换道安全文献综述

1、换道平安文献综述1、换道轨迹研究现状 车辆行驶过程是驾驶员根据道路状况和交通环境实时进行车辆路径规划，并进行轨迹跟踪的 过程 自动驾驶中，路径规划是车俩自动驾驶的根底，需要为车辆行驶提供一条平安可靠的 参考轨迹。 这些轨迹首先考虑的就是车辆行驶的平安性，英次是可靠性和舒适性，分別表达 在平安距离模型 和具体的轨迹行驶中，因此下而将从平安距离模型和齐种换道轨迹进行阐述。(1) 平安距离模型 平安距离模型是车辆换道的平安保证。现有换道平安距离模型假设周围车辆匀速，或者换道 周羽 车辆状态，根据自车的规划轨迹进行临界碰撞的判断，进而建立数学模型。加州大 学伯克利 分校的 Hossein 等人根据换道

2、可能发生的碰撞形式，推导了自动换道时的最小安 全距离模型。换 道车辆 M 将从原车道换到左侧车道。在换道的过程中，车 M 可能与前后 车辆 oL、oF 发生追尾， 也可能与目标车道前车 dL 发生侧碰、目标车道后车 dF 追尾。 根据这些碰撞形式，作者推导了最 小平安距离模型。吉林大学的王荣本，Li-sheng等人在Hossein的根底上，将平安距离模型应用到了更加复杂的场景上，如换逍场景时间缩短为 3 秒等。华南理工大学的许伦辉等人不仅考虑了换 道过程中的平安性，还对换道后的平安性进 行了分析，使平安距离模型符合实际的车道变换。(2) 轨迹规划模型 自动换道轨迹规划属于局部路径规划问题，具有

3、换道信息不确定的特点，在机器人领域和车辆领域都有相关研究。 英主要有多项式换道轨迹、 贝塞尔曲线换道轨迹、 基于 MPC 算法 的换道轨迹、 基于梯形横向加速度的换道轨迹、正弦曲线换道轨迹、遗传算法、蚁群算法、人工势场等方法。下而将分别详细介绍车辆换道轨迹的特点。加州大学伯克利分校的 Iakovos 等人建立了五次多项 式的换道轨迹，该多项式系数可以根据研究对象的初始状态和 目标状态确泄。该研究中对有无障 碍物分别进行轨迹规划。当无障碍物时，纵向轨迹方程为 五次多项式：当存在障碍物时，纵向方 程为六次多项式。文中对道路有无障碍的条件下分别 仿真，证明了多项式轨迹的有效性。韩国科 学技术院的 J

4、ac-Hwan 等人利用五次多项式建 立了周围车辆的直行轨迹函数，并通过参数轨迹曲 线预测了直道和弯道上，周囤车辆与自车碰撞时间。印度伯拉卡徳 NSS工程大学的Jolly等人针对多智能体的足球游戏机器人提岀 了贝尔塞曲线轨迹规划。贝塞尔曲线是 1962 年由法国工程师 贝塞尔发现的一种光滑插值曲 线，可以通过多个点共同控制曲线的形状，英数学表达式如式 1 所 示。=0<U<1(1)1=0式中ii是参数变量，n是多项式的阶数，i是求和系数，B'弋表多项式的顶点。美国加州大学的 Ji-wun 等人将贝塞尔曲线应用到地面车辆的轨迹规划中。 他将高阶贝塞尔 曲线分 段划分为 3阶的

5、多项式，从而保证的曲线的数值稳圧性，为自动驾驶的自由和避障 行驶提供了可 行的规划轨迹。中国科学院的陈成等人在 3 阶贝塞尔曲线的根底上，为提髙 曲线曲率的连续性， 满足无人车的初末状态约束，提出了 4阶贝塞尔曲线轨迹。该研究以 曲率变化最小为目标，把问 题转化为三参数优化问题，并满足速度连续约束、加速度有界约 朿和侧滑约束等，实现了更加光 滑的贝塞尔曲线车辆轨迹规划。(3) 基于 MPC 算法的换道轨迹模型美国卡内基米隆大学的 Kelly 等人首次提出了利用 MPC 的算法进行轨迹规划。车辆在行驶 过程 中，其动力学描述可以表示为 4 阶耦合的非线性模型。卡麦基梅隆大学的 Howard 等人

6、 将 MPC 路径规划算法拓展到了带有坡度的场景之中，并通过实车实验验证了在复杂环境下基于 MPC 算法轨迹的有效性和平安性。瑞典査尔姆斯理工大学的 Nilsson 等人在车辆轨 迹规划的过程中将车 辆的平安性条件转化为 MPC 问题的约朿条件，从而保证了车辆换道 过程中的平安性。该研究中 将车辆换逍的纵横向运动分别考虑，简化了规划模型。苴算法先 考虑车辆纵向运动的轨迹，如果 平安纵向轨迹存在 , 进一步考虑横向轨迹。该算法简单高效，能够实现轨迹的实时规划，并且减少了 MPC 计算的复杂度。( 4) 基于梯形横向加速度的换道轨迹 加州大学伯克利分校的 Wonshik 等人，认为基于梯形横向加速

7、度的曲线参数求解简单，且 加加速 度可参数化，因此设计了该换道轨迹。( 5) 正弦曲线换道轨迹加州大学的 Wonshik 等人还对正弦曲线做出相关研究。正弦曲线具有曲率连续可导，光滑， 参数 简单的优点，但也难以适应多参数优化。( 6) 其他曲线换道轨迹 换道轨迹的其他研究目前还有很多，有基于几何方法考虑的轨迹，如P 样条曲线等；有基 于人工智能的方法，如基于神经网络的轨迹规划、基于遗传算法的轨迹规划等；以及一些新 方法，如基 于人工势场的轨迹规划等。换道轨迹不仅要考虑曲率的连续性，也要考虑轨迹曲 率变化率的连续 性。基于此，只有多项式换道轨迹，贝塞尔曲线换道轨迹，盘旋曲线换道轨 迹满足条件，

8、而后两 种换道轨迹计算复杂且优化难以到达理想效果。因此多项式换逍轨迹不 失为车辆换道轨迹的最好 选择。2、换道平安研究现状(1)换逍风险指数模型 (LCRI )Hyun jin Park 等人提岀了一种基于车辆轨迹数据的换道风险指数(LCRI )。将故障树分 析(FTA )应用于危险评估框架，将潜在危险的址露时间量 (REL)和预期的危险严重性级别 (RSL) 结合在一起。根据车道变换期间的碰撞可能性建性评估起始车道和目标车道中的主车辆和相邻车辆之间的车辆相互作用。( 2)避撞时间 ( TTC )碰撞时间(TTC)是交通和车辆平安领域中最广泛使用的危险评估法之一。Hayward提出TTC是指从

9、驾驶员采取行动到发生事故的时间，即防止事故发生的剩余时间。它根据当前位置和速度的变化,预测当主车的速度和方向不改变时是否会在某一特定时间点发生碰撞事故。 TTC 只能在跟随 车辆的速度大于领先车辆的速度时进行计算。 TTC 是最常用的危险评估法，且 易于用户理解。( 3)Post encroach time( PET)该指标是用于衡疑事故几乎要发生的情况，它是前车通过一个点的时刻与同一车道上相向行驶的车俩到达该点的时刻之间的时间差。因为PET反映了车辆时间和空间的接近度，所以PET相较于TTC,对跟随车辆的速度没有硬性要求。无论跟随车辆的速度如何，都可以进行测量。从PET衍生的度量参数包括间隙

10、时间(GT) ,编码时间 ( ET) 和时间优势 (TAdv ) 。( 4)基于减速度的各种模型最大减速度 (MaxD) ,减速平安时间 (DST) ,防止碰撞减速度 (DRAC) 和停止距离指数 (SDI) 以上四个指标都是属于基于减速度的换道危险度量参数。最大减速度是指碰撞事件中观察到的最大减速度。 DRAC 是指为防止碰撞事故所需的最小减速度。 SDI 是一种离散测量值，通过 比拟前 车和后车的停车视距 (SSD)来确定给泄的跟车事件是否平安。( 5)基于自然驾驶数据的换道危险评估通过收集连续的、大规模的自然驾驶数据，综合评估驾驶行为与年龄，性别，分心， 使用，或道路状况等因素之间的关系，基于分析实时测取数据，提出不同驾驶风格的换道预警策略。但是 Yannis 提出驾驶员一旦驾驶员意识到他们正在被记录，会经常表现岀不平安的驾驶行为，因此获得自然驾驶数据比拟。此外， vanNes 等人采用观测方法来收集自然驾驶 数据，例如监视交叉 路口，高速公路的某一局部，这在大多数情况下是相对静态的。6基于换道平安距离的模型运动学模型 从换道需求和换道平安性出发，建立多车逍、多车辆最小平安距离模型：基于模糊逻借推理 识別 驾驶意图，采用车头时距进行平安换道建模。换道平安预警距离是指换道车辆从原始车 道向目标 车道进行横向位移前，为了保证换道平安