專利名稱：一種智能車輛自主行駛動態(tài)軌跡規(guī)劃方法及系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及智能交通系統(tǒng)中的智能車輛技術(shù)，尤其涉及一種智能車輛自主行駛動態(tài)軌跡規(guī)劃方法及系統(tǒng)。
背景技術(shù)：
智能車輛是智能交通系統(tǒng)的重要組成部分，其研究的主要目的在于降低日趨嚴(yán)重的交通事故發(fā)生率，提高現(xiàn)有道路交通的效率。國際上眾多的研究機構(gòu)，工業(yè)設(shè)計單位對其研發(fā)過程正投入大量的人力、物力，時刻關(guān)注著關(guān)鍵技術(shù)的研發(fā)。軌跡規(guī)劃技術(shù)是車輛進行自主行駛的一項關(guān)鍵技術(shù)，為了對車輛進行智能控制，前提條件是生成可行的參考軌跡，并將軌跡的參數(shù)提供給跟蹤控制器，以便于控制器能夠控制車輛按照規(guī)劃的軌跡行駛。現(xiàn)有的軌跡規(guī)劃方法主要是用不同的函數(shù)來模擬軌跡，例如B樣條函數(shù)(宋金澤，戴斌，單恩忠等.融合動力學(xué)約束的自主平行泊車軌跡生成方法[J].中南大學(xué)學(xué)報(自然科學(xué)版)，2009，40(Suppl.1) : 135-141.)，多項式函數(shù)，正弦函數(shù)以及圓弧等(李瑋，高德芝，段建民.智能車輛自由換道模型研究[J].公路交通科技，2010，27 (2) :119-123.)，并對車輛這一非線性系統(tǒng)施加不同的約束條件，在約束條件范圍之內(nèi)求解可行的最優(yōu)軌跡。現(xiàn)有的方法存在算法過于復(fù)雜，要求的參數(shù)多，數(shù)據(jù)融合復(fù)雜等缺點，使其具體的應(yīng)用受到限制。認知科學(xué)(cognitive science)為21世紀(jì)智力革命的前沿學(xué)科，他研究人類認知過程、智能和智能系統(tǒng)、大腦和心靈內(nèi)在運行機制。ACT-R是認知科學(xué)的一種認知行為體系結(jié)構(gòu)，是認知過程工作機制的理論模型，在ACT-R上構(gòu)造的模型反映的是人類的認知行為。以ACT-R認知體系為核心，對駕駛行為進行建模，證明了基于ACT-R模型的認知行為建模方法具有較廣的適用性和靈活性(劉雁飛.駕駛行為建模研究[D].杭州浙江大學(xué)，2007.)。一篇中國發(fā)明專利(申請日為2011.1. 12，申請?zhí)枮?01010278700.9，《基于ACT-R的港區(qū)彎道線形設(shè)計方法》)基于ACT-R對港區(qū)的彎道線形進行了設(shè)計，主要是針對港區(qū)這一特殊的交通特征，對駕駛參照的彎道線形進行設(shè)計，對于港區(qū)以外的道路狀況移植性不強，且該方法沒有考慮車輛動力學(xué)特征以及車輛的約束條件。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題在于克服現(xiàn)有技術(shù)的不足，一種智能車輛自主行駛動態(tài)軌跡規(guī)劃方法及系統(tǒng)，具有更強的學(xué)習(xí)能力及對未知環(huán)境的適應(yīng)性。本發(fā)明的智能車輛自主行駛動態(tài)軌跡規(guī)劃方法，包括以下步驟步驟1、通過最優(yōu)控制方法搜索以下模型的最優(yōu)解生成所述智能車輛的軌跡
權(quán)利要求
1.一種智能車輛自主行駛動態(tài)軌跡規(guī)劃方法，其特征在于，包括以下步驟 步驟1、通過最優(yōu)控制方法搜索以下模型的最優(yōu)解生成所述智能車輛的軌跡
2.如權(quán)利要求1所述智能車輛自主行駛動態(tài)軌跡規(guī)劃方法，其特征在于，所述軌跡的特征包含以下特征中的至少一種能量消耗、終止時間、距離每個障礙物的最短距離、距離所有障礙物的平均最短距離、整條軌跡的長度、最大速度、最大轉(zhuǎn)向速度、平均速度、平均轉(zhuǎn)向速度、最大加速度、最小加速度、平均加速度。
3.如權(quán)利要求1所述智能車輛自主行駛動態(tài)軌跡規(guī)劃方法，其特征在于，所述預(yù)設(shè)的約束條件包括狀態(tài)空間的硬性約束條件，以及反映使用者意向的軟約束條件。
4.一種智能車輛自主行駛動態(tài)軌跡規(guī)劃系統(tǒng)，其特征在于，包括軌跡生成模塊、特征提取模塊、估計模塊、權(quán)重調(diào)整模塊，所述軌跡生成模塊通過最優(yōu)控制方法搜索以下模型的最優(yōu)解生成所述智能車輛的軌跡
5.如權(quán)利要求4所述智能車輛自主行駛動態(tài)軌跡規(guī)劃系統(tǒng)，其特征在于，所述軌跡的特征包含以下特征中的至少一種能量消耗、終止時間、距離每個障礙物的最短距離、距離所有障礙物的平均最短距離、整條軌跡的長度、最大速度、最大轉(zhuǎn)向速度、平均速度、平均轉(zhuǎn)向速度、最大加速度、最小加速度、平均加速度。
全文摘要
本發(fā)明公開了一種智能車輛自主行駛動態(tài)軌跡規(guī)劃方法，屬于智能交通技術(shù)領(lǐng)域。本發(fā)明方法包括步驟1、通過最優(yōu)控制方法搜索數(shù)學(xué)模型的最優(yōu)解生成智能車輛的軌跡；步驟2、提取步驟1中所生成軌跡的特征；步驟3、判斷所述特征是否滿足預(yù)設(shè)的約束條件，如是，則以該軌跡作為最終的輸出軌跡；如否，則根據(jù)預(yù)設(shè)的權(quán)重調(diào)整規(guī)則對權(quán)重、、進行調(diào)整后，轉(zhuǎn)至步驟1。本發(fā)明還公開了一種智能車輛自主行駛動態(tài)軌跡規(guī)劃系統(tǒng)，包括軌跡生成模塊、特征提取模塊、估計模塊、權(quán)重調(diào)整模塊。相比現(xiàn)有技術(shù)，本發(fā)明具有更強的學(xué)習(xí)能力及對未知環(huán)境的適應(yīng)性。
文檔編號G08G1/00GK103035121SQ201210519589
公開日2013年4月10日 申請日期2012年12月6日 優(yōu)先權(quán)日2012年12月6日
發(fā)明者李愛娟, 李舜酩, 沈峘, 江星星 申請人:南京航空航天大學(xué)