羅哲 楊柳曼

摘 ?要：本文采用軌跡規(guī)劃算法，以時(shí)間作為主要目標(biāo)參數(shù)，根據(jù)不同車輛的變道環(huán)境和條件，進(jìn)行變道軌跡計(jì)算。通過(guò)多項(xiàng)式算法生成適用于復(fù)雜道路的變道軌跡，并通過(guò)對(duì)單一參數(shù)的求取簡(jiǎn)化了計(jì)算數(shù)據(jù)。最后利用仿真計(jì)算實(shí)驗(yàn)進(jìn)行驗(yàn)證，實(shí)驗(yàn)表明，該算法在復(fù)雜道路上具有一定的有效性和正確性，存在一定的優(yōu)勢(shì)。

關(guān)鍵詞：智能車輛;變道;軌跡規(guī)劃;多項(xiàng)式

中圖分類號(hào)：TP273;U463.6 ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-4706（2019）17-0020-03

Abstract：In this paper，trajectory planning algorithm is used to calculate the trajectory of different vehicles according to the environment and conditions of lane changing，with time as the main target parameter. The polynomial algorithm is used to generate the lane-changing trajectory suitable for complex roads，and the calculation data is simplified by calculating a single parameter. Finally，the simulation results show that the algorithm is effective and correct on complex roads，and has certain advantages.

Keywords：intelligent vehicle;lane change;trajectory planning;polynomial

0 ?引 ?言

本文采取的是幾何計(jì)算方式，該計(jì)算方式有：運(yùn)算量小、數(shù)據(jù)精確且直觀等特點(diǎn)，到目前為止是各個(gè)研究者進(jìn)行車輛變道計(jì)算時(shí)運(yùn)用最廣泛的算法，該算法生成的變道軌跡可分為圓弧變道軌跡和等數(shù)偏移變道軌跡。實(shí)際上，無(wú)論是圓弧變道還是等數(shù)偏移變道都存在曲率不連續(xù)、容易發(fā)生突變等問(wèn)題，與車輛實(shí)際運(yùn)動(dòng)學(xué)不相符。需要通過(guò)運(yùn)用B樣條取現(xiàn)的方式，改善上述缺點(diǎn)，但其算法也存在缺陷，如在汽車變道的過(guò)程中，很難實(shí)現(xiàn)對(duì)橫向最大加速度的實(shí)時(shí)控制，因此，采用梯形加速度變軌的計(jì)算方法，這樣既能夠有效控制曲率連續(xù)變化率，又能夠很好地滿足汽車軌跡運(yùn)動(dòng)學(xué)理論。梯形加速度變道軌跡方式的缺點(diǎn)在于不夠靈活，且調(diào)節(jié)起來(lái)較為困難，因此只是用于復(fù)雜路面智能車輛行駛。

1 ?無(wú)障礙變道軌跡規(guī)劃

3 ?實(shí)驗(yàn)仿真

本小節(jié)中實(shí)驗(yàn)仿真的交通是一條較為復(fù)雜的公路，通過(guò)對(duì)該公路車輛變道實(shí)際情況進(jìn)行驗(yàn)證，本文提出的三種軌跡規(guī)劃算法，如圖3所示。左邊C0表示智能車輛變道中的初始狀態(tài)，右邊C0表示目標(biāo)狀態(tài)，其中O1與O2是車輛變速中的障礙車輛，車輛C0在變道中，需要超越O1車輛的行駛速度，還需要確保在超車途中不與O1、O2車輛產(chǎn)生碰撞，還要確保在超車過(guò)程中車上乘員的舒適性，這就需要規(guī)劃一條兩車的變道軌跡，如圖虛線箭頭指向的路線所示，前提條件是其中O1與O2障礙車輛始終保持勻速直線行駛狀態(tài)，且速度均為VS=10m/s，圖中3輛車的外形尺寸相同，長(zhǎng)寬分別為4.5m與1.75m，車道寬度為3.5m，S=10m。

本文提出的智能車道變換軌跡算法具有良好的性能指標(biāo)，其中X方向速度和加速度變化穩(wěn)定，Y方向加速度變化滿足四級(jí)車道變換模型，與實(shí)際車道變換完全一致。根據(jù)本文提出的相關(guān)結(jié)論，在車輛仿真的過(guò)程中，該算法只需要在實(shí)際應(yīng)用過(guò)程中計(jì)算變換車道車輛的初始狀態(tài)和最終狀態(tài)，即可以從障礙物中獲取碰撞點(diǎn)的臨界值。改變車道（tc時(shí)刻a6值），如圖3中的一般車道變換問(wèn)題所示，a6的下邊界是C0的右前角點(diǎn)與O1的左后角點(diǎn)之間的臨界碰撞的值，并且a6的上邊界是C0的左后角點(diǎn)和O2的右前角。點(diǎn)的臨界碰撞的價(jià)值，在確定a6的值的范圍之后，使用車輛動(dòng)力學(xué)和乘坐舒適性約束來(lái)找到最佳a(bǔ)6值以獲得車道變換軌跡。

4 ?結(jié) ?論

本文主要研究的是面向多項(xiàng)式智能車輛變道軌跡規(guī)劃方法，具體包括無(wú)障礙物車輛變道軌跡方法、有障礙物車輛變道軌跡方法、實(shí)際車輛變道中受到車輛動(dòng)力學(xué)制約的車輛變道軌跡方法，并對(duì)其進(jìn)行實(shí)驗(yàn)仿真研究，最終確定面向多項(xiàng)式的智能車輛變道軌跡規(guī)劃，從滿足變道碰撞要求的a6數(shù)族中最終確定a6值，進(jìn)而得出車輛變道軌跡。

參考文獻(xiàn)：

[1] 游峰.智能車輛自動(dòng)換道與自動(dòng)超車控制方法的研究 [D].長(zhǎng)春：吉林大學(xué)，2005.

[2] 曹昊天，宋曉琳，黃江.基于彈性繩理論的自主車輛防碰撞的路徑規(guī)劃 [J].汽車工程，2014，36（10）：1230-1236.

[3] 李瑋，王晶，段建民.基于多項(xiàng)式的智能車輛換道軌跡規(guī)劃 [J].計(jì)算機(jī)工程與應(yīng)用，2012，48（3）：242-245.

[4] 項(xiàng)忠珂.汽車碰撞安全新技術(shù)的發(fā)展趨勢(shì)——評(píng)《汽車碰撞安全新技術(shù)》 [J].中國(guó)安全科學(xué)學(xué)報(bào)，2018，28（11）：191.

[5] Feifei Xiang，Zhongke Xiang，Wenming Cheng. Structure Optimization of Air Filter Based on Parametric Sensitivity [J].Wuhan University Journal of Natural Sciences，2019，24（3）：271-276.

[6] Nguyen T. T.，Spehr J.，Uhlemann M.，et al. Learning of lane information reliability for intelligent vehicles [C]//IEEE International Conference on Multisensor Fusion & Integration for Intelligent Systems. IEEE，2017.

作者簡(jiǎn)介：羅哲（1987.08-），男，漢族，江西贛州人，講師，碩士，畢業(yè)于南昌大學(xué)，研究方向：自動(dòng)控制、智能制造。