混行场景智能车换道决策与运动规划

针对行人-车辆混行的常见交通场景下智能车决策安全性和行驶效率不高的问题,提出了一种新的基于自车期望车速与前车车速、加速度和车距的行车不满意度换道行为决策模型。同时建立换道最小安全距离模型,用以在换道全过程中判断换道的可行性。为了提高运动规划算法的效率,选用Frenet坐标系,采用路径规划和速度规划解耦的方式。对于路径规划,选择五次多项式曲线,采用考虑安全、舒适以及高效性的3个路径评估指标。对于速度规划,采用动态规划与二次规划获得平滑的速度曲线。在CarSim/PreScan/Simulink的联合仿真平台下搭建人车混行的交通场景进行验证。仿真结果表明,基于行车不满意度的换道决策模型能选择更高效及安全的行驶方式,运动规划模块能确保自车换道及避让行人过程的安全性和操纵稳定性。