一种智能车辆湿滑路面换道轨迹规划方法和系统

1.本发明属于智能驾驶技术领域，尤其涉及一种智能车辆湿滑路面换道轨迹规划方法和系统。

背景技术：

2.当车辆在道路上行驶时，经常采取的两种驾驶行为包括跟车和换道。与跟车行为相比，车辆换道行为更为复杂。且不当的车道变换存在较大的安全隐患。当道路环境变差时，如雨雪过后路面打滑，路面提供的摩擦力减小，车辆的行驶性能会发生一定程度的变化，发生交通事故的可能性更高。
3.车辆换道的实现主要包括换道轨迹规划和车辆的纵向和横向控制。智能车辆轨迹规划的目标是根据目标车辆的纵向和横向位置、速度、加速度和其他信息计算安全轨迹。车辆是一个复杂的参数耦合系统，由轮胎的力驱动产生纵向和横向运动。车辆的横向控制可以理解为转向控制，纵向控制可理解为行驶方向上的速度控制，就车辆的换道行为而言，实际上是结合车辆的横向和纵向控制。现有研究在一定程度上解决了车辆换道轨迹规划问题，然而在车辆换道轨迹规划方法的研究中，为了便于分析简化求解，纵向和横向控制通常被设计为两个独立的控制器，同时现有研究大多基于对高速公路(多见于匝道合流)场景和一般道路环境中驾驶员换道行为的分析，且未考虑可能发生侧滑的影响，则对于极端道路条件(如雨雪湿滑路面)不适用。

技术实现要素：

4.鉴于上述的分析，本发明旨在提供一种适应实际湿滑路面场景的换道轨迹规划方法和系统，用于解决现有技术不能适用于雨雪天湿滑道路场景进行安全换道的问题。
5.一方面，提供了一种智能车辆湿滑路面换道轨迹规划方法，具体包括如下步骤：
6.获取车辆状态信息以及当前行驶的湿滑道路的环境信息；
7.基于所述状态信息和所述环境信息，建立最优换道横纵向加速度的非线性规划模型，计算得到最优横、纵向换道加速度；
8.基于所述最优横、纵向换道加速度，建立轨迹生成模型生成换道轨迹。进一步的，所述非线性规划模型包括目标函数和约束条件；所述目标函数用于表征换道车辆换道时的纵向、横向加速度分别与所述状态信息和所述环境信息的函数关系，所述约束条件包括换道过程中所述纵向、横向加速度的取值范围以及换道过程中均需满足换道纵向安全性和横向稳定性要求。
9.进一步的，所述状态信息包括换道车辆的状态信息、目标车道落后车辆的状态信息和当前车道领先车辆的状态信息。
10.进一步的，当所述换道车辆和目标车道落后车辆的实际距离大于等于安全距离，以及换道车辆与当前车道领先车辆的实际距离大于等于安全距离时，判断满足换道纵向安全性要求。
11.进一步的，当换道车辆各轮胎的轮胎力饱和因子均小于轮胎力饱和阈值时，认为车辆不会横向打滑，判断满足换道横向稳定性要求。
12.进一步的，利用下式计算得到换道车辆第k个轮胎的所述轮胎力饱和因子：
[0013][0014]
其中，λ
tfsck
是换道车辆第k个轮胎的轮胎力饱和因子，f
xk
、f
yk
、f
zk
分别代表换道车辆第k个轮胎的纵向、横向和垂直轮胎力，f
ymaxk
代表车辆第k个轮胎的最大横向轮胎力，μ为湿滑道路路面的摩擦系数。
[0015]
进一步的，所述非线性规划模型的目标函数，包括：
[0016][0017][0018]
其中，表示换道过程中，换道车辆与目标车道内落后车辆的相对速度差与换道车辆应采用的纵向加速度的关系；a
x
(t)为换道车辆纵向加速度；δv1指换道车辆与落后车辆的相对速度差；v
ego
(0)、vr(0)分别表示换道车辆、落后车辆的初始速度；v
fin
为换道车辆在换道结束点的速度；ar(t)为落后车辆的纵向加速度；x
ego
(0)、xr(0)分别表示换道车辆、落后车辆的纵向初始位置；l
ego
为换道车辆的长度；
[0019]
表示换道过程中，换道车辆与当前车道内领先车辆的相对速度差与换道车辆应采用的横向加速度的关系；ay(t)为换道车辆的横向加速度；δv2指换道车辆与领先车辆的相对速度差；vf(t)表示领先车辆的速度；w为车道宽度；xf(0)为领先车辆的纵向初始位置；lf为领先车辆的长度。
[0020]
进一步的，所述利用轨迹生成模型生成换道轨迹，包括：
[0021]
基于所述最优横纵向换道加速度，利用正弦换道轨迹函数生成换道车辆的换道轨迹。
[0022]
进一步的，所述正弦换道轨迹函数y
sin
(x
ego
(t))表征为：
[0023][0024]
其中，x
ego
(t)表示换道车辆的纵向位置；t表示时间步长。
[0025]
另一方面，本发明还提供了一种智能车辆湿滑路面换道轨迹规划系统，包括：
[0026]
信息获取模块，用于获取车辆状态信息以及当前行驶的湿滑道路的环境信息；
[0027]
最优横、纵向换道加速度计算模块，用于基于所述状态信息和所述环境信息，建立最优换道横纵向加速度的非线性规划模型，计算得到最优横、纵向换道加速度；
[0028]
换道轨迹生成模块，用于基于所述最优横、纵向换道加速度，建立轨迹生成模型生成换道轨迹。
[0029]
本发明至少可以实现下述之一的有益效果：
[0030]
1、通过考虑湿滑道路的环境信息，并结合考虑车辆运动中轮胎的横向和纵向耦合效应，通过建立模型将实际应用场景问题转变成可求解的数学问题，解决了现有车辆换道轨迹规划不适用于湿滑路面场景的问题；
[0031]
2、通过设计的非线性规划模型的目标函数和约束条件，计算得到换道过程中的最优横纵向换道加速度，精确规划换道轨迹，充分保证了湿滑路面换道的安全性；
[0032]
3、通过换道轨迹生成模块，基于最优横、纵向换道加速度生成换道轨迹，解决了基于碰撞和侧滑耦合风险估计的车辆换道轨迹规划问题，改善现有研究设计横纵向两个单独规划控制器分别规划换道轨迹的弊端。
[0033]
本发明的其他特征和优点将在随后的说明书中阐述，并且，部分优点可从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书、权利要求书以及附图中所特别指出的内容中来实现和获得。
附图说明
[0034]
附图仅用于示出具体实施例的目的，而并不认为是对本发明的限制，在整个附图中，相同的参考符号表示相同的部件。
[0035]
图1为本发明实施例所述方法的流程示意图；
[0036]
图2为本发明一个实施例湿滑路面智能车辆的换道场景示意图；
[0037]
图3为本发明实施例不同算法下的车辆横向加速度；
[0038]
图4为本发明实施例不同算法下的车辆轮胎力饱和因子；
[0039]
图5为本发明实施例不同算法下的车辆换道轨迹；
[0040]
图6为本发明实施例不同算法下换道时换道车辆与领先和落后车辆之间的相对距离；
[0041]
图7为本发明智能车辆湿滑路面换道轨迹规划系统结构图。
具体实施方式
[0042]
下面结合附图来具体描述本发明的优选实施例，其中，附图构成本技术一部分，并与本发明的实施例一起用于阐释本发明的原理，并非用于限定本发明的范围。
[0043]
方法实施例
[0044]
本实施例中的一种智能车辆湿滑路面换道轨迹规划方法，研究场景为如图2所示的湿滑路面智能车辆的换道场景，其中：
[0045]
(1)换道车辆v
ego
位于当前车道车辆换道起点处；
[0046]
(2)在换道过程中，换道车辆在纵向(车辆行进方向)上做匀加速运动，在横向(车辆行进方向的垂直方向)上做变加速运动；考虑换道时间较短和最大可能保证纵向安全性，可以认为当前车道的领先车辆vf在换道时间内做匀速运动，目标车道的落后车辆vr在换道时间内做加速运动；
[0047]
(3)在换道结束时，换道车辆的速度需要是目标车道落后车辆的速度和一定的增益值之和，以防止换道车辆突然换道与目标车道的落后车辆制动造成交通事故；
[0048]
(4)换道车辆为具有智能驾驶功能的车辆，可以获取车辆状态信息以及当前行驶的湿滑道路的环境信息。
[0049]
换道轨迹规划方法，包括以下步骤：
[0050]
步骤一，获取车辆状态信息以及当前行驶的湿滑道路的环境信息；
[0051]
具体的，车辆状态信息包括换道车辆的状态信息(表1)、目标车道落后车辆的状态信息(表2)、当前车道领先车辆的状态信息(表3)；可通过换道车辆的车载传感装置或道路监控设施获得上述车辆的状态信息。所述环境信息包括路面摩擦系数μ和车道宽度w；其中路面摩擦系数μ可通过车载传感装置获得。
[0052]
表1换道车辆状态信息
[0053]
参数说明x
ego
(0)换道车辆的初始纵向位置信息v
ego
(0)换道车辆的初始速度l
ego
换道车辆的长度
[0054]
表2目标车道落后车辆的状态信息
[0055]
xr(0)落后车辆的初始纵向位置信息ar(t)落后车辆的纵向加速度vr(0)落后车辆的初始速度
[0056]
表3当前车道领先车辆的状态信息
[0057]
xf(0)领先车辆的初始纵向位置信息vf(t)领先车辆的速度lf领先车辆的长度
[0058]
步骤二，基于状态信息和环境信息，以及建立的最优换道横纵向加速度的非线性规划模型，计算得到最优横、纵向换道加速度。具体的，非线性规划模型包括目标函数和约束条件。
[0059]
建立的非线性规划模型表达如下：
[0060][0061]
其中，为目标函数；max m表示对目标函数求解横向、纵向换道加速度的最大值；α1、α2为权重系数，α1+α2＝1，权重系数数值的选取与驾驶员对于纵向安全和横向稳定的侧重有关，示例性地，本实施例将二者均设为0.5。
[0062]
进一步的，目标函数用于表征换道车辆换道时的纵向、横向加速度分别与状态信息和环境信息的函数关系，如下：
[0063][0064]
其中，表示换道过程中，换道车辆与目标车道内落后车辆的相对速度差与换道车辆所采用的纵向加速度的关系；a
x
(t)为换道车辆纵向加速度；δv1指换道车辆与落后车辆的相对速度差；x
ego
(t)、xr(t)分别表示换道车辆、落后车辆的纵向位置；l
ego
为换道车辆的长度；v
ego
(0)、vr(0)分别表示换道车辆、落后车辆的初始速度；t表示时间步长；ar(t)为落后车辆的纵向加速度；x
ego
(0)、xr(0)分别表示换道车辆、落后车辆的纵向初始位置；v
fin
为换道车辆在换道结束点的速度；
[0065][0066]
其中，表示换道过程中，换道车辆与当前车道内领先车辆的相对速度差与换道车辆所采用的横向加速度的关系；ay(t)为换道车辆的横向加速度；δv2指
换道车辆与领先车辆的相对速度差；xf(t)表示领先车辆的纵向位置；lf为领先车辆的长度；vf(t)表示领先车辆的速度；xf(0)为领先车辆的纵向初始位置；lf为领先车辆的长度；w为车道宽度。
[0067]
本场景中目标车道落后车辆加速行驶，当前车道领先车辆匀速行驶，换道车辆的横向加速度主要考虑不和前车发生碰撞，所以横向加速度和前车的速度差以及距离有关系，同时结合正弦函数曲线横向加速度计算原理可推得：
[0068][0069]
考虑到换道轨迹规划需要考虑车辆自身可达到的纵向、横向加速度以保证换道轨迹的可实施性，以及需要考虑换道过程中的安全性，约束条件包括换道过程中纵向、横向加速度的取值范围以及换道过程中均需满足换道纵向安全性和横向稳定性要求。
[0070]
纵向、横向加速度的取值范围表征为：
[0071]ax,min
≤a
x
(t)≤a
x,max
,a
y,min
≤ay(t)≤a
y,max
[0072]
其中，a
x,min
、a
x,max
为换道车辆纵向加速度的最大值和最小值；a
1,min
、a
y,max
为换道车辆横向加速度的最大值和最小值。通过约束纵向、横向加速度的取值范围，保证规划出的换道车辆换道轨迹的可实施性。
[0073]
换道过程中需满足换道纵向安全性，具体的：当换道车辆和目标车道落后车辆的实际距离大于等于安全距离，以及换道车辆与当前车道领先车辆的实际距离大于等于安全距离时，判断满足换道纵向安全性要求。
[0074]
本实施例应用于湿滑道路场景，需要在现有gipps安全距离模型的基础上对所述换道场景进行建模，gipps安全距离模型由下式表征：
[0075][0076]
其中，vf表示领先车辆；vr表示落后车辆；f(vf,vr)表示领先车辆和落后车辆之间的相对安全距离；vf(t),vr(t)分别表示领先车辆和落后车辆的速度；a
f,brake
，a
r,brake
分别表示领先车辆和落后车辆的最大制动减速度；ρ表示驾驶员的反应时间。
[0077]
根据上述gipps安全距离模型，换道车辆和目标车道的落后车辆的安全距离应满足下式：
[0078][0079]
其中，f1(t)表示换道车辆和目标车道的落后车辆的安全距离；vr(t)和v
ego
(t)分别表示落后车辆和换道车辆的速度；a
ego,brake
，a
r,brake
分别表示换道车辆和落后车辆的最大制动减速度；ρ表示驾驶员的反应时间，可设定为1秒；t表示时间步长。
[0080]
换道车辆和当前车道的领先车辆的安全距离应满足下式：
[0081][0082]
其中，f2(t)表示换道车辆和当前车道的领先车辆的安全距离；vf(t)表示领先车辆的速度；a
f,brake
表示领先车辆的最大制动减速度。
[0083]
为判断满足换道纵向安全性，计算换道车辆和目标车道落后车辆的安全距离s1(t)以及换道车辆与当前车道领先车辆的实际距离s2(t)，分别如下所示：
[0084][0085][0086]
其中，x
ego
(t)、xr(t)、xf(t)分别为换道车辆、目标车道的落后车辆、当前车道的领先车辆的纵向位置；l
ego
、lf分别为换道车辆、当前车道的领先车辆的车辆长度；v
ego
(0)、vr(0)分别表示换道车辆、落后车辆的初始速度；vf(t)表示领先车辆的速度；a
x
(t)、ar(t)分别表示换道车辆、落后车辆的纵向加速度；
[0087]
为简化上述公式形式，令：
[0088]
c1＝x
ego
(0)-xr(0)-l
ego
[0089][0090]
c3＝v
ego
(0)-vr(0)
[0091]
[0092][0093]
d1＝xf(0)-x
ego
(0)-lf[0094][0095]
d3＝vf(0)-v
ego
(0)
[0096][0097][0098]
为满足s1(t)≥f1(t)和s2(t)≥f2(t)，将以上各式带入，推导简化得到换道纵向安全约束如下：
[0099][0100][0101]
换道过程中需满足换道横向稳定性，本实施例中：当换道车辆各轮胎的轮胎力饱和因子均小于轮胎力饱和阈值时，认为车辆不会横向打滑，判断满足换道横向稳定性要求。
[0102]
轮胎力饱和因子是用于衡量车辆换道过程中是否会发生导致失稳的横向滑动的指标，若轮胎力饱和因子超过或等于阈值，则横向运动会导致车辆失稳，此时应保持直线行驶；若轮胎力饱和因子小于阈值，则车辆可进行换道操作，此时满足横向稳定要求。
[0103]
利用下式计算得到换道车辆第k个轮胎的所述轮胎力饱和因子λ
tfsck
：
[0104][0105]
其中，λ
tfsck
是换道车辆第k个轮胎的轮胎力饱和因子；f
xk
、f
yk
、f
zk
分别代表换道车辆第k个轮胎的纵向、横向和垂直轮胎力，由车辆传感装置获取；f
ymaxk
代表了车辆第k个轮胎的最大横向轮胎力，是基于实验获得的已知数据；μ为湿滑道路路面的摩擦系数。
[0106]
取所有轮胎力饱和因子最大值：
[0107][0108]
通过实验确定轮胎力饱和阈值为1，当λ
tfscmax
《1时，车辆横向安全。
[0109]
通过上述描述的目标函数和约束条件，利用非线性规划模型计算得到最优换道横、纵向加速度。具体的，本实施例可采用序贯无约束极小化技术(sumt)、遗传算法(ga)和梯度下降法(gd)三中不同算法求解换道轨迹规划非线性规划问题。车辆状态信息数值如表4所示，湿滑路面的摩擦系数设定为0.3，与正常路面的摩擦系数(约0.85)不同，计算结果如表5所示。通过所述不同算法得到的换道车辆的横向加速度和轮胎力饱和系数如图3、4所
示。
[0110]
表4车辆状态信息数值
[0111][0112][0113]
表5不同算法求解所得最优换道横纵向加速度
[0114]
求解算法横向加速度(m/s2)纵向加速度(m/s2)sumt0.69461.1783ga0.70351.1944gd0.69891.1929
[0115]
通过上述数据可知，三种算法求解得到的最优横向加速度和纵向加速度差异小，三种算法均适宜求解最优横向、纵向加速度。
[0116]
步骤三，基于所述最优横、纵向换道加速度，建立轨迹生成模型生成换道轨迹，具体的：
[0117]
通过上述步骤可以基于时间步长由三种算法确定各自算法的最优横、纵向换道加速度。在确定车辆换道最优横、纵向加速度后，利用正弦变道轨迹函数生成车辆的换道轨迹。假设车辆在换道初始和结束状态下的纵向和横向加速度为0，车辆完成换道的时间可根据横向和纵向加速度确定，并且可以进一步确定车辆在每个时间步的横向和纵向坐标，换道轨迹y
sin
(x
ego
(t))可以用下式生成。
[0118][0119]
通过所述不同算法得到的换道车辆的行驶轨迹如图5所示。在换道过程中，换道车辆与领先和落后车辆之间的相对距离如图6所示。所述不同算法下，生成的车辆换道轨迹平滑连续，车辆换道横向加速度变化波动较小，说明本实施例所述换道轨迹规划方法效果良好。
[0120]
系统实施例
[0121]
一种智能车辆湿滑路面换道轨迹规划系统，包括：信息获取模块，最优横、纵向换道加速度计算模块，还包括换道轨迹生成模块。
[0122]
信息获取模块，用于获取车辆状态信息以及当前行驶的湿滑道路的环境信息；其中，所获取的具体信息以及具体获取信息的过程可参照上述方法实施例中的相应描述。
[0123]
最优横、纵向换道加速度计算模块，用于基于所述状态信息和所述环境信息，建立最优换道横纵向加速度的非线性规划模型，计算得到最优横、纵向换道加速度；其中，非线性规划模型和其目标函数、约束条件以及求解过程可参照上述方法实施例中的相应描述。
[0124]
换道轨迹生成模块，用于基于所述最优横、纵向换道加速度，建立轨迹生成模型生成换道轨迹。其中，轨迹生成模型和用不同算法得到换道车辆的行驶轨迹可参照上述方法实施例中的相应描述。
[0125]
由于该智能车辆湿滑路面换道轨迹规划系统与智能车辆湿滑路面换道轨迹规划方法，基于相同的发明构思，相关之处可相互借鉴，因此可实现相同的技术效果。
[0126]
以上所述，仅为本发明较佳的具体实施方式，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，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

技术特征：

1.一种智能车辆湿滑路面换道轨迹规划方法，其特征在于，包括如下步骤：获取车辆状态信息以及当前行驶的湿滑道路的环境信息；基于所述状态信息和所述环境信息，以及建立的最优换道横纵向加速度的非线性规划模型，计算得到最优横、纵向换道加速度；基于所述最优横、纵向换道加速度，建立轨迹生成模型生成换道轨迹。2.根据权利要求1所述的换道轨迹规划方法，其特征在于，所述非线性规划模型包括目标函数和约束条件；所述目标函数用于表征换道车辆换道时的纵向、横向加速度分别与所述状态信息和所述环境信息的函数关系，所述约束条件包括换道过程中所述纵向、横向加速度的取值范围以及换道过程中均需满足换道纵向安全性和横向稳定性要求。3.根据权利要求2所述的换道轨迹规划方法，其特征在于，所述状态信息包括换道车辆的状态信息、目标车道落后车辆的状态信息和当前车道领先车辆的状态信息。4.根据权利要求3所述的一换道轨迹规划方法，其特征在于，当所述换道车辆和目标车道落后车辆的实际距离大于等于安全距离，以及换道车辆与当前车道领先车辆的实际距离大于等于安全距离时，判断满足换道纵向安全性要求。5.根据权利要求4所述的换道轨迹规划方法，其特征在于，当换道车辆各轮胎的轮胎力饱和因子均小于轮胎力饱和阈值时，认为车辆不会横向打滑，判断满足换道横向稳定性要求。6.根据权利要求5所述的换道轨迹规划方法，其特征在于，利用下式计算得到换道车辆第k个轮胎的所述轮胎力饱和因子：其中，λ
tfsck
是换道车辆第k个轮胎的轮胎力饱和因子，f
xk
、f
yk
、f
zk
分别代表换道车辆第k个轮胎的纵向、横向和垂直轮胎力，f
ymaxk
代表车辆第k个轮胎的最大横向轮胎力，μ为湿滑道路路面的摩擦系数。7.根据权利要求2所述的换道轨迹规划方法，其特征在于，所述非线性规划模型的目标函数，包括：
其中，f
s1
(a
x
(t)，δv1)表示换道过程中，换道车辆与目标车道内落后车辆的相对速度差与换道车辆应采用的纵向加速度的关系；a
x
(t)为换道车辆纵向加速度；δv1指换道车辆与落后车辆的相对速度差；v
ego
(0)、v
r
(0)分别表示换道车辆、落后车辆的初始速度；v
fin
为换道车辆在换道结束点的速度；a
r
(t)为落后车辆的纵向加速度；x
ego
(0)、x
r
(0)分别表示换道车辆、落后车辆的纵向初始位置；l
ego
为换道车辆的长度；表示换道过程中，换道车辆与当前车道内领先车辆的相对速度差与换道车辆应采用的横向加速度的关系；a
y
(t)为换道车辆的横向加速度；δv2指换道车辆与领先车辆的相对速度差；v
f
(t)表示领先车辆的速度；w为车道宽度；x
f
(0)为领先车辆的纵向初始位置；l
f
为领先车辆的长度。8.根据权利要求7所述的换道轨迹规划方法，其特征在于，所述利用轨迹生成模型生成换道轨迹，包括：基于所述最优横纵向换道加速度，利用正弦换道轨迹函数生成换道车辆的换道轨迹。9.根据权利要求8所述的换道轨迹规划方法，其特征在于，所述正弦换道轨迹函数y
sin
(x
ego
(t))表征为：其中，x
ego
(t)表示换道车辆的纵向位置；t表示时间步长。10.一种智能车辆湿滑路面换道轨迹规划系统，其特征在于，包括：信息获取模块，用于获取车辆状态信息以及当前行驶的湿滑道路的环境信息；最优横、纵向换道加速度计算模块，用于基于所述状态信息和所述环境信息，建立最优换道横纵向加速度的非线性规划模型，计算得到最优横、纵向换道加速度；换道轨迹生成模块，用于基于所述最优横、纵向换道加速度，建立轨迹生成模型生成换道轨迹。

技术总结

本发明涉及一种智能车辆湿滑路面换道轨迹规划方法和系统，属于智能驾驶技术领域。该方法包括：获取车辆状态信息以及当前行驶的湿滑道路的环境信息；基于所述状态信息和所述环境信息，建立最优换道横纵向加速度的非线性规划模型，计算得到最优横、纵向换道加速度；基于所述最优横、纵向换道加速度，建立轨迹生成模型生成换道轨迹。该方法解决了现有智能驾驶车辆换道轨迹规划方法中未考虑极端道路条件(如雨雪天湿滑路面)以至于无法适用于湿滑路面场景的问题。较现有方法，该方法更适用实际湿滑路面场景。路面场景。路面场景。