一种自动驾驶车辆多车道连续变道轨迹优化方法技术

本发明专利技术公开了一种自动驾驶车辆多车道连续变道轨迹优化方法，通过不断的数据更新、求解轨迹优化模型可以完成完全自动驾驶环境下自动驾驶车辆的连续变道轨迹优化方法。本发明专利技术所公布的多车道轨迹优化方法可以满足自动驾驶车辆在规定的时间、空间内完成本车的换道任务，具有以下特点：1、能够保证本车在规定的时间、规定的空间内完成多次变道的实际需求；2、能够提升本车变道中的轨迹平滑度以及舒适性；3、能够降低本车的变道行为对前后所涉车辆的影响。影响。影响。

【技术实现步骤摘要】
一种自动驾驶车辆多车道连续变道轨迹优化方法


[0001]本专利技术属于自动驾驶车辆控制
，具体涉及一种自动驾驶车辆多车道连续变道轨迹优化方法。

技术介绍

[0002]自动驾驶车辆在行进过程中的变道轨迹优化问题，尤其是自动驾驶车辆在短时间内的多次变道轨迹优化问题，是自动驾驶车辆在应用过程中应当克服的主要问题。其主要难点在于：
[0003]1、自动驾驶车辆多次换道通常带有一定目的性，例如需要在到达交叉口前、绿灯持续时间内变道至最右/左侧车道完成右/左转。因此自动驾驶车辆多次换道通常需要在规定的时间、规定的前进距离内完成；
[0004]2、换道过程中，车辆进行曲线运动，导致车辆产生横向加速度，影响乘客乘坐舒适性的同时还可能导致车辆侧翻。因此自动驾驶车辆的多次换道需要考虑车辆的安全性与舒适性；
[0005]3、车辆的变道行为会对所涉车道上的交通流产生一定扰动影响，尤其是多次变道涉及多个车道。因此自动驾驶车辆的多次换道需要考虑最小化交通扰动影响。
[0006]因此，需要提供一种考虑以上三条的自动驾驶车辆多次换道轨迹优化方法，应对未来全自动驾驶交通环境下自动驾驶车辆的多次换道轨迹优化问题。

技术实现思路

[0007]本专利技术的目的是针对未来交通发展趋势，提供一种自动驾驶车辆多车道连续变道轨迹优化方法。本专利技术的轨迹优化方法具有如下特点：一、能够保证自动驾驶车辆在规定的时间范围内与规定的空间范围内完成多次换道，以适应应用场景需求；二、能够同时优化多次变道的舒适性、安全性；三、能够减少车辆多次变道对周边交通流的扰动影响。
[0008]本专利技术所涉一种自动驾驶车辆多车道连续变道轨迹优化方法，适用于全自动驾驶环境。全自动驾驶环境下，所有车辆具备交通状态具有相当高的可感知性，同时车车之间可通过无线传输技术进行信息交换与协同控制。针对具有多车道强制换道需求的车辆(以下简称“本车”)，其当前车道记为1，所产生的多车道连续强制换道需求为：但是需要在车辆前进不超过花费时间不超过T的前提下，本车从车道1换道至车道m。
[0009]采用本专利技术所涉的一种自动驾驶车辆多车道连续变道轨迹优化方法可解决以上问题，其技术方案是：
[0010]S1任务判定，本车产生多车道连续换道需求时，系统计算剩余距离剩余时间
[0011]S2初始环境识别，识别包括根据基于自动驾驶车辆通过无线连接构成的系统内所有车辆的静态属性与动态属性其中静
态属性包含车辆的编号j、车辆长度l、最大制动加速度b以及制动操作延迟τ。动态属性包含车辆j在时刻t的位置[x(t),y(t)]、速度v(t)、加速度a(t)、当前车道l
c
(t)、目标车道l
t
(t)以及前进方向与x轴的夹角。
[0012]S3根据初始环境参数，求解轨迹优化模型得到优化轨迹。轨迹优化模型的目标函数为：
[0013][0014]约束条件为：
[0015]0<α,β,1
‑
α
‑
β<1
[0016][0017][0018][0019][0020][0021][0022][0023][0024][0025][0026][0027][0028]其中，α、β以及1
‑
α
‑
β分别表示目标函数各子项的权重；C为综合目标函数；为换道换道完成时间；为所有可行轨迹中最大的换道完成时间；为换道过程中的最大横向加速度；为所有可行轨迹中的最大值；为对交通流的影响指标；表示所有可行轨迹中的最大值，由于可能等于0，因此加上0.001防止目标函数无意义。与的计算方法为：其中表示本车在单次变道终点处的速度，为单次变道终点坐标，为单次变道起点坐标，θ
i
单次变道起点处本车前进方向与道路的夹角，W
l
表示道路宽度。为本车变道过程中，目标车道前车的加速度；为本车变道过程中，目标车道后车的加速度。表示车道m上行驶的车辆编号的集合；Ψ表示即将
变道的车辆(本车)在多次变道中，选择的跟随车辆(即换道进入下一车辆后的前车)；X0表示本车规划的多次变道进程中，每次变道起点坐标与终点坐标集合，表示第m次变道开始的坐标位置，表示第m次变道结束的坐标位置，表示多次变道必须完成的空间范围；表示本车到达X0对应各点时的速度；v
lim
表示道路限速值；表示本车到达X0对应各点时的时间；T
m
→
m+1
表示本车从车道m换道至车道m+1所需时间；t'为连续换道时间间隔控制项，此处取t'＝5s，即此次换道结束至下次换道开始前间隔不能低于5s。
[0029]步骤S2所涉模型为非线性规划模型，但目标函数以及约束条件均为凸函数，可采用梯度下降法进行精确求解，或采用启发式算法求近似解。步骤S2所涉模型的求解方法对
内专业人士来说属于基础性技能。
[0030]S3根据求解步骤S2所涉模型，得到本车的行进方案(包括行进角度、加速度)，并在接下来的时间间隔Δt内，本车按照求解结果在道路上行进。
[0031]S4判断多次变道任务是否完成。是，结束模型；否，转入S2进入循环。
[0032]由于所构建模型的独特的目标函数，通过本专利技术所述的方法，在实际应用时可以在考虑外部环境对交通流的轻微影响的同时，动态优化本车多次变道轨迹，能够达到以下目标：
[0033]一，能够保证本车在规定的时间、规定的空间内完成多次变道任务，以满足实际需求；
[0034]二，能够提升本车变道中的轨迹平滑度以及舒适性，同时避免过大的横向加速度导致车辆侧翻；
[0035]三，能够降低本车的变道行为对前后所涉车辆的影响，大大降低变道行为对整体交通流的影响。
附图说明
[0036]图1表示本专利技术所涉及的一种自动驾驶车辆多车道连续变道轨迹优化方法流程图。
[0037]图2表示本专利技术所涉及的交通流环境示意图。
具体实施方式
[0038]下面将结合附图实施例，对本专利技术的技术方案进行清楚、完整地描述，以便本领域的技术人员能够更好地理解本专利技术。
[0039]本专利技术提出的一种自动驾驶车辆多车道连续变道轨迹优化方法如下：
[0040]S1本车(vehicle 0)产生连续换道需求，即需要从最右侧车道换道至最左侧车道，此时剩余可用距离为剩余可用时间为
[0041]S2获取系统内所有车辆的静态属性与动态属性其中静态属性包含车辆的编号j、车辆长度l、最大制动加速度b以及制动操作延迟τ。动态属性包含车辆j在时刻t的位置[x(t),y(t)]、速度v(t)、加速度a(t)、当前车道l
c
(t)、目标车道l
t
(t)以及前进方向与x轴的夹角。
[0042]S3求解轨迹优化模型，模型同时保障整体换道行为的总时间最短、换道舒适度最
高以及对交通流影响最低。根据模型求解结果可以推算出本车本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自动驾驶车辆多车道连续变道轨迹优化方法，定义在全自动驾驶环境下，所有自动驾驶车辆之间能通过无线传输技术进行信息交换与协同控制；将具有多车道强制换道需求的车辆定义为本车，本车的当前车道记为车道1，多车道连续强制换道的条件是：需要在车辆前进距离不超过花费时间不超过的前提下，将本车从车道1换道至车道m；其特征在于，所述轨迹优化方法包括：S1、本车产生多车道连续换道需求时，本车需要在前进距离不超过花费时间不超过的条件下完成多车道连续换道，此时将分别记作剩余距离、剩余时间，即从本车产生多车道连续换道需求的时刻起，应当在时间内，前进之前完成换道需求；S2、进行初始环境识别获得初始环境参数：包括系统内所有车辆的静态属性与动态属性其中静态属性包含车辆的编号j、车辆长度l、最大制动加速度b以及制动操作延迟τ，动态属性包含车辆j在时刻t的位置[x(t),y(t)]、速度v(t)、加速度a(t)、当前车道l
c
(t)、目标车道l
t
(t)以及前进方向与x轴的夹角θ(t)；S3根据初始环境参数，求解轨迹优化模型得到优化轨迹，轨迹优化模型的目标函数为：约束条件为：0<α,β,1
‑
α
‑
β<1β<1β<1β<1β<1β<1β<1β<1β<1β<1β<1β<1其中，α、β以及1
‑
α
‑
...

【专利技术属性】
技术研发人员：刘昱岗，郝悦，易洪波，郑帅，徐菀徽，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：