施卫,夏涛
(江苏理工学院 汽车与交通工程学院,江苏 常州 213001)
车辆换道在驾驶过程中是非常普遍的,数据表明交通事故中有一部分的原因就是车辆进行车道更换引起的。因此,对于车辆进行自主换道的研究就显得十分重要了。换道轨迹的规划是车辆能否自主换道的基础和关键,精准合理的换道轨迹有助于车辆安全平稳地完成换道操作。目前国内外学者对换道轨迹规划进行了许多研究,Margolis 等人[1]考虑直接施加转弯和制动力的点质量简化模型,最优控制用于求解换道平均曲率半径最小化问题,从而规划出一条避免碰撞的换道最佳路径。张志超等人[2]通过将车速、换道的横向距离和横向最大加速度作为参数,创新地设计出X-Sin 函数换道轨迹曲线,将得出的轨迹与其他换道轨迹进行比较,X-Sin 换道曲线拟合度更高。长安大学王畅等人[3]提出七次多项式模型来对车辆换道轨迹进行规划,结合换道时初始和结束边界条件对初始表达式进行运算,得到换道轨迹的函数表达式。
本文在比较其他换道轨迹方法的基础上,建立基于五次多项式的换道轨迹规划模型,根据换道初始时刻和结束时刻车辆状态量进行轨迹求解运算,得出一条光滑连续且符合实际的轨迹曲线。同时考虑到换道的舒适性和效率性,建立了轨迹优化函数,通过引入k1 和k2 两个权重系数进行分析,得出了不同权重比下的换道最优时间,使得车辆的换道轨迹更加优化。在Carsim/Simulink 中对建立的换道轨迹模型进行仿真验证。
由于城市交通道路环境复杂多变,给研究带来很大的困难,故本文对交通道路环境作出了简化,只考虑交通流密度比较低的城市双车道环境下的某些情况,不考虑行人、障碍物及红绿灯对自主换道的影响,从而减小了研究难度。如图1 就是简化下的一个普遍的城市道路双车道换道场景。
图1 城市双车道换道场景示意图
如上图所示,B 车为自主换道车辆,B1 和B4 分别为当前行驶车道上前车和后车,B2 和B3 分别为目标车道上的前车和后车。当B 车满足换道条件下,从当前行驶车道左转驶入目标车道,正好行驶到车B3 和车B2 之间,从换道开始到换道结束没有与任一车辆发生碰撞,则换道完成。
如图2 所示为换道车辆的换道初始时刻和结束时刻的状态图,车辆从图示初始状态位置换道到结束状态位置,以初始位置车辆的质心为坐标原点,x 轴正方向为纵向行驶方向,y 轴正方向为横向行驶方向,假定车辆在车道中行驶时都是沿着车道中心线,并且车辆在换道过程中横向运动和纵向运动相对独立,互不影响。
图2 车辆换道场景状态变化图
换道初始时刻的车辆状态的各个参数可以由车载传感器获取,其参数为:初始纵向位置x(t0),初始横向位置y(t0),初始纵向速度,初始横向速度,初始纵向加速度初始横向加速度初始状态的各个参数值为:
换道结束时刻的车辆状态的各个参数是由车辆自身属性、道路条件和目标期望共同决定的,其参数为:结束时纵向位置x(te),结束时横向位置y(te),结束时纵向速度结束时横向速度,结束时纵向加速度,结束时横向加速度。
结束状态的各个参数值为:
式中:te为换道结束所用时间,Xe为车辆换道结束时纵向总位移,vxe为换道结束时的纵向速度,h为换道横向总位移。
本文选取五次多项式函数来描述车辆换道的横纵向运动,其函数为:
式中:x(t)、y(t)分别为在t 时刻车辆的纵向行驶距离和横向行驶距离,ai、bi(i=0,1,2,3,4,5)为多项式系数。
将式(1)和式(2)得到的12 个已知条件代入到式(3)中可得:
为了求解式(3)和(4)的轨迹函数,用矩阵来进行计算,可以简化运算过程。令a=[a5a4a3a2a1a0]T,b=[b5b4b3b2b1b0]T,X=[0vx00Xevxe0]T,Y=[0 0 0h0 0]T。
由a=M-1X,b=N-1Yb,可求解到换道轨迹函数:
由换道轨迹(5)可以发现,整个换道过程换道轨迹与换道总时间te、换道横向总位移h、初始纵向速度vx0和结束时的车辆纵向速度vxe有关。由于车辆横向换道总位移即车道宽度h取得是定值3.75m,并且因为换道过程换道时间较短,这里为了简化分析,假定换道过程中车辆的纵向速度不发生改变,即vx0=vxe,所以现在只有换道总时间和车辆的纵向速度影响着换道轨迹形状。
运用Matlab 对两种情形的换道轨迹进行研究:换道时间一定,不同的车辆纵向速度对轨迹的影响;车辆纵向速度一定,不同的换道时间对轨迹的影响。
(1)换道时间一定,这里取te=4s,纵向车速分别取15m/s,20m/s 和25m/s 三种情况。
(2)当纵向速度一定,这里取vx=20m/s,换道时间te分别取4s,5s 和6s。
由图3 可以看出,当换道时间一定时,车辆以不同的纵向速度换道时,其轨迹也是有差别的,速度越大它的整体轨迹曲率就越小,反之越大,换道曲率过大会导致车辆发生侧滑等问题,从而影响换道的横向稳定性。从图4 和5 可以看出,在纵向速度一定的情形下,不同的换道时间对换道轨迹和车辆横向加速度影响较为明显。换道时间越短,车辆的横向加速度变化就越大,换道轨迹的曲率也就越大,所以选取合适的换道时间不仅对换道轨迹有一定的影响,也对车辆横向加速度产生比较大的影响,并且会影响换道的稳定性与舒适性。
图3 换道时间一定,不同纵向车速的换道轨迹图
图4 纵向速度一定,不同换道时间的换道轨迹图
通过建立五次多项式车辆的换道轨迹,从而得出了不同的换道时间对车辆的横向加速度[4]有比较大的影响,而换道车辆的横向加速度对换道的舒适性有很大的关系,换道时间的长短同时也影响着换道的效率。由图5 可知,换道时间越短,虽然换道的效率提高了,但横向加速度的变化越陡,舒适性就会降低;相反换道时间越长,换道效率会降低,但横向加速度变化就越平缓,舒适性就会增加。因此考虑换道舒适性与效率性[5],建立换道轨迹评价函数,对换道时间和横向加速度进行权衡,从而选取合适的换道时间。建立换道时间和横向加速度的评价函数为:
图5 换道横向加速度随时间变化图
式中:te为换道完成时间,temax为换道完成的时间最大值,ay为车辆换道横向加速度,aymax为车辆自身所能达到的最大横向加速度。
同时考虑到舒适性和效率性,在式(6)中加入两个权重系数k1和k2,且k1+k2=1,可以通过调整k1和k2之间的比值来权重换道时的舒适性和效率性。
通过对轨迹评价函数(7)进行最小值求解可以得到轨迹规划优化函数:
在换道时k1和k2的大小受到车辆之间的纵向安全距离的影响,当换道车辆与附近车辆的距离较小时,则此时应该着重考虑效率性,k2的比重就会大些;反之当距离较大时,应当着重考虑舒适性,则k1的比重就会大些。k2的取值由换道车辆B 与周围车辆间最小换道安全距离与初始纵向距离的比值来确定。
通过车辆自身的参数和道路条件,得到轨迹优化函数的约束条件:vx<vxmax,vy<vymax,|ay|≤aymax,0<te≤temax。
3.1.1 车辆参数设置
主换道车辆B 的参数如表1 所示,初始车道前车B1 的速度为16m/s,位置在换道车辆前方30m;目标车道前车B2的速度为22m/s,位置在换道车辆左前方35m;目标车道后车B3 的速度为20m/s,位置在换道车辆左后方30m。
表1 车辆部分参数
3.1.2 轨迹规划参数设置
横向位移0≤y≤3.75m,横向加速度0≤ay≤0.4g m/s2,换道时间0<te≤6s。
设置换道车辆Toyota_Prius(B)纵向以20m/s 的速度进行换道。
图6 车辆换道过程仿真动画
如图7 所示为不同的权重系数k1和k2之比下的轨迹优化函数J 随时间的变化曲线,从图中可以发现优化函数J 曲线的最小值所对应的时间为该权重比下的最优换道时间。k1反映的是换道时的舒适性,而k2反映的是换道时的效率性,由图所示,当权重比k1/k2的值越来越大时,函数J 的最小值所对应的最优换道时间也在随之增大,当舒适性的比例在不断增大时,效率性相应地减少,换道时间也就更长,与实际情况相符。
图7 不同权重比下优化轨迹函数J 随时间变化图
图8 为相同换道环境下,采用优化模型后的换道轨迹与非优化的换道轨迹对比图。由图可以发现,优化后的换道轨迹在完成换道时的纵向距离缩短了,换道时间也相应地减少了,表明了优化后的换道模型在考虑舒适性和效率性的同时,对于道路上的突发情况,可以更快地作出反应,从而进一步保证了换道的安全性。
图8 优化轨迹与非优化轨迹对比图
由上述仿真实验中,可以发现本文提出的轨迹规划方法可以较好地拟合车辆的换道轨迹,通过建立轨迹优化函数使得换道更加舒适和安全,对之后的无人驾驶换道技术奠定基础。