基于多项式的智能车辆换道轨迹规划

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (3): 242-245.

基于多项式的智能车辆换道轨迹规划

李玮，王晶，段建民

北京工业大学电子信息与控制工程学院，北京 100124

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2012-01-21 发布日期:2012-01-21

Lane changing trajectory planning of intelligent vehicles based on polynomials

LI Wei, WANG Jing, DUAN Jianmin

College of Electronic Information & Control Engineering, Beijing University of Technology, Beijing 100124, China

Received:1900-01-01 Revised:1900-01-01 Online:2012-01-21 Published:2012-01-21

摘要/Abstract

摘要： 以智能车辆换道过程为研究对象，提出一种基于多项式理论的车辆换道轨迹规划算法。该算法采用矩形对换道车辆及障碍车辆进行包裹，结合换道车辆的边界条件由以时间为参数的多项式计算得到换道轨迹。由该算法生成的换道轨迹符合四段式车道变换模型，并适用于复杂道路环境。新算法将复杂道路环境中期望换道轨迹的求取问题转换为单一参数求取问题，简化了计算，同时考虑了车辆动力学限制对生成轨迹的影响。计算机仿真验证了算法的正确性及有效性，尤其是在复杂路面情况下体现了该换道轨迹规划算法的优势。

关键词: 智能车辆, 换道, 轨迹规划, 多项式

Abstract: Studying on the lane changing process of intelligent vehicles, a new lane changing algorithm based on the use of polynomials is presented. This algorithm uses the rectangles for target vehicle and obstacle vehicles representation, combines the target vehicle’s states and polynomial theory to generate lane changing trajectory. The lane changing trajectory generated by this algorithm meets the requirements of four-phase lane changing model and can apply to complex road environment. New algorithm simplifies the calculation of a desired and achievable trajectory that in complex road environment to selection of a single coefficient. Dynamic constraints are also taken into account. Simulation result proves the correctness and feasibility of this algorithm. Illustrative examples show the advantage of this new algorithm especially in the case of lane changing with multiple obstacles.

Key words: intelligent vehicle, lane changing, trajectory planning, polynomial

李玮，王晶，段建民. 基于多项式的智能车辆换道轨迹规划[J]. 计算机工程与应用, 2012, 48(3): 242-245.

LI Wei, WANG Jing, DUAN Jianmin. Lane changing trajectory planning of intelligent vehicles based on polynomials[J]. Computer Engineering and Applications, 2012, 48(3): 242-245.

[1]	白建峰，苗付友. 理想型[(t,k,n)]紧耦合秘密共享构造[J]. 计算机工程与应用, 2021, 57(3): 125-129.
[2]	温泽宇，谢珺，谢刚，续欣莹. 基于新型拥挤度距离的多目标麻雀搜索算法[J]. 计算机工程与应用, 2021, 57(22): 102-109.
[3]	王银，张灏琦，孙前来，李小松，孙志毅. 基于自适应MPC算法的轨迹跟踪控制研究[J]. 计算机工程与应用, 2021, 57(14): 251-258.
[4]	李跃，邵振洲，赵振东，施智平，关永. 面向轨迹规划的深度强化学习奖励函数设计[J]. 计算机工程与应用, 2020, 56(2): 226-232.
[5]	禹亮龙，杜伟章. 基于二元对称多项式的秘密共享方案[J]. 计算机工程与应用, 2020, 56(13): 120-123.
[6]	刘颖，刘倩，李大湘，杨文宗. 基于PTM模型文物纹理映射算法[J]. 计算机工程与应用, 2020, 56(12): 209-214.
[7]	浦玉学，舒鹏飞，蒋祺，陈卫中. 工业机器人时间-能量最优轨迹规划[J]. 计算机工程与应用, 2019, 55(22): 86-90.
[8]	汪叶娇，周勇. 新形式勒让德矩的研究[J]. 计算机工程与应用, 2019, 55(22): 152-162.
[9]	汪凯，张贵仓，苏金凤. 三角域上生成三角多项式曲面的实用方法[J]. 计算机工程与应用, 2019, 55(22): 195-200.
[10]	刘海峰，薛超，梁星亮. 基于二元Lagrange插值多项式的门限方案[J]. 计算机工程与应用, 2019, 55(17): 107-111.
[11]	王燕燕1，王宏伟1，2. 基于粒子群的后件多项式RBF神经网络算法[J]. 计算机工程与应用, 2019, 55(12): 72-76.
[12]	朱淑芹，王文宏，李俊青. 一类二次多项式混沌及其随机数生成器设计[J]. 计算机工程与应用, 2018, 54(9): 84-88.
[13]	李黎，尚俊云，冯艳丽，淮亚文. 关节型工业机器人轨迹规划研究综述[J]. 计算机工程与应用, 2018, 54(5): 36-50.
[14]	陈斯泳，安聪沛. 球面l1-正则化逼近模型及其应用研究[J]. 计算机工程与应用, 2018, 54(12): 35-40.
[15]	方亮1，刘丰年2，苗付友1. 基于秘密共享的组密钥协商方案[J]. 计算机工程与应用, 2018, 54(12): 69-73.