自動駕駛汽車變道的決策及預測控制算法研究

摘要：針對自動駕駛汽車的變道問題，提出一種基于規(guī)則和模型預測控制的自動駕駛汽車變道決策和控制算法。首先建立以后軸中心為原點的車輛運動學模型，并在模型中加入模型與測量的不確定性因素，使之更為接近現(xiàn)實場景。然后完成兩車道車輛變道場景建模，基于預測碰撞時間的概念設計一套適用于車輛變道的決策規(guī)則，自動駕駛汽車能夠通過感知周圍車的狀態(tài)信息實時進行變道判定；利用三次貝塞爾曲線完成車輛的變道路徑規(guī)劃，并使用模型預測控制方法對規(guī)劃的路徑進行軌跡跟蹤，設計代價函數(shù)，將跟蹤控制問題轉化為最優(yōu)控制問題。最后利用MATLAB對算法進行仿真。結果表明，所提變道算法的自動駕駛汽車不僅能夠完成實時變道的任務，還具有一定的抗干擾能力。

關鍵詞：自動駕駛汽車；變道決策；路徑規(guī)劃；模型預測控制；貝塞爾曲線

中圖分類號：U463.6；TP13 文獻標志碼：A doi：10.3969/j.issn.1006-0316.2024.04.006

文章編號：1006-0316 （2024） 04-0034-08

Decision-Making and Predictive Control Algorithms for Lane Changing of Autonomous Vehicles

HE Qian，ZHONG Lei，QIU Jianbin，ZHANG Ziyang，PAN Junlin，WANG Yanhong

（ School of Automobile and Transportation， Chengdu Technological University， Yibin 664000， China ）

Abstract： This paper proposes a rule-based and model-based predictive control decision-making and control algorithm for lane-changing of autonomous vehicles. Firstly， a vehicle kinematics model with the center of the rear axle as the original point is established， and the uncertainty factors of model and measurement are added to the model to make it closer to the real scene. Then the modeling of two-lane vehicle lane changing scenario is completed， and a set of decision rules applicable to vehicle lane changing is designed based on predicting time to collision. The autonomous vehicle is able to make lane changing decision in real time by sensing the status information of the vehicles around. The lane-changing path planning of the vehicle is accomplished using cubic Bessel curves， and the trajectory tracking of the planned path is carried out with the model predictive control method. A cost function was designed to transform tracking control into optimum control. Finally， MATLAB was utilized to simulate the algorithm， and the results show that the autonomous vehicle with the proposed lane changing algorithm is not only capable of completing the task of real-time lane changing， but also has the "anti-interference ability.

Key words：autonomous vehicle；lane change decision-making；path planning；model predictive control；Bessel curves

根據(jù)沃爾沃的一份事故報告，90%的交通事故主要原因是人為操作失誤[1]。由于對周圍交通的不準確估計或非法操縱，變道操縱成為造成各種嚴重高速公路事故的原因。作為汽車領域未來的發(fā)展方向和科技創(chuàng)新前沿，自動駕駛汽車被視為減少交通事故的最可靠途徑[2]。車輛變道決策與控制作為最復雜的自動駕駛任務之一，一直以來都是研究的熱點[3-5]，但其高動態(tài)性和高安全性要求也給研究帶來了挑戰(zhàn)。

自動駕駛技術可大致分為環(huán)境感知模塊、軌跡規(guī)劃模塊和軌跡跟蹤控制模塊。在軌跡規(guī)劃方面，王明等[6]提出一種考慮預測風險的自動駕駛車輛運動規(guī)劃方法，基于圖結構建立了車車之間的交互模型，考慮了預測結果的不確定性風險。黃鵬程等[7]提出一種時空耦合的實時軌跡規(guī)劃方法，能夠使自動駕駛汽車結合橫縱向舒適性、安全性和效用性的多指標評價函數(shù)選擇最優(yōu)軌跡。JIE等[8]通過構造三維虛擬危險勢場，在車輛可能與障礙物發(fā)生碰撞時，規(guī)劃車輛期望的避碰軌跡。彭浩楠等[9]基于貝葉斯概率理論考慮了車道安全性條件概率，提出基于非線性模型預測控制的軌跡規(guī)劃方法。在軌跡跟蹤控制方面，李磊等[10]提出一種改進滑?？刂频聂敯艨刂破?，通過使用時變的誤差模型，提升了控制器的魯棒性。MENG等[11]提出一種自動駕駛系統(tǒng)的滾動時域控制方法，在中央框架下聯(lián)合評估戰(zhàn)術級車道變換決策和控制的加速度。張紫微等[12]考慮前車運動的不確定性，提出一種基于高斯過程的隨機模型預測多目標自適應巡航控制方法，具有良好的工況適應性。QINGYU等[13]開發(fā)了一種具有攻擊性估計的博弈論模型預測控制器，用于處理周圍有多輛車輛存在情況下的強制變道問題。然而，在車輛變道場景下，還沒有一種簡單且高效的決策與規(guī)劃控制算法。

基于此，本文提出一種基于規(guī)則和模型預測控制的車輛變道決策和控制算法。首先建立考慮模型與測量不確定性的車輛運動學模型；然后完成兩車道車輛變道場景建模，基于預測碰撞時間的概念設計一套車輛變道的決策規(guī)則，并利用三次貝塞爾曲線規(guī)劃車輛變道的軌跡，進而利用模型預測控制方法完成車輛的軌跡跟蹤控制；最后利用MATLAB軟件對算法進行仿真驗證。

6 結論

本文提出一種適用于自動駕駛汽車變道的決策和控制算法，建立了兩車道車輛變道場景，設計了一套車輛變道的規(guī)則，然后基于貝塞爾曲線規(guī)劃變道路徑，最后利用模型預測控制完成了路徑跟蹤。本算法具有簡潔高效等優(yōu)點，適用于自動駕駛汽車完成變道動作，而且具有一定的抗干擾能力。后續(xù)將聚焦于自動駕駛汽車在不確定駕駛環(huán)境下的變道以及連續(xù)變道，并進一步對算法進行優(yōu)化。

參考文獻：

[1]JONGSANG S，HEUNGSEOK C，KYONGSU Y. Stochastic model-predictive control for lane change decision of automated driving vehicles[J]. IEEE Transactions on Vehicular Technology，2018，67（6）：4771-4782.

[2]VICTOR G L，F(xiàn)RANK L L，MUSHUANG L，et al. Game-theoretic lane-changing decision making and payoff learning for autonomous vehicles[J]. IEEE Transactions on Vehicular Technology，2022，71（4）：3609-3620.

[3]都業(yè)銘. 基于Transformer的車輛軌跡預測及變道意圖識別方法研究[D]. 長春：吉林大學，2023.

[4]何圭波. 基于多目標評價的智能網(wǎng)聯(lián)汽車換道軌跡規(guī)劃和跟蹤控制算法研究[D]. 青島：青島理工大學，2023.

[5]韓海洋. 變道場景下的自動駕駛車輛軌跡規(guī)劃算法研究[D]. 長春：吉林大學，2023.

[6]王明，唐小林，楊凱，等. 考慮預測風險的自動駕駛車輛運動規(guī)劃方法[J]. 汽車工程，2023，45（8）：1362-1372，1407.

[7]黃鵬程，裴曉飛，周洪龍，等. 基于多指標耦合的自動駕駛汽車實時軌跡規(guī)劃算法[J]. 汽車安全與節(jié)能學報，2023，14（4）：480-487.

[8]JIE J，AMIR K，WAEL W M，et al. Path planning and tracking for vehicle collision avoidance based on model predictive control with multiconstraints[J]. IEEE Transactions on Vehicular Technology，2017，66（2）：952-964．

[9]彭浩楠，唐明環(huán)，查奇文，等. 自動駕駛汽車雙車道換道最優(yōu)軌跡規(guī)劃方法[J]. 吉林大學學報（工學版），2022，52（12）：2852-2863.

[10]李磊，李軍，張世義. 搭載改進滑模控制的自動駕駛汽車軌跡跟蹤控制[J]. 汽車安全與節(jié)能學報，2020，11（4）：503-510.

[11]MENG W，SERGE P H，WINNIE D，et al. Game theoretic approach for predictive lane-changing and car-following control[J]. Transportation Research Part C，2015（58）：73-92.

[12]張紫微，鄭玲，李以農(nóng)，等. 考慮前車運動不確定性的多目標自適應巡航控制[J]. 汽車工程，2023，45 （3）：361-371.

[13]QINGYU Z，REZA L，H ERIC T，et al. A game theoretic model predictive controller with aggressiveness estimation for mandatory lane change[J]. IEEE Transactions on Intelligent vehicles，2022，5（1）：75-89.

[14]ZHANG J W. C-Bézier curves and surfaces[J]. Graphical Models and Image Processing，1999，61（1）：2-15.