CN113085853A - 一种车道内主动躲闪大型车辆的辅助驾驶系统 - Google Patents

Abstract

本发明提供了一种车道内主动躲闪大型车辆的辅助驾驶系统，包括感知模块、决策模块、规划模块、跟踪模块和控制器，所述感知模块包括环境感知传感器，环境感知传感器信号连接至决策模块的输入端，决策模块通过环境感知传感器信号确定辅助驾驶系统的四种状态，决策模块输出端信号连接至规划模块的的输入端，规划模块用于规划偏离和回归两个过程的车辆运动轨迹，规划模块输出端信号连接至跟踪模块的输入端。本发明所述的一种车道内主动躲闪大型车辆的辅助驾驶系统可实现在超越大型车辆场景下的自动目标识别、决策、主动躲闪轨迹规划以及躲闪动作执行功能，可提升车辆在该场景下的侧向碰撞安全性，以及驾乘人员的安心感。

Description

一种车道内主动躲闪大型车辆的辅助驾驶系统

技术领域

本发明属于主动安全技术、高级驾驶辅助系统、自动驾驶的感知、决策、规划与跟踪技术领域，尤其是涉及一种车道内主动躲闪大型车辆的辅助驾驶系统。

背景技术

ADAS(Advanced Driver Assistant System)高级驾驶辅助系统，是通过车载传感器采集车辆行驶环境中的道路及环境车参数，进行目标物辨识、检测和跟踪，从而能够预测车辆可能遇到的风险，主动改变车辆的运动状态或对驾驶员主动发出提醒，以提高安全性。ADAS系统常用的传感器包括:毫米波雷达、激光雷达、超声波雷达、摄像头等。按照其辅助驾驶系统所控制的执行机构，ADAS系统可以分为主要针对纵向运动控制的ACC(自适应巡航)，FCW(前向碰撞预警)等，针对侧向运动控制的LKA(车道保持)，LDW(车道偏离预警)，ALC(自动变道)等，以及将二者相组合的TJA(交通拥堵辅助)，HWP(高速自动驾驶)等功能；

其中，针对侧向运动进行规划和控制的LKA，LDW，ALC等功能中，LKA 和LDW的目的在于控制自车保持在车道线中心位置行驶，属于自车道内的侧向运动控制，而ALC则是基于感知信息进行变道意图判断，并控制车辆变换车道的跨车道侧向运动控制；

对于自车超越大型车辆的场景，由于大型车辆车宽较大、侧向位置波动幅度大而且车尾部存在较明显的负压区，若自车LKA功能激活，持续保持自车处于车道中心线位置，则会导致超越过程中自车与大型车辆的会车间距较小，存在侧向碰撞风险，且容易给驾乘人员带来不良的驾乘体验。而本发明中的DWEL系统的引入则可从根本上解决这一问题。当自车传感器探测到超越大型车辆的目标场景时，DWEL系统开启，控制自车在接近目标时预先向相反方向进行偏离(自车道内)，并在超越完成后控制自车返回车道中心线位置。DWEL系统的引入在保证车辆的稳定性舒适性的同时，基于环境参数增加了会车车距，从而提升了超越过程的侧向碰撞安全性，并改善了驾驶员的“安心感”。同时，偏离过程和回归过程的轨迹基于实时环境参数和驾驶行为图谱进行规划，符合人类驾驶员驾驶习惯，具有安全拟人化特性。

发明内容

有鉴于此，本发明旨在提出一种车道内主动躲闪大型车辆的辅助驾驶系统(DWEL,Dodge Within Ego Lane)，以解决自车LKA功能激活时存在侧向碰撞风险，驾乘人员不良驾乘体验的问题。

为达到上述目的，本发明的技术方案是这样实现的：

一种车道内主动躲闪大型车辆的辅助驾驶系统，包括感知模块、决策模块、规划模块、跟踪模块和控制器，所述感知模块包括环境感知传感器，环境感知传感器对环境进行感知操作，对目标级信息进行获取，目标级信息包括目标车辆识别和环境参数，并对目标级信息进行处理操作，再将处理后的目标级信息输送给决策模块，决策模块接收到处理后的目标级信息，根据状态机条件转移列表对辅助驾驶系统的四种状态进行转换操作，并确定辅助驾驶系统当前状态，所述辅助驾驶系统的四种状态包括激活状态，在激活状态下，决策模块对处理后的目标级信息进行处理操作得到决策指令参数，然后将决策指令参数输送给规划模块，规划模块接收到决策指令参数，规划模块依据当前环境参数和驾驶行为图谱通过多项式轨迹规划方法规划自车躲闪大型车辆的偏离轨迹和回归轨迹得到规划轨迹参数，并将规划轨迹参数输送给跟踪模块，跟踪模块接收到规划轨迹参数，对车辆的执行机构进行控制操作，保证自车沿目标轨迹运动，所述环境感知传感器、决策模块、规划模块、跟踪模块均信号连接控制器。

进一步的，所述环境感知传感器包括摄像头、转向盘转矩传感器、转向盘转角传感器、加速踏板传感器、制动踏板传感器和陀螺仪，所述摄像头、转向盘转矩传感器、转向盘转角传感器、加速踏板传感器、制动踏板传感器和陀螺仪均信号连接至控制器。

进一步的，所述辅助驾驶系统的四种状态还包括关闭状态、待机状态和故障状态，关闭状态开启进入待机状态，待机状态关闭进入关闭状态，待机状态激活进入激活状态，激活状态退出进入待机状态，当系统处于待机状态和激活状态，若检测到故障均会进入故障状态，故障状态排除故障进入关闭状态。

进一步的，所述目标级信息进行处理操作包括以下步骤：

A1、感知模块判断目标车类型是否为大型车辆，若是则进行下一步，否则切换下一个目标车，重新进入A1步骤；

A2、感知模块判断目标车相对自车纵向距离是否在阈值ΔDx(150m)内，若是则进行下一步，否则切换下一个目标车，重新进入A1步骤；

A3、感知模块判断目标车相对自车横向距离是否处于范围ΔDy₁(2～5m) 内，若是则Left_Count增加1，切换下一个目标车，并重新进入A1步骤，否则进行下一步；

A4、感知模块判断目标车相对自车横向距离是否处于范围ΔDy₂(-5～-2m) 内，若是则Right_Count增加1，切换下一个目标车，并重新进入A1步骤，否则切换下一个目标车，并重新进入A1步骤；；

A5、当所有目标车均经历了A1～A4的判断过程，感知模块判断Left_Count是否＞0且Right_Count是否＝0，若Left_Count＞0且 Right_Count＝0，则目标车位于左侧，输出相对纵向距离最小的大型车辆的全部信息，此时满足目标场景要求，否则进行下一步；

A6、感知模块判断Left_Count是否＝0且Right_Count是否＞0，若 Left_Count＝0且Right_Count＞0，则目标车位于右侧，输出相对纵向距离最小的大型车辆的全部信息，此时满足目标场景要求，否则进行下一步；

A7、感知模块判断Left_Count是否＝0且Right_Count是否＝0，若 Left_Count＝0且Right_Count＝0，则未出现大型目标车辆，DWEL系统处于待机状态，否则进行下一步；

A8、感知模块判断Left_Count是否＞0且Right_Count是否＞0，若 Left_Count＞0且Right_Count＞0，则道路两侧均存在大型车辆，DWEL系统处于待机状态。

进一步的，在步骤A5中的所述判断过程包括四种可能性判断，四种可能性判断分别包括只经历步骤A1，依次经历步骤A1、步骤A2，依次经历步骤A1、步骤A2、步骤A3，依次经历步骤A1、步骤A2、步骤A3、步骤A4。

进一步的，所述偏离轨迹和回归轨迹多项式轨迹规划方法包括如下参数：TTO(Time To Overtake)、τ₁、τ₂、Δy，TTO计算公式、τ₁和τ₂参数设定方式、Δy计算公式如下：

TTO＝Δx/(u_SV-u_target)；

τ₁＝0.0394·(u_SV-u_target)+3.3159(s)；

τ₂＝-0.0298·(u_SV-u_target)+4.6306(s)；

其中，TTO是指自车和目标车均按照当前速度匀速行驶，距离自车超越目标车的时间，Δx是自车车头与目标车车尾的相对纵向距离，u_sv为自车当前车速，u_target为目标车当前车速。τ₁和τ₂分别是偏离过程和回归过程的持续时间，Δy为偏离过程的最大偏移量，x₁和x₂分别是自车与目标大型车辆的侧向距离(两车车身之间空隙的侧向长度)和自车与目标大型车辆侧车道线之间的距离。

进一步的，所述跟踪模块控制操作包括以下步骤：

B1、跟踪模块采用PID控制对目标轨迹进行跟踪，

B2、跟踪模块引入粒子群寻优算法(PSO)和预瞄模型实现自适应整定 PID控制；

B3、跟踪模块通过对全部粒子状态的不断迭代操作，求取最优位置。

相对于现有技术，本发明所述的一种车道内主动躲闪大型车辆的辅助驾驶系统具有以下优势：

(1)本发明所述的一种车道内主动躲闪大型车辆的辅助驾驶系统可实现在超越大型车辆场景下的自动目标识别、决策、主动躲闪轨迹规划以及躲闪动作执行功能，可提升车辆在该场景下的侧向碰撞安全性，以及驾乘人员的安心感。

(2)本发明所述的一种车道内主动躲闪大型车辆的辅助驾驶系统在躲闪轨迹规划环节所制定的规划策略是基于自然驾驶行为数据拟人化开发的，可保证此功能符合人类(中国人)驾驶习惯。

(3)本发明所述的一种车道内主动躲闪大型车辆的辅助驾驶系统的躲闪动作执行功能可在LKA功能的底层执行机构基础上开发，所需改造成本较低。

附图说明

构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明实施例所述的一种车道内主动躲闪大型车辆的辅助驾驶系统的摄像头探测目标示意图；

图2为本发明实施例所述的一种车道内主动躲闪大型车辆的辅助驾驶系统的感知环节目标物类型判断流程图；

图3为本发明实施例所述的一种车道内主动躲闪大型车辆的辅助驾驶系统的状态机转换图；

图4为本发明实施例所述的一种车道内主动躲闪大型车辆的辅助驾驶系统的偏离、回归过程轨迹规划示意图；

图5为本发明实施例所述的一种车道内主动躲闪大型车辆的辅助驾驶系统的轨迹跟踪流程图；

图6为本发明实施例所述的一种车道内主动躲闪大型车辆的辅助驾驶系统粒子群优化算法寻优流程图；

图7本发明实施例所述的一种车道内主动躲闪大型车辆的辅助驾驶系统基于PreScan-Simulink仿真平台的自适应整定PID轨迹跟踪试验结果图；

图8本发明实施例所述的一种车道内主动躲闪大型车辆的辅助驾驶系统基于PreScan-Simulink仿真平台的自适应整定PID轨迹跟踪试验结果误差示意图。

具体实施方式

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以通过具体情况理解上述术语在本发明中的具体含义。

下面将参考附图并结合实施例来详细说明本发明。

如图1所示，一种车道内主动躲闪大型车辆的辅助驾驶系统(即DWEL)，包括感知模块、决策模块、规划模块、跟踪模块和控制器，所述感知模块包括环境感知传感器，环境感知传感器信号连接至决策模块的输入端，决策模块通过环境感知传感器信号确定辅助驾驶系统的四种状态，决策模块输出端信号连接至规划模块的的输入端，规划模块用于规划偏离和回归两个过程的车辆运动轨迹，规划模块输出端信号连接至跟踪模块的输入端，所述决策模块、规划模块、跟踪模块均信号连接控制器，所述控制器为ECU，该系统可针对自车超越大型车辆的风险场景，主动感知周边环境，并依据当前环境参数和驾驶行为图谱规划自车躲闪大型车辆的偏离轨迹和回归轨迹，保证超越过程中合适的车辆间隙，提高驾驶安全性。

所述环境感知传感器包括摄像头、转向盘转矩传感器、转向盘转角传感器、加速踏板传感器、制动踏板传感器和陀螺仪，所述摄像头、转向盘转矩传感器、转向盘转角传感器、加速踏板传感器、制动踏板传感器和陀螺仪均信号连接至控制器，所述的摄像头感知信息包括但不限于：目标物ID、类型、相对距离、相对速度、左右侧车道线信息等。所述的转向盘转矩传感器用于检测驾驶员对转向盘施加的转矩。所述的转向盘转角传感器用于检测转向盘转角。所述的加速踏板传感器用于检测加速踏板开度。所述的制动踏板传感器用于检测制动踏板角度。所述的陀螺仪用于检测自车车速以及纵向、侧向加速度。若一定纵向范围内的目标物满足仅自车的单侧相邻车道(左侧邻车道或右侧邻车道)存在大型车辆，则当前环境满足DWEL系统的目标场景条件，否则，DWEL系统不开启。

如图3所示，所述辅助驾驶系统的四种状态包括关闭状态(OFF)、待机状态(STANDBY)、激活状态(ACTIVE)和故障状态(FAILURE)，DWEL 系统决策模块决定了这四种状态之间的转换。关闭状态开启进入待机状态，待机状态关闭进入关闭状态，待机状态激活进入激活状态，激活状态包括偏离过程和回归过程，若偏离过程和回归过程执行结束，则DWEL系统退出，进入待机状态。当系统处于待机状态和激活状态，若检测到故障均会进入故障状态，故障状态排除故障进入关闭状态。

所述辅助驾驶系统包括以下操作步骤：

S1、环境感知传感器对环境进行感知操作，对目标车辆的识别和环境参数获取，并对目标级信息进行处理操作，再将处理后的目标级信息输送给决策模块；目标车辆的识别和环境参数获取包括对目标车辆相对运动参数、车道线信息等；

S2、决策模块接收到处理后的目标级信息，根据状态机条件转移列表对 DWEL系统四种状态进行转换操作，并确定DWEL系统当前状态，在激活状态下，决策模块对处理后的目标级信息进行处理操作得到决策指令参数，然后将决策指令参数(指决策模块输出的决策指令参数)输送给规划模块；DWEL 系统当前状态包括关闭、待机、激活、故障四种；

S3、规划模块接收到决策指令参数，规划模块依据当前环境参数和驾驶行为图谱通过多项式轨迹规划方法规划自车躲闪大型车辆的偏离轨迹和回归轨迹，并将规划轨迹参数输送给跟踪模块；

S4、跟踪模块接收到规划轨迹参数(规划模块输出的规划轨迹参数)，对车辆的执行机构进行控制操作，保证自车沿目标轨迹运动，车辆的执行机构即线控转向系统，DWEL系统可通过摄像头对行驶过程中遭遇的大型车辆进行目标物类型识别和横向距离检测，其工作过程可分为两个阶段：1偏离阶段：当自车接近目标时基于目标物纵向和横向距离、自车距车道线距离、自车车速、目标物纵向相对车速等信息计算出目标横向偏移量Δy、偏离时间τ₁和回归时间τ₂，并发送底层执行机构转向实现偏离，以保持横向安全距离； 2回归阶段：在超越目标后重新回归车道中心线位置。该功能可以在ACC，LKS，TJA,HWP等系统基础上，进一步提升车辆的侧向安全性以及驾乘人员的安心感。

此外，决策模块的核心即是状态机，如附图3所示，包含关闭、待机、激活和故障四种状态，决策模块的初始状态应处于关闭状态，当驾驶员开启 DWEL系统则进入待机状态，当感知模块对目标级信息处理后，确定满足目标场景要求则进入激活状态，如果决策模块处于待机状态时驾驶员关闭DWEL 系统则进入关闭状态。当且仅当决策模块处于待机状态时，规划模块规划自车躲闪大型车辆的偏离轨迹和回归轨迹。在自车回归阶段完成后，决策模块由激活状态退出，并进入待机状态。当决策模块处于激活状态或待机状态且系统检测到感知模块、决策模块、规划模块或跟踪模块出现故障时，决策模块报错并进入故障状态，直到系统检测到故障排除，决策模块进入关闭状态。

如图2所示，在步骤S1中的所述目标级信息进行处理操作包括以下步骤：

A1、感知模块判断目标车类型是否为大型车辆(卡车或大客车)，若是则进行下一步，否则切换下一个目标车，重新进入A1步骤；

A2、感知模块判断目标车相对自车纵向距离是否在阈值ΔDx(150m)内，若是则进行下一步，否则切换下一个目标车，重新进入A1步骤；

A3、感知模块判断目标车相对自车横向距离是否处于范围ΔDy₁(2～5m) 内，若是则Left_Count增加1，切换下一个目标车，并重新进入A1步骤，否则进行下一步；

A4、感知模块判断目标车相对自车横向距离是否处于范围ΔDy₂(-5～-2m) 内，若是则Right_Count增加1，切换下一个目标车，并重新进入A1步骤，否则切换下一个目标车，并重新进入A1步骤；

A5、当所有目标车均经历了A1～A4的判断过程，感知模块判断 Left_Count是否>0且Right_Count是否＝0，若Left_Count>0且 Right_Count＝0，则目标车位于左侧，输出相对纵向距离最小的大型车辆的全部信息，此时满足目标场景要求，否则进行下一步；

A6、感知模块判断Left_Count是否＝0且Right_Count是否>0，若 Left_Count＝0且Right_Count>0，则目标车位于右侧，输出相对纵向距离最小的大型车辆的全部信息，此时满足目标场景要求，否则进行下一步；

A7、感知模块判断Left_Count是否＝0且Right_Count是否＝0，若 Left_Count＝0且Right_Count＝0，则未出现大型目标车辆，DWEL系统处于待机状态，否则进行下一步；

A8、感知模块判断Left_Count是否>0且Right_Count是否>0，若 Left_Count>0且Right_Count>0，则道路两侧均存在大型车辆，DWEL系统处于待机状态。

需说明的是，本车道内主动躲闪大型车辆的辅助驾驶系统主要设计对象为车辆的横向决策规划与控制，若自车道前方存在前车，驾驶员应当自行对前车进行跟车操作，若此时因自车速度较低无法超越左侧大型车辆，此时 DWEL系统处于激活状态，通过规划模块的TTO和τ₁的公式和定义可知，当系统进入激活状态后开始计时，在经历了时间(TTO-τ₁)后开始进入偏离过程，若自车车速小于左侧车道大型车辆车速，则TTO<0，无意义，系统将持续保持激活状态但不执行偏离动作，直到目标车驶出感知阈值范围，系统返回待机状态。

在步骤A5中的所述判断过程包括四种可能性判断，四种可能性判断分别包括只经历步骤A1，依次经历步骤A1、步骤A2，依次经历步骤A1、步骤 A2、步骤A3，依次经历步骤A1、步骤A2、步骤A3、步骤A4。

在实际测试中，获取所有目标车的目标级信息后，假设有5个目标车，第一个目标车先经历步骤A1判断是否属于大型车辆，若属于大型车辆，则第一个目标车进入步骤A2，若不属于大型车辆，则第一个目标车就止步于步骤A1，等待其他四个目标车经历完判断过程；

与此同时，换成第二个目标车进入步骤A1判断是否属于大型车辆，若属于大型车辆，则第二个目标车进入步骤A2(若不属于大型车辆，则第二个目标车就止步于步骤A1，等待剩余三个目标车经历完判断过程)，若第二个目标车在步骤A2内，其相对自车纵向距离在阈值ΔDx(20m)内，则第二个目标车进入步骤A3，若第二个目标车相对自车纵向距离不在阈值ΔDx(20m) 内，则第二个目标车就止步于步骤A2，等待剩余三个目标车经历完判断过程；

依次类推第三个目标车、第四个目标车、第五个目标车的判断过程，当所有目标车均经历了步骤A1～A4的判断过程即可进入步骤A5中进行下一步操作。

如图4所示，在步骤S3中的所述偏离轨迹和回归轨迹多项式轨迹规划方法包括如下参数：TTO(Time To Overtake)、τ₁、τ₂、Δy，TTO计算公式、τ₁和τ₂参数设定方式、Δy计算公式如下：

TTO＝Δx/(u_SV-u_target)；

τ₁＝0.0394·(u_SV-u_target)+3.3159(s)；

τ₂＝-0.0298·(u_SV-u_target)+4.6306(s)；

其中，TTO是指自车和目标车均按照当前速度匀速行驶，距离自车超越目标车的时间，Δx是自车车头与目标车车尾的相对纵向距离，即两车的纵向间距，u_sv为自车当前车速，u_target为目标车当前车速。τ₁和τ₂分别是偏离过程和回归过程的持续时间，Δy为偏离过程的最大偏移量，x₁和x₂分别是自车与目标大型车辆的侧向距离(两车车身之间空隙的侧向长度)和自车与目标大型车辆侧车道线之间的距离，此外，τ₁、τ₂、Δy三个参数均不是常值，而是根据自车周边环境而实时改变的，如：τ₁会随着自车相对目标大型车辆的纵向速度差的增加而增加，τ₂会随着自车相对目标大型车辆的纵向速度差的增加而减小，τ₁和τ₂的参数设定可以基于驾驶行为图谱、经验公式等设定：系统进入激活状态后实时计算TTO，当TTO小于τ₁且TTO>0s时，开启偏离过程，并保持τ₁时间后进入回归过程，回归过程持续τ₂后DWEL系统退出激活状态。

偏离过程和回归过程的轨迹规划部分基于多项式轨迹规划方法进行，本发明中的偏离过程的最大偏移量Δy是根据环境参数和专家经验共同确定的，Δy随着自车与目标大型车辆的侧向距离x₁(两车车身之间空隙的侧向长度)的增大而减小，同时随着自车与目标大型车辆侧车道线之间的距离x₂的增大而减小，如图4所示。

在上述基础上，引入躲闪轨迹的初末状态边界条件如下，即可根据多项式轨迹规划模型进行多项式参数求解：

y₁(t)＝a₀+a₁t+a₂t²+a₃t³；

y_l表示车辆的侧向轨迹，a₀～a₃则是基于三次多项式轨迹规划方法设计的侧向轨迹规划模型的系数，无物理意义，其计算方式已在公式中列出，Δy 是偏离过程的最大偏移量，t代表偏离过程的持续时间。

如图5所示，在步骤S4中的所述跟踪模块控制操作包括以下步骤：

B1、跟踪模块采用PID控制对目标轨迹进行跟踪，

B2、跟踪模块引入粒子群寻优算法(PSO)和预瞄模型实现自适应整定 PID控制；

B3、跟踪模块通过对全部粒子状态的不断迭代操作，求取最优位置(优化问题最优解)；DWEL系统的轨迹跟踪模块的输入为规划模块输出的目标轨迹，输出为转向盘转角。其轨迹跟踪控制流程如附图5所示，采用PID控制对目标轨迹进行跟踪，并在传统PID控制的基础上，引入了粒子群寻优算法 (PSO)和预瞄模型实现了自适应整定PID控制，以降低PID控制的误差和延迟。其中，粒子群算法是一种用于解决目标最优化问题的群体智能算法，具有灵活性、鲁棒性和自组织性。粒子群算法的核心思想在于：在优化问题的求解空间中构建由若干粒子个体组成的种群，粒子初始状态随机并可以在空间中自由运动，通过种群中所有粒子循环迭代寻优以实现最优问题的求解。其中每个粒子的空间状态可以表示为x_i＝[x_i1,x_i2......x_iD]，每个粒子的维度D等于求解空间的维度(本专利中D＝3，求解维度为pid三个控制参数)，而每个粒子具有四种特征：粒子空间位置p、粒子运动速度矢量v、适应度值fitness和粒子的个体极值g。其中，粒子空间位置表示优化问题的可能最优解，粒子运动速度矢量代表最优解的优化方向和梯度，适应度值表示每个粒子关于适应度函数的映射值，个体极值则表示每个粒子在优化过程中最接近模型最优解的位置。此外，在种群层面存在着另一个优化参数z：群体极值，代表每次迭代群体中最接近最优解的个体极值。在每次迭代优化过程中，粒子的速度和位置的更新公式如下：

其中w为惯性权重、d∈[1,D]、rand₁和rand₂分别为两个0～1之间的随机因子，c₁和c₂为加速度因子。粒子位置和速度的变化区间可人为设定为[p_min p_max] 和[v_min v_max]。粒子运动的动力源于三个方面：①惯性力，保持粒子沿初始方向运动，以实现全局搜索；②个体极值吸引力，引导粒子朝自身历史最优位置运动并在此位置保持，实现自我认知；③种群极值吸引力，引导粒子脱离初始运动方向，朝其他粒子的历史最优位置运动，实现种群认知。粒子群寻优过程如附图6所示。

为实现自适应整定PID控制，可以基于粒子群算法对某种初始工况(车速、躲闪横向距离、偏离过程时间)下的最优p,i,d控制参数进行寻优，其中粒子状态可以表示为X_i＝[K_p K_i K_d]，而每个粒子对应的适应度值则由仿真试验结果统计得出，适应度值fitness共包含三部分：偏离过程开始1s后实际侧向位移与目标侧向位移的滞后距离e₁、偏离过程结束时刻实际侧向位移与目标侧向位移的滞后距离e₂、回归过程结束后实际轨迹相比目标轨迹的侧向位移最大超调量e₃。在获取了不同初始工况下的最优pid参数后，制定成 pid真值表，在不同的初始工况(车速、躲闪横向距离、偏离过程时间)下选择不同的PID参数，从而实现不同工况下的可自适应整定的轨迹跟踪算法，提高了轨迹跟踪模块的鲁棒性。

fitness＝e₁+e₂+e₃；

e₁＝|y_target(t)-y_real(t)||t＝t₀+1s；

e₂＝|y_target(t)-y_real(t)| |t＝t₀+τ₁；

e₃＝|y_target(t)-y_real(t)| |t＝t₀+τ₁+τ₂；

其中，公式中竖线代表的是边界条件，即e₁是在时间t₀+1s时的误差， e₂是在时间t₀+τ₁时的误差,e₃是在时间t₀+τ₁+τ₂时的误差；y_target(t)代表规划模块输出的目标轨迹侧向位移值，y_real(t)代表仿真试验中车辆实际轨迹的侧向位移值。

在PreScan-Matlab-Simulink联合仿真平台中对本发明中提出的自适应整定PID轨迹跟踪系统进行仿真验证，其结果如附图7和图8所示，由仿真结果可知，本发明提出的轨迹跟踪方法在该发明所针对的场景下有着较高的跟踪精度，可满足实车控制要求。

此外，需要说明的是，在图1中，摄像头传感器即正文出现的摄像头，摄像头传感器视野及摄像头的探测范围；OBJ₁～OBJ₄为摄像头探测到的目标物示意图，(x,y)表示目标物相对纵向距离和相对侧向距离；

在图2中，OBJ_i(x_i,y_i)表示第i个目标车及其相对纵向距离和相对侧向距离信息；

在图4中，左邻车道代表自车左侧的第一条车道，右邻车道代表自车右侧第一条邻车道；

在图5中，轨迹跟踪误差为目标轨迹与实际轨迹侧向位移的差值，控制量即转向盘转角，被控对象为车辆的动力学系统；

在图6中，Y代表满足精度判断，则输出优化结果。N代表不满足精度判断，则继续迭代更新粒子的速度和位置。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种车道内主动躲闪大型车辆的辅助驾驶系统，其特征在于：包括感知模块、决策模块、规划模块、跟踪模块和控制器，所述感知模块包括环境感知传感器，环境感知传感器对环境进行感知操作，对目标级信息进行获取，目标级信息包括目标车辆识别和环境参数，并对目标级信息进行处理操作，再将处理后的目标级信息输送给决策模块，决策模块接收到处理后的目标级信息，根据状态机条件转移列表对辅助驾驶系统的四种状态进行转换操作，并确定辅助驾驶系统当前状态，所述辅助驾驶系统的四种状态包括激活状态，在激活状态下，决策模块对处理后的目标级信息进行处理操作得到决策指令参数，然后将决策指令参数输送给规划模块，规划模块接收到决策指令参数，规划模块依据当前环境参数和驾驶行为图谱通过多项式轨迹规划方法规划自车躲闪大型车辆的偏离轨迹和回归轨迹得到规划轨迹参数，并将规划轨迹参数输送给跟踪模块，跟踪模块接收到规划轨迹参数，对车辆的执行机构进行控制操作，保证自车沿目标轨迹运动，所述环境感知传感器、决策模块、规划模块、跟踪模块均信号连接控制器。

2.根据权利要求1所述的一种车道内主动躲闪大型车辆的辅助驾驶系统，其特征在于：所述环境感知传感器包括摄像头、转向盘转矩传感器、转向盘转角传感器、加速踏板传感器、制动踏板传感器和陀螺仪，所述摄像头、转向盘转矩传感器、转向盘转角传感器、加速踏板传感器、制动踏板传感器和陀螺仪均信号连接至控制器。

3.根据权利要求1所述的一种车道内主动躲闪大型车辆的辅助驾驶系统，其特征在于：所述辅助驾驶系统的四种状态还包括关闭状态、待机状态和故障状态，关闭状态开启进入待机状态，待机状态关闭进入关闭状态，待机状态激活进入激活状态，激活状态退出进入待机状态，当系统处于待机状态和激活状态，若检测到故障均会进入故障状态，故障状态排除故障进入关闭状态。

4.根据权利要求1所述的一种车道内主动躲闪大型车辆的辅助驾驶系统，其特征在于：所述目标级信息进行处理操作包括以下步骤：

A1、感知模块判断目标车类型是否为大型车辆，若是则进行下一步，否则切换下一个目标车，重新进入A1步骤；

A2、感知模块判断目标车相对自车纵向距离是否在阈值ΔDx(150m)内，若是则进行下一步，否则切换下一个目标车，重新进入A1步骤；

A3、感知模块判断目标车相对自车横向距离是否处于范围ΔDy₁(2～5m)内，若是则Left_Count增加1，切换下一个目标车，并重新进入A1步骤，否则进行下一步；

A4、感知模块判断目标车相对自车横向距离是否处于范围ΔDy₂(-5～-2m)内，若是则Right_Count增加1，切换下一个目标车，并重新进入A1步骤，否则切换下一个目标车，并重新进入A1步骤；；

A5、当所有目标车均经历了A1～A4的判断过程，感知模块判断Left_Count是否>0且Right_Count是否＝0，若Left_Count>0且Right_Count＝0，则目标车位于左侧，输出相对纵向距离最小的大型车辆的全部信息，此时满足目标场景要求，否则进行下一步；

A6、感知模块判断Left_Count是否＝0且Right_Count是否>0，若Left_Count＝0且Right_Count>0，则目标车位于右侧，输出相对纵向距离最小的大型车辆的全部信息，此时满足目标场景要求，否则进行下一步；

A7、感知模块判断Left_Count是否＝0且Right_Count是否＝0，若Left_Count＝0且Right_Count＝0，则未出现大型目标车辆，DWEL系统处于待机状态，否则进行下一步；

A8、感知模块判断Left_Count是否>0且Right_Count是否>0，若Left_Count>0且Right_Count>0，则道路两侧均存在大型车辆，DWEL系统处于待机状态。

5.根据权利要求4所述的一种车道内主动躲闪大型车辆的辅助驾驶系统，其特征在于：在步骤A5中的所述判断过程包括四种可能性判断，四种可能性判断分别包括只经历步骤A1，依次经历步骤A1、步骤A2，依次经历步骤A1、步骤A2、步骤A3，依次经历步骤A1、步骤A2、步骤A3、步骤A4。

6.根据权利要求4所述的一种车道内主动躲闪大型车辆的辅助驾驶系统，其特征在于：在步骤S3中的所述偏离轨迹和回归轨迹多项式轨迹规划方法包括如下参数：TTO(Time ToOvertake)、τ₁、τ₂、△y，TTO计算公式、τ₁和τ₂参数设定方式、△y计算公式如下：

TTO＝Δx/(u_SV-u_target)；

τ₁＝0.0394·(u_SV-u_target)+3.3159(s)；

τ₂＝-0.0298·(u_SV-u_target)+4.6306(s)；

其中，TTO是指自车和目标车均按照当前速度匀速行驶，距离自车超越目标车的时间，△x是自车车头与目标车车尾的相对纵向距离，u_sv为自车当前车速，u_target为目标车当前车速。τ₁和τ₂分别是偏离过程和回归过程的持续时间，△y为偏离过程的最大偏移量，x₁和x₂分别是自车与目标大型车辆的侧向距离(两车车身之间空隙的侧向长度)和自车与目标大型车辆侧车道线之间的距离。

7.根据权利要求1所述的一种车道内主动躲闪大型车辆的辅助驾驶系统，其特征在于：所述跟踪模块控制操作包括以下步骤：

B1、跟踪模块采用PID控制对目标轨迹进行跟踪，

B2、跟踪模块引入粒子群寻优算法(PSO)和预瞄模型实现自适应整定PID控制；

B3、跟踪模块通过对全部粒子状态的不断迭代操作，求取最优位置。

Images