一种无人驾驶车辆队列的轨迹规划方法及跟踪方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113903167A(43)申请公布日2022.01.07(21)申请号202111065453.9(22)申请日2021.09.09(71)申请人北京理工大学地址100081北京市海淀区中关村南大街5号北京理工大学(72)发明人刘晓明潘振华舒领夏元清(74)专利代理机构北京和信华成知识产权代理事务所(普通合伙)11390代理人胡阔雷(51)Int.Cl.G08G1/00(2006.01)G08G1/0968(2006.01)权利要求书3页说明书9页附图2页(54)发明名称一种无人驾驶车辆队列的轨迹规划方法及跟踪方法(57)摘要本发明公开了一种无人驾驶车辆队列的轨迹规划方法及跟踪方法，包括以下步骤：步骤S1、利用A*算法规划得到无人驾驶车辆队列从起始地行驶到目标地的路径轨迹；步骤S2、利用CNN‑LSTM混合神经网络对所述路径轨迹的路况属性进行实时预测，并基于路径轨迹的路况属性进行路径轨迹的在线修正。本发明实现随不可通行的路径轨迹的更新，使得无人驾驶车辆队列能够避开不可通行车行路段且能够通畅行驶最终准确到达目标地，避免无人驾驶车辆队列导致不可通行的车行路段更为拥堵，提高无人驾驶车辆队列行驶的安全性和通畅性。CN113903167ACN113903167A权利要求书1/3页1.一种无人驾驶车辆队列的轨迹规划方法，其特征在于，包括以下步骤：步骤S1、无人驾驶车辆队列的行驶处理器利用A*算法规划得到无人驾驶车辆队列从起始地行驶到目标地的路径轨迹，其中，所述无人驾驶车辆队列为多个无人驾驶车辆按照所述路径轨迹顺序排列构成的行驶队列；步骤S2、无人驾驶车辆队列的行驶处理器利用CNN‑LSTM混合神经网络对所述路径轨迹的路况属性进行实时预测，并在无人驾驶车辆队列行驶过程中基于路径轨迹的路况属性进行路径轨迹的在线修正，以使得所述无人驾驶车辆队列从起始地行驶到目标地保持最高顺畅度。2.根据权利要求1所述的一种无人驾驶车辆队列的轨迹规划方法，其特征在于：所述步骤S1中，所述路径轨迹的规划方法：将所述起始地到目标地的车行路段拓扑量化为全路径轨迹拓扑，其中，将车行路段拓扑的车行路段量化为全路径轨迹拓扑的路径节点，将所述车行路段间的连接关系量化为对应路径节点间的连接边关系，以及将车行路段的行驶代价量化为路径节点的权重；利用A*算法在全路径轨迹网络基于行驶代价最小原则进行节点搜索得到无人驾驶车辆从起始地到目标地的行驶代价最小的所有路径节点构成的路径作为所述路径轨迹{Ri|i∈[1，n]}，其中，所述路径轨迹上的路径节点作为轨迹节点，Ri为第i个轨迹节点，n为轨迹节点总数，i为计量常数，无实质含义。3.根据权利要求2所述的一种无人驾驶车辆队列的轨迹规划方法，其特征在于：所述CNN‑LSTM混合神经网络对所述路径轨迹的路况属性进行实时预测的方法包括：获取无人驾驶车辆队列在所述路径轨迹上所处的轨迹节点Ri，在所述路径轨迹上标记出位于所述轨迹节点Ri前进方向上的轨迹节点Ri+1作为所述轨迹节点Ri的前行节点Ri+1，在所述全路径轨迹网络中标记出所有与轨迹节点Ri具有连接边关系且与前行节点Ri+1不重合的路径节点作为所述轨迹节点Ri的候选节点其中，m为候选节点总数，为第j个候选节点，i、j为计量常数，无实质含义；对所述候选节点和前行节点Ri+1所对应的车行路段进行路况预测获得每个候选节点和前行节点Ri+1的路况属性，并依据所述前行节点Ri+1的路况属性进行轨迹实时更新，其中，若前行节点Ri+1的路况属性为不适宜通行，则对路况属性为适宜通行的候选节点到目标地的所有路径节点中基于行驶代价最小原则进行节点搜索得到候选轨迹，并选择行驶代价最小的候选轨迹上的候选节点替换前行节点Ri+1，行驶代价最小的候选轨迹作为无人驾驶车辆队列到达目标地的新路径轨迹；若前行节点Ri+1的路况属性为适宜通行，则前行节点Ri+1保持不变，无人驾驶车辆队列到达目标地的路径轨迹保持不变。4.根据权利要求3所述的一种无人驾驶车辆队列的轨迹规划方法，其特征在于：所述车行路段进行路况预测的方法包括：将车行路段的路况图像时序序列中每个时序序列上的路况图像以及路况图像表征的2CN113903167A权利要求书2/3页路况属性均量化为一个路况样本，将路况图像的时序序列保留为对应路况样本的时序属性，将所述路况图像表征的路况属性设置为路况样本的标签属性，并将所有路况样本按时序属性进行顺序排列构成路况时序样本，所述路况时序样本为{(xt，labelt)|t∈[1，T_end]}，其中，xt为路况图像时序序列中第t个时序序列的路况图像，labelt为第t个时序序列的路况图像的路况属性标签，且为车行路段在第t个时序序列上的路况属性，T_end