CN114872708A - 基于模糊推理和有限状态机的换道决策方法及系统 - Google Patents

基于模糊推理和有限状态机的换道决策方法及系统 Download PDF

Info

Publication number
CN114872708A
CN114872708A CN202210552634.2A CN202210552634A CN114872708A CN 114872708 A CN114872708 A CN 114872708A CN 202210552634 A CN202210552634 A CN 202210552634A CN 114872708 A CN114872708 A CN 114872708A
Authority
CN
China
Prior art keywords
vehicle
lane
distance
speed
fuzzy
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
Application number
CN202210552634.2A
Other languages
English (en)
Inventor
王亮
苏东旭
马文峰
王子军
李成浩
赵一
路文哲
程门立雪
张建刚
孙启越
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.)
FAW Bestune Car Co Ltd
Original Assignee
FAW Bestune Car Co Ltd
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 FAW Bestune Car Co Ltd filed Critical FAW Bestune Car Co Ltd
Priority to CN202210552634.2A priority Critical patent/CN114872708A/zh
Publication of CN114872708A publication Critical patent/CN114872708A/zh
Pending legal-status Critical Current

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
    • 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
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • 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
    • 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
    • B60W2552/00—Input parameters relating to infrastructure
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

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模糊推理和有限状态机的换道决策方法及系统，换道决策方法包括：建立车辆动力学模型；建立道路试验场景；定义有限机的顶层状态；定义有限机底层状态；获取当前本车的运行状态信息以及获取本车驾驶环境中的路况、行人以及交通车辆的交通信息；在给定全局路径后，将获取的当前本车的运行状态信息和交通信息交互情况输送给有限状态机；搭建模糊控制器，基于模糊推理判断本车的驾驶意图，并做出相应的行为决策，进行联合仿真；本发明解决有限状态机对特定场景缺乏遍历深度的问题，提升场景遍历深度，提升换道决策的准确性与合理性、增强自动驾驶的安全性，合理控制车辆速度，提高行驶效率。

Description

基于模糊推理和有限状态机的换道决策方法及系统
技术领域
本发明属于智能车辆技术领域，尤其涉及一种基于模糊推理和有限状态机的换道决策方法及系统。
背景技术
在新一轮科技革命的背景下，5G、云计算、人工智能等新兴技术得到快速发展，并快速渗透到了交通领域中，促进了智能驾驶技术的发展，汽车的智能化变革已成不可逆之势。行为决策作为智能车的大脑，在判别车辆行驶状态与发送驾驶指令等方面发挥着重要的作用。决策系统的算法主要有基于规则和基于学习算法两大类，基于规则的决策代表方法为有限状态机。
有限状态机按照结构可分为串联式、并联式和混联式。基于有限状态机的决策方法具备场景遍历广度优势，但对某一特定场景缺乏遍历的深度，其状态转移条件也较为简单。
发明内容
本发明的目的在于提供一种基于模糊推理和有限状态机的换道决策方法及系统，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种基于模糊推理和有限状态机的换道决策方法，包括：
搭建行为决策及轨迹规划模型以及建立车辆动力学模型；
建立道路试验场景并进行联合仿真；
定义有限机的顶层状态为：启动、路上、预进入路口和匝道口；
定义有限机底层状态为：车道保持、左换道、右换道、加速和减速；
通过车载传感器获取当前本车的运行状态信息以及获取本车驾驶环境中的路况、行人以及交通车辆的交通信息；
在给定全局路径后，将获取的当前本车的运行状态信息和交通信息交互情况输送给有限状态机，搭建模糊控制器，基于模糊推理判断本车的驾驶意图，并做出相应的行为决策，其中，所述的行为决策包括行驶、跟随、变道和停车指令。
进一步地，还包括：
探测前方是否有交通车，与其距离大于第一阈值时，本车处于自由行驶状态，且速度逐渐增加；
探测与前方交通车的距离达到第一阈值时，本车进行车辆追踪，并实时监测本车和前方交通车的车速；
当检测到与前车距离以及与前车的速度差使模糊推理得到的换道意愿系数达到换道临界阈值，车辆开始左换道，换道过程中探测本车边界与周围交通车的距离，根据距离大小自动调整速度；
探测前方无障碍物，车辆以设定的第一速度自由行驶，且不超过最高限速；
在规划路线上，距离需驶离的匝道口预设距离时，检测到车辆不位于右侧车道，则进行右变道，而后通过匝道口驶离公路。
进一步地，还包括：
本车与交通车的速度差值和车距确保了在满足驾驶距离安全性的前提下，接近设定的期望速度；
在单向双车道公路环境中行驶时，当自车的行驶速度高于期望速度且超过前车速度时，车辆越趋向于变道；其中，速度差值系数由下式定义：
Figure BDA0003651096080000021
式中：vc为本车的速度；vdesire为期望速度；vf为前车速度；c1为速度差值调节系数，用来调节速度差对趋向于换道的影响程度。
进一步地，为确保行驶安全性，车辆需要与前面的交通车保持一定的安全距离；安全距离模型为汽车主动避障的安全距离模型，公式为：
Figure BDA0003651096080000031
车距期望值大于安全距离模型，令Df＝Dsf+10。车距期望系数由下式定义：
Figure BDA0003651096080000032
式中：Dcf为自车与前车的实际距离；c2为距离调节系数，用来调节距离对趋向于换道的影响程度。
进一步地，为确保制动安全性，车辆需要与后面的交通车保持一定的安全距离，距离公式为：
Figure BDA0003651096080000033
式中：vr0和ar分别为后车的初速度和最大加速度，ac为自车的最大加速度。
本车与后车的车距期望系数由下式定义：
Figure BDA0003651096080000034
式中：Dcr为自车与后车的实际距离。
进一步地，还将本车与前方的交通车的速度差值系数
Figure BDA0003651096080000035
和车距系数
Figure BDA0003651096080000036
输入到模糊决策模块，通过模糊化、逻辑推理和清晰化，输出换道意愿系数，即完成模糊决策推理判断出本车的换道意愿
Figure BDA0003651096080000037
进一步地，将
Figure BDA0003651096080000038
和
Figure BDA0003651096080000039
输入到模糊决策模块，输出为划分系数区间的多个语言值，隶属度函数选为三角函数；
Figure BDA0003651096080000041
越大、
Figure BDA0003651096080000042
越小、
Figure BDA0003651096080000043
越大，则换道意愿系数
Figure BDA0003651096080000044
越强，基于此共制定模糊规则；
采用Mamdani查表法进行模糊推理，通过重心法将推导出来的模糊量转化为精确量输出，最终得到换道意愿系数
Figure BDA0003651096080000045
输送给有限状态机；
当换道意愿系数达到阈值，并且左右两侧一定范围内无交通车时，进行换道决策。
进一步地，获取当前本车的运行状态信息包括：
获取当前本车的车辆航向角，为轨迹跟踪提供输入指令；
获取当前本车的车辆当前行驶速度；
获取当前本车的本车当前横摆角姿态，判断是在直线行驶还在有转弯趋势；
获取当前本车的电子稳定程序，判断本地功能是否激活并控制车辆；
获取当前本车的车道居中保持辅助功能是否开启；
获取当前本车的横向速度，判断本车是否无前车碰撞风险；
检测驾驶员是否操作了自动变道辅助开关，当车辆处于辅助驾驶模式时，驾驶员按下转向灯拨杆，且换道意愿大于阈值，变道功能通过检测周围车辆，在无碰撞风险时，自动控制车辆进行变道；
检测驾驶员操作方向盘的手力矩大小以及驾驶员手力矩方向与请求力矩方向是否相同，判断驾驶员是否主动介入，同时检测驾驶员是否脱手方向盘，以及脱手报警；
检测驾驶员操作方向盘的速度，判断驾驶员是否实施主动转向；
检测驾驶员踩下制动踏板的力度；
检测驾驶员踩下油门踏板的力度，判断车辆的加速度；
检测驾驶员是否操作了转向开关；
检测驾驶员是否操作了危险警报灯开关。
进一步地，获取驾驶环境中的路况以及交通车辆的交通信息包括：
获取驾驶环境中本车前方的车道是直路还是弯路，若为弯路并可获知弯道的半径，从而判断本车当前是否即将行驶如弯道；
获取驾驶环境中本车前方当前车道的宽度；
获取驾驶环境中本车距离两侧车道线的距离，判断本车在当前车道内的位置、本车是否压线行驶；
是否能获取到驾驶环境中本车相关侧车道边界，判断自车道是否丢失，无车道线时跟随前车轨迹；
是否获取到驾驶环境中本车前方车辆，判断前车是否丢失，以及计算与前车的速度差和距离，作为模糊推理的输入指令；
是否获取到驾驶环境中相关侧有超越车辆，判断邻近车道后方超车车辆是否丢失。
另一方面，提供了一种基于模糊推理和有限状态机的换道决策系统，包括：
获取模块，所述获取模块包括前视智能摄像头、前毫米波雷达、角雷达和车身传感器；前视智能摄像头用于实时采集前方车道相关信息、以及前方车道邻近车道车流信息，前毫米波雷达用于实时采集邻近车道前车信息，角雷达用于实时采集邻近车道超越车辆信息，车身传感器用于获取本车运行状态信息；
信息处理模块，将获取模块采集的信息进行数据融合；
模糊推理模块，将数据代入公式计算得到速度差值系数
Figure BDA0003651096080000051
和车距系数
Figure BDA0003651096080000052
输入到模糊推理模块，通过模糊化、逻辑推理和清晰化，输出换道意愿系数，即完成模糊决策推理判断出本车的换道意愿系数
Figure BDA0003651096080000053
有限状态机，用于将模糊推理模块得到的换道意愿系数
Figure BDA0003651096080000054
输入有限状态机，决策出车辆是跟车还是换道。
与现有技术相比，本发明的有益效果是：
本发明在决策车辆行为时，综合考虑了车辆运行状态(位置、速度)、驾驶员驾驶行为、道路环境与周围车的交互信息等因素。道路环境信息融合了智能摄像头和毫米波雷达的数据，不仅包含前方车道相关信息，还有后方超越车辆等车流信息，加入多目标道路环境信息。
使用层次状态机与模糊推理相结合的决策算法，设定速度差值系数和距离系数，解决有限状态机对特定场景缺乏遍历深度的问题、提升场景遍历深度，如速度差和距离都不过大或过小的情况下是否决策换道的问题。
合理设定模糊规则及隶属度函数，综合速度差和距离对换道的影响，进一步提升换道决策的准确性与合理性、增强自动驾驶的安全性，避免与邻近车道的车辆发生碰撞。在满足行驶安全性和驾驶意图的前提下，合理控制车辆速度，提高行驶效率。
附图说明
图1是本发明实施例的一种基于模糊推理和有限状态机的换道决策方法流程图；
图2是本发明实施例的层次状态机结构简图；
图3是本发明实施例的系统高速公路辅助功能原理示意图；
图4是本发明实施例的有限状态机决策流程；
图5是本发明实施例的无人驾驶汽车纵向速度随时间变化曲线；
图6是本发明实施例的无人驾驶汽车实际行驶轨迹；
图7是本发明实施例的模糊规则图；
图8是本发明实施例的一种基于模糊推理和有限状态机的换道决策系统结构连接图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，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他实施例，都属于本发明保护的范围。
在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上；术语“上”、“下”、“左”、“右”、“内”、“外”、“前端”、“后端”、“头部”、“尾部”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”等仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
本发明通过自主决策接收传感器(智能摄像头和毫米波雷达)融合信息，利用智能算法分析外部场景信息，从全局角度决策出具体的驾驶任务，从而实现融入整个交通流的无人驾驶拟态控制，本系统应用于单向双车道的规则型行为决策算法，通过将模糊推理与有限状态机相结合，提高了算法的可行性和决策结果的准确性。实现在高速公路上选择合适时机进行自动行驶、车辆追踪、换道行驶等模式的切换。
请参阅说明书附图，本发明提供一种技术方案：一种基于模糊推理和有限状态机的换道决策方法，如图1所示，包括以下步骤：
S100、搭建行为决策及轨迹规划模型以及建立车辆动力学模型；
S200、建立道路试验场景并进行联合仿真；
S300、定义有限机的顶层状态为：启动、路上、预进入路口和匝道口；
S400、定义有限机底层状态为：车道保持、左换道、右换道、加速和减速；
S500、通过车载传感器获取当前本车的运行状态信息以及获取本车驾驶环境中的路况、行人以及交通车辆的交通信息；
S600、在给定全局路径后，将获取的当前本车的运行状态信息和交通信息交互情况输送给有限状态机，搭建模糊控制器，基于模糊推理判断本车的驾驶意图，并做出相应的行为决策，其中，所述的行为决策包括行驶、跟随、变道和停车指令。
上述实施例中，行为决策及轨迹规划模型在Simulink中搭建，在Carsim中建立车辆动力学模型，建立道路试验场景，最后进行联合仿真。图4为有限状态机的决策流程，图5为本车的纵向速度随时间变化的曲线，图6为本车的实际行驶轨迹。结合图5、图6，分析本车行驶的各阶段，验证行为决策的准确性。
如图3所示，系统在行为决策时，需要综合考虑车辆运行状态、与周围车的交互状况和道路环境信息三方面的因素。通过CAN网络获取车辆运行状态以及感知的道路环境状态信息。
当汽车预进入匝道时，应减速慢行，提前变换到右侧车道。当行驶在高速路上时，前方无车情况下可以较高车速行驶，但不得超过最高限速。当前方有车且距离较近时，可以在满足安全性的前提下选择变道行驶，否则进行跟车。适当的加减速贯穿始终，如图2所示。
可选地，步骤S600还包括以下步骤：
S610、探测前方是否有交通车，与其距离大于第一阈值时，本车处于自由行驶状态，且速度逐渐增加；
S620、探测与前方交通车的距离达到第一阈值时，本车进行车辆追踪，并实时监测本车和前方交通车的车速；
S630、当检测到与前车距离以及与前车的速度差使模糊推理得到的换道意愿系数达到换道临界阈值，车辆开始左换道，换道过程中探测本车边界与周围交通车的距离，根据距离大小自动调整速度；
S640、探测前方无障碍物，车辆以设定的第一速度自由行驶，且不超过最高限速；
S650、探测前方有障碍物，车辆绕过静态障碍物，自适应调整车速，保持本车全程平稳。
S660、在规划路线上，距离需驶离的匝道口预设距离时，检测到车辆不位于右侧车道，则进行右变道，而后通过匝道口驶离公路。
上述实施例中，步骤S610通过左前角雷达和右前角雷达探测到的前方是否有交通车的信息向系统输入后决策其与前车距离较远，车辆保持车道，处于自由行驶状态，速度逐渐增加。
步骤S620中，摄像头与角雷达进行融合，感知到与前车的距离达到设定的阈值，进行车辆追踪，通过输入本车车速的参数信息实时监测车速。
步骤S630中，感知到本车与前车距离较小时输入18且速度差较大输入2，模糊控制器得到的换道意愿系数达到换道临界，并且通过输入19探测到左右两侧一定范围内无交通车，车辆开始左换道，换道过程中根据周围交通车情况及车辆运行状态输入1～6自动调整速度；其中，模糊控制器的模糊规则如图7，分别对应与前方、后方交通车的交互。
步骤S650中，车辆绕过静态障碍物，根据输入1～6自适应调整车速，保持本车全程平稳。
步骤S660中，在距离匝道口50m时，通过输入16、17感知到车辆不位于右侧车道，有限状态机切换到右变道状态，无人驾驶汽车驶离单向双车道公路。
可选地，本车与交通车的速度差值和车距确保了在满足驾驶距离安全性的前提下，接近设定的期望速度；
在单向双车道公路环境中行驶时，其速度主要由设定的期望速度和前车速度所决定，当自车的行驶速度高于期望速度且超过前车速度时，车辆越趋向于变道；其中，速度差值系数由下式定义：
Figure BDA0003651096080000101
式中：vc为本车的速度；vdesire为期望速度；vf为前车速度；c1为速度差值调节系数，用来调节速度差对趋向于换道的影响程度。
上述实施例中，本发明通过模糊控制器得到换道意愿参数，将换道意愿输入有限状态机，决策出车辆是跟车还是换道。汽车换道需要满足以下两个条件：第一、换道意愿系数达到阈值；第二、本车左右两侧空间无交通车或者有交通车但两者距离大于20m。
无人驾驶汽车(本车)与交通车的速度差值和车距确保了在满足驾驶距离安全性的前提下，接近设定的期望速度，提高车辆行驶效率。
可选地，为确保行驶安全性，车辆需要与前面的交通车保持一定的安全距离；安全距离模型为汽车主动避障的安全距离模型，公式为：
Figure BDA0003651096080000102
车距期望值大于安全距离模型，令Df＝Dsf+10。车距期望系数由下式定义：
Figure BDA0003651096080000103
式中：Dcf为自车与前车的实际距离；c2为距离调节系数，用来调节距离对趋向于换道的影响程度。
可选地，为确保制动安全性，车辆需要与后面的交通车保持一定的安全距离，距离公式为：
Figure BDA0003651096080000111
式中：vr0和ar分别为后车的初速度和最大加速度，ac为自车的最大加速度。
本车与后车的车距期望系数由下式定义：
Figure BDA0003651096080000112
式中：Dcr为自车与后车的实际距离。
可选地，车辆在多变路况和与周围障碍车交互下对应的换道意愿各不相同，基于模糊推理，将本车与前方的交通车的速度差值系数
Figure BDA0003651096080000113
和车距系数
Figure BDA0003651096080000114
输入到模糊决策模块，通过模糊化、逻辑推理和清晰化，输出换道意愿系数，即完成模糊决策推理判断出本车的换道意愿
Figure BDA0003651096080000115
可选地，将
Figure BDA0003651096080000116
和
Figure BDA0003651096080000117
输入到模糊决策模块，输出为划分系数区间的多个语言值，隶属度函数选为三角函数；
Figure BDA0003651096080000118
越大、
Figure BDA0003651096080000119
越小、
Figure BDA00036510960800001110
越大，则换道意愿
Figure BDA00036510960800001111
越强，基于此共制定模糊规则；
采用Mamdani查表法进行模糊推理，通过重心法将推导出来的模糊量转化为精确量输出，最终得到换道意愿系数
Figure BDA00036510960800001112
输送给有限状态机；
当换道意愿系数达到阈值，并且左右两侧一定范围内无交通车时，进行换道决策。
可选地，系统可以通过CAN网络实时获取当前本车的运行状态信息作为系统输入的采集信息包括：
输入1：获取当前本车的车辆航向角，为轨迹跟踪提供输入指令；
输入2：获取当前本车的车辆当前行驶速度；
输入3：获取当前本车的本车当前横摆角姿态，判断是在直线行驶还在有转弯趋势；
输入4：获取当前本车的电子稳定程序(ESP)，判断本地功能是否激活并控制车辆；
输入5：获取当前本车的车道居中保持辅助功能(LCP)是否开启；
输入6：获取当前本车的横向速度，判断本车是否无前车碰撞风险。
当人为接管驾驶系统时，设备起到辅助作用。系统实时感知驾驶员当前的驾驶行为，获取系统“输入7”到“输入13”的采集信息，也是三项子功能使能通用的输入条件；
检测当前本车驾驶员操作的运行状态信息包括：
输入7：检测驾驶员是否操作了自动变道辅助(ALC)开关，当车辆处于辅助驾驶模式时，驾驶员按下转向灯拨杆，且换道意愿大于阈值，变道功能通过检测周围车辆，在无碰撞风险时，自动控制车辆进行变道；
输入8：检测驾驶员操作方向盘的手力矩大小以及驾驶员手力矩方向与请求力矩方向是否相同，判断驾驶员是否主动介入，同时检测驾驶员是否脱手方向盘，以及脱手报警；
输入9：检测驾驶员操作方向盘的速度，判断驾驶员是否实施主动转向；
输入10：检测驾驶员踩下制动踏板的力度；
输入11：检测驾驶员踩下油门踏板的力度，判断车辆的加速度；
输入12：检测驾驶员是否操作了转向开关；
输入13：检测驾驶员是否操作了危险警报灯开关。
可选地，系统可以通过获取模块实时感知当前道路环境的状况信息，获取“输入14”到“输入19”的采集信息；
获取驾驶环境中的路况以及交通车辆的交通信息包括：
输入14：系统通过前视摄像头，获取驾驶环境中本车前方的车道是直路还是弯路，若为弯路并可获知弯道的半径，从而判断本车当前是否即将行驶如弯道；
输入15：系统通过前视摄像头，获取驾驶环境中本车前方当前车道的宽度；
输入16：系统通过前视摄像头，获取驾驶环境中本车距离两侧车道线的距离，判断本车在当前车道内的位置、本车是否压线行驶；
输入17：系统通过前视摄像头是否能获取到驾驶环境中本车相关侧车道边界，判断自车道是否丢失，无车道线时跟随前车轨迹；
输入18：系统通过右前角雷达和左前角雷达是否获取到驾驶环境中本车前方车辆，判断前车是否丢失，以及计算与前车的速度差和距离，作为模糊推理的输入指令；
输入19：系统通过右后角雷达和左后角雷达是否获取到驾驶环境中相关侧有超越车辆，判断邻近车道后方超车车辆是否丢失。
另一方面，提供了一种基于模糊推理和有限状态机的换道决策系统，包括：
感知模块，所述感知模块包括前视智能摄像头、前毫米波雷达、角雷达和车身传感器；前视智能摄像头用于实时采集前方车道相关信息、以及前方车道邻近车道车流信息，前毫米波雷达用于实时采集邻近车道前车信息，角雷达用于实时采集邻近车道超越车辆信息，车身传感器用于获取本车运行状态信息；
信息处理模块，将获取模块采集的信息进行数据融合；
模糊推理模块，将数据代入公式计算得到速度差值系数
Figure BDA0003651096080000141
和车距系数
Figure BDA0003651096080000142
输入到模糊推理模块，通过模糊化、逻辑推理和清晰化，输出换道意愿系数，即完成模糊决策推理判断出本车的换道意愿系数
Figure BDA0003651096080000143
有限状态机，用于将模糊推理模块得到的换道意愿系数
Figure BDA0003651096080000144
输入有限状态机，决策出车辆是跟车还是换道。
上述实施例中，角雷达包括右前角雷达、左前角雷达、右后角雷达和左后角雷达，系统通过融合前视智能摄像头和前毫米波雷达的数据实现前车检测辅助功能，系统通过融合前视智能摄像头和角雷达的数据实现后方超越车辆检测辅助功能；在本发明中，系统使用数据融合，提高了车辆目标识别的准确性。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (10)

1.一种基于模糊推理和有限状态机的换道决策方法，其特征在于，包括：
搭建行为决策及轨迹规划模型，建立车辆动力学模型；
建立道路试验场景并进行联合仿真；
定义有限机的顶层状态为：启动、路上、预进入路口和匝道口；
定义有限机底层状态为：车道保持、左换道、右换道、加速和减速；
通过车载传感器获取当前本车的运行状态信息以及获取本车驾驶环境中的路况、行人以及交通车辆的交通信息；
在给定全局路径后，将获取的当前本车的运行状态信息和交通信息交互情况输送给有限状态机，搭建模糊控制器，基于模糊推理判断本车的驾驶意图，并做出相应的行为决策，其中，所述的行为决策包括行驶、跟随、变道和停车指令。
2.根据权利要求1所述的一种基于模糊推理和有限状态机的换道决策方法，其特征在于，将获取的当前本车的运行状态信息和交通信息交互情况输送给有限状态机，基于模糊推理判断本车的驾驶意图，并做出相应的行为决策，包括：
探测前方是否有交通车，与其距离大于第一阈值时，本车处于自由行驶状态，且速度逐渐增加；
探测与前方交通车的距离达到第一阈值时，本车进行车辆追踪，并实时监测本车和前方交通车的车速；
当检测到与前车距离以及与前车的速度差使模糊推理得到的换道意愿系数达到换道临界阈值，车辆开始左换道，换道过程中探测本车边界与周围交通车的距离，根据距离大小自动调整速度；
探测前方无障碍物，车辆以设定的第一速度自由行驶，且不超过最高限速；
探测到前方有障碍物，车辆绕过静态障碍物，并自适应调整车速，保持本车全程平稳行驶；
在规划路线上，距离需驶离的匝道口预设距离时，检测到车辆不位于右侧车道，则进行右变道，而后通过匝道口驶离公路。
3.根据权利要求2所述的一种基于模糊推理和有限状态机的换道决策方法，其特征在于，包括：
本车与交通车的速度差值和车距确保了在满足驾驶距离安全性的前提下，接近设定的期望速度；
在单向双车道公路环境中行驶时，当自车的行驶速度高于期望速度且超过前车速度时，车辆越趋向于变道；其中，速度差值系数由下式定义：
Figure FDA0003651096070000021
式中：vc为本车的速度；vdesire为期望速度；vf为前车速度；c1为速度差值调节系数，用来调节速度差对趋向于换道的影响程度。
4.根据权利要求3所述的一种基于模糊推理和有限状态机的换道决策方法，其特征在于，包括：
为确保行驶安全性，车辆需要与前面的交通车保持一定的安全距离；安全距离模型为汽车主动避障的安全距离模型，公式为：
Figure FDA0003651096070000022
车距期望值大于安全距离模型，令Df＝Dsf+10。车距期望系数由下式定义：
Figure FDA0003651096070000023
式中：Dcf为自车与前车的实际距离；c2为距离调节系数，用来调节距离对趋向于换道的影响程度。
5.根据权利要求4所述的一种基于模糊推理和有限状态机的换道决策方法，其特征在于，包括：
为确保制动安全性，车辆需要与后面的交通车保持一定的安全距离，距离公式为：
Figure FDA0003651096070000031
式中：vr0和ar分别为后车的初速度和最大加速度，ac为自车的最大加速度。
本车与后车的车距期望系数由下式定义：
Figure FDA0003651096070000032
式中：Dcr为自车与后车的实际距离。
6.根据权利要求5所述的一种基于模糊推理和有限状态机的换道决策方法，其特征在于，将本车与前方的交通车的速度差值系数
Figure FDA0003651096070000033
和车距系数
Figure FDA0003651096070000034
输入到模糊决策模块，通过模糊化、逻辑推理和清晰化，输出换道意愿系数，即完成模糊决策推理判断出本车的换道意愿
Figure FDA0003651096070000035
7.根据权利要求6所述的一种基于模糊推理和有限状态机的换道决策方法，其特征在于，包括：
将
Figure FDA0003651096070000036
和
Figure FDA0003651096070000037
输入到模糊决策模块，输出为划分系数区间的多个语言值，隶属度函数选为三角函数；
Figure FDA0003651096070000038
越大、
Figure FDA0003651096070000039
越小、
Figure FDA00036510960700000310
越大，则换道意愿系数
Figure FDA00036510960700000311
越强，基于此共制定模糊规则；
采用Mamdani查表法进行模糊推理，通过重心法将推导出来的模糊量转化为精确量输出，最终得到换道意愿系数
Figure FDA00036510960700000312
输送给有限状态机；
当换道意愿系数达到阈值，并且左右两侧一定范围内无交通车时，进行换道决策。
8.根据权利要求1所述的一种基于模糊推理和有限状态机的换道决策方法，其特征在于，获取当前本车的运行状态信息包括：
获取当前本车的车辆航向角，为轨迹跟踪提供输入指令；
获取当前本车的车辆当前行驶速度；
获取当前本车的本车当前横摆角姿态，判断是在直线行驶还在有转弯趋势；
获取当前本车的电子稳定程序，判断本地功能是否激活并控制车辆；
获取当前本车的车道居中保持辅助功能是否开启；
获取当前本车的横向速度，判断本车是否无前车碰撞风险；
检测驾驶员是否操作了自动变道辅助开关，当车辆处于辅助驾驶模式时，驾驶员按下转向灯拨杆，且换道意愿大于阈值，变道功能通过检测周围车辆，在无碰撞风险时，自动控制车辆进行变道；
检测驾驶员操作方向盘的手力矩大小以及驾驶员手力矩方向与请求力矩方向是否相同，判断驾驶员是否主动介入，同时检测驾驶员是否脱手方向盘，以及脱手报警；
检测驾驶员操作方向盘的速度，判断驾驶员是否实施主动转向；
检测驾驶员踩下制动踏板的力度；
检测驾驶员踩下油门踏板的力度，判断车辆的加速度；
检测驾驶员是否操作了转向开关；
检测驾驶员是否操作了危险警报灯开关。
9.根据权利要求1所述的一种基于模糊推理和有限状态机的换道决策方法，其特征在于，获取驾驶环境中的路况以及交通车辆的交通信息包括：
获取驾驶环境中本车前方的车道是直路还是弯路，若为弯路并可获知弯道的半径，从而判断本车当前是否即将行驶如弯道；
获取驾驶环境中本车前方当前车道的宽度；
获取驾驶环境中本车距离两侧车道线的距离，判断本车在当前车道内的位置、本车是否压线行驶；
是否能获取到驾驶环境中本车相关侧车道边界，判断自车道是否丢失，无车道线时跟随前车轨迹；
是否获取到驾驶环境中本车前方车辆，判断前车是否丢失，以及计算与前车的速度差和距离，作为模糊推理的输入指令；
是否获取到驾驶环境中相关侧有超越车辆，判断邻近车道后方超车车辆是否丢失。
10.一种基于模糊推理和有限状态机的换道决策系统，其特征在于，包括：
感知模块，所述感知模块包括前视智能摄像头、前毫米波雷达、角雷达和车身传感器；前视智能摄像头用于实时采集前方车道相关信息、以及前方车道邻近车道车流信息，前毫米波雷达用于实时采集邻近车道前车信息，角雷达用于实时采集邻近车道超越车辆信息，车身传感器用于获取本车运行状态信息；
信息处理模块，将获取模块采集的信息进行数据融合；
模糊推理模块，将数据代入公式计算得到速度差值系数
Figure FDA0003651096070000051
和车距系数
Figure FDA0003651096070000055
输入到模糊推理模块，通过模糊化、逻辑推理和清晰化，输出换道意愿系数，即完成模糊决策推理判断出本车的换道意愿系数
Figure FDA0003651096070000056
有限状态机，用于将模糊推理模块得到的换道意愿系数
Figure FDA0003651096070000054
输入有限状态机，决策出车辆是跟车还是换道。
CN202210552634.2A 2022-05-19 2022-05-19 基于模糊推理和有限状态机的换道决策方法及系统 Pending CN114872708A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210552634.2A CN114872708A (zh) 2022-05-19 2022-05-19 基于模糊推理和有限状态机的换道决策方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210552634.2A CN114872708A (zh) 2022-05-19 2022-05-19 基于模糊推理和有限状态机的换道决策方法及系统

Publications (1)

Publication Number Publication Date
CN114872708A true CN114872708A (zh) 2022-08-09

Family

ID=82677189

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210552634.2A Pending CN114872708A (zh) 2022-05-19 2022-05-19 基于模糊推理和有限状态机的换道决策方法及系统

Country Status (1)

Country Link
CN (1) CN114872708A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115402307A (zh) * 2022-11-03 2022-11-29 天津所托瑞安汽车科技有限公司 旁车切入的预警方法、电子设备和存储介质
CN116136662A (zh) * 2023-04-20 2023-05-19 小米汽车科技有限公司 车载系统仿真平台及其测试方法、装置

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130085976A1 (en) * 2010-06-18 2013-04-04 Honda Motor Co., Ltd. System for predicting a driver's intention to change lanes
DE102012214979A1 (de) * 2012-08-23 2014-02-27 Robert Bosch Gmbh Spurwahlassistent zur Optimierung des Verkehrsflusses (Verkehrsflussassistent)
US20140195093A1 (en) * 2013-01-04 2014-07-10 Carnegie Mellon University Autonomous Driving Merge Management System
US20150235140A1 (en) * 2012-09-12 2015-08-20 Robert Bosch Gmbh Method and information system for determining a lane change which is intended or not intended by the driver when driving a vehicle
DE102015200215A1 (de) * 2015-01-09 2016-07-28 Honda Motor Co., Ltd. Driver Assist System With Cut-In Prediction
CN110304074A (zh) * 2019-06-28 2019-10-08 电子科技大学 一种基于分层状态机的混合式驾驶方法
WO2019220717A1 (ja) * 2018-05-15 2019-11-21 日立オートモティブシステムズ株式会社 車両制御装置
CN110733506A (zh) * 2019-10-17 2020-01-31 上海舵敏智能科技有限公司 无人驾驶车辆的车道变更方法及设备
CN111994076A (zh) * 2020-09-02 2020-11-27 中国第一汽车股份有限公司 自动驾驶车辆的控制方法及装置
WO2020245654A1 (en) * 2019-06-06 2020-12-10 Mobileye Vision Technologies Ltd. Systems and methods for vehicle navigation
CN113272743A (zh) * 2019-02-19 2021-08-17 奥普塔姆软件股份有限公司 使用有通道结构的动态环境进行基于规则的自动化控制
US20210347362A1 (en) * 2020-05-05 2021-11-11 Robert Bosch Gmbh Courteous trajectory planning for automated vehicles
WO2022009848A1 (ja) * 2020-07-07 2022-01-13 株式会社デンソー 自車位置推定装置、走行制御装置
WO2022016044A1 (en) * 2020-07-16 2022-01-20 Mobileye Vision Technologies Ltd. Systems and methods for dynamic road geometry modeling and navigation

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130085976A1 (en) * 2010-06-18 2013-04-04 Honda Motor Co., Ltd. System for predicting a driver's intention to change lanes
DE102012214979A1 (de) * 2012-08-23 2014-02-27 Robert Bosch Gmbh Spurwahlassistent zur Optimierung des Verkehrsflusses (Verkehrsflussassistent)
US20150235140A1 (en) * 2012-09-12 2015-08-20 Robert Bosch Gmbh Method and information system for determining a lane change which is intended or not intended by the driver when driving a vehicle
US20140195093A1 (en) * 2013-01-04 2014-07-10 Carnegie Mellon University Autonomous Driving Merge Management System
DE102015200215A1 (de) * 2015-01-09 2016-07-28 Honda Motor Co., Ltd. Driver Assist System With Cut-In Prediction
WO2019220717A1 (ja) * 2018-05-15 2019-11-21 日立オートモティブシステムズ株式会社 車両制御装置
CN113272743A (zh) * 2019-02-19 2021-08-17 奥普塔姆软件股份有限公司 使用有通道结构的动态环境进行基于规则的自动化控制
WO2020245654A1 (en) * 2019-06-06 2020-12-10 Mobileye Vision Technologies Ltd. Systems and methods for vehicle navigation
CN110304074A (zh) * 2019-06-28 2019-10-08 电子科技大学 一种基于分层状态机的混合式驾驶方法
CN110733506A (zh) * 2019-10-17 2020-01-31 上海舵敏智能科技有限公司 无人驾驶车辆的车道变更方法及设备
US20210347362A1 (en) * 2020-05-05 2021-11-11 Robert Bosch Gmbh Courteous trajectory planning for automated vehicles
WO2022009848A1 (ja) * 2020-07-07 2022-01-13 株式会社デンソー 自車位置推定装置、走行制御装置
WO2022016044A1 (en) * 2020-07-16 2022-01-20 Mobileye Vision Technologies Ltd. Systems and methods for dynamic road geometry modeling and navigation
CN111994076A (zh) * 2020-09-02 2020-11-27 中国第一汽车股份有限公司 自动驾驶车辆的控制方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
冀杰;黄岩军;李云伍;吴飞;: "基于有限状态机的车辆自动驾驶行为决策分析", 汽车技术, no. 12, 11 December 2018 (2018-12-11), pages 5 - 11 *
谭满春;: "基于Agent与模糊逻辑的车辆换道仿真模型", 系统工程学报, no. 01, 25 February 2007 (2007-02-25), pages 42 - 47 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115402307A (zh) * 2022-11-03 2022-11-29 天津所托瑞安汽车科技有限公司 旁车切入的预警方法、电子设备和存储介质
CN116136662A (zh) * 2023-04-20 2023-05-19 小米汽车科技有限公司 车载系统仿真平台及其测试方法、装置
CN116136662B (zh) * 2023-04-20 2023-08-04 小米汽车科技有限公司 车载系统仿真平台及其测试方法、装置

Similar Documents

Publication Publication Date Title
US20210188356A1 (en) Vehicle control device
US20210188258A1 (en) Vehicle control device
US11235765B2 (en) Driving control apparatus for vehicle
US7433772B2 (en) Target speed control system for a vehicle
US10890917B2 (en) Vehicle controller
US20210188262A1 (en) Vehicle control device
US7925415B2 (en) Vehicle drive assist system
US7634339B2 (en) Vehicle drive assist device
US20210009115A1 (en) Vehicle control device
EP3715204A1 (en) Vehicle control device
US20200238980A1 (en) Vehicle control device
US20200353918A1 (en) Vehicle control device
JP6929522B2 (ja) 車両制御装置
CN114872708A (zh) 基于模糊推理和有限状态机的换道决策方法及系统
EP2712780B1 (en) Method and apparatus for performing driving assistance
JP7054048B2 (ja) 車両制御装置
JP2019084842A (ja) 車両制御装置
JP2020128164A (ja) 車両の走行制御装置
JP6662316B2 (ja) 車両制御システム
JP2020104796A (ja) 運転支援システム
CN113104038A (zh) 车辆换道控制方法、装置、电子设备及可读存储介质
US11364921B2 (en) Object recognition apparatus, object recognition method, and vehicle
JP2000025631A (ja) レーンキープシステム
JP4970134B2 (ja) 車両の運転支援装置
JP2022122299A (ja) 運転支援装置

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