一种网联自动驾驶环境下考虑多目标优化的协同换道方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114987538A(43)申请公布日2022.09.02(21)申请号202210542212.7(22)申请日2022.05.17(66)本国优先权数据202111623009.42021.12.28CN(71)申请人同济大学地址200092上海市杨浦区四平路1239号(72)发明人高志波吴志周李君羡王丹杨志丹范宇杰(74)专利代理机构上海科盛知识产权代理有限公司31225专利代理师陈源源(51)Int.Cl.B60W60/00(2020.01)B60W30/18(2012.01)B60W40/00(2006.01)权利要求书3页说明书7页附图4页(54)发明名称一种网联自动驾驶环境下考虑多目标优化的协同换道方法(57)摘要本发明涉及一种网联自动驾驶环境下考虑多目标优化的协同换道方法，包括以下步骤：获取本车、目标车道前车和目标车道后车的状态信息，这三辆车均为网联自动驾驶车辆；根据三辆车的纵向位移、纵向速度、纵向加速度和期望纵向加速度建立成本函数和LHA阶段约束条件，通过高斯伪谱法不断优化期望纵向加速度和LHA阶段控制时长，直至完全满足LHA阶段约束条件；根据优化结束后的纵向速度，结合LCE阶段控制时长和最大合成加速度，获取最优参考轨迹；根据最优参考轨迹，建立车辆误差模型；使用MPC方法对车辆误差模型进行求解，得到最佳控制指令，令本车根据最佳控制指令进行换道。与现有技术相比，本发明具有换道方式灵活、换道效率高等优点。CN114987538ACN114987538A权利要求书1/3页1.一种网联自动驾驶环境下考虑多目标优化的协同换道方法，其特征在于，包括以下步骤：S1、获取本车、目标车道前车和目标车道后车的状态信息，这三辆车均为网联自动驾驶车辆；S2、根据三辆车的纵向位移、纵向速度、纵向加速度和期望纵向加速度建立成本函数和LHA阶段约束条件，通过高斯伪谱法不断优化期望纵向加速度和LHA阶段控制时长，直至完全满足LHA阶段约束条件；S3、根据优化结束后的纵向速度，结合LCE阶段控制时长和最大合成加速度，获取最优参考轨迹；S4、根据最优参考轨迹，建立车辆误差模型；S5、使用MPC方法对车辆误差模型进行求解，得到最佳控制指令，令本车根据最佳控制指令进行换道。2.根据权利要求1所述的一种网联自动驾驶环境下考虑多目标优化的协同换道方法，其特征在于，所述成本函数表达式如下：22φ(X(tLHA),tLHA)＝k0tLHA+k1(ΔxFV(tLHA)‑thvFV(tLHA))+k2(ΔxSV(tLHA)‑thvSV(tLHA))+k32(ΔxPV(tLHA)‑thvPV(tLHA))TX＝[sPV,vPV,aPV,sSV,vSV,aSV,sFV,vFV,aFV]TU＝[uPV,uSV,uFV]其中，φ(·)为系统运行终端成本；tLHA为LHA阶段控制时长；G(·)为系统运行成本；k0,k1,…,k6为权重系数；ΔxPV、ΔxSV、ΔxFV分别为目标车道前车与领车、本车与前车和目标车道后车与本车的车头间距，其中领车为在目标车道上在前车前方以恒定速度行驶的车辆；th为期望车头时距；X为系统状态向量；U为系统控制输入；sPV、vPV、aPV、uPV分别为目标车道前车的纵向位移、速度、加速度和期望加速度；sSV、vSV、aSV、uSV分别为本车的纵向位移、速度、加速度和期望加速度；sFV、vFV、aFV、uFV分别为目标车道后车的纵向位移、速度、加速度和期望加速度。3.根据权利要求1所述的一种网联自动驾驶环境下考虑多目标优化的协同换道方法，其特征在于，所述约束条件包括对LHA阶段结束时刻的车头间距约束，约束表达式如下：其中，di,safe为安全车头间距，ts为最小车头时距，ds为最小安全距离，tTTC为避免碰撞的最小时距，Δvi为本车与其相邻前车的相对速度，tLHA为LHA阶段控制时长，SV表示本车，PV表示目标车道前车，FV表示目标车道后车。4.根据权利要求3所述的一种网联自动驾驶环境下考虑多目标优化的协同换道方法，其特征在于，所述约束条件还包括：在LHA阶段结束时刻，本车、目标车道前车和目标车道后2CN114987538A权利要求书2/3页车的纵向速度应相等，纵向加速度均为0。5.根据权利要求4所述的一种网联自动驾驶环境下考虑多目标优化的协同换道方法，其特征在于，所述纵向速度、纵向加速度和纵向期望加速度存在边界限制。6.根据权利要求1所述的一种网联自动驾驶环境下考虑多目标优化的协同换道方法，其特征在于，所述最优参考轨迹的计算表达式如下：其中，X、Y为车辆在LCE阶段的纵、横坐标位置(惯性参考系)；vx为纵向速度，为LCE阶段的控制时长，t为时间；W为车道宽度；为最大合成加速度；为L