一种车辆轨迹规划方法、系统及设备

1.本说明书涉及自动驾驶领域，尤其涉及一种车辆轨迹规划方法、系统及设备。


背景技术：

2.随着汽车技术的不断发展，车辆智能化的脚步在不断地加快，已经融入人们生活的方方面面中。车辆智能化改善了人们的出行效率，提高了行驶的安全性，自动驾驶车辆在两信号交叉口路段行驶时，由于交通信号灯的影响会产生停车等待和频繁加减速现象，造成行驶延误，影响驾乘人员的出行体验。因此，自动驾驶决策部分的轨迹规划问题是自动驾驶领域的十分重要的问题。
3.目前轨迹规划方法包括：基于图搜索的方法、随机采样的方法、基于曲线插值的方法，以及基于最优控制的方法，其中基于图搜索的方法对模型精度要求不高，生成的路径较为粗糙，需要经过后续精细化处理才能用于控制执行。基于随机采样的方法生成的轨迹多次处理同一问题的结果不相同，求解质量不稳定，无法得到满足约束条件的精确解。基于曲线插值的方法，生成的轨迹因预设航路点的不同而得到不同的规划曲线。所以上述方式的结果并不适用于自动驾驶的轨迹规划。而目前基于最优控制的方法，主要目的是为了减少出行的油耗和排放，减少路口的停车次数，忽视了对于自动驾驶车辆乘坐人员的感受问题。


技术实现要素：

4.本说明书一个或多个实施例提供了一种车辆轨迹规划方法、系统及设备，用于解决如下技术问题：如何提供一种规划曲线直观准确平滑度高的，可以提升自动驾驶车辆行驶舒适度的车辆轨迹规划方法。
5.本说明书一个或多个实施例采用下述技术方案：
6.本说明书一个或多个实施例提供一种车辆轨迹规划方法，方法包括：
7.获取待规划车辆当前位置的车辆行驶数据以及道路交通数据，以根据所述车辆行驶数据与所述道路交通数据，确定所述待规划车辆是否进行轨迹规划；
8.若确定所述待规划车辆进行轨迹规划，则基于所述道路交通数据获取所述待规划车辆通过下游路口的理论行驶时间；
9.根据所述理论行驶时间与所述道路交通数据中的信号灯周期，确定出所述待规划车辆通过交叉口的信号灯周期数量；
10.基于所述信号灯周期数量与所述待规划车辆的道路交通数据，确定所述待规划车辆预设约束条件的约束范围；
11.根据所述待规划车辆的预设综合目标函数与所述约束范围，采用预设遗传算法求解所述待规划车辆的预设待优化轨迹曲线模型，若求解获得最优轨迹曲线，则控制所述待规划车辆根据所述最优轨迹曲线进行行驶。
12.在本说明书一个或多个实施例中，所述获取待规划车辆当前位置的车辆行驶数据以及道路交通数据，以根据所述车辆行驶数据与所述道路交通数据，确定所述待规划车辆
是否进行轨迹规划，具体包括：
13.基于预设于所述待规划车辆上的定位系统与传感器设备，获得所述待规划车辆当前位置的车辆行驶数据，并基于预设智能路测设备获取所述待规划车辆当前位置的道路交通数据；其中所述车辆行驶数据包括：行驶路况数据、车辆状态数据；
14.根据所述行驶路况数据与所述道路交通数据，判断所述待规划车辆当前位置是否处于轨迹规划区；
15.若是，则根据所述待规划车辆的行驶路况数据、车辆状态数据以及道路交通数据，确定所述待规划车辆的前方路况情况与所述待规划车辆所处路段的路况条件，以根据所述前方路况情况与所述所处路段的路况条件确定所述待规划车辆是否进行轨迹规划。
16.在本说明书一个或多个实施例中，若确定所述待规划车辆进行轨迹规划，则基于所述道路交通数据获取所述待规划车辆通过下游路口的理论行驶时间的理论行驶时间，具体包括：
17.基于所述道路交通数据中的信号配时信息，确定所述待规划车辆的信号灯周期；
18.根据所述道路交通数据获取所述待规划车辆当前所处交叉口路段的长度，并根据所述道路交通数据获取所述待规划车辆当前道路限速值；
19.根据所述交叉口路段的长度与所述待规划车辆当前道路限速值，获得所述待规划车辆的理论行驶时间。
20.在本说明书一个或多个实施例中，根据所述理论行驶时间与所述道路交通数据中的信号灯周期，确定出所述待规划车辆通过交叉口的信号灯周期数量，具体包括：
21.基于所述信号灯周期确定所述待规划车辆当前信号灯周期内绿灯相位的剩余时间；
22.若所述剩余时间大于所述理论时间，则确定所述待规划车辆基于当前信号灯周期通过交叉口；
23.若所述剩余时间小于所述理论时间，则基于所述道路交通数据中的下游交叉口绿灯相位起始时间、下游交叉口红灯相位起始时间与所述信号灯周期，获得所述剩余时间大于所述理论时间时，所述待规划车辆所对应的信号灯周期数量。
24.在本说明书一个或多个实施例中，基于所述信号灯周期数量与所述待规划车辆的道路交通数据，确定所述待规划车辆预设约束条件的约束范围之前，所述方法还包括：
25.基于所述待规划车辆的轨迹调整参数，建立所述待规划车辆的待优化轨迹规划曲线模型；其中，所述待优化轨迹规划曲线模型为：
26.其中，t1,t2,l,θ1,θ2为所述待规划车辆的轨迹调整参数，t1表示轨迹规划的开始时刻，t2表示轨迹规划的结束时刻，l对应轨迹曲线的总长度，θ1代表曲线的第一平滑度参数，θ2代表曲线的第二平滑度参数；
27.确定与所述待优化轨迹规划曲线模型相对应的所述待规划车辆的加速度模型，以根据所述加速度模型，确定所述待优化轨迹规划曲线模型的平均加速度模型，并基于所述平均加速度模型，建立所述待规划车辆的预设综合目标函数；
28.根据车辆当前位置的车辆行驶数据以及道路交通数据，建立所述待规划车辆预设约束条件。
29.在本说明书一个或多个实施例中，根据车辆当前位置的车辆行驶数据以及道路交通数据，建立所述待规划车辆的约束条件具体包括：
30.基于所述轨迹规划的开始时刻与所述轨迹规划的结束时刻所对应的待优化轨迹规划曲线模型的差值，建立所述待规划车辆的轨迹规划距离约束条件；
31.获得所述道路交通数据中的下游交叉口绿灯相位起始时间与轨迹规划的开始时刻的第一差值，以及所述道路交通数据中的下游交叉口红灯相位起始时间与轨迹规划的结束时刻的第二差值；
32.将所述第一差值与所述信号周期长度的和小于等于所述待规划车辆的形式时间且所述第二差值与所述信号周期长度的和大于等于所述待规划车辆的形式时间，作为所述待规划车辆的时间约束条件；
33.基于所述待优化轨迹规划曲线模型获取速度模型，分别与所述待规划车辆的预设初速度、所述道路交通数据中的道路限速数据，以及所述道路交通数据中的路口限速数据，建立所述待规划车辆不同情况下的限速约束条件；
34.根据所述加速度模型与所述车辆行驶数据中的最大加速度值与最大减速度值，建立所述待规划车辆的动力学约束条件；
35.将所述轨迹规划距离约束条件、所述时间约束条件、所述限速约束条件与所述动力学约束条件作为所述待规划车辆的约束条件。
36.在本说明书一个或多个实施例中，基于所述信号灯周期数量与所述待规划车辆的道路交通数据，确定所述待规划车辆预设约束条件的约束范围，具体包括：
37.将所述待规划车辆的信号灯周期、所述第一差值与所述第二差值输入所述时间约束条件所对应的时间约束公式，以确定所述待规划车辆的轨迹规划的开始时刻与轨迹规划的结束时刻的时间范围；其中，所述时间约束公式为：t
rt_ps
+nc≤t
2-t1≤t
rt_pe
+nc,n＝0,1,2,
…
，t
rt_ps
表示所述下游交叉口绿灯相位起始时间与t1的相对时间间隔，t
rt_pe
表示所述下游交叉口红灯相位起始时间与t1的相对时间间隔，c表示信号灯周期的长度；
38.获取时间范围内所述待规划车辆的轨迹规划距离约束条件、限速约束条件与动力学约束条件，所对应的的当前距离约束范围、当前限速约束范围与当前加速度约束范围。
39.在本说明书一个或多个实施例中，根据所述待规划车辆的预设综合目标函数与所述约束范围，采用预设遗传算法求解所述待规划车辆的预设待优化轨迹曲线模型，具体包括：
40.获取所述待规划车辆的预设综合目标函数；其中，所述预设综合目标函数为：α为舒适度的权重系数，β为时间的权重系数，t为待规划车辆在两路口间的行驶时间，t
*
为行驶时间t的无量纲化时间；
41.根据所述约束范围，确定所述待优化轨迹规划曲线模型的轨迹调整参数的范围；
42.根据所述轨迹调整参数与所述轨迹调整参数的范围，确定待优化轨迹曲线模型的最优解范围；
43.以所述综合目标函数作为适应度函数，基于预设遗传算法在所述最优解范围内全
局搜索最优轨迹调整参数；
44.若未搜索到所述最优轨迹调整参数，则根据所述下一信号灯周期的信号灯周期数量求解所述待优化轨迹曲线模型；
45.若搜索到所述最优轨迹调整参数，则将所述最优轨迹调整参数代入所述待优化轨迹曲线模型，获得所述待规划车辆的最优轨迹。
46.本说明书一个或多个实施例提供一种车辆轨迹规划系统，系统包括：
47.第一获取单元，用于获取待规划车辆当前位置的车辆行驶数据以及道路交通数据，以根据所述车辆行驶数据与所述道路交通数据，确定所述待规划车辆是否进行轨迹规划；
48.第二获取单元，用于若确定所述待规划车辆进行轨迹规划，则基于所述道路交通数据获取所述待规划车辆通过下游路口的理论行驶时间；
49.第一确定单元，用于根据所述理论行驶时间与所述道路交通数据中的信号灯周期，确定出所述待规划车辆通过交叉口的信号灯周期数量；
50.第二确定单元，用于基于所述信号灯周期数量与所述待规划车辆的道路交通数据，确定所述待规划车辆预设约束条件的约束范围；
51.求解单元，用于根据所述待规划车辆的预设综合目标函数与所述约束范围，采用预设遗传算法求解所述待规划车辆的预设待优化轨迹曲线模型，若求解获得最优轨迹曲线，则控制所述待规划车辆根据所述最优轨迹曲线进行行驶。
52.本说明书一个或多个实施例提供一种信车辆轨迹规划设备，设备包括：用于存储计算机程序指令的存储器和用于执行程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发该设备执行：
53.获取待规划车辆当前位置的车辆行驶数据以及道路交通数据，以根据所述车辆行驶数据与所述道路交通数据，确定所述待规划车辆是否进行轨迹规划；
54.若确定所述待规划车辆进行轨迹规划，则基于所述道路交通数据获取所述待规划车辆通过下游路口的理论行驶时间；
55.根据所述理论行驶时间与所述道路交通数据中的信号灯周期，确定出所述待规划车辆通过交叉口的信号灯周期数量；
56.基于所述信号灯周期数量与所述待规划车辆的道路交通数据，确定所述待规划车辆预设约束条件的约束范围；
57.根据所述待规划车辆的预设综合目标函数与所述约束范围，采用预设遗传算法求解所述待规划车辆的预设待优化轨迹曲线模型，若求解获得最优轨迹曲线，则控制所述待规划车辆根据所述最优轨迹曲线进行行驶。
58.本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：
59.通过获取待规划车辆当前位置的车辆行驶数据以及道路交通数据，首先判断出自动驾驶车辆是否能够进行轨迹规划以及可能通过的信号周期，再进行最优化求解，减少了对于不满足轨迹规划的车辆进行轨迹求解的计算量，通过建立综合考虑舒适度和通行效率综合效益的目标函数以及约束条件，经过遗传算法求解出最优的参考轨迹，使得规划出的轨迹比传统的轨迹规划曲线更加的平滑，解决了自动驾驶车辆轨迹规划舒适度和出行时间的综合效益问题。并且解决了由于交通信号灯的影响自动驾驶车辆频繁启停问题，减少了
交通流的波动，提升了人们的出行体验。
附图说明
60.为了更清楚地说明本说明书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说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。在附图中：
61.图1为本说明书实施例提供的一种车辆轨迹规划方法的方法流程示意图；
62.图2为本说明书实施例提供的一种应用场景下的轨迹规划曲线示意图；
63.图3为本说明书实施例提供的一种应用场景下轨迹曲线模型的建模流程示意图；
64.图4为本说明书实施例提供的一种应用场景下的轨迹曲线模型的优化求解流程示意图；
65.图5为本说明书实施例提供的一种车辆轨迹规划系统的内部结构示意图；
66.图6为本说明书实施例提供的一种车辆轨迹规划设备的内部结构示意图。
具体实施方式
67.本说明书实施例提供一种车辆轨迹规划方法、系统及设备。
68.随着汽车技术的不断发展，车辆智能化的脚步在不断加快，已经逐渐融入人们生活的方方面面。车辆智能化改善了人们的出行效率，提高了行驶安全性。但对于交叉口路况，由于不同来向的行人、非机动车以及机动车辆都希望在绿灯期间内通过交叉口，因此交叉口路段通常是拥堵的，并且由于信号灯的影响造成车辆频繁的启停现象，不仅会对交叉口的通行力造成影响、而且极大的影响乘客的舒适性。
69.轨迹规划作为自动驾驶决策部分的核心，影响车辆行驶的安全性、舒适性，围绕着自动驾驶轨迹规划问题有许多研究，但如何使自动驾驶车辆在复杂动态环境中规划合理、高效的、安全的轨迹路线仍存在许多问题。自动驾驶车辆的轨迹规划是指根据车辆的初始状态，目标状态以及车辆周围的环境信息规划出一条无碰撞且满足车辆非完整约束和动力学约束的可行路径和速度。目前轨迹规划方法主要包括：基于图搜索的方法、基于随机采样的方法、基于曲线插值的方法以及基于最优控制的方法。对于基于图搜索的方法，在自动驾驶中，通常可以将地图存储为栅格地图，每一格就代表了图的节点，格与格之间的连线就代表了边，在给定起点及终点的条件下快速搜索出一条满足期望的最优路径。图搜索方法对模型精度要求不高，生成的路径较为粗糙，需要经过后续精细化处理才能用于控制执行。对于基于随机采样的方法，这类算法适用于高维度空间，它们以概率完备性(当时间接近无限时一定有解)来代替完备性，从而提高搜索效率，使用随机采样生成的轨迹多次处理同一问题的结果不相同，求解质量不稳定，无法得到满足约束条件的精确解。对于基于曲线插值的方法，这类算法通过预设航路点得到连续平滑且可跟踪的路径，但其生成的轨迹因预设航路点的不同而得到不同的规划曲线。而对于基于最优控制的方法，最优控制方法主要是建立最优化的目标函数，目前对于自动驾驶常用的目标函数有最小化的行驶时间、减少污染物的排放、行驶的舒适度等，基于最优控制的方法通过建立运动系统方程，确定系统约束条件与目标函数求解优化轨迹，生成的轨迹直观准确且具有良好的可跟踪性能。
70.由上述可知对于自动驾驶在两信号交叉口路段的轨迹规划问题，但是目前基于最优控制的方法，主要目的是为了减少出行的油耗和排放，减少路口的停车次数，然而这些研究都忽视了自动驾驶车辆乘坐人员的感受，使得车辆乘坐人员的感受较差，无法达到舒适度和通行效率的综合考虑。本说明书实施例提供一种车辆轨迹规划方法、系统及设备，用于解决上述问题。
71.为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书实施例，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，都应当属于本说明书保护的范围。
72.如图1所示提供了一种本说明书实施例提供一种车辆轨迹规划方法的方法流程示意图。由图1可知，方法包括以下步骤：
73.s101：获取待规划车辆当前位置的车辆行驶数据以及道路交通数据，以根据所述车辆行驶数据与所述道路交通数据，确定所述待规划车辆是否进行轨迹规划。
74.为了减少轨迹求解的计算量，在本说明书一个或多个实施例中，首先获取待规划车辆当前位置的车辆行驶数据以及道路交通数据，然后根据车辆行驶数据与道路交通数据中的相关数据，确定出待规划车辆是否能够进行轨迹规划。
75.具体地，在本说明书一个或多个实施例中，获取待规划车辆当前位置的车辆行驶数据以及道路交通数据，以根据车辆行驶数据与所述道路交通数据，确定待规划车辆是否进行轨迹规划，具体包括以下过程：
76.首先根据预先设置在待规划车辆上的定位系统比如：全球定位系统gps,与传感器设备比如：惯性传感器imu，获得待规划车辆当前位置的车辆行驶数据，并基于预设智能路测设备获取待规划车辆当前位置的道路交通数据；其中车辆行驶数据包括：行驶路况数据、车辆状态数据。在本说明书一个应用场景中，获取行驶数据以及道路交通数据的过程为：利用自动驾驶车辆安装的gps(全球定位系统)和imu(惯性传感器)设备，采集待规划车辆的行驶路况数据，然后车载终端通过can总线读取车辆的行驶路况数据，并结合车辆状态数据获得待规划车辆的车辆行驶数据。在第i时刻，采集的车辆行驶数据的格式为：其中，timev(i)表示车辆数据采集时刻；id(i)表示车辆的编号；(xi,yi)表示在i时刻车辆的位置，xi为车辆的横向位置，yi为车辆到下一个信号交叉口的距离；表示第i时刻车辆的速度信息，为横向速度，为纵向速度；flagv(i)表示i时刻车辆前方路况是否满足轨迹规划条件，满足则flagv(i)＝1，否则flagv(i)＝0。通过路网高精度地图，智能路测设备实时向车辆传输道路交通数据，道路交通数据的格式为：其中，timei(i)表示传输道路数据信息时刻；d表示两交叉口路段的长度；表示道路限速；表示路口限速；c表示信号配时信息；flagr(i)表示i时刻路段内路况是否满足自动驾驶轨迹规划条件，flagr(i)＝1表示道路条件满足轨迹规划条件，否则flagr(i)＝0。
77.在获得车辆行驶数据以及道路交通数据之后，再根据车辆行驶数据中的行驶路况
数据与道路交通数据，判断待规划车辆当前位置是否处于轨迹规划区。具体地，在本说明书一个应用场景下判断自动驾驶车辆位置是否处于轨迹规划区基于以下判断公式进行判断：其中，flagd＝1表示待规划车辆刚好进入轨迹规划区即车辆到下一个信号交叉口的距离与两交叉口路段的长度相等。此时，需要判断路况是否满足路径规划的条件，如果处于轨迹规划区域，那么就根据待规划车辆的行驶路况数据、车辆状态数据以及道路交通数据，确定出待规划车辆的前方路况情况以及待规划车辆所处路段的路况条件，从而根据前方路况情况与所处路段的路况条件确定出待规划车辆是否进行轨迹规划。其中，轨迹规划判断条件为：flagz(i)＝flagv(i)
×
flagr(i)当flag
d(i)×
flagz(i)》0表示满足轨迹规划条件，此时规划的车辆初始速度轨迹规划距离等于路段长度。
78.s102：若确定所述待规划车辆进行轨迹规划，则基于所述道路交通数据获取所述待规划车辆通过下游路口的理论行驶时间。
79.为了提高求解效率和提升规划轨迹曲线的平滑度，需要确定车速可以通过的信号周期，所以在确定待规划车辆需要进行轨迹规划时，那么就根据上述步骤s101所采集到的道路交通数据获取待规划车辆所对应的理论行驶时间，以便于后续判断理论通过交叉口的信号周期数量。
80.具体地，在本说明书一个或多个实施例中，根据道路交通数据，获取待规划车辆通过下游路口的理论行驶时间的理论行驶时间，具体包括以下过程：首先，根据上述步骤s101确定的道路交通数据，确定该待规划车辆所处交叉口路段的信号灯周期c。然后根据道路交通数据获取待规划车辆当前所处交叉口路段的长度d，并根据道路交通数据获取待规划车辆当前道路限速值然后根据交叉口路段的长度与待规划车辆当前道路限速值，获得待规划车辆的理论行驶时间，即理论行驶时间t为：
81.s103：根据所述理论行驶时间与所述道路交通数据中的信号灯周期，确定出所述待规划车辆通过交叉口的信号灯周期数量。
82.为了减少轨迹求解的计算量，本说明书一个或多个实施例中，根据信号灯周期与理论行驶时间，确定出待规划车辆通过交叉口的信号灯周期数量，以便于先判断待规划车辆可能通过的信号周期之后，再进行最优化求解获得车辆轨迹曲线。
83.具体地，在本说明书一个或多个实施例中，根据信号灯周期与理论行驶时间，确定出待规划车辆通过交叉口的信号灯周期数量，具体包括以下过程：根据信号灯周期，确定出待规划车辆当前信号灯周期内绿灯相位的剩余时间。如果剩余时间大于理论时间，则确定待规划车辆基于当前信号灯周期通过交叉口。如果剩余时间小于理论时间，则基于道路交通数据中的下游交叉口绿灯相位起始时间、下游交叉口红灯相位起始时间与所述信号灯周期，获得剩余时间大于所述理论时间时，待规划车辆所对应的信号灯周期数量。如图2所示，本说明书实施例提供了一种应用场景下的轨迹曲线模型的优化求解流程示意图，由图2可知，红灯相位、绿灯相位的起始时间与t1的相对时间间隔。在本说明书一个应用场景下，确定待规划车辆通过交叉口的信号灯周期数量基于以下过程进行：判断规划轨迹能否在第一
个信号周期内通过交叉口。第一个周期内绿灯相位剩余时间记为时间t，则此时可表示为t
rt_ps
≤t≤t
rt_pe
。其中，t
rt_ps
是下游交叉口绿灯相位起始时间与t1的相对时间间隔，t
rt_pe
是下游交叉口红灯相位起始时间与t1的相对时间间隔。
84.由上述步骤s103可知，在第一个周期通过的理论化时间为t，当t》t时，说明理论上可以在当前周期内通过信号交叉口；当t《t时，说明在当前信号周期无法通过信号交叉口，则判断能否在第二个信号周期通过信号交叉口，此时n＝1,自动驾驶车辆可以通过交叉口的时间为t
rt_ps
+c≤t≤t
rt_pe
+c，此时判断t和t的大小，如果理论上可以在第二个信号周期内通过，那么继续进行优化求解。此时如果无法求出最优化的参考轨迹，需要规划第n+1(n＝2)个信号周期内，通过交叉口的最优轨迹，自动驾驶车辆可以通过交叉口的时间为t
rt_ps
+2c≤t≤t
rt_pe
+2c。此时判断t和t的大小，如果理论上可以在第n+1个信号周期内通过，继续利用优化求解算法计算规划轨迹，通过迭代计算获得待规划车辆通过交叉口的信号灯周期数量。通过先判断出待规划车辆可能通过的信号周期再进行最优化求解，减少了轨迹求解过程中的计算量，通过结合信号周期进行判断的方式，满足了待规划车辆在不同的信号配时、不同的信号周期下对于轨迹的规划。
85.s104：基于所述信号灯周期数量与所述待规划车辆的道路交通数据，确定所述待规划车辆预设约束条件的约束范围。
86.为了避免车辆在不同车速下通过路口的曲线不同所导致的理论时间不符合实际需求的问题，本说明书实施例中，根据信号灯周期数量与待规划车辆的道路交通数据，确定出待规划车辆的预设约束条件的各个约束范围，从而对后续的最优轨迹进行约束限制，使后续轨迹规划的结果更加符合道路行驶的要求。
87.如图3所示，在本说明书一个或多个实施例中，基于信号灯周期数量与待规划车辆的道路交通数据，确定待规划车辆预设约束条件的约束范围之前，方法还包括以下步骤：首先根据待规划车辆的轨迹调整参数，建立待规划车辆的待优化轨迹规划曲线模型。其中，待优化轨迹规划曲线模型为：
88.需要说明的是：t1,t2,l,θ1,θ2为待规划车辆的轨迹调整参数，t1表示轨迹规划的开始时刻，t2表示轨迹规划的结束时刻，l对应轨迹曲线的总长度，θ1代表曲线的第一平滑度参数，θ2代表曲线的第二平滑度参数。确定与待优化轨迹规划曲线模型相对应的待规划车辆的加速度模型，以根据加速度模型，确定待优化轨迹规划曲线模型的平均加速度模型，并基于平均加速度模型，建立待规划车辆的预设综合目标函数。具体地，待规划车辆的加速度模型为：
[0089][0090]
为了保证待规划车辆可以准确跟踪规划曲线，需要确定规划曲线的实时加速度，
待规划车辆的加速度随时间变化的关系，确定与待优化轨迹规划曲线模型相对应的待规划车辆的加速度模型为：
[0091][0092]
然后计算平均加速度值为：
[0093]
车辆在两路口间的行驶时间为t＝t
2-t1，建立的综合效益最优的目标函数为：其中，表示无量纲化的平均加速度，其中t
*
表示无量纲化的车辆行驶时间t。α和β分别是舒适度和时间的权重系数。
[0094]
然后根据车辆当前位置的车辆行驶数据以及道路交通数据，建立出待规划车辆的约束条件，以便基于约束条件与目标函数确定该待优化轨迹曲线模型的最优轨迹模型。
[0095]
进一步地，在本说明书一个或多个实施例中，根据车辆当前位置的车辆行驶数据以及道路交通数据，建立待规划车辆的约束条件具体包括以下步骤：
[0096]
首先根据轨迹规划的开始时刻与轨迹规划的结束时刻所对应的待优化轨迹规划曲线模型的差值，建立待规划车辆的轨迹规划距离约束条件。即t1时刻到t2时刻距离差等于规划距离长度为：f(t2)-f(t1)＝d。
[0097]
然后建立时间约束条件为：获得道路交通数据中的下游交叉口绿灯相位起始时间与轨迹规划的开始时刻的第一差值，以及道路交通数据中的下游交叉口红灯相位起始时间与轨迹规划的结束时刻的第二差值。把第一差值与信号周期长度的和，小于等于待规划车辆的形式时间且第二差值与信号周期长度的和，大于等于待规划车辆的行驶时间，作为待规划车辆的时间约束条件。
[0098]
根据待优化轨迹规划曲线模型获取速度模型，分别与待规划车辆的预设初速度、道路交通数据中的道路限速数据，以及道路交通数据中的路口限速数据，建立待规划车辆不同情况下的限速约束条件。
[0099]
具体地，建立车辆初始速度约束条件为：
[0100][0101]
建立道路限速约束条件为：
[0102][0103]
建立下游路口限速约束条件为：
[0104][0105]
根据加速度模型与车辆行驶数据中的最大加速度值与最大减速度值，建立待规划车辆的动力学约束条件，具体地，在定义领域[t1,t2]建立车辆的动力学约束条件为：
[0106]
其中a
min
表示车辆的最大减速度值，a
max
表示车辆的最大加速度值。然后，将上述轨迹规划距离约束条件、时间约束条件、限速约束条件与动力学约束条件作为待规划车辆的约束条件。本说明书同时考虑了最大速度约束、容忍加速度约束、道路长度约束和交通信号灯时间约束等约束条件，充分考虑了车辆乘坐人员的感受。
[0107]
在本说明书一个或多个实施例中，基于信号灯周期数量与待规划车辆的道路交通数据，确定出待规划车辆预设约束条件的约束范围，具体包括以下过程：将根据上述过程中获取到的待规划车辆的信号灯周期、第一差值与第二差值，输入时间约束条件所对应的时间约束公式中，从而确定待规划车辆的轨迹规划开始时刻与轨迹规划结束时刻的时间范围。其中，需要说明的是：时间约束公式为：t
rt_ps
+nc≤t
2-t1≤t
rt_pe
+nc,n＝0,1,2,
…
，t
rt_ps
表示所下游交叉口绿灯相位起始时间与t1的相对时间间隔，t
rt_pe
表示下游交叉口红灯相位起始时间与t1的相对时间间隔，c表示信号灯周期的长度。
[0108]
获取时间范围内，待规划车辆的轨迹规划距离约束条件、限速约束条件与动力学约束条件，分别对应的的当前距离约束范围、当前限速约束范围与当前加速度约束范围。
[0109]
s105：根据所述待规划车辆的预设综合目标函数与所述约束范围，采用预设遗传算法求解所述待规划车辆的预设待优化轨迹曲线模型。
[0110]
基于上述步骤s104确定各个约束条件的约束范围之后，获取基于上述过程预先确定的待规划车辆的预设综合目标函数以及预设待优化轨迹规划曲线模型，从而根据待规划车辆的预设综合目标函数与预设约束条件，采用预设遗传算法求解出待优化轨迹曲线模型对应的最优轨迹曲线。
[0111]
在本说明书一个或多个实施例中，根据所述待规划车辆的预设综合目标函数与所述约束范围，采用预设遗传算法求解所述待规划车辆的预设待优化轨迹曲线模型，具体包括以下过程：首先获取待规划车辆的预设综合目标函数；其中，预设综合目标函数为：α为舒适度的权重系数，β为时间的权重系数，t为待规划车辆在两路
口间的行驶时间，t
*
为行驶时间t的无量纲化时间。然后再根据预设约束条件的各个约束范围，确定出待优化轨迹规划曲线模型的轨迹调整参数的范围。然后根据轨迹调整参数与轨迹调整参数的范围，确定待优化轨迹曲线模型的最优解范围，以将综合目标函数作为适应度函数，基于预设遗传算法在最优解范围内全局搜索最优轨迹调整参数，如果没有搜索到最优轨迹调整参数，那么需要根据下一信号灯周期的信号灯周期数量求解出待优化轨迹模型的最优轨迹。如果可以搜索到最优轨迹调整参数，那么就将最优轨迹调整参数代入所述待优化轨迹曲线模型，以获得所述待规划车辆的最优轨迹。此处，需要说明的是，该预设遗传算法为现有算法因此不对遗传算法的具体实施过程加以限定。其中，可以理解的是：如果可以获得待优化车辆的最优轨迹那么控制带规划车辆按照该最优轨迹进行行驶，如果无法获得待优化车辆的最优轨迹那么说明在该信号灯周期内没有最优轨迹，那么如图4所示继续判断下一周期内理论行驶时间是否可以通过，是否具有最优解。
[0112]
通过以综合效益为最优的目标函数，提高了车辆规划的综合效益问题，充分考虑出行人员的舒适度和时间成本，生成的规划曲线直观准确平滑度高，规划曲线更符合乘坐人员的要求，增加行驶的舒适度。在目标函数中充分考虑自动驾驶车辆行驶时间问题，增加交通通行效率，减少出行成本，实现了不停车通过信号交叉口，减少了对交通流波动的影响。
[0113]
如图4所示为本说明书实施例提供的一种应用场景下的轨迹曲线模型的优化求解流程示意图。由图4可知，本说明书对于规划轨迹优化求解步骤为首先判断规划轨迹能否在第一个信号周期内通过交叉口。如果可以那么利用优化求解算法求解，如果可以计算出最优的参考轨迹，那么说明系统规划出最优的参考轨迹。如果第一个信号周期内不能通过交叉口，那么判断能否在第二个信号周期通过信号交叉口，如果理论上可以在第二个信号周期内通过，继续进行优化求解，如果理论上不可以那么需要规划第n+1(n＝2)个信号周期内通过交叉口的最优轨迹依次，继续执行直到获得最优轨迹。将获得的最优轨迹下发到自动驾驶车辆执行单元，自动驾驶车辆按照提前规划的轨迹行驶，可以获得时间和驾驶舒适度最优的行驶体验。
[0114]
如图5所示，本说明书实施例提供的一种车辆轨迹规划系统的内部结构示意图。由图5可知，系统包括：
[0115]
第一获取单元501，用于获取待规划车辆当前位置的车辆行驶数据以及道路交通数据，以根据所述车辆行驶数据与所述道路交通数据，确定所述待规划车辆是否进行轨迹规划；
[0116]
第二获取单元502，用于若确定所述待规划车辆进行轨迹规划，则基于所述道路交通数据获取所述待规划车辆通过下游路口的理论行驶时间；
[0117]
第一确定单元503，用于根据所述理论行驶时间与所述道路交通数据中的信号灯周期，确定出所述待规划车辆通过交叉口的信号灯周期数量；
[0118]
第二确定单元504，用于基于所述信号灯周期数量与所述待规划车辆的道路交通数据，确定所述待规划车辆预设约束条件的约束范围；
[0119]
求解单元505，用于根据所述待规划车辆的预设综合目标函数与所述约束范围，采用预设遗传算法求解所述待规划车辆的预设待优化轨迹曲线模型，若求解获得最优轨迹曲线，则控制所述待规划车辆根据所述最优轨迹曲线进行行驶。
[0120]
图6为本说明书实施例提供的一种车辆轨迹规划设备的内部结构示意图。如图6所示，设备包括：用于存储计算机程序指令的存储器601和用于执行程序指令的处理器602，其中，当该计算机程序指令被该处理器602执行时，触发该设备执行以下过程：
[0121]
获取待规划车辆当前位置的车辆行驶数据以及道路交通数据，以根据所述车辆行驶数据与所述道路交通数据，确定所述待规划车辆是否进行轨迹规划；
[0122]
若确定所述待规划车辆进行轨迹规划，则基于所述道路交通数据获取所述待规划车辆通过下游路口的理论行驶时间；
[0123]
根据所述理论行驶时间与所述道路交通数据中的信号灯周期，确定出所述待规划车辆通过交叉口的信号灯周期数量；
[0124]
基于所述信号灯周期数量与所述待规划车辆的道路交通数据，确定所述待规划车辆预设约束条件的约束范围；
[0125]
根据所述待规划车辆的预设综合目标函数与所述约束范围，采用预设遗传算法求解所述待规划车辆的预设待优化轨迹曲线模型，若求解获得最优轨迹曲线，则控制所述待规划车辆根据所述最优轨迹曲线进行行驶。
[0126]
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、设备、非易失性计算机存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
[0127]
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
[0128]
以上所述仅为本说明书的一个或多个实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书的一个或多个实施例可以有各种更改和变化。凡在本说明书的一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。