欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2019106371489
申请人: 吉林大学
专利类型:发明专利
专利状态:已下证
专利领域: 控制;调节
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于滚动博弈的自动驾驶车辆换道决策方法,其特征在于,包括:根据外部环境或乘客需求,在t时刻获取智能车辆行为的激进度指标;所述激进度指标表示驾驶模式;

计算t时刻周围车辆行为的激进度指标;

根据所述周围车辆行为的激进度指标及周围车辆的第一收益函数,确定所述周围车辆在预测时域内最优轨迹;所述预测时域为t+N;

根据所述周围车辆的最优轨迹、智能车辆行为的激进度指标及智能车辆的第二收益函数,生成智能车辆在所述预测时域内的最优轨迹策略;

在t时刻执行所述智能车辆的最优轨迹策略;

在t+1时刻更新智能车辆状态、周围车辆状态及道路状态信息,重复执行上述所有步骤,直至换道成功或换道失败。

2.如权利要求1所述的一种基于滚动博弈的自动驾驶车辆换道决策方法,其特征在于,所述激进度指标的集合A={F,M,ε};

其中,F表示以比较激进的方式通过当前的预测时域,M表示以平缓的方式通过当前的预测时域,而ε表示以保守的方式通过当前的预测时域;默认驾驶激进度为M。

3.如权利要求1所述的一种基于滚动博弈的自动驾驶车辆换道决策方法,其特征在于,计算t时刻周围车辆行为的激进度指标,包括:获取周围车辆的与智能车辆的相对位置、相对速度、相对加速度及获取周围车辆的航向角和道路信息;

通过预设模型,计算输出所述周围车辆的激进度指标。

4.如权利要求3所述的一种基于滚动博弈的自动驾驶车辆换道决策方法,其特征在于,所述预设模型为贝叶斯网络模型,包括:行为层,隐藏层和表现层;

将评估驾驶员操作的可行性因素设置在行为层中;所述因素有:{EL,ER,LV,LD,RV,RD,MV,MD,SV};其中,EL表示左边车道是否存在,ER表示右边车道是否存在,LV表示与左边车道前后车的速度差,LD表示与左边车道前后车的距离差,RV表示与右边车道的速度差,RD表示与右边车道的距离差,MV表示与当前车道前后车的速度差,MD表示与当前车道前后车的距离差,SV表示智能车辆的速度;

周围车辆的激进度设置在隐藏层中;

将{BO,YO}设置在表现层;所述BO表示车辆与相邻车道线的距离,YO表示车辆行驶方向与道路之间的角度。

5.如权利要求1所述的一种基于滚动博弈的自动驾驶车辆换道决策方法,其特征在于,根据所述周围车辆行为的激进度指标及周围车辆的第一收益函数,确定所述周围车辆在预测时域内最优轨迹,包括:设周围车辆状态为 分别表示周围车辆的纵向坐标、横向坐标、纵向速度、车辆前进方向与大地坐标系x轴的偏向角;智能车辆的状态为 分别表示智能车辆的纵向坐标、横向坐标、纵向速度前进方向与大地坐标系x轴的偏向角;

将所述周围车辆状态、周围车辆激进度指标和智能车辆状态,代入第一收益函数,优化求解得到周围车辆在预测时域内的最优轨迹 所述最优轨迹为在预测时域内多个时刻分别对应的周围车辆多个状态序列;

所述第一收益函数如下:

其中:

k表示0到N的正整数;N表示正整数;αo表示周围车辆激进度, 表示周围车辆的效率收益函数, 表示周围车辆的安全收益函数,vxmax表示保持车道时能达到的最大纵向速度,ylane表示相邻车道的中心线的坐标,amin表示纵向最小间距,bmin表示横向最小间距,Kroad表示路权系数,Kroad∈(0,1);xmax表示周围车辆在满足约束条件下在最大速度下行驶的最大纵向位移,ymax表示两相邻车道线的距离。

6.如权利要求5所述的一种基于滚动博弈的自动驾驶车辆换道决策方法,其特征在于,所述约束条件包括:(1)横向位移 Wroad表示车道宽度;

(2)纵向速度vx:vxmin<<vx<<vxmax,vxmin为保持车道时能达到的最小纵向速度;vxmax为保持车道时能达到的最大纵向速度;

(3)纵向加速度ax:amin<<ax<<axmax,axmin为最小纵向加速度,axmax为最大纵向加速度;

(4)横向加速度ay:aymin<<ay<<aymax,aymin为最小横向加速度,aymax为最大横向加速度。

7.如权利要求5所述的一种基于滚动博弈的自动驾驶车辆换道决策方法,其特征在于,根据所述周围车辆的最优轨迹、智能车辆行为的激进度指标及智能车辆的第二收益函数,生成智能车辆在所述预测时域内的最优轨迹策略,包括:将所述周围车辆的最优轨迹 与智能车辆的状态

代入第二收益函数,优化求解得到智能车辆在预测时域内的最优轨迹策略;

所述第二收益函数如下:

其中:

k表示0到N的正整数;N表示正整数;αs表示智能车辆激进度, 表示智能车的效率收益函数, 表示智能车辆的安全收益函数,vxmax表示保持车道时能达到的最大纵向速度,ylane表示邻到中心线的坐标,aamin表示纵向最小间距,bmin表示横向最小间距,Kroad表示路权系数Kroad∈(0,1);xmax表示智能车辆在满足约束条件下在最大速度下行驶的最大纵向位移,ymax表示两相邻车道线的距离。

8.如权利要求7所述的一种基于滚动博弈的自动驾驶车辆换道决策方法,其特征在于,所述智能车辆的最优轨迹策略包括:多个时序动作;

在t时刻执行所述智能车辆的最优轨迹策略,包括:

在t时刻执行所述最优轨迹策略的第一个时序动作 其中 表示t时刻得到的在预测时域内的最优加速度时序中的第一个元素, 表示t时刻得到在预测时域内的最优前轮转角时序中的第一个元素。

9.一种基于滚动博弈的自动驾驶车辆换道决策系统,其特征在于,包括:获取模块,用于根据外部环境或乘客需求,在t时刻获取智能车辆行为的激进度指标;

所述激进度指标表示驾驶模式;

计算模块,用于计算t时刻周围车辆行为的激进度指标;

确定模块,用于根据所述周围车辆行为的激进度指标及周围车辆的第一收益函数,确定所述周围车辆在预测时域内最优轨迹;所述预测时域为t+N;

生成模块,用于根据所述周围车辆的最优轨迹、智能车辆行为的激进度指标及智能车辆的第二收益函数,生成智能车辆在所述预测时域内的最优轨迹策略;

执行模块,用于在t时刻执行所述智能车辆的最优轨迹策略;

更新模块,用于在t+1时刻更新智能车辆状态、周围车辆状态及道路状态信息。