智能車輛運動軌跡規(guī)劃方法的研究.pdf

1、智能車輛是智能交通系統(tǒng)的重要組成部分，能顯著提高行駛安全性和降低交通事故發(fā)生率，因而在軍、民領域均具有重要的理論探索意義和工程實踐價值。軌跡規(guī)劃系統(tǒng)是智能車輛規(guī)劃與控制系統(tǒng)的重要組成部分，與路徑規(guī)劃不同，路徑規(guī)劃生成的是靜態(tài)無碰路徑，而軌跡規(guī)劃則是在路徑規(guī)劃的基礎上考慮時間因素和車輛狀態(tài)，不僅生成無碰路徑還生成包括車輛行駛的各種狀態(tài)參數和控制參數，如速度、加速度和行駛時間等。
　　本文對智能車輛運動軌跡規(guī)劃所涉及的相關內容:基于狀

2、態(tài)空間的軌跡規(guī)劃方法，基于理性思維的自適應控制(Adaptive Control ofThought-Rational，ACT-R)認知模型的運動軌跡規(guī)劃方法以及基于改進遺傳算法的運動軌跡優(yōu)化方法進行了較為系統(tǒng)和深入地研究。具體工作歸納如下:
　　(1)考慮時間因素，建立了一種基于狀態(tài)空間的曲率連續(xù)軌跡規(guī)劃方法。為了能夠生成適應于不同行駛環(huán)境且曲率連續(xù)的行駛軌跡，本文在最優(yōu)控制理論的基礎上進行了改進，并建立了多目標動態(tài)評價函數;通

3、過不同權重對軌跡特征影響規(guī)律的研究，獲得了權重調整的有效方法。仿真結果表明:本文提出的基于狀態(tài)空間的軌跡規(guī)劃方法能夠針對不同道路環(huán)境動態(tài)生成滿足多種約束條件曲率連續(xù)的行駛軌跡。
　　(2)基于ACT-R認知模型，提出了一種考慮人的行為特性的軌跡規(guī)劃方法。該方法將基于狀態(tài)空間的軌跡規(guī)劃方法和ACT-R認知模型結合起來，并以ACT-R認知模型為核心。首先由初始化模塊生成初始權重集;然后用基于狀態(tài)空間的軌跡規(guī)劃方法生成軌跡，并將軌跡的特

4、征值提取出來傳給估計模塊，在估計模塊中對軌跡的特征值進行估計，判斷軌跡的特征值是否滿足約束條件，如果滿足約束條件則將生成的軌跡返回給決策層;如果不滿足，則通過權重調整模塊對相關的權重進行調整，最終生成符合人的行為特性的行駛軌跡。仿真結果及模型車的試驗驗證表明:提出的方法能夠生成具有人的行為特性，且滿足多個約束條件的行駛軌跡，驗證了本文方法的可行性。
　　(3)根據車輛動力學約束條件，發(fā)展了一種將B樣條曲線和改進的遺傳算法相結合對運

5、動軌跡進行優(yōu)化的方法。首先利用B樣條曲線曲率連續(xù)和局部支撐性的性質對生成的軌跡參數化，利用已知軌跡上型值點位置反求控制點，確定B樣條曲線的形狀;然后基于改進遺傳算法對參數化軌跡進行多目標優(yōu)化，來實現B樣條曲線參數的確定。具體優(yōu)化目標包括:每段B樣條曲線的始末型值點位置，相應型值點位置的車輛速度、加速度和相鄰型值點之間的時間間隔。仿真結果表明:優(yōu)化后的軌跡較優(yōu)化前的軌跡能夠更好地滿足動力學約束條件。
　　(4)基于CarSim仿真軟

6、件，設計了一種對本文方法進行驗證和分析的方法。在Matlab和ACT-R軟件中由運動軌跡規(guī)劃算法在采樣周期內根據車輛將要行駛的環(huán)境信息對軌跡進行規(guī)劃，并將規(guī)劃的軌跡及軌跡的參數提供給CarSim理想控制器，用作動力學仿真軟件中的路徑和參數輸入，理想控制器控制車輛模型在虛擬場景中沿著規(guī)劃軌跡行駛，并將車輛行駛的軌跡和行駛過程中的各種響應參數反饋給運動軌跡規(guī)劃算法，再由運動軌跡規(guī)劃算法判斷規(guī)劃的軌跡及其參數是否滿足約束條件，并對不滿足約束條

7、件的軌跡修正后重新輸出軌跡，如此循環(huán)至仿真結束。分別進行了三組比較研究:本文方法和兩種文獻中路徑規(guī)劃方法的仿真比較;車輛以不同速度沿著規(guī)劃出的穩(wěn)態(tài)圓周軌跡、蛇形線軌跡和雙移線軌跡行駛的仿真比較;以及仿真結果與文獻實車試驗結果的比較分析。結果表明:本文方法比文獻路徑規(guī)劃方法更加有效可行，本文方法規(guī)劃的車速比其它車速更能滿足約束條件且仿真數據與文獻實車試驗數據吻合。
　　綜上所述，本文研究了智能車輛的運動軌跡規(guī)劃方法，并結合仿真軟件C