1.一种基于驾驶意图预测模型的智能汽车行驶轨迹规划方法,其特征在于,包括以下步骤:S101、获取当前车辆状态、环境信息、驾驶员驾驶情感;
S201、根据驾驶情感转移概率分布,预测未来情感状态;
S301、根据驾驶意图概率分布,预测未来可能的驾驶意图;
S401、根据驾驶意图定义典型目标轨迹簇,生成候选轨迹,计算轨迹偏差;
S501、结合驾驶安全性、驾驶舒适性和驾驶意图符合度设计多目标优化函数;
S601、确定轨迹规划约束条件;
S701、在满足约束条件的情况下使得目标函数最小以求解最优轨迹;
S801、使用MPC控制器对所求得的超车轨迹进行跟踪;
其中所述步骤S101中所述的车辆状态信息包括当前车辆与周围车辆的位置、速度、加速度;环境信息包括通过车载环境感知系统及无人驾驶智能汽车高清地图获得的当前道路场景;驾驶员驾驶情感包括如下8种:愉悦Emo其中所述步骤S201、S301通过隐形马尔科夫模型确定驾驶情感转移概率、驾驶意图概率分布的计算过程,其具体数值通过实验确定,定义隐形马尔科夫模型中基本参数如下:Emo={Emo
Int={Int
在t时刻驾驶员的驾驶情感状态为xη
α
β
1≤t≤L-1,其中σ
2.根据权利要求1所述的一种基于驾驶意图预测模型的智能汽车行驶轨迹规划方法,其特征在于,所述步骤S201中的驾驶情感转移概率分布由下述公式确定:
3.根据权利要求1所述的一种基于驾驶意图预测模型的智能汽车行驶轨迹规划方法,其特征在于,所述步骤S301中的驾驶意图概率分布由下述公式确定:
4.根据权利要求1所述的一种基于驾驶意图预测模型的智能汽车行驶轨迹规划方法,其特征在于,所述步骤S401中驾驶意图定义典型目标轨迹簇由下述公式确定:使用汽车线性二自由度模型描述车辆运动状态:其中,(x
保持原本车速直行Intx
y
v
θ
其中,x
加速直行Int
x
y
v
θ
其中,a
减速直行Int
x
y
v
θ
其中,a
保持原本车速换道Intx
y
v
θ
其中,a
加速换道Int
x
y
v
θ
其中,a
减速换道Int
x
y
v
θ
其中,a
停车Int
x
y
v
θ
将上述生成的目标轨迹集合为{τ
5.根据权利要求1所述的一种基于驾驶意图预测模型的智能汽车行驶轨迹规划方法,其特征在于,所述步骤S401中计算轨迹偏差由下述公式确定:其中,d
6.根据权利要求1所述的一种基于驾驶意图预测模型的智能汽车行驶轨迹规划方法,其特征在于,所述步骤S501多目标优化函数中驾驶安全性指标由下述公式确定:其中,J
7.根据权利要求1所述的一种基于驾驶意图预测模型的智能汽车行驶轨迹规划方法,其特征在于,所述步骤S501多目标优化函数中驾驶舒适性指标由下述公式确定:其中,J
8.根据权利要求1所述的一种基于驾驶意图预测模型的智能汽车行驶轨迹规划方法,其特征在于,所述步骤S501多目标优化函数中驾驶意图符合度由下述公式确定:其中,J
9.根据权利要求1所述的一种基于驾驶意图预测模型的智能汽车行驶轨迹规划方法,其特征在于,所述步骤S501的多目标优化函数由下述公式确定:J=q
其中,q
10.根据权利要求1所述的一种基于驾驶意图预测模型的智能汽车行驶轨迹规划方法,其特征在于,所述步骤S601轨迹规划约束条件由下述约束构成:A、车辆动力学约束,包括速度约束、加速度约束、转向角速度约束;
B、环境约束,包括车道报纸约束、障碍物避障约束,碰撞约束;
C、舒适性约束,包括加速度变化率约束;
D、换道意图约束,包括驾驶员驾驶意图约束、换道完成时间约束。