CN107010075A - 车辆加速确定 - Google Patents

Abstract

一个或多个具有处理器和存储器的计算机的系统，存储器存储处理器可执行的指令使得计算机被编程为识别车辆的当前状态并且确定车辆的最大加速能力。系统也至少部分地基于最大加速能力来确定要遵循的所需加速度曲线并且至少部分地基于所需加速度曲线来控制车辆的加速度。

Description

车辆加速确定

技术领域

本发明涉及机动车辆领域，尤其涉及用于车辆加速确定的系统和方法。

背景技术

高速公路和公路系统提供部署有用于合并到道路上和离开道路的入口匝道和出口匝道的控制进入道路的网络。然而，特别是在公路和高速公路上的交通堵塞已经成为通勤者和旅行者的瓶颈。道路使用已经远远超过其预期车辆容量。因此需要促进在公共道路上的驾驶以提高交通效率、减少交通堵塞、降低碰撞风险等的机构。

发明内容

根据本发明的一方面，提供一种包含计算机的系统，该计算机具有处理器和存储器，存储器存储处理器可执行的指令使得计算机被编程为：

识别车辆的当前状态；

确定车辆的最大加速能力；

至少部分地基于最大加速能力来确定要遵循的所需加速度曲线；以及

至少部分地基于所需加速度曲线来控制车辆的加速度。

根据本发明的一个实施例，其中车辆的当前状态包括内部车辆状态和环境状况中的至少一个。

根据本发明的一个实施例，其中最大加速能力至少部分地根据一组预测的扭矩响应值、车辆质量、道路坡度、道路表面μ、车辆的俯仰角和车轮半径中的一个来确定。

根据本发明的一个实施例，其中当前状态是当前车辆速度、当前电池荷电状态、当前车轮扭矩值、扭矩平衡分布、气压、元件部分状态、控制器局域网络(CAN)总线状态、供电水平、发动机温度、燃料挥发度评级、燃料辛烷值、燃料添加剂、湿度水平、燃烧室沉淀值、海拔值和发动机使用年限以及轮胎饱和值中的至少一个。

根据本发明的一个实施例，其中一组预测的扭矩响应值是至少部分地基于车辆的当前状态、第一组扭矩值和第二组扭矩值。

根据本发明的一个实施例，其中计算机进一步地被编程为从一组预测的扭矩响应值的瞬态区域识别第一组扭矩值。

根据本发明的一个实施例，其中计算机进一步地被编程为从一组预测的扭矩响应值的稳态区域识别第二组扭矩值。

根据本发明的一个实施例，其中计算机进一步地被编程为根据存储在存储器中的地图、要遵循的所需路线、车辆的最大加速能力、来自第二车辆的通信、来自外部道路基础设施系统的通信和障碍物检测传感器中的至少一个来确定要遵循的所需加速度曲线。

根据本发明的一个实施例，其中障碍物检测传感器包括LIDAR传感器、SONAR传感器和光学距离测定系统中的至少一个。

根据本发明的一个实施例，其中计算机进一步地被编程为选择最大加速能力的至少一个离散值；

将至少一个离散值发送至第二计算机；以及

通过插值最大加速能力的至少一个离散值来再生最大加速能力。

根据本发明的另一方面，提供一种方法，该方法包含：

识别车辆的当前状态；

确定车辆的最大加速能力；

至少部分地基于最大加速能力来确定要遵循的所需加速度曲线；以及

至少部分地基于所需加速度曲线来控制车辆的加速度。

根据本发明的一个实施例，其中车辆的当前状态包括内部车辆状态和环境状况中的至少一个。

根据本发明的一个实施例，其中最大加速能力至少部分地根据一组预测的扭矩响应值、车辆质量、道路坡度、道路表面μ、车辆的俯仰角和车轮半径中的一个来确定。

根据本发明的一个实施例，其中当前状态是当前车辆速度、当前电池荷电状态、当前车轮扭矩值、扭矩平衡分布、气压、元件部分状态、控制器局域网络(CAN)总线状态、供电水平、发动机温度、燃料挥发度评级、燃料辛烷值、燃料添加剂、湿度水平、燃烧室沉淀值、海拔值和发动机使用年限以及轮胎饱和值中的至少一个。

根据本发明的一个实施例，其中一组预测的扭矩响应值是至少部分地基于车辆的当前状态、第一组扭矩值和第二组扭矩值。

根据本发明的一个实施例，本发明方法进一步地包含从一组预测的扭矩响应值的瞬态区域识别第一组扭矩值。

根据本发明的一个实施例，本发明方法进一步地包含从一组预测的扭矩响应值的稳态区域识别第二组扭矩值。

根据本发明的一个实施例，本发明方法进一步地包含至少部分地根据存储在存储器中的地图、要遵循的所需路线、车辆的最大加速能力、来自第二车辆的通信、来自外部道路基础设施系统的通信和障碍物检测传感器中的一个来确定要遵循的所需加速度曲线。

根据本发明的一个实施例，其中障碍物检测传感器包括LIDAR传感器、SONAR传感器和光学距离测定系统中的至少一个。

根据本发明的一个实施例，本发明方法进一步地包含选择最大加速能力的至少一个离散值；以及

将离散值发送至第二计算机；以及

通过插值最大加速能力的至少一个离散值来再生最大加速能力。

附图说明

图1是示例性自动车辆控制系统的框图；

图2是具有合并车辆的高速公路入口匝道的图示；

图3是车辆向左转穿过繁忙交通的图示；

图4是车辆向左转穿过繁忙交通并且合并到繁忙的交通车道中的图示；

图5是车辆正在接近阻塞自主车辆的交通车道的其他车辆的图示；

图6说明五秒间隔的混合动力电动车辆(HEV)的示例性扭矩曲线；

图7说明五秒间隔的图6的HEV的示例性速度曲线；

图8说明五秒间隔的图6的HEV的示例性距离曲线；

图9A是三种不同的车辆瞬态扭矩加速度曲线的示例性图表的图示；

图9B是三种不同的车辆瞬态速度曲线的示例性图表的图示；

图9C是三种不同的车辆瞬态距离曲线的示例性图表的图示；

图10A是在一段时间内的HEV加速度响应的示例性图示；

图10B是在一段时间内的自然进气式发动机的加速度响应的示例性图示；

图11是具有归因于一个或多个制约因素的减少能力的自然进气式发动机的图表的示例性图示；

图12说明动力传动系统的示例性最大动力传动系统加速度响应；

图13是车辆的未来最大曲率响应的示例性图示；

图14说明五秒间隔的混合动力电动车辆(HEV)的示例性离散车轮扭矩图表；

图15说明五秒间隔的混合动力电动车辆(HEV)的示例性插值车轮扭矩图表；

图16是说明用于计算加速度曲线的系统10的示例性程序的流程图；

图17是说明用于计算减速度曲线的系统10的示例性程序的流程图；

图18是说明用于计算曲率性能曲线的系统10的示例性程序的流程图。

具体实施方式

引言

合并到高速公路上、减速以及离开高速公路并且采取快速操纵绕过障碍物表示自主或非自主车辆的困难场景。图2显示示例性入口匝道场景的图示，在图2中车辆32定位于道路29的入口匝道28(合并车道)上。具有简化动力传动系统模型的车辆32通常会被选择以减速并且可能完全停止并且等待在汽车30后面合并到车位置(slot)33中。然而，当道路29非常堵塞时，使用保守的动力传动系统模型的车辆32可进入的车位置33不会以及时的方式呈现其本身。这里公开的车辆32系统10提供车辆32的加速能力的知晓以促进合并到及时可用的车位置中，比如在卡车31前面并且在汽车39后面的车位置35。也就是说，车辆32的虚拟驾驶员——例如执行编程以控制部分或全部车辆32操作的一个或多个计算机——可以确定车辆32具有足够的加速能力以安全地将车辆32合并到车位置35中。

图3显示另一示例性场景，在该场景中车辆32正在试图在汽车30和汽车39之间完成左转穿过繁忙交通。图4显示相似的左转穿过交通，但在这种情况下，车辆32也在汽车30和汽车39之间合并到交通中。图5显示车辆32正在接近汽车30、37，在图5中，车辆32的路径被阻塞。车辆32必须或者在汽车30、37之前减速和/或车辆32必须操纵绕过汽车30、37。与上面所讨论的并且在附图所示的示例性场景一样，车辆32的虚拟驾驶员可以使用车辆32的车辆纵向和横向性能能力的知晓以便确定车辆32是否可以安全地执行任何所需的操纵。

术语表

本文件中使用的某些词和术语将被本领域的技术人员识别并且旨在给予它们的简单并且普通的意义。此外，为了促进公开的主题的解释，如本文件中使用的下列术语具有如在下面段落中陈述的意义：

曲线——当这里在例如“扭矩曲线”这样的物体量的背景下使用时，指的是物理量的例如可以在图上绘制的一组值，每个值在时间方面与力矩有关，例如具有时间索引。

加速度曲线——是在一段时间内的车辆的速度的变化率。例如，可以从车辆的发动机、变速器、在混合式马达和电池的最大容量下操作的混合式马达和电池荷电状态的特性的组合连同车辆质量以及比如道路坡度这样的外部因素得到加速能力曲线。

所需加速度曲线——是要由自主或半自主车辆执行的车辆加速度的分布图。它可以根据存储在计算机存储器中的地图、要遵循的所需路线、车辆的最大加速能力、来自另一车辆的通信、来自外部道路基础设施系统的通信和障碍物检测传感器来确定。

动力传动系统扭矩——传递至车辆的车轮的扭矩，即车辆的总扭矩减去驱动用于液压系统以及为任何发动机配件提供动力的泵的任何扭矩。

速度曲线——是在一段时间内的车辆的计算速度并且可以通过求加速度曲线的积分来获取。

距离曲线——是在一段时间内的计算距离并且可以通过确定加速度曲线的第二积分来获取。

扭矩曲线——是在固定的时间段内的扭矩的图表。

加速率极限——指的是限制或车辆的加速能力。

车轮扭矩限制因素——车轮扭矩和/或扭矩变化的极限。例如，减少扭矩以在变速器换挡时缓和自动变速器换挡变化。扭矩限制因素的另一示例是变速器扭矩限制器，该变速器扭矩限制器是防止发动机和传动系受机械过载损害的装置。

最大车轮扭矩——是在车辆车轮处可用的最大扭矩。这个扭矩值是减少从动力传动系统可以产生的最大扭矩减去在车轮处的扭矩的所有因素的总和。例如，减少扭矩的因素可以是归因于摩擦和搅动的车辆的齿轮中的任何机械损失。

瞬态扭矩——当或多或少的动力施加于车辆时扭矩的变化值。例如，当车辆用最大加速器踏板从静止加速时，扭矩增加直到车辆的发动机功率输出在其最大值和/或直到获取平衡。

稳态扭矩——当动力传动系统发展的扭矩等于系统能力的极限范围内的所需扭矩时发生。

马达扭矩极限值——是马达可以传递的最大扭矩量。

扭矩平衡分布——是在各个车轮处的散布扭矩值，该值可以被调整以补偿道路和驾驶状况。

系统功率极限值——是由车轮扭矩限制因素、发动机功率和电池功率极限(假如是混合动力车辆)确定的绝对系统功率。

齿轮搅动——是归因于比如传动液中的变速器齿轮这样的浸在液体中的圆盘的转动的阻力矩。

瞬态区域——是图表的区域，例如在到达稳态区域之前或直到到达稳态区域，加速度在该区域中正迅速地变化。

稳态区域——是图表的区域，响应在该区域中正缓慢地变化、受到动力传动系统的长期物理能力(例如，电池功率极限)的限制。

最大曲率——车辆在保持车辆的横向稳定性的同时可以转弯的最小半径，其可以考虑到乘客舒适性。

车轮转角——一个或多个车轮相对于车辆的纵轴线的角度测量值。

路径半径——车辆导航路径的弧的半径。

左/右能力——执行从一个方向到另一个方向的操纵以及从一个方向到另一个方向的操纵中恢复的车辆的能力，例如，车道变换或s形转弯。能力考虑到转向过度和转向不足、道路状况、轮胎状况和天气状况，仅列举几个。

曲率——车辆的转弯半径。

最大的曲率变化率——车辆在保持车辆的横向稳定性的同时可以改变其曲率(转弯半径)的最大速率，进一步可能地考虑到乘客舒适性。

不对称的左到右变化——当增加当前方向偏差与减少当前方向偏差相对时车辆曲率的不对称性能。

横向运动的能力——车辆在规定的时间段内以车辆的当前速度操纵或者向右或者向左的能力。例如，在以五十五英里每小时行驶时车辆变换车道的能力。

基本系统尺寸——车辆的机械特性。例如，该特性可以包括车辆的车辆质量(包括乘客和货物)、长度、宽度和深度，以及正被牵引的任何车辆的相似特性。

悬架几何结构——指定悬架部件的结构和关系，例如至转向节和其他悬架部件的连接。

转向不足/转向过度梯度——是在车辆正在根据横向加速度执行转弯时转向不足/转向过度的系数。

在转向轴处的地面反应负荷——静态地或动态地影响转向系统的道路负荷。

边坡度——与道路的纵向倾斜相对的横向倾斜，例如或者使车辆向曲率的半径的中心倾斜或者使车辆远离曲率的半径的中心倾斜，通常以度为单位测量。

表面μ——道路表面的累积效应(雪、冰、水、松散物质)和构造的摩擦系数。

元件部分状态——车辆内的传感器、控制器和系统的集体状态。

控制器局域网络(CAN)信号丢失或讹误——在CAN总线上的无效或丢失信号。

供电水平——从车辆的任何电源即电池和交流发电机的组合得到的在控制器连接器处的电压和电流汲取能力的目前状态。

轮胎饱和值——轮胎不能产生额外的横向或纵向力的点。

车辆质量——可以包括乘客、载重量和牵引。

最大减速能力——车辆的速度在减少方向上的最大变化率。

最大加速能力——车辆的速度在增加方向上的最大变化率。

制动衬块μ——描述在激活时制动器和转子或制动鼓之间的摩擦力的比值的标量值。温度、磨损、水、油和其他因素可以影响制动衬块μ。

在动态制动期间的车辆俯仰——在制动时的纵向重量转移，即前桥的加载和后桥的卸载。

负荷分布——确定单个正常车轮力的乘客重量、货物重量、拖车牵引重量和车辆自身重量的分布。

压力分布——或者在轮轴或者在单个车轮处的液压制动液压力的分布。

再生制动反馈值——再生制动系统对车辆制动性能的净效应。它受发电机尺寸、电池荷电状态、温度、减速率和其他因素的影响。这些将影响减速度的捕获再生能量或摩擦制动热的那部分。再生能量和摩擦制动热两者的混合影响总停止性能。

主动控制反馈——对停止有影响的驾驶辅助系统的净效应，例如，ABS(防抱死制动系统)和稳定控制对单独停止有直接影响，但也是可能需要的更保守的驾驶习惯的指示。

车轮转速传感器——可以通过测量单个车轮转速来检测轮胎的相对滑动的传感器。

惯性传感器——在不需要外部参考的情况下使用计算机、运动传感器(加速度计)和转动传感器(陀螺仪)通过航位推测法连续地计算车辆的位置、方位和速度(运动的方向和速度)的导航辅助设备。

系统概述

在附图中，在几个视图中的相同标记表示相同元件。图1显示示例性自主车辆控制系统10。系统10可以包括例如以已知的设置通信地连接至控制器局域网络(CAN)总线12的多个电子控制单元(ECU)。一种连接至CAN总线12的这样的ECU是自主车辆控制器(AVC)14。AVC 14是规划、协调和执行车辆32行程和操纵的监督ECU。AVC 14与从各种传感器和系统发送数据的各种ECU通信。例如，AVC 14可以从统称为自主车辆平台(AVP)16的几种车辆32ECU发送以及接收实时通信和数据。AVP 16可以包括动力传动系统控制器17，转向控制器18和制动控制器20，电池监测系统ECU 22，车窗、车门、车锁和车镜控制器24，以及约束装置控制器26。此外，AVC 14可以通过远程信息处理控制器23请求和接收实时环境和道路状况。

上述控制器也例如以已知的方式通信地连接至示例系统10中的CAN总线12。众所周知，比如用于上面提到的系统或控制器的车辆控制器，通常包含处理器和存储器，每个存储器存储由该控制器的相应处理器可执行的指令。每个控制器存储器也可以存储各种数据，例如比如可以通过CAN总线12可用的从车辆32中的其他控制器或传感器收集的数据，用于控制器的操作的参数等。

自主车辆控制器

作为监控控制器，AVC 14提供自主车辆32的规划和操作的总体控制。AVC 14收集并且评估来自上述控制器和传感器的相关数据并且监测车辆32的状态。例如，AVC 14可以与ECU通信以确定车辆32的当前状态，包括内部车辆状态和/或环境状况。例如，内部车辆状态可以包括：电池荷电状态、车辆速度、发动机速度、发动机温度、马达温度、电池温度、故障模式列表等。环境状况可以包括例如大气压力、大气温度、道路坡度、道路表面状况等。

此外，AVC 14可以例如通过CAN总线12从GPS接收器接收信息，从前视确定传感器即LIDAR(激光雷达)传感器、SONAR(声纳)传感器、光学距离测定系统等接收一组道路地图数据、一组混合动力传动系统数据、天气数据以便做出行驶路径的确定。为了确定行驶路径，AVC可以包括例如一组可能的未来路线、车辆加速能力、车辆减速能力、车辆横向操纵能力等。

典型的驾驶员辅助车辆和自驾驶车辆即比如图2的车辆32这样的自主车辆中的AVC，通常具有AVP系统能力的简化模型。这部分地是由于我们可以通过CAN总线传输至AVC14的信息量的限制。AVC 14和CAN总线12上的所有其他的ECU可能仅能够交换子集，即少于所有可取的AVP 16信息和/或通过CAN总线12可用的其他信息，这归因于控制器的容量和经过CAN总线12的ECU通信量。结果，AVC 14在规划到公路上的合并、转弯穿过交通或甚至离开公路时通常采取保守的方法，仅列举几个可能的车辆32操纵。路径选择和控制中的这种守旧性可以导致车辆似乎是缓慢的并且不精确。如果AVP 16的ECU可以及时地提供高保真度的车辆能力信息以帮助AVC 14的其路径规划，那么这是可以预防的。

自主车辆平台

AVP 16的ECU可以使用比可以通过CAN总线12向AVC 14提供的更多的关于AVP的各种子系统(动力传动系统、制动系统、转向系统)的信息。结果，这些ECU可以根据既内部又外部的当前操作条件产生它们的特定子系统能力的更高保真度模型。AVP然后可以使用这些模型来预测车辆32的真实能力，有效地将众多因素压缩至与横向和纵向路径规划控制有关的系统能力的曲线。例如，AVP 16可以确定最大可用的扭矩曲线，该曲线可以用于计算车辆32的相关加速能力曲线。此外，AVP 16可以提供车辆32的转向或曲率性能曲线以及制动曲线。通过从AVP 16向AVC 14提供系统加速度、减速度和转向能力的更高保真度估算值，AVC14可以在车辆32的其路径规划和控制方面不保守。

制动控制器

制动控制器20可以监测和控制车辆32制动器以及影响车辆32的停止的任何参数。制动控制器20可以根据制动控制器20可用的数据生成制动曲线并且将制动曲线发送至AVC14。制动曲线数据可以包括车辆32最大减速能力、最小加速能力、制动衬块状态和液压状态，仅列举几个。制动控制器20用于确定停止能力的要素可以包括车辆32的尺寸，例如车辆32质量连同任何附加载重量以及还可能是车辆32可以牵引的任何物体的质量。附加因素可以包括道路坡度值(斜率)；道路表面μ，制动衬块μ，车辆32的俯仰角，车辆32的负荷分布，液压制动液的压力分布以及制动衬块上的比如槽、水和油这样的任何磨损或污染物的检测中的一个或多个。

制动控制器20也可以监测车辆32再生制动交互并且评估再生制动如何影响车辆32的停止。再生制动——众所周知——是能量回收机构，该能量回收机构通过将车辆的动能转换成比如电能这样的另一种形式来使车辆减速，该电能可以或者立即使用或者存储直到需要。例如，当车辆32正减速时，车轮可以在没有制动衬块与车轮接触的情况下发电并且把能量储存在车辆32电池中。

制动控制器20也可以监测车辆32主动控制功能。例如，防抱死制动系统(ABS)。ABS是在制动时允许车轮根据驾驶员输入来保持与道路表面的牵引接触的车辆安全系统，防止车轮锁止(停止转动)并且避免不受控制的滑行。主动控制功能的另一示例是牵引控制。牵引控制是当扭矩不匹配道路表面状况时——例如当车轮滑行时——减少至车轮的动力的车辆系统。

此外，制动控制器20可以监测制动系统关于任何其部件的问题。例如，制动控制器20可以确定有缺陷的部件将要如何影响车辆32的减速能力并且然后发送消息至AVC 14，提醒车辆可能减少的停止能力。

与AVC 14一起工作的制动控制器20可以使用车轮转速传感器(未示出)和加速度计(未示出)通过预测性信息来确定减速能力。预测性信息可以从存储在存储器中的地图获取并且可以包括例如道路坡度、高度变化、道路边坡度信息这样的来自先前行程的收集信息，仅列举几个。此外，车辆32可以通过车辆32远程信息处理单元23通过来自车辆至基础设施(V2I)数据库(未示出)的下载来获取预测性信息。也可以从车辆至车辆(V2V)交换下载预测性信息。

转向控制器

转向控制器18可以监测和控制车辆32的转向系统。转向控制器18也可以生成转向曲线，该转向曲线可以发送至AVC 14以供AVC 14在确定路线和操纵时使用。例如，转向曲线可以包括车辆32的最大曲率、车轮转角、方向盘转角、横摆率、车辆32横向运动能力、车辆关于可能不会是不对称的左操纵或右操纵可以执行的曲率的最大变化率、以及车辆最小路径半径等。此外，转向曲线也可以包含例如车辆32的尺寸、在转向轴处的地面反应负荷、边坡角度、道路表面系数值和悬架几何结构等。

转向控制器18也可以监测转向系统关于任何其部件的问题。一旦转向控制器18确定部件可能是错误的并且不如预期地执行，转向控制器就进一步地确定如何减少车辆32的转弯能力。转向控制器18然后可以发送消息至AVC 14以提醒车辆减少的转弯能力。

与AVC 14一起工作的转向控制器18也可以使用车轮转速传感器和加速度计通过预测性信息来确定车辆32的最大曲率能力是否将适合于道路状况。例如，道路中的事故要求装备有拖车的车辆32以十米转弯半径转弯以规避事故。具有拖车的车辆的最大曲率能力可能仅能够管理12米转弯半径，在此情况下，AVC 14将必须确定替代路线。预测性信息可以从存储在存储器中的地图获取并且可以包括例如道路坡度、高度变化、道路边坡度信息这样的来自先前行程的收集信息，仅列举几个。此外，车辆32可以通过车辆32远程信息处理单元23通过来自车辆至基础设施(V2I)数据库(未示出)的下载获取预测性信息。此外，也可以从车辆至车辆通信系统——例如从另一车辆——下载预测性信息。

动力传动系统控制器

动力传动系统控制器17可以监测和控制车辆32的动力传动系统。动力传动系统控制器17可以基于动力传动系统的高保真度的静态和动态模型使用在传感器接收到的数据和系统的内部状态来计算扭矩值。例如，动力传动系统控制器17可以监测车辆32的高压电池和高压电池系统以确定多少高压电池容量可用于帮助在车辆的马达处的扭矩产生。此外，动力传动系统控制器17可以监测和调节应对内部因素(故障模式、发动机温度、比如节气门、可变凸轮等这样的执行器的变化率和范围)和外部因素(海拔、大气温度、湿度等)的内燃发动机扭矩贡献。这些扭矩能力估算值然后可以使用车辆质量、道路坡度、轮胎半径和道路表面摩擦系数转换为等效加速能力估算值。

其他系统

电池监测系统ECU 22负责监测和保持自主车辆32的高压(HV)电池。电池监测系统ECU 22发送关于混合动力HV电池系统的荷电状态的信息。车窗、车门、车锁和车镜ECU 24监测和控制自主车辆32的车窗、车门、车锁和车镜。约束装置控制器ECU负责车辆32安全设备，比如安全气囊、安全带张紧装置和任何其他乘客保护系统。

建模作为距离和速度曲线的最大加速能力

为了安全地合并或转弯，微积分中包含的一些考虑可以包括要穿过的距离以及执行操纵需要的任何速度变化。返回参考图2，车辆32——例如AVC 14——将需要考虑到道路29上的交通流的速度来确定车辆32可以在适当的时间内安全地穿过所需的距离以进入车位置35或可选地合并到车位置33中。当两个条件可以被确定并且满足时，车辆32然后可以前进并且加速以合并到车位置33中。也就是说，车辆32将必须得出车辆32足够快并且可以产生足够的扭矩以安全地操纵到车位置35中或可选地到车位置33中的结论。

如果车辆32的加速度曲线可用，那么可以确定车辆32的速度曲线和距离曲线，即通过求加速度曲线的积分来产生速度曲线并且随后求速度曲线的积分来创建距离曲线。

图6说明在五秒内的混合动力电动车辆32的示例性车轮扭矩曲线，在此情况下在时间零车辆32停止并且可以怠速。考虑到道路坡度、车辆质量和车轮半径，任何人可以生成等效加速度曲线。图7和8显示从图6的车轮扭矩曲线得到的相应速度曲线和距离曲线。例如，如果AVC 14获取五秒间隔的扭矩曲线，那么AVC 14可以确定在五秒内的车辆32的相应速度曲线。AVC 14通常也可以确定在相同五秒范围内的车辆32距离。例如，参考图6-8，在一秒的时间索引处，正被传递至动力传动系统的最大车轮扭矩(竖直轴线)近似为1200牛顿·米。在瞬态区域中在一秒处(水平轴线)产生的速度将近似为19.8米每秒(竖直轴线)并且行驶的距离将近似为19米(竖直轴线)。在时间等于四秒的时候，稳态扭矩将近似为230牛顿·米，速度将近似为25.3米每秒，并且行驶的距离将近似为86米。

图9A、9B和9C的图表说明三种不同车辆(或相同车辆在不同的条件下)的三种瞬态加速度的曲线。第一车辆81具有加速度的第一阶滤波器响应。第二车辆82以直线加速度开始，该加速度然后变平。第三车辆83以快速加速度增加开始，该加速度然后变平并且然后再次增加。所有三种加速度曲线在五秒的时间索引处具有相同的最终稳态加速度。然而，如图9B和9C所示，在五秒内分别产生的速度和行驶的距离明显地不同。因此，由于每个车辆的加速度曲线不同，每个特定车辆的速度和距离的计算也不同，这可能显著影响选择用于自主车辆的最适当的路径。因此，使用实时车辆性能能力数据对车辆32的路径规划是至关重要的并且当确定车辆的合并能力时必须考虑到。

典型的最大车辆加速度响应

典型的最大踏板响应和相应加速度曲线根据发动机、马达和动力传动系统的类型而变化，例如纯电动车辆(BEV)的性能特性与混合动力电动车辆(HEV)的或甚至燃气或燃气涡轮车辆的那些性能特性不同。例如，当确定系统的最大能力时，AVP可以考虑到发动机/马达和车轮之间的当前传动比、驾驶员可选择的模式、车辆校准、任何驾驶性能滤波器、发动机开/关状态、发动机/马达和车轮之间的传动比等。当考虑最大推进能力特性时混合动力车辆和其他车辆的常见性能考虑包括车辆是否正移动或处于静止、发动机的尺寸、当前变速器挡位和校准，仅列举几个。

图10A是混合动力电动车辆的响应的示例性加速度图表90的图示。图表90的从t0至t1的时间间隔表示由于系统识别扭矩请求的变化而花费的时间(例如，从至加速器踏板的输入开始)的延迟以及从执行器发起响应的延迟。从t1至t2的初始上升反映通过电动马达提供的快速扭矩响应。从t2至t3的时间表示当HEV接合内燃发动机时加速度的减少(斜率)。在从t3至t4的时间期间，当内燃发动机有助于总体车轮扭矩和车辆的加速度时加速率再次增加。

图10B是自然进气式内燃发动机的响应的示例性加速度图表91的图示。如在上面讨论的HEV的情况下，进气图表的从索引t0至t1的时间延迟是由于请求和来自执行器的响应的发起。与图10A的HEV示例相比，初始延迟将由于汽油发动机的执行器而可能更长，因为与HEV中的电动马达相比汽油发动机的执行器以缓慢响应为特征。在从索引t1至t4的时间段内，加速率增加类似于第一阶滤波器的加速率增加，因为岐管充满空气并且发动机汽缸摄取更多空气，这允许发动机产生更多的扭矩和车辆加速度。

自然进气式发动机的加速能力有时可能受到各种因素的阻碍：例如，发动机温度、气压、燃料挥发度评级、燃料辛烷值、燃料添加剂、湿度水平、燃烧室沉淀值、海拔值、发动机使用年限、某些部件内的故障等。发动机扭矩性能曲线然后可以发送至AVC 14以在确定车辆10加速度中使用。图11是自然进气式发动机的图表的示例性图示。图表93说明示例性车辆由于一个或多个上面提到的制约因素的降低的加速能力，同时图表93说明示例性车辆的无阻碍的加速能力。

预测加速度曲线

为了获取精确的车辆动力传动系统模型，AVC 14可以使用来自车辆控制系统ECU——即转向控制器18、动力传动系统控制器17和制动控制器20——的转向曲线、扭矩曲线、制动曲线和加速度曲线。例如，动力传动系统控制器17可以计算最大车轮扭矩加速度响应并且将其发送至AVC14。图12说明模拟计算的示例性最大车轮扭矩加速度响应95。为最大车轮扭矩加速度响应95的瞬态区域96生成瞬态扭矩曲线。在该区域96中，加速度正在增加。也可以为稳态区域97确定稳态扭矩曲线，在稳态区域97中最大车轮扭矩加速度响应95由于比如车轮扭矩限制因素这样的动力传动系统的物理能力而开始下降。

最大车轮扭矩加速度响应95——其是瞬态扭矩曲线和稳态扭矩曲线的组合——可以用于为给定环境生成最大扭矩曲线。该扭矩曲线可以通过考虑比如车辆质量、道路坡度、轮胎尺寸等事情而转换为等效加速度曲线。如上所述，能力曲线可以发送至AVC 14以帮助选择最佳的规划曲线(即要遵循的路径)。然而，通过CAN总线12向AVC 14发送整个曲线可能是不可行的，这归因于CAN总线12的带宽和时间限制。因此，传输曲线可以在固定的时间步长以有限数量的离散值采样。例如，图14说明采样或离散点车轮扭矩，该车轮扭矩识别在各自离散时间的车辆32的车轮扭矩能力。采样车轮扭矩曲线的有限数量点然后通过CAN总线12发送至AVC 14。AVC 14然后插值有限数量点以产生如图15所示的插值车轮扭矩曲线。例如，AVC 14可以使用插值车轮扭矩曲线以确定车辆32规划曲线。知道车辆32在时间段内将如何操作——该时间段在这个示例中是五秒——允许AVC 14根据确定的规划曲线和例如合并、变换车道等的要求这样的当前驾驶状况来致动比如节气门或加速器踏板、转向装置等这样的各种车辆32部件。也就是说，规划曲线具有加速能力，即沿着规划曲线的时间轴的最大可用的加速度。根据规划曲线指示的可用加速度，AVC 14可以做出关于推进和/或转向控制的决策以实现合并和/或车道变换操纵，例如通过确定车辆32可以加速以达到车位置35等。

最大曲率

参考图5，车辆32正在接近在其行驶路径内的障碍物。障碍物是可能已经卷入到事故中的车辆30和车辆37的组合。车辆32必须在障碍物之前做出规划以减速，减速并且操纵绕过障碍物或仅操纵绕过障碍物。如上所述，车辆32AVC 14可以使用来自制动控制器20的数据来确定车辆32是否能够在障碍物之前安全地停止。此外或可选地，车辆32AVC 14可以使用来自转向控制器18的最大曲率数据来确定车辆32是否能够安全地执行一系列左和右操纵以绕过障碍物前进。

最大曲率能力信号

图13是在转向控制器18和AVC 14之间交换的未来最大曲率能力信号(FMXCS)99的示例的示例性图示。最大左/右曲率能力是竖直轴线，该竖直轴线根据水平轴线的时间绘制。从索引t0至t1的时间间隔表示响应于对最大左/右曲率能力的AVC 14请求的转向控制器18中的延迟以及因此没有确定FMXCS 99。从t1-t2的时间是基于如由转向控制器18所确定的最大可能变化率的FMXCS 99的当前曲率(curvature rate)至完全曲率的斜升。从时间t2-t3，FMXCS 99速率减少。例如，当系统10检测到车辆32的转向不足或转向过度状况时最大曲率减少。在时间帧t3-t4，FMXCS 99更进一步地减少。例如，当系统10检测到车辆32正在侧倾时。

程序流程

图16是说明用于计算车辆32的车轮扭矩曲线的系统10的示例性程序100的流程图，如果我们知晓道路坡度、车辆质量和轮胎半径，那么可以根据车轮扭矩曲线生成加速度曲线。

程序100从框110开始，在框110中通过AVC 14获取系统状态。AVC14根据AVC 14从CAN总线12上的各种ECU接收到的数据来确定系统状态。系统状态可以包括与车辆32操作有关的一个或多个量，例如当前车辆速度、当前电池荷电状态、当前车轮扭矩值、瞬态扭矩值、稳态扭矩值、随着时间消逝的车轮扭矩(参照例如图11)、温度和/或与确定加速度曲线有关的其他相似信息。此外，AVC 14可以监测CAN总线状态、供电水平和轮胎饱和值，其可以包括在车辆32系统状态中。

接下来，在框120中，动力传动系统控制器17计算车轮扭矩的图表(例如，图11)的瞬态区域96的瞬态车轮扭矩。瞬态车轮扭矩可以受到可以减少车辆可用的总扭矩并且因此消极地影响车辆的加速度的因素的限制。可以使用已知的机械或电子技术来有意地实施车轮扭矩限制因素。例如，通常减少扭矩以缓和变速器的换挡。扭矩限制因素的另一示例是防止变速器和传动系受到机械过载的损害的变速器输入扭矩极限。

接下来，在框130中，程序100确定稳态区域97的车轮扭矩限制因素。稳态区域97的车轮扭矩限制因素可以包括发动机扭矩极限、马达扭矩极限和电池系统功率极限。发动机和马达扭矩极限是发动机和马达分别可以传递的最大扭矩量。系统功率极限是自主车辆32的马达可用的最大可用电池功率。

接下来，在框140中，系统100确定预测的最大车轮扭矩曲线。最大车轮扭矩是从所有推进装置(例如，典型的动力分离式混合动力车辆将具有来自发动机和马达的贡献)减去任何机械损失的在车轮处可用的最大扭矩。例如，机械损失可以归因于变速器齿轮摩擦或归因于齿轮搅动。齿轮搅动是归因于比如传动液中的变速器齿轮这样的浸在液体中的圆盘的转动的阻力矩。

接下来，在框150中用曲线表示，计算预测的最大加速度曲线。用于根据来自框140的预测的最大车轮扭矩曲线计算预测的最大加速度曲线的因素，可以包括含有乘客和行李的自主车辆32的总质量、道路坡度、车轮的半径、制动控制干预和道路表面状况。制动控制干预可以包括电子稳定控制、侧倾稳定控制和牵引控制。道路因素可以包括车辆的轮胎和道路表面以及消极的道路表面状况之间的动态相互作用，比如雨或冰引起用于推进的自主车辆32扭矩的低效率使用，因为能量由于使轮胎空转或滑动而损失。

接下来，在框160中，在框150中确定的最大加速度曲线的部分或全部提供至AVC14，该AVC 14可以使用预测的最大加速度曲线来确定给定当前状况、AVP的能力以及所需行为的最适当的路径。

可以在理论上或给定具有正确处理和网络容量的环境的一组预测的扭矩值和/或最大加速度曲线，可以从动力传动系统控制器17传递至AVC 14。然而，如上所述，通过CAN总线12向AVC 14发送整个曲线通常是不可行的，这归因于CAN总线12带宽限制。因此，例如如图14所示，可以在固定的时间步长从曲线摘取有限数量的离散点。采样最大加速能力值中的有限数量点然后通过CAN总线12发送至AVC 14。

如图15所示，使用采样加速度曲线，AVC 14插值有限数量点以产生插值规划最大加速度曲线。插值规划最大加速度曲线然后连同当前态势感知(周围区域中车辆的相对位置和速度的理解)一起被AVC 14使用以规划并且选择给定当前状况、报道的AVP能力和所需行为的最适当的路径。通过将评估并且从中选择的路径的数量限制为仅可以通过对AVP 16的加速请求而由自主车辆32稳定地实现的那些路径，将帮助最适当的路径的选择。在合并和/或车道变换操纵期间，AVC 14可以排除在当前状况下自主车辆无法实现的任何路径。在框160之后，程序100结束。

在框160之后，程序100结束。

图17是说明用于计算车辆32的制动曲线的系统10的示例性程序的流程图。

程序200从框210开始，在框210中通过AVC 14获取系统状态。当前车辆32状态可以包括如程序100的框110所述的各种项目。

接下来，在框220中，制动控制器20从存储器或从其他ECU检索与停止能力有关的参数，包括例如车辆32的尺寸，其是车辆32质量连同任何附加载重量并且可以包括车辆32可以牵引的任何物体。附加因素包括道路坡度值(斜率)；道路表面μ，制动衬块μ，车辆32的俯仰角，车辆32的负荷分布，液压制动液的压力分布以及制动衬块上的比如槽、水和油这样的任何磨损或污染物的检测。

接下来，在框230中，制动控制器20从车辆32再生制动系统检索数据。例如，车辆32是否正在减速并且正在发电以及车轮马达可以向车辆32的停止能力贡献多少停止扭矩。

接下来，在框240中，制动控制器20从一个或多个车辆32停止系统接收数据。例如，制动控制器20可以检测到其中一个车轮转子上的光学传感器是有故障的或液压液面传感器可以指示液压液面是低的并且可能有关于停止距离的潜在问题。

接下来，在框250中，制动控制器20根据上述因素确定制动曲线。

接下来，在框260中，制动曲线发送至AVC 14以在确定车辆32将如何执行操纵中使用。例如，参考图5，AVC 14检测到车辆32路径被汽车30和汽车37阻塞并且可能没有行驶绕过汽车的安全路径。AVC 14然后可以使用制动曲线来确定如何在汽车30、37之前实现安全减速。AVC 14可以给制动控制器20发送适当的命令以致动并且监测制动系统。此外，AVC 14可以发送命令至动力传动系统控制器17以减少或关闭正施加于车辆32推进系统的任何能量。

在框260之后，程序200结束。

图18是说明用于计算自主车辆32的转向曲线的系统10的示例性程序的流程图。

程序300从框310开始，在框310中通过AVC 14获取系统状态。当前车辆32状态可以包括如程序100的框110所述的各种项目。

接下来，在框320中，转向控制器18从存储器检索一组车辆32的物理特性。例如，车辆的物理尺寸、车辆32的重量、最小转弯半径、车辆32的重心、以及转向不足/转向过度梯度值等。

接下来，在框330中，转向控制器18从车辆32转向系统的传感器检索数据。例如，接收到的数据可以包括在转向轴处的地面反应负荷、车辆和拖车的边坡角度、道路表面系数值、以及车辆32悬架状态。

接下来，在框340中，转向控制器检索预测性数据以帮助转向曲线的确定。例如，转向控制器18可以使用车轮转速传感器和加速度计通过预测性信息确定在给定速度下车辆32的最大曲率能力。例如，车辆32可以正在以100千米每小时行驶。如果车辆32被要求转弯以避让障碍物，那么转弯的半径将大于当车辆以30千米每小时安全地采取相同操纵时的转弯的半径。可以从存储在转向控制器18的存储器中的地图获取预测性信息。地图可以包括例如道路坡度、高度变化、道路边坡度信息这样的来自先前行程的收集信息，仅列举几个。如上所述，车辆32可以通过车辆32远程信息处理单元(未示出)通过来自车辆至基础设施(VTI)数据库(未示出)的下载获取预测性信息。此外或可选地可以从车辆至车辆数据传输下载预测性信息。

接下来，在框350中，转向控制器20确定是否有关于转向系统的任何部件问题。例如，车轮转速传感器可以零星地报道车轮转速。错误的车轮转速将对转向控制器将如何确定表面牵引系数有影响，其相应地可以影响车辆32将如何执行转弯或规避操纵。

接下来，在框360中，制动控制器20根据上述因素确定转向曲线。

接下来，在框270中，转向曲线发送至AVC 14以供我们确定车辆32可能必须采取的任何操纵中使用。例如，参考图5，AVC 14检测到车辆32路径被汽车30和汽车37阻塞并且有行驶绕过汽车30、37的安全路径。AVC 14然后可以使用转向曲线来确定如何实现安全操纵绕过汽车30、37。AVC 14可以给转向控制器20发送适当的命令以致动转向系统来有效地操纵车辆32绕过汽车30、37。此外，AVC 14可以发送命令至动力传动系统控制器17和制动控制器20以使车辆32减速同时操纵以避让汽车30、37。

在框270之后，程序300结束。

结论

如这里所使用的，修饰形容词的副词“大体上”意味着形状、结构、测量、值、计算等可以偏离精确描述的几何结构、距离、测量、值、计算等，由于材料、加工、制造、传感器测量、计算、处理时间、通信时间等中的缺陷。

比如这里讨论的那些计算装置通常各自包括指令，该指令可由比如上面识别的那些计算装置中一个或多个可执行，并且用于执行上面描述的程序的框或步骤。计算机可执行指令可以由利用各种程序语言和/或技术创建的计算机程序编译或解释，该程序语言和/或技术包括但不限于Java^TM、C、C++、C#、Visual Basic、Java Script、Perl、HTML、PHP等单独或组合。通常，处理器(例如，微处理器)例如从存储器、计算机可读介质等接收指令并执行这些指令，从而执行一个或多个程序，包括在这里描述的一个或多个程序。使用各种计算机可读介质可以存储并传输这样的指令和其他数据。计算装置中的文件通常是存储在计算机可读介质上的数据的集合，比如存储介质、随机存取存储器等。

计算机可读介质包括任何介质，其参与提供计算机可读的数据(例如，指令)。这种介质可采取多种形式，包括，但不限于，非易失性介质、易失性介质等。非易失性介质包括，例如，光盘或磁盘以及其他永久存储器。易失性介质包括动态随机存取存储器(DRAM)，其典型地构成主存储器。计算机可读介质的一般形式包括，例如，软盘(floppy disk)、柔性盘(flexible disk)、硬盘、磁带、任何其他磁介质，CD ROM(光盘只读存储器)、DVD(数字化视频光盘)、任何其他光学介质，穿孔卡片、纸带、任何其他具有孔式样的物理介质，RAM(随机存取存储器)、PROM(可编程只读存储器)、EPROM(可擦除可编程只读存储器)、FLASH EEPROM(闪速电可擦除可编程只读存储器)、任何其他存储器芯片或内存盒，或任何其他计算机可读的介质。

关于这里描述的介质、程序、系统、方法等，应该理解的是，虽然这些程序的步骤等已经被描述为按照某个有序序列发生，但是可以在以与此处所述顺序不同的顺序执行所描述的步骤的情况下实施这些程序。应该进一步理解的是，某些步骤能够同时执行，能够加入其它步骤，或者能够省略这里所描述的某些步骤。也就是说，在这里的系统和/或程序的说明提供用于说明某些实施例的目的，不应以任何方式被解释为限制公开的主题。

因此，应该理解的是，上述说明旨在说明并非限制。通过阅读上述说明，除了提供的实例以外的许多实施例和应用对本领域技术人员来说将是显而易见的。本发明的保护范围应该不应参照上述说明确定，而是应当参照附于此和/或包括在基于此的非临时性专利申请中的权利要求连同这些权利要求所享有的全部等同范围而确定。可以预期和想到的是未来的发展将出现在这里所述的技术中，并且该公开的系统和方法将结合入这些未来的实施例中。总之，应该理解的是，公开的主题可被修改和变化。

Claims (20)

1.一种包含计算机的系统，所述计算机具有处理器和存储器，所述存储器存储所述处理器可执行的指令使得所述计算机被编程为：

识别车辆的当前状态；

确定所述车辆的最大加速能力；

至少部分地基于所述最大加速能力来确定要遵循的所需加速度曲线；以及

至少部分地基于所述所需加速度曲线来控制所述车辆的加速度。

2.如权利要求1所述的系统，其中所述车辆的所述当前状态包括内部车辆状态和环境状况中的至少一个。

3.如权利要求1所述的系统，其中所述最大加速能力至少部分地根据一组预测的扭矩响应值、车辆质量、道路坡度、道路表面μ、所述车辆的俯仰角和车轮半径中的一个来确定。

4.如权利要求1所述的系统，其中所述当前状态是当前车辆速度、当前电池荷电状态、当前车轮扭矩值、扭矩平衡分布、气压、元件部分状态、控制器局域网络(CAN)总线状态、供电水平、发动机温度、燃料挥发度评级、燃料辛烷值、燃料添加剂、湿度水平、燃烧室沉淀值、海拔值和发动机使用年限以及轮胎饱和值中的至少一个。

5.如权利要求3所述的系统，其中所述一组预测的扭矩响应值是至少部分地基于所述车辆的所述当前状态、第一组扭矩值和第二组扭矩值。

6.如权利要求5所述的系统，其中所述计算机进一步地被编程为从所述一组预测的扭矩响应值的瞬态区域识别所述第一组扭矩值。

7.如权利要求5所述的系统，其中所述计算机进一步地被编程为从所述一组预测的扭矩响应值的稳态区域识别所述第二组扭矩值。

8.如权利要求1所述的系统，其中所述计算机进一步地被编程为根据存储在所述存储器中的地图、要遵循的所需路线、所述车辆的所述最大加速能力、来自第二车辆的通信、来自外部道路基础设施系统的通信和障碍物检测传感器中的至少一个来确定要遵循的所述所需加速度曲线。

9.如权利要求8所述的系统，其中所述障碍物检测传感器包括LIDAR传感器、SONAR传感器和光学距离测定系统中的至少一个。

10.如权利要求1所述的系统，其中所述计算机进一步地被编程为选择所述最大加速能力的至少一个离散值；

将所述至少一个离散值发送至第二计算机；以及

通过插值所述最大加速能力的所述至少一个离散值来再生所述最大加速能力。

11.一种方法，所述方法包含：

识别车辆的当前状态；

确定所述车辆的最大加速能力；

至少部分地基于所述最大加速能力来确定要遵循的所需加速度曲线；以及

至少部分地基于所述所需加速度曲线来控制所述车辆的加速度。

12.如权利要求11所述的方法，其中所述车辆的所述当前状态包括内部车辆状态和环境状况中的至少一个。

13.如权利要求11所述的方法，其中所述最大加速能力至少部分地根据一组预测的扭矩响应值、车辆质量、道路坡度、道路表面μ、所述车辆的俯仰角和车轮半径中的一个来确定。

14.如权利要求11所述的方法，其中所述当前状态是当前车辆速度、当前电池荷电状态、当前车轮扭矩值、扭矩平衡分布、气压、元件部分状态、控制器局域网络(CAN)总线状态、供电水平、发动机温度、燃料挥发度评级、燃料辛烷值、燃料添加剂、湿度水平、燃烧室沉淀值、海拔值和发动机使用年限以及轮胎饱和值中的至少一个。

15.如权利要求13所述的方法，其中所述一组预测的扭矩响应值是至少部分地基于所述车辆的所述当前状态、第一组扭矩值和第二组扭矩值。

16.如权利要求15所述的方法，进一步地包含从所述一组预测的扭矩响应值的瞬态区域识别所述第一组扭矩值。

17.如权利要求15所述的方法，进一步地包含从所述一组预测的扭矩响应值的稳态区域识别所述第二组扭矩值。

18.如权利要求11所述的方法，进一步地包含至少部分地根据存储在存储器中的地图、要遵循的所需路线、所述车辆的所述最大加速能力、来自第二车辆的通信、来自外部道路基础设施系统的通信和障碍物检测传感器中的一个来确定要遵循的所述所需加速度曲线。

19.如权利要求18所述的系统，其中所述障碍物检测传感器包括LIDAR传感器、SONAR传感器和光学距离测定系统中的至少一个。

20.如权利要求13所述的方法，进一步地包含选择所述最大加速能力的至少一个离散值；以及

将所述离散值发送至第二计算机；以及

通过插值所述最大加速能力的所述至少一个离散值来再生所述最大加速能力。