考虑前方障碍物影响的大型营运车辆防侧翻驾驶决策方法技术

本发明专利技术公开了一种考虑前方障碍物影响的大型营运车辆防侧翻驾驶决策方法。首先，明确防侧翻驾驶决策方法适用的交通场景。其次，将防侧翻驾驶决策问题建模为马尔科夫决策过程，利用标准的策略梯度算法建立大型营运车辆的防侧翻驾驶决策模型。最后，对防侧翻驾驶决策模型进行训练，得到不同行驶工况下的防侧翻驾驶策略。本发明专利技术提出的决策方法，考虑了执行防侧翻驾驶策略过程中的安全隐患，克服了现有方法缺乏有效性和可靠性的不足，为营运车辆提供直行、转向、加速、减速等明确的驾驶策略，实现了有效、可靠的大型营运车辆防侧翻驾驶决策。可靠的大型营运车辆防侧翻驾驶决策。可靠的大型营运车辆防侧翻驾驶决策。

【技术实现步骤摘要】
考虑前方障碍物影响的大型营运车辆防侧翻驾驶决策方法


[0001]本专利技术涉及一种防侧翻驾驶决策方法，尤其是涉及一种考虑前方障碍物影响的大型营运车辆防侧翻驾驶决策方法，属于汽车安全


技术介绍

[0002]营运车辆作为我国道路运输的主要承担者，其安全状况直接影响我国道路交通运输安全。运输过程中一旦发生交通事故，易导致群死群伤、货物脱落、燃烧、爆炸等严重后果，造成财产损失、环境污染、生态破坏等恶劣影响，且极易诱发大型、特大型安全事故，严重威胁道路交通安全。
[0003]美国公路交通安全管理局的相关数据表明，在所有营运车辆交通事故中，侧翻事故的危害程度仅次于碰撞事故，位居第2位。因此，侧翻主动防控对于保障道路交通安全，提升道路运输重特大事故防控能力具有重要意义。防侧翻驾驶决策作为侧翻主动防控的重要一环，如果能够在侧翻事故发生前，确定合理的防侧翻干预策略，为营运车辆提供准确、可靠的制动减速等驾驶策略，可以大幅度降低因侧翻造成的交通事故发生频率。
[0004]目前，已有文献、专利对防侧翻驾驶决策方法进行了研究，主要包括基于动力学模型和基于数据驱动的方法两类。基于动力学模型的防侧翻决策方法是利用侧向加速度、侧倾角等参数辨识车辆侧翻风险，将车轮制动力或转向角作为控制量，利用PID(Proportional Integral Derivative)控制、滑模控制等控制算法建立防侧翻控制策略。然而，不同车辆的动力学模型具有差异性，使得防侧翻驾驶决策的可靠性和适应性较差。
[0005]基于数据驱动的防侧翻决策方法是将车辆运动状态信息等数据进行提取和分析，通过交互式的自学习机制对模型进行训练和拟合，进而形成自动化的决策模型，目前，该方法较少使用。专利技术专利“一种基于深度强化学习的重型营运车辆防侧翻驾驶决策方法”(公开号：CN112580148A)和“一种考虑路面附着条件的大型营运车辆防侧翻决策方法”(申请号：202111225841.9)利用深度强化学习算法建立了防侧翻驾驶决策模型，得到营运车辆的防侧翻驾驶策略。然而，以上专利适用的交通环境相对简单，未考虑前方车辆对防侧翻驾驶决策的影响。
[0006]总体而言，以上两类方法虽然起到一定的防侧翻效果，但在决策的有效性和可靠性方面仍存在不足，原因在于未考虑执行防侧翻驾驶策略过程中的安全隐患。具体地，在营运车辆前方存在障碍物的交通环境下，若采用舒缓制动等防侧翻驾驶策略，较长的制动距离易增加前向碰撞的风险。若进行紧急制动，虽可以避免发生前向碰撞，但过大的制动减速度将进一步加剧车辆的侧翻风险，使得营运车辆更容易失稳而发生侧翻，无法起到防侧翻的效果。因此，合理、有效的防侧翻驾驶决策应同时兼顾前向防撞和防侧翻两方面。
[0007]已有的大型营运车辆防侧翻驾驶决策方法，未考虑前方障碍物对行车安全的影响，忽略了执行防侧翻驾驶策略过程中的安全隐患，无法满足同时避免前向碰撞和车辆侧翻的行车安全需求。在营运车辆前方存在障碍物的交通环境下，尚缺乏有效、可靠的大型营运车辆防侧翻驾驶决策方法。

技术实现思路

[0008]专利技术目的：针对大型营运车辆防侧翻驾驶决策方法有效性和可靠性低的问题，本专利技术公开了一种基于考虑前方障碍物影响的大型营运车辆防侧翻驾驶决策方法。该方法考虑了执行防侧翻驾驶策略过程中的安全隐患，克服了现有方法缺乏有效性和可靠性的不足，为营运车辆提供直行、转向、加速、减速等明确的驾驶策略，有效降低执行防侧翻驾驶策略过程中的安全隐患，提高了大型营运车辆防侧翻驾驶决策的有效性和可靠性
[0009]技术方案：本专利技术针对大型营运车辆，如半挂罐车、重型货车，提出了一种考虑前方障碍物影响的防侧翻驾驶决策方法。首先，明确防侧翻驾驶决策方法适用的交通场景。其次，将防侧翻驾驶决策问题建模为马尔科夫决策过程，利用标准的策略梯度算法建立大型营运车辆的防侧翻驾驶决策模型。最后，对防侧翻驾驶决策模型进行训练，得到不同行驶工况下的防侧翻驾驶策略，实现了有效、可靠的防侧翻驾驶决策。包括以下步骤：
[0010]步骤一：明确防侧翻驾驶决策方法适用的交通场景
[0011]为了减少或避免大型营运车辆发生侧翻事故，提高车辆的运行安全性，本专利技术提出了一种考虑前方障碍物影响的大型营运车辆侧翻主动安全防控决策方法，其适用的场景为：
[0012]大型营运车辆(即自车C0)行驶在多车道的高等级公路，其所在车道的前方存在交通参与者(即前车C1)。当自车进行制动、变道或经过弯道时，为了保障行车安全，应有效、及时地为驾驶员提供制动减速、转向等决策策略。
[0013]在本专利技术中，多车道是指车道的数量大于等于3。前车是指位于大型营运车辆(自车)行驶道路前方，且位于同一车道线内、行驶方向相同、距离最近的车辆。
[0014]步骤二：建立大型营运车辆的防侧翻驾驶决策模型
[0015]针对大型营运车辆防侧翻驾驶决策方法有效性和可靠性低的问题，本专利技术综合考虑驾驶员操作、行驶工况和交通环境对驾驶决策的影响，建立有效、可靠的防侧翻驾驶决策模型。
[0016]本专利技术采用标准的策略梯度算法，并基于步骤一所述的交通场景，建立防侧翻驾驶决策模型，研究前方障碍物存在情况下的营运车辆防侧翻驾驶策略。具体包括以下4个子步骤：
[0017]子步骤1：定义防侧翻驾驶决策模型的基础参数
[0018]考虑到大型营运车辆的未来运动状态同时受当前运动状态和当前动作影响，本专利技术将防侧翻驾驶决策问题建模为马尔科夫决策过程，并对模型的基础参数进行定义：t时刻的状态空间S
t
、t+1时刻的状态空间S
t+1
、t时刻的动作空间A
t
以及动作空间A
t
对应的回报值R
t
。具体地：
[0019](1)定义状态空间
[0020]大型营运车辆的侧倾稳定性不仅与车辆自身的运动状态有关，还与道路状态有关。因此，本专利技术利用车辆运动状态信息定义状态空间：
[0021]S
t
＝[v
lon
,v
hor
,a
lon
,a
hor
,ω
yaw
,θ
roll
,θ
swa
,δ
brake
,δ
thr
,L
f
,D
rel
]ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0022]其中，v
lon
,v
hor
分别表示大型营运车辆的纵向、横向速度，单位均为米每秒；a
lon
,a
hor
分别表示纵向、侧向加速度，单位均为米每二次方秒，可通过厘米级高精度组合导航系统测量获得；ω
yaw
,θ
roll
分别表示横摆角速度和侧倾角，单位分别为弧度每秒、度，可通过
MEMS陀螺仪测量获得；θ
swa
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种考虑前方障碍物影响的大型营运车辆防侧翻驾驶决策方法；首先，明确侧翻主动防控决策方法适用的交通场景；其次，利用传感器采集车辆的运动状态信息；最后，将侧翻主动防控决策问题建模为马尔科夫决策过程，利用标准的策略梯度算法建立大型营运车辆的侧翻主动防控决策模型，得到不同行驶工况下的防侧翻驾驶策略；其特征在于：步骤一：明确防侧翻驾驶决策方法适用的交通场景大型营运车辆,即自车C0行驶在多车道的高等级公路，其所在车道的前方存在交通参与者,即前车C1；当自车进行制动、变道或经过弯道时，为了保障行车安全，应有效、及时地为驾驶员提供决策策略包括，制动减速、转向；多车道是指车道的数量大于等于3；前车是指位于自车C0行驶道路前方，且位于同一车道线内、行驶方向相同、距离最近的车辆；步骤二：建立大型营运车辆的防侧翻驾驶决策模型采用标准的策略梯度算法，并基于步骤一所述的交通场景，建立防侧翻驾驶决策模型，研究前方障碍物存在情况下的营运车辆防侧翻驾驶策略；具体包括以下4个子步骤：子步骤1：定义防侧翻驾驶决策模型的基础参数考虑到大型营运车辆的未来运动状态同时受当前运动状态和当前动作影响，将防侧翻驾驶决策问题建模为马尔科夫决策过程，并对模型的基础参数进行定义：t时刻的状态空间S
t
、t+1时刻的状态空间S
t+1
、t时刻的动作空间A
t
以及动作空间A
t
对应的回报值R
t
；具体地：(1)定义状态空间大型营运车辆的侧倾稳定性不仅与车辆自身的运动状态有关，还与道路状态有关；因此，利用车辆运动状态信息定义状态空间：S
t
＝[v
lon
,v
hor
,a
lon
,a
hor
,ω
yaw
,θ
roll
,θ
swa
,δ
brake
,δ
thr
,L
f
,D
rel
]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)其中，v
lon
,v
hor
分别表示大型营运车辆的纵向、横向速度，单位均为米每秒；a
lon
,a
hor
分别表示纵向、侧向加速度，单位均为米每二次方秒，通过厘米级高精度组合导航系统测量获得；ω
yaw
,θ
roll
分别表示横摆角速度和侧倾角，单位分别为弧度每秒、度，通过MEMS陀螺仪测量获得；θ
swa
为车辆的方向盘转角，单位为度，δ
brake
,δ
thr
分别表示制动踏板开度和节气门开度，单位均为百分数，通过读取车身CAN总线信息获得；L
f
为板簧压力横向转移率，通过压力传感器测量的车轴钢板弹簧所受压力计算获得，D
rel
表示自车与前车的相对距离，单位为米，通过毫米波雷达采集获得；(2)定义动作空间将方向盘转角和制动踏板开度作为控制量，定义决策模型输出的驾驶策略，即t时刻的动作空间A
t
＝[θ
swa_out
,δ
brake_out
]；其中，θ
swa_out
表示归一化后的方向盘转角控制量，范围为[
‑
1,1]，δ
brake_out
表示归一化后的制动踏板开度，范围为[0,1]；当δ
brake
＝0时，表示车辆未进行制动，当δ
brake
＝1时，表示车辆以最大制动减速度进行制动；(3)定义奖励函数将奖励函数设计为：R
t
＝δ1·
r1(t)+δ2·
r2(t)+r3(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ

【专利技术属性】
技术研发人员：李旭，胡玮明，孔栋，胡悦，徐启敏，
申请(专利权)人：东南大学，
类型：发明
国别省市：