[发明专利]一种动态驾驶环境下智能车辆变道轨迹规划方法在审
申请号: | 202010221708.5 | 申请日: | 2020-03-26 |
公开(公告)号: | CN111338353A | 公开(公告)日: | 2020-06-26 |
发明(设计)人: | 赵伟强;孙铭;宗长富;宋广昊 | 申请(专利权)人: | 吉林大学 |
主分类号: | G05D1/02 | 分类号: | G05D1/02 |
代理公司: | 北京远大卓悦知识产权代理事务所(普通合伙) 11369 | 代理人: | 许小东 |
地址: | 130000 吉*** | 国省代码: | 吉林;22 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 动态 驾驶 环境 智能 车辆 轨迹 规划 方法 | ||
1.一种动态驾驶环境下智能车辆变道轨迹规划方法,其特征在于,包括如下步骤:
步骤一、分别确定本车的纵向参考变道轨迹和横向参考变道轨迹,作为本车参考变道轨迹模型;
步骤二、根据交通环境信息以及本车的运动状态信息判断所述参考变道轨迹模型是否安全;
步骤三、当判断所述参考变道轨迹模型不安全时,对所述参考变道轨迹模型进行修正,得到修正变道轨迹模型;
步骤四、判断所述修正变道轨迹模型是否可行;其中:
当所述修正变道轨迹模型可行时,本车按照所述修正轨迹模型完成变道;
当所述修正变道轨迹模型不可行时,保持当前车道行驶。
2.根据权利要求1所述的动态驾驶环境下智能车辆变道轨迹规划方法,其特征在于,在所述步骤一中,确定本车纵向参考变道轨迹为:
其中,β2=(8π3·t-4πAB2+2π·t·A2·B2)·eA·t;
β2=(8π3·t-4πAB2+2π·t·A2·B2)·eA·t;
式中,A、B和C为模型参数,t为时间,vx0为本车初始速度,x0为本车纵向初始位置;e为自然对数的底数。
3.根据权利要求2所述的动态驾驶环境下智能车辆变道轨迹规划方法,其特征在于,在所述步骤一中,确定本车横向参考变道轨迹,包括如下步骤:
步骤1、确定本车的初步横向移动轨迹模型:
式中,为侧向偏移量函数;w为目标横向位移;tf为本车到达目标车道的时间;p和q是模型参数。
步骤2、建立第一优化目标函数,并且根据所述第一优化目标函数及其约束条件,对所述初步横向移动轨迹进行优化,得到初步优化横向移动轨迹:
其中,所述第一优化目标函数为:
J1=min{|w1·ay(tp1)|+|w2·ay(tp2)|};
其中,
所述第一优化目标函数的约束条件为:
式中,w1和w2为权重系数,tp1为横向加速度的第一峰值时刻,tp2为横向加速度的第二峰值时刻,ay(tp1)表示横向加速度的第一峰值,ay(tp2)表示横向加速度的第二峰值;
步骤3、对所述初步优化横向移动轨迹进行修正,得到所述本车横向参考变道轨迹。
4.根据权利要求3所述的动态驾驶环境下智能车辆变道轨迹规划方法,其特征在于,在所述步骤3中,对所述初步优化横向移动轨迹进行修正,包括如下步骤:
步骤a、建立本车横向变道轨迹的逼近函数为:
步骤b、建立第二优化目标函数,并根据所述第二优化目标函数及约束条件确定所述逼近函数的最终表达式,即为所述本车横向变道轨迹;
其中,所述第二优化目标函数为:
所述第二优化目标函数的约束条件为:
式中,ai(i=1,2……6)为系数,ti表示位移时间内的等时间间隔点,ts表示位移起始时间点,yopt(t)为初步优化横向移动轨迹,Y(0)和Y(tf)分别为变道初始时刻和终止时刻的横向位移;和分别为变道初始时刻和终止时刻的横向速度和横向加速度;和分别为变道初始时刻和终止时刻的横向加速度。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于吉林大学,未经吉林大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010221708.5/1.html,转载请声明来源钻瓜专利网。