【技术实现步骤摘要】
本方案属于智能交通领域，具体涉及基于参数枚举模拟的全局最优多车协同轨迹规划方法。
技术介绍
1、智能车的轨迹规划旨在生成反映行车局部路径与速度的时空轨线，符合车辆内部运动学约束与外部环境避障约束等，并在严格保障上述约束得以满足的前提下尽量使得既定的性能指标得到优化。
2、多车协同轨迹规划面向多辆智能驾驶车辆，致力于生成充分体现协同潜力的各车辆在同一时空之中的安全、舒适、高效、节能的行车轨迹。如以下视频所示，协同轨迹规划致力于同时生成多辆车的轨迹：https://www.bilibili.com/video/bv1rr421w7dy/。
3、目前市面上主流多车协同轨迹规划算法包括基于采样的协同规划算法、基于搜索的协同规划算法以及基于数值优化的协同规划算法。基于采样的协同规划算法以rrt系列与lattice系列规划方法为代表，其优势在于采样效率且轨迹片段的运动学可行性好，但缺点在于无法确保协同轨迹方案是全局最优的。类似地，基于数值优化的协同轨迹规划方法仅保障局部最优性，数值优化算法对上游初始解的质量有过高的依赖性。基于搜索的协同规划算法能够依分辨率保障全局最优性，但是该方法往往在搜索空间离散化精度较高时陷入维数灾难，导致搜索效率断崖式下降，无法在有限时间内完成高质量协同轨迹规划任务。
4、目前市面上现有的多车协同轨迹规划算法均无法在合理的计算时间内保障协同轨迹规划求解的全局最优性。
技术实现思路
1、本方案的目的是提供基于参数枚举模拟的全局最优多车协
2、为了达到上述目的，本方案提供一种基于参数枚举模拟的全局最优多车协同轨迹规划方法，包括以下步骤：
3、s100：将各个车辆的起点位姿、终点位姿信息以及环境布局信息生成不考虑避障因素的行驶路径，再使用预设的模块a和模块b通过行驶路径枚举生成数目众多的多车协同轨迹规划备选解；
4、s200：从枚举得到的数目众多的多车协同轨迹规划备选解之中进行筛选，将最合理的那一组结果视为全局最优的协同轨迹规划结果，并将其作为整个算法的最终产出物输出。
5、本方案的原理和技术效果在于：首先，本方案不考虑避障因素生成行驶路径，可以快速地为每一辆车构建出初步的路径方案，这样能够在短时间内得到大量的备选解，为后续的精细规划提供丰富的基础，大大提高了整体规划的效率；同时，还能通过快速生成众多的行驶路径，避免从零开始逐一考虑各种复杂情况的缓慢过程，节省多车协同轨迹的规划时间。其次，本方案通过生成不考虑避障因素的行驶路径并进行枚举，能够广泛地探索多车协同轨迹规划的解决方案空间。在步骤s100中，利用车辆的起点位姿、终点位姿信息以及环境布局信息，可以涵盖各种可能的行驶路线组合，这样可以确保不会遗漏潜在的更优解，为找到全局最优的协同轨迹规划结果提供了更大的可能性。本方案中，枚举生成的众多的备选解为算法提供了充分的选择余地，使得规划过程更加全面和系统。最后，本方案从众多备选解中筛选出最合理的一组结果作为全局最优的协同轨迹规划结果。这种筛选过程能够综合考虑多辆车之间的相互关系、行驶效率、安全性等多个因素。通过预设的模块a和模块b的协同作用，可以对备选解进行深入分析和评估，从而确保最终输出的结果是在整体上最优化的方案。
6、综上所述，本方案解决了现有的多车协同轨迹规划算法无法在合理的计算时间内保障协同轨迹规划求解的全局最优性的问题。
7、进一步，所述s100步骤具体包括以下步骤：
8、s110：导入多车协同轨迹规划问题，包括各车辆的起点位姿、终点位姿信息以及环境布局信息，初始化三个空集合s，ss，sss，并针对每一辆车使用满足运动学规律的采样方法生成不考虑避障因素的行驶路径；
9、s120：使用预设的模块a将行驶路径处理为各种参数向量p，并存储在集合ss中；
10、s130：从集合ss中取出一个参数向量p记为pi，随后在参数向量pi的设置下调用预设的模块b生成多车协同轨迹结果并记录为solution_i，将solution_i存储于集合sss之中；
11、s140：重复上述s130，直至集合ss中的参数向量p被取完，输出sss。
12、通过对每一辆车使用满足运动学规律的采样方法生成不考虑避障因素的行驶路径，能够广泛地涵盖各种可能的行驶路线，后续的多车协同轨迹规划提供了丰富的基础，增加了找到更优解的可能性。s100步骤通过逐步生成和分析多车协同轨迹结果，可以对每个结果进行详细的评估和验证，有助于提高规划的准确性和可靠性，减少不合理的轨迹规划的情况；同时，s100步骤考虑了各车辆的起点位姿、终点位姿信息以及环境布局信息，使得生成的多车协同轨迹更加符合实际情况，满足运动学规律的采样方法，也保证了车辆行驶的合理性和可行性。
13、进一步，所述s200步骤具体包括以下步骤：
14、s210：导入集合sss，创建并初始化变量current_best_value取值为正无穷，创建并初始化变量current_best_solution取值为空；
15、s220：从集合sss中取出一个元素solution_i，通过元素对应的多车协同轨迹规划结果提取字段，并将提取出的字段记为solution_i.tf，若：
16、current_best_value>solution_i.tf，则current_best_value＝solution_i.tf，
17、current_best_solution＝solution_i；
18、s230，重复s220步骤，直至集合sss中的元素被取完，将current_best_solution作为最短时间意义下的全局最优的多车协同轨迹规划结果输出。
19、s200步骤从集合sss中逐个取出元素进行比较，这种迭代的方式可以高效地遍历所有的多车协同轨迹规划结果，每次比较只需要进行简单的数值比较和赋值操作，计算复杂度较低，能够在较短的时间内完成筛选过程。同时，通过遍历整个集合sss，算法能够考虑到所有可能的结果，从而避免了局部最优解的问题。
20、进一步，所述模块a包括以下步骤：
21、s121：通过辆车的长li和宽wi求得一个圆心在车辆几何中心且圆面覆盖车身的外接圆，并将外接圆的半径记为ri；
22、s122：膨胀外接圆，并将膨胀后的外接圆半径记为r膨胀i，通过ri和r膨胀i求得膨胀参数γi，通过γi和车辆i的惯性质量mi求得参数向量p，参数向量p的基本结构公式(1)如下所示：
23、p≡{m1,…,mi,…,mn，γ1，…，γi，…，γn}∈r1×2n (1)
24、其中，n为参与计算的车辆数量；
25、s123：接收用户指定的数值num，令向量p的n个维度上每本文档来自技高网...
【技术保护点】
1.基于参数枚举模拟的全局最优多车协同轨迹规划方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于参数枚举模拟的全局最优多车协同轨迹规划方法，其特征在于：所述S100步骤具体包括以下步骤：
3.根据权利要求2所述的基于参数枚举模拟的全局最优多车协同轨迹规划方法，其特征在于：所述S200步骤具体包括以下步骤：
4.根据权利要求3所述的基于参数枚举模拟的全局最优多车协同轨迹规划方法，其特征在于：所述模块A包括以下步骤：
5.根据权利要求4所述的基于参数枚举模拟的全局最优多车协同轨迹规划方法，其特征在于：所述模块B包括以下步骤：
6.根据权利要求5所述的基于参数枚举模拟的全局最优多车协同轨迹规划方法，其特征在于：所述模块C包括以下步骤：
7.根据权利要求6所述的基于参数枚举模拟的全局最优多车协同轨迹规划方法，其特征在于：模块A中车辆i的惯性质量Mi不是真实的车辆实际重量，而是用于体现车辆运动惯性大小的可调节的虚拟参数；车辆i的Ri、R膨胀i和γi之间的关系定义如公式(3)所示：
8.根据权利要
9.根据权利要求8所述的基于参数枚举模拟的全局最优多车协同轨迹规划方法，其特征在于：模块C在S132-2步骤中车辆j对车辆i的斥力大小Fj→i定义公式(5)如下所示：
10.根据权利要求9所述的基于参数枚举模拟的全局最优多车协同轨迹规划方法，其特征在于：模块C在S132-3步骤中的定义公式(8)如下所示：
...【技术特征摘要】
1.基于参数枚举模拟的全局最优多车协同轨迹规划方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于参数枚举模拟的全局最优多车协同轨迹规划方法，其特征在于：所述s100步骤具体包括以下步骤：
3.根据权利要求2所述的基于参数枚举模拟的全局最优多车协同轨迹规划方法，其特征在于：所述s200步骤具体包括以下步骤：
4.根据权利要求3所述的基于参数枚举模拟的全局最优多车协同轨迹规划方法，其特征在于：所述模块a包括以下步骤：
5.根据权利要求4所述的基于参数枚举模拟的全局最优多车协同轨迹规划方法，其特征在于：所述模块b包括以下步骤：
6.根据权利要求5所述的基于参数枚举模拟的全局最优多车协同轨迹规划方法，其特征在于：所述模块c包括以下步骤：
7.根...
【专利技术属性】
技术研发人员：李柏，殷烛炎，卜凡，孙跃硕，余贵珍，
申请(专利权)人：踏歌智行科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。