详情

原文传递无人驾驶车辆局部换道决策与换道轨迹规划算法研究

论文题名：	无人驾驶车辆局部换道决策与换道轨迹规划算法研究
关键词：	无人驾驶;结构化场景;换道决策;轨迹规划
摘要：	智能驾驶汽车作为现代汽车发展的方向，在提高道路利用率、行驶效率、安全性、乘坐舒适性等方面具有巨大优势。然而，随着汽车的保有量持续增加，交通拥堵、交通事故等问题不断凸显，实现安全、高效、可靠的智能驾驶车辆已成为社会发展的迫切需要。在动态交通流场景中，如何根据周围车辆行驶信息进行准确有效的换道决策和规划出一条合理的换道轨迹，是实现智能驾驶中的关键技术，同时也是衡量车辆智能化水平的重要指标。因此，研究智能驾驶车辆换道行为决策与换道轨迹规划具有重要意义。　　本文将无人驾驶车辆作为研究对象，主要研究了在动态复杂交通流场景中进行换道行为决策与换道轨迹规划算法，并设计了仿真实验对算法进行验证与评价。本文主要研究内容有以下几个方面：　　首先，研究了车辆行驶过程中所受到的约束条件。通过对二自由度车辆动力学模型在行驶过程中状态进行分析，结合相关汽车理论知识及几何关系进行理论推导，建立了车辆轨迹规划的动力学约束；对车辆行驶轨迹与道路边界的几何关系进行约束，以及车辆行驶安全性进行分析，为设计局部换道轨迹规划算法提供了必要约束条件。　　其次，针对动态交通流场景下车辆换道行为决策进行研究。分析了驾驶员换道过程并将换道过程分为换道意图产生、换道动作执行和换道结束三个阶段，确定了换道意图产生和换道动作执行阶段的所需时间。在三车道驾驶环境中对影响换道行为决策的特征因素进行分析与提取，而后建立分类规则，对车辆换道决策行为进行分类预处理。为了提高换道行为决策的有效性，对车辆换道决策行为进行分析并建立换道收益模型，通过速度空间收益、距离空间收益和风险感知收益来选取优异的换道行为决策，并搭建bp神经网络模型对有效的换道决策行为进行训练学习后得到换道行为决策器，结果表明获得的神经网络性能准确率较高，并且能够选择更加合适的时机进行换道。　　然后，在结构化道路上的动态交通场景中，通过得到的换道决策行为，进行局部换道轨迹规划。首先，根据动态交通场景中周围车辆的行驶状态确定换道目标点选取的区域。然后，综合考虑换道轨迹的舒适性、安全性和平滑性等因素，设计了一种基于多目标价值函数的五次多项式换道轨迹规划算法，将换道目标点选取的问题转化为对五次多项式规划轨迹价值寻优求解问题。研究结果表明，基于多目标价值函数的五次多项式换道轨迹规划算法能够在不同工况下获得更优的换道轨迹平滑性和舒适性。　　最后，设计不同的交通流场景，对所提的换道行为决策算法和换道轨迹规划算法进行仿真测试与分析。通过无人驾驶车辆仿真分析软件Prescan与Matlab/Simulink联合搭建仿真平台，在Prescan中搭建能表示真实车辆行驶环境下的动态交通流场景及车辆模型，然后在Matlab/Simulink中编写换道行为决策与换道轨迹规划算法，并且以换道轨迹的舒适性、最小安全距离和曲率等指标对算法进行评价分析。研究结果表明，基于换道收益模型的bp神经网络能够选取更优换道时间点，同时基于多目标价值函数的五次多项式规划的换道轨迹在安全性、平滑性和舒适性等方面性能更优。
作者：	刘阳林
专业：	车辆工程
导师：	王鹏宇
授予学位：	硕士
授予学位单位：	吉林大学
学位年度：	2023