[发明专利]基于多目标轨迹规划的自动驾驶换道方法、装置及介质

说明书

本发明公开了一种基于多目标轨迹规划的自动驾驶换道方法、装置及介质，其中方法包括：构建碰撞风险模型和通行效率模型；获取不同交通场景的车道集，根据车道集、碰撞风险模型和通行效率模型构建多目标规划模型；获取优化目标，根据优化目标对多目标规划模型进行求解，获得pareto解集；对比多种模式的pareto解集，确定目标车道；获取所述目标车道对应的路径集，根据路径集生成平滑路径，作为局部轨迹规划的指引线；根据指引线生成局部轨迹，根据局部轨迹实现自动驾驶换道。本发明提出轨迹规划的多目标优化，构建轨迹规划的多目标优化问题，针对多目标同时进行优化、得到最优路径解集，可广泛应用于车辆自动驾驶决策和轨迹规划领域。

技术领域

本发明涉及车辆自动驾驶决策和轨迹规划领域，尤其涉及一种基于多目标轨迹规划的自动驾驶换道方法、装置及介质。

背景技术

无人驾驶作为可能改变人类出行方式的重要研究方向，综合了各个学科的前沿技术，有望促进包含感知设备、车载智能、智慧通信等高新产业的快速发展。无人驾驶或将极大的方便人们的出行、解放驾驶者的双手，并给没有驾驶能力的人提供了便捷出行的可能。在人为疏忽造成交通事故的情况下，机器能更加精确以减少事故的发生，从而保证了人们出行的安全性。比如自动泊车技术将减少停车过程中的磕碰、主动刹车将一定程度上减少追尾事故的。安全事故的减少与根据前方路段车辆密集程度而更改路径将有利于缓解交通拥堵情况，拥堵的减少与无人驾驶系统剔除人们不正确的驾驶习惯、优化加减速过程，将有利于减少排放与能源的消耗。随着共享经济的发展，无人驾驶租车服务有望成为新兴行业，不再需要到租车点租车或打车，将大大节省人力成本。

无人驾驶各项关键技术很多涉及到同时考虑多个优化目标，提高某个目标函数值的性能时会引起其他一个或多个目标函数值的衰退，这几个目标之间往往是互斥的。在优化方法中采用单目标优化，或是加权的多目标优化，未能从本质体现出各个目标间的耦合关系，此类方法处理多目标问题，存在无法消除目标间的相互影响、不能反映优化目标的真实情况、加权系数难以合理选择等缺陷。

无人驾驶中的轨迹规划本质上是多目标问题，但是目前尚缺少一种考虑多目标优化思想来解决该问题的技术方案。

发明内容

为至少一定程度上解决现有技术中存在的技术问题之一，本发明的目的在于提供一种基于多目标轨迹规划的自动驾驶换道方法、装置及介质。

本发明所采用的技术方案是：

一种基于多目标轨迹规划的自动驾驶换道方法，包括以下步骤：

以自动驾驶车辆的目标行驶路线为研究对象，构建基于动态障碍物的碰撞风险模型和通行效率模型；

获取不同交通场景的车道集，根据车道集、碰撞风险模型和通行效率模型构建多目标规划模型；

获取优化目标，根据优化目标对多目标规划模型进行求解，获得满足多目标优化、多模式的pareto解集；

对比多种模式的pareto解集，确定目标车道；

获取所述目标车道对应的路径集，根据路径集生成平滑路径，作为局部轨迹规划的指引线；

根据指引线生成局部轨迹，根据局部轨迹实现自动驾驶换道。

进一步地，所述以自动驾驶车辆的目标行驶路线为研究对象，包括：

根据车辆的航行点，获取基准线，根据基准线获取样条曲线；

将样条曲线参数化为弧长，对样条曲线中所有线段的弧长进行数值计算：