1.本发明涉及无人驾驶汽车技术领域，尤其涉及基于行人轨迹预测的无人驾驶汽车主动避撞算法。
背景技术：
2.随着计算机技术、环境感知技术的发展，越来越多的自动控制技术被应用在汽车上，无人驾驶汽车也成为了汽车产业的一大变革。在无人驾驶技术的研究过程中，避免无人驾驶车辆在紧急状态下与前车、后车或者护栏发生碰撞，对于提高无人驾驶车辆安全性具有重要意义。
3.但是，避撞方式包括纵向制动避撞和横向转向避撞，纵向制动避撞在某些路面条件下会出现车辆两侧制动力不平衡和制动距离变长的问题，转向避撞的安全距离较短，可是，紧急转向时存在着斜碰、侧翻等危险，单一避撞方式在某些工况下存在一定局限性。
技术实现要素：
4.本发明的目的是提供基于行人轨迹预测的无人驾驶汽车主动避撞算法，解决了现有技术中避撞方式包括纵向制动避撞和横向转向避撞，纵向制动避撞在某些路面条件下会出现车辆两侧制动力不平衡和制动距离变长的问题，转向避撞的安全距离较短，可是，紧急转向时存在着斜碰、侧翻等危险，单一避撞方式在某些工况下存在一定局限性的问题。
5.为了实现上述目的，本发明采用了如下技术方案：
6.基于行人轨迹预测的无人驾驶汽车主动避撞算法，包括无人驾驶汽车根据人类避撞控制策略或仿真平台测试数据，统计出各种运行状态下发生碰撞的可能性，选择发生碰撞可能性最小的运行参数作为最佳避撞策略，确定模糊控制规则库，首先对无人驾驶汽车与障碍物之间纵向和横向距离参量进行模糊化处理，将距离分成：小距离、中距离和大距离三个模糊区域。再对无人驾驶汽车的当前运行速度作为模糊输入变量，进行模糊处理，将运动速度分为低速、中速、快速和高速四个模糊区域。而将无人驾驶汽车所采取减速或/和变道操作作为模糊输出变量，也可模糊设定为：速度不变、慢减速、快减速、快减速+变道四个模糊行为，当无人驾驶汽车在行驶中，检测到前方障碍物在移动时，传感器或图像设备等采集相关信息后，首先将无人驾驶汽车与障碍物之间纵向和横向距离，根据模糊控制规则库，进行逻辑推理，确定一个距离模糊域。再根据该距离模糊域，对无人驾驶汽车运动速度数据，根据模糊控制规则库，进行逻辑推理，确定一种模糊输出的行为或结果。根据上面输出行为或结果，进行反模糊化，选定一个特定减速加速度或/和左右变道的具体行为，实现与动态障碍物的避撞；
7.步骤一、汽车上相关传感器采集自车和外部环境相关信息，包括通过毫米波雷达采集自车与前车纵向车距的距离s1、自车与干扰车纵向车距的距离s2、干扰车车速u2，通过霍尔式车速传感器采集自车车速u1、横摆角速度传感器检测到的自车横摆角速度信息，并将各信号传输至ecu中；
8.步骤二、ecu解析各传感器的信号，计算自车与前车制动安全距离br1，目标车道干扰车的制动安全距离和转向安全距离，ecu根据车辆实际环境信息和制动和转向安全距离进行计算，确定当前车辆所处紧急工况，根据车辆所处的紧急工况，决策避撞策略，
9.(1)若s1≥br1，自车与前车的实际距离大于或等于制动安全距离，自车有制动避撞的条件，因此选择制动模式；
10.(2)若st1≤s1＜br1，s2≥st2，u1≤u2，自车与前车的实际距离大于或等于自车与前车转向安全距离st1，但小于等于制动安全距离，自车可以通过换道的方式避免与前车发生碰撞事故，当自车与干扰车的实际距离大于自车与干扰车转向安全距离st2时且自车车速小于干扰车的车速，自车换道后不会与干扰车发生碰撞危险，因此选择转向模式；
11.(3)若st1≤s1＜br1，s2≥st2，u1＞u2，自车避免与前车发生碰撞，可以转向避撞，但是此时自车车速大于相邻换道车道干扰车的车速，自车需要减速进入相邻车道，因此选择制动转向分段控制模式；
12.(4)若st1≤s1＜br1，s2＜st2，自车可以通过转向避免与前车发生碰撞，但自车与干扰车实际距离小于自车与干扰车的转向安全距离st2，此时选择转向模式同时启动预警系统，自车在转向避撞的同时预警前车及干扰车注意紧急情况，此时自车预警灯闪烁，并且语音播报，通过自车避撞和车车合作相结合的方式减少事故；
13.(5)若s1＜st1,自车很难避免与前车发生追尾碰撞，此时选择制动模式同时启动预警系统，也通过自车避撞和车车合作相结合的方式减少事故；
14.步骤三、ecu通过模糊pid方法控制制动执行器和转向执行器进行相应的避撞操作；
15.步骤四、ecu实时监测车辆碰撞时距ttc-1和横摆角速度值是否为安全值，若自车处于危险状态，延时2秒，再次监测ttc-1和横摆角速度值，若自车仍然处于危险状态，ecu适当减小控制量或者调节分段控制时长，定义制动时长和转向时长之和为总时长，制动时长占总时长的比例用k表示，若横摆角速度较大，增大k值，若ttc-1值大于阈值时，适当减小控制量值。
16.优选的，无人驾驶汽车根据确定距离和运行速度情况下，障碍物采取不同移动速度，统计在各种加速度情况下发生碰撞的机率，选择机率最小作为确定最佳控制策略，建立对应的模糊避撞规则库。
17.优选的，步骤4中所述车辆碰撞时距ttc-1阈值为0.8。
18.优选的，分别为无人驾驶汽车运动速度建立一个三角形的模糊隶属函数。
19.优选的，模糊规则库建立模块，用于无人驾驶汽车对人类避撞控制策略或无人驾驶仿真平台数据，进行统计和分析，建立无人驾驶汽车模糊规则库。
20.优选的，信息采集模块，用于无人驾驶汽车自身以及其周围环境信息的采集，包括无人驾驶速度、前方障碍物运行状态以及纵横向距离等数据采集。避撞控制模块，能够根据采集到信息和模糊规则库，进行模糊推理和反模糊化操作，输出相应具体操作行为。操作执行模块：根据避撞控制模块所输出具体操作行为，执行特定行为动作。
21.本发明至少具备以下有益效果：
22.本发明克服了单一制动避撞和单一转向避撞的局限性，采用制动、转向、制动和转向分段控制三种切换模式，更好地满足不同紧急情况下的避撞要求；在保证车辆稳定性的
条件下，有效防止车辆发生碰撞事故，提高无人驾驶汽车的行车安全性。
具体实施方式
23.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
24.实施例一
25.基于行人轨迹预测的无人驾驶汽车主动避撞算法，包括无人驾驶汽车根据人类避撞控制策略或仿真平台测试数据，统计出各种运行状态下发生碰撞的可能性，选择发生碰撞可能性最小的运行参数作为最佳避撞策略，确定模糊控制规则库。首先对无人驾驶汽车与障碍物之间纵向和横向距离参量进行模糊化处理，将距离分成：小距离、中距离和大距离三个模糊区域。再对无人驾驶汽车的当前运行速度作为模糊输入变量，进行模糊处理，将运动速度分为低速、中速、快速和高速四个模糊区域。而将无人驾驶汽车所采取减速或/和变道操作作为模糊输出变量，也可模糊设定为：速度不变、慢减速、快减速、快减速+变道四个模糊行为。当无人驾驶汽车在行驶中，检测到前方障碍物在移动时，传感器或图像设备等采集相关信息后，首先将无人驾驶汽车与障碍物之间纵向和横向距离，根据模糊控制规则库，进行逻辑推理，确定一个距离模糊域。再根据该距离模糊域，对无人驾驶汽车运动速度数据，根据模糊控制规则库，进行逻辑推理，确定一种模糊输出的行为或结果。根据上面输出行为或结果，进行反模糊化，选定一个特定减速加速度或/和左右变道的具体行为，实现与动态障碍物的避撞；
26.步骤一、汽车上相关传感器采集自车和外部环境相关信息，包括通过毫米波雷达采集自车与前车纵向车距的距离s1、自车与干扰车纵向车距的距离s2、干扰车车速u2，通过霍尔式车速传感器采集自车车速u1、横摆角速度传感器检测到的自车横摆角速度信息，并将各信号传输至ecu中；
27.步骤二、ecu解析各传感器的信号，计算自车与前车制动安全距离br1，目标车道干扰车的制动安全距离和转向安全距离，ecu根据车辆实际环境信息和制动和转向安全距离进行计算，确定当前车辆所处紧急工况，根据车辆所处的紧急工况，决策避撞策略，
28.(1)若s1≥br1，自车与前车的实际距离大于或等于制动安全距离，自车有制动避撞的条件，因此选择制动模式；
29.(2)若st1≤s1＜br1，s2≥st2，u1≤u2，自车与前车的实际距离大于或等于自车与前车转向安全距离st1，但小于等于制动安全距离，自车可以通过换道的方式避免与前车发生碰撞事故，当自车与干扰车的实际距离大于自车与干扰车转向安全距离st2时且自车车速小于干扰车的车速，自车换道后不会与干扰车发生碰撞危险，因此选择转向模式；
30.(3)若st1≤s1＜br1，s2≥st2，u1＞u2，自车避免与前车发生碰撞，可以转向避撞，但是此时自车车速大于相邻换道车道干扰车的车速，自车需要减速进入相邻车道，因此选择制动转向分段控制模式；
31.(4)若st1≤s1＜br1，s2＜st2，自车可以通过转向避免与前车发生碰撞，但自车与干扰车实际距离小于自车与干扰车的转向安全距离st2，此时选择转向模式同时启动预警系统，自车在转向避撞的同时预警前车及干扰车注意紧急情况，此时自车预警灯闪烁，并且
语音播报，通过自车避撞和车车合作相结合的方式减少事故；
32.(5)若s1＜st1,自车很难避免与前车发生追尾碰撞，此时选择制动模式同时启动预警系统，也通过自车避撞和车车合作相结合的方式减少事故；
33.步骤三、ecu通过模糊pid方法控制制动执行器和转向执行器进行相应的避撞操作；
34.步骤四、ecu实时监测车辆碰撞时距ttc-1和横摆角速度值是否为安全值，若自车处于危险状态，延时2秒，再次监测ttc-1和横摆角速度值，若自车仍然处于危险状态，ecu适当减小控制量或者调节分段控制时长，定义制动时长和转向时长之和为总时长，制动时长占总时长的比例用k表示，若横摆角速度较大，增大k值，若ttc-1值大于阈值时，适当减小控制量值。
35.根据上述实施例可知：本发明克服了单一制动避撞和单一转向避撞的局限性，采用制动、转向、制动和转向分段控制三种切换模式，更好地满足不同紧急情况下的避撞要求；在保证车辆稳定性的条件下，有效防止车辆发生碰撞事故，提高无人驾驶汽车的行车安全性。
36.实施例二
37.无人驾驶汽车根据确定距离和运行速度情况下，障碍物采取不同移动速度，统计在各种加速度情况下发生碰撞的机率，选择机率最小作为确定最佳控制策略，建立对应的模糊避撞规则库，步骤4中所述车辆碰撞时距ttc-1阈值为0.8，分别为无人驾驶汽车运动速度建立一个三角形的模糊隶属函数，模糊规则库建立模块，用于无人驾驶汽车对人类避撞控制策略或无人驾驶仿真平台数据，进行统计和分析，建立无人驾驶汽车模糊规则库，信息采集模块，用于无人驾驶汽车自身以及其周围环境信息的采集，包括无人驾驶速度、前方障碍物运行状态以及纵横向距离等数据采集。避撞控制模块，能够根据采集到信息和模糊规则库，进行模糊推理和反模糊化操作，输出相应具体操作行为。操作执行模块：根据避撞控制模块所输出具体操作行为，执行特定行为动作。
38.根据上述实施例可知：本发明克服了单一制动避撞和单一转向避撞的局限性，采用制动、转向、制动和转向分段控制三种切换模式，更好地满足不同紧急情况下的避撞要求；在保证车辆稳定性的条件下，有效防止车辆发生碰撞事故，提高无人驾驶汽车的行车安全性，主要采用深度强化学习方式，确定最佳避撞控制参数，建立起模糊控制规则库，后根据采集到无人驾驶汽车自身的运动速度、与障碍物之间纵向和横向距离等参量，进行模糊规则推理，确定一个特定行为：速度不变、减速、减速+变道等操作行为，实现动态避障物避撞。
39.以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。