CN114637283A - 一种基于动态避障的车辆路径规划方法及装置 - Google Patents
一种基于动态避障的车辆路径规划方法及装置 Download PDFInfo
- Publication number
- CN114637283A CN114637283A CN202011487597.9A CN202011487597A CN114637283A CN 114637283 A CN114637283 A CN 114637283A CN 202011487597 A CN202011487597 A CN 202011487597A CN 114637283 A CN114637283 A CN 114637283A
- Authority
- CN
- China
- Prior art keywords
- track
- vehicle
- current
- evaluation value
- self
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000011156 evaluation Methods 0.000 claims abstract description 49
- 238000013210 evaluation model Methods 0.000 claims abstract description 18
- 230000015654 memory Effects 0.000 claims description 16
- 230000004888 barrier function Effects 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 6
- 238000005265 energy consumption Methods 0.000 abstract description 4
- 230000001133 acceleration Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000003068 static effect Effects 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, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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
- G05D1/0217—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with energy consumption, time reduction or distance reduction criteria
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)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明属于路径规划技术领域,具体涉及一种基于动态避障的车辆路径规划方法及装置。该方法首先为自车规划出至少两条轨迹;然后对自车沿着每条轨迹行驶的速度进行规划,以避开障碍物;接着计算每条轨迹对应的平均速度和最大减速度,并代入至构建的轨迹评价模型中,确定每条轨迹的评价值;其中,所述轨迹评价模型体现的关系为:平均速度越大,评价值越优;最大减速度越小,评价值越优;根据每条轨迹的评价值,从中挑选出较优轨迹控制自车行驶。本发明根据每条轨迹的平均速度以及最大减速度对每条轨迹进行综合评价,以挑选出较优的轨迹,保证车辆完成避障的同时,能够以最快的时间、最舒适的状态到达目的地,减少不必要的能耗。
Description
技术领域
本发明属于路径规划技术领域,具体涉及一种基于动态避障的车辆路径规划方法及装置。
背景技术
随着汽车工业技术的发展,汽车智能化备受关注,无人驾驶技术成为热点和焦点。无人驾驶车辆在启动自动驾驶模式后,通过自身搭载的传感器以及车联网平台等,获取行驶环境中自车周围的障碍物信息,感知所处的道路状况,根据这些信息对自车进行轨迹预测,按照预测出的轨迹控制自车安全、可靠地在道路上行驶,达到目的地。
在规划行驶路径时,不仅可对路径的位置进行规划,也可对行驶速度进行规划。例如,某条道路没有障碍物,此时直接规划自车在该道路上行驶即可;又例如,沿着自车行驶方式的多条道路上均有障碍物,此时可控制改变自车的速度,加速、减速、甚至停车的方式,控制自车规避障碍物。那么如何从规划出的多条路径中挑选出较优的路径是急需解决的问题。挑选不当时,即使该条路径可避开障碍物,但是可能出现由于频繁换道、停车造成驾驶舒适性/体验感较差、整车燃油较高、或者花费了较长的时间才到达目的地。
发明内容
本发明提供了一种基于动态避障的车辆路径规划方法及装置,用以解决挑选可行驶路径不当造成的驾驶体验差、整车性能不高或者花费时间长的问题。
为解决上述技术问题,本发明的技术方案包括:
本发明提供了一种基于动态避障的车辆路径规划方法,包括如下步骤:
1)根据道路信息,沿着自车行驶方向的设定范围内为自车规划出至少两条轨迹;
2)获取自车周围的障碍物运动状态信息,所述障碍物运动状态信息包括障碍物未来运动状态信息,对自车沿着每条轨迹行驶的速度进行规划,以避开障碍物;
3)计算每条轨迹对应的平均速度和最大减速度,并代入至构建的轨迹评价模型中,确定每条轨迹的评价值;其中,所述轨迹评价模型体现的关系为:平均速度越大,评价值越优;最大减速度越小,评价值越优;
4)根据每条轨迹的评价值,从中挑选出较优轨迹控制自车行驶。
上述技术方案的有益效果为:本发明首先会针对道路信息对轨迹进行全面规划,然后根据障碍物运动状态信息来对每条轨迹进行以避障为目的的速度规划,在对每条轨迹进行速度规划后,计算自车沿着每条轨迹行驶的平均速度以及最大减速度,根据每条轨迹的平均速度以及最大减速度对每条轨迹进行综合评价,以挑选出较优的轨迹,保证车辆完成避障的同时,能够以最快的时间、最舒适的状态到达目的地,减少不必要的能耗,适用于各种类型的道路。
进一步的,步骤3)中,所述轨迹评价模型为:
fi(v,a)=(wv*(etraj_i_avg_v/sum_avg_v)+wa*(1-etraj_i_max_a/sum_max_a))
其中,fi(v,a)为第i条轨迹的评价值,i=1,2,…,n,n为轨迹的总数量;wv、wa分别为平均速度、最大减速度的权重系数;traj_i_avg_v为第i条轨迹的平均速度;traj_i_max_a为第i条轨迹的最大减速度;sum_avg_v为平均速度的归一化参考值;sum_max_a为最大减速度的归一化参考值。
进一步的,为了防止频繁换道,所述轨迹包括当前轨迹和非当前轨迹时,步骤4)中,若存在非当轨迹的评价值大于K倍的当前轨迹的评价值,则从非当前轨迹中挑选出评价值最高的轨迹作为较优轨迹;若所有非当前轨迹的平均值均小于等于K倍的当前轨迹的评价值,则选择当前轨迹作为较优轨迹;其中,K为筛选系数,K>1。
进一步的,步骤2)中,对自车沿着每条轨迹行驶的速度进行规划的手段包括:结合障碍物未来运动状态信息以及自车当前运动状态信息,判断自车以当前运动状态沿着每条轨迹行驶时与障碍物是否发生碰撞;若自车沿着每条轨迹行驶时均与障碍物发生碰撞,则确定发生碰撞的时刻和位置;根据发生碰撞的时刻和位置,对自车沿着每条轨迹行驶的速度进行规划,以避开障碍物。
本发明还提供了一种基于动态避障的车辆路径规划装置,包括存储器和处理器,所述处理器用于执行存储在存储器中的指令以实现上述介绍的基于动态避障的车辆路径规划方法,并达到与该方法相同的效果。
附图说明
图1是本发明的基于动态避障的车辆路径规划方法实施例的整体方案图;
图2是本发明的基于动态避障的车辆路径规划方法实施例的流程图;
图3是本发明的生成的路径示意图;
图4是本发明的基于动态避障的车辆路径规划装置实施例的结构图。
具体实施方式
本发明的基本原理为:首先根据道路信息,规划出多条可供自车行驶的轨迹;然后获取自车周围的障碍物未来一段时间内的运动状态信息,确定自车以当前运动状态沿着每条轨迹行驶时与障碍物的碰撞情况,以避开障碍物为目的对每条轨迹下自车的速度进行规划;接着计算每条轨迹对应的平均速度和最大减速度,代入至构建好的轨迹评价模型中,根据每条轨迹对应的评价值,选择较优轨迹作为最终行驶轨迹。
其中,轨迹评价模型中选择平均速度是考虑到平均速度能够体现出自车到达目的地的时间,平均速度越大,到达目的地所需的时间越短;轨迹评价模型中选择最大减速度是考虑到最大减速度一方面能够体现出自车到达目的地的时间,另一方面能够体现出驾驶的舒适性以及整车能耗,最大减速度越大,到达目的地所需的时间越长,整车舒适性越差,整车能耗越大。
方法实施例:
本实施例针对如图3所示的自车和障碍物,采用本发明的一种基于动态避障的车辆路径规划方法,实现避障与路径规划。其中,自车为A,障碍物包括障碍物B1、B2和B3,其中B1、B2为动态障碍物,B3为静态障碍物,traj_0为自车当前轨迹(离散的点,包含自车当前的位置、速度等信息)。如图1、2所示,该方法的步骤流程如下:
步骤一,根据自车所处的位置和道路信息,沿着自车行驶方向的一定范围内规划新轨迹,包括traj_1、traj_2、…、traj_n,此时的新轨迹只是离散的点,只包括位置信息。其中,道路信息包括车道线、车道类别(例如机动车道、自行车道、人行道等)、以及车道行驶标志(例如直行、左转、右转、正反方向、禁止行驶等)。
步骤二,获取自车当前运动状态信息和自车周围一定范围内所有障碍物的运动状态信息。该自车周围一定范围与步骤一中的沿着自车行驶方向的一定范围不一样,一般自车周围一定范围要大于沿着自车行驶方向的一定范围。其中,自车当前运动状态信息包括自车当前的位置、速度、轮廓、地图信息、全局路径调度信息等,可通过自车上安装的传感器、以及整车控制器/导航中预存的信息获得;障碍物运动状态信息包括障碍物当前运动状态信息和障碍物未来运动状态信息,障碍物当前运动状态信息包括障碍物当前的位置、速度、轮廓(二维或三维)等信息,障碍物未来运动状态信息包括未来一段时间内(例如5s、10s等)每T时间内(例如0.05s、0.1s等)的运动信息。以上这些信息可由专门的预测单元提供,预测单元为:针对动态障碍物,根据其当前及历史运动、环境等信息,预测其未来一段时间内可能的运动轨迹,以使自动驾驶车辆能够做出合理的决策,如避让还是正常行驶。
步骤三,根据步骤二中获得的信息,进行冲突预测(碰撞预测)。沿每条轨迹(traj_0,…,traj_n),对自车A分别与障碍物B1、B2、B3进行冲突预测,以确定是否发生冲突,以及若发生冲突,则发生冲突的位置、时刻等冲突信息。若自车沿着每条轨迹行驶时均与障碍物发生冲突,则执行步骤四;只要其中一条轨迹不与障碍物发生冲突,则控制自车沿着不发生冲突的轨迹行驶即可。
步骤四,结合冲突信息,对每条轨迹进行速度规划。沿每条轨迹(traj_0,…,traj_n),结合冲突信息,按照安全(保证安全距离)、舒适性(加减速度大小及变化率)、效率(速度大小)的原则,分别对自车A进行速度规划,通过速度调节合理避免冲突,如减速避让、加速抢行、匀速行驶等动作,逐点规划速度值,如此每条轨迹上均包含了速度(v0,v1,…,vm)、加减速度、时间等信息,即变成了完整的可跟踪的轨迹信息。这里速度规划,可通过梯形速度规划等现有技术实现。(1)对于安全,可通过设置最小安全距离来保证;(2)对于舒适性,可通过设置较小的加速度变化率来保证;(3)对于效率,在限速范围内,尽量以较高的车速行驶,以保证通行效率,在较短时间内到达目的地。
步骤五,根据每条轨迹的速度规划情况,分别计算每条轨迹的平均速度和最大减速度。轨迹traj_0对应的平均速度和最大减速度分别为traj_0_avg_v和traj_0_max_a,轨迹traj_n对应的平均速度和最大减速度分别为traj_n_avg_v和traj_n_max_a。
步骤六,将每条轨迹的平均速度和最大减速度代入至构建的轨迹评价模型中,确定每条轨迹的评价值。构建的轨迹评价模型需体现出:平均速度越大,评价值越优;最大减速度越小,评价值越优。本实施例的轨迹评价模型如下:
fi(v,a)=(wv*(etraj_i_avg_v/sum_avg_v)+wa*(1-etraj_i_max_a/sum_max_a))
其中,fi(v,a)为评价函数值;wv、wa分别为平均速度、最大减速度的权重系数;sum_avg_v、sum_max_a分别为平均速度、最大减速度的归一化参考值。该轨迹评价模型体现的关系为:平均速度越大,评价值越高,对应的轨迹越优;最大减速度越小,评价值越高,对应的轨迹越优。
步骤七,对每条轨迹的评价值进行比较判断,从中筛选出较优的轨迹作为目标轨迹控制自车行驶。筛选公式为:
其中,traj_index为根据评价函数选择出的轨迹序号,fmax(v,a)为所有轨迹中评价值最高的轨迹的评价值。具体的筛选原则如下:
1)若所有非当前轨迹(i≠0)的评价值均满足fi(v,a)≤K*f0(v,a),则说明所有非当前轨迹的评价值均不是很高,即使某些非当前轨迹的评价值高于当前轨迹的评价值,但高出不是很多,此时依旧选择当前轨迹traj_0作为目标轨迹,控制自车行驶,以避减少换道次数;其中,K为筛选系数,K>1,f0(v,a)为当前轨迹的评价值。
2)若存在非当前轨迹(i≠0)的评价值满足fi(v,a)>K*f0(v,a),则从非当前轨迹中挑选出评价值最高fmax(v,a)的轨迹作为目标轨迹,控制自车行驶,实现车辆避障。
本发明以安全、舒适、高效的方式选择最优行驶轨迹,完成动态避障,无需区分道路属性,同时适用结构化道路和非结构化道路(如交通路口、常规道路等),保证所选的轨迹为最合理的决策。
本实施例中的轨迹评价模型是采用指数的形式,作为其他实施方式,可采用其他形式的轨迹评价模型,例如:
fi(v,a)=(wv*(traj_i_avg_v/sum_avg_v)+wa*(1-traj_i_max_a/sum_max_a))
无论轨迹评价模型如何变化,但需体现出评价值与平均速度、最大减速度的关系:平均速度越大,评价值越优;最大减速度越小,评价值越优。
在本实施例中,为了防止出现频繁换道的现象,在计算得到每条轨迹的评价值后,只有在非当轨迹的评价值大于当前轨迹的评价值一定程度以后才会选择非当前轨迹作为目的轨迹。作为其他实施方式,可直接根据每条估计的评价值选择目的轨迹即可,即选择评价值最高的轨迹作为目的轨迹,该种方式保证了最终选择的轨迹为综合性能最佳的轨迹。
装置实施例:
该实施例提供了一种基于动态避障的车辆路径规划装置,如图4所示,包括存储器、处理器和内部总线,处理器、存储器之间通过内部总线完成相互间的通信。
处理器可以为微处理器MCU、可编程逻辑器件FPGA等处理装置。
存储器可为利用电能方式存储信息的各式存储器,例如RAM、ROM等;还可为利用磁能方式存储信息的各式存储器,例如硬盘、软盘、磁带、磁芯存储器、磁泡存储器、U盘等;也可为利用光学方式存储信息的各式存储器,例如CD、DVD等。当然,还可为其他方式的存储器,例如量子存储器、石墨烯存储器等。
处理器可以调用存储器中的逻辑指令,以实现一种基于动态避障的车辆路径规划方法。在方法实施例中对该方法做了详细介绍。
Claims (5)
1.一种基于动态避障的车辆路径规划方法,其特征在于,包括如下步骤:
1)根据道路信息,沿着自车行驶方向的设定范围内为自车规划出至少两条轨迹;
2)获取自车周围的障碍物运动状态信息,所述障碍物运动状态信息包括障碍物未来运动状态信息,对自车沿着每条轨迹行驶的速度进行规划,以避开障碍物;
3)计算每条轨迹对应的平均速度和最大减速度,并代入至构建的轨迹评价模型中,确定每条轨迹的评价值;其中,所述轨迹评价模型体现的关系为:平均速度越大,评价值越优;最大减速度越小,评价值越优;
4)根据每条轨迹的评价值,从中挑选出较优轨迹控制自车行驶。
3.根据权利要求1所述的基于动态避障的车辆路径规划方法,其特征在于,所述轨迹包括当前轨迹和非当前轨迹时,步骤4)中,若存在非当轨迹的评价值大于K倍的当前轨迹的评价值,则从非当前轨迹中挑选出评价值最高的轨迹作为较优轨迹;若所有非当前轨迹的平均值均小于等于K倍的当前轨迹的评价值,则选择当前轨迹作为较优轨迹;其中,K为筛选系数,K>1。
4.根据权利要求1所述的基于动态避障的车辆路径规划方法,其特征在于,步骤2)中,对自车沿着每条轨迹行驶的速度进行规划的手段包括:
结合障碍物未来运动状态信息以及自车当前运动状态信息,判断自车以当前运动状态沿着每条轨迹行驶时与障碍物是否发生碰撞;
若自车沿着每条轨迹行驶时均与障碍物发生碰撞,则确定发生碰撞的时刻和位置;
根据发生碰撞的时刻和位置,对自车沿着每条轨迹行驶的速度进行规划,以避开障碍物。
5.一种基于动态避障的车辆路径规划装置,其特征在于,包括存储器和处理器,所述处理器用于执行存储在存储器中的指令以实现如权利要求1~4任一项所述的基于动态避障的车辆路径规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011487597.9A CN114637283A (zh) | 2020-12-16 | 2020-12-16 | 一种基于动态避障的车辆路径规划方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011487597.9A CN114637283A (zh) | 2020-12-16 | 2020-12-16 | 一种基于动态避障的车辆路径规划方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114637283A true CN114637283A (zh) | 2022-06-17 |
Family
ID=81945002
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011487597.9A Pending CN114637283A (zh) | 2020-12-16 | 2020-12-16 | 一种基于动态避障的车辆路径规划方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114637283A (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002148066A (ja) * | 2000-11-13 | 2002-05-22 | Toyota Motor Corp | 経路探索装置及び媒体 |
CN101633358A (zh) * | 2008-07-24 | 2010-01-27 | 通用汽车环球科技运作公司 | 具有集成驾驶风格识别的自适应车辆控制系统 |
CN102592441A (zh) * | 2012-02-22 | 2012-07-18 | 天津港(集团)有限公司 | 基于交通冲突技术的货车专用道路安全评价方法 |
JP2013143002A (ja) * | 2012-01-11 | 2013-07-22 | Luna Co Ltd | 移動体の運行管理方法及び運行状況管理システム |
CN103606271A (zh) * | 2013-11-27 | 2014-02-26 | 大连理工大学 | 一种混合动力城市公交车控制方法 |
US20170146362A1 (en) * | 2015-11-19 | 2017-05-25 | GM Global Technology Operations LLC | Method and apparatus for fuel consumption prediction and cost estimation via crowd-sensing in vehicle navigation system |
CN108647836A (zh) * | 2018-06-06 | 2018-10-12 | 哈尔滨思派科技有限公司 | 一种驾驶员节能评价方法和系统 |
CN109141459A (zh) * | 2018-09-28 | 2019-01-04 | 吉林大学 | 一种带有电耗分析预测的电动汽车导航系统及方法 |
CN109960261A (zh) * | 2019-03-22 | 2019-07-02 | 北京理工大学 | 一种基于碰撞检测的动态障碍物避让方法 |
CN110238841A (zh) * | 2019-04-29 | 2019-09-17 | 北京云迹科技有限公司 | 障碍物的避让方法及装置 |
CN110341711A (zh) * | 2019-07-06 | 2019-10-18 | 深圳数翔科技有限公司 | 一种基于码头环境的行驶轨迹生成系统及方法 |
CN111591306A (zh) * | 2020-03-30 | 2020-08-28 | 浙江吉利汽车研究院有限公司 | 自动驾驶车辆的行驶轨迹规划方法、相关设备及存储介质 |
-
2020
- 2020-12-16 CN CN202011487597.9A patent/CN114637283A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002148066A (ja) * | 2000-11-13 | 2002-05-22 | Toyota Motor Corp | 経路探索装置及び媒体 |
CN101633358A (zh) * | 2008-07-24 | 2010-01-27 | 通用汽车环球科技运作公司 | 具有集成驾驶风格识别的自适应车辆控制系统 |
JP2013143002A (ja) * | 2012-01-11 | 2013-07-22 | Luna Co Ltd | 移動体の運行管理方法及び運行状況管理システム |
CN102592441A (zh) * | 2012-02-22 | 2012-07-18 | 天津港(集团)有限公司 | 基于交通冲突技术的货车专用道路安全评价方法 |
CN103606271A (zh) * | 2013-11-27 | 2014-02-26 | 大连理工大学 | 一种混合动力城市公交车控制方法 |
US20170146362A1 (en) * | 2015-11-19 | 2017-05-25 | GM Global Technology Operations LLC | Method and apparatus for fuel consumption prediction and cost estimation via crowd-sensing in vehicle navigation system |
CN108647836A (zh) * | 2018-06-06 | 2018-10-12 | 哈尔滨思派科技有限公司 | 一种驾驶员节能评价方法和系统 |
CN109141459A (zh) * | 2018-09-28 | 2019-01-04 | 吉林大学 | 一种带有电耗分析预测的电动汽车导航系统及方法 |
CN109960261A (zh) * | 2019-03-22 | 2019-07-02 | 北京理工大学 | 一种基于碰撞检测的动态障碍物避让方法 |
CN110238841A (zh) * | 2019-04-29 | 2019-09-17 | 北京云迹科技有限公司 | 障碍物的避让方法及装置 |
CN110341711A (zh) * | 2019-07-06 | 2019-10-18 | 深圳数翔科技有限公司 | 一种基于码头环境的行驶轨迹生成系统及方法 |
CN111591306A (zh) * | 2020-03-30 | 2020-08-28 | 浙江吉利汽车研究院有限公司 | 自动驾驶车辆的行驶轨迹规划方法、相关设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
王小红;叶涛: "基于改进A*算法机器人路径规划研究", 《计算机测量与控制》, 31 July 2018 (2018-07-31) * |
范健文, 吴彤峰: "丰田PRIUS控制策略研究", 《机械制造》, 31 December 2004 (2004-12-31) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106926844B (zh) | 一种基于实时环境信息的动态自动驾驶换道轨迹规划方法 | |
CN107792065B (zh) | 道路车辆轨迹规划的方法 | |
EP4082848A1 (en) | Determination method and device for collision prediction of autonomous vehicle | |
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 | |
Lin et al. | Anti-jerk on-ramp merging using deep reinforcement learning | |
CN113932823A (zh) | 基于语义道路地图的无人驾驶多目标点轨迹并行规划方法 | |
CN107393314A (zh) | 针对燃料效率的交通信号灯控制 | |
CN110857104A (zh) | 车辆动作控制 | |
CN110782707A (zh) | 汽车变道控制方法和装置、汽车、存储介质 | |
Kim et al. | Service-oriented real-time energy-optimal regenerative braking strategy for connected and autonomous electrified vehicles | |
CN113291318B (zh) | 基于部分可观测马尔科夫模型的无人车盲区转弯规划方法 | |
Tu et al. | A potential field based lateral planning method for autonomous vehicles | |
CN115050183B (zh) | 一种生成模拟交通流的方法 | |
CN115077553A (zh) | 基于栅格搜索轨迹规划方法、系统、汽车、设备及介质 | |
Guo et al. | Toward human-like behavior generation in urban environment based on Markov decision process with hybrid potential maps | |
CN114261399B (zh) | 一种冰雪路面下智能驾驶汽车决策规划方法 | |
CN114987538A (zh) | 一种网联自动驾驶环境下考虑多目标优化的协同换道方法 | |
Aoki et al. | Multicruise: eco-lane selection strategy with eco-cruise control for connected and automated vehicles | |
Kim et al. | Energy-optimal deceleration planning system for regenerative braking of electrified vehicles with connectivity and automation | |
CN115840454B (zh) | 非结构化道路冲突区域的多车轨迹协同规划方法及装置 | |
CN114637283A (zh) | 一种基于动态避障的车辆路径规划方法及装置 | |
Bellingard et al. | Safe and Adaptive Roundabout Insertion for Autonomous Vehicle based Limit-cycle and Predicted Inter-Distance Profiles | |
CN114120685B (zh) | 一种换道控制方法及装置 | |
CN116198542A (zh) | 自动驾驶无保护左转方法及系统 | |
CN115082900A (zh) | 一种停车场场景下智能车辆行驶决策系统及方法 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Country or region after: China Address after: No. 6, Yutong Road, Guancheng Hui District, Zhengzhou, Henan 450061 Applicant after: Yutong Bus Co.,Ltd. Address before: No.1, Shibali Heyu Road, Guancheng Hui District, Zhengzhou City, Henan Province Applicant before: ZHENGZHOU YUTONG BUS Co.,Ltd. Country or region before: China |