[發明專利]智能汽車換道時長預測及擬人化軌跡規劃方法

有效

• 申請號: 202111237247.1
• 申請日: 2021-10-22
• 公開（公告）號: CN113665574B
• 公開（公告）日: 2022-01-11
• 發明（設計）人: 劉巧斌;王濤;高銘;楊路;許慶;王建強;李克強
• 申請（專利權）人: 清華大學
• 主分類號: B60W30/18
• 分類號: B60W30/18;B60W40/107;B60W50/00
• 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: 王燕

1.一種智能汽車換道時長預測及擬人化軌跡規劃方法，其特征在于，包括以下步驟：

從若干駕駛員的自然駕駛數據中提取優秀駕駛員的換道軌跡，并由所述優秀駕駛員的換道軌跡提取真實多車影響下的優秀駕駛員換道時長；

獲取換道車輛的周車運動信息，并根據所述周車運動信息建立多車影響下的車輛換道縱向運動學模型，以及將所述周車的影響表征為周車運動學參數對換道車輛的平均縱向加速度的非線性映射，進而獲得訓練好的多車影響下的換道時長預測模型和辨識獲得的模型參數，所述換道時長預測模型為：，其中，為自車的換道時長，為所述自車預期換道縱向位移，為所述自車平均縱向加速度，為所述自車換道后在目標車道的預期車速；

在網聯多車環境下的智能汽車應用所述換道時長預測模型進行決策的情況下，當下達換道指令時，基于預期換道縱向位移、所述智能汽車的縱向速度和換道后目標車道預期車速，結合所述智能汽車的周車信息，利用所述換道時長預測模型對所述智能汽車的換道時長進行優選，并根據優選獲得的所述智能汽車的換道時長進行擬人化的軌跡規劃，以實現所述智能汽車換道意圖的準確實施。

2.根據權利要求1所述的方法，其特征在于，所述從若干駕駛員的自然駕駛數據中提取優秀駕駛員的換道軌跡，并由所述優秀駕駛員的換道軌跡提取真實多車影響下的優秀駕駛員換道時長，包括：

計算所述優秀駕駛員的換道軌跡的朝向角；

基于所述朝向角從所述自然駕駛數據中確定峰值點，并且由所述峰值點向兩邊搜索，得到滿足預設條件的時間點；

由所述時間點匹配對應的換道軌跡的初始區間；

根據所述初始區間計算所述換道軌跡側向加速度峰-峰值時間差，并基于所述時間差計算側向加速度取得最大值和最小值時對應的時間點，得到所述換道軌跡在真實多車影響下的優秀駕駛員換道時長。

3.根據權利要求1所述的方法，其特征在于，所述獲得訓練好的多車影響下的換道時長預測模型和辨識獲得的模型參數，包括：

對所述換道車輛的平均縱向加速度進行加速度修正，得到修正后的平均縱向加速度，將所述周車的影響表征為周車運動學參數對換道車輛的所述平均縱向加速度的非線性映射；

根據所述多車影響下的車輛換道縱向運動學模型和所述周車的影響表征為周車運動學參數對換道車輛的所述平均縱向加速度的非線性映射，得到所述多車影響下的換道時長預測模型和辨識獲得的模型參數。

4.根據權利要求1所述的方法，其特征在于，其中，所述預期換道縱向位移是根據縱向位置、縱向速度和縱向加速度狀態函數確定的。

5.一種智能汽車換道時長預測及擬人化軌跡規劃裝置，其特征在于，包括：

提取模塊，用于從若干駕駛員的自然駕駛數據中提取優秀駕駛員的換道軌跡，并由所述優秀駕駛員的換道軌跡提取真實多車影響下的優秀駕駛員換道時長；

生成模塊，用于獲取換道車輛的周車運動信息，并根據所述周車運動信息建立多車影響下的車輛換道縱向運動學模型，以及將所述周車的影響表征為周車運動學參數對換道車輛的平均縱向加速度的非線性映射，進而獲得訓練好的多車影響下的換道時長預測模型和辨識獲得的模型參數，所述換道時長預測模型為：，其中，為自車的換道時長，為所述自車預期換道縱向位移，為所述自車平均縱向加速度，為所述自車換道后在目標車道的預期車速；以及

換道軌跡規劃模塊，用于在網聯多車環境下的所述智能汽車應用所述換道時長預測模型進行決策的情況下，當下達換道指令時，基于預期換道縱向位移、所述智能汽車的縱向速度和換道后目標車道預期車速，結合所述智能汽車的周車信息，利用所述換道時長預測模型對所述智能汽車的換道時長進行優選，并根據優選獲得的所述智能汽車的換道時長進行擬人化的軌跡規劃，以實現所述智能汽車換道意圖的準確實施。