[发明专利]用于自动驾驶虚拟测试的交通车换道决策规划方法

说明书

本发明公开了用于自动驾驶虚拟测试的交通车换道决策规划方法，具体过程包括：确定强制换道目标车道；判断自由换道动机；确定自由换道潜在目标车道；预判换道动机协调性；判定当前是否处于强制换道目标车道；判定强制换道紧迫性；判定换道时机；规划换道轨迹。本发明所述交通车换道决策规划方法能够让交通车根据当前的交通环境和预先设定的驾驶偏好，规划出一条连续的换道轨迹，以提高自动驾驶虚拟测试中交通车的随机性和逼真度，使仿真车辆间形成动态有效的互动。

技术领域

本发明属于自动驾驶车辆换道控制技术领域，具体涉及用于自动驾驶虚拟测试的交通车换道决策规划方法。

背景技术

当前汽车行业普遍的共识是，虚拟仿真是自动驾驶测试的重要手段。作为替代真实驾驶人的虚拟测试交通车辆，其任务重点在于体现出多样的驾驶风格，能够与其他交通参与者，尤其是与被测车辆进行有效的交互。然而，目前用于自动驾驶虚拟测试中的交通车运动不够真实，与现实中交通车辆的行为相差较大，难以用于自动驾驶汽车的虚拟开发和验证。

现有技术中，自动驾驶仿真测试的交通车模型大致分为两种，一种是预设轨迹跟随模型，另一种是微观交通流模型。其中：

以预设轨迹跟随方式运行的交通车主要出现在自动驾驶开发测试工具中，如VTD，CARLA等。预设轨迹跟随方式是指：交通车按照仿真前预先设定的轨迹或仿真过程中随机生成的轨迹移动，与他车的互动仅限于保持一定的安全距离防止发生碰撞。这种预设轨迹跟随方式中，运动轨迹需要人工设计，而现有技术中，能够提供的测试场景不够丰富，且交通车辆与被测试主体难以形成完全闭环的交互。

以微观交通流方式运行的交通车主要用于宏观交通的管控、交通拥堵分析及疏导等研究的微观交通仿真工具，如SUMO，微观交通流方式最近正逐渐应用于自动驾驶仿真中，为自动驾驶测试提供随机的动态环境。但是，尽管微观交通流模型相比预设轨迹跟随模型，建立了相对复杂的跟驰模型和换道模型，但仍然难以复现现实中发生的换道过程，其主要体现在：

1.当前的微观交通流模型将换道动机分成了战略换道、战术换道和合作换道。而这些动机大多是从客观条件上考虑的，即“能不能”换道，而驾驶员主观上做出“要不要”换道的判断在这一类模型中并未有明显的体现。

2.交通车运动是基于车道的一维行为仿真，没有建立或建全侧向运动的模型，不能模拟出真实车辆的运动轨迹。SUMO中常用的模型，其换道过程是瞬间完成的。而相对精细的sublane model本质上是侧向的元胞自动机，虽然看似存在侧向的运动，但纵侧向运动完全脱离，未能考虑实际车辆整体的运动能力。

发明内容

针对上述现有技术中存在的缺陷，本发明公开了用于自动驾驶虚拟测试的交通车换道决策规划方法，本发明所述方法能够让交通车根据当前的交通环境和预先设定的驾驶偏好，规划出一条连续的换道轨迹，以提高自动驾驶虚拟测试中交通车的随机性和逼真度，使仿真车辆间形成动态有效的互动。

结合说明书附图，本发明的技术方案如下：

用于自动驾驶虚拟测试的交通车换道决策规划方法，所述交通车换道决策规划方法具体过程如下：

步骤S1：确定强制换道目标车道；

步骤S2：判断自由换道动机，若需要自由换道，则进入步骤S3，若不需要自由换道，则进入步骤S5；

步骤S3：确定自由换道潜在目标车道，若自由换道潜在目标车道不存在，则返回步骤S2，若自由换道潜在目标车道存在，则进入步骤S4；

步骤S4：预判换道动机协调性，若换道动机协调，则进入步骤S7，若换道动机不协调，则进入步骤S5；

步骤S5：判定当前是否处于强制换道目标车道，若当前不处于强制换道目标车道，则进入步骤S6，若当前处于强制换道目标车道，则返回步骤S2；