《Journal of Intelligent and Connected Vehicles》:An Efficient Bidirectional Search Hybrid A* Method for Parking Path Planning in Adjacent Vehicle Deviation Scenarios to Enhance Passenger Comfort
编辑推荐:
为解决手动与自动驾驶共存导致的邻车非标准最终泊车状态(FPS)问题,提升乘客上下车舒适度(CPBA),本研究提出双向搜索混合A(BHA)泊车路径规划方法。通过构建CPBA量化表征变量、建立FPS多目标优化模型,结合Voronoi势场安全成本与双向搜索策略,实现非标准FPS的快速精准规划。实验表明该方法在7种典型场景下可将搜索效率提升63.6%,有效平衡安全距离与车门开启空间,为智能泊车系统舒适性优化提供新范式。
当自动驾驶技术逐渐融入日常生活,停车场却呈现出一幅奇特的景象:整齐划一的自动驾驶车辆旁,夹杂着姿态各异的人工驾驶车辆。这种"人机混停"场景导致相邻车辆常出现非常规的最终泊车状态(FPS)——或偏左、或靠后,甚至斜插在车位中。若自动驾驶车辆仍机械地采用居中的标准FPS,不仅会增加碰撞风险,更会导致乘客上下车困难:车门无法完全开启,上下车时需侧身挤过狭窄缝隙,严重时甚至无法正常上下车。这种被忽视的"最后一米"舒适度问题,正是智能泊车系统亟待突破的瓶颈。
针对这一难题,同济大学金文瑞团队在《Journal of Intelligent and Connected Vehicles》发表最新研究,提出一种面向邻车偏移场景的双向搜索混合A(BHA)泊车路径规划方法。该研究首次将乘客上下车舒适度(CPBA)量化指标引入泊车规划,通过多目标优化模型平衡目标车辆与邻车的车门开启需求,创新性地将生物启发算法与运动规划相结合,为解决复杂现实场景中的泊车舒适性问题提供了完整技术方案。
关键技术方法主要包括:基于车门必需开启角度(αsj/αnj)与允许开启角度的CPBA表征模型,采用遗传算法求解含安全距离约束的FPS多目标优化,融合Voronoi势场安全成本(s(n))与双向搜索策略的改进混合A*算法,以及基于三次贝塞尔曲线的路径平滑处理。实验采用真实车辆参数(WV=1.76m, LV=4.76m)和7种典型邻车偏移场景进行验证。
CPBA表征与FPS优化模型
通过建立局部坐标系OXY,将FPS定义为几何中心坐标(xe, ye)和航向角θe的组合。针对侧身下车(αsj=34.3°)和正面下车(αnj=26.4°)两种模式,引入座位状态参数kj计算实际所需开门角度。通过求解车门端点与邻车边界线的几何关系,建立允许开启角度映射函数α=fAA(S1, S2, GV1, GV2, GP, Ob, ID)。以开门角度裕度Δαj=(αj-αsrj)/αsrj×100%作为舒适度评价指标,构建含安全距离权值ηs和邻车舒适度权值ηA的多目标优化函数,结合车辆边界约束(G1-G2)和开门可行性约束(G3-G5),采用遗传算法求解最优FPS。实验显示,在邻车偏移场景下,优化后的FPS可使目标车辆开门裕度从-16.3%提升至30.3%,同时保证邻车开门需求。
非标准FPS下的BHA路径规划*
传统混合A算法在非标准FPS场景下面临搜索效率低和终点误差大的双重挑战。本研究通过三方面改进:首先引入Voronoi势场安全成本s(n)=max{ρVA, ρVB, ρVC, ρVD},利用势函数ρV(x,y)的障碍物排斥特性引导路径远离危险区域;其次采用双向搜索策略,分别从起始点和目标点同步扩展节点,通过相干成本q=u1q1+u2q2+u3q3避免路径交叉,将搜索操作次数从mn降至2mn/2;最后通过后轴中心坐标转换公式实现几何中心与运动规划坐标系的统一。在分辨率0.02m条件下,BHA算法将搜索时间从5.78s降至2.10s,路径长度减少4.0%,且完全消除终点姿态误差。
多场景验证与适应性分析
通过7类典型邻车偏移场景的测试表明:当左邻车偏移量xeL>0.13m时,标准FPS方案已无法满足基本上下车需求,而优化FPS方案仍能保持Δα>15%的开门裕度。针对不同座位状态([1000]~[1100])的测试验证了方法的适应性,特别是在目标车辆右侧有乘客([1001])时,通过调整FPS仍能保证所有车辆满足上下车要求。真实停车场环境测试中,BHA*算法在存在障碍车辆的狭窄通道(WC=6m)内成功规划出多条安全路径,包括反向泊车(θeT=92.7°)和斜向泊车(θeT=178°)等复杂场景。
本研究开创性地将乘客舒适度作为泊车路径规划的核心优化目标,建立了完整的非标准FPS优化理论框架和快速规划算法。通过量化车门开启动力学约束与人体工程学需求,解决了"人机混停"场景下的实用性问题。BHA*算法在保持路径安全性的同时显著提升搜索效率,为智能泊车系统从"能停"到"好停"的演进提供了关键技术支撑。未来研究可进一步考虑车辆异质性、动态障碍物等复杂因素,推动舒适性导向的泊车技术在实际场景中的规模化应用。