技术特征：
1.一种自动驾驶行为决策与轨迹规划模型，其特征在于，包括：安全保障层、行为决策层、轨迹规划层和车辆控制层；行为决策层用于根据周围车辆及环境信息，利用idm算法和mobil算法，获取车辆下一时刻的决策指令；安全保障层用于根据交通法规及目标车辆的速度、周围车辆及环境信息判断目标车辆执行行为决策层获取的下一时刻的决策指令是否会与周围车辆发生碰撞，若是则向行为决策层发送碰撞危险报警信号；否则将车辆下一时刻的决策指令发送至轨迹规划层；行为决策层接收到碰撞危险报警信号，再次根据周围车辆及环境信息，利用idm算法和mobil算法，重新获取目标车辆下一时刻的决策指令；轨迹规划层用于利用目标车辆周围车辆及环境信息建立frenet坐标系，根据车辆下一时刻的决策指令对目标车辆行驶轨迹进行建模，采用硬约束和软约束计算成本函数，对目标车辆行驶轨迹寻优，获取最优目标车辆行驶轨迹；安全保障层还用于根据交通法规及目标车辆的速度、周围车辆及环境信息判断最优目标车辆行驶轨迹每个时刻是否会与周围车辆发生碰撞，若是，则向轨迹规划层发送碰撞报警危险报警信号，同时标记碰撞时刻；否则，将向车辆控制层发送最优目标车辆行驶轨迹发送至车辆控制层；轨迹规划层接收到碰撞危险报警信号，根据标记的碰撞时刻，调整最优目标车辆行驶轨迹，重新获取最优目标车辆行驶轨迹；车辆控制层用于对最优目标车辆行驶轨迹进行离散化处理，获取每一时刻目标车辆的位置，再根据每一时刻目标车辆的位置与相邻两时刻目标车辆位置之间偏角，利用pid控制器获取动作控制信号。2.一种自动驾驶行为决策与轨迹规划方法，其特征在于，该方法具体包括：步骤一、采集目标车辆周围车辆及环境信息，根据所述周围车辆及环境信息和交通法规，利用idm算法和mobil算法，获取车辆下一时刻的决策指令；步骤二、利用目标车辆周围车辆及环境信息建立frenet坐标系，根据车辆下一时刻的决策指令对目标车辆行驶轨迹进行建模，采用硬约束和软约束计算成本函数，对目标车辆行驶轨迹寻优，获取最优目标车辆行驶轨迹；步骤三、对最优目标车辆行驶轨迹进行坐标变换，并离散化处理，再利用pid控制器获取动作控制信号。3.根据权利要求2所述的一种自动驾驶行为决策与轨迹规划方法，其特征在于，步骤一中，目标车辆周围车辆及环境信息包括周围车辆的与目标车辆的相对速度、相对位置及目标车辆的当前车道信息。4.根据权利要求2所述的一种自动驾驶行为决策与轨迹规划方法，其特征在于，步骤一中，获取车辆下一时刻的决策指令的具体方法为：采用idm算法，根据目标车辆与前车的间距、速度，计算使车辆保持跟车行驶的加速度；采用mobil算法根据所述使车辆保持跟车行驶的加速度，通过最小化变道引起的总制动策略对目标车辆变道行为进行建模，获取下一时刻目标车辆的换道决策指令。5.根据权利要求4所述的一种自动驾驶行为决策与轨迹规划方法，其特征在于，步骤一中，采用idm算法，根据目标车辆与前车的间距、速度，计算使目标车辆保持跟车行驶的加速
度的具体方法为：利用idm算法的加速度方程：利用idm算法的加速度方程：获取计算使目标车辆保持跟车行驶的加速度a
n
，使目标车辆保持跟车行驶的加速度a
n
分为自由流加速度a
free
(v
n
)与拥挤流加速度a
brake
(s
n
,v
n
,δv
n
)；)；)；其中，s
(n)min
为车辆静止时的安全距离，t
n
为驾驶员反应时间时距，b
n
为舒适加速度，v
n
为目标车辆的速度，n为目标车辆的编号，a
(n)max
为目标车辆的最大加速度；v
(n)max
为目标车辆在自由流状态下的期望速度；δ为加速度指数，当δ
→
∞时，加速度为恒定值，δv
n
＝v
n-v
n-1
，δv
n
为目标车辆n与当前车道前车n-1的速度差，s
n
＝x
n-1-x
n-l
n-1
，s
n
为目标车辆n与当前车道前车n-1的净间距，x
n
为车辆n的位置；l
n-1
为车辆n-1的长度；标量s
*
是当前状态下驾驶员的期望间距。6.根据权利要求5所述的一种自动驾驶行为决策与轨迹规划方法，其特征在于，步骤二中，对目标车辆行驶轨迹寻优之前，还包括对最优目标车辆行驶轨迹安全性判断的步骤，具体过程为:对目标车辆周围车辆及环境内的障碍物位置进行预测，并定义目标车辆在行驶过程中至少会与一个障碍物发生碰撞的不安全的栅格集合：至少会与一个障碍物发生碰撞的不安全的栅格集合：其中，t表示当前时刻，t
′
表示下一时刻，o表示障碍物所占的栅格的合集，r
c
表示碰撞半径，τ(s(t),d(t))是备选轨迹点中的任意一个栅格，τ
o
(s
o
(t),d
o
(t))是预测的障碍物栅格，当备选轨迹点的栅格与预测的障碍物栅格的欧氏距离小于碰撞半径r
c
，存在碰撞，当目标车辆行驶轨迹避开集合u时为安全，t表示车辆行驶的总时间，s
o
(t)表示t时刻障碍物在frenet坐标系下的纵坐标，d
o
(t)表示t时刻障碍物在frenet坐标系下的横坐标，s(t
′
)表示t
′
时刻车辆在frenet坐标系下的纵坐标，s
o
(t
′
)表示t
′
时刻障碍物在frenet坐标系下的纵坐标，d(t
′
)表示t
′
时刻车辆在frenet坐标系下的横坐标，d
o
(t
′
)表示t
′
时刻障碍物在frenet坐标系下的横坐标。7.根据权利要求6所述的一种自动驾驶行为决策与轨迹规划方法，其特征在于，步骤二
中，对目标车辆行驶轨迹寻优，获取最优目标车辆行驶轨迹的具体过程为：利用成本函数：对目标车辆行驶轨迹寻优，其中，j(τ)表示最优轨迹的成本函数，j0表示车辆到目标车道中心的距离，ω0表示车辆到目标车道中心的距离这一参数的权重，j
v
表示对速度误差的成本函数，ω
v
表示速度的权重，j
a
表示对加速度的成本函数，ω
a
表示加速度的权重，j
j
表示对车辆的颠簸程度的成本函数，ω
j
表示车辆颠簸程度这一参数的权重，表示车辆转向角的成本函数，表示车辆转向角参数的权重。
技术总结
一种自动驾驶行为决策与轨迹规划模型与方法,属于自动驾驶技术领域。解决了现有自动驾驶框架体系的完整性差,存在换道安全性差的问题。本发明利用IDM和MOBIL算法实现自动驾驶车辆的长期行为决策，通过硬约束、软约束两种行驶对车辆行驶轨迹进行规划以及最优化来实现自动驾驶车辆的短期轨迹规划，它包括一个行为决策层，一个轨迹规划层，一个安全保障层以及一个车辆控制层,有效的提高了自动驾驶的安全性。本发明适用于自动驾驶车辆控制。本发明适用于自动驾驶车辆控制。本发明适用于自动驾驶车辆控制。
技术研发人员：高汇东 曲明成 崔建勋 徐培刚 李先通
受保护的技术使用者：哈尔滨工业大学重庆研究院
技术研发日：2022.06.28
技术公布日：2022/10/4