CN113495563B - 用于自动驾驶虚拟测试的交通车换道决策规划方法 - Google Patents
用于自动驾驶虚拟测试的交通车换道决策规划方法 Download PDFInfo
- Publication number
- CN113495563B CN113495563B CN202110646151.4A CN202110646151A CN113495563B CN 113495563 B CN113495563 B CN 113495563B CN 202110646151 A CN202110646151 A CN 202110646151A CN 113495563 B CN113495563 B CN 113495563B
- Authority
- CN
- China
- Prior art keywords
- lane
- change
- changing
- lane change
- traffic vehicle
- 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
- 230000008859 change Effects 0.000 title claims abstract description 272
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000008569 process Effects 0.000 claims abstract description 29
- 208000019901 Anxiety disease Diseases 0.000 claims description 37
- 230000036506 anxiety Effects 0.000 claims description 37
- 230000008450 motivation Effects 0.000 claims description 24
- 241001122315 Polites Species 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000005070 sampling Methods 0.000 claims description 16
- 238000011156 evaluation Methods 0.000 claims description 14
- 230000001133 acceleration Effects 0.000 claims description 13
- 238000002360 preparation method Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 9
- 230000003993 interaction Effects 0.000 abstract description 4
- 238000004088 simulation Methods 0.000 description 8
- 238000012360 testing method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 241001672694 Citrus reticulata Species 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000004973 motor coordination Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明公开了用于自动驾驶虚拟测试的交通车换道决策规划方法,具体过程包括:确定强制换道目标车道;判断自由换道动机;确定自由换道潜在目标车道;预判换道动机协调性;判定当前是否处于强制换道目标车道;判定强制换道紧迫性;判定换道时机;规划换道轨迹。本发明所述交通车换道决策规划方法能够让交通车根据当前的交通环境和预先设定的驾驶偏好,规划出一条连续的换道轨迹,以提高自动驾驶虚拟测试中交通车的随机性和逼真度,使仿真车辆间形成动态有效的互动。
Description
技术领域
本发明属于自动驾驶车辆换道控制技术领域,具体涉及用于自动驾驶虚拟测试的交通车换道决策规划方法。
背景技术
当前汽车行业普遍的共识是,虚拟仿真是自动驾驶测试的重要手段。作为替代真实驾驶人的虚拟测试交通车辆,其任务重点在于体现出多样的驾驶风格,能够与其他交通参与者,尤其是与被测车辆进行有效的交互。然而,目前用于自动驾驶虚拟测试中的交通车运动不够真实,与现实中交通车辆的行为相差较大,难以用于自动驾驶汽车的虚拟开发和验证。
现有技术中,自动驾驶仿真测试的交通车模型大致分为两种,一种是预设轨迹跟随模型,另一种是微观交通流模型。其中:
以预设轨迹跟随方式运行的交通车主要出现在自动驾驶开发测试工具中,如VTD,CARLA等。预设轨迹跟随方式是指:交通车按照仿真前预先设定的轨迹或仿真过程中随机生成的轨迹移动,与他车的互动仅限于保持一定的安全距离防止发生碰撞。这种预设轨迹跟随方式中,运动轨迹需要人工设计,而现有技术中,能够提供的测试场景不够丰富,且交通车辆与被测试主体难以形成完全闭环的交互。
以微观交通流方式运行的交通车主要用于宏观交通的管控、交通拥堵分析及疏导等研究的微观交通仿真工具,如SUMO,微观交通流方式最近正逐渐应用于自动驾驶仿真中,为自动驾驶测试提供随机的动态环境。但是,尽管微观交通流模型相比预设轨迹跟随模型,建立了相对复杂的跟驰模型和换道模型,但仍然难以复现现实中发生的换道过程,其主要体现在:
1.当前的微观交通流模型将换道动机分成了战略换道、战术换道和合作换道。而这些动机大多是从客观条件上考虑的,即“能不能”换道,而驾驶员主观上做出“要不要”换道的判断在这一类模型中并未有明显的体现。
2.交通车运动是基于车道的一维行为仿真,没有建立或建全侧向运动的模型,不能模拟出真实车辆的运动轨迹。SUMO中常用的模型,其换道过程是瞬间完成的。而相对精细的sublane model本质上是侧向的元胞自动机,虽然看似存在侧向的运动,但纵侧向运动完全脱离,未能考虑实际车辆整体的运动能力。
发明内容
针对上述现有技术中存在的缺陷,本发明公开了用于自动驾驶虚拟测试的交通车换道决策规划方法,本发明所述方法能够让交通车根据当前的交通环境和预先设定的驾驶偏好,规划出一条连续的换道轨迹,以提高自动驾驶虚拟测试中交通车的随机性和逼真度,使仿真车辆间形成动态有效的互动。
结合说明书附图,本发明的技术方案如下:
用于自动驾驶虚拟测试的交通车换道决策规划方法,所述交通车换道决策规划方法具体过程如下:
步骤S1:确定强制换道目标车道;
步骤S2:判断自由换道动机,若需要自由换道,则进入步骤S3,若不需要自由换道,则进入步骤S5;
步骤S3:确定自由换道潜在目标车道,若自由换道潜在目标车道不存在,则返回步骤S2,若自由换道潜在目标车道存在,则进入步骤S4;
步骤S4:预判换道动机协调性,若换道动机协调,则进入步骤S7,若换道动机不协调,则进入步骤S5;
步骤S5:判定当前是否处于强制换道目标车道,若当前不处于强制换道目标车道,则进入步骤S6,若当前处于强制换道目标车道,则返回步骤S2;
步骤S6:判定强制换道紧迫性,若需要紧急强制换道,则进入步骤S7,若不需要紧急强制换道,则返回步骤S2;
步骤S7:判定换道时机,若当前能执行换道,则进入步骤S8,若当前不能执行换道,则等待换道时机,直至能执行换道;
步骤S8:规划换道轨迹。
所述步骤S1中,确定强制换道目标车道的公式具体如下:
上述确定强制换道目标车道的公式中:
MRPj为车道lj是否符合宏观的路径规划的判断结果,如果MRPj为1,车道lj能驶向下一个路段;如果MRPj为0,车道lj不能驶向下一路段;
所述步骤S2中,判断自由换道动机的公式具体如下:
上述判断自由换道动机的公式中:
po(t)为焦虑指数;
DLCI为自由换道动机判定结果;
当po(t)超过预设的焦虑指数阈值pth时,DLCI为1,判断需要自由换道;
当po(t)小于预设的焦虑指数阈值pth时,DLCI为0,判断不需要自由换道。
所述步骤S3中,当自由换道的动机产生后,查看当前路段是否存在车道ld,使交通车Veho的焦虑指数降低,并根据交通车Veho对车道k的预估焦虑指数筛选潜在目标车道;
所述交通车对车道的预估焦虑指数的计算公式如下:
上述确定交通车对车道的预估焦虑指数的公式中:
筛选潜在目标车道的公式如下:
上述筛选潜在目标车道的公式中:
DLCLk为交通车Veho对车道k是否符合自由换道潜在目标车道的判断结果;
所述步骤S4中:
上述紧迫指数urgk的计算公式中:
s0是交通车Veho所在路段的剩余长度;
然后,根据交通车从当前车道向自由换道潜在目标车道执行换道的紧迫指数,判断是否可以执行自由换道,具体判断公式如下:
上述判断是否可以执行自由换道的公式中:
DLCF为自由换道可行性判断结果;
如果最小紧迫指数urgmin小于预设紧迫性阈值urgth,DLCF为1,强制换道与自由换道之间具有协调性,判断换道动机协调;
如果最小紧迫指数urgmin大于预设紧迫性阈值urgth,DLCF为0,强制换道与自由换道之间不具有协调性,判断换道动机不协调。
所述步骤S5中:
当步骤S3中判定不需要自由换道或步骤S4中判定当前车道条件不允许自由换道时,交通车Veho需要对当前所处车道作出判定,当前所处车道的判定公式如下:
上述前所处车道的判定公式中:
MLJ为当前所处车道的判定结果;
如果当前车道lo是强制换道目标车道lm,MLJ=1;
如果当前车道lo不是强制换道目标车道lm,MLJ=0。
所述步骤S6中:
上述计算换道紧迫指数urgJ的公式中:
s0是交通车Veho所在路段的剩余长度;
本步骤S6中,根据换道紧迫指数urgJ判定强制换道紧迫性;
判定强制换道紧迫性的公式具体如下:
上述判定强制换道紧迫性的公式中:
MLCF为强制换道紧迫性的判定结果;
如果强制换道紧迫指数urgJ大于预设紧迫性阈值urgth,MLCF=1,判定需要紧急强制换道;
如果强制换道紧迫指数urgJ小于紧迫性阈值urgth,MLCF=0,判定不需要紧急强制换道。
所述步骤S7中,判定换道时机的过程包括:
步骤S71:确定所述交通车Veho的紧迫指数urgo的公式如下:
确定所述交通车Veho的目标车道lt的公式如下:
步骤S72中:确定所述时机评估指数的公式为:
上述时机评估指数LCIC的计算公式中:
LCIC是时机评估指数;
ao是当前交通车Veho的纵向加速度;
交通车Vehn为交通车Veho将要汇入车道的后车;
an是当前交通车Vehn的纵向加速度;
δo是交通车Veho的礼貌系数;
urg是当前换道行为的紧迫指数;
交通车Veho的礼貌系数与其初始设定的驾驶风格,以及换道紧迫性相关;其中:
谨慎型驾驶员初始礼貌系数、普通型驾驶员初始礼貌系数和冲动型驾驶员初始礼貌系数一次与降低;
换道紧迫指数urgo越低,交通车Veho驾驶员越表现出让车的行为,亦越顾及目标车道的后方交通车Vehn的速度变化;
换道紧迫指数urgo越高,交通车Veho驾驶员越表现出换道的行为,亦越无法顾及目标车道的后方交通车Vehn的速度变化。
步骤S73:换道时机判定公式具体如下:
上述换道时机判定公式中:
LCMP为换道时机判定结果;
LCIC为时机评估指数;
当时机评估指数LCIC大于预设时机阈值LCICth时,LCMP为1,判定交通车Veho当前能执行换道;
当时机评估指数LCIC小于预设时机阈值LCICth时,LCMP为0,判定交通车Veho当前不能换道。
所述步骤S8中,规划换道轨迹的具体过程如下:
步骤S81:将换道轨迹分为三个阶段:P0P1为换道准备阶段、P1P2为换道执行阶段和P2P3为换道结束阶段,并按阶段规划目标轨迹点P0、P1、P2和P3;
步骤S82:将已确定的目标点P0、P1、P2和P3平滑地连接起来形成轨迹,其中:
P1P2与P0P1间的夹角为α,P1P2与P2P3间的夹角为β,并在P1P2的中点增加一点Pm;
记z0=0,P0P1间距离为z1=|P0P1|,P1Pm间距离为z2=|P1Pm|,PmP2间距离为z3=|PmP2|,P2P3间距离为z4=|P2P3|;
P0点时间t0=0,P1点时间t1=1,Pm点时间t2=2,P2点时间t3=3,P3点时间t4=4;
规定P0点的速度z′0为当前交通车Veho的实际车速z′0=vo,P0点的角速度φ′0=0,P3点的速度z′4为新车道lo′的前车Vehf′的预估车速z′4=vf′,P3点的角速度φ′4=0;
对(t,z)用三次样条曲线进行插值,固定边界分别为(t0,z′0)及(t4,z′4);
对(t,φ)用三次样条曲线进行插值,固定边界分别为(t0,φ′0)及(t4,φ′4);
至此,交通车Veho换道轨迹完成规划。
所述步骤S81中,按阶段规划目标轨迹点的具体过程如下:
(1)准备阶段
准备阶段持续时间为1秒,P0是交通车Veho当前的位置,P1是当前车道驶离点;
(2)执行阶段
执行阶段持续时间为2秒,P1为原车道lo的驶离点,P2为新车道lo′的驶入点;
对取样后的结果加以变化,确定P2点在Frenet坐标系内纵坐标s2的公式如下:
(3)结束阶段
结束阶段持续时间为1秒,P2为新车道lo′的驶入点,P3是从车道lo至车道lo′整个换道过程的结束位置;
交通车Veho在达到P3点时车速与前车Vehf′一致,或达到当前车道的最高限速。
与现有技术相比,本发明的有益效果在于:
1、本发明所述交通车换道决策规划方法提出了一种将换道动机与换道时机相分离的决策结构,其中,换道动机是由于驾驶员认为当前车道的现状不满足个人预期产生的,而所述的“现状不满足个人预期”可能是因为当前车道不能通往路径规划中的下一路段;也可能是因为当前车道的车速过慢,想要提高车速。而换道的时机则是依据对预期车道的预测作出的换道机会的判断。
2、本发明所述交通车换道决策规划方法随机生成换道轨迹,且所述换道轨迹是在一个安全的区间内随机生成的,增加了交通车运动的随机性。
3、本发明所述交通车换道决策规划方法实现了对驾驶员心理的模拟,其中,驾驶员的心理包括:1)欲速则不达,即处于交通堵则中的驾驶员往往不能达到预期车速,越被阻挡,提高车速的的意愿就越强烈,这一驾驶员心理在本专利提出的方法中可以得到很好的模拟;2)换道紧迫性,即距离目标车道越远,目标车道越拥挤,驾驶员换道紧迫性越强烈;3)动机间协调,自由换道需要时刻评估是否符合宏观的强制换道目标,强制换道在协调过程中也隐含判断了是否需要再执行自由换道。
附图说明
图1为本发明所述用于自动驾驶虚拟测试的交通车换道决策规划方法的流程框图;
图2为本发明所述交通车换道决策规划方法中,换道动机协调性预判过程中用于根据驾驶风格确定预估等待时间的意图表征时窗的示意图;
图3为本发明所述交通车换道决策规划方法中,换道轨迹规划过程中车辆行驶轨迹模拟示意图;
图4为本发明所述交通车换道决策规划方法中,换道轨迹规划过程中准备阶段交通车当前车道驶离点P1在Frenet坐标系内纵坐标s1的位置示意图;
图5为本发明所述交通车换道决策规划方法中,换道轨迹规划过程中执行阶段交通车新车道驶入点P2在Frenet坐标系内纵坐标s2的位置示意图;
图6为本发明所述交通车换道决策规划方法中,换道轨迹规划过程中,基于规划的目标轨迹点所形成的连续轨迹示意图。
具体实施方式
为清楚、完整地描述本发明所述技术方案及其具体工作过程,结合说明书附图,本发明的具体实施方式如下:
本发明公开了一种用于自动驾驶虚拟测试的交通车换道决策规划方法,所述方法的具体过程如下:
步骤S1:确定强制换道目标车道;
本步骤S1中,每个路段的强制换道目标车道Lm是依据宏观规划确定的,当一辆交通车设定了起始点Po和起止点Pd后,路径规划会根据当前的交通环境以及预先设定的偏好,规划出一条由多个路段组成的行驶路线,交通车当前所在路段的强制换道目标车道就是可以通往下一路段的车道;
本步骤S1中,确定强制换道目标车道的公式具体如下:
上述确定强制换道目标车道的公式中:
MRPj(MRP,即Mandatory Route Planning)为车道lj是否符合宏观的路径规划的判断结果:如果该值为1,表明车道lj是可以驶向下一个路段的;该值为0,表明车道lj不能驶向下一路段;
步骤S2:判断自由换道动机;
本步骤S2中,战术换道是由于交通车Veho期望车速高于当前车道的平均车速,认为当前所在车道lo的车速过慢,想要提高车速所产生的动机;
本步骤S2中,判断自由换道动机的公式具体如下:
上述判断自由换道动机的公式中:
po(t)为焦虑指数;
上述判断自由换道动机的公式中,体现了交通车越被阻挡,越希望提高车速的意愿;
DLCI为自由换道动机判定结果;
当po(t)超过预设的焦虑指数阈值pth时,DLCI为1,自由换道动机产生,需要自由换道,则接下来进入下述步骤S3,确定自由换道潜在目标车道;
当po(t)小于预设的焦虑指数阈值pth时,DLCI为0,不需要自由换道,则接下来进入下述步骤S5,判定当前是否处于强制换道目标车道;
步骤S3:确定自由换道潜在目标车道;
本步骤S3中,当自由换道的动机产生后,需要查看当前路段是否存在车道ld,可以使交通车Veho的焦虑指数降低,并根据交通车Veho对车道k的预估焦虑指数筛选潜在目标车道;
所述交通车对车道的预估焦虑指数的计算公式如下:
上述确定交通车对车道的预估焦虑指数的公式中:
筛选潜在目标车道的公式如下:
上述筛选潜在目标车道的公式中:
DLCLk(DLCL,即Discretionary Lane Changing Lane)为交通车Veho对车道k是否符合自由换道潜在目标车道的判断结果;
当交通车Veho对车道k的预估焦虑指数大于焦虑指数阈值pth,DLCLk值为0,该车道不符合自由换道潜在目标车道的判定条件,即此时不存在自由换道潜在目标车道,则返回上述步骤S2,重新判断自由换道动机;
当交通车Veho对车道k的预估焦虑指数小于焦虑指数阈值pth,DLCLk值为1,该车道符合自由换道潜在目标车道的判定条件,将该车道列入自由换道潜在目标车道集合Ld,则接下来进入下述步骤S4,预判换道动机的协调性;
步骤S4:预判换道动机协调性;
本步骤S4中,强制换道是保证交通车Veho能够完成从起始点Po到起止点Pd整个行程的必要条件,自由换道不能违背该前提,所以当自由换道的决策作出之后,需要检查强制换道与自由换道之间的协调性;
本步骤S4中,根据交通车从当前车道向自由换道潜在目标车道执行换道的紧迫指数,判断是否可以执行自由换道,具体判断公式如下:
上述判断是否可以执行自由换道的公式中:
DLCF(即Discretionary Lane Changing Feasibility)为自由换道可行性判断结果;
如果最小紧迫指数urgmin小于预设紧迫性阈值urgth,DLCF为1,判断强制换道与自由换道之间具有协调性,即换道动机协调,可以自由换道执行,则接下来进入下述步骤S7,进行具有最小紧迫指数urgmin的车道的换道时机判断过程;
如果最小紧迫指数urgmin大于预设紧迫性阈值urgth,DLCF为0,判断强制换道与自由换道之间不具有协调性,即换道动机不协调,当前不能执行自由换道,则接下来进入下述步骤S5,判定当前是否处于强制换道目标车道,并实现尽快汇入强制换道目标车道Lm;
上述urgk的计算公式中:
s0是交通车Veho所在路段的剩余长度;
如图2所示,根据现有技术文件《基于驾驶员行为的变道车辆行驶特征研究》中指出存在的三类换道驾驶风格,分别为冲动型、普通型和谨慎型,其对应的预估等待时间都是通过意图表征时窗确定的,此外,所述预估等待时间除了与驾驶员的驾驶风格相关以外,还有目标车道的密度相关,目标车道的密度越大,换道时机越难发现;
步骤S5:判定当前是否处于强制换道目标车道;
本步骤S5中,当前述步骤S2中判定DLCI为0,即不需要自由换道,或前述步骤S4中判定DLCF为0,即换道动机不协调,当前车道条件不允许自由换道时,交通车Veho需要对当前所处车道作出判定,当前所处车道的判定公式如下:
上述前所处车道的判定公式中:
MLJ(即Mandatory Lane Judge)为当前所处车道的判定结果;
如果当前车道lo是强制换道目标车道lm,即MLJ=1,则继续保持在当前车道不换道,并重新回到上述步骤S2,判断自由换道动机;
如果当前车道lo不是强制换道目标车道lm,即MLJ=0,则接下来进入下述步骤S6,通过计算换道紧迫指数,判定强制换道的紧迫性,进而判断是否需要做强制换道;
步骤S6:判定强制换道紧迫性;
上述计算换道紧迫指数urgJ的公式中:
s0是交通车Veho所在路段的剩余长度;
本步骤S6中,根据换道紧迫指数urgJ判定强制换道紧迫性;
判定强制换道紧迫性的公式具体如下:
上述判定强制换道紧迫性的公式中:
MLCF为强制换道紧迫性的判定结果;
如果强制换道紧迫指数urgJ小于紧迫性阈值urgth,即MLCF=0,此时判定当前并非紧急情况,不需要紧急强制换道,则此时可以继续保持在当前车道lo不换道,接下来返回至上述步骤S2,重新判断自由换道动机;
步骤S7:判定换道时机;
S71:确定所述交通车Veho的紧迫指数urgo和所述交通车Veho的目标车道lt;
无论是自由换道,还是强制换道,当DLCF或MLCF判定为可以换道时,交通车Veho的紧迫指数urgo应该等于相应动机计算出的紧迫指数,交通车Veho的目标车道lt应该是相应动机所确定的目标车道;
确定所述交通车Veho的紧迫指数urgo的公式如下:
交通车Veho的目标车道lt与当前车道lo可能是相邻车道,也可能隔着多个车道,交通车Veho每向lt方向并入一个车道时,都需要找到合适的换道时机;
所述确定所述交通车Veho的目标车道lt的公式如下:
S72:确定时机评估指数;
确定所述时机评估指数的公式为:
上述时机评估指数LCIC的计算公式中:
LCIC是时机评估指数;
ao是当前交通车Veho的纵向加速度;
交通车Vehn为交通车Veho将要汇入车道的后车;
an是当前交通车Vehn的纵向加速度;
δo是交通车Veho的礼貌系数;
urg是当前换道行为的紧迫指数;
其中:
交通车Veho的礼貌系数与其初始设定的驾驶风格,以及换道紧迫性有关;
当换道紧迫指数urgo较低时,Veho驾驶员表现出谦让礼貌的行为,在换道时机的选择上会顾及目标车道的后方交通车Vehn的速度变化;
当换道紧迫指数urgo较高时,交通车Veho执行换道的意愿更强烈,甚至可能无法顾及后车Vehn;
S73:作出换道时机的判定;
机评估指数综合交通车、交通车换道前后的加速度变化,以及交通车自身的礼貌系数,作出换道时机的判定,换道时机判定公式具体如下:
上述换道时机判定公式中:
LCMP(Lane Changing Motion Planning)为换道时机判定结果;
LCIC(Lane Changing Incentive Criterion)为时机评估指数;
当时机评估指数LCIC大于预设时机阈值LCICth时,LCMP为1,判定交通车Veho在这一时刻可以执行换道,则接下来进入下述步骤S8,规划换道轨迹;
当时机评估指数LCIC小于预设时机阈值LCICth时,LCMP为0,判定交通车Veho当前还不能换道,需要继续等待换道时机;
步骤S8:规划换道轨迹;
当换道时机确定以后,交通车Veho需要规划换道轨迹,如图3所示,换道轨迹分为三个阶段:P0P1为换道准备阶段,P1P2为换道执行阶段,P2P3为换道结束阶段;
S81:规划目标轨迹点;
(1)准备阶段
准备阶段持续时间为1秒,交通车Veho通过调整车速以及与同车道前后车间的距离,保证驶离时足够安全,不发生碰撞,如图3所示,P0是交通车Veho当前的位置,P1是当前车道驶离点;
此外,需要说明的是:
在本准备阶段,如果点P1的取样区间如果不存在,需要退出轨迹规划,重新返回换道时机判定,如果换道时机判断超时,应立刻结束并重新执行潜在自由换道目标车道判定;
(2)执行阶段
执行阶段持续时间为2秒,执行阶段交通车Veho需要考虑自身的纵侧向运动能力,以及与新车道lo′上前车Vehf′和后车Vehr′的安全距离,如图3所示,P1为原车道lo的驶离点,P2为新车道lo′的驶入点;
此外,需要说明的是:
在本执行阶段,如果点P2的取样区间如果不存在,需要退出轨迹规划,重新返回换道时机判定,如果换道时机判断超时,应立刻结束并重新执行潜在自由换道目标车道判定;
(3)结束阶段
结束阶段持续时间为1秒,结束阶段交通车Veho需要稳定车身姿态,调整车速以及与前后车的安全距离。如图3所示,P2为新车道lo′的驶入点,P3是从车道lo至车道lo′整个换道过程的结束位置;
交通车Veho在达到P3点时车速应该与前车Vehf′一致,或达到当前车道的最高限速;
S82:生成连续轨迹;
为了将前述步骤S81中已确定的目标点P0、P1、P2和P3平滑地连接起来形成轨迹,需要计算目标点间的距离,以及相对于交通车Veho在起始点P0的航向角偏移;
如图6所示,P1P2与P0P1间的夹角为α,P1P2与P2P3间的夹角为β,为了让规划的轨迹曲线更接近原始线型,在P1P2的中点增加一点Pm;
记z0=0,P0P1间距离为z1=|P0P1|,P1Pm间距离为z2=|P1Pm|,PmP2间距离为z3=|PmP2|,P2P3间距离为z4=|P2P3|;
相应的P0点时间t0=0,P1点时间t1=1,Pm点时间t2=2,P2点时间t3=3,P3点时间t4=4;
规定P0点的速度z′0为当前交通车Veho的实际车速z′0=vo,P0点的角速度φ′0=0,P3点的速度z′4为新车道lo′的前车Vehf′的预估车速z′4=vf′,P3点的角速度φ′4=0,
对(t,z)用三次样条曲线进行插值,固定边界分别为(t0,z′0)及(t4,z′4);
对(t,φ)用三次样条曲线进行插值,固定边界分别为(t0,φ′0)及(t4,φ′4);
至此,交通车Veho换道轨迹完成规划。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
以上所述本发明的具体实施方式,并不构成对本发明保护范围的限定。任何根据本发明的技术构思所作出的各种其他相应的改变与变形,均应包含在本发明权利要求的保护范围内。
Claims (3)
1.用于自动驾驶虚拟测试的交通车换道决策规划方法,其特征在于:
所述交通车换道决策规划方法具体过程如下:
步骤S1:确定强制换道目标车道;
所述步骤S1中,确定强制换道目标车道的公式具体如下:
上述确定强制换道目标车道的公式中:
MRPj为车道lj是否符合宏观的路径规划的判断结果,如果MRPj为1,车道lj能驶向下一个路段;如果MRPj为0,车道lj不能驶向下一路段;
步骤S2:判断自由换道动机,若需要自由换道,则进入步骤S3,若不需要自由换道,则进入步骤S5;
所述步骤S2中,判断自由换道动机的公式具体如下:
上述判断自由换道动机的公式中:
po(t)为焦虑指数;
DLCI为自由换道动机判定结果;
当po(t)超过预设的焦虑指数阈值pth时,DLCI为1,判断需要自由换道;
当po(t)小于预设的焦虑指数阈值pth时,DLCI为0,判断不需要自由换道;
步骤S3:确定自由换道潜在目标车道,若自由换道潜在目标车道不存在,则返回步骤S2,若自由换道潜在目标车道存在,则进入步骤S4;
所述步骤S3中,当自由换道的动机产生后,查看当前路段是否存在车道ld,使交通车Veho的焦虑指数降低,并根据交通车Veho对车道k的预估焦虑指数筛选潜在目标车道;
所述交通车对车道的预估焦虑指数的计算公式如下:
上述确定交通车对车道的预估焦虑指数的公式中:
筛选潜在目标车道的公式如下:
上述筛选潜在目标车道的公式中:
DLCLk为交通车Veho对车道k是否符合自由换道潜在目标车道的判断结果;
步骤S4:预判换道动机协调性,若换道动机协调,则进入步骤S7,若换道动机不协调,则进入步骤S5;
所述步骤S4中:
上述紧迫指数urgk的计算公式中:
s0是交通车Veho所在路段的剩余长度;
然后,根据交通车从当前车道向自由换道潜在目标车道执行换道的紧迫指数,判断是否可以执行自由换道,具体判断公式如下:
上述判断是否可以执行自由换道的公式中:
DLCF为自由换道可行性判断结果;
如果最小紧迫指数urgmin小于预设紧迫性阈值urgth,DLCF为1,强制换道与自由换道之间具有协调性,判断换道动机协调;
如果最小紧迫指数urgmin大于预设紧迫性阈值urgth,DLCF为0,强制换道与自由换道之间不具有协调性,判断换道动机不协调;
步骤S5:判定当前是否处于强制换道目标车道,若当前不处于强制换道目标车道,则进入步骤S6,若当前处于强制换道目标车道,则返回步骤S2;
所述步骤S5中:
当步骤S3中判定不需要自由换道或步骤S4中判定当前车道条件不允许自由换道时,交通车Veho需要对当前所处车道作出判定,当前所处车道的判定公式如下:
上述前所处车道的判定公式中:
MLJ为当前所处车道的判定结果;
如果当前车道lo是强制换道目标车道lm,MLJ=1;
如果当前车道lo不是强制换道目标车道lm,MLJ=0;
步骤S6:判定强制换道紧迫性,若需要紧急强制换道,则进入步骤S7,若不需要紧急强制换道,则返回步骤S2;
所述步骤S6中:
上述计算换道紧迫指数urgJ的公式中:
s0是交通车Veho所在路段的剩余长度;
本步骤S6中,根据换道紧迫指数urgJ判定强制换道紧迫性;
判定强制换道紧迫性的公式具体如下:
上述判定强制换道紧迫性的公式中:
MLCF为强制换道紧迫性的判定结果;
如果强制换道紧迫指数urgJ大于预设紧迫性阈值urgth,MLCF=1,判定需要紧急强制换道;
如果强制换道紧迫指数urgJ小于紧迫性阈值urgth,MLCF=0,判定不需要紧急强制换道;
步骤S7:判定换道时机,若当前能执行换道,则进入步骤S8,若当前不能执行换道,则等待换道时机,直至能执行换道;
所述步骤S7中,判定换道时机的过程包括:
步骤S71:确定所述交通车Veho的紧迫指数urgo的公式如下:
确定所述交通车Veho的目标车道lt的公式如下:
步骤S72中:确定时机评估指数的公式为:
上述时机评估指数LCIC的计算公式中:
LCIC是时机评估指数;
ao是当前交通车Veho的纵向加速度;
交通车Vehn为交通车Veho将要汇入车道的后车;
an是当前交通车Vehn的纵向加速度;
δo是交通车Veho的礼貌系数;
urg是当前换道行为的紧迫指数;
交通车Veho的礼貌系数与其初始设定的驾驶风格,以及换道紧迫性相关;其中:
谨慎型驾驶员初始礼貌系数、普通型驾驶员初始礼貌系数和冲动型驾驶员初始礼貌系数一次与降低;
换道紧迫指数urgo越低,交通车Veho驾驶员越表现出让车的行为,亦越顾及目标车道的后方交通车Vehn的速度变化;
换道紧迫指数urgo越高,交通车Veho驾驶员越表现出换道的行为,亦越无法顾及目标车道的后方交通车Vehn的速度变化;
步骤S73:换道时机判定公式具体如下:
上述换道时机判定公式中:
LCMP为换道时机判定结果;
LCIC为时机评估指数;
当时机评估指数LCIC大于预设时机阈值LCICth时,LCMP为1,判定交通车Veho当前能执行换道;
当时机评估指数LCIC小于预设时机阈值LCICth时,LCMP为0,判定交通车Veho当前不能换道;
步骤S8:规划换道轨迹。
2.如权利要求1所述用于自动驾驶虚拟测试的交通车换道决策规划方法,其特征在于:
所述步骤S8中,规划换道轨迹的具体过程如下:
步骤S81:将换道轨迹分为三个阶段:P0P1为换道准备阶段、P1P2为换道执行阶段和P2P3为换道结束阶段,并按阶段规划目标轨迹点P0、P1、P2和P3;
步骤S82:将已确定的目标点P0、P1、P2和P3平滑地连接起来形成轨迹,其中:
P1P2与P0P1间的夹角为α,P1P2与P2P3间的夹角为β,并在P1P2的中点增加一点Pm;
记z0=0,P0P1间距离为z1=|P0P1|,P1Pm间距离为z2=|P1Pm|,PmP2间距离为z3=|PmP2|,P2P3间距离为z4=|P2P3|;
P0点时间t0=0,P1点时间t1=1,Pm点时间t2=2,P2点时间t3=3,P3点时间t4=4;
规定P0点的速度z′0为当前交通车Veho的实际车速z′0=vo,P0点的角速度φ′0=0,P3点的速度z′4为新车道lo′的前车Vehf′的预估车速z′4=vf′,P3点的角速度φ′4=0;
对(t,z)用三次样条曲线进行插值,固定边界分别为(t0,z′0)及(t4,z′4);
对(t,φ)用三次样条曲线进行插值,固定边界分别为(t0,φ′0)及(t4,φ′4);
至此,交通车Veho换道轨迹完成规划。
3.如权利要求2所述用于自动驾驶虚拟测试的交通车换道决策规划方法,其特征在于:
所述步骤S81中,按阶段规划目标轨迹点的具体过程如下:
(1)准备阶段
准备阶段持续时间为1秒,P0是交通车Veho当前的位置,P1是当前车道驶离点;
(2)执行阶段
执行阶段持续时间为2秒,P1为原车道lo的驶离点,P2为新车道lo′的驶入点;
对取样后的结果加以变化,确定P2点在Frenet坐标系内纵坐标s2的公式如下:
(3)结束阶段
结束阶段持续时间为1秒,P2为新车道lo′的驶入点,P3是从车道lo至车道lo′整个换道过程的结束位置;
交通车Veho在达到P3点时车速与前车Vehf′一致,或达到当前车道的最高限速。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110646151.4A CN113495563B (zh) | 2021-06-10 | 2021-06-10 | 用于自动驾驶虚拟测试的交通车换道决策规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110646151.4A CN113495563B (zh) | 2021-06-10 | 2021-06-10 | 用于自动驾驶虚拟测试的交通车换道决策规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113495563A CN113495563A (zh) | 2021-10-12 |
CN113495563B true CN113495563B (zh) | 2022-09-20 |
Family
ID=77997733
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110646151.4A Active CN113495563B (zh) | 2021-06-10 | 2021-06-10 | 用于自动驾驶虚拟测试的交通车换道决策规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113495563B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011158307A1 (ja) * | 2010-06-18 | 2011-12-22 | 本田技研工業株式会社 | 運転者の車線変更意図を予測するシステム |
GB2562613A (en) * | 2017-03-31 | 2018-11-21 | Ford Global Tech Llc | Real time lane change display |
CN110298131A (zh) * | 2019-07-05 | 2019-10-01 | 西南交通大学 | 一种混合驾驶环境下自动驾驶换道决策模型建立方法 |
CN111391848A (zh) * | 2020-03-02 | 2020-07-10 | 吉林大学 | 自动驾驶车辆换道方法 |
WO2021103834A1 (zh) * | 2019-11-27 | 2021-06-03 | 初速度(苏州)科技有限公司 | 换道决策模型生成方法和无人车换道决策方法及装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2942765B1 (en) * | 2014-05-07 | 2018-12-26 | Honda Research Institute Europe GmbH | Method and system for predictive lane change assistance, program software product and vehicle |
US10583839B2 (en) * | 2017-12-28 | 2020-03-10 | Automotive Research & Testing Center | Method of lane change decision-making and path planning |
CN109002595B (zh) * | 2018-06-27 | 2021-10-19 | 东南大学 | 模拟动态换道行为的双车道元胞自动机微观交通仿真方法 |
JP7204437B2 (ja) * | 2018-11-19 | 2023-01-16 | 日産自動車株式会社 | 車両走行制御方法及び車両走行制御システム |
CN110356404B (zh) * | 2019-05-28 | 2021-04-09 | 吉林大学 | 一种具有自主换道功能并提高侧向安全性的智能驾驶系统 |
CN111081065B (zh) * | 2019-12-13 | 2021-03-30 | 北京理工大学 | 路段混行条件下的智能车辆协同换道决策模型 |
-
2021
- 2021-06-10 CN CN202110646151.4A patent/CN113495563B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011158307A1 (ja) * | 2010-06-18 | 2011-12-22 | 本田技研工業株式会社 | 運転者の車線変更意図を予測するシステム |
GB2562613A (en) * | 2017-03-31 | 2018-11-21 | Ford Global Tech Llc | Real time lane change display |
CN110298131A (zh) * | 2019-07-05 | 2019-10-01 | 西南交通大学 | 一种混合驾驶环境下自动驾驶换道决策模型建立方法 |
WO2021103834A1 (zh) * | 2019-11-27 | 2021-06-03 | 初速度(苏州)科技有限公司 | 换道决策模型生成方法和无人车换道决策方法及装置 |
CN111391848A (zh) * | 2020-03-02 | 2020-07-10 | 吉林大学 | 自动驾驶车辆换道方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113495563A (zh) | 2021-10-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110298131B (zh) | 一种混合驾驶环境下自动驾驶换道决策模型建立方法 | |
CN109345020B (zh) | 一种完全信息下的无信号交叉口车辆驾驶行为预测方法 | |
CN110298122B (zh) | 基于冲突消解的无人驾驶车辆城市交叉口左转决策方法 | |
Guo et al. | Optimal energy management for HEVs in eco-driving applications using bi-level MPC | |
CN108919795B (zh) | 一种自动驾驶汽车换道决策方法及装置 | |
Wang et al. | Review of driving conditions prediction and driving style recognition based control algorithms for hybrid electric vehicles | |
Kamal et al. | Model predictive control of vehicles on urban roads for improved fuel economy | |
US6873911B2 (en) | Method and system for vehicle operator assistance improvement | |
Park et al. | Development and evaluation of enhanced intellidrive-enabled lane changing advisory algorithm to address freeway merge conflict | |
Kamal et al. | Ecological driving based on preceding vehicle prediction using MPC | |
Bayar et al. | Impact of different spacing policies for adaptive cruise control on traffic and energy consumption of electric vehicles | |
Torabi et al. | Energy minimization for an electric bus using a genetic algorithm | |
CN113722835B (zh) | 拟人化随机换道驾驶行为建模方法 | |
Kamalanathsharma et al. | Agent-based simulation of ecospeed-controlled vehicles at signalized intersections | |
Rodrigues et al. | Adaptive behaviour selection for autonomous vehicle through naturalistic speed planning | |
CN114475608B (zh) | 自动驾驶车辆的拟人化换道方法、装置、车辆及存储介质 | |
Ngo et al. | Real-time eco-driving for connected electric vehicles | |
Prakash et al. | Use of the hypothetical lead (hl) vehicle trace: A new method for evaluating fuel consumption in automated driving | |
CN113963564A (zh) | 连续信号灯道路车辆最优通行速度规划方法、系统及介质 | |
Deshpande et al. | In-vehicle test results for advanced propulsion and vehicle system controls using connected and automated vehicle information | |
Aoki et al. | Multicruise: eco-lane selection strategy with eco-cruise control for connected and automated vehicles | |
Kamal et al. | Eco-driving using real-time optimization | |
CN113495563B (zh) | 用于自动驾驶虚拟测试的交通车换道决策规划方法 | |
Julian et al. | Complex lane change behavior in the foresighted driver model | |
Gong et al. | Evaluation of the energy efficiency in a mixed traffic with automated vehicles and human controlled vehicles |
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 |