[发明专利]一种基于混合粒子群算法的智能车超车轨迹优化方法

说明书

本发明公开了一种基于混合粒子群算法的智能车超车轨迹优化方法，该方法包括车辆环境感知单元(摄像头、激光雷达)，自车传感器单元(速度传感器、加速度传感器、前轮转角传感器)以及车辆电子控制单元；首先通过车辆电子控制单元判断超车的可行性，进而建立五次多项式超车轨迹函数，其次基于汽车的行驶效率和稳定性建立目标函数，最后采用混合粒子群算法对目标函数进行优化，以得到最优超车行驶轨迹。本发明的基于混合粒子群算法的智能车超车轨迹优化方法能够使车辆能够快速、稳定的完成超车任务；采用的混合粒子群算法可以高效准确的对目标函数进行优化，相比于其他算法，收敛性强且优化时间较小。

技术领域

本发明涉及到智能驾驶技术领域，尤其涉及到一种基于混合粒子群算法优化智能车超车轨迹方法。

背景技术

近几年来，智能车辆由于其在提高交通效率，减少交通事故，增强车辆的安全性方面具有的优势，成为了汽车行业的最受关注的热点之一。对于智能车辆的研究主要包括感知层、决策规划层以及控制层三大模块。超车作为汽车行驶过程中一个重要的部分，据不完全统计，每年因超车所导致的交通事故占所有交通事故的15％以上。通常情况下，驾驶员依靠自身的驾驶经验和周围环境(车速、距离)情况执行超车行为。然而，对于一些驾驶员来说，其可能对超车的可行性进行错误的判断，由此导致了意外事故的发生。超车轨迹规划作为智能车辆能否安全、高效完成超车任务的关键，因此，对于智能车辆的超车轨迹规划的研究对于提高车辆通行效率具有重要的意义。

发明内容

发明目的：本发明要解决的技术问题是在智能车辆在超车过程中兼顾效率、安全方面的缺陷，提出一种基于混合粒子群优化算法优化的超车轨迹规划方法。

技术方案：

一种基于混合粒子群算法的智能车超车轨迹优化方法，包括如下步骤：

步骤1：信息采集，根据摄像头采集的道路信息，包括障碍物位置信息、车道限速信息，激光雷达采集的前车车辆与自车车辆信息、前车速度、加速度信息以及车辆传感器单元采集的车辆状态信息确定大地坐标系与车辆坐标系，建立超车安全距离模型；

步骤2：超车决策的判定，车辆电子控制单元通过判断自车与前车的实际距离S_real与超车安全距离S_f的差值，记作a；通过摄像头检测道路信息，识别出车道限制速度v_l；通过摄像头检测左侧车道是否存在障碍物，当自车与前车的实际距离满足超车安全距离，两车车速均在车道限制速度内，且左侧超车道无障碍物时，车辆电子控制单元发信号给车辆执行机构，开始超车；车辆电子控制单元将超车信号发送给车辆执行机构；

步骤3：超车轨迹函数建立，建立五次多项式超车轨迹函数，确定初始时刻状态与结束时刻状态中各项的数值，将以上各数值代入五次多项式超车轨迹函数，可得到含有初始车速、换道纵向轨迹长度、换道所需时间三个参数变量的函数式；

步骤4：参数变量的优化，利用混合粒子群算法对换道纵向轨迹长度、换道所需时间两个参数变量进行参数优化，即可得到不同初始车速下的最优超车轨迹。

进一步地，所述步骤1中摄像头将采集到的道路信息、激光雷达将采集到的前车与自车相对位置以及前车速度、加速度信息传到车辆电子控制单元中，车辆传感器包括车速传感器、前轮转角传感器以及加速度传感器分别采集车辆的速度、前轮转角以及加速度，同时将得到的信息传到车辆电子控制单元中；

进一步地，所述步骤2的超车安全距离模型为：

式中，v_f为自车车速，v_r为自车与前车相对速度，μ为道路附着系数，g为重力加速度，t₁为驾驶员反应延迟时间，t₂为制动器起作用时间，d为最小停车距离。