CN112677982B

CN112677982B - 基于驾驶员特性的车辆纵向速度规划方法

Info

Publication number: CN112677982B
Application number: CN202011563810.XA
Authority: CN
Inventors: 郑玲; 郑浩; 李以农; 余颖弘; 乔旭强; 张紫微
Original assignee: Chongqing University
Current assignee: Chongqing University
Priority date: 2020-12-25
Filing date: 2020-12-25
Publication date: 2022-06-14
Anticipated expiration: 2040-12-25
Also published as: CN112677982A

Abstract

本发明公开了一种基于驾驶员特性的车辆纵向速度规划方法，首先，确定不同驾驶风格对应的驾驶特征数据；然后，获取车辆当前的行驶状态数据和规划路径长度；之后，根据行驶状态数据确定相应的驾驶特征数据；最后，通过确定的驾驶特征数据、行驶状态数据和规划路径长度生成具有分段函数的加减速控制曲线。本发明在考虑不同的驾驶员习惯的基础下，充分发挥了车辆的最大加速度性能；通过规划加加速度连续特性，改善了车辆在起动、停止及变速时产生的冲击、顿挫或抖振现象，提高了纵向运动控制的平顺性和舒适性，并且可根据上一执行周期结束的车辆状态参数、下一规划周期规划参数和相应边界条件约束进行自适应，生成相应的加减速控制曲线以匹配下一规划周期。

Description

基于驾驶员特性的车辆纵向速度规划方法

技术领域

本发明涉及车辆的牵引控制技术领域，具体涉及一种基于驾驶员特性的车辆纵向速度规划方法。

背景技术

得益于计算机技术、传感技术、自动控制技术的发展，智能驾驶汽车得到迅速发展，且逐渐成为热点研究领域。速度规划和控制是自动驾驶中的一个重要研究内容，其基本目标是根据检测到的状态(如当前车速、前车的车速、与前车的距离)规划出一系列后续时间点车的预期车速。在实际工况中，车辆运动状态不停发生变化，交通流信息，环境信息影响路径规划长度，驾驶员具有不同驾驶风格，如何规划出合理、舒适且人性化的纵向速度曲线，是改善智能汽车纵向驾驶性能的关键技术。

为了使车辆在起动、停止及变速时不产生冲击、顿挫或抖振现象，加减速控制规律必须经过专门设计。国内外目前车辆常用的加减速控制算法有指数、直线、S形曲线和三角函数加减速控制算法等。但在现实世界中，每个驾驶员都有不同的驾驶习惯，例如加减速强度，使用同一种规划和控制方法很难满足各种不同驾驶风格的驾驶员的需求。因此，需要一种考虑不同驾驶员的驾驶风格的基于驾驶员特性的车辆纵向速度规划方法。

发明内容

针对现有技术存在的不足，本发明提出一种基于驾驶员特性的车辆纵向速度规划方法。以驾驶员的驾驶风格对应的驾驶特征数据为基础规划车辆纵向速度，充分考虑驾驶员的驾驶习惯，以满足不同驾驶员的需求。

具体技术方案如下：

第一方面，提供了一种基于驾驶员特性的车辆纵向速度规划方法，包括：

确定不同驾驶风格对应的驾驶特征数据；

获取车辆当前的行驶状态数据和规划路径长度；

根据行驶状态数据确定相应的驾驶特征数据；

通过确定的驾驶特征数据、行驶状态数据和规划路径长度生成各个参数的加减速控制曲线。

结合第一方面，在第一方面的第一种可实现方式中，所述确定不同驾驶风格对应的驾驶特征数据包括：

获取不同驾驶风格的驾驶员对应的驾驶数据；

对获取到的驾驶数据按照不同驾驶风格进行分类，生成不同驾驶风格对应的驾驶数据集；

通过相应的驾驶数据集，确定不同驾驶风格对应的驾驶特征数据。

结合第一方面的第一种可实现方式，在第一方面的第二种可实现方式中，采用K均值聚类算法对所述驾驶数据进行分类。

结合第一方面的第一种可实现方式，在第一方面的第三种可实现方式中，还包括剔除所有驾驶数据集中的异常值。

结合第一方面的第三种可实现方式，在第一方面的第四种可实现方式中，采用箱形图剔除所述异常值。

结合第一方面，在第一方面的第五种可实现方式中，所述驾驶特征数据包括最大加加速度或最大加速度。

结合第一方面，在第一方面的第六种可实现方式中，所述获取车辆当前的行驶状态数据包括：

采集车辆的纵向加速度信号、车辆侧向速度和4个车轮的车轮速度；

通过车辆侧向速度对纵向加速度信号进行修正，得到纵向加速度，并通过4个车轮的车轮速度计算得到车辆的纵向速度。

结合第一方面，在第一方面的第七种可实现方式中，所述通过驾驶特征数据、行驶状态数据和规划路径长度生成各个参数的加减速控制曲线，包括：

确定每个参数的加减速控制曲线中各个阶段对应的分段函数；

通过所述驾驶特征数据、行驶状态数据和规划路径长度，计算得到分段函数对应的浮动参数和曲线参数；

根据分段函数对应的曲线参数和浮动参数，生成各个参数的加减速控制曲线。

结合第一方面的第七种可实现方式，在第一方面的第八种可实现方式中，所述加减速控制曲线包括初始阶段、中间阶段和结束阶段，其中，初始阶段和结束阶段中各个参数对应的分段函数均为三角函数，中间阶段中各个参数对应的分段函数为直线函数。

第二方面，提供了一种存储介质，存储有计算机程序，该计算机程序适于由处理器加载并执行上述的任意一项可实现方式的规划方法。

有益效果：采用本发明的基于驾驶员特性的车辆纵向速度规划方法，通过考虑驾驶员特性，在符合不同的驾驶员加减速习惯的基础下，充分发挥了车辆的最大加速度性能，提升了无人驾驶的乘坐舒适性，满足不同驾驶员的需求。

附图说明

为了更清楚地说明本发明具体实施方式，下面将对具体实施方式中所需要使用的附图作简单地介绍。在所有附图中，各元件或部分并不一定按照实际的比例绘制。

图1为本发明一实施例提供的规划方法的流程图；

图2为图1所示的确定驾驶特征数据的流程图；

图3为图1中确定加减速控制曲线的浮动参数和曲线系数的流程图；

图4为各个参数对应的加减速控制曲线的分段示意图。

具体实施方式

下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只作为示例，而不能以此来限制本发明的保护范围。

实施例一、如图1所示的基于驾驶员特性的车辆纵向速度规划方法的流程图，该规划方法包括：

步骤1、确定不同驾驶风格对应的驾驶特征数据；

步骤2、获取车辆当前的行驶状态数据和规划路径长度S₀；

步骤3、根据行驶状态数据确定相应的驾驶特征数据；

步骤4、通过确定的驾驶特征数据、行驶状态数据和规划路径长度生成各个参数的加减速控制曲线。

具体而言，首先，可以确定不同驾驶风格对应的驾驶特征数据。

然后，通过车载检测器检测得到车辆当前的行驶状态数据，如车辆的车速和加速度，并通过传感器检测车辆的环境信息，如位置信息。通过环境信息可以确定车辆所在位置及其局部的障碍物分布情况，从而选出车辆从当前位置到某一目标位置的最优路径，目标位置可以是障碍物所在位置，以确定规划路径长度S₀。

然后，根据车辆的行驶状态数据匹配驾驶员对应的驾驶特征数据。

最后，结合驾驶特征数据、行驶状态数据和规划路径长度S₀生成车辆的加减速控制曲线。如此考虑驾驶员特性，在符合不同的驾驶员加减速习惯的基础下，充分发挥了车辆的最大加速度性能，相对于不考虑驾驶特性的规划方法，提升了无人驾驶的乘坐舒适性。

在本实施例中，优选的，如图2所示，所述确定不同驾驶风格对应的驾驶特征数据包括：

步骤1-1、获取不同驾驶风格的驾驶员对应的驾驶数据；

步骤1-2、对获取到的驾驶数据按照不同驾驶风格进行分类，生成不同驾驶风格对应的驾驶数据集；

步骤1-3、通过相应的驾驶数据集，确定不同驾驶风格对应的驾驶特征数据。

具体而言，首先，可以采用离线采集的方式从现有的实车数据采集平台中获取不同风格驾驶员在不同驾驶环境下的自然驾驶数据，并对驾驶数据进行标定，制定训练集和测试集。其中，所述驾驶环境包括高速路、城际快速、国道等，采集的自然驾驶数据包括自车车速、加速度、加加速度等，并对采集到的自然驾驶数据进行标定。

然后，对采集到的数据可以采用机器学习方法按照不同的驾驶风格进行分类，确定不同驾驶风格对应的驾驶数据集，最后通过相应驾驶数据集中的数据确定不同驾驶风格对应的驾驶特征数据。

在本实施例中，优选的，可以采用K均值聚类算法对所述驾驶数据进行分类。因为采集到的自然驾驶数据中可能存在异常值，如果不剔除异常值，会对驾驶风格特征的分析结果带来不良影响，因此，在确定不同驾驶风格对应的驾驶数据集后，还需要对各个驾驶数据集中的异常值进行剔除。

在本实施例中，优选的，为了客观地识别并剔除所述异常值，可以采用箱形图剔除所述异常值，异常值的标准可以定义为：

[Q1-1.5IQR，Q3+1.5IQR]

其中，Q1为下四分位数，Q3为上四分位数，IQR＝Q3-Q1为四分位距。

最后，对剔除异常值后的各个驾驶数据集中，属于[Q1-1.5IQR，Q1]、[Q3，Q3+1.5IQR]的数据取绝对值，并计算其平均值作为不同驾驶风格对应的驾驶特征数据。在本实施例中，优选的，所述驾驶特征数据包括最大加加速度j_max或最大加速度a_max。

在本实施例中，优选的，所述获取车辆当前的行驶状态数据包括：

具体而言，可以通过现有车辆安装在4个车轮上的转速传感器检测得到车轮速度，计算得到用于单个的车轮速度值的加权参量，并且根据所加权的车轮速度值的平均值来计算车辆当前的纵向速度v₀。

对于纵向加速度，可以根据纵向加速度传感器信号和车辆侧向速度测算修正后的纵向加速度，具体通过计算消除纵向和侧向加速度传感器信号中的哥氏加速度分量，并通过小波变换分析，估计传感器噪声的标准差，以此得到修正后的纵向加速度：

其中，a₀是修正后的纵向加速度，a_x是纵向加速度传感器信号，γ是横摆角速度传感器信号，

是估算的车辆侧向速度。

在本实施例中，优选的，如图3所示，所述通过驾驶特征数据、行驶状态数据和规划路径长度生成加减速控制曲线，包括：

步骤4-1、确定每个参数的加减速控制曲线中各个阶段对应的分段函数；

步骤4-2、基于所述驾驶特征数据、行驶状态数据和规划路径长度，计算得到浮动参数和分段函数对应的曲线参数；

步骤4-3、通过相应的各个分段函数对应的曲线参数和浮动参数，生成每个参数对应的加减速控制曲线。

具体而言，可以根据步骤1获得的不同驾驶风格对应的驾驶特征数据，以及步骤2确定的行驶状态数据和规划路径长度，通过自适应的速度规划策略可以生成一个浮动参数。根据浮动参数的边界条件约束，可以根据分段函数对应的曲线参数和浮动参数，生成各个参数的加减速控制曲线，以匹配下一规划周期的规划路径，具体包括：

首先，可以确定加减速控制曲线中每个阶段中各个参数对应的分段函数，在本实施例中，选用的参数包括加加速度、加速度、速度、位移值。构造车辆加减速控制曲线应满足基本条件，包括：整个过程中速度和加速度变化平稳连续；在变速开始和终止时必须与要求的速度一致，加速度必须为0。为避免柔性冲击，加加速度也须连续，即在加减速的始、末位置数值为0。

在本实施例中，可以采用三角函数和直线函数构建每个参数对应的加减速控制曲线，如此发挥了三角函数连续平滑、连续可导的特点，又通过直线连接增强了整条加速度曲线的可控性。

如图4所示。其中每个参数在阶段①、阶段②和阶段③分别对应的分段函数为：

t_r是规划周期时长；t是时间变量，属于[0,t_r]区间；t₀是浮动参数，属于[0,t_r]区间。

j,a,v,s分别是车辆在t时刻的加加速度、加速度、速度、位移值；

J，K，L，M分别是为车辆相应的加加速度、加速度、速度、位移分段函数的待定系数。

然后，通过自适应的速度规划策略，生成加减速控制曲线，具体包括：

可以将驾驶特征数据、行驶状态数据和规划路径长度作为初始条件，代入到上述的各个参数对应的分段函数中计算得到浮动参数。在本实施例中，以最大加速度a_max作为驾驶特征数据，可以将a_max、a₀、v₀、S₀作为初始条件代入各个参数的分段函数中，计算得到浮动参数和曲线系数。初始条件为：

其中，a₀、v₀分别是车辆当前的行驶状态数据中的纵向加速度、纵向速度，S₀是规划路径长度，得到的曲线系数如下：

最后，通过相应的曲线参数，可以确定不同参数对应的加减速控制曲线。在本实施例中，通过规划加加速度连续特性，改善了车辆在起动、停止及变速时产生的冲击、顿挫或抖振现象，提高了纵向运动控制的平顺性和舒适性。并且可根据上一执行周期结束的车辆状态参数、下一规划周期规划参数以及相应边界条件约束进行自适应，生成相应的加减速控制曲线以匹配下一规划周期。

实施例二与实施例一大致相同，其主要区别在于：在本实施例中，是以最大加加速度j_max作为驾驶特征数据，可以将j_max、a₀、v₀、S₀作为初始条件代入各个参数的分段函数中，计算得到浮动参数，初始条件为：

计算得到的曲线系数如下：

一种存储介质，存储有计算机程序，该计算机程序适于由处理器加载并执行上述的规划方法。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。

Claims

1.一种基于驾驶员特性的车辆纵向速度规划方法，其特征在于，包括：

确定不同驾驶风格对应的驾驶特征数据；

获取车辆当前的行驶状态数据和规划路径长度；

根据行驶状态数据确定相应的驾驶特征数据；

通过确定的驾驶特征数据、行驶状态数据和规划路径长度生成各个参数的加减速控制曲线；

所述通过驾驶特征数据、行驶状态数据和规划路径长度生成各个参数的加减速控制曲线，包括：

2.根据权利要求1所述的基于驾驶员特性的车辆纵向速度规划方法，其特征在于，所述确定不同驾驶风格对应的驾驶特征数据包括：

获取不同驾驶风格的驾驶员对应的驾驶数据；

3.根据权利要求2所述的基于驾驶员特性的车辆纵向速度规划方法，其特征在于，采用K均值聚类算法对所述驾驶数据进行分类。

4.根据权利要求2所述的基于驾驶员特性的车辆纵向速度规划方法，其特征在于，还包括剔除所有驾驶数据集中的异常值。

5.根据权利要求4所述的基于驾驶员特性的车辆纵向速度规划方法，其特征在于，采用箱形图剔除所述异常值。

6.根据权利要求1所述的基于驾驶员特性的车辆纵向速度规划方法，其特征在于，所述驾驶特征数据包括最大加加速度或最大加速度。

7.根据权利要求1所述的基于驾驶员特性的车辆纵向速度规划方法，其特征在于，所述获取车辆当前的行驶状态数据包括：

8.根据权利要求1所述的基于驾驶员特性的车辆纵向速度规划方法，其特征在于，所述加减速控制曲线包括初始阶段、中间阶段和结束阶段，其中，初始阶段和结束阶段中各个参数对应的分段函数均为三角函数，中间阶段中各个参数对应的分段函数为直线函数。

9.一种存储介质，其特征在于：存储有计算机程序，该计算机程序适于由处理器加载并执行如权利要求1-8任一项所述的规划方法。