CN114043984A - 一种基于车联网环境下的智能汽车换道控制系统和方法 - Google Patents
一种基于车联网环境下的智能汽车换道控制系统和方法 Download PDFInfo
- Publication number
- CN114043984A CN114043984A CN202111506017.0A CN202111506017A CN114043984A CN 114043984 A CN114043984 A CN 114043984A CN 202111506017 A CN202111506017 A CN 202111506017A CN 114043984 A CN114043984 A CN 114043984A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- lane
- time
- distance
- longitudinal
- 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
- 230000008859 change Effects 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000006073 displacement reaction Methods 0.000 claims abstract description 22
- 238000013528 artificial neural network Methods 0.000 claims abstract description 17
- 230000001133 acceleration Effects 0.000 claims description 33
- 230000006870 function Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 230000006855 networking Effects 0.000 claims description 5
- 238000011478 gradient descent method Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 abstract description 2
- 230000003993 interaction Effects 0.000 abstract description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000002945 steepest descent method 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
-
- 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
- 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
- B60W2050/0002—Automatic control, details of type of controller or control system architecture
-
- 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
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
- B60W2520/105—Longitudinal acceleration
-
- 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
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
-
- 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
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4041—Position
-
- 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
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4042—Longitudinal speed
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于车联网环境下的智能汽车换道控制系统和方法,该系统包括:车载OBU设备、模糊神经网络模块、安全距离算法模块、路径规划模块和执行模块;其中,车载OBU设备,用于获取车辆行驶数据,通过V2V通信完成数据交互;模糊神经网络模块将自车横向位移和纵向车速作为输入,换道时间作为输出,并传递给安全距离算法模块;安全距离算法模块根据换到时间和车辆行驶参数计算安全距离;路径规划模块比较当前两车距离和安全距离,规划合理的换道路径,并将相关参数提供给执行模块;执行模块用于调整转向角来完成安全换道。本发明能判断当前自车与最近车辆的距离是否满足安全距离要求,从而能实现智能汽车安全换道。
Description
技术领域
本发明涉及到智能汽车控制领域,尤其涉及到一种基于车联网环境下的智能汽车换道控制系统和方法。
背景技术
随着互联网技术飞速发展,人类社会进入万物互联的时代,即物联网时代。汽车作为人们必不可少的交通工具和生产工具,网联化发展大势所趋,进而诞生了车联网概念。车联网就是通过车内网、车载移动互联网和车际网,通过汽车收集处理并大量共享信息,实现车与车、车与人、车与路、车与云的连接,进而实现车辆智能化控制和智能交通管理。车联网技术不仅让出行更加安全和环保,还能够实时监控车辆状态,确保汽车安全稳定的行驶。
当前发生的交通事故中,很多是驾驶员无法准确判断换道时机盲目换道导致的。智能汽车可以通过决策控制算法来合理规划换道路径,在保证安全的前提下完成换道。目前大多数算法的输入是由车载传感器提供,传感器会存在着感知盲区以及测量偏差的情况,此外传感器会传入大量无用信息,需要过滤出有用信息再做后续处理,对车辆计算能力提出了更高的要求。此外,很多换道模型仅考虑与后方来车的碰撞,场景模式单一,无法满足复杂场景下的避障换道要求。
发明内容
本发明为了克服现有技术存在的不足之处,提出了一种基于车联网环境下的智能汽车换道控制系统和方法,以期能判断当前自车与最近车辆的距离是否满足安全距离要求,从而能实现智能汽车安全换道。
为了达到上述发明目的,本发明采用如下技术方案:
本发明一种基于车联网环境下的智能汽车换道控制系统的特点包括:车载OBU设备、模糊神经网络模块、安全距离算法模块、路径规划模块和执行模块:
当前车辆上的车载OBU设备获取自身车辆的位置、车速、加速度的车辆行驶信息,并接收距离最近的一辆车所广播的车辆行驶信息;
当前车辆上的模糊神经网络模块以当前车辆的横向位移和纵向速度作为输入,并输出换道时间后发送给自身的安全距离算法模块和执行模块;所述横向位移为当前车辆的车道中心到换道车道的中心距离,即车道宽;
当前车辆的安全距离算法模块根据自身与距离最近车辆的位置关系、两车的速度、两车的加速度和自车的换道时间,计算出完成换道的安全距离;
当前车辆的路径规划模块根据自车与最近车辆的当前距离,判断是否满足安全距离,当满足安全距离时,再根据换道时间及侧向加速度,采用基于正弦特性的路径模型规划出路径曲线,从而计算出的航向角并发送给执行模块;
当前车辆的执行模块根据航向角及换道时间控制当前车辆完成安全换道。
本发明一种基于车联网环境下的智能汽车换道控制方法的特点是按如下步骤进行:
步骤1、利用车载OBU设备获取自车的位置(x0,y0)、纵向车速v0、纵向加速度a0以及最近相邻车辆的位置(xnear,ynear)、纵向车速vnear和纵向加速度anear;
步骤2、基于公开的车辆轨迹数据集,以有监督的学习算法为学习规则,并利用梯度下降法对模糊神经网络进行训练,得到换道时间预测模型;
将自车的横向位移和纵向车速v0入所述换道时间预测模型中,并输出换道时间;
步骤3、根据两车位置关系确定安全距离:
所述两车位置关系包括:自车与后方相邻车道车辆的第1种位置关系、自车与后方本车道车辆的第2种位置关系、自车与前方相邻车道车辆的第3种位置关系、自车与前方本车道车辆的第4种位置关系;
若为第1种位置关系,则利用式(1)确定t时刻的安全距离SCb1(t):
式(1)中:SCb1(t)为自车与后方相邻车道车辆在t时刻的纵向距离,SCb1(0)为自车与后方相邻车道车辆换道前的初始纵向距离,V0(0)为自车换道前的初始车速,VCb1(0)为后方相邻车道车辆换道前的初始纵向速度,a0(τ)为自车τ时刻的纵向加速度,aCb1(τ)为相邻车道后方车辆τ时刻的纵向加速度,l为相邻车道后方车辆车长,τ∈[0,t];
若为第2种位置关系,则利用式(2)确定t时刻的安全距离SCb2(t):
式(2)中:SCb2(t)为自车与后方本车道车辆在t时刻的纵向距离,SCb2(0)为自车与后方本车道车辆换道前的初始纵向距离,VCb2(0)为后方本车道车辆换道前的初始纵向速度,aCb2(τ)为后方本车道后方车辆τ时刻的纵向加速度;
若为第3种位置关系,则利用式(3)确定t时刻的安全距离SCf1(t):
式(3)中:SCf1(t)为自车与前方相邻车道车辆t时刻的纵向距离,SCf1(0)为自车与前方相邻车道车辆换道前的初始纵向距离,VCf1(0)为前方相邻车道车辆换道前的初始纵向速度,aCf1(τ)为前方相邻车道车辆任意τ时刻的纵向加速度;
若为第4种位置关系,则利用式(4)确定t时刻的安全距离SCf2(t):
式(4)中:SCf2(t)为自车与前方本车道车辆t时刻的纵向距离,SCf2(0)为自车与前方本车道车辆换道前的初始纵向距离,VCf2(0)为前方本车道车辆换道前的初始纵向速度,aCf2(τ)为前方本车道车辆任意τ时刻的纵向加速度;
步骤4、计算本车与最近车辆在t时刻车距,并判断t时刻车距是否大于t时刻的安全距离:若大于即满足安全距离要求,则建立式(5)路径曲线,并根据式(6)计算航向角θ;否则,不换道,并返回步骤1:
式(5)中:(x,y)为路径曲线的横纵坐标,H为整个换道过程中自车的横向位移,L为整个换道过程中自车的纵向位移;
式(6)中:y′为对式(5)求导的导函数;
步骤5、所述执行模块根据所述换道时间预测模型输出的换道时间和所述航向角θ来调整自车的车速和转向角,从而实现安全换道。
与已有的技术相比,本发明有益效果体现在:
1、本发明提出通过V2X方法获取车辆信息。车载OBU设备部署在车端,连接车辆CAN总线,既可以获取车辆自身位置、车速、加速度等行驶信息,也可以同其他已安装车载设备的车辆进行数据交互;自车通过V2V通信方式获取周围车辆的行驶信息。目前获取车辆行驶信息主流方法是通过车载传感器获取的,而通过V2X方法获取车辆行驶信息不仅能解决车载传感器因探测范围存在局限而出现盲区的问题,还能避免车载传感器获取大量无效数据而带来的计算压力和时延的问题。
2、本发明中提出了模糊神经网络学习方法,神经网络具有自学习和自调整的特性,模糊控制又有着强的逻辑关系。通过导入经筛选后的公开数据集,不断训练和学习优化,输出尽可能符合人类驾驶员换道习惯、换道过程更加舒适的换到时间。
3、本发明提出的换道场景更加全面。传统换道控制只考虑自车换道时是否与后方来车发生碰撞,而换道时可能会发生其他形式的碰撞,而本发明还提出换道完成前自车与相邻车道前方车辆、自车与本车道后方车辆、自车与本车道前方车辆等另外三种可能发生的碰撞场景;智能汽车可以根据两车之间的相对位置,自适应调整安全距离算法。
附图说明
图1为本发明的系统结构图;
图2为本发明的双车道换道场景图;
图3为本发明的换道过程图。
具体实施方式
本实施例中,如图1所示,一种基于车联网环境下的智能汽车换道控制系统,包括:车载OBU设备、模糊神经网络模块、安全距离算法模块、路径规划模块和执行模块:
当前车辆上的车载OBU设备获取自身车辆的位置、车速、加速度的车辆行驶信息,并接收距离最近的一辆车所广播的车辆行驶信息;
当前车辆上的模糊神经网络模块以当前车辆的横向位移和纵向速度作为输入,并输出换道时间后发送给自身的安全距离算法模块和执行模块;横向位移为当前车辆的车道中心到换道车道的中心距离,即车道宽;
当前车辆的安全距离算法模块根据自身与距离最近车辆的位置关系、两车的速度、两车的加速度和自车的换道时间,计算出完成换道的安全距离;
当前车辆的路径规划模块根据自车与最近车辆的当前距离,判断是否满足安全距离,当满足安全距离时,再根据换道时间及侧向加速度,采用基于正弦特性的路径模型规划出路径曲线,从而计算出的航向角并发送给执行模块;
当前车辆的执行模块根据航向角及换道时间控制当前车辆完成安全换道。
本实施例中,一种基于车联网环境下的智能汽车换道控制方法是按如下步骤进行:
步骤1、利用车载OBU设备获取自车的位置(x0,y0)、纵向车速v0、纵向加速度a0以及最近相邻车辆的位置(xnear,ynear)、纵向车速vnear和纵向加速度anear;
步骤2、基于公开的车辆轨迹数据集,以有监督的学习算法为学习规则,并利用梯度下降法对模糊神经网络进行训练,得到换道时间预测模型;
公开的车辆轨迹数据集是经过筛选后的、满足正常换道条件下的车辆轨迹数据;
梯度下降法,通过迭代的方式求得最优解,在给定初始值后,通过迭代找到下一时刻更优的值,由数学定义可知,yn(t)处负梯度方向为最速下降方向,所以搜索方向为:
由式(1)可以确定最速下降法的学习公式为:
式(2)中:yn(t)为t时刻输入值的状态量,yn+1(t)为t时刻的输出值,η为学习率。
模型网络结构的隐含层传递函数为Sigmoid函数,输出层的传递函数为线性函数。
误差采用最小化均方根差来衡量:
式(3)中:ydi为神经网络输出量,yi为监督数据,n为数据的维度。
网络权值调整采用串行方式,权值的误差反向传播方式为
将自车的横向位移和纵向车速v0入换道时间预测模型中,并输出换道时间;
步骤3、根据两车位置关系确定安全距离:
如图2所示,由于车辆在多车道向左或向右换道具有对称性,所以简化为的双车道换道场景模型。两车位置关系包括:自车与后方相邻车道车辆的第1种位置关系、自车与后方本车道车辆的第2种位置关系、自车与前方相邻车道车辆的第3种位置关系、自车与前方本车道车辆的第4种位置关系;
若为第1种位置关系,自车与后方相邻车道车辆发生碰撞的情况是自车换道即将完成时后方邻车追尾,此情况下所要满足的条件就是自车在相同时间内的纵向位移要大于后方邻车的纵向位移,利用式(5)确定t时刻的安全距离SCb1(t):
式(5)中:SCb1(t)为自车与后方相邻车道车辆在t时刻的纵向距离,SCb1(0)为自车与后方相邻车道车辆换道前的初始纵向距离,V0(0)为自车换道前的初始车速,VCb1(0)为后方相邻车道车辆换道前的初始纵向速度,a0(τ)为自车τ时刻的纵向加速度,aCb1(τ)为相邻车道后方车辆τ时刻的纵向加速度,l为相邻车道后方车辆车长,τ∈[0,t];
若为第2种位置关系,自车与后方本车道行驶的车辆可能发生的碰撞情况是自车换道完成前后方本车道车辆追尾,利用式(6)确定t时刻的安全距离SCb2(t):
式(6)中:SCb2(t)为自车与后方本车道车辆在t时刻的纵向距离,SCb2(0)为自车与后方本车道车辆换道前的初始纵向距离,VCb2(0)为后方本车道车辆换道前的初始纵向速度,aCb2(τ)为后方本车道后方车辆τ时刻的纵向加速度;
若为第3种位置关系,自车与前方相邻车道车辆发生的碰撞情况是自车换道即将完成时追尾前方邻车,此情况下所要满足的条件就是自车在相同时间内的纵向位移要小于前方邻车的纵向位移,利用式(3)确定t时刻的安全距离SCf1(t):
式(7)中:SCf1(t)为自车与前方相邻车道车辆t时刻的纵向距离,SCf1(0)为自车与前方相邻车道车辆换道前的初始纵向距离,VCf1(0)为前方相邻车道车辆换道前的初始纵向速度,aCf1(τ)为前方相邻车道车辆任意τ时刻的纵向加速度;
若为第4种位置关系,自车与前方本车道行驶的车辆可能发生的碰撞情况是自车换道完成前追尾前方本车道车辆,利用式(8)确定t时刻的安全距离SCf2(t):
式(8)中:SCf2(t)为自车与前方本车道车辆t时刻的纵向距离,SCf2(0)为自车与前方本车道车辆换道前的初始纵向距离,VCf2(0)为前方本车道车辆换道前的初始纵向速度,aCf2(τ)为前方本车道车辆任意τ时刻的纵向加速度;
步骤4、计算本车与最近车辆在t时刻车距,并判断t时刻车距是否大于t时刻的安全距离:若大于即满足安全距离要求,如图3所示,采用基于正弦特性的路径模型建立路径曲线并计算航向角,实施安全换道;否则,不换道,并返回步骤1:
t0至t1时刻为换道准备过程;t1时刻改变方向盘转角开始换道;t2时刻结束换道,T为换道时间,其间,总的纵向位移为L,总的横向位移为H。侧向加速度ay(t)为:
式(9)中,A为待定系数,积分可知:
解得:
故式(9)可写成:
侧向速度由侧向加速度积分得出:
侧向位移由侧向速度积分得出:
由于汽车通常不会大幅急速换道,所以轨迹曲率半径较大,故纵向位移可近似按双圆弧计算:
坐标关系为:
式(17)中:(x,y)为路径曲线的横纵坐标;
航向角为:
式(18)中:y′为对式(5)求导的导函数;
步骤5、执行模块根据换道时间预测模型输出的换道时间和航向角θ来调整自车的车速和转向角,从而实现安全换道。
Claims (2)
1.一种基于车联网环境下的智能汽车换道控制系统,其特征包括:车载OBU设备、模糊神经网络模块、安全距离算法模块、路径规划模块和执行模块:
当前车辆上的车载OBU设备获取自身车辆的位置、车速、加速度的车辆行驶信息,并接收距离最近的一辆车所广播的车辆行驶信息;
当前车辆上的模糊神经网络模块以当前车辆的横向位移和纵向速度作为输入,并输出换道时间后发送给自身的安全距离算法模块和执行模块;所述横向位移为当前车辆的车道中心到换道车道的中心距离,即车道宽;
当前车辆的安全距离算法模块根据自身与距离最近车辆的位置关系、两车的速度、两车的加速度和自车的换道时间,计算出完成换道的安全距离;
当前车辆的路径规划模块根据自车与最近车辆的当前距离,判断是否满足安全距离,当满足安全距离时,再根据换道时间及侧向加速度,采用基于正弦特性的路径模型规划出路径曲线,从而计算出的航向角并发送给执行模块;
当前车辆的执行模块根据航向角及换道时间控制当前车辆完成安全换道。
2.一种基于车联网环境下的智能汽车换道控制方法,其特征是按如下步骤进行:
步骤1、利用车载OBU设备获取自车的位置(x0,y0)、纵向车速v0、纵向加速度a0以及最近相邻车辆的位置(xnear,ynear)、纵向车速vnear和纵向加速度anear;
步骤2、基于公开的车辆轨迹数据集,以有监督的学习算法为学习规则,并利用梯度下降法对模糊神经网络进行训练,得到换道时间预测模型;
将自车的横向位移和纵向车速v0入所述换道时间预测模型中,并输出换道时间;
步骤3、根据两车位置关系确定安全距离:
所述两车位置关系包括:自车与后方相邻车道车辆的第1种位置关系、自车与后方本车道车辆的第2种位置关系、自车与前方相邻车道车辆的第3种位置关系、自车与前方本车道车辆的第4种位置关系;
若为第1种位置关系,则利用式(1)确定t时刻的安全距离SCb1(t):
式(1)中:SCb1(t)为自车与后方相邻车道车辆在t时刻的纵向距离,SCb1(0)为自车与后方相邻车道车辆换道前的初始纵向距离,V0(0)为自车换道前的初始车速,VCb1(0)为后方相邻车道车辆换道前的初始纵向速度,a0(τ)为自车τ时刻的纵向加速度,aCb1(τ)为相邻车道后方车辆τ时刻的纵向加速度,l为相邻车道后方车辆车长,τ∈[0,t];
若为第2种位置关系,则利用式(2)确定t时刻的安全距离SCb2(t):
式(2)中:SCb2(t)为自车与后方本车道车辆在t时刻的纵向距离,SCb2(0)为自车与后方本车道车辆换道前的初始纵向距离,VCb2(0)为后方本车道车辆换道前的初始纵向速度,aCb2(τ)为后方本车道后方车辆τ时刻的纵向加速度;
若为第3种位置关系,则利用式(3)确定t时刻的安全距离SCf1(t):
式(3)中:SCf1(t)为自车与前方相邻车道车辆t时刻的纵向距离,SCf1(0)为自车与前方相邻车道车辆换道前的初始纵向距离,VCf1(0)为前方相邻车道车辆换道前的初始纵向速度,aCf1(τ)为前方相邻车道车辆任意τ时刻的纵向加速度;
若为第4种位置关系,则利用式(4)确定t时刻的安全距离SCf2(t):
式(4)中:SCf2(t)为自车与前方本车道车辆t时刻的纵向距离,SCf2(0)为自车与前方本车道车辆换道前的初始纵向距离,VCf2(0)为前方本车道车辆换道前的初始纵向速度,aCf2(τ)为前方本车道车辆任意τ时刻的纵向加速度;
步骤4、计算本车与最近车辆在t时刻车距,并判断t时刻车距是否大于t时刻的安全距离:若大于即满足安全距离要求,则建立式(5)路径曲线,并根据式(6)计算航向角θ;否则,不换道,并返回步骤1:
式(5)中:(x,y)为路径曲线的横纵坐标,H为整个换道过程中自车的横向位移,L为整个换道过程中自车的纵向位移;
式(6)中:y′为对式(5)求导的导函数;
步骤5、所述执行模块根据所述换道时间预测模型输出的换道时间和所述航向角θ来调整自车的车速和转向角,从而实现安全换道。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111506017.0A CN114043984B (zh) | 2021-12-10 | 2021-12-10 | 一种基于车联网环境下的智能汽车换道控制系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111506017.0A CN114043984B (zh) | 2021-12-10 | 2021-12-10 | 一种基于车联网环境下的智能汽车换道控制系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114043984A true CN114043984A (zh) | 2022-02-15 |
CN114043984B CN114043984B (zh) | 2023-09-26 |
Family
ID=80212916
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111506017.0A Active CN114043984B (zh) | 2021-12-10 | 2021-12-10 | 一种基于车联网环境下的智能汽车换道控制系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114043984B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114889611A (zh) * | 2022-05-25 | 2022-08-12 | 重庆长安汽车股份有限公司 | 基于自学习的路口车道选择的控制系统及方法 |
CN116229765A (zh) * | 2023-05-06 | 2023-06-06 | 贵州鹰驾交通科技有限公司 | 一种基于数字数据处理的车路协同方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108011947A (zh) * | 2017-11-30 | 2018-05-08 | 湖北汽车工业学院 | 一种车辆协作式编队行驶系统 |
CN109035862A (zh) * | 2018-08-06 | 2018-12-18 | 清华大学 | 一种基于车车通信的多车协同换道控制方法 |
US20190202462A1 (en) * | 2017-12-28 | 2019-07-04 | Automotive Research & Testing Center | Method of lane change decision-making and path planning |
CN110329263A (zh) * | 2019-07-05 | 2019-10-15 | 西南交通大学 | 自动驾驶车辆自适应换道轨迹规划方法 |
CN110597245A (zh) * | 2019-08-12 | 2019-12-20 | 北京交通大学 | 基于二次型规划和神经网络的自动驾驶换道轨迹规划方法 |
CN111422197A (zh) * | 2020-05-18 | 2020-07-17 | 吉林大学 | 一种考虑智能车群流量的智能驾驶车辆主动换道系统 |
CN113291308A (zh) * | 2021-06-02 | 2021-08-24 | 天津职业技术师范大学(中国职业培训指导教师进修中心) | 一种考虑驾驶行为特性的车辆自学习换道决策系统及方法 |
WO2021189210A1 (zh) * | 2020-03-23 | 2021-09-30 | 华为技术有限公司 | 一种车辆换道方法及相关设备 |
-
2021
- 2021-12-10 CN CN202111506017.0A patent/CN114043984B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108011947A (zh) * | 2017-11-30 | 2018-05-08 | 湖北汽车工业学院 | 一种车辆协作式编队行驶系统 |
US20190202462A1 (en) * | 2017-12-28 | 2019-07-04 | Automotive Research & Testing Center | Method of lane change decision-making and path planning |
CN109035862A (zh) * | 2018-08-06 | 2018-12-18 | 清华大学 | 一种基于车车通信的多车协同换道控制方法 |
CN110329263A (zh) * | 2019-07-05 | 2019-10-15 | 西南交通大学 | 自动驾驶车辆自适应换道轨迹规划方法 |
CN110597245A (zh) * | 2019-08-12 | 2019-12-20 | 北京交通大学 | 基于二次型规划和神经网络的自动驾驶换道轨迹规划方法 |
WO2021189210A1 (zh) * | 2020-03-23 | 2021-09-30 | 华为技术有限公司 | 一种车辆换道方法及相关设备 |
CN111422197A (zh) * | 2020-05-18 | 2020-07-17 | 吉林大学 | 一种考虑智能车群流量的智能驾驶车辆主动换道系统 |
CN113291308A (zh) * | 2021-06-02 | 2021-08-24 | 天津职业技术师范大学(中国职业培训指导教师进修中心) | 一种考虑驾驶行为特性的车辆自学习换道决策系统及方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114889611A (zh) * | 2022-05-25 | 2022-08-12 | 重庆长安汽车股份有限公司 | 基于自学习的路口车道选择的控制系统及方法 |
CN114889611B (zh) * | 2022-05-25 | 2024-05-14 | 重庆长安汽车股份有限公司 | 基于自学习的路口车道选择的控制系统及方法 |
CN116229765A (zh) * | 2023-05-06 | 2023-06-06 | 贵州鹰驾交通科技有限公司 | 一种基于数字数据处理的车路协同方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114043984B (zh) | 2023-09-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109669461B (zh) | 一种复杂工况下自动驾驶车辆决策系统及其轨迹规划方法 | |
CN109501799B (zh) | 一种车联网条件下的动态路径规划方法 | |
CN110053619B (zh) | 车辆控制装置 | |
CN104417561B (zh) | 情境感知威胁响应判定 | |
CN111422196A (zh) | 一种适用于微巴的智能网联自动驾驶系统及方法 | |
CN111361564B (zh) | 一种考虑效益最大化的车道变更系统及综合决策方法 | |
US20230122617A1 (en) | Systems and Methods for Vehicle Spatial Path Sampling | |
GB2592461A (en) | Traffic light detection system for vehicle | |
CN109649393A (zh) | 一种自动驾驶变换车道的路径规划方法及装置 | |
EP3663153A1 (en) | Vehicle control device | |
CN114043984B (zh) | 一种基于车联网环境下的智能汽车换道控制系统和方法 | |
EP3663152A1 (en) | Vehicle control device | |
CN108437986A (zh) | 车辆驾驶辅助系统及辅助方法 | |
CN110304074A (zh) | 一种基于分层状态机的混合式驾驶方法 | |
CN111712414A (zh) | 车辆控制装置 | |
CN112896188B (zh) | 一种考虑前车遭遇的自动驾驶决策控制的系统 | |
EP3741638A1 (en) | Vehicle control device | |
CN111629942A (zh) | 车辆控制系统 | |
EP3738849A1 (en) | Vehicle control device | |
CN112224202B (zh) | 一种紧急工况下的多车协同避撞系统及方法 | |
CN114194215B (zh) | 一种智能车辆避障换道轨迹规划方法及系统 | |
CN113085852A (zh) | 自动驾驶车辆的行为预警方法、装置及云端设备 | |
CN110796102B (zh) | 一种车辆目标感知系统及方法 | |
JP2019156222A (ja) | 車両制御装置、車両制御方法、およびプログラム | |
CN116259185B (zh) | 停车场场景下融合预测算法的车辆行为决策方法及装置 |
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 |