本发明涉及路径规划与车辆动态控制，具体涉及一种基于数据驱动的自适应弯道速度规划控制方法、系统及车辆。
背景技术：
1、随着自动驾驶技术的不断进步，驾驶体验逐步自动驾驶的研究重点。对具有纵向自动驾驶控制功能的车辆来讲，路况环境复杂多变。其中，不同曲率的弯道路况是检验自动驾驶性能的重要场景，大曲率道路行驶过程的安全性、平顺性以及行驶效率直接影响驾驶员的驾驶体验，车辆的过弯性能一定程度上反映了自动驾驶算法优劣性。
2、现有的自动驾驶算法普遍缺乏与驾驶员的交互过程，无法深刻体现自动驾驶的智能化及拟人化。
技术实现思路
1、鉴于上述问题，本发明提供一种基于数据驱动的自适应弯道速度规划控制方法、系统及车辆，能够更好地体现自动驾驶的智能化及拟人化。
2、根据本发明的一个方面，提供了一种基于数据驱动的自适应弯道速度规划控制方法，包括：
3、步骤s1，将自动驾驶系统的路径规划模块输出的路径点迹作为输入，确定每个路径点的曲率值，以消除感知输入不稳定性和车辆行驶路径与车道中心线不完全匹配的影响；
4、步骤s2，遍历所有路径点，选取曲率最大的路径点作为锚点，并以该路径点的纵向位置为锚定距离；根据锚点的曲率值和锚定距离确定对应的横向加速度；
5、步骤s3，在线学习驾驶员驾驶车辆过弯时不同曲率半径路段对应的所述横向加速度，得到不同曲率半径下驾驶员的期望横向加速度与预设参考横向加速度的偏差值，根据所述偏差值修正不同曲率半径下的横向加速度。
6、在一种可选的方式中，所述确定每个路径点的曲率值进一步包括：
7、从所述路径点中选取连续的三个点a、b、c，其中b为当前待计算曲率的路径点，a和c分别为b点的前一个点和后一个点；
8、计算三角形abc的三条边a、b、c的长度，其中，a为ab的长度，b为bc的长度，c为ac的长度；
9、根据余弦定理和三角函数计算角b的正弦值，根据角b的正弦值和bc的长度，得到外接圆半径r以及对应的曲率k；
10、将曲率值k作为当前路径点b的曲率值。
11、在一种可选的方式中，所述选取曲率最大的路径点作为锚点进一步包括：
12、根据车辆当前的车速和预设的反应减速度，计算车辆以该反应减速度从当前速度减至静止所需的安全距离；
13、对路径上的所有离散点进行遍历，将每个离散点作为潜在的候选锚点；
14、以所述候选锚点为中心向前后各延伸安全距离，确定候选范围，将所述候选范围内的所有路径点作为影响车辆行驶决策的关键点；
15、计算所述候选范围内的每个路径点的曲率值，选取曲率值最大的路径点作为锚点。
16、在一种可选的方式中，所述步骤s3进一步包括：
17、确保驾驶场景满足采集用户驾驶数据的触发条件，当所述触发条件满足时，以预设频率持续采集驾驶数据，直到曲率半径大于设定阈值、横向加速度为0或达到最大数据采集时间；其中，所述驾驶数据包括道路的曲率半径和车辆的横向加速度；
18、通过初始的曲率半径表格和对应的默认参考横向加速度表格，对每个采集到的曲率半径进行线性插值，得到对应的默认参考横向加速度；
19、将所有采集到的数据按曲率半径分组，对每组数据中的加速度差值进行加权平均，得到该曲率半径下驾驶员的期望横向加速度与预设参考横向加速度的平均偏差值；
20、根据所述平均偏差值修正不同曲率半径下的横向加速度。
21、在一种可选的方式中，所述方法还包括
22、针对初始的横向加速度表格中的每一个曲率半径对应的横向加速度，将其与差值表中对应的差值相加，得到更新后的横向加速度；其中，所述差值表包括期望横向加速度与参考横向加速度；
23、根据所采集的新过弯驾驶数据和学习率更新所述差值表，其中，所述差值表的更新公式为：
24、
25、其中，为上一次学习更新后的表格值；为当前学习得到的差值；为学习率。
26、本实施例中，在所述步骤s3之前，根据给定曲率半径表格和默认参考横向加速度表格，对曲率半径表格中的锚点曲率半径进行一阶线性插值，得到对应锚点处的舒适横向加速度；
27、在完成驾驶数据的收集与横向加速度的在线学习之后，如图10所示，根据更新后的曲率半径表格和更新后的参考横向加速度表格，再次对曲率半径表格中的锚点曲率半径进行一阶线性插值，得到更新后的对应锚点处的舒适横向加速度；
28、根据给定曲率半径和所述舒适横向加速度，得到曲率限速，以指导自动驾驶系统在该弯道中的速度控制；
29、根据所述曲率限速、所述锚点距离以及当前车速，得到期望加速度。
30、在一种可选的方式中，所述锚点距离的计算公式为：
31、；
32、其中，为当前车速；为反应减速度。
33、在一种可选的方式中，所述方法还包括：
34、判断所述期望加速度是否小于预设阈值，若小于所述预设阈值，则将状态位设置为true，以表示需要减速入弯；
35、根据期望加速度表格及相应的加速度变化率表格，对期望加速度的绝对值进行一阶线性插值，得到对应的舒适加速度变化率的绝对值；
36、根据所述加速度变化率的绝对值将加速度请求限制在预设范围内，以避免加速度/减速度过大；
37、直至驶出曲率大的弯道之后，将所述状态位设置为false，停止过弯动作以及加速度请求。
38、在一种可选的方式中，所述期望加速度的计算公式为：
39、；
40、其中，为当前车速；为锚点距离；为参考速度。
41、根据本发明的另一方面，提供了一种基于数据驱动的自适应弯道速度规划控制系统，包括：
42、路径曲率计算模块，用于将自动驾驶系统的路径规划模块输出的路径点迹作为输入，确定每个路径点的曲率值，以消除感知输入不稳定性和车辆行驶路径与车道中心线不完全匹配的影响；
43、锚点选择与加速度计算模块，用于遍历所有路径点，选取曲率最大的路径点作为锚点，并以该路径点的纵向位置为锚定距离；根据锚点的曲率值和锚定距离确定对应的横向加速度；
44、横向加速度学习与修正模块，用于在线学习驾驶员驾驶车辆过弯时不同曲率半径路段对应的所述横向加速度，得到不同曲率半径下驾驶员的期望横向加速度与预设参考横向加速度的偏差值，根据所述偏差值修正不同曲率半径下的横向加速度。
45、本发明实施例还提供一种车辆，所述车辆上配置有自适应弯道速度规划控制系统，所述自适应弯道速度规划控制系统用于执行前述任一实施方式所述的基于数据驱动的自适应弯道速度规划控制方法。
46、根据本发明提供的基于数据驱动的自适应弯道速度规划控制方法、系统及车辆，将自动驾驶系统的路径规划模块输出的路径点迹作为输入，确定每个路径点的曲率值；遍历所有路径点，选取曲率最大的路径点作为锚点，并以该路径点的纵向位置为锚定距离；根据锚点的曲率值和锚定距离确定对应的横向加速度；在线学习驾驶员驾驶车辆过弯时不同曲率半径路段对应的所述横向加速度，得到不同曲率半径下驾驶员的期望横向加速度与预设参考横向加速度的偏差值，根据所述偏差值修正不同曲率半径下的横向加速度。这样可通过在线学习驾驶行为从而增强与驾驶员的交互，进而能够更好的体现自动驾驶的智能化与拟人化。
1.一种基于数据驱动的自适应弯道速度规划控制方法，其特征在于，包括：
2.根据权利要求1所述的基于数据驱动的自适应弯道速度规划控制方法，其特征在于，所述确定每个路径点的曲率值进一步包括：
3.根据权利要求1或2所述的基于数据驱动的自适应弯道速度规划控制方法，其特征在于，所述选取曲率最大的路径点作为锚点进一步包括：
4.根据权利要求1所述的基于数据驱动的自适应弯道速度规划控制方法，其特征在于，所述步骤s3进一步包括：
5.根据权利要求4所述的基于数据驱动的自适应弯道速度规划控制方法，其特征在于，所述方法还包括：
6.根据权利要求1所述的基于数据驱动的自适应弯道速度规划控制方法，其特征在于，在所述步骤s3之前，所述方法还包括：
7.根据权利要求1或6所述的基于数据驱动的自适应弯道速度规划控制方法，其特征在于，所述锚点距离的计算公式为：
8.根据权利要求6所述的基于数据驱动的自适应弯道速度规划控制方法，其特征在于，所述方法还包括：
9.根据权利要求8所述的基于数据驱动的自适应弯道速度规划控制方法，其特征在于：
10.一种基于数据驱动的自适应弯道速度规划控制系统，其特征在于，包括：
11.一种车辆，其特征在于，所述车辆上配置有自适应弯道速度规划控制系统，所述自适应弯道速度规划控制系统用于执行前述权利要求1-9任一项所述的基于数据驱动的自适应弯道速度规划控制方法。
