[发明专利]智能汽车换道时长预测及拟人化轨迹规划方法

权利要求书

1.一种智能汽车换道时长预测及拟人化轨迹规划方法，其特征在于，包括以下步骤：

从若干驾驶员的自然驾驶数据中提取优秀驾驶员的换道轨迹，并由所述优秀驾驶员的换道轨迹提取真实多车影响下的优秀驾驶员换道时长；

获取换道车辆的周车运动信息，并根据所述周车运动信息建立多车影响下的车辆换道纵向运动学模型，以及将所述周车的影响表征为周车运动学参数对换道车辆的平均纵向加速度的非线性映射，进而获得训练好的多车影响下的换道时长预测模型和辨识获得的模型参数，所述换道时长预测模型为：，其中，为自车的换道时长，为所述自车预期换道纵向位移，为所述自车平均纵向加速度，为所述自车换道后在目标车道的预期车速；

在网联多车环境下的智能汽车应用所述换道时长预测模型进行决策的情况下，当下达换道指令时，基于预期换道纵向位移、所述智能汽车的纵向速度和换道后目标车道预期车速，结合所述智能汽车的周车信息，利用所述换道时长预测模型对所述智能汽车的换道时长进行优选，并根据优选获得的所述智能汽车的换道时长进行拟人化的轨迹规划，以实现所述智能汽车换道意图的准确实施。

2.根据权利要求1所述的方法，其特征在于，所述从若干驾驶员的自然驾驶数据中提取优秀驾驶员的换道轨迹，并由所述优秀驾驶员的换道轨迹提取真实多车影响下的优秀驾驶员换道时长，包括：

计算所述优秀驾驶员的换道轨迹的朝向角；

基于所述朝向角从所述自然驾驶数据中确定峰值点，并且由所述峰值点向两边搜索，得到满足预设条件的时间点；

由所述时间点匹配对应的换道轨迹的初始区间；

根据所述初始区间计算所述换道轨迹侧向加速度峰-峰值时间差，并基于所述时间差计算侧向加速度取得最大值和最小值时对应的时间点，得到所述换道轨迹在真实多车影响下的优秀驾驶员换道时长。

3.根据权利要求1所述的方法，其特征在于，所述获得训练好的多车影响下的换道时长预测模型和辨识获得的模型参数，包括：

对所述换道车辆的平均纵向加速度进行加速度修正，得到修正后的平均纵向加速度，将所述周车的影响表征为周车运动学参数对换道车辆的所述平均纵向加速度的非线性映射；

根据所述多车影响下的车辆换道纵向运动学模型和所述周车的影响表征为周车运动学参数对换道车辆的所述平均纵向加速度的非线性映射，得到所述多车影响下的换道时长预测模型和辨识获得的模型参数。

4.根据权利要求1所述的方法，其特征在于，其中，所述预期换道纵向位移是根据纵向位置、纵向速度和纵向加速度状态函数确定的。

5.一种智能汽车换道时长预测及拟人化轨迹规划装置，其特征在于，包括：

提取模块，用于从若干驾驶员的自然驾驶数据中提取优秀驾驶员的换道轨迹，并由所述优秀驾驶员的换道轨迹提取真实多车影响下的优秀驾驶员换道时长；

生成模块，用于获取换道车辆的周车运动信息，并根据所述周车运动信息建立多车影响下的车辆换道纵向运动学模型，以及将所述周车的影响表征为周车运动学参数对换道车辆的平均纵向加速度的非线性映射，进而获得训练好的多车影响下的换道时长预测模型和辨识获得的模型参数，所述换道时长预测模型为：，其中，为自车的换道时长，为所述自车预期换道纵向位移，为所述自车平均纵向加速度，为所述自车换道后在目标车道的预期车速；以及

换道轨迹规划模块，用于在网联多车环境下的所述智能汽车应用所述换道时长预测模型进行决策的情况下，当下达换道指令时，基于预期换道纵向位移、所述智能汽车的纵向速度和换道后目标车道预期车速，结合所述智能汽车的周车信息，利用所述换道时长预测模型对所述智能汽车的换道时长进行优选，并根据优选获得的所述智能汽车的换道时长进行拟人化的轨迹规划，以实现所述智能汽车换道意图的准确实施。