一种基于风险场的智能车辆换道路径规划方法-k8凯发

本发明属于智能车辆路径规划领域，具体涉及一种基于风险场的智能车辆换道路径规划方法。

背景技术：

1、自动驾驶技术中的决策规划属于决策规划，是实现汽车智能化的关键技术之一，其主要任务是依据环境感知系统处理后的环境信号，在满足汽车行驶诸多约束的前提下，以某性能指标最优为目的，规划出车辆的运动轨迹。

2、目前轨迹规划算法主要包括基于图搜算、基于曲线拟合、基于数学优化、基于人工势场、基于采样。作为行车安全评估的有效手段，行车风险场考虑了车路因素对行车安全的综合影响，为复杂环境下行车风险评估和车辆主动控制提供了新的判决依据。

3、如发明专利申请《网联汽车避障换道轨迹规划方法及系统》(cn114537380a)和《基于时空采样评估的智能车辆轨迹规划方法及系统》(cn116149336a)。

4、其中，中国发明专利申请公开书(cn114537380a)于2022年2月17号公开的《网联汽车避障换道轨迹规划方法及系统》，获取主车的初始状态以及周围车辆的状态信息，根据状态信息确定换道主车的中转状态；将主车的初始状态和中转状态作为输入，进行第一次轨迹规划；判断第一次轨迹规划是否满足安全性和舒适性约束，且在满足安全性和舒适性约束时，根据第一次轨迹规划确定换道结束状态，否则返回第一次轨迹规划；将主车的中转状态和换道结束状态作为输入，进行第二次轨迹规划；判断第二次轨迹规划该轨迹是否满足安全性及舒适性约束，且在满足安全性和舒适性约束时，将第二次轨迹规划作为目标换道轨迹，否则返回第二次轨迹规划。但是该方法在以下不足：

5、1)该轨迹规划方法并未考虑障碍物及自车的尺寸信息，导致不能准备描述行车的换道避障过程。

6、中国发明专利申请公开书(cnl16149336a)于2023年2月24日公开的《基于时空采样评估的智能车辆轨迹规划方法及系统》，首先初始化规划器；更新道路搜索空间表征；以自车位置为起点，网格中节点为终点，生成可选轨迹；以网格中的两节点为起始点和终点生成可选轨迹；在网格节点中选择最优终点；以最优终点回溯到自车位置选择最优轨迹。但是该方法在以下不足：

7、1)该轨迹规划方法采用三次曲线只能保证速度和位移连续，不能保证加速度连续，对路径规划的舒适性造成影响。

8、2)该路径规划方法大量利用离线初始估计表来作为路径生成参数的初始解，并保证一定路径覆盖度，导致计算量过大，实时性较差。

技术实现思路

1、本发明所要解决的技术问题是上述的技术不足，本发明提出了一种基于风险场的智能车辆换道路径规划方法。该方法首先建立包含道路边界风险场、车道标记线风险场以及障碍物风险场的行车风险场，同时引入车辆尺寸信息和航向角信息扩展风险场适用范围，然后结合车辆运动学模型，将质心横纵向坐标、智能航向角作为状态量，前轮转角作为控制量建立模型预测控制器实现换道路径规划。

2、本发明的目的是这样实现的。本发明提供了一种基于风险场的智能车辆换道路径规划方法，包括以下步骤：

3、步骤1，建立道路边界风险场ed_tq

4、设定与地平线平行的轴为横轴，取智能车辆正前方为正方向，在地平面内，且与地平线垂直垂直的轴为纵轴，取智能车辆正前方逆时针旋转90°方向为正方向，两坐标轴的交点为坐标原点，道路边界、车道标记线均与横轴平行；

5、设定道路边界风险分布呈梯度下降趋势，所述道路边界风险场ed_tq采用幂函数形式来描述，其表达式为：

6、

7、式中，μ为道路边界场强系数，dtq为智能车辆与道路边界的距离矢量，记为车边距离矢量dtq，dtq＝(0，|yq-yt|-0.5(l sinθ wcosθ))，所述车边距离矢量dtq的方向以智能车辆质心为起点，指向与智能车辆同一横坐标的道路边界质心，yt为智能车辆的质心纵坐标，yq为与智能车辆同一横坐标的道路边界质心的纵坐标，l为智能车辆的长度，w为智能车辆的宽度，θ为智能车辆的航向角；

8、步骤2，建立车道标记线风险场eb_tm

9、所述车道标记线风险场eb_tm的表达式为：

10、

11、式中，dm为车道标记线风险系数，dtm为智能车辆与车道标记线m的距离矢量，记为车线距离矢量dtm，车线距离矢量dtm的方向以智能车辆质心为起点，指向与智能车辆同一横坐标的车道标记线质心，ym为与智能车辆同一横坐标的道路边界质心的纵坐标；

12、步骤3，建立障碍物风险场ez_ti

13、所述障碍物风险场ez_ti的表达式为：

14、

15、式中，λ为第一给定常数，τ1为第二给定常数，τ2为第三给定常数，λ、τ1、τ2均大于0；b为障碍物的序号，b＝1，2，即设定共有两种障碍物，并记为障碍物ib，其中障碍物i1为可忽略障碍物尺寸的障碍物，障碍物i2为不可忽略尺寸的障碍物；vib为障碍物ib的速度；dti_b为车障距离矢量，表征智能车辆与障碍物ib的距离矢量；为障碍物ib的速度方向与车障距离矢量dti_b的夹角，并记为速距夹角mib为等效质量，表征智能车辆与障碍物ib碰撞的严重程度；

16、步骤4，给定换道路径规划的最终目标函数p

17、基于道路边界风险场ed_tq、车道标记线风险场eb_tm和障碍物风险场ez_ti，结合车辆运动学模型建立模型预测控制器实现换道路径规划，得到最终目标函数p；

18、步骤4.1，建立在惯性坐标系下的车辆运动学模型，其表达式为：

19、

20、式中，为智能车辆后轴轴心横坐标的导数，为智能车辆后轴轴心纵坐标的导数，为智能车辆航向角的导数，vtb为智能车辆的后轴中心速度，ζ为智能车辆的前轮转角记为前轮转角ζ，γ为智能车辆的轴距；

21、步骤4.2，根据步骤4.1，将智能车辆的质心横坐标xt、智能车辆的质心纵坐标yt、智能车辆的航向角θ作为状态量，将前轮转角ζ作为控制量，建立模型预测控制器，其表达式为：

22、

23、式中，e为当前采样时刻，e 1为下一采样时刻，w为采样周期；步骤4.3，确定最终目标函数p

24、将道路边界风险场ed_tq作为目标函数p1，将车道标记线风险场eb_tm作为目标函数p2，将障碍物风险场ez_ti作为目标函数p3：

25、

26、式中，u1为每个采样时刻的预测时域，j为当前采样时刻的步长数量，j＝1，2，......，u1，ed_tq(j)为当前采样时刻下，第j个预测步长时的道路边界风险场ed_tq，eb_tm(j)为当前采样时刻下，第j个预测步长时的车道标记线风险场eb_tm，ez_ti(j)为当前采样时刻下，第j个预测步长时的障碍物风险场ez_ti；

27、将智能车辆的质心纵坐标yt与期望值的误差作为目标函数p4，将智能车辆的航向角θ与期望值的误差作为目标函数p5，其表达式分别为：

28、

29、式中，yt_w(j)为第j个预测步长时的智能车辆纵向位置误差，θw(j)为第j个预测步长时的智能车辆航向角误差，yt(j)为第j个预测步长时的智能车辆纵向位置，θ(j)为第j个预测步长时的智能车辆的航向角，ye(j)为第j个预测步长时的智能车辆期望纵向位置，θe(j)为第j个预测步长时的智能车辆的期望航向角；

30、将前轮转角ζ作为目标函数p6，其表达式为：

31、

32、式中，ζ(j)为第j个预测步长时的前轮转角，u2为每个采样时刻的控制时域，且满足u2≤u1；

33、引入第一权重系数ε1、第二权重系数ε2、第三权重系数ε3、第四权重系数ε4、第五权重系数ε5和第六权重系数ε6，最终目标函数p的表达式为：

34、p＝ε1p1 ε2p2 ε3p3 ε4p4 ε5p5 ε6p6

35、步骤4.4，结合车辆转向结构饱和阈值，描述路径规划的模型预测控制优化问题，并得到最优前轮转角ζbest，其表达式为：

36、

37、式中，ζmin为前轮转角ζ的最小值，ζmax为前轮转角ζ的最大值；

38、步骤5，在每个采样时刻通过求解满足目标函数p和车辆转向结构饱和阈值得到最优前轮转角ζbest，然后返回步骤4.2根据模型预测控制器得到e 1采样时刻的智能车辆的质心横坐标xt、智能车辆的质心纵坐标yt、智能车辆t的航向角θ；在智能车辆换道过程中的每一采样时刻重复上述流程得到一条实时优化的车辆换道路径。

39、优选地，所述车道标记线风险系数dm的计算式为：

40、

41、式中，tm为车道标记系数，d1为智能车辆质心与车道标记线m的横向距离，d1＝|yt-ym|，ym为与智能车辆t质心同一横坐标的车道标记线m质心的纵坐标，w*为车道宽度。

42、优选地，所述等效质量mib的计算式为：

43、

44、式中，mib为障碍物ib的实际质量，tib为障碍物ib的类型系数，a为速度多项式的项数，ξa为第四给定常数，ηa为第五给定常数、λa为第六给定常数；

45、所述车障距离矢量dti_b的计算如下：

46、对于障碍物i1，车障距离矢量dti_b的计算式为：

47、

48、式中，t1为障碍物i1与智能车辆质心的距离，xt为智能车辆质心的横坐标，x1为障碍物i1的横坐标，y1为障碍物i1的纵坐标，为障碍物i1速度方向与车障距离矢量dti_b的夹角；

49、对障碍物i2，车障距离矢量dti_b的计算式为：

50、

51、式中，t2为障碍物i2与智能车辆i质心的距离，x2为障碍车i2质心的横坐标，y2为障碍车i2质心的纵坐标，β1为障碍车i2的长，β2为障碍车i2的宽，α1为与障碍物i2长度相关的待定系数、α2为与障碍物i2宽度相关的待定系数，v2为障碍物i2的速度，ω为与障碍物i2的速度相关的待定系数，xt为智能车辆t质心的横坐标，yt为智能车辆t质心的纵坐标，为障碍物i2质心速度方向与车障距离矢量dti_b的夹角。

52、与现有技术相比，本发明具有如下有益效果：

53、1、本发明通过确定障碍物类型系数，总结出考虑尺寸情况下，障碍车与周围不同航向角车辆的距离信息，建立扩展后的行车风险场能更准确更全面的描述行车风险的变化。

54、2、本文发明用模型预测控制，以前轮转角作为控制量，防止车辆转向幅度过大保证舒适性，通过对路径规划系统模型的精确建模，对未来一段时间内的行车环境进行预测，保证了实时性，实现更加优化的控制效果。