羅哲 楊柳曼

摘 ?要：本文采用軌跡規(guī)劃算法，以時間作為主要目標參數(shù)，根據(jù)不同車輛的變道環(huán)境和條件，進行變道軌跡計算。通過多項式算法生成適用于復(fù)雜道路的變道軌跡，并通過對單一參數(shù)的求取簡化了計算數(shù)據(jù)。最后利用仿真計算實驗進行驗證，實驗表明，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。

關(guān)鍵詞：智能車輛;變道;軌跡規(guī)劃;多項式

中圖分類號：TP273;U463.6 ? ? ?文獻標識碼：A 文章編號：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算方式，該計算方式有：運算量小、數(shù)據(jù)精確且直觀等特點，到目前為止是各個研究者進行車輛變道計算時運用最廣泛的算法，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。實際上，無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)生突變等問題，與車輛實際運動學(xué)不相符。需要通過運用B樣條取現(xiàn)的方式，改善上述缺點，但其算法也存在缺陷，如在汽車變道的過程中，很難實現(xiàn)對橫向最大加速度的實時控制，因此，采用梯形加速度變軌的計算方法，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動學(xué)理論。梯形加速度變道軌跡方式的缺點在于不夠靈活，且調(diào)節(jié)起來較為困難，因此只是用于復(fù)雜路面智能車輛行駛。

1 ?無障礙變道軌跡規(guī)劃

3 ?實驗仿真

本小節(jié)中實驗仿真的交通是一條較為復(fù)雜的公路，通過對該公路車輛變道實際情況進行驗證，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，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車道變換模型，與實際車道變換完全一致。根據(jù)本文提出的相關(guān)結(jié)論，在車輛仿真的過程中，該算法只需要在實際應(yīng)用過程中計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的臨界值。改變車道（tc時刻a6值），如圖3中的一般車道變換問題所示，a6的下邊界是C0的右前角點與O1的左后角點之間的臨界碰撞的值，并且a6的上邊界是C0的左后角點和O2的右前角。點的臨界碰撞的價值，在確定a6的值的范圍之后，使用車輛動力學(xué)和乘坐舒適性約束來找到最佳a6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式智能車輛變道軌跡規(guī)劃方法，具體包括無障礙物車輛變道軌跡方法、有障礙物車輛變道軌跡方法、實際車輛變道中受到車輛動力學(xué)制約的車輛變道軌跡方法，并對其進行實驗仿真研究，最終確定面向多項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，進而得出車輛變道軌跡。

參考文獻：

[1] 游峰.智能車輛自動換道與自動超車控制方法的研究 [D].長春：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.基于多項式的智能車輛換道軌跡規(guī)劃 [J].計算機工程與應(yīng)用，2012，48（3）：242-245.

[4] 項忠珂.汽車碰撞安全新技術(shù)的發(fā)展趨勢——評《汽車碰撞安全新技術(shù)》 [J].中國安全科學(xué)學(xué)報，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：自動控制、智能制造。