本發(fā)明屬于交通控制系統(tǒng)領(lǐng)域，具體涉及一種基于安全場的車輛換道決策與軌跡規(guī)劃交互耦合方法。

背景技術(shù)：

1、隨著汽車技術(shù)的不斷發(fā)展，自動駕駛技術(shù)成為引領(lǐng)汽車行業(yè)未來發(fā)展的關(guān)鍵驅(qū)動力之一。在自動駕駛過程中，車輛的換道行為是一項至關(guān)重要的任務(wù)，直接影響到交通流暢性、行車安全性以及駕乘體驗。車輛行駛過程中包括跟馳與換道兩個微觀交通行為，不論是跟馳還是換道，均包括感知、決策、規(guī)劃與控制四個階段，感知屬于上層單元，控制屬于下層單元，決策與規(guī)劃是聯(lián)系上層感知與下層控制的重要橋梁。決策與規(guī)劃是互相影響的、具有耦合關(guān)系的兩個環(huán)節(jié)。然而，傳統(tǒng)的車輛換道決策與軌跡規(guī)劃方法往往存在局限性，難以適應(yīng)復(fù)雜多變的交通環(huán)境和確保車輛安全駕駛的需求。在傳統(tǒng)方法中，車輛換道決策和軌跡規(guī)劃通常被分離設(shè)計，車輛首先進行換道決策，然后再由軌跡規(guī)劃模塊生成相應(yīng)的軌跡，這種不考慮決策與規(guī)劃耦合影響的換道模型往往難以滿足換道整個持續(xù)過程全局最優(yōu)的目標(biāo)。同時在車輛微觀交通行為方面，傳統(tǒng)的換道決策模型以及換道軌跡規(guī)劃模型往往基于簡化的假設(shè)，無法充分考慮交通參與者的個體差異和復(fù)雜的交互行為，這限制了對真實駕駛場景的準(zhǔn)確模擬。實際交通系統(tǒng)中的行為決策和規(guī)劃往往受到許多因素的影響，如駕駛員的認(rèn)知能力、網(wǎng)聯(lián)汽車的感知技術(shù)手段、道路環(huán)境和其他交通參與者的行為等。因此，有必要研究基于更準(zhǔn)確、細致的模型和理論的微觀交通行為決策規(guī)劃與控制方法。

2、關(guān)于車輛換道決策與軌跡規(guī)劃研究整體框架的創(chuàng)新，已報道的文章和專利均采用先換道行為決策、再軌跡規(guī)劃的框架。如文章《a?game?theory-based?approach?formodeling?autonomous?vehicle?behavior?in?congested,?urban?lane-changingscenarios》，doi：10.3390/s21041523，提出了一種基于博弈論的擁擠城市交叉口換道決策模型，該模型以交叉口車輛到達完全?？壳暗南嚓P(guān)駕駛參數(shù)作為輸入；專利《一種車輛兩階段換道控制方法、裝置及設(shè)備》，中國專利申請?zhí)枺篶n202311161432.6提出車輛兩階段換道控制方法，根據(jù)當(dāng)前環(huán)境狀態(tài)確定行為決策方案，再根據(jù)方案生成換道軌跡；專利《一種智能駕駛車輛換道及車道保持一體化決策控制方法》，中國專利申請?zhí)枺篶n202311255534.?4提出涉及智能駕駛車輛換道及車道保持一體化決策控制方法。以上文獻和專利均沒有考慮換道行為決策與軌跡規(guī)劃兩者交互耦合影響，存在兩個方面的弊端：一是先行為決策后軌跡規(guī)劃的方法僅僅適合行為決策制定時的瞬間，很難作為整個換道過程的最優(yōu)解；二是傳統(tǒng)行為決策與規(guī)劃沒有與周圍車輛進行交互合作，決策即使對自車有利，但是在很大程度上損害了整體的交通效益。因而傳統(tǒng)的行為決策與軌跡規(guī)劃方式難以有效地應(yīng)對復(fù)雜的交通情境，需要更加智能化和綜合化的方法來提高交通系統(tǒng)的整體性能。

3、關(guān)于車輛換道決策與軌跡規(guī)劃研究考慮因素的分析，現(xiàn)有文章和專利的考慮因素單一，往往基于簡化的假設(shè)，無法充分考慮交通參與者的個體差異和復(fù)雜的交互行為，缺乏對潛在合作駕駛行為的準(zhǔn)確挖掘，限制了對真實駕駛場景的準(zhǔn)確模擬。如文章《automaticlane-changing?decision?based?on?single-step?dynamic?game?with?incompleteinformation?and?collision-free?path?planning》，doi：10.3390/act10080173，提出基于不完全信息的單步動態(tài)博弈換道決策和基于bézier曲線的路徑規(guī)劃,?從安全收益、速度收益和舒適性收益三個方面協(xié)調(diào)車輛換道性能；專利《基于毫米波雷達與機器視覺融合的汽車安全換道方法》，專利申請?zhí)枺篶n202110289726.?1根據(jù)自車與前車的相對距離與相對速度判斷自車是否換道。

技術(shù)實現(xiàn)思路

1、鑒于上述問題，本發(fā)明的目的是提供一種基于安全場的車輛換道決策與軌跡規(guī)劃交互耦合方法，以車輛短時軌跡預(yù)測為基礎(chǔ)，以行車安全場理論推導(dǎo)得出的行車安全指標(biāo)閾值（dsi*）為初次篩選條件，以本車效益及交通流整體效益為二次篩選指標(biāo)選取換道整個過程全局最優(yōu)決策與軌跡規(guī)劃方案，解決了傳統(tǒng)決策與規(guī)劃方法僅僅適合行為決策制定時的瞬間，很難作為整個換道過程的最優(yōu)解的弊端。

2、為實現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

3、一種基于安全場的車輛換道決策與軌跡規(guī)劃交互耦合方法，包括以下步驟：

4、a：構(gòu)建行車安全場模型，作為行車風(fēng)險的描述模型，并且用于行車安全指標(biāo)閾值的推導(dǎo)；

5、b：構(gòu)建自車周圍車輛短時軌跡預(yù)測模型，描述換道車周圍車輛的實時軌跡，用于精確衡量實時行車風(fēng)險；

6、c：構(gòu)建行車安全指標(biāo)閾值模型，將行車安全指標(biāo)閾值作為判定車輛行駛安全與否的標(biāo)準(zhǔn)，并且作為軌跡規(guī)劃初次篩選的條件；

7、d：構(gòu)建換道行為決策及軌跡規(guī)劃集，構(gòu)建涵蓋決策與軌跡組合的集合，作為軌跡規(guī)劃初次篩選的輸入；

8、e：軌跡規(guī)劃初次篩選方法，以行車安全指標(biāo)閾值作為篩選條件，篩選出滿足安全的軌跡規(guī)劃集，并作為最優(yōu)軌跡二次篩選的輸入；

9、f：最優(yōu)軌跡二次篩選方法，以效率指標(biāo)和舒適性指標(biāo)作為篩選條件，從滿足安全性的軌跡規(guī)劃集中篩選出綜合性能最優(yōu)的軌跡規(guī)劃，并將此軌跡規(guī)劃作為車輛行駛的指導(dǎo)。

10、作為本發(fā)明的優(yōu)選，在步驟a中還包括以下步驟：

11、a1：獲取在當(dāng)前道路環(huán)境下自車和周圍車輛的運動狀態(tài)參數(shù)，運動狀態(tài)參數(shù)包括本車和周圍車輛的速度、加速度、偏航角、質(zhì)量和位置；

12、a2：獲取周圍環(huán)境信息，周圍環(huán)境信息包括環(huán)境的能見度、車道數(shù)、車道線情況、道路附著系數(shù)以及限速信息；

13、a3：利用步驟a1和步驟a2獲得的信息構(gòu)建自車實時勢場值模型；

14、?；

15、其中，

16、，；

17、式中：為風(fēng)險影響因子系數(shù)；分別為道路影響因子系數(shù)、速度限制影響因子系數(shù)以及環(huán)境能見度影響因子系數(shù)；為本車所受的安全場，場強值；為本車所受的環(huán)境場，場強值；為本車所受的車輛場，場強值；為周圍車輛個數(shù)；為車輛對本車產(chǎn)生的場強值；

18、a3.?1：推導(dǎo)道路影響因子系數(shù)，路面附著系數(shù)是車輪和路面之間的靜摩擦系數(shù)，路面附著系數(shù)對于行車安全有著重要的影響，當(dāng)路面附著系數(shù)大時，車輪不容易打滑，車輛行駛具有良好的安全保障；反之，車輛易出現(xiàn)交通事故，本車行駛到某一區(qū)域時，根據(jù)車與周圍事物的信息交換系統(tǒng)通過路面感應(yīng)裝置將道路的濕滑信息傳遞到智能網(wǎng)聯(lián)車輛上，從而獲取到這一信息，因此，令干燥條件下水泥路面的附著系數(shù)作為標(biāo)準(zhǔn)附著系數(shù)，得到路面附著系數(shù)因子為：

19、；

20、式中：為標(biāo)準(zhǔn)附著系數(shù)；為道路實際附著系數(shù)；

21、上式看出，線性的成比例擴大或者縮小場強值，當(dāng)大于時，行車安全性增加，成比例的縮小場強值；反之，行車安全性降低，成比例的擴大場強值；

22、a3.?2：推導(dǎo)速度限制影響因子系數(shù)，車輛在某一限速區(qū)域行駛時，要遵循此地的限速信息行駛，當(dāng)高于此速度值，會產(chǎn)生較高的行車風(fēng)險，按照這個原理推導(dǎo)速度限制影響因子系數(shù)，如下：

23、；

24、式中：為限速設(shè)置值；為本車實際速度；

25、a3.?3：推導(dǎo)環(huán)境能見度影響因子系數(shù)，不論是人工駕駛車輛還是自動駕駛車輛，環(huán)境能見度都會極大的影響行車安全，較低的環(huán)境能見度會降低人工駕駛車輛的駕駛?cè)艘曇?，也會使自動駕駛車輛的感知能力變?nèi)?，?dāng)能見度大于?10?km?時視為能見度優(yōu)，因此令標(biāo)準(zhǔn)能見度=10?km；

26、；

27、式中：為標(biāo)準(zhǔn)能見度；為實際能見度。

28、作為本發(fā)明的優(yōu)選，在步驟b中還包括以下步驟：

29、b1：目標(biāo)車輛相關(guān)交通狀態(tài)數(shù)據(jù)采集；

30、獲取每個需要預(yù)測車輛的歷史軌跡，歷史軌跡包括離散橫坐標(biāo)、縱坐標(biāo)、以及偏航角信息，以及車輛長寬、車輛此時速度、加速度、與前車距離信息；

31、b2：輸入信息表示矩陣；

32、車輛在過去時間內(nèi)的歷史軌跡表示為：

33、；

34、式中：為被預(yù)測車輛的歷史位置信息；分別為車輛的歷史橫坐標(biāo)向量、歷史縱坐標(biāo)向量、以及歷史偏航角向量；分別為車輛的第個歷史軌跡點的橫坐標(biāo)、縱坐標(biāo)、偏航角數(shù)據(jù)；為所收集的過去歷史軌跡點個數(shù)；

35、則所有被預(yù)測車輛的歷史軌跡信息集合表示為：

36、；

37、輔助信息矩陣表示為：

38、；

39、其中，

40、；

41、式中：表示輔助預(yù)測信息集合；表示車輛的輔助預(yù)測信息；為本車周圍車輛個數(shù)，也即被預(yù)測車輛個數(shù)；分別為車輛的歷史橫坐標(biāo)向量、歷史縱坐標(biāo)向量、歷史偏航角向量、長、寬、此時速度、此時加速度、此時與前車間距；表示矩陣轉(zhuǎn)置；

42、由此，輸入信息即為歷史軌跡信息矩陣以及輔助預(yù)測信息矩陣；

43、b3：選取預(yù)測模型并輸出預(yù)測軌跡；

44、選取軌跡預(yù)測模型為長短期記憶模型lstm，經(jīng)過預(yù)測模型處理得到所有被預(yù)測車輛的未來軌跡，輸出矩陣可表示為：

45、；

46、其中，

47、；

48、式中：為預(yù)測軌跡矩陣；為車輛的預(yù)測軌跡矩陣；分別為車輛的預(yù)測橫坐標(biāo)向量、預(yù)測縱坐標(biāo)向量、以及預(yù)測偏航角向量；分別為車輛在時刻時所預(yù)測得出的橫坐標(biāo)、縱坐標(biāo)、以及偏航角；為當(dāng)前時間；為預(yù)測步長；為預(yù)測次數(shù)；為周圍車輛個數(shù)。

49、作為本發(fā)明的優(yōu)選，在步驟c中還包括以下步驟：

50、c1：構(gòu)建車輛所受場力模型；

51、場源對本車產(chǎn)生的場力歸結(jié)為：

52、；

53、其中，

54、；

55、式中：為本車受到場源的場力；是場源在本車位置處的場強值；為等效電荷量；、、分別為本車的質(zhì)量、速度以及偏航角；為待定系數(shù)；

56、c2：構(gòu)建行車安全指標(biāo)模型；

57、；

58、；

59、式中：為行車安全場指標(biāo)；為勢能；為勢能對時間的導(dǎo)數(shù)；為勢能所占權(quán)重；為場源個數(shù)，為周圍車輛個數(shù)與環(huán)境個數(shù)之和；為微分符號，為場源指向本車的矢量距離；為場源對本車的場力；

60、c3：測試行車安全指標(biāo)閾值并構(gòu)建相對行車安全指標(biāo)模型；

61、車輛行駛過程中，行車安全指標(biāo)會在非常大的范圍內(nèi)波動，如此大的范圍無法準(zhǔn)確判定行車安全性，因而，根據(jù)典型車輛跟隨與換道情境下測試出標(biāo)準(zhǔn)的值作為行車安全指標(biāo)閾值；

62、由此，得出相對行車安全指標(biāo)計算公式：

63、；

64、由此可知，當(dāng)小于1時，認(rèn)為車輛處于安全行駛范圍；反之，則處于危險范圍。

65、作為本發(fā)明的優(yōu)選，在步驟d中還包括以下步驟：

66、d1：構(gòu)建本車行為決策集；

67、車輛在道路上行駛時，在任意時刻都至多可分為三種決策方式：保持車道、左換道以及右換道，因而車輛在任意時刻的決策集歸納為：

68、；

69、式中：為車輛左換道；為車輛直行；為車輛右換道；為決策集；

70、d2：基于五次多項式的軌跡規(guī)劃生成方法；

71、換道過程為換道車從本車道的中心線行駛到相鄰車道的中心線上，僅根據(jù)換道車的起始狀態(tài)和目標(biāo)狀態(tài)，經(jīng)計算便可得到一條光滑的換道軌跡，分別在車輛行駛的橫縱方向上構(gòu)建多項式函數(shù)：

72、；

73、式中：為時間；為本車縱向位置關(guān)于的函數(shù)；為本車橫向位置關(guān)于的函數(shù)；()均為待定系數(shù)；

74、分別對，求一階導(dǎo)和二階導(dǎo)，可得：

75、；

76、式中：分別為縱向位置關(guān)于時間的一階導(dǎo)數(shù)與二階導(dǎo)數(shù)；分別為橫向位置關(guān)于時間的一階導(dǎo)數(shù)與二階導(dǎo)數(shù)；

77、將換道開始時刻與換道結(jié)束時刻帶入求一階導(dǎo)和二階導(dǎo)，可得邊界條件：

78、；

79、；

80、以上的換道邊界條件中，換道初始狀態(tài)是已知的，終止?fàn)顟B(tài)是變化的，換道時間也是變化的，用戶根據(jù)需求選擇合適的終止?fàn)顟B(tài)的位置范圍和換道持續(xù)時間范圍，則根據(jù)終止?fàn)顟B(tài)的不同以及換道時間的不同產(chǎn)生多條換道軌跡規(guī)劃，所有的換道軌跡規(guī)劃組合在一起稱作換道軌跡規(guī)劃集；

81、d3：構(gòu)建本車行為決策對應(yīng)的軌跡規(guī)劃集；

82、在軌跡規(guī)劃生成的過程中，無論何種決策，都會對應(yīng)產(chǎn)生無數(shù)條可能的軌跡規(guī)劃，將這些軌跡規(guī)劃歸類得出以下幾類：加速左換道、加速右換道、加速直行；勻速左換道、勻速右換道、勻速直行；減速左換道、減速右換道、減速直行；由于加減速的程度不同，以上每種類型均可分成許多條軌跡；假設(shè)左換道決策生成條候選軌跡；直行決策生成條候選軌跡;右換道決策生成條候選軌跡，則可將車輛行為及軌跡規(guī)劃集進行如下表示；

83、；

84、；

85、式中：至分別為車輛左換道決策產(chǎn)生的條候選軌跡；至分別為車輛保持車道決策產(chǎn)生的條候選軌跡；至分別為車輛右換道決策產(chǎn)生的條候選軌跡；為生成候選軌跡的數(shù)量；

86、d4：繪制車輛軌跡規(guī)劃；

87、根據(jù)步驟d2關(guān)于軌跡規(guī)劃生成方式的描述與步驟d3關(guān)于候選軌跡規(guī)劃集表示方法的描述，繪制生成的候選軌跡規(guī)劃集。

88、作為本發(fā)明的優(yōu)選，在步驟e中還包括以下步驟：

89、e1：以車輛短時軌跡預(yù)測時間步長為間隔，從時刻開始，計算到時刻間隔內(nèi)所有的軌跡對應(yīng)的是否存在大于的情況，如果有，則將這條軌跡刪除；、、分別為到時刻間隔內(nèi)本車軌跡、、所承受的的最大值，具體步驟如下：

90、e1.1：計算時刻間隔內(nèi)軌跡，從1到，是否存在的情況，如果有，則將從中刪除；

91、e1.2：計算時刻間隔內(nèi)軌跡，從1到，是否存在的情況，如果有，則將從中刪除；

92、e1.3：計算時刻間隔內(nèi)軌跡，從1到，是否存在的情況，如果有，則將從中刪除；

93、其中，、、分別為、、在時刻間隔內(nèi)所承受的的最大值；

94、e2：當(dāng)時間分別落到到?，奇數(shù)且，時刻間隔內(nèi)時，重復(fù)步驟e1.1，步驟e1.2，步驟e1.3過程，重復(fù)完此步驟后，剩余的軌跡即為滿足安全性的軌跡，表示為：

95、；

96、；

97、；

98、式中：為初次篩選后剩余軌跡集；、、、分別為初次篩選后剩余左換道、保持車道、右換道以及三者之和的候選軌跡規(guī)劃數(shù)量；

99、e3：繪制使用初步篩選后的軌跡規(guī)劃方案。

100、作為本發(fā)明的優(yōu)選，在步驟f中還包括以下步驟：

101、f1：構(gòu)建交通效率指標(biāo)模型；

102、在滿足換道安全性的前提下，追求交通流整體效益與本車效益最大化，此效率成本與本車及周圍車輛的速度相關(guān)，由于本車尋求與周圍車輛的合作換道決策，因而本車與周圍車輛均應(yīng)希望達到期望駕駛速度，以此增加合作換道的可能性；

103、；

104、式中：為效率成本；與分別為本車、本車周圍其他車輛所占權(quán)重；與分別為本車、本車周圍其他車輛在時刻的速度；與分別為本車、本車周圍其他車輛在時刻的期望速度；

105、f2：構(gòu)建舒適性指標(biāo)模型；

106、考量安全與效率指標(biāo)情況下構(gòu)建舒適性指標(biāo)；急動度是加速度隨時間的導(dǎo)數(shù)，常用做衡量舒適性的核心指標(biāo)，據(jù)此，構(gòu)建的舒適性指標(biāo)如下：

107、；

108、式中：為效率成本；與分別為本車在橫向與縱向急動度；

109、f3：評價指標(biāo)融合方法；

110、綜合評價剩余軌跡的優(yōu)劣，通過效率與舒適性兩個指標(biāo)來權(quán)衡；包含了本車效率與舒適度，又包含了周圍車輛的效率，在本車換道性能提高的同時促進整體交通性能的提升；構(gòu)建的綜合評價方法為：

111、；

112、式中：為綜合成本；為交通效率指標(biāo)所占權(quán)重；為舒適性指標(biāo)所占權(quán)重；

113、f4：最優(yōu)軌跡選取步驟及輸出；

114、f4.1：以為候選軌跡，計算軌跡，從1到，的綜合效益，記為；計算軌跡的綜合效益，記為，從1到；計算軌跡的綜合效益，記為，從1到；

115、f4.2：比較、、的大小，對應(yīng)的軌跡即為最優(yōu)軌跡，所對應(yīng)的決策即為最優(yōu)決策；

116、f4.3：將最優(yōu)軌跡及決策繪制，輸出到車輛的控制器，車輛相應(yīng)的執(zhí)行此決策和軌跡。

117、本發(fā)明的優(yōu)點及積極效果是：

118、1、本發(fā)明綜合考量了行為決策與軌跡規(guī)劃兩個模塊間的復(fù)雜耦合機理，以車輛短時軌跡預(yù)測為基礎(chǔ)，從換道整個過程出發(fā)，以全局視角衡量最優(yōu)決策與最優(yōu)軌跡。

119、2、本發(fā)明以行車安全場為理論基礎(chǔ)，綜合考量各種影響行車安全及交通流整體效率的指標(biāo)，如基于行車安全場理論推導(dǎo)得出的行車安全指標(biāo)閾值（dsi*）、急動度、本車和周圍車輛的期望速度等，通過二次篩選的方式獲得滿足安全閾值下的綜合衡量本車和交通流整體特性的換道決策與軌跡規(guī)劃方案。