车道变换辅助和公路自动驾驶的情景模型预测控制

（Scenario Model Predictive Control for Lane Change Assistance and Autonomous Driving on Highways）

本文基于情景模型预测控制（SCMPC）的最新成果，提出了一种新的车道变换辅助和公路自动驾驶控制算法设计。其基本思想是通过少量的未来场景来解决交通环境的不确定性，这是直观的，计算效率高的。这些场景可以通过任何模型或数据的方法来生成。本文讨论了SCMPC的设计过程，这个过程很简单，可以推广到自动驾驶中的其他控制挑战，以及控制器的鲁棒性。

SCMPC算法需要对主车环境中所有相关目标车辆进行预测，并将其结合到交通情景中。目标车辆预测包括两个部分：（a）动力预测模型，用于识别目标车辆可能执行的动力类型;（b）为目标车辆产生可能的轨迹预测模型。

SCMPC车道变换辅助的目标是在公路上检测和执行安全的车道变换轨迹。安全的车道轨迹是舒适性和安全限制的轨迹。为了简化优化问题，目标车辆的安全限制被简化为只有纵向安全距离。实验结果证明了SCMPC算法的有效性及其在高速公路车道变换情况下的性能。

未来的研究将集中在对实际交通中的高速公路进行广泛的现场测试。我们的实验车辆上的传感器将用于检测周围的目标车辆。此外，还将根据实际的交通数据，对交通情景进行更详细的研究和模拟。