[发明专利]一种基于可接受风险的自动驾驶超车轨迹规划方法

权利要求书

1.一种基于可接受风险的自动驾驶超车轨迹规划方法，其特征在于，包括以下步骤：

S1：获取行车原始数据；

S2：根据行车原始数据构建道路坐标系，并获取量化道路要素风险和交通运行风险，量化叠加构成集成道路交通风险；

S3：标定自动驾驶车辆超车最大可接受风险；

S4：根据道路坐标系，引入集成道路交通环境风险，结合实际驾驶环境中的风险分布，评估超车轨迹的风险代价，完成自动驾驶车辆超车轨迹的采样与筛选。

2.根据权利要求1所述的一种基于可接受风险的自动驾驶超车轨迹规划方法，其特征在于，所述的步骤S1具体包括：

采集道路环境数据获取道路线形与宽度、车道宽度、障碍物位置信息，预测环境运动物体的运动轨迹获取环境车辆位置及速度信息，获取车辆搭载的定位设备采集的定位数据及高精度地图数据。

3.根据权利要求1所述的一种基于可接受风险的自动驾驶超车轨迹规划方法，其特征在于，所述的步骤S2具体包括：

S21：以车道的中心线为参考线建立Frenet坐标系；

S22：量化并获取道路要素风险；

S23：量化并获取交通运行风险；

S24：在全局坐标下，对各轨迹点进行道路要素风险和交通运行风险的量化叠加，获取集成道路交通风险。

4.根据权利要求3所述的一种基于可接受风险的自动驾驶超车轨迹规划方法，其特征在于，所述量化并获取道路要素风险具体包括：

所述道路要素风险包括道路边界线风险和车道线风险，首先计算所述道路边界线风险：

其中，R_road为道路边界线风险，W_road为道路边界风险场的膨胀系数，y为环境点的坐标，y_road，i是第i段道路边缘的坐标，i∈{1，2}，表征道路边缘两侧，

然后计算所述车道线风险：

其中，R_lane为车道线风险，W_lane为车道线风险场的风险系数，决定车道线风险场的最大值，y_lane，i为第i条道路分界线的坐标，σ_lane与车道宽度有关，反映车道线风险场的下降速率，N为车道数。

5.根据权利要求3所述的一种基于可接受风险的自动驾驶超车轨迹规划方法，其特征在于，所述的量化并获取交通运行风险的计算公式为：

其中，R_vehicle为交通运行风险，q＝(x_q，y_q)^T为T时刻主车的位置坐标，h_i＝(x_i，y_i)^T为T时刻环境车辆的位置坐标，为T时刻环境车辆与主车的相对速度，为横纵安全距离标准差平方的倒数的对角矩阵，W_vehicle为决定风险场大小的伸缩系数，α和n分别是比例因子和环境车辆的数目。

6.根据权利要求3所述的一种基于可接受风险的自动驾驶超车轨迹规划方法，其特征在于，所述步骤S24的具体步骤包括：

通过并联的方法，取轨迹点受到的道路要素风险、车道线风险和交通运行风险中的最大值，作为该轨迹点最终的量化风险，最终获取集成道路交通风险。

7.根据权利要求1所述的一种基于可接受风险的自动驾驶超车轨迹规划方法，其特征在于，所述的步骤S3具体包括：

对自然驾驶轨迹数据集中的超车场景进行风险值计算；

根据自然驾驶轨迹数据集获取最大风险累计频率分布图并标定自动驾驶车辆的最大可接受风险阈值。

8.根据权利要求1所述的一种基于可接受风险的自动驾驶超车轨迹规划方法，其特征在于，所述的步骤S4具体包括：

对超车场景进行阶段划分，获取多个超车阶段，确认每个超车阶段的初状态和末状态；

依次对多个超车阶段进行超车轨迹的采样及筛选，获取每个超车阶段的最优轨迹。