System.ArgumentOutOfRangeException: 索引和長度必須引用該字符串內(nèi)的位置。 參數(shù)名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)屬于自動駕駛,涉及一種基于階段式路權(quán)博弈的車輛隊列換道規(guī)劃與控制方法。
技術(shù)介紹
1、隨著自動駕駛技術(shù)的發(fā)展,車輛的換道行為越來越受到關(guān)注。現(xiàn)有的換道算法大多假設周圍車輛狀態(tài)不變,采用靜態(tài)規(guī)劃方法,但在實際交通中,周圍車輛是動態(tài)變化的,需要動態(tài)調(diào)整換道策略以保證換道過程中的車輛安全。此外,車輛以隊列的形式行駛可以有效改善交通效率、緩減交通擁堵、提高駕駛安全性和改進燃油經(jīng)濟性,而現(xiàn)有的研究多集中在單車的換道決策,缺乏對車輛隊列換道的整體考慮。
技術(shù)實現(xiàn)思路
1、有鑒于此,本專利技術(shù)的目的在于提供一種基于階段式路權(quán)博弈的車輛隊列換道規(guī)劃與控制方法。
2、為達到上述目的,本專利技術(shù)提供如下技術(shù)方案:
3、一種基于階段式路權(quán)博弈的車輛隊列換道規(guī)劃與控制方法,具體包括如下步驟:
4、s1:自動駕駛車輛對換道縱向位置采樣,對換道過程離散化,通過傳感器設備感知周圍環(huán)境;
5、s2:基于環(huán)境感知的信息,通過多車非合作博弈決策算法與其他車輛進行動態(tài)博弈,以確定最佳的換道時機和策略;
6、s3:依據(jù)決策結(jié)果,基于人工魚群算法生成參考軌跡,完成車輛隊列軌跡規(guī)劃;
7、s4:依據(jù)軌跡規(guī)劃結(jié)果,進行車輛隊列運動控制;
8、s5:車輛隊列沿著預定軌跡行駛,分階段進行換道,重復s2至s4的過程,直至隊列到達目標車道時換道完成。
9、進一步,步驟s1中,將兩個相鄰車道之間的橫向距離劃分為若干段,每一段用重新決
10、進一步,步驟s2具體包括以下步驟:
11、s21:基于環(huán)境感知的信息,系統(tǒng)與其他車輛進行動態(tài)博弈,以確定最佳的換道時機和策略。具體考慮以下幾種決策:
12、
13、γlv={b1,b2}={加速,減速}(1b)
14、基于stackelberg博弈模型,建立擴展收益矩陣如下:
15、
16、其中psv和plv分別代表sv、lv相應決策的收益。
17、s22:計算sv、lv相應的收益值。
18、sv的收益定義如下:
19、
20、式中,表示sv的安全收益,表示sv的換道效率收益,δsv表示sv的侵略性系數(shù)。
21、sv的安全收益計算為:
22、
23、式中,hw和lw分別表示橫向安全距離和車輛寬度,ysv表示sv的橫向位置,ylv表示lv的橫向位置,ey,s,l=y(tǒng)lv-ysv表示lv與sv之間的實時橫向距離,π1表示自動駕駛車輛隊列安全系數(shù),具體表達如下:
24、
25、式中ts,l表示隊列中心相距于lv的車頭時距,td,sv表示sv與lv之間的期望車頭時距,由式td,sv=min(3×(n+1),tf,s)決定,tf,s和tp,l分別表示fv和sv,pv和lv之間的初始車頭時距,ts,l、tf,s和tp,l有如下定義:
26、
27、
28、式中,xp表示自動駕駛車輛隊列中心點的縱向位置,xlv、xfv、xpv和xsv分別表示lv、fv、pv和sv的縱向位置,vsv和vlv分別表示sv和lv的速度。
29、sv的效率收益如下:
30、
31、lv的收益定義如下:
32、
33、式中,表示lv的安全收益,表示lv的換道效率收益,δlv表示lv的侵略性系數(shù)。
34、人類駕駛車輛的δlv定義如下:
35、
36、式中alv表示lv的加速度。
37、lv的安全收益如下:
38、
39、lv的效率收益如下:
40、
41、式中,n表示車輛序號。
42、lv的安全系數(shù)π2被定義為:
43、
44、式中td,lv表示lv的期望車頭時距,td,lv=min(3×(n+1),tp,l)。
45、s23:求解最佳決策結(jié)果。
46、為了求解stackelberg博弈均衡,求解公式如下:
47、
48、式中,λlv(a)表示當sv已做出決策時lv的可用決策集,表達如下:
49、
50、式中,amin和amax表示由于機械特性而引起的加速度上下界。
51、進一步,步驟s3具體包以下步驟:
52、s31:使用基于待定系數(shù)的五次多項式來描述參考軌跡,包括sv隨時間的縱向位置和橫向位置:
53、
54、式中,t∈[0,t],t0表示每次最優(yōu)換道決策的生成時間戳;和分別表示sv的縱向和橫向位置增量;t表示相對于參考軌跡的換道持續(xù)時間;和表示待定系數(shù)。
55、s32:假設sv的速度在整個換道機動過程中保持不變,結(jié)果為:
56、
57、
58、式中,表示t0時刻的sv速度,表示t0時刻的sv初始航向角,a0表示t0時刻的sv加速度,x表示最終的縱向位置增量,y表示最終的橫向位置增量。
59、s33:采用基于人工魚群算法的方法生成參考軌跡,結(jié)合式(14)-(15)得到:
60、
61、其中,x和t是唯一的未知變量,決定了最終的參考換道變換軌跡。
62、在現(xiàn)實的車輛換道場景中,換道車輛的換道效率和駕駛舒適性是評價換道軌跡質(zhì)量的關(guān)鍵指標,通常用sv的換道持續(xù)時間和法向加速度來表征換道效率和駕駛舒適性,因此考慮以下成本函數(shù):
63、
64、式中,λ表示用于平衡變量影響的權(quán)重因子,amax,l和tmax分別表示與力學性能和換道規(guī)則相關(guān)的最大加速度和換道持續(xù)時間,表示sv的法向加速度,t代表持續(xù)換道時間;k表示規(guī)劃軌跡曲率,在不考慮側(cè)滑的情況下,k曲率在車輛完成換道時刻達到峰值,具體表達如下:
65、
66、式中,xsv和ysv分別表示sv的縱向位置和橫向位置,θsv表示車輛航向角。
67、式(17)改寫為:
68、
69、基于上式求解成本函數(shù)的過程可以轉(zhuǎn)化為一個典型的非線性優(yōu)化問題。因此基于人工魚群算法獲得最優(yōu)成本j以及對應的x和t值。此外,考慮到執(zhí)行延遲τ,安全距離應滿足以下條件:
70、
71、式中,slv和ssv分別表示lv和sv相對于pv的安全距離,lv和pv在時間t內(nèi)的前進距離通過下式估算:
72、
73、式中,hc和lc分別表示縱向安全距離和車輛長度。
74、在初始時間,slv,0=xp(0)-xlv(0),spv,0=xpv(0)-xp(0),約束函數(shù)滿足:
75、本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種基于階段式路權(quán)博弈的車輛隊列換道規(guī)劃與控制方法,其特征在于:具體包括如下步驟:
2.根據(jù)權(quán)利要求1所述的基于階段式路權(quán)博弈的車輛隊列換道規(guī)劃與控制方法,其特征在于:步驟S1中,將兩個相鄰車道之間的橫向距離劃分為若干段,每一段用重新決策線標記,表示為j,j=1,2,3...,jmax,謹慎換道的過程被視為決策、軌跡規(guī)劃和運動控制的迭代循環(huán),至少重復jmax-1次。
3.根據(jù)權(quán)利要求1所述的基于階段式路權(quán)博弈的車輛隊列換道規(guī)劃與控制方法,其特征在于:步驟S2具體包括以下步驟:
4.根據(jù)權(quán)利要求1所述的基于階段式路權(quán)博弈的車輛隊列換道規(guī)劃與控制方法,其特征在于:步驟S3具體包括以下步驟:
5.根據(jù)權(quán)利要求1所述的基于階段式路權(quán)博弈的車輛隊列換道規(guī)劃與控制方法,其特征在于:步驟S4所述進行車輛隊列運動控制,具體包括以下步驟:
【技術(shù)特征摘要】
1.一種基于階段式路權(quán)博弈的車輛隊列換道規(guī)劃與控制方法,其特征在于:具體包括如下步驟:
2.根據(jù)權(quán)利要求1所述的基于階段式路權(quán)博弈的車輛隊列換道規(guī)劃與控制方法,其特征在于:步驟s1中,將兩個相鄰車道之間的橫向距離劃分為若干段,每一段用重新決策線標記,表示為j,j=1,2,3...,jmax,謹慎換道的過程被視為決策、軌跡規(guī)劃和運動控制的迭代循環(huán),至少重復jmax-1次。
...【專利技術(shù)屬性】
技術(shù)研發(fā)人員:趙杭,劉靈,李永福,王太辰,
申請(專利權(quán))人:重慶郵電大學,
類型:發(fā)明
國別省市:
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。