CN107139931A - 基于交互式模型预测控制的自主车辆操作 - Google Patents

Abstract

一种包括计算装置的系统，所述计算装置被编程用于接收车辆的目标集合并且识别车辆在时间段内的行驶区域。该计算装置接收表明该行驶区域的行驶状况的可预测性的数据，并且确定该可预测性足以用于根据模型预测控制来控制车辆。控制车辆包括确定用于控制致动器的指令，该致动器与车辆的转向、推进和制动相关，以使成本函数最小化。在第一时隙实施该指令。该时间段被更新以移除开始处的第一时隙并且在预定时间段的结束处包括另外的时隙。计算装置确定更新的控制方案，并且在第二时隙实施更新的控制方案。

Description

基于交互式模型预测控制的自主车辆操作

技术领域

本发明总体涉及自主车辆操作，更具体地涉及基于交互式模型预测控制的自主车辆操作。

背景技术

交互式模型预测控制(iMPC)是一种有效的控制技术，其可以系统地将车辆的当前和未来状态以及系统操作约束纳入考量，并且提供关于燃料经济性、操控性和执行性的最佳控制功能。iPMC通过将车辆子系统之间的交互作用纳入考量来优化所有推进、转向和制动致动器。然而，iMPC的使用假定了车辆环境的可预测性。在可预测的环境中运行的自主车辆可以受益于iMPC的应用。

发明内容

根据本发明，提供一种包含计算装置的系统，计算装置包括处理器和存储器，存储器存储可由处理器执行的指令以使处理器被编程用于：

接收以自主模式操作的第一车辆的目标集合；

基于目标集合识别第一车辆在下一预定时间段的行驶区域，预定时间段包括多个时隙；

接收表明所识别的行驶区域的行驶状况的可预测性的第一水平的数据；

基于所接收的数据确定行驶状况的可预测性的第一水平足以用于根据模型预测控制来控制第一车辆；以及

根据交互式模型预测控制来控制第一车辆，这包括：

确定预定时间段的控制方案，控制方案包括用于控制每个致动器的指令，致动器与第一车辆的转向、推进和制动相关，以使与目标集合相关的成本函数最小化；

在预定时间段开始处的第一时隙中实施控制方案；

更新预定时间段以移除第一时隙以及在预定时间段结束处包括第一附加时隙；

确定更新的预定时间段的更新的控制方案，更新的控制方案包括用于控制每个致动器的指令，致动器与第一车辆的转向、推进和制动相关，以使与目标集合相关的成本函数最小化；以及

在紧接着第一时隙之后的第二时隙实施更新的控制方案。

根据本发明的一个实施例，其中交互式模型预测控制的模型将第一车辆的当前状态和未来的状态以及第一车辆的操作约束纳入考量。

根据本发明的一个实施例，其中确定控制方案包括优化燃料经济性、操控性和执行性中的至少一个。

根据本发明的一个实施例，其中表明行驶状况可预测性的第一水平的数据包括天气数据和道路状况数据中的至少一个。

根据本发明的一个实施例，其中表明行驶状况可预测性的第一水平的数据包括表明预定行驶区域中的对象的行为的数据，并且处理器进一步被编程用于：

在确定控制方案之前确定预定行驶区域中的每个对象的可预测性水平在预定范围内。

根据本发明的一个实施例，其中一个或多个对象是第二车辆，并且确定行驶区域中的每个对象的可预测性水平在预定范围内包括确定每个第二车辆是自主操作的。

根据本发明的一个实施例，其中处理器进一步被编程用于：

从每个自主操作的第二车辆接收表明各个第二车辆的未来的行驶行为的数据；并且其中控制方案的确定将表明各个第二车辆未来的行驶行为的数据纳入考量。

根据本发明的一个实施例，其中处理器进一步被编程用于：

从至少一个自主操作的第二车辆接收关于第二车辆的目标集合，并且其中确定第一车辆的控制方案将第二车辆的目标集合纳入考量。

根据本发明的一个实施例，其中将第二车辆的目标集合纳入考量包括确定第一车辆的目标和第二车辆的目标的平衡。

根据本发明的一个实施例，其中确定预定行驶区域中的每个对象的可预测性水平在预定范围内包括确定预定行驶区域内的任何一个对象都不是车辆。

根据本发明的一个实施例，其中处理器进一步被编程用于：

在确定第一控制方案之后接收表明行驶状况的可预测性的第二水平的另外的数据；

确定行驶状况的可预测性的第二水平不足以用于根据交互式模型预测控制来控制第一车辆；以及

根据可选的控制算法控制第一车辆。

根据本发明的一个实施例，其中至少一个第二车辆包括第二计算装置，第二计算装置包括第二处理器和第二存储器，第二存储器存储可由第二处理器执行的指令以使第二处理器被编程用于：

接收第二车辆的目标集合；

接收来自第一车辆的表明第一车辆的目标集合的数据；以及

根据交互式模型预测控制来控制第二车辆，这包括：

确定预定时间段的第二车辆的控制方案，控制方案包括用于控制每个致动器的指令，致动器与第二车辆的转向、推进和制动相关，以使与第一车辆的目标集合和第二车辆的目标集合相关的成本函数最小化；

在第一时隙实施关于第二车辆的第二控制方案。

根据本发明，提供一种方法，包括：

由计算装置接收以自主模式操作的第一车辆的目标集合；

基于目标集合识别下一预定时间段的第一车辆的行驶区域，预定时间段包括多个时隙；

接收表明所识别的行驶区域的行驶状况的可预测性的第一水平的数据；

基于接收的数据确定行驶状况的可预测性的第一水平足以用于根据模型预测控制来控制第一车辆；以及

根据交互式模型预测控制来控制第一车辆，这包括：

确定预定时间段的控制方案，控制方案包括用于控制每个致动器的指令，致动器与第一车辆的转向、推进和制动相关，以使与目标集合相关的成本函数最小化；

在预定时间段开始处的第一时隙中实施控制方案；

更新预定时间段以移除第一时隙并且在预定时间段的结束处包括第一附加时隙；

确定更新的预定时间段的更新的控制方案，更新的控制方案包括用于控制每个致动器的指令，致动器与第一车辆的转向、推进和制动相关，以使与目标集合相关的成本函数最小化；以及

在紧接着第一时隙之后的第二时隙中实施更新的控制方案。

根据本发明的一个实施例，其中表明行驶状况的可预测性的第一水平的数据包括天气数据和道路状况数据中的至少一个。

根据本发明的一个实施例，其中表明行驶状况的可预测性的第一水平的数据包括表明预定行驶区域中的对象的行为的数据，并且方法进一步包含：

在确定控制方案之前确定预定行驶区域中的每个对象的可预测性水平在预定范围内。

根据本发明的一个实施例，其中一个或多个对象是第二车辆，并且确定行驶区域中的每个对象的可预测性水平在预定范围内包括确定每个第二车辆是自主操作的。

根据本发明的一个实施例，该方法进一步包含：

从每个自主操作的第二车辆接收表明各个第二车辆未来的行驶行为的数据；并且其中控制方案的确定将表明各个第二车辆未来的行驶行为的数据纳入考量。

根据本发明的一个实施例，该方法进一步包含：

从至少一个自主操作的第二车辆接收第二车辆的目标集合，并且其中确定第一车辆的控制方案将第二车辆的目标集合纳入考量。

根据本发明的一个实施例，其中将第二车辆的目标集合纳入考量包括确定第一车辆的目标和第二车辆的目标的平衡。

根据本发明的一个实施例，其中确定预定行驶区域中的每个对象的可预测性的水平在预定范围内包括确定预定行驶区域内的任何一个对象都不是车辆。

根据本发明的一个实施例，其中处理器进一步被编程用于：

在确定第一控制方案之后接收表明行驶状况的可预测性的第二水平的另外的数据；

确定行驶状况的可预测性的第二水平不足以用于根据交互式模型预测控制来控制第一车辆；以及

根据可选的控制算法控制第一车辆。

根据本发明的一个实施例，该方法进一步包含：

通过第二计算装置接收第二车辆的目标集合；

通过第二计算装置接收来自第一车辆的表明第一车辆的目标集合的数据；以及

通过第二计算装置根据交互式模型预测控制来控制第二车辆，这包括：

确定预定时间段的第二车辆的控制方案，控制方案包括用于控制每个致动器的指令，致动器与第二车辆的转向、推进和制动相关，以使与第一车辆的目标集合和第二车辆的目标集合相关的成本函数最小化；

在第一时隙实施关于第二车辆的第二控制方案。

附图说明

图1是在公路上操作的第一自主车辆实施交互式模型预测控制(iMPC)的系统的图；

图2是被编程为针对图1的系统实施iMPC的示例性第一自主车辆的框图；

图3是在第一自主车辆的预定行驶区域中的示例性第二车辆的框图。

图4是用于实施iMPC的示例控制回路的框图；

图5A是用于实施第一自主车辆的iMPC的示例性过程的第一部分的图；

图5B是用于实施第一自主车辆的iMPC的示例性过程的第二部分的图。

具体实施方式

介绍

如图1所示，系统10包括第一自主车辆12、网络14和一个或多个数据源16。系统10还可包括一个或多个第二车辆18，其可以是自主车辆、半自主车辆或常规车辆。第一自主车辆12可以包括计算机20(图2)，计算机20被编程用于确定第一车辆12操作所处环境的可预测性，并且可以在可预测性足够高的情况下选择实施交互式模型预测控制(iMPC)。在下文中，关于实施iMPC的可预测性足够高的环境将被称为充分可预测的环境。例如在没有行人、动物、自行车或接近第一自主车辆12的第二车辆18的情况下，环境的可预测性可以足够高。作为另一示例，在环境确实包括第二车辆18并且第二车辆18的行为可以由第一车辆12中的计算机20预测的情况下，环境的可预测性可以足够高。如下文另外详细描述的，行为可以由第一车辆12中的计算机20预测的第二车辆18可包括自主车辆18以及常规或半自主车辆18，该车辆的行为在预定行为范围内。例如，预定行为范围可以包括速度范围、转向角范围、位置范围和加速度范围。只要第二车辆18在预定范围内操作，计算机20就可以确定第二车辆18的行为是可预测的。

在确定第一车辆12在充分可预测的环境中操作时，第一车辆12计算机20可基于交互式模型预测控制(iMPC)方法来选择控制第一车辆12的操作。

系统元件

更详细地参考图1，用于实施模型预测控制的示例性系统10包括第一车辆12、零个或多个第二车辆18、网络14和零个或多个数据源16。第一车辆12是包括多种自主操作模式中的一种的自主车辆。第二车辆18可以是常规的、半自主或全自主车辆18。

第一车辆12通常是具有三个或更多车轮的陆基第一车辆12，例如乘用车、轻型货车等。如下文更详细地描述的，并且参见图2，第一车辆12包括计算机20。计算机20可以被编程为自主地控制第一车辆12的推进、转向和制动。计算机20根据所感知的环境的可预测水平来实施不同的控制方法。控制方法的示例包括利用针对前方交通状况的调整能力相对于预定的速度曲线保持车辆速度、利用调整转向的能力操纵车辆穿越弯曲道路段以处理意外障碍物避让需要等。在计算机20确定环境是可充分预测的情况下，计算机20可以基于方法实施iMPC。如下文另外详细描述的，计算机20可以根据iMPC方法基于目标集合来优化第一车辆12的操作。

网络14表示车辆12、车辆18和数据源16彼此通信所利用的一种或多种机制，并且可以是各种有线或无线通信机制中的一种或多种，包括有线(例如电缆和光纤)和/或无线(例如蜂窝、无线保真、卫星、微波和射频)通信机制和任何所需的网络拓扑结构(或当使用多种通信机制时的多个拓扑结构)的任何所需组合。示例性通信网络包括提供数据通信服务的无线通信网络、局域网(LAN)和/或广域网(WAN)(包括因特网)、车辆到车辆的通信机制(如使用专用短程通信(DSRC)技术或使用长期演进直达(LTE-D)技术的那些技术)。例如，使用LTE-D的网络容许发现给定范围(例如500米)内的数千个装置，因此这容许车辆12的区域中的多个LTE-D装置在网络14中通信。

数据源16可以是如全球定位系统、交通跟踪系统、天气跟踪系统等的系统，并且可以提供与第一车辆12和第二车辆18的操作状况相关的数据。例如，数据源16可以被编程用于产生地图数据、天气数据、地理坐标(例如纬度、经度)、交通数据等并且可以向第一车辆12和第二车辆18提供这些数据，如已知的。

再次参考图2，第一车辆12包括一个或多个传感器22，传感器被设置用于收集与第一车辆12和第一车辆12操作所处的环境有关的数据。作为示例而非限制，传感器22可以包括如温度计、气压计、湿度传感器、高度计、摄像机、激光雷达、雷达、超声波传感器、红外传感器、压力传感器、加速度计、陀螺仪、温度传感器、霍尔传感器、光学传感器、电压传感器、电流传感器、如开关的机械传感器、全球定位系统(GPS)天线和接收器等。传感器22可以用于感测第一车辆12操作所处的环境，例如天气状况、道路的坡度、道路的曲率、道路的表面摩擦状况、交通状况、第二车辆18等。传感器22还可用于收集与第一车辆12的操作相关的动态数据，例如速度、横摆率、加速度、减速度、方向盘角度、发动机转速、制动压力、油压、施加用于驱动第一车辆12的功率水平等。

用于第一车辆12的一个或多个控制器26可包括已知的电子控制单元(ECU)等，其作为非限制性示例地包括一个或多个发动机控制器、一个或多个变速器控制器、一个或多个动力转向控制器、一个或多个制动控制器、一个或多个悬架控制器等。每个控制器26可以包括相应的处理器和存储器、一个或多个致动器，并且可以向一个或多个传感器22发送指令和/或从一个或多个传感器22接收数据，如已知的。控制器26可以被编程和连接到第一车辆12通信总线以从计算机20接收指令并且基于这样的指令控制致动器。例如，发动机控制器可以控制向发动机提供燃料和空气的一个或多个致动器、用于点燃发动机缸体内的燃料燃烧的电子火花发生器等。一个或多个传感器22可以例如检测致动器的动作。例如，传感器22可以在阀打开和关闭时检测阀的位置，以容许空气或燃料进入发动机缸体。

通信电路24可以包括如已知的硬件、软件、固件等，并且可以配置用于一种或多种类型的无线通信。硬件可以包括如一个或多个收发器、一个或多个接收器、一个或多个发射器、一个或多个天线、一个或多个微控制器、一个或多个存储器、一个或多个电子部件、一个或多个交互电路等。软件可以存储在存储器上，并且可以包括如用于将消息从一种协议转换为另一种协议的一个或多个编码器、一个或多个解码器等。如编码功能的一些功能可以经由固件来实现。

无线通信的类型可以包括WiFi(无线保真)通信、专用短程通信(DSRC)、长期演进直达(LTE-D)、双向卫星通信(如紧急服务)、单向卫星通信(如接收数字音频无线电广播)、AM/FM(调幅/调频)无线电等。此外，如已知的，通信电路24可以经由如有线网络(如控制器局域网(CAN)总线、以太网或局部互连网络(LIN)总线)通信地连接到计算机20。

计算机20包括处理器和存储器。存储器包括一种或多种类型的计算机可读介质，以及存储可由处理器执行的用于执行包括如本文所公开的各种操作的指令。进一步地，计算机20可以包括一个或多个其它计算机和/或通信地连接到一个或多个其它计算机，包括如传感器22和控制器26的车辆部件，其同样如已知的包括各自的处理器和存储器。可以例如经由控制器局域网(CAN)总线、以太网或本地互连网络(LIN)总线等来执行通信，如已知的。

如下文另外详细描述的，计算机20可以针对车辆12的自主控制编程。计算机20还可以基于操作环境是充分可预测的确定而实施关于车辆12的交互式模型预测控制方法，该方法至少自主地控制车辆12的推进、转向和制动。

交互式模型预测控制将车辆的当前和未来的状态以及系统操作约束纳入考量，提供了关于燃料经济性、操控性和执行性的最佳控制功能，并且在多个机构交换关于它们的状态、目标和约束的信息上具有特色，多个机构中的每一个实施它自己的iMPC策略。

实施车辆12的交互式模型预测控制的计算机20确定在一段时间内优化车辆12的成本函数的控制方案。该控制方案包括控制车辆12的推进、转向和制动中的一个或多个的指令。该时间段包括多个时隙(time slot)。在该时间段中的第一时隙实施控制方案。一经第一时隙实施控制方案，则迭代该程序。

在下一次迭代中，计算机20确定更新的时间段。为了产生更新的时间段，计算机20从先前时间段的开始处移除第一时隙，并且将另外的第一时隙添加到前一时间段的结束处。针对更新的时间段确定更新的控制方案。更新的控制方案包括更新的指令，该指令用于控制车辆12的推进、转向和制动中的一个或多个。在紧接着第一时隙之后的第二时隙实施控制方案。该程序可以继续迭代、更新时间段、确定更新时间段的更新的控制方案，以及实施下一时隙的更新的控制方案。

如图3所示，第二车辆18包括计算机30、传感器32、通信电路34和控制器36。传感器32、通信电路34和控制器36可以分别类似于如关于第一车辆12所描述的传感器22、通信电路24和控制器26。第二车辆18的计算机30可以被编程用于第二车辆18的自主、半自主或常规操作。如下文另外详细描述地，第二车辆18计算机30可以被编程为向第一车辆12计算机20提供与第二车辆18的操作相关的模型、规则、控制方法和/或数据，例如第一车辆12计算机20可以预测第二车辆18的行为。仍进一步地，在第二车辆18自主或半自主操作的情况下，计算机30可以被编程为基于与第一车辆12的操作相关的模型、规则、控制方法和数据来调整第二车辆18的控制，并且基于调整的控制向第二车辆18控制器36提供指令。

交互式模型预测控制

交互式模型预测控制(iMPC)是可以用于控制自主车辆(例如系统10的第一车辆12)的控制方法。在一个或多个第二车辆18是自主的情况下，自主的第二车辆18也可以被编程以实施iMPC。在这种情况下，如下文所述，被编程用于实施iMPC的第一车辆12和第二车辆18可以共同建立具有交互式控制的iMPC多车辆系统。多车辆系统可以通过每个单独的iMPC控制器使第一车辆12的控制目标与第二车辆18的控制目标平衡。例如，如果第一车辆12需要经过第二车辆18离开公路，则在第一车辆12右侧的第二车辆18需要减速或保持在准稳态操作，以避免突然的运动变化，该突然的运动变化会对意图从公路离开的第一车辆12造成干扰。

实施iMPC的计算机20可以将第一车辆12的当前和未来状态以及系统操作约束纳入考量，并提供最佳控制功能。最佳控制功能可以接收作为输入，例如第一车辆12的目的地以及期望的行驶速度等(统称为车辆目标)。第一车辆12可以另外接收系统操作约束。系统操作约束可以是如可用道路、行驶规则和规章、速度限制、交通、障碍物等。iMPC基于车辆目标和系统操作约束针对致动器产生控制第一车辆12的推进、转向和制动的指令。可以产生指令以使第一车辆12的操作被优化以实现车辆目标并且进一步实现如最佳燃料经济性、最佳操控性(例如行驶平稳性)和最佳执行性(例如对致动器的最小调整)中的一个或其组合。

在自主车辆12的iMPC设计中的关键假设是控制系统预测沿下一段行驶路径的第一车辆性能的能力。下一段行驶路径在本文中被称为预览范围。预览范围可以是如车辆12在下一预定时间段所行驶的一段行驶路径。下一预定时间段可以是如10秒的绝对时间，或者作为另一示例的预定数量的时隙，例如100，其中每个时隙表示计算机20接收输入并向控制器26提供更新的指令的一个周期。预定时间段可以基于操作环境而变化。例如，在城市中预定时间段可以是1秒，并且在公路上预定时间段可以是10秒。

图4中示出了用于实施iMPC的控制回路40的框图。iMPC控制回路40包括虚拟驾驶者42、预测控制器44、一个或多个控制器26以及一个或多个数据收集器18、22、32。

虚拟驾驶者42和预测控制器44可以是如由第一车辆12的计算机20执行的软件模块。

虚拟驾驶者42可以执行确定性道路规划和道路跟踪算法，这实现了在预览范围的车辆速度和位置的预测。虚拟驾驶者42可以接收数据，该数据包括如目的地、地图数据、交通数据等的数据。基于接收的数据，虚拟驾驶者42可以针对预测控制器产生如加速、转向和制动的输入。加速输入可以表明第一车辆12的目标加速度。转向输入可以表明目标转向角。制动输入可以表明制动的目标水平。

预测控制器44可以接收如来自虚拟驾驶者42的加速、转向和制动输入。基于这些输入，预测控制器44可以为第一车辆12的控制器26产生与推进、转向和制动有关的指令。例如，预测控制器44可以向转向控制器26发送指令以将转向角调整0.25度，或者向制动控制器26发送指令以使制动液压力增加1巴。

在碰撞成为关注的情况下，事故避让或缓解功能独立于虚拟驾驶者的意图而被激活。在激活事故避让和缓解控制动作时，虚拟驾驶者42需要与事故避让/缓解控制动作协调，从而不会降低安全功能的有效性。如在车辆12被手动驾驶的情况下，虚拟驾驶者42可以不需要管理电子稳定性控制、侧倾稳定性控制、牵引力控制和防抱死制动的安全功能。然而，虚拟驾驶者42必须采取措施来协调控制动作并且不产生阻碍这些安全功能的控制动作。

如上文所述，控制器26可以包括相应的处理器和存储器、一个或多个致动器，并且可以向一个或多个传感器22发送指令和/或从一个或多个传感器22接收数据，如已知的。控制器26可以被编程和连接到第一车辆12通信总线以从计算机20接收指令并且基于这样的指令控制致动器。例如，同样如上文所述，发动机控制器26可以控制向发动机提供燃料和空气的一个或多个致动器、用于点燃发动机缸体中的燃料燃烧的电子火花发生器等。一个或多个传感器22可以例如检测致动器的动作。例如，传感器22可以在阀打开和关闭时检测阀的位置，以允许空气或燃料进入发动机缸体。

控制器26可以包括一个或多个节气门控制器26、一个或多个点火控制器26、一个或多个制动控制器26、一个或多个转向控制器26、废气再循环(EGR)控制器26、废气门控制器26等。

数据收集器46可以包括第一车辆12传感器22、第二车辆18传感器32和数据源16。数据收集器46可以收集关于环境的数据(例如道路的存在和位置)、第一车辆12在道路上的位置、车辆18在操作区域中的存在和位置、车辆18在操作区域中的行驶速度和方向、车辆18的类型、行人、道路中的障碍物等。数据收集器46还可以提供与第一车辆12的操作相关的数据，例如速度、行驶方向、发动机转速、转向角、制动压力等。仍进一步地，数据收集器46可以收集与操作区域中的天气状况、第一车辆12的地理坐标(纬度、经度)、操作区域中的交通状况、沿着计划行驶路径的超出操作区域的交通状况等，其可以例如被虚拟驾驶者42使用以针对预测控制器产生更新的加速、转向和制动输入。

如上文所述，iMPC可以相对于目的地、行进速度、燃料经济性、操控性、执行性等优化第一车辆12。作为一个示例，iMPC可以调整参数以使成本函数J最小化。成本函数J可以量化多个成本，并且可以是例如包括多个项的等式，第一车辆12计算机20可以寻求最小化每个项，和/或可以寻求总体上最小化。下面的等式1是成本函数J的示例。

u_opt＝min_uJ 等式2

约束如下：

y＝g(x，u) 等式4

u_min≤u≤u_max 等式5

在上述等式中，J是将被最小化的成本函数，P_i是第一车辆的目标位置(在这里也称作目的地)，p_i是第一车辆12的当前位置，V_i是第一车辆12的目标速度，v_i是第一车辆12的当前速度，是第一车辆12的燃料消耗率，T是扭矩，u是车辆控制变量的集合，x是第一车辆12的状态，y是第一车辆12的输出(位置、速度、燃料消耗、行驶平稳性等)，i是用于计算的时隙。参考等式2，计算机20可以计算车辆控制变量u_opt的最优设置，以使成本函数最小化。

再次参考图4，虚拟驾驶者42可以包括路径规划和路径跟踪算法。如上文所述，虚拟驾驶者42可以是包括在计算机20中的软件模块。

基于来自例如第一车辆12的用户的输入，虚拟驾驶者42可以确定从当前位置到期望目的地的路径(行驶路径)以及期望的行驶速度。基于行驶路径以及第一车辆12相对于该路径的位置，虚拟驾驶者42可以计算将要由第一车辆12施加的加速度、转向角和制动。虚拟驾驶者42可以向预测控制器提供加速度、转向角和制动输入。

预测控制器44可以包括基于从虚拟驾驶者接收的加速度、转向角和制动输入来确定控制变量u的一种或多种算法。例如，预测控制器44可以产生控制变量u的集合，以根据等式2使根据等式1的成本函数J最小化。

之后预测控制器44可以生成用于控制器26的指令集合。该指令可以向控制器26提供控制变量u的更新值。控制器基于更新的控制变量u可以调整与控制器26相关的一个或多个致动器的操作。基于针对致动器的指令，第一车辆12可以改变其位置、速度和行驶方向。

可以包括第一车辆12传感器22、车辆18传感器32和数据源16的数据收集器46可以基于第一车辆12的新的位置、速度和行驶方向来向虚拟驾驶者42提供更新的数据。之后虚拟驾驶者42可以与规划的路径和速度一致地进行调整。

程序

确定行驶路径

第一车辆12计算机20收集表明第一车辆目标(例如行程)的数据。该数据可以包括例如行程的目标位置(目的地)和行程的目标速度。目标速度可以是例如行程的目标总平均速度，并且可以与例如规定相关联，例如保持在所标示的速度限制范围内的目标。该范围可以例如在标示速度的+/-10％内、标示速度的+/-5英里/小时的绝对范围内等。

计算机20还可以收集例如来自与计算机20相关的存储器或来自数据源16的地图数据，该数据表明从当前位置到目的地的可行路线。计算机20可以根据已知算法确定从当前位置到目的地的行驶路径。

确定预览范围

车辆12计算机20可以基于所确定的行驶路径识别预览范围。如上文所述，预览范围可以是如车辆12在下一预定时间段将行驶的一段行驶路径。下一预定时间段可以是如10秒的绝对时间，或者作为另一示例的预定数量的时隙，例如100，其中每个时隙表示计算机20接收输入并向控制器26提供更新的指令的一个周期。预定时间段可以基于操作环境而变化。例如，在城市中预定时间段可以是1秒，并且在公路上预定时间段可以是10秒。

确定行驶区域

行驶区域可以是围绕预览范围的区域。为了实施交互式模型预测控制(iMPC)，车辆12计算机20需要表明预定行驶区域内的环境状况、交通状况、道路状况等的数据。预定行驶区域可以例如限定为沿着预览范围，其在每个点位于第一车辆12的预定距离内。预定行驶区域可以例如基于操作环境和类型而变化。例如，当第一车辆12在城市中操作并且沿着城市街道缓慢行驶时，预定行驶区域可以是在第一车辆12前方和后方50米，并且在第一车辆12的左方和右方的20米。另一方面，当第一车辆12在公路上操作时，预定行驶区域可以是在第一车辆12前方和后方500米，并且超出公路的侧面向左和右延伸50米。

收集关于行驶区域中的对象的数据

为了确定预定行驶区域的可预测性水平，计算机20收集与预定行驶区域内的道路状况、天气状况、交通状况等相关的数据。计算机20可以例如从数据源16收集数据，数据源是例如天气跟踪系统、交通跟踪系统、地图供应商、全球定位系统等。此外，计算机20可以从传感器22收集数据，传感器22包括或可通信地连接到计算机20。仍进一步地，计算机20可以经由如第二车辆18计算机30从传感器32收集数据。

除了道路状况、天气状况、交通状况等之外，计算机20可以收集与预定行驶区域中的对象相关的数据。对象可以包括如人和动物的有生命的对象，并且还可以包括无生命的对象。无生命对象可以包括如道路、标志、建筑物等的静止对象，并且还可以包括移动对象，例如自行车、第二车辆18等。

计算机20还可以经由与每个第二车辆18计算机30的通信来确定每个第二车辆18的操作类型。操作类型可以是例如基于交互式模型预测控制的自主操作、基于不同控制模型的自主操作、半自主操作或手动(人)操作。在第二车辆18自主操作的情况下，计算机20可以请求另外的信息，例如第二车辆18的当前目标集合(成本函数)、自主控制的类型、管理自主控制的规则等。

类似地，在第二车辆18半自主地操作的情况下，计算机20可以请求另外的信息，例如半自主控制类型(防抱死制动系统(ABS)、牵引力控制、碰撞避让等)，其可以提供第二车辆18的未来行为的指示。

计算机20还可以从传感器22、传感器32和数据源16收集表明预定行驶区域中的每个第二车辆18的行为的数据。该数据可以包括根据时间的位置、根据时间的速度、根据时间的方向等。如下文所述，尤其是在第二车辆18半自主或手动操作的情况下，该数据可以用于确定车辆18是否在预定行为范围内操作。

确定预定行驶区域的可预测性的水平

为了使第一车辆12实施iMPC，需要预定行驶区域是充分可预测的。第一车辆12的计算机20可以被编程为基于收集的数据确定行驶区域的可预测性。例如，由于道路上潜在的冰雪状况，冬季行驶期间的道路状况的可预测性小于夏季行驶期间的道路状况的可预测性。作为另一示例，具有较少交通的行驶区域的可预测性高于具有较多交通的交通行驶区域的可预测性。

在行驶区域中一些对象的存在会使行驶区域表现为不能充分预测以实施iMPC。例如，行人、动物或骑自行车、三轮车等的人的存在可以表明行驶区域是不可充分预测的。作为另一示例，由于人、宠物等存在的可能性，住宅区中的行驶区域可被确定为不可充分预测。

在其它情况下，需要附加信息来确定环境是否是充分可预测的。例如，在受限进入的公路上，行驶区域中的对象可以全部是沿相同方向行驶的第二车辆18。在这种情况下，在每个其它车辆18的行为是充分可预测的情况下，行驶区域是充分可预测的。如果第二车辆18自主地操作或第二车辆18在预定行为范围内操作，则其它车辆18的行为是充分可预测的。

计算机20可以被编程为使用数值型方法来确定行驶区域的可预测性水平。例如，计算机20可以识别风险因素的集合。风险因素的样本可以是雨、雪、黑暗、居住区域、宠物的存在、儿童的存在、成人的存在、自行车的存在、第二非自主车辆18的存在、自主车辆18的存在等。每个风险因素可以被分配一个数值以及确定的数字型风险因素值的总和。高于阈值水平的数字型风险因素的总和可以表明行驶区域是不可充分预测的。

确定预定行为范围

例如，可以基于与特定行驶状况下的车辆18的行为相关的统计数据来确定每个第二车辆18的预定行为范围。例如，可以基于在行驶区域中行驶的车辆的记录数据来确定预定行为范围。

作为示例，行驶区域可以是具有70英里/小时的速度限制的受限进入的公路。基于统计数据，预定行驶区域中的预定速度范围可以是例如50英里/小时至85英里/小时。可预测位置的范围可以在公路的任一侧的10米内，并且在所限定的车道内消耗大于如80％的预定百分比的时间。

在预定行为范围内可以存在另外的限制。例如，为了在预定行为范围内，可以要求每个第二车辆18在一定百分比(如80％)的时间内保持与第一车辆12和其它第二车辆18的最小距离(例如20米)，并且可以要求在大于最小时间(例如10秒)且小于最大时间(例如1分钟)的时间内执行车道改变操作。

预测行为范围可以取决于天气状况、光状况、交通容量、一天中的时间等。例如，在雨天或有雪天气中可以减小预定速度范围。在高容量交通状况下，例如在早上和晚上的高峰时间期间，可以减小预定距离范围。

建立具有交互式控制的iMPC多车辆系统

在行驶区域内的一个或多个第二车辆18计算机30被编程有基于自主控制的交互式模型预测控制情况下，第一车辆12计算机20和一个或多个第二车辆18计算机30可以形成实施交互式模型预测控制的多车辆系统。第一车辆12计算机20和一个或多个第二车辆18计算机30可以交换各自的目标(成本函数)、模型、规则、控制方法和/或数据。计算机20以及一个或多个计算机30可以协作以控制各自的第一车辆12和第二车辆18，从而获得多车辆系统的最佳结果，以实现车辆12、18的优化的协作控制。例如，多车辆系统可以形成行驶队列以跟随领先的自主车辆12。

示例性程序流

图5A和5B是由第一自主车辆12实施的iMPC的示例性程序500的图。程序500在框505中开始。

在框505中，第一车辆12计算机20确定计算机20是否已经接收到实施综合模型预测控制的请求。例如，iMPC请求可以是来自第一车辆12用户的表明用户希望第一车辆12根据iMPC操作的输入。

iMPC请求可以在例如第一车辆12已经操作时出现。车辆12可以例如被驱动或者根据另一(非iMPC)控制算法自主地操作。例如，当在公路上时，虽然根据非iMPC控制算法由驾驶员操作或自主操作，但用户可以如通过按下使第一车辆12切换到iMPC操作的按钮来请求。

可以识别关于iMPC操作的其它请求。例如，计算机20可以被编程为设定iMPC操作，并且将点火事件识别为根据iMPC启动自主控制的请求。作为另一示例，计算机20可以经由通信电路24从例如授权用户接收第一车辆12根据iMPC自主操作的请求。例如，用户可以通过网络14上的WiFi通信使第一车辆12在特定位置来接用户。

在第一车辆12计算机20识别出根据iMPC操作的请求的情况下，程序500在框510中继续。否则，程序500结束。

在框510中，计算机20接收或检索第一车辆12目标。可以将例如来自用户的输入作为该目标，该输入表明第一车辆12的目标位置(目的地)和目标速度。在一些情况下，例如，当在公路上行进时第一车辆12被请求切换到iMPC操作时，计算机20可以确定默认的目标集合。例如，计算机20可以确定车辆12应当沿着公路以与周围交通的速度相容的速度继续。在其它情况下，当从第一类型的自主控制转换到iMPC时，计算机20可以从第一类型的自主控制中检索车辆目标以用于iMPC。在其它情况下，计算机20可以接收指令(例如“去萨拉的学校”)，并且计算机20可以从存储器检索萨拉学校的位置和默认速度目标，例如以标示的速度或在标示速度之上5英里/小时、或以交通速度等行驶。当计算机20已经接收到第一车辆12的行驶目标时，程序500在框515中继续。

在框515中，计算机20接收与第一车辆12操作所处的环境相关的数据。例如，计算机20可以基于第一车辆12的目标确定行驶路径。计算机20可以从如数据源16收集与沿着行驶路径的环境有关的信息。该信息可以表明如沿着行驶路径的道路状况、天气状况、交通状况等。

计算机20还可以基于行驶路径来确定或更新预览范围。如上所述，例如，预览范围可以是第一车辆12在下一预定时间段要行驶的一段行驶路径。下一预定时间段可以是例如10秒的绝对时间，或者作为另一示例的预定数量的时隙，例如100，其中每个时隙表示计算机接收输入并且向控制器26提供更新的指令的一个周期。预定时间段可以基于操作环境而变化。例如，在城市中预定时间段可以是1秒，并且在公路上预定时间段可以是10秒。

第一车辆12可以例如从包括在第一车辆12中或与第一车辆12通信连接的传感器22接收关于预览范围周围的预定行驶区域的数据。预定行驶区域可以限定为例如沿着预览范围在第一车辆12的预定距离内。预定行驶区域可以例如基于环境和操作类型而变化。例如，当第一车辆12在城市中操作并且沿着城市街道缓慢行驶时，预定行驶区域可以是在第一车辆12的前方和后方50米，并且在第一车辆12的左侧和右侧20米。另一方面，当第一车辆12在公路上操作时，预定行驶区域可以在第一车辆12前方和后方500米，并且超出公路的侧面之外向左和右延伸50米。该数据可以表明是否存在第二车辆18，是否存在行人、宠物或其它自由移动的动物等。

在一个或多个第二车辆18存在于预定行驶区域内的情况下，计算机20可以建立与第二车辆18的通信。计算机20可以从每个第二车辆18中的计算机30询问第二车辆18中的每一个是否自主地操作，或正在由驾驶员控制。

计算机20可以进一步收集例如来自传感器22或者来自传感器32的与第二车辆18的行驶行为相关的信息，传感器包括在第二车辆18中或与第二车辆18通信连接。

一经通过计算机20收集到与预定行驶区域相关的数据，程序500在框520中继续。

在框520中，计算机20确定在预定行驶区域内是否有行人、运行的自行车、动物。

在计算机20确定预定行驶区域中不存在如行人、运行的自行车和/或动物的不可预测的对象的情况下，程序500在框525中继续。在计算机20确定预定行驶区域中存在一个或多个不可预测的对象的情况下，则程序500结束。例如，车辆12可以恢复或继续基于非iMPC控制算法自主操作，或者可以继续或返回到手动控制。

在框525中，计算机20确定在第一车辆12的预定行驶区域中是否存在第二车辆18。在计算机20在预定行驶区域中识别到车辆18的情况下，程序500在框530中继续。在计算机20确定在预定行驶区域中没有车辆18的情况下，程序500在框545中继续。在计算机20确定行驶区域中存在第二车辆18的情况下，则程序500在框530中继续。

在框530中，计算机20基于在框515中收集的数据确定预定行驶区域中的一个或多个第二车辆18是否非自主地操作。在一个或多个第二车辆18非自主地操作的情况下，程序500在框535中继续。在全部第二车辆12自主地操作的情况下，程序500在框540中继续。

在框535中，计算机20针对非自主操作的一个或多个第二车辆18中的每一个确定第二车辆18是否可预测地操作，即，在预定行为范围内。

计算机20可以最初识别对于第二车辆18而言是充分可预测的预定行为范围。预定行为范围可以例如取决于行驶环境。例如，当在受限进入的公路上行驶时，预定行为范围可以包括在相对于交通状况或预定速度限制的速度范围内操作、保持与第一车辆12和其它第二车辆18的最小距离、除非在改变车道时保持在车道中心的最小距离内、以预定的响应性范围对行驶状况改变进行响应(例如在小于预定时间段内的响应)和预定稳定性的范围(如预定范围内的横向和纵向加速度、减速度)、根据安全规则操作车辆等。当在郊区环境中行驶时，预定行为范围可以包括以最大速度或低于最大速度行驶、在最大加速度以下加速、在停止标志处停止、车辆运动的速率变化在预定范围内等。第一车辆12实施iMPC所需的条件是预定行驶区域内的所有第二车辆18在预定行为范围内操作。在计算机20确定每个非自主的第二车辆18在预定行为范围内操作的情况下，程序500在框540中继续。

在计算机20确定一个或多个第二车辆18在预定范围之外操作的情况下，程序500结束。车辆12计算机20可以恢复或继续基于非iMPC控制算法自主操作，或者可以继续或恢复为由驾驶员控制(手动控制)。

在框540中，计算机20收集自主操作的一个或多个第二车辆18的模型、规则、目标(成本函数)、控制方法、数据等。程序500在框545中继续。

在框545中，计算机20收集第一车辆12的操作状态数据。例如，计算机20可以收集与车辆速度、车辆行驶方向、车辆加速度和车辆位置相关的数据。计算机20还可以收集与车辆12的部件的操作状态相关的数据，例如发动机转速、传动比、制动液压力、冷却剂温度等。该数据可以从与计算机20通信连接的传感器22收集，并且可以进一步从数据源16收集。当计算机20已经收集了第一车辆12的操作状态数据时，程序500在框550中继续。

在框550中，计算机20启动或继续第一车辆12的iMPC。

在预定行驶区域中没有行人或第二车辆18的情况下，计算机20可以基于如在框510中接收的第一车辆12的目标和在框515中接收的与环境相关的数据以及在框545中收集的与第一车辆操作状态相关的数据来实施iMPC以产生第一车辆12的操作变量。

在预定区域中存在第二车辆18的情况下，计算机20也将第二车辆18的操作纳入考量。在一个或多个第二车辆18自主操作的情况下，计算机20基于从第二车辆18接收的模型、规则、目标等确定第二车辆18的预测的未来行为。对于不是自主操作的第二车辆18而言，计算机20假设不是自主操作的每个第二车辆18会继续在关于特定第二车辆18所识别的预定行为范围内操作。在这种情况下，在产生第一车辆12操作变量时计算机20包括在框535和540中收集的第二车辆18的数据。

一经产生第一车辆12的操作变量，则计算机20可以向第一车辆12中的一个或多个控制器26发送包括操作变量的指令。控制器26可以基于操作变量来控制致动器，例如控制第一车辆12的推进、转向角、制动、悬架等。

如上文所述，在第一次迭代期间，计算机20在预定时间段的第一时隙实施指令。对于后续迭代，计算机20在紧接着实施指令的前一时隙之后的时隙实施更新的指令。该过程在框555中继续。

在框555中，计算机20确定行程是否结束。例如，计算机20可以接收表明车辆20已经到达目的地的数据。作为另一示例，计算机20可以检测第一车辆12已经停放和熄火。在计算机20确定行程结束的情况下，程序500结束。

结论

可以在各种实时或嵌入式环境(RT-Linux、VxWorks、RTX、TI-RTOS等)和各种通信协议(CAN、FelxRay、LCM UDP)中运行的如本文所述的计算装置总体各自包括可由一个或多个计算装置执行的指令，如上文所确定并且用于执行上述过程的框或步骤的那些指令。例如，上文所述的程序框可以具体化为计算机可执行指令。

计算机可执行指令可以由计算机程序编译或解释，该计算机程序使用多种编程语言和/或技术创建，这些编程语言和/或技术包括但并不限于单独的或组合的Java^TM、C、C++、Visual Basic、Java Script、Python、Perl、HTML等。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，并且执行这些指令，由此执行一个或多个程序，包括这里所描述的一个或多个程序。这样的指令以及其它数据可以使用各种计算机可读介质存储和传输。计算装置内的文件总体上是存储在例如存储介质、随机存取存储器等计算机可读介质上的数据的集合。

计算机可读介质包括参与提供数据(例如指令)的任何介质，该数据可以由计算机读取。这样的介质可以采用多种形式，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它永久性存储器。易失性介质包括典型地构成主存储器的动态随机存取存储器(DRAM)。计算机可读介质的常规形式包括，如软盘、柔性盘、硬盘、磁带、任何其它磁性介质、CD-ROM(只读光盘存储器)、DVD(数字化视频光盘)、任何其它光学介质、穿孔卡片、纸带、任何带有孔图案的其它物理介质、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)、任何其它存储器芯片或内存盒，或者任何其它计算机可读取的介质。

在权利要求中使用的全部术语，旨在被给予如本领域技术人员所理解的它们的简单并通常含义，除非在此作出与此相反的明确指示。特别地，单数冠词的使用，如“一”，“这”，“所述”等应该被理解为描述一个或多个指示的元件，除非权利要求中描述了与此相反的明确限制。

术语“示例性”在本文中用于示例的意思，例如，“示例性小部件”的引用应当仅仅理解为指代小部件的示例。

修饰数值或结果的副词“约”意味着，由于材料、加工、制造、传感器测量、计算、处理时间、通信时间等的不足，形状、结构、测量、值、确定、计算等可能偏离精确描述的几何形状、距离、测量、值、确定、计算等。

在附图中，相同的附图标记表示相同的元件。而且，这些元件中的一些或全部都可以改变。关于这里所述的介质、程序、系统、方法等，应理解的是，虽然这样的程序等的步骤描述为按照一定的顺序排列发生，但这样的程序可以采用以这里描述的顺序之外的顺序完成的描述的步骤实施操作。进一步应该理解的是，某些步骤可以同时执行，可以添加其它步骤，或者可以省略这里所述的某些步骤。换言之，这里的程序的描述提供用于说明某些实施例的目的，并且不应该以任何方式解释为限制要求保护的发明。

Claims (22)

1.一种包含计算装置的系统，所述计算装置包括处理器和存储器，所述存储器存储可由所述处理器执行的指令以使所述处理器被编程用于：

接收以自主模式操作的第一车辆的目标集合；

基于所述目标集合识别所述第一车辆在下一预定时间段的行驶区域，所述预定时间段包括多个时隙；

接收表明所识别的行驶区域的行驶状况的可预测性的第一水平的数据；

基于所接收的所述数据确定所述行驶状况的可预测性的所述第一水平足以用于根据模型预测控制来控制所述第一车辆；以及

根据交互式模型预测控制来控制所述第一车辆，这包括：

确定所述预定时间段的控制方案，所述控制方案包括用于控制每个致动器的指令，所述致动器与所述第一车辆的转向、推进和制动相关，以使与所述目标集合相关的成本函数最小化；

在所述预定时间段开始处的第一时隙中实施所述控制方案；

更新所述预定时间段以移除所述第一时隙以及在所述预定时间段结束处包括第一附加时隙；

确定更新的预定时间段的更新的控制方案，所述更新的控制方案包括用于控制每个所述致动器的指令，所述致动器与所述第一车辆的转向、推进和制动相关，以使与所述目标集合相关的所述成本函数最小化；以及

在紧接着所述第一时隙之后的第二时隙实施所述更新的控制方案。

2.根据权利要求1所述的系统，其中所述交互式模型预测控制的模型将所述第一车辆的当前状态和未来的状态以及所述第一车辆的操作约束纳入考量。

3.根据权利要求1所述的系统，其中确定所述控制方案包括优化燃料经济性、操控性和执行性中的至少一个。

4.根据权利要求1所述的系统，其中表明所述行驶状况可预测性的所述第一水平的所述数据包括天气数据和道路状况数据中的至少一个。

5.根据权利要求1所述的系统，其中表明所述行驶状况可预测性的所述第一水平的所述数据包括表明所述预定行驶区域中的对象的行为的数据，并且所述处理器进一步被编程用于：

在确定所述控制方案之前确定所述预定行驶区域中的每个所述对象的可预测性水平在预定范围内。

6.根据权利要求5所述的系统，其中一个或多个所述对象是第二车辆，并且确定所述行驶区域中的每个所述对象的可预测性水平在所述预定范围内包括确定每个所述第二车辆是自主操作的。

7.根据权利要求6所述的系统，其中所述处理器进一步被编程用于：

从每个自主操作的所述第二车辆接收表明各个所述第二车辆的未来的行驶行为的数据；并且其中所述控制方案的确定将表明各个所述第二车辆未来的行驶行为的数据纳入考量。

8.根据权利要求6所述的系统，其中所述处理器进一步被编程用于：

从至少一个自主操作的所述第二车辆接收关于所述第二车辆的目标集合，并且其中确定所述第一车辆的所述控制方案将所述第二车辆的所述目标集合纳入考量。

9.根据权利要求8所述的系统，其中将所述第二车辆的所述目标集合纳入考量包括确定所述第一车辆的目标和所述第二车辆的目标的平衡。

10.根据权利要求5所述的系统，其中确定所述预定行驶区域中的每个所述对象的可预测性水平在所述预定范围内包括确定所述预定行驶区域内的任何一个对象都不是车辆。

11.根据权利要求1所述的系统，其中所述处理器进一步被编程用于：

在确定所述第一控制方案之后接收表明所述行驶状况的可预测性的第二水平的另外的数据；

确定所述行驶状况的可预测性的第二水平不足以用于根据所述交互式模型预测控制来控制所述第一车辆；以及

根据可选的控制算法控制所述第一车辆。

12.根据权利要求6所述的系统，其中至少一个第二车辆包括第二计算装置，所述第二计算装置包括第二处理器和第二存储器，所述第二存储器存储可由所述第二处理器执行的指令以使所述第二处理器被编程用于：

接收所述第二车辆的目标集合；

接收来自所述第一车辆的表明所述第一车辆的所述目标集合的数据；以及

根据所述交互式模型预测控制来控制所述第二车辆，这包括：

确定所述预定时间段的所述第二车辆的控制方案，所述控制方案包括用于控制每个致动器的指令，所述致动器与所述第二车辆的转向、推进和制动相关，以使与所述第一车辆的目标集合和所述第二车辆的目标集合相关的成本函数最小化；

在所述第一时隙实施关于所述第二车辆的第二控制方案。

13.一种方法，包括：

由计算装置接收以自主模式操作的第一车辆的目标集合；

基于所述目标集合识别下一预定时间段的所述第一车辆的行驶区域，所述预定时间段包括多个时隙；

接收表明所识别的行驶区域的行驶状况的可预测性的第一水平的数据；

基于接收的所述数据确定所述行驶状况的可预测性的所述第一水平足以用于根据模型预测控制来控制所述第一车辆；以及

根据交互式模型预测控制来控制所述第一车辆，这包括：

确定所述预定时间段的控制方案，所述控制方案包括用于控制每个致动器的指令，所述致动器与所述第一车辆的转向、推进和制动相关，以使与所述目标集合相关的成本函数最小化；

在所述预定时间段开始处的第一时隙中实施所述控制方案；

更新所述预定时间段以移除所述第一时隙并且在所述预定时间段的结束处包括第一附加时隙；

确定所述更新的预定时间段的更新的控制方案，所述更新的控制方案包括用于控制每个所述致动器的指令，所述致动器与所述第一车辆的转向、推进和制动相关，以使与所述目标集合相关的所述成本函数最小化；以及

在紧接着所述第一时隙之后的第二时隙中实施所述更新的控制方案。

14.根据权利要求13所述的方法，其中表明所述行驶状况的可预测性的所述第一水平的所述数据包括天气数据和道路状况数据中的至少一个。

15.根据权利要求13所述的方法，其中表明所述行驶状况的可预测性的所述第一水平的所述数据包括表明所述预定行驶区域中的对象的行为的数据，并且所述方法进一步包含：

在确定所述控制方案之前确定所述预定行驶区域中的每个所述对象的可预测性水平在预定范围内。

16.根据权利要求15所述的方法，其中一个或多个所述对象是第二车辆，并且确定所述行驶区域中的每个所述对象的可预测性水平在所述预定范围内包括确定每个所述第二车辆是自主操作的。

17.根据权利要求16所述的方法，进一步包含：

从每个自主操作的所述第二车辆接收表明各个所述第二车辆未来的行驶行为的数据；并且其中所述控制方案的确定将表明各个所述第二车辆未来的行驶行为的数据纳入考量。

18.根据权利要求16所述的方法，进一步包含：

从至少一个自主操作的所述第二车辆接收所述第二车辆的目标集合，并且其中确定所述第一车辆的所述控制方案将所述第二车辆的所述目标集合纳入考量。

19.根据权利要求8所述的方法，其中将所述第二车辆的所述目标集合纳入考量包括确定所述第一车辆的目标和所述第二车辆的目标的平衡。

20.根据权利要求15所述的方法，其中确定所述预定行驶区域中的每个所述对象的可预测性的水平在预定范围内包括确定所述预定行驶区域内的任何一个对象都不是车辆。

21.根据权利要求13所述的方法，其中所述处理器进一步被编程用于：

在确定第一控制方案之后接收表明所述行驶状况的可预测性的第二水平的另外的数据；

确定所述行驶状况的可预测性的第二水平不足以用于根据所述交互式模型预测控制来控制所述第一车辆；以及

根据可选的控制算法控制所述第一车辆。

22.根据权利要求16所述的方法，进一步包含：

通过第二计算装置接收所述第二车辆的目标集合；

通过所述第二计算装置接收来自所述第一车辆的表明所述第一车辆的所述目标集合的数据；以及

通过所述第二计算装置根据所述交互式模型预测控制来控制所述第二车辆，这包括：

确定所述预定时间段的所述第二车辆的控制方案，所述控制方案包括用于控制每个致动器的指令，所述致动器与所述第二车辆的转向、推进和制动相关，以使与所述第一车辆的目标集合和所述第二车辆的目标集合相关的成本函数最小化；

在所述第一时隙实施关于所述第二车辆的第二控制方案。