自动驾驶车辆四点转弯轨迹规划方法

摘要

自动驾驶车辆四点转弯轨迹规划方法，自动驾驶车辆沿道路中心线行驶，进入交叉路口后进行转弯操作；自动驾驶车辆的车载计算机通过网络配置单元的5G网络接收服务器的高精度导航地图信息，结合车载传感器模块获取当前车辆的XY坐标和道路中心线的XY坐标，计算转弯起始点和终止点坐标；通过数据分析系统获取驾驶行为参数，计算转弯控制点坐标；由轨迹规划模块生成备选类人驾驶轨迹曲线，通过数值优化方法，在满足约束条件下，选择使得舒适度目标函数最大的轨迹作为自动驾驶车辆的最终行驶轨迹，由车辆控制模块执行行驶轨迹使得车辆完成转弯动作。本发明在交叉路口场景下实现自动驾驶车辆安全、高效、舒适的转弯轨迹规划。

权利要求

1.自动驾驶车辆四点转弯轨迹规划方法，其特征在于：自动驾驶车辆在车道上行驶期间，控制模块将自动驾驶车辆的运动约束为沿着行驶车道中心线的轨迹行驶；基于高精度地图导航数据和/或传感器数据，自动驾驶车辆已经确定其正在沿着行驶车道进入交叉口并准备右转，车辆将沿类人驾驶转弯轨迹曲线行驶至目标车道中心线，完成车辆转弯；

包括有以下步骤：

由四点转弯轨迹模型生成类人驾驶转弯轨迹需要先确定四个点的坐标，转弯起始点P0的坐标(x0,y0)、转弯终止点P3的坐标(x3,y3)、转向控制点P1的坐标(x1,y1)、转向控制点P2的坐标(x2,y2)；其中P0和P1位于行驶车道中心线及其延长线上，P2和P3位于目标车道中心线及其延长线上，由四个点的坐标计算点之间的欧氏距离长度；

转弯起始点P0与转向控制点P1的间距：

转弯终止点P3与转向控制点P2的间距：

转弯起始点P0与转弯终止点P3的间距：

为减小转弯轨迹坐标的计算量，以转弯起始点P0为原点，建立以P0和P3的延长线为X轴，经P0点与X轴垂直的延长线为Y轴的平面笛卡尔坐标系；其中 位于行驶车道中心线的延长线上，则四点坐标可表示为：其中，α为 与 的夹角，β为 与 的夹角；取值需要根据高精度地图中交叉口的几何形状进行计算；

将四点坐标带入基于三阶贝塞尔曲线的转弯轨迹模型：

3 2 2 3

P(τ)＝P0(1‑τ) +3P1τ(1‑τ) +3P2τ(1‑τ)+P3ττ∈[0,1]；

可得四点转弯轨迹模型如下：

由数据分析系统根据大量车辆转弯轨迹分析得出d1、d2、d3的取值分布率；根据高精度地图中交叉口的几何形状计算α、β；将上述数据代入四点转弯轨迹模型即可生成大量符合人类驾驶习惯的类人驾驶转弯轨迹曲线；

通过四点转弯轨迹模型生成大量类人驾驶转弯轨迹曲线后，还需要经过数值优化算法得到满足约束条件且使得目标函数最优的转弯轨迹，将其作为自动驾驶车辆的转弯轨迹，使得自动驾驶车辆完成转弯；

数据分析系统根据大量车辆转弯轨迹分析得出d1、d2、d3的取值分布率后可计算得到符合人类驾驶习惯的转向控制点P1、转向控制点P2坐标，使用插值曲线方法在转弯起始点P0和终止点P3生成如图中虚线所示的多条类人驾驶转弯轨迹曲线；为了有效地进行数值优化计算，将自动驾驶车辆的车身表示为两个分别与车头和车尾相切相交的圆形，两个圆形的半径长度均为rveh，圆心连线的中点表示为车身的形心；

转弯轨迹曲线需要满足道路几何约束、障碍物约束、动力学约束、初始状态和终止状态约束；

(1)道路几何约束可以包括从车辆到开放道路边界的距离、可接近车行道和路缘的尺寸；从高精度地图导航系统中获取道路边界的坐标集合R，则车辆轨迹坐标点(xav,yav)与R内的点坐标之间的欧式距离dvr需要满足道路几何约束如下：表示自动驾驶车辆轨迹不得碰撞道路边界、不得驶出车道；

(2)障碍物约束包括与一个或多个建筑物、护栏、停放的汽车等固定障碍物的约束，也包括与诸如汽车和移动行人的移动障碍物的约束；从车载传感器模块中提取固定障碍物的坐标，并确定移动障碍物在某个稍后的时间点的预测位置，可以将这些障碍物约束建模为用于数值优化算法的矩阵和向量；

为了简化计算，可将障碍物表示为多个与边缘相切的同半径的圆形，圆形的半径即为robs，如同所示，车头和车尾与周围障碍物之间的欧式距离dff、dfr、drf、drr需要满足的障碍物约束如下：dff≥rveh+robs

dfr≥rveh+robs

drf≥rveh+robs

drr≥rveh+robs；

表示自动驾驶车辆需要与障碍物保持安全距离，避免碰撞；

(3)动力学约束包括最大转向角、路段限速、最大转弯速度、最大加速度等，用于动力学约束的计算；可从数据分析系统、车载传感器模块和数据存储模块中获取所需数据，根据自动驾驶车辆轨迹计算得到的轨迹曲率κ、车辆速度v、车辆加速度a需要满足下列动力学约束：其中δmax表示车辆最大前轮偏角/转向角，L表示车辆轴距，具体数值与车辆固有属性相关，从数据存储模块中获取；表示自动驾驶车辆行驶受到车辆自身物理结构限制，不能损伤车辆结构；

其中μ为路面摩擦系数，alat为车辆的最大横向加速度，具体数值与路面材料、天气状况相关，由数据分析系统与车载传感器模块提供；该约束表示自动驾驶车辆转弯时需要避免发生侧滑；

vmax(κ)≤vr,max；

vr,max为车辆所在路段的限速值，具体数据由高精度导航地图系统提供；表示自动驾驶车辆需要遵守交通规则，避免超速行驶；

amax为车辆的最大加速度，为车辆的固有属性，与车辆的动力系统相关，从数据存储模块中获取；表示自动驾驶车辆不能超功率行驶；

(4)初始状态和终止状态约束包括起始点和终止点的曲率、起始点的速度和加速度的约束计算，可从车载传感器模块中获取自动驾驶车辆的速度、加速度等数据；为了自动驾驶车辆运行的平稳舒适，自动驾驶车辆轨迹的起始曲率κ(0)与终止曲率κ(1)、车辆起始速度v(0)、车辆起始加速度a(0)需要满足下列约束：v(0)＝v0

a(0)＝a0

其中，v0为车辆行驶至转弯起始点P0处的车辆速度，a0为车辆行驶至转弯起始点P0处的车辆加速度；k(0)和k(1)表示车辆在转弯前后需要保持行驶的平稳度、舒适度；

为了判断满足约束的车辆轨迹是否能使得自动驾驶车辆安全、高效、舒适地完成转弯，而且为了选出最优的轨迹作为自动驾驶车辆的转弯轨迹，需要建立代表驾驶舒适性和通行效率的目标函数；

目标函数由两部分组成：f＝fsoft+feff；

(1)以轨迹曲率衡量轨迹的平滑度，以加速度衡量驾驶的舒适度；

ax,i,ay,i分别表示自动驾驶车辆在第i时刻的X轴方向和Y轴方向加速度；jx,i,jy,i分别表示自动驾驶车辆轨迹在第i时刻的X轴方向和Y轴方向曲率；

(2)以轨迹长度衡量通行效率，驾驶员倾向于选择最短的距离；

vx,i,vy,i分别表示自动驾驶车辆在第i时刻的X轴方向和Y轴方向速度；

求得使得目标函数f最小的轨迹即为最优轨迹，将该轨迹作为自动驾驶车辆的转弯轨迹，使得自动驾驶车辆转弯。

说明书

自动驾驶车辆四点转弯轨迹规划方法

技术领域

[0001] 本发明涉及自动驾驶相关技术领域，具体来讲涉及的是一种自动驾驶车辆四点转弯轨迹规划方法。

背景技术

[0002] 近年来，自动驾驶作为汽车产业与人工智能、物联网、高性能计算等新一代信息技术与交通运输行业融合发展的产物，已经成为全球新一轮的科技创新和产业变革的重要领域，成为各国争抢的战略制高点。发达国家和地区高度重视自动驾驶技术在提升国家竞争力中的作用，持续优化法规政策环境，鼓励自动驾驶技术研发和应用。

[0003] 交叉路口转弯轨迹规划与决策，对于车辆的安全性、通行效率至关重要，是当前国内外的科研热点、难点。交叉路口作为一个典型的交通场景，是道路网络中的重要组成部分。交叉路口与其他道路结构的主要区别在于交叉路口处的冲突点较多，导致车辆之间发生碰撞的可能性更大，安全事故频发。

[0004] 经调查，发生事故的主要原因是驾驶员对其他车辆的位置、速度和意图的估计不准确。除安全事故频繁外，交叉路口也是影响交通通行效率的重要瓶颈，交叉路口的拥堵给世界各地带来了巨大的经济损失和环境污染。由于交叉路口的复杂性和危险性，在交叉路口下自动驾驶汽车(AV)的实时规划和决策是一项具有挑战性的任务。

[0005] 从国内外的研究现状看，自动驾驶车辆转弯轨迹规划方法主要有四类：插值曲线规划、抽样规划、图搜索、数值优化方法。

[0006] 综合考虑算法优缺点后，这些算法存在问题：1、需要大量数据拟合优化；2、不具有普适性；3、模型复杂计算成本高；4、轨迹不连续、不平滑；5、无法反映真实驾驶行为。

[0007] 针对上述问题，本发明在此提供了一种自动驾驶车辆四点转弯轨迹规划方法。

发明内容

[0008] 因此，为了解决现有的方法存在的问题和不足，本发明在此提供了一种自动驾驶车辆四点转弯轨迹规划方法，在交叉路口场景下实现自动驾驶车辆安全、高效、舒适的转弯轨迹规划。

[0009] 本发明从改进与优化的角度，需要解决的关键点如下：

[0010] 1、应能够处理复杂的交叉场景；

[0011] 2、应使自主车辆与其他交通参与者始终保持安全距离；

[0012] 3、应避免过于保守的行为，避免发生拥塞、死锁；

[0013] 4、模型应具有良好的泛化特性，体现不同驾驶员行为；

[0014] 5、应能够适应各种形状的交叉路口；

[0015] 6、应实时运行，以适应交叉路口快速变化的环境。

[0016] 本发明解决其技术问题所采用的技术方案是：

[0017] 自动驾驶车辆四点转弯轨迹规划系统，自动驾驶车辆(AV)沿道路中心线行驶，进入交叉路口后进行转弯操作；自动驾驶车辆(AV)的车载计算机通过网络配置单元的5G网络接收服务器的高精度导航地图信息，结合车载传感器模块获取当前车辆的XY坐标和道路中心线的XY坐标，计算转弯起始点和终止点坐标；通过数据分析系统获取驾驶行为参数，计算转弯控制点坐标；由轨迹规划模块生成备选类人驾驶轨迹曲线，通过数值优化方法，在满足约束条件下，选择使得舒适度目标函数最大的轨迹作为自动驾驶车辆(AV)的最终行驶轨迹，由车辆控制模块执行行驶轨迹使得车辆完成转弯动作；

[0018] 系统包括有：

[0019] 自动驾驶车辆(AV)，自动驾驶车辆(AV)指可配置成处于自动驾驶模式下的车辆，在自动驾驶模式下，在极少或没有来自驾驶员输入的情况下控制车辆行驶；自动驾驶车辆(AV)可用来完成在手动模式、全自动驾驶模式或者在部分自动驾驶模式下的车辆操作；自动驾驶车辆(AV)包括有车载传感器模块、车辆控制模块、轨迹规划模块、车载通信模块、用户接口模块、数据存储模块；

[0020] 网络配置单元，网络配置单元可通过5G网络通信地联接到一个或多个服务器的自动驾驶车辆；

[0021] 服务器，服务器通过采集大量自动驾驶车辆端的数据并为各种客户执行数据分析服务，可通过5G网络将用户所需数据传输到自动驾驶车辆的车载通信模块；服务器可是任何类型的服务器或服务器群集，服务器包括有数据收集器、高精度地图导航系统、数据分析系统。

[0022] 一种自动驾驶车辆四点转弯轨迹规划方法，包括有以下步骤：

[0023] 由四点转弯轨迹模型生成类人驾驶转弯轨迹需要先确定四个点的坐标，转弯起始点P0的坐标(x0,y0)、转弯终止点P3的坐标(x3,y3)、转向控制点P1的坐标(x1,y1)、转向控制点P2的坐标(x2,y2)；其中P0和P1位于行驶车道中心线及其延长线上，P2和P3位于目标车道中心线及其延长线上，由四个点的坐标计算点之间的欧氏距离长度；

[0024] 转弯起始点P0与转向控制点P1的间距：

[0025] 转弯终止点P3与转向控制点P2的间距：

[0026] 转弯起始点P0与转弯终止点P3的间距：

[0027] 为减小转弯轨迹坐标的计算量，以转弯起始点P0为原点，建立以P0和P3的延长线为X轴，经P0点与X轴垂直的延长线为Y轴的平面笛卡尔坐标系；其中 位于行驶车道中心线的延长线上，则四点坐标可表示为：

[0028]

[0029] 其中，α为 与 的夹角，β为 与 的夹角；取值需要根据高精度地图中交叉口的几何形状进行计算；

[0030] 将四点坐标带入基于三阶贝塞尔曲线的转弯轨迹模型：

[0031] P(τ)＝P0(1‑τ)3+3P1τ(1‑τ)2+3P2τ2(1‑τ)+P3τ3τ∈[0,1]；

[0032] 可得四点转弯轨迹模型如下：

[0033] τ∈[0,1]；

[0034] 由数据分析系统根据大量车辆转弯轨迹分析得出d1、d2、d3的取值分布率；根据高精度地图中交叉口的几何形状计算α、β；将上述数据代入四点转弯轨迹模型即可生成大量符合人类驾驶习惯的类人驾驶转弯轨迹曲线。

[0035] 本发明和现有技术相比，其优点在于：

[0036] 优点1、采用基于四个参照点的贝塞尔曲线轨迹模型，以转向起始点、终止点和两个控制点的坐标即可生成适应各种形状的交叉路口的平滑连续的类人驾驶轨迹曲线，使自动驾驶车辆转弯轨迹更贴近真实人类驾驶。

[0037] 优点2、采用数值优化算法的横向轨迹规划模型，综合考虑人车路之间的关系，根据驾驶场景优化车辆轨迹，在多种约束条件下，计算满足目标函数的最优轨迹，保障自动驾驶车辆转弯的安全、高效与舒适。

[0038] 本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

[0039] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还以根据这些附图获得其他的附图。

[0040] 图1是本发明交叉路口车辆四点转弯轨迹规划流程图；

[0041] 图2是本发明自动驾驶车辆网络化系统框图；

[0042] 图3是本发明自动驾驶车辆车载传感器模块示意图；

[0043] 图4是本发明自动驾驶车辆控制模块示意图；

[0044] 图5是本发明自动驾驶车辆轨迹规划模块示意图；

[0045] 图6是本发明自动驾驶车辆交叉路口转弯轨迹示意图；

[0046] 图7是本发明自动驾驶车辆交叉路口最优转弯轨迹示意图。

具体实施方式

[0047] 下面将参照附图更详细地描述本发明公开的示例性实施例，这些实施例是为了能够更透彻地理解本发明，并且能够将本发明公开的范围完整的传达给本领域的技术人员。虽然附图中显示了本发明公开的示例性实施例，然而应当理解，本发明而不应被这里阐述的实施例所限制。

[0048] 一种自动驾驶车辆四点转弯轨迹规划系统，该系统用于自动驾驶车辆(AV)的自动驾驶系统，如果AV确定它正在接近交叉路口需要进行转弯，则AV可以切换到自动驾驶模式，AV可以执行四点转弯以使AV安全、高效、舒适地完成转弯动作。

[0049] 自动驾驶车辆(AV)沿道路中心线行驶，进入交叉路口后进行转弯操作。首先车载计算机通过5G网络接收高精度导航地图信息，结合车载传感器模块获取当前车辆的XY坐标和道路中心线的XY坐标，计算转弯起始点和终止点坐标。通过数据分析系统获取驾驶行为参数，计算转弯控制点坐标。由轨迹规划模块生成备选类人驾驶轨迹曲线，通过数值优化方法，在满足约束条件下，选择使得舒适度目标函数最大的轨迹作为AV的最终行驶轨迹，由车辆控制模块执行行驶轨迹使得车辆安全、高效、舒适地完成转弯动作。

[0050] 图2是本发明自动驾驶车辆网络化系统框图。

[0051] 网络配置单元包括可通过5G网络通信地联接到一个或多个服务器的自动驾驶车辆。尽管示出一个自动驾驶车辆，但多个自动驾驶车辆可通过5G网络联接到彼此和/或联接到服务器。服务器可以是任何类型的服务器或服务器群集，诸如，数据收集器、高精度地图导航系统、数据分析系统等。

[0052] 自动驾驶车辆(AV)是指可配置成处于自动驾驶模式下的车辆，在所述自动驾驶模式下车辆在极少或没有来自驾驶员的输入的情况下控制车辆行驶。这种自动驾驶车辆可包括车载传感器模块、车辆控制模块、轨迹规划模块、车载通信模块、用户接口模块、数据存储模块等软硬件结合体，用来完成在手动模式、全自动驾驶模式或者在部分自动驾驶模式下的车辆操作。

[0053] 车载通信模块支持自动驾驶车辆内部的模块之间、车辆内部的模块与其它车辆外部系统之间的通信。例如，可使用CAN总线在各模块之间进行数据通信，可以使用任何蜂窝通信网络或无线局域网(WLAN)与一个或多个传感器装置直接无线通信，也可使用红外链路、蓝牙等装置(例如，乘客的移动装置、显示装置、车辆内的扬声器)直接通信，或者通过5G基站与服务器进行无线通信。

[0054] 用户接口模块可以是在自动驾驶车辆内实施的外围装置的部分，例如触摸显示屏、键盘、麦克风和扬声器等。作为乘客的用户可由用户接口模块来指定行程的起始位置和目的地，由车载通信模块将获得的行程路线相关数据传输给轨迹规划模块。例如，可从服务器中的高精度地图导航中获得车辆路线信息、从车载传感器模块中的GPS模块获取车辆位置信息，此类信息可本地高速缓存在数据存储模块中。

[0055] 数据存储模块允许其他模块输入与读取数据，存储的数据包括：地图与位置信息、驾驶/交通规则、算法/模型、车辆固有属性等。数据存储模块由机器可读介质构成，包括用于以机器(例如，计算机)可读的形式存储信息的任何机构。例如，机器可读(例如，计算机可读)介质包括机器(例如，计算机)可读存储介质(例如，只读存储器(“ROM”)、随机存取存储器(“RAM”)、磁盘存储介质、光存储介质、闪存存储器装置)。

[0056] 图3是本发明自动驾驶车辆车载传感器模块示意图。如图3所示，车载传感器模块由多种传感器组成，包括但不限于一个或多个车载摄像机、全球定位系统(GPS)、惯性测量单元(IMU)、毫米波雷达单元以及激光雷达单元。

[0057] 计算机视觉单元可使用包括用来采集自动驾驶车辆周围环境的图像的一个或多个装置来采集数据。摄像机可以是静物摄像机和/或视频摄像机。摄像机可以是可机械地移动的，例如，通过将摄像机安装在旋转和/或倾斜平台上。

[0058] 计算机视觉单元内置的系统软件处理并分析由一个或多个摄像机采集的图像，从而识别自动驾驶车辆环境中的对象和/或特征。所述对象可包括交通信号、交通标志、道路边界、其它车辆、行人和/或其他障碍物等。计算机视觉单元内置的系统软件可使用对象识别算法、视频跟踪以及计算机视觉技术。计算机视觉系统可绘制环境地图，跟踪对象，以及估算对象的速度等。

[0059] GPS单元可包括收发器，所述收发器可操作以提供关于自动驾驶车辆的位置的信息。

[0060] IMU单元可基于惯性加速度来感测自动驾驶车辆的位置和定向变化。

[0061] 毫米波雷达单元可表示利用毫米波来探测自动驾驶车辆的周围环境内的对象的系统，还以探测对象的速度和/或前进方向。

[0062] 激光雷达单元可使用激光来感测自动驾驶车辆所处环境中的对象的距离、大小信息。除其它系统部件之外，激光雷达单元还包括一个或多个激光源、激光扫描器以及一个或多个检测器。

[0063] 车载传感器模块还包括其它传感器，例如：超声波传感器、红外传感器、转向传感器、油门传感器、制动传感器以及音频传感器(例如，麦克风)。音频传感器可配置成从自动驾驶车辆周围的环境中采集声音。转向传感器可配置成感测方向盘、车辆的车轮或其组合的转向角度。油门传感器和制动传感器分别感测车辆的油门位置和制动位置。在一些情形下，油门传感器和制动传感器可集成为集成式油门/制动传感器。在一些具体实施方案中，车载传感器模块的传感器可以任何组合，用于收集自动驾驶车辆及其周围的环境数据。

[0064] 图4是本发明自动驾驶车辆控制模块示意图。车辆控制模块包括但不限于一个或多个转向单元、油门单元和制动单元。

[0065] 转向单元用来调整车辆的运动方向。

[0066] 油门单元用来控制电动机或发动机的转速，进而控制车辆的速度和加速度。

[0067] 制动单元通过制动器对车辆的车轮或轮胎施加一定的摩擦力，从而使车辆减速。

[0068] 所示的几种单元可以由驾驶员或自动驾驶系统控制。

[0069] 图5是本发明自动驾驶车辆轨迹规划模块示意图。

[0070] 轨迹规划模块控制或管理自动驾驶车辆的一些或全部功能。包括轨迹计算模块、约束计算模块、目标函数计算模块，各计算模块包括必要的硬件(例如，处理器、存储器、存储装置)和软件(例如，操作系统、规划和路线安排程序)，以从车载传感器模块、车辆控制模块、无线通信模块和/或用户接口模块接收信息和处理所接收的信息，规划从转弯起始点到转弯终止点的轨迹，随后基于轨迹信息来操控自动驾驶车辆完成转弯动作。

[0071] 当自动驾驶车辆进入交叉路口准备转弯时，轨迹规划模块可从服务器获得实时的交通信息，可与车载传感器模块的传感器数据集成在一起。基于实时交通信息、位置信息以及由传感器探测的实时本地环境数据(例如，障碍物、对象、附近车辆)，轨迹规划模块可规划最佳转弯轨迹，并且根据该轨迹信息经由控制模块来驾驶车辆，以安全且高效地完成转弯。

[0072] 轨迹计算模块可以基于转弯轨迹模型和转向控制点、起始点、终止点的坐标生成平滑、连续的车辆转弯轨迹。从高精度地图导航系统中获取转弯起始点、转弯终止点的坐标。从数据分析系统中获取根据真实车辆转弯轨迹分析得出的转向控制点的分布率，并根据转弯起始点、终止点的坐标计算出两个转向控制点的坐标。将上述四个点的坐标用于四点转弯轨迹模型生成类人驾驶转弯轨迹。服务器也可以预先生成轨迹模型并将其上传到AV上。

[0073] 约束计算模块可以确定用于优化模型的约束，并计算轨迹是否满足约束条件。约束可以包括不等式、等式和边界约束。共包括四种约束：道路几何约束、动力学约束、初始状态和终止状态约束、障碍物约束。从高精度地图导航系统中获取道路几何约束，道路几何约束可以包括从车辆到开放道路边界的距离、可接近车行道和路缘的尺寸。从车载传感器模块中提取障碍物约束，包括一个或多个建筑物、护栏、停放的汽车等固定障碍物、包括诸如汽车和移动行人的移动障碍物，障碍物可以由车载传感器模块处理，以确定移动障碍物在某个稍后的时间点的预测位置，可以将这些障碍物约束建模为用于数值优化算法的矩阵和向量。从数据分析系统中获取动力学约束所需数据，包括最大转向角、路段限速、最大转弯速度、最大加速度等，用于动力学约束的计算。从车载传感器模块中获取自动驾驶车辆的速度、加速度信息，用于初始状态和终止状态约束计算，包括起始点和终止点的曲率、起始点的速度和加速度。

[0074] 目标函数计算模块可以确定使得自动驾驶车辆高效、舒适地完成转弯的目标函数并对类人驾驶轨迹进行优化，计算使得目标函数最大的最优自动驾驶转弯轨迹。

[0075] 图2是本发明自动驾驶车辆网络化系统框图。服务器通过采集大量自动驾驶车辆端的数据并为各种客户执行数据分析服务，可通过5G网络将用户所需数据传输到自动驾驶车辆的车载通信模块。

[0076] 数据收集器从各种车辆(自动驾驶车辆或由人类驾驶员驾驶的常规车辆)的车载传感器模块收集驾驶统计数据。驾驶统计数据包括指示所发出的驾驶指令(例如，油门、制动、转向指令)以及由车辆的传感器在不同的时间点捕捉到的车辆的响应(例如，坐标、速度、加速、减速、方向)的信息。驾驶统计数据还包括描述不同时间点下的驾驶环境的信息，例如，路线(包括起始位置和目的地位置)、交通标志、道路状况、天气状况等。

[0077] 高精度地图导航系统为自动驾驶车辆提供了导航路线信息、高精度道路数据，结合驾驶统计数据，可用于数据分析系统。高精度道路数据包括：车道配置、交通灯信号、建筑物、人行横道或其它交通相关标志(例如，停止标志、让行标志)等。车道配置包括描述一个或多个车道的信息，诸如，例如车道的形状(例如，直线或弯曲)、车道的宽度、道路中的车道数量、单向或双向车道、合并或分开车道、出口车道等。

[0078] 数据分析系统基于驾驶统计数据和高精度地图，出于各种目的对数据进行分析，并由机器学习引擎生成或训练规则、算法和/或模型，根据数据提取出驾驶员特征数据，统计路段交通流量、速度、密度等交通信息，可用于轨迹规划模块进行车辆转弯轨迹的规划。算法可包括在开放空间执行转弯的算法，可上传到AV上，以在自动驾驶轨迹规划期间实时使用。

[0079] 一种自动驾驶车辆四点转弯轨迹规划方法，如图1所示，包括有以下步骤：

[0080] 图6示出了AV在交叉口的右转示例。AV在车道上行驶期间，控制模块将AV的运动约束为沿着行驶车道中心线的轨迹行驶。基于高精度地图导航数据和/或传感器数据，AV已经确定其正在沿着行驶车道进入交叉口并准备右转，车辆将沿类人驾驶转弯轨迹曲线行驶至目标车道中心线，完成车辆转弯。

[0081] 由四点转弯轨迹模型生成类人驾驶转弯轨迹需要先确定四个点的坐标，即图中转弯起始点P0的坐标(x0,y0)、转弯终止点P3的坐标(x3,y3)、转向控制点P1的坐标(x1,y1)、转向控制点P2的坐标(x2,y2)。其中P0和P1位于行驶车道中心线及其延长线上，P2和P3位于目标车道中心线及其延长线上，然后由四个点的坐标计算点之间的欧氏距离长度。

[0082] 转弯起始点P0与转向控制点P1的间距：

[0083] 转弯终止点P3与转向控制点P2的间距：

[0084] 转弯起始点P0与转弯终止点P3的间距：

[0085] 为减小转弯轨迹坐标的计算量，以转弯起始点P0为原点，建立以P0和P3的延长线为X轴，经P0点与X轴垂直的延长线为Y轴的平面笛卡尔坐标系。其中 位于行驶车道中心线的延长线上，则四点坐标可表示为：

[0086]

[0087] 其中，α为 与 的夹角，β为 与 的夹角。取值需要根据高精度地图中交叉口的几何形状进行计算。

[0088] 将四点坐标带入基于三阶贝塞尔曲线的转弯轨迹模型：

[0089] P(τ)＝P0(1‑τ)3+3P1τ(1‑τ)2+3P2τ2(1‑τ)+P3τ3τ∈[0,1]；

[0090] 可得四点转弯轨迹模型如下：

[0091] τ∈[0,1]；

[0092] 由数据分析系统根据大量车辆转弯轨迹分析得出d1、d2、d3的取值分布率。根据高精度地图中交叉口的几何形状计算α、β。将上述数据代入四点转弯轨迹模型即可生成大量符合人类驾驶习惯的类人驾驶转弯轨迹曲线。

[0093] 图7是本发明自动驾驶车辆交叉路口最优转弯轨迹示意图；通过四点转弯轨迹模型生成大量类人驾驶转弯轨迹曲线后，还需要经过数值优化算法得到满足约束条件且使得目标函数最优的转弯轨迹，将其作为自动驾驶车辆的转弯轨迹，使得自动驾驶车辆安全、高效、舒适地完成转弯。

[0094] 如图7所示，数据分析系统根据大量车辆转弯轨迹分析得出d1、d2、d3的取值分布率后可计算得到符合人类驾驶习惯的转向控制点P1、转向控制点P2坐标，使用插值曲线方法在转弯起始点P0和终止点P3生成如图中虚线所示的多条类人驾驶转弯轨迹曲线。为了有效地进行数值优化计算，将自动驾驶车辆的车身表示为两个分别与车头和车尾相切相交的圆形，两个圆形的半径长度均为rveh，圆心连线的中点表示为车身的形心。

[0095] 为了保障自动驾驶车辆在交叉路口安全、高效、舒适地转弯，转弯轨迹曲线需要满足道路几何约束、障碍物约束、动力学约束、初始状态和终止状态约束。

[0096] (1)道路几何约束可以包括从车辆到开放道路边界的距离、可接近车行道和路缘的尺寸。从高精度地图导航系统中获取道路边界的坐标集合R，则车辆轨迹坐标点(xav,yav)与R内的点坐标之间的欧式距离dvr需要满足道路几何约束如下：

[0097]

[0098] 表示自动驾驶车辆轨迹不得碰撞道路边界、不得驶出车道。

[0099] (2)障碍物约束包括与一个或多个建筑物、护栏、停放的汽车等固定障碍物的约束，也包括与诸如汽车和移动行人的移动障碍物的约束。从车载传感器模块中提取固定障碍物的坐标，并确定移动障碍物在某个稍后的时间点的预测位置，可以将这些障碍物约束建模为用于数值优化算法的矩阵和向量。

[0100] 为了简化计算，可将障碍物表示为多个与边缘相切的同半径的圆形，圆形的半径即为robs，如同所示，车头和车尾与周围障碍物之间的欧式距离dff、dfr、drf、drr需要满足的障碍物约束如下：

[0101] dff≥rveh+robs

[0102] dfr≥rveh+robs

[0103] drf≥rveh+robs

[0104] drr≥rveh+robs；

[0105] 表示自动驾驶车辆需要与障碍物保持安全距离，避免碰撞。

[0106] (3)动力学约束包括最大转向角、路段限速、最大转弯速度、最大加速度等，用于动力学约束的计算。可从数据分析系统、车载传感器模块和数据存储模块中获取所需数据，根据自动驾驶车辆轨迹计算得到的轨迹曲率κ、车辆速度v、车辆加速度a需要满足下列动力学约束：

[0107]

[0108] 其中δmax表示车辆最大前轮偏角/转向角，L表示车辆轴距，具体数值与车辆固有属性相关，从数据存储模块中获取。表示自动驾驶车辆行驶受到车辆自身物理结构限制，不能损伤车辆结构。

[0109]

[0110] 其中μ为路面摩擦系数，alat为车辆的最大横向加速度，具体数值与路面材料、天气状况相关，由数据分析系统与车载传感器模块提供。该约束表示自动驾驶车辆转弯时需要避免发生侧滑。

[0111] vmax(κ)≤vr,max；

[0112] vr,max为车辆所在路段的限速值，具体数据由高精度导航地图系统提供。表示自动驾驶车辆需要遵守交通规则，避免超速行驶。

[0113]

[0114] amax为车辆的最大加速度，为车辆的固有属性，与车辆的动力系统相关，从数据存储模块中获取。表示自动驾驶车辆不能超功率行驶。

[0115] (4)初始状态和终止状态约束包括起始点和终止点的曲率、起始点的速度和加速度的约束计算，可从车载传感器模块中获取自动驾驶车辆的速度、加速度等数据。为了自动驾驶车辆运行的平稳舒适，自动驾驶车辆轨迹的起始曲率κ(0)与终止曲率κ(1)、车辆起始速度v(0)、车辆起始加速度a(0)需要满足下列约束：

[0116] v(0)＝v0

[0117] a(0)＝a0

[0118]

[0119]

[0120] 其中，v0为车辆行驶至转弯起始点P0处的车辆速度，a0为车辆行驶至转弯起始点P0处的车辆加速度。k(0)和k(1)表示车辆在转弯前后需要保持行驶的平稳度、舒适度。

[0121] 为了判断满足约束的车辆轨迹是否能使得自动驾驶车辆安全、高效、舒适地完成转弯，而且为了选出最优的轨迹作为自动驾驶车辆的转弯轨迹，需要建立代表驾驶舒适性和通行效率的目标函数。

[0122] 目标函数由两部分组成：f＝fsoft+feff；

[0123] (1)以轨迹曲率衡量轨迹的平滑度，以加速度衡量驾驶的舒适度

[0124]

[0125] ax,i,ay,i分别表示自动驾驶车辆在第i时刻的X轴方向和Y轴方向加速度。jx,i,jy,i分别表示自动驾驶车辆轨迹在第i时刻的X轴方向和Y轴方向曲率。

[0126] (2)以轨迹长度衡量通行效率，驾驶员倾向于选择最短的距离

[0127]

[0128] vx,i,vy,i分别表示自动驾驶车辆在第i时刻的X轴方向和Y轴方向速度。

[0129] 求得使得目标函数f最小的轨迹即为最优轨迹，将该轨迹作为自动驾驶车辆的转弯轨迹，使得自动驾驶车辆安全、高效、舒适地转弯。

[0130] 为使本发明实施例的目的、技术方案和优点更加清楚，上面结合本发明实施例中的附图，对本发明实施例中的技术方案进行了清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

[0131] 因此，以上对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。