[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

说明书

本发明公开了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，是在多车道道路混合交通流的环境下，对匝道处的复杂交通行为进行描述和车辆轨迹进行准确预测的方法。该方法考虑到道路的拓扑结构生成虚拟边界线，然后获取当前时刻下目标车辆(需要预测轨迹的车辆)和其周围车辆的状态信息(横向和纵向的坐标位置、速度和加速度)；然后计算出目标车辆与周围车辆之间(前、后、左、右四个方向上)的相对有效距离和相对平均速度，和与虚拟边界线之间的距离；之后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，接下来重复之前的步骤，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。

技术领域

本发明涉及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，是一种用于在多车道道路混合交通流(由普通人工驾驶车辆和自动驾驶车混合构成)的环境下，对匝道处的复杂交通行为进行描述和车辆轨迹进行准确预测的方法。

背景技术

为了在由人类驾驶员构成的复杂交通中安全高效地行驶，自动驾驶汽车需要具备主动能力，如决定何时变道、超车、减速或合流，这就要求自动驾驶汽车能够对周围车辆的未来运动进行推断。预测车辆的轨迹有利于缩短智能车做出适当决策的时间，准确可靠的车辆轨迹预测可以提前发现潜在的碰撞，降低车辆碰撞风险。因此，车辆轨迹预测能够带来巨大的效益。

然而，道路系统中，不仅包含自动驾驶车辆，还包括普通的人工驾驶车辆。但目前二维驾驶模型仅适用于均质道路和均质交通流，无法对匝道处的复杂异质交通行为进行描述，很难对车辆轨迹进行预测。

发明内容

为了在混合交通流环境，即由人工驾驶车辆和自动驾驶网联车形成的交通流的复杂环境中，描述车辆的交通行为，对车辆的轨迹进行预测，本发明提出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。

本发明解决其技术问题所采用的技术方案是，

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，道路上运行的多个自动网联车辆提出组队申请，通过下述流程预测车辆的轨迹：该方法根据道路的拓扑信息生成虚拟边界线和虚拟边界场，通过激光雷达获取目标车辆与周围车辆的拓扑结构，计算获得它们的相对有效距离和相对平均速度，确定下一时刻的目标车辆的车辆状态，重复计算，预测车辆轨迹，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；

3)计算出目标车辆与周围车辆之间(前、后、左、右四个方向上)的相对有效距离和相对平均速度，以及与虚拟边界线之间的距离；

4)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；

5)接下来重复之前的步骤，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。

上述技术方案，步骤1)中通过获取道路的几何结构信息(车道数，车道宽，匝道的位置)；所述的虚拟边界线，它是根据三阶贝塞尔曲线生成，由四个点决定，其中的两个点决定它的位置，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。根据车辆的驾驶行为，虚拟边界线可以划分为两类：(1)车辆在高速道路上的换道行为，车辆轨迹在起止点的斜率均为“0”；(2)车辆从高速驶向匝道，车辆轨迹在起止点的斜率不为“0”。虚拟边界场由四部分构成：虚拟边界线的起始控制点、终止控制点、边界场线和理想距离(车辆与边界场线期望的距离)。只有车辆处在虚拟边界场内，才会受到边界场的作用。具体过程是：如果车辆与边界场线之间的距离大于理想距离，车辆需要在横向方向上加速，但是在纵向方向上需要减速；反之，则需要在横向方向上减速，在纵向方向上需要加速。如果两者相等，边界场不对车辆产生作用。