拟合得到路径,如下所示:
式中,x为规划的路径中车辆的纵向位置,即沿着道路方向的位置;y为规划的路径中车辆的横向位置,即沿着垂直于道路方向的位置;bi、ci为多项式拟合参数;路径的初始点为当前车辆所在点,其约束条件为(xi,yi,vi,viy),viy为车辆横向速度,即沿着垂直于道路方向的速度;根据车辆的期望纵向加速度确定路径的终点的约束条件为根据车辆路径的起点和终点的约束条件,拟合出多个车辆行驶路径,选取收益函数最大的路径为最终规划的最优路径,其中收益函数设为:
式中,ay为车辆的侧向加速度。
本发明的有益效果:
本发明利用车载传感器和车间通讯获取自车和周围环境的信息,在发现当前车道存在危及自车安全的障碍物时,通过采用强化学习的Actor-Critic算法分别对自车、自车同一车道的后续车辆和相邻车道的后续车辆做出合理的紧急避撞决策,最后规划出每个车辆的最优路径;本发明能够有效处理多车道交通环境下的多车协同避撞,提高了车辆行驶的安全性。
附图说明
图1为本发明系统的结构图。
图2为本发明避撞方法的流程图。
图3为本发明实施例的场景示意图。
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,本发明的一种紧急工况下的多车协同避撞系统,包括:车间通讯模块、车载惯导模块、车载GPS模块、车载激光雷达模块、车载摄像头模块、车载毫米波雷达模块、车辆感知分析模块、车辆驾驶计算模块、车辆电子控制模块、车辆方向盘模块、车辆制动踏板模块;
所述车间通讯模块,用于车辆间速度、车辆位置信息和协同避撞信号的传输;所述车间通讯模块将车辆自车的速度和位置信息传输给其他车辆,及获取周围车辆的速度和位置信息,并将该速度和位置信息输出给车辆感知分析模块;当车辆遇到紧急情况时,其将车辆驾驶计算模块输出的协同避撞信号传输给周围车辆;
所述车载惯导模块,用于获取自车的速度和位置信号,并将该速度和位置信号输出给车辆感知分析模块;
所述车载GPS模块,用于获取自车的速度和位置信号,并将该速度和位置信号输出给车辆感知分析模块;
其中,所述车载惯导模块和车载GPS模块输出的速度和位置信号带有噪声和漂移;
所述车载激光雷达模块,用于获取自车周围环境的点云信号,并将该点云信号输出给车辆感知分析模块;
所述车载摄像头模块,用于获取自车周围环境的图像信号,并将该图像信号输出给车辆感知分析模块;
所述车载毫米波雷达模块,用于获取自车与障碍物之间、自车与周围车辆之间的带有偏差的相对速度和位置信号,并将该信号输出给车辆感知分析模块;
所述车辆感知分析模块,接收车间通讯模块发送的周围车辆的速度和位置信息、车载惯导模块发送的自车的速度和位置信号、车载GPS模块发送的自车的速度和位置信号、车载激光雷达模块发送的自车周围环境的点云信号、车载摄像头模块发送的自车周围环境的图像信号、车载毫米波雷达模块发送的自车与障碍物之间、自车与周围车辆之间的带有偏差的相对速度和位置信号,并输出自车、周围车辆和障碍物的速度和位置信号给车辆驾驶计算模块;
所述车辆感知分析模块通过采用多传感器融合的扩展卡尔曼滤波算法,融合所接收的所有信号,输出自车、周围车辆和障碍物的速度和位置信号给车辆驾驶计算模块;
所述车辆驾驶计算模块,接收车辆感知分析模块发送的自车、周围车辆和障碍物的速度和位置信号,通过分析和计算来判断车辆是否处于紧急工况下;当车辆处于紧急工况下时,车辆驾驶计算模块对自车、自车的同车道、自车的相邻车道的后续车辆进行紧急避撞决策,规划各车的紧急避撞路径;将规划后的自车紧急避撞路径输出给车辆电子控制模块,将同车道、相邻车道的后续车辆的紧急避撞路径作为协同避撞信号通过车间通讯模块分别传输给各车辆;
所述车辆电子控制模块,接收车辆驾驶计算模块发送的自车紧急避撞路径或车间通讯模块发送的协同避撞信号,并根据自车紧急避撞路径或协同避撞信号中的紧急避撞路径计算出车辆的方向盘转角和制动踏板位置;将产生的方向盘转角信号输出给车辆方向盘模块,及将产生的制动踏板位置信号输出给车辆制动踏板模块;
所述车辆方向盘模块,根据车辆电子控制模块输出的方向盘转角信号调节方向盘的转角;
所述车辆制动踏板模块,根据车辆电子控制模块输出的制动踏板位置信号调节制动踏板的位置。
参照图2所示,本发明的一种紧急工况下的多车协同避撞方法,步骤如下:
1)通过采用多传感器融合的扩展卡尔曼滤波算法计算得到自车、周围车辆和障碍物的速度和位置信号。
2)判断车辆是否处于紧急工况,若是则采取紧急避撞进入步骤3),此时,该车辆为危险车辆;若否则返回步骤1);
当车辆前方出现障碍物,且满足下式时,则认定为车辆处于紧急工况:
式中,Δvf、Δxf分别表示车辆与其前方障碍物的相对速度和相对位置;ts为最小安全时距。
3)根据危险车辆自车、周围车辆和障碍物的速度和位置信息,对危险车辆自车、危险车辆的同车道、危险车辆的相邻车道的后续车辆进行紧急避撞决策,采用多车协同路径规划方法,得到危险车辆自车、危险车辆的同车道、危险车辆的后续车辆的紧急避撞路径;调整危险车辆的方向盘转角和制动踏板位置使车辆按照紧急避撞路径行驶一个控制时域Tc的时间,并将紧急避撞路径作为协同避撞信号传输给同车道的后续车辆和相邻车道的后续车辆;
同车道的后续车辆和相邻车道的后续车辆分别指的是在危险车辆的同一车道和相邻车道上,位于危险车辆后方的车辆。
所述后续车辆与其同车道或相邻车道的相邻前车之间的车头时距小于一个安全阈值,取为tst=5s。
紧急避撞决策具体为:采用强化学习的Actor-Critic算法来实现紧急避撞决策,对于危险车辆、危险车辆的同车道的后续车辆和相邻车道的后续车辆中的某一待决策的车辆i,其状态量定义为:
si=[vi xi vf xf vr xr vsf xsf vsr xsr]T
式中,vi、xi分别表示车辆i的速度和位置;vf、xf分别表示车辆i的同一车道的相邻前车或前方障碍物的速度和位置;vr、xr分别表示车辆i的同一车道的相邻后车的速度和位置;vsf、xsf分别表示车辆i的相邻车道的相邻前车的速度和位置;vsr、xsr分别表示车辆i的相邻车道的相邻后车的速度和位置;
Actor-Critic算法中的奖励设置为:
r=rs+rc
式中,rs为车辆安全行驶奖励;rc为车辆舒适行驶奖励;
车辆安全行驶奖励为
式中,w1、w2、w3、w4、w5、w6为预先设定的权重系数;
车辆舒适行驶奖励为:
式中,t0为当前时刻;w7、w8分别为预先设定的权重系数;aix为车辆i的纵向加速度,即沿道路方向的加速度;aiy为车辆i的横向加速度,即沿着垂直于道路方向的加速度;
Actor-Critic算法中的紧急避撞的动作集合设置为:
A=(Ebk,Cl,CaB)
式中,Ebk为紧急制动;Cl为变道至相邻车道;CaB为同时采取变道和制动;
根据状态量、奖励、动作集合,采取Actor-Critic算法对Actor网络进行训练,训练后的Actor网络即为决策网络;分别将危险车辆、危险车辆的同车道的后续车辆和相邻车道的后续车辆的状态量输入到决策网络,决策网络输出危险车辆、危险车辆的同车道的后续车辆和相邻车道的后续车辆的动作,即实现了紧急避撞决策过程。
所述的步骤3)中的多车协同路径规划方法具体为:根据决策得到的动作进行车辆的路径规划,当危险车辆、危险车辆的同车道的后续车辆和相邻车道的后续车辆中的某一车辆i采取紧急制动的动作时,路径为直线,其期望纵向加速度为:
当车辆采取换道动作时,车辆的期望纵向加速度为:
aix=0
当车辆同时采取变道和换道动作时,车辆的期望纵向加速度为最大减速度;
根据路径的初始点和终点的约束条件,通过多项式拟合得到路径,如下所示:
式中,x为规划的路径中车辆的纵向位置,即沿着道路方向的位置;y为规划的路径中车辆的横向位置,即沿着垂直于道路方向的位置;bi、ci为多项式拟合参数;路径的初始点为当前车辆所在点,其约束条件为(xi,yi,vi,viy),viy为车辆横向速度,即沿着垂直于道路方向的速度;根据车辆的期望纵向加速度确定路径的终点的约束条件为根据车辆路径的起点和终点的约束条件,拟合出多个车辆行驶路径,选取收益函数最大的路径为最终规划的最优路径,其中收益函数设为:
式中,ay为车辆的侧向加速度。
车辆路径的终点由期望加速度和预测时域Td确定,根据车辆路径的起点和终点,拟合出多条车辆行驶路径;选取令收益函数最大的路径作为最终规划的路径。于是,可以得到如图3本发明实施例场景示意图所示的车辆1~6的紧急避撞路径。车辆1调整方向盘转角和制动踏板位置使车辆按照紧急避撞路径行驶一个控制时域Tc的时间,并将紧急避撞路径作为协同避撞信号传输给车辆2~6。
4)危险车辆的同车道的后续车辆和相邻车道的后续车辆接收到协同避撞信号后,调整方向盘转角和制动踏板位置使车辆按照接收到的紧急避撞路径行驶一个控制时域Tc的时间;返回步骤1)。
如图3中的车辆2~6接收到协同避撞信号后,调整方向盘转角和制动踏板位置,使车辆按照紧急避撞路径行驶一个控制时域Tc的时间。
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,还可以做出若干改进,这些改进也应视为本发明的保护范围。
Claims (5)
1.一种紧急工况下的多车协同避撞方法,其特征在于,步骤如下:
1)通过采用多传感器融合的扩展卡尔曼滤波算法计算得到自车、周围车辆和障碍物的速度和位置信号;
2)判断车辆是否处于紧急工况,若是则采取紧急避撞进入步骤3),此时,该车辆为危险车辆;若否则返回步骤1);
3)根据危险车辆自车、周围车辆和障碍物的速度和位置信息,对危险车辆自车、危险车辆的同车道的后续车辆和危险车辆的相邻车道的后续车辆进行紧急避撞决策,采用多车协同路径规划方法,得到危险车辆自车、危险车辆的同车道的后续车辆和危险车辆的相邻车道的后续车辆的紧急避撞路径;调整危险车辆的方向盘转角和制动踏板位置使车辆按照紧急避撞路径行驶一个控制时域Tc的时间,并将紧急避撞路径作为协同避撞信号传输给同车道的后续车辆和相邻车道的后续车辆;
4)危险车辆的同车道的后续车辆和相邻车道的后续车辆接收到协同避撞信号后,调整方向盘转角和制动踏板位置使车辆按照接收到的紧急避撞路径行驶一个控制时域Tc的时间;返回步骤1);
所述的步骤3)中的紧急避撞决策具体为:采用强化学习的Actor-Critic算法来实现紧急避撞决策,对于危险车辆、危险车辆的同车道的后续车辆和相邻车道的后续车辆中的某一待决策的车辆i,其状态量定义为:
si=[vi xi vf xf vr xr vsf xsf vsr xsr]T
式中,vi、xi分别表示车辆i的速度和位置;vf、xf分别表示车辆i的同一车道的相邻前车或前方障碍物的速度和位置;vr、xr分别表示车辆i的同一车道的相邻后车的速度和位置;vsf、xsf分别表示车辆i的相邻车道的相邻前车的速度和位置;vsr、xsr分别表示车辆i的相邻车道的相邻后车的速度和位置;
Actor-Critic算法中的奖励设置为:
r=rs+rc
式中,rs为车辆安全行驶奖励;rc为车辆舒适行驶奖励;
车辆安全行驶奖励为
式中,w1、w2、w3、w4、w5、w6为预先设定的权重系数;
车辆舒适行驶奖励为:
式中,t0为当前时刻;w7、w8分别为预先设定的权重系数;aix为车辆i的纵向加速度,即沿道路方向的加速度;aiy为车辆i的横向加速度,即沿着垂直于道路方向的加速度;
Actor-Critic算法中的紧急避撞的动作集合设置为:
A=(Ebk,Cl,CaB)
式中,Ebk为紧急制动;Cl为变道至相邻车道;CaB为同时采取变道和制动;
根据状态量、奖励、动作集合,采取Actor-Critic算法对Actor网络进行训练,训练后的Actor网络即为决策网络;分别将危险车辆、危险车辆的同车道的后续车辆和相邻车道的后续车辆的状态量输入到决策网络,决策网络输出危险车辆、危险车辆的同车道的后续车辆和相邻车道的后续车辆的动作,即实现紧急避撞决策过程。
3.根据权利要求1所述的紧急工况下的多车协同避撞方法,其特征在于,所述的步骤3)中的同车道的后续车辆和相邻车道的后续车辆分别指的是在危险车辆的同一车道和相邻车道上,位于危险车辆后方的车辆。
4.根据权利要求1所述的紧急工况下的多车协同避撞方法,其特征在于,所述后续车辆与其同车道或相邻车道的相邻前车之间的车头时距小于一个安全阈值。
5.根据权利要求1所述的紧急工况下的多车协同避撞方法,其特征在于,所述的步骤3)中的多车协同路径规划方法具体为:根据决策得到的动作进行车辆的路径规划,当危险车辆、危险车辆的同车道的后续车辆和相邻车道的后续车辆中的某一车辆i采取紧急制动的动作时,路径为直线,其期望纵向加速度为:
当车辆采取换道动作时,车辆的期望纵向加速度为:
aix=0
当车辆同时采取变道和换道动作时,车辆的期望纵向加速度为最大减速度;
根据路径的初始点和终点的约束条件,通过多项式拟合得到路径,如下所示:
式中,x为规划的路径中车辆的纵向位置,即沿着道路方向的位置;y为规划的路径中车辆的横向位置,即沿着垂直于道路方向的位置;bi、ci为多项式拟合参数;路径的初始点为当前车辆所在点,其约束条件为(xi,yi,vi,viy),viy为车辆横向速度,即沿着垂直于道路方向的速度;根据车辆的期望纵向加速度确定路径的终点的约束条件为根据车辆路径的起点和终点的约束条件,拟合出多个车辆行驶路径,选取收益函数最大的路径为最终规划的最优路径,其中收益函数设为:
式中,ay为车辆的侧向加速度,Td为预测时域,Δvf、Δxf分别表示车辆与其前方障碍物的相对速度和相对位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011095798.4A CN112224202B (zh) | 2020-10-14 | 2020-10-14 | 一种紧急工况下的多车协同避撞系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011095798.4A CN112224202B (zh) | 2020-10-14 | 2020-10-14 | 一种紧急工况下的多车协同避撞系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112224202A CN112224202A (zh) | 2021-01-15 |
CN112224202B true CN112224202B (zh) | 2021-11-23 |
Family
ID=74112670
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011095798.4A Active CN112224202B (zh) | 2020-10-14 | 2020-10-14 | 一种紧急工况下的多车协同避撞系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112224202B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113460090B (zh) * | 2021-08-18 | 2023-09-12 | 清华大学 | 自动驾驶车辆t型紧急避撞控制方法、系统、介质及设备 |
CN114056328B (zh) * | 2021-11-01 | 2024-04-26 | 中国电子科技南湖研究院 | 基于dqn实现车辆l3级自动驾驶的行人避让方法及系统 |
CN114132311B (zh) * | 2021-12-28 | 2024-05-14 | 联创汽车电子有限公司 | 车辆自动紧急制动危险目标筛选方法及模块 |
CN115871719A (zh) * | 2023-02-16 | 2023-03-31 | 苏州天准科技股份有限公司 | 一种用于智能驾驶的域控制方法、装置、系统和存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105551306A (zh) * | 2016-02-23 | 2016-05-04 | 江苏大学 | 一种基于鱼群效应的车队避撞系统以及避撞方法 |
CN105679093A (zh) * | 2016-02-23 | 2016-06-15 | 江苏大学 | 一种基于车车通信的多车协同避撞系统及其方法 |
CN105774800A (zh) * | 2016-03-28 | 2016-07-20 | 清华大学 | 一种混合车辆队列中车辆间的碰撞缓解方法及装置 |
US20180056998A1 (en) * | 2016-08-29 | 2018-03-01 | Mitsubishi Electric Research Laboratories, Inc. | System and Method for Multi-Vehicle Path Planning Technical Field |
CN110194156A (zh) * | 2019-06-21 | 2019-09-03 | 厦门大学 | 智能网联混合动力汽车主动避撞增强学习控制系统和方法 |
US20190375425A1 (en) * | 2018-06-06 | 2019-12-12 | Metawave Corporation | Geographically disparate sensor fusion for enhanced target detection and identification in autonomous vehicles |
US20200276973A1 (en) * | 2019-03-01 | 2020-09-03 | Aptiv Technologies Limited | Operation of a vehicle in the event of an emergency |
-
2020
- 2020-10-14 CN CN202011095798.4A patent/CN112224202B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105551306A (zh) * | 2016-02-23 | 2016-05-04 | 江苏大学 | 一种基于鱼群效应的车队避撞系统以及避撞方法 |
CN105679093A (zh) * | 2016-02-23 | 2016-06-15 | 江苏大学 | 一种基于车车通信的多车协同避撞系统及其方法 |
CN105774800A (zh) * | 2016-03-28 | 2016-07-20 | 清华大学 | 一种混合车辆队列中车辆间的碰撞缓解方法及装置 |
US20180056998A1 (en) * | 2016-08-29 | 2018-03-01 | Mitsubishi Electric Research Laboratories, Inc. | System and Method for Multi-Vehicle Path Planning Technical Field |
US20190375425A1 (en) * | 2018-06-06 | 2019-12-12 | Metawave Corporation | Geographically disparate sensor fusion for enhanced target detection and identification in autonomous vehicles |
US20200276973A1 (en) * | 2019-03-01 | 2020-09-03 | Aptiv Technologies Limited | Operation of a vehicle in the event of an emergency |
CN110194156A (zh) * | 2019-06-21 | 2019-09-03 | 厦门大学 | 智能网联混合动力汽车主动避撞增强学习控制系统和方法 |
Non-Patent Citations (1)
Title |
---|
基于多源信息融合的智能汽车环境感知技术研究;孙宁;《中国博士学位论文全文数据库工程科技Ⅱ辑》;20190215(第2期);第56页第1行-第63页第3行,第84页第1行-第87页最后1行 * |
Also Published As
Publication number | Publication date |
---|---|
CN112224202A (zh) | 2021-01-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112224202B (zh) | 一种紧急工况下的多车协同避撞系统及方法 | |
CN111688663B (zh) | 机动交通工具及控制其自动驾驶操作的方法 | |
US10864910B2 (en) | Automated driving systems and control logic using sensor fusion for intelligent vehicle control | |
CN109035862B (zh) | 一种基于车车通信的多车协同换道控制方法 | |
EP3791240B1 (en) | A method for establishing a path for a vehicle | |
CN111986514B (zh) | 基于交通工具的数据处理方法、装置、设备以及介质 | |
EP3699051A1 (en) | Vehicle control device | |
EP3699047A1 (en) | Vehicle control apparatus | |
US11226620B2 (en) | Automated driving systems and control logic with enhanced longitudinal control for transitional surface friction conditions | |
EP2599073B1 (en) | Vehicle control system | |
EP3699049A1 (en) | Vehicle control device | |
CN112005183A (zh) | 用于控制车队的方法 | |
CN113085852A (zh) | 自动驾驶车辆的行为预警方法、装置及云端设备 | |
EP3738849A1 (en) | Vehicle control device | |
CN112689024B (zh) | 一种车路协同的货车队列换道方法、装置及系统 | |
CN116946137A (zh) | 一种基于驾驶意图的车路协同智能车辆换道防碰撞系统 | |
CN113954827B (zh) | 一种考虑定位误差和通信时延的交叉口车辆碰撞概率计算方法及系统 | |
US20220185290A1 (en) | A method for a lane change of a plurality of vehicles | |
Sathiyan et al. | A comprehensive review on cruise control for intelligent vehicles | |
CN109532832B (zh) | 一种智能驾驶中纵向规划方法 | |
US20240067174A1 (en) | Vehicle systems and methods to longitudinally adjust lane positioning | |
US12037024B1 (en) | Trajectory planning with other road user reactions for autonomous vehicles | |
US11192559B2 (en) | Driving assistance system | |
Lin et al. | A Rule-Compliance Path Planner for Lane-Merge Scenarios Based on Responsibility-Sensitive Safety | |
CN114987548A (zh) | 一种车路协同下的自动驾驶汽车紧急避障方法 |
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 |