CN114132341B - 一种车联网环境下自动驾驶车辆上匝道轨迹规划模型 - Google Patents

Abstract

本发明属于自动驾驶技术领域，具体涉及一种车联网环境下自动驾驶车辆上匝道轨迹规划模型，装载在自动驾驶车辆上，模型的工作过程包括：步骤一，判断是否驶入匝道，若是则转到步骤二；步骤二，在预设步长时间内，采集主线车道上预测范围内的车辆数据，车辆数据包括车辆间隙；步骤三，对主线车道上的车辆间隙进行筛选，得到可汇入间隙；步骤四，对各可汇入间隙分别进行轨迹规划，得到对应的行驶轨迹；步骤五，按照预设的规则，从各行驶轨迹中挑选出当前最优行驶轨迹；步骤六，按照当前最优行驶轨迹进行驾驶，并返回步骤二。本申请可以让汇入车辆高效、准确、安全的汇入主线车道。

Description

一种车联网环境下自动驾驶车辆上匝道轨迹规划模型

技术领域

本发明属于自动驾驶技术领域，具体涉及一种车联网环境下自动驾驶车辆上匝道轨迹规划模型。

背景技术

由于交通系统的复杂性，现在的自动驾驶或多或少都存在着一些安全性问题，导致这些自动驾驶进行测试时发生了一系列事故，其主要原因是自动驾驶内部的自动驾驶算法不足以应对动态变化的交通环境。

据研究，在当前的交通事故中，将近三分之一的交通事故是由于不安全的换道操作导致的。其中，高速公路匝道合流区是常见的事故多发区域，并且容易引起交通混乱，导致通行效率降低。目前，关于高速公路匝道合流的自动驾驶技术，存在下列问题：

第一，现有技术中，自动驾驶车辆汇入控制仅发生在加速车道上，未关注其在匝道上的行驶状态。但实际汇入场景中，当自动驾驶车辆从匝道上行驶到达加速车道时，其速度会影响后续的汇入过程；

第二，现有自动驾驶车辆未考虑汇入控制过程中主线车流行驶状态实时动态变化，在车辆汇入的过程中，其选择的目标间隙并非静止不动的，而是会动态变化的，可能会出现车辆在汇入时，其目标间隙缩小到不满足汇入要求的情况；

第三，现有技术没有考虑车联网环境下，如何从多个可行间隙中选择出最优的间隙，从而提高自动驾驶车辆汇入的效率和安全性。

因此，现有自动驾驶技术，在进行车辆汇入驾驶时，其连贯性、效率性、准确度及成功率都有待提高。

发明内容

本发明的目的在于，提供一种车联网环境下自动驾驶车辆上匝道轨迹规划模型，可以让汇入车辆连贯、高效、准确、安全的汇入主线车道。

本发明提供的基础方案为：

一种车联网环境下自动驾驶车辆上匝道轨迹规划模型，装载在自动驾驶车辆上，模型的工作过程包括：

步骤一，判断是否驶入匝道，若是则转到步骤二；

步骤二，在预设步长时间内，采集主线车道上预测范围内的车辆数据，车辆数据包括车辆间隙；

步骤三，对主线车道上的车辆间隙进行筛选，得到可汇入间隙；

步骤四，对各可汇入间隙分别进行轨迹规划，得到对应的行驶轨迹；

步骤五，按照预设的规则，从各行驶轨迹中挑选出当前最优行驶轨迹；

步骤六，按照当前最优行驶轨迹进行驾驶，并返回步骤二。

基础方案工作原理及有益效果：

智能车辆搭载本模型后，在驶入匝道后，模型就会开始采集主线车道上预设范围内的车辆数据。之后，模型会从车辆数据的车辆间隙中筛选出适合汇入的车辆间隙，即可汇入间隙。再然后，模型会分别模拟这些可汇入间隙的行驶轨迹，也就是从当前位置汇入到可汇入间隙中的行驶轨迹。

在分别模拟出行驶轨迹后，模型会通过预设的规则，如舒适度、效率等，从这些行驶轨迹中挑选出最符合规则条件的行驶轨迹，作为当前最优行驶轨迹。并按照当前最优行驶轨迹进行驾驶。如果主线车道上各车辆的状态不发生改变，通过这样的方式，即可以直接按照当前最优行驶轨迹进行车辆汇入，可以保证汇入过程满足预设的标准条件。

但真实的环境下，主线车道上各车辆的状态发生变化经常发生，可能当前最优行驶轨迹在一端时间后就不再是最优的行驶轨迹，甚至其对应的车辆间隙变得不满足汇入要求。由于主线车道上车辆的状态变化具有随机性，而汇入车辆在匝道上的行驶状态会影响到期后续的汇入过程，想要提升汇入的成功率和效率，就需要汇入车辆在匝道上行驶时，及时识别并处理最优行驶轨迹发生变化的情况。本申请中，模型在识别出当前最优行驶轨迹，并按照当前最优行驶轨迹进行驾驶时，会再次采集主线车道上预设范围内的车辆数据，并重复上述过程，如果当前最优行驶轨迹发生了变化，模型能够及时识别出来并以其作为行驶方案进行驾驶，直到汇入车辆完成主线车道的汇入。

与现有技术相比，本申请充分运用了匝道的距离，使汇入车辆的汇入过程更加连贯流程；并且，在存在多个可汇入的车辆间隙时会筛选出最佳的车辆间隙，保证汇入的安全性；除此，本申请在整个过程中，会根据当前的实际情况，动态调节驾当前的驾驶方案，以保证从匝道开始的整个汇入过程的连贯、准确、高效及安全。

综上，本申请可以让汇入车辆高效、准确、安全的汇入主线车道。

进一步，步骤三中，进行车辆间隙筛选时，将大于安全间隙的车辆间隙作为备选间隙，再分析本车辆行驶到加速车道末端前是否能够超越各备选间隙中的在后车辆安全距离，若能则将对应的备选间隙作为可汇入间隙。

有益效果：这样的选择方式，兼顾了与在前车辆及在后车辆之间的安全性，并且分析的方式直观，分析过程简单，可以保证较高的效率。

进一步，步骤三中，安全间隙为最小安全间隙与间隙变化值之和。

有益效果：这样的设置，充分的考虑了本车辆行驶过程中主线道路上车辆的动态变化过程，可以保证选择的安全间隙的有效性。

进一步，将车辆间隙对应的在前车辆记为车辆B，在后车辆记为车辆A，本车辆记为车辆R；步骤三中，先计算在t时刻车辆R和车辆B两者之间的最小安全距离

其中，x_B(t)表示车辆B在t时刻的位置，x_R(t)表示车辆R在t时刻的初始位置，l_R、l_B分别表示车辆R和车辆B的车身长度；τ表示车辆A紧急制动后车辆R的反应时间，v_R(t)表示车辆R在t时刻的速度，a_R表示车辆R的加速度，表示车辆R的最大制动加速度；v_B(t)表示车辆B在t时刻的速度，a_B表示车辆B最大制动加速度；

再计算车辆R和在后车辆A在t时刻的最小安全距离

其中，x_A(t)表示车辆A在t时刻的位置，l_A表示车辆A的车身长度，v_A(t)表示车辆A在t时刻的速度，a_A表示车辆A最大制动加速度；

再计算车辆R汇入主线车道的最小安全间隙

有益效果：由于在行驶的过程中，通常会根据在前车辆的状态调整自身的状态，这样的处理方式，充分考虑了从加速车道汇入主线车道时可能发生的突然止动情况，进而提升汇入时的成功率和安全性。

进一步，步骤三中，计算间隙变化值如下式：

其中，Δgap_AB表示经过Δt时间在后车辆A与车辆B之间的车辆间隙的变化值；t表示行驶的起始时间；dt表示无限小的单位时间微分；a_Ai表示主线在后车辆A第i个dt时间内的加速度。

有益效果：d表示微分，dt表示无限小的单位时间微分。这样的设置，充分考虑了车辆间隙变下的可能性，保证可汇入间隙的有效性。

进一步，步骤三中，安全距离为预设的距离数值，并将安全距离记为d；所述分析本车辆行驶到加速车道末端前是否能够超越各备选间隙中的在后车辆安全距离包括：检验车辆A与车辆R是否同时满足如下条件：

x_A(t+Δt)+d≤x_R(t+Δt)≤x_B(t+Δt)；

x_R(t+Δt)<x^max；

其中，x_A(t+Δt)为车辆A在t+Δt时刻距离监测范围起点的位置；x_B(t+Δt)为车辆B在t+Δt时刻距离监测范围起点的位置；x_R(t+Δt)定义车辆R在t+Δt时刻距离监测范围起点的位置；x^max表示加速车道末端距监测范围起点的最大纵向位置。

有益效果：通过这样的条件限制，可保证选择的可汇入间隙中在后车辆的安全性，从而提升本车辆的安全性和汇入成功率。

进一步，步骤四中，轨迹规划得到行驶轨迹表达式为：

其中，θ_i为规划步长起点车辆R的航向角，为车辆R在换道终点的横向坐标，/>为车辆R在换道终点的纵向坐标。

有益效果：该表达式为三次多项式，三次多项式非常接近车辆的真实换到轨迹，并且三次多项式拥有二阶连续可导等优点之外，形式也非常简单，避免了次数过高造成的繁琐的求解过程。根据车辆换道过程中行驶所要求的平稳性，要求车辆换道终点的轨迹切线应该与目标车道中心线平行，因此的数值确定，而/>则可以在步骤三中，根据车辆R与车辆B的间距直接得到。

进一步，步骤五中，预设的规则包括：通过成本函数计算各行驶轨迹的行驶成本后，将最小的行驶成本作为最佳行驶成本，最佳行驶成本的计算表达式为：

J_best＝min{J(y₁),J(y₂),…,J(y_n)}；

式中，J_best表示最佳行驶成本，J(y_n)表示车辆R行驶第n个行驶轨迹所需要的行驶成本；

再将最佳行驶成本对应的行驶轨迹作为最优行驶轨迹。

有益效果：通过这样的方式，当存在多条可行驶轨迹时，可以快速挑选出行驶成本最小的行驶轨迹作为最优行驶轨迹，从而保证行驶过程中的成本较小。

进一步，行驶成本的计算式为：

其中，J表示换道过程期望的成本函数值，ω为预设的舒适性权重参数，表示车辆在换道轨迹终点的速度，/>为换道过程中最大侧向加速度，/>为行驶轨迹的终点纵向坐标；t_a为当前分析的行驶轨迹需要的行驶时间，/>为各行驶轨迹需要的行驶时间中的最大值。

有益效果：完成换道的时间，即为行驶完行驶轨迹所用的总时间。换道过程中侧向加速度越大，说明车辆短时间内横向移动幅度大，舒适性也就越差，这样的方式能够较为准确的对舒适性进行衡量。除此，每个人对于舒适度的要求都不同，这样的计算方式，用户可提前设置好自己想要的舒适度权重参数，适用性好。

通过计算各行驶轨迹的行驶成本，进而计算各行驶轨迹上车辆R的行驶效率与用户舒适性的关系，从而找出当前车主而言效率和舒适性占比最佳的行驶轨迹，作为当前最优行驶轨迹。

进一步，步骤一中，判断驶入匝道后，还判断距离匝道口的距离是否小于预设距离，若是则转到步骤二。

有益效果：根据模拟测试，当匝道长度超过150米时，车辆的汇入成功率已接近100％，换个说法，对于长度比150米长很多的匝道，通过合理设置预设距离，如155米，可以有效的减少车辆的运算时间和运算量。

附图说明

图1为本发明实施例一中模型的工作流程图；

图2为本发明实施例一中换道轨迹的侧向加速度变化示意图；

图3为本发明实施例一中汇入过程的模拟示意图；

图4-图6为本发明实施例一汇入过程中三个不同时间点对各行驶轨迹的选择示意图。

具体实施方式

下面通过具体实施方式进一步详细的说明：

实施例一

需要说明的是，本实施例中的车辆A指车辆间隙相关的在后车辆，车辆B指车辆间隙相关的在前车辆，车辆R指本车辆，即待汇入车辆。

如图1所示，一种车联网环境下自动驾驶车辆上匝道轨迹规划模型，装载在自动驾驶车辆上，模型的工作过程包括：

步骤一，判断是否驶入匝道，若是则转到步骤二；

步骤二，在预设步长时间内，采集主线车道上预测范围内的车辆数据，车辆数据包括车辆间隙；

步骤三，对主线车道上的车辆间隙进行筛选，得到可汇入间隙。

进行车辆间隙筛选时，将大于安全间隙的车辆间隙作为备选间隙，再分析本车辆行驶到加速车道末端前是否能够超越各备选间隙中的在后车辆安全距离，若能则将对应的备选间隙作为可汇入间隙。其中，安全间隙为最小安全间隙与间隙变化值之和。

最小安全间隙的计算过程如下：

在计算车辆R和车辆B之间的安全距离时，根据Gipps理论，车辆B紧急刹车时停车的位置计算如下：

式中，表示车辆B停止时刻的位置，x_B(t)表示车辆B在t时刻的位置，v_B(t)表示车辆B在t时刻的速度，a_B表示车辆B最大制动加速度。

车辆R紧急刹车后停车的位置计算如下：

式中，表示车辆R停止时刻的位置，x_R(t)表示车辆R在t时刻的初始位置，τ表示车辆R经过的反应时间，v_R(t)表示车辆R在t时刻的速度，a_R表示车辆R的加速度，/>表示车辆R的最大制动加速度。

前车B紧急制动后，车辆R经过反应时间τ后也采取紧急制动，前车B和车辆R两者之间刚好不发生碰撞时的临界条件满足：

式中，l_R、l_B分别表示车辆R和车辆B的车身长度。

将式(1)、式(2)代入式(3)可得：

故由式(4)可以得到在t时刻车辆R和车辆B两者之间的最小安全距离该最小安全距离/>满足：

同理，计算车辆A与车辆R需要的最小安全距离。

车辆A经过反应时间τ后采取紧急制动，车辆A停车的位置如下：

式中，表示主线在后车辆A停止时刻的位置，x_A(t)表示车辆A在t时刻的位置，v_A(t)表示车辆A在t时刻的速度，a_A表示车辆A最大制动加速度。

再得出车辆R和在后车辆A在t时刻的最小安全距离该安全距离/>计算如下：

式中，l_A表示车辆A的车身长度。

汇入主线车道期间，车辆R与主线车辆A和B均需满足最小安全距离的约束，保证了车辆R可以安全汇入主线车道。然而在真实汇入场景中，车辆车身长度也是影响汇入安全的一个重要因素。因此，车辆R汇入主线车道的最小安全间隙/>满足如下条件：

将式(5)、(7)代入式(8)得到最小安全间隙为：

之后，利用安全冗余子模型，计算车辆间隙的间隙变化值，具体如下：

车辆R在由匝道行驶至加速车道汇入点的过程中，主线车辆的行驶状态一直在改变，会导致可汇入间隙的大小发生变化。经过Δt时间后，间隙gap_AB(t)可能变成gap_AB(t+Δt)。由此，随着可行间隙大小的变化，汇入车辆R从匝道到达加速车道时，可选择的汇入点存在多个，车辆R选择一个最优的汇入点进行汇入。

由于可行间隙变化将有以下两种情况：

1.当主线车辆达到汇入合流区时，原始目标间隙变大，则更有利于自动驾驶车辆在加速车道成功汇入主线车流。即：

gap_AB(t)<gap_AB(t+Δt)(9)

2.当主线车辆达到汇入合流区时，原始目标间隙变小，可能会导致自动驾驶车辆在加速车道上汇入主线车道失败。即：

为了避免出现上述情况2造成车辆R汇入主线车道失败。同时为了提高自动驾驶车辆在加速车道上成功汇入主线车流的概率，因此需要在最小安全间隙上增加一个冗余值。主线车道上车辆的速度v(t)在dt时间内的变化为dv，其中，d表示微分，dt表示时间微分，就是无限小的时间间隔，dv表示在dt里面速度的变化值，则Δt时间内主线车辆位置间隙大小变化如下式：

式中，Δgap_AB表示经过Δt时间后，间隙gap_AB(t)的变化值；t表示行驶的起始时间；a_Ai表示主线在后车辆A第i个dt时间内的加速度。

然后，将得到的间隙变化值增加到最小安全间隙中，因此得到的安全间隙值如下：

式中，表示自动驾驶车辆汇入开始时的安全间隙值。

步骤三中安全距离为预设的距离数值，并将安全距离记为d；所述分析本车辆行驶到加速车道末端前是否能够超越各备选间隙中的在后车辆安全距离包括：利用极限规则子模型进行如下分析计算：

在监测区域内，主线车道上车辆按照各自车速匀速行驶。经过Δt时间后，车辆A和车辆B距监测范围起点的位置分别表示如下：

x_A(t+Δt)＝x_A(t)+v_A(t)·Δt (0-13)

x_B(t+Δt)＝x_B(t)+v_B(t)·Δt (0-14)

式中，x_A(t+Δt)、x_B(t+Δt)分别定义车辆A、车辆B在t+Δt时刻距离监测范围起点的位置。

式中，x_R(t+Δt)定义车辆R在t+Δt时刻距离监测范围起点的位置。

令x_A(t+Δt)＝x_R(t+Δt)+d，求解方程可得到出车辆R汇入前调整的总时间Δt：

由上式(0-17)可知，Δt仅与车辆R的加速度a_R变化密切相关，考虑到加速度a_R并非定值，将会使得方程的解Δt也不唯一。若方程求出的解Δt为一正一负时，舍去负值。若方程求出的解Δt为两个正值，为提高车辆R的汇入效率，选择较小的Δt值。同时将求出的Δt依次代入式(0-13)、(0-14)和式(0-15)，并检验是否满足如下极限规则约束条件：

x_A(t+Δt)+d≤x_R(t+Δt)≤x_B(t+Δt) (0-18)

x_R(t+Δt)<x^max (0-19)

式中，x^max表示加速车道末端距监测范围起点的最大纵向位置。

当满足约束条件(0-18)、(0-19)时，说明车辆R可以根据该安全间隙成功汇入主线车道。此时将该安全间隙视作为可汇入间隙。

步骤四，对各可汇入间隙分别进行轨迹规划，得到对应的行驶轨迹；

具体的，本模型中，选择三次多项式曲线作为车辆换道的目标轨迹曲线，因为三次多项式非常接近车辆的真实换道轨迹，加上三次多项式的二阶连续可导等优点之外，形式也非常简单，避免了次数过高造成的繁琐的求解过程，其表达式如下：

其中，a₀、a₁、a₂、a₃均为需要被标定的参数，x为车辆R沿车道方向的纵向位置，y为车辆R垂直于车道方向的横向位置。在自动驾驶车辆进行换道执行时，车辆R在每一个时间步长都会规划出一条新的换道轨迹，每次规划的换道轨迹换道起点是当前所在位置，并且以所要到达的目标车道中心线为终点，根据车辆换道过程中行驶所要求的平稳性，要求车辆换道终点的轨迹切线应该与目标车道中心线平行。故确定各项参数有：

其中，θ_i为规划步长起点车辆的航向角，为车辆R在换道终点的横向坐标(即垂直于换道车辆行驶方向的坐标)，以上两个量都是已知量。而通过步骤三中车辆R与车辆B的关系，即车辆R与车辆B的距离关系，加上车辆B的状态数据，可直接求得/>的值。

步骤五，按照预设的规则，从各行驶轨迹中挑选出当前最优行驶轨迹。

其中，预设的规则包括：通过成本函数计算各行驶轨迹的行驶成本后，将最小的行驶成本作为最佳行驶成本，最佳行驶成本的计算表达式为：

J_best＝min{J(y₁),J(y₂),…,J(y_n)}；

式中，J_best表示最佳行驶成本，J(y_n)表示车辆R行驶第n个行驶轨迹所需要的行驶成本。

再将最佳行驶成本对应的行驶轨迹作为最优行驶轨迹。

计算某个行驶轨迹的行驶成本时，先模拟车辆R在该行驶轨迹上的行驶距离，具体的，车辆R在行驶轨迹的纵向位移x_f根据以下车辆运动学原理和曲线的弧长求解。

车辆R在进行换道执行过程中行驶轨迹的轨迹弧长为：

式中，v(t_b)式车辆开始进行换道执行时的速度，为曲线轨迹的切线方向的加速，t_c表示车辆换道过程中持续的行驶时间。其中v(t_b)的表达式为：

v(t_b)＝v(t₀)+a₁t_b (23)

使用积分方法可计算弧长如下：

式中，y′(x)是车辆换道轨迹的一阶导数。

由于在真实的换道过程中，驾驶员既希望舒适的完成换道，又希望快速的完成换道，而往往保证舒适就不能保证快速，反之亦然。申请人认为应该存在着一个安全的换道速度，可以在保证舒适的情况下尽可能的高效率的完成换道。因此，本申请提出了一个成本函数来平衡车辆换道过程中的效率和舒适性造成的冲突，在该函数中，舒适度用侧向最大加速度表示，侧向加速度越大，说明车辆短时间内横向移动幅度大，舒适性也就越差，换道轨迹的侧向加速度变化如图2所示，图中的曲线为换道轨迹，折线表示换道轨迹个点处的侧向加速度值；从图2可知，换道过程中的横向加速度最大值出现在换道终点，令换道终点纵向坐标代表效率，为了方便对比，对这两个值进行归一化处理，得到如下表达式：

式中，J表示换道过程期望的行驶成本，指车辆R在换道终点的侧向加速度，/>在换道过程中最大侧向加速度，t_a为当前分析的行驶轨迹需要的行驶时间，/>为各行驶轨迹需要的行驶时间中的最大值；ω为预设的舒适性权重参数。ω的具体数值，可由车辆R的使用者根据自己的舒适度需求进行输入。

换道终点的侧向加速度可用下式计算：

式中，为车辆R在换道轨迹终点的速度；K为换道轨迹曲率函数，其计算方式如下：

其中，y′和y″分别是换道轨迹方程的一阶和二阶导数，它们的计算方式如下：

将式(21)(28)和式(22)(29)代入到式(20)(27)中得出K关于x_n的函数(0≤x_n≤x_n ^f)，其表达式如下：

随着x_n的不断变大，轨迹曲率首先均匀变小到零然后再不断变大，因此，三次多项式换道轨迹曲线中曲率最大的点在换道终点，因而式(26)为：

再将式(31)代入到成本函数(25)中，得到行驶成本J的具体计算式：

从上式可以得知，J是关于的一元函数。因此，将行驶轨迹的终点纵向坐标/>代入式(25)，即可得到该行驶轨迹的行驶成本。

在求得所有行驶轨迹的行驶成本后，将行驶成本最小的行驶轨迹作为当前最优行驶轨迹。

步骤六，按照当前最优行驶轨迹进行驾驶，并返回步骤二。

智能车辆搭载本模型后，在驶入匝道后，模型就会开始采集主线车道上预设范围内的车辆数据。之后，模型会从车辆数据的车辆间隙中筛选出适合汇入的车辆间隙，即可汇入间隙。再然后，模型会分别模拟这些可汇入间隙的行驶轨迹，也就是从当前位置汇入到可汇入间隙中的行驶轨迹。

在分别模拟出行驶轨迹后，模型会通过预设的规则，如舒适度、效率等，从这些行驶轨迹中挑选出最符合规则条件的行驶轨迹，作为当前最优行驶轨迹。并按照当前最优行驶轨迹进行驾驶。如果主线车道上各车辆的状态不发生改变，通过这样的方式，即可以直接按照当前最优行驶轨迹进行车辆汇入，可以保证汇入过程满足预设的标准条件。

但真实的环境下，主线车道上各车辆的状态发生变化经常发生，可能当前最优行驶轨迹在一端时间后就不再是最优的行驶轨迹，甚至其对应的车辆间隙变得不满足汇入要求。由于主线车道上车辆的状态变化具有随机性，而汇入车辆在匝道上的行驶状态会影响到期后续的汇入过程，想要提升汇入的成功率和效率，就需要汇入车辆在匝道上行驶时，及时识别并处理最优行驶轨迹发生变化的情况。本申请中，模型在识别出当前最优行驶轨迹，并按照当前最优行驶轨迹进行驾驶时，会再次采集主线车道上预设范围内的车辆数据，并重复上述过程，如果当前最优行驶轨迹发生了变化，模型能够及时识别出来并以其作为行驶方案进行驾驶，直到汇入车辆完成主线车道的汇入。

与现有技术相比，本申请充分运用了匝道的距离，使汇入车辆的汇入过程更加连贯流程；并且，在存在多个可汇入的车辆间隙时会筛选出最佳的车辆间隙，保证汇入的安全性；除此，本申请在整个过程中，会根据当前的实际情况，动态调节驾当前的驾驶方案，以保证从匝道开始的整个汇入过程的连贯、准确、高效及安全。

作为一个示例，如图3—图6所示，车辆从驶入匝道到汇入完成的整个过程中，按照时间顺序，先后选择了GAP2、GAP1和GAP3对应的行驶轨迹作为当前最优行驶轨迹，并最终以GAP3完成了汇入。

通过仿真实验，首先验证了模型的有效性。在相同匝道汇入场景中，有模型控制的自动驾驶车辆汇入成功率、汇入平均速度和汇入平均时间均优于无模型控制的自动驾驶车辆。仿真过程中还考虑了主线交通流密度大小对匝道自动驾驶车辆的影响。仿真发现，当主线交通流密度从400(veh/h)增加到1400(veh/h)时，车辆的汇入成功率也逐步降低。此外，在本模型控制的自动驾驶车辆汇入成功率稳定在95％以上，而在无模型控制的车辆汇入成功率降低到67％。体现了本模型的优势。

综上，本申请可以让汇入车辆高效、准确、安全的汇入主线车道。

实施例二

与实施例一不同的是，本实施例的步骤一中，判断驶入匝道后，还判断距离匝道口的距离是否小于预设距离，若是则转到步骤二。本实施例中，预设距离为155米。

根据模拟测试，当匝道长度超过150米时，车辆的汇入成功率已接近100％，换个说法，对于长度比150米长很多的匝道，通过合理设置预设距离，如155米，可以有效的减少车辆的运算时间和运算量。

以上所述的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本申请给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。

Claims (5)

1.一种车联网环境下自动驾驶车辆上匝道轨迹规划模型，装载在自动驾驶车辆上，其特征在于：模型的工作过程包括：

步骤一，判断是否驶入匝道，若是则转到步骤二；

步骤二，在预设步长时间内，采集主线车道上预测范围内的车辆数据，车辆数据包括车辆间隙；

步骤三，对主线车道上的车辆间隙进行筛选，得到可汇入间隙；

步骤四，对各可汇入间隙分别进行轨迹规划，得到对应的行驶轨迹；

步骤五，按照预设的规则，从各行驶轨迹中挑选出当前最优行驶轨迹；

步骤六，按照当前最优行驶轨迹进行驾驶，并返回步骤二；

步骤三中，进行车辆间隙筛选时，将大于安全间隙的车辆间隙作为备选间隙，再分析本车辆行驶到加速车道末端前是否能够超越各备选间隙中的在后车辆安全距离，若能则将对应的备选间隙作为可汇入间隙；

步骤三中，安全间隙为最小安全间隙与间隙变化值之和；

将车辆间隙对应的在前车辆记为车辆B，在后车辆记为车辆A，本车辆记为车辆R；步骤三中，先计算在t时刻车辆R和车辆B两者之间的最小安全距离：

；

其中，x _B(t)表示车辆B在t时刻的位置，x _R(t)表示车辆R在t时刻的初始位置，l _R、l _B分别表示车辆R和车辆B的车身长度；τ表示车辆A紧急制动后车辆R的反应时间，v _R(t)表示车辆R在t时刻的速度，a _R表示车辆R的加速度，表示车辆R的最大制动加速度；v _B(t)表示车辆B在t时刻的速度，a _B表示车辆B最大制动加速度；

再计算车辆R和在后车辆A在t时刻的最小安全距离：

；

其中，x _A(t)表示车辆A在t时刻的位置，l _A表示车辆A的车身长度，v _A(t)表示车辆A在t时刻的速度，a _A表示车辆A最大制动加速度；

再计算车辆R汇入主线车道的最小安全间隙；

；

步骤三中，计算间隙变化值如下式：

；

其中，∆gap _AB表示经过∆t时间在后车辆A与车辆B之间的车辆间隙的变化值；t表示行驶的起始时间；dt表示无限小的单位时间微分；a _Ai表示主线在后车辆A第i个dt时间内的加速度；

步骤三中，安全距离为预设的距离数值，并将安全距离记为d；所述分析本车辆行驶到加速车道末端前是否能够超越各备选间隙中的在后车辆安全距离包括：检验车辆A与车辆R是否同时满足如下条件：

；

；

其中，x _A(t+∆t)为车辆A在t+∆t时刻距离监测范围起点的位置；x _B(t+∆t) 为车辆B在t+∆t时刻距离监测范围起点的位置；x _R(t+∆t)定义车辆R在t+∆t时刻距离监测范围起点的位置；x ^max表示加速车道末端距监测范围起点的最大纵向位置。

2.根据权利要求1所述的车联网环境下自动驾驶车辆上匝道轨迹规划模型，其特征在于：步骤四中，轨迹规划得到行驶轨迹表达式为：

；

其中，为规划步长起点车辆R的航向角，/>为车辆R在换道终点的横向坐标，/>为车辆R在换道终点的纵向坐标。

3.根据权利要求2所述的车联网环境下自动驾驶车辆上匝道轨迹规划模型，其特征在于：步骤五中，预设的规则包括：通过成本函数计算各行驶轨迹的行驶成本后，将最小的行驶成本作为最佳行驶成本，最佳行驶成本的计算表达式为，

；

式中，J _best表示最佳行驶成本，J(y _n)表示车辆R行驶第n个行驶轨迹所需要的行驶成本；

再将最佳行驶成本对应的行驶轨迹作为最优行驶轨迹。

4.根据权利要求3所述的车联网环境下自动驾驶车辆上匝道轨迹规划模型，其特征在于：行驶成本的计算式为：

其中，J表示换道过程期望的成本函数值，为预设的舒适性权重参数，/>表示车辆在换道轨迹终点的速度，/>为换道过程中最大侧向加速度，/>为行驶轨迹的终点纵向坐标；为当前分析的行驶轨迹需要的行驶时间，/>为各行驶轨迹需要的行驶时间中的最大值。

5.根据权利要求4所述的车联网环境下自动驾驶车辆上匝道轨迹规划模型，其特征在于：步骤一中，判断驶入匝道后，还判断距离匝道口的距离是否小于预设距离，若是则转到步骤二。