基于引力搜索混合交叉算法（GSA-Blend）的自动驾驶车辆动态换道轨迹规划研究

本文提出了一种创新的动态换道轨迹规划方法——引力搜索混合交叉算法（GSA-Blend），通过结合引力搜索算法（GSA）和混合交叉技术，实现了复杂驾驶场景下的实时轨迹优化。该算法在安全性、舒适性和效率的平衡中表现卓越，仿真验证其优于传统方法，为自动驾驶技术提供了可靠的轨迹规划解决方案。

　　

亮点

本研究提出了一种创新的动态换道轨迹规划方法——引力搜索混合交叉算法（GSA-Blend），通过结合引力搜索算法（GSA）和混合交叉技术，实现了复杂驾驶场景下的实时轨迹优化。该算法在安全性、舒适性和效率的平衡中表现卓越，仿真验证其优于传统方法，为自动驾驶技术提供了可靠的轨迹规划解决方案。

相关研究

轨迹规划挑战已引发大量研究，从基于规则的方法（Wang等，2020a；Liu等，2021）到优化算法（Liu等，2020a；Alsajri等，2024）。然而，传统方法在处理动态换道场景的复杂性时存在局限（Yu等，2023）。传统基于规则的方法（Wang等，2020a；Liu等，2020a，2021；Li等，2021）通常依赖于预定义规则，难以适应动态环境。

系统模型

动态换道轨迹规划过程涉及多个相互关联的变量和组件，共同定义了车辆在换道过程中的路径和速度。该模型详细描述了轨迹优化中关键的组件和变量。

问题描述

动态换道轨迹规划的任务是为自动驾驶车辆确定最优的换道路径和速度，同时考虑效率、安全性和乘客舒适度（Li等，2021；Cao等，2015）。本节详细说明了轨迹规划的目标、约束和关键因素。

研究方法

本节提出了一种新颖的动态换道轨迹规划方法，通过结合引力搜索算法（GSA）（Su和Wang，2015）与混合交叉技术，称为GSA-Blend。这种混合方法利用引力搜索技术的探索能力和混合交叉的精细控制机制，优化整体成本函数，提升轨迹规划性能。

仿真与验证

为评估GSA-Blend在动态换道轨迹规划中的有效性，开发了全面的仿真环境。通过多种驾驶场景和循环测试，对比分析了该算法与现有方法的性能。

结论

本研究提出了一种创新的动态换道轨迹规划方法，解决了复杂动态驾驶场景中的实时优化挑战。GSA-Blend通过平衡效率、安全性和乘客舒适度，优化了换道轨迹。广泛的仿真验证了该算法在不同驾驶场景中的优越性能。