基于势能场虚拟力的智能网联车辆运动规划

doi:10.19562/j.chinasae.qcgc.2021.04.009

摘要/Abstract

摘要：

传统人工势能场方法存在着纵向运动规划速度振荡、横向运动规划难以实现的问题。本文中建立了人工势能场虚拟力模型，提出了基于势能场虚拟力模型的车辆运动规划方法。通过评估自车与周边车辆的运动状态，生成位置和速度虚拟力，实现无振荡运动轨迹与速度规划。仿真结果表明：该方法能够实现安全、可行、平滑无碰撞的路径规划，并能克服传统势能场运动规划的振荡问题。通过与highD驾驶数据集中的车辆运动轨迹对比，表明基于势能场虚拟力的运动规划与真实交通环境下的运动状态基本相符，具有良好的实用性。

关键词: 智能网联车辆, 运动规划, 势能场, 虚拟力

Abstract:

Traditional artificial potential field method has the problems of speed oscillation in longitudinal motion planning， and difficulty in realization of lateral motion planning. A virtual force model based on artificial potential field is established in this paper and a motion planning method of vehicle based on virtual force model of potential field under intelligent connected traffic environment is proposed. By evaluating the motion state of the vehicle and its surrounding vehicles， a virtual force based on vehicle position and speed is generated， and the driving trajectory and speed planning of non?oscillating car following and lane changing are realized. The simulation results show that the proposed method can achieve safe， feasible and smooth collision?free path planning， and can overcome the oscillation problem in traditional potential field motion planning process. By comparing with the real trajectory in driving dataset of highD， it shows that the motion planning based on the virtual force of potential field is approximately consistent with the data of highD， which demonstrates its practicability.

Key words: intelligent connected vehicle, motion planning, potential field, virtual force

田洪清,丁峰,郑讯佳,黄荷叶,王建强. 基于势能场虚拟力的智能网联车辆运动规划[J]. 汽车工程, 2021, 43(4): 518-526.

Hongqing Tian,Feng Ding,Xunjia Zheng,Heye Huang,Jianqiang Wang. Motion Planning Based on Virtual Force of Potential Field for Intelligent Connected Vehicles[J]. Automotive Engineering, 2021, 43(4): 518-526.

图/表 18

图 1

图 2

图 3

图 4

图 5

图 6

图 7

图 8

图 9

图 10

表 1

图 11

图 12

图 13

表 2

图 14

表 3

图 15

参考文献 18

1	李克强，戴一凡，李升波，等.智能网联汽车（ICV）技术的发展现状及趋势［J］.汽车安全与节能学报，2017，8（1）：1-14.
	LI K Q， DAI Y F， LI S B， et al. State⁃of⁃the⁃art and technical trends of intelligent and connected vehicles［J］. Automotive Safety and Energy，2017，8（1）：1-14.
2	李爱娟，李舜酩，李殿荣.智能车运动轨迹规划中的关键技术研究现状［J］.机械科学与技术，2013，32（7）：1022-1026.
	LI A J， LI S M， LI D R. On the trajectory planning’s key techno⁃logies for intelligent vehicle［J］. Mechanical Science and Techno⁃logy for Aerospace Engineering， 2013，32（7）：1022-1026.
3	HURDUS J， BACHA A，BAUMAN C， et al. The victortango architecture for autonomous navigation in the DARPA urban challenge［J］. Journal of Aerospace Computing Information & Communication， 2008，5（12）：506-529.
4	MECHIOR P， ORSONI B， LAVIALLE O. Consideration of obstacle danger level in path planning using A* and fast marching optimisation： comparative study［J］. Signal Processing， 2003，83（11）：2387-2396.
5	LAVALLE S M， KUFFNER J. Rapidly⁃exploring random trees： progress and prospects［J］. Algorithmic and Computational Robo⁃tics： New Directions， 2001：293-308.
6	PETROV P， NASHASHIBI F. Modeling and nonlinear adaptive control for autonomous vehicle overtaking［J］. IEEE Transactions on Intelligent Transportation Systems，2014，15（4）：1643-1656.
7	HU X， CHEN L， TANG B. Dynamic path planning for autonomous driving on various roads with avoidance of static and moving obstacles［J］. Mechanical Systems and Signal Processing，2018，100（2）：482-500.
8	冀杰，姬鹏，彭和.面向车辆主动避撞的三维虚拟危险势能场设计［J］.汽车工程，2016，38（9）：1065-1071，1079.
	JI J， JI P， PENG H. Design of 3D virtual dangerous potential field for vehicle active collision avoidance［J］. Automotive Engineering，2016，38（9）：1065-1071，1079.
9	修彩靖，陈慧.基于改进人工势场法的无人驾驶车辆局部路径规划的研究［J］.汽车工程，2013，35（9）：808-811.
	XIU C J， CHEN H. A research on localpath planning for autonomous vehicles based on improved APF method［J］. Automotive Engineering， 2013，35（9）：808-811.
10	GONZALEZ D， PEREZ J， MILANES V. A review of motion planning techniques for automated vehicles［J］. IEEE Transactions on Intelligent Transportation Systems，2016，17（4）：1135-1145.
11	GE S， CUI Y J. Dynamic motion planning for mobile robots using potential field method［J］. Autonomous Robots，2002，13（3）： 207-222.
12	MELCHIOR P， METOUI B， POTY A. Attractive force based on fractional potential in dynamic motion planning for mobile robot［C］. ASME 2007 International Design Engineering Technical Conferences and Computers and Information in Engineering Conference. American Society of Mechanical Engineers Digital Collection，2007：1423-1430.
13	MELCHIOR P， ORSONI B， OUSTALOUP A. Weyl fractional potential in path planning［C］. European Control Conference （ECC），2015：1758-1763.
14	MOREAU J， MELCHIOR P， VICTOR S. Path planning with fractional potential fields for autonomous vehicles［J］. IFAC⁃Papers OnLine，2017，50（1）：14533-14538.
15	侯德藻，刘刚，高锋，等.新型汽车主动避撞安全距离模型［J］.汽车工程，2005，27（2）：186-190.
	HOU D Z ， LIU G， GAO F， et al. A new safety distance model for vehicle collision avoidance［J］. Automotive Engineering，2005，27（2）：186-190.
16	DING J， DANG R， WANG J. Driver intention recognition me⁃thod based on comprehensive lane⁃change environment assessment［C］. 2014 IEEE Intelligent Vehicles Symposium Proceedings，2014：214-220.
17	任玥，郑玲，张巍，等.基于模型预测控制的智能车辆主动避撞控制研究［J］.汽车工程，2019，41（4）：404-410.
	REN Y， ZHENG L， ZHANG W， et al. A study on active collision avoidance control of autonomous vehicles based on model predictive control［J］. Automotive Engineering， 2019，41（4）：404-410.
18	KRAJEWSKI R， BOCK J， KLOEKER L. The highD dataset： a drone dataset of naturalistic vehicle trajectories on german highways for validation of highly automated driving systems［C］. 2018 21st International Conference on Intelligent Transportation Systems （ITSC），2018：2118-2125.

仿真参数	数值
整车质量/kg	1 600
前车车速/(m?s^-1)	24
自车车速/(m?s^-1)	26/28/30/32/34/36
初始车距/m	60
采样时间/s	0.1

仿真参数	数值
前车车速/(m?s^-1)	20
自车车速/(m?s^-1)	22/24/26/28/30/32
初始车距/m	60

初速度/(m?s^-1)	最小车距/m	最大曲率/(10^-4?m^-1)	最大横向加速度/(m?s^-2)	车辆最大转角/(o)
22	51.2	2.083	0.23	2.07
24	45.1	2.083	0.23	2.07
26	39.9	2.080	0.28	2.22
28	35.4	2.067	0.51	2.70
30	31.4	2.050	0.81	3.11
32	26.6	2.025	1.22	3.48

[1]	赵晓聪,房世玉,李子睿,孙剑. 社会性驾驶交互关键效用析取与应用[J]. 汽车工程, 2024, 46(2): 230-240.
[2]	刘卫国,项志宇,刘锐,李国栋,王子旭. 基于深度学习的端到端车辆运动规划方法研究[J]. 汽车工程, 2023, 45(8): 1343-1352.
[3]	王明,唐小林,杨凯,李国法,胡晓松. 考虑预测风险的自动驾驶车辆运动规划方法[J]. 汽车工程, 2023, 45(8): 1362-1372.
[4]	冉巍,陈慧,杨佳鑫,西村要介,国朝鵬,尹又雨. 基于效用理论的运动规划奖励函数设计方法[J]. 汽车工程, 2023, 45(8): 1373-1382.
[5]	高锋,冯德福,胡秋霞. 面向NMPC运动规划系统的数值优化加速技术[J]. 汽车工程, 2023, 45(8): 1438-1447.
[6]	林程, 汪博文, 吕沛原, 宫新乐, 于潇. 面向变曲率道路的自动驾驶汽车换道博弈运动规划与协同控制研究[J]. 汽车工程, 2023, 45(7): 1099-1111.
[7]	兰凤崇,刘迎节,陈吉清,刘照麟. 基于动态博弈算法的切入场景下自动驾驶车辆运动规划研究[J]. 汽车工程, 2023, 45(1): 9-19.
[8]	王安杰,郑玲,李以农,王戡. 基于预测风险场的智能汽车主动避撞运动规划[J]. 汽车工程, 2021, 43(7): 1096-1104.
[9]	张一鸣, 周兵, 吴晓建, 崔庆佳, 柴天. 基于前车轨迹预测的高速智能车运动规划^*[J]. 汽车工程, 2020, 42(5): 574-580.