CN112429004A - 一种车辆自动换道控制方法 - Google Patents
一种车辆自动换道控制方法 Download PDFInfo
- Publication number
- CN112429004A CN112429004A CN202011401451.8A CN202011401451A CN112429004A CN 112429004 A CN112429004 A CN 112429004A CN 202011401451 A CN202011401451 A CN 202011401451A CN 112429004 A CN112429004 A CN 112429004A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- lane
- error
- road
- model
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000013461 design Methods 0.000 claims abstract description 47
- 238000011217 control strategy Methods 0.000 claims abstract description 4
- 230000008569 process Effects 0.000 claims description 26
- 230000008859 change Effects 0.000 claims description 23
- 239000000126 substance Substances 0.000 claims description 18
- 230000006378 damage Effects 0.000 claims description 6
- 230000036541 health Effects 0.000 claims description 5
- 230000033001 locomotion Effects 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 3
- 230000000087 stabilizing effect Effects 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 2
- 230000000452 restraining effect Effects 0.000 claims description 2
- 230000002194 synthesizing effect Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 6
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000011160 research Methods 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
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/18163—Lane change; Overtaking manoeuvres
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明公开了一种车辆自动换道控制方法,包括以下步骤:S1.构建双车道五车道路场景模型,并定义车辆的位姿坐标和状态空间;S2.从跟踪性、安全性和舒适性三个方面对于控制策略进行构建并完成轨迹跟踪的任务,包括跟踪性能设计、安全性能设计、舒适性能设计和控制器设计四个子步骤。本发明提供的车辆自动换道控制方法,能够给与车辆进行道路环境中自动换道的能力,并通过模型预测控制设计换道控制器,构建道路场景模型,实现了车辆跟踪性能、安全性能和舒适性能三方面的协调。
Description
技术领域
本发明涉及车辆换道控制,特别是涉及一种车辆自动换道控制方法。
背景技术
目前,无人车辆的驾驶系统的研究主要集中于道路纵向的操纵,而对于换道这样的横向运动考虑较少。而车辆的横向运动也是道路驾驶中极为频繁且关键的一部分。对于传统的自适应巡航控制系统(adaptive cruise control,ACC),具有定速巡航以及定距离跟车的能力,但是无法进行有效的换道行为。通过加入车-车通信将ACC进一步升级为协作自适应巡航控制系统(cooperative adaptive cruise control,CACC)。并基于CACC设计的换道控制系统能给予车辆以自动换道的能力,以提高交通运输效率及安全性。
在对于道路场景的设想上,现有的换道控制系统所设想的场景有的过于复杂,对算力要求过高,难以普及,有的过于简单而无法适应真实道路环境。在控制方法上有滑模控制、传统PID控制等。但是滑模控制并不适用于任务条件复杂的车辆换道处理过程,而传统的PID控制又在适应于交通实际场景方面具有劣势。
发明内容
本发明的目的在于克服现有技术的不足,提供一种车辆自动换道控制方法,给与车辆进行道路环境中自动换道的能力,并通过模型预测控制设计换道控制器,构建道路场景模型,实现了车辆跟踪性能、安全性能和舒适性能三方面的协调。
本发明的目的是通过以下技术方案来实现的:一种车辆自动换道控制方法,包括以下步骤:
S1.构建双车道五车道路场景模型,并定义车辆的位姿坐标和状态空间。
所述步骤S1包括:
S101.构建双车道五车道路场景模型:
在一个双车道路段中,假设主车H向左换道,在车辆驾驶过程中,车辆周围环境为主车H所在的原车道及目标车道有前后四辆相关车辆,周围四辆相关车辆进行匀速直线的稳定运动;
S102.定义车辆位姿坐标:
在对车辆位姿进行定义时,以车辆中心o为原点,车身纵向及横向为坐标轴建立自身坐标系。以道路为基准建立的全局坐标系OXY;
在道路模型的建立过程中,主车H起始时在原车道的中心线上,以此时的车辆质心为全局坐标系的原点;以前进纵向及与其垂直的横向建立道路坐标系OXY,其中X方向为道路的纵向,Y方向为道路的横向,车辆纵轴与X方向的夹角为车辆的方向角θ;以车辆中心o为原点,自身纵向中心线i和质心处垂直于纵向中心线的直线j建立笛卡尔坐标系oij;
S103.定义车辆状态空间:
设车辆的状态向量xh为:
其中,xh为车辆在车道的纵向位置,即纵向坐标,yh为车辆在车道的横向位置,即横向坐标,θh为车辆纵轴与道路纵向的夹角,即方向角;
设车辆的控制输入向量u为:
其中,v为车辆速度,单位m/s,ω为车辆的横摆角速度,单位rad/s,均为标量;
函数f(xh,u)具有如下描述:
将以上车辆系统模型简写为:
同样,其他四辆车系统模型也满足如下描述:
其中,sur={Lo,Ld,Ro,Rd},Lo,Ld,Ro,Rd分别为原车道前方车,目标车道前方车,原车道后方车和目标车道后方车;
将选择参考轨迹中的某一点作为参考点,将参考点代入运动学模型进行泰勒展开并与主车模型进行求差得到误差模型;
在模型参考点处进行一阶泰勒展开:
其中,状态误差和输入误差如下:
对误差模型进行离散化,得到离散时间系统模型:
S2.从跟踪性、安全性和舒适性三个方面对于控制策略进行构建并完成轨迹跟踪的任务,包括跟踪性能设计、安全性能设计、舒适性能设计和控制器设计四个子步骤
所述跟踪性能设计包括:
a.目标函数及约束:
对于纵向位置误差的目标函数如下:
关于横向位置误差和方向角误差的目标函数项:
Ltra2=μΔyΔy2+μΔθΔθ2
其中,μΔθ、μΔy分别是方向角误差和横向位置误差的权重,Δy=yld为横向误差,Δθ=θ-θld为方向角误差;
关于控制误差的目标函数项如下:
Ltra3=μΔvΔv2+μΔωΔω2
其中,μΔω、μΔv分别是关于速度和角速度误差的权重,Δω=ω-ωld为角速度误差,Δv=v-vld为速度误差;
车辆不能越过道路两旁,同样给出约束如下:
yleft≤y≤yright
其中,yleft为道路的左边界,yright为道路的右边界;
b.类人控制设计
在人类司机驾驶车辆进行换道过程中,对道路状况的注意优先级会从“原车道>目标车道”逐渐向“目标车道>原车道”的方向变化;在整个过程中人类对于周围车辆的判断是定性的,为了提高控制性能,模拟人类在换道过程中的决策模式,采用一个时变的权重因子λ来调整对于Ld与Lo跟踪的重要程度从而控制车辆平滑地完成换道过程:
首先对换道过程中的不同阶段进行分类如下:换道阶段a,开始换道;换道阶段b,换道中途;换道阶段c,换道结束,并设定λ在不同阶段的不同数值;阶段a,λlo=1.3,λld=0.9;在阶段b,λlo=1.0,λld=1.0;在阶段c,λlo=0.9,λld=1.3。
所述安全性能设计包括:
在整个换道过程中将换道分为两大部分,一个是a,c阶段,是车辆之间状态都比较简单的稳定跟随场景;另一个是b阶段,是车辆之间行驶状况比较复杂的避撞场景;
稳定跟随场景:对于主车和前车都以稳定状态行驶的场景,跟踪一个安全距离常数以保证安全;
避撞场景:对于主车和前车以不同的状态行驶并且要考虑后车的碰撞避免场景中,考虑到目前常用的安全策略有TTC以及THW,将两者综合考虑得到如下安全策略。
|dsloh|≥max{τTHWlovh,τTTClo(vh-vlo)}
|dsldh|≥max{τTHWldvh,τTTCld(vh-vld)}
|dsroh|≥max{τTHWrovro,τTTCro(vro-vh)}
|dsrdh|≥max{τTHWrdvrd,τTTC(vrd-vh)}
其中,|dsloh|,|dsldh|,|dsroh|,|dsrdh|表示最小安全跟车距离,单位m,τTHWlo,τTHWld,τTHWro,τTHWrd是安全车头时距,单位s,τTTClo、τTTCld、τTTCro、τTTCrd是安全碰撞时间,单位s;
对道路情况分类讨论如下:
(1)当后车速度大于或等于前车速度时:
(2)在后车速度小于前车速度时:
由于τTTC(vi-vi-1)将成为负数项,因此结果情况(1)相同;
通过以上分类讨论,得到适应于双车道五车道路场景的综合安全策略:
所述的舒适性能设计包括:
1)行驶准确的期盼,保证系统的跟踪误差尽可能地小及防止其他车道的车辆的切入到主车的前方,该点在跟踪性能设计时已经得到了实现;
2)合理的行驶状态,不能无限制地追求跟踪性能,要遵守道路法规;内在要求就是限制车辆的控制输入的大小,该点通过增加对于控制的约束来实现:
控制量约束为:
vmin≤v≤vmax
ωmin≤ω≤ωmax
另外增加对转向角的约束:
θmin≤θ≤θmax
3)乘客健康,急剧的状态变化不仅会对车辆的执行机构产生损伤,还会对人体健康造成损害,该点对于输入量的变化进行约束来实现:
输入量约束为,
umin≤u≤umax
其中,vmin,vmax,ωmin,ωmax,θmin,θmax,umin,umax分别为v,ω,θ,u的上界和下界。
所述控制器设计包括:
设预测域为N,得到预测模型:
其中,
计算最终的目标函数:
Ltra=Ltra1+Ltra2+Ltra3
将式预测模型化为MPC中各个时刻控制域下的形式:
其中,
其中,
综合跟踪性能设计、安全性能设计、舒适性能设计的约束,得到最终的约束式:
D(k)U≤K(k)
其中,
T1=[100],T2=[010],T3=[001],T4=[10]
利用系统的当前状态,通过预测模型预测在每一个时刻下预测域中的状态并产生相应的代价函数和约束,最终转换为一个二次规划问题:
s.t.D(k)U≤K(k)
最后,想要得到最终的控制轨迹还需要在原式上加期望轨迹(通过状态误差与参考状态求和得到最终的真实轨迹),具体如下:
本发明的有益效果是:(1)本发明完成了车辆在道路场景中的自动换道问题,考虑横向道路因素,具有良好的跟踪性和实用性;(2)本发明所提出的换道系统相比于传统的ACC系统性能进一步提升,表现为换道距离的提高以及换道速度的加快;(3)本发明提出了类人控制设计以及综合安全策略,这两者都提升了车辆系统的人性化程度。
附图说明
图1为本发明的方法流程图;
图2为五车双车道道路场景模型示意图;
图3为车辆位姿定义图;
图4为道路的初始场景图;
图5为主车位姿与参考位姿图;
图6为构建的系统结构示意图;
图7为实施例中时变权重因子变化示意图。
具体实施方式
下面结合附图进一步详细描述本发明的技术方案,但本发明的保护范围不局限于以下所述。
如图1所示,一种车辆自动换道控制方法,包括以下步骤:
S1.构建双车道五车道路场景模型,并定义车辆的位姿坐标和状态空间;
S101.构建双车道五车道路场景模型:
假设主车H向左换道。在车辆驾驶过程中,车辆周围环境一般情况为主车H所在的原车道及目标车道有前后四辆车。在一个双车道路段中,周围有四辆相关车辆,他们在通常状况下进行匀速直线的稳定运动,主车H进行向左变道,共计五辆车。双车道五车道路场景模型如图2所示。
S102.定义车辆位姿坐标:
以车辆中心o为原点,车身纵向及横向为坐标轴建立自身坐标系。以道路为基准建立的全局坐标系OXY。对车辆位姿进行如图3所示的定义,图中,L为车长,车辆沿自身坐标系纵向速度为vc,车辆横摆角速度为ωc。
如图4所示。在道路模型的建立过程中,主车H起始时在原车道的中心线上,以此时的车辆质心为全局坐标系的原点;以前进纵向及与其垂直的横向建立道路坐标系OXY,其中X方向为道路的纵向,Y方向为道路的横向,车辆纵轴与X方向的夹角为车辆的方向角θ;以车辆中心o为原点,自身纵向中心线i和质心处垂直于纵向中心线的直线j建立笛卡尔坐标系oij;
S103.定义车辆状态空间:
设车辆的状态向量xh为。
其中,xh为车辆在车道的纵向位置,即纵向坐标,yh为车辆在车道的横向位置,即横向坐标,θh为车辆纵轴与道路纵向的夹角,即方向角。
设车辆的控制输入向量u为。
其中,v为车辆速度(m/s),ω为车辆的横摆角速度(rad/s),均为标量。
函数f(xh,u)具有如下描述,
将以上车辆系统模型简写为。
同样,其他四辆车系统模型也满足如下描述。
其中,sur={Lo,Ld,Ro,Rd},Lo,Ld,Ro,Rd分别为原车道前方车,目标车道前方车,原车道后方车和目标车道后方车。
将选择参考轨迹中的某一点作为参考点,将参考点代入运动学模型进行泰勒展开并与主车模型进行求差得到误差模型,在误差模型获取过程中,主车位姿与参考位姿如图5所示。
在模型参考点处进行一阶泰勒展开。
将式6减去式5,得到误差模型。
其中,状态误差和输入误差如下。
对误差模型进行离散化,得到离散时间系统模型,
S2.构建如图6所示的系统结构,其中,,uLd,xLd是通过V2V通信由主车H获得的参考车信息。求得误差模型后进入MPC控制器计算得到换道最优解u*。最后将最优解输入H得到最优的控制轨迹。具体地:
选取车辆系统评价指标中的跟踪性、安全性和舒适性三个方面对于控制策略进行构建并完成轨迹跟踪的任务。包括跟踪性能设计、安全性能设计、舒适性能设计和控制器设计四个子步骤。
所述跟踪性能设计包括:
a.目标函数及约束
对于纵向位置误差的目标函数如下。
关于横向位置误差和方向角误差的目标函数项:
Ltra2=μΔyΔy2+μΔθΔθ2 (11)
其中,μΔθ、μΔy分别是方向角误差和横向位置误差的权重,Δy=yld为横向误差,Δθ=θ-θld为方向角误差。
关于控制误差的目标函数项如下,
Ltra3=μΔvΔv2+μΔωΔω2 (12)
其中,μΔω、μΔv分别是关于速度和角速度误差的权重,Δω=ω-ωld为角速度误差,Δv=v-vld为速度误差。
车辆不能越过道路两旁,同样给出约束如下,
yleft≤y≤yright (13)
其中,yleft为道路的左边界,yright为道路的右边界。
b.类人控制设计
在人类司机驾驶车辆进行换道过程中,对道路状况的注意优先级会从“原车道>目标车道”逐渐向“目标车道>原车道”的方向变化。在整个过程中人类对于周围车辆的判断是定性的,为了提高控制性能,模拟人类在换道过程中的决策模式,本文采用一个时变的权重因子λ来调整对于Ld与Lo跟踪的重要程度从而控制车辆平滑地完成换道过程。
首先对换道过程中的不同阶段进行分类如下:换道阶段a开始换道;换道阶段b,换道中途;换道阶段c,换道结束。接下来对于时变跟车权重因子λ进行描述,为了模拟人类驾驶判断,本文将人类分析道路状况的定性判断转换为一个对于两个前车跟车误差有着不同的期望程度的系统设计,具体表现就是在换道过程中随着横向位移的发生,对于Lo跟踪的期望值下降,对于Ld跟踪的期望值逐渐上升。在不同阶段的λ设定如下:在阶段a,λlo=1.3,λld=0.9;在阶段b,λlo=1.0,λld=1.0;在阶段c,λlo=0.9,λld=1.3;在本申请的实施例中,对应于换道场景给出的时变权重因子变化如图7所示。
所述安全性能设计包括:
在整个换道过程中可以将换道分为两大部分,一个是a,c阶段,是车辆之间状态都比较简单的稳定跟随场景;另一个是b阶段,是车辆之间行驶状况比较复杂的避撞场景。
稳定跟随场景:对于主车和前车都以稳定状态行驶的场景,跟踪一个经道路实验而获得的安全距离常数就可以保证安全。
避撞场景:对于主车和前车以不同的状态行驶并且要考虑后车的碰撞避免场景中,考虑到目前常用的安全策略有time-to-collision(TTC)以及time headway(THW)。本文将两者综合考虑得到如下安全策略。
其中,|dsloh|,|dsldh|,|dsroh|,|dsrdh|表示最小安全跟车距离(m),τTHWlo,τTHWld,τTHWro,τTHWrd是安全车头时距(s),τTTClo、τTTCld、τTTCro、τTTCrd是安全碰撞时间(s)。
对道路情况分类讨论如下。
(1)当后车速度大于或等于前车速度时。
(2)在后车速度小于前车速度时,
由于τTTC(vi-vi-1)将成为负数项,因此结果仍与式15相同。
通过以上分类讨论,得到适应于双车道五车道路场景的综合安全策略:
所述舒适性能设计包括:
CACC是服务于人类自身的系统,这就要求系统不能一味地追求动力性与效率,还要兼顾坐在车内的司机与乘客的感受。
有以下几点关键因素:
1)行驶准确的期盼。保证系统的跟踪误差尽可能地小及防止其他车道的车辆的切入到主车的前方;
2)合理的行驶状态。不能无限制地追求跟踪性能,要遵守道路法规;
3)乘客健康。急剧的状态变化不仅会对车辆的执行机构产生损伤,还会对人体健康造成损害。
对于因素1),在跟踪性能得到实现;
对于因素2),内在要求就是限制车辆的控制输入的大小。可以通过增加对于控制的约束来实现。
控制量约束为,
另外增加对转向角的约束,
θmin≤θ≤θmax (18)
对于因素3),就是对于输入量的变化进行约束。
输入量约束为,
umin≤u≤umax (19)
其中,vmin,vmax,ωmin,ωmax,θmin,θmax,umin,umax分别为v,ω,θ,u的上界和下界。所述控制器设计包括:
设预测域为N,得到预测模型,
其中,
将式10,式11,式12相加得到最终的目标函数,
Ltra=Ltra1+Ltra2+Ltra3 (21)
将式20化为MPC中各个时刻控制域下的形式,
其中,
将式9代入式22中,并化为标准二次型形式,有
其中,
综合第二部分中A,B,C部分的约束式,即式13,式16到式19,得到最终的约束式,
D(k)U≤K(k) (24)
其中,
T1=[1 0 0],T2=[0 1 0],T3=[0 0 1],T4=[1 0]
利用系统的当前状态,通过预测模型预测在每一个时刻下预测域中的状态并产生相应的代价函数和约束,最终转换为一个二次规划问题:
最后,由于本文使用的是状态误差和控制误差模型,因此想要得到最终的控制轨迹还需要在原式上加期望轨迹,如下,
综上,本申请基于模型预测控制设计了换道控制器,将跟踪性能、安全性能、舒适性能综合设计在了车辆系统中,完成了多目标之间的协调;提出了类人换道控制设计,模拟人类司机换道中对于道路环境的定性分析,使用时变因子将这种重视程度的变化模拟在了控制系统中;提出了适应于五车双车道道路场景模型的综合安全策略,考虑了主流的车头时距策略和碰撞时间策略并进一步进行简化,适应于提出的道路场景。与现有的技术比较,本发明具有如下优势:完成了车辆在道路场景中的自动换道问题,考虑横向道路因素,具有良好的跟踪性和实用性;相比于传统的ACC系统性能进一步提升,表现为换道距离的提高以及换道速度的加快;提出了类人控制设计以及综合安全策略,这两者都提升了车辆系统的人性化程度。
以上所述是本发明的优选实施方式,应当理解本发明并非局限于本文所披露的形式,不应该看作是对其他实施例的排除,而可用于其他组合、修改和环境,并能够在本文所述构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (6)
1.一种车辆自动换道控制方法,其特征在于:包括以下步骤:
S1.构建双车道五车道路场景模型,并定义车辆的位姿坐标和状态空间;
S2.从跟踪性、安全性和舒适性三个方面对于控制策略进行构建并完成轨迹跟踪的任务,包括跟踪性能设计、安全性能设计、舒适性能设计和控制器设计四个子步骤。
2.根据权利要求1所述的一种车辆自动换道控制方法,其特征在于:所述步骤S1包括:
S101.构建双车道五车道路场景模型:
在一个双车道路段中,假设主车H向左换道,在车辆驾驶过程中,车辆周围环境为主车H所在的原车道及目标车道有前后四辆相关车辆,周围四辆相关车辆进行匀速直线的稳定运动;
S102.定义车辆位姿坐标:
在对车辆位姿进行定义时,以车辆中心o为原点,车身纵向及横向为坐标轴建立自身坐标系,以道路为基准建立的全局坐标系OXY;
在道路模型的建立过程中,主车H起始时在原车道的中心线上,以此时的车辆质心为全局坐标系的原点;以前进纵向及与其垂直的横向建立道路坐标系OXY,其中X方向为道路的纵向,Y方向为道路的横向,车辆纵轴与X方向的夹角为车辆的方向角θ;以车辆中心o为原点,自身纵向中心线i和质心处垂直于纵向中心线的直线j建立笛卡尔坐标系oij;
S103.定义车辆状态空间:
设车辆的状态向量xh为:
其中,xh为车辆在车道的纵向位置,即纵向坐标,yh为车辆在车道的横向位置,即横向坐标,θh为车辆纵轴与道路纵向的夹角,即方向角;
设车辆的控制输入向量u为:
其中,v为车辆速度,单位m/s,ω为车辆的横摆角速度,单位rad/s,均为标量;
函数f(xh,u)具有如下描述:
将以上车辆系统模型简写为:
同样,其他四辆车系统模型也满足如下描述:
其中,sur={Lo,Ld,Ro,Rd},Lo,Ld,Ro,Rd分别为原车道前方车,目标车道前方车,原车道后方车和目标车道后方车;
将选择参考轨迹中的某一点作为参考点,将参考点代入运动学模型进行泰勒展开并与主车模型进行求差得到误差模型;
在模型参考点处进行一阶泰勒展开:
其中,状态误差和输入误差如下:
对误差模型进行离散化,得到离散时间系统模型:
3.根据权利要求1所述的一种车辆自动换道控制方法,其特征在于:所述跟踪性能设计包括:
a.目标函数及约束:
对于纵向位置误差的目标函数如下:
关于横向位置误差和方向角误差的目标函数项:
Ltra2=μΔyΔy2+μΔθΔθ2
其中,μΔθ、μΔy分别是方向角误差和横向位置误差的权重,Δy=yld为横向误差,Δθ=θ-θld为方向角误差;
关于控制误差的目标函数项如下:
Ltra3=μΔvΔv2+μΔωΔω2
其中,μΔω、μΔv分别是关于速度和角速度误差的权重,Δω=ω-ωld为角速度误差,Δv=v-vld为速度误差;
车辆不能越过道路两旁,同样给出约束如下:
yleft≤y≤yright
其中,yleft为道路的左边界,yright为道路的右边界;
b.类人控制设计
在人类司机驾驶车辆进行换道过程中,对道路状况的注意优先级会从“原车道>目标车道”逐渐向“目标车道>原车道”的方向变化;在整个过程中人类对于周围车辆的判断是定性的,为了提高控制性能,模拟人类在换道过程中的决策模式,采用一个时变的权重因子λ来调整对于Ld与Lo跟踪的重要程度从而控制车辆平滑地完成换道过程:
首先对换道过程中的不同阶段进行分类如下:换道阶段a,开始换道;换道阶段b,换道中途;换道阶段c,换道结束,并设定λ在不同阶段的不同数值,阶段a,λlo=1.3,λld=0.9;在阶段b,λlo=1.0,λld=1.0;在阶段c,λlo=0.9,λld=1.3。
4.根据权利要求3所述的一种车辆自动换道控制方法,其特征在于:所述安全性能设计包括:
在整个换道过程中将换道分为两大部分,一个是a,c阶段,是车辆之间状态都比较简单的稳定跟随场景;另一个是b阶段,是车辆之间行驶状况比较复杂的避撞场景;
稳定跟随场景:对于主车和前车都以稳定状态行驶的场景,跟踪一个安全距离常数以保证安全;
避撞场景:对于主车和前车以不同的状态行驶并且要考虑后车的碰撞避免场景中,考虑到目前常用的安全策略有TTC以及THW,将两者综合考虑得到如下安全策略:
|dsloh|≥max{τTHWlovh,τTTClo(vh-vlo)}
|dsldh|≥max{τTHWldvh,τTTCld(vh-vld)}
|dsroh|≥max{τTHWrovro,τTTCro(vro-vh)}
|dsrdh|≥max{τTHWrdvrd,τTTC(vrd-vh)}
其中,|dsloh|,|dsldh|,|dsroh|,|dsrdh|表示最小安全跟车距离,单位m,τTHWlo,τTHWld,τTHWro,τTHWrd是安全车头时距,单位s,τTTClo、τTTCld、τTTCro、τTTCrd是安全碰撞时间,单位s;
对道路情况分类讨论如下:
(1)当后车速度大于或等于前车速度时:
(2)在后车速度小于前车速度时:
由于τTTC(vi-vi-1)将成为负数项,因此结果情况(1)相同;
通过以上分类讨论,得到适应于双车道五车道路场景的综合安全策略:
5.根据权利要求3所述的一种车辆自动换道控制方法,其特征在于:所述安全性能设计包括:所述的舒适性能设计包括:
1)行驶准确的期盼,保证系统的跟踪误差尽可能地小及防止其他车道的车辆的切入到主车的前方,该点在跟踪性能设计时已经得到了实现;
2)合理的行驶状态,不能无限制地追求跟踪性能,要遵守道路法规;内在要求就是限制车辆的控制输入的大小,该点通过增加对于控制的约束来实现:
控制量约束为:
vmin≤v≤vmax
ωmin≤ω≤ωmax
另外增加对转向角的约束:
θmin≤θ≤θmax
3)乘客健康,急剧的状态变化不仅会对车辆的执行机构产生损伤,还会对人体健康造成损害,该点对于输入量的变化进行约束来实现:
输入量约束为,
umin≤u≤umax
其中,vmin,vmax,ωmin,ωmax,θmin,θmax,umin,umax分别为v,ω,θ,u的上界和下界。
6.根据权利要求3所述的一种车辆自动换道控制方法,其特征在于:所述安全性能设计包括:所述控制器设计包括:
设预测域为N,得到预测模型:
其中,
计算最终的目标函数:
Ltra=Ltra1+Ltra2+Ltra3
将式预测模型化为MPC中各个时刻控制域下的形式:
其中,
其中,
综合跟踪性能设计、安全性能设计、舒适性能设计的约束,得到最终的约束式:
D(k)U≤K(k)
其中,
T1=[1 0 0],T2=[0 1 0],T3=[0 0 1],T4=[1 0]
利用系统的当前状态,通过预测模型预测在每一个时刻下预测域中的状态并产生相应的代价函数和约束,最终转换为一个二次规划问题:
s.t.D(k)U≤K(k)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011401451.8A CN112429004B (zh) | 2020-12-02 | 2020-12-02 | 一种车辆自动换道控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011401451.8A CN112429004B (zh) | 2020-12-02 | 2020-12-02 | 一种车辆自动换道控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112429004A true CN112429004A (zh) | 2021-03-02 |
CN112429004B CN112429004B (zh) | 2022-03-15 |
Family
ID=74692375
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011401451.8A Active CN112429004B (zh) | 2020-12-02 | 2020-12-02 | 一种车辆自动换道控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112429004B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114291112A (zh) * | 2021-12-30 | 2022-04-08 | 同济大学 | 一种应用于自动驾驶汽车的决策规划协同增强方法 |
CN114360276A (zh) * | 2022-01-13 | 2022-04-15 | 郑州汉威光电股份有限公司 | 一种基于大数据的高速公路智慧管理系统 |
CN114676939A (zh) * | 2022-05-26 | 2022-06-28 | 之江实验室 | 一种多车型参数自适应的参考线平滑方法和系统 |
CN116819973A (zh) * | 2023-08-29 | 2023-09-29 | 北京成功领行汽车技术有限责任公司 | 一种轨迹跟踪控制方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
DE102014002115A1 (de) * | 2014-02-15 | 2015-08-20 | Audi Ag | Verfahren zum Betrieb eines Fahrerassistenzsystems zur Unterstützung bei der Wahl einer Fahrspur und Kraftfahrzeug |
US20160185388A1 (en) * | 2014-12-30 | 2016-06-30 | Mando Corporation | Lane change control device and control method |
US20190315348A1 (en) * | 2018-04-13 | 2019-10-17 | Honda Motor Co., Ltd. | Vehicle control device, vehicle control method, and storage medium |
CN111260956A (zh) * | 2020-01-15 | 2020-06-09 | 清华大学 | 一种基于模型预测控制的车辆自动换道规划与控制方法 |
EP3699055A1 (en) * | 2019-02-19 | 2020-08-26 | Baidu Online Network Technology (Beijing) Co., Ltd. | Decision method, device, equipment in a lane changing process and storage medium |
-
2020
- 2020-12-02 CN CN202011401451.8A patent/CN112429004B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
DE102014002115A1 (de) * | 2014-02-15 | 2015-08-20 | Audi Ag | Verfahren zum Betrieb eines Fahrerassistenzsystems zur Unterstützung bei der Wahl einer Fahrspur und Kraftfahrzeug |
US20160185388A1 (en) * | 2014-12-30 | 2016-06-30 | Mando Corporation | Lane change control device and control method |
US20190315348A1 (en) * | 2018-04-13 | 2019-10-17 | Honda Motor Co., Ltd. | Vehicle control device, vehicle control method, and storage medium |
EP3699055A1 (en) * | 2019-02-19 | 2020-08-26 | Baidu Online Network Technology (Beijing) Co., Ltd. | Decision method, device, equipment in a lane changing process and storage medium |
CN111260956A (zh) * | 2020-01-15 | 2020-06-09 | 清华大学 | 一种基于模型预测控制的车辆自动换道规划与控制方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114291112A (zh) * | 2021-12-30 | 2022-04-08 | 同济大学 | 一种应用于自动驾驶汽车的决策规划协同增强方法 |
CN114291112B (zh) * | 2021-12-30 | 2023-08-04 | 同济大学 | 一种应用于自动驾驶汽车的决策规划协同增强方法 |
CN114360276A (zh) * | 2022-01-13 | 2022-04-15 | 郑州汉威光电股份有限公司 | 一种基于大数据的高速公路智慧管理系统 |
CN114360276B (zh) * | 2022-01-13 | 2022-08-26 | 郑州汉威光电股份有限公司 | 一种基于大数据的高速公路智慧管理系统 |
CN114676939A (zh) * | 2022-05-26 | 2022-06-28 | 之江实验室 | 一种多车型参数自适应的参考线平滑方法和系统 |
CN114676939B (zh) * | 2022-05-26 | 2022-09-02 | 之江实验室 | 一种多车型参数自适应的参考线平滑方法和系统 |
CN116819973A (zh) * | 2023-08-29 | 2023-09-29 | 北京成功领行汽车技术有限责任公司 | 一种轨迹跟踪控制方法 |
CN116819973B (zh) * | 2023-08-29 | 2023-12-12 | 北京成功领行汽车技术有限责任公司 | 一种轨迹跟踪控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112429004B (zh) | 2022-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112429004B (zh) | 一种车辆自动换道控制方法 | |
CN110471408B (zh) | 基于决策过程的无人驾驶车辆路径规划方法 | |
CN109643496B (zh) | 车辆控制系统 | |
Wei et al. | A behavioral planning framework for autonomous driving | |
Zhang et al. | Adaptive decision-making for automated vehicles under roundabout scenarios using optimization embedded reinforcement learning | |
CN112046484B (zh) | 一种基于q学习的车辆变道超车路径规划方法 | |
JP3714258B2 (ja) | 車両用推奨操作量生成装置 | |
Brandt et al. | Combining haptic human-machine interaction with predictive path planning for lane-keeping and collision avoidance systems | |
US20110190972A1 (en) | Grid unlock | |
CN110703754A (zh) | 一种自动驾驶车辆路径与速度高度耦合的轨迹规划方法 | |
Tan et al. | Experimental development of a new target and control driver steering model based on DLC test data | |
Schimpe et al. | Steer with me: A predictive, potential field-based control approach for semi-autonomous, teleoperated road vehicles | |
El Hajjami et al. | Robust adaptive non-singular fast terminal sliding-mode lateral control for an uncertain ego vehicle at the lane-change maneuver subjected to abrupt change | |
CN113619574A (zh) | 一种车辆避让方法、装置、计算机设备和存储介质 | |
EP4078320A1 (en) | Planning in mobile robots | |
Obayashi et al. | Real-time autonomous car motion planning using NMPC with approximated problem considering traffic environment | |
Chen et al. | Lane-exchanging driving strategy for autonomous vehicle via trajectory prediction and model predictive control | |
CN114442630A (zh) | 一种基于强化学习和模型预测的智能车规划控制方法 | |
CN115447615A (zh) | 基于车辆运动学模型预测控制的轨迹优化方法 | |
Ding et al. | Model predictive enhanced adaptive cruise control for multiple driving situations | |
Pan et al. | A game theory-based model predictive controller for mandatory lane change of multiple vehicles | |
Okuda et al. | Model predictive driver assistance control for cooperative cruise based on hybrid system driver model | |
Li et al. | Decision making for autonomous vehicles | |
CN114323698A (zh) | 一种面向人机共驾智能汽车的实车实验平台测试方法 | |
Probst et al. | Automated driving in complex real-world scenarios using a scalable risk-based behavior generation framework |
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 |