[發明專利]擬人化隨機換道駕駛行為建模方法

有效

• 申請號: 202111073530.5
• 申請日: 2021-09-14
• 公開（公告）號: CN113722835B
• 公開（公告）日: 2023-10-20
• 發明（設計）人: 劉震;宮洵;曲婷;胡云峰;陳虹;李勇
• 申請（專利權）人: 吉林大學
• 主分類號: G06F30/15
• 分類號: G06F30/15;G06F30/20;G06F111/08;G06F119/14
• 代理公司: 吉林長春新紀元專利代理有限責任公司 22100
• 代理人: 白冬冬

1.一種擬人化隨機換道駕駛行為建模方法，

S1、自然行駛數據原始采集，數據的采樣頻率為10Hz，以SPMD數據集作為自然行駛大數據；

S2、根據換道場景特性生成換道切入場景軌跡片段庫，首先，提取SPMD數據集中前車數據集和換道數據集；其次，進行相對補集運算，選擇在前車數據集但不在換道數據集中的數據；隨后，逐幀對數據進行邏輯判斷，判斷前車在相鄰時刻內從不是距主車最近的目標變為距主車最近，若是則將該幀數據放入換道切入軌跡片段庫中，否則對下一幀數據進行判斷，直到所有數據篩選完畢為止。并在該場景庫中采集換道擬人化駕駛模型所需變量，其中包括：本車車速、本車加車速、前車車速以及后車加速度等變量；

S3、換道數據預處理，首先將采集的變量如本車車速、本車加車速、前車車速以及后車加速度等變量等轉化為時序信號，并計算該時序信號的長度，并對該信號進行填充處理；其次對處理后的數據進行快速傅里葉變換，得到數據的頻譜；隨后根據數據的采樣頻率與濾波所需的截止頻率，將頻譜中截止頻率之外的信號清除；最后將獲得的頻譜進行逆傅里葉變換，將其轉化為時域信號，得到濾波后的數據；

其特征在于：

S4、擬人化隨機換道駕駛行為建模：

S41、提取人類駕駛員跟車忍耐度以及換道禮讓度的換道心理動機特征，并設計基于換道心理動機的換道決策，

S411、跟車忍耐度用α_p表示，其描述為：

其中：v_des為人類駕駛員期望的駕駛速度；為人類駕駛員繼續跟隨前車時所需的駕駛車速，T為換道時長；

S412、換道禮讓度用p表示，建立換道禮讓度模型：

其中：與與分別代表車輛c、n在c換道后的加速度，a_c與a_n分別代表c、n在車輛c換道前的加速度預測值，p代表禮讓系數，用于反映當前車輛禮讓程度的高低，Δa_th代表當前車輛禮讓程度閾值；

S42、設計關聯駕駛風格的換道軌跡生成方法

S421、提取換道數據庫中換道軌跡對應的禮讓系數、換道時長T、換道軌跡的側向距離Di、換道軌跡的平均速度v₀，并以禮讓系數在[-2,2]區間內每隔0.05劃分不同的駕駛員軌跡簇；

S422、在同一個軌跡簇內，隨機選擇軌跡簇中的軌跡特征，采用高階多項式生成軌跡，其中多項式的初始條件為x_d(0)＝0；y_d(0)＝0；y_d(T)＝Di；其中x_d(0)為第0時刻軌跡的x坐標，為第0時刻的x坐標方向速度，為第0時刻的x坐標方向加速度，第T時刻的x坐標方向速度，為第T時刻的x坐標方向加速度，y_d(0)為第0時刻軌跡的y坐標，為第0時刻的y坐標方向速度，為第0時刻的y坐標方向加速度,y_d(T)為第T時刻軌跡的y坐標，第T時刻的y坐標方向速度，為第T時刻的y坐標方向加速度，隨后，采用如下方程組求解：

x_d(t)＝c₁+c₂*t+c₃*t²+c₄*t³+c₅*t⁴ (3)

y_d(t)＝b₁+b₂*t+b₃*t²+b₄*t³+b₅*t⁴+b₆*t⁵ (4)

其中：c₁、c₂、c₃、c₄、c₅以及b₁、b₂、b₃、b₄、b₅、b₆為待求解系數，將初始條件帶入上述方程組中，其中t＝0，以及t＝T，即可解得上述系數，然后，利用方程：x(t)＝c₁+c₂*t+c₃*t²+c₄*t³+c₅*t⁴；y(t)＝b₁+b₂*t+b₃*t²+b₄*t³+b₅*t⁴+b₆*t⁵；生成風格化關聯的換道軌跡；

S43、基于模型預測控制的擬人化預瞄執行生成方法

S431、建立車輛二自由度車輛動力學模型的狀態空間方程

其中：C_αf和C_αr分別為前/后輪轉彎剛度，l_r和l_r分別為前懸/后懸長度，m為車身質量，I_z為車輛繞z軸轉動的轉動慣量，V_x為轉向速度，y為車輛行駛軌跡的橫向坐標，為車輛行駛軌跡的橫向速度，ψ為車輛橫擺角，為車輛橫擺角速度，δ為前輪轉角；

S432、建立車輛狀態預測模型的表達式

其中：k為預瞄步長，為表示預瞄時域N_P內的系統輸出，即x(k)為表示為增量型狀態空間表達式中的狀態量，表示預瞄時域N_P內的系統輸入增量Δu為控制量增量，Ψ系統狀態矩陣Θ為系統輸入增量矩陣，A、B、C為增量型狀態空間表達式的系數矩陣；

S433、建立模型預測控制的優化問題，優化目標函數：

其中：X_ref為換道規劃軌跡，X為車輛實際行駛軌跡，U為控制輸入，Q、R為權重矩陣。U_min為輸入量的最小值，U_max為輸入量的最大值，ΔU_min為輸入量增量的最小值，ΔU_max為輸入量增量的最大值。