本发明涉及一种预测方法、装置及系统，属于汽车控制技术领域，具体是涉及一种基于驾驶人操控意图的车辆轨迹预测方法、装置及系统。
背景技术：
汽车运动状态的预测是汽车安全辅助驾驶的关键技术，通过对道路车辆行驶轨迹的预测，可分析与相邻车辆的行驶轨迹是否存在交叉的可能，以此来判断当前的行车安全状态。
目前车辆行驶轨迹的预测是根据相邻车辆间的相对运动状态参数，来实时计算车间安全距离阈值，再与实际的车间距离比较，从而得出当前的行车安全状态。当检测到车间实际距离大于安全距离阈值时，认为汽车的行驶安全状况较为安全，反之则认为汽车在行驶过程中存在碰撞危险。
技术实现要素：
发明所要解决的技术问题
现有技术中的汽车防撞预警主要依赖先进的车载/路侧传感技术，以及信息处理方法获取汽车的运动状态信息，然而此类预测方法中没有考虑驾驶行为对汽车运动状态的改变量，而是将驾驶行为作用下的加速度改变量当作过程噪声来处理，所建立的模型不能准确的反映汽车的运动状态，导致了汽车运动状态预测结果误差增大。
本发明的目的是提出一种于驾驶人操控意图的车辆运行轨迹预测方法、装置及系统。本发明通过分析驾驶和换道过程中驾驶人的感知、决策和操作特点，并考虑邻域范围内的多车行车意图和运动状态，以此来预测车辆间的行驶轨迹是否存在冲突。
解决技术问题所采用的技术方案
本发明的上述技术问题主要是通过下述技术方案得以解决的：
一种基于驾驶人操控意图的车辆运行轨迹预测方法，包括：
状态获取步骤，用于获取道路中车辆当前的运动状态以及驾驶人的操作意图；
序列量化步骤，用于利用二次型理论将驾驶人期望操控量效用函数表示为离散化的序列形式；
优值求解步骤，利用线性最优二次理论计算驾驶人期望控制量uk的最优解；
状态预测步骤，基于所述将驾驶人控制量序列uk的最优解估计车辆在下一时刻的运动状态并判断是否存在碰撞风险。
其中，所述序列量化步骤中，基于下式表示驾驶人期望操控量效用函数：
式中q为状态量的误差权重，r为控制量的权重矩阵，qn为终端状态n时刻的权重矩阵，xn为目标车辆在n时刻的运动状态，xk为目标车辆在k时刻的运动状态，
在本发明的至少一个实施例中，所述优值求解步骤具体包括以下子步骤：
相对运动建模子步骤，将汽车相对运动状态模型表示为xk+1＝φxk+γuk，式中φxk为当前运动状态与期望运动状态的偏差；根据车辆的运动学原理，状态矩阵φ、控制矩阵γ可以分别描述为：
二次型最优求解子步骤，采用变分法求取离散装置线性二次型最优解，获取k时刻驾驶人期望的加速度控制量为
控制输入预测子步骤，根据驾驶人的期望控制和汽车当前的运动状态，基于下式计算驾驶人的控制输入：
在本发明的至少一个实施例中，所述状态预测步骤中将所得的驾驶人操控量序列uk加入到传统的匀加速模型中，应用离散的kalman预测算法短时估计车辆在下一时刻的运动状态和判断是否存在碰撞风险。
在本发明的至少一个实施例中，将目标汽车运动状态分解为纵向方向运动和横向方向运动，将汽车的运动状态表示为：
一种基于驾驶人操控意图的车辆运行轨迹预测装置，包括：
状态获取模块，用于获取道路中车辆当前的运动状态以及驾驶人的操作意图；
序列量化模块，用于利用二次型理论将驾驶人期望操控量效用函数表示为离散化的序列形式；
优值求解模块，利用线性最优二次理论计算驾驶人期望控制量uk的最优解；
状态预测模块，基于所述将驾驶人控制量序列uk的最优解估计车辆在下一时刻的运动状态并判断是否存在碰撞风险。
其中，所述序列量化模块中，基于下式表示驾驶人期望操控量效用函数：
式中q为状态量的误差权重，r为控制量的权重矩阵，qn为终端状态n时刻的权重矩阵，xn为目标车辆在n时刻的运动状态，xk为目标车辆在k时刻的运动状态，
在本发明的至少一个实施例中，所述优值求解模块具体包括以下单元：
相对运动建模单元，将汽车相对运动状态模型表示为xk+1＝φxk+γuk，式中φxk为当前运动状态与期望运动状态的偏差，根据车辆的运动学原理，系数矩阵φ、γ可以描述为：
二次型最优求解单元，采用变分法求取离散装置线性二次型最优解，获取k时刻驾驶人期望的加速度控制量为
控制输入预测单元，根据驾驶人的期望控制和汽车当前的运动状态，基于下式计算驾驶人的控制输入：
在本发明的至少一个实施例中，所述状态预测模块中将所得的驾驶人操控量序列uk加入到传统的匀加速模型中，应用离散的kalman预测算法短时估计车辆在下一时刻的运动状态和判断是否存在碰撞风险。
一种包括上述装置的系统，包括：车载计算机，can总线平台，油门踏板传感器，制动踏板传感器，转向盘传感器，车载ccd摄像头，车载雷达，gps/ins。
发明效果
本发明综合考虑驾驶意图和汽车实时运动状态对汽车的轨迹、速度和加速度参数进行短时预测，降低了驾驶人操控行为对汽车运动状态预测的扰动影响。本发明的方案容易实现，且复杂度低，能够广泛适用于驾驶模拟器、汽车碰撞危险预警和汽车安全辅助驾驶系统，用于评估和预测运动车辆间的轨迹交叉和碰撞风险。
附图说明
附图1：为本本发明实施例的结构示意图。
附图2：为发明实施例的基本流程图；
附图3a-c：为本发明实施例的模拟驾驶试验仿真效果图。
具体实施方式
下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。
实施例：
如图1所示，是本实施例的结构示意图。其中，计算机1，can总线2，油门踏板3，制动踏板4，转向盘5，摄像头6，雷达7，gps8。
如图2所示，本实施例的基于驾驶人操控意图的车辆运行轨迹预测方法，具体包括以下步骤：
步骤1：利用车载设备和路侧设备获取道路中车辆当前的运动状态(位置、速度、加速度)和驾驶人的操作意图(油门踏板、制动踏板和转向灯信号)；
步骤2：求取驾驶人期望的控制量序列，即量化驾驶人的操控意图。
本实施例中，利用二次型理论将驾驶人期望操控量效用函数表示为一种离散化形式：
步骤3：利用线性最优二次理论计算驾驶人期望控制量uk的最优解；
目标车辆在短时预测过程中(t<0.5s)，驾驶人的操作状态基本不会发生改变，即uk在预测区间内是不变的，将汽车相对运动状态模型表示为xk+1＝φxk+γuk，式中φxk为当前运动状态与期望运动状态的偏差，根据车辆的运动学原理，系数矩阵φ、γ可以描述为：
采用变分法求取离散系统线性二次型最优解，获取k时刻驾驶人期望的加速度控制量为
步骤4：将所得的驾驶人操控量序列uk加入到传统的匀加速模型(ca,constantacceleration模型)；
目标汽车运动状态可以分解为纵向方向运动和横向方向运动，则汽车的运动状态表示为：
步骤5：应用离散的kalman预测算法短时估计车辆在下一时刻的运动状态和判断是否存在碰撞风险。
本发明使用的设备为高性能商用计算机(含显示器、鼠标、键盘)，用于运行carsim仿真软件和matlab/simulink计算软件。
下面结合图3a至图3c中的模拟驾驶试验仿真效果图对本实施例进行进一步的说明。
如图3a所示，在t＝0s时，被试车开始加速行驶，与前车之间的车间距逐渐变小，如图3b所示；在t＝10s时，被试车的驾驶人感觉到与前车的距离较近，影响到了自车的行车安全性，被试车开始减速行驶以确保自车与前车保持安全距离；最后，被试车的驾驶人感觉到前车的行驶状态影响到自车的行驶状态时，假设在t＝20s时驾驶人操控汽车开始换道行驶，如图3c所示。
初始的汽车运动状态和模拟驾驶人的汽车操控行为如表1所示。
表1模拟驾驶试验中汽车初始运动状态&驾驶操控行为
1.uk为模拟驾驶人对被试车运动状态的控制输入量，见表2；
2.n为高斯白噪声序列。
表2被试车模拟驾驶运动状态仿真数据
为了使模拟驾驶试验过程中的汽车运动状态观察数据更接近实车试验中由传感器获得的汽车运动状态信号，对仿真的汽车运动状态(位置、速度、加速度)的观测值加上白噪声信号，再分别应用传统的ca模型和本发明所设计的方法，最后应用kalman预测方法短时预测被试车的运动轨迹、速度和加速度，预测步长为0.5s。
为了满足汽车动力学模型精度的要求，有效的验证汽车运动状态预测模型的准确性，联合仿真平台是以汽车动力学仿真软件carsim和计算软件matlab/simulink为基础开发的，并且carsim是一款成熟且具备高精度的车辆动力学仿真软件。该平台能实时仿真目标车辆与周围汽车的相对运动状态，并基于lqr方法计算出目标车辆期望的加速度。通过向carsim模块输入控制量，计算出汽车实时的运动状态。在汽车运动状态的基础上加入随机观测噪声作为汽车运动状态的观测值，并基于kalman滤波算法得到目标车辆运动状态的预测值。
应当理解的是，本说明书未详细阐述的部分均属于现有技术。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。