本发明涉及自动驾驶领域，特别涉及一种自适应道路曲率的弯道限速控制方法。
背景技术：
1、近年来，越来越多的自动驾驶车辆在道路上行驶，目前城市开放道路，行驶场景复杂、道路曲率不断变化。为了提高行驶效率，自动驾驶车辆需在道路曲率较大时减速行驶，例如急转弯、直角弯或掉头场景等弯道路段。因此，自动驾驶车辆在从弯道半径大的道路行驶到弯道半径小的弯道时需提前减速，以免因减速不及时车速过快而发生侧翻等事故。
2、现有技术通过单目摄像头识别到的弯道曲率存在一定的随机误差和稳态误差，在没有高精定位的情况下，仅通过单目摄像头识别有时会有一定的漏识别。在无法提前识别弯道曲率的情况下，会给辅助驾驶增添一定的不确定性和安全隐患。
3、传统的弯道车速规划通常仅根据横向加速度对最高车速进行预警，以保证车辆安全通过弯道，缺少根据实际道路几何线形、车辆动力学和驾驶员需求对弯道行驶车速进行集成规划，特别是对于不同驾驶需求来说，车辆弯道行驶的准确性，车辆稳定性和驾驶员的驾驶偏好，都会不同程度地对弯道行驶的车速决策产生影响。仅给出最高限速无法实现最优的自动驾驶过弯体验，因此现有技术的弯道车速规划仅对对最高车速进行预警限定的方式无法做到最优通过弯道。
技术实现思路
1、本发明的目的在于克服现有技术的不足，提供一种自适应道路曲率的弯道限速控制方法，通过该方法可以实现匹配道路曲率、车辆状态和驾驶员特性的最优弯道速度。
2、为了实现上述目的，本发明采用的技术方案为：一种自适应道路曲率的弯道限速控制方法，包括如下步骤：
3、步骤1：基于车辆速度和驾驶员特性指数自学习得到权重系数；
4、步骤2：基于摄像头识别车道线曲率；
5、步骤3：采用动态规划方法求取最优的弯道速度。
6、包括如下步骤：步骤1中，对获取得到的车辆速度和驾驶员特性指数采用模糊控制得到权重系数。
7、所述模糊控制包括模糊化处理、推理机、反模糊化；将车辆速度和驾驶员特性指数作为模糊控制的输入，首先进行模糊化处理，然后通过推理机基于知识库形成模糊结论，对模糊结论进行反模糊化处理得到权重系数p。
8、获取的车驾驶员特性指数为基于历史驾驶数据得到的稳定的参数来反映该驾驶员驾驶倾向。
9、模糊控制采用预先设计的模糊控制器来实现，其中模糊控制器的输入为车速和驾驶员的特性指数，输出为权重系数。
10、模糊化可以把输入量转译成模糊集合并建立隶属度函数；反模糊化可以把模糊结论解释为实际物理量输出，。反模糊化采cog重心法实现。
11、步骤2中基于摄像头识别车道线曲率，基于车道线曲率得到弯道速度限值。
12、采用动态规划算法实现在弯道限速值和权重系数p的基础上得到满足道路曲率、车辆状态和驾驶员特性的最优的弯道速度。
13、本发明的优点在于：能够提高车辆弯道行驶的准确性，车辆稳定性和根据驾驶员的驾驶偏好，自适应地根据不同弯道半径进行不同程度地对弯道行驶的车速决策。自适应地对于弯道车速规划来兼顾道路曲率、车辆状态和驾驶员特性等进行综合优化。
1.一种自适应道路曲率的弯道限速控制方法，其特征在于：包括：基于车辆速度和驾驶员特性指数自学习得到权重系数；
2.如权利要求1所述的一种自适应道路曲率的弯道限速控制方法，其特征在于：包括如下步骤：步骤1中，对获取得到的车辆速度和驾驶员特性指数采用模糊控制得到权重系数。
3.如权利要求2所述的一种自适应道路曲率的弯道限速控制方法，其特征在于：所述模糊控制包括模糊化处理、推理机、反模糊化；将车辆速度和驾驶员特性指数作为模糊控制的输入，首先进行模糊化处理，然后通过推理机基于知识库形成模糊结论，对模糊结论进行反模糊化处理得到权重系数p。
4.如权利要求1所述的一种自适应道路曲率的弯道限速控制方法，其特征在于：获取的车驾驶员特性指数为基于历史驾驶数据得到的稳定的参数来反映该驾驶员驾驶倾向。
5.如权利要求2或3所述的一种自适应道路曲率的弯道限速控制方法，其特征在于：模糊控制采用预先设计的模糊控制器来实现，其中模糊控制器的输入为车速和驾驶员的特性指数，输出为权重系数。
6.如权利要求2或3所述的一种自适应道路曲率的弯道限速控制方法，其特征在于：模糊化可以把输入量转译成模糊集合并建立隶属度函数；反模糊化可以把模糊结论解释为实际物理量输出。
7.如权利要求1所述的一种自适应道路曲率的弯道限速控制方法，其特征在于：步骤2中基于摄像头识别车道线曲率，基于车道线曲率得到弯道速度限值。
8.如权利要求1-7任一所述的一种自适应道路曲率的弯道限速控制方法，其特征在于：
9.如权利要求6所述的一种自适应道路曲率的弯道限速控制方法，其特征在于：所述反模糊化采cog重心法实现。
