提升动态环境下的无人车行驶效率：运动微分约束协同规划算法

本文主要探讨了"基于运动微分约束的无人车辆纵横向协同规划算法"的研究，作者为姜岩、龚建伟、熊光明和陈慧岩。他们针对传统无人车辆规划系统中存在的问题，即在动态环境中快速行驶时，两层结构（路径规划-路径跟踪）的效率不足，往往需要频繁的全局路径重规划，导致反应时间延长。为了解决这个问题，研究者提出了新的三层规划系统结构，即在原有路径跟踪的基础上，增加了横向和纵向的协同规划。 该算法的核心思想是利用高阶多项式模型对车辆在预瞄距离内的行驶曲线进行建模，这使得车辆在行驶过程中能够实现平滑的转向，即使在高速情况下也能保持良好的路径跟踪性能。横向规划负责提供车辆的横向安全性，确保车辆在避开障碍物的同时，保持稳定的行驶轨迹。纵向规划则在车辆动力学约束的速度容许空间内进行，通过精细控制加速和制动，保证纵向行驶的安全性，并协同横向规划以维持车辆的侧向稳定性。 算法的一大优点在于其自适应性，可以根据实时的局部环境动态地确定纵横向的期望运动参数，无需预先设定固定的操作模式或调整复杂的参数设置。这种灵活性使得算法在实际应用中表现出色，如在2011年和2012年的智能车未来挑战赛中，采用此算法的无人驾驶平台能够在真实交通环境中，使用统一的程序框架实现全程的自主驾驶，且速度限制在40km/h以下。 研究的成果以"自动化学报"2013年第39卷第12期的形式发表，文章的DOI为10.3724/SP.J.1004.2013.02012。本文的关键点包括无人车辆技术、运动微分约束理论、纵横向协同规划方法以及车辆控制策略，对于提高无人车辆在复杂动态环境下的行驶性能具有重要意义。