一种网联自动驾驶环境下考虑多目标优化的协同换道方法技术

本发明专利技术涉及一种网联自动驾驶环境下考虑多目标优化的协同换道方法，包括以下步骤：获取本车、目标车道前车和目标车道后车的状态信息，这三辆车均为网联自动驾驶车辆；根据三辆车的纵向位移、纵向速度、纵向加速度和期望纵向加速度建立成本函数和LHA阶段约束条件，通过高斯伪谱法不断优化期望纵向加速度和LHA阶段控制时长，直至完全满足LHA阶段约束条件；根据优化结束后的纵向速度，结合LCE阶段控制时长和最大合成加速度，获取最优参考轨迹；根据最优参考轨迹，建立车辆误差模型；使用MPC方法对车辆误差模型进行求解，得到最佳控制指令，令本车根据最佳控制指令进行换道。与现有技术相比，本发明专利技术具有换道方式灵活、换道效率高等优点。优点。优点。

【技术实现步骤摘要】
一种网联自动驾驶环境下考虑多目标优化的协同换道方法


[0001]本专利技术涉及一种网联自动驾驶汽车和交通控制领域，尤其是涉及一种网联自动驾驶环境下考虑多目标优化的协同换道方法。

技术介绍

[0002]换道是车辆最基本也是最重要的驾驶行为之一，对道路安全、效率和交通流的稳定性有着重要的影响。根据相关研究，不当换道造成的事故约占事故总数的4～10％。由于真实交通环境中存在汇入区或进出口匝道，强制换道不可避免，这将引起交通流的波动，严重将导致交通堵塞。此外，驾驶员的决策和操纵能力具有随机性和独立性，这也可能加剧换道的负效应。
[0003]由于网联自动驾驶汽车(Connected and Autonomous Vehicle,CAV)在解决交通安全、道路拥堵以及改善驾乘体验上具有巨大潜力，甚至极有可能改变人类的交通模式，将是未来交通的发展趋势及核心，世界各国高度重视其对社会经济的重大影响。CAV可以借助不仅可以借助V2V、V2I通信方式获取周围车辆的状态信息，还可以对车辆精细化控制，这为多车协同换道提供了解决思路。然而，但是目前的技术对于车辆纵向和横向的控制更偏向于独立控制，两种控制之间没有联系，且在控制时长方面常常通过直接设定的方式进行选择，并没有参考实际行车情况，换道效率低下。

技术实现思路

[0004]本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种网联自动驾驶环境下考虑多目标优化的协同换道方法。
[0005]本专利技术的目的可以通过以下技术方案来实现：
[0006]一种网联自动驾驶环境下考虑多目标优化的协同换道方法，包括以下步骤：
[0007]S1、获取本车SV、目标车道前车PV和目标车道后车FV的状态信息，这三辆车均为网联自动驾驶车辆；
[0008]S2、根据三辆车的纵向位移、纵向速度、纵向加速度和期望纵向加速度建立成本函数和LHA阶段约束条件，通过高斯伪谱法不断优化期望纵向加速度和LHA阶段控制时长，直至完全满足LHA阶段约束条件；
[0009]S3、根据优化结束后的纵向速度，结合LCE阶段控制时长和最大合成加速度，获取最优参考轨迹；
[0010]S4、根据最优参考轨迹，建立车辆误差模型；
[0011]S5、使用MPC方法对车辆误差模型进行求解，得到最佳控制指令，令本车根据最佳控制指令进行换道。
[0012]进一步地，所述成本函数表达式如下：
[0013][0014]φ(X(t
LHA
),t
LHA
)＝k0t
LHA
+k1(Δx
FV
(t
LHA
)
‑
t
h
v
FV
(t
LHA
))2+
[0015]k2(Δx
SV
(t
LHA
)
‑
t
h
v
SV
(t
LHA
))2+k3(Δx
PV
(t
LHA
)
‑
t
h
v
PV
(t
LHA
))2[0016][0017]X＝[s
PV
,v
PV
,a
PV
,s
SV
,v
SV
,a
SV
,s
FV
,v
FV
,a
FV
]T
[0018]U＝[u
PV
,u
SV
,u
FV
]T
[0019]其中，φ(
·
)为系统运行终端成本；t
LHA
为LHA阶段控制时长；G(
·
)为系统运行成本；k0,k1,
…
,k6为权重系数；Δx
PV
、Δx
SV
、Δx
FV
分别为目标车道前车与领车、本车与前车和目标车道后车与本车的车头间距，其中领车为在目标车道上在前车前方以恒定速度行驶的车辆；t
h
为期望车头时距；X为系统状态向量；U为系统控制输入；s
PV
、v
PV
、a
PV
、u
PV
分别为目标车道前车的纵向位移、速度、加速度和期望加速度；s
SV
、v
SV
、a
SV
、u
SV
分别为本车的纵向位移、速度、加速度和期望加速度；s
FV
、v
FV
、a
FV
、u
FV
分别为目标车道后车的纵向位移、速度、加速度和期望加速度。
[0020]进一步地，所述约束条件包括对LHA阶段结束时刻的车头间距约束，约束表达式如下：
[0021][0022]其中，d
i,safe
为安全车头间距，t
s
为最小车头时距，d
s
为最小安全距离，t
TTC
为避免碰撞的最小时距，Δv
i
为本车与其相邻前车的相对速度，t
LHA
为LHA阶段控制时长，SV表示本车，PV表示目标车道前车，FV表示目标车道后车。
[0023]进一步地，所述约束条件还包括：在LHA阶段结束时刻，本车、目标车道前车和目标车道后车的纵向速度应相等，纵向加速度均为0。
[0024]进一步地，所述纵向速度、纵向加速度和纵向期望加速度存在边界限制。
[0025]进一步地，所述最优参考轨迹的计算表达式如下：
[0026][0027][0028]其中，X、Y为车辆在LCE阶段的纵、横坐标位置(惯性参考系)；v
x
为纵向速度，为LCE阶段的控制时长，t为时间；W为车道宽度；为最大合成加速度；为LCE阶段本车的纵向行驶距离，λ是不同目标的权重比。
[0029]进一步地，所述最优轨迹参数通过换道效率和驾驶舒适度这两个目标的均衡来获取，所建立的加权目标函数如下：
[0030][0031][0032]λ＝λ2/λ1[0033]其中，λ1为换道效率的目标权重，λ2为驾驶舒适度的目标权重。
[0034]进一步地，所述车辆误差模型表达式如下：
[0035][0036][0037][0038][0039]其中，为状态向量，为控制输入，χ和χ
r
分别为车辆实际轨迹点和最优参考轨迹点，t表示时间；u和u
r
分别为前轮偏角控制量和前轮偏角参考值；f为小角度假设下的车辆动力学模型。
[0040]进一步地，车辆误差模型可进行离散化处理，离散后表达式为
[0041][0042]A
k,t
＝I+T
s
A...

【技术保护点】

【技术特征摘要】
1.一种网联自动驾驶环境下考虑多目标优化的协同换道方法，其特征在于，包括以下步骤：S1、获取本车、目标车道前车和目标车道后车的状态信息，这三辆车均为网联自动驾驶车辆；S2、根据三辆车的纵向位移、纵向速度、纵向加速度和期望纵向加速度建立成本函数和LHA阶段约束条件，通过高斯伪谱法不断优化期望纵向加速度和LHA阶段控制时长，直至完全满足LHA阶段约束条件；S3、根据优化结束后的纵向速度，结合LCE阶段控制时长和最大合成加速度，获取最优参考轨迹；S4、根据最优参考轨迹，建立车辆误差模型；S5、使用MPC方法对车辆误差模型进行求解，得到最佳控制指令，令本车根据最佳控制指令进行换道。2.根据权利要求1所述的一种网联自动驾驶环境下考虑多目标优化的协同换道方法，其特征在于，所述成本函数表达式如下：φ(X(t
LHA
),t
LHA
)＝k0t
LHA
+k1(Δx
FV
(t
LHA
)
‑
t
h
v
FV
(t
LHA
))2+k2(Δx
SV
(t
LHA
)
‑
t
h
v
SV
(t
LHA
))2+k3(Δx
PV
(t
LHA
)
‑
t
h
v
PV
(t
LHA
))2X＝[s
PV
,v
PV
,a
PV
,s
SV
,v
SV
,a
SV
,s
FV
,v
FV
,a
FV
]
T
U＝[u
PV
,u
SV
,u
FV
]
T
其中，φ(
·
)为系统运行终端成本；t
LHA
为LHA阶段控制时长；G(
·
)为系统运行成本；k0,k1,
…
,k6为权重系数；Δx
PV
、Δx
SV
、Δx
FV
分别为目标车道前车与领车、本车与前车和目标车道后车与本车的车头间距，其中领车为在目标车道上在前车前方以恒定速度行驶的车辆；t
h
为期望车头时距；X为系统状态向量；U为系统控制输入；s
PV
、v
PV
、a
PV
、u
PV
分别为目标车道前车的纵向位移、速度、加速度和期望加速度；s
SV
、v
SV
、a
SV
、u
SV
分别为本车的...

【专利技术属性】
技术研发人员：高志波，吴志周，李君羡，王丹，杨志丹，范宇杰，
申请(专利权)人：同济大学，
类型：发明
国别省市：