CN106080598A - 实时预期速度控制 - Google Patents

Abstract

本发明涉及实时预期速度控制。具体而言，本发明涉及用于通过如下方式来实时生成速度分布的预期速度控制系统和方法，即：迭代地计算与电子识别的目标弯道相关联的建议的降低的速度，直到所建议的速度符合基于横向加速度的舒适性度量和基于转向角的安全性度量，并且根据纵向舒适性度量来实施速度分布，并给用户提供覆盖选择。

Description

实时预期速度控制

技术领域

本发明一般涉及用于车辆巡航控制的预期速度规划，并且具体而言，涉及响应于变化的道路属性的实时的速度分布（speed-profile）生成。

发明内容

本发明包括下述方案：

方案1. 一种车辆预期速度控制系统，包括：

车辆速度分布生成器，其配置成根据至少部分地从地图数据识别的目标弯道的预测的横向加速度，来生成速度分布；以及

速度控制器，其配置成根据所述速度分布来促动车辆减速，

其中，根据下式来计算所述预测的横向加速度，即：

其中，是预测的横向加速度，y_pred是车辆的预测的横向位置，是与以车辆为中心的车道的预测的横向偏差的时间微分， _pred是预测的车辆方位角，是所述预测的车辆方位角的时间微分，r_pred是预测的车辆横摆角速度， _pred是所述预测的车辆横摆角速度r_pred的时间微分，δ_pred是预测的转向角，m是车辆质量，I是车辆惯量，C _f 和C _r 分别是车辆的前后侧偏刚度，并且θ是倾斜角。

方案2. 如方案1所述的车辆预期速度控制系统，其特征在于，所述车辆速度分布生成器还被配置成根据所述目标弯道处的预测的横向加速度来生成所述速度分布。

方案3. 如方案2所述的车辆预期速度控制系统，其特征在于，所述车辆速度分布生成器还被配置成根据转向角的变化来生成所述速度分布。

方案4. 如方案1所述的车辆预期速度控制系统，其特征在于，所述车辆速度分布生成器还被配置成根据5阶多项式方程将行驶路径建模为以车辆为中心的路径（VCP）。

方案5. 如方案2所述的车辆预期速度控制系统，其特征在于，所述速度分布生成器还被配置成根据“s _curve“ =(v _x,pred ²-v _x,current ²)/ 2a _x,lim 来计算减速位置“s _curve ”，其中，“s _curve ”是当前车辆位置和所述目标弯道跨越的距离，并且“a _x,lim ”是纵向减速限制，“v _x,pred ”是预测的纵向速度，并且“v _x,current ²”是当前纵向速度。

方案6. 如方案5所述的车辆预期速度控制系统，其特征在于，位置追踪单元包括全球定位系统（GPS）接收器。

方案7. 如方案5所述的车辆预期速度控制系统，其特征在于，位置追踪单元被配置成，响应于失去GPS信号，根据航位推算算法来追踪车辆位置，所述航位推算算法包括卡尔曼滤波。

方案8. 如方案2所述的车辆预期速度控制系统，还包括配置成通知驾驶员计划的减速的人机接口（HMI）。

方案9. 如方案8所述的车辆预期速度控制系统，其特征在于，所述HMI还被配置成提示驾驶员覆盖所述计划的减速。

方案10. 一种用于预期速度控制的方法，包括：

提供车辆速度命令生成器，其配置成根据通过至少部分地从地图数据识别的目标弯道的预测的横向加速度来生成速度分布；以及

响应于根据所述速度分布的减速使车辆减速，

其中，根据下式来计算所述预测的横向加速度 _pred，即：

其中，是预测的横向加速度，y_pred是所述车辆的预测的横向位置，是与车道中心的预测的横向偏差的时间微分， _pred是预测的车辆方位角，是所述预测的车辆方位角的时间微分，r_pred是预测的车辆横摆角速度， _pred是所述预测的车辆横摆角速度r_pred的时间微分，δ_pred是预测的转向角，m是车辆质量，I是车辆惯量，C_f和C_r分别是车辆的前后侧偏刚度，并且θ是倾斜角。

方案11. 如方案10所述的方法，其特征在于，速度分布生成器还被配置成根据“s _curve“ =(v _x,pred ²-v _x,current ²)/ 2a _x,lim 来计算减速位置“s _curve ”，其中，“s _curve ”是当前车辆位置和所述目标弯道跨越的距离，并且“a _x,lim ”是纵向减速限制，“v _x,pred ”是预测的纵向速度，且“v _x,current ²”是当前纵向速度。

方案12. 如方案10所述的方法，其特征在于，所述纵向减速限制“a _x,lim ”以小于或等于0.15g的值来实施。

方案13. 如方案10所述的方法，其特征在于，所述车辆速度命令生成器还被配置成根据与所述目标弯道相关联的预测的转向角来生成所述速度分布。

方案14. 如方案13所述的方法，其特征在于，所述车辆速度命令生成器还被配置成根据与所述目标弯道相关联的预测的转向角变化来生成所述速度分布。

方案15. 如方案14所述的方法，其特征在于，所述速度分布生成器包括配置成追踪车辆位置的位置追踪单元。

方案16. 如方案15所述的方法，其特征在于，所述位置追踪单元包括全球定位系统（GPS）接收器。

方案17. 如方案15所述的方法，其特征在于，追踪模块被配置成，响应于失去GPS信号，根据航位推算算法来追踪车辆位置，所述航位推算算法包括卡尔曼滤波。

方案18. 如方案10所述的方法，还包括通知驾驶员建议的减速。

方案19. 如方案10所述的方法，还包括提供请求驾驶员覆盖所述建议的减速的提示。

方案20. 如方案18所述的方法，还包括提供请求驾驶员覆盖所述建议的减速的提示。

方案21. 如方案14所述的方法，其特征在于，所述速度分布生成器包括配置成追踪车辆位置的位置追踪单元,其中，所述位置追踪单元包括全球定位系统（GPS）接收器。

附图说明

视为本发明的主题在说明书的结尾部分中具体地指出并明确地要求权利。根据下面的详细描述和附图，最佳地理解特征以及它们的相互作用、操作和优点，在附图中：

图1为根据一个示例的配备有预期速度控制装置的车辆的示意性透视图；

图2为根据一个示例的预期速度控制系统的示意性框图；

图3为根据一个示例的图1的车辆在预计到电子检测到的即将到来的弯道而自动减速期间的示意性顶视图；

图4为根据一个示例的讨论图3的弯道的图1的车辆的矢量图；以及

图5为根据一个示例描绘了预期速度控制中所涉及的操作步骤的流程图。

将理解的是，为了清楚起见，附图元件可能未按比例绘制，并且类似的元件可以共用相同的附图标记。

具体实施方式

下面的描述包括提供本发明的彻底理解所需的细节，并且应当理解的是，示例可以在没有这些具体细节的情况下来实施。此外，已省略了公知的方法、过程和部件，以便突出这些示例的特征。

目前的示例一般涉及用于车辆巡航控制的预期速度控制，并且具体而言，涉及响应于变化的道路属性的实时的速度分布生成，如上所述。

贯穿本文件将使用以下术语。

“道路属性”指的是道路的相关性质，尤其是如曲率、斜率和倾斜角。

“车辆参数”指的是车辆相关的性质，尤其是如车辆质量、车辆惯性、重心至每个轮轴跨越的距离外加前后侧偏刚度。

“动态车辆变量”指的是变化的状态变量，尤其是如车辆位置、纵向和横向速度、纵向和横向加速度、转向角、转向角的变化以及角方位（angular heading）。

根据一个示例，“弯道”指的是路段中具有基本上相同的曲率半径的一组点。

现在转到图1和图2，图1为根据一个示例的汽车5的一般示意性透视图，所述汽车5配备有操作性地联接到一个或多个全球定位系统（GPS）接收器9的预期速度控制系统1、前向的摄像机11、用于检测即将到来的物体和车辆的物体检测传感器13。

图2为根据一个示例描绘了图1的预期速度控制系统1的部件的示意性框图。

一般而言，根据一个示例，预期速度控制系统1包括：速度分布生成器12，其配置成结合摄像机和物体传感器的数据一起处理地图数据，以生成速度分布；位置追踪单元2，其配置成识别车辆位置；以及速度控制器8，其配置成根据速度分布通过到车辆发动机的联接实施或启动速度的改变。

具体而言，根据一个示例，速度分布生成器12包括一个或多个处理器或控制器14、存储器15、包含地图数据的数据库19的长期非暂时性存储装置16、物体检测传感器13、前视的摄像机11、具有输入设备17和输出设备18二者的人机接口（HMI）7。

例如，处理器14可被实施为中央处理单元（CPU）、微芯片或类似功能的计算设备；全部配置成执行存储在存储器15或长期存储装置16中的代码或指令。

存储器15可被实施为随机存取存储器（RAM）、只读存储器（ROM）、动态RAM（DRAM）、同步DRAM（SD-RAM）、双倍数据速率（DDR）存储器芯片、闪存或非易失性存储器、易失性存储器、缓存或缓冲存储器或者其他合适的存储器单元或存储单元。

例如，长期的非暂时性存储装置16可实施为硬盘驱动器、软盘驱动器、光盘（CD）驱动器、可刻录CD（CD-R）驱动器、闪存设备。应当理解的是，上述存储器和存储设备的各种组合也包括在本发明的范围内，并且图像数据、代码及其他相关的数据结构被存储在上述存储器和/或存储设备中。

前向的一个或多个摄像机11被配置成将即将到来的道路的几何信息捕获为多个静态图像或视频或两者的组合。在特定的示例中，当较差的天气状况降低了摄像机数据和来自物体传感器13的传感器数据的可靠性时，摄像机数据与地图数据19或GPS数据或两者融合，如上所述。如对于本领域技术人员而言已知的，可以采用各种数据融合技术。专利申请公开US 20120290146 A1中描述了一个这样的示例，并且所述示例通过引用整体地包括在本文内。根据一个示例，前视摄像机11可以是有效的，以便将这样的地图数据不足增强多达大约120米的范围。

单物体检测传感器或多个这样的传感器13被配置成检测车辆5之前的车辆和物体，并且尤其是可被实施为雷达、光雷达（LIDAR）、惯性测量单元（IMU）或它们的各种组合。根据一个示例，前向摄像机数据可与物体传感器数据融合，用于改进物体检测的精度。此外，IMU数据可结合物体检测传感器13所提供的相对运动数据，以获得物体的绝对运动数据。

输入设备17尤其是包括麦克风、触摸屏、小键盘、摄影机，并且输出设备18尤其是包括监测器、灯、扬声器和触觉设备以及其各种组合。

根据一个示例，位置追踪单元2被配置成基于从GPS接收器9获得的GPS数据或采用来自速度计3和里程计4的速度和里程数据的航位推算（dead reckoning）来追踪车辆位置。

图3为在相应地具有平直段21和弯曲段22的道路车道20中行驶的汽车或车辆5的示意性顶视图。如图所示，根据一个示例，采用相对于车辆5的重心的坐标系（以车辆为中心的坐标系），使得纵向方向被指定为“x”轴，并且横向方向被指定为“y”轴。弯曲段22包括多个区段；每个区段具有不同的曲率半径23、24和25。例如，位置20A为如下位置，即：在所述位置，对即将到来的弯曲段22的分析启动，以寻找其多个半径23、24和25之中的最大曲率24。到最大曲率24的一组点中的进入点是行驶路径中的如下点，即：对于该点，预测的横向加速度将被用作第一舒适性度量（comfort metric），用于建立速度分布以及如转向角和转向角变化之类的车辆操纵度量，如将进一步论述的。

描绘了预备行驶路径29，其与从地图数据识别的车道中心和在点处识别的最大曲率24相关联。前向摄像机11（在图1中示出）具有视野27A，其中，查明即将到来的道路的属性被用于增强或修改从地图数据获得的预备行驶路径29，如将进一步论述的。

根据用于修改行驶路径29的物体传感器和摄像机的数据，通过转向曲率δt₁-δt₅来限定以车辆为中心的行驶路径27，如将进一步论述的。

根据一个示例，在特定的示例中，对于多达大约90mph的速度，预先在范围在200米至400米之间的距离处检查即将到来的路段的道路属性。

图4为根据一个示例的车辆10的车辆矢量图，所述矢量图讨论了在沿以车辆为中心的路径27行驶期间车道的弯曲段22。

根据一个示例，描绘了前轮胎和后轮胎30，所述前轮胎和后轮胎30设置成分别与车辆的重心32相距纵向距离“a”和“b”，与车道中心29相距横向距离“y”35，车辆方位角（heading angle）“”36，车辆横向速度“v_y”33，车辆纵向速度“v_x”37，横摆角速度（yawrate）“w”31以及转向角“”34。

根据一个示例，图5为描绘了生成速度分布所采用的步骤的流程图，所述速度分布针对跨越从车辆位置20A到目标弯道24的预期行驶时间的每个未来时间增量来计算，并且图5将根据图1-4来描述。

在处理步骤41处，预期速度控制装置12在行驶期间扫描地图数据库19，并且从半径曲率23、24和25中识别具有最大曲率半径的即将到来的目标或目的弯道，如上所述。替代性地，能够由前向摄像机11或通过GPS接收器9和物体传感器13接收的道路轮廓（roadprofile）数据或它们的结合来识别最大曲率24，如对于本领域技术人员而言已知的。

合适的地图数据可从NAVTEQ Corporation（425 West Randolph Street;Chicago, Illinois 60606 USA）获得；并且可在http://corporate.navteq.com/products_data_whatis.htm处在线获得。另外的地图供应商包括Google Map、MicrosoftMap、Open Street Map、Garmin和Magellan。

在步骤42中，基于识别的目标弯道24来识别以车道为中心的行驶路径29。

在处理步骤43处，使用由前向摄像机11供应的数据来识别偏离中央的以车辆为中心的行驶路径（VCP）27。系统1被配置成假定驾驶员将根据以下路径方程操纵行驶到以车道为中心的行驶路径29：

其中，“∆T”为时间段，在所述时间段内，VCP路径27与以车道为中心的行驶路径29合并，并且“L”为车道宽度。可由如下文中计算的横向“v_y”来确定“∆T”。由此确定的∆T和前向摄像机11所捕获的道路几何信息，可根据以下示例性矩阵方程由已知的位置“x”和“y”来计算系数a₀至a₅。

与上述路径方程相关的计算的进一步说明见于美国专利申请公开2009/0319,113中，并且通过引用整体地结合于本文内。

在处理步骤44处，由上述路径方程来计算预测的车辆运动变量v_x、v_y、w、a_y和。

在第一迭代中，系统1检查当前的速度计值，以便符合安全性和舒适性的度量限制，并且如果不符合，则迭代地计算所建议的降低的速度，直到发现符合的速度。

如所述，v_x首先被假定为从速度计分解的至目标弯道的整个行驶时间期间的恒定值速度。根据下式来计算相对应的车辆运动变量，即：

其中，根据一个示例，为从x轴的横向位移的时间微分，并且y'= dy/dx。

在处理步骤45处，根据下式由针对上一时间间隔确定的车辆运动变量v_x、v_y、w、a_y和的值来计算预测的转向角“δ _pred ”和相对应的转向角变化“∆δ”，即：

其中，“g”是重力加速度常数。

“θ _bank ”是相对于水平方向的倾斜角。

“I”是车辆惯量，并且是已知的车辆参数。

“m”是车辆质量，并且是已知的车辆参数。

“a”和“b”分别是车辆重心和前后轮轴之间的距离，并且是已知的车辆参数。

“C_f”和“C_r”是前后侧偏刚度因子，并且是已知的车辆参数。

根据一个实施例，在每一处对于每个预测的转向角“δ_pred”，转向角变化“∆δ”仅是预测的转向角与其上一时间增量处的上一值之间的差。

在处理步骤46处，根据段落[058]中阐述的上述运动方程来计算横向加速度“a _{y, predicted} ”。

如所述，根据一个示例，在到目标弯道24的整个计算的行驶时间期间以0.1秒增加的时间增量反复地进行这些计算。应当理解的是，也可采用提供必要的系统功能的其他时间增量。由从数据地图接收的距离数据结合速度计或由GPS速度数据或它们的结合来确定到目标弯道24的行驶时间。

在处理步骤47处，将预测的转向角δ _pred 与安全性限制δ _limit 相比较，并且如果所述比较指示预测的转向曲线δ _pred 小于安全性限制，则处理在步骤48处继续。根据一个示例，转向角限制是对每个车辆而言不同的速度相关的值，并且从查找表获得。

在处理步骤48处，将预测的转向角变化∆δ _pred 与安全性限制∆δ _limit 相比较，并且如果所述比较指示预测的转向曲线变化∆δ _pred 小于安全性限制，则处理在步骤49处继续。根据一个示例，安全性限制∆δ _limit 也是对每个车辆而言不同的速度相关的值，并且从查找表获得。

在处理步骤49处，根据一个示例，将更新的横向加速度a_{y, predicted}的绝对值与安全性限制a _{y, limit} 相比较，并且如果所述比较指示预测的横向加速度在安全性限制内，则不执行修正，并且系统1继续监测道路状况。

但是，如果步骤47、48和49处的上述比较中的任何比较指示预测的转向角δ _pred 或转向角变化∆δ _pred 或横向加速度a _{y, predicted} 超过其相应的限制值，则处理继续进行至步骤50，其中，超过其阈值的每个参数都被分配其相应的限制值，并且根据段落[58]的上述动态方程来计算在车辆的当前位置处的相对应的水平速度值v_x。

在处理步骤50处，关于步骤47-49中满足的条件与速度降低是否相关进行评估。如果它们与速度降低不相关，则处理继续进行至步骤41，其中，针对即将到来的道路几何构型的变化，系统1继续扫描地图数据19和摄像机数据或它们的组合。如果确定步骤47-49中满足的条件与速度降低相关，则处理继续进行至步骤53。

在处理步骤53处，根据一个示例，基于现在指定为目标速度“v_{des_curve}”的所建议的速度和范围在大约0.12g-0.15g之间的纵向加速度限制“a_x,lim”来识别减速位置20B。

由下式获得目的弯道24至减速位置20B跨越的减速距离“s_{dest_curve}”：

其中，根据一个示例，“v_curve”为进入到如所述的目的弯道24中的目标速度，并且“v _x ”为当前的纵向速度。应当注意的是，“v _x ”可由建议的速度决定，或建议的速度可被实施为纵向速度。

系统1以“a_x,lim”的速率在与最急（tightest）的目标弯道24相距s_curve的距离的位置20B启动减速。在特定的示例中，减速率被实施为小于“a_x,lim”。

类似地，系统1也被配置成在识别的减速位置处启动舒适减速，从而确保车辆行驶速度符合即将到来的速度限制变化。道路速度限制“v_{spd_limit}”由地图数据库19获得，并且根据下式来计算到新速度限制的距离“s_{des_autoset}”：

当车辆5处于与新速度限制“v_{spd_limit}”的距离“s_{des_autoset}”内时，速度控制系统1以“a_x,lim”的速率启动减速。

从位置追踪单元2获得在减速位置20B处启动减速所需的车辆位置数据。

在步骤54处，位置追踪单元2评估可获得的GPS数据是否足以参考车辆1的当前位置来识别减速位置20B。如果否，则处理继续进行至步骤55，其中，采用航位推算算法，如将进一步论述的。

在步骤56中，根据一个示例，预期速度控制系统1的HMI 7通知驾驶员预定在减速位置20B处开始的建议的减速，并且提示对取消预定的减速有兴趣的驾驶员指示。通过多种形态中的任何一种或组合视觉、听觉和触觉地来实施输出和输入的形式。

在步骤57中，没有使用响应被假定为是默许，并且速度控制器8启动如步骤58中所描绘的以安全为导向的减速。根据一个示例，如果接收到驾驶员反馈，则如步骤59中所示取消计划的减速。所述反馈也可以根据所采用的输入设备以口头、视觉或触觉等多种形态中的任何一种或组合来提供。应当理解的是，使减速仅在接收到用户确认时才实施的示例也包括在本发明的范围内。

如上所述，根据一个示例，当GPS数据不可获得或不足时，位置追踪单元8采用航位推算来生成当前位置数据。

在特定的示例中，航位推算结合卡尔曼滤波器来实施，以提高识别减速位置20A的位置数据的精度和可靠性。

航位推算算法根据以下状态方程使用车辆里程计和速度计的状态数据以及最后已知的GPS车辆位置：

行驶的距离s_m（k）表示通过里程计测量的行驶距离，并且v_m表示通过速度计测量的速度。

纵向位置矢量通过下式给出，即：

横向位置矢量通过下式给出，即：

其中，“k”为时间变量，使得纵向位置通过下式给出，即：

，并且横向位置通过下式给出，即：

其中，车辆加速度，并且w(k)和v(k)分别为过程噪声和传感器噪声。它们的噪声特性为，v(k) ~ N(0,R)，其中，N表示正态分布，并且Q和R为噪声方差，且s(k)和表示内部状态变量。

Δt表示速度计更新速率，如每20.0毫秒，并且∆T表示GPS更新速率，如每1.0秒。

• 利用下式随时间预测作为。

• 卡尔曼滤波器时间（预测）更新

• 卡尔曼滤波器测量（修正）更新

使得为紧接在目标点之前的估计距离，并且完全基于车辆的里程计和速度传感器的数据来计算，而无需GPS输入。

上面公开的算法有利地消除了繁重的离线计算和神经网络表存储通常所需的大存储器或用于查找表生成的离线机器学习计算。

应当理解的是，在不同实施例中阐述的特征的不明确的组合也包括在本发明的范围内。

虽然本文已图示和描述了本发明的特定特征，但现在本领域技术人员将想到许多修改、替换、改变和等同。因此，要理解的是，所附权利要求意在覆盖落入本发明的真正精神内的所有这样的修改和改变。

Claims (10)

1.一种车辆预期速度控制系统，包括：

车辆速度分布生成器，其配置成根据至少部分地从地图数据识别的目标弯道的预测的横向加速度，来生成速度分布；以及

速度控制器，其配置成根据所述速度分布来促动车辆减速，

其中，根据下式来计算所述预测的横向加速度，即：

其中，是预测的横向加速度，y_pred是车辆的预测的横向位置，是与以车辆为中心的车道的预测的横向偏差的时间微分， _pred是预测的车辆方位角，是所述预测的车辆方位角的时间微分，r_pred是预测的车辆横摆角速度， _pred是所述预测的车辆横摆角速度r_pred的时间微分，δ_pred是预测的转向角，m是车辆质量，I是车辆惯量，C _f 和C _r 分别是车辆的前后侧偏刚度，并且θ是倾斜角。

2.如权利要求1所述的车辆预期速度控制系统，其特征在于，所述车辆速度分布生成器还被配置成根据所述目标弯道处的预测的横向加速度来生成所述速度分布。

3.如权利要求2所述的车辆预期速度控制系统，其特征在于，所述车辆速度分布生成器还被配置成根据转向角的变化来生成所述速度分布。

4.如权利要求1所述的车辆预期速度控制系统，其特征在于，所述车辆速度分布生成器还被配置成根据5阶多项式方程将行驶路径建模为以车辆为中心的路径（VCP）。

5.如权利要求2所述的车辆预期速度控制系统，其特征在于，所述速度分布生成器还被配置成根据“s _curve“ =(v _x,pred ²-v _x,current ²)/ 2a _x,lim 来计算减速位置“s _curve ”，其中，“s _curve ”是当前车辆位置和所述目标弯道跨越的距离，并且“a _x,lim ”是纵向减速限制，“v _x,pred ”是预测的纵向速度，并且“v _x,current ²”是当前纵向速度。

6.如权利要求5所述的车辆预期速度控制系统，其特征在于，位置追踪单元包括全球定位系统（GPS）接收器。

7.如权利要求5所述的车辆预期速度控制系统，其特征在于，位置追踪单元被配置成，响应于失去GPS信号，根据航位推算算法来追踪车辆位置，所述航位推算算法包括卡尔曼滤波。

8.如权利要求2所述的车辆预期速度控制系统，还包括配置成通知驾驶员计划的减速的人机接口（HMI）。

9.如权利要求8所述的车辆预期速度控制系统，其特征在于，所述HMI还被配置成提示驾驶员覆盖所述计划的减速。

10.一种用于预期速度控制的方法，包括：

提供车辆速度命令生成器，其配置成根据通过至少部分地从地图数据识别的目标弯道的预测的横向加速度来生成速度分布；以及

响应于根据所述速度分布的减速使车辆减速，

其中，根据下式来计算所述预测的横向加速度 _pred，即：

其中，是预测的横向加速度，y_pred是所述车辆的预测的横向位置，是与车道中心的预测的横向偏差的时间微分， _pred是预测的车辆方位角，是所述预测的车辆方位角的时间微分，r_pred是预测的车辆横摆角速度， _pred是所述预测的车辆横摆角速度r_pred的时间微分，δ_pred是预测的转向角，m是车辆质量，I是车辆惯量，C_f和C_r分别是车辆的前后侧偏刚度，并且θ是倾斜角。