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: 2024112611809
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: 一般车辆
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:

1.一种基于动态连续博弈的自动驾驶强制换道决策方法,其特征在于,包括以下步骤:步骤一:通过车载传感器和车车通信获得强制换道场景中自车与周围车辆的运动状态信息,所述运动状态信息包括车辆的位置、速度和加速度;

步骤二:采用不等径三圆轮廓法对车辆边界进行建模,计算自车与任意一个周围车辆的碰撞边界;

步骤三:基于非合作非零和动态博弈生成初始决策,具体包括以下步骤:步骤三一:构建强制换道决策模型,所述强制换道决策模型包括两个参与者,分别是自车和目标车道后车,并为两个参与者制定博弈可选策略;

步骤三二:分别建立自车和目标车道后车的行驶安全收益函数、乘坐舒适收益函数、通行效率收益函数,对三个收益函数进行加权求和后得到自车和目标车道后车各自对应的总收益;

自车选择更换车道策略时,自车和目标车道后车的行驶安全收益函数为:式中,为自车的行驶安全收益,为目标车道后车的行驶安全收益,j=1,2,3,tE1和tE2分别为自车到达自车与目标车道后车的碰撞边界1和碰撞边界2的时间,tF1和tF2分别为目标车道后车到达自车与目标车道后车的碰撞边界1和碰撞边界2的时间,ΔT为安全临界时间;

自车选择不更换车道策略时,自车和目标车道后车的行驶安全收益函数为:式中,为自车的行驶安全收益,为目标车道后车的行驶安全收益;

步骤三三:自车和目标车道后车根据不同的策略组合的总收益进行非合作非零和动态博弈,生成初始决策;

步骤四:采用基于信息连续性的博弈策略优化所述初始决策;

步骤五:以采用基于信息连续性的博弈决策优化后的策略连续保持三个周期为条件,输出最终的强制换道决策。

2.根据权利要求1所述的一种基于动态连续博弈的自动驾驶强制换道决策方法,其特征在于,在不等径三圆轮廓法中,对车辆前方圆形按照如下公式进行轮廓扩展:Re=R+ρveRsafe

其中,Re为车辆前方圆形的半径,ρ为固定系数取0.1,v为车辆速度,Rsafe为安全系数,R为车辆后方圆形和车辆中间圆形的半径。

3.根据权利要求2所述的一种基于动态连续博弈的自动驾驶强制换道决策方法,其特征在于,根据自车与任意一个周围车辆之间任意一对圆形的最小欧几里得距离大于等于安全阈值,来确定所述碰撞边界。

4.根据权利要求1所述的一种基于动态连续博弈的自动驾驶强制换道决策方法,其特征在于,安全临界时间ΔT的值为3s。

5.根据权利要求1或2所述的一种基于动态连续博弈的自动驾驶强制换道决策方法,其特征在于,自车的乘坐舒适收益函数为:式中,为自车的乘坐舒适收益,k1和k2为权重系数,和分别为自车的纵向加速度和横向加速度,tn为当前时间,tn+m为换道完成时间,i=1,2;

目标车道后车的乘坐舒适收益函数为:

式中,为目标车道后车的乘坐舒适收益,为目标车道后车加速度,根据IDM模型跟随自车或目标车道前车确定。

6.根据权利要求1或2所述的一种基于动态连续博弈的自动驾驶强制换道决策方法,其特征在于,自车的通行效率收益函数为:式中,为自车的通行效率收益,vLV为目标车道前车的速度,vEV为自车的速度,vdesired为自车的期望速度,为相关系数;

目标车道后车的通行效率收益函数为:

式中,为通行效率收益,vFV为目标车道后车的速度,为相关系数。

7.根据权利要求1或2所述的一种基于动态连续博弈的自动驾驶强制换道决策方法,其特征在于,在步骤三三中,将非合作非零和动态博弈求解过程转化为双层优化问题,双层优化问题如以下公式所示:式中,sEV*为自车的最优策略,SFV*(sEV)为给定自车策略时目标车道后车最优策略集合,SEV为自车的可选策略,SFV为目标车道后车的可选策略,sFV*为目标车道后车的最优策略,UEV(sEV,sFV)为自车选择sEV策略且目标车道后车选择sFV策略时的自车的收益,UFV(sEV,sFV)为自车选择sEV策略且目标车道后车选择sFV策略时的目标车道后车的收益,UFV(sEV,sFV*)为自车选择sEV策略且目标车道后车选择sFV*最优策略时的目标车道后车的收益。

8.根据权利要求1或2所述的一种基于动态连续博弈的自动驾驶强制换道决策方法,其特征在于,在步骤四中,基于信息连续性的博弈策略引入重复博弈中参与者累积收益的概念,假设将重复博弈初始时刻ts1到当前时刻tsn=T内的收益都记录下来,定期重复进行相同的交互换道决策博弈,并实时调整ts1的值,以实现有限重复博弈,优化决策模型;

将上式简化为:

式中,博弈参与者player为自车或目标车道后车,为博弈参与者player采用(i,j)策略,在时间t的重复博弈收益,为博弈参与者player在时间T时采用(i,j)策略的博弈收益,δ为时间偏好因子,Δt为离散博弈决策的间隔,k为历史重复博弈次数。

9.根据权利要求1或2所述的一种基于动态连续博弈的自动驾驶强制换道决策方法,其特征在于,当所述初始决策为紧急制动时,自车立即响应并执行紧急制动操作。