一种车队协同驾驶巡航控制方法与流程

本发明属于车辆自动驾驶技术领域，具体涉及一种车队协同驾驶巡航控制方法。

背景技术：

自动驾驶车辆不仅是重要的机电产品，还是新能源、新材料、新装备等高新技术的载体，涵盖环境感知、规划决策、信息通信以及自动控制等交叉领域的基础科学及共性技术问题。其中，规划与决策是负责生成像熟练驾驶员一样安全、合理的驾驶行为，从而据此来对车辆进行自动驾驶控制。

随着以深度学习和机器学习为代表的人工智能技术的发展，模拟驾驶员通过观察环境直接生成驾驶决策指令的“端到端”驾驶决策方法日益得到研究者的重视。与传统的基于规则的驾驶决策方法相比，“端到端”驾驶决策方法能够适应于车道线不明确或者道路场景缺失、驾驶环境恶劣多变的复杂交通环境。但是，该方法在真实场景中的离线训练需要规模足够大的样本，且提供的样本常含有与驾驶决策无关的关注点，解释性差；同时在仿真场景中的测试不能直接用于实际环境，缺乏实用性。

因此，有必要提供一种更好的驾驶决策方法来实现对自动驾驶车辆的自动控制。

技术实现要素：

本发明的目的是提供一种通过模拟人类驾驶员的思维方式生成规则、进而实现对自动驾驶车辆的协同驾驶巡航行为进行控制的方法。

为达到上述目的，本发明采用的技术方案是：

一种车队协同驾驶巡航控制方法，应用于自动驾驶车辆的控制器中，用于控制所述自动驾驶车辆的实现巡航，所述车队协同驾驶巡航控制方法为：

预先在所述自动驾驶车辆的控制器中建立协同驾驶巡航行为规则库，所述协同驾驶巡航行为规则库中含有由车辆动力学参数约束的协同驾驶巡航行为规则；

当所述自动驾驶车辆的自车传感器检测到的其他自动驾驶车辆的位姿数据与通过通信获得的其他自动驾驶车辆的位姿数据相匹配，且所述自动驾驶车辆与所检测到的其他自动驾驶车辆之间的相对距离满足安全要求时，触发协同驾驶巡航事件，所述自动驾驶车辆基于所述协同驾驶巡航行为规则库中的协同驾驶巡航行为规则控制所述自动驾驶车辆执行协同驾驶巡航行为；

在执行协同驾驶巡航行为时，所述自动驾驶车辆的控制器按照工作周期获得所述自动驾驶车辆的位姿信息，并基于所述位姿信息预测得到所述自动驾驶车辆下一时刻的运动动作；所述自动驾驶车辆的控制器再判断由预测得到的所述自动驾驶车辆的下一时刻的运动动作与所述协同驾驶巡航行为规则库是否匹配，若匹配则利用当前所述自动驾驶车辆的位姿信息迭代更新所述协同驾驶巡航行为规则库中的协同驾驶巡航行为规则。

优选的，针对所述自动驾驶车辆的运动误差，利用误差可行域上的预测控制，对所述协同驾驶巡航行为规则库中相应的协同驾驶巡航行为规则进行迭代更新。

优选的，所述自动驾驶车辆的自车传感器检测到的其他自动驾驶车辆的位姿数据、所述自动驾驶车辆通过通信获得的其他自动驾驶车辆的位姿数据均至少包括速度、加速度、位置、方向、车辆编号和车队编号。

优选的，根据所述自动驾驶车辆的自车传感器检测到的其他自动驾驶车辆的位姿数据，获得所述自动驾驶车辆与检测到的其他自动驾驶车辆之间的相对位置数据，进而得到所述自动驾驶车辆与所检测到的其他自动驾驶车辆之间的相对距离。

优选的，根据所述自动驾驶车辆与所检测到的其他自动驾驶车辆之间的相对距离设置巡航速度后触发协同驾驶巡航事件，所设置的巡航速度使所述自动驾驶车辆与所检测到的其他自动驾驶车辆之间的相对距离保持在安全要求的范围内。

优选的，当临近车道有车辆行驶时，设置巡航速度大于临近车道上行驶车辆的速度。

优选的，触发协同驾驶巡航事件同时，所述控制器更新所述自动驾驶车辆的状态信息。

由于上述技术方案运用，本发明与现有技术相比具有下列优点：本发明借鉴人类驾驶员的思维过程来建立协同驾驶巡航行为规则库，从而实现对自动驾驶车辆进行协同驾驶巡航的自动控制，并通过对协同驾驶巡航行为规则库的迭代更新，能够逐步实现最优的控制效果。

附图说明

附图1为本发明的车队协同驾驶巡航控制方法的流程图。

附图2为本发明的车队协同驾驶巡航控制方法中，自车传感器信息的示意图。

附图3为车队巡航状态变更规则的车辆代号示意图。

具体实施方式

下面结合附图所示的实施例对本发明作进一步描述。

实施例一：一种车队协同驾驶巡航控制方法，应用于自动驾驶车辆的控制器中，用于控制自动驾驶车辆的实现巡航。对于组队巡航的自动驾驶车辆所构成的车队，包括一辆领航车和若干辆依次行驶的跟随车。对于自由巡航的单辆自动驾驶车辆，其就是单车车队的领航车。

车队协同驾驶巡航控制方法为：

1、协同驾驶巡航行为规则库设计

预先在自动驾驶车辆的控制器中建立协同驾驶巡航行为规则库，协同驾驶巡航行为规则库中含有由车辆动力学参数约束的协同驾驶巡航行为规则。

还需要预先设置后续所需的自动驾驶车辆位姿信息的相关规则，如下：自动驾驶车辆的位姿信息包括自动驾驶车辆的自车运行状态信息、障碍物信息、环境车辆信息，其中障碍物信息和环境车辆信息均属于周边环境数据。根据信心获取途径的不同，自动驾驶车辆的位姿信息主要有两类，一类是通过自动驾驶车辆的自车传感器获得的信息，另一类是通过与其他自动驾驶车辆的通信而获得的信息。通过自车传感器获得的自车运行状态信息至少包括速度、(纵横向)加速度、位置、方向、车辆编号和车队信息等。通过自车传感器获得的障碍物信息至少包括障碍物的相对方向、相对距离等。通过自车传感器还可以获得道路信息，把贫困道路标志线(车道线)等。通过通信方式获得的环境车辆信息至少包括通信范围内其他自动驾驶车辆的速度、加速度、位置、方向、车辆编号和车队编号等。自动驾驶车辆的位姿信息具体如表1所示。

表1车辆系统驾驶信息表

为了便于描述，可以进行格式定义：

carstate＝[id，position，dir，speed，acc，pltnen，platoonid，pltnnum，leaderid，pltnlength，intradis]

其中carstate为事件类型，代表自车运行状态，id为自车编号，position为自车位置，dir为自车航向角，speed为自车速度，acc为自车加速度，pltnen为组队使能标志，当pltnen为1时表明车辆可以执行组队巡航策略，当pltnen为0时代表此时本车只执行自由巡航策略。platoonid为所在车队编号，自由巡航状态下platoonid为自车id，处于组队巡航状态下platoonid为所在车队领航车id。pltnnum为车辆在车队中的位置，如车辆为单车自由巡航时pltnnum为1。leaderid为车辆执行组队巡航策略时的前方跟随车辆，当车辆为单车自由巡航或为领航车时leaderid为自车id。pltnlength为车辆所在车队包含的车辆总数，若车辆为单车自由巡航时pltnlength为1。intradis为车辆执行组队巡航策略时车队内车间距的设定值。而根据车辆不同状态量的取值，就可以判断车辆当前的协作状态，具体对应关系见表2所示。

表2车辆协作状态对应表

车载传感器除对车辆自身状态信息以外，还需对周边道路环境及障碍信息进行测量，一般说来，车载传感器感知外部障碍物的方式主要有图像处理与距离传感器两种。不论采取哪种方式，最终获取的障碍物信息多数可转化到自身车辆坐标系下。为方便描述，本文采用如下格式对障碍物信息事件进行描述：

obs＝[obid，obang，obdis，obposition]

其中，obs为事件类型，代表传感器获取的障碍物，obid为障碍物编号，obang为此障碍物与被控车辆的方位角，obdis为此障碍物与被控车辆间的距离，obposition为障碍物在世界坐标系下的坐标。

具体如附图2所示，图中被控车辆所处一个三车道道路上，在前方道路上一共有三辆环境车辆car1，car2，car3，但在传感器检测范围内能检测到两辆车，car1与car3按传感器检测顺序编号分别为ob01与ob02，以被控车辆车身前进方向为x轴，建立参考坐标系，两辆车所在位置与y轴夹角分别为obang01与obang02，两车与被控车辆距离分别为obdis01与obdis02。而在根据传感器得到了障碍物的方位和距离之后，根据车辆自身的位置，根据几何对应关系，可以很容易的计算出障碍物对应的坐标obposition。则在此场景下，通过被控车辆通过传感器可以得到两则环境事件分别为：

obs＝[ob01，obang01，obdis01，obposition01]

obs＝[ob02，obang02，obdis02，obposition02]

而通过通信方式获取的环境车辆信息可采用与传感器障碍信息类似的方式进行定义，需要说明的是根据需要通过通信的手段还可以获取更多的车辆信息，本文在此处暂且只采用部分核心信息作为事件来做方法阐述，具体格式为:

com＝[carid，carposition，cardir，carspeed，caracc，platoonid]

其中，com为事件类型，代表是通信获取的数据信息，carid为车辆唯一编号，carposition为车辆位置信息，cardir为车辆航向角信息，carspeed为车辆速度，caracc为车辆加速度，platoonid为其所在车队编号。仍然在上述三车道场景中，假定car1与car2能与被控车辆进行通信，而car3并不能进行通信，则被控车辆也可以得到两则环境事件为：

com＝[car1，car1position，car1dir，car1speed，car1acc，car1platoonid]

com＝[car2，car2position，car2dir，car2speed，car2acc，car2platoonid]

即车辆在一般情况下可以获得的环境事件如下表所示。

表3环境事件类型及格式定义

故由此定义，在上述场景中，被控车辆在当前场景下同一控制周期内共可以得到五则环境事件信息如下:

carstate＝[selfid，selfposition，selfdir，selfspeed，selfacc，selfplatoonid，selfpltnnum，selfleaderid，selfpltnlength，selfintradis]

obs＝[ob01，obang01，obdis01，obposition01]

obs＝[ob02，obang02，obdis02，obposition02]

com＝[car1，car1position，car1dir，car1speed，car1acc，car1platoonid]

com＝[car2，car2position，car2dir，car2speed，car2acc，car2platoonid]

在此场景中可以注意到，车辆自身传感器和通信信息中将同时得到car1的位置信息，通过对比可以发现ob01与car1都表示的是同一辆车的信息，如果通过通信与传感器同时检测到了某一辆环境车辆，则对被控车辆来说称为与该车辆实现了协作信息“核实”。

2、车辆位姿信息获取、行为预测和拆分规则优化

车辆巡航状态只有两种，分别为单车自由巡航状态和组队巡航状态。为了确定合适巡航速度，被控的自动驾驶车辆必须同时取得车路协同通信数据以及自车传感器检测数据。当自动驾驶车辆的自车传感器检测到的其他自动驾驶车辆的位姿数据与通过通信获得的其他自动驾驶车辆的位姿数据相匹配，且自动驾驶车辆与所检测到的其他自动驾驶车辆之间的相对距离满足安全要求时，触发协同驾驶巡航事件，自动驾驶车辆基于协同驾驶巡航行为规则库中的协同驾驶巡航行为规则控制自动驾驶车辆执行协同驾驶巡航行为。

具体的，如附图1所示，自动驾驶车辆通过通信方式接收到其他自动驾驶车辆发来的位姿数据(至少包括速度、加速度、位置、方向、车辆编号和车队编号)时(即监测到出现可解析数据时)，先将接收到的位姿数据存入当前时刻的环境事件集中，然后检查所接收到的位姿数据与自车传感器获得的位姿数据是否匹配。若有匹配数据，则表明通过通信与传感器同时检测到了某一辆环境车辆，则将该车的位姿数据标记为“核实”。

然后再判断自动驾驶车辆与所检测到的其他自动驾驶车辆之间的相对距离是否满足安全要求。先根据自动驾驶车辆的自车传感器检测到的其他自动驾驶车辆的位姿数据，获得自动驾驶车辆与检测到的其他自动驾驶车辆之间的相对位置数据，进而得到自动驾驶车辆与所检测到的其他自动驾驶车辆之间的相对距离。然后再判断该相对距离是否在安全范围内，若是，则解析自车传感器的位姿数据获得其与核实后的其他自动驾驶车辆之间的相对距离，进而根据自动驾驶车辆与所检测到的其他自动驾驶车辆之间的相对距离(或者说根据前车的位置)设置巡航速度，然后触发协同驾驶巡航事件。所设置的巡航速度使自动驾驶车辆与所检测到的其他自动驾驶车辆之间的相对距离保持在安全要求的范围内。例如，如果前方车道一定范围内没有车辆，则被控车队的巡航速度为预先设定的车速(pre_speed)；如果前方车道一定范围存在速度更慢的车辆，车队的巡航速度自动下降为前方车辆速度，并使距离保持安全域范围内；如若前方邻近车道有车行驶，为了降低邻近车道车辆变道影响车队行驶概率，设置巡航速度大于临近车道上行驶车辆的速度，车队的巡航速度自动加速至超过邻近车辆车速，被控车队超过邻近车道车辆。

巡航事件发生时，前方车辆可能处于不同的车道中。所控车队的领航车的自车传感器先得到前方车辆信息，后方跟随车的状态变更随着领航车变更，即触发协同驾驶巡航事件同时，控制器更新自动驾驶车辆的状态信息。这里考虑领航的状态变更，为说明状态变更规则，设其中关键位置车辆代号如图3中所示，状态变更规则见表4。

表4巡航事件状态变更规则表

表中l1为所控车队领航车代号，car1，car2，car3分别为l1自车传感器检测到的邻近车道车辆,后方跟随车的车速随领航车变化而改变，pre_speed为提前设定的固定巡航速度，若所控车队为单车，相应变更规则不变。经过事件触发与状态变更之后，一个巡航过程完成。

在执行协同驾驶巡航行为时，自动驾驶车辆的控制器按照工作周期获得自动驾驶车辆的位姿信息，并基于位姿信息预测得到自动驾驶车辆下一时刻的运动动作；自动驾驶车辆的控制器再判断由预测得到的自动驾驶车辆的下一时刻的运动动作与协同驾驶巡航行为规则库是否匹配，若匹配则利用当前自动驾驶车辆的位姿信息迭代更新协同驾驶巡航行为规则库中的协同驾驶巡航行为规则。针对自动驾驶车辆的运动误差，利用误差可行域上的预测控制，对协同驾驶巡航行为规则库中相应的协同驾驶巡航行为规则进行迭代更新。

综上，本方案借鉴人类驾驶员根据大脑记忆区存储的以往驾驶经验和交通规则，对当前道路交通环境信息综合分析后，决断出最合理的驾驶行为这一过程，提出了一种自动驾驶车辆巡航行为规则库快速生成方法以及基于该规则库的控制车队巡航的方法。巡航行为规则库快速生成方法，由车载组合导航系统获知车辆当前行驶位姿信息，结合车辆动力学和运动学参数，预测车辆下一时刻动作；同时将预测得到的动作条件与已建巡航行为规则库进行匹配，如若满足匹配条件，则触发巡航事件，并用当前车辆位姿信息更新巡航规则库中的巡航驾驶行为；如若不满足，则自动驾驶车辆继续行驶，直到新的预测动作与巡航规则库重新匹配为止。所生成的巡航行为规则库是由能够表征自动驾驶车辆巡航驾驶行为的特征函数提取而成，并利用车辆动力学参数进行约束，在此基础上，就自动驾驶车辆在巡航行驶过程中产生的运动误差，利用误差可行域上的预测控制，对相应的巡航行为规则进行迭代更新，从而生成最优的巡航驾驶行为规则。基于该最优的巡航驾驶行为规则就可以对自动驾驶车辆的车队巡航行为实现更好的控制。

上述实施例只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人士能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡根据本发明精神实质所作的等效变化或修饰，都应涵盖在本发明的保护范围之内。