CN115158308A - 一种智能车辆主动避障控制方法及装置、存储介质、终端 - Google Patents

一种智能车辆主动避障控制方法及装置、存储介质、终端 Download PDF

Info

Publication number
CN115158308A
CN115158308A CN202110362645.XA CN202110362645A CN115158308A CN 115158308 A CN115158308 A CN 115158308A CN 202110362645 A CN202110362645 A CN 202110362645A CN 115158308 A CN115158308 A CN 115158308A
Authority
CN
China
Prior art keywords
vehicle
obstacle
lane
risk
obstacle avoidance
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
CN202110362645.XA
Other languages
English (en)
Inventor
刘科
王建强
丁峰
黄荷叶
聂士达
许庆
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.)
Tsinghua University
Toyota Motor Corp
Original Assignee
Tsinghua University
Toyota Motor Corp
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 Tsinghua University, Toyota Motor Corp filed Critical Tsinghua University
Priority to CN202110362645.XA priority Critical patent/CN115158308A/zh
Publication of CN115158308A publication Critical patent/CN115158308A/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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
    • B60T7/00—Brake-action initiating means
    • B60T7/12—Brake-action initiating means for automatic initiation; for initiation not subject to will of driver or passenger
    • B60T7/22—Brake-action initiating means for automatic initiation; for initiation not subject to will of driver or passenger initiated by contact of vehicle, e.g. bumper, with an external object, e.g. another vehicle, or by means of contactless obstacle detectors mounted on 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
    • 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • 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
    • 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
    • B60W2552/50—Barriers
    • 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
    • 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
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/802—Longitudinal distance
    • 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
    • B60W2710/00—Output or target parameters relating to a particular sub-units
    • B60W2710/18—Braking system

Abstract

一种智能车辆主动避障控制方法及装置、存储介质、终端，所述方法包括：获取本车的状态信息以及本车周围的各交通参与者的状态信息；根据本车的状态信息以及各交通参与者的状态信息，估算各交通参与者对本车产生的风险；根据各交通参与者对本车产生的风险，判断在预设行车风险范围内当前车道的前方是否存在前方障碍物；当存在前方障碍物时，根据各交通参与者对本车产生的风险与制动避障风险阈值以及与换道避障风险阈值之间的关系，确定避障策略，并执行与所确定的避障策略对应的避障操作，制动避障风险阈值以及换道避障风险阈值均与本车以及各交通参与者的状态信息相关。上述方案能够提高车辆主动避障策略确定的高效性及提高行车安全。

Description

一种智能车辆主动避障控制方法及装置、存储介质、终端
技术领域
本发明实施例涉及车辆控制领域，尤其涉及一种智能辆避主动障控制方法及装置、存储介质、终端。
背景技术
避障是汽车主动安全系统的重要组成部分，也是自动驾驶技术中一项不可或缺的功能。目前车辆主动避障技术主要依据被控车辆与道路前方障碍物之间的纵向相对运动状态信息，判断车辆追尾碰撞的发生概率，并通过车辆直线制动操作实现主动避障。
然而，由于车辆所处道路环境、交通状况及其他外部因素具有实时变化的特性，该方法难以系统的考虑人-车-路组成的复杂交通系统中多种交通要素的实时变化及其产生的影响，从而影响车辆避障策略确定的高效性，进而可能影响行车安全。
发明内容
本发明实施例解决的技术问题是如何提高车辆避障策略确定的高效性及提高行车安全。
为解决上述技术问题，本发明实施例提供一种智能车辆主动避障控制方法，包括：获取本车的状态信息以及本车周围的各交通参与者的状态信息，所述状态信息包括位置信息及运动信息；根据本车的状态信息以及各交通参与者的状态信息，估算所述各交通参与者对本车产生的风险；根据各交通参与者对本车产生的风险，判断在预设行车风险范围内当前车道的前方是否存在前方障碍物，所述当前车道指本车当前所在的车道；当存在所述前方障碍物时，根据各交通参与者对本车产生的风险与制动避障风险阈值以及与换道避障风险阈值之间的关系，确定避障策略，并执行与所确定的避障策略对应的避障操作，其中，所述制动避障风险阈值以及所述换道避障风险阈值均与本车以及各交通参与者的状态信息相关。
可选的，所述根据本车的状态信息以及自各交通参与者的状态信息，估算所述各交通参与者对本车产生的风险，包括：根据本车的状态信息以及各交通参与者的状态信息，采用等效动力学模型估算各交通参与者对本车产生的风险。
可选的，所述采用等效力模型估算各交通参与者对本车产生的风险，包括：根据各交通参与者的速度、本车的速度以及各交通参与者与本车的相对距离，估算各交通参与者对本车产生的等效作用力，并将估算的等效作用力作为各交通参与者对本车产生的风险。
可选的，所述采用等效力模型估算各交通参与者对本车产生的风险，包括：根据风险关注范围、各交通参与者的速度、本车的速度以及各交通参与者与本车的相对距离，估算各交通参与者对本车产生的等效作用力，并将估算的等效作用力作为各交通参与者对本车产生的风险。
可选的，所述各交通参与者与本车的相对距离为，采用第一梯度调整系数对各交通参与者与本车的实际相对距离调整之后的相对距离，所述第一梯度调整系数用于调整所述行车风险范围，所述第一梯度调整系数和本车与各交通参与者的相对距离、本车的速度以及各交通参与者的速度相关。
可选的，所述各交通参与者与本车的相对距离为，采用第一梯度调整系数以及第二梯度调整系数对各交通参与者与本车的实际相对距离调整之后的相对距离，所述第二梯度调整系数用于调整所述行车风险范围，所述第二梯度调整系数与车道线宽度和/或本车的长度相关。
可选的，采用如下方式计算所述制动避障风险阈值：当所述前方障碍物的速度小于本车的速度时，计算本车以最大减速度减速制动避障，并与所述前方障碍物不发生碰撞时，本车与所述前方障碍物需保持的纵向相对距离，将需保持的最小纵向相对距离作为制动避障安全距离阈值；若本车与所述前方障碍物在纵向上的相对距离达到所述制动避障安全距离阈值时执行制动避障，根据制动开始时刻所述前方障碍物的状态信息以及本车的状态信息，计算制动开始时刻所述前方障碍物对本车产生的风险，将计算得到的风险作为所述制动避障风险阈值，其中，所述纵向指所述当前车道的延伸方向。
可选的，所述换道避障风险阈值至少包括：换道避障前车风险阈值、换道避障目标车道后车风险阈值以及换道避障目标车道前车风险阈值。
可选的，采用如下方式计算所述换道避障前车风险阈值：计算本车以最大横向加速度加速执行换道避障，并与所述前方障碍物不发生碰撞时，本车与所述前方障碍物需保持的纵向相对距离，将需保持的最小纵向相对距离作为第一换道避障安全距离阈值；若本车与所述前方障碍物在纵向上的相对距离到达到所述第一换道避障安全距离阈值时执行换道避障，根据换道开始时刻所述前方障碍物的状态信息以及本车的状态信息，计算换道开始时刻所述前方障碍物对本车产生的风险，将计算得到的风险作为所述换道避障前车风险阈值，其中，纵向指所述当前车道的延伸方向。
可选的，所述计算本车以最大横向加速度加速执行换道避障，并与所述前方障碍物不发生碰撞时，本车与所述前方障碍物需保持的纵向相对距离，包括：根据本车的横向位移、本车的质量及沿横向的最大轮胎力，计算换道过程中本车与所述前方障碍物发生碰撞的所述碰撞时刻，所述横向位移为本车与所述前方障碍物发生碰撞时本车在横向上的位移；根据换道开始时刻、本车的速度、所述前方障碍物的速度、本车的加速度、所述前方障碍物的加/减速度以及所述碰撞时刻，计算本车与所述前方障碍物需保持的纵向相对距离，其中，所述横向指与所述当前车道的延伸方向垂直的方向。
可选的，采用如下方式计算所述换道避障目标车道后车风险阈值：计算本车以最大纵向加速度执行换道避障，并与目标车道的后车不发生碰撞时，本车与所述目标车道的后车需保持的纵向相对距离，将需保持的最小纵向相对距离作为第二换道避障安全距离阈值；若本车与所述目标车道的后车在纵向上的相对距离达到所述第二换道避障安全距离执行换道避障，根据换道开始时刻本车的状态信息及所述目标车道的后车的状态信息，计算所述目标车道的后车对本车产生的风险，将计算得到的风险作为所述换道避障目标车道后车风险阈值，其中，纵向指所述当前车道的延伸方向。
可选的，所述计算本车以最大纵向加速度执行换道避障，并与目标车道的后车不发生碰撞时，本车与所述目标车道的后车需保持的纵向相对距离，包括：根据所述当前车道与目标车道的中心线之间的横向距离、本车的质量以及本车沿横向的最大轮胎力，计算换道过程的最短时间；根据换道开始时刻、本车的速度、所述目标车道的后车的速度、所述最短时间、本车的加速度以及所述目标车道的后车的加/减速度，计算本车与所述目标车道的后车需保持的纵向相对距离，其中，所述横向指与所述当前车道的延伸方向垂直的方向。
可选的，采用如下方式计算所述换道避障目标车道前车风险阈值：当所述目标车道的前车的速度大于前方障碍物的速度且小于本车的速度时，计算本车以最大纵向减速度执行换道避障，并与所述目标车道的前车不发生碰撞时，本车与所述目标车道的前车需保持的纵向相对距离，将需要保持的最小纵向相对距离作为第三换道避障安全距离阈值；若本车与所述目标车道的前车在纵向上的相对距离达到所述第三换道避障安全距离阈值时执行换道避障，根据换道开始时刻本车的状态信息及所述目标车道的前车的状态信息，计算换道避障开始时刻所述目标车道的前车对本车产生的风险，将计算得到的风险作为所述换道避障目标车道前车风险阈值，其中，纵向指所述当前车道的延伸方向。
可选的，所述计算本车以最大纵向减速度执行换道避障，并与所述目标车道的前车不发生碰撞时，本车与所述目标车道的前车需保持的纵向相对距离，包括：根据所述当前车道与目标车道的中心线之间的横向距离、本车的质量以及本车沿横向的最大轮胎力，计算换道过程的最短时间；根据换道避障开始时刻、本车的速度、所述目标车道的前车的速度、所述最短时间、本车的减速度以及所述目标车道的前车的加/减速度，计算本车与所述目标车道的前车需保持的纵向相对距离，其中，所述横向指与所述当前车道的延伸方向垂直的方向。
可选的，所述当存在所述前方障碍物时，根据各交通参与者对本车产生的风险与制动避障风险阈值以及与换道避障风险阈值之间的关系，确定避障策略，包括：判断所述前方障碍物对本车产生的风险是否大于第一临界风险阈值，所述第一临界风险阈值与所述制动避障风险阈值相关，且小于所述制动避障风险阈值；若所述前方障碍物对本车产生的风险大于所述第一临界风险阈值，根据所述前方障碍物的运动状态，判定所述前方障碍物的类型，所述前方障碍物的类型包括：静态障碍物和动态障碍物；根据所述前方障碍物的类型、各交通参与者对本车产生的风险与所述制动避障风险阈值以及与所述换道避障风险阈值之间的关系，确定避障策略。
可选的，所述根据所述前方障碍物的类型、各交通参与者对本车产生的风险与所述制动避障风险阈值以及与所述换道避障风险阈值之间的关系，确定避障策略，包括：当所述前方障碍物的类型为动态障碍物时，判断所述前方障碍物对本车产生的风险是否大于第二临界风险阈值，所述第二临界风险阈值与所述制动避障风险阈值相关，且介于所述第一临界风险阈值与所述制动避障风险阈值之间；若所述前方障碍物对本车产生的风险不大于所述第二临界风险阈值，根据本车的状态信息与所述前方障碍物的状态信息，确定减速度，并根据所确定的减速度控制本车减速后跟车巡航。
可选的，所述智能车辆主动避障控制方法，还包括：若所述前方障碍物对本车产生的风险大于所述第二临界风险阈值，判断所述前方障碍物对本车产生的风险是否大于所述制动避障风险阈值；若所述前方障碍物对本车产生的风险不大于所述制动避障风险阈值，根据本车的状态信息及所述前方障碍物的状态信息，确定减速度，并根据所确定的减速度控制本车减速直至停车。
可选的，所述智能车辆主动避障控制方法，还包括：若所述前方障碍物对本车产生的风险大于所述制动避障风险阈值，根据本车受相邻车道内的交通参与者的风险、所述前方障碍物的风险以及所述换道避障风险阈值，判断是否满足换道条件；若满足所述换道条件，执行换道避障；若不满足所述换道条件，控制本车按照最大减速度减速直至停车。
可选的，所述根据所述前方障碍物的类型、各交通参与者对本车产生的风险与所述制动避障风险阈值以及与所述换道避障风险阈值之间的关系，确定避障策略，包括：当所述前方障碍物的类型为静态障碍物时，根据本车受相邻车道内的交通参与者的风险、所述前方障碍物的风险以及所述换道避障风险阈值，判断是否满足换道条件；若满足所述换道条件，执行换道避障；若不满足所述换道条件，根据本车的状态信息及所述前方障碍物的状态信息，确定减速度，并根据所确定的减速度控制本车减速直至停车。
可选的，所述换道避障风险阈值包括：换道避障前车风险阈值、换道避障目标车道后车风险阈值以及换道避障目标车道前车风险阈值，所述换道条件包括：所述前方障碍物对本车产生的风险不大于所述换道避障前车风险阈值，且所述目标车道的后车对本车产生的风险不大于所述换道避障目标车道后车风险阈值，且所述目标车道的前车对本车产生的风险不大于所述换道避障目标车道前车风险阈值。
本发明实施例还提供一种智能车辆主动避障控制装置，包括：获取单元，用于获取本车的状态信息以及本车周围的各交通参与者的状态信息，所述状态信息包括位置信息及运动信息；估算单元，用于根据本车的状态信息以及各交通参与者的状态信息，估算所述各交通参与者对本车产生的风险；判断单元，用于根据各交通参与者对本车产生的风险，判断在预设行车风险范围内当前车道的前方是否存在前方障碍物，所述当前车道指本车当前所在的车道；避障策略确定单元，用于当存在所述前方障碍物时，根据各交通参与者对本车产生的风险与制动避障风险阈值以及与换道避障风险阈值之间的关系，确定避障策略，并执行与所确定的避障策略对应的避障操作，其中，所述制动避障风险阈值以及所述换道避障风险阈值均与本车以及各交通参与者的状态信息相关。
本发明实施例还提供一种存储介质，所述存储介质为非易失性存储介质或非瞬态存储介质，其上存储有计算机程序，所述计算机程序被处理器运行时执行上述任一智能车辆主动避障控制方法的步骤。
本发明实施例还提供一种包括存储器和处理器，所述存储器上存储有能够在所述处理器上运行的计算机程序，所述处理器运行所述计算机程序时执行上述任一智能车辆主动避障控制方法的步骤。
与现有技术相比，本发明实施例的技术方案具有以下有益效果：
根据本车的状态信息以及各交通参与者的状态信息，估算各交通参与者对本车产生的风险，并根据各交通参与者对本车产生的风险，判断在预设行车风险范围内当前车道的前方是否存在前方障碍物，当存在所述前方障碍物时，根据各交通参与者对本车产生的风险与制动避障风险阈值以及与换道避障风险阈值之间的关系，确定避障策略。而制动避障风险阈值以及所述换道避障风险阈值均与本车以及各交通参与者的状态信息相关。故基于各交通参与者对本车产生的风险与制动避障风险阈值以及与换道避障风险阈值之间的关系，确定避障策略，可以提高所制定的避障策略的准确度。因此，根据车辆的状态信息及道路环境中的交通参与者的状态信息，对道路条件及潜在的碰撞事故中的危险因素进行准确的全面量化评估，并基于风险评估结果，做出实时的主动避障行为决策，提高车辆主动避障决策的高效性，提高行车的安全性。
附图说明
图1是本发明实施例中的一种智能车辆主动避障控制方法的流程图；
图2是本发明实施例中的一种车道线对行车风险约束示意图；
图3是本发明实施例中的一种交通场景示意图；
图4是本发明实施例中的一种制动避障过程示意图；
图5是本发明实施例中的一种换道避障过程中本车与当前车道的前车的相对位置示意图；
图6是本发明实施例中的一种换道避障过程中本车与目标车道的后车之间的相对位置示意图；
图7是本发明实施例中的一种换道避障过程中本车与目标车道的前车之间的相对位置示意图；
图8是本发明实施例中的步骤S14的一种具体实施方式；
图9是本发明实施例中的步骤S143的一种具体实施方式；
图10是本发明实施例中的另一种智能车辆主动避障控制方法的流程图；
图11是本发明实施例中的一种智能车辆主动避障控制装置的结构示意图。
具体实施方式
如上所述，由于车辆所处道路环境、交通状况及其他外部因素具有实时变化的特性，该方法难以系统的考虑人-车-路组成的复杂交通系统中多种交通要素的实时变化及其产生的影响，从而影响车辆避障策略确定的高效性，进而可能影响行车安全。
为解决上述问题，在本发明实施例中，根据本车的状态信息以及各交通参与者的状态信息，估算各交通参与者对本车产生的风险，并根据各交通参与者对本车产生的风险，判断在预设行车风险范围内当前车道的前方是否存在前方障碍物，当存在所述前方障碍物时，根据各交通参与者对本车产生的风险与制动避障风险阈值以及与换道避障风险阈值之间的关系，确定避障策略。而制动避障风险阈值以及所述换道避障风险阈值均与本车以及各交通参与者的状态信息相关。故基于各交通参与者对本车产生的风险与制动避障风险阈值以及与换道避障风险阈值之间的关系，确定避障策略，可以提高所制定的避障策略的准确度以及优化程度，以得到较优的避障策略。因此，根据车辆的状态信息及道路环境中的交通参与者的状态信息，对道路条件及潜在的碰撞事故中的危险因素进行准确的全面量化评估，并基于风险评估结果，做出实时的主动避障行为决策，提高车辆主动避障决策的高效性，提高行车的安全性。
为使本发明实施例的上述目的、特征和有益效果能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。
本发明实施例提供一种智能车辆主动避障控制方法，参照图1，给出了本发明实施例中的一种智能车辆主动避障控制方法的流程图，具体可以包括如下步骤：
步骤S11，获取本车的状态信息以及本车周围的各交通参与者的状态信息。
在具体实施中，所述状态信息可以包括：位置信息和运动信息。其中，位置信息用于表征本车的位置或者各交通参与者的位置。如本车的位置信息用于表征本车的位置；各交通参与者的位置信息用于表征各交通参与者的位置。各交通参与者的位置可以为各交通参与者相对于本车的位置，也即与本车的相对位置。运动信息可以用于表征本车的运动状态以及各交通参与者的运动状态等。本车的运动信息用于表征本车的运动状态；各交通参与者的运动信息用于表征各交通参与者的运动状态。运动信息可以包括速度等。
在具体实施中，本车可以通过车载感知传感器(如车载激光雷达或摄像头等)、导航定位装置、网联通信系统设备等获取本车以及本车周围的各交通参与者的位置以及运动信息等。其中，各交通参与者可以包括：车辆、行人、石头或树木等障碍物、骑车人等。
在具体实施中，交通参与者的类型可以包括静态类型和动态类型。当交通参与者的类型为静态类型时，交通参与者的速度为零。
例如，根据车载激光雷达点云数据获取静态障碍物的状态信息，进而确定静态障碍物的位置。根据车载激光雷达点云数据获取动态障碍物的状态信息，进而确定动态障碍物与本车的相对位置、动态障碍物的速度等。
又如，根据摄像头采集的图像数据，确定静态障碍物的状态信息以及动态障碍物的状态信息等。
可以理解的是，还可以通过车载激光雷达、摄像头或者导航定位装置等中的一种或多种采集的数据相结合，来确定各交通参与者的状态信息。此处不再一一举例。
在具体实施中，以本车的坐标系为基准，标记本车周围的各交通参与者在本车的坐标系中的位置(x1i,y1i；x2i,y2i；...xji,yji)，其中(xji,yji)为其中一个交通参与者j的坐标。
步骤S12，根据本车的状态信息以及各交通参与者的状态信息，估算所述各交通参与者对本车产生的风险。
在具体实施中，可以根据本车的状态信息以及各交通参与者的状态信息，采用等效动力学模型估算各交通参与者对本车产生的风险。
在一些非限制性实施例中，根据各交通参与者的速度、本车的速度以及各交通参与者与本车的相对距离，估算各交通参与者对本车产生的风险。
在基于等效作用力模型的思想下，可以采用等效作用力模型将各交通参与者对本车产生的风险通过等效力的方式进行量化评估，也即将各交通参与者对本车产生的风险等效量化成对本车的等效作用力。
可以根据各交通参与者的速度、本车的速度以及各交通参与者与本车的相对距离，估算各交通参与者对本车产生的等效作用力，并将估算的等效作用力作为各交通参与者对本车产生的风险。
具体而言，可以根据本车的速度、各交通参与者的速度、计算各交通参与者的绝对动能以及各交通参与者与本车之间的相对动能，根据各交通参与者的绝对动能、各交通参与者与本车之间的相对动能、各交通参与者与本车的相对距离等估算各交通参与者对本车产生的等效作用力，并将估算的等效作用力作为各交通参与者对本车的风险。
进一步，可以根据各交通参与者的速度以及各交通参与者的质量，计算各交通参与者的绝对动能。可以根据本车的质量、本车的速度以及各交通参与者的速度，计算各交通参与者与本车之间的相对动能。
在一些实施例中，各交通参与者与本车的相对距离可以包括各交通参与者与本车的横向相对距离、各交通参与者与本车的纵向相对距离。
其中，在本发明实施例中，纵向指当前车道的延伸方向，横向指与当前车道的延伸方向垂直的方向。
在具体实施中，为了提高所确定的各交通参与者与本车之间的相对距离，与实际交通应用场景中各交通参与者实际对本车的风险影响的贴合程度。在本发明一些实施例中，可以采用第一梯度调整系数对各交通参与者与本车的实际相对距离进行调整，将采用第一梯度调整系数调整之后的相对距离作为各交通参与者与本车的相对距离。所述第一梯度调整系数可以用于调整行车风险范围，所述第一梯度调整系数和本车与各交通参与者的相对距离、本车的速度以及各交通参与者的速度相关。
在具体实施中，当各交通参与者与本车的相对距离包括各交通参与者与本车的横向相对距离、以及各交通参与者与本车的纵向相对距离时，第一梯度调整系数可以包括第一横向梯度调整系数和第二纵向梯度调整系数。其中，第一横向梯度调整系数用于调整各交通参与者与本车之间的横向相对距离，第一纵向梯度调整系数用于调整各交通参与者与本车之间的纵向相对距离。
在构建本车的坐标系时，可以将纵向作为x轴，以本车的前进方向为x轴正方向；以横向为y轴，以沿x轴正方向逆时针旋转90°方向后作为y轴正方向。
进一步地，可以结合行车安全场理论以及等效动力学模型估算各交通参与者对本车产生的风险。在行车安全场理论中可以考虑风险关注范围，以提高估算的交通参与者对本车产生的风险的准确度。
在一些非限制性实施例中，在估算各交通参与者对本车产生的风险时，可以考虑风险关注范围。从而可以根据风险关注范围、各交通参与者的速度、本车的速度以及各交通参与者与本车的相对距离，估算各交通参与者对本车产生的等效作用力，并将估算的等效作用力作为各交通参与者对本车产生的风险。
在一些非限制性实施例中，可以采用如下公式(1)估算交通参与者对本车产生的风险。可以采用如下公式(2)计算交通参与者与本车之间的相对动能，采用如下公式(3)计算交通参与者的绝对动能。
Figure BDA0003006195830000111
Figure BDA0003006195830000112
Figure BDA0003006195830000113
其中，(xj,i,yj,i)为交通参与者j在本车i的坐标系中的坐标；kx,0为交通视角的纵向梯度调整系数，kx,p为车辆视角的纵向梯度调整系数，ky,0为交通视角的横向梯度调整系数，ky,p为车辆视角的横向梯度调整系数；r0为驾驶人对风险的关注范围，与驾驶人的跟车距离有关；rmax为自由流车辆间距，用于表示风险最大影响范围；mi为本车i的质量；mj为交通参与者j的质量；vi为本车i的车速；vj为交通参与者j的车速；Ej,0为交通参与者j的绝对动能；Ej,i为交通参与者j与本车i之间的相对动能。
在具体实施中，第一纵横向梯度调整系数可以包括交通视角的纵向梯度调整系数kx,0及车辆视角的纵向梯度调整系数kx,p。第一横向梯度调整系数可以包括交通视角的横向梯度调整系数ky,0及车辆视角的横向梯度调整系数ky,p。其中，交通视角的纵向梯度调整系数与纵向风险传播速度、本车的位置信息、交通参与者的位置信息、本车的纵向速度分量以及目标参与者的纵向速度分量等相关。车辆视角的纵向梯度调整系数与纵向风险传播速度、本车的位置信息、交通参与者的位置信息及本车的纵向速度分量等相关。交通视角的横向梯度调整系数与横向风险传播速度、本车的位置信息、交通参与者的位置信息、本车的横向速度分量以及目标参与者的横向速度分量等相关。车辆视角的横向梯度调整系数与横向风险传播速度、本车的位置信息、交通参与者的位置信息及本车的横向速度分量等相关。
在一些实施例中，交通视角的纵向梯度调整系数kx,0、车辆视角的纵向梯度调整系数kx,p、交通视角的横向梯度调整系数ky,0及车辆视角的横向梯度调整系数ky,p可以分别采用如下公式(4)至(7)计算得到：
Figure BDA0003006195830000121
Figure BDA0003006195830000122
Figure BDA0003006195830000123
Figure BDA0003006195830000124
其中，vxmax为纵向风险传播速度；vymax为横向风险传播速度；(xi,yi)为本车位置坐标，(xj,yj)为交通参与者的位置坐标，vxi为本车的纵向速度分量，vyi为本车的横向速度分量，vxj为交通参与者的纵向速度分量，vyj为交通参与者横向速度分量。
其中，
Figure BDA0003006195830000125
Figure BDA0003006195830000126
Figure BDA0003006195830000127
Figure BDA0003006195830000131
sign0(vxi)＝1；
sign0(vyi)＝1。
在具体实施中，纵向风险传播速度和横向风险传播速度可以根据实际应用场景进行配置。例如，vxmax＝200km/h，vymax＝50km/h。可以理解的是，纵向风险传播速度和横向风险传播速度还可以存在其他取值，此处不做限定。
需要说明的是，上述公式(1)中Ej,0与Ej,i的比例配置可以为1:1，在实际应用中，Ej,0与Ej,i的比例配置还可以有其他的形式，此处不再一一举例。
在实际应用中，通常车辆在车道线所形成的车道内沿着车道的延伸方向单向行驶，车道线可以约束车辆在横向上的运动，从而约束和降低车辆对交通环境的影响。也即车道线影响各交通参与者对本车产生的风险。
为进一步提高所确定的各交通参与者对本车产生的风险与实际产生的风险的贴合程度，在另一些实施例中，将采用第一梯度调整系数以及第二梯度调整系数对各交通参与者与本车的实际相对距离调整之后的相对距离作为各交通参与者与本车的相对距离。所述第二梯度调整系数用于调整所述行车风险范围，所述第二梯度调整系数与车道宽度和/或本车的长度相关，其中车道宽度指相邻两个车道线之间的垂直距离。
在一些实施例中，在考虑到车道线对行车风险的约束的之后，如图2所示的车道线对行车风险约束示意图，交通参与者j在交通环境中产生的风险场等高线被压缩形成长短轴动态变化的椭圆，从而第二梯度调整系数与椭圆的半长轴Aj及半短轴Bj相关。其中，为半长轴Aj椭圆的两个端点A1及A2之间距离的一半，短轴Bj为椭圆的两个端点B1及B2之间距离的一半。
椭圆的半长轴Aj与自由流车辆间距rmax和/或交通参与者j的长度相关。椭圆的半短轴Bj与车道宽度lw、交通参与者j与车道中心线间的距离lcj以及交通参与者j的宽度相关，其中，车道中心线指形成车道的两个车道线中间沿着车道延伸方向的虚拟线。
例如，可以采用如下公式(8)计算椭圆的半长轴。采用如下公式(9)计算椭圆的半短轴。
Aj＝rmax+l1； (8)
Bj＝lw+l2+lcj； (9)
其中，Aj为半长轴；Bj为半短轴；rmax为自由流车辆间距；l1为交通参与者j的长度的一半；l2为交通参与者j的宽度的一半；lcj为交通参与者j与车道中心线间的距离；lw为一倍车道宽度。
需要说明的是，关于交通参与者j的长度、交通参与者j的宽度、车道宽度等可以根据本车采集的激光雷达数据、图像数据等计算得到，也可以对应的预设值。
在一些实施例中，第二梯度调整系数可以包括第二横向梯度调整系数和第二纵向梯度调整系数。
在一些非限制性实施例中，在考虑车道线对行车风险的影响之后，车道线内行驶的其中一个交通参与者(如车辆)j对外任一点(以本车i为例)所产生的风险可以采用如下公式(10)估算。
Figure BDA0003006195830000141
其中，kx,d为第二纵向梯度调整系数，ky,d为第二横向梯度调整系数，Ej,0为交通参与者j的绝对动能，Ej,i为交通参与者j与本车i之间的相对动能；r0为驾驶人对风险的关注范围；rmax为自由流车辆间距，用于表示风险最大影响范围；(xj,i,yj,i)为交通参与者j在本车i的坐标系中坐标；kx,0及kx,p均为第一纵向梯度调整系数；ky,0及ky,p均为第一横向梯度调整系数。
在具体实施中，第二横向梯度调整系数ky,d可以采用如下公式(11)计算得到：
Figure BDA0003006195830000142
第二纵向梯度调整系数kx,d可以为1。
在一些实施例中，当车辆在车道内直线行驶时，通常横向速度分量为0，此时，ky,0＝ky,p＝1。
因此，在一些实施例中，当kx,d＝1且ky,0＝ky,p＝1时，公式(10)可以简化成如下公式(12)。
Figure BDA0003006195830000151
基于上述公式(1)、(10)或者(12)可以构建行车风险实时量化评估模型，行车风险实时量化风险评估模型用于评估本车周围的交通参与者对本车产生的风险。进而可以基于车风险实时量化风险评估模型评估的各交通参与者对本车产生的风险，进行避障决策及避障控制。
参照图3给出了本发明实施例中的一种交通场景示意图，在该场景下，包括本车S、当前车道的前车F、目标车道的前车LF以及目标车道的后车LR。可以采用基于公式(1)、(10)或者(12)构建的行车风险实时量化风险评估模型评估当前车道的前车F、目标车道的前车LF以及目标车道的后车LR分别对本车产生的风险。下面以基于公式(12)构建的行车风险实时量化风险评估模型为例，进行说明。
在一些实施例中，当前车道的前车对本车产生的风险如公式(13)所示：
Figure BDA0003006195830000152
目标车道的前车对本车产生的风险如公式(14)所示：
Figure BDA0003006195830000153
目标车道的后车对本车产生的风险如公式(15)所示：
Figure BDA0003006195830000154
其中，FF_S为当前车道的前车F对本车S产生的风险；EF,0为当前车道的前车F的绝对动能；EF,S为当前车道的前车F与本车S之间的相对动能；xF为当前车道的前车F与本车S之间的纵向相对距离；yF为当前车道的前车F与本车S之间的横向相对距离；FLF_S为目标车道的前车LF对本车S产生的风险；ELF,0为目标车道的前车LF的绝对动能；ELF,S为目标车道的前车LF与本车S之间的相对动能；xLF为目标车道的前车LF与本车S之间的纵向相对距离；yLF为目标车道的前车LF与本车S之间的横向相对距离；FLR_S为目标车道的后车LR对本车S产生的风险；ELR,0为目标车道的后车LR的绝对动能；ELR,S为目标车道的后车LR与本车S之间的相对动能；xLR为当目标车道的后车LR与本车S之间的纵向相对距离；yLR为目标车道的后车LR与本车S之间的横向相对距离；kx,0及kx,p均为第一纵向梯度调整系数；ky,d为第二横向梯度调整系数；rmax为自由流车辆间距，用于表示风险最大影响范围。
步骤S13，根据各交通参与者对本车产生的风险，判断在预设行车风险范围内当前车道的前方是否存在前方障碍物。
在具体实施中，可以根据各交通参与者对本车产生的风险，判断在预设行车范围内当前车道的前方是否存在前方障碍物。
在一些实施例中，可以采用上述公式(1)、公式(10)或公式(12)计算各交通参与者对本车产生的风险，并根据计算得到的各交通参与者对本车产生的风险与第一临界风险阈值之间的关系，判断当前车道的前方是否存在前方障碍物。
若当前车道的前方的交通参与者对本车产生的风险大于零，则判定当前车道的前方存在前方障碍物。相应地，若当前车道的前方的交通参与者对本车产生的风险等于零，则判定不存在前方障碍物。
步骤S14，当存在所述前方障碍物时，根据各交通参与者对本车产生的风险与制动避障风险阈值以及与换道避障风险阈值之间的关系，确定避障策略，并执行与所确定的避障策略对应的避障操作。
在具体实施中，制动避障风险阈值与本车以及各交通参与者的状态信息相关；所述换道避障风险阈值与本车以及各交通参与者的状态信息相关。
由于根据本车的状态信息以及各交通参与者的状态信息计算制动避障风险阈值，从而当本车的状态信息以及各交通参与者的状态信息发生变化时，计算的制动避障风险阈值发生变化。
由于根据本车的状态信息以及各交通参与者的状态信息计算换道避障风险阈值，从而当本车的状态信息以及各交通参与者的状态信息发生变化时，计算的换道避障风险阈值发生变化。
由上可知，根据本车的状态信息以及各交通参与者的状态信息，估算各交通参与者对本车产生的风险，并根据各交通参与者对本车产生的风险，判断在预设行车风险范围内当前车道的前方是否存在前方障碍物，当存在所述前方障碍物时，根据各交通参与者对本车产生的风险与制动避障风险阈值以及与换道避障风险阈值之间的关系，确定避障策略。而制动避障风险阈值以及所述换道避障风险阈值均与本车以及各交通参与者的状态信息相关。故基于各交通参与者对本车产生的风险与制动避障风险阈值以及与换道避障风险阈值之间的关系，确定避障策略，可以提高所制定的避障策略的准确度以及优化程度，以得到较优的避障策略。因此，根据车辆的状态信息及道路环境中的交通参与者的状态信息，对道路条件及潜在的碰撞事故中的危险因素进行准确的全面量化评估，并基于风险评估结果，做出实时的主动避障行为决策，提高车辆主动避障决策的高效性，提高行车的安全性。
在具体实施中，当检测到前方障碍物时，若前方障碍物的速度小于本车的速度或者处于静止状态时，为避免事故发生，本车开始制动前需与前车障碍物保持足够的纵向相对距离。
计算本车以最大减速度减速制动避障，并与所述前方障碍物不发生碰撞时，本车与所述前方障碍物需保持的纵向相对距离，将需保持的最小纵向相对距离作为制动避障安全距离阈值；若本车与所述前方障碍物在纵向上的相对距离达到所述制动避障安全距离阈值时执行制动避障，根据制动开始时刻所述前方障碍物的状态信息以及本车的状态信息，计算制动开始时刻所述前方障碍物对本车产生的风险，将计算得到的风险作为所述制动避障风险阈值，其中，所述纵向指所述当前车道的延伸方向。
例如，参照图4，给出了一种制动避障过程示意图。为避免事故发生，则本车开始制动前与前方障碍物之间需要保持的足够的相对纵向距离
Figure BDA0003006195830000171
其中，
Figure BDA0003006195830000172
满足如下关系式(16)：
Figure BDA0003006195830000173
其中，
Figure BDA0003006195830000174
为本车开始制动前与前方障碍物之间的相对纵向距离；dS为制动过程中本车的行驶距离；dF为制动过程中前方障碍物的行驶距离；d0为制动结束时刻本车和前方障碍物保持的安全距离。
在具体实施中，安全距离d0可以根据需求进行配置。通常d0＝L/2，L为本车的车身长度。可以理解的是，d0还可以有其他取值，此处不再一一举例。
若制动过程的时间为tb，tb＝tdelay+tbraking+tbrake。
其中，tdelay为系统延迟时间；tbraking为从制动减速度增长到目标减速度所用时间；tbrake为按照目标减速度持续制动过程所用时间。
制动过程本车与前方障碍物的相对行驶距离为dS与dF之差，可以采用如下公式(17)计算得到：
Figure BDA0003006195830000181
其中，t0为制动开始时刻；tb为制动结束时刻；v0为制动开始时刻本车的速度；vF0为制动开始时刻前方障碍物的速度；as(t)为制动过程中本车的减速度；aF(t)为制动过程中前方障碍物的加速度或者减速度。
将本车以路面附着系数所决定的最大减速度asmax减速才能保证刚好与前方障碍物不发生碰撞时的
Figure BDA0003006195830000182
定义为制动避障安全距离阈值
Figure BDA0003006195830000183
该场景下，制动开始时刻前方障碍物对本车产生的风险定义为制动避障风险阈值(Risk Thresholdfor ObstacleAvoidanceby Braking)，记为RTB_F。根据行车风险实时量化评估模型，RTB_F与制动开始时刻本车速度v0、制动开始时刻前方障碍物的速度vF0和制动避障安全距离阈值
Figure BDA0003006195830000184
等有关。
在一些实施例中，RTB_F的计算式如公式(18)所示：
Figure BDA0003006195830000185
其中，ms为本车的质量；mF为前方障碍物的质量；v0为制动开始时刻本车的速度；vF0为制动开始时刻前方障碍物的速度；kx,0及kx,p均为第一纵向梯度调整系数；ky,p为第一横向梯度调整系数；rmax为自由流车辆间距，用于表示风险最大影响范围；yFS为前方障碍物在本车的坐标系中的纵坐标，也即与本车的横向相对距离。
需要说明的是，上述公式(18)基于公式(12)构建的行车风险实时量化评估模型得到。当行车风险实时量化评估模型基于公式(1)或者公式(10)构建时，RTB_F的实时计算式根据公式(1)或(10)适应性地变化即可。
在换道过程中，一方面既需要考虑本车避免与前方障碍物相碰(如本车与当前车道的前车追尾)，又需要考虑不与目标车道的前车发生追尾，且避免与目标车道的后车发生碰撞。也即换道过程中，需要考虑当前车道的前车对本车产生的风险、目标车道的前车对本车产生的风险以及目标车道的后车对本车产生的风险等。
为充分地、全面地考虑换道过程中各个因素的影响，在具体实施中，换道避障风险阈值可以至少包括：换道避障前车风险阈值、换道避障目标车道后车风险阈值以及换道避障目标车道前车风险阈值。
在具体实施中，采用如下方式计算所述换道避障前车风险阈值：计算本车以最大横向加速度加速执行换道避障，并与所述前方障碍物不发生碰撞时，本车与所述前方障碍物需保持的纵向相对距离，将需保持的最小纵向相对距离作为第一换道避障安全距离阈值；若本车与所述前方障碍物在纵向上的相对距离达到所述第一换道避障安全距离阈值时执行换道避障，根据换道开始时刻所述前方障碍物的状态信息以及本车的状态信息，计算换道开始时刻所述前方障碍物对本车产生的风险，将计算得到的风险作为所述换道避障前车风险阈值，其中，纵向指所述当前车道的延伸方向。
根据本车的横向位移、本车的质量及沿横向的最大轮胎力，计算换道过程中本车与所述前方障碍物发生碰撞的所述碰撞时刻，所述横向位移为本车与所述前方障碍物发生碰撞时的位移；根据换道开始时刻、本车的速度、所述前方障碍物的速度、本车的加速度、所述前方障碍物的加/减速度以及所述碰撞时刻，计算本车与所述前方障碍物需保持的纵向相对距离，其中，所述横向指与所述当前车道的延伸方向垂直的方向。
在具体实施中，参照图5给出了本发明实施例中的一种换道避障过程中本车与当前车道的前车的相对位置示意图。本车以最大横向加速度加速执行换道避障，并与所述前方障碍物不发生碰撞时，本车与所述前方障碍物需保持的纵向相对距离
Figure BDA0003006195830000191
Figure BDA0003006195830000192
需满足如下公式(19)。
Figure BDA0003006195830000201
其中，
Figure BDA0003006195830000202
将公式(20)代入至公式(19)，可以得到如下公式(21)：
Figure BDA0003006195830000203
其中，tc为换道过程中本车与前方障碍物可能发生碰撞的时刻；t'0为换道开始时刻；v'0为换道开始时刻本车的速度；vFC为换道开始时刻前方障碍物的速度；a's(t)为换道过程中本车的加速度；aFC(t)为换道过程中前方障碍物的加速度或者减速度；d0为制动完成时本车与前方障碍物需保持的安全距离；dSC为发生碰撞时刻本车的行驶距离；dLC为发生碰撞时刻前方障碍物的行驶距离。
如图5所示，在换道过程中，在换道开始时刻t'0，本车与前方障碍物相对距离为
Figure BDA0003006195830000206
假设tc为换道过程中本车与前方障碍物可能发生碰撞的时刻，本车到达碰撞点时刻的横向位移为前方障碍物的横向宽度HF。换道过程时间越短，则本车在纵向行驶距离就越小。根据轮胎侧偏特性，保证纵向滑移率和侧偏角在线性范围内沿y轴的最大轮胎力Fymax，则可以采用如下公式(22)计算换道过程最短时间：
Figure BDA0003006195830000204
其中，tf为换道过程最短时间；ms为本车的质量；HR为当前车道的中心线和目标车道的中心线之间的横向距离；Fymax为根据轮胎侧偏特性，保证纵向滑移率和侧偏角在线性范围内沿y轴的最大轮胎力。
可以采用如下公式(23)计算换道过程中本车与前方障碍物可能发生碰撞的时刻：
Figure BDA0003006195830000205
其中，tc为本车与前方障碍物可能发生碰撞的时刻；ms为本车的质量；HF为前方障碍物的横向宽度；Fymax为根据轮胎侧偏特性，保证纵向滑移率和侧偏角在线性范围内沿y轴的最大轮胎力。
将本车以轮胎侧偏特性所决定的最大横向加速度aymax进行换道才能保证刚好与前方障碍物不发生碰撞时的
Figure BDA0003006195830000211
定义为第一换道避障安全距离阈值
Figure BDA0003006195830000212
该场景下，换道开始时刻前方障碍物对本车产生的风险定义为换道避障前车风险阈值(RiskThresholdfor Obstacle AvoidancebyLane Change)，记为RTLC_F。
根据前述行车风险实时量化评估模型，RTLC_F与换道开始时刻本车的速度、前方障碍物的速度和本车与第一换道避障安全距离阈值
Figure BDA0003006195830000213
有关，可以采用如下公式(24)实时计算换道避障前车风险阈值：
Figure BDA0003006195830000214
其中，v'0为换道开始时刻本车的速度；vFC为换道开始时刻前方障碍物的速度；ms为本车的质量；mF为前方障碍物的质量；kx,0及kx,p均为第一纵向梯度调整系数；ky,p为第一横向梯度调整系数；rmax为自由流车辆间距，用于表示风险最大影响范围；yFS为前方障碍物在本车的坐标系中的纵坐标，也即与本车的横向相对距离；r0为驾驶人对风险的关注范围。
在具体实施中，采用如下方式计算所述换道避障目标车道后车风险阈值：计算本车以最大纵向加速度执行换道避障，并与目标车道的后车不发生碰撞时，本车与所述目标车道的后车需保持的纵向相对距离，将需保持的最小纵向相对距离作为第二换道避障安全距离阈值；若本车与所述目标车道的后车在纵向上的相对距离达到所述第二换道避障安全距离执行换道避障，根据换道开始时刻本车的状态信息及所述目标车道的后车的状态信息，计算所述目标车道的后车对本车产生的风险，将计算得到的风险作为所述换道避障目标车道后车风险阈值，其中，纵向指所述当前车道的延伸方向。
在一些实施例中，可以根据所述当前车道与目标车道的中心线之间的横向距离、本车的质量以及本车沿横向的最大轮胎力，计算换道过程的最短时间；根据换道开始时刻、本车的速度、所述目标车道的后车的速度、所述最短时间、本车的加速度以及所述目标车道的后车的加/减速度，计算本车与所述目标车道的后车需保持的纵向相对距离，其中，所述横向指与所述当前车道的延伸方向垂直的方向。
参照图6，给出了本发明实施例中的一种换道避障过程中本车与目标车道的后车之间的相对位置示意图。如果目标车道存在后车，且在换道开始时刻目标车道后车的速度大于本车的速度，则换道过程中目标车道的后车与本车可能产生追尾碰撞的风险。该场景下，换道过程中本车需加速以避免与后车发生碰撞风险。
换道开始时刻，目标车道的后车与本车沿车道方向的相对纵向相对距离需满足如下公式(25)才能进行换道操作。
Figure BDA0003006195830000221
其中，
Figure BDA0003006195830000222
将公式(26)代入公式(25)可得到如下公式(27)。
Figure BDA0003006195830000223
其中，
Figure BDA0003006195830000224
为本车与目标车道的后车不发生碰撞时，本车与目标车道的后车的纵向相对距离；tf为换道过程最短时间；v'0为换道开始时刻本车的速度；vLR0为换道开始时刻目标车道的后车的速度；a's(t)为换道过程中本车的加速度；aLR(t)为换道过程中目标车道的后车的加速度或减速度。d0为换道完成时本车与目标车道的后车需保持的安全距离；dS为换道完成时刻本车的行驶距离；dLR为换道完成时刻目标车道的后车的行驶距离；t'0为换道开始时刻。
具体而言，本车以最大纵向加速度axmax执行换道避障，才能避免与目标车道的后车碰撞时的纵向相对距离作为第二换道避障安全距离阈值
Figure BDA0003006195830000225
在该场景下执行换道避障，在换道开始时刻，目标车道后车对本车产生的风险为换道避障目标车道后车风险阈值，可以记为RTLC_LR。
根据前述行车风险实时量化评估模型，RTLC_LR与换道开始时刻本车的速度、目标车道的后车的速度和第二换道避障安全距离阈值
Figure BDA0003006195830000226
有关。RTLC_LR实时计算式如下式(28)：
Figure BDA0003006195830000227
其中，v'0为换道开始时刻本车的速度；vLR0为换道开始时刻目标车道的后车的速度；mLR为目标车道的后车的质量；yLRS为目标车道的后车在本车的坐标系中的纵坐标；ms为本车的质量；kx,0及kx,p均为第一纵向梯度调整系数；ky,p为第一横向梯度调整系数；rmax为自由流车辆间距，用于表示风险最大影响范围。
Figure BDA0003006195830000231
为本车与目标车道的后车的纵向相对距离；r0为驾驶人对风险的关注范围。
在具体实施中，可以采用如下方式计算所述换道避障目标车道前车风险阈值：当所述目标车道的前车的速度大于前方障碍物的速度且小于本车的速度时，计算本车以最大纵向减速度执行换道避障，并与所述目标车道的前车不发生碰撞时，本车与所述目标车道的前车需保持的纵向相对距离，将需要保持的最小纵向相对距离作为第三换道避障安全距离阈值；若本车与所述目标车道的前车在纵向上的相对距离达到所述第三换道避障安全距离阈值时执行换道避障，根据换道开始时刻本车的状态信息及所述目标车道的前车的状态信息，计算换道避障开始时刻所述目标车道的前车对本车产生的风险，将计算得到的风险作为所述换道避障目标车道前车风险阈值，其中，纵向指所述当前车道的延伸方向。
在一些实施例中，根据所述当前车道与目标车道的中心线之间的横向距离、本车的质量以及本车沿横向的最大轮胎力，计算换道过程的最短时间；根据换道避障开始时刻、本车的速度、所述目标车道的前车的速度、所述最短时间、本车的减速度以及所述目标车道的前车的加/减速度，计算本车与所述目标车道的前车需保持的纵向相对距离，其中，所述横向指与所述当前车道的延伸方向垂直的方向。
本车以最大纵向减速度asmax执行换道避障，并与所述目标车道的前车不发生碰撞时对应的最小纵向相对距离
Figure BDA0003006195830000232
定义为第三换道避障安全距离阈值。在该场景下换道，换道开始时刻目标车道后车对本车产生的风险作为换道避障目标车道前车风险阈值，记为RTLC_LF。
参照图7，给出了本发明实施例中的一种换道避障过程中本车与目标车道的前车之间的相对位置示意图。如果目标车道存在前车，且目标车道的前车的速度大于当前车道前车的速度，若在换道开始时刻目标车道的前车的速度小于本车的速度，则换道过程中本车与目标车道的前车可能产生追尾碰撞。该场景下，换道过程中本车需减速以避免与目标车道的后车发生碰撞风险。
换道开始时刻，目标车道的前车与本车沿车道方向的纵向相对距离
Figure BDA0003006195830000241
需满足如下公式(29)才能进行换道操作。
Figure BDA0003006195830000242
其中，v'0为换道开始时刻本车的速度；vLF0为换道开始时刻目标车道的前车的速度；aLF(t)为换道过程中前车的加速度或减速度；a's(t)为换道过程中本车的减速度；t'0为换道开始时刻；tf为换道过程最短时间；dS为换道完成时本车的行驶距离；dLF为换道完成时目标车道的前车的行驶距离；t'0为换道开始时刻；d0为换道完成时本车与目标车道的前车需保持的安全距离。
将本车以路面附着系数所决定的最大纵向减速度asmax减速才能刚好避免与前车发生碰撞时的
Figure BDA0003006195830000243
定义为第三换道避障安全距离阈值
Figure BDA0003006195830000244
该场景下，换道开始时刻目标车道的前车对本车产生的风险定义为换道避障目标车道前车风险阈值，记为RTLC_LF。
根据前述行车风险实时量化评估模型，RTLC_LF与换道开始时刻本车的速度、目标车道的前车的速度和第三换道避障安全距离阈值
Figure BDA0003006195830000245
有关。RTLC_LF实时计算式如公式(30)所示：
Figure BDA0003006195830000246
其中，RTLC_LF为换道避障目标车道前车风险阈值；v'0为换道开始时刻本车的速度；vLF0为换道开始时刻目标车道的前车的速度；ms为本车的质量；kx,0及kx,p均为第一纵向梯度调整系数；ky,p为第一横向梯度调整系数；rmax为自由流车辆间距，用于表示风险最大影响范围。mLF为目标车道的前车的质量；yLFS为目标车道的前车在本车的坐标系中的纵坐标；r0为驾驶人对风险的关注范围。
进一步，参照图8，给出了本发明实施例中的步骤S14的一种具体实施方式，步骤S14可以包括如下步骤：
步骤S141，判断所述前方障碍物对本车产生的风险是否大于第一临界风险阈值。
当判断结果为是时，执行步骤S142；当判断结果为否时，执行步骤S144。
在具体实施中，第一临界风险阈值与制动避障风险阈值相关，且小于制动避障风险阈值。可以配置第一临界风险系数K1，将第一临界风险系数与制动避障风险阈值的乘积作为第一临界风险阈值。其中，0＜K1＜1。
在具体实施中，第一临界风险系数用于表征不同驾驶人对行车风险的心理接受程度。对行车风险接受程度越高，也即所能接受的行车风险越大，相应地第一临界风险系数越大。相应地，对行车风险接受程度越低，也即所能接受的行车风险越小，相应地第一临界风险系数越小。第一临界风险系数的具体取值可以通过自然驾驶数据分析得到。
在一些实施例中，为进一步提高所确定的第一临界风险系数更加符合实际车辆的驾驶人的行车风险接受程度，可以通过驾驶人驾驶车辆，根据得到的驾驶数据确定第一临界风险系数。
步骤S142，根据所述前方障碍物的运动信息，判定所述前方障碍物的类型。
步骤S143，根据所述前方障碍物的类型、各交通参与者对本车产生的风险与所述制动避障风险阈值以及与所述换道避障风险阈值之间的关系，确定避障策略。
步骤S144，保持当前状态继续行驶。
进一步地，参照图9，给出了本发明实施例中的步骤S143的一种具体实施方式，步骤S143可以包括如下步骤：
步骤S1431，判断前方障碍物是否为动态障碍物。
在具体实施中，障碍物的类型包括动态障碍物和静态障碍物。可以根据障碍物的运动速度判断障碍物的类型。当障碍物的速度为0时，障碍物的静态障碍物。当障碍物的运动速度大于零时，障碍物为动态障碍物。
当判断结果为是时，也即障碍物的类型为动态障碍物，执行步骤S1432。当判断结果为否时，也即障碍物的类型为静态障碍物，执行步骤S1436。
步骤S1432，判断所述前方障碍物对本车产生的风险是否大于第二临界风险阈值。
当判断结果为否时，执行步骤S1433；当判断结果为是时，执行步骤S1434。
在具体实施中，所述第二临界风险阈值与所述制动避障风险阈值相关，且介于所述第一临界风险阈值与所述制动避障风险阈值之间。可以配置第二临界风险系数K2，将第二临界风险系数与制动避障风险阈值的乘积作为第二临界风险阈值。其中，0＜K1＜K2＜1。第二临界风险阈值用于体现不同的驾驶人的驾驶风格类型，不同驾驶风格类型的驾驶人所能接受的风险程度不同。例如，驾驶风格类型为谨慎性的驾驶员所对应的第二临界风险系数小于驾驶风格类型为激进型的驾驶员所对应的第二临界风险系数。第二临界风险系数的具体取值可以通过自然驾驶数据分析得到。
在一些实施例中，为进一步提高所确定的第二临界风险系数更加符合实际车辆的驾驶人的驾驶风格类型，可以通过驾驶人驾驶车辆，根据得到的驾驶数据确定第二临界风险系数。
步骤S1433，若所述前方障碍物对本车产生的风险不大于所述第二临界风险阈值，根据本车的状态信息与所述前方障碍物的状态信息，确定减速度，并根据所确定的减速度控制本车减速后跟车巡航。
步骤S1434，判断所述前方障碍物对本车产生的风险是否大于所述制动避障风险阈值。
当判断结果为否时，执行步骤S1435；当判断结果为是时，执行步骤S1436。
步骤S1435，若所述前方障碍物对本车产生的风险不大于所述制动避障风险阈值，根据本车的状态信息及所述前方障碍物的状态信息，确定减速度，并根据所确定的减速度控制本车减速直至停车。
步骤S1436，判断是否满足换道条件。
在具体实施中，根据本车受相邻车道内的交通参与者的风险、所述前方障碍物的风险以及所述换道避障风险阈值，判断是否满足换道条件。
在具体实施中，所述换道条件包括：所述前方障碍物对本车产生的风险不大于所述换道避障前车风险阈值，且所述目标车道的后车对本车产生的风险不大于所述换道避障目标车道后车风险阈值，且所述目标车道的前车对本车产生的风险不大于所述换道避障目标车道前车风险阈值。其中，所述换道避障风险阈值包括：换道避障前车风险阈值、换道避障目标车道后车风险阈值以及换道避障目标车道前车风险阈值。
当判断结果为是时，执行步骤S1437；当判断结果为否时，执行步骤S1438。
步骤S1437，执行换道避障。
步骤S1438，控制本车按照最大减速度减速直至停车。
为了便于本领域技术人员更好的理解和实现本发明实施例，下面通过一个非限制性实施例对本发明实施例提供的智能车辆主动避障控制方法的一种非限制实施例方式进行说明。
参照图10，给出了本发明实施例中的一种智能车辆主动避障控制方法的流程图，具体可以包括如下步骤：
步骤S101，采集本车及本车周围各交通参与者的状态信息。
步骤S102，根据本车及本车周围交通参与者的状态信息，计算交通参与者对本车产生的风险。
在具体实施中，交通参与者对本车产生的风险主要指行车风险。可以根据构建的行车风险实时量化评估模型估算各交通车参与者对本车产生的风险量化值。根据各交通车参与者对本车产生的风险量化值、制动避障风险阈值以及换道避障风险阈值，执行汽车主动避障行为决策。具体避障决策流程可以包括以下步骤S103至步骤111。
其中，交通参与者对本车产生的风险的具体计算方式可以参照前文上述实施例中的描述，此处不做赘述。
步骤S103，判断当前车道的前方的交通参与者对本车产生的风险FF_S是否满足FF_S≤K1*RTB_F。
根据本车受当前车道的前方的交通参与者产生的风险FF_S，判断当前车道前方是否存在前方障碍物。当本车受当前车道的前方的交通参与者产生的风险大于零，则判定当前车道前方存在前方障碍物。相应地，当FF_S＝0时，则表征当前车道的前方不存在障碍物。
当存在前方障碍物时，根据当前车道的前方的交通参与者产生的风险与第一风险临界阈值之间的关系，确定避障策略。其中，前方障碍物可以为前方的车辆、物体、行人、骑车人等。
当判断结果为是时，执行步骤S104；当判断结果为否时，执行步骤S105。
其中，K1为第一临界风险系数，且0＜K1＜1，RTB_F为制动避障风险阈值，K1*RTB_F为第一临界风险阈值。
步骤S104，保持当前状态继续行驶。
步骤S105，判断前方障碍物的速度vF是否满足vF＝0。
若当前车道的前方存在前方障碍物，则进一步判断前方障碍物的类型。可以根据前方障碍物的速度判断前方障碍物的类型。
当判断结果为是时，即前方障碍物的速度vF满足vF＝0，判定前方障碍物的类型为静态障碍物，执行步骤S106。
当判断结果为否时，即前方障碍物的速度vF不等于零，判定前方障碍物的类型为动态障碍物，执行步骤S108。
步骤S106，判断是否满足FF_S≤RTLC_F且FLR_S≤RTLC_LR且FLF_S≤RTLC_LF。
判断当前车道的前方障碍物对本车产生的风险FF_S是否不大于制动避障风险阈值RTB_F，也即是否满足FF_S≤RTLC_F。当目标车道的后方存在后车时，判断目标车道的后车对本车产生的风险FLR_S是否满足FLR_S≤RTLC_LR。当目标车道的前方存在前车时，判断目标车道的前车对本车产生的风险FLF_S是否满足FLF_S≤RTLC_LF，其中，RTLC_F为换道避障当前车道前车风险阈值，RTLC_LR为换道避障目标车道后车风险阈值，RTLC_LF为换道避障目标车道前车风险阈值。
当判断结果为是时，也即FF_S≤RTLC_F且FLR_S≤RTLC_LR且FLF_S≤RTLC_LF，判定满足换道条件，执行步骤S107。
当判断结果为否时，也即不满足FF_S≤RTLC_F、FLR_S≤RTLC_LR及FLF_S≤RTLC_LF中的任一个时，判定不满足换道条件，执行步骤S111。
特别地，当目标车道的后方不存在后车时，确定满足FLR_S≤RTLC_LR。当目标车道的前方不存在前车时，确定满足FLF_S≤RTLC_LF。
步骤S108，判断FF_S是否满足FF_S≤K2*RTB_F。
在将满足FF_S≤K1*RTB_F的当前车道的前方的交通参与者判定为前方障碍物，且前方障碍物的类型为动态障碍物后。进一步判断FF_S是否小于或等于第二临界风险阈值，也即是否满足FF_S≤K2*RTB_F。其中，K2为第二临界风险系数，K2*RTB_F为第二临界风险阈值，0＜K1＜K2＜1。
当判断结果为是时，也即FF_S≤K2*RTB_F，执行步骤S109。当判断结果为否时，也即FF_S＞K2*RTB_F，执行步骤S110。
步骤S109，执行减速避障。
若FF_S≤K2*RTB_F，此时，根据本车与前方障碍物之前的相对车速大小，选择合适的减速度实现跟车巡航。
进一步地，减速避障时的减速度可以根据前方障碍物的运动速度以及与本车的相对距离等状态信息，结合本车的运动速度等确定，只需满足不与前方障碍物碰撞即可。
步骤S110，判断是否满足FF_S≤RTB_F。
若FF_S＞K2*RTB_F，此时，无法通过合适的减速度进行正常制动减速实现避障，可以根据前方障碍物对本车产生的行车风险FF_S与制动避障风险阈值RTB_F之间的关系，判断是否可以通过紧急制动停车实现避障。
若FF_S≤RTB_F，此时，本车可以通过合适减速度制动至车辆停止实现避障，执行步骤S111。
若FF_S＞RTB_F，此时，本车无法通过合适减速度制动至车辆停止实现避障，执行步骤S106。
也即，当判断结果为是时，执行步骤S111。当判断结果为否时，执行步骤S106。
步骤S111，制动停车避障。
在具体实施中，当执行制动停车避障时，本车通过合适减速度制动至车辆停止，以实现避障。制动停车避障时的减速度可以根据本车的速度、前方障碍物的速度以及本车与前方障碍物的相对距离等确定。
特别的，若FF_S＝RTB_F，则本车需要以路面附着系数所决定的最大纵向减速度asmax减速直至停车。
需要说明的是，上述实施例中关于换道避障的方案，主要以目标车道的前车以及目标车道的后车等为例进行说明的，在实际交通场景中，交通参与者也可能涉及到除车辆之外的行人、骑车人、临时施工设备等障碍物，具体实现方案可以参照上述实施例中以目标车道中为车辆时的描述，此处不再一一举例。
本发明实施例提供的智能车辆主动避障控制方法，针对不同的避障场景计算制动避障风险阈值和换道避障风险阈值，制定不同避撞行为的触发规则，利用行车风险量化评估方法建立了智能汽车制动避障、换道避障以及跟车巡航等主动避障行为，为后续进行避障决策提供理论判断依据，能够实现根据不同场景下本车与周围交通参与者的状态信息得到最优的避撞决策，能够满足复杂道路交通场景下的智能汽车主动避障行为决策要求，场景适应性强。此外，本发明实施例提供的智能车辆主动避障控制方法不仅适用于单辆智能汽车，对于智能网联车辆，可以适应性扩展成多车协同避障行为决策，形成多车协同避障行为决策系统。
本发明实施例还提供一种智能车辆主动避障控制装置，参照图11，给出了本发明实施例中的一种智能车辆主动避障控制装置的结构示意图，智能车辆主动避障控制装置100可以包括：
获取单元10，用于获取本车的状态信息以及本车周围的各交通参与者的状态信息，所述状态信息包括位置信息及运动信息；
估算单元20，用于根据本车的状态信息以及各交通参与者的状态信息，估算所述各交通参与者对本车产生的风险；
判断单元30，用于根据各交通参与者对本车产生的风险，判断在预设行车风险范围内当前车道的前方是否存在前方障碍物，所述当前车道指本车当前所在的车道；
避障策略确定单元40，用于当存在所述前方障碍物时，根据各交通参与者对本车产生的风险与制动避障风险阈值以及与换道避障风险阈值之间的关系，确定避障策略，并执行与所确定的避障策略对应的避障操作，其中，所述制动避障风险阈值以及所述换道避障风险阈值均与本车以及各交通参与者的状态信息相关。
在具体实施中，智能车辆主动避障控制装置100的具体工作原理及工作流程，可以参见本发明上述任一实施例中提供的智能车辆主动避障控制方法中的描述，此处不再赘述。
本发明实施例还提供一种存储介质，所述存储介质为非易失性存储介质或非瞬态存储介质，其上存储有计算机程序，所述计算机程序被处理器运行时执行本发明上述任一实施例提供的智能车辆主动避障控制方法中的描述。
本发明实施例还提供一种终端，包括存储器和处理器，所述存储器上存储有能够在所述处理器上运行的计算机程序，所述处理器运行所述计算机程序时执行本发明上述任一实施例提供的智能车辆主动避障控制方法中的描述。
尽管上文已经描述了具体实施方案，但这些实施方案并非要限制本发明公开的范围，即使仅相对于特定特征描述单个实施方案的情况下也是如此。本发明公开中提供的特征示例意在进行例示，而非限制，除非做出不同表述。在具体实施中，可根据实际需求，在技术上可行的情况下，将一项或者多项从属权利要求的技术特征与独立权利要求的技术特征进行组合，并可通过任何适当的方式而不是仅通过权利要求书中所列举的特定组合来组合来自相应独立权利要求的技术特征。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于任一计算机可读存储介质中，存储介质可以包括：ROM、RAM、磁盘或光盘等。
虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。

Claims (23)

1.一种智能车辆主动避障控制方法，其特征在于，包括：
获取本车的状态信息以及本车周围的各交通参与者的状态信息，所述状态信息包括位置信息及运动信息；
根据本车的状态信息以及各交通参与者的状态信息，估算所述各交通参与者对本车产生的风险；
根据各交通参与者对本车产生的风险，判断在预设行车风险范围内当前车道的前方是否存在前方障碍物，所述当前车道指本车当前所在的车道；
当存在所述前方障碍物时，根据各交通参与者对本车产生的风险与制动避障风险阈值以及与换道避障风险阈值之间的关系，确定避障策略，并执行与所确定的避障策略对应的避障操作，其中，所述制动避障风险阈值以及所述换道避障风险阈值均与本车以及各交通参与者的状态信息相关。
2.如权利要求1所述的智能车辆主动避障控制方法，其特征在于，所述根据本车的状态信息以及自各交通参与者的状态信息，估算所述各交通参与者对本车产生的风险，包括：
根据本车的状态信息以及各交通参与者的状态信息，采用等效动力学模型估算各交通参与者对本车产生的风险。
3.如权利要求2所述的智能车主动辆避障控制方法，其特征在于，所述采用等效力模型估算各交通参与者对本车产生的风险，包括：
根据各交通参与者的速度、本车的速度以及各交通参与者与本车的相对距离，估算各交通参与者对本车产生的等效作用力，并将估算的等效作用力作为各交通参与者对本车产生的风险。
4.如权利要求2所述的智能车辆主动避障控制方法，其特征在于，所述采用等效力模型估算各交通参与者对本车产生的风险，包括：
根据风险关注范围、各交通参与者的速度、本车的速度以及各交通参与者与本车的相对距离，估算各交通参与者对本车产生的等效作用力，并将估算的等效作用力作为各交通参与者对本车产生的风险。
5.如权利要求3或4所述的智能车辆主动避障控制方法，其特征在于，所述各交通参与者与本车的相对距离为，采用第一梯度调整系数对各交通参与者与本车的实际相对距离调整之后的相对距离，所述第一梯度调整系数用于调整所述行车风险范围，所述第一梯度调整系数和本车与各交通参与者的相对距离、本车的速度以及各交通参与者的速度相关。
6.如权利要求5所述的智能车辆主动避障控制方法，其特征在于，所述各交通参与者与本车的相对距离为，采用第一梯度调整系数以及第二梯度调整系数对各交通参与者与本车的实际相对距离调整之后的相对距离，所述第二梯度调整系数用于调整所述行车风险范围，所述第二梯度调整系数与车道线宽度和/或本车的长度相关。
7.如权利要求1所述的智能车辆主动避障控制方法，其特征在于，采用如下方式计算所述制动避障风险阈值：
当所述前方障碍物的速度小于本车的速度时，计算本车以最大减速度减速制动避障，并与所述前方障碍物不发生碰撞时，本车与所述前方障碍物需保持的纵向相对距离，将需保持的最小纵向相对距离作为制动避障安全距离阈值；
若本车与所述前方障碍物在纵向上的相对距离达到所述制动避障安全距离阈值时执行制动避障，根据制动开始时刻所述前方障碍物的状态信息以及本车的状态信息，计算制动开始时刻所述前方障碍物对本车产生的风险，将计算得到的风险作为所述制动避障风险阈值，其中，所述纵向指所述当前车道的延伸方向。
8.如权利要求1所述的智能车辆主动避障控制方法，其特征在于，所述换道避障风险阈值至少包括：换道避障前车风险阈值、换道避障目标车道后车风险阈值以及换道避障目标车道前车风险阈值。
9.如权利要求8所述的智能车辆主动避障控制方法，其特征在于，采用如下方式计算所述换道避障前车风险阈值：
计算本车以最大横向加速度加速执行换道避障，并与所述前方障碍物不发生碰撞时，本车与所述前方障碍物需保持的纵向相对距离，将需保持的最小纵向相对距离作为第一换道避障安全距离阈值；
若本车与所述前方障碍物在纵向上的相对距离到达到所述第一换道避障安全距离阈值时执行换道避障，根据换道开始时刻所述前方障碍物的状态信息以及本车的状态信息，计算换道开始时刻所述前方障碍物对本车产生的风险，将计算得到的风险作为所述换道避障前车风险阈值，其中，纵向指所述当前车道的延伸方向。
10.如权利要求9所述的智能车辆主动避障控制方法，其特征在于，所述计算本车以最大横向加速度加速执行换道避障，并与所述前方障碍物不发生碰撞时，本车与所述前方障碍物需保持的纵向相对距离，包括：
根据本车的横向位移、本车的质量及沿横向的最大轮胎力，计算换道过程中本车与所述前方障碍物发生碰撞的所述碰撞时刻，所述横向位移为本车与所述前方障碍物发生碰撞时本车在横向上的位移；
根据换道开始时刻、本车的速度、所述前方障碍物的速度、本车的加速度、所述前方障碍物的加/减速度以及所述碰撞时刻，计算本车与所述前方障碍物需保持的纵向相对距离，其中，所述横向指与所述当前车道的延伸方向垂直的方向。
11.如权利要求8所述的智能车辆主动避障控制方法，其特征在于，采用如下方式计算所述换道避障目标车道后车风险阈值：
计算本车以最大纵向加速度执行换道避障，并与目标车道的后车不发生碰撞时，本车与所述目标车道的后车需保持的纵向相对距离，将需保持的最小纵向相对距离作为第二换道避障安全距离阈值；
若本车与所述目标车道的后车在纵向上的相对距离达到所述第二换道避障安全距离执行换道避障，根据换道开始时刻本车的状态信息及所述目标车道的后车的状态信息，计算所述目标车道的后车对本车产生的风险，将计算得到的风险作为所述换道避障目标车道后车风险阈值，其中，纵向指所述当前车道的延伸方向。
12.如权利要求11所述的智能车辆主动避障控制方法，其特征在于，所述计算本车以最大纵向加速度执行换道避障，并与目标车道的后车不发生碰撞时，本车与所述目标车道的后车需保持的纵向相对距离，包括：
根据所述当前车道与目标车道的中心线之间的横向距离、本车的质量以及本车沿横向的最大轮胎力，计算换道过程的最短时间；
根据换道开始时刻、本车的速度、所述目标车道的后车的速度、所述最短时间、本车的加速度以及所述目标车道的后车的加/减速度，计算本车与所述目标车道的后车需保持的纵向相对距离，其中，所述横向指与所述当前车道的延伸方向垂直的方向。
13.如权利要求8所述的智能车辆主动避障控制方法，其特征在于，采用如下方式计算所述换道避障目标车道前车风险阈值：
当所述目标车道的前车的速度大于前方障碍物的速度且小于本车的速度时，计算本车以最大纵向减速度执行换道避障，并与所述目标车道的前车不发生碰撞时，本车与所述目标车道的前车需保持的纵向相对距离，将需要保持的最小纵向相对距离作为第三换道避障安全距离阈值；
若本车与所述目标车道的前车在纵向上的相对距离达到所述第三换道避障安全距离阈值时执行换道避障，根据换道开始时刻本车的状态信息及所述目标车道的前车的状态信息，计算换道避障开始时刻所述目标车道的前车对本车产生的风险，将计算得到的风险作为所述换道避障目标车道前车风险阈值，其中，纵向指所述当前车道的延伸方向。
14.如权利要求13所述的智能车辆主动避障控制方法，其特征在于，所述计算本车以最大纵向减速度执行换道避障，并与所述目标车道的前车不发生碰撞时，本车与所述目标车道的前车需保持的纵向相对距离，包括：
根据所述当前车道与目标车道的中心线之间的横向距离、本车的质量以及本车沿横向的最大轮胎力，计算换道过程的最短时间；
根据换道避障开始时刻、本车的速度、所述目标车道的前车的速度、所述最短时间、本车的减速度以及所述目标车道的前车的加/减速度，计算本车与所述目标车道的前车需保持的纵向相对距离，其中，所述横向指与所述当前车道的延伸方向垂直的方向。
15.如权利要求1所述的智能车辆主动避障控制方法，其特征在于，所述当存在所述前方障碍物时，根据各交通参与者对本车产生的风险与制动避障风险阈值以及与换道避障风险阈值之间的关系，确定避障策略，包括：
判断所述前方障碍物对本车产生的风险是否大于第一临界风险阈值，所述第一临界风险阈值与所述制动避障风险阈值相关，且小于所述制动避障风险阈值；
若所述前方障碍物对本车产生的风险大于所述第一临界风险阈值，根据所述前方障碍物的运动状态，判定所述前方障碍物的类型，所述前方障碍物的类型包括：静态障碍物和动态障碍物；
根据所述前方障碍物的类型、各交通参与者对本车产生的风险与所述制动避障风险阈值以及与所述换道避障风险阈值之间的关系，确定避障策略。
16.如权利要求15所述的智能车辆主动避障控制方法，其特征在于，所述根据所述前方障碍物的类型、各交通参与者对本车产生的风险与所述制动避障风险阈值以及与所述换道避障风险阈值之间的关系，确定避障策略，包括：
当所述前方障碍物的类型为动态障碍物时，判断所述前方障碍物对本车产生的风险是否大于第二临界风险阈值，所述第二临界风险阈值与所述制动避障风险阈值相关，且介于所述第一临界风险阈值与所述制动避障风险阈值之间；
若所述前方障碍物对本车产生的风险不大于所述第二临界风险阈值，根据本车的状态信息与所述前方障碍物的状态信息，确定减速度，并根据所确定的减速度控制本车减速后跟车巡航。
17.如权利要求16所述的智能车辆主动避障控制方法，其特征在于，还包括：
若所述前方障碍物对本车产生的风险大于所述第二临界风险阈值，判断所述前方障碍物对本车产生的风险是否大于所述制动避障风险阈值；
若所述前方障碍物对本车产生的风险不大于所述制动避障风险阈值，根据本车的状态信息及所述前方障碍物的状态信息，确定减速度，并根据所确定的减速度控制本车减速直至停车。
18.如权利要求17所述的智能车辆主动避障控制方法，其特征在于，还包括：
若所述前方障碍物对本车产生的风险大于所述制动避障风险阈值，根据本车受相邻车道内的交通参与者的风险、所述前方障碍物的风险以及所述换道避障风险阈值，判断是否满足换道条件；
若满足所述换道条件，执行换道避障；
若不满足所述换道条件，控制本车按照最大减速度减速直至停车。
19.如权利要求15所述的智能车辆主动避障控制方法，其特征在于，所述根据所述前方障碍物的类型、各交通参与者对本车产生的风险与所述制动避障风险阈值以及与所述换道避障风险阈值之间的关系，确定避障策略，包括：
当所述前方障碍物的类型为静态障碍物时，根据本车受相邻车道内的交通参与者的风险、所述前方障碍物的风险以及所述换道避障风险阈值，判断是否满足换道条件；
若满足所述换道条件，执行换道避障；
若不满足所述换道条件，根据本车的状态信息及所述前方障碍物的状态信息，确定减速度，并根据所确定的减速度控制本车减速直至停车。
20.如权利要求18或19所述的智能车辆主动避障控制方法，其特征在于，所述换道避障风险阈值包括：换道避障前车风险阈值、换道避障目标车道后车风险阈值以及换道避障目标车道前车风险阈值，所述换道条件包括：所述前方障碍物对本车产生的风险不大于所述换道避障前车风险阈值，且所述目标车道的后车对本车产生的风险不大于所述换道避障目标车道后车风险阈值，且所述目标车道的前车对本车产生的风险不大于所述换道避障目标车道前车风险阈值。
21.一种智能车辆主动避障控制装置，其特征在于，包括：
获取单元，用于获取本车的状态信息以及本车周围的各交通参与者的状态信息，所述状态信息包括位置信息及运动信息；
估算单元，用于根据本车的状态信息以及各交通参与者的状态信息，估算所述各交通参与者对本车产生的风险；
判断单元，用于根据各交通参与者对本车产生的风险，判断在预设行车风险范围内当前车道的前方是否存在前方障碍物，所述当前车道指本车当前所在的车道；
避障策略确定单元，用于当存在所述前方障碍物时，根据各交通参与者对本车产生的风险与制动避障风险阈值以及与换道避障风险阈值之间的关系，确定避障策略，并执行与所确定的避障策略对应的避障操作，其中，所述制动避障风险阈值以及所述换道避障风险阈值均与本车以及各交通参与者的状态信息相关。
22.一种存储介质，所述存储介质为非易失性存储介质或非瞬态存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时执行权利要求1至20中任一项所述的智能车辆主动避障控制方法的步骤。
23.一种终端，包括存储器和处理器，所述存储器上存储有能够在所述处理器上运行的计算机程序，其特征在于，所述处理器运行所述计算机程序时执行权利要求1至20中任一项所述的智能车辆主动避障控制方法的步骤。
CN202110362645.XA 2021-04-02 2021-04-02 一种智能车辆主动避障控制方法及装置、存储介质、终端 Pending CN115158308A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110362645.XA CN115158308A (zh) 2021-04-02 2021-04-02 一种智能车辆主动避障控制方法及装置、存储介质、终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110362645.XA CN115158308A (zh) 2021-04-02 2021-04-02 一种智能车辆主动避障控制方法及装置、存储介质、终端

Publications (1)

Publication Number Publication Date
CN115158308A true CN115158308A (zh) 2022-10-11

Family

ID=83475960

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110362645.XA Pending CN115158308A (zh) 2021-04-02 2021-04-02 一种智能车辆主动避障控制方法及装置、存储介质、终端

Country Status (1)

Country Link
CN (1) CN115158308A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115782905A (zh) * 2023-01-31 2023-03-14 北京航空航天大学 一种自动驾驶车辆驾驶安全度量化系统
CN116223056A (zh) * 2022-12-14 2023-06-06 清华大学 虚拟碰撞测试方法、装置、设备、存储介质和程序产品
CN116674553A (zh) * 2023-06-27 2023-09-01 广州小鹏自动驾驶科技有限公司 变道控制方法、装置、终端设备以及存储介质
CN116691680A (zh) * 2023-05-30 2023-09-05 上海智能汽车融合创新中心有限公司 一种基于多车运动模型的变道方法和装置

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116223056A (zh) * 2022-12-14 2023-06-06 清华大学 虚拟碰撞测试方法、装置、设备、存储介质和程序产品
CN116223056B (zh) * 2022-12-14 2024-03-12 清华大学 虚拟碰撞测试方法、装置、设备、存储介质和程序产品
CN115782905A (zh) * 2023-01-31 2023-03-14 北京航空航天大学 一种自动驾驶车辆驾驶安全度量化系统
CN116691680A (zh) * 2023-05-30 2023-09-05 上海智能汽车融合创新中心有限公司 一种基于多车运动模型的变道方法和装置
CN116674553A (zh) * 2023-06-27 2023-09-01 广州小鹏自动驾驶科技有限公司 变道控制方法、装置、终端设备以及存储介质
CN116674553B (zh) * 2023-06-27 2024-04-16 广州小鹏自动驾驶科技有限公司 变道控制方法、装置、终端设备以及存储介质

Similar Documents

Publication Publication Date Title
CN115158308A (zh) 一种智能车辆主动避障控制方法及装置、存储介质、终端
CN109035862B (zh) 一种基于车车通信的多车协同换道控制方法
CN107415945B (zh) 用于评估车道换道的自动驱动系统及其使用方法
CN110155046B (zh) 自动紧急制动分级控制方法与系统
CN108032858B (zh) 基于旁车行驶路径预测的自适应巡航控制方法及系统
CN111137288B (zh) 一种网联条件下多车协同换道方法
EP2759897B1 (en) Method and arrangement for determining a trajectory
EP3741639A1 (en) Vehicle control device
JP6461042B2 (ja) 運転支援装置
JP7234103B2 (ja) 車両制御装置、および、車両制御システム
JP6315827B2 (ja) 運転支援装置
CN105263785A (zh) 车辆控制系统
CN103661399A (zh) 用于确定用于机动车的避让轨迹的方法以及安全装置或安全系统
JP2009115465A (ja) 走行軌跡生成方法及び走行軌跡生成装置
CN109835337B (zh) 转弯控制方法、装置及自动驾驶车辆
CN112389430B (zh) 一种基于偏移率的车辆换道切入车队时段的判定方法
EP3738849A1 (en) Vehicle control device
CN112046484A (zh) 一种基于q学习的车辆变道超车路径规划方法
KR20170005065A (ko) 이동 경로를 따라 차량이 주행하는 중에 차량의 가속을 수정하기 위한 시스템 및 방법
JP2021142788A (ja) 運転支援システム
JP5134448B2 (ja) 車両の運転支援装置
CN116499486A (zh) 一种复杂越野环境路径规划方法、系统及电子设备
WO2021109163A1 (zh) 用于车辆自动驾驶的数据处理方法
CN109760681A (zh) 一种换道控制方法及装置
CN115817460A (zh) 一种混合流条件下智能网联车主动协调避撞方法

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