超高速公路自动驾驶车辆换道轨迹规划策略

doi:10.12141/j.issn.1000-565X.230339

摘要/Abstract

摘要：

为提高自动驾驶车辆在超高速公路行驶的安全性，提出了一种换道轨迹规划策略。首先，采用5次多项式生成一般变道轨迹簇，以车辆动力学极限和周围交通车辆为约束，将轨迹规划问题量化为求解换道行为持续时间；接着，考虑车辆动力学约束，建立了车辆动力学模型和Brush轮胎模型，基于所建立汽车模型的轮胎侧向力数据求解轮胎侧偏刚度，辅以魔术轮胎模型，验证所求轮胎侧偏刚度；然后，引入质心侧偏角-横摆角速度相平面，得到高速车辆安全驾驶包络线，并给定多组车速和附着系数进行CarSim仿真训练，确定满足车辆动力学约束的最短换道时间；最后，考虑与周围交通车辆的避撞约束，分析3种典型的换道场景，基于单障碍车的位置，确定满足避撞要求的最短与最长换道持续时间，建立满足安全换道要求的换道持续时间阈值模型。经多参数安全换道域检验，所建立的车辆安全换道持续时间边界模型能够在给定参数下求解出安全可行的换道轨迹，为超高速公路换道行为提供轨迹参考，提高超高速公路换道行为的安全性。

关键词: 自动驾驶, 转向稳定性, 轨迹规划, 超高速公路, 建模仿真

Abstract:

To improve the driving safety of autonomous vehicles on superhighways, this paper proposed a lane-changing trajectory planning strategy. Firstly, five polynomials were used to generate general lane-changing trajectory clusters, and the trajectory planning problem was quantified as the duration of solving lane-changing behavior with the limit of vehicle dynamics and surrounding traffic vehicles. Then, considering the constraints of vehicle dynamics, the vehicle dynamics model and Brush tire model were established. Based on the tire lateral force data of the established vehicle model, the tire lateral stiffness was solved, and the magic tire model was used to verify the tire lateral stiffness. Next, the phase plane of sideslip angle and yaw rate was introduced to obtain the safe driving envelope of high-speed vehicle. CarSim simulation training was carried out on given multiple groups of vehicle speeds and adhesion coefficients to determine the shortest lane-changing time that meets the vehicle dynamics constraints. Finally, considering the collision avoidance constraints with surrounding traffic vehicles, three typical lane-changing scenarios were analyzed. The shortest and longest lane-changing durations satisfying the collision avoidance requirements were determined based on the position of single obstacle vehicle, and the threshold model of lane-changing duration satisfying the safe lane-changing requirements was established. The multi-parameter safety lane-changing domain test shows that the established vehicle safety lane-changing duration boundary model can solve the safe and feasible lane-changing trajectory under the given parameters, provide trajectory reference for the superhighway lane-changing behavior, and improve the safety of the superhighway lane-changing behavior.

Key words: autonomous driving, cornering stability, trajectory planning, superhighway, modeling and simulation

中图分类号:

U463.4

何永明, 邢婉钰, 魏堃, 等. 超高速公路自动驾驶车辆换道轨迹规划策略[J]. 华南理工大学学报(自然科学版), 2024, 52(4): 104-113.

HE Yongming, XING Wanyu, WEI Kun, et al. Lane-Changing Trajectory Planning Strategy for Autonomous Vehicles on Superhighways[J]. Journal of South China University of Technology(Natural Science Edition), 2024, 52(4): 104-113.

图/表 17

表1

图1

图2

图3

图4

图5

图6

表2

表3

图7

图8

图9

图10

图11

表4

表5

安全换道时间阈值"

模型	$t 1 / s$	$τ l / s$	$t 2 / s$	$τ u / s$
Ⅰ	0.48	0.97	7.20	14.30
Ⅱ	0.72	1.45	10.80	21.45
Ⅲ	0.45	0.91	3.60	7.15
Ⅳ	1.20	2.42	3.60	7.15

表5

图12

参考文献 21

1	何永明，裴玉龙．超高速公路发展可行性论证与必要性研究［J］．公路，2016，61（1）：158-162.
	HE Yong-ming， PEI Yu-long ．Feasibility demonstration and necessity analysis on superhighway［J］．Highway，2016，61（1）：158-162.
2	National Highway Traffic Safety Administration ．Traffic safety facts 2020：a compilation of motor vehicle crash data from the fatality analysis reporting system and the general estimates system［Z］．Washington：US Department of Transportation，2020.
3	陆建，李英帅．车辆换道行为建模的回顾与展望［J］．交通运输系统工程与信息，2017，17（4）：48-55.
	LU Jian， LI Ying-shuai ．Review and outlook of modeling of lane changing behavior［J］．Journal of Transportation Systems Engineering and Information Technology，2017，17（4）：48-55.
4	何永明，裴玉龙．基于出行费用的超高速公路经济性评价［J］．公路，2018，63（1）：117-123.
	HE Yong-ming， PEI Yu-long ．Economic evaluation of superhighways based on travel cost［J］．Highway，2018，63（1）：117-123.
5	HE Y， KANG J， PEI Y，et al ．Research on influencing factors of fuel consumption on superhighway based on DEMATEL-ISM model［J］．Energy Policy，2021，158：112545/1-10.
6	何永明，冯佳，权聪，等．基于联合仿真的超高速公路车辆制动避撞系统［J］．华南理工大学学报（自然科学版），2022，50（10）：19-28.
	HE Yongming， FENG Jia， QUAN Cong，et al ．Braking collision avoidance system for vehicles driving on superhighway based on co-simulation［J］．Journal of South China University of Technology （Natural Science Edition），2022，50（10）：19-28.
7	何永明，权聪，魏堃，等．超高速公路车路协同路侧单元感知融合方法研究［J］．吉林大学学报（工学版），（2023-01-18）．Doi：10.13229/i.cnkijidxbaxb20221225 .
	HE Yongming， QUAN Cong， WEI Kun，et al ．Research on the perception fusion method of roadside units for vehicle road collaboration on superhighways［J］．Journal of Jilin University （Engineering Edition），（2023-01-18）．Doi：10.13229/i.cnkijidxbaxb 20221225 .
8	ZUO Z， YANG X， LI Z，et al ．MPC-based cooperative control strategy of path planning and trajectory tracking for intelligent vehicles［J］．IEEE Transactions on Intelligent Vehicles，2021，6（3）：513-522.
9	孙秦豫，付锐，王畅，等．人机协作系统中车辆轨迹规划与轨迹跟踪控制研究［J］．中国公路学报，2021，34（9）：146-160.
	SUN Qin-yu， FU Rui， WANG Chang，et al ．Vehicle trajectory-planning and trajectory-tracking control in human-autonomous collaboration system［J］．China Journal of Highway and Transport，2021，34（9）：146-160.
10	赵奉奎，葛振，董锋威，等．基于改进人工势场法的智能汽车轨迹规划算法研究［J］．重庆交通大学学报（自然科学版），2022，41（11）：153-160.
	ZHAO Fengkui， GE Zhen， DONG Fengwei，et al ．Intelligent vehicle trajectory planning algorithm based on improved artificial potential field method［J］．Journal of Chongqing Jiaotong University （Natural Science），2022，41（11）：153-160.
11	胡杰，张志豪，陈瑞楠，等．基于改进混合A*的智能汽车时空联合规划方法［J］．汽车工程，2023，45（7）：1123-1133.
	HU Jie， ZHANG Zhihao， CHEN Ruinan，et al ．Spatio-temporal joint planning method for intelligent vehicles based on improved hybrid A*［J］．Automotive Engineering，2023，45（7）：1123-1133.
12	高锋，冯德福，胡秋霞．面向NMPC运动规划系统的数值优化加速技术［J］．汽车工程，2023，45（8）：1438-1447，1497.
	GAO Feng， FENG Defu， HU Qiuxia ．Accelerating technologies of numerical optimization for motion planning designed by nonlinear model predictive control ［J］．Automotive Engineering，2023，45（8）：1438-1447，1497.
13	ZHOU J， ZHENG H， WANG J，et al ．Multiobjective optimization of lane-changing strategy for intelligent vehicles in complex driving environments［J］．IEEE Transactions on Vehicular Technology，2020，69（2）：1291-1308.
14	YANG D， ZHENG S， WEN C，et al ．A dynamic lane-changing trajectory planning model for automated vehicles［J］．Transportation Research Part C：Emerging Technologies，2018，95：228-247.
15	牛国臣，李文帅，魏洪旭．基于双五次多项式的智能汽车换道轨迹规划［J］．汽车工程，2021，43（7）：978-986，1004.
	NIU Guochen， LI Wenshuai， WEI Hongxu ．Intelligent vehicle lane changing trajectory planning based on double quintic polynomials［J］．Automotive Engineering，2021，43（7）：978-986，1004.
16	宋洁，张小俊，张云龙．智能汽车换道避障路径规划与跟踪控制［J］．现代制造工程，2022（10）：43-50，20.
	SONG Jie， ZHANG Xiaojun， ZHANG Yunlong ．Path planning and tracking control for intelligent vehicles changing lanes to avoid obstacles［J］．Modern Manufacturing Engineering，2022（10）：43-50，20.
17	黄晶，蓟仲勋，彭晓燕，等．考虑驾驶人风格的换道轨迹规划与控制［J］．中国公路学报，2019，32（6）：226-239，247.
	HUANG Jing， JI Zhongxun， PENG Xiaoyan，et al ．Lane changing trajectory planning and control considering driver style［J］．China Journal of Highway and Transport，2019，32（6）：226-239，247.
18	何永明，裴玉龙．超高速公路设计及运行特性研究［M］．北京：科学出版社，2020.
19	PACEJKA H ．Tire and vehicle dynamics［M］．2nd ed．New York：Elsevier，2006：101-117．
20	BEAL C E， GERDES J C ．Model predictive control for vehicle stabilization at the limits of handling［J］．IEEE Transactions on Control Systems Technology，2013，21（4）：1258-1269.
21	ERLIEN S M， FUJITA S， GERDES J C ．Shared steering control using safe envelopes for obstacle avoidance and vehicle stability［J］．IEEE Transactions on Intelligent Transportation Systems，2016，17（2）：441-451.

类型	算法名称	适用场景
基于图搜索的算法	Dijkstra算法、A^算法、D^算法	全局路径规划
基于曲线插值的算法	圆弧与直线、贝塞尔曲线、多项式曲线、样条曲线、微分平坦曲线等	局部路径规划
基于数值优化的算法	利用目标函数和约束对规划问题进行描述和求解	局部路径规划
基于人工势场的算法	人工势场法	局部路径规划
基于采样的算法	RRT算法、PRM算法和APF算法等	全局路径规划
基于机器学习的算法	模糊逻辑、神经网络、遗传算法和贝叶斯网络等	全局、局部路径规划

车速/（km·h^-1）	横摆角速度阈值/（（º）·s^-1）
车速/（km·h^-1）	μ = 0.4	μ = 0.6	μ = 0.8	μ = 1.0
120	5.880 0	8.820 0	11.760 0	14.700 0
130	5.427 7	8.141 5	10.855 4	13.569 2
140	5.040 0	7.560 0	10.080 0	12.600 0
150	4.704 0	7.056 0	9.408 0	11.760 0
160	4.410 0	6.615 0	8.820 0	11.025 0
170	5.880 0	8.820 0	11.760 0	14.700 0
180	5.427 7	8.141 5	10.855 4	13.569 2

v_x /（km·h^-1）	τ_min/s
v_x /（km·h^-1）	μ = 0.4	μ = 0.6	μ = 0.8	μ = 1.0
120	2.59	2.14	1.89	1.72
130	2.63	2.18	1.93	1.75
140	2.66	2.23	1.97	1.79
150	2.68	2.26	2.00	1.81
160	2.74	2.30	2.04	1.85
170	2.84	2.40	2.13	1.93
180	2.88	2.43	2.16	1.96

模型	v_SV/（km·h^-1）	v_FT/（km·h^-1）	v_PC/（km·h^-1）	D₁/m	D₂/m
Ⅰ	140	160	120	40	40
Ⅱ	140	160	120	60	60
Ⅲ	140	180	100	40	40
Ⅳ	140	160	120	100	20

[1]	解辉, 沈刚, 刘东, 等. 单绳缠绕式矿井提升机制动瞬态冲击抑制策略[J]. 华南理工大学学报(自然科学版), 2024, 52(3): 141-150.
[2]	曹宁博, 赵利英. 基于最大压强控制的交叉口自动驾驶汽车和行人管理方法[J]. 华南理工大学学报(自然科学版), 2024, 52(2): 124-135.
[3]	符锌砂, 彭锦辉, 曾彦杰, 等. 面向自动驾驶汽车的交通标线使用状况评估方法[J]. 华南理工大学学报(自然科学版), 2022, 50(11): 1-13.
[4]	何永明, 冯佳, 权聪, 等. 基于联合仿真的超高速公路车辆制动避撞系统[J]. 华南理工大学学报(自然科学版), 2022, 50(10): 19-28.
[5]	陈吉清, 舒孝雄, 兰凤崇, 等. 典型危险事故特征的自动驾驶测试场景构建[J]. 华南理工大学学报（自然科学版）, 2021, 49(5): 1-8.
[6]	吴秋霞黎玲敏. 基于点云俯视图重映射的 3D 目标检测[J]. 华南理工大学学报(自然科学版), 2021, 49(1): 39-46.
[7]	曾德全, 余卓平, 熊璐, 等. 结构化道路下基于层次分析法的智能车避障轨迹规划[J]. 华南理工大学学报（自然科学版）, 2020, 48(7): 65-75.
[8]	田晟, 许凯, 朱泽坤, 等. 自动驾驶环境下的路网混合流量日变模型 [J]. 华南理工大学学报（自然科学版）, 2020, 48(4): 123-131.
[9]	郭烈, 葛平淑, 许林娜, 等. 转向工况下的分布式电动汽车稳定性控制[J]. 华南理工大学学报（自然科学版）, 2020, 48(3): 100-107.
[10]	杨金明黄秀秀陈渊睿谢泽坤. 基于轨迹规划的波浪发电系统的分段控制[J]. 华南理工大学学报(自然科学版), 2019, 47(9): 33-39.
[11]	刘华森程文明李银启. 抑制吊重残余摆动的起重小车运动轨迹规划[J]. 华南理工大学学报（自然科学版）, 2018, 46(9): 17-23.
[12]	孙传扬张欣席利贺陈宏伟. 极限工况下自动驾驶车辆转向控制器的设计 [J]. 华南理工大学学报（自然科学版）, 2018, 46(3): 78-85.
[13]	赵立军邓宁宁罗念宁刘昕晖. 基于直接横摆力矩的四轮转向/驱动滑模控制[J]. 华南理工大学学报（自然科学版）, 2015, 43(8): 69-74,81.
[14]	赵杰张赫刘玉斌陈甫. 六足机器人HITCR-I 的研制及步行实验[J]. 华南理工大学学报(自然科学版), 2012, 40(12): 17-23.
[15]	甘志刚肖南峰. 仿人机器人虚拟示教系统的设计与实现[J]. 华南理工大学学报（自然科学版）, 2008, 36(1): 18-24.