许小伟,崔金融,严运兵,马霁旻,王亚玮

(1.武汉科技大学汽车与交通工程学院,湖北 武汉,430065; 2.智新科技股份有限公司,湖北 武汉,430056;3.华中科技大学电气与电子工程学院,湖北 武汉,430074)

智能车换道超车是一种常见的驾驶行为,其中换道时刻的选择和高速换道行驶过程中的安全性需要重点关注,必须解决换道决策、路径规划以及轨迹跟踪等多个关键技术问题[1]。

换道行为涉及到多个车道,由于人工势场理论简单且直观,因此被广泛用于量化道路的动态环境。张朋[2]利用人工势场法对道路的动态环境复杂度进行建模,并对提出的量化模型进行实验标定。李林恒等[3]为了直观地表达智能车在换道过程中面临的风险,选用人工势场法建立换道模型,并利用国内道路环境进行模型标定。朱乃宣等[4]借助人工势场理论量化前车产生的风险场场强,依据驾驶风格来设计不同的规划阈值而达到个性化换道的目的,但是换道触发时刻仅考虑前车的影响,未考虑换道对相邻车道正常行驶车辆造成的影响。

轨迹跟踪的目的是使车辆按照规划的路径行驶。目前智能车轨迹跟踪方法主要有PID控制、模型预测控制和LQR控制等,其中LQR控制能考虑到多项性能指标且实时性好,因此得到广泛应用。陈亮等[5]构建了加入前馈控制的LQR控制器,有效减少了跟踪误差。胡杰等[6]根据车速变化对LQR权重系数进行模糊调节,并验证了控制器在实车环境中的控制性能。高琳琳等[7]对LQR控制器的权重矩阵进行了自适应调整。……