[go: up one dir, main page]

CN115092138A - 基于自然驾驶人特性的车辆高速公路换道轨迹规划方法 - Google Patents

基于自然驾驶人特性的车辆高速公路换道轨迹规划方法 Download PDF

Info

Publication number
CN115092138A
CN115092138A CN202210557257.1A CN202210557257A CN115092138A CN 115092138 A CN115092138 A CN 115092138A CN 202210557257 A CN202210557257 A CN 202210557257A CN 115092138 A CN115092138 A CN 115092138A
Authority
CN
China
Prior art keywords
track
vehicle
lane
changing
longitudinal
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202210557257.1A
Other languages
English (en)
Other versions
CN115092138B (zh
Inventor
赵治国
梁凯冲
颜丹姝
李园
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tongji University
Original Assignee
Tongji University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tongji University filed Critical Tongji University
Priority to CN202210557257.1A priority Critical patent/CN115092138B/zh
Publication of CN115092138A publication Critical patent/CN115092138A/zh
Application granted granted Critical
Publication of CN115092138B publication Critical patent/CN115092138B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/18—Propelling the vehicle
    • B60W30/18009—Propelling the vehicle related to particular drive situations
    • B60W30/18163—Lane change; Overtaking manoeuvres
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0019—Control system elements or transfer functions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—Longitudinal speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/10—Historical data
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Human Computer Interaction (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Evolutionary Biology (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及一种基于自然驾驶人特性的车辆高速公路换道轨迹规划方法，包括：获取基于自然驾驶人的车辆高速公路历史行驶轨迹信息；提取车辆换道轨迹片段信息；对车辆换道轨迹片段进行分类；对每一类中换道轨迹片段历经时间进行统计分析，得到期望换道时间；将每一类中的换道轨迹片段进行时间尺度上的放缩；利用二维高斯函数最大似然估计对相同时刻的不同横、纵向位置进行统计分析，得到期望横、纵向位置，由此获取该纵向车速分类下的示教换道轨迹；对换道示教轨迹进行学习，获得轨迹基元库；利用最优轨迹基元生成基于自然驾驶人特性的换道轨迹。与现有技术相比，本发明具有计算效率高、泛化能力强、驾乘舒适性好等优点。

Description

基于自然驾驶人特性的车辆高速公路换道轨迹规划方法
技术领域
本发明涉及自动驾驶车辆轨迹规划技术领域，尤其是涉及一种基于自然驾驶人特性的车辆高速公路换道轨迹规划方法。
背景技术
轨迹规划技术承接自动驾驶决策和运动控制技术，其轨迹规划结果直接关乎到行车安全性、舒适性，是车辆实现自动驾驶的关键技术之一，也是自动驾驶研究的热点与难点。目前常用轨迹规划方法大致可以分为人工势场法、图搜索法、随机采样法、参数曲线法及数值优化法等。
中国专利CN112414419A公开了一种车辆变道路径规划方法及相关装置，该方法根据变道起点及变道终点信息，利用元羊角螺旋线规划出换道路径；中国专利CN110244713A公开了一种基于人工势场法的智能车辆换道轨迹规划系统及方法，其借鉴人工势场法中的障碍物斥力场模型，考虑最大横向安全加速度和道路曲率的约束，规划出换道路径。但上述轨迹规划方法多从环境约束、车辆动力学约束等方面进行考虑，很少考虑到自然驾驶人特性；随着自动驾驶等级的不断提高，仅考虑效率、安全性的轨迹规划技术已不能满足驾乘人员的需求。
高速公路换道场景是最常见的驾驶场景之一，若自动驾驶车辆换道轨迹规划不能充分考虑自然驾驶人的特性，势必会影响驾乘人员的舒适度，并造成其对自动驾驶系统的接受度降低，心理恐慌感增加。因此，如何从基于自然驾驶人的车辆高速公路历史行驶轨迹信息提取出有用信息，并规划出符合自然驾驶人特性的高速公路换道轨迹还亟待研究。
发明内容
本发明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计算效率高、泛化能力强、驾乘舒适性好的基于自然驾驶人特性的车辆高速公路换道轨迹规划方法。
本发明的目的可以通过以下技术方案来实现：
一种基于自然驾驶人特性的车辆高速公路换道轨迹规划方法，所述的换道轨迹规划方法包括：
步骤1：获取基于自然驾驶人的车辆高速公路历史行驶轨迹信息；
步骤2：基于车辆航向角信息对车辆历史行驶轨迹进行分割，提取车辆换道轨迹片段信息；
步骤3：依据获取的车辆换道轨迹片段起始时刻纵向速度对车辆换道轨迹片段进行分类；
步骤4：对步骤3中每一类中换道轨迹片段历经时间利用一维高斯函数最大似然估计进行统计分析，得到其统计意义上的期望换道时间；
步骤5：将每一类中的换道轨迹片段依据步骤4得到的相应期望换道时间进行时间尺度上的放缩；
步骤6：利用二维高斯函数最大似然估计对相同时刻的不同横、纵向位置进行统计分析，得到统计意义上的期望横、纵向位置，由此获取该纵向车速分类下的示教换道轨迹；
步骤7：利用改进的轨迹基元算法对步骤6获取的换道示教轨迹进行学习，获得轨迹基元库；
步骤8：根据车辆纵向行驶速度，匹配最优轨迹基元，并根据目标位置利用最优轨迹基元生成基于自然驾驶人特性的换道轨迹。
优选地，所述步骤1中的历史行驶轨迹信息包括车辆横向位置、纵向位置、速度、加速度和时间戳。
优选地，所述的步骤2具体为：
步骤2-1：由车辆位置参数计算车辆航向角；
步骤2-2：从换道点正向遍历航向角，获取换道终点，然后反向遍历航向角获取换道起始点；
换道点具体为：车辆轨迹与车道线的交点；
步骤2-3：依据换道起始点和终点，提取车辆换道轨迹片段信息。
更加优选地，所述的车辆航向角的计算方法具体为：
Figure BDA0003652657790000031
其中，θ(t)为t时刻的航向角；x(t)为t时刻的车辆纵向位置；y(t)为t时刻的车辆横向位置。
优选地，所述的步骤3具体为：
依据车辆换道轨迹片段起始时刻纵向速度对换道轨迹片段进行划分，其速度划分区间具体为：从60km/h～130km/h以5km/h为划分步长，共划分14类。
优选地，所述的步骤4中一维高斯函数最大似然估计具体为：
Figure BDA0003652657790000032
其中，T为换道轨迹片段历经时间；μT为该类换道轨迹片段期望换道时间；
Figure BDA0003652657790000033
为换道轨迹片段历经时间的方差。
优选地，所述的步骤5具体为：
步骤5-1：获取换道轨迹纵向车速曲线并进行缩放；
具体为：
Figure BDA0003652657790000034
其中，
Figure BDA0003652657790000035
为缩放后的纵向车速；vx为缩放前纵向车速；
步骤5-2：利用一维线性插值，基于时间维度对放缩后的纵向车速进行N次等间隔采样，得到在期望时间下的纵向车速序列，结合期望换道时间，获得期望纵向位置序列；
次数N具体为：
Figure BDA0003652657790000036
其中，Δt为采样间隔；
期望时间下的纵向车速序列具体为：
Figure BDA0003652657790000037
期望纵向位置序列具体为：
Figure BDA0003652657790000038
步骤5-3：基于步骤5-2获得的期望纵向位置序列，结合换道轨迹，利用一维线性插值获得期望横向位置，完成换道轨迹在时间尺度上的缩放；
期望横向位置序列具体为：
Figure BDA0003652657790000041
优选地，所述步骤6中的二维高斯函数最大似然估计具体为
Figure BDA0003652657790000042
其中，σx为纵向位置标准差；σy为横向位置标准差；ρ为x与y之间的相关系数；μx为期望纵向位置；μy为期望横向位置。
优选地，所述步骤7中改进后的轨迹基元算法为：
Figure BDA0003652657790000043
其中，τ为时间缩放因子；αz和βz为系统参数；g为目标位置；y0为系统起始位置；f为强迫函数；y、
Figure BDA00036526577900000411
和
Figure BDA00036526577900000410
分别为系统位移、速度和加速度；x为系统自变量；
强迫函数f具体为：
Figure BDA0003652657790000044
其中，Ψ(x)为高斯基函数；ω为基函数权重；M为基函数数量；
x为时间t的函数，具体为：
Figure BDA0003652657790000045
其中，αx＞0，为系统常数；
所述的步骤7具体为：
步骤7-1：基于示教轨迹计算目标强迫函数；
具体为：
Figure BDA0003652657790000046
其中，ydemo、
Figure BDA0003652657790000047
和
Figure BDA0003652657790000048
分别为示教轨迹的位移、速度和加速度；
步骤7-2：构造损失函数，利用局部加权回归算法求解基函数对应权重值；
损失函数具体为：
Figure BDA0003652657790000049
局部加权回归算法求解基函数对应权重值的方法具体为：
Figure BDA0003652657790000051
Figure BDA0003652657790000052
Figure BDA0003652657790000053
Figure BDA0003652657790000054
优选地，所述的步骤8具体为：
步骤8-1：基于示教轨迹起始时刻纵向车速，依据最小距离原则，选择与车辆纵向行驶车速最接近的示教轨迹，进而匹配最优轨迹基元；
步骤8-2：根据目标换道位置利用最优轨迹基元，计算生成基于驾驶人特性的换道轨迹；
具体为：利用轨迹基元算法进行计算，获得换道轨迹的位移、速度、加速度信息；
轨迹基元算法具体为：
Figure BDA0003652657790000055
与现有技术相比，本发明具有以下有益效果：
一、计算效率高、泛化能力强：本发明中的车辆高速公路换道轨迹规划方法在获取轨迹基元库后，根据车辆纵向行驶速度，匹配最优轨迹基元，在生成换道轨迹时仅需迭代运算，不涉及数值求解及优化问题，因此计算效率高；且根据目标换道位置的不同可快速泛化出多条符合自然驾驶人特性的换道轨迹。
二、充分考虑了换道过程中自然驾驶人特性、驾乘舒接受度高：本发明中的车辆高速公路换道轨迹规划方法所获取的轨迹基元库是基于自然驾驶人驾驶数据获得，由此泛化得到的换道轨迹更加符合自然驾驶人特性，因此驾乘人员接受度高。
附图说明
图1为本发明中车辆高速公路换道轨迹规划方法的流程示意图；
图2为本发明实施例中车速区间85km/h～90km/h的换道轨迹横、纵向位置概率分布示意图；
图3为本发明实施例中车速区间85km/h～90km/h的换道示教轨迹示意图；
图4为本发明实施例中横纵向泛化换道轨迹示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。
一种基于自然驾驶人特性的车辆高速公路换道轨迹规划方法，其流程如图1所示，包括：
步骤1：获取基于自然驾驶人的车辆高速公路历史行驶轨迹信息；
基于自然驾驶人的车辆高速公路历史行驶轨迹信息包括车辆横、纵向位置、速度、加速度和时间戳；
步骤2：基于车辆航向角信息对车辆历史行驶轨迹进行分割，提取车辆换道轨迹片段信息；
步骤3：依据获取的车辆换道轨迹片段起始时刻纵向速度对车辆换道轨迹片段进行分类；
步骤4：对步骤3中每一类中换道轨迹片段历经时间利用一维高斯函数最大似然估计进行统计分析，得到其统计意义上的期望换道时间；
一维高斯函数最大似然估计具体为：
Figure BDA0003652657790000061
其中，T为换道轨迹片段历经时间，μT为该类换道轨迹片段期望换道时间，
Figure BDA0003652657790000062
为换道轨迹片段历经时间的方差。
步骤5：将每一类中的换道轨迹片段依据步骤4得到的相应期望换道时间进行时间尺度上的放缩；
步骤6：利用二维高斯函数最大似然估计对相同时刻的不同横、纵向位置进行统计分析，得到统计意义上的期望横、纵向位置，由此获取该纵向车速分类下的示教换道轨迹，如图2、图3所示；
二维高斯函数最大似然估计具体为
Figure BDA0003652657790000071
其中，σx为纵向位置标准差，σy为横向位置标准差，ρ为x与y之间的相关系数，μx为期望纵向位置，μy为期望横向位置。
步骤7：利用改进的轨迹基元算法对步骤6获取的换道示教轨迹进行学习，获得轨迹基元库；
步骤8：根据车辆纵向行驶速度，匹配最优轨迹基元，并根据目标位置利用最优轨迹基元生成基于驾驶人特性的换道轨迹，如图4所示。
步骤2具体为：
步骤2-1：由车辆位置参数计算车辆航向角；
步骤2-2：从换道点正向遍历航向角，获取换道终点；反向遍历航向角获取换道起始点，所述的换道点定义为车辆轨迹与车道线的交点；
步骤2-3：依据换道起始点和终点，对提取车辆换道轨迹片段信息。
车辆航向角计算方法具体为：
Figure BDA0003652657790000072
其中，θ(t)为t时刻的航向角，x(t)为t时刻的车辆纵向位置，y(t)为t时刻的车辆横向位置。
步骤3具体为：依据车辆换道轨迹片段起始时刻纵向速度将换道轨迹片段进行划分，其速度划分区间具体为从60km/h～130km/h以5km/h为划分步长，共划分为14类。
步骤5具体为：
步骤5-1：获取换道轨迹纵向车速曲线进行缩放，具体公式为：
Figure BDA0003652657790000073
其中，
Figure BDA0003652657790000081
为缩放后的纵向车速，vx为缩放前纵向车速。
步骤5-2：利用一维线性插值，基于时间维度对放缩后的纵向车速进行N次等间隔采样，得到在期望时间下的纵向车速序列，结合期望换道时间，获得期望纵向位置序列；
N具体为：
Figure BDA0003652657790000082
其中，Δt为采样间隔；
期望时间下的纵向车速序列具体为：
Figure BDA0003652657790000083
期望纵向位置序列具体为：
Figure BDA0003652657790000084
步骤5-3：基于步骤5-2获得的期望纵向位置序列，结合换道轨迹，利用一维线性插值获得期望横向位置，完成换道轨迹在时间尺度上的缩放；
期望横向位置序列具体为：
Figure BDA0003652657790000085
步骤7具体为：
改进的轨迹基元算法可避免目标位置与起始位置接近时的算法失效，具体为：
Figure BDA0003652657790000086
其中，τ为时间缩放因子；αz和βz为系统参数；g为目标位置；y0为系统起始位置；f为强迫函数；y、
Figure BDA0003652657790000087
和
Figure BDA0003652657790000088
分别为系统位移、速度和加速度；x为系统自变量；
强迫函数f具体为：
Figure BDA0003652657790000089
其中，Ψ(x)为高斯基函数；ω为基函数权重；M为基函数数量；
x为时间t的函数，具体为：
Figure BDA00036526577900000810
其中，αx＞0，为系统常数；
所述的步骤7具体为：
步骤7-1：基于示教轨迹计算目标强迫函数；
具体为：
Figure BDA0003652657790000091
其中，ydemo、
Figure BDA0003652657790000092
和
Figure BDA0003652657790000093
分别为示教轨迹的位移、速度和加速度；
步骤7-2：构造损失函数，利用局部加权回归算法求解基函数对应权重值；
损失函数具体为：
Figure BDA0003652657790000094
局部加权回归算法求解基函数对应权重值的方法具体为：
Figure BDA0003652657790000095
Figure BDA0003652657790000096
Figure BDA0003652657790000097
Figure BDA0003652657790000098
步骤8具体为：
步骤8-1：基于示教轨迹起始时刻纵向车速，依据最小距离原则，选择与车辆纵向行驶车速最接近的示教轨迹，进而匹配最优轨迹基元；
步骤8-2：根据目标换道位置利用最优轨迹基元，计算生成基于驾驶人特性的换道轨迹；
计算生成基于驾驶人特性的换道轨迹具体为：利用轨迹基元算法进行计算，获得换道轨迹的位移、速度、加速度信息；
轨迹基元算法具体为：
Figure BDA0003652657790000099
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种基于自然驾驶人特性的车辆高速公路换道轨迹规划方法，其特征在于，所述的换道轨迹规划方法包括：
步骤1：获取基于自然驾驶人的车辆高速公路历史行驶轨迹信息；
步骤2：基于车辆航向角信息对车辆历史行驶轨迹进行分割，提取车辆换道轨迹片段信息；
步骤3：依据获取的车辆换道轨迹片段起始时刻纵向速度对车辆换道轨迹片段进行分类；
步骤4：对步骤3中每一类中换道轨迹片段历经时间利用一维高斯函数最大似然估计进行统计分析，得到其统计意义上的期望换道时间；
步骤5：将每一类中的换道轨迹片段依据步骤4得到的相应期望换道时间进行时间尺度上的放缩；
步骤6：利用二维高斯函数最大似然估计对相同时刻的不同横、纵向位置进行统计分析，得到统计意义上的期望横、纵向位置，由此获取该纵向车速分类下的示教换道轨迹；
步骤7：利用改进的轨迹基元算法对步骤6获取的换道示教轨迹进行学习，获得轨迹基元库；
步骤8：根据车辆纵向行驶速度，匹配最优轨迹基元，并根据目标位置利用最优轨迹基元生成基于自然驾驶人特性的换道轨迹。
2.根据权利要求1所述的一种基于自然驾驶人特性的车辆高速公路换道轨迹规划方法，其特征在于，所述步骤1中的历史行驶轨迹信息包括车辆横向位置、纵向位置、速度、加速度和时间戳。
3.根据权利要求1所述的一种基于自然驾驶人特性的车辆高速公路换道轨迹规划方法，其特征在于，所述的步骤2具体为：
步骤2-1：由车辆位置参数计算车辆航向角；
步骤2-2：从换道点正向遍历航向角，获取换道终点，然后反向遍历航向角获取换道起始点；
换道点具体为：车辆轨迹与车道线的交点；
步骤2-3：依据换道起始点和终点，提取车辆换道轨迹片段信息。
4.根据权利要求3所述的一种基于自然驾驶人特性的车辆高速公路换道轨迹规划方法，其特征在于，所述的车辆航向角的计算方法具体为：
Figure FDA0003652657780000021
其中，θ(t)为t时刻的航向角；x(t)为t时刻的车辆纵向位置；y(t)为t时刻的车辆横向位置。
5.根据权利要求1所述的一种基于自然驾驶人特性的车辆高速公路换道轨迹规划方法，其特征在于，所述的步骤3具体为：
依据车辆换道轨迹片段起始时刻纵向速度对换道轨迹片段进行划分，其速度划分区间具体为：从60km/h～130km/h以5km/h为划分步长，共划分14类。
6.根据权利要求1所述的一种基于自然驾驶人特性的车辆高速公路换道轨迹规划方法，其特征在于，所述的步骤4中一维高斯函数最大似然估计具体为：
Figure FDA0003652657780000022
其中，T为换道轨迹片段历经时间；μT为该类换道轨迹片段期望换道时间；
Figure FDA0003652657780000023
为换道轨迹片段历经时间的方差。
7.根据权利要求1所述的一种基于自然驾驶人特性的车辆高速公路换道轨迹规划方法，其特征在于，所述的步骤5具体为：
步骤5-1：获取换道轨迹纵向车速曲线并进行缩放；
具体为：
Figure FDA0003652657780000024
其中，
Figure FDA0003652657780000025
为缩放后的纵向车速；vx为缩放前纵向车速；
步骤5-2：利用一维线性插值，基于时间维度对放缩后的纵向车速进行N次等间隔采样，得到在期望时间下的纵向车速序列，结合期望换道时间，获得期望纵向位置序列；
次数N具体为：
Figure FDA0003652657780000026
其中，Δt为采样间隔；
期望时间下的纵向车速序列具体为：
Figure FDA0003652657780000031
期望纵向位置序列具体为：
Figure FDA0003652657780000032
步骤5-3：基于步骤5-2获得的期望纵向位置序列，结合换道轨迹，利用一维线性插值获得期望横向位置，完成换道轨迹在时间尺度上的缩放；
期望横向位置序列具体为：
Figure FDA0003652657780000033
8.根据权利要求1所述的一种基于自然驾驶人特性的车辆高速公路换道轨迹规划方法，其特征在于，所述步骤6中的二维高斯函数最大似然估计具体为
Figure FDA0003652657780000034
其中，σx为纵向位置标准差；σy为横向位置标准差；ρ为x与y之间的相关系数；μx为期望纵向位置；μy为期望横向位置。
9.根据权利要求1所述的一种基于自然驾驶人特性的车辆高速公路换道轨迹规划方法，其特征在于，所述步骤7中改进后的轨迹基元算法为：
Figure FDA0003652657780000035
其中，τ为时间缩放因子；αz和βz为系统参数；g为目标位置；y0为系统起始位置；f为强迫函数；y、
Figure FDA0003652657780000036
和
Figure FDA0003652657780000037
分别为系统位移、速度和加速度；x为系统自变量；
强迫函数f具体为：
Figure FDA0003652657780000038
其中，Ψ(x)为高斯基函数；ω为基函数权重；M为基函数数量；
x为时间t的函数，具体为：
Figure FDA0003652657780000039
其中，αx＞0，为系统常数；
所述的步骤7具体为：
步骤7-1：基于示教轨迹计算目标强迫函数；
具体为：
Figure FDA0003652657780000041
其中，ydemo、
Figure FDA0003652657780000042
和
Figure FDA0003652657780000043
分别为示教轨迹的位移、速度和加速度；
步骤7-2：构造损失函数，利用局部加权回归算法求解基函数对应权重值；
损失函数具体为：
Figure FDA0003652657780000044
局部加权回归算法求解基函数对应权重值的方法具体为：
Figure FDA0003652657780000045
Figure FDA0003652657780000046
Figure FDA0003652657780000047
Figure FDA0003652657780000048
10.根据权利要求1所述的一种基于自然驾驶人特性的车辆高速公路换道轨迹规划方法，其特征在于，所述的步骤8具体为：
步骤8-1：基于示教轨迹起始时刻纵向车速，依据最小距离原则，选择与车辆纵向行驶车速最接近的示教轨迹，进而匹配最优轨迹基元；
步骤8-2：根据目标换道位置利用最优轨迹基元，计算生成基于驾驶人特性的换道轨迹；
具体为：利用轨迹基元算法进行计算，获得换道轨迹的位移、速度、加速度信息；
轨迹基元算法具体为：
Figure FDA0003652657780000049
CN202210557257.1A 2022-05-19 2022-05-19 基于自然驾驶人特性的车辆高速公路换道轨迹规划方法 Active CN115092138B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210557257.1A CN115092138B (zh) 2022-05-19 2022-05-19 基于自然驾驶人特性的车辆高速公路换道轨迹规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210557257.1A CN115092138B (zh) 2022-05-19 2022-05-19 基于自然驾驶人特性的车辆高速公路换道轨迹规划方法

Publications (2)

Publication Number Publication Date
CN115092138A true CN115092138A (zh) 2022-09-23
CN115092138B CN115092138B (zh) 2024-11-08

Family

ID=83288234

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210557257.1A Active CN115092138B (zh) 2022-05-19 2022-05-19 基于自然驾驶人特性的车辆高速公路换道轨迹规划方法

Country Status (1)

Country Link
CN (1) CN115092138B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117584991A (zh) * 2024-01-17 2024-02-23 上海伯镭智能科技有限公司 一种矿区无人驾驶车外人员安全保护方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106164999A (zh) * 2014-04-08 2016-11-23 三菱电机株式会社 碰撞防止装置
CN106926844A (zh) * 2017-03-27 2017-07-07 西南交通大学 一种基于实时环境信息的动态自动驾驶换道轨迹规划方法
CN110329263A (zh) * 2019-07-05 2019-10-15 西南交通大学 自动驾驶车辆自适应换道轨迹规划方法
CN114291112A (zh) * 2021-12-30 2022-04-08 同济大学 一种应用于自动驾驶汽车的决策规划协同增强方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106164999A (zh) * 2014-04-08 2016-11-23 三菱电机株式会社 碰撞防止装置
CN106926844A (zh) * 2017-03-27 2017-07-07 西南交通大学 一种基于实时环境信息的动态自动驾驶换道轨迹规划方法
CN110329263A (zh) * 2019-07-05 2019-10-15 西南交通大学 自动驾驶车辆自适应换道轨迹规划方法
CN114291112A (zh) * 2021-12-30 2022-04-08 同济大学 一种应用于自动驾驶汽车的决策规划协同增强方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117584991A (zh) * 2024-01-17 2024-02-23 上海伯镭智能科技有限公司 一种矿区无人驾驶车外人员安全保护方法及系统
CN117584991B (zh) * 2024-01-17 2024-03-22 上海伯镭智能科技有限公司 一种矿区无人驾驶车外人员安全保护方法及系统

Also Published As

Publication number Publication date
CN115092138B (zh) 2024-11-08

Similar Documents

Publication Publication Date Title
CN111079590B (zh) 一种无人驾驶车辆的周边车辆行为预判方法
CN113291308B (zh) 一种考虑驾驶行为特性的车辆自学习换道决策系统及方法
CN107492251B (zh) 一种基于机器学习与深度学习的驾驶员身份识别与驾驶状态监测方法
CN107169567B (zh) 一种用于车辆自动驾驶的决策网络模型的生成方法及装置
CN113486822B (zh) 一种基于驾驶意图的周围车辆轨迹预测方法及系统
CN106114507B (zh) 用于智能车辆的局部轨迹规划方法和装置
CN110103956A (zh) 一种无人车自动超车轨迹规划方法
CN104835319B (zh) 一种高等级道路瓶颈区入匝道车辆汇入行为估计方法
CN111104969A (zh) 一种无人驾驶车辆与周边车辆的碰撞可能性预判方法
CN115018016B (zh) 一种人工驾驶车辆换道意图识别方法和系统
CN111930110A (zh) 一种结合社会生成对抗网络的意图轨迹预测方法
CN112053589B (zh) 一种目标车辆换道行为自适应识别模型构建方法
CN106097717B (zh) 基于两类浮动车数据融合的信号交叉口平均通行时间估计方法
CN114655227B (zh) 驾驶风格识别方法、辅助驾驶方法及装置
CN104494600A (zh) 一种基于svm算法的驾驶员意图识别方法
CN112668779A (zh) 基于自适应高斯过程的前车运动状态预测方法
CN110288835A (zh) 一种基于运动学预测补偿机制的周边车辆行为实时识别方法
CN115062202A (zh) 驾驶行为意图及轨迹的预测方法、装置、设备及存储介质
CN112614373A (zh) 一种基于BiLSTM周车换道意图预测方法
CN114368387A (zh) 一种基于注意力机制的驾驶员意图识别及车辆轨迹预测方法
Gao et al. Discretionary cut-in driving behavior risk assessment based on naturalistic driving data
CN115092138A (zh) 基于自然驾驶人特性的车辆高速公路换道轨迹规划方法
CN106873595A (zh) 一种基于时间自动机的跟车行为识别方法
CN117237689A (zh) 一种基于机器学习的车辆换道意图识别方法和系统
CN115374498A (zh) 一种考虑道路属性特征参数的道路场景重构方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant