[发明专利]基于决策过程的无人驾驶车辆路径规划方法

说明书

一种基于决策过程的无人驾驶车辆路径规划方法，包括如下步骤：①确定纵向最小安全距离；②建立车辆的离散运动学模型；③确定势场作用域；④设计模型预测控制代价函数；⑤当车辆到达最小换道距离时，计算道路势场函数值；⑥如果道路势场函数值在势场作用域内，则计算障碍势场函数值；⑦通过系统方程预测系统预测时域内的状态，求解优化问题，得到最优控制序列，将最优控制序列传递给下层控制器，当车辆执行机构执行控制量并进入下一个控制周期时，获得新的状态量，返回步骤③，重复步骤③‑⑦，直到到达目标点，结束循环。本发明将MPC和APF相结合，将时变安全约束作为排斥力的作用范围以减少优化过程中的约束，并设计了非对称道路势场函数来辅助决策。

技术领域

本发明属于无人驾驶路径规划领域，具体讲，涉及一种结合改进人工势场法和模型预测控制算法并考虑部分决策过程的无人驾驶车辆局部路径规划。

背景技术

随着人工智能的发展，自动驾驶汽车成为了一个热门话题。如今，自动驾驶汽车已经进入到生活中的很多领域中，如交通出行、货物运输，代替人类进入危险区域等等。根据早前的数据，全球每年大概有124万人死于交通事故，在这些事故中由司机导致的占大多数。而作为智能交通系统的典型应用，无人驾驶汽车能在很大程度上解决上述问题，减少甚至避免人为惨剧的发生，因此无人驾驶汽车的研究具有很强的现实意义。为了增强车辆的安全性和舒适性，许多先进的科学技术被应用在提升当前车辆已有的功能方面，其主要应用是先进驾驶辅助系统，如车道保持系统、自适应巡航系统等。与此同时，许多研究者专注于利用控制理论来解决当前面临的一些问题，他们主要方向集中在规划和跟踪两个方面。

作为无人驾驶车辆的一个典型模块，许多机器人相关的局部路径规划方法用于该领域，从而来获取一个无碰撞的路径。代表性的算法包括A*，D*，人工势场法(artificialpotential field,APF)等。前两种算法是基于图搜索的方法，在这类方法中需要首先构建规划区域的栅格地图。随着栅格地图分辨率的提高，搜索的时间也不断增加。而至于APF方法，由于其结构简单，以及生成平滑路径的能力，已经成功应用在许多场景中。随着人们对控制性能的要求提高，研究者开始采用模型预测控制算法(model predictive control,MPC)。这类方法具有很好的处理多约束多变量的能力，能通过滚动优化的过程提高控制精度。

虽然前人已提出多种无人驾驶路径规划算法，但这些方法需要首先确定目标点，忽略在规划之前的决策过程，从而增加了实际应用时的处理工作。

发明内容

为了将无人驾驶控制中的决策部分引入到路径规划过程中，并为了方便处理并减少路径规划过程中的约束，本发明将MPC和APF相结合，将时变安全约束作为排斥力的作用范围以减少优化过程中的约束，并设计了非对称道路势场函数来辅助决策。

为此，本发明采取的技术方案是，一种基于决策过程的无人驾驶车辆路径规划方法，包括如下步骤：

①确定纵向最小安全距离；

②建立车辆的离散运动学模型；

③确定势场作用域；

④设计模型预测控制代价函数；

⑤当车辆到达最小换道距离时，计算道路势场函数值；

⑥如果道路势场函数值在势场作用域内，则计算障碍势场函数值；

⑦通过系统方程预测系统预测时域内的状态，求解优化问题，得到最优控制序列，将最优控制序列传递给下层控制器，当车辆执行机构执行控制量并进入下一个控制周期时，获得新的状态量，返回步骤③，重复步骤③-⑦，直到到达目标点，结束循环。

所述步骤①的步骤是：定义最小安全距离D_s：