CN116300970B - 车辆自主编队方法及装置 - Google Patents
车辆自主编队方法及装置 Download PDFInfo
- Publication number
- CN116300970B CN116300970B CN202310551332.8A CN202310551332A CN116300970B CN 116300970 B CN116300970 B CN 116300970B CN 202310551332 A CN202310551332 A CN 202310551332A CN 116300970 B CN116300970 B CN 116300970B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- obstacle
- risk
- team
- vehicles
- 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.)
- Active
Links
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000004891 communication Methods 0.000 claims abstract description 61
- 230000008859 change Effects 0.000 claims description 15
- 230000004888 barrier function Effects 0.000 claims description 13
- 230000007613 environmental effect Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 239000000446 fuel Substances 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 9
- 238000012502 risk assessment Methods 0.000 abstract description 5
- 238000004422 calculation algorithm Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 7
- 230000001133 acceleration Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G05D1/0219—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory ensuring the processing of the whole working surface
-
- 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)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种车辆自主编队方法及装置，所述方法包括确定领航车辆，组队车辆由单车行驶模式切换为编队模式，根据领航车辆的位置计算初始路径并优化，得到最优路径；按照最优路径跟随领航车辆，判断是否到达目标位置，如果到达，则领航车辆接收下一辆组队车辆的入队请求，如果未到达，则判断通信是否禁止，如果是，则领航车辆接收下一辆组队车辆的入队请求，否则，组队车辆由编队模式切换为单车行驶模式，并重新与领航车辆组成车队计算初始路径。本发明能够在车队形成过程中，从车跟随领航车进行动态路径规划，对途中各种障碍物进行风险评估，使得车辆面对小风险的障碍物不必躲避，从而确定最优路径，这缩短了从车的入队时间，提高了车辆编队效率。
Description
技术领域
本发明属于车辆驾驶技术领域，具体涉及一种车辆自主编队方法及装置。
背景技术
随着智能交通系统和无人驾驶的发展，越来越多的汽车通过车对车（V2X）通信技术连接到互联网，让自主车辆与其他车辆（V2X通信）、道路基础设施（V2I通信）和行人（V2P通信）等交换数据。大量数据的传输和获取变得更加便利，研究表明，联网车队可以实现额外的节能、改善空气质量，同时车辆的行驶环境及其动态变化趋势给车辆避障系统带来新的挑战。
目前，针对为编队行驶自动驾驶车辆规划安全无碰撞路径的研究较多，主要分为以下三种研究思路：
（1）先生成初始轨迹，后对初始轨迹进行修正。首先，采用RRT算法（或Dijkstra算法，A*算法，D*，欧式距离算法）等对车辆进行从起始地到目标地的初始路径规划；其次，通过模型预测控制(ModelPredictiveControl，MPC)、线性二次型调节器(linearquadraticregulator，LQR)、PID算法(ProportionIntegralDifferential，PID)等轨迹跟踪算法或CNN-LSTM混合神经网络算法，配合自动紧急制动等应急控制方式，对无人驾驶车辆队列行驶过程中基于路况属性进行初始轨迹的在线修正，得到可执行的最终路径。这一思路中，模型预测控制算法在处理车辆多约束问题上具有一定的优势。可以保证车辆在避开障碍物的同时也兼顾了不碰撞到道路边界，使车辆轨迹更趋于实际场景应用。这些方法由于参考路径的预定义特性，无法应用于涉及多个不同障碍或更复杂的情况
（2）采用多传感器融合的方法。安装在车辆上的雷达、摄像头和测距传感器等检测出环境数据，根据环境数据判断车辆前方是否存在障碍物，如果有障碍物，计算出车辆与障碍物之间的距离，在距离小于阈值时控制车辆避障行驶。车辆需要安装雷达和摄像头，增加了成本，易受到天气、障碍物以及距离等因素的影响，在雨天、黑夜等环境下准确性不高；
（3）考虑横向控制和纵向控制。将轨迹规划分为横向和纵向两个方面，现有研究者的方案有：
横向上：跟随车进入编队模式时进行五次多项次规划跟随前车，同时在纵向上控制与前车的距离，进一步解决横向误差累计的问题；
横向上采用基于预瞄的模糊PID反馈控制器，纵向上设计双反馈的PID闭环控制器；利用车辆运动学，在横向和纵向上分别计算车辆加速度和调整时间，使车辆在调整时间内到达预期的位置。这一思路无法反映车辆与交通环境的相互作用，也无法处理动态变化的行车环境。
综上所述，现有的方法大都关于车辆队列整体的路径规划，缺乏对队列本身动态形成的考虑，对于障碍物的区分不够细化，导致入队时间长，车辆编队效率低。
发明内容
有鉴于此，本发明的目的在于克服现有技术的不足，提供一种车辆自主编队方法及装置，以解决现有技术中车辆编队过程中入队时间长，车辆编队效率低的问题。
为实现以上目的，本发明采用如下技术方案：一种车辆自主编队方法，应用于车辆自主编队系统，所述系统包括：领航车辆和多个组队车辆，所述领航车辆设有第一V2X通信装置和第一车载传感器，所述组队车辆设有第二V2X通信装置和第二车载传感器，所述第一V2X通信装置与所述第二V2X通信装置连接；所述第一车载传感器用于获取组队车辆的方位角、领航车辆相对组队车辆的距离以及组队车辆在惯性坐标系中的位置，所述第二车载传感器采用安全传感器；所述方法，包括：
确定领航车辆，组队车辆通过V2X通信向所述领航车辆发送入队申请；
在接收到所述领航车辆的同意入队申请信号后，组队车辆由单车行驶模式切换为编队模式，根据所述领航车辆的位置计算初始路径并优化，得到最优路径；
按照最优路径跟随所述领航车辆，判断是否到达目标位置，如果到达，则领航车辆接收下一辆组队车辆的入队请求，如果未到达，则判断通信是否禁止，如果是，则领航车辆接收下一辆组队车辆的入队请求，否则，所述组队车辆由编队模式切换为单车行驶模式，并重新与所述领航车辆组成车队计算初始路径。
进一步的，所述根据所述领航车辆的位置计算初始路径并优化，得到最优路径，包括：
所述组队车辆根据先验计算跟随所述领航车辆的初始路径，并实时获取环境信息；
当所述环境信息中存在障碍物时，由编队模式切换为单车行驶模式；
分别计算各类障碍物的风险，得到障碍物总风险；
基于所述障碍物总风险对所述初始路径进行优化，得到最优路径；
在通过所述障碍物预设距离后与领航车辆进行组队；
其中，所述障碍物包括交通类障碍、不可跨越类障碍和可跨越类障碍；所述交通类障碍包括道路交通标志和交通标线，所述不可跨越障碍包括运动的机动车、非机动车和行人，所述可跨越类障碍包括坑洼路面或小型垃圾。
进一步的，当所述障碍物为交通类障碍时，障碍物的风险，包括：
如果所述组队车辆需要经过变道与领航车组队，则在可跨越车道线变道并采用以下方式计算障碍物第一风险，
如果变道在禁止跨越车道线和道路边界线时，则采用以下方式计算障碍物第二风险，
其中，为可跨越车道线的风险系数，/>为车辆中心点到可跨越车道线的沿y轴在横截面A中的距离，/>为车辆中心点到禁止跨越车道线的沿y轴在横截面A中的距离，/>为道路线影响范围参数。
进一步的，当所述障碍物为不可跨越类障碍，当所述不可跨越障碍为运动的机动车或非机动车时，采用以下方式计算障碍物的第三风险，
其中，为障碍车辆的风险系数，/>分别为车辆纵向和横向风险场影响系数，/>为障碍与车辆之间横向距离或距离势场边界的欧氏距离，/>为车辆到障碍后方安全区域顶点的纵向距离，/>分别为自车与障碍之间的相对速度和相对距离，/>为障碍物车辆的安全距离，/>，/>为通信延迟时间，/>为最小安全距离，为β区域内的风险场最大值；
当所述不可跨越障碍为行人时，采用以下方式计算障碍物的第四风险，
其中，为行人的安全距离，/>，/>为行人影响系数，/>为自车的速度。
进一步的，当所述障碍物为可跨越类障碍时，采用以下方式计算障碍物的第五风险，
其中，为可跨越类障碍物的风险系数，/>分别为障碍物与车辆之间的纵向、横向距离，/>分别为障碍物纵向和横向风险场影响系数。
进一步的，采用以下方式计算障碍物总风险，
其中，为障碍物总风险，/>为交通类障碍第一风险，为交通类障碍第二风险，/>为不可跨越障碍第三风险，为不可跨越障碍第四风险，/>为可跨越障碍物第五风险，i1为第i1个可跨域交通类风险场，i2为第i2个不可跨越交通类风险场，j为第j个障碍车辆风险场，j2位第j2个行人风险场，m为第m个可跨越障碍物风险场。
进一步的，基于所述障碍物总风险，采用以下方式对所述初始路径进行优化，得到最优路径，
其中，e x(i)和e y(i)为预测视界N p内从车横向位置与初始轨迹纵向和横向坐标之间的偏差，S表示排中相邻两辆车之间的设置空间，e v(i)表示预测视界内速度与期望速度之间的误差，期望速度为预先设定的车辆巡航速度，U APF表示预测层各步的APF值，W X，W Y，R，Q，P是MPC控制器优化的权重因子，N p和N c代表预测层和控制层，Δu(k+i|k)表示需要最小化的控制增量，Δu表征舒适性和燃油经济性。
进一步的，将所述障碍物总风险与预设风险值进行对比，当所述障碍物总风险超过所述预设风险值时，所述组队车辆进行紧急制动或紧急转向以紧急避险。
进一步的，所述单车行驶模式的代价函数为，
。
本申请实施例提供一种车辆自主编队装置，应用于车辆自主编队系统，所述系统包括：领航车辆和多个组队车辆，所述领航车辆设有第一V2X通信装置和第一车载传感器，所述组队车辆设有第二V2X通信装置和第二车载传感器，所述第一V2X通信装置与所述第二V2X通信装置连接；所述第一车载传感器用于获取组队车辆的方位角、领航车辆相对组队车辆的距离以及组队车辆在惯性坐标系中的位置，所述第二车载传感器采用安全传感器；所述装置，包括：
确定模块，用于确定领航车辆，组队车辆通过V2X通信向所述领航车辆发送入队申请；
优化模块，用于在接收到所述领航车辆的同意入队申请信号后，组队车辆由单车行驶模式切换为编队模式，根据所述领航车辆的位置计算初始路径并优化，得到最优路径；
组队模块，用于按照最优路径跟随所述领航车辆，判断是否到达目标位置，如果到达，则领航车辆接收下一辆组队车辆的入队请求，如果未到达，则判断通信是否禁止，如果是，则领航车辆接收下一辆组队车辆的入队请求，否则，所述组队车辆由编队模式切换为单车行驶模式，并重新与所述领航车辆组成车队计算初始路径。
本发明采用以上技术方案，能够达到的有益效果包括：
本发明提供一种车辆自主编队方法及装置，本申请在确定领航车辆后，通过V2X通信向领航车辆发送入队申请；在接收到所述领航车辆的同意入队申请信号后，组队车辆由单车行驶模式切换为编队模式，根据所述领航车辆的位置计算初始路径并优化，得到最优路径，到达目标位置，否则组队车辆由编队模式切换为单车行驶模式，并重新与所述领航车辆组成车队计算初始路径。本申请在车队形成过程中，从车跟随领航车进行动态路径规划，对途中各种障碍物进行风险评估，使得车辆面对小风险的障碍物不必躲避，得到最优路径，这缩短了从车的入队时间，提高了车辆编队效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明车辆自主编队方法的步骤示意图；
图2为本发明车辆自主编队方法的流程示意图；
图3为本发明提供的交通类障碍变道建模示意图；
图4为本发明提供的交通类障碍变道建模另一种示意图；
图5为本发明提供的不可跨越障碍动态车辆的建模示意图；
图6为本发明提供的不可跨越障碍行人的建模示意图；
图7为本发明车辆自主编队生成最优车辆控制路径示意图；
图8为本发明车辆自主编队装置的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细的描述。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的前提下所得到的所有其它实施方式，都属于本发明所保护的范围。
下面结合附图介绍本申请实施例中提供的一个具体的车辆自主编队方法及装置。
如图1所示，本申请实施例中提供的车辆自主编队方法，应用于车辆自主编队系统，所述系统包括：领航车辆和多个组队车辆，所述领航车辆设有第一V2X通信装置和第一车载传感器，所述组队车辆设有第二V2X通信装置和第二车载传感器，所述第一V2X通信装置与所述第二V2X通信装置连接；所述第一车载传感器用于获取组队车辆的方位角、领航车辆相对组队车辆的距离以及组队车辆在惯性坐标系中的位置，所述第二车载传感器采用安全传感器；所述方法，包括：
S101，确定领航车辆，组队车辆通过V2X通信向所述领航车辆发送入队申请；
第一辆组队车辆（1号从车）通过V2X通信向领航车发出入队申请，领航车收到申请并做出答复，如果此时的路段允许形成车队，则广播肯定答复并对从车编号，从第一辆组队车辆收到肯定答复后（此时拒绝其他从车发出入队申请），由单车行驶模式切换为队列形式模式，执行入队操作；
从车计算从当前位置到领航车的原始路径，由于从车和领航车处于运动状态，因此算法应满足实时性和安全性，可以选择Dijkstra算法，A*算法、i-RRT*算法（InformedRRT*）等实现，原始路径保持在道路边界内，并在尽可能快地到达目标位置的同时防止击中任何道路障碍。
S102，在接收到所述领航车辆的同意入队申请信号后，组队车辆由单车行驶模式切换为编队模式，根据所述领航车辆的位置计算初始路径并优化，得到最优路径；
S103，按照最优路径跟随所述领航车辆，判断是否到达目标位置，如果到达，则领航车辆接收下一辆组队车辆的入队请求，如果未到达，则判断通信是否禁止，如果是，则领航车辆接收下一辆组队车辆的入队请求，否则，所述组队车辆由编队模式切换为单车行驶模式，并重新与所述领航车辆组成车队计算初始路径。
车辆自主编队方法的工作原理为：参见图2，首先确定领航车辆，组队车辆通过V2X通信向所述领航车辆发送入队申请，如果接收到领航车辆的同意入队申请信号，组队车辆由单车行驶模式切换为编队模式，根据领航车辆的位置计算初始路径并优化，得到最优路径；按照最优路径跟随领航车辆，判断是否到达目标位置，如果到达，则领航车辆接收下一辆组队车辆的入队请求，如果未到达，则判断通信是否禁止，如果是，则领航车辆接收下一辆组队车辆的入队请求，否则，组队车辆由编队模式切换为单车行驶模式，并重新与所述领航车辆组成车队计算初始路径。
需要说明的是，本申请中从车（组队车辆）和领航车都具有V2X通信功能，领航车辆拥有对周围环境和附近车辆进行定位和速度感知所需的车载传感器，已经集成到队列中的车辆或希望加入队列的车辆也就是组队车辆可以只有基本的安全传感器。领航车辆为有人驾驶车辆或自主式自动驾驶车辆，车辆一旦被确定为领航车，后续其他车辆要加入车队必须经过此车，完全控制着车队的队形。
其中，车载传感器获取的信息包括：目标车辆的方位角，相对于目标车辆的距离，以及在惯性系中的位置；V2X通信获得的信息包括：位置，方向，速度，加速度及其队列序号。
本申请提供的技术方案能够在车队形成过程中，从车跟随领航车进行动态路径规划，对途中各种障碍物进行风险评估，使得车辆面对小风险的障碍物不必躲避，从而确定最优路径，这缩短了从车的入队时间，提高了车辆编队效率。
一些实施例中，根据所述领航车辆的位置计算初始路径并优化，得到最优路径，包括：
所述组队车辆根据先验计算跟随所述领航车辆的初始路径，并实时获取环境信息；
当所述环境信息中存在障碍物时，由编队模式切换为单车行驶模式；
分别计算各类障碍物的风险，得到障碍物总风险；
基于所述障碍物总风险对所述初始路径进行优化，得到最优路径；
在通过所述障碍物预设距离后与领航车辆进行组队；
其中，所述障碍物包括交通类障碍、不可跨越类障碍和可跨越类障碍；所述交通类障碍包括道路交通标志和交通标线，所述不可跨越障碍包括运动的机动车、非机动车和行人，所述可跨越类障碍包括坑洼路面或小型垃圾。
本申请对城市道路中可能出现的障碍物进行分类和建模，并设计势场函数对障碍物进行风险评估，使得车辆遇到可跨越障碍物时不必躲避，遇到不可跨越障碍物时进行规避，有不可避免碰撞即将发生时紧急避障，提高车辆编队效率和安全性；此外，本申请还考虑到了V2X通信在复杂外界环境中被禁用的情况下，车辆的单车行驶模式和编队模式的切换机制。
本申请提供的技术方案中，将障碍物分为三类：交通类障碍、不可跨越类障碍和可跨越类障碍。
其中，交通类障碍是指各种道路交通标志和交通标线。对于交叉路口、人行横道、急弯、驼峰桥、道路施工等危险路况的交通标志，从车通过V2X使车辆OBU与路侧单元RSU通信，当OBU接收到包含上述消息的数据包时，车辆通过控制器切换为单车行驶状态，此时不再执行车辆编队任务，待从车和领航车安全通过上述危险的路况后再继续编队。
如果从车需要经过变道才能与领航车组队，则必须在可跨越车道线（虚线）处变道，对可跨越车道的建模如图3和图4中l 2、l 3所示，如果所述组队车辆需要经过变道与领航车组队，则在可跨越车道线变道并采用以下方式计算障碍物第一风险，
如果变道在禁止跨越车道线和道路边界线时，也就是禁止跨越车道线和道路边界线，对实线车道的建模如图3和图4中l 1、l 4所示，采用高斯函数来描述这类障碍物风险场，则采用以下方式计算障碍物第二风险，
其中，为可跨越车道线的风险系数，/>为车辆中心点到可跨越车道线的沿y轴在横截面A中的距离，/>为车辆中心点到禁止跨越车道线的沿y轴在横截面A中的距离，/>为道路线影响范围参数。
一些实施例中，当所述障碍物为不可跨越类障碍，如图5所示，当所述不可跨越障碍为运动的机动车或非机动车时，采用以下方式计算障碍物的第三风险，
其中，为障碍车辆的风险系数，/>分别为车辆纵向和横向风险场影响系数，/>为障碍与车辆之间横向距离或距离势场边界的欧氏距离，/>为车辆到障碍后方安全区域顶点的纵向距离，/>分别为自车与障碍之间的相对速度和相对距离，/>为障碍物车辆的安全距离，/>，/>为通信延迟时间，/>为最小安全距离，为β区域内的风险场最大值；
可以理解的是，风险场的最大值可以通过幅度系数、/>调节，通过调节增大或减小障碍物风险场对自主车辆的影响范围。
当所述不可跨越障碍为行人时，同样也需要进行规避。对行人的建模如图6所示，以行人为中心，以安全距离S2为半径的圆，采用以下方式计算障碍物的第四风险，
其中，为行人的安全距离，/>，/>为行人影响系数，/>为自车的速度。
一些实施例中，当所述障碍物为可跨越类障碍时，可跨越障碍物指小型坑洼路面或小型垃圾等对行车影响不大的障碍物，车辆无需躲避，即使越过这些障碍物也不会有危险。本申请采用高斯函数来计算障碍物的第五风险，
其中，为可跨越类障碍物的风险系数，/>分别为障碍物与车辆之间的纵向、横向距离，/>分别为障碍物纵向和横向风险场影响系数。
一些实施例中，行车总风险场为交通类风险、可跨越障碍风险和不可跨越障碍风险的叠加，
其中，为障碍物总风险，/>为交通类障碍第一风险，/>为交通类障碍第二风险，/>为不可跨越障碍第三风险，/>为不可跨越障碍第四风险，/>为可跨越障碍物第五风险，i1为第i1个可跨域交通类风险场，i2为第i2个不可跨越交通类风险场，j为第j个障碍车辆风险场，j2位第j2个行人风险场，m为第m个可跨越障碍物风险场。
本申请将考虑车辆纵向、横向和横摆运动的自行车线性运动模型应用于模型预测控制器的设计，使车辆尽可能准确地遵循先验计算的初始路径，同时符合约束条件（如加速度限制和转向角度限制）。将加速度和前轮转向角速度作为系统的控制输入，控制器的目标是控制变量(加速度和转向角度)变化不应太大，因为它是车辆安全转向和保证驾驶舒适性的必要条件。此外，还应该将表征车辆行车风险的风险评估函数纳入非线性ＭPＣ优化问题中，代价函数为：
其中，e x(i)和e y(i)为预测视界N p内从车横向位置与初始轨迹纵向和横向坐标之间的偏差，S表示排中相邻两辆车之间的设置空间，e v(i)表示预测视界内速度与期望速度之间的误差，期望速度为预先设定的车辆巡航速度，U APF表示预测层各步的APF值，W X，W Y，R，Q，P是MPC控制器优化的权重因子，N p和N c代表预测层和控制层，Δu(k+i|k)表示需要最小化的控制增量，Δu表征舒适性和燃油经济性。
具体的，如图7所示，使1号从车尽可能准确地遵循先验计算的初始路径跟随领航车，避开道路上的不可跨越障碍物。对于小型的路面不平、坑洼，小型垃圾等不必躲避，而对于车辆、非机动车、交通锥、行人等必须躲避；对于禁止跨越车道线、交叉路口、急弯等危险地段不允许变道，需驶离这些路段后再通过变道形成车辆队列。这些障碍物的信息是通过车载传感器和V2X通信获得的。
一些实施例中，将所述障碍物总风险与预设风险值进行对比，当所述障碍物总风险超过所述预设风险值时，所述组队车辆进行紧急制动或紧急转向以紧急避险。
具体的，本申请中组队车辆按照最优路径跟随领航车，在此过程中如果有危险可以进行紧急避险操作，组队车辆的的预测轨迹在预测视界内的风险系数值超过其极限，说明从车跟踪预测轨迹存在风险，例如轨迹上突然闯入障碍物，此时从车将输出最大减速控制以进行紧急制动或紧急转向以避免碰撞。
一些实施例中，组队车辆在一定时间内是否与领航车组队成功，如果成功，则下一辆组队车辆（2号从车）进行编队；如果失败，检查当前组队车辆是否出现通信异常；具体的，从车入队过程中，领航车始终与其进行V2X通信，从车将自己的位置、方向、速度、加速度及其队列序号等信息通过PC5不断向外广播，如果领航车接收不到当前组队车辆的信息，则说明当前组队车辆（1号从车）通信异常。
如果V2X通信异常，则2号从车由编队模式切换为单车行驶模式，如果V2X通信正常，则重新执行组队操作。在联网车辆的无线通信被禁用的情况下，MPC控制器控制车辆转换为单车行驶模式，此从车不再执行编队操作，领航车将接受其他从车的编队请求，MPC控制器的这种切换模式保证了车辆编队的安全。
单车行驶模式时，MPC控制器的代价函数为：
单车行驶时，不必跟踪他车的轨迹，即取消代价函数中的ex(i)和ey(i)项。
除此之外，当车队规模超过路段承受范围时，停止编队。领航车通过V2X向其他车辆广播车队成员已满的信息，拒绝任何从车的编队请求，其他车辆若有编队需求，将在其他路段另寻领航车。
本申请提供的车辆自主编队方法，具有以下有益效果：
（1）车队形成过程中，从车跟随领航车进行动态路径规划，传统的路径规划对途中所有的障碍物都进行规避，而本发明将障碍物进行分成交通类障碍物、不可跨越障碍物和可跨越障碍物，不可跨越障碍物又细分为各种复杂危险路况、车辆和行人，对各种障碍物的风险进行描述，使得车辆面对小风险的障碍物不必躲避，这缩短了从车的入队时间，提高了车辆编队效率；
（2）本申请提供的技术方案能时刻检测目标轨迹上突然出现的障碍物，能对车辆进行紧急制动或紧急转向救援，大大提高了交通安全；
（3）本申请提供的车辆自主编队方法采用MPC控制器实现，MPC控制器可以使车辆在单车行驶和编队行驶两种模式下进行切换，在V2X通信由于外界环境被禁止或者通信异常时，从车辆放弃编队，恢复单车行驶模式，这增强了车辆编队应对外界环境的能力。
如图8所示，本申请实施例提供一种车辆自主编队装置，应用于车辆自主编队系统，所述系统包括：领航车辆和多个组队车辆，所述领航车辆设有第一V2X通信装置和第一车载传感器，所述组队车辆设有第二V2X通信装置和第二车载传感器，所述第一V2X通信装置与所述第二V2X通信装置连接；所述第一车载传感器用于获取组队车辆的方位角、领航车辆相对组队车辆的距离以及组队车辆在惯性坐标系中的位置，所述第二车载传感器采用安全传感器；所述装置，包括：
确定模块201，用于确定领航车辆，组队车辆通过V2X通信向所述领航车辆发送入队申请；
优化模块202，用于在接收到所述领航车辆的同意入队申请信号后，组队车辆由单车行驶模式切换为编队模式，根据所述领航车辆的位置计算初始路径并优化，得到最优路径；
组队模块203，用于按照最优路径跟随所述领航车辆，判断是否到达目标位置，如果到达，则领航车辆接收下一辆组队车辆的入队请求，如果未到达，则判断通信是否禁止，如果是，则领航车辆接收下一辆组队车辆的入队请求，否则，所述组队车辆由编队模式切换为单车行驶模式，并重新与所述领航车辆组成车队计算初始路径。
车辆自主编队装置的工作原理为，通过确定模块201确定领航车辆，组队车辆通过V2X通信向领航车辆发送入队申请；优化模块202在接收到领航车辆的同意入队申请信号后，组队车辆由单车行驶模式切换为编队模式，根据领航车辆的位置计算初始路径并优化，得到最优路径；组队模块203按照最优路径跟随领航车辆，判断是否到达目标位置，如果到达，则领航车辆接收下一辆组队车辆的入队请求，如果未到达，则判断通信是否禁止，如果是，则领航车辆接收下一辆组队车辆的入队请求，否则，组队车辆由编队模式切换为单车行驶模式，并重新与领航车辆组成车队计算初始路径。
可以理解的是，上述提供的方法实施例与上述的装置实施例对应，相应的具体内容可以相互参考，在此不再赘述。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器和光学存储器等）上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令方法的制造品，该指令方法实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (8)
1.一种车辆自主编队方法，其特征在于，应用于车辆自主编队系统，所述系统包括：领航车辆和多个组队车辆，所述领航车辆设有第一V2X通信装置和第一车载传感器，所述组队车辆设有第二V2X通信装置和第二车载传感器，所述第一V2X通信装置与所述第二V2X通信装置连接；所述第一车载传感器用于获取组队车辆的方位角、领航车辆相对组队车辆的距离以及组队车辆在惯性坐标系中的位置，所述第二车载传感器采用安全传感器；所述方法，包括：
确定领航车辆，组队车辆通过V2X通信向所述领航车辆发送入队申请；
在接收到所述领航车辆的同意入队申请信号后，组队车辆由单车行驶模式切换为编队模式，根据所述领航车辆的位置计算初始路径并优化，得到最优路径；所述编队模式为通过车辆间实时通信，实现网联自动驾驶车辆近距离成排行驶的行驶模式；
按照最优路径跟随所述领航车辆，判断是否到达目标位置，如果到达，则领航车辆接收下一辆组队车辆的入队请求，如果未到达，则判断通信是否禁止，如果是，则领航车辆接收下一辆组队车辆的入队请求，否则，所述组队车辆由编队模式切换为单车行驶模式，并重新与所述领航车辆组成车队计算初始路径；
所述根据所述领航车辆的位置计算初始路径并优化，得到最优路径，包括：
所述组队车辆根据先验计算跟随所述领航车辆的初始路径，并实时获取环境信息；
当所述环境信息中存在障碍物时，由编队模式切换为单车行驶模式；
分别计算各类障碍物的风险，得到障碍物总风险；
基于所述障碍物总风险对所述初始路径进行优化，得到最优路径；
在通过所述障碍物预设距离后与领航车辆进行组队；
其中，所述障碍物包括交通类障碍、不可跨越类障碍和可跨越类障碍；所述交通类障碍包括道路交通标志和交通标线，所述不可跨越障碍包括运动的机动车、非机动车和行人，所述可跨越类障碍包括坑洼路面或小型垃圾；
当所述障碍物为交通类障碍时，障碍物的风险，包括：
如果所述组队车辆需要经过变道与领航车组队，则在可跨越车道线变道并采用以下方式计算障碍物第一风险，
如果变道在禁止跨越车道线和道路边界线时，则采用以下方式计算障碍物第二风险，
其中，为可跨越车道线的风险系数，/>为车辆中心点到可跨越车道线的沿y轴在横截面A中的距离，/>为车辆中心点到禁止跨越车道线的沿y轴在横截面A中的距离，为道路线影响范围参数。
2.根据权利要求1所述的方法，其特征在于，当所述障碍物为不可跨越类障碍，当所述不可跨越障碍为运动的机动车或非机动车时，采用以下方式计算障碍物的第三风险，
其中，为障碍车辆的风险系数，/>分别为车辆纵向和横向风险场影响系数，/>为障碍与车辆之间横向距离或距离势场边界的欧氏距离，/>为车辆到障碍后方安全区域顶点的纵向距离，/>分别为自车与障碍之间的相对速度和相对距离，/>为障碍物车辆的安全距离，/>，/>为通信延迟时间，/>为最小安全距离，/>为β区域内的风险场最大值；
当所述不可跨越障碍为行人时，采用以下方式计算障碍物的第四风险，
其中，为行人的安全距离，/>，/>为行人影响系数，/>为自车的速度。
3.根据权利要求2所述的方法，其特征在于，当所述障碍物为可跨越类障碍时，采用以下方式计算障碍物的第五风险，
其中，为可跨越类障碍物的风险系数，/>分别为障碍物与车辆之间的纵向、横向距离，/>分别为障碍物纵向和横向风险场影响系数。
4.根据权利要求3所述的方法，其特征在于，采用以下方式计算障碍物总风险，
其中，为障碍物总风险，/>为交通类障碍第一风险，/>为交通类障碍第二风险，/>为不可跨越障碍第三风险，/>为不可跨越障碍第四风险，/>为可跨越障碍物第五风险，i1为第i1个可跨域交通类风险场，i2为第i2个不可跨越交通类风险场，j为第j个障碍车辆风险场，j2为第j2个行人风险场，m为第m个可跨越障碍物风险场。
5.根据权利要求4所述的方法，其特征在于，基于所述障碍物总风险，采用以下方式对所述初始路径进行优化，得到最优路径，
其中，e x (i)和e y (i)为预测视界N p内从车横向位置与初始轨迹纵向和横向坐标之间的偏差，S表示排中相邻两辆车之间的设置空间，e v (i)表示预测视界内速度与期望速度之间的误差，期望速度为预先设定的车辆巡航速度，U APF表示预测层各步的APF值，W X，W Y，R，Q，P是MPC控制器优化的权重因子，N p和N c代表预测层和控制层，Δu(k +i|k)表示需要最小化的控制增量，Δu表征舒适性和燃油经济性。
6.根据权利要求4所述的方法，其特征在于，
将所述障碍物总风险与预设风险值进行对比，当所述障碍物总风险超过所述预设风险值时，所述组队车辆进行紧急制动或紧急转向以紧急避险。
7.根据权利要求5所述的方法，其特征在于，所述单车行驶模式的代价函数为，
。
8.一种车辆自主编队装置，其特征在于，应用于车辆自主编队系统，所述系统包括：领航车辆和多个组队车辆，所述领航车辆设有第一V2X通信装置和第一车载传感器，所述组队车辆设有第二V2X通信装置和第二车载传感器，所述第一V2X通信装置与所述第二V2X通信装置连接；所述第一车载传感器用于获取组队车辆的方位角、领航车辆相对组队车辆的距离以及组队车辆在惯性坐标系中的位置，所述第二车载传感器采用安全传感器；所述装置，包括：
确定模块，用于确定领航车辆，组队车辆通过V2X通信向所述领航车辆发送入队申请；
优化模块，用于在接收到所述领航车辆的同意入队申请信号后，组队车辆由单车行驶模式切换为编队模式，根据所述领航车辆的位置计算初始路径并优化，得到最优路径；
组队模块，用于按照最优路径跟随所述领航车辆，判断是否到达目标位置，如果到达，则领航车辆接收下一辆组队车辆的入队请求，如果未到达，则判断通信是否禁止，如果是，则领航车辆接收下一辆组队车辆的入队请求，否则，所述组队车辆由编队模式切换为单车行驶模式，并重新与所述领航车辆组成车队计算初始路径；
所述根据所述领航车辆的位置计算初始路径并优化，得到最优路径，包括：
所述组队车辆根据先验计算跟随所述领航车辆的初始路径，并实时获取环境信息；
当所述环境信息中存在障碍物时，由编队模式切换为单车行驶模式；
分别计算各类障碍物的风险，得到障碍物总风险；
基于所述障碍物总风险对所述初始路径进行优化，得到最优路径；
在通过所述障碍物预设距离后与领航车辆进行组队；
其中，所述障碍物包括交通类障碍、不可跨越类障碍和可跨越类障碍；所述交通类障碍包括道路交通标志和交通标线，所述不可跨越障碍包括运动的机动车、非机动车和行人，所述可跨越类障碍包括坑洼路面或小型垃圾；
当所述障碍物为交通类障碍时，障碍物的风险，包括：
如果所述组队车辆需要经过变道与领航车组队，则在可跨越车道线变道并采用以下方式计算障碍物第一风险，
如果变道在禁止跨越车道线和道路边界线时，则采用以下方式计算障碍物第二风险，
其中，为可跨越车道线的风险系数，/>为车辆中心点到可跨越车道线的沿y轴在横截面A中的距离，/>为车辆中心点到禁止跨越车道线的沿y轴在横截面A中的距离，为道路线影响范围参数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310551332.8A CN116300970B (zh) | 2023-05-17 | 2023-05-17 | 车辆自主编队方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310551332.8A CN116300970B (zh) | 2023-05-17 | 2023-05-17 | 车辆自主编队方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116300970A CN116300970A (zh) | 2023-06-23 |
| CN116300970B true CN116300970B (zh) | 2023-09-29 |
Family
ID=86798097
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310551332.8A Active CN116300970B (zh) | 2023-05-17 | 2023-05-17 | 车辆自主编队方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116300970B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109949567A (zh) * | 2019-04-23 | 2019-06-28 | 深圳成谷科技有限公司 | 一种基于车路协同技术的车辆编队方法与系统 |
| CN110071982A (zh) * | 2019-05-28 | 2019-07-30 | 深圳成谷科技有限公司 | 车路协同的货车编队的方法 |
| CN110488840A (zh) * | 2019-08-31 | 2019-11-22 | 武汉理工大学 | 一种无人车编队控制方法 |
| CN110687776A (zh) * | 2019-10-30 | 2020-01-14 | 武汉理工大学 | 一种多船同步过闸自适应巡航编队控制系统及方法 |
| CN113570845A (zh) * | 2021-07-23 | 2021-10-29 | 东风汽车集团股份有限公司 | 一种网联式车辆编队行驶方法和系统 |
| CN113734168A (zh) * | 2020-05-15 | 2021-12-03 | 北京机械设备研究所 | 一种车辆编队行驶方法 |
| CN115167440A (zh) * | 2022-07-25 | 2022-10-11 | 中国安全生产科学研究院 | 一种基于虚拟领航-领航-跟随的多机器人编队控制方法 |
-
2023
- 2023-05-17 CN CN202310551332.8A patent/CN116300970B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109949567A (zh) * | 2019-04-23 | 2019-06-28 | 深圳成谷科技有限公司 | 一种基于车路协同技术的车辆编队方法与系统 |
| CN110071982A (zh) * | 2019-05-28 | 2019-07-30 | 深圳成谷科技有限公司 | 车路协同的货车编队的方法 |
| CN110488840A (zh) * | 2019-08-31 | 2019-11-22 | 武汉理工大学 | 一种无人车编队控制方法 |
| CN110687776A (zh) * | 2019-10-30 | 2020-01-14 | 武汉理工大学 | 一种多船同步过闸自适应巡航编队控制系统及方法 |
| CN113734168A (zh) * | 2020-05-15 | 2021-12-03 | 北京机械设备研究所 | 一种车辆编队行驶方法 |
| CN113570845A (zh) * | 2021-07-23 | 2021-10-29 | 东风汽车集团股份有限公司 | 一种网联式车辆编队行驶方法和系统 |
| CN115167440A (zh) * | 2022-07-25 | 2022-10-11 | 中国安全生产科学研究院 | 一种基于虚拟领航-领航-跟随的多机器人编队控制方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于一致性改进模型的多机器人编队运动规划方法;李珣等;《西安工程大学学报》;第第35卷卷(第第3期期);第44-59页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116300970A (zh) | 2023-06-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110356394B (zh) | 一种车辆主动避让障碍物的方法、装置及汽车 | |
| US10239529B2 (en) | Autonomous vehicle operation based on interactive model predictive control | |
| CN101837781B (zh) | 用于自动车道对正或换道的控制系统的基于模型的预测控制 | |
| 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 | |
| Luo et al. | A dynamic automated lane change maneuver based on vehicle-to-vehicle communication | |
| CN112193244B (zh) | 基于线性约束的自动驾驶车辆运动规划方法 | |
| JP6715899B2 (ja) | 衝突回避装置 | |
| CN110286681B (zh) | 一种变曲率弯道的动态自动驾驶换道轨迹规划方法 | |
| JP2019123377A (ja) | 車両制御装置 | |
| JP6525401B2 (ja) | 車両制御装置 | |
| CN109032131A (zh) | 一种应用于无人驾驶汽车的动态超车避障方法 | |
| US20110190972A1 (en) | Grid unlock | |
| WO2019044645A1 (ja) | 車両制御装置 | |
| WO2008072515A1 (ja) | 車両用制御装置 | |
| CN112046484A (zh) | 一种基于q学习的车辆变道超车路径规划方法 | |
| JP2019043190A (ja) | 車両制御装置 | |
| CN111103882A (zh) | 一种无人驾驶电动汽车的自主跟车控制方法 | |
| CN117279814A (zh) | 车辆转弯期间的反向转向惩罚 | |
| Skrickij et al. | Review of integrated chassis control techniques for automated ground vehicles | |
| JP2019043191A (ja) | 車両制御装置 | |
| CN116300970B (zh) | 车辆自主编队方法及装置 | |
| CN112666950B (zh) | 一种基于超声波距离检测的无人驾驶汽车避障方法 | |
| Zhu et al. | Trajectory planning algorithm using Gauss pseudo-spectral method based on vehicle-infrastructure cooperative system | |
| CN111452783A (zh) | 一种车辆行驶车辙的优化系统及其方法 | |
| Kekatos et al. | Lane change maneuver for autonomous vehicles (Benchmark Proposal). |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |