[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

说明书

本发明涉及一种基于可接受风险的自动驾驶超车轨迹规划方法，包括以下步骤：获取行车原始数据；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；标定自动驾驶车辆超车最大可接受风险；根据道路坐标系，引入集成道路交通风险，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。与现有技术相比，本发明具有超车轨迹规划更安全，与实际道路环境更契合等优点。

技术领域

本发明涉及自动驾驶领域，尤其是涉及一种基于可接受风险的自动驾驶超车轨迹规划方法。

背景技术

常用的自动驾驶超车轨迹规划模型采用多项式进行拟合，如五次多项式，计算出安全、舒适的轨迹供无人驾驶车辆完成预定的行驶任务。另一种方法是基于深度学习的轨迹规划方法，通过训练人类驾驶轨迹，从而模仿人类的驾驶行为完成轨迹规划。这些方法一般考虑车辆间隙，车辆速度等因素，或者设定一系列的安全规则防止与动态车辆碰撞。然而缺乏对道路条件的考虑，如弯曲道路线性，匝道加速车道长度等道路约束；另一方面，交通规则的影响，如路权、车道限速和交叉口信号等因素也没有考虑在内，因此这些轨迹规划算法缺乏对复杂道路环境的适用性。

现有自动驾驶超车轨迹规划相关研究虽然考虑了交互车辆的风险情况，但是缺乏对复杂道路环境的综合描述，也忽略了道路环境实时风险对车辆行驶的影响。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于可接受风险的自动驾驶超车轨迹规划方法。

本发明的目的可以通过以下技术方案来实现：

一种基于可接受风险的自动驾驶超车轨迹规划方法，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。

优选地，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。

优选地，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。

优选地，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,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：