[发明专利]一种具有自主换道功能并提高侧向安全性的智能驾驶系统

说明书

本发明为一种新型智能驾驶系统。具体涉及到智能车辆在转向和换道行驶过程中的横向主动安全。主要体现在车辆转向过程中车辆自身的稳定性以及在多车道条件下实现安全换道。该系统由决策规划模块、转向控制模块与速度控制模块组成。为实现车辆换道安全，决策规划模块通过计算相应的速度与轨迹，并驱动下层的转向与速度控制器实现车辆在换道条件下的安全换道行为，防止与交通环境中的各个车辆发生任意形式的碰撞。此外为提高车辆转向过程中自身车辆的安全性，通过对转向控制器的设计中引入对车辆侧向加速度、横向转移率、横摆角速度和质心侧偏角的约束条件来提高车辆在转向过程中的稳定性，减小可能发生侧偏、侧滑以及侧翻等安全风险。

技术领域：

本发明涉及智能车辆控制与辅助驾驶领域，主要完成在具有复杂道路环境下，智能车辆实现安全自主换道，并提高转向过程安全性、稳定性和舒适性。

背景技术：

在辅助驾驶系统中，驾驶员模型的作用是对驾驶员的驾驶行为提供参考和依据，必要情况下可以在某些工况中替代驾驶员实现半自动驾驶。早在上世纪50年代，国外研究人员首次提出驾驶员模型的概念。驾驶员模型包括纵向驾驶员模型、横向驾驶员模型、复合驾驶员模型。从建模方法上看，驾驶员建模方法按时间顺序可分为传递函数法、智能控制理论法、最优控制理论法和基于人工智能与数据的建模方法。传递函数法是最传统的建模方法，根据是否存在驾驶员的前视行为，驾驶员模型可分为补偿跟踪模型和预瞄跟踪模型。其缺点是参数单一、鲁棒性差，难以适应多种驾驶条件。模糊控制与人工神经网络控制等智能控制算法可以满足车辆的转向与速度控制条件，但过分依赖专家经验，需要进行大量的调试过程才能得出能适应某一具体工况下的控制参数，且难以保证车辆其他状态变量的稳定。基于最优控制理论、模型预测控制理论的驾驶员模型，将被控变量的偏差与控制量的加权和作为最优控制量的性能指标，同时结合车辆状态变量的约束条件，也能达到良好的控制效果，缺点是该方法依赖精确的被控对象的模型，且计算量大，而车辆动力学模型非线性强，且不易描述。伴随着人工智能技术的兴起，基于数据和机器学习的驾驶员的建模也是近年来一种新兴的建模方法。如贝叶斯网络算法、支持向量机以及各种深度学习算法等，其优点是其驾驶员模型来源于人类驾驶员的行驶数据、可以更好的贴近人类驾驶员的特性。缺点是需要采集大量的驾驶员数据，且训练周期长。

针对转向过程的行车安全的研究也是一大热点。根据车辆运动的维度，转向安全包括车辆的横摆、侧倾、侧向稳定性以及在行驶过程中的安全驾驶行为。针对车辆转向时的侧向稳定性，当前国内外主要工作内容是设计各种辅助控制器，如横摆转矩控制器、防侧倾控制器等，即针对车辆本身设计辅助控制算法来辅助驾驶员安全，提高车辆的侧向稳定性。通常侧向安全指标包括质心侧偏角、横摆率、侧向加速度和横载转移率等。而据统计，造成交通事故的主要原因是人类驾驶员的误操作，从驾驶员模型本身来防止侧向失稳的研究还很少。针对转向时的安全驾驶行为的研究，当前主要根据本车速度、前车速度及其他交通环境等约束，建立保持一个合理的车间距的过程，保证宏观车流的稳定。

在对驾驶员转向行为模型的研究中，模型的输出控制量主要是方向盘的转角。但在驾驶员实际驾驶过程中，为完成某一驾驶目标不仅需要转动方向盘。特别是在换道行驶过程中，驾驶员在操控方向盘的同时也会对油门和制动踏板、档位进行操作完成纵向速度的调整。在对车辆横向安全的车辆与驾驶员特性的研究中，大多只考虑到的安全性指标比较单一。即只考虑车辆侧翻，车道偏离或者道路保持等指标中的一项。而实际车辆驾驶过程中需要对这些安全指标进行综合考量。

发明内容：

本发明设计一种新型智能驾驶系统，用于提高车辆转向安全性、稳定性和舒适性，并具备主动安全换道的功能。

本发明主要通过以下技术方案实现：