CN104391504A - 基于车联网的自动驾驶控制策略的生成方法与生成装置 - Google Patents
基于车联网的自动驾驶控制策略的生成方法与生成装置 Download PDFInfo
- Publication number
- CN104391504A CN104391504A CN201410686677.5A CN201410686677A CN104391504A CN 104391504 A CN104391504 A CN 104391504A CN 201410686677 A CN201410686677 A CN 201410686677A CN 104391504 A CN104391504 A CN 104391504A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- model
- information
- index
- region
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000011217 control strategy Methods 0.000 title claims abstract description 81
- 230000006855 networking Effects 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000007613 environmental effect Effects 0.000 claims abstract description 59
- 230000001133 acceleration Effects 0.000 claims description 10
- 238000004891 communication Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明提供了一种基于车联网的自动驾驶控制策略的生成方法与生成装置,其中方法包括:通过车联网采集车辆环境传感器生成的环境信息和驾驶员的主动驾驶信息;根据所述主动驾驶信息获得对应车辆的车辆驾驶习惯模型;根据一个地理区域内的多个车辆驾驶习惯模型获得区域驾驶习惯模型;根据多个所述环境信息获得一个地理区域的在各时间段的路况模型;根据当前车辆的所述车辆驾驶习惯模型、所述当前车辆所在区域的所述区域驾驶习惯模型和所述路况模型,生成所述当前车辆的自动驾驶控制策略;将所述自动驾驶控制策略更新到所述当前车辆的自动驾驶控制系统中。本发明的目的是使自动驾驶控制策略与车辆及其驾驶环境相适应,从而提高自动驾驶的舒适性。
Description
技术领域
本发明涉及车辆控制领域,特别是涉及一种基于车联网的自动驾驶控制策略的生成方法与生成装置。
背景技术
随着车辆技术的发展,自动驾驶汽车已经逐步得到了生产和应用。由于自动驾驶汽车的控制方法、行驶方式与人为驾驶的汽车的控制方法、行驶方式有很大不同,因此无论是乘坐在自动驾驶汽车内的乘客还是周边道路上行驶的其他车辆内的驾驶员都会感觉到不适。另外,由于各个国家、各个地区的驾驶员的驾驶行为习惯有所不同,因此使用相同的自动驾驶控制策略无法适应所有的驾驶环境。
另一方面,现代车辆技术研发出了一种车联网。车联网是通过3G、4G、移动互联网,进行汽车的信息收集与共享的网络体系。利用车联网,通过信息的处理,能够实现车与路、车与车主、车主与车主、车主与第三方服务商的沟通,让汽车生活更加智能。
发明内容
本发明的目的是要提供一种基于车联网的自动驾驶控制策略的生成方法与生成装置,使自动驾驶控制策略与车辆及其驾驶环境相适应,从而提高自动驾驶的舒适性。
为了实现上述目的,本发明提供了一种基于车联网的自动驾驶控制策略的生成方法,包括:
通过车联网采集车辆环境传感器生成的环境信息和驾驶员的主动驾驶信息;
根据所述主动驾驶信息获得对应车辆的车辆驾驶习惯模型;根据一个地理区域内的多个车辆驾驶习惯模型获得区域驾驶习惯模型;根据多个所述环境信息获得一个地理区域的在各时间段的路况模型;
根据当前车辆的所述车辆驾驶习惯模型、所述当前车辆所在区域的所述区域驾驶习惯模型和所述路况模型,生成所述当前车辆的自动驾驶控制策略;
将所述自动驾驶控制策略更新到所述当前车辆的自动驾驶控制系统中。
优选地,在上述方法中,所述车辆驾驶习惯模型包括:本车车速指数、本车刹车指数、本车车距指数和本车变线超车指数;
所述区域驾驶习惯模型包括:区域车速指数、区域刹车指数、区域车距指数和区域变线超车指数;
所述路况模型包括:路段车辆密度指数、路段平均车速指数、路段弯道指数、路段路面指数、路段事故率指数和路段红灯路口指数。
优选地,在上述方法中,在生成所述当前车辆的自动驾驶控制策略的步骤中,所述车辆驾驶习惯模型的权重等于所述区域驾驶习惯模型的权重。
优选地,在上述方法中,所述环境信息包括:周边车辆信息、行人信息、车道线信息、交通标示信息和/或交通信号信息;
所述主动驾驶信息包括:油门踏板开度、加速度、制动减速度、方向盘转角和/或车辆横摆角。
为了更好的实现上述目的,本发明还提供了一种基于车联网的自动驾驶控制策略的生成装置,包括:
信息收集单元,用于:通过车联网采集车辆环境传感器生成的环境信息和驾驶员的主动驾驶信息;
模型单元,用于:根据所述主动驾驶信息获得对应车辆的车辆驾驶习惯模型;根据一个地理区域内的多个车辆驾驶习惯模型获得区域驾驶习惯模型;根据多个所述环境信息获得一个地理区域的在各时间段的路况模型;根据当前车辆的所述车辆驾驶习惯模型、所述当前车辆所在区域的所述区域驾驶习惯模型和所述路况模型,生成所述当前车辆的自动驾驶控制策略;
更新单元,用于:将所述自动驾驶控制策略更新到所述当前车辆的自动驾驶控制系统中。
优选地,在上述装置中,所述车辆驾驶习惯模型包括:本车车速指数、本车刹车指数、本车车距指数和本车变线超车指数;
所述区域驾驶习惯模型包括:区域车速指数、区域刹车指数、区域车距指数和区域变线超车指数;
所述路况模型包括:路段车辆密度指数、路段平均车速指数、路段弯道指数、路段路面指数、路段事故率指数和路段红灯路口指数。
优选地,在上述装置中,在生成所述当前车辆的自动驾驶控制策略的步骤中,所述车辆驾驶习惯模型的权重等于所述区域驾驶习惯模型的权重。
优选地,在上述装置中,所述环境信息包括:周边车辆信息、行人信息、车道线信息、交通标示信息和/或交通信号信息;
所述主动驾驶信息包括:油门踏板开度、加速度、制动减速度、方向盘转角和/或车辆横摆角。
本发明中,由于车联网能够实现车与路、车与车主、车主与车主、车主与第三方服务商的通信,因此通过车联网能够获取区域内多个车辆的环境信息和主动驾驶信息。由于区域驾驶习惯模型是根据一个地理区域内的多个车辆驾驶习惯模型获得的,而每个车辆驾驶习惯模型又是根据对应驾驶员的主动驾驶信息获得的能够模拟对应车辆的驾驶习惯的模型,因此区域驾驶习惯模型能够模拟一个地理区域内的多个车辆的驾驶习惯,当车辆驾驶习惯模型足够多时,区域驾驶习惯模型即可模拟一个地理区域内的绝大多数车辆的驾驶习惯。同样地,由于路况模型是根据一个地理区域内的多个环境信息获得的,当环境信息足够多时,路况模型即可模拟一个地理区域的在各个时间段的路况。本发明中,根据当前车辆的车辆驾驶习惯模型、当前车辆所在区域的区域驾驶习惯模型和路况模型,即可得到与当前车辆及其驾驶环境相适应的自动驾驶控制策略,将该自动驾驶控制策略更新到当前车辆的自动驾驶控制系统中,即可控制当前车辆自动行驶。综上可知,由于利用本发明中的方法得到的自动驾驶控制策略既考虑了车主的驾驶习惯,还考虑了车辆所在区域的其他驾驶员的驾驶习惯和区域内的各个时间段的路况,因此利用本发明中的方法得到的自动驾驶控制策略能够与车辆及其驾驶环境相适应,不会令自动驾驶车辆内的乘坐人员和周边车辆感觉不适,从而提高自动驾驶的舒适性,使自动驾驶更加智能。
根据下文结合附图对本发明具体实施例的详细描述,本领域技术人员将会更加明了本发明的上述以及其他目的、优点和特征。
附图说明
后文将参照附图以示例性而非限制性的方式详细描述本发明的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解,这些附图未必是按比例绘制的。附图中:
图1是根据本发明一个实施例的基于车联网的自动驾驶控制策略的生成方法的方法流程图;
图2是根据本发明一个实施例的基于车联网的自动驾驶控制策略的生成装置的装置示意图;
图3是根据本发明一个实施例的基于车联网的自动驾驶控制策略的生成装置的工作流程图。
具体实施方式
图1是根据本发明一个实施例的基于车联网的自动驾驶控制策略的生成方法的方法流程图。如图1所示,本发明实施例提供了一种基于车联网的自动驾驶控制策略的生成方法,至少包括步骤S102至步骤S108。
步骤S102、通过车联网采集车辆环境传感器生成的环境信息和驾驶员的主动驾驶信息。
步骤S104、根据主动驾驶信息获得对应车辆的车辆驾驶习惯模型;根据一个地理区域内的多个车辆驾驶习惯模型获得区域驾驶习惯模型;根据多个环境信息获得一个地理区域的在各时间段的路况模型。
步骤S106、根据当前车辆的车辆驾驶习惯模型、当前车辆所在区域的区域驾驶习惯模型和路况模型,生成当前车辆的自动驾驶控制策略。
步骤S108、将自动驾驶控制策略更新到当前车辆的自动驾驶控制系统中。
本发明中,由于车联网能够实现车与路、车与车主、车主与车主、车主与第三方服务商的通信,因此通过车联网能够获取区域内多个车辆的环境信息和主动驾驶信息。由于区域驾驶习惯模型是根据一个地理区域内的多个车辆驾驶习惯模型获得的,而每个车辆驾驶习惯模型又是根据对应驾驶员的主动驾驶信息获得的能够模拟对应车辆的驾驶习惯的模型,因此区域驾驶习惯模型能够模拟一个地理区域内的多个车辆的驾驶习惯,当车辆驾驶习惯模型足够多时,区域驾驶习惯模型即可模拟一个地理区域内的绝大多数车辆的驾驶习惯。同样地,由于路况模型是根据一个地理区域内的多个环境信息获得的,当环境信息足够多时,路况模型即可模拟一个地理区域的在各个时间段的路况。本发明中,根据当前车辆的车辆驾驶习惯模型、当前车辆所在区域的区域驾驶习惯模型和路况模型,即可得到与当前车辆及其驾驶环境相适应的自动驾驶控制策略,将该自动驾驶控制策略更新到当前车辆的自动驾驶控制系统中,即可控制当前车辆自动行驶。综上可知,由于利用本发明中的方法得到的自动驾驶控制策略既考虑了车主的驾驶习惯,还考虑了车辆所在区域的其他驾驶员的驾驶习惯和区域内的各个时间段的路况,因此利用本发明中的方法得到的自动驾驶控制策略能够与车辆及其驾驶环境相适应,不会令自动驾驶车辆内的乘坐人员和周边车辆感觉不适,从而提高自动驾驶的舒适性,使自动驾驶更加智能。
步骤S102中,车联网是通过3G、4G或移动互联网,进行汽车信息的收集与共享的网络体系。通过车联网能够获取区域内多个车辆的环境信息和主动驾驶信息。利用车联网,通过信息的处理,能够实现车与路、车与车主、车主与车主、车主与第三方服务商的沟通,让汽车生活更加智能。
步骤S102中,环境信息至少包括周边车辆信息、行人信息、车道线信息、交通标示信息和/或交通信号信息,还可以包括自车位置、自车速度及行驶路径等信息,其中周边车辆信息可以是但不限于周边车辆位置及速度,行人信息可以是但不限于周边行人位置及速度。通过环境信息能够反映当前车辆的路况信息。用于获取环境信息的车辆环境传感器可以是但不限于车辆前方雷达、前方摄像头、侧方雷达、侧方摄像头等对外环境传感器,还能通过车辆通信装置获取环境信息。
主动驾驶信息至少包括油门踏板信息、制动踏板信息、方向盘转角信息、纵向加速度、横向加速度,其中油门踏板信息可以是但不限于油门踏板开度,方向盘转角信息可以是但不限于方向盘转角和/或车辆横摆角,制动踏板信息可以是但不限于制动减速度。通过主动驾驶信息能够反映当前车辆的驾驶习惯和控制方式。包括但不限于通过发动机控制系统、制动系统、转向系统及惯性测量系统获取主动驾驶信息。
步骤S104中,通过主动驾驶信息获取对应车辆的车辆驾驶习惯模型,根据同一地区内多个车辆驾驶习惯模型获得区域驾驶习惯模型,并根据多个环境信息获得同一区域在各时间段的路况模型,其中车辆驾驶习惯模型能够模拟当前车辆的驾驶习惯,区域驾驶习惯模型能够模拟当前车辆所在区域的绝大多数车辆的驾驶习惯,路况模型能够模拟当前区域的各个时间段的路况。
车辆驾驶习惯模型至少包括:本车车速指数、本车刹车指数、本车车距指数和本车变线超车指数;例如,本车车速指数包括:平均时速80公里,最高时速180公里。本车车距指数为:在时速80公里时距离前车距离30米。在超车时距离侧边车距1米。本车变线超车指数例如;前车车速小于50公里时变线超车。
区域驾驶习惯模型至少包括:区域车速指数、区域刹车指数、区域车距指数和区域变线超车指数;例如,区域车速指数包括:平均时速60公里,最高时速120公里。区域车距指数为:在时速80公里时距离前车距离40米。在超车时距离侧边车距1.5米。本车变线超车指数例如;前车车速小于40公里时变线超车。
路况模型至少包括:路段车辆密度指数、路段平均车速指数、路段弯道指数、路段路面指数、路段事故率指数和路段红灯路口指数。
步骤S106中,综合考虑当前车辆的车辆驾驶习惯模型、当前车辆所在区域的区域驾驶习惯模型和路况模型,能够得到与当前车辆及其驾驶环境相适应的自动驾驶控制策略。
步骤S106中,为了综合考虑车辆驾驶习惯模型和区域驾驶习惯模型,设定车辆驾驶习惯模型的权重等于区域驾驶习惯模型的权重,例如当本车的车辆驾驶习惯模型中的平均时速为80公里,区域驾驶习惯模型中平均时速为60公里时,可以将自动驾驶控制策略中的平均时速设定为70公里,当本车的车辆驾驶习惯模型在超车时距离侧边车距为1米,区域驾驶习惯模型在超车时距离侧边车距为1.5米时,可以将自动驾驶控制策略中的超车时距离侧边车距设定为1.25米。这样既考虑了车主的驾驶习惯,还顾及了本区域的其他车主的驾驶习惯。
步骤S108中,将步骤S106中得到的自动驾驶控制策略更新到当前车辆的自动驾驶控制系统中,即可控制当前车辆自动驾驶。自动驾驶控制策略可以实时更新,也可以定期更新。
由于利用本发明中的方法得到的自动驾驶控制策略既考虑了车主的驾驶习惯,也考虑了车辆所在区域的其他驾驶员的驾驶习惯及各个时间段的路况,因此利用本发明中的方法得到的自动驾驶控制策略能够与车辆及其驾驶环境相适应,不会令自动驾驶车辆内的乘坐人员和周边车辆感觉不适,从而提高自动驾驶的舒适性,使自动驾驶更智能。
为了进一步说明图1中的基于车联网的自动驾驶控制策略的生成方法,如图2所示,对应地,本发明另一个实施例还提供了一种基于车联网的自动驾驶控制策略的生成装置,至少包括以下单元。
信息收集单元202,用于:通过车联网采集车辆环境传感器生成的环境信息和驾驶员的主动驾驶信息。
模型单元204,用于:根据主动驾驶信息获得对应车辆的车辆驾驶习惯模型;根据一个地理区域内的多个车辆驾驶习惯模型获得区域驾驶习惯模型;根据多个环境信息获得一个地理区域的在各时间段的路况模型;根据当前车辆的车辆驾驶习惯模型、当前车辆所在区域的区域驾驶习惯模型和路况模型,生成当前车辆的自动驾驶控制策略。
更新单元206,用于:将自动驾驶控制策略更新到当前车辆的自动驾驶控制系统中。
本发明中,在信息收集单元202中,由于车联网能够实现车与路、车与车主、车主与车主、车主与第三方服务商的通信,因此通过车联网能够获取区域内多个车辆的环境信息和主动驾驶信息。在模型单元204中,由于区域驾驶习惯模型是根据一个地理区域内的多个车辆驾驶习惯模型获得的,而每个车辆驾驶习惯模型又是根据对应驾驶员的主动驾驶信息获得的能够模拟对应车辆的驾驶习惯的模型,因此区域驾驶习惯模型能够模拟一个地理区域内的多个车辆的驾驶习惯,当车辆驾驶习惯模型足够多时,区域驾驶习惯模型即可模拟一个地理区域内的绝大多数车辆的驾驶习惯。同样地,由于路况模型是根据一个地理区域内的多个环境信息获得的,当环境信息足够多时,路况模型即可模拟一个地理区域的在各个时间段的路况。本发明中,在模型单元204中,根据当前车辆的车辆驾驶习惯模型、当前车辆所在区域的区域驾驶习惯模型和路况模型,即可得到与当前车辆及其驾驶环境相适应的自动驾驶控制策略。在更新单元206中,将该自动驾驶控制策略更新到当前车辆的自动驾驶控制系统中,即可控制当前车辆自动行驶。综上可知,由于利用本发明中的方法得到的自动驾驶控制策略既考虑了车主的驾驶习惯,还考虑了车辆所在区域的其他驾驶员的驾驶习惯和区域内的各个时间段的路况,因此利用本发明中的装置得到的自动驾驶控制策略能够与车辆及其驾驶环境相适应,不会令自动驾驶车辆内的乘坐人员和周边车辆感觉不适,从而提高自动驾驶的舒适性,使自动驾驶更加智能。
在信息收集单元202中,车联网是通过3G、4G或移动互联网,进行汽车信息的收集与共享的网络体系。通过车联网能够获取区域内多个车辆的环境信息和主动驾驶信息。利用车联网,通过信息的处理,能够实现车与路、车与车主、车主与车主、车主与第三方服务商的沟通,让汽车生活更加智能。
在信息收集单元202中,环境信息至少包括周边车辆信息、行人信息、车道线信息、交通标示信息和/或交通信号信息,还可以包括自车位置、自车速度及行驶路径等信息,其中周边车辆信息可以是但不限于周边车辆位置及速度,行人信息可以是但不限于周边行人位置及速度。通过环境信息能够反映当前车辆的路况信息。用于获取环境信息的车辆环境传感器可以是但不限于车辆前方雷达、前方摄像头、侧方雷达、侧方摄像头等对外环境传感器,还能通过车辆通信装置获取环境信息。
主动驾驶信息至少包括油门踏板信息、制动踏板信息、方向盘转角信息、纵向加速度、横向加速度,其中油门踏板信息可以是但不限于油门踏板开度,方向盘转角信息可以是但不限于方向盘转角和/或车辆横摆角,制动踏板信息可以是但不限于制动减速度。通过主动驾驶信息能够反映当前车辆的驾驶习惯和控制方式。包括但不限于通过发动机控制系统、制动系统、转向系统及惯性测量系统获取主动驾驶信息。
在模型单元204中,通过主动驾驶信息获取对应车辆的车辆驾驶习惯模型,根据同一地区内多个车辆驾驶习惯模型获得区域驾驶习惯模型,并根据多个环境信息获得同一区域在各时间段的路况模型,其中车辆驾驶习惯模型能够模拟当前车辆的驾驶习惯,区域驾驶习惯模型能够模拟当前车辆所在区域的绝大多数车辆的驾驶习惯,路况模型能够模拟当前区域的各个时间段的路况。
车辆驾驶习惯模型至少包括:本车车速指数、本车刹车指数、本车车距指数和本车变线超车指数;例如,本车车速指数包括:平均时速80公里,最高时速180公里。本车车距指数为:在时速80公里时距离前车距离30米。在超车时距离侧边车距1米。本车变线超车指数例如;前车车速小于50公里时变线超车。
区域驾驶习惯模型至少包括:区域车速指数、区域刹车指数、区域车距指数和区域变线超车指数;例如,区域车速指数包括:平均时速60公里,最高时速120公里。区域车距指数为:在时速80公里时距离前车距离40米。在超车时距离侧边车距1.5米。区域变线超车指数例如;前车车速小于40公里时变线超车。
路况模型至少包括:路段车辆密度指数、路段平均车速指数、路段弯道指数、路段路面指数、路段事故率指数和路段红灯路口指数。
在模型单元204中,综合考虑当前车辆的车辆驾驶习惯模型、当前车辆所在区域的区域驾驶习惯模型和路况模型,能够得到与当前车辆及其驾驶环境相适应的自动驾驶控制策略。
在模型单元204中,为了综合考虑车辆驾驶习惯模型和区域驾驶习惯模型,设定车辆驾驶习惯模型的权重等于区域驾驶习惯模型的权重,例如当本车的车辆驾驶习惯模型中的平均时速为80公里,区域驾驶习惯模型中平均时速为60公里时,可以将自动驾驶控制策略中的平均时速设定为70公里,当本车的车辆驾驶习惯模型在超车时距离侧边车距为1米,区域驾驶习惯模型在超车时距离侧边车距为1.5米时,可以将自动驾驶控制策略中的超车时距离侧边车距设定为1.25米。这样既考虑了车主的驾驶习惯,还顾及了本区域的其他车主的驾驶习惯。
在更新单元206中,将在模型单元204中得到的自动驾驶控制策略更新到当前车辆的自动驾驶控制系统中,即可控制当前车辆自动驾驶。自动驾驶控制策略可以实时更新,也可以定期更新。
由于利用本发明中的装置得到的自动驾驶控制策略既考虑了车主的驾驶习惯,也考虑了车辆所在区域的其他驾驶员的驾驶习惯及各个时间段的路况,因此利用本发明中的装置得到的自动驾驶控制策略能够与车辆及其驾驶环境相适应,不会令自动驾驶车辆内的乘坐人员和周边车辆感觉不适,从而提高自动驾驶的舒适性,使自动驾驶更智能。
为进一步说明图2中的生成装置,在本发明另一个实施例中,还提供了一种基于车联网的自动驾驶控制策略的生成装置的工作流程,图3是根据本发明一个实施例的基于车联网的自动驾驶控制策略的生成装置的工作流程图。如图3所示,一种基于车联网的自动驾驶控制策略的生成装置的工作流程至少包括步骤S302至步骤S306。
步骤S302、通过车联网采集自车及周边车辆的的环境信息和驾驶员的主动驾驶信息。
步骤S304、通过车联网将环境信息和主动驾驶信息上传至云端服务器,云端服务器根据环境信息及主动驾驶信息进行机械学习,建立自动驾驶控制策略。
步骤S306、云端服务器通过车联网下载自动驾驶控制策略及相关参数至自车。
上述发明实施例中,步骤S302中,车联网能够实现车与路、车与车主、车主与车主、车主与第三方服务器的通信,因此通过车联网能够获得自车和周边车辆的环境信息,还能够获得自车和周边车辆的主动驾驶信息。
步骤S302中,具体地,可以利用前方雷达、前方摄像头、侧方雷达、侧方摄像头等对外环境传感器对自车位置、速度及行驶路径、周边车辆位置及速度、周边行人位置及速度、车道线、交通标示、交通信号等环境信息进行采集并记录。利用发动机控制系统、制动系统、转向系统及惯性测量系统对油门踏板信息、制动踏板信息、方向盘转角信息、纵向加速度、横向加速度等主动驾驶信息进行采集并记录。
步骤S304中,基于车联网的车与路、车与车主、车主与车主、车主与第三方服务器的通信功能,将步骤S302中采集记录的环境信息和主动驾驶信息上传至云端服务器。
步骤S304中,云端服务器将同一区域内的不同车辆的环境信息和主动驾驶信息存储至统一的数据库,并通过机械学习(如Boosting、SVM等学习方法)对一段时间内的环境信息和主动驾驶信息进行学习,建立自动驾驶控制策略。
步骤S306中,云端服务器利用车联网下载自动驾驶控制策略及相关参数至自车,从而更新自车的自动驾驶控制系统,使自车的自动驾驶控制系统与自车和驾驶环境相适应。
由上可知,本发明实施例设置了云端服务器作为模型单元,利用云端服务器对不同车辆的环境信息和主动驾驶信息进行存储和学习,从而得到自动驾驶控制策略。基于云端服务器的特性和车联网的通信功能,将环境信息和主动驾驶信息通过车联网上传,自动驾驶控制策略建立后通过车联网下载至自车,从而实现自车自动驾驶控制策略的更新。
本发明实施例中,能够利用一段时间内的环境信息和主动驾驶信息进行自动驾驶控制策略的建立和更新,还可以实时利用环境信息和主动驾驶信息实时建立自动驾驶控制策略,从而达到自动控制系统的实时更新。
由上可知,本发明实施例中,在信息收集单元202中,由于车联网能够实现车与路、车与车主、车主与车主、车主与第三方服务商的通信,因此通过车联网能够获取区域内多个车辆的环境信息和主动驾驶信息。在模型单元204中,由于区域驾驶习惯模型是根据一个地理区域内的多个车辆驾驶习惯模型获得的,而每个车辆驾驶习惯模型又是根据对应驾驶员的主动驾驶信息获得的能够模拟对应车辆的驾驶习惯的模型,因此区域驾驶习惯模型能够模拟一个地理区域内的多个车辆的驾驶习惯,当车辆驾驶习惯模型足够多时,区域驾驶习惯模型即可模拟一个地理区域内的绝大多数车辆的驾驶习惯。同样地,由于路况模型是根据一个地理区域内的多个环境信息获得的,当环境信息足够多时,路况模型即可模拟一个地理区域的在各个时间段的路况。本发明中,在模型单元204中,根据当前车辆的车辆驾驶习惯模型、当前车辆所在区域的区域驾驶习惯模型和路况模型,即可得到与当前车辆及其驾驶环境相适应的自动驾驶控制策略。在更新单元206中,将该自动驾驶控制策略更新到当前车辆的自动驾驶控制系统中,即可控制当前车辆自动行驶。综上可知,由于利用本发明中的方法得到的自动驾驶控制策略既考虑了车主的驾驶习惯,还考虑了车辆所在区域的其他驾驶员的驾驶习惯和区域内的各个时间段的路况,因此利用本发明中的装置得到的自动驾驶控制策略能够与车辆及其驾驶环境相适应,不会令自动驾驶车辆内的乘坐人员和周边车辆感觉不适,从而提高自动驾驶的舒适性,使自动驾驶更加智能。
至此,本领域技术人员应认识到,虽然本文已详尽示出和描述了本发明的多个示例性实施例,但是,在不脱离本发明精神和范围的情况下,仍可根据本发明公开的内容直接确定或推导出符合本发明原理的许多其他变型或修改。因此,本发明的范围应被理解和认定为覆盖了所有这些其他变型或修改。
Claims (8)
1.一种基于车联网的自动驾驶控制策略的生成方法,其特征在于,包括:
通过车联网采集车辆环境传感器生成的环境信息和驾驶员的主动驾驶信息;
根据所述主动驾驶信息获得对应车辆的车辆驾驶习惯模型;根据一个地理区域内的多个车辆驾驶习惯模型获得区域驾驶习惯模型;根据多个所述环境信息获得一个地理区域的在各时间段的路况模型;
根据当前车辆的所述车辆驾驶习惯模型、所述当前车辆所在区域的所述区域驾驶习惯模型和所述路况模型,生成所述当前车辆的自动驾驶控制策略;
将所述自动驾驶控制策略更新到所述当前车辆的自动驾驶控制系统中。
2.根据权利要求1所述的方法,其特征在于,
所述车辆驾驶习惯模型包括:本车车速指数、本车刹车指数、本车车距指数和本车变线超车指数;
所述区域驾驶习惯模型包括:区域车速指数、区域刹车指数、区域车距指数和区域变线超车指数;
所述路况模型包括:路段车辆密度指数、路段平均车速指数、路段弯道指数、路段路面指数、路段事故率指数和路段红灯路口指数。
3.根据权利要求1所述的方法,其特征在于,在生成所述当前车辆的自动驾驶控制策略的步骤中,所述车辆驾驶习惯模型的权重等于所述区域驾驶习惯模型的权重。
4.根据权利要求1所述的方法,其特征在于,
所述环境信息包括:周边车辆信息、行人信息、车道线信息、交通标示信息和/或交通信号信息;
所述主动驾驶信息包括:油门踏板开度、加速度、制动减速度、方向盘转角和/或车辆横摆角。
5.一种基于车联网的自动驾驶控制策略的生成装置,其特征在于,包括:
信息收集单元,用于:通过车联网采集车辆环境传感器生成的环境信息和驾驶员的主动驾驶信息;
模型单元,用于:根据所述主动驾驶信息获得对应车辆的车辆驾驶习惯模型;根据一个地理区域内的多个车辆驾驶习惯模型获得区域驾驶习惯模型;根据多个所述环境信息获得一个地理区域的在各时间段的路况模型;根据当前车辆的所述车辆驾驶习惯模型、所述当前车辆所在区域的所述区域驾驶习惯模型和所述路况模型,生成所述当前车辆的自动驾驶控制策略;
更新单元,用于:将所述自动驾驶控制策略更新到所述当前车辆的自动驾驶控制系统中。
6.根据权利要求5所述的生成装置,其特征在于,
所述车辆驾驶习惯模型包括:本车车速指数、本车刹车指数、本车车距指数和本车变线超车指数;
所述区域驾驶习惯模型包括:区域车速指数、区域刹车指数、区域车距指数和区域变线超车指数;
所述路况模型包括:路段车辆密度指数、路段平均车速指数、路段弯道指数、路段路面指数、路段事故率指数和路段红灯路口指数。
7.根据权利要求6所述的生成装置,其特征在于,在生成所述当前车辆的自动驾驶控制策略的步骤中,所述车辆驾驶习惯模型的权重等于所述区域驾驶习惯模型的权重。
8.根据权利要求6所述的生成装置,其特征在于,
所述环境信息包括:周边车辆信息、行人信息、车道线信息、交通标示信息和/或交通信号信息;
所述主动驾驶信息包括:油门踏板开度、加速度、制动减速度、方向盘转角和/或车辆横摆角。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710418934.0A CN107368069B (zh) | 2014-11-25 | 2014-11-25 | 基于车联网的自动驾驶控制策略的生成方法与生成装置 |
CN201410686677.5A CN104391504B (zh) | 2014-11-25 | 2014-11-25 | 基于车联网的自动驾驶控制策略的生成方法与生成装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410686677.5A CN104391504B (zh) | 2014-11-25 | 2014-11-25 | 基于车联网的自动驾驶控制策略的生成方法与生成装置 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710418934.0A Division CN107368069B (zh) | 2014-11-25 | 2014-11-25 | 基于车联网的自动驾驶控制策略的生成方法与生成装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104391504A true CN104391504A (zh) | 2015-03-04 |
CN104391504B CN104391504B (zh) | 2017-05-31 |
Family
ID=52609421
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710418934.0A Active CN107368069B (zh) | 2014-11-25 | 2014-11-25 | 基于车联网的自动驾驶控制策略的生成方法与生成装置 |
CN201410686677.5A Active CN104391504B (zh) | 2014-11-25 | 2014-11-25 | 基于车联网的自动驾驶控制策略的生成方法与生成装置 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710418934.0A Active CN107368069B (zh) | 2014-11-25 | 2014-11-25 | 基于车联网的自动驾驶控制策略的生成方法与生成装置 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN107368069B (zh) |
Cited By (41)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104963779A (zh) * | 2015-06-11 | 2015-10-07 | 奇瑞汽车股份有限公司 | 车辆驱动控制装置 |
CN105446338A (zh) * | 2015-12-21 | 2016-03-30 | 福州华鹰重工机械有限公司 | 云辅助自动驾驶方法及系统 |
CN105844913A (zh) * | 2016-04-15 | 2016-08-10 | 苏州爱诺信信息科技有限公司 | 基于车联网的车、路状况与驾驶安全大数据相关性分析法 |
CN106066644A (zh) * | 2016-06-17 | 2016-11-02 | 百度在线网络技术(北京)有限公司 | 建立智能车辆控制模型的方法、智能车辆控制方法及装置 |
CN106209777A (zh) * | 2016-06-24 | 2016-12-07 | 韩磊 | 一种无人驾驶车车载信息交互系统及安全通信方法 |
CN106347359A (zh) * | 2016-09-14 | 2017-01-25 | 北京百度网讯科技有限公司 | 用于操作自动驾驶车辆的方法和装置 |
CN107463122A (zh) * | 2016-05-02 | 2017-12-12 | 本田技研工业株式会社 | 车辆控制系统、车辆控制方法以及车辆控制程序产品 |
CN107479549A (zh) * | 2017-08-14 | 2017-12-15 | 苏州世纪天成信息技术有限公司 | 一种基于无人驾驶的智能车速管理方法及其系统 |
CN107667397A (zh) * | 2015-05-20 | 2018-02-06 | 德尔福技术有限公司 | 用于自动更新由多个自动化车辆使用的路线数据的系统 |
CN107872777A (zh) * | 2016-09-28 | 2018-04-03 | 株式会社电装 | 用于车辆的服务协作系统 |
CN107943057A (zh) * | 2017-12-25 | 2018-04-20 | 佛山市车品匠汽车用品有限公司 | 一种多汽车交互自动控制系统 |
CN108090603A (zh) * | 2016-11-22 | 2018-05-29 | 百度(美国)有限责任公司 | 为自动驾驶车辆管理车辆组的方法和系统 |
WO2018122586A1 (zh) * | 2016-12-30 | 2018-07-05 | 同济大学 | 一种基于舒适度的自动驾驶车速控制方法 |
CN108462726A (zh) * | 2017-02-14 | 2018-08-28 | 广州市联奥信息科技有限公司 | 面向未知状况的车辆辅助驾驶决策系统和装置 |
CN108508881A (zh) * | 2017-02-27 | 2018-09-07 | 北京百度网讯科技有限公司 | 自动驾驶控制策略调整方法、装置、设备及存储介质 |
CN108646737A (zh) * | 2018-05-03 | 2018-10-12 | 韩静超 | 一种新型智能公路运输车辆控制系统及其控制方法 |
CN108766005A (zh) * | 2018-06-08 | 2018-11-06 | 北京洪泰同创信息技术有限公司 | 交通工具的控制方法、装置及系统 |
CN108827334A (zh) * | 2018-08-09 | 2018-11-16 | 北京智行者科技有限公司 | 一种自动驾驶方法 |
CN109313449A (zh) * | 2017-08-25 | 2019-02-05 | 深圳市得道健康管理有限公司 | 人工智能终端及其行为控制方法 |
WO2019037125A1 (zh) * | 2017-08-25 | 2019-02-28 | 深圳市得道健康管理有限公司 | 人工智能终端及其行为控制方法 |
CN109597412A (zh) * | 2018-12-06 | 2019-04-09 | 江苏萝卜交通科技有限公司 | 一种无人驾驶系统及其控制方法 |
CN109795506A (zh) * | 2019-02-26 | 2019-05-24 | 百度在线网络技术(北京)有限公司 | 一种驾驶控制方法、装置及车辆 |
CN109923491A (zh) * | 2016-09-08 | 2019-06-21 | 克诺尔商用车制动系统有限公司 | 用于自主运行的商用车的传感器组件和用于进行环视图像感测的方法 |
CN110058588A (zh) * | 2019-03-19 | 2019-07-26 | 驭势科技(北京)有限公司 | 一种自动驾驶系统升级的方法、自动驾驶系统及车载设备 |
CN110488814A (zh) * | 2019-07-30 | 2019-11-22 | 深圳市前海胡桃科技有限公司 | 一种自动驾驶方法、装置及终端设备 |
CN110532846A (zh) * | 2019-05-21 | 2019-12-03 | 华为技术有限公司 | 自动换道方法、装置及存储介质 |
CN110663073A (zh) * | 2017-06-02 | 2020-01-07 | 本田技研工业株式会社 | 策略生成装置及车辆 |
CN110764496A (zh) * | 2018-07-09 | 2020-02-07 | 株式会社日立制作所 | 自动驾驶辅助装置及其方法 |
CN110824912A (zh) * | 2018-08-08 | 2020-02-21 | 华为技术有限公司 | 训练用于生成自动驾驶策略的控制策略模型的方法和装置 |
CN110901402A (zh) * | 2019-12-23 | 2020-03-24 | 南昌工程学院 | 一种智能化电动汽车制动控制方法 |
CN111204342A (zh) * | 2018-11-05 | 2020-05-29 | 丰田自动车株式会社 | 地图信息系统 |
CN111376911A (zh) * | 2018-12-29 | 2020-07-07 | 北京宝沃汽车有限公司 | 车辆及其驾驶风格的自学习方法和装置 |
CN111798686A (zh) * | 2020-07-02 | 2020-10-20 | 重庆金康动力新能源有限公司 | 根据驾驶者驾驶偏好输出专属路况驾驶模式的方法及系统 |
CN111845769A (zh) * | 2019-04-25 | 2020-10-30 | 广州汽车集团股份有限公司 | 一种车辆驾驶方法及其装置、计算机设备、车辆 |
CN112109715A (zh) * | 2020-09-14 | 2020-12-22 | 华人运通(上海)云计算科技有限公司 | 车辆动力输出策略的生成方法、装置、介质及系统 |
CN112389451A (zh) * | 2019-08-14 | 2021-02-23 | 大众汽车(中国)投资有限公司 | 用于提供个性化驾驶体验的方法、设备、介质以及车辆 |
WO2021098222A1 (zh) * | 2019-11-20 | 2021-05-27 | 华为技术有限公司 | 一种车辆行驶控制方法及相关设备 |
CN113071505A (zh) * | 2021-04-16 | 2021-07-06 | 阿波罗智联(北京)科技有限公司 | 驾驶行为习惯的确定、车辆行驶控制方法、装置及设备 |
CN113903102A (zh) * | 2021-10-29 | 2022-01-07 | 广汽埃安新能源汽车有限公司 | 调整信息获取方法、调整方法、装置、电子设备及介质 |
CN114056352A (zh) * | 2021-12-24 | 2022-02-18 | 上海海积信息科技股份有限公司 | 一种自动驾驶控制装置及车辆 |
WO2023231569A1 (zh) * | 2022-05-30 | 2023-12-07 | 天津大学 | 一种基于贝叶斯博弈的自动驾驶车辆换道行为车路协同决策算法 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109618136B (zh) * | 2018-12-14 | 2022-01-18 | 北京汽车集团有限公司 | 车辆管理系统和方法 |
CN109808706A (zh) * | 2019-02-14 | 2019-05-28 | 上海思致汽车工程技术有限公司 | 学习式辅助驾驶控制方法、装置、系统及车辆 |
CN109801534A (zh) * | 2019-02-19 | 2019-05-24 | 上海思致汽车工程技术有限公司 | 基于自动驾驶模拟器的驾驶行为硬件在环仿真测试系统 |
CN109839937B (zh) * | 2019-03-12 | 2023-04-07 | 百度在线网络技术(北京)有限公司 | 确定车辆自动驾驶规划策略的方法、装置、计算机设备 |
CN110069064B (zh) | 2019-03-19 | 2021-01-29 | 驭势科技(北京)有限公司 | 一种自动驾驶系统升级的方法、自动驾驶系统及车载设备 |
CN112141102B (zh) * | 2020-09-24 | 2022-02-15 | 阿波罗智能技术(北京)有限公司 | 巡航控制方法、装置、设备、车辆和介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030093209A1 (en) * | 2001-10-15 | 2003-05-15 | Hans Andersson | Method and system for controlling a vehicle |
EP1503354A1 (de) * | 2003-07-30 | 2005-02-02 | Robert Bosch Gmbh | Generierung von Verkehrshinweisen durch die Interpretation von Verkehrszeichenszenarien und Navigationsinformation in einem Fahrzeug |
CN103171439A (zh) * | 2011-12-22 | 2013-06-26 | 通用汽车环球科技运作有限责任公司 | 自动驾驶系统的行为预测 |
CN103646298A (zh) * | 2013-12-13 | 2014-03-19 | 中国科学院深圳先进技术研究院 | 一种自动驾驶方法及系统 |
CN103996312A (zh) * | 2014-05-23 | 2014-08-20 | 北京理工大学 | 具有社会行为交互的无人驾驶汽车控制系统 |
CN104064050A (zh) * | 2014-06-30 | 2014-09-24 | 科大讯飞股份有限公司 | 自动驾驶系统及方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4367431B2 (ja) * | 2005-10-26 | 2009-11-18 | トヨタ自動車株式会社 | 車両用運転支援システム |
US20110320113A1 (en) * | 2010-06-25 | 2011-12-29 | Gm Global Technology Operations, Inc. | Generating driving route traces in a navigation system using a probability model |
CN102589557B (zh) * | 2012-01-13 | 2014-12-03 | 吉林大学 | 一种基于驾驶员行为特性和分对数模型的交叉口处地图匹配方法 |
CN102665294B (zh) * | 2012-04-25 | 2014-09-03 | 武汉大学 | 基于d-s证据理论的车载传感器网络事件区域检测方法 |
JP2013248925A (ja) * | 2012-05-30 | 2013-12-12 | Hitachi Automotive Systems Ltd | 車両制御装置 |
US9085303B2 (en) * | 2012-11-15 | 2015-07-21 | Sri International | Vehicle personal assistant |
US9121719B2 (en) * | 2013-03-15 | 2015-09-01 | Abalta Technologies, Inc. | Vehicle range projection |
CN103295424B (zh) * | 2013-06-28 | 2015-07-15 | 公安部第三研究所 | 基于视频识别和车载自组网的汽车主动安全系统 |
CN103496366B (zh) * | 2013-09-09 | 2016-02-24 | 北京航空航天大学 | 一种基于车车协同的主动换道避撞控制方法与装置 |
CN103531042B (zh) * | 2013-10-25 | 2015-08-19 | 吉林大学 | 基于驾驶人类型的车辆追尾预警方法 |
CN103996298B (zh) * | 2014-06-09 | 2019-05-24 | 百度在线网络技术(北京)有限公司 | 一种驾驶行为监测方法及装置 |
-
2014
- 2014-11-25 CN CN201710418934.0A patent/CN107368069B/zh active Active
- 2014-11-25 CN CN201410686677.5A patent/CN104391504B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030093209A1 (en) * | 2001-10-15 | 2003-05-15 | Hans Andersson | Method and system for controlling a vehicle |
EP1503354A1 (de) * | 2003-07-30 | 2005-02-02 | Robert Bosch Gmbh | Generierung von Verkehrshinweisen durch die Interpretation von Verkehrszeichenszenarien und Navigationsinformation in einem Fahrzeug |
CN103171439A (zh) * | 2011-12-22 | 2013-06-26 | 通用汽车环球科技运作有限责任公司 | 自动驾驶系统的行为预测 |
CN103646298A (zh) * | 2013-12-13 | 2014-03-19 | 中国科学院深圳先进技术研究院 | 一种自动驾驶方法及系统 |
CN103996312A (zh) * | 2014-05-23 | 2014-08-20 | 北京理工大学 | 具有社会行为交互的无人驾驶汽车控制系统 |
CN104064050A (zh) * | 2014-06-30 | 2014-09-24 | 科大讯飞股份有限公司 | 自动驾驶系统及方法 |
Non-Patent Citations (1)
Title |
---|
陈建宏: "基于车联网技术的无人驾驶汽车设计与实现", 《西安文理学院学报自然科学版》 * |
Cited By (58)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107667397A (zh) * | 2015-05-20 | 2018-02-06 | 德尔福技术有限公司 | 用于自动更新由多个自动化车辆使用的路线数据的系统 |
CN104963779B (zh) * | 2015-06-11 | 2017-06-16 | 奇瑞汽车股份有限公司 | 车辆驱动控制装置 |
CN104963779A (zh) * | 2015-06-11 | 2015-10-07 | 奇瑞汽车股份有限公司 | 车辆驱动控制装置 |
CN105446338A (zh) * | 2015-12-21 | 2016-03-30 | 福州华鹰重工机械有限公司 | 云辅助自动驾驶方法及系统 |
CN105844913A (zh) * | 2016-04-15 | 2016-08-10 | 苏州爱诺信信息科技有限公司 | 基于车联网的车、路状况与驾驶安全大数据相关性分析法 |
CN107463122A (zh) * | 2016-05-02 | 2017-12-12 | 本田技研工业株式会社 | 车辆控制系统、车辆控制方法以及车辆控制程序产品 |
CN106066644A (zh) * | 2016-06-17 | 2016-11-02 | 百度在线网络技术(北京)有限公司 | 建立智能车辆控制模型的方法、智能车辆控制方法及装置 |
US10065680B2 (en) | 2016-06-17 | 2018-09-04 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method of building smart and vehicle control model, and method and apparatus for controlling smart vehicle |
CN106209777A (zh) * | 2016-06-24 | 2016-12-07 | 韩磊 | 一种无人驾驶车车载信息交互系统及安全通信方法 |
CN109923491A (zh) * | 2016-09-08 | 2019-06-21 | 克诺尔商用车制动系统有限公司 | 用于自主运行的商用车的传感器组件和用于进行环视图像感测的方法 |
US11693422B2 (en) | 2016-09-08 | 2023-07-04 | Knorr-Bremse Systeme Fuer Nutzfahrzeuge Gmbh | Sensor array for an autonomously operated utility vehicle and method for surround-view image acquisition |
CN106347359A (zh) * | 2016-09-14 | 2017-01-25 | 北京百度网讯科技有限公司 | 用于操作自动驾驶车辆的方法和装置 |
CN107872777A (zh) * | 2016-09-28 | 2018-04-03 | 株式会社电装 | 用于车辆的服务协作系统 |
CN108090603A (zh) * | 2016-11-22 | 2018-05-29 | 百度(美国)有限责任公司 | 为自动驾驶车辆管理车辆组的方法和系统 |
CN108090603B (zh) * | 2016-11-22 | 2022-05-06 | 百度(美国)有限责任公司 | 为自动驾驶车辆管理车辆组的方法和系统 |
WO2018122586A1 (zh) * | 2016-12-30 | 2018-07-05 | 同济大学 | 一种基于舒适度的自动驾驶车速控制方法 |
GB2569750B (en) * | 2016-12-30 | 2021-03-17 | Ogrands Innovation Inc | Comfort-based self-driving planning method |
CN108462726A (zh) * | 2017-02-14 | 2018-08-28 | 广州市联奥信息科技有限公司 | 面向未知状况的车辆辅助驾驶决策系统和装置 |
CN108508881B (zh) * | 2017-02-27 | 2022-05-27 | 北京百度网讯科技有限公司 | 自动驾驶控制策略调整方法、装置、设备及存储介质 |
CN108508881A (zh) * | 2017-02-27 | 2018-09-07 | 北京百度网讯科技有限公司 | 自动驾驶控制策略调整方法、装置、设备及存储介质 |
CN110663073B (zh) * | 2017-06-02 | 2022-02-11 | 本田技研工业株式会社 | 策略生成装置及车辆 |
CN110663073A (zh) * | 2017-06-02 | 2020-01-07 | 本田技研工业株式会社 | 策略生成装置及车辆 |
CN107479549A (zh) * | 2017-08-14 | 2017-12-15 | 苏州世纪天成信息技术有限公司 | 一种基于无人驾驶的智能车速管理方法及其系统 |
CN109313449A (zh) * | 2017-08-25 | 2019-02-05 | 深圳市得道健康管理有限公司 | 人工智能终端及其行为控制方法 |
WO2019037125A1 (zh) * | 2017-08-25 | 2019-02-28 | 深圳市得道健康管理有限公司 | 人工智能终端及其行为控制方法 |
CN107943057A (zh) * | 2017-12-25 | 2018-04-20 | 佛山市车品匠汽车用品有限公司 | 一种多汽车交互自动控制系统 |
CN107943057B (zh) * | 2017-12-25 | 2021-06-22 | 深圳市豪位科技有限公司 | 一种多汽车交互自动控制系统 |
CN108646737A (zh) * | 2018-05-03 | 2018-10-12 | 韩静超 | 一种新型智能公路运输车辆控制系统及其控制方法 |
CN108766005A (zh) * | 2018-06-08 | 2018-11-06 | 北京洪泰同创信息技术有限公司 | 交通工具的控制方法、装置及系统 |
CN110764496A (zh) * | 2018-07-09 | 2020-02-07 | 株式会社日立制作所 | 自动驾驶辅助装置及其方法 |
CN110764496B (zh) * | 2018-07-09 | 2023-10-17 | 株式会社日立制作所 | 自动驾驶辅助装置及其方法 |
CN110824912A (zh) * | 2018-08-08 | 2020-02-21 | 华为技术有限公司 | 训练用于生成自动驾驶策略的控制策略模型的方法和装置 |
CN108827334A (zh) * | 2018-08-09 | 2018-11-16 | 北京智行者科技有限公司 | 一种自动驾驶方法 |
CN111204342A (zh) * | 2018-11-05 | 2020-05-29 | 丰田自动车株式会社 | 地图信息系统 |
CN109597412A (zh) * | 2018-12-06 | 2019-04-09 | 江苏萝卜交通科技有限公司 | 一种无人驾驶系统及其控制方法 |
CN111376911A (zh) * | 2018-12-29 | 2020-07-07 | 北京宝沃汽车有限公司 | 车辆及其驾驶风格的自学习方法和装置 |
CN109795506A (zh) * | 2019-02-26 | 2019-05-24 | 百度在线网络技术(北京)有限公司 | 一种驾驶控制方法、装置及车辆 |
US11447144B2 (en) | 2019-03-19 | 2022-09-20 | Uisee Technologies (Beijing) Ltd. | Methods for updating autonomous driving system, autonomous driving systems, and on-board apparatuses |
KR20210137505A (ko) * | 2019-03-19 | 2021-11-17 | 우이시 테크놀로지스 (베이징) 리미티드. | 자율 주행 시스템의 업그레이드 방법, 자율 주행 시스템 및 차량 탑재 장치 |
WO2020186626A1 (zh) * | 2019-03-19 | 2020-09-24 | 驭势科技(北京)有限公司 | 一种自动驾驶系统升级的方法、自动驾驶系统及车载设备 |
KR102459737B1 (ko) | 2019-03-19 | 2022-10-27 | 우이시 테크놀로지스 (베이징) 리미티드. | 자율 주행 시스템의 업그레이드 방법, 자율 주행 시스템 및 차량 탑재 장치 |
CN110058588A (zh) * | 2019-03-19 | 2019-07-26 | 驭势科技(北京)有限公司 | 一种自动驾驶系统升级的方法、自动驾驶系统及车载设备 |
CN111845769A (zh) * | 2019-04-25 | 2020-10-30 | 广州汽车集团股份有限公司 | 一种车辆驾驶方法及其装置、计算机设备、车辆 |
WO2020233495A1 (zh) * | 2019-05-21 | 2020-11-26 | 华为技术有限公司 | 自动换道方法、装置及存储介质 |
CN110532846B (zh) * | 2019-05-21 | 2022-09-16 | 华为技术有限公司 | 自动换道方法、装置及存储介质 |
CN110532846A (zh) * | 2019-05-21 | 2019-12-03 | 华为技术有限公司 | 自动换道方法、装置及存储介质 |
CN110488814A (zh) * | 2019-07-30 | 2019-11-22 | 深圳市前海胡桃科技有限公司 | 一种自动驾驶方法、装置及终端设备 |
CN112389451A (zh) * | 2019-08-14 | 2021-02-23 | 大众汽车(中国)投资有限公司 | 用于提供个性化驾驶体验的方法、设备、介质以及车辆 |
WO2021098222A1 (zh) * | 2019-11-20 | 2021-05-27 | 华为技术有限公司 | 一种车辆行驶控制方法及相关设备 |
CN110901402A (zh) * | 2019-12-23 | 2020-03-24 | 南昌工程学院 | 一种智能化电动汽车制动控制方法 |
CN111798686A (zh) * | 2020-07-02 | 2020-10-20 | 重庆金康动力新能源有限公司 | 根据驾驶者驾驶偏好输出专属路况驾驶模式的方法及系统 |
CN112109715A (zh) * | 2020-09-14 | 2020-12-22 | 华人运通(上海)云计算科技有限公司 | 车辆动力输出策略的生成方法、装置、介质及系统 |
CN113071505A (zh) * | 2021-04-16 | 2021-07-06 | 阿波罗智联(北京)科技有限公司 | 驾驶行为习惯的确定、车辆行驶控制方法、装置及设备 |
CN113071505B (zh) * | 2021-04-16 | 2024-02-13 | 阿波罗智联(北京)科技有限公司 | 驾驶行为习惯的确定、车辆行驶控制方法、装置及设备 |
CN113903102A (zh) * | 2021-10-29 | 2022-01-07 | 广汽埃安新能源汽车有限公司 | 调整信息获取方法、调整方法、装置、电子设备及介质 |
CN113903102B (zh) * | 2021-10-29 | 2023-11-17 | 广汽埃安新能源汽车有限公司 | 调整信息获取方法、调整方法、装置、电子设备及介质 |
CN114056352A (zh) * | 2021-12-24 | 2022-02-18 | 上海海积信息科技股份有限公司 | 一种自动驾驶控制装置及车辆 |
WO2023231569A1 (zh) * | 2022-05-30 | 2023-12-07 | 天津大学 | 一种基于贝叶斯博弈的自动驾驶车辆换道行为车路协同决策算法 |
Also Published As
Publication number | Publication date |
---|---|
CN107368069A (zh) | 2017-11-21 |
CN107368069B (zh) | 2020-11-13 |
CN104391504B (zh) | 2017-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107368069B (zh) | 基于车联网的自动驾驶控制策略的生成方法与生成装置 | |
JP7456455B2 (ja) | 運転支援システム、運転支援を提供するための方法、及び、運転支援装置 | |
CN113165652B (zh) | 使用基于网格的方法检验预测轨迹 | |
CN107257756B (zh) | 用于在路况变化的情况下辅助车辆的技术 | |
CN107993453B (zh) | 一种基于车路协同的弯道安全车速计算方法 | |
CN109690657B (zh) | 用于在车辆中操作智能教程的方法和装置 | |
CN110271556A (zh) | 自主车辆的基于云的场景规划的驾驶系统和控制逻辑 | |
CN114390990A (zh) | 用于确定目标车辆速度的系统和方法 | |
US10793123B2 (en) | Emergency braking for autonomous vehicles | |
CN109895696B (zh) | 驾驶员警报系统和方法 | |
CN109283924A (zh) | 分类方法及系统 | |
CN115390553A (zh) | 一种设计运行区域odd判断方法、装置及相关设备 | |
CN106573618A (zh) | 车辆的行驶控制装置及方法 | |
CN109421719A (zh) | 用于自主车辆的跟车距离调节的系统和方法 | |
CN108803596A (zh) | 用于机动车辆的通知系统 | |
CN115042821B (zh) | 车辆控制方法、装置、车辆及存储介质 | |
CN104575067A (zh) | 一种将车辆行驶实时数据自动计算、交互共享与发布的系统 | |
KR20200005654A (ko) | 추월 확률 수집부를 생성하는 방법, 자동차의 제어 디바이스를 동작시키는 방법, 추월 확률 수집 디바이스 및 제어 디바이스 | |
CN113306554A (zh) | 车辆让路决策 | |
CN114787010A (zh) | 驾驶安全性系统 | |
US20230054974A1 (en) | Intersection Risk Indicator | |
SE1650916A1 (en) | Method and system for evaluating the operational performance of advanced driver assistant systems associated with a vehicle | |
CN116142185A (zh) | 自适应巡航控制激活 | |
CN115966097A (zh) | 基于事故强度的车辆的路径规划 | |
CN115116161A (zh) | 车辆数据采集方法、装置、存储介质以及车辆 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |