CN117734681A - 一种多轴分布式驱动智能车辆路径规划碰撞风险评估方法 - Google Patents
一种多轴分布式驱动智能车辆路径规划碰撞风险评估方法 Download PDFInfo
- Publication number
- CN117734681A CN117734681A CN202410087823.6A CN202410087823A CN117734681A CN 117734681 A CN117734681 A CN 117734681A CN 202410087823 A CN202410087823 A CN 202410087823A CN 117734681 A CN117734681 A CN 117734681A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- obstacle
- risk
- path
- path planning
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000012502 risk assessment Methods 0.000 title claims abstract description 6
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 238000011217 control strategy Methods 0.000 claims description 9
- 238000013145 classification model Methods 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 8
- 238000011156 evaluation Methods 0.000 abstract description 2
- 230000008859 change Effects 0.000 description 5
- 230000003044 adaptive effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000004075 alteration Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种多轴分布式驱动智能车辆路径规划碰撞风险评估方法,建立了基于TTC计算的安全等级划分方式,考虑了车辆的相对运动速度、相对位置偏差,可较为准确的描述智能车辆避障场景的紧急程度,并确定出智能车辆周围区域的风险程度高低。本发明在路径规划策略中实现了安全性与稳定性的兼顾,结合道路交通传感信息、安全等级模型得到用于调节车辆路径长度和曲率的目标权重,从而能够在智能车辆的路径规划过程中实现碰撞风险的有效综合评估,并使车辆及时做出适合的动作,保证智能驾驶的安全性。
Description
技术领域
本发明属于电动汽车智能驾驶技术领域,具体涉及一种基于TTC(Time toCollision,临界碰撞时间)安全等级的多轴分布式驱动智能车辆路径规划碰撞风险评估方法。
背景技术
目前,针对智能电动汽车的高级辅助驾驶技术在实车中的应用越来越广泛,诸如自适应巡航控制、车道保持辅助、自动紧急制动等现有技术相继涌现并逐步成熟,为用户驾驶操控车辆来了极大的便利。现有的高级辅助驾驶系统主要是通过处理、整合和利用传感器采集的道路环境信息和车辆状态等信息,进行系统的运算和分析,并发出指令自主或者辅助驾驶员进行智能决策,使车辆执行一系列动作来提高驾驶的安全性和舒适性等。尽管如此,在智能驾驶自主避障方面仍然存在相当大的改进空间,譬如现有避障与路径规划策略大多是针对于小型乘用车辆,却鲜少涉及重型商用车辆,而乘用与货运领域的一些商用车辆车由于载重大、质心高和车体大等特点,导致其行驶稳定性和安全性不良的问题均较为突出,同时由于驾驶员视野受限、操纵灵活性低以及制动性能差等特点,也使得安全避障行驶的实现难度较大,这些问题在多轴重型分布式驱动车辆上则更为严重。因此,本领域迫切需要针对重型商用车辆应用场景的特点,提供更加安全可靠的自主避障路径规划策略。
发明内容
有鉴于此,针对本领域中存在的技术问题,本发明提供了一种多轴分布式驱动智能车辆路径规划碰撞风险评估方法,具体包括以下步骤:
S1、针对紧急避障场景,利用传感器采集车辆控制策略上层所需的道路交通信息,包括:障碍物车辆到主车的相对位置、障碍车和主车之间的相对运动状态信息;以所采集的道路交通信息为输入预测主车与障碍物之间可能发生碰撞的临界碰撞时间;
S2、以步骤S1得到的临界碰撞时间作为依据,建立控制策略上层的安全等级分类模型,用于将避障场景的碰撞风险划分为高风险、中风险和低风险三个安全等级,同时根据不同安全等级紧急程度的差异确定不同风险区域:正常区域、紧急区域和危急区域之间的相对位置边界;
S3、在控制策略下层,考虑车辆避障行驶时的安全性和稳定性要求建立路径规划策略,定义以下自适应权重函数来描述路径规划优化问题:
min J=w1L+w2K
其中,w1和w2分别为路径长度权重系数和路径曲率权重系数,L为路径长度,K为路径曲率;
S4、基于步骤S1得到的道路交通信息、临界碰撞时间以及步骤S2所确定的相对位置边界,并利用步骤S3定义的自适应权重函数计算下一时刻路径规划所需的权重w1和w2:
其中,Cs,Ck,ns,nk用于风险程度的表征,其值均可通过标定得到;Δs为障碍物与主车之间的相对位置,Δsel,Δsnr分别为通过步骤S2确定的危急与紧急区域之间的相对位置边界以及危急与正常区域之间的相对位置边界。
进一步地,步骤S1中具体利用以下公式计算所述临界碰撞时间tc:
其中,v1为主车速度,v2为障碍物速度,k为障碍物与主车之间的相对运动系数:k=v2/v1,Δa为障碍物与主车之间的纵向加速度差,Δs为障碍物与主车之间的纵向距离,Δv0为障碍物与主车之间的纵向速度差。
进一步地,步骤S3中对于路径长度L的具体计算方式如下:
其中,s为规划的车辆路径向道路参考线作投影时的长度,d为微分算子,x和y分别为车辆横纵坐标;
路径曲率的具体计算方式如下:
上述本发明所提供的多轴分布式驱动智能车辆路径规划碰撞风险评估方法,建立了基于TTC计算的安全等级划分方式,考虑了车辆的相对运动速度、相对位置偏差,可较为准确的描述智能车辆避障场景的紧急程度,并确定出智能车辆周围区域的风险程度高低。本发明在路径规划策略中实现了安全性与稳定性的兼顾,结合道路交通传感信息、安全等级模型得到用于调节车辆路径长度和曲率的目标权重,从而能够在智能车辆的路径规划过程中实现碰撞风险的有效综合评估,并使车辆及时做出适合的动作,保证智能驾驶的安全性。
附图说明
图1为本发明所提供方法的原理框架图;
图2为本方法所提供方法中的安全等级分类原理图;
图3为本发明所提供方法中的碰撞风险区域划分原理图;
图4为本发明所提供方法引入的自适应权重函数动态特性图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例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。
本发明所提供的多轴分布式驱动智能车辆路径规划碰撞风险评估方法,如图1所示,具体包括以下步骤:
S1、针对紧急避障场景,利用传感器采集车辆控制策略上层所需的道路交通信息,包括:障碍物车辆到主车的相对位置、障碍车和主车之间的相对运动状态信息;以所采集的道路交通信息为输入预测主车与障碍物之间可能发生碰撞的临界碰撞时间;
S2、以步骤S1得到的临界碰撞时间作为依据,建立控制策略上层的安全等级分类模型,用于将避障场景的碰撞风险划分为高风险、中风险和低风险三个安全等级,同时根据不同安全等级紧急程度的差异确定不同风险区域:正常区域、紧急区域和危急区域之间的相对位置边界;
S3、在控制策略下层,考虑车辆避障行驶时的安全性和稳定性要求建立路径规划策略,定义以下自适应权重函数来描述路径规划优化问题:
min J=w1L+w2K
其中,w1和w2分别为路径长度权重系数和路径曲率权重系数,L为路径长度,K为路径曲率;
S4、基于步骤S1得到的道路交通信息、临界碰撞时间以及步骤S2所确定的相对位置边界,并利用步骤S3定义的自适应权重函数计算下一时刻路径规划所需的权重w1和w2:
其中,Cs,Ck,ns,nk用于风险程度的表征,其值均可通过标定得到;Δs为障碍物与主车之间的相对位置,Δsel,Δsnr分别为通过步骤S2确定的危急与紧急区域之间的相对位置边界以及危急与正常区域之间的相对位置边界。
对多轴智能车辆在避障行驶过程中的临界碰撞时间和道路交通信息之间的关系进行运动学分析可知,在给定的驾驶场景中,主车以恒定速度v1移动,而前方障碍车辆以恒定加速度a2移动(a2为恒定或零)。在初始时刻,两辆车之间的纵向距离为Δs,纵向速度差为Δv0,纵向加速度差为常数Δa,临界碰撞时间为tc。则应满足以下关系:
根据上式,可以得到临界碰撞时间计算可以表达如下:
其中Δs<0。由上式可知,在其他条件不变的前提下,车辆之间的初始相对位置差距越小,则得到的临界碰撞时间计算值越小,这种情况意味着碰撞风险水平也会越高。
在给定场景下,根据车辆之间的相对运动情况做出如下定义,在初始时刻障碍车辆以车速v2运动,定义相对运动系数为:
k=v2/v1
则此时的纵向速度差异可以计算如下:
Δv0=(1-k)v1
由此在本发明的一个优选实施方式中,可具体利用以下公式计算所述临界碰撞时间tc:
其中,v1为主车速度,v2为障碍物速度,k为障碍物与主车之间的相对运动系数:k=v2/v1,Δa为障碍物与主车之间的纵向加速度差,Δs为障碍物与主车之间的纵向距离,Δv0为障碍物与主车之间的纵向速度差。
对安全等级模型进行分析可知,随着车辆之间位置偏差的不断加大,临界碰撞时间逐渐增加,表现出距离和时间之间的正相关性。此外,随着相对运动系数的降低,临界碰撞时间逐渐缩短,表明主车和障碍车之间的速度差距越大,碰撞的趋势越明显,避障的紧急程度也越高。考虑到在各种不同的状态变量中,时间与碰撞风险之间具有非常明显的相关性,在安全等级模型当中,根据TTC对避障安全等级进行三级划分,将安全等级分为高风险、中风险和低风险三个级别,如图2所示。临界碰撞时间越短,则对应的避障安全等级越高。同时考虑相对距离与TTC之间的正相关性,根据风险等级的变化为当前的车辆行驶场景划定不同的三级安全区域,将安全区域的风险水平分为正常、紧急和危急三个水平,如图3所示。据此定义不同安全区域之间位置边界Δsel,Δsnr,其中Δsel为危急和紧急水平之间的位置边界,Δsnr为危急和正常水平之间的位置边界。
在本发明的一个优选实施方式中,步骤S3中对于路径长度L的具体计算方式如下:
其中,s为规划的车辆路径向道路参考线作投影时的长度,d为微分算子,x和y分别为车辆横纵坐标;
路径曲率的具体计算方式如下:
考虑到道路风险的实时变化,具体在避障路径规划过程中,轨迹规划目标函数根据不同的风险水平进行动态调整。在低风险区域,应将轨迹平滑度和舒适度作为主要规划目标。因此,应该为路径曲率分配更大的权重,并且可以相应地减少轨迹长度的权重。然而,在有紧急避障需求的高风险区域,以较短的换道距离快速完成避障应该是首要目标。在这种情况下,规划路径长度应该采用更大的权重,而反映舒适度的曲率目标的权重可以相应地减少。因此,根据上述原则设计的自适应可变权重的路径规划策略能够较好地兼顾安全性和稳定性要求。根据权重函数的数学表达形式,长度权重会在避障风险等级较高时迅速增加,以满足变道快速响应和避障安全的需求,此时曲率权重则会维持在一个较低的水平以避免对于规划目标的干扰。而在车辆处于低风险区域时,曲率权重将会迅速增加来满足路径平滑和操纵稳定性的要求,此时长度权重则会维持在较小的值以防止对规划结果的过度影响。
规划权重函数自适应动态变化特性如图4所示,可以看出无论是相对位置差距子部分权重还是相对运动系数子部分权重,随着各自自变量的变化,w1中衰减特性均呈现出在低于某个临界值之后便会迅速下降的情况,而w2中均呈现出在超过某个临界值之后便会快速上升的特性。这种特性使得权重函数在碰撞风险程度超过某个门限值的时候可以施加响应的惩罚而低于某个门限值的时候可以施加响应的奖励,从而对规划轨迹起到了自适应动态调节的作用。
应理解,本发明实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
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和精神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 (3)
1.一种多轴分布式驱动智能车辆路径规划碰撞风险评估方法,具体包括以下步骤:
S1、针对紧急避障场景,利用传感器采集车辆控制策略上层所需的道路交通信息,包括:障碍物车辆到主车的相对位置、障碍车和主车之间的相对运动状态信息;以所采集的道路交通信息为输入预测主车与障碍物之间可能发生碰撞的临界碰撞时间;
S2、以步骤S1得到的临界碰撞时间作为依据,建立控制策略上层的安全等级分类模型,用于将避障场景的碰撞风险划分为高风险、中风险和低风险三个安全等级,同时根据不同安全等级紧急程度的差异确定不同风险区域:正常区域、紧急区域和危急区域之间的相对位置边界;
S3、在控制策略下层,考虑车辆避障行驶时的安全性和稳定性要求建立路径规划策略,定义以下自适应权重函数来描述路径规划优化问题:
min J=w1L+w2K
其中,w1和w2分别为路径长度权重系数和路径曲率权重系数,L为路径长度,K为路径曲率;
S4、基于步骤S1得到的道路交通信息、临界碰撞时间以及步骤S2所确定的相对位置边界,并利用步骤S3定义的自适应权重函数计算下一时刻路径规划所需的权重w1和w2:
其中,Cs,Ck,ns,nk用于风险程度的表征,其值均可通过标定得到;Δs为障碍物与主车之间的相对位置,Δsel,Δsnr分别为通过步骤S2确定的危急与紧急区域之间的相对位置边界以及危急与正常区域之间的相对位置边界。
2.如权利要求1所述的方法,其特征在于:步骤S1中具体利用以下公式计算所述临界碰撞时间tc:
其中,v1为主车速度,v2为障碍物速度,k为障碍物与主车之间的相对运动系数:k=v2/v1,Δa为障碍物与主车之间的纵向加速度差,Δs为障碍物与主车之间的纵向距离,Δv0为障碍物与主车之间的纵向速度差。
3.如权利要求1所述的方法,其特征在于:步骤S3中对于路径长度L的具体计算方式如下:
其中,s为规划的车辆路径向道路参考线作投影时的长度,d为微分算子,x和y分别为车辆横纵坐标;
路径曲率的具体计算方式如下:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410087823.6A CN117734681A (zh) | 2024-01-22 | 2024-01-22 | 一种多轴分布式驱动智能车辆路径规划碰撞风险评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410087823.6A CN117734681A (zh) | 2024-01-22 | 2024-01-22 | 一种多轴分布式驱动智能车辆路径规划碰撞风险评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117734681A true CN117734681A (zh) | 2024-03-22 |
Family
ID=90279724
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410087823.6A Pending CN117734681A (zh) | 2024-01-22 | 2024-01-22 | 一种多轴分布式驱动智能车辆路径规划碰撞风险评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117734681A (zh) |
-
2024
- 2024-01-22 CN CN202410087823.6A patent/CN117734681A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110187639B (zh) | 一种基于参数决策框架的轨迹规划控制方法 | |
CN110471408B (zh) | 基于决策过程的无人驾驶车辆路径规划方法 | |
CN109131326B (zh) | 一种具有换道辅助功能的自适应巡航控制器及其工作方法 | |
JP4453217B2 (ja) | 車間距離制御装置 | |
US9440507B2 (en) | Context aware active suspension control system | |
CN111016893B (zh) | 一种拥堵环境下智能车辆可拓博弈车道保持自适应巡航控制系统与控制方法 | |
CN112896188B (zh) | 一种考虑前车遭遇的自动驾驶决策控制的系统 | |
CN108919795A (zh) | 一种自动驾驶汽车换道决策方法及装置 | |
CN112026756B (zh) | 基于跟踪目标的危险目标选择方法、系统及车辆 | |
CN114371707B (zh) | 考虑人车交互的行人轨迹预测及主动避撞方法及系统 | |
CN113848914B (zh) | 动态环境下碰撞系数人工势场法局部路径规划方法 | |
JP2009051430A (ja) | 走行支援システム | |
JPH0781604A (ja) | 自動走行車両 | |
JP2020015492A (ja) | アダプティブクルーズ制御装置および制御方法 | |
CN112489431A (zh) | 一种基于5g v2x的车辆协同跟随控制系统及控制方法 | |
CN115257724A (zh) | 一种插电式混动汽车安全节能决策控制方法和系统 | |
CN112092805B (zh) | 一种智能车辆避撞与降低碰撞伤害的集成控制方法和系统 | |
CN113110489A (zh) | 一种轨迹规划方法、装置、电子设备和存储介质 | |
WO2018225493A1 (ja) | 車両運動制御装置 | |
CN116654017A (zh) | 一种紧急工况下基于周车轨迹预测的智能汽车避撞决策与路径规划的方法、系统 | |
CN113183953B (zh) | 基于分布式驱动底盘的车辆碰后主动安全控制方法及系统 | |
CN112455439B (zh) | 基无人驾驶车辆环境认知及决策控制方法、系统及车辆 | |
CN117734681A (zh) | 一种多轴分布式驱动智能车辆路径规划碰撞风险评估方法 | |
CN115092183A (zh) | 一种基于势场力的车辆主动避障控制方法及系统 | |
CN109606362A (zh) | 一种基于道路曲率的可拓前馈车道保持控制方法 |
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 |