CN112706770B - 一种考虑线控转向迟滞的车辆汇入控制系统及方法 - Google Patents
一种考虑线控转向迟滞的车辆汇入控制系统及方法 Download PDFInfo
- Publication number
- CN112706770B CN112706770B CN202110029797.8A CN202110029797A CN112706770B CN 112706770 B CN112706770 B CN 112706770B CN 202110029797 A CN202110029797 A CN 202110029797A CN 112706770 B CN112706770 B CN 112706770B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- lane
- track
- steer
- wire
- 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 50
- 150000001875 compounds Chemical class 0.000 claims description 18
- 238000013461 design Methods 0.000 claims description 8
- 230000008676 import Effects 0.000 claims description 8
- CLOMYZFHNHFSIQ-UHFFFAOYSA-N clonixin Chemical compound CC1=C(Cl)C=CC=C1NC1=NC=CC=C1C(O)=O CLOMYZFHNHFSIQ-UHFFFAOYSA-N 0.000 claims description 6
- 238000006073 displacement reaction Methods 0.000 claims description 6
- 238000007726 management method Methods 0.000 claims description 6
- 238000010187 selection method Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 32
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012549 training 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
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
- B60W40/105—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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
- B60W40/112—Roll movement
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
-
- 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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0019—Control system elements or transfer functions
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Steering Control In Accordance With Driving Conditions (AREA)
Abstract
本发明公开了一种考虑线控转向迟滞的车辆汇入控制系统及方法,包括:目标车道管理模块、车辆动作决策模块、迟滞线控转向模块和车辆运动模块;本发明分析线控转向迟滞对汇入控制的影响,综合考虑车辆汇入过程的安全性、舒适性,建立相应的成本函数,求解车辆汇入过程中每个时刻的最优动作,提高车辆汇入安全性、舒适性。
Description
技术领域
本发明属于自动驾驶车辆的智能控制技术领域,具体涉及一种考虑线控转向迟滞的车辆汇入控制系统及方法。
背景技术
随着我国汽车保有量的不断增长,交通问题日益严峻,道路愈发拥堵,交通事故频发。其中,匝道汇入场景是交通事故和交通拥堵最易发生的场景之一。无人驾驶车辆作为车辆技术的发展趋势,在解决交通安全和缓解道路拥堵等问题上极具潜力。无人驾驶车辆的智能汇入控制技术被认为是有效解决匝道汇入场景的交通问题的有效方法。
在车辆的汇入控制研究方面,中国发明专利申请号CN201810780413.4,名称为“城市环境下智能驾驶车辆环境自适应汇入方法”中提出了一种城市环境下智能驾驶车辆自适应汇入方法,采用强化学习的方法训练得到能够自适应选择汇入间隙和汇入动作的决策模型。中国发明专利申请号CN201811642027.5,名称为“自动驾驶车辆的横向决策系统及横向决策确定方法”中提出了一种自动驾驶车辆的横向决策确定方法,评估目标车道和车道异常情况,进而判断并输出自动驾驶车辆的预期横向行为。在这些车辆汇入控制方法中,都假设车辆线控转向系统没有迟滞,能够完美执行决策得到的动作,以实现汇入控制。然而,在实际应用中,车辆在线控转向执行过程会有不可忽视的迟滞问题,造成车辆实际执行的动作与决策得到的动作有偏差,严重影响到汇入控制的安全性。因此,车辆的线控转向的迟滞问题在汇入控制过程中需要加以考虑。
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考虑线控转向迟滞的车辆汇入控制系统及方法,以解决现有技术中因未考虑线控转向迟滞导致的汇入控制不安全的问题。本发明分析线控转向迟滞对汇入控制的影响,综合考虑车辆汇入过程的安全性、舒适性,建立相应的成本函数,求解车辆汇入过程中每个时刻的最优动作,提高车辆汇入安全性、舒适性。
为达到上述目的,本发明采用的技术方案如下:
本发明的一种考虑线控转向迟滞的车辆汇入控制系统,包括:目标车道管理模块、车辆动作决策模块、迟滞线控转向模块和车辆运动模块;
所述目标车道管理模块,用于根据当前道路特征信息、周围车辆信息来选择自动驾驶车辆的目标车道;
所述车辆动作决策模块,用于根据目标车道生成多条备选轨迹,并将备选轨迹信息传输给迟滞线控转向模块,再根据车辆运动模块计算得到的车辆跟踪备选轨迹的真实轨迹的运动状态信息,分析线控转向迟滞对汇入控制的影响,建立成本函数,求解车辆汇入过程中各时刻的最优动作;
所述迟滞线控转向模块,根据车辆的备选轨迹,采用预瞄模型求解延迟时间为τd时车辆跟踪备选轨迹的真实轨迹的前轮转角,并将该前轮转角信号传输给车辆运动模块;
所述车辆运动模块,用于根据车辆跟踪备选轨迹的真实轨迹的前轮转角,采用线性二自由度车辆模型计算得到车辆跟踪备选轨迹的真实轨迹的运动状态信息,并将该信息传输给车辆动作决策模块。
进一步地,所述选择自动驾驶车辆的目标车道具体为:未进入汇入区域前,目标车道为当前时刻自车所在的匝道;在汇入区域内,当相邻主路的外侧车道上距离自车前后100米范围内无车辆时,目标车道为相邻主路的外侧车道,当相邻主路的外侧车道上距离自车前后100米范围内存在车辆时,若满足下式,则目标车道为相邻主路的外侧车道,否则为当前时刻自车所在的匝道:
式中,xe、xf、xr分别为当前时刻自车、相邻主路的外侧车道上的前车、相邻主路的外侧车道上的后车沿着车道方向的位置,ve、vf、vr分别为当前时刻自车、相邻主路的外侧车道上的前车、相邻主路的外侧车道上的后车沿着车道方向的速度。
进一步地,所述当前道路特征信息包括:当前自车所在匝道的宽度、车辆距离匝道汇入区域的长度、汇入区域的长度、主路的车道数目、主路的车道宽度。
进一步地,所述周围车辆信息包括:自车所在匝道和主路上距离自车前后200米区域内的前、后相邻车辆的所在车道信息、距离车道中心线的距离信息、沿着道路方向的位置信息、沿着道路方向的速度信息、垂直于道路方向的速度信息。
进一步地,所述车辆跟踪备选轨迹的真实轨迹的运动状态信息包括:车辆沿着道路方向的位置信息和速度信息、车辆垂直于道路方向的位置信息和速度信息、车辆的横摆角速度信息。
进一步地,所述车辆动作决策模块包括:车辆轨迹生成单元、最优轨迹求解单元、车辆动作求解单元;
车辆轨迹生成单元,用于生成多条备选轨迹;
最优轨迹求解单元,用于根据线控转向迟滞对车辆跟踪轨迹的影响和车辆汇入的安全性、舒适性,从备选轨迹中选择最优轨迹;
车辆动作求解单元,用于根据最优轨迹,求解车辆的最优动作,即当前时刻车辆的最优前轮转角。
进一步地,轨迹指连续多个时刻的沿着车道方向的位置信息、速度信息和垂直于车道方向的位置信息、速度信息序列。
进一步地,所述成本函数包含:线控转向迟滞成本函数、安全性成本函数和舒适性成本函数;
线控转向迟滞成本函数为:
安全性成本函数为:
式中,为权重参数,xe(k)为在k时刻车辆真实轨迹沿着车道方向的位置,xs(k)和us(k)分别在k时刻为自车的相邻车辆沿车道方向的位置和速度;自车的相邻车辆指自车所在车道和相邻车道上,自车的前、后相邻的车辆;
舒适性成本函数为:
进一步地,所述车辆跟踪备选轨迹的真实轨迹的前轮转角为:
δr(k+τd)=K1[yt(k+1)-ye(k)-ve]+K2[φe(k)-κ(k)]
式中,δr(k+τd)为车辆跟踪备选轨迹的真实轨迹在k+τd时刻的前轮转角,τd为车辆线控转向系统的延迟时间,K1和K2分别为对位移误差和方向误差的补偿增益,φe(k)为在k时刻车辆的横摆角,κ(k)为备选轨迹在k时刻与沿着车道方向的夹角。
进一步地,所述线性二自由度车辆模型为:
式中,k1和k2为轮胎的侧偏刚度,ωr为车辆的横摆角速度,δr为前轮转角,m为车辆质量,a为车辆质心距离前轮中心连线的距离,b为车辆质心距离后轮中心连线的距离,IZ为车辆绕z轴的转动惯量;将真实轨迹的前轮转角带入上述模型后,求得车辆真实轨迹的0至Np中的各时刻车辆沿着车道方向的位置xe,垂直于车道方向的位置ye、速度ve。
本发明的一种考虑线控转向迟滞的车辆汇入控制方法,步骤如下:
步骤1:根据当前道路特征信息、周围车辆信息和目标车道选择方法来选择自动驾驶车辆的目标车道;
步骤2:根据所选择的目标车道,采用多项式拟合的方法,在规划时域内生成多条备选轨迹;
步骤3:求解车辆跟踪各备选轨迹的真实轨迹的各时刻的运动状态信息,并根据运动状态信息构建关于线控转向迟滞的成本函数,设计与车辆汇入相关的安全性、舒适性的成本函数;
步骤4:综合考虑各成本函数,求解备选轨迹的累积成本,选择累积成本最小的轨迹作为最优轨迹;
步骤5:根据最优轨迹求解当前时刻车辆最优前轮转角指令,经过一定延迟后车辆前轮转角达到该指令;下一时刻返回步骤1。
进一步地,所述步骤1中的当前道路特征信息包括:当前自车所在匝道的宽度、车辆距离匝道汇入区域的长度、汇入区域的长度、主路的车道数目、主路的车道宽度。
进一步地,所述步骤1中的周围车辆信息包括:自车所在匝道和主路上距离自车前后200米区域内的前、后相邻车辆的所在车道信息、距离车道中心线的距离信息、沿着道路方向的位置信息、沿着道路方向的速度信息、垂直于道路方向的速度信息。
进一步地,所述步骤1中的目标车道选择的方法具体为:未进入汇入区域前,目标车道为当前时刻自车所在的匝道;在汇入区域内,当相邻主路的外侧车道上距离自车前后100米范围内没有车辆时,目标车道为相邻主路的外侧车道,当相邻主路的外侧车道上距离自车前后100米范围内存在车辆时,若满足下式,则目标车道为相邻主路的外侧车道,否则为当前时刻自车所在的匝道:
式中,xe、xf、xr分别为当前时刻自车、相邻主路的外侧车道上的前车、相邻主路的外侧车道上的后车沿着车道方向的位置,ve、vf、vr分别为当前时刻自车、相邻主路的外侧车道上的前车、相邻主路的外侧车道上的后车沿着车道方向的速度。
进一步地,所述步骤2中的规划时域为Np,即生成的轨迹的时间尺度的长度。
进一步地,所述步骤2中的多项式拟合方法具体为:车辆沿着车道方向的速度不变,车辆沿着车道方向的位置和垂直于车道方向的位置为:
式中,xt和u分别为车辆沿着车道方向的位置和速度,yt为车辆垂直于车道方向的位置,ki为待拟合的参数。
进一步地,所述步骤2中生成多条平滑的备选轨迹,具体为:确定轨迹的起始点和终点的状态参数;轨迹起始点即当前时刻车辆所在位置,其参数为xt(0)=0,yt(0)=y0,vt(0)=v0,y0和v0分别是当前时刻车辆垂直于车道方向的位置和速度;轨迹的终点设为xt(Np)=uNp,vt(Np)=0,n=1,2,3,4,5分别表示5条备选轨迹,当目标车道为匝道时,l=0,当目标车道为主路的外侧车道时l=1;根据轨迹的起始点和5个不同的终点的状态参数,求出5条备选轨迹的拟合参数ki,即得到5条用多项式表示的备选轨迹。
进一步地,所述步骤3中车辆跟踪各备选轨迹的真实轨迹的各时刻的运动状态信息的求解方法为:求解车辆跟踪各备选轨迹的真实轨迹,考虑车辆线控转向系统的迟滞,采用预瞄模型求解真实轨迹的前轮转角:
δr(k+τd)=K1[yt(k+1)-ye(k)-ve]+K2[φe(k)-κ(k)]
式中,δr(k+τd)为车辆真实轨迹在k+τd时刻的前轮转角,τd为车辆线控转向系统的延迟时间,K1和K2分别为对位移误差和方向误差的补偿增益,φe(k)为在k时刻车辆的横摆角,κ(k)为备选轨迹在k时刻与沿着车道方向的夹角;将该前轮转角带入如下线性二自由度车辆模型:
式中,k1和k2为轮胎的侧偏刚度,ωr为车辆的横摆角速度,δr为前轮转角,m为车辆质量,a为车辆质心距离前轮中心连线的距离,b为车辆质心距离后轮中心连线的距离,IZ为车辆绕z轴的转动惯量;将真实轨迹的前轮转角带入上述模型后,求得车辆真实轨迹的0至Np中的各时刻车辆沿着车道方向的位置xe,垂直于车道方向的位置ye、速度ve。
进一步地,所述步骤3中车辆的线控转向执行机构在执行过程中会有一定的延迟,从而造成车辆实际行走的轨迹与设计求解的备选轨迹有一定的偏差,构建关于线控转向迟滞的成本函数为:
进一步地,所述步骤3中安全性成本函数为:
式中,为权重参数,xe(k)为在k时刻车辆真实轨迹沿着车道方向的位置,xs(k)和us(k)分别在k时刻为自车的相邻车辆沿车道方向的位置和速度;自车的相邻车辆指自车所在车道和相邻车道上,自车的前、后相邻的车辆。
进一步地,所述的步骤3中的舒适性成本函数为:
进一步地,所述步骤4中备选轨迹的累积成本具体为:
J(k)=Jd(k)+Js(k)+Jc(k)
式中,γ为折扣因子;选取5条被选轨迹中累积成本最小的作为最优轨迹。
进一步地,所述步骤5中当前时刻车辆最优前轮转角指令为:
本发明的有益效果:
本发明考虑了线控转向迟滞对车辆汇入控制的影响,根据线控转向迟滞造成的车辆实际轨迹与参考轨迹之间的误差,建立与线控转向迟滞相关的成本函数,提高了车辆汇入控制的安全性;
本发明考虑了车辆汇入的安全性和舒适性,建立与车辆的安全性和舒适性相关的成本函数,综合考虑各成本函数,得到一个安全、舒适且线控转向迟滞对轨迹跟踪误差影响较小的最优轨迹,提高了车辆汇入控制的安全性和舒适性。
附图说明
图1为本发明系统原理图。
图2为本发明控制方法流程图。
图3为场景示意图。
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,本发明的一种考虑线控转向迟滞的车辆汇入控制系统,包括:目标车道管理模块、车辆动作决策模块、迟滞线控转向模块和车辆运动模块;
目标车道管理模块,用于根据当前道路特征信息、周围车辆信息来选择自动驾驶车辆的目标车道;
所述选择自动驾驶车辆的目标车道具体为:未进入汇入区域前,目标车道为当前时刻自车所在的匝道;在汇入区域内,当相邻主路的外侧车道上距离自车前后100米范围内无车辆时,目标车道为相邻主路的外侧车道,当相邻主路的外侧车道上距离自车前后100米范围内存在车辆时,若满足下式,则目标车道为相邻主路的外侧车道,否则为当前时刻自车所在的匝道:
式中,xe、xf、xr分别为当前时刻自车、相邻主路的外侧车道上的前车、相邻主路的外侧车道上的后车沿着车道方向的位置,ve、vf、vr分别为当前时刻自车、相邻主路的外侧车道上的前车、相邻主路的外侧车道上的后车沿着车道方向的速度。
所述当前道路特征信息包括:当前自车所在匝道的宽度、车辆距离匝道汇入区域的长度、汇入区域的长度、主路的车道数目、主路的车道宽度。
所述周围车辆信息包括:自车所在匝道和主路上距离自车前后200米区域内的前、后相邻车辆的所在车道信息、距离车道中心线的距离信息、沿着道路方向的位置信息、沿着道路方向的速度信息、垂直于道路方向的速度信息。
车辆动作决策模块,用于根据目标车道生成多条备选轨迹,并将备选轨迹信息传输给迟滞线控转向模块,再根据车辆运动模块计算得到的车辆跟踪备选轨迹的真实轨迹的运动状态信息,分析线控转向迟滞对汇入控制的影响,建立成本函数,求解车辆汇入过程中各时刻的最优动作;
所述车辆跟踪备选轨迹的真实轨迹的运动状态信息包括:车辆沿着道路方向的位置信息和速度信息、车辆垂直于道路方向的位置信息和速度信息、车辆的横摆角速度信息。
所述成本函数包含:线控转向迟滞成本函数、安全性成本函数和舒适性成本函数;
线控转向迟滞成本函数为:
安全性成本函数为:
式中,为权重参数,xe(k)为在k时刻车辆真实轨迹沿着车道方向的位置,xs(k)和us(k)分别在k时刻为自车的相邻车辆沿车道方向的位置和速度;自车的相邻车辆指自车所在车道和相邻车道上,自车的前、后相邻的车辆;
舒适性成本函数为:
迟滞线控转向模块,根据车辆的备选轨迹,采用预瞄模型求解延迟时间为τd时车辆跟踪备选轨迹的真实轨迹的前轮转角,并将该前轮转角信号传输给车辆运动模块;
所述车辆跟踪备选轨迹的真实轨迹的前轮转角为:
δr(k+τd)=K1[yt(k+1)-ye(k)-ve]+K2[φe(k)-κ(k)]
式中,δr(k+τd)为车辆跟踪备选轨迹的真实轨迹在k+τd时刻的前轮转角,τd为车辆线控转向系统的延迟时间,K1和K2分别为对位移误差和方向误差的补偿增益,φe(k)为在k时刻车辆的横摆角,κ(k)为备选轨迹在k时刻与沿着车道方向的夹角。
车辆运动模块,用于根据车辆跟踪备选轨迹的真实轨迹的前轮转角,采用线性二自由度车辆模型计算得到车辆跟踪备选轨迹的真实轨迹的运动状态信息,并将该信息传输给车辆动作决策模块;
所述线性二自由度车辆模型为:
式中,k1和k2为轮胎的侧偏刚度,ωr为车辆的横摆角速度,δr为前轮转角,m为车辆质量,a为车辆质心距离前轮中心连线的距离,b为车辆质心距离后轮中心连线的距离,IZ为车辆绕z轴的转动惯量;将真实轨迹的前轮转角带入上述模型后,求得车辆真实轨迹的0至Np中的各时刻车辆沿着车道方向的位置xe,垂直于车道方向的位置ye、速度ve。
所述车辆动作决策模块包括:车辆轨迹生成单元、最优轨迹求解单元、车辆动作求解单元;
车辆轨迹生成单元,用于生成多条备选轨迹,生成的备选轨迹如图3所示;
最优轨迹求解单元,用于根据线控转向迟滞对车辆跟踪轨迹的影响和车辆汇入的安全性、舒适性,从备选轨迹中选择最优轨迹;
车辆动作求解单元,用于根据最优轨迹,求解车辆的最优动作,即当前时刻车辆的最优前轮转角。
轨迹指连续多个时刻的沿着车道方向的位置信息、速度信息和垂直于车道方向的位置信息、速度信息序列。
参照图2所示,本发明的一种考虑线控转向迟滞的车辆汇入控制方法,步骤如下:
步骤1:根据当前道路特征信息、周围车辆信息和目标车道选择方法来选择自动驾驶车辆的目标车道;
步骤2:根据所选择的目标车道,采用多项式拟合的方法,在规划时域内生成多条备选轨迹,生成的轨迹如图3所示;
步骤3:求解车辆跟踪各备选轨迹的真实轨迹的各时刻的运动状态信息,并根据运动状态信息构建关于线控转向迟滞的成本函数,设计与车辆汇入相关的安全性、舒适性的成本函数;
步骤4:综合考虑各成本函数,求解备选轨迹的累积成本,选择累积成本最小的轨迹作为最优轨迹;
步骤5:根据最优轨迹求解当前时刻车辆最优前轮转角指令,经过一定延迟后车辆前轮转角达到该指令;下一时刻返回步骤1。
其中,所述步骤1中的当前道路特征信息包括:当前自车所在匝道的宽度、车辆距离匝道汇入区域的长度、汇入区域的长度、主路的车道数目、主路的车道宽度。
所述步骤1中的周围车辆信息包括:自车所在匝道和主路上距离自车前后200米区域内的前、后相邻车辆的所在车道信息、距离车道中心线的距离信息、沿着道路方向的位置信息、沿着道路方向的速度信息、垂直于道路方向的速度信息。
所述步骤1中的目标车道选择的方法具体为:未进入汇入区域前,目标车道为当前时刻自车所在的匝道;在汇入区域内,当相邻主路的外侧车道上距离自车前后100米范围内没有车辆时,目标车道为相邻主路的外侧车道,当相邻主路的外侧车道上距离自车前后100米范围内存在车辆时,若满足下式,则目标车道为相邻主路的外侧车道,否则为当前时刻自车所在的匝道:
式中,xe、xf、xr分别为当前时刻自车、相邻主路的外侧车道上的前车、相邻主路的外侧车道上的后车沿着车道方向的位置,ve、vf、vr分别为当前时刻自车、相邻主路的外侧车道上的前车、相邻主路的外侧车道上的后车沿着车道方向的速度。
其中,所述步骤2中的规划时域为Np,即生成的轨迹的时间尺度的长度。
所述步骤2中的多项式拟合方法具体为:车辆沿着车道方向的速度不变,车辆沿着车道方向的位置和垂直于车道方向的位置为:
式中,xt和u分别为车辆沿着车道方向的位置和速度,yt为车辆垂直于车道方向的位置,ki为待拟合的参数。
参照图3所示,所述步骤2中生成多条平滑的备选轨迹,具体为:确定轨迹的起始点和终点的状态参数;轨迹起始点即当前时刻车辆所在位置,其参数为xt(0)=0,yt(0)=y0,vt(0)=v0,y0和v0分别是当前时刻车辆垂直于车道方向的位置和速度;轨迹的终点设为xt(Np)=uNp,vt(Np)=0,n=1,2,3,4,5分别表示5条备选轨迹,当目标车道为匝道时,l=0,当目标车道为主路的外侧车道时l=1;根据轨迹的起始点和5个不同的终点的状态参数,求出5条备选轨迹的拟合参数ki,即得到5条用多项式表示的备选轨迹。
其中,所述步骤3中车辆跟踪各备选轨迹的真实轨迹的各时刻的运动状态信息的求解方法为:求解车辆跟踪各备选轨迹的真实轨迹,考虑车辆线控转向系统的迟滞,采用预瞄模型求解真实轨迹的前轮转角:
δr(k+τd)=K1[yt(k+1)-ye(k)-ve]+K2[φe(k)-κ(k)]
式中,δr(k+τd)为车辆真实轨迹在k+τd时刻的前轮转角,τd为车辆线控转向系统的延迟时间,K1和K2分别为对位移误差和方向误差的补偿增益,φe(k)为在k时刻车辆的横摆角,κ(k)为备选轨迹在k时刻与沿着车道方向的夹角;将该前轮转角带入如下线性二自由度车辆模型:
式中,k1和k2为轮胎的侧偏刚度,ωr为车辆的横摆角速度,δr为前轮转角,m为车辆质量,a为车辆质心距离前轮中心连线的距离,b为车辆质心距离后轮中心连线的距离,IZ为车辆绕z轴的转动惯量;将真实轨迹的前轮转角带入上述模型后,求得车辆真实轨迹的0至Np中的各时刻车辆沿着车道方向的位置xe,垂直于车道方向的位置ye、速度ve。
所述步骤3中车辆的线控转向执行机构在执行过程中会有一定的延迟,从而造成车辆实际行走的轨迹与设计求解的备选轨迹有一定的偏差,构建关于线控转向迟滞的成本函数为:
所述步骤3中安全性成本函数为:
式中,为权重参数,xe(k)为在k时刻车辆真实轨迹沿着车道方向的位置,xs(k)和us(k)分别在k时刻为自车的相邻车辆沿车道方向的位置和速度;自车的相邻车辆指自车所在车道和相邻车道上,自车的前、后相邻的车辆。
所述的步骤3中的舒适性成本函数为:
其中,所述步骤4中备选轨迹的累积成本具体为:
J(k)=Jd(k)+Js(k)+Jc(k)
式中,γ为折扣因子;选取5条被选轨迹中累积成本最小的作为最优轨迹。
其中,所述步骤5中当前时刻车辆最优前轮转角指令为:
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,还可以作出若干改进,这些改进也应视为本发明的保护范围。
Claims (9)
1.一种考虑线控转向迟滞的车辆汇入控制系统,其特征在于,包括:目标车道管理模块、车辆动作决策模块、迟滞线控转向模块和车辆运动模块;
所述目标车道管理模块,用于根据当前道路特征信息、周围车辆信息来选择自动驾驶车辆的目标车道;
所述车辆动作决策模块,用于根据目标车道生成多条备选轨迹,并将备选轨迹信息传输给迟滞线控转向模块,再根据车辆运动模块计算得到的车辆跟踪备选轨迹的真实轨迹的运动状态信息,分析线控转向迟滞对汇入控制的影响,建立成本函数,求解车辆汇入过程中各时刻的最优动作;
所述迟滞线控转向模块,根据车辆的备选轨迹,采用预瞄模型求解延迟时间为τd时车辆跟踪备选轨迹的真实轨迹的前轮转角,并将该前轮转角信号传输给车辆运动模块;
所述车辆运动模块,用于根据车辆跟踪备选轨迹的真实轨迹的前轮转角,采用线性二自由度车辆模型计算得到车辆跟踪备选轨迹的真实轨迹的运动状态信息,并将该信息传输给车辆动作决策模块;
所述成本函数包含:线控转向迟滞成本函数、安全性成本函数和舒适性成本函数;
线控转向迟滞成本函数为:
安全性成本函数为:
式中,为权重参数,xe(k)为在k时刻车辆真实轨迹沿着车道方向的位置,xs(k)和us(k)分别在k时刻为自车的相邻车辆沿车道方向的位置和速度;自车的相邻车辆指自车所在车道和相邻车道上,自车的前、后相邻的车辆,u为车辆沿着车道方向的速度;
舒适性成本函数为:
2.根据权利要求1所述的考虑线控转向迟滞的车辆汇入控制系统,其特征在于,所述选择自动驾驶车辆的目标车道具体为:未进入汇入区域前,目标车道为当前时刻自车所在的匝道;在汇入区域内,当相邻主路的外侧车道上距离自车前后100米范围内无车辆时,目标车道为相邻主路的外侧车道,当相邻主路的外侧车道上距离自车前后100米范围内存在车辆时,若满足下式,则目标车道为相邻主路的外侧车道,否则为当前时刻自车所在的匝道:
式中,xe、xf、xr分别为当前时刻自车、相邻主路的外侧车道上的前车、相邻主路的外侧车道上的后车沿着车道方向的位置,ve、vf、vr分别为当前时刻自车、相邻主路的外侧车道上的前车、相邻主路的外侧车道上的后车沿着车道方向的速度。
3.根据权利要求1所述的考虑线控转向迟滞的车辆汇入控制系统,其特征在于,所述车辆动作决策模块包括:车辆轨迹生成单元、最优轨迹求解单元、车辆动作求解单元;
车辆轨迹生成单元,用于生成多条备选轨迹;
最优轨迹求解单元,用于根据线控转向迟滞对车辆跟踪轨迹的影响和车辆汇入的安全性、舒适性,从备选轨迹中选择最优轨迹;
车辆动作求解单元,用于根据最优轨迹,求解车辆的最优动作,即当前时刻车辆的最优前轮转角。
4.根据权利要求1所述的考虑线控转向迟滞的车辆汇入控制系统,其特征在于,所述车辆跟踪备选轨迹的真实轨迹的前轮转角为:
δr(k+τd)=K1[yt(k+1)-ye(k)-ve]+K2[φe(k)-κ(k)]
式中,δr(k+τd)为车辆跟踪备选轨迹的真实轨迹在k+τd时刻的前轮转角,τd为车辆线控转向系统的延迟时间,K1和K2分别为对位移误差和方向误差的补偿增益,φe(k)为在k时刻车辆的横摆角,κ(k)为备选轨迹在k时刻与沿着车道方向的夹角。
6.一种考虑线控转向迟滞的车辆汇入控制方法,其特征在于,步骤如下:
步骤1:根据当前道路特征信息、周围车辆信息和目标车道选择方法来选择自动驾驶车辆的目标车道;
步骤2:根据所选择的目标车道,采用多项式拟合的方法,在规划时域内生成多条备选轨迹;
步骤3:求解车辆跟踪各备选轨迹的真实轨迹的各时刻的运动状态信息,并根据运动状态信息构建关于线控转向迟滞的成本函数,设计与车辆汇入相关的安全性、舒适性的成本函数;
步骤4:综合考虑各成本函数,求解备选轨迹的累积成本,选择累积成本最小的轨迹作为最优轨迹;
步骤5:根据最优轨迹求解当前时刻车辆最优前轮转角指令,经过一定延迟后车辆前轮转角达到该指令;下一时刻返回步骤1;
所述成本函数包含:线控转向迟滞成本函数、安全性成本函数和舒适性成本函数;
线控转向迟滞成本函数为:
安全性成本函数为:
式中,为权重参数,xe(k)为在k时刻车辆真实轨迹沿着车道方向的位置,xs(k)和us(k)分别在k时刻为自车的相邻车辆沿车道方向的位置和速度;自车的相邻车辆指自车所在车道和相邻车道上,自车的前、后相邻的车辆,u为车辆沿着车道方向的速度;
舒适性成本函数为:
7.根据权利要求6所述的考虑线控转向迟滞的车辆汇入控制方法,其特征在于,所述步骤1中的目标车道选择的方法具体为:未进入汇入区域前,目标车道为当前时刻自车所在的匝道;在汇入区域内,当相邻主路的外侧车道上距离自车前后100米范围内没有车辆时,目标车道为相邻主路的外侧车道,当相邻主路的外侧车道上距离自车前后100米范围内存在车辆时,若满足下式,则目标车道为相邻主路的外侧车道,否则为当前时刻自车所在的匝道:
式中,xe、xf、xr分别为当前时刻自车、相邻主路的外侧车道上的前车、相邻主路的外侧车道上的后车沿着车道方向的位置,ve、vf、vr分别为当前时刻自车、相邻主路的外侧车道上的前车、相邻主路的外侧车道上的后车沿着车道方向的速度。
9.根据权利要求6所述的考虑线控转向迟滞的车辆汇入控制方法,其特征在于,所述步骤3中车辆跟踪各备选轨迹的真实轨迹的各时刻的运动状态信息的求解方法为:求解车辆跟踪各备选轨迹的真实轨迹,考虑车辆线控转向系统的迟滞,采用预瞄模型求解真实轨迹的前轮转角:
δr(k+τd)=K1[yt(k+1)-ye(k)-ve]+K2[φe(k)-κ(k)]
式中,δr(k+τd)为车辆真实轨迹在k+τd时刻的前轮转角,τd为车辆线控转向系统的延迟时间,K1和K2分别为对位移误差和方向误差的补偿增益,φe(k)为在k时刻车辆的横摆角,κ(k)为备选轨迹在k时刻与沿着车道方向的夹角;将该前轮转角带入如下线性二自由度车辆模型:
式中,k1和k2为轮胎的侧偏刚度,ωr为车辆的横摆角速度,δr为前轮转角,m为车辆质量,a为车辆质心距离前轮中心连线的距离,b为车辆质心距离后轮中心连线的距离,IZ为车辆绕z轴的转动惯量;将真实轨迹的前轮转角带入上述模型后,求得车辆真实轨迹的0至Np中的各时刻车辆沿着车道方向的位置xe,垂直于车道方向的位置ye、速度ve。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110029797.8A CN112706770B (zh) | 2021-01-11 | 2021-01-11 | 一种考虑线控转向迟滞的车辆汇入控制系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110029797.8A CN112706770B (zh) | 2021-01-11 | 2021-01-11 | 一种考虑线控转向迟滞的车辆汇入控制系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112706770A CN112706770A (zh) | 2021-04-27 |
CN112706770B true CN112706770B (zh) | 2022-04-08 |
Family
ID=75548687
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110029797.8A Active CN112706770B (zh) | 2021-01-11 | 2021-01-11 | 一种考虑线控转向迟滞的车辆汇入控制系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112706770B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115320623B (zh) * | 2022-10-12 | 2023-02-10 | 北京智行者科技股份有限公司 | 车辆轨迹预测方法、设备、移动装置和存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104709348A (zh) * | 2013-12-11 | 2015-06-17 | 通用汽车环球科技运作有限责任公司 | 与eps控制器结合的碰撞避免控制 |
CN106114507A (zh) * | 2016-06-21 | 2016-11-16 | 百度在线网络技术(北京)有限公司 | 用于智能车辆的局部轨迹规划方法和装置 |
DE102016207435A1 (de) * | 2016-04-29 | 2017-11-02 | Ford Global Technologies, Llc | Fahrzeug sowie System und Verfahren zum Erzeugen von an einem Lenkrad eines Steer-by-Wire-Lenksystems angreifenden Rückmeldekräften |
CN108806252A (zh) * | 2018-06-19 | 2018-11-13 | 西南交通大学 | 一种高速公路混合交通流协同优化控制方法 |
CN110379193A (zh) * | 2019-07-08 | 2019-10-25 | 华为技术有限公司 | 自动驾驶车辆的行为规划方法及行为规划装置 |
JP2020030724A (ja) * | 2018-08-24 | 2020-02-27 | 村田機械株式会社 | 走行車制御装置、走行車システム、及び走行車制御方法 |
KR20200064192A (ko) * | 2018-11-22 | 2020-06-08 | 현대자동차주식회사 | 자율주행차량의 조향 제어시스템 및 방법 |
-
2021
- 2021-01-11 CN CN202110029797.8A patent/CN112706770B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104709348A (zh) * | 2013-12-11 | 2015-06-17 | 通用汽车环球科技运作有限责任公司 | 与eps控制器结合的碰撞避免控制 |
DE102016207435A1 (de) * | 2016-04-29 | 2017-11-02 | Ford Global Technologies, Llc | Fahrzeug sowie System und Verfahren zum Erzeugen von an einem Lenkrad eines Steer-by-Wire-Lenksystems angreifenden Rückmeldekräften |
CN106114507A (zh) * | 2016-06-21 | 2016-11-16 | 百度在线网络技术(北京)有限公司 | 用于智能车辆的局部轨迹规划方法和装置 |
CN108806252A (zh) * | 2018-06-19 | 2018-11-13 | 西南交通大学 | 一种高速公路混合交通流协同优化控制方法 |
JP2020030724A (ja) * | 2018-08-24 | 2020-02-27 | 村田機械株式会社 | 走行車制御装置、走行車システム、及び走行車制御方法 |
KR20200064192A (ko) * | 2018-11-22 | 2020-06-08 | 현대자동차주식회사 | 자율주행차량의 조향 제어시스템 및 방법 |
CN110379193A (zh) * | 2019-07-08 | 2019-10-25 | 华为技术有限公司 | 自动驾驶车辆的行为规划方法及行为规划装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112706770A (zh) | 2021-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110362096B (zh) | 一种基于局部最优性的无人驾驶车辆动态轨迹规划方法 | |
CN109855639B (zh) | 基于障碍物预测与mpc算法的无人驾驶轨迹规划方法 | |
CN103204162B (zh) | 具有有效后转向的车道跟踪系统 | |
US8190330B2 (en) | Model based predictive control for automated lane centering/changing control systems | |
CN110539752B (zh) | 一种智能汽车多预测范围模型预测轨迹跟踪控制方法及系统 | |
US20210129844A1 (en) | Vision-based follow the leader lateral controller | |
CN108919795A (zh) | 一种自动驾驶汽车换道决策方法及装置 | |
JP7193408B2 (ja) | 車両制御装置 | |
WO2008072515A1 (ja) | 車両用制御装置 | |
CN113276848A (zh) | 一种智能驾驶换道避障轨迹规划、跟踪控制方法及系统 | |
CN112965476A (zh) | 一种基于多窗口抽样的高速无人车轨迹规划系统及方法 | |
CN113386766A (zh) | 一种连续的、周期自适应同步的在线轨迹规划系统及方法 | |
CN113110489B (zh) | 一种轨迹规划方法、装置、电子设备和存储介质 | |
CN112906542A (zh) | 一种基于强化学习的无人车避障方法及装置 | |
Li et al. | Automatic lane change maneuver in dynamic environment using model predictive control method | |
Khalifa et al. | Vehicles platooning in urban environment: Consensus-based longitudinal control with limited communications capabilities | |
CN112706770B (zh) | 一种考虑线控转向迟滞的车辆汇入控制系统及方法 | |
CN110703775A (zh) | 一种基于改进人工势场的商用车车道保持路径规划方法 | |
Timings et al. | Efficient minimum manoeuvre time optimisation of an oversteering vehicle at constant forward speed | |
CN116465427B (zh) | 一种基于时空风险量化的智能车辆换道避障路径规划方法 | |
CN116494976A (zh) | 用于控制车辆变道的方法、装置及存储介质 | |
CN110654386A (zh) | 弯道下多智能电动汽车协作式巡航纵横向综合控制方法 | |
CN115447615A (zh) | 基于车辆运动学模型预测控制的轨迹优化方法 | |
Wei et al. | Driver-centred autonomous vehicle motion control within a blended corridor | |
CN115042770A (zh) | 一种基于分布式鲁棒模型预测的车辆队列横向控制方法 |
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 |