一种基于前车驾驶行为的自主变道决策方法
文献发布时间:2024-04-18 19:58:26
技术领域
本发明属于自动驾驶技术领域,具体涉及一种基于前车驾驶行为的自主变道决策方法。
背景技术
当前自动驾驶算法中变道意图生成条件主要有前车压速、当前车道非自动驾驶算法的默认车道或非目标车道等。但人类驾驶员自主驾驶时采取变道措施的情况还包括:躲避前车危险驾驶情况,包括前车疲劳驾驶/新手司机/分心驾驶等在车道内左右晃以及前车驾驶员喜欢急刹等。
现有技术在一些可能的实现方式中,根据所述路面参数、所述当前车辆的行驶状态参数和所述障碍车辆的行驶状态参数,确定所述当前车辆的变道决策,包括:根据所述路面参数,确定所述当前车辆的最大允许变道速度,以及根据所述路面参数、所述当前车辆的行驶状态参数和所述障碍车辆的行驶状态参数,确定所述当前车辆与所述障碍车辆间的最小安全距离;根据所述最大允许变道速度、所述最小安全距离、所述当前车辆的行驶状态参数和所述障碍车辆的行驶状态参数,确定所述当前车辆的变道决策。
在一些可能的实现方式中,所述根据所述最大允许变道速度、所述最小安全距离、所述当前车辆的行驶状态参数和所述障碍车辆的行驶状态参数,确定所述当前车辆的变道决策,包括:根据所述最大允许变道速度、所述最小安全距离和所述当前车辆的行驶速度,确定所述当前车辆的减速策略和变道速度;根据所述当前车辆的行驶状态参数和所述障碍车辆的行驶状态参数,确定所述当前车辆的变道轨迹。
在一些可能的实现方式中,根据路面参数,确定当前车辆的最大允许变道速度,包括:根据作为路面参数的路面附着系数和最大道路曲率,确定当前车辆的稳定变道速度;根据稳定变道速度和所述当前车道的速度限制,确定当前车辆的最大允许变道速度。
在一些可能的实现方式中,根据路面参数、当前车辆的行驶状态参数和障碍车辆的行驶状态参数,确定当前车辆与障碍车辆间的最小安全距离,包括:根据作为路面参数的路面附着系数,确定当前车辆的最大制动加速度;根据最大制动加速度、当前车辆的行驶状态参数和障碍车辆的行驶状态参数,确定当前车辆与所述障碍车辆间的最小安全距离。
在一些可能的实现方式中,所述变道决策包括多个候选变道决策,所述确定所述当前车辆的变道决策,包括:基于评价模型,确定所述多个候选变道决策的评价结果;根据所述多个候选变道决策的评价结果,从所述多个候选变道决策中确定目标变道决策。
在一些可能的实现方式中,所述基于评价模型,确定所述多个候选变道决策的评价结果,包括:基于人工势场法,获得所述多个候选变道决策的安全性代价结果;根据所述多个候选变道决策中的多个变道轨迹的曲率,获得所述多个候选变道决策的舒适性代价结果;根据所述安全性代价结果和所述舒适性代价结果,确定所述多个候选变道决策的评价结果。
当前自动驾驶算法中变道意图生成条件主要有前车压速、当前车道非自动驾驶算法的默认车道或非目标车道等。但人类驾驶员自主驾驶时采取变道措施的情况还包括:躲避前车危险驾驶情况,危险驾驶行为包括前车疲劳驾驶/新手司机/分心驾驶等在车道内左右晃以及前车驾驶员喜欢急刹等。但现有技术方案只在变道决策中考虑了障碍车的纵向车速,从而规划一条兼顾安全性和舒适性的变道轨迹,重点在路径规划,而不是在判断障碍车的驾驶行为是否危险,是否应该采取变道措施。
发明内容
本发明要解决的技术问题是:提供一种基于前车驾驶行为的自主变道决策方法,用于识别本车道前车存在的危险驾驶行为。
本发明为解决上述技术问题所采取的技术方案为:一种基于前车驾驶行为的自主变道决策方法,包括以下步骤:
通过传感器获取本车与车道中心线的偏离距离y0、本车道前车与车道中心线的偏离距离y1、前车纵向减速度a
分析前车的横向运动行为,通过计算采样时间T内本车道前车与本车横向距离差值的动态标准差来判断横向相对距离的波动程度;
分析前车的纵向运动行为,通过本车道前车与本车的相对纵向减速度和刹车的累计触发次数来判断前车急减速行为的危险程度;
结合前车的横向运动行为和纵向运动行为建立本车道前车危险判断模型,计算车道保持决策因子D(t);
当车道保持决策因子D(t)大于等于预设值时,重新计算车道保持决策因子D(t);当车道保持决策因子D(t)小于预设值时,决策驾驶行为变道。
按上述方案,所述的步骤“分析前车的横向运动行为,通过计算采样时间T内本车道前车与本车横向距离差值的动态标准差来判断横向相对距离的波动程度”中,具体步骤为:
设采样时间T内的横向距离差值为Δy
Δy
设N为采样时间T内的采样个数,n=1,2,...,N,求采样时间T内前车与本车的横向距离差值均值
求采样时间T内本车道前车与本车横向距离差值的动态标准差Δy
进一步的,所述的步骤“分析前车的横向运动行为,通过计算采样时间T内本车道前车与本车横向距离差值的动态标准差来判断横向相对距离的波动程度”中,具体步骤为:
对动态标准差Δy
进一步的,所述的步骤“分析前车的横向运动行为,通过计算采样时间T内本车道前车与本车横向距离差值的动态标准差来判断横向相对距离的波动程度”中,具体步骤为:
当Δy
当Δy
当Δy
当Δy
按上述方案,所述的步骤“分析前车的纵向运动行为,通过本车道前车与本车的相对纵向减速度和刹车的累计触发次数来判断前车急减速行为的危险程度”中,具体步骤为:
对前车纵向减速度a
进一步的,所述的步骤“分析前车的纵向运动行为,通过本车道前车与本车的相对纵向减速度和刹车的累计触发次数来判断前车急减速行为的危险程度”中,具体步骤为:
当a
当a
当a
当a
当a
当a
当a
当a
当a
当a
当a
当a
按上述方案,所述的步骤“结合前车的横向运动行为和纵向运动行为建立本车道前车危险判断模型,计算车道保持决策因子D(t);当车道保持决策因子D(t)低于预设值时,决策驾驶行为变道”中,具体步骤为:
采用静态惩罚函数方法计算车道保持决策因子D(t),设k
D(t)=1-(k
预设不变道概率为1,则车道保持决策因子D(t)越小,变道需求就越大。
进一步的,所述的步骤“结合前车的横向运动行为和纵向运动行为建立本车道前车危险判断模型,计算车道保持决策因子D(t);当车道保持决策因子D(t)低于预设值时,决策驾驶行为变道”中,权重系数k
让有驾驶经验的一组司机参与实际路试作为测试样本,在同等数量的横向及纵向危险驾驶案例情况下,统计变道决策中的横向影响占比和纵向影响占比从而得到对应的权重系数k
进一步的,所述的步骤“结合前车的横向运动行为和纵向运动行为建立本车道前车危险判断模型,计算车道保持决策因子D(t);当车道保持决策因子D(t)低于预设值时,决策驾驶行为变道”中,取k
进一步的,所述的步骤“当车道保持决策因子D(t)大于等于预设值时,重新计算车道保持决策因子D(t);当车道保持决策因子D(t)小于预设值时,决策驾驶行为变道”中,取预设值为0.5。
本发明的有益效果为:
1.本发明的一种基于前车驾驶行为的自主变道决策方法,通过将本车道前车左右晃动的行为归类为横向运动表现,将频繁急刹、压速归类为纵向运动表现,根据本车道前车的横向运动表现和纵向运动表现,由一段时间内本车与前车横向距离差值累积、前车纵向减速度波动建立本车道前车危险判断模型,求得车道保持决策因子,实现了快速识别本车道前车存在的危险驾驶行为的功能,并采取变道措施规避风险。
2.本发明通过综合考虑前车横向运动和纵向运动行为风险并进行快速识别,有助于本车更加积极地规避前车的危险驾驶风险,从而更早地采取规避措施。
附图说明
图1是本发明实施例的流程图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细的说明。
参见图1,本发明的实施例的一种基于前车驾驶行为的自主变道决策方法,包括以下步骤:
S1:通过传感器获取本车与车道中心线的偏离距离y0、本车道前车与车道中心线的偏离距离y1、前车纵向减速度a
S2:求前车的横向运动行为:
每一采样周期的横向距离差值为Δy
求T时间内前车与本车横向距离差值均值
求T时间的横向距离差值的动态标准差:
其中Δy
S3:求前车的纵向运动行为:
急减速行为可通过相对纵向减速度和累计触发次数和来判断危险程度。不同的纵向减速度和触发次数对应不同的危险分数,分数越大代表前车危险程度越高,越应该采取变道措施。累计触发次数从前车进入本车跟车范围内开始计算。
S4:结合横向运动和纵向运动建立本车道前车危险判断模型,求车道保持决策因子D(t),本发明实施例车道保持决策因子计算采用静态惩罚函数方法计算。
默认不变道概率为1,车道保持决策因子D(t)越小,则变道需求就越大:
D(t)=1-(k
其中k
当车道保持决策因子低于某一值时,则应决策驾驶行为至变道。
实施例1
对Δy
对前车纵向减速度a
实施例2
保持车道行驶因子D(t)计算中涉及到的权重系数k1和k2的占比根据真实驾驶员变道决策数据获取。具体测试方法是让一定数量有驾驶经验的一组司机参与实际路试作为测试样本,在同等数量的横向及纵向危险驾驶案例情况下,统计变道决策中横向影响占比和纵向影响占比,即可得到对应的c1和c2值。本实施例中取c1=0.4和c2=0.6。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
以上实施例仅用于说明本发明的设计思想和特点,其目的在于使本领域内的技术人员能够了解本发明的内容并据以实施,本发明的保护范围不限于上述实施例。所以,凡依据本发明所揭示的原理、设计思路所作的等同变化或修饰,均在本发明的保护范围之内。
- 一种基于自适应航行态势学习的无人驾驶船舶自主避碰决策方法
- 一种基于驾驶员行为特性的智能车类人变道决策方法
- 一种基于驾驶员行为特性的智能车类人变道决策方法