11基于车辆稳态动力学特性的汽车动态轨迹规划

基于此假设进行交通车轨迹预估， 如图 3 所 示， 以主车规划时刻质心为坐标原点， 主车行驶方 向为 x 轴的笛卡尔坐标系下， 进行交通车轨迹预 估。 交通车的轨迹估算基于简单的物体运动模型
图2 Fig． 2
轨迹规划模块 Fig． 3
图3
交通车轨迹预估示意图
Trajectory planning block
态轨迹规划算法。该算法在交通车轨迹预估基础上建立搜索空间， 利用车辆稳态动力学模型作为轨迹发生 器， 在搜索空间中对轨迹发生器产生的轨迹进行评价， 根据驾驶意图和优化条件选择最优轨迹 。采用基于最 优加速度预瞄理论的轨迹跟踪算法， 建立了七自由度车辆动力学模型， 并在 Simulink 环境下搭建仿真平台， 进 行超车仿真实验。实验结果表明该算法可行 、 有效。 关键词： 驾驶辅助系统； 动态轨迹规划； 车辆动力学； 轨迹决策； 轨迹跟踪 中图分类号： U461． 99 文献标志码： A 文章编号： 1001 － 2486 （ 2013 ） 06 － 0171 － 06
汽车轨迹规划技术是实现汽车智能辅助系统 的关键技术之一， 具有重要的研究价值和意义。 汽车轨迹规划的目的是找到一条从初始点到目标 ［1 ］ 点的安全轨迹， 并满足所有约束条件 。 从轨迹 规划的角度来看， 汽车属于轮式机器人的一种， 因 此机器人领域的轨迹规划方法具有一定的借鉴意 义。但是， 与移动机器人相比， 汽车轨迹规划问题 具有很多不同。 第一， 汽车行车环境的主要参与 物是车辆， 速度较高， 所以汽车轨迹规划是在高动 态环境下的动态规划， 并且每个规划周期的终点 状态无法预知。 第二， 汽车行车环境多为结构化 环境， 车道线与道路边界线均为汽车轨迹规划的 。 约 束 第 三，汽 车 转 向 几 何 关 系 必 须 满 足 Ackerman 转向约束， 使得汽车本身为非完整约束 系统， 且由于汽车速度较高， 车辆动力学特性对轨 迹规划产生的影响也不可忽视。 第四， 汽车作为 交通参与物的组成部分， 规划轨迹必须满足交通 法规的要求。
· 172·
国防科技大学学报
第 35 卷
1
整体方案描述
2
2． 1
车辆动态轨迹规划
交通车轨迹预估以及搜索空间建立
设 本文介绍的轨迹规划方法采用“模块化 ” 计思想， 根据功能进行模块划分和设计， 如图 1 所 。“汽车行驶环境模块 ” 示 包含道路信息， 如车道 ； “交通车辆模块 ” 宽度、 车道数目、 路面附着系统 ； “轨迹规划模块 ” 预估交通车状态 在每次规划周 期开始时获得当前时刻下的主车以及相关交通信 ； “轨迹跟随控制模块 ” 息并进行轨迹规划 接受规 划轨迹并产生方向盘转角、 油门开度、 制动踏板角 ； “车辆动力学模块 ” 度等控制信号 接受到控制信 号后产生相应的响应， 即实际轨迹； 主车状态在规 划周期开始时实时更新。
（ 4） Y t = Y0 ± u
同理， 可以将所有感兴趣交通车未来任意时 刻的位置投影到该坐标系下， 如图 4 ， 所有预估轨 “时间”与 “空间 ”信息的主 迹共同组成同时包含 车轨迹规划搜索空间。 通过这样的方式， 在一个规 划周期内， 将动态环境的时间变量转化为静态环 境的空间变量。
L（ 1 + Ku ） uδ 1 － sin t uδ L（ 1 + Ku2 ） uδ t L（ 1 + Ku2 ）
对汽车行驶交通环境中交通参与物位置和运 动状态的估计是进行汽车轨迹规划的前提 ， 也是 保障汽车安全行驶的关键。交通车的动力学可用 下式表达： = f（ x（ t） ， x u（ t） ） （ 1） u 为交通车的连续输入， 上式中 x 是状态变量， 所 以在 t = r 时刻下， 车辆状态为 x（ r） = x（ 0 ） + u（ τ） ） dτ ∫ f（ x（ τ） ，
0 r
（ 2）
虽然通过适当传感可以获取交通车当前时刻 u（ t） ） 也 且状态方程 f（ x（ t） ， 的初始状态值 x（ 0 ） ， 可通过经验获得， 但状态方程的输入 u（ t） ∈ U（ U 所以未来的行驶轨 为外界输入集合 ） 无法确定， 迹并不确定， 因此估算交通车的行驶轨迹只有概 率和统计上的意义。 然而在实际情况下， 大多数车 在大多数时候遵循基本的交通行驶模式 ， 因此本 文中合理地假定交通车保持当前状态 （ 速度和方 向） 不变， 并在此前提下对其未来轨迹进行估算 ， 如式（ 3 ） 。 很显然轨迹估算的周期越短， 该假设也
Illustration of traffic vehicle trajectory prediction
第6 期
等： 基于车辆稳态动力学特性的汽车动态轨迹规划 孙浩，
· 173·
获得。 首先， 通过“采样 ”将不同时刻交通车的位 置投影到道路网格中。 则未来任意时刻交通车在 该坐标系下的坐标均可以由式 （ 4 ） 确定。 式 （ 4） 得出该交通车在未来任意时刻所占据的空间 位置。
图4 Fig． 4
安全轨迹示意图
最小二乘辨识方法获得。 k2 ） = v err （ k1 ， k2 ） = ω err （ k1 ， k1 ， k2 ） δ， ∑ （ f（ u， k1 ， k2 ） δ， ∑ （ g（ u， － f carsim ）
2
Illustration of safe trajectory
第 35 卷 第 6 期 2013 年 12 月
国 防 科 技 大 学 学 报 JOUＲNAL OF NATIONAL UNIVEＲSITY OF DEFENSE TECHNOLOGY
Vol． 35 No． 6 Dec． 2013
基于车辆稳态动力学特性的汽车动态轨迹规划 *
孙 浩， 张素民
( 吉林大学 汽车仿真与控制国家重点实验室， 吉林 长春 130022 ) 摘 要： 针对高动态环境下驾驶辅助系统（ ADAS ） 的轨迹规划问题， 提出基于车辆稳态动力学特性的动
Dynamic trajectory planning based on vehicle steady dynamics
SUN Hao ，ZHANG Sumin
（ State Key Laboratory of Automobile Simulation and Control ，Jilin University，Changchun 130022 ， China） Abstract： A dynamic trajectory planning algorithm based on vehicle steadystate dynamics for driver assistance systems （ ADAS ） under high dynamic environment is proposed． The algorithm built a ＇search space＇on the basis of traffic vehicle trajectory prediction and used the vehicle steadystate kinetic model as a trajectory generator． Every trajectory produced by the generator was evaluated in the search space and the optimal trajectory under optimal conditions was selected． In order to realize the closedloop dynamic simulation ，the corresponded trajectory tracking algorithms and vehicle dynamics model were also proposed． A simulation platform under Simulink environment was built for simulation tests． The results show that in the intelligent overtaking test case，the proposed algorithm is able to overtake safely and to meet the needs of intelligent assistance systems． Key words： ADAS； dynamic trajectory planning； vehicle dynamics； trajectory decision making； trajectory tracking
若任意时刻、 任意交通车， 对于规划轨迹 L， 均有 HL （ ti ） ∩ Tj （ ti ） = O （ 5）
Ｒ =
u ωr
（ 8）
Y0 ， 若车辆初始位置为 X0 ， θ0 ， 那么在 t 时刻 后， 车辆的状态可以解析地表达为： X t = X0 + u L（ 1 + Ku2 ） uδ cos t uδ L（ 1 + Ku2 ）
2
{y
x ti = x t0 + v tx × t i
ti
(
)
（ 9）
= y t0 + v ty × t i
收稿日期： 2013 － 04 － 02 基金项目： 国家自然基金资助项目（ 51175215 ） Email： sunhao0913@ gmail． com； 作者简介： 孙浩（ 1988 —） ， 男， 山东聊城人， 博士研究生， Email： suminzhang@ 163． com 张素民（ 通信作者） ， 男， 讲师， 博士，
{
[
]}
（ 10 ） θ t = θ0 ± （ 11 ）

该解析表达式表达的是汽车在给定速度下， 对应于不同的转角输入其运动学的响应 ， 可以较 为准确地反映车辆的运动轨迹， 而且数值计算效 率高、 实时性好。 2． 2． 2 模型参数识别 k2 ， 稳态动力学模型存在参数 k1 、 在实车以及 k2 不仅仅是前轮、 k1 、 后轮的 主流动力学模型中， 侧偏刚度， 通常无法直接给出， 需要经过参数识别 得出。 本文利用 Carsim 稳态转向实验数据， 通过