基于分层架构的个性化自动换道系统规划控制策略研究
发布时间：2022-01-07 14:14
高级驾驶辅助系统（Advanced Driver Assistant System,ADAS）是汽车从无自动化进步到全自动化得必经之路,事实上,自动驾驶技术也可以看做是ADAS技术的一种扩展。目前,已经商业化的ADAS,如车道保持辅助（Lane Keeping Assistance,LKA）和自适应巡航控制（Adaptive Cruise Control,ACC）等能够大幅减轻驾驶员负担,并提高在高速公路上驾驶的安全性和舒适性。为扩展ADAS的功能,并最终发展到高度自动化的高速公路行驶,一个重要的待解决的问题便是自动换道系统的开发,换道轨迹的规划和横纵向控制都是自动换道系统的核心技术。对于轨迹规划,主流传统方法存在系统开发后参数固化,不能适应驾驶员特性的缺点。对于横纵向控制,主流传统方法存在难以考虑轮胎横纵向耦合,以及不能实现对跟踪目标平滑切换的缺点。本文依托国家自然科学基金项目“基于驾驶员特性的新型线控转向系统控制机理和评价方法研究”（编号:51575223）,针对高速场景下的判断型换道,开发自动换道系统的轨迹规划和横纵向控制算法。轨迹规划方面,设计分层架构将高斯混合模型（Gauss...
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：112 页
【学位级别】：硕士
【部分图文】：
SAEJ3016自动驾驶分级标准
第1章绪论5上进行的，因此换道轨迹的规划需要基于道路的结构化信息来进行。3.小车的工作环境下主要是对静态障碍物进行避障，而对于汽车来说，交通环境是时刻动态变化的，其工作环境内不仅存在静态障碍物，还存在大量具有不确定性的动态障碍物（如交通车），而以上算法难以对具有不确定性的动态障碍物进行处理。目前，实现换道的主流算法是基于状态窗格采样的轨迹规划方法。图1.4道路坐标系网格JuliusZiegler等人[8]将非结构道路下的状态栅格进行改进，在道路坐标系下沿道路方向进行采样，大大减少了轨迹的搜索空间，保证了算法的实时性，同时还将时间维度考虑到状态栅格中，考虑了对动态交通工况下的避障。如图1.4为道路坐标系的网格示意图。MoritzWerling等人[9]基于类似的思想，同样在道路坐标系下将复杂的三维（s，d，t）规划问题简化为d(t)和s(t)两个相互独立的二维规划问题，并在Frenet坐标系下对横向和纵向两个方向的终点状态进行采样，以多项式作为横向和纵向的轨迹模型连接起点和终点，再过滤掉超出约束的后两两组合得到轨迹集。最后通过对轨迹集的所有轨迹进行评价得到最优轨迹，如图1.5为采样的纵向和侧向轨迹集，其中绿色为最优轨迹。文献[10]将轨迹规划的连续空间优化问题转化为最优控制中的波尔扎问题进行求解，证明了多项式形式的轨迹为优化加加速度平方的最优解集，同时根据贝尔曼最优法则，进一步证明了上文中所规划的轨迹具有时间一致性（T+1时刻的最优轨迹和T时刻的最优轨迹为同一条轨迹）。但是在实际应用中，该算法规划出的轨迹每一点的曲率都需要重新计算，而且尽管其曲率是连续的，其曲率导数频繁的变化会导致方向盘的抖震。
吉林大学硕士学位论文6图1.5纵向和侧向轨迹集考虑到轨迹曲率连续的重要性，国防科技大学的李晓辉[11]沿道路形状进行终点状态采样，使用曲率为三次多项式的螺旋曲线连接起点和终点，得到轨迹集如图1.6。图1.6螺旋曲线轨迹集螺旋曲线形式如下式：230123κ(s)κ=+κs+κs+κs..........................................(1.1)其中03κ~κ为系数，s为沿路方向的路程。在求解过程中对汽车运动学模型进行积分，因此轨迹模型本质上就考虑了汽车的运动学约束，且由于这种方法可以直接对曲率进行规划，因此曲率连续性得到了保证。但缺点在于需要通过牛顿法迭代优化来求解03κ~κ系数，无法保证最终形成的轨迹一定能通过采样点。MathewMcNaughton[12][13]等人针对复杂工况沿纵向进行多层采样，并将每一层采样点使用螺旋曲线两两相连，最终形成的轨迹网格如图1.7所示。如此形成的轨迹网格增大了搜索空间，可以针对复杂工况形成较为复杂的轨迹。但相应的，计算负担也相应增大。考虑到计算效率，最优轨迹的搜索使用动态规划算法。速度曲线的规划则通过对加速度进行采样得到，实车实验验证了算法的实时性。
【参考文献】：
博士论文
[1]具有换道辅助功能的车辆自适应巡航控制[D]. 党睿娜.清华大学 2013
硕士论文
[1]智能网联汽车高速公路自主性换道决策模型研究[D]. 丁婉婷.东南大学 2017
本文编号：3574694
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：112 页
【学位级别】：硕士
【部分图文】：
SAEJ3016自动驾驶分级标准
第1章绪论5上进行的，因此换道轨迹的规划需要基于道路的结构化信息来进行。3.小车的工作环境下主要是对静态障碍物进行避障，而对于汽车来说，交通环境是时刻动态变化的，其工作环境内不仅存在静态障碍物，还存在大量具有不确定性的动态障碍物（如交通车），而以上算法难以对具有不确定性的动态障碍物进行处理。目前，实现换道的主流算法是基于状态窗格采样的轨迹规划方法。图1.4道路坐标系网格JuliusZiegler等人[8]将非结构道路下的状态栅格进行改进，在道路坐标系下沿道路方向进行采样，大大减少了轨迹的搜索空间，保证了算法的实时性，同时还将时间维度考虑到状态栅格中，考虑了对动态交通工况下的避障。如图1.4为道路坐标系的网格示意图。MoritzWerling等人[9]基于类似的思想，同样在道路坐标系下将复杂的三维（s，d，t）规划问题简化为d(t)和s(t)两个相互独立的二维规划问题，并在Frenet坐标系下对横向和纵向两个方向的终点状态进行采样，以多项式作为横向和纵向的轨迹模型连接起点和终点，再过滤掉超出约束的后两两组合得到轨迹集。最后通过对轨迹集的所有轨迹进行评价得到最优轨迹，如图1.5为采样的纵向和侧向轨迹集，其中绿色为最优轨迹。文献[10]将轨迹规划的连续空间优化问题转化为最优控制中的波尔扎问题进行求解，证明了多项式形式的轨迹为优化加加速度平方的最优解集，同时根据贝尔曼最优法则，进一步证明了上文中所规划的轨迹具有时间一致性（T+1时刻的最优轨迹和T时刻的最优轨迹为同一条轨迹）。但是在实际应用中，该算法规划出的轨迹每一点的曲率都需要重新计算，而且尽管其曲率是连续的，其曲率导数频繁的变化会导致方向盘的抖震。
吉林大学硕士学位论文6图1.5纵向和侧向轨迹集考虑到轨迹曲率连续的重要性，国防科技大学的李晓辉[11]沿道路形状进行终点状态采样，使用曲率为三次多项式的螺旋曲线连接起点和终点，得到轨迹集如图1.6。图1.6螺旋曲线轨迹集螺旋曲线形式如下式：230123κ(s)κ=+κs+κs+κs..........................................(1.1)其中03κ~κ为系数，s为沿路方向的路程。在求解过程中对汽车运动学模型进行积分，因此轨迹模型本质上就考虑了汽车的运动学约束，且由于这种方法可以直接对曲率进行规划，因此曲率连续性得到了保证。但缺点在于需要通过牛顿法迭代优化来求解03κ~κ系数，无法保证最终形成的轨迹一定能通过采样点。MathewMcNaughton[12][13]等人针对复杂工况沿纵向进行多层采样，并将每一层采样点使用螺旋曲线两两相连，最终形成的轨迹网格如图1.7所示。如此形成的轨迹网格增大了搜索空间，可以针对复杂工况形成较为复杂的轨迹。但相应的，计算负担也相应增大。考虑到计算效率，最优轨迹的搜索使用动态规划算法。速度曲线的规划则通过对加速度进行采样得到，实车实验验证了算法的实时性。
【参考文献】：
博士论文
[1]具有换道辅助功能的车辆自适应巡航控制[D]. 党睿娜.清华大学 2013
硕士论文
[1]智能网联汽车高速公路自主性换道决策模型研究[D]. 丁婉婷.东南大学 2017
本文编号：3574694
本文链接：https://www.wllwen.com/kejilunwen/qiche/3574694.html
