3. 速度约束建模：最大/最小速度限制、加速度限制、jerk 限制的数学表达

速度约束，说白了就是给车子的运动套上枷锁。你不能让它想跑多快就跑多快，也不能让它想怎么加速就怎么加速。这不仅是物理限制，更是安全底线。我个人习惯把速度约束拆成三个层次：速度本身、加速度、以及加加速度（jerk）。咱们一层一层剥开看。

这个最直观。车子有最高时速，也有倒车时的最大速度（通常为负值）。数学上就是：

v_min ≤ v(t) ≤ v_max

其中 v(t) 是 t 时刻的速度。v_min 一般是 0（不允许倒车）或者某个负值（允许倒车），v_max 是物理极限或法规限速。

我在项目中遇到过一个问题：v_max 不是常数。比如弯道中，最大速度受曲率限制。所以实际建模时，v_max 往往是关于曲率 κ 的函数：

v_max(κ) = min( v_legal, sqrt(μ·g / |κ|) )

这里 μ 是路面摩擦系数，g 是重力加速度。嗯，这个公式在高速匝道规划时特别有用。

核心要点：速度限制不是孤立的，它和路径曲率、路面附着系数强耦合。单独设一个常数 v_max 是不够的。

加速度限制比速度限制更复杂。它分为纵向加速度和横向加速度。纵向加速度限制车辆的加速和制动能力，横向加速度限制车辆的过弯能力。

数学表达为：

a_long_min ≤ a_long(t) ≤ a_long_max
|a_lat(t)| ≤ a_lat_max

但实际中，纵向和横向加速度是耦合的。你想想看，如果一边急刹车一边猛打方向，轮胎很容易突破附着极限。所以更合理的模型是摩擦椭圆（friction ellipse）：

(a_long / a_long_max)² + (a_lat / a_lat_max)² ≤ 1

这个公式我特别喜欢。它用一个椭圆把纵向和横向加速度的联合限制表达得清清楚楚。我曾经在一个项目中，因为忽略了摩擦椭圆，导致规划出的轨迹在紧急避障时轮胎打滑——嗯，从那以后我再也不敢偷懒了。

实用技巧：在离散化求解时，我建议把摩擦椭圆用多边形近似。这样既能保留精度，又能把非线性约束转化为线性约束，求解速度会快很多。

Jerk 是加速度的变化率，也就是加速度对时间的导数。为什么需要限制 jerk？因为 jerk 太大，乘客会感到突兀和不舒服。说白了，就是乘坐舒适性。

数学表达：

jerk_min ≤ jerk(t) ≤ jerk_max

其中 jerk(t) = da(t)/dt。通常 jerk 限制在 ±2~5 m/s³ 之间，具体取决于应用场景。比如：

我记得有一次做泊车规划，因为没加 jerk 约束，车子在最后一段突然急刹，乘客差点撞到前挡风玻璃。加了 jerk 限制后，整个停车过程丝滑得像老司机。

把上面三个约束整合到一起，就得到了完整的速度约束模型。在路径规划中，我们通常把速度表示为路径弧长 s 的函数，而不是时间的函数。这样方便和路径曲率联合优化。

完整约束如下：

v_min ≤ v(s) ≤ v_max(κ(s))
a_min ≤ v(s)·v'(s) ≤ a_max
jerk_min ≤ v(s)·v''(s) + v'(s)² ≤ jerk_max

其中 v'(s) 是速度对弧长的导数，v''(s) 是二阶导数。这里要注意，加速度和 jerk 的表达式中都包含了速度项，说明它们之间是强耦合的。

避坑指南：我曾经在离散化时，直接把 jerk 约束写成 v''(s) 的界限，结果算出来的轨迹在高速段完全不合理。后来才发现，jerk 约束中 v(s)·v''(s) 这一项在高速时占主导，不能简单忽略。

下面这张图展示了速度约束建模的完整知识体系。你可以看到，三个层次的约束层层递进，最终汇聚到联合优化模型中。

最后，分享几个我在实际项目中踩过的坑：

离散化步长要匹配：速度约束的离散化步长要和路径曲率的离散化步长一致，否则会出现约束不匹配的问题。
边界条件要小心：起点和终点的速度、加速度、jerk 都要明确。我见过有人只约束了速度，结果起点加速度突变，导致求解器发散。
软约束 vs 硬约束：对于 jerk 这种舒适性相关的约束，我建议用软约束（加惩罚项），而不是硬约束。这样在紧急情况下，系统可以适当牺牲舒适性来保证安全。

一句话总结：速度约束建模不是简单的加减乘除，而是要在物理极限、舒适性、求解效率之间找到平衡。把这三个层次的约束理解透了，后面的联合优化才能水到渠成。

可可精品资料库