[发明专利]一种基于行车风险评估的自动驾驶汽车规划方法及系统

权利要求书

1.一种基于行车风险评估的自动驾驶汽车规划方法，其特征在于，包括：

感知预测层，获取周围车辆在世界坐标系下的历史运动轨迹，采用交互式多模型算法分析周围车辆预测时域内在各车道的概率分布，融合计算出车辆的目标位置；根据周围车辆当前位置及下一时刻目标位置，拟合生成预测时域内的预测轨迹；

轨迹重规划层，基于所述预测轨迹，将预测时域内的全局路径跟踪偏差、碰撞风险、本车车辆控制转角的变化作为代价目标建立自动驾驶车辆模型的非线性优化函数，求解获得局部最优轨迹；

跟踪控制层，采用运动控制目标函数来进行局部最佳轨迹跟踪控制，将计算的当前时刻最优车辆转角输入所述车辆动力学模型，实现车辆避障和循迹行驶。

2.根据权利要求1所述的基于行车风险评估的自动驾驶汽车规划方法，其特征在于，所述采用交互式多模型算法分析周围车辆预测时域内在各车道的概率分布，预测得到周围车辆下一时刻横向位置，包括：

建立车道模型：

式中，S_k代表k时刻各车道的状态序列，i代表车道编号，n是总车道数，分别为k时刻下i车道的状态值、协方差以及置信概率；

计算混合概率和混合转移概率：

式中，混合概率表示从k-1时刻至k时刻周围车辆处于j车道的概率，混合转移概率表示从k-1时刻至k时刻周围车辆在i车道与j车道之间相互转移的概率；π_ij为状态转移矩阵中对应于i车道与j车道之间转移的概率，所述状态转移矩阵是由各车道两两之间的转移概率构成的矩阵；

计算混合状态和混合协方差：

式中，混合状态混合协方差分别表示从k-1时刻至k时刻周围车辆处于j车道的更新后的状态值、以及周围车辆处于j车道的更新后的不确定度；

获得各车道的似然估计：

式中，表示j车道的似然估计，输入是混合状态与观测值z_k的差值R为观测噪声，q_k为k时刻的总状态估计值；

根据所述似然估计对车道模型概率更新获得后验概率

计算各车道的总状态估计值q_k和总协方差P_k：

总状态估计值q_k和总协方差P_k分别代表各车道状态值及协方差的加权平均值，上式中，T代表矩阵转置式中。

3.根据权利要求2所述的基于行车风险评估的自动驾驶汽车规划方法，其特征在于，采用交互式多模型算法分析周围车辆预测时域内在各车道的概率分布时，假设纵向为匀速运动。

4.根据权利要求1所述的基于行车风险评估的自动驾驶汽车规划方法，其特征在于，根据周围车辆当前位置及下一时刻横向位置，拟合生成预测时域内的预测轨迹，包括：

采用如下三次多项式进行拟合：

设置起始和终端航向角边界条件如下：

式中，(x_k,y_k)表示k时刻周围车辆的当前位置，表示k时刻周围车辆偏航角，(x_p,y_p)表示p时刻预测的周围车辆位置，a_i为系数。

5.根据权利要求1所述的基于行车风险评估的自动驾驶汽车规划方法，其特征在于，所述自动驾驶车辆模型的非线性目标函数：

式中，第一项是指通过最小化参考路径跟踪误差来跟踪参考轨迹，y_e(t+k,t)为本车预测时域的横向坐标，y_des(t+k,t)为全局路径,t代表当前时刻，k代表未来采样时刻。第二项表示最小化本车和周围车辆之间的碰撞风险，N表示周围车辆总数，N_p总数表示预测步长，为风险碰撞评估函数,分别为本车和周围车辆之间的纵向距离、横向距离，γ为衰减因子，α₁、α₂分别权重因子，ζ为系数，第三项是指最小化控制输入量消耗u。