[發明專利]基于行車安全場的智能網聯汽車軌跡規劃方法及裝置

有效

• 申請號: 202110459321.8
• 申請日: 2021-04-27
• 公開（公告）號: CN113188556B
• 公開（公告）日: 2023-06-13
• 發明（設計）人: 丁峰;王建強;劉科;劉凱琪;黃荷葉;田洪清;許慶
• 申請（專利權）人: 清華大學
• 主分類號: G01C21/34
• 分類號: G01C21/34
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 徐章偉

1.一種基于行車安全場的智能網聯汽車軌跡規劃方法，其特征在于，包括以下步驟：

基于行車安全場計算交通環境對智能網聯汽車自車造成的風險；

根據所述汽車的周邊道路交通環境、汽車的自車車速與預測時域生成稀疏的可搜索區域；以及

基于所述風險在所述可搜索區域生成車道選擇軌跡，并在所述車道選擇軌跡的基礎上將所述稀疏的搜索區域進行細化，以得到初始規劃路徑和規劃速度，及在所述預測時域內進行推演，解決軌跡跟蹤最優化問題，得到所述智能網聯汽車在所述預測時域內最終規劃軌跡；

所述基于行車安全場計算交通環境對智能網聯汽車自車造成的風險，包括：

利用由行車安全場對交通環境要素建模得到的模型計算所述風險，其中，所述風險的計算公式為：

，

其中，、、和分別對應為行車安全場、勢能場、動能場和行為場的場強；

所述在所述車道選擇軌跡的基礎上將所述稀疏的搜索區域進行細化，以得到初始規劃路徑和規劃速度，包括：

將所述稀疏的搜索區域在參考軌跡周邊進行細化；

利用梯度下降法得到最優路徑的同時，利用自適應跟車方法進行速度規劃，規劃出速度目標，以得到所述初始規劃路徑和規劃速度；

所述規劃速度的生成模型為：

，

其中，為自車的最大車速，為目標車速，為自車與前車之間的距離，為目標最小車距。

2.根據權利要求1所述的方法，其特征在于，所述在所述預測時域內進行推演，解決軌跡跟蹤最優化問題，得到所述智能網聯汽車在所述預測時域內最終規劃軌跡，包括：

利用閉環動力學的方法，在每一采樣時刻，對所述預測時域內進行動力學仿真，并使用與實際車輛控制模塊相同的控制器與車輛模型進行推演，得到所述智能網聯汽車在所述預測時域內最終規劃軌跡。

3.一種基于行車安全場的智能網聯汽車軌跡規劃裝置，其特征在于，包括：

計算模塊，用于基于行車安全場計算交通環境對智能網聯汽車自車造成的風險；

生成模塊，用于根據所述汽車的周邊道路交通環境、汽車的自車車速與預測時域生成稀疏的可搜索區域；以及

規劃模塊，用于基于所述風險在所述可搜索區域生成車道選擇軌跡，并在所述車道選擇軌跡的基礎上將所述稀疏的搜索區域進行細化，以得到初始規劃路徑和規劃速度，及在所述預測時域內進行推演，解決軌跡跟蹤最優化問題，得到所述智能網聯汽車在所述預測時域內最終規劃軌跡；

所述計算模塊具體用于利用由行車安全場對交通環境要素建模得到的模型計算所述風險，其中，所述風險的計算公式為：

，

其中，、、和分別對應為行車安全場、勢能場、動能場和行為場的場強；

所述規劃模塊包括：

細化單元，用于將所述稀疏的搜索區域在參考軌跡周邊進行細化；

規劃單元，用于利用梯度下降法得到最優路徑的同時，利用自適應跟車方法進行速度規劃，規劃出速度目標，以得到所述初始規劃路徑和規劃速度；

所述規劃速度的生成模型為：

，

其中，為自車的最大車速，為目標車速，為自車與前車之間的距離，為目標最小車距。

4.根據權利要求3所述的裝置，其特征在于，所述規劃模塊具體用于利用閉環動力學的方法，在每一采樣時刻，對所述預測時域內進行動力學仿真，并使用與實際車輛控制模塊相同的控制器與車輛模型進行推演，得到所述智能網聯汽車在所述預測時域內最終規劃軌跡。