[发明专利]基于虚拟边界的二维智能驾驶模型的车辆轨迹预测方法

权利要求书

1.一种基于虚拟边界的二维智能驾驶模型的车辆轨迹预测方法，其特征在于，该方法根据道路的拓扑信息、每一时刻的混合交通流中的车辆状态信息，计算车辆的下一状态信息，预测车辆的轨迹，具体包括下列步骤：

1)根据道路的拓扑信息生成虚拟边界线和虚拟边界场；

2)获取当前目标车辆与周围车辆的状态信息，计算出目标车辆与周围车辆之间在前、后、左、右四个方向上的相对有效距离和相对平均速度，以及目标车辆与虚拟边界线之间的距离；

3)根据基于虚拟边界的二维智能驾驶模型计算目标车辆下一时刻的状态信息；

4)重复步骤1)-3)，不断计算目标车辆下一时刻的状态信息，最后形成完整的车辆轨迹。

2.根据权利要求1所述的基于虚拟边界的二维智能驾驶模型的车辆轨迹预测方法，其特征在于，步骤1)中，通过获取道路的几何结构信息即车道数、车道宽、匝道的位置，利用三阶贝塞尔曲线生成虚拟边界线；具体的，所述的虚拟边界线是由四个点决定，其中的两个点即起止点决定它的位置，另外两个点决定曲线的形状和方向，所以只要选取合适的位置，生成的曲线就能形象地刻画车辆的运动轨迹。

3.根据权利要求2所述的基于虚拟边界的二维智能驾驶模型的车辆轨迹预测方法，其特征在于，所述的起止点的选取方式如下：起点位置被抽象成一个二维坐标点，即P₀＝[x₀,y₀]，其中y₀的选取为远离匝道方向的最内侧车道的边界线；x₀值为0到50米；终点的坐标P₁＝[x₁,y₁]为匝道边界与直行车道边界的交点；另外两个控制虚拟边界线形状的坐标是根据起点和终点的坐标来决定，它们分别为P_mid,1＝[a*(x₀+x₁),b*(y₀+y₁)],P_mid,2＝[c*(x₀+x₁),d*(y₀+y₁)]，其中，a,b,c,d是取值范围为0～1的系数；接着根据利用三阶贝塞尔曲线公式计算虚拟边界的所有坐标点。

4.根据权利要求3所述的基于虚拟边界的二维智能驾驶模型的车辆轨迹预测方法，其特征在于，如果虚拟边界线处于直行车道上时，该情况属于直行车道上车辆的换道行为，则a＝c＝0.5,b＝d＝1；如果虚拟边界线靠近匝道时，a,b,c,d的取值为a＝0.5,b＝0,c＝0.7,d＝0.3。

5.根据权利要求1所述的基于虚拟边界的二维智能驾驶模型的车辆轨迹预测方法，其特征在于，步骤2)中所述的状态信息主要指车辆当前时刻的沿横向方向的位置、速度和加速度，以及沿纵向方向的位置、速度和加速度；目标车辆的零时刻的状态信息通过人为设定，通过激光雷达获取当前时刻探测范围内周围车辆的状态信息。

6.根据权利要求1所述的基于虚拟边界的二维智能驾驶模型的车辆轨迹预测方法，其特征在于，步骤2)中，通过激光雷达检测其探测范围内所有的周围车辆，得到目标车辆与周围车辆的拓扑图，然后根据拓扑图，判断周围车辆位于目标车辆具体哪个方向上，然后根据目标车辆与周围车辆的拓扑图，分别获得周围车辆与目标车辆之间的相对距离；由于周围车辆所处的位置不同，它们对目标车辆的影响也有不同，所以每个方向上的周围车辆与目标车辆之间的相对距离需要乘以比例系数，然后分别取出每个方向上所有周围车辆与目标车辆之间的相对距离与比例系数乘积的最小值，即为目标车辆与周围车辆在前后左右四个方向上各自的相对有效距离；如果周围车辆位于目标车辆的多个方向即前后左右方向具有重合部分，该车辆在计算每个方向的相对有效距离需要重复计算；

将目标车辆及周围车辆的速度均按照沿车道方向即横向、垂直车道方向即纵向进行分解，分别计算周围车辆与目标车辆的横向速度差、纵向速度差，并分别取其平均值；所述目标车辆与虚拟边界线之间的距离是指目标车辆位于虚拟边界场中时目标车辆的边界与所述虚拟边界线之间的最短距离。