1.一种基于时空风险量化的智能车辆换道避障路径规划方法,其特征在于,包括:步骤一、获取当前时刻车辆位置及车辆周边的交通环境;确定避障路径的终点位置;
步骤二、构建时空风险场,包括:静态障碍物产生的风险场、动态障碍物产生的风险场、车道线产生的风险场及终点位置产生的驱动场;确定当前时刻车辆分别在所述静态障碍物产生的风险场、所述动态障碍物产生的风险场、所述车道线产生的风险场及所述终点位置产生的驱动场中受到的力,得到车辆在所述时空风险场受到的合力;
步骤三、根据车辆在所述时空风险场内受到的合力确定车辆目标航向角,并根据所述车辆目标航向角更新下一时刻的车辆位置;
步骤四、重复进行步骤二至步骤三,直到车辆达到避障路径的终点位置;将得到的车辆位置集合作为避障路径点集;
步骤五、以所述避障路径点集中的离散路径点作为初始解,基于二次规划方法优化得到平滑的避障路径;
在所述步骤二中,车辆在所述静态障碍物产生的风险场中受到排斥力 ,计算公式为:;
其中, ;
式中, 为车辆在静态障碍物产生的风险场中受到的排斥力; 为车辆质量; 为车辆所处位置的路面附着影响因子; 为静态障碍物产生的风险场中车辆所在位置点的场强矢量; 为从静态障碍物质心位置指向车辆所在位置点的距离矢量; 是静态障碍物的虚拟质量;为障碍物类型对风险大小的影响因子;和 为常数;
在所述步骤二中,车辆在所述动态障碍物产生的风险场中受到排斥力 ,计算公式为:;
其中, ;
式中, 为车辆在动态障碍物产生的风险场中受到的排斥力; 为车辆质量; 为车辆所处位置的路面附着影响因子; 为动态障碍物产生的风险场中车辆所在位置点的场强矢量; 为从动态障碍物质心位置指向车辆所在位置点的距离矢量; 为动态障碍物的虚拟质量; 为动态障碍物类型对风险大小的影响因子;、 和 为常数; 为车辆与动态障碍物相对速度; 为车辆与动态障碍物速度夹角;
在所述步骤二中,车辆在所述车道线产生的风险场中受到排斥力 ,计算公式为:;
其中, ;
;
;
式中, 为车辆在车道线产生的风险场中受到的排斥力; 为车辆质量; 为车辆所处位置的路面附着影响因子; 为车道线产生的风险场中车辆所在位置点的场强矢量;
为从车道线指向车辆所在位置点的距离矢量; 表示车辆质心距离车道线的横向距离;
为车道宽度; 为车道线类型对风险大小的影响因子; 为常数; 为道路内障碍物所在位置点的纵坐标;为车辆所在位置点的纵坐标; 为障碍物风险场最大作用距离; 为车辆最短制动距离;
在所述步骤二中,车辆在所述终点位置产生的驱动场中受到吸引力 ,计算公式为:;
其中, ;
;
;
式中, 为车辆在终点位置产生的驱动场中受到的吸引力; 为车辆质量; 为车辆所处位置的路面附着影响因子; 为终点位置产生的驱动场中车辆所在位置点的场强矢量; 为从终点位置点指向车辆所在位置点的距离矢量; 为从终点位置点指向车辆所在位置点的距离标量;( ,)为终点位置的坐标; 为车辆当前车速; 车辆当前所在车道最高限速;为重力加速度;为车辆当前位置纵坐标; 为车道宽度; 为路面附着影响因子; 、 都是常数。
2.根据权利要求1所述的基于时空风险量化的智能车辆换道避障路径规划方法,其特征在于,在所述步骤三中,还包括:如果所述目标航向角与当前时刻车辆航向角之差大于车辆最大转向角,以车辆最大转向角作为车辆目标转向角,得到下一时刻车辆目标位置;
并且判断车辆从当前位置移动到下一时刻车辆目标位置是否发生碰撞;
如果不会发生碰撞,则将下一时刻的车辆位置更新为下一时刻车辆目标位置;
如果会发生碰撞,则重新确定避障路径的终点位置,并重复进行步骤二至步骤五。
3.根据权利要求2所述的基于时空风险量化的智能车辆换道避障路径规划方法,其特征在于,在所述步骤五中,基于二次规划方法优化得到平滑的避障路径,包括:离散路径点的平滑和对平滑路径点进行分段拟合。
4.根据权利要求3所述的基于时空风险量化的智能车辆换道避障路径规划方法,其特征在于,采用五次多项式对平滑路径点进行分段拟合,方法为:将平滑的离散路径点中相邻两点之间的路径作为一个区间路径,对每个区间采用2个五次多项式表示,第 个区间多项式为:;
;
第 个区间待优化变量为:
;
;
采用二次规划方法求解各区间多项式的曲线参数 ,得到各区间的曲线方程。
5.根据权利要求4所述的基于时空风险量化的智能车辆换道避障路径规划方法,其特征在于,用二次规划方法求解各区间多项式的曲线参数的过程中,采用如下目标函数:;
其中,为定义在区间[0,1]上的连续变量。