WO2018072394A1 - 融合空间和动力学特性的智能车辆安全驾驶包络重构方法 - Google Patents

Abstract

融合空间和动力学特性的智能车辆安全驾驶包络重构方法，从模拟真实驾驶员对前向行驶区域潜在碰撞风险进行预估的行为出发，将前向车辆驾驶行为预测结果引入到智能车辆的环境感知环节，基于前向车辆驾驶行为预测结果，融合空间特性和动力学特性对智能车辆的安全驾驶包络进行重构(安全环境包络重构和稳定控制包络重构)，提高智能车辆的安全性和稳定性。首先，基于前向车辆驾驶行为预测结果对智能车辆与前向车辆的横向间距、纵向间距进行修正，实现智能车辆安全环境包络重构，提高智能车辆安全性。然后，基于重构的安全环境包络，结合智能车辆动力学模型，对智能车辆的稳定控制包络进行重构，提高智能车辆稳定性。

Description

融合空间和动力学特性的智能车辆安全驾驶包络重构方法 技术领域

本发明涉及智能汽车领域，具体为一种融合空间和动力学特性的智能车辆安全驾驶包络重构方法。

背景技术

随着汽车工业的迅猛发展以及人民生活水平的不断提高，汽车保有量持续攀升，随之而来的是越来越大的交通压力，道路拥堵，交通事故频发等一系列亟待解决的问题，智能交通系统作为解决上述问题的有效途径，受到社会各界的广泛关注。智能车辆作为智能交通系统中的新兴技术，已经成为国内外研究的热点。智能车辆首先要解决的问题就是环境感知问题，即通过视觉传感器、雷达传感器、车载传感器等进行车辆周围交通环境以及智能车辆自身运动参数的感知。但目前国内外学者只是针对智能车辆周边车辆当前运动参数进行感知，进行路径规划和跟踪控制。然而周边车辆尤其是前向车辆驾驶行为的随机变化，使得智能车辆很难对潜在的碰撞风险进行预估，进而影响路径规划和跟踪控制的准确性。因此，为了模拟驾驶员驾驶车辆过程中对潜在碰撞危险的预估的行为，将前向车辆驾驶行为预测引入到安全环境包络中，根据前向车辆驾驶行为预测结果，融合空间信息和动力学特性，进行安全驾驶包络重构(安全环境包络重构和稳定控制包络重构)，从安全性和稳定性的角度为智能车辆规划与决策提供依据。

因此，本发明提出一种融合空间和动力学特性的智能车辆安全驾驶包络重构方法，通过摄像头、激光雷达对智能车辆前方交通环境及前向车辆进行感知，对前向车辆驾驶行为进行预测。根据前向车辆驾驶行为预测结果对智能车辆与前向车辆的横向间距、纵向间距进行修正，实现智能车辆安全环境包络重构。同时，根据重构的安全环境包络，结合智能车辆动力学模型，对智能车辆的稳定控制包络进行重构，进而实现对智能车辆安全驾驶区域内潜在的碰撞危险进行预估，提高智能车辆的安全性和稳定性。通过查阅资料，目前在通过融合空间特性和动力学特性对智能车辆安全驾驶包络进行重构的方法尚未见到报道。

发明内容

本发明的目的在于提供一种融合空间和动力学特性的智能车辆安全驾驶包络重构方法，从模拟真实驾驶员对前向行驶区域潜在碰撞风险进行预估的行为出发，将前向车辆驾驶行为预测结果引入到智能车辆的环境感知环节，基于前向车辆驾驶行为预测结果，融合空间特性和动力学特性对智能车辆的安全驾驶包络进行重构(安全环境包络重构和 稳定控制包络重构)，提高智能车辆的安全性和稳定性。首先，基于前向车辆驾驶行为预测结果对智能车辆与前向车辆的横向间距、纵向间距进行修正，实现智能车辆安全环境包络重构，提高智能车辆安全性。然后，基于重构的安全环境包络，结合智能车辆动力学模型，对智能车辆的稳定控制包络进行重构，提高智能车辆稳定性。

本发明的技术方案：一种融合空间和动力学特性的智能车辆安全驾驶包络重构方法由智能车辆安全环境包络重构算法和稳定控制包络重构算法组成。其中，智能车辆安全环境包络重构算法负责基于前向车辆驾驶行为预测结果对智能车辆与前向车辆的安全横向间距、安全纵向间距进行修正，实现对智能车辆安全驾驶区域内潜在的碰撞危险进行预估，提高智能车辆的安全性。智能车辆稳定控制包络重构算法负责基于环境包络重构的结果，结合智能车辆动力学特性，对智能车辆的横摆角速度安全区域进行重构，提高智能车辆的稳定性。

本发明所述智能车辆安全环境包络重构算法如下：

智能车辆根据前向车辆与智能车辆的横向间距、纵向间距确定前方安全行驶区域，即本发明所述的安全环境包络。根据传感器及动力学模型，建立智能车辆与前向车辆相对位置信息公式如式(1)所示：

其中：p_x,j(t)为第j个前向车辆的纵向坐标，p_x,sub(t)为智能车辆的纵向坐标，e_ψ(t)车辆与路面的定位误差，p_y,j(t)为第j个前向车辆的横向坐标，p_y,sub(t)为智能车辆的横向坐标，Δp_x,j(t)为智能车辆与第j个前向车辆纵向相对距离，Δp_y,j(t)为智能车辆与第j个前向车辆横向相对距离。

通过变换得到智能车辆与前向车辆的间距如式(2)所示：

其中：L_v为前向车辆的长度，W_v为前向车辆的宽度，C_x,j(t)为智能车辆与前向车辆的纵向间距，C_y,j(t)智能车辆与前向车辆的横向间距。

公式(2)所表示的智能车辆与前向车辆的纵向间距和横向间距是根据前向车辆当前位置计算得到的，作为智能车辆下一时刻安全环境包络的参考值，未考虑前向车辆驾驶行为变化的有随机性。当前向车辆下一时刻具有左转向驾驶行为或右转向驾驶行为时，智 能车辆与前向车辆的横向间距会增大或减小；当前向车辆下一时刻具有紧急制动驾驶行为时，智能车辆与前向车辆的纵向间距会减小。因此，为了对前方安全行驶区域内潜在的碰撞风险进行预估，本发明将前向车辆驾驶行为预测引入到智能车辆安全环境包络构建环节，根据预测结果对智能车辆与前向车辆的纵向间距和横向间距进行修正，进而实现对智能车辆安全环境包络的重构，修正公式如式(3)所示：

ω_x为纵向修正因子，表示纵向间距变化尺度，由于对前向车辆纵向预测结果为匀速驾驶行为或紧急制动驾驶行为，所以ω_x的取值范围在0-1之间。ω_y为横向修正因子，表示横向间距变化尺度，由于对前向车辆横向预测结果为左转向驾驶行为或右转向驾驶行为，同时考虑智能车辆与前向车辆横向相对位置，当横向间距变小时，ω_y的取值0-1之间，当横向间距变大时，ω_y的取值大于1。为了提高智能车辆安全环境包络重构的准确性，本发明通过HMM模型预测结果的概率值大小来确定ω_x和ω_y的值。

本发明所述智能车辆稳定控制包络重构算法如下：

本发明在二自由度自行车模型基础上考虑轮胎饱和特性和路面误差，建立自主车辆动力学模型如式(4)所示：

其中，状态变量β为质心侧偏角，状态变量γ为车辆的横摆角速度，δ_f为汽车前轮转向角，C_f为前轮侧偏刚度，C_r为后轮侧偏刚度，k_af为前轮侧偏刚度调整系数，k_ar为后轮侧偏刚度调整系数，m为智能车辆质量，v_x为车辆纵向速度，l_f为质心到前轴距离，l_r为质心到后轴距离，I_z为汽车绕z轴转动惯量。

考虑到轮胎饱和特性，为了保证车辆横向控制稳定性，车辆的横摆角速度和质心侧 偏角必须限定在一定范围内，本发明定义为稳定控制包络。根据智能车辆的动力学特性，稳定控制包络应定义为：

β(t)≤β_max＝tan^-1(0.02μg)

其中，μ为轮胎与路面摩擦系数，g为重力加速度，a_y,max横向加速度最大值。

这里稳定控制包络主要是基于道路附着系数、轮胎侧向的附着力等因素，没有考虑到安全环境包络的约束，即这里的横摆角速度和质心侧偏角只要在稳定控制包络围内即可。但当考虑到环境包络约束时，这时车辆的横摆角速度就需要满足智能车辆横向行驶在安全环境包络范围内，这就需要融合空间特性和动力学特性对稳定控制包络进行重构。重构方法如下：

根据安全环境包络重构的结果，这时智能车辆与前向车辆的横向安全距离为C′_y,j(t)，智能车辆当前时刻横向速度为v_y，横向加速度为a_y。经过时间Δt后，智能车辆横向位移为

当l(t)<C′_y,j(t)时，这时的最大横摆角速度仍为

当l(t)≥C′_y,j(t)时，此时根据需要对a_y进行限制以保证Δt时间后智能车辆与前向车辆横向不发生碰撞，此时最大横向加速度为

此时，最大横摆角速度为

本发明的有益效果：

本发明从模拟真实驾驶员对前向行驶区域潜在碰撞风险进行预估的行为出发，将前向车辆驾驶行为预测引入到智能车辆的环境感知环节，对智能车辆安全驾驶区域内潜在的碰撞危险进行预估。基于前向车辆驾驶行为预测结果对智能车辆的安全环境包络进行重构；基于安全环境包络对智能车辆的稳定控制包络进行重构。实现了融合空间特性和动力学特性的智能车辆安全驾驶包络进行重构算法，提高智能车辆的安全性和稳定性。

附图说明

图1为本发明系统框图。

图2为前向车辆具有左转向驾驶行为时安全环境包络横向间距变化示意图；

其中(a)表示智能车辆与前向车辆的当前横向距离示意图；(b)表示前向车辆具有左转向驾驶行为时，智能车辆与前向车辆的横向间距变化示意图；

图3为前向车辆具有紧急制动驾驶行为时安全环境包络纵向间距变化示意图；

其中(a)表示智能车辆与前向车辆的当前纵向距离示意图；(b)表示前向车辆具有紧急制动驾驶行为时，智能车辆与前向车辆的纵向间距变化示意图；

图4为智能车辆稳定控制包络示意图；

图5为智能车辆左转向时稳定控制包络重构示意图；

其中，(a)表示智能车辆的横向位移距离还在安全环境包络中横向安全距离的约束范围内；(b)表示智能车辆的横向位移距离已经超出了安全环境包络中横向安全距离的约束。

具体实施方式

下面参照附图并结合示例对本发明的构思、具体工作过程行清楚完整地描述。显然，所描述的实施例只是本发明的一部分实施例，而不是全部实施例，基于本发明实施例，本领域技术人员在不付出创造性劳动的前提下所获得的其他实施例，均属于本发明保护范围。

见图1，一种融合空间和动力学特性的智能车辆安全驾驶包络重构方法由智能车辆安全环境包络重构算法和稳定控制包络重构算法组成。首先，智能车辆安全环境包络重构算法基于前向车辆驾驶行为预测结果对智能车辆与前向车辆的安全横向间距、安全纵向间距进行修正。然后，智能车辆稳定控制包络重构算法基于环境包络重构的结果，结合智能车辆动力学特性，对智能车辆的横摆角速度安全区域进行重构。通过融合空间特性和动力学特性的智能车辆安全驾驶包络重构实现对对智能车辆安全驾驶区域内潜在的碰撞危险进行预估，提高智能车辆的安全性和稳定性。

安全环境包络重构

下面以前向车辆预测结果为左转向驾驶行为为例，说明本发明横向安全距离重构。

如图2(a)所示，当只考虑前向车辆②当前位置时，智能车辆①与前向车辆②的横向间距为C_y,j(t)，如图2(b)所示，当考虑前向车辆②具有左转向驾驶行为时，智能车辆①与前向车辆②的横向间距变为C′_y,j(t)。对比图2(a)和图2(b)可知，这时智能车辆①与前向车辆②的横向间距变小了，根据预测结果对横向安全距离重构得到新的横向安全间距为C′_y,j(t)＝ω_yC_y,j(t)，其中ω_y为横向修正因子，表示横向间距变化尺度，ω_y值的大小根 据前向车辆驾驶行为预测模型预测出的左转向驾驶行为的最大似然概率确定。可以看出，当考虑前向车辆具有左转向驾驶行为时，智能车辆对前向车辆左转向驾驶行为进行预测，通过重构横向安全距离，减小了横向碰撞的风险。

下面以前向车辆预测结果为紧急制动驾驶行为为例，说明本发明纵向安全距离重构。

如图3(a)所示，当只考虑前向车辆②当前位置时，智能车辆①与前向车辆②的纵向间距为C_x,j(t)，如图3(b)所示，当考虑前向车辆具有紧急制动驾驶行为时，智能车辆①与前向车辆②的纵向间距变为C′_x,j(t)。对比图3(a)和图3(b)可知，这时智能车辆①与前向车辆②的纵向间距变小了，根据预测结果对纵向安全距离重构得到新的纵向安全间距为C′_x,j(t)＝ω_xC_x,j(t)，其中ω_x为纵向修正因子，表示纵向间距变化尺度，ω_x值得大小根据前向车辆驾驶行为预测模型预测出的紧急制动驾驶行为的最大似然概率确定。可以看出，当考虑前向车辆具有紧急制动驾驶行为时，智能车辆对前向车辆紧急制动驾驶行为进行预测，通过重构纵向安全距离，减小了纵向碰撞的风险。

稳定控制包络重构

考虑到轮胎饱和特性，为了保证车辆横向控制稳定性，车辆的横摆角速度和质心侧偏角必须限定在一定范围内，本发明定义为稳定控制包络。根据智能车辆的动力学特性，稳定控制包络应定义为：

β(t)≤β_max＝tan^-1(0.02μg)

稳定控制包络如图4所示。

这里稳定控制包络主要是基于道路附着系数、轮胎侧向的附着力等因素，没有考虑到安全环境包络的约束，即这里的横摆角速度和质心侧偏角只要在稳定控制包络范围内即可。但当考虑到环境包络约束时，这时车辆的横摆角速度就需要满足智能车辆横向行驶在安全环境包络范围内，这就需要融合空间特性和动力学特性对稳定控制包络进行重构。重构方法如下：

下面以智能车辆左转向为例，说明本发明横摆角速度重构。

根据安全环境包络重构的结果，这时智能车辆与前向车辆的横向安全距离为C′_y,j(t)，智能车辆当前时刻横向速度为v_y，横向加速度为a_y。经过时间Δt后，智能车辆横向位移为

如图5(a)所示，当l(t)<C′_y,j(t)时，智能车辆的横向位移距离还在安全环境包络中横向安全距离的约束范围内，所以此时的最大横摆角速度仍为

如图5(b)所示，当l(t)≥C′_y,j(t)时，此时的横摆角速度虽然仍在稳定包络范围内，但这时智能车辆的横向位移距离已经超出了安全环境包络中横向安全距离的约束，因此需要对横摆角速度进行限制，重构稳定控制包络。此时据需要对a_y进行限制以保证Δt时间后智能车辆与前向车辆横向不发生碰撞，此时最大横向加速度为

此时，最大横摆角速度为

上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明，它们并非用以限制本发明的保护范围，凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。

Claims (6)

1. 融合空间和动力学特性的智能车辆安全驾驶包络重构方法，其特征在于，包括智能车辆安全环境包络重构算法和稳定控制包络重构算法；其中，所述智能车辆安全环境包络重构算法负责基于前向车辆驾驶行为预测结果对智能车辆与前向车辆的安全横向间距、安全纵向间距进行修正，实现对智能车辆安全驾驶区域内潜在的碰撞危险进行预估，提高智能车辆的安全性；所述智能车辆稳定控制包络重构算法负责基于安全环境包络重构的结果，结合智能车辆动力学特性，对智能车辆的横摆角速度安全区域进行重构，提高智能车辆的稳定性。
2. 根据权利要求1所述的融合空间和动力学特性的智能车辆安全驾驶包络重构方法，其特征在于，所述智能车辆安全环境包络重构算法为：

   智能车辆根据前向车辆与智能车辆的横向间距、纵向间距确定前方安全行驶区域，即为安全环境包络；根据传感器及动力学模型，建立智能车辆与前向车辆相对位置信息表达式：

   

   其中：p_x,j(t)为第j个前向车辆的纵向坐标，p_x,sub(t)为智能车辆的纵向坐标，e_ψ(t)车辆与路面的定位误差，p_y,j(t)为第j个前向车辆的横向坐标，p_y,sub(t)为智能车辆的横向坐标，Δp_x,j(t)为智能车辆与第j个前向车辆纵向相对距离，Δp_y,j(t)为智能车辆与第j个前向车辆横向相对距离；

   通过变换得到智能车辆与前向车辆的间距表达式：

   

   其中：L_v为前向车辆的长度，W_v为前向车辆的宽度，C_x,j(t)为智能车辆与前向车辆的纵向间距，C_y,j(t)智能车辆与前向车辆的横向间距；

   将前向车辆驾驶行为预测引入到智能车辆安全环境包络构建环节，根据预测结果对智能车辆与前向车辆的纵向间距和横向间距进行修正，实现对智能车辆安全环境包络的重构；所述修正表达式为：

   

   其中，ω_x为纵向修正因子，表示纵向间距变化尺度；ω_y为横向修正因子，表示横向间距变化尺度；C′_x,j(t)为考虑前向车辆驾驶行为后重构的纵向间距；C′_y,j(t)为考虑前向车辆驾驶行为后重构的横向间距。
3. 根据权利要求2所述的融合空间和动力学特性的智能车辆安全驾驶包络重构方法，其特征在于，所述ω_x的取值范围在0-1之间；所述ω_y的取值为：当横向间距变小时，ω_y的取值0-1之间，当横向间距变大时，ω_y的取值大于1。
4. 根据权利要求2所述的融合空间和动力学特性的智能车辆安全驾驶包络重构方法，其特征在于，所述前向车辆驾驶行为预测采用HMM模型进行预测。
5. 根据权利要求1所述的融合空间和动力学特性的智能车辆安全驾驶包络重构方法，其特征在于，所述稳定控制包络重构算法为：

   在二自由度自行车模型基础上考虑轮胎饱和特性和路面误差，建立自主车辆动力学模型：

   

   其中：

   

   

   

   状态变量β为质心侧偏角，状态变量γ为车辆的横摆角速度，δ_f为汽车前轮转向角，C_f为前轮侧偏刚度，C_r为后轮侧偏刚度，k_af为前轮侧偏刚度调整系数，k_ar为后轮侧偏刚度调整系数，m为智能车辆质量，v_x为车辆纵向速度，l_f为质心到前轴距离，l_r为质心到后轴距离，I_z为汽车绕z轴转动惯量；

   根据智能车辆的动力学特性，建立稳定控制包络为：

   β(t)≤β_max＝tan^-1(0.02μg)

   

   其中，μ为轮胎与路面摩擦系数，g为重力加速度，a_y,max横向加速度最大值；

   结合安全环境包络的约束，融合空间特性和动力学特性对稳定控制包络进行重构。
6. 根据权利要求5所述的融合空间和动力学特性的智能车辆安全驾驶包络重构方法，其特征在于，所述对稳定控制包络进行重构的方法为：

   根据安全环境包络重构的结果，即智能车辆与前向车辆的横向安全距离为C′_y,j(t)，智能车辆当前时刻横向速度为v_y，横向加速度为a_y，经过时间Δt后，智能车辆横向位移为：

   

   当l(t)<C′_y,j(t)时，最大横摆角速度仍为

   

   当l(t)≥C′_y,j(t)时，对a_y进行限制

   

   此情况下，最大横摆角速度修正为

   

Images