[發(fā)明專利]基于軌跡預測的行車風險辨識方法

有效

• 申請?zhí)枺?/td>: 201811541720.3
• 申請日: 2018-12-17
• 公開（公告）號: CN109684702B
• 公開（公告）日: 2020-04-24
• 發(fā)明（設計）人: 王建強;鄭訊佳;黃荷葉;許慶;楊奕彬;涂茂然
• 申請（專利權）人: 清華大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06F119/14
• 代理公司: 北京匯智勝知識產(chǎn)權代理事務所(普通合伙) 11346
• 代理人: 石輝

1.一種基于軌跡預測的行車風險辨識方法，其特征在于，包括以下步驟：

S1，實時獲取GPS信息，生成參考軌跡；

S2，根據(jù)所述參考軌跡和GPS信息，結合車輛動力學模型和控制約束條件，生成動態(tài)的且連接所述參考軌跡的初始端和終端的可行軌跡集以及所述可行軌跡集中的每一條可行軌跡對應的速度；

S3，優(yōu)化所述可行軌跡及其對應的速度；

S4，根據(jù)所述優(yōu)化的所述可行軌跡和速度，結合車輛動力學模型以及設定的約束條件，利用代價函數(shù)計算所述可行軌跡的代價值，形成自車在每條所述可行軌跡上行駛的概率分布圖，從而繪制出可行軌跡分布圖；所述代價函數(shù)根據(jù)最小作用量原理和等效力方法獲得；

S4中的所述代價函數(shù)表示成式(1)：

式(1)中，S_Risk為所述可行軌跡的代價值，t₀為所述可行軌跡的初始端對應的時刻，t_f為所述可行軌跡的終端對應的時刻，n表示交通場景中道路使用者的使用數(shù)量，i為其它道路使用者的編號，j為自車的編號，m_j為自車j的質(zhì)量，v_i為其它道路使用者i的速度，v_j為自車j的速度，R_j為自車j行車過程中的等效阻力，G_j為自車j受到道路產(chǎn)生的等效吸引力，v_j，x為自車j的橫向的速度，F(xiàn)_ji為其他道路使用者i對自車j之間的作用力；

S4的所述概率分布圖中，自車在每條所述可行軌跡上行駛的概率通過下面式(2)獲得：

式(2)中，ith為生成的第ith條可行軌跡，S_Risk表示生成的該條可行路徑的代價值，S_i，best為以預測最優(yōu)軌跡行駛的代價值，所述預測最優(yōu)軌跡為W_ith最大的可行軌跡；通過計算各可行軌跡的概率W_ith，以繪制所述可行軌跡分布圖；

S5，根據(jù)所述可行軌跡分布圖，利用車輛動力學模型和軌跡轉向概率，計算相對等效力，以根據(jù)所述相對等效力辨識行車過程中的動態(tài)風險范圍。

2.如權利要求1所述的基于軌跡預測的行車風險辨識方法，其特征在于，S5中的“相對等效力F_pe”表示為式(5)：

式(5)中，m_e為道路使用者e的質(zhì)量，v_e為道路使用者e的速度，Δx_e為道路使用者e與其前方的一個道路使用者之間的距離；w_p為實際行駛軌跡與預測最優(yōu)軌跡行駛之間概率值的權重，其表示為下面式(3)，在所述預測最優(yōu)軌跡行駛時w_p表示成下面式(4)：

W_ith＝w_p (4)

式(3)中，p_m為自車j的駕駛人按照預測最優(yōu)軌跡行駛的概率，p_n為自車j實際行駛軌跡偏離所述預測最優(yōu)軌跡的概率。

3.如權利要求1或2所述的基于軌跡預測的行車風險辨識方法，其特征在于，S2具體包括：

S21，將車輛的所有參數(shù)化控制的集合∈定義為參數(shù)矢量的函數(shù)和自變量σ，表示為式(6)：

式(6)中，自變量σ的選擇是時間t和弧長ρ，參數(shù)矢量中的自由參數(shù)的數(shù)量減去約束的數(shù)量表示系統(tǒng)中剩余自由度的數(shù)量；

S22，基于S21定義的集合∈，將軌跡生成通過下面式(7)的變換，自然分解為空間軌跡生成和速度生成：

S23，根據(jù)由所述參考軌跡所確定的車輛行駛的初始端和終端及道路邊界約束條件、運動約束和交通法規(guī)限制，利用梯形線速度曲線生成的矩陣表示為式(8)：

式(8)中，v₀為梯形速度曲線初始端的速度，為梯形速度曲線初始端的加速度，v_x為梯形速度曲線的橫向速度，v_f為梯形速度曲線終端的速度，為梯形速度曲線終端的加速度，t為梯形速度曲線遍歷時間；

S24，根據(jù)S23得到的M_v，生成S2中的所述速度。

4.如權利要求3所述的基于軌跡預測的行車風險辨識方法，其特征在于，S3具體包括：

S31，根據(jù)S2得到的所述梯形線速度曲線，對所述速度進行控制，通過泰勒余數(shù)定理，根據(jù)未知參數(shù)數(shù)量和生成路徑的普適性選取關于時間的立方函數(shù)，該函數(shù)表示為式(9)：

v(t)＝a+bt+ct²+dt³ (9)

通過給定v₀、v_f、和軌跡長度ρ_f，得到下面式(10)至式(12)，從而求解未知參數(shù){a，b，c，d，t_f}：

v(t_f)＝v₀+a+bt_f+ct_f²+dt_f³＝v_f (10)

為梯形速度曲線終端對應的時刻t_f對應的加速度，ρ(t_f)為梯形速度曲線終端對應的時刻t_f的軌跡長度；

S32，根據(jù)求得的式(9)，計算加速度a(t)和軌跡長度ρ(t)；

S33，通過S32得到的加速度a(t)和軌跡長度ρ(t)，生成S形速度連續(xù)分布曲線；

S34，基于車輛動力學模型和控制約束條件，通過生成一組可行的動態(tài)軌跡連接終端狀態(tài)的初始狀態(tài)，使所有生成的可行軌跡以安全性和速度作為追求目標，結合S33中生成的S形速度連續(xù)分布曲線，對生成的所述可行軌跡及其速度進行優(yōu)化。