北京理工大学秦也辰副教授团队：考虑道路障碍的自动驾驶卡车行驶轨迹规划方法|CJME论文推荐|人驾驶出租车|北京理工大学|秦也辰|自动驾驶|行驶轨迹|避障

引用论文

Qin, Y., Huang, Y., Yu, W. et al. ROITP: Road Obstacle-Involved Trajectory Planner for Autonomous Trucks. Chin. J. Mech. Eng. 38, 9 (2025). https://doi.org/10.1186/s10033-024-01157-8

(戳链接，下载全文)

关于文章

研究背景及目的

高速干线物流的卡车自动驾驶有着广阔的应用前景和巨大的商业潜力，而轨迹规划是自动驾驶系统中一个不可或缺的重要环节，其目的是为自动驾驶车辆规划出一条安全、高效的可行轨迹。在卡车的轨迹规划任务中，如何应对路面的未知小障碍是一个尚待解决的难题。基于激光雷达和视觉摄像头的目标检测算法能够有效地提供障碍的位置和尺寸信息，但传统的规划方法无法有效地将避障和越障相结合。

直接忽略路面障碍可能会带来碰撞和颠簸风险，而对所有障碍都进行避让，不仅效率低下，对自车和周遭的交通参与者也有着潜在的风险，因为承担干线物流任务的重型卡车相较普通乘用车，有着更高的质心和更大的质量，因而有着更高的侧翻风险。针对这一点，研究人员通过动力学建模、相轨迹分析等方法对车辆的侧翻稳定性进行了研究和分析，提出了衡量车辆侧翻风险的稳定域指标，用于主动防侧翻控制系统的设计之中。

现有的自动驾驶系统多侧重于车辆横、纵向特性的轨迹规划，并未将车辆的侧翻风险纳入考虑之中。在此基础上，提出了一种考虑车辆侧翻稳定性的轨迹规划方法，将基于动力学分析得到的车辆侧翻风险纳入到轨迹规划的代价之中，并通过方针和硬件在环实验验证其性能。

仿真结果显示，该方法提高了越障/避障场景下车辆的侧翻安全性，并在该类场景下有着更类人合理的驾驶行为；硬件在环实验展示了该方法在嵌入式实时系统上的性能，证明了其实际应用的可行性。

试验方法

本研究旨在提出一种考虑路面障碍影响的自动驾驶卡车轨迹规划方法，以提高越障/避障场景下自动驾驶车辆的规划安全性。为实现这一目标，研究采用了离散采样+最优化的解决方案，并通过仿真和硬件在环实验进行验证。

首先，研究完成了对卡车侧翻及轨迹跟踪的数学模型描述，并介绍了基于模型推导的两类车辆侧翻稳定性指标。

其次，对轨迹规划方法进行了详细介绍。包括基于ANFIS的路面障碍可跨越性分类方法，基于多项式曲线的轨迹采样方法以及基于可跨越/不可跨越障碍物的轨迹合法性检查和代价计算，以确保规划出安全、高效、合理的可行轨迹。

然后，通过仿真实验验证了所提出方法的有效性，在设计的多个不同工况下，所提出方法均完成了合理高效的避障和越障，相较传统方法可有效减少因缺乏对路面障碍考虑带来的颠簸和安全风险。

最后，通过硬件在环实验，验证了所提出方法在嵌入式系统下的实时性能，并对实时性能和规划表现之间的相互影响进行了分析说明。

综合而言，本研究通过结合车辆侧翻动力学指标和基于离散采样+最优化的规划方法，设计了一种考虑路面障碍影响的轨迹规划方法，并应用于自动驾驶卡车系统，提高了越障/避障场景下车辆行为的安全/类人性，仿真和硬件在环实验验证了该方法的可行性和有效性。

图1 轨迹规划框架图

结果

通过仿真和硬件在环实验，验证了所提出轨迹规划方法的有效性和实时性。

首先，在simulink-trucksim的联合仿真环境中，分别设计了三个实验场景，用于验证所提出轨迹规划方法的越障和避障性能，证明了该方法能够有效地将路面障碍的潜在风险纳入轨迹规划之中并进行规避，相较传统方法能够减少跨越障碍过程中带来的垂向冲击。

图2 场景1的示意图和规划轨迹：(a) 初始条件，(b) 轨迹规划结果

图3 场景2的示意图和规划轨迹

图4 场景3的示意图和规划轨迹：(a) 初始条件，(b) 轨迹规划结果

最后，在硬件在环实验中验证了该算法在嵌入式平台下的实时性能。上位机运行prescan-trucksim-simulink环境，下位机为Speedgoat实时机，通过MATLAB realtime工具箱将算法生成代码并部署至下位机，上下位机通过以太网连接。实验表明了算法参数对实时性和规划表现地整体影响，并基于上游感知系统的表现探究了两者间的权衡关系。

结论

本研究提出了一种针对卡车自动驾驶任务的考虑路面障碍影响的轨迹规划方法。通过结合车辆侧翻动力学的模型分析和融合多项式采样与离散最优化的规划方法，将路面障碍对车辆的垂向和侧倾特性影响定量地纳入轨迹代价之中进行优化。通过仿真和硬件在环实验，证明了所提出方法在越障和避障场景下，相较传统规划方法有着更高效、更安全、更类人的规划表现，且能够在嵌入式平台中进行实时计算。

前景与应用

本研究所提出的算法在仿真和HIL实验中取得较为理想的结果，为未来考虑道路障碍的规划方法在自动驾驶卡车领域的实际应用提供了有力的支持。

未来研究将重点研究如何进一步提升路面障碍分类效果。具体包括障碍物检测精度的提升、分类特征指标的多样化和细化、对感知不确定性的处理等等。

此外，团队将进一步尝试将规划算法与主动防侧倾控制的相互结合，通过规划-控制一体化来减少层级间信息传递的损失，进一步地保障系统的侧翻安全性。

关于作者

作者团队介绍

秦也辰（第一作者），北京理工大学机械与车辆学院副教授，振动与噪声控制研究所所长。入选中国汽车工程学会“青年人才托举计划”以及全国博士后管委会“博士后创新人才计划”，主要研究方向为智能车辆系统动力学控制，主持国家自然科学基金面上项目、青年项目以及多项国家级纵向项目。以第一/通讯作者发表SCI/EI论文60余篇。目前担任中国汽车工程学会悬架技术分会委员、中国自动化学会车辆控制与智能化专委会委员，主要学术兼职包括IEEE Transactions on Vehicular Technology、IEEE Transactions on Intelligent Vehicles副主编；Chinese Journal of Mechanical Engineering、Automotive Innovation青年编委等。

王红（通讯作者），清华大学车辆与运载学院副研究员、智能出行所副所长，入选2020年中国科协青年人才托举工程。长期致力于自动驾驶决策与预期功能安全领域的研究工作，近五年在汽车领域高水平学术期刊及会议发表论文六十余篇。近年来主持或作为骨干参与研究项目十余项。目前担任CAICV-智能网联汽车预期功能安全工作组执行副组长及中国汽车工程学会青年工作委员会副秘书长职务，主要学术兼职包括IEEE Intelligent Transportation Systems 副主编，IEEE Transactions on Vehicular Technology副主编，IEEE Transactions on Intelligent Vehicles副主编, Engineering 青年通讯专家；Automotive Innovation 科学编辑。

近年团队代表性文章

[1] Yu Zhang, Yuxuan Hu, Xuepeng Hu, Yechen Qin*, Zhenfeng Wang*, Mingming Dong, Ehsan Hashemi, Adaptive Crash-avoidance Predictive Control under Multi-vehicle Dynamic Environment for Intelligent Vehicles, IEEE Transactions on Intelligent Vehicles, DOI: 10.1109/TIV.2024.3394845.

[2] Zhewei Zhu, Xiaolin Tang*, Yechen Qin*, Yiwei Huang, and Ehsan Hashemi, A Survey of Lateral Stability Criterion and Control Application for Autonomous Vehicles, IEEE Transactions on Intelligent Transportation Systems, vol. 24, No. 10, pp. 10382-10399, 2023.

[3] Yu Zhang, Yutian Lin, Yechen Qin*, Mingming Dong, Li Gao, Ehsan Hashemi. “A New Adaptive Cruise Control Considering Crash Avoidance for Intelligent Vehicle”, IEEE Transactions on Industrial Electronics, vol. 71, No. 1, pp. 688-696, 2024.

[4] Yu Zhang, Mingfan Xu, Yechen Qin*, Mingming Dong, Li Gao, Ehsan Hashemi, “MILE: Multi-objective Integrated Model Predictive Adaptive Cruise Control for Intelligent Vehicle”, IEEE Transactions on Industrial Informatics, vol. 19, No. 7, pp. 8359-8548, 2023.

[5] Wenhao Yu, Chengxiang Zhao, Wang Hong*, Jiaxin Liu, Yingkai Yang, Xiaohan Ma, Jun li, Weida, Xiaosong Hu, Ding Zhao. Online Legal Driving Behavior Monitoring for Self-driving Vehicles. Nature Communications.2023.

[6] Wang Hong, Li-Ming Peng, Zichun Wei: Kai Yang xianxu Bai, Luo Jiang, Ehsan Hashemi, A Holistic Robust Motion Control Framework for Autonomous Platooning.IEEE Transactions on Vehicular Technology.2023.

[7] Wang Hong, Xiaofei Zhang, Jun Li, Bowen Li, Xiaorong Gao, Zhenmao Hao, Junwen Fu, Ziyuan Zhou & Mohamed Atia. Driving risk cognition of passengers in highly automated driving based on the prefrontal cortex activity via fNIRS. Scientific Reports 2023.

[8] Wang Hong, Lei Song, Zichun Wei, Liming Peng, Jun Li, Ehsan Hashemi. Driving Safety Zone Model Oriented Motion Planning Framework for Autonomous Truck Platooning. Accident Analysis and Prevention 2023.

[9] Wang Hong, Wenbo Shao, Chen Sun, Kai Yang, Dongpu Cao, Jun Li. A survey on an emerging safety challenge for autonomous vehicles: Safety of the intended functionality. Engineering 2023.

作者：秦也辰

责任编辑：谢雅洁

责任校对：向映姣

审核：张强

JME学院简介

JME学院是由《机械工程学报》编辑部2018年创建，以关注、陪伴青年学者成长为宗旨，努力探索学术传播服务新模式。

欢迎各位老师扫码添加小助理-暖暖为好友，由小助理拉入JME学院官方群！

欢迎关注JME学院视频号~

寻觅合作伙伴

有一种合作叫做真诚，有一种发展可以无限，有一种伙伴可以互利共赢，愿我们合作起来流连忘返，发展起来前景可观。关于论文推荐、团队介绍、图书出版、学术直播、招聘信息、会议推广等，请与我们联系。

感谢关注我们！《机械工程学报》编辑部将努力为您打造一个有态度、有深度、有温度的学术媒体！

本文为《机械工程学报》编辑部原创内容，欢迎转载！