智能网联汽车运动规划方法研究综述

分析了近年来智能网联汽车(Intelligent Connected Vehicle, ICV)运动规划方法的研究,根据规划时空尺度和任务目标,将ICV运动规划细分为路径规划、路线规划、动作规划和轨迹规划4级子任务,回顾了各级子任务中智能网联技术的研究和应用现状;探讨了ICV中驾驶人行为特性及其对运动规划结果的影响;从技术背景、研究场景、算法流程和应用理论4个方面,提出ICV运动规划方法研究的未来发展方向。结果表明:由于ICV主要依赖车辆网联信息规划运动路径,而路网中同时存在不同网联等级的ICV,这将增加路径规划问题的求解难度;现有ICV路线规划模型较少考虑周边多车运动状态以及路段车道设置情况,将现有算法与微观交通流模型相结合有助于解决此问题;ICV中人机协同及任务切换领域已出现诸多研究热点,如城市道路上换道与转弯动作规划、ICV引导非网联车辆行驶等问题;借鉴驾驶人行为模式规划ICV运动轨迹已成为研究共识,但是车-车、车-路网联信息在此领域的应用仍然有限;采用反馈-迭代的方法进行ICV运动路线和动作协同规划、运动规划和轨迹跟踪控制有助于获得全局最优的运动规划结果和车辆控制策略;根据具体规划任务特点选择构建ICV运动规划模型的基础理论,有助于发挥各类理论的优势,提升规划算法的灵活性和适用性。     

基于混合域优化控制的智能网联车辆运动规划模型

智能网联车辆具备提高交通安全与效率、降低能耗的巨大潜力.作为智能网联车辆决策控制的重要环节,运动规划对于智能网联车辆的循迹精度、控制效果具有显著影响.为了提高智能网联车辆控制精度,提出了一种智能网联车辆运动规划模型.该模型以追踪参考路径为目标,基于时空混合域的优化控制方法,避免了轨迹追踪过程中横向控制掺杂纵向误差的影响...     

一种基于轨迹预判的垂直泊车路径规划算法研究

为解决目前量产自动泊车系统泊车成功率低、泊车完成后车辆姿态偏斜等问题，研究搭建基于阿克曼转向几何学和车辆运动学的车辆运动模型，构建基于可行驶区域的栅格电子地图，在几何路径规划方法中融入基于轨迹预判的碰撞约束方法和路径居中算法，采用车辆膨胀轮廓模型，最大程度利用电子地图可行驶区域和保证路径安全性，设计出一种基于轨迹预判的垂直泊车路径规划算法，并通过仿真测试和实车测试验证算法的可行性。该算法可大大提高泊车成功率，能帮助解决泊车完成后车辆偏斜不居中的问题。     

智能网联汽车节能优化关键问题与研究进展

汽车保有量的增加和能耗排放法规日益严格的限制给车辆节能减排提出了巨大挑战，网联化、智能化和电气化是提高未来交通效率和减少公路能源消耗的三大支柱。为了全面了解智能网联汽车节能减排的前沿问题与研究进展，对当前经济驾驶领域的重点问题进行了总体概述。首先，从广义的能量转换角度总结了智能车辆节能优化技术的本质和3个过程，其中Wheels to Distance环节的车辆系统优化是挖掘汽车节能潜力的重要一环，针对其介绍了智能网联汽车节能优化问题的基本数学原理；其次，从智能运输系统的各类非同源异构数据出发，分别从人-车交互、车-车通信、车-路感知三方面阐述来源于"人-车-路"交互体系的智能信息与数据；然后，针对单车智能网联环境下的多维度信息与先进控制技术相结合的关键问题，从考虑道路坡度预测巡航控制、跟车工况预测巡航控制、智能辅助驾驶和车道变换等应用场景进行具体介绍；针对"人-车-路-云"多源异构环境下车辆行为协同节能关键科学问题，从经济驾驶、多车协同节能、道路交叉口车路协同节能和车云协同节能等方面详细介绍研究现状；并进一步介绍电气化公路系统的前瞻性研究，说明融合智能化信息的E-highway节能潜力和智能重型商用车协同节能的未来发展趋势。最后，总结并梳理智能化信息对于提升车辆节能的重要影响，并展望了其在理论与实际层面遇到的挑战。     

面向变曲率道路的自动驾驶汽车换道博弈运动规划与协同控制研究

当多辆自动驾驶车辆在结构化道路上执行换道合流任务时，需要综合考虑转向和合流动作以避免事故的发生，同时曲率和周车车速的变化也增大了协同控制的难度。本文聚焦上述问题，提出了面向变曲率道路的多车换道博弈运动规划与协同控制方法。首先，建立曲率坐标系下的多车模型来解析车间安全距离及动力学状态。其次，通过系统地考虑道路曲率变化及周围车辆信息，提出基于博弈的多车换道运动规划算法，采用分布式框架快速求解兼顾个性化驾驶的最优速度轨迹及换道时机。最后，基于B样条曲线高效识别道路曲率及规划轨迹，构建了自适应时变预测控制算法实现轨迹跟踪，其特点在于单步参数矩阵实时更新，消除车速和曲率频繁变化带来的控制偏差累积。实验结果表明，相比斯坦利（Stanley）方法，能降低58%的跟踪误差；相较协同自适应巡航方法，能减少74%的合流时间；另外计算求解效率也仅为集中式模型预测控制方法的10%。     

智能网联混合交通流交叉口控制：研究进展与前沿

交叉口是城市道路交通运行的瓶颈点，是造成交通拥堵的问题所在。交通控制是调控交通流、预防和缓解交通拥堵的关键策略，在效费比上具有较大优势。智能网联、自动驾驶技术的发展催生了常规车辆(Regular Vehicle, RV)、网联车辆(Connected Vehicle, CV)和智能网联车辆(Connected and Automated Vehicle, CAV)组成的智能网联新型混合交通流，推动着城市道路交通控制对象、数据环境和控制手段的变革，为交通控制提出巨大挑战的同时，也为交通控制理论方法的创新发展创造了新的条件。智能网联混合交通流交叉口控制已成为国内外研究热点，尚处于研究起步阶段。根据路权特征，先从单点交叉口、干线交叉口和路网多交叉口3个层面梳理智能网联混合交通流环境下的共用设施交叉口控制研究，包括交通信号配时、车辆轨迹/路径规划以及车辆轨迹-信号配时协同控制。然后介绍自动驾驶专用设施交叉口控制研究，包括CAV专用车道、CAV专用路段、CAV专用区域和快速公交-CAV混合专用车道。通过对现有成果的梳理发现：虽然新型混合交通流交叉口控制研究取得了部分进展，但RV驾驶行为的随机性、...     

基于动态博弈算法的切入场景下自动驾驶车辆运动规划研究

鉴于在车辆换道切入的场景中，自动驾驶车辆容易出现频繁的误减速、误避让，而造成通行能力和乘员舒适性的下降，提出一种基于主旁车动态博弈的切入场景决策规划算法。在行为决策层，根据切入场景中主旁车的冲突性关系，联立相关车辆运动方程建立整体系统的运动模型，构建考虑旁车状态的切入博弈模型，设计安全性和舒适性收益函数，进行驾驶行为博弈，输出行为决策结果。在轨迹规划层，根据车辆间距构建避障约束条件，以Sigmoid函数轨迹的变曲率和速度切向矢量的时间分量来构建车辆动力学约束。同时以加权收益方式联合考虑驾驶习惯和舒适性等需求，建立轨迹规划数学模型，求解得到满足上层博弈决策要求的运动轨迹。Carsim-Simulink联合仿真结果表明，在不同的初始条件下主车与切入的旁车能进行多种形式的合理的交互决策，准确完成切入场景下的运动规划任务，车辆能准确跟踪输出的轨迹，更符合一般驾驶习惯，提高了车辆的舒适性。     

城市郊区道路跟车条件下智能网联汽车速度规划

随着智能网联汽车技术的快速发展，跟车行驶控制能够有效实现车辆智能跟随及快速高效队列行驶。针对城市郊区道路条件下的智能网联汽车速度规划问题，以提高车辆的燃油经济性、舒适性及安全性为目的，基于跟车速度限幅和车辆动力系统信息，设计了基于初值优化的序列二次规划算法(Sequential Quadratic Programming, SQP),实时求解获取车辆跟车过程中的最优速度轨迹。首先，在车联网环境下，基于车车(Vehicle to Vehicle, V2V)通信及车辆与交通设施(Vehicle to Infrastructure, V2I)通信技术实时获取前方车辆的速度、加速度及位置等行驶信息并实时采集道路交通信息；然后，为减少车辆动态能耗损失和减小所需牵引力，并在规定的时间段内完成相应的行驶路程，利用采集到的前车行驶信息，采用基于初值优化的SQP算法对最优目标车速进行求解；此外，基于周边动态的道路交通场景，考虑边界约束条件，采用滚动时域的方法实现目标车辆速度在每个采样时刻的在线滚动优化，保证目标车辆节能安全地跟车行驶；最后，通过仿真验证了该算法的有效性和实时性。研究结果表明：基于初值优化...     

人机混驾环境下混行车辆雾模型研究

目前搭载高级驾驶辅助系统和车联网（Vehicular Ad Hoc Network，VANET）技术的智能网联车（Intelligent Connected Vehicles，ICV）正大量涌入人工驾驶车（Manual Vehicle，MV）流之中，ICV与MV共存的异构车辆混行交通态势逐步形成，异构车辆之间的交互产生壁垒。混行之下单个ICV虽可依托单车硬件传感与单车计算单元实现与MV的交互意图识别，但其受有限算力与有限传感的影响，资源负载增大，时效性与安全性方面存在一定的误差与风险，而混行之下的VANET技术也不能够提供全局性车路资源用以高度匹配ICV与MV的交互场景，而且越来越多的ICV计算需求也在激增VANET的负载压力。对此，结合边缘计算概念中的雾计算理论，提出混行车辆雾模型（Mixed Vehicle Fog，MVF），充分发挥车联网络边缘节点能力，通过合理整合调度ICV资源的方法，解决对MV正常交互意图计算的时效性与安全性问题。该模型首先通过各感知单元响应混行交通环境下ICV与MV的正常交互事件，然后利用基于容错节点分簇的资源调度算法（Fault-tolerant Node Clustering Resource Scheduling Algorithm，FNC-RSA），动态划分局部路段内对交互事件具有相关意图感知与计算需求的ICV为一组"协同雾群"，再评估雾内ICV节点自身资源与路由代价，定向定量调度资源，最终实现雾群内部MV交互信息共享与驾驶意图协同计算。试验借助Prescan和MATLAB搭建联合仿真平台，与低能耗自适应分簇型路由算法（Low Energy Adaptive Clustering Hierarchy，LEACH）模型对比，验证MVF模型的运行效率与模型鲁棒性。研究结果表明：MVF模型通过交互事件细分协同雾群，保证了计算负载均衡，提高了ICV定向资源计算与传输效率，比LEACH模型降低了55.17%的平均跳数，缩短了45.40%的平均任务完成时间，抗时延干扰能力强，鲁棒性能优异。该模型对于打破混行环境异构车辆交互壁垒，提高混行道路交通行车安全，创造车联网络良性发展空间具有积极作用。     

基于状态空间采样的高速公路智能网联车辆轨迹动态规划

为实现智能网联车辆在高速公路动态行车环境下的轨迹实时规划，提出一种基于状态空间采样的轨迹动态规划方法。首先，以安全性为原则选取主车当前行驶的理想车道。基于Frenet坐标与笛卡尔坐标的转换关系，建立车辆运动横、纵向解耦的独立积分系统。将高速公路常见的行驶状态分为车道保持与定速巡航、变道以及前车跟随3类，预测主车行驶车道并针对3类行驶状态分别设计轨迹终端的目标配置方法。然后，利用多项式函数生成连接初始配置和目标配置的多条待选轨迹。构建考虑轨迹偏离理想车道程度、始末速度变化、规划周期和轨迹舒适性的综合损失函数，结合速度、加速度、曲率检查来评价各条待选轨迹的成本并进行排序。最后，预测车辆的横、纵向运动轨迹并构建一种胶囊形的车辆虚拟安全边界，通过碰撞检测，确定主车的最优轨迹，设置动态规划触发条件及时更新最优轨迹并避免过度规划浪费资源。研究结果表明：提出的算法能满足高速公路场景的动态规划需求；通过对轨迹规划周期、虚拟安全边界、动态规划时间间隔等关键参数的分析与优化，主车的横摆角速度范围稳定在-0.1~0.15 (°)·s^-1，横向加速度范围稳定在-0.16~0.32 m·s^-2，跟踪参考轨迹的最大误差不超过0.022 m，提出的算法能规划出具有高安全性、稳定性和舒适性的轨迹。     

智能网联车辆跟驰模型及交通流特性研究

智能网联车辆(Intelligent and Connected Vehicle,ICV)跟驰模型是研究ICV交通流特性的基础模型,针对ICV跟驰模型的建模及交通流特性开展研究。分析现有ICV跟驰模型存在的缺陷,考虑模型结构简洁且参数物理意义明确的特性,提出新的ICV跟驰模型。理论推导本文ICV跟驰模型以及原跟驰模型的基本图函数关系式,对比分析通行能力的影响,考虑周期性边界条件,设计数值仿真实验,仿真分析ICV的混入对混合交通流稳定性的影响。研究结果表明:本文所提ICV跟驰模型能够克服原模型通行能力受恒定车头时距影响较大的缺陷,相比原模型而言,本文ICV跟驰模型通行能力随自由流速度的变化幅度较显著,与实际车流运行特性相符合,同时,ICV有利于混合交通流稳定性的提升,当ICV比例达到60%时,混合交通流由不稳定状态转变为稳定状态。研究结果论证了所提ICV跟驰模型具备良好的模型特性,可为智能网联环境下的交通流特性分析提供模型参考。     

混合交通下非信控交叉口队列预约式控制

目前针对非信控城市交叉路口场景进行智能网联汽车（ICV）协同控制的研究中,多假设100%的ICV市场渗透率条件,较少考虑人类驾驶车辆（HDV）对系统的影响。本文旨在解决HDV和ICV并存的混合交通条件下非信控交叉口协同控制问题,并探究渗透率对系统性能的影响。首先,提出了适用于混合交通条件的队列预约式分层控制架构,其上层分配各车辆通过路口的时刻,下层负责执行,并进行速度轨迹规划。接着,基于队列预约方法分别制定ICV和HDV的控制和调度策略。最后,在不同ICV渗透率和车流量下进行仿真对比。结果表明,在10%～100%渗透率和每车道车流量400～1 000 h-1的工况下,与感应式信号灯控制方法相比,所提出的方法可有效提升交叉口的通行效率,降低车辆平均油耗。     

智能网联卡车编队领航车驾驶人驾驶能力需求综述

智能网联卡车编队在减少人力成本、节省燃料消耗、提高运输效率等方面具有较大优势,是未来货物运输发展的新趋势。领航车驾驶人作为在智能化和网联化背景下出现的新兴角色,对于保障智能网联卡车编队安全平稳运行至关重要。通过对大量文献、标准规范以及企业调研结果的系统梳理,综述了智能网联卡车编队领航车驾驶人驾驶能力需求研究现状。首先,介绍了卡车编队系统架构、自动化分级标准和驾驶模式等智能网联卡车编队概况。然后,归纳了卡车编队行驶场景的组成要素种类,总结了超出车辆设计运行范围的边界场景,以此为基础分析了各边界场景下领航车驾驶人的能力需求。其次,论述了卡车编队不同功能对应领航车驾驶人的作用和职责。最后,以传统卡车驾驶人和自动驾驶卡车安全员的基本驾驶能力需求为基准,结合边界场景和编队功能对应的特殊驾驶能力需求,汇总获得卡车编队领航车驾驶人在理论知识、实操技能和生心理状态方面的需求,并对比分析了不同驾驶阶段下驾驶人能力需求差异。综述结果有助于更加科学合理地开展智能网联卡车编队领航车驾驶人的遴选、培训和考核。     

考虑驾驶人特性的智能驾驶路径跟踪算法

针对现有智能汽车路径跟踪控制过程中较少考虑驾驶人特性的问题,设计了一种考虑驾驶人特性的智能驾驶路径跟踪算法。采用k均值算法对实车试验获取的相关数据进行聚类分析,根据操纵特征参数的规律性和差异性将驾驶人特性分为正常型、激进型、保守型3类。根据驾驶人特性分类及聚类结果,将不同驾驶人对车辆侧向、纵向行驶状态的不同偏好特性融入至路径跟踪控制策略的设计中。采用模型预测原理设计了智能驾驶路径跟踪控制器,通过数据聚类结果来设计控制器的代价函数与约束条件。仿真试验结果表明,本文所提出的考虑驾驶人特性的路径跟踪控制策略具有较高的轨迹跟踪精度和速度控制精度,且车辆响应变化能够体现出不同的驾驶人特性,路径跟踪速度误差不超过2%,侧向跟踪误差小于0.13 m。     

人机协作系统中车辆轨迹规划与轨迹跟踪控制研究

自动驾驶系统需具备响应驾驶人意图且有效执行驾驶人意图的能力，以解决人机协作系统中存在的人机冲突、人机优势融合等问题。提出决策层“以人为主”、执行层“以机为首”的人机协作关系，构建包含驾驶人意图识别模块、基于意图识别的轨迹规划模块与轨迹跟踪控制模块的人机协作一体化控制系统框架，并重点对轨迹规划模块与轨迹跟踪控制模块开展研究。首先，结合双向长短期记忆神经网络（Bi-directional Long Short Term Memory，Bi-LSTM）与注意力机制模型建立换道轨迹规划模型；在改进人工势场算法中引入模型预测控制并建立避险轨迹规划模型。其次，通过开展驾驶模拟器试验建立换道与避险驾驶行为数据集，为拟人化模型训练和模型参数确定提供支撑。然后，综合考虑车辆状态变量、控制输入与输出以及道路结构参数等约束条件，构建基于最优转向前轮输入的线性时变模型预测轨迹跟踪控制器，实现对规划轨迹的精准跟踪。最后，基于驾驶模拟器搭建人机协作系统硬件在环测试平台，对轨迹规划模块与轨迹跟踪控制模块开展硬件在环测试与验证。结果表明：换道与避险规划轨迹光滑且平稳，轨迹跟踪控制过程中，车辆航向角与前轮转角变化平稳；所构建的轨迹规划与轨迹跟踪控制模块在确保安全性前提下可实现不同场景中的车辆运动控制需求。     

不同渗透率下非信控交叉路口混合预约多车协同控制EI北大核心CSCD

预约式方法是解决非信控交叉路口多车协同控制问题的经典方法。传统预约式方法通常假设路口中仅存在智能网联车辆(intelligent and connected vehicle,ICV),缺少对人类驾驶车辆(human-driven vehicle,HDV)和ICV并存情况的讨论。本文基于预约式方法,针对ICV与HDV混行的非信控交叉路口协同控制方法展开研究,并探究ICV渗透率变化对非信控交叉路口通行效率的影响。首先,对混合交通流下非信控交叉路口进行功能区域划分,并提出混合预约多车协同控制架构;其次,基于预约式方法制定考虑HDV驾驶行为特性的混合预约多车协同控制策略,包括ICV单元格预约策略和ICV速度控制策略;最后,基于SUMO/Python搭建非信控交叉路口混合交通联合仿真平台,以路口通过率和路段平均速度为评价指标,在ICV渗透率分别为100%、90%、60%和30%的情况下进行不同交通流量下的仿真验证。结果表明,所提出的控制策略能保证所有车辆安全通过交叉路口,且非信控路口通行效率随ICV渗透率的提高而提高。     

智能网联环境下基于安全势场理论的车辆跟驰模型

为有效刻画未来智能网联环境下交通流微观跟驰行为，以更加精确地进行车辆的运动决策，建立了基于安全势场理论下的车辆跟驰模型。模型以势场理论为基础，首先阐述了交通环境中安全势场的客观性、普遍性以及可测性，然后通过引入加速度参数对既有安全势场模型进行改进，改进后的安全势场模型能够有效刻画出在不同速度、加速度值下车辆安全势场的变化趋势。在分析安全势场变化基础上，构建的车辆跟驰模型强化了加速度参数对车辆跟驰行为的影响，由于不同速度、加速度信息在智能网联环境下车辆可以实时获取，因此该模型可应用于未来智能网联环境中。此外，在模型参数标定过程中，通过对NGSIM数据进行筛选，得到含有较多减速停车以及启动加速状态的轨迹数据，共筛选得到412组NGSIM真实跟驰车对数据，并最终利用人工蜂群算法对该模型进行参数标定。为评估模型仿真效果，选择OVM模型、IDM模型与本文模型进行比较，并选取均方根误差RMSE和平均绝对百分误差MAPE为参数标定结果评价与验证的指标，结果表明，建立的基于安全势场理论的车辆跟驰模型具有良好的精度，适用于描述考虑加速度参数条件下的跟驰行为，可为今后智能网联环境下车辆微观驾驶安全决策、交通流中观安全势场分布、交通流宏观状态估计等奠定理论基础。     

基于驾驶人不满度的高速公路自动驾驶换道决策

为了实现高速公路的自由换道行为决策，并满足行车安全高效性、决策结果平稳无震荡、与运动规划模块结合引导车辆行驶等要求，提出了一种基于驾驶人不满度的换道行为决策方法。首先，根据驾驶人的速度期望建立了驾驶人不满度累积模型，并基于驾驶人速度不满累积度产生换道意图。其次，依据不同车道障碍车的运动状态，设计了2种目标车道选择策略，通过预测引擎对各个待选车道进行预测和评估，选取其中行车效率较高的车道作为目标车道，同时建立换道最小安全距离模型，用以在换道全过程中判断换道的可行性。然后，将换道行为决策的结果以目标车道的形式传递给基于改进人工势场的运动规划模块，用于运动规划模块目标的选取，以引导车辆横纵向运动。最后，在CarSim/PreScan/Simulink的联合仿真平台和硬件在环平台上建立多种测试场景，验证换道行为决策算法。试验结果表明：换道行为决策算法能够依据驾驶人速度不满累积度产生稳定的换道意图，进而根据所设计的换道策略选取具有更高行车效率的目标车道，并在换道过程中持续判断换道的可行性，以应对障碍车辆突然加减速等突发状况，保证换道过程的高效性和安全性；换道行为决策算法通过目标车道的转换，引导运动规划模块调整车辆的运动，实现跟车、换道等行为。     

网联环境下高速公路辅助驾驶车辆编队评估

为评估智能网联环境下高速公路辅助驾驶车辆编队的效果，首先基于V2X （Vehicle to Everything）和智能驾驶人模型（Intelligent Driver Model，IDM）对网联环境下的车辆跟驰行为进行建模，并对其进行参数校准；其次从安全性评价指标和通行效率两方面构建编队效果评价体系；然后通过VISSIM和VBA联合仿真，改变编队的车道、交通流量、网联车渗透率等变量进行试验。仿真结果表明，网联环境下车辆辅助驾驶编队在不同层面对于安全性与效率性都有提升；最后以不同期望速度在网联环境和非网联环境下分别进行实车辅助驾驶编队试验，以验证评价指标体系以及仿真试验的有效性。其中，实车试验结果显示，期望速度为70 km·h^-1时，网联环境下的辅助驾驶编队通行效率比非网联环境提升56%，90 km·h^-1时提升37.2%，110 km·h^-1时提升39.8%。通过与仿真试验结果对比，表明网联环境下车辆辅助驾驶编队对交通流安全性有一定程度的提升。     

基于hp自适应伪谱法的智能汽车紧急变道轨迹规划与优化

为了提高智能汽车紧急变道轨迹规划的实时性和适应性,将紧急变道过程分为初始阶段和跟踪阶段,初始阶段的轨迹由优秀驾驶人紧急变道模型产生,跟踪阶段的轨迹采用Sigmoid函数规划出紧急避让路径。首先通过聚类分析处理优秀驾驶人转向操作的实车试验数据,拟合得出紧急变道过程中的方向盘转角随时间的关系（即驾驶人紧急变道模型）,作为智能汽车在紧急变道初始阶段不同速度下车辆控制的输入量。然后通过建立与求解约束方程,满足避撞约束、侧向位移约束以及最大侧向加速度约束,得出Sigmoid函数表达式,作为智能汽车在紧急变道过程跟踪阶段的参考路径。最后利用hp自适应伪谱法加入切换点的物理量约束,逼近全局正交多项式的状态量和控制量,自动调整和处理2个阶段的切换点位置和衔接问题,以最小变道距离为目标对跟踪阶段的变道轨迹进行优化。运用PreScan与MATLAB对4种不同工况下的紧急变道轨迹规划进行联合仿真。结果表明：提出的轨迹规划与优化方法在满足各项约束的情况下成功避开障碍物,同时缩短了需要优化的轨迹,优化时间都小于0.9 s,并且与基于多项式函数轨迹规划方法相比,该方法能够以距障碍物较远的距离避开障碍物,在不同的车辆速度、道路曲率和障碍物宽度的复杂工况下具有更好的适应性。