[发明专利]自动驾驶车辆自适应换道轨迹规划方法

说明书

本发明公开了一种自动驾驶车辆自适应换道轨迹规划方法，首先在原有的换道轨迹前增加一段纵向换道轨迹，让车辆在纵向轨迹上调整自身速度和与目标车道间的相对位置，然后再进行横向换道移动，保证当前车辆换道的安全性和效率性；第二，该模型中增加了换道返回轨迹。考虑了车辆在换道过程中当换道条件不符合安全约束时，规划车辆安全返回当前车道的轨迹；第三，该模型引入新的车辆换道避撞算法，根据自动驾驶车辆车身姿态变化对换道过程中安全的影响，进而提出了车辆冲突区域的概念，保证车辆完成换道以后的安全性约束。与现有技术相比，本发明的积极效果是：实现换道过程中自动驾驶车辆对交通环境变化的自动调整，提高换道效率和安全性。

技术领域

本发明涉及一种自动驾驶车辆自适应换道轨迹规划方法。

背景技术

近年来，自动驾驶技术受到了社会的广泛关注，被认为是缓解交通拥堵、减少交通事故和减少环境污染的重要技术。其中，车辆换道是车辆行驶的基本操作之一，也是造成交通事故的重要原因，根据中国公路交通安全管理局报告显示，60％以上的高速公路交通事故与车辆换道有关。由此，自动驾驶车辆换道轨迹是自动驾驶研究的重点，也是有待解决的技术难点。

现有自动驾驶车辆换道轨迹研究方法包括几何曲线法、搜索方法和模型预测控方法，其中以几何曲线为主。利用几何曲线规划车辆换道轨迹的方法中，根据表征换道轨迹的几何曲线的类型，细分为多项式轨迹、正弦函数、B样条函数和贝塞尔曲线等方法。Nelson最早在提出多项式作为车辆换道轨迹曲线，利用连续曲率线段弥补圆弧线段在换道轨迹中不连续的问题。随后多项式方法以三次多项式和五次多项式为主，Yang等人提出动态的车辆换道轨迹规划方法，将横纵坐标的三次多项式作为车辆换道轨迹。Luo等人在研究了车联网环境下的动态车辆换道轨迹规划，采用了安全距离模型实现避撞，并构建了基于时间的多项式轨迹来表征换道轨迹。Piazzi和Norouzi等人首次用五次多项式曲线作为车辆的换道轨迹。Bai等人研究了车辆协作环境下的车辆换道，将五次多项式作为车辆的换道轨迹。

除了多项式方法外，还有其他几何曲线算法用于规划车辆换道轨迹。Chee和Tomizuka评估了不同的轨迹规划方法，认为梯形加速度更能满足曲线的连续性，换道时间较短还能体现轨迹对横向加速度的约束。Yang等人认为车辆在换道开始和结束时车辆转向角都应为0度，且车辆的横向加速度必须连续，因此提出了等速偏移和正弦函数叠加的轨迹规划模型。Li等人以B样条曲线作为车辆换道的轨迹，保证曲线的连续性，且能实现避撞，但是在复杂环境下B样条轨迹规划方法计算速度较慢，因此并不适用于高速和复杂的换道环境。Chen等人认为B样条曲线无法约束和控制车辆最大横向加速度，因此提出贝塞尔曲线作为车辆的换道轨迹，但是对于换道过程中的障碍物，贝塞尔曲线控制点的选取问题得不到解决。

此外，Wolf和Burdick首次提出了高速公路环境下的车辆换道的人工势场法，用势场来表征环境空间，通过求解势场中势能下降最快的方向来规划换道轨迹。Li等人基于状态空间抽样的方法规划局部轨迹簇，生成满足安全和舒适的最优轨迹。不少研究者将模型预测控制方法应用到自动驾驶车辆轨迹规划研究中，Schildbach和Borrelli利用模型预测控制方法预测周围车辆的可能轨迹，对换道车辆的位置、方向、速度、加速度和安全距离等参数进行约束，用以产生满足舒适性和安全性的轨迹。Nilsson等人首次在车辆换道轨迹研究中考虑车辆纵向和横向的安全间距，将车辆换道轨迹规划问题转变为解决纵向和横向运动的松散耦合的模型的预测控制问题。但是该方法的计算较复杂，对于复杂的换道环境，难以快速实时地反应和执行操作。

以上是当前的研究方法，其存在着一些不足之处。第一，模型对车辆换道环境的假设太强。上述研究中设定，换道过程中周围车辆的速度恒定不变，这与真实的驾驶环境不符。第二，当前的研究中换道车辆无法根据实时响应周围车辆状态的变化，即无法实时的调整车辆的速度和车辆间的距离，因而这些模型在真实交通环境中可能失效。