CN112937608B - 一种基于轨迹预测的冰雪环境无人驾驶车辆一体化滚动决策方法、装置及存储介质 - Google Patents

一种基于轨迹预测的冰雪环境无人驾驶车辆一体化滚动决策方法、装置及存储介质 Download PDF

Info

Publication number
CN112937608B
CN112937608B CN202110345664.1A CN202110345664A CN112937608B CN 112937608 B CN112937608 B CN 112937608B CN 202110345664 A CN202110345664 A CN 202110345664A CN 112937608 B CN112937608 B CN 112937608B
Authority
CN
China
Prior art keywords
lane
obstacle
vehicle
acceleration
track
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
CN202110345664.1A
Other languages
English (en)
Other versions
CN112937608A (zh
Inventor
戴启坤
郭洪艳
刘俊
陈虹
高振海
胡云峰
许芳
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 CN202110345664.1A priority Critical patent/CN112937608B/zh
Publication of CN112937608A publication Critical patent/CN112937608A/zh
Priority to US17/553,907 priority patent/US12077182B2/en
Application granted granted Critical
Publication of CN112937608B publication Critical patent/CN112937608B/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
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • 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
    • 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
    • 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
    • B60W30/14—Adaptive cruise control
    • B60W30/143—Speed control
    • 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
    • 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
    • B60W40/02—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 ambient conditions
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • 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
    • B60W2050/0028—Mathematical models, e.g. for simulation
    • B60W2050/0031—Mathematical model of the vehicle
    • B60W2050/0034—Multiple-track, 2D vehicle model, e.g. four-wheel model
    • 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
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/801—Lateral distance
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/802—Longitudinal distance
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/804—Relative 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
    • B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
    • B60W2555/20—Ambient conditions, e.g. wind or rain

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本申请公开了一种基于轨迹预测的冰雪环境无人驾驶车辆一体化滚动决策方法、装置及存储介质，用于降低换道轨迹规划的复杂度。本申请公开的基于轨迹预测的冰雪环境无人驾驶车辆一体化滚动决策方法包括：筛选障碍物；根据所述障碍物规划换道轨迹；根据所述换道轨迹建立决策模型；根据所述决策模型控制所述车辆。本申请还提供了一种基于轨迹预测的冰雪环境无人驾驶车辆一体化滚动决策装置及存储介质。

Description

一种基于轨迹预测的冰雪环境无人驾驶车辆一体化滚动决策 方法、装置及存储介质
技术领域
本申请涉及无人驾驶领域，尤其涉及一种基于轨迹预测的冰雪环境无人驾驶车辆一体化滚动决策方法、装置和存储介质。
背景技术
在冰雪环境下，现有无人驾驶一般分为感知、决策、规划、控制四个部分，其中决策和规划是无人驾驶的两个重要问题。决策部分的功能是根据车辆感知部分获得的障碍物信息等，决策出车辆的行为，包括换道和加速减速等。而规划的功能是依据决策的结果，规划出一条车辆的控制部分可以执行的轨迹，即车辆位置随时间的变化。目前的轨迹规划方法复杂度高，不适合与决策部分相互配合。
发明内容
针对上述技术问题，本申请实施例提供了一种基于轨迹预测的冰雪环境无人驾驶车辆一体化滚动决策方法、装置及存储介质，用以降低换道轨迹规划的复杂度。
第一方面，本申请实施例提供的一种基于轨迹预测的冰雪环境无人驾驶车辆一体化滚动决策方法，包括：
筛选障碍物；
根据所述障碍物规划换道轨迹；
根据所述换道轨迹建立决策模型；
根据所述决策模型控制所述车辆换道。
优选的，所述筛选障碍物包括：
通过以下设备之一或者组合获取障碍物信息：
所述无人驾驶车辆搭载的摄像头；
所述无人驾驶车辆搭载的雷达；
所述无人驾驶车辆搭载的地图。
优选的，所述障碍物信息包括：
与所述车辆行驶方向相同的所有nl条车道上前后方向的障碍物O(n，p)；
所述O(n，p)包括沿车道方向的纵向距离D(n，p)，相对速度V(n，p)和绝对加速度a(n，p)；
n为车道编号，为1到nl的整数；
p为障碍物相对位置，p等于f或r，其中f表示为前方障碍物，r表示后方障碍物；
其中，nl为车道数量。
优选的，所述筛选障碍物包括：
通过下列公式筛选前后方向距离最近的障碍物：
Figure BDA0003000617300000021
Figure BDA0003000617300000022
其中，j为障碍物编号，D(j)为障碍物的纵向距离，N为筛选出的障碍物的编号，lj为障碍物所属车道编号。
进一步的，所述障碍物所属车道编号lj通过以下公式确定：
Figure BDA0003000617300000023
其中，fnll(x)为车道方程；
X(n，p)为障碍物纵向距离；
Y(n，p)为障碍物侧向距离；
fnll(X(n，p))为纵向距离X(n，p)处的车道线侧向位置；
nll为所述车辆左侧车道编号，范围为1到nl，从左到右依次从小到大排列。
优选的，本发明的方法中，所述根据所述障碍物规划换道轨迹包括：
根据下列公式确定所述车辆换道过程中的侧向参考轨迹：
Figure BDA0003000617300000031
其中，Y(t)为位移曲线，v(t)为速度曲线，t为时间；
所述v(t)根据以下公式确定：
Figure BDA0003000617300000032
其中，a(t)为所述车辆的加速度随时间的变化函数。
优选的，所述车辆的加速度随时间的变化函数a(t)通过下列公式确定：
Figure BDA0003000617300000033
其中，Jmax为加速度变化率，amax为最大侧向加速度；
t1为所述a(t)的正上升时间，t2为所述a(t)的正保持时间，t3为所述a(t)的正下降时间，t4为所述a(t)的负下降时间，t5为所述a(t)的负保持时间，t6为所述a(t)的负上升时间；
所述正上升是指加速度大于0且加速度增大，所述正保持是指加速度大于0且保持不变，所述正下降是指加速度大于0且加速度减小，所述负下降是指加速度小于零且加速度减小，所述负保持是指加速度小于0且加速度保持不变，所述负上升是指加速度小于0且加速度增大。
优选的，所述t1，t2，t3，t4，t5，t6，通过以下公式确定：
Figure BDA0003000617300000041
其中，
tl为换道时间，kl＝t2:t1。
优选的，所述t1，t2由下列公式确定：
Figure BDA0003000617300000042
其中，d为车道宽度。
其中，amax和Jmax通过下列公式确定：
Figure BDA0003000617300000043
优选的，本发明方法中，所述根据所述换道轨迹建立决策模型包括：
以所属的车辆的车道位置l，纵向位移s为系统状态和系统输出，换道时间T，纵向速度vx和选取的车道编号lc为控制量，确定决策模型。
优选的，所述决策模型为：
Figure BDA0003000617300000051
y＝Ccx
其中，
Figure BDA0003000617300000052
y为系统输出。
根据所述车辆左侧车道线编号nll，所述车辆相对于本车左侧车道线的侧向位移yl，车道宽度d确定所述车道位置l。
车道位置l根据以下公式确定：
Figure BDA0003000617300000053
优选的，本发明方法中，所述根据所述决策模型控制所述车辆换道包括：
将所述决策模型离散化；
推导预测方程；
根据避免碰撞目标函数，车辆保持期望速度，减少换道的条件，减少换道动作变化的条件，构建决策目标函数；
根据所述预测方程和所述约束条件，确定最优决策；
根据所述最优决策控制所述车辆。
所述最优决策包括：最优速度控制量，最优车道编号，最优换道时间。
所述离散决策模型为：
x(k+1)＝Ax(k)+Bu(k)，
y(k)＝Cx(k)，
其中，
Figure BDA0003000617300000054
C＝Cc，Ts为离散时间；
Figure BDA0003000617300000055
T为换道时间。
所述预测方程为：
Figure BDA0003000617300000061
其中，P为预测时域，N为控制时域。
所述避免碰撞目标函数为：
Figure BDA0003000617300000062
其中TTCf为所述车辆与前方最近的障碍物的碰撞时间，TTCr为所述车辆与后方最近的障碍物的碰撞时间。
所述车辆保持期望速度，其中期望速度是预先设定的车辆行驶速度：
Figure BDA0003000617300000063
其中，Δvx＝vref-vx，vref为期望车速，vx为纵向速度，N为控制时域。
所述减少换道的条件为：
Figure BDA0003000617300000064
其中，lc为选取的车道编号，T为换道时间，N为控制时域。
所述减少换道动作变化的条件为：
Figure BDA0003000617300000065
其中，Δlc＝lc(i)-lc(i-1)，lc为选取的车道编号，Δlc为换道动作的变化。
使用本发明提供的无人驾驶车辆换道轨迹规划方法，能够实现平滑的、换道完成时间可调的换道轨迹规划，使车辆能够执行基于模型预测控制的无人车决策控制器输出的换道决策；本发明提供的无人驾驶车辆换道轨迹规划方法可以决策出纵向车速，车道和换道时间，实现无人驾驶车辆决策及轨迹规划，降低换道规划的复杂度。
第二方面，本申请实施例还提供一种基于轨迹预测的冰雪环境无人驾驶车辆一体化滚动决策装置，包括：
障碍物筛选模块，被配置用于筛选障碍物；
规划模块，被配置用于根据所述障碍物规划换道轨迹；
决策模型建立模块，被配置用于根据所述换道轨迹建立决策模型；
控制模块，被配置用于根据所述决策模型控制所述车辆。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅是本申请的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为无人驾驶车辆控制框图示意图；
图2为本申请实施例提供的无人驾驶车辆换道决策示意图；
图3为本申请实施例提供的无人驾驶车辆决策装置示意图；
图4为本申请实施例提供的另一种无人驾驶车辆决策装置示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
下面对文中出现的一些词语进行解释：
1、本发明实施例中术语“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
2、本申请实施例中术语“多个”是指两个或两个以上，其它量词与之类似。
如图1所示为无人驾驶车辆控制结构示意图，无人驾驶车辆通过感知设备感知环境信息，将感知到的信息输入决策模块，决策模块根据期望速度和感知到的环境信息，控制纵向速度，以及规划侧向换道的路径，根据换道路径规划结果控制侧向运动和纵向运动，从而实现侧向换道的控制。
需要说明的是，本申请实施例的展示顺序仅代表实施例的先后顺序，并不代表实施例所提供的技术方案的优劣。
实施例一
参见图2，本申请实施例提供的一种基于轨迹预测的冰雪环境无人驾驶车辆一体化滚动决策方法示意图，如图2所示，该方法包括步骤S201到S204：
S201、筛选障碍物；
S202、根据所述障碍物规划换道轨迹；
S203、根据所述换道轨迹建立决策模型；
S204、根据所述决策模型控制所述车辆。
本实施例中，无人驾驶车辆传感器给出的障碍物和车道线信息，筛选出车道前后的障碍物，并决策出纵向车速、车道和换道时间，由换道轨迹规划计算换道轨迹，同时由纵向车速跟踪实现纵向车速的跟踪。
上述步骤S201中，作为一种优选示例，可以基于无人车上搭载的摄像头、雷达或者地图等获取道路和周围障碍物信息，提取出与本车行驶方向相同的所有nl条车道上前后方向各一个障碍物O(n，p)；障碍物O(n，p)的信息包括沿车道方向的纵向距离D(n，p)，相对速度V(n，p)和绝对加速度a(n，p)；其中n为车道的编号，为1到nl的整数，nl为车道条数，最左侧方向的车道编号为1，向右车道编号依次增加；p为障碍物相对位置，p＝f或r，其中f表示为前方障碍物，r表示后方障碍物。作为一种优选示例，提取的方法可以为：根据车道方程y＝fnll(x)和障碍物纵向距离X(n，p)，侧向距离Y(n，p)计算出障碍物所属车道ln，如式(1)所示：
Figure BDA0003000617300000091
其中fnll(X(n，p))为纵向距离X(n，p)处的车道线侧向位置；Y(n，p)为障碍物侧向距离；nll为本车左侧车道线编号，范围为1到nl，从左到右依次升高。
作为一种优选示例，筛选出的障碍物包括前方的障碍物和后方的障碍物，可用如下(2)表示：
Figure BDA0003000617300000092
Figure BDA0003000617300000093
其中j为障碍物编号，D(j)为障碍物的纵向距离；N为筛选出障碍物的编号。
作为一种优选示例，上述步骤S202中，可采用梯形加速度方法规划换道轨迹。优选的，梯形加速度a(t)在时间上划分为6段直线，分别为正上升t1，正保持t2，正下降t3，负下降t4，负保持t5，负上升t6。
需要说明的是，所述正上升是指加速度大于0且加速度增大，所述正保持是指加速度大于0且保持不变，所述正下降是指加速度大于0且加速度减小，所述负下降是指加速度小于零且加速度减小，所述负保持是指加速度小于0且加速度保持不变，所述负上升是指加速度小于0且加速度增大。
作为一种优选示例，所述加速度a(t)如式(3)所示：
Figure BDA0003000617300000101
其中Jmax为加速度变化率，amax为最大侧向加速度；换道时间tl和保持段与上升段的长度比例kl＝t2:t1，kl为可调参数。每段的时间如式(4)所示：
Figure BDA0003000617300000102
所述车辆换道结束后，侧向的位移为车道的宽度d，即有下式(5)：
Figure BDA0003000617300000103
其中，所述车道的宽度d的单位为米(m)。
根据上述(4)和(5)可得式(6)：
Figure BDA0003000617300000104
优选的，将加速度在时间上进行积分即可得到速度曲线v(t)，即下式(7)：
Figure BDA0003000617300000111
将速度曲线v(t)积分得到位移曲线y(t)，即为换道过程中的侧向参考轨迹，如式(8)所示：
Figure BDA0003000617300000112
其中，位移曲线y(t)是大地参坐标系下的。
作为一种优选示例，上述步骤S203中，根据所述换道轨迹建立决策模型，可以为建立纵向运动学模型，即式(9)：
Figure BDA0003000617300000113
需要说明的是，其中s为本车的纵向位移，单位m；vx为本车的纵向速度，单位m/s；
作为一种优选示例，采用一阶惯性环节代替位移曲线y(t)的模型，惯性环节的表达式如式(10)所示；
Figure BDA0003000617300000114
其中lc为选取的车道编号，为1到nl的整数；T为换道时间；一阶惯性环节的调节时间为ts＝3T，换道时间tl与ts相同，即tl＝3T；l为本车的车道位置，表示本车所处的侧向车道位置，l的计算公式如式(11)所示：
Figure BDA0003000617300000115
yl为本车相对于本车左侧车道线的侧向位移，单位m；
根据(8)和(9)可得一体化的决策模型，即如下式(12)：
Figure BDA0003000617300000121
Figure BDA0003000617300000122
令
Figure BDA0003000617300000123
可得状态空间表达式，如式(13)所示，其中一体化的含义为车辆横纵向决策同时得出，一体化决策相对于横纵向独立决策，可提高决策系统的性能：
Figure BDA0003000617300000124
y＝Ccx (13)
作为一种优选示例，本法发明实施例上述步骤S204中，根据所述决策模型控制所述车辆换道，首先决策出最优控制量，再将最优控制量作用到相应的设备或者模块中。
作为一种优选示例，决策出最优控制量的步骤可以为：
步骤A、将所述决策模型离散化；
步骤B、推导预测方程；
步骤C、根据避免碰撞目标函数，车辆保持期望速度，减少换道的条件，减少换道动作变化的条件，构建规划约束条件；
步骤D、根据所述预测方程和所述约束条件，确定最优换道控制量；
步骤E、根据所述最优换道控制量控制所述车辆。
优选的，最优换道控制量包括：最优速度控制量，最优车道编号，最优换道时间。
作为一种优选示例，将上述决策模型(13)离散化后，如(14)所示：
Figure BDA0003000617300000125
y(k)＝Cx(k) (14)
其中
Figure BDA0003000617300000131
C＝Cc；Ts为离散时间，单位秒(s)；
由(14)可推导出系统的预测方程(15)：
Figure BDA0003000617300000132
其中，P为预测时域；N为控制时域，其中轨迹预测的含义为，基于决策模型，对纵向和侧向轨迹进行预测。式(15)可表示为(16)：
Y(k)＝Syxx(k)+SyuU(k) (16)
其中，
Figure BDA0003000617300000133
Figure BDA0003000617300000134
Figure BDA0003000617300000135
作为一种优选示例，上述步骤C中，所述避免碰撞目标函数可以是如下(17)：
Figure BDA0003000617300000136
其中TTCf和TTCr分别为本车与前后方向最近的障碍物的碰撞时间，碰撞时间的计算公式如式(18)所示：
Figure BDA0003000617300000141
Figure BDA0003000617300000142
其中，Tl为低碰撞时间，单位s；Th为高碰撞时间，Tl和Th均为常数，单位s；Dk(n，p)为k时刻相对距离：
Figure BDA0003000617300000143
vx0为本车当前纵向车速，单位m/s；Vk(n，p)为k时刻相对车速：
Vk(n，p)＝V(n，p)+vx0-vx(k)，
Sk为安全距离：Sk＝Thvx(k)+dh，其中Th为车头时距常数，单位s；dh为车距常数，单位m；
本实施例中，高碰撞时间是指两车的距离大于安全距离且前方车辆快于本车或后方车辆慢于本车时，认为两车可能会在很久之后发生碰撞的时间；低碰撞时间是指辆车的距离小于安全距离，认为辆车会在很短的时间内发生碰撞；
作为一种优选示例，上述步骤C中，所述车辆保持期望速度可以为如下(19)所示：
Figure BDA0003000617300000144
其中Δvx＝vref-vx(k)，vref为期望车速，单位m/s。
作为一种优选示例，上述步骤C中，所述减少换道的条件可以为如下(20)所示：
Figure BDA0003000617300000151
作为一种优选示例，上述步骤C中，所述减少换道动作变化的条件可以为如下(21)所示：
Figure BDA0003000617300000152
其中Δlc为换道动作的变化，Δlc＝lc(k)-lc(k-1)。
本发明实施例中，本车的车速范围为0到路段的最高限速，即(22)：
0≤vx(k)≤vmax (22)
其中vmax为该路段的最高限速，单位m/s；
本发明实施例中，考虑冰雪环境下换道时间过快可能导致车辆进入极限工况，最小换道时间需考虑轮胎力极限，即(23)：
Figure BDA0003000617300000153
其中m为整车质量，单位kg；μ为路面附着系数；Fx为当前时刻的车辆纵向轮胎力，单位N；
作为一种优选示例，上述步骤D中，根据所述预测方程和所述约束条件，确定最优换道控制量，可以是：
引入权重系数来对对各个优化目标的需求冲突进行处理，以获得一个最优控制量，即转换为优化条件(24)：
Figure BDA0003000617300000161
满足：
Figure BDA0003000617300000162
其中J为目标函数，Γs1，Γs2，Γs3，Γs4为相对权重系数。
求得的最优控制量可表示为
Figure BDA0003000617300000163
选取的控制量为：
Figure BDA0003000617300000164
lcc＝lc*(1)，Tc＝T*(1)。
作为一种优选示例，上述步骤步骤E中，根据所述最优换道控制量控制所述车辆换道，将vxc作用给纵向车速跟踪控制器，lcc取其符号后得ld作用给换道轨迹规划，表示换道向左或向右ld＝sgn(lcc)，tl＝3Tc作用到换道轨迹规划中。
通过本实施例的方法，能够实现平滑的、换道完成时间可调的换道轨迹规划，使车辆能够执行基于模型预测控制的无人车决策控制器输出的换道决策；本方法可以描述车辆决策过程，实现基于模型预测控制的无人车决策控制器设计；本方法可以决策出纵向车速，车道和换道时间，实现无人驾驶车辆决策及轨迹规划，实现换道时间可变的轨迹规划，降低车联换道轨迹规划的复杂度。
实施例二
基于同一个发明构思，本发明实施例还提供了一种基于轨迹预测的冰雪环境无人驾驶车辆一体化滚动决策装置，如图3所示，该装置包括：
障碍物筛选模块301，被配置用于筛选障碍物；
规划模块302，被配置用于根据所述障碍物规划换道轨迹；
决策模型建立模块303，被配置用于根据所述换道轨迹建立决策模型；
控制模块304，被配置用于根据所述决策模型控制所述车辆。
需要说明的是，本实施例提供的障碍物筛选模块301，能实现实施例一中步骤S201包含的全部功能，解决相同技术问题，达到相同技术效果，在此不再赘述；
相应的本实施例提供的规划模块302，能实现实施例一中步骤S202包含的全部功能，解决相同技术问题，达到相同技术效果，在此不再赘述；
相应的本实施例提供的决策模型建立模块303，能实现实施例一中步骤S203包含的全部功能，解决相同技术问题，达到相同技术效果，在此不再赘述；
相应的本实施例提供的控制模块304，能实现实施例一中步骤S204包含的全部功能，解决相同技术问题，达到相同技术效果，在此不再赘述；
需要说明的是，实施例二提供的装置与实施例一提供的方法属于同一个发明构思，解决相同的技术问题，达到相同的技术效果，实施例二提供的装置能实现实施例一的所有方法，相同之处不再赘述。
实施例三
基于同一个发明构思，本发明实施例还提供了一种基于轨迹预测的冰雪环境无人驾驶车辆一体化滚动决策装置，如图4所示，该装置包括：
包括存储器402、处理器401和用户接口403；
所述存储器402，用于存储计算机程序；
所述用户接口403，用于与用户实现交互；
所述处理器401，用于读取所述存储器402中的计算机程序，所述处理器401执行所述计算机程序时，实现：
筛选障碍物；
根据所述障碍物规划换道轨迹；
根据所述换道轨迹建立决策模型；
根据所述决策模型控制所述车辆。
其中，在图4中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器401代表的一个或多个处理器和存储器402代表的存储器的各种电路连接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路连接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。处理器401负责管理总线架构和通常的处理，存储器402可以存储处理器401在执行操作时所使用的数据。
处理器401可以是CPU、ASIC、FPGA或CPLD，处理器401也可以采用多核架构。
处理器401执行存储器402存储的计算机程序时，实现实施例一中的任一基于轨迹预测的冰雪环境无人驾驶车辆一体化滚动决策方法。
需要说明的是，实施例三提供的装置与实施例一提供的方法属于同一个发明构思，解决相同的技术问题，达到相同的技术效果，实施例三提供的装置能实现实施例一的所有方法，相同之处不再赘述。
本申请还提出一种处理器可读存储介质。其中，该处理器可读存储介质存储有计算机程序，所述处理器执行所述计算机程序时实现实施例一中的任一基于轨迹预测的冰雪环境无人驾驶车辆一体化滚动决策方法。
需要说明的是，本申请实施例中对单元的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (9)

1.一种基于轨迹预测的冰雪环境无人驾驶车辆一体化滚动决策方法，其特征在于，包括：
筛选障碍物；
根据所述障碍物规划换道轨迹；
根据所述换道轨迹建立决策模型；
根据所述决策模型设计模型预测控制器，控制所述车辆，所述筛选障碍物包括：
通过以下设备之一或者组合获取障碍物信息：所述无人驾驶车辆搭载的摄像头、雷达、地图；所述障碍物信息包括：
与所述车辆行驶方向相同的所有nl条车道上前后方向的障碍物O(n,p)；
所述O(n,p)包括沿车道方向的纵向距离D(n,p)，相对速度V(n,p)和绝对加速度a(n,p)；
n为车道编号，为1到nl的整数；
p为障碍物相对位置，p等于f或r，其中f表示为前方障碍物，r表示后方障碍物；
其中，nl为车道数量；
所述筛选障碍物包括：
通过下列公式筛选前后方向距离最近的障碍物：
Figure FDA0003599557920000021
Figure FDA0003599557920000022
其中，j为障碍物编号，D(j)为障碍物的纵向距离，N为筛选出的障碍物的编号，lj为障碍物所属车道编号；
所述障碍物所属车道编号lj通过以下公式确定：
Figure FDA0003599557920000023
其中，fnll(x)为车道方程；
X(n,p)为障碍物纵向距离；
Y(n,p)为障碍物侧向距离；
fnll(X(n,p))为纵向距离X(n,p)处的车道线侧向位置；
nll为所述车辆左侧车道线编号，范围为1到nl，从左到右依次从小到大排列。
2.根据权利要求1所述的方法，其特征在于，所述根据所述障碍物规划换道轨迹包括：
根据下列公式确定所述车辆换道过程中的侧向参考轨迹：
Figure FDA0003599557920000024
其中，Y(t)为位移曲线，v(t)为速度曲线，t为时间；
所述v(t)根据以下公式确定：
Figure FDA0003599557920000025
其中，a(t)为所述车辆的加速度随时间的变化函数。
3.根据权利要求2所述的方法，其特征在于，所述车辆的加速度随时间的变化函数a(t)通过下列公式确定：
Figure FDA0003599557920000031
其中，Jmax为加速度变化率，amax为最大侧向加速度；
t1为所述a(t)的正上升时间，t2为所述a(t)的正保持时间，t3为所述a(t)的正下降时间，t4为所述a(t)的负下降时间，t5为所述a(t)的负保持时间，t6为所述a(t)的负上升时间；
所述正上升是指加速度大于0且加速度增大，所述正保持是指加速度大于0且保持不变，所述正下降是指加速度大于0且加速度减小，所述负下降是指加速度小于零且加速度减小，所述负保持是指加速度小于0且加速度保持不变，所述负上升是指加速度小于0且加速度增大；
所述t1，t2，t3，t4，t5，t6，通过以下公式确定：
Figure FDA0003599557920000041
其中，
tl为换道时间，kl＝t2:t1；
所述t1，t2由下列公式确定：
Figure FDA0003599557920000042
其中，d为车道宽度；
其中，amax和Jmax通过下列公式确定：
Figure FDA0003599557920000043
4.根据权利要求1所述的方法，其特征在于，所述根据所述换道轨迹建立决策模型包括：
以所属的车辆的车道位置l，纵向位移s为系统状态和系统输出，换道时间T，纵向速度vx和选取的车道编号lc为控制量，确定决策模型，所述决策模型为：
Figure FDA0003599557920000051
y＝Ccx
其中，
Figure FDA0003599557920000052
y为系统输出。
5.根据权利要求4所述的方法，其特征在于：
根据所述车辆左侧车道线编号nll，所述车辆相对于本车左侧车道线的侧向位移yl，车道宽度d确定所述车道位置l；
所述车道位置l根据以下公式确定：
Figure FDA0003599557920000053
6.根据权利要求1所述的方法，其特征在于，所述根据所述决策模型控制所述车辆换道包括：
将所述决策模型离散化；
推导预测方程；
根据避免碰撞目标函数，车辆保持期望速度，减少换道的条件，减少换道动作变化的条件，构建决策目标函数；
根据所述预测方程和约束条件，确定最优决策；
根据所述最优决策控制所述车辆；
最优换道控制量包括：
最优速度控制量，最优车道编号，最优换道时间。
7.根据权利要求6所述的方法，其特征在于，所述决策模型离散化为：
x(k+1)＝Ax(k)+Bu(k),
y(k)＝Cx(k),
其中，
Figure FDA0003599557920000061
C＝Cc，Ts为离散时间；
Figure FDA0003599557920000062
T为换道时间；
所述预测方程为：
Figure FDA0003599557920000063
其中，P为预测时域，N为控制时域；
所述避免碰撞目标函数为：
Figure FDA0003599557920000064
其中TTCf为所述车辆与前方最近的障碍物的碰撞时间，TTCr为所述车辆与后方最近的障碍物的碰撞时间。
8.根据权利要求6所述的方法，其特征在于，所述车辆保持期望速度，其中期望速度是预先设定的车辆行驶速度：
Figure FDA0003599557920000065
其中，Δvx＝vref-vx，vref为期望车速，vx为纵向速度，N为控制时域；
所述减少换道动作变化的目标函数为：
Figure FDA0003599557920000071
其中，Δlc＝lc(i)-lc(i-1)，lc为选取的车道编号，Δlc为换道动作的变化。
9.一种基于轨迹预测的冰雪环境无人驾驶车辆一体化滚动决策装置，其特征在于，包括：
障碍物筛选模块，被配置用于筛选障碍物；
规划模块，被配置用于根据所述障碍物规划换道轨迹；
决策模型建立模块，被配置用于根据所述换道轨迹建立决策模型；
控制模块，被配置用于根据所述决策模型控制所述车辆,所述筛选障碍物包括：
通过以下设备之一或者组合获取障碍物信息：所述无人驾驶车辆搭载的摄像头、雷达、地图；所述障碍物信息包括：
与所述车辆行驶方向相同的所有nl条车道上前后方向的障碍物O(n,p)；
所述O(n,p)包括沿车道方向的纵向距离D(n,p)，相对速度V(n,p)和绝对加速度a(n,p)；
n为车道编号，为1到nl的整数；
p为障碍物相对位置，p等于f或r，其中f表示为前方障碍物，r表示后方障碍物；
其中，nl为车道数量；
所述筛选障碍物包括：
通过下列公式筛选前后方向距离最近的障碍物：
Figure FDA0003599557920000081
Figure FDA0003599557920000082
其中，j为障碍物编号，D(j)为障碍物的纵向距离，N为筛选出的障碍物的编号，lj为障碍物所属车道编号；
所述障碍物所属车道编号lj通过以下公式确定：
Figure FDA0003599557920000083
其中，fnll(x)为车道方程；
X(n,p)为障碍物纵向距离；
Y(n,p)为障碍物侧向距离；
fnll(X(n,p))为纵向距离X(n,p)处的车道线侧向位置；
nll为所述车辆左侧车道线编号，范围为1到nl，从左到右依次从小到大排列。
CN202110345664.1A 2021-03-31 2021-03-31 一种基于轨迹预测的冰雪环境无人驾驶车辆一体化滚动决策方法、装置及存储介质 Active CN112937608B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110345664.1A CN112937608B (zh) 2021-03-31 2021-03-31 一种基于轨迹预测的冰雪环境无人驾驶车辆一体化滚动决策方法、装置及存储介质
US17/553,907 US12077182B2 (en) 2021-03-31 2021-12-17 Longitudinal and lateral integrated moving horizon decision making method and apparatus for autonomous vehicle in snowy and icy environment based on trajectory prediction

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110345664.1A CN112937608B (zh) 2021-03-31 2021-03-31 一种基于轨迹预测的冰雪环境无人驾驶车辆一体化滚动决策方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN112937608A CN112937608A (zh) 2021-06-11
CN112937608B true CN112937608B (zh) 2022-06-21

Family

ID=76231245

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110345664.1A Active CN112937608B (zh) 2021-03-31 2021-03-31 一种基于轨迹预测的冰雪环境无人驾驶车辆一体化滚动决策方法、装置及存储介质

Country Status (2)

Country Link
US (1) US12077182B2 (zh)
CN (1) CN112937608B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102019129879A1 (de) * 2019-11-06 2021-05-06 Zf Friedrichshafen Ag Verfahren sowie Steuergerät zum Steuern eines Kraftfahrzeugs
JP7505443B2 (ja) * 2021-05-07 2024-06-25 トヨタ自動車株式会社 遠隔監視装置、遠隔監視システム、遠隔監視方法、及び遠隔監視プログラム
CN117615949A (zh) * 2022-04-29 2024-02-27 华为技术有限公司 换道决策方法、装置及存储介质
US20240001926A1 (en) * 2022-06-29 2024-01-04 Ford Global Technologies, Llc Controlling a vehicle lane-change
CN116674557B (zh) * 2023-07-31 2023-10-31 福思(杭州)智能科技有限公司 车辆自主变道动态规划方法、装置和域控制器
CN117390966B (zh) * 2023-11-21 2024-08-06 长安大学 基于深度学习的智能车辆变道轨迹自动生成方法及系统

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107792073A (zh) * 2017-09-29 2018-03-13 东软集团股份有限公司 一种车辆换道控制方法、装置及相关设备
CN108919795A (zh) * 2018-06-01 2018-11-30 中国北方车辆研究所 一种自动驾驶汽车换道决策方法及装置
CN109739246A (zh) * 2019-02-19 2019-05-10 百度在线网络技术（北京）有限公司 一种变换车道过程中的决策方法、装置、设备及存储介质
CN110020504A (zh) * 2019-04-23 2019-07-16 吉林大学 基于后侵入和碰撞时间的无人车行驶环境复杂度量化方法
CN110362096A (zh) * 2019-08-13 2019-10-22 东北大学 一种基于局部最优性的无人驾驶车辆动态轨迹规划方法
CN110377039A (zh) * 2019-07-26 2019-10-25 吉林大学 一种车辆避障轨迹规划与跟踪控制方法
CN110568760A (zh) * 2019-10-08 2019-12-13 吉林大学 适用于换道及车道保持的参数化学习决策控制系统及方法
CN111338353A (zh) * 2020-03-26 2020-06-26 吉林大学 一种动态驾驶环境下智能车辆变道轨迹规划方法
CN111775934A (zh) * 2020-07-21 2020-10-16 湖南汽车工程职业学院 一种汽车的智能驾驶避障系统
CN111923910A (zh) * 2020-09-14 2020-11-13 福瑞泰克智能系统有限公司 车辆变道规划的方法、自动驾驶车辆和存储介质
CN111959492A (zh) * 2020-08-31 2020-11-20 重庆大学 一种网联环境下考虑换道行为的hev能量管理分层控制方法
CN112572443A (zh) * 2020-12-22 2021-03-30 北京理工大学 一种高速公路车辆换道实时避撞轨迹规划方法及系统
CN112578672A (zh) * 2020-12-16 2021-03-30 吉林大学青岛汽车研究院 基于底盘非线性的无人驾驶汽车轨迹控制系统及其轨迹控制方法
CN113276848A (zh) * 2021-04-09 2021-08-20 江苏大学 一种智能驾驶换道避障轨迹规划、跟踪控制方法及系统

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120053805A1 (en) * 2010-08-30 2012-03-01 The University Of North Texas Methods for detection of driving conditions and habits
DE102013223428A1 (de) * 2013-11-18 2015-05-21 Robert Bosch Gmbh Verfahren und Fahrerassistenzeinrichtung zur Unterstützung von Spurwechseln bzw. Überholmanövern eines Kraftfahrzeugs
US20160347309A1 (en) * 2015-05-28 2016-12-01 Delphi Technologies, Inc. Automated vehicle with erratic other vehicle avoidance
JP6494121B2 (ja) * 2017-03-01 2019-04-03 本田技研工業株式会社 車線変更推定装置、車線変更推定方法、およびプログラム
JP2019003234A (ja) * 2017-06-09 2019-01-10 トヨタ自動車株式会社 運転支援装置
KR20190033159A (ko) * 2017-09-21 2019-03-29 주식회사 만도 충돌 방지 제어 장치 및 방법
JP6976142B2 (ja) * 2017-11-09 2021-12-08 日立Astemo株式会社 車両運動制御装置、その方法、そのプログラム、及びそのシステム、並びに、目標軌道生成装置、その方法、そのプログラム、及びそのシステム
US10836383B2 (en) * 2018-05-04 2020-11-17 The Regents Of The University Of Michigan Collision imminent steering control systems and methods
JP6710722B2 (ja) * 2018-06-15 2020-06-17 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
US10860023B2 (en) * 2018-06-25 2020-12-08 Mitsubishi Electric Research Laboratories, Inc. Systems and methods for safe decision making of autonomous vehicles
EP3842304B1 (en) * 2018-08-14 2024-09-18 Mobileye Vision Technologies Ltd. Systems and methods for navigating with safe distances
IT201800011029A1 (it) * 2018-12-12 2020-06-12 Milano Politecnico Procedimento e sistema di pianificazione di un percorso per un veicolo terrestre per elusione di ostacoli con rapida reazione, particolarmente in uno scenario di guida autonoma.
CN109583151B (zh) * 2019-02-20 2023-07-21 阿波罗智能技术(北京)有限公司 车辆的行驶轨迹预测方法及装置
JP7135931B2 (ja) * 2019-02-22 2022-09-13 スズキ株式会社 車両の走行制御装置
US20200406969A1 (en) * 2019-06-26 2020-12-31 The Regents Of The University Of Michigan Lane Change Maneuvers With Minimized Tire Slip
WO2021053607A1 (en) * 2019-09-18 2021-03-25 C.R.F. Societa' Consortile Per Azioni Model-based design of trajectory planning and control for automated motor-vehicles in a dynamic environment
US11608083B2 (en) * 2019-09-18 2023-03-21 Honda Motor Co., Ltd. System and method for providing cooperation-aware lane change control in dense traffic
CN110796856B (zh) * 2019-10-16 2022-03-25 腾讯科技（深圳）有限公司 车辆变道意图预测方法及变道意图预测网络的训练方法
US11130493B2 (en) * 2019-12-30 2021-09-28 Automotive Research & Testing Center Trajectory planning method for lane changing, and driver assistance system for implementing the same
WO2021168058A1 (en) * 2020-02-19 2021-08-26 Nvidia Corporation Behavior planning for autonomous vehicles

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107792073A (zh) * 2017-09-29 2018-03-13 东软集团股份有限公司 一种车辆换道控制方法、装置及相关设备
CN108919795A (zh) * 2018-06-01 2018-11-30 中国北方车辆研究所 一种自动驾驶汽车换道决策方法及装置
CN109739246A (zh) * 2019-02-19 2019-05-10 百度在线网络技术（北京）有限公司 一种变换车道过程中的决策方法、装置、设备及存储介质
CN110020504A (zh) * 2019-04-23 2019-07-16 吉林大学 基于后侵入和碰撞时间的无人车行驶环境复杂度量化方法
CN110377039A (zh) * 2019-07-26 2019-10-25 吉林大学 一种车辆避障轨迹规划与跟踪控制方法
CN110362096A (zh) * 2019-08-13 2019-10-22 东北大学 一种基于局部最优性的无人驾驶车辆动态轨迹规划方法
CN110568760A (zh) * 2019-10-08 2019-12-13 吉林大学 适用于换道及车道保持的参数化学习决策控制系统及方法
CN111338353A (zh) * 2020-03-26 2020-06-26 吉林大学 一种动态驾驶环境下智能车辆变道轨迹规划方法
CN111775934A (zh) * 2020-07-21 2020-10-16 湖南汽车工程职业学院 一种汽车的智能驾驶避障系统
CN111959492A (zh) * 2020-08-31 2020-11-20 重庆大学 一种网联环境下考虑换道行为的hev能量管理分层控制方法
CN111923910A (zh) * 2020-09-14 2020-11-13 福瑞泰克智能系统有限公司 车辆变道规划的方法、自动驾驶车辆和存储介质
CN112578672A (zh) * 2020-12-16 2021-03-30 吉林大学青岛汽车研究院 基于底盘非线性的无人驾驶汽车轨迹控制系统及其轨迹控制方法
CN112572443A (zh) * 2020-12-22 2021-03-30 北京理工大学 一种高速公路车辆换道实时避撞轨迹规划方法及系统
CN113276848A (zh) * 2021-04-09 2021-08-20 江苏大学 一种智能驾驶换道避障轨迹规划、跟踪控制方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于驾驶人不满度的高速公路自动驾驶换道决策;陈慧等;《中国公路学报》;20191215(第12期);全文 *

Also Published As

Publication number Publication date
US12077182B2 (en) 2024-09-03
CN112937608A (zh) 2021-06-11
US20220324482A1 (en) 2022-10-13

Similar Documents

Publication Publication Date Title
CN112937608B (zh) 一种基于轨迹预测的冰雪环境无人驾驶车辆一体化滚动决策方法、装置及存储介质
JP7150067B2 (ja) 車両の制御システム、車両を制御する方法、及び非一時的コンピュータ可読メモリ
CN108698595B (zh) 用于控制车辆运动的方法和车辆的控制系统
JP7345676B2 (ja) 自動または半自動運転車両の適応制御
JP6610915B2 (ja) 車両を制御するコントローラー及び方法並びに非一時的コンピューター可読メモリ
CN108445750B (zh) 用于车辆运动规划的方法和系统
CN111775949B (zh) 一种人机共驾控制系统的个性化驾驶员转向行为辅助方法
CN109598934B (zh) 一种基于规则与学习模型的无人驾驶汽车驶离高速的方法
KR20210074366A (ko) 자율주행 차량 계획 및 예측
JP3714258B2 (ja) 車両用推奨操作量生成装置
US10928832B2 (en) Impedance-based motion control for autonomous vehicles
JP2005339241A (ja) モデル予測制御装置および車両用推奨操作量生成装置
CN113247023B (zh) 一种行驶规划方法、装置、计算机设备及存储介质
EP3885867A1 (en) Method and system for controlling autonomous or semi-autonomous vehicle
KR20230009949A (ko) 경로 제어 모듈, 연관된 경로 제어 디바이스 및 연관된 방법
CN114830055A (zh) 阻塞区域引导
US20220227391A1 (en) Systems and methods for scenario dependent trajectory scoring
CN115123217B (zh) 矿区障碍车辆行使轨迹生成方法、装置及计算机设备
Dollar et al. Multilane automated driving with optimal control and mixed-integer programming
JP6838769B2 (ja) 周辺環境認識装置、表示制御装置
KR101930163B1 (ko) 차로 유지 제어 장치 및 방법
CN111857112A (zh) 一种汽车局部路径规划方法及电子设备
Lienke et al. Environment modeling for the application in optimization-based trajectory planning
US20240300541A1 (en) Method and system for controlling autonomous or semi-autonomous vehicle
Ding et al. Lane-change collision avoidance control for automated vehicles with control barrier functions

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