基于势能场虚拟力的智能网联车辆运动规划*

田洪清，丁 峰，郑讯佳，黄荷叶，王建强

（清华大学，汽车安全与节能国家重点实验室，北京 100084）

前言

智能网联车辆运动规划算法能提高车辆行驶安全性、优化行车轨迹和速度、节约能耗并改善行驶舒适性［1］。根据车辆当前状态和周围环境中其他车辆状态信息，规划出安全、高效、可行的参考轨迹［2］。运动规划方法可分为图搜索法、随机采样法、几何曲线法、最优化法、仿生学习法和势能场法。

众多运动规划算法各有其优势和缺点。图搜索法中A*算法以起始点为中心向外搜索，以通过路径为代价值，以与终点直线距离作为启发值，使搜索沿着距离最短方向进行［3］，该算法能规划最优路径，但其增量式计算方法导致计算复杂度高［4］；快速随机搜索树算法用随机采样方式生成一个扩展树［5］，在扩展树中搜索规划路径，速度较快，但规划路径为局部最优轨迹；几何曲线法通过拟合逼近控制点来形成［6］，该方法平滑性好，能适应车辆动力学约束条件，但难以实时避障；最优控制法通过最优控制理论找到可行的最优控制量［7］，缺点在于难以准确描述最优轨迹的特征；人工势能场法将环境信息抽象为引力场和斥力场函数，通过场函数来规划从起始点到目标点的无碰撞路径［8-9］，具有规划速度快、动态避障效果好的优点。但传统的人工势能场方法忽略了动态障碍物的运动速度，存在轨迹振荡等问题［10-11］。

针对现有运动规划算法存在的问题，本文中提出基于势能场虚拟力模型的车辆运动规划方法，该方法通过获取自车与周边车辆的运动状态，建立纵横向势能场虚拟力模型，提出了基于车辆运动状态与势能场虚拟力相互循环迭代的运动规划方法。……