东南大学物联网交通应用研究中心
东南大学物联网交通应用研究中心
北京时间:
自动驾驶规划中提高无人车安全舒适性的优化算法
2019-11-20 20:24   作者:   来源:智车行家      推荐人:李青扬   浏览:66   我要评论

     安全性的定义其实比较好理解,一般包括不发生碰撞和遵守交通规则(交通灯、停车标志、限速)。而舒适性则受下面两个指标影响:Jerk,即加速度的变化率,当加速度的变化越小,乘客体感越舒适;Curvature rate,即曲率变化率当曲率的变化率越小,乘客体感越舒适。在二者的定义基础上,“安全舒适两不误”也就意味着在遵守交规且不发碰撞的基础上,控制好行驶时的加加速度和行进路线的曲率变化率。


一、安全性

     规划为的是输出一个时间到位置的函数:X(t)=(x(t),y(t))T,而这个行驶路径需要同时保证安全性和舒适性。实际上,规划是一个优化问题。对于一个优化问题来说,我们需要通过设计约束条件来保证行驶安全。

     上图里列举了一些最基本的约束条件。首先,规划模块不能忽略车的物理特性,比如方向盘的最大角度,对应的就是曲率的最大值、最小值等。其次,明确车辆刹车和油门的极限,这对应的就是加速度的极限。第三,当自动驾驶车在道路上行驶时,为了不出现压线的情况,车到左右车道线的距离也需要纳入规划中。第四,自动驾驶肯定不希望车辆发生任何碰撞。我们可以通过取车轴上一系列等半径的圆来覆盖车身,并采用若干个凸的多边形表示车身周围的物体,那么,当车轴上所有的圆心到凸多边形的距离大于半径时,自动驾驶车就不会与凸多边形(障碍物)发生碰撞。


二、舒适性
     介绍完安全性,下面介绍规划模块是如何实现驾驶的舒适性。前面提到过,舒适性越高,意味着加速度变化率越小,以及曲率的变化率越小。那么对应的代价函数就比较好设定了,即加速度+加速度变化率+曲率+曲率的变化率。

     虽然整个模型设计起来比较简单,但是约束条件和代价函数的求解却比较复杂(如上图),尤其是系统实时求解k(t)和k(t)的耗时会比较长,解起来也比较难。这时候我们可以换个思路,把问题转换下。规划问题其实是为了解出一个时间到位置的函数,而L4级自动驾驶车一般会行驶在结构化的道路上,这也意味着规划模块具备地图的信息,那么问题就可以进行转化——把(x,y)坐标系转化为下图的(l,s)坐标系。

     s沿着道路中线的方向,l则是垂直于道路中线的方向。于是,问题就转化成了求解s(t)和l(s)的问题,我们希望得出,自动驾驶车在t时刻应该走到s上的哪个位置;以及走在这个位置时,该车距离s的左右偏离是多大。最终,一个复杂问题就转化成三个子优化问题:一个横向优化、纵向优化以及中线问题(s方向是车辆的纵向规划,l方向为横向规划)。

相关阅读
发表评论
姓名:
联系方式:
评论专区
东南大学 东南大学交通学院 清华大学 同济大学 西南交通大学 北京航空航天大学 上海交通大学 浙江大学
University of Wisconsin - Madison University of Michigan Rensselaer Polytechnic Institute Santa Clara University Rutgers University
交通运输部路网监测与应急处置中心 江苏省交通运输厅 南京智库联盟 江苏交通控股有限公司 江苏高速公路联网营运管理有限公司
中心概况研究动态新闻中心合作交流加入我们
Copyright © 2019 东南大学物联网交通应用研究中心 All Rights Reserved.