CN115331436B - 一种兼顾行人安全的路段自动驾驶汽车运动规划方法 - Google Patents

Abstract

本发明公开了一种兼顾行人安全的路段自动驾驶汽车运动规划方法，包括如下步骤：S1、确定路段自动驾驶汽车运动规划的约束条件和目标函数；S2、估计行人风险并将行人风险作为自动驾驶汽车运动规划的约束条件；S3、在行人风险约束下求解自动驾驶汽车运动规划。本发明提供的兼顾行人安全的路段自动驾驶汽车运动规划方法，能够允许行人和自动驾驶汽车同时运动，自动驾驶汽车不再刻意停车让行人优先通行，有效降低了自动驾驶汽车停车次数和延误。

Description

一种兼顾行人安全的路段自动驾驶汽车运动规划方法

技术领域

本发明涉及一种驾驶控制方法，尤其涉及一种兼顾行人安全的路段自动驾驶汽车运动规划方法。

背景技术

传统路段环境下，人类驾驶员通过与行人进行路权沟通灵活确定通行权，并保证行人安全。而自动驾驶环境中，车辆的运动规划方法缺乏对该沟通过程的考虑，只能简单采取让行人优先通行的运动策略，这导致自动驾驶汽车频繁停车，运行效率受到严重影响。因此，将行人纳入自动驾驶汽车运动规划过程在改善自动驾驶汽车决策能力、提升运行效率和保证行人安全方面均有重要意义。信息和通信技术的快速发展促进了道路交通管理方法的进步，车联网(V2X)能够帮助自动驾驶汽车实现协同控制。目前，基于V2V和V2I技术获取的实时交通信息，自动驾驶汽车中央控制器可以协同控制优化道路中每辆自动驾驶汽车通过冲突点的顺序和轨迹(速度曲线)，减少不必要停车次数，提高交通流运行效率和稳定性。虽然现有自动驾驶汽车运动规划方法能帮助自动驾驶汽车以最佳的次序高效通过冲突区，但这些方法均未考虑行人的干扰，在包含行人在内的复杂路段环境中，自动驾驶汽车只能让行，等待行人过街后重新对运动状态进行规划。此外，现有自动驾驶汽车运动规划方法为降低车辆延误时间，中央控制器在保证安全的前提下，尽可能地减小自动驾驶汽车间的车头间距，行人无法自主找到安全的穿越间隙完成过街。当道路中存在行人与自动驾驶汽车的冲突时，当前方法无法同时保证行人安全和自动驾驶汽车的运行效率。因此，对自动驾驶汽车运动规划方法进行重构成为了解决自动驾驶汽车效率和行人安全矛盾的关键问题。

尽管已有的自动驾驶汽车运动规划方法能够帮助中央控制器协同控制道路中所有车辆的运动状态，并确定每个时刻每辆车的最佳运行轨迹，实现交通流运行效率的提升。然而，运动规划只能利用车辆和设施的共享信息，实时协调道路中车辆的运动，无法将行人纳入自动驾驶汽车的运动规划过程中，行人和自动驾驶汽车割裂管理，容易发生行人碰撞安全事故。

已有的路段自动驾驶汽车运动规划方法使车辆处于被动状态，仅能依据车载雷达或其他检测设备的检测结果对车辆做出通行或停车的控制决策，例如，当检测器发现自动驾驶汽车存在行人或障碍物，中央控制器立即控制车辆停车或减速，保证行人安全过街。这导致在复杂的城市道路环境中，自动驾驶汽车频繁减速停车，交通流的运行效率和稳定性严重降低，且在检测条件较差情况下，会发生自动驾驶汽车撞伤行人的事故，无法从根本上保证行人安全。

为解决上述路段环境下自动驾驶汽车效率和行人安全间的矛盾，并在保证行人安全的基础上提升自动驾驶汽车运行效率和稳定性，有必要构建一种兼顾行人安全的路段自动驾驶汽车运动规划方法。

发明内容

本发明所要解决的技术问题是提供一种兼顾行人安全的路段自动驾驶汽车运动规划方法，允许行人和自动驾驶汽车同时运动，自动驾驶汽车不再刻意停车让行人优先通行，有效降低了自动驾驶汽车停车次数和延误。

本发明为解决上述技术问题而采用的技术方案是提供一种兼顾行人安全的路段自动驾驶汽车运动规划方法，包括如下步骤：S1、确定路段自动驾驶汽车运动规划的约束条件和目标函数；S2、估计行人风险并将行人风险作为自动驾驶汽车运动规划的约束条件；S3、在行人风险约束下求解自动驾驶汽车运动规划。

进一步地，所述步骤S1中的约束条件包括：S11、保证自动驾驶汽车j在t时刻的运动状态S_ij(t)，在S_ij(t)的基础上，更新其t+1时刻的运动状态S_ij(t+1)；S12、限制自动驾驶汽车在靠近区、协调控制区和冲突区的速度选择范围；S13、确保车辆在加速度范围内选择能够达到最佳表现的加速度来更新其下一时刻的运动速度；S14、控制加速度的变化率，以此保证自动驾驶汽车行驶的平稳性；S15、保证车道i∈I上的车辆j∈C_i(t)与其前车j'∈C_i(t)保持安全距离，安全距离设置为车身长度、最小间隔和制动距离之和；S16、确保车道i上的车辆j与存在冲突的人行横道w上的行人α之间保持最小安全距离，即车辆车尾和行人到冲突点之间距离和始终大于安全距离。

进一步地，所述步骤S1中的约束条件如公式(1)-公式(8)所示：

式中：Γ表示车辆运行过程的离散时间步数；t∈T＝{1,2,3……Γ-1}；C_i(t)表示车道i上的自动驾驶汽车集合I表示所有车道集合，I＝{车道1,车道2,车道3,车道4}；(x_ij(t),y_ij(t))表示车道i上的车辆j在t时刻的坐标；t_s位仿真时间步长；v_ij(t)表示车道i上的车辆j在t时刻的速度；v_max表示车辆建议最大速度；a_ij(t)表示车道i上的车辆j在t时刻的加速度；a_min和a_max分别表示建议最大加速度和最小加速度；u_ij(t)表示车道i上的车辆j在t时刻加速度的变化率；u_min和u_max分别表示加速度的最小和最大变化率；

式中：L_v表示自动驾驶汽车车身长度；d_C表示自动驾驶汽车之间最小安全距离；τ为车辆的反应时间；U_ij(t)表示在时刻t处于车道i上的车辆j前方所有车辆集合；w表示人行横道；(x_wα(t),y_wα(t))人行横道w上的行人α在t时刻的坐标；P_w(t)为人行横道上行人的集合；α为人行横道w上的行人；F_iw表示车道i车流和人行横道w行人轨迹冲突点，为F_iw坐标；r_c表示行人为了保证自身舒适和安全所需的最小空间半径。

进一步地，所述步骤S1以自动驾驶汽车的中心化控制的运动规划为目标函数：

式中：r_i表示自动驾驶汽车驶离人行横道i的位置；a₁和b₁表示多目标规划的系数，表示各部分在决策过程中所占的权重大小。

进一步地，所述步骤S2综合冲突人车间的速度差、相对于冲突点的距离差、行人所处车道、性格和等待时间对行人风险的影响，基于穿越间隙理论估计不同交通条件下的行人风险。

进一步地，所述步骤S2包括：

S21、将穿越间隙理论中的车头间距ΔT替换为速度差Δv_ijwα(t)和相对于冲突点的距离差Δd_ijwα(t)，Δv_ijwα(t)和Δd_ijwα(t)利用公示(10)计算得到：

S22、利用公式(14)和(15)计算行人来自外界环境的风险，

S23、综合外界环境和行人特征后，根据公式(18)计算得到行人总风险，

进一步地，所述步骤S3包括：

S31、判断人行横道等待区是否存在行人，若人行横道等待区不存在行人，转化为纯自动驾驶环境下的自动驾驶汽车运动规划问题，控制流程转到步骤S1；若人行横道等待区存在行人，且与自动驾驶汽车存在冲突，转到步骤S32；

S32、当道路中存在行人时，利用自动驾驶汽车的可控制性和可预测性消除行人对自动驾驶交通流的影响，添加如下行人风险约束：

式中：A表示行人安全过街的心理风险阈值；

S33、将行人风险约束公式(19)转化为凸函数，并将其与自动驾驶汽车的运动规划方法联系起来，转化后的形式为如下的公式(20)：

S34、采用混合整数二次约束规划对兼顾行人安全的自动驾驶汽车运动规划问题进行求解。

本发明对比现有技术有如下的有益效果：本发明利用自动驾驶汽车运动规划算法协调控制自动驾驶汽车的运动状态，避免自动驾驶汽车与行人发生碰撞；并将行人风险作为自动驾驶汽车运动规划方法的相关约束，使自动驾驶汽车主动为行人创造安全的过街环境；兼顾行人安全的路段自动驾驶汽车运动规划方法大大提升了行人过街的安全性，又保证了自动驾驶汽车交通流运行效率和稳定性，降低了行人对自动驾驶汽车运行的干扰，对于改善路段行人和自动驾驶汽车混合环境下自动驾驶汽车决策能力、行人安全和通行效率等方面有重大意义。

附图说明

图1为本发明兼顾行人安全的路段自动驾驶汽车运动规划流程图；

图2本发明适用场景示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的描述。

为了实现上述目的，以路段自动驾驶汽车与行人冲突时的运动规划过程为例具体说明本发明的技术方案，但是具体应用时，本发明所要保护的兼顾行人安全的路段自动驾驶汽车运动规划方法不仅限于无信号路段环境，也适用于无信号交叉口等城市环境中自动驾驶汽车的运动规划过程。请参见图1，详细包括以下步骤：

步骤1：路段自动驾驶汽车运动规划，具体流程如下：

(1)路段自动驾驶汽车运动规划的约束条件确定。为协调每个时刻道路上自动驾驶汽车的运动状态，针对图1所示的研究场景，本发明加入了t时刻自动驾驶汽车的运动学约束条件，具体如公式(1)——公式(8)：

式中：Γ表示车辆运行过程的离散时间步数；t∈T＝{1,2,3……Γ-1}；C_i(t)表示车道i上的自动驾驶汽车集合I表示所有车道集合，I＝{车道1,车道2,车道3,车道4}；(x_ij(t),y_ij(t))表示车道i上的车辆j在t时刻的坐标；t_s位仿真时间步长；v_ij(t)表示车道i上的车辆j在t时刻的速度；v_max表示车辆建议最大速度；a_ij(t)表示车道i上的车辆j在t时刻的加速度；a_min和a_max分别表示建议最大加速度和最小加速度；u_ij(t)表示车道i上的车辆j在t时刻加速度的变化率；u_min和u_max分别表示加速度的最小和最大变化率。

约束条件(1)、(2)和(3)能够保证自动驾驶汽车j在t时刻的运动状态S_ij(t)，在S_ij(t)的基础上，更新其t+1时刻的运动状态S_ij(t+1)。约束条件(4)限制了自动驾驶汽车j在靠近区、协调控制区和冲突区的速度选择范围，其建议最大运动速度为v_max。约束条件(5)确保车辆j在加速度范围内选择能够达到最佳表现的加速度来更新其下一时刻的运动速度。因为加速度的绝对值大小与车辆瞬时位移相关，除了控制加速度的取值范围之外，本发明设置了约束条件(6)，以此来控制加速度的变化率，即jerk，来避免车辆瞬时加速度波动过大，以此保证自动驾驶汽车行驶的平稳性，从而保证乘客的舒适性。

此外，约束条件(7)保证车道i∈I上的车辆j∈C_i(t)与其前车j'∈C_i(t)保持安全距离，安全距离设置为车身长度、最小间隔和制动距离之和。同样的，约束条件(8)确保车道i上的车辆j与存在冲突的人行横道w上的行人α之间保持最小安全距离，即车辆车尾和行人到冲突点之间距离和始终大于安全距离，避免存在潜在冲突的自动驾驶汽车和行人同时通过冲突区域，确保一方在到达冲突点前另一方已安全通过冲突点，此处安全距离由车辆的长度和行人保证自身舒适性去确定。

式中：L_v表示自动驾驶汽车车身长度；d_C表示自动驾驶汽车之间最小安全距离；τ为车辆的反应时间；U_ij(t)表示在时刻t处于车道i上的车辆j前方所有车辆集合；w表示人行横道；(x_wα(t),y_wα(t))人行横道w上的行人α在t时刻的坐标；P_w(t)为人行横道上行人的集合；α为人行横道w上的行人；F_iw表示车道i车流和人行横道w行人轨迹冲突点，为F_iw坐标；r_c表示行人为了保证自身舒适和安全所需的最小空间半径。

(2)路段自动驾驶汽车运动规划目标函数确定，相对于分布式控制，中心化控制可实现各自动驾驶汽车更高效地相互合作分享状态信息，约束(1)-(8)可以捕捉控制区所有自动驾驶汽车的当前状态并在交互车辆所预测轨迹的基础上预测自身未来轨迹，解决了分散控制存在的较大的复杂性和无可行解的问题，推动求解全局最优而不是局部优化。此外相比基于博弈论、最大效用理论等的最优的驾驶策略模型，中心化控制更加高效，更适合于自动驾驶汽车的控制。因此，基于约束条件(1)-(8)，本发明提出自动驾驶汽车的中心化控制的运动规划目标函数：

式中：r_i表示自动驾驶汽车驶离人行横道i的位置；a₁和b₁表示多目标规划的系数，表示各部分在决策过程中所占的权重大小，可以根据需要进行调整。

步骤2：行人风险估计

路段和交叉口连接着城市道路网，交叉口作为城市道路交通系统的节点和瓶颈点得到了广泛的关注，其管理方法也比较成熟，而城市路段因为缺乏重视，行人与车辆的相互干扰比较严重，在未来自动驾驶环境中，必将严重影响城市交通网的运行效率和稳定性。当前，研究者希望尽可能的提升自动驾驶汽车的运动规划能力，以此大幅提升未来城市交通路网的通行效率，降低自动驾驶汽车能源消耗和行程时间。然而，他们却忽视了城市路网的复杂性，城市路网中存在大量的行人，严重干扰机动车交通流的运行，自动驾驶汽车的运动规划算法被行人频繁中断，因此无法充分发挥自动驾驶技术的优势。本发明在自动驾驶汽车运动规划方法的基础上，将行人风险作为自动驾驶汽车运动规划的约束条件，在行人和自动驾驶汽车冲突区主动创造安全的过街环境，充分保证行人安全，又对自动驾驶汽车的运行效率和稳定不产生较大影响。自动驾驶汽车的优势在于可以利用车载设备实现车辆和环境信息的实时获取和共享，并通过中央控制器对所有自动驾驶汽车运动状态进行统一管理和控制。但无论是自动驾驶汽车的中央控制器还是道路控制单元，均无法与行人进行通信，更无法控制行人行为，因此难以通过人车的自组织实现交通的有序管理，无法消除自动驾驶汽车给行人带来的安全隐患。故本发明的第一个核心问题是估计人行横道等待区行人来自道路环境和自动驾驶汽车的风险，为了能够将行人风险添加到自动驾驶汽车运动规划方法中，需对行人风险估计模型的形式进行筛选，本发明基于穿越间隙理论思想设计了一种隶属于凸函数的行人风险估计方法，以此对人行横道等待区中行人风险进行估计，将结果作为自动驾驶汽车运动规划的基础约束条件。

本发明首先综合冲突人车间的速度差Δv_jα(t)、相对于冲突点的距离差Δd_jα(t)行人所处车道、性格和等待时间等对行人风险的影响。然后，基于穿越间隙理论思想，建立了不同交通条件下行人风险的估计方法，该估计方法隶属于凸函数，能够被整合进自动驾驶汽车的运动规划方法中，该估计方法的具体流程如下:

(1)行人风险Risk(t)与冲突人车间的速度差Δv_ijwα(t)和相对于冲突点的距离差Δd_ijwα(t)密切相关，因此为了更加准确的判断穿越间隙是否适合行人穿越机动车交通流，本发明将穿越间隙理论中的车头间距ΔT替换为速度差Δv_ijwα(t)和相对于冲突点的距离差Δd_ijwα(t)，Δv_ijwα(t)和Δd_ijwα(t)利用公式(10)、(11)、(12)和(13)计算得到：

式中：d_ij-w(t)和d_wα-i(t)分别为自动驾驶汽车和行人距离冲突点F_iw的距离；为F_iw坐标；Δv_ijwα(t)表示t时刻车道i上的自动驾驶汽车j与行人冲突时人行横道w上的行人α的速度差；Δd_ijwα(t)表示t时刻自动驾驶汽车j与行人α到冲突点的距离差；(x_wα(t),y_wα(t))为人行横道w上行人α的坐标；(x_ij(t),y_ij(t))为车道i上车辆j的坐标；d_ij-w(t)和d_wα-i(t)分别为自动驾驶汽车和行人距离冲突点F_iw的距离。

(2)此外，行人风险还受其他多种因素影响，例如，如图2所示，位于不同车道的车辆对行人影响不同，即使车道1上的穿越间隙足够大，行人依旧可能等待，因为行人预测将与车道2上的车辆发生冲突，此时车道2上的车辆对行人造成风险较大；行人处于道路中间位置所受感知风险也要比行人处于道路边缘所受感知风险大。为全面评估行人风险，首先利用公式(14)和(15)计算行人来自外界环境的风险，

λ₁+λ₂＝1(16)

0≤λ₁,λ₂≤1(17)

式中：Risk_ijwα(t)表示t时刻车道i上的自动驾驶汽车j与行人冲突时人行横道w上的行人α所受到的来自交通环境的风险；λ₁,λ₂,μ₁,μ₂为模型系数；y_ij(t)-y_wα(t)+1表示不同车道中车辆对行人影响不同。

(3)性格和心理特征会显著影响行人风险，例如，随等待时间增加，行人变得不耐烦，等待时间超过20秒，行人冒险行为会增加；性格保守的行人总是让自动驾驶汽车优先通过，主观放大风险。因此，行人来自外界风险被行人性格和心理特征影响，综合外界环境和行人特征后的行人总风险可以根据公式(18)计算得到，

式中：参数的值因人而异，体现行人具备保守或者激进性格，/>表示行人对风险判断理性；/>表示激进行人对风险判断乐观，其认知风险低于实际风险；/>代表保守行人高估风险，其认知风险高于实际风险。t_w来体现等待时间心理特征，当等待时间不超过20秒时，t_w＝1；等待时间超过20秒时，t_w＞1。

步骤3：行人风险约束下的自动驾驶汽车运动规划求解，具体流程如下：

(1)判断人行横道等待区是否存在行人。若人行横道等待区不存在行人，那么问题就转化为纯自动驾驶环境下的自动驾驶汽车运动规划问题，控制流程转到步骤1；若人行横道等待区存在行人，且与自动驾驶汽车存在冲突，转到下一流程(2)。

(2)自动驾驶汽车运动规划方法添加行人风险约束。当道路中存在行人时，为给行人创造安全的过街环境，并最大程度的降低对交通流效率和稳定性的影响，为步骤(1)自动驾驶汽车运动规划方法添加关于行人风险的约束条件，使行人风险始终处于安全范围，即利用自动驾驶汽车的可控制性和可预测性消除行人对自动驾驶交通流的影响，添加如下行人风险约束：

式中：A表示行人安全过街的心理风险阈值。

(3)行人风险约束转化。行人风险约束(19)是非凸的，为将其与自动驾驶汽车的运动规划方法联系起来，将其改写成公式(20)形式：

(4)兼顾行人安全的自动驾驶汽车运动规划问题求解，该问题属于混合整数二次约束规划求解问题(Mixed-integer Quadratic Constrain Programming(MIQCP))：

目标函数：(9)

约束条件:(1)—(8)，(10)—(13)，(16)—(17)，(20)。

综上所述，本发明提供了兼顾行人安全的路段自动驾驶汽车运动规划方法，解决了由于自动驾驶汽车运动规划忽视行人导致的自动驾驶环境下行人安全和运行效率严重降低的问题。其一是基于穿越间隙模型构建了行人风险的估计方法；其二是基于行人风险的估计结果和自动驾驶汽车运动规划方法建立了兼顾行人安全的路段自动驾驶汽车运动规划方法，该方法解决了自动驾驶运动规划过程与行人管理过程不统一的问题。具有如下优点：

(1)设计了路段行人过街的风险估计方法，利用穿越间隙理论基本思想，将冲突人车间的速度差Δv_jα(t)和相对于冲突点的距离差Δd_jα(t)作为行人风险估计模型的两个变量，考虑行人心理和等待时间对行人风险的影响，建立了行人过街时的风险估计模型，并将行人风险作为自动驾驶汽车运动规划方法的相关约束条件，构建了属于混合整数二次约束规划的路段自动驾驶汽车运动规划方法。

(2)构建了一种兼顾行人安全的路段自动驾驶汽车运动规划方法，该算法不仅能够通过协同控制自动驾驶汽车为行人主动创造安全的过街环境，以此提升行人安全；而且能对自动驾驶汽车的运动状态进行动态控制以提高自动驾驶汽车运行效率；该方法不仅解决了路段环境中面对行人时自动驾驶汽车的运动决策难的问题，同时提升了路段自动驾驶汽车运行的效率和稳定性。

虽然本发明已以较佳实施例揭示如上，然其并非用以限定本发明，任何本领域技术人员，在不脱离本发明的精神和范围内，当可作些许的修改和完善，因此本发明的保护范围当以权利要求书所界定的为准。

Claims (6)

1.一种兼顾行人安全的路段自动驾驶汽车运动规划方法，其特征在于，包括如下步骤：

S1、确定路段自动驾驶汽车运动规划的约束条件和目标函数；

S2、估计行人风险并将行人风险作为自动驾驶汽车运动规划的约束条件；

S3、在行人风险约束下求解自动驾驶汽车运动规划；

所述步骤S1中的约束条件包括：

S11、保证自动驾驶汽车j在t时刻的运动状态S_jj(t)，并在S_ij(t)的基础上更新其t+1时刻的运动状态S_ij(t+1)；

S12、限制自动驾驶汽车在靠近区、协调控制区和冲突区的速度选择范围；

S13、确保车辆在加速度范围内选择合适的加速度来更新其下一时刻的运动速度；

S14、控制加速度的变化率，以此保证自动驾驶汽车行驶的平稳性；

S15、保证车道i∈I上的车辆j∈C_i(t)与其前车j′∈C_i(t)保持安全距离，安全距离设置为车身长度、最小间隔和制动距离之和；

S16、确保车道i上的车辆j与存在冲突的人行横道w上的行人α之间保持最小安全距离，即车辆车尾和行人到冲突点之间距离和始终大于安全距离。

2.如权利要求1所述的兼顾行人安全的路段自动驾驶汽车运动规划方法，其特征在于，所述步骤S1中的约束条件如公式(1)-公式(8)所示：

0≤v_ij(t)≤vi_max (4)

式中：Γ表示车辆运行过程的离散时间步数；t∈T＝{1,2,3……Γ-1}；C_i(t)表示车道i上的自动驾驶汽车集合I表示所有车道集合，I＝{车道1,车道2,车道3,车道4}；(x_ij(t),y_ij(t))表示车道i上的车辆j在t时刻的坐标；t_s位仿真时间步长；v_ij(t)表示车道i上的车辆j在t时刻的速度；v_max表示车辆建议最大速度；a_ij(t)表示车道i上的车辆j在t时刻的加速度；a_min和a_max分别表示建议最大加速度和最小加速度；u_ij(t)表示车道i上的车辆j在t时刻加速度的变化率；u_min和u_max分别表示加速度的最小和最大变化率；

式中：L_v表示自动驾驶汽车车身长度；d_C表示自动驾驶汽车之间最小安全距离；τ为车辆的反应时间；U_ij(t)表示在时刻t处于车道i上的车辆j前方所有车辆集合；w表示人行横道；(x_wα(t),y_wα(t))人行横道w上的行人α在t时刻的坐标；P_w(t)为人行横道上行人的集合；α为人行横道w上的行人；F_iw表示车道i车流和人行横道w行人轨迹冲突点，为F_iw坐标；r_c表示行人为了保证自身舒适和安全所需的最小空间半径。

3.如权利要求1所述的兼顾行人安全的路段自动驾驶汽车运动规划方法，其特征在于，所述步骤S1以自动驾驶汽车的中心化控制的运动规划为目标函数：

式中：r_i表示自动驾驶汽车驶离人行横道i的位置；a₁和b₁表示多目标规划的系数，表示各部分在决策过程中所占的权重大小；Γ表示车辆运行过程的离散时间步数；t∈T＝{1,2,3……Γ-1}；C_i(t)表示车道i上的自动驾驶汽车集合I表示所有车道集合，I＝{车道1,车道2,车道3,车道4}，x_ij(t+1)表示车道i上的车辆j在t+1时刻的坐标；v_ij(t)表示车道i上的车辆j在t时刻的速度。

4.如权利要求1所述的兼顾行人安全的路段自动驾驶汽车运动规划方法，其特征在于，所述步骤S2综合冲突人车间的速度差、相对于冲突点的距离差、行人所处车道、性格和等待时间对行人风险的影响，基于穿越间隙理论估计不同交通条件下的行人风险。

5.如权利要求4所述的兼顾行人安全的路段自动驾驶汽车运动规划方法，其特征在于，所述步骤S2包括：

S21、将穿越间隙理论中的车头间距ΔT替换为速度差Δv_ijwα(t)和相对于冲突点的距离差Δd_ijwα(t)，Δv_ijwα(t)和Δd_ijwα(t)利用公示(10)计算得到：

式中：d_ij-w(t)和d_wα-i(t)分别为自动驾驶汽车和行人距离冲突点F_iw的距离；为F_iw坐标；Δv_ijwα(t)表示t时刻车道i上的自动驾驶汽车j与行人冲突时人行横道w上的行人α的速度差；Δd_ijwα(t)表示t时刻自动驾驶汽车j与行人α到冲突点的距离差；(x_wα(t),y_wα(t))为人行横道w上行人α的坐标；(x_ij(t+1),y_ij(t+1))为车道i上车辆j的坐标；

S22、利用公式(14)和(15)计算行人来自外界环境的风险，

式中：Risk_ijwα(t)表示t时刻车道i上的自动驾驶汽车j与行人冲突时人行横道w上的行人α所受到的来自交通环境的风险；λ₁,λ₂,μ₁,μ₂为模型系数；P_w(t)为人行横道上行人的集合；α为人行横道w上的行人；

S23、综合外界环境和行人特征后，根据公式(18)计算得到行人总风险，

式中：参数体现行人具备保守或者激进性格，/>表示行人对风险判断理性；/> 表示激进行人对风险判断乐观，其认知风险低于实际风险；/>代表保守行人高估风险，其认知风险高于实际风险；t_w来体现等待时间心理特征，当等待时间不超过20秒时，t_w＝1；等待时间超过20秒时，t_w>1。

6.如权利要求2所述的兼顾行人安全的路段自动驾驶汽车运动规划方法，其特征在于，所述步骤S3包括：

S31、判断人行横道等待区是否存在行人，若人行横道等待区不存在行人，转化为纯自动驾驶环境下的自动驾驶汽车运动规划问题，控制流程转到步骤S1；若人行横道等待区存在行人，且与自动驾驶汽车存在冲突，转到步骤S32；

S32、当道路中存在行人时，利用自动驾驶汽车的可控制性和可预测性消除行人对自动驾驶交通流的影响，添加如下行人风险约束：

式中：A表示行人安全过街的心理风险阈值；Γ表示车辆运行过程的离散时间步数；t∈Γ＝{1,2,3……Γ-1}；C_i(t)表示车道i上的自动驾驶汽车集合I表示所有车道集合，I＝{车道1,车道2,车道3,车道4}；P_w(t)为人行横道上行人的集合；α为人行横道w上的行人；

S33、将行人风险约束公式(19)转化为凸函数，并将其与自动驾驶汽车的运动规划方法联系起来，转化后的形式为如下的公式(20)：

式中：λ₁,λ₂,μ₁,μ₂为模型系数；参数体现行人具备保守或者激进性格，/>表示行人对风险判断理性；/>表示激进行人对风险判断乐观，其认知风险低于实际风险；代表保守行人高估风险，其认知风险高于实际风险；t_w来体现等待时间心理特征，当等待时间不超过20秒时，t_w＝1；等待时间超过20秒时，t_w>1；Δv_ijwα(t)表示t时刻车道i上的自动驾驶汽车j与行人冲突时人行横道w上的行人α的速度差；Δd_ijwα(t)表示t时刻自动驾驶汽车j与行人α到冲突点的距离差；(x_wα(t),y_wα(t))为人行横道w上行人α的坐标；(x_ij(t),y_ij(t))为车道i上车辆j的坐标；y_ij(t)-y_wα(t)+1表示不同车道中车辆对行人影响不同；

S34、采用混合整数二次约束规划对兼顾行人安全的自动驾驶汽车运动规划问题进行求解。