CN108216236A - 车辆控制方法、装置、车辆及存储介质 - Google Patents

车辆控制方法、装置、车辆及存储介质 Download PDF

Info

Publication number
CN108216236A
CN108216236A CN201711424899.XA CN201711424899A CN108216236A CN 108216236 A CN108216236 A CN 108216236A CN 201711424899 A CN201711424899 A CN 201711424899A CN 108216236 A CN108216236 A CN 108216236A
Authority
CN
China
Prior art keywords
vehicle
target
fleet
target value
strategy
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
Application number
CN201711424899.XA
Other languages
English (en)
Other versions
CN108216236B (zh
Inventor
董俊龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Neusoft Corp
Original Assignee
Neusoft Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Neusoft Corp filed Critical Neusoft Corp
Priority to CN201711424899.XA priority Critical patent/CN108216236B/zh
Publication of CN108216236A publication Critical patent/CN108216236A/zh
Application granted granted Critical
Publication of CN108216236B publication Critical patent/CN108216236B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/14—Adaptive cruise control
    • B60W30/16—Control of distance between vehicles, e.g. keeping a distance to preceding vehicle
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/14—Adaptive cruise control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/14—Adaptive cruise control
    • B60W30/16—Control of distance between vehicles, e.g. keeping a distance to preceding vehicle
    • B60W30/165—Automatically following the path of a preceding lead vehicle, e.g. "electronic tow-bar"
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0062—Adapting control system settings
    • B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B60W2556/65—Data transmitted between vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本公开涉及一种车辆控制方法、装置、车辆及存储介质，能够让车队中的车辆较为合理地行驶，从而让整个车队能够协同地行进。所述方法应用于车队中的任一车辆，包括：获取道路信息；根据所述道路信息，确定所述车辆在所述车队中的行驶策略，其中，所述行驶策略包括聚群行为策略、跟车行为策略、变航行为策略、及随机行为策略中的至少一者；根据确定出的行驶策略，对所述车辆进行控制。

Description

车辆控制方法、装置、车辆及存储介质
技术领域
本公开涉及车辆通信领域，具体地，涉及一种车辆控制方法、装置、车辆及存储介质。
背景技术
车辆在行进过程中，每辆车下一时刻的行驶状态都受此时此刻周围其他车辆和路况的影响，同时车辆本身的状态也在时刻影响着周围其他车辆下一时刻的行驶状态，车辆行进过程中存在相互制约、相互协同的关系。
目前，在实际生活、工作中，常常需要多个车辆组成车队，协同前往目的地，例如，货物运输车队、婚礼车队，等等。车队中每个车辆的驾驶员需要尽可能靠近本车队的其他车辆来避免掉队，但同时又受着其他一些车辆或者交通状况(比如红绿灯)的制约，因此，如何让整个车队能够安全、高效、协同地行驶，是目前待解决的问题。
发明内容
本公开的目的是提供一种车辆控制方法、装置、车辆及存储介质，能够让车队中的车辆较为合理地行驶，从而让整个车队能够协同地行进。
根据本发明实施例的第一方面，提供一种车辆控制方法，应用于车辆，所述车辆为车队中的任一车辆，所述方法包括：
获取道路信息；
根据所述道路信息，确定所述车辆在所述车队中的行驶策略，其中，所述行驶策略包括聚群行为策略、跟车行为策略、变航行为策略、及随机行为策略中的至少一者；
根据确定出的行驶策略，对所述车辆进行控制。
可选的，根据所述道路信息，确定所述车辆在所述车队中的行驶策略，包括：
根据所述道路信息及预设的目标函数，确定所述车辆当前位置的目标值，其中，所述目标函数为根据周围车辆行驶速度最大化目标、安全距离最大化目标、以及周围车辆数目最小化目标中的至少一者确定的函数；
根据所述车辆当前位置的目标值，确定所述车辆在所述车队中的行驶策略。
可选的，根据所述车辆当前位置的目标值，确定所述车辆在所述车队中的行驶策略，包括：
检测所述车辆的探测范围内是否有所述车队中的其他车辆；
在检测到所述探测范围内有所述车队中的其他车辆时，确定所述其他车辆的中心位置；
若所述中心位置的目标值小于所述车辆当前位置的目标值，且所述中心位置的拥挤度小于第一预设拥挤度阈值，则确定所述车辆在所述车队中的行驶策略为针对所述中心位置的聚群行为策略。
可选的，根据所述车辆当前位置的目标值，确定所述车辆在所述车队中的行驶策略，包括：
在检测到所述车辆的探测范围内没有所述车队中的其他车辆时，在所述探测范围内随机确定一目标位置；
检测所述目标位置的目标值是否小于所述车辆当前位置的目标值；
若所述目标位置的目标值小于所述车辆当前位置的目标值，确定所述车辆在所述车队中的行驶策略为针对所述目标位置的变航行为策略。
可选的，根据所述车辆当前位置的目标值，确定所述车辆在所述车队中的行驶策略，包括：
若所述中心位置的目标值大于等于所述车辆当前位置的目标值，和/或所述中心位置的拥挤度大于等于所述第一预设拥挤度阈值，则根据所述目标函数，在所述探测范围内包括的所述车队的其他车辆中，确定目标值最小的目标车辆；
若所述目标车辆所处位置的目标值小于所述车辆当前位置的目标值，且所述目标车辆所处位置的拥挤度小于第二预设拥挤度阈值，则确定所述车辆在所述车队中的行驶策略为跟车行为策略，且将所述目标车辆确定为所述车辆的跟车对象。
可选的，根据所述车辆当前位置的目标值，确定所述车辆在所述车队中的行驶策略，包括：
若所述目标车辆所处位置的目标值大于等于所述车辆当前位置的目标值，和/或所述目标车辆所处位置的拥挤度大于等于所述第二预设拥挤度阈值，则在所述探测范围内随机确定一目标位置；
检测所述目标位置的目标值是否小于所述车辆当前位置的目标值；
若所述目标位置的目标值小于所述车辆当前位置的目标值，确定所述车辆在所述车队中的行驶策略为针对所述目标位置的变航行为策略。
可选的，根据所述车辆当前位置的目标值，确定所述车辆在所述车队中的行驶策略，包括：
若所述目标位置的目标值大于等于所述车辆当前位置的目标值，则在所述探测范围内随机重新确定另一目标位置，并再次执行所述检测所述目标位置的目标值是否小于所述车辆当前位置的目标值的步骤；
若连续N次随机确定的目标位置的目标值均不小于所述车辆当前位置的目标值，确定所述车辆在所述车队中的行驶策略为随机行为策略。
可选的，所述车辆为所述车队中的指挥车辆，所述方法还包括：
接收所述车队中除所述指挥车辆外的全部车辆发送的各自的状态信息；
根据所述状态信息，检测所述车队的行驶状态是否满足设定的收敛条件，所述收敛条件包括速度收敛条件、所述车队整体连接性收敛条件、以及周围车辆干扰性收敛条件中的至少一者；
在所述车队的行驶状态满足所述收敛条件时，向所述车队中的各车辆发送第一通知信息，以指示各车辆维持当前的行驶状态；
在所述车队的行驶状态不满足所述收敛条件时，向所述车队中的各车辆发送第二通知信息，以指示各车辆重新确定行驶策略。
根据本发明实施例的第二方面，提供一种车辆控制装置，应用于车辆，所述车辆为车队中的任一车辆，所述装置包括：
获取模块，用于获取道路信息；
确定模块，用于根据所述道路信息，确定所述车辆在所述车队中的行驶策略，其中，所述行驶策略包括聚群行为策略、跟车行为策略、变航行为策略、及随机行为策略中的至少一者；
控制模块，用于根据确定出的行驶策略，对所述车辆进行控制。
可选的，所述确定模块包括：
第一确定子模块，用于根据所述道路信息及预设的目标函数，确定所述车辆当前位置的目标值，其中，所述目标函数为根据周围车辆行驶速度最大化目标、安全距离最大化目标、以及周围车辆数目最小化目标中的至少一者确定的函数；
第二确定子模块，用于根据所述车辆当前位置的目标值，确定所述车辆在所述车队中的行驶策略。
可选的，所述第二确定子模块用于：
检测所述车辆的探测范围内是否有所述车队中的其他车辆；
在检测到所述探测范围内有所述车队中的其他车辆时，确定所述其他车辆的中心位置；
若所述中心位置的目标值小于所述车辆当前位置的目标值，且所述中心位置的拥挤度小于第一预设拥挤度阈值，则确定所述车辆在所述车队中的行驶策略为针对所述中心位置的聚群行为策略。
可选的，所述第二确定子模块用于：
在检测到所述车辆的探测范围内没有所述车队中的其他车辆时，在所述探测范围内随机确定一目标位置；
检测所述目标位置的目标值是否小于所述车辆当前位置的目标值；
若所述目标位置的目标值小于所述车辆当前位置的目标值，确定所述车辆在所述车队中的行驶策略为针对所述目标位置的变航行为策略。
可选的，所述第二确定子模块用于：
若所述中心位置的目标值大于等于所述车辆当前位置的目标值，和/或所述中心位置的拥挤度大于等于所述第一预设拥挤度阈值，则根据所述目标函数，在所述探测范围内包括的所述车队的其他车辆中，确定目标值最小的目标车辆；
若所述目标车辆所处位置的目标值小于所述车辆当前位置的目标值，且所述目标车辆所处位置的拥挤度小于第二预设拥挤度阈值，则确定所述车辆在所述车队中的行驶策略为跟车行为策略，且将所述目标车辆确定为所述车辆的跟车对象。
可选的，所述第二确定子模块用于：
若所述目标车辆所处位置的目标值大于等于所述车辆当前位置的目标值，和/或所述目标车辆所处位置的拥挤度大于等于所述第二预设拥挤度阈值，则在所述探测范围内随机确定一目标位置；
检测所述目标位置的目标值是否小于所述车辆当前位置的目标值；
若所述目标位置的目标值小于所述车辆当前位置的目标值，确定所述车辆在所述车队中的行驶策略为针对所述目标位置的变航行为策略。
可选的，所述第二确定子模块用于：
若所述目标位置的目标值大于等于所述车辆当前位置的目标值，则在所述探测范围内随机重新确定另一目标位置，并再次执行所述检测所述目标位置的目标值是否小于所述车辆当前位置的目标值的步骤；
若连续N次随机确定的目标位置的目标值均不小于所述车辆当前位置的目标值，确定所述车辆在所述车队中的行驶策略为随机行为策略。
可选的，所述车辆为所述车队中的指挥车辆，所述装置还包括：
接收模块，用于接收所述车队中除所述指挥车辆外的全部车辆发送的各自的状态信息；
检测模块，用于根据所述状态信息，检测所述车队的行驶状态是否满足设定的收敛条件，所述收敛条件包括速度收敛条件、所述车队整体连接性收敛条件、以及周围车辆干扰性收敛条件中的至少一者；
发送模块，用于在所述车队的行驶状态满足所述收敛条件时，向所述车队中的各车辆发送第一通知信息，以指示各车辆维持当前的行驶状态；及，
在所述车队的行驶状态不满足所述收敛条件时，向所述车队中的各车辆发送第二通知信息，以指示各车辆重新确定行驶策略。
根据本发明实施例的第三方面，提供一种车辆，所述车辆为车队中的任一车辆，所述车辆包括：
非临时性计算机可读存储介质；以及一个或者多个处理器，用于执行所述非临时性计算机可读存储介质中的程序；所述非临时性计算机可读存储介质中存储有用于执行如第一方面中任一项所述的方法的指令。
根据本发明实施例的第四方面，提供一种非临时性计算机可读存储介质，所述非临时性计算机可读存储介质中包括一个或多个程序，所述一个或多个程序用于执行第一方面中任一项所述的方法。
本公开实施例中，车队中的车辆可以获取道路信息，然后根据道路信息来确定车辆在车队中的行驶策略，行驶策略可以包括聚群行为策略、跟车行为策略、变航行为策略、及随机行为策略中的至少一者。确定了行驶策略后，可以根据确定的行驶策略来对车辆进行控制，通过这样的方式，车队中的车辆可以根据不同的道路信息制定不同的行驶策略，有利于车辆在车队中较好的行驶，保证整个车队的安全性、协同性。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：
图1是根据一示例性实施例示出的一种车辆控制方法的流程图；
图2是根据一示例性实施例示出的一种确定行驶策略的示意图；
图3是根据一示例性实施例示出的一种车辆控制装置的框图。
具体实施方式
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，如无特殊说明，一般表示前后关联对象是一种“或”的关系。
首先对本公开应用的技术进行介绍：
V2X(Vehicle to X，车-X)，是未来智能交通运输系统的关键技术。它使得车与车、车与基站、基站与基站之间能够通信。从而获得实时路况、道路信息、行人信息等一系列交通信息，从而提高驾驶安全性、减少拥堵、提高交通效率、提供车载娱乐信息等。V2X包括四部分：
V2N(Vehicle-To-Network，车-互联网)是目前应用最广泛的车联网形式，其主要功能是使车辆通过移动网络，连接到云服务器，使用云服务器提供的导航、娱乐、防盗等应用功能。
V2V(Vehicle-To-Vehicle，车-车)可以用做车辆间信息交互和提醒，最典型的应用是用于车辆间防碰撞安全系统。
V2I(Vehicle-To-Infrastructure，车-基础设施)，车辆可以与道路甚至其他基础设施，例如交通灯、路障等通信，获取交通灯信号时序等道路管理信息。
V2P(Vehicle-To-Pedestrian，车-行人)则是用做给道路上行人或非机动车安全警告。
V2X技术的诞生使得车辆之间可以自由通信，每个车辆都是整个通信网络内的节点。在整个交通网络中，特殊车辆群体(如行业车队)，一方面与周围其他车辆进行信息交互，一方面车辆群体内部之间需要建立协同移动的机制，本公开的目的就是提供一种方法使得车队达到高效的运输效率和安全的行车环境。车辆群体在道路行进的过程类似鱼群的游动过程，具有整体方向性和聚合性。
人工鱼群算法是在动物群体智能行为研究的基础上提出的一种新型优化算法，该算法根据水域中鱼生存数目最多的地方就是本水域中富含营养物质最多的地方这一特点来模拟鱼群的觅食行为而实现寻优。算法主要利用鱼的三大基本行为：觅食、聚群和追尾行为，采用自上而下的寻优模式从构造个体的底层行为开始，通过鱼群中各个体的局部寻优，达到全局最优值在群体中凸显出来的目的。
本公开在V2X技术普及的基础上，模拟人工鱼群算法，对其基本算法进行改进，结合车辆群体行车特点，设计一种车辆群体协同移动方法，目的在于车辆群体之间能够在行进过程保持整体一致性，避免车辆间碰撞以及过于分散，能够最大化利用道路空间资源，并对道路突发事件及时响应。
图1是根据一示例性实施例示出的一种车辆控制方法的流程图，如图1所示，该车辆控制方法可以应用在车队包括的任一车辆中，该方法包括以下步骤。
步骤S11：获取道路信息。
步骤S11：根据道路信息，确定车辆在车队中的行驶策略。
步骤S11：根据确定出的行驶策略，对车辆进行控制。
车队中可以有一个指挥车辆，车队中的其他车辆可以实时地将自身的行驶状态发送给指挥车辆，指挥车辆从而对整个车队行驶情况进而掌控(比如掌控起点终点等)，并且可以通过发送指令来控制各车辆。本公开中的车辆可以是车队中的指挥车辆，也可以是车队中的其他车辆，本公开实施例对此不作限定。
本公开实施例中，车辆本身可以通过传感器(如GPS、雷达，摄像等)实时获取道路信息，比如包括车辆位置信息、周围环境信息、车速信息，等等，还可以按照V2X传输协议获取其他车辆的道路信息，信息在各车辆间可以进行交互。
车辆在获取道路信息(可以包括自身的道路信息和车队里其他车辆的道路信息)后，可以根据道路信息来确定行驶策略，行驶策略可以包括聚群行为策略、跟车行为策略、变航行为策略、及随机行为策略中的至少一者。以下对各行为进行说明。
聚群行为：车队在行进过程中为了保证整体行车效率和车辆个体躲避风险会自然地聚集成群，车辆聚群时所遵守的规则有三条：
1、分隔规则：避免与临近车辆过于拥挤；
2、对准规则：与前方临近车辆的平均方向一致；
3、内聚规则：尽量朝临近车辆的中心移动。
跟车行为：当发现车队中其他车辆的行车环境更好时，会尾随其快速向此方向移动。
变航行为：一般情况下车沿着车道匀速运行，当发现更优的道路环境时，则会通过加减速、变道来向更优的道路环境位置行驶。
随机行为：车辆随机选择行驶状态的一种行为，就是在车辆在视野中随机选择一个状态，然后向该方向移动，随机行为它是变航行为的一个缺省行为。
以下将对确定行驶策略的方式进行说明。
可选的，根据道路信息，确定车辆在车队中的行驶策略，可以是根据道路信息及预设的目标函数，确定车辆当前位置的目标值，其中，目标函数为根据周围车辆行驶速度最大化目标、安全距离最大化目标、以及周围车辆数目最小化目标中的至少一者确定的函数；然后根据车辆当前位置的目标值，确定车辆在车队中的行驶策略。
假设车队中存在n辆车，车队的状态可表示为X＝(x1，x2，…，xn)，其中xi(i＝1，2，3，…，n)为欲寻优的变量，即车队中第i个车辆的状态信息。xi代表二维空间内车辆的坐标位置以及速度信息，用向量表示xi＝[lng，lat，speed，bearing]，分别表示车辆行驶过程中所处的经纬度、速度、方向角。车辆当前所在位置的目标函数为Y＝F(x)，其中Y为目标值。
行车环境最优化问题属于多目标优化问题，可以将以下三个目标中的至少一者来作为目标函数，本公开以综合下述三个目标来得到总的目标函数为例。
1、周围感知车辆行驶速度最大化目标：
其中，Y1为周围感知车辆平均行驶速度的函数，m为周围感知车辆的数量，V(xi)表示探测范围内的位置xi处车辆的速度值。
2、安全距离最大化目标：
max Y2＝F2(X)＝||xfront-x||
其中，Y2为安全距离的函数，xfront为前车位置。当然，在实际应用中，还可以综合考虑与并排车辆或者后方车辆之间的安全距离来得到安全距离最大化的目标函数，本公开实施例对此不作限定。
3、周围感知车辆数目最小化目标：
minY3＝F3(X)＝N(xi)
其中，Y3为周围感知车辆数目的函数，N(xi)表示车辆在位置xi处的探测范围内车辆数目。
将多目标问题转化成单目标问题，给出各目标的期望值f1 *,f2 *,f3 *。
目标期望值为各个目标函数在理想状态下的目标函数值，如车辆独享道路资源，与其他车辆保持最佳安全距离以及最高限速下行驶，其中，vmax表示道路限速(km/h)，则，
f1 *＝Vmax；
f2 *＝3×Vmax×1/3.6(其中，3为安全距离系数，3为根据经验给出的值，也可以是其他值；由于Vmax单位为km/h，通过乘以1/3.6将单位转化为m/s)；
f3 *＝0；
将当前位置得到的各目标的真实值与对应的期望值作差，差值越小说明越接近期望值，那么寻求最优位置实际上是寻求差值最小的位置，因此可以定义总的目标函数为：
当然，针对某个位置，在计算该位置的目标值时，直接通过公式计算即可。同时，由于各目标下得到的值的单位可能不同，比如车辆数目与行驶速度的单位不同，那么在进行计算时，会先进行去量钢化处理。本公开实施例中，一个位置的目标值越小说明该位置的状况越好。
同时，由于车辆不能超速，与前车的距离也必须大于安全距离，可以设定约束条件：
V(xi)≤Vmax(表示车辆不能超速)
F2(X)≥f2 *(表示与前车距离大于或等于安全距离)
可选的，根据车辆当前位置的目标值，确定车辆在车队中的行驶策略，可以检测车辆的探测范围内是否有车队中的其他车辆；在检测到探测范围内有车队中的其他车辆时，确定其他车辆的中心位置；若中心位置的目标值小于车辆当前位置的目标值，且中心位置的拥挤度小于第一预设拥挤度阈值，则确定车辆在车队中的行驶策略为针对中心位置的聚群行为策略。
车辆在探测到周围有本车队的车辆时，说明车辆没有掉队，那么需要尽量向着本车队车辆的中心靠拢，进而能够更好地同本车队车辆一同前行。因此为了保证车队整体的协同性，可以将聚群行为策略的优先级值为最高，在获取道路信息后，可以首先判定车辆当前是否满足聚群行为策略的条件。车辆群体在行进中需要遵守两条规则：一是尽量向邻近车队车辆的中心移动，二是避免过分拥挤。车辆探索当前邻域内的车队车辆数量，并计算车辆的中心位置，然后把新得到的中心位置的目标值与当前位置的目标值相比较，如果中心位置的目标值小于当前位置的目标值并且不是很拥挤，则可以从当前位置向中心位置移动，执行聚群行为，否则执行其他行为策略。
拥挤度定义：
其中，表示车队所有车辆周围感知车辆去重后的集合。
车辆当前位置为xi，设其可见区域内的本车队车辆个数为nf，形成集合K：
K＝{xj|xj-xi≤visual}i，j＝1，2，3，…，n
visual表示车辆的感知距离，定义为车辆之间通信支持的最大距离。
如果K不是空集的话，表明在视野范围内有车辆存在，即nf≥1，那么就按如下公式探索中心位置xc：
其中：xc表示中心位置的状态。
令δ表示拥挤度因子，这里即为第一预设拥挤度阈值，如果中心位置拥挤度ρ<δ，(0<δ<1)，并且中心位置的目标值小于当前位置的目标值，即Yc<Yi，则表明中心位置行车环境较好并且不太拥挤，则车辆向中心位置xc行驶；否则执行其他行为。公式表述如下：
if(ρ<δ&Yc<Yi)
xj＝xi+random(step)(xc-xi)/‖xc-xi‖；
xj表示车辆移动后所处的位置；step表示车辆移动的步长；Random(step)表示[0，step]之间的随机数字；(xc-xi)/‖xc-xi‖为非零向量除以它的模，进而得到所需的单位向量。
可选的，若中心位置的目标值大于等于车辆当前位置的目标值，和/或中心位置的拥挤度大于等于第一预设拥挤度阈值，则根据目标函数，在探测范围内包括的车队的其他车辆中，确定目标值最小的目标车辆；若目标车辆所处位置的目标值小于车辆当前位置的目标值，且目标车辆所处位置的拥挤度小于第二预设拥挤度阈值，则确定车辆在车队中的行驶策略为跟车行为策略，且将目标车辆确定为车辆的跟车对象。
车辆在检测到周围有本车队的车辆，但得出本车队车辆中心位置的状况比当前状况差时，可能无法进行聚群行为，而为了让车辆尽可能地不掉队，能够继续跟着本车队的车辆走，可以进一步检测车辆是否满足跟车行为策略的条件，即，可以将跟车行为策略设置为低于聚群行为策略的第二优先级策略，如果车辆当前不符合执行聚群行为的条件，那么可以继续判断车辆是否满足跟车行为策略的条件。
设车辆当前状态为xi，探索其邻域内状态最优的本车队车辆状态xmax，如果xmax处的目标值小于车辆当前位置的目标值，即Ymax<Yi，并且xmax的邻域内车辆的拥挤度ρ<δ，(0<δ<1；δ在这里可以表示第二预设拥挤度阈值，可以设置为与第一预设拥挤度阈值相同的值，或者也可以设定为不同的值)，表明xmax的附近有更优的行车环境并且不太拥挤，车辆则向xmax的位置行驶，否则执行其他行为策略。
公式描述如下：
if(ρ<δ&Ymax<Yi)
xj＝xi+random(step)(xmax-xi)/‖xmax-xi‖
在检测是否满足跟车行为策略的条件时，由于车辆只能前进这一特性，跟车也只能是跟前方的车辆，因此可以只检测车辆前方一定范围内的本车队车辆的目标值是否小于车辆当前位置的目标值。比如，检测范围可以是车辆左右45度正前方的范围，等等。
可选的，若目标车辆所处位置的目标值大于等于车辆当前位置的目标值，和/或目标车辆所处位置的拥挤度大于等于第二预设拥挤度阈值，则在探测范围内随机确定一目标位置；检测目标位置的目标值是否小于车辆当前位置的目标值；若目标位置的目标值小于车辆当前位置的目标值，确定车辆在车队中的行驶策略为针对目标位置的变航行为策略。
可选的，在检测到车辆的探测范围内没有车队中的其他车辆时，在探测范围内随机确定一目标位置；检测目标位置的目标值是否小于车辆当前位置的目标值；若目标位置的目标值小于车辆当前位置的目标值，确定车辆在车队中的行驶策略为针对目标位置的变航行为策略。
车辆如果在探测范围内没有检测到本车队的其他车辆，那么说明车辆可能已经掉队了，那么可以让车辆先在自身的探测范围内找寻状况好的位置，进行变航行为，同时车辆在行进过程中，会周期性得检测周围有没有本车队的车，以便能够跟上车队。而如果车辆探测范围内有本车队的其他车辆，但既不满足聚群行为策略的判定条件，也不满足跟车行为策略的判定条件，那么说明车辆暂时无法跟上本车队的其他车，那么可以先在探测范围内找寻状况好的位置，进行变航行为，同时在行进过程中，周期性的检测是否满足聚群行为策略的判定条件或者跟车行为策略的判定条件，以便能够较好地跟上本车队的其他车辆。
变航行为策略可以设定为低于跟车行为策略的第三优先级的策略。在车辆检测到周围探测范围内有本车队的其他车辆，会先判定是否满足聚群行为策略及跟车行为策略的条件，如果都不满足，会继续判定是否满足变航行为策略的条件；或者，在车辆检测到周围探测范围内没有本车队的其他车辆时，可以直接判定是否满足变航行为策略的条件。
变航行为包含加速、减速、变道、等驶向特定地点的行为，设车辆当前状态为xi，在其视野范围内随机选择一个状态xj，如果Yj<Yi，则选择状态xj继续行驶；反之，再重新随机选择状态xj，判断是否满足前进条件。
公式表述如下：
if(Yj<Yi)
xj＝xi+random(step)(xj-xi)/‖xj-xi‖
可选的，若目标位置的目标值大于等于车辆当前位置的目标值，则在探测范围内随机重新确定另一目标位置，并再次执行检测目标位置的目标值是否小于车辆当前位置的目标值的步骤；若连续N次随机确定的目标位置的目标值均不小于车辆当前位置的目标值，确定车辆在车队中的行驶策略为随机行为策略。
随机行为可以是变航行为的一个缺省行为，在判断变航行为过程中，如果试探N次后，如果仍不满足变航行为的条件，则可以执行随机行为或维持变航行为。随机行为指车辆在视野内随机移动。车辆xi随机移动一步，到达一个新的状态：
xj＝xi+random(step)；
其中的步长step是车辆在一次通信控制周期内行驶的距离step＝V(xi)×t，式中t为车辆之间通信控制周期。
在确定车辆的行驶策略之后，可以对车辆进行控制。比如车队里的车辆可以是无人驾驶的车辆，那么可以直接控制车辆按照确定的行驶策略对应的行为进行驾驶，或者，车队里的车辆不是无人驾驶的车辆，那么比如可以通过车辆仪表盘输出提示信息，进而提示驾驶员按照确定的行驶策略对应的行为进行驾驶。
当然，由于车辆行驶的特性，位于前方的车辆检测到需要向后方车辆聚群时，控制车辆的方式可以是减速。
通过以上方式，可以较好地确定车辆当前采用何种行驶策略行驶能够在车队里更加协同、安全地行驶，保证车辆群体的移动的整体性、一致性，有助于最大化利用道路空间资源，节省车队整体能耗以及减小交通风险。
可选的，如果车辆是车队中的指挥车辆，那么还可以接收车队中除指挥车辆外的全部车辆发送的各自的状态信息；然后根据状态信息，检测车队的行驶状态是否满足设定的收敛条件，收敛条件包括速度收敛条件、车队整体连接性收敛条件、以及周围车辆干扰性收敛条件中的至少一者；在车队的行驶状态满足收敛条件时，向车队中的各车辆发送第一通知信息，以指示各车辆维持当前的行驶状态；在车队的行驶状态不满足收敛条件时，向车队中的各车辆发送第二通知信息，以指示各车辆重新确定行驶策略。
收敛条件比如包括：
其中，d表示车辆群体中头尾车辆的距离；L表示车辆车身长度。
寻优终止条件为三个收敛条件的任意权重组合，即Δ＝αΔ1∪βΔ2∪γΔ3。
Δ1体现速度优先原则，Δ2体现整体连接性原则，Δ3体现无干扰原则，权值α、β、γ可以根据车队的属性和业务需求的侧重方面来确定具体的值，比如对车队整体连贯性要求较高的业务，可以将权重β设置得更高，等等。指挥车辆可以按照设定的周期来检测整个车队的行驶状态是否满足收敛条件，比如，每隔一个通信周期检测一次。如果满足收敛条件，可以通知各车辆维持当前的行驶策略状态，比如保持当前行驶速度匀速行驶；如果不满足收敛条件，可以通知各车辆重新确定行驶策略。这样，可以让整个车队持续地保持协同、一致地行驶。
以下将通过完整的实施例对本公开的方案进行说明。
请参见图2，可以按照优先级从高到低依次为聚群行为策略、跟车行为策略、变航行为策略、随机行为策略的顺序，来判定车队中的车辆当前的道路信息适应于哪一种行为，行驶策略确定后，可以按照对应的行为进行行驶。在行驶过程中，可以根据整个车队当前的行驶状态是否满足设定的收敛条件，来确定是保持当前的行驶状态，还是需要重新确定行驶策略。同时在行进过程中，可以按照一定的周期循环地进行群体目标值的检测，即，对于指挥车辆而言，可以获取车队中各个车辆的行驶状态，进而确定整个车队的行驶状态是否满足收敛条件；对于非指挥车辆而言，可以将自身的行驶状态发送给指挥车辆进行检测，并接收指挥车辆发送的检测结果。
本公开实施例中，车队中的车辆可以获取道路信息，然后根据道路信息来确定车辆在车队中的行驶策略，行驶策略可以包括聚群行为策略、跟车行为策略、变航行为策略、及随机行为策略中的至少一者。确定了行驶策略后，可以根据确定的行驶策略来对车辆进行控制，通过这样的方式，车队中的车辆可以根据不同的道路信息制定不同的行驶策略，有利于车辆在车队中较好的行驶，保证整个车队的安全性、协同性。
请参见图3，基于同一发明构思，本公开实施例提供一种车辆控制装置200，装置200应用于车辆，所述车辆为车队中的任一车辆，该装置200可以包括：
获取模块201，用于获取道路信息；
确定模块202，用于根据所述道路信息，确定所述车辆在所述车队中的行驶策略，其中，所述行驶策略包括聚群行为策略、跟车行为策略、变航行为策略、及随机行为策略中的至少一者；
控制模块203，用于根据确定出的行驶策略，对所述车辆进行控制。
可选的，所述确定模块202包括：
第一确定子模块，用于根据所述道路信息及预设的目标函数，确定所述车辆当前位置的目标值，其中，所述目标函数为根据周围车辆行驶速度最大化目标、安全距离最大化目标、以及周围车辆数目最小化目标中的至少一者确定的函数；
第二确定子模块，用于根据所述车辆当前位置的目标值，确定所述车辆在所述车队中的行驶策略。
可选的，所述第二确定子模块用于：
检测所述车辆的探测范围内是否有所述车队中的其他车辆；
在检测到所述探测范围内有所述车队中的其他车辆时，确定所述其他车辆的中心位置；
若所述中心位置的目标值小于所述车辆当前位置的目标值，且所述中心位置的拥挤度小于第一预设拥挤度阈值，则确定所述车辆在所述车队中的行驶策略为针对所述中心位置的聚群行为策略。
可选的，所述第二确定子模块用于：
在检测到所述车辆的探测范围内没有所述车队中的其他车辆时，在所述探测范围内随机确定一目标位置；
检测所述目标位置的目标值是否小于所述车辆当前位置的目标值；
若所述目标位置的目标值小于所述车辆当前位置的目标值，确定所述车辆在所述车队中的行驶策略为针对所述目标位置的变航行为策略。
可选的，所述第二确定子模块用于：
若所述中心位置的目标值大于等于所述车辆当前位置的目标值，和/或所述中心位置的拥挤度大于等于所述第一预设拥挤度阈值，则根据所述目标函数，在所述探测范围内包括的所述车队的其他车辆中，确定目标值最小的目标车辆；
若所述目标车辆所处位置的目标值小于所述车辆当前位置的目标值，且所述目标车辆所处位置的拥挤度小于第二预设拥挤度阈值，则确定所述车辆在所述车队中的行驶策略为跟车行为策略，且将所述目标车辆确定为所述车辆的跟车对象。
可选的，所述第二确定子模块用于：
若所述目标车辆所处位置的目标值大于等于所述车辆当前位置的目标值，和/或所述目标车辆所处位置的拥挤度大于等于所述第二预设拥挤度阈值，则在所述探测范围内随机确定一目标位置；
检测所述目标位置的目标值是否小于所述车辆当前位置的目标值；
若所述目标位置的目标值小于所述车辆当前位置的目标值，确定所述车辆在所述车队中的行驶策略为针对所述目标位置的变航行为策略。
可选的，所述第二确定子模块用于：
若所述目标位置的目标值大于等于所述车辆当前位置的目标值，则在所述探测范围内随机重新确定另一目标位置，并再次执行所述检测所述目标位置的目标值是否小于所述车辆当前位置的目标值的步骤；
若连续N次随机确定的目标位置的目标值均不小于所述车辆当前位置的目标值，确定所述车辆在所述车队中的行驶策略为随机行为策略。
可选的，所述车辆为所述车队中的指挥车辆，所述装置200还包括：
接收模块，用于接收所述车队中除所述指挥车辆外的全部车辆发送的各自的状态信息；
检测模块，用于根据所述状态信息，检测所述车队的行驶状态是否满足设定的收敛条件，所述收敛条件包括速度收敛条件、所述车队整体连接性收敛条件、以及周围车辆干扰性收敛条件中的至少一者；
发送模块，用于在所述车队的行驶状态满足所述收敛条件时，向所述车队中的各车辆发送第一通知信息，以指示各车辆维持当前的行驶状态；及，
在所述车队的行驶状态不满足所述收敛条件时，向所述车队中的各车辆发送第二通知信息，以指示各车辆重新确定行驶策略。
基于同一发明构思，本公开实施例还提供一种车辆，所述车辆为车队中的任一车辆，所述车辆包括：
非临时性计算机可读存储介质；以及一个或者多个处理器，用于执行所述非临时性计算机可读存储介质中的程序；所述非临时性计算机可读存储介质中存储有用于执行上述车辆控制方法的指令。
在本发明所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。
在本申请各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个非临时性计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM(Read-Only Memory，只读存储器)、RAM(Random Access Memory，随机存取存储器)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以对本发明的技术方案进行了详细介绍，但以上实施例的说明只是用于帮助理解本发明的方法及其核心思想，不应理解为对本发明的限制。本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种车辆控制方法，应用于车辆，所述车辆为车队中的任一车辆，其特征在于，包括：
获取道路信息；
根据所述道路信息，确定所述车辆在所述车队中的行驶策略，其中，所述行驶策略包括聚群行为策略、跟车行为策略、变航行为策略、及随机行为策略中的至少一者；
根据确定出的行驶策略，对所述车辆进行控制。
2.根据权利要求1所述的方法，其特征在于，根据所述道路信息，确定所述车辆在所述车队中的行驶策略，包括：
根据所述道路信息及预设的目标函数，确定所述车辆当前位置的目标值，其中，所述目标函数为根据周围车辆行驶速度最大化目标、安全距离最大化目标、以及周围车辆数目最小化目标中的至少一者确定的函数；
根据所述车辆当前位置的目标值，确定所述车辆在所述车队中的行驶策略。
3.根据权利要求2所述的方法，其特征在于，根据所述车辆当前位置的目标值，确定所述车辆在所述车队中的行驶策略，包括：
检测所述车辆的探测范围内是否有所述车队中的其他车辆；
在检测到所述探测范围内有所述车队中的其他车辆时，确定所述其他车辆的中心位置；
若所述中心位置的目标值小于所述车辆当前位置的目标值，且所述中心位置的拥挤度小于第一预设拥挤度阈值，则确定所述车辆在所述车队中的行驶策略为针对所述中心位置的聚群行为策略。
4.根据权利要求3所述的方法，其特征在于，根据所述车辆当前位置的目标值，确定所述车辆在所述车队中的行驶策略，包括：
在检测到所述车辆的探测范围内没有所述车队中的其他车辆时，在所述探测范围内随机确定一目标位置；
检测所述目标位置的目标值是否小于所述车辆当前位置的目标值；
若所述目标位置的目标值小于所述车辆当前位置的目标值，确定所述车辆在所述车队中的行驶策略为针对所述目标位置的变航行为策略。
5.根据权利要求3所述的方法，其特征在于，根据所述车辆当前位置的目标值，确定所述车辆在所述车队中的行驶策略，包括：
若所述中心位置的目标值大于等于所述车辆当前位置的目标值，和/或所述中心位置的拥挤度大于等于所述第一预设拥挤度阈值，则根据所述目标函数，在所述探测范围内包括的所述车队的其他车辆中，确定目标值最小的目标车辆；
若所述目标车辆所处位置的目标值小于所述车辆当前位置的目标值，且所述目标车辆所处位置的拥挤度小于第二预设拥挤度阈值，则确定所述车辆在所述车队中的行驶策略为跟车行为策略，且将所述目标车辆确定为所述车辆的跟车对象。
6.根据权利要求5所述的方法，其特征在于，根据所述车辆当前位置的目标值，确定所述车辆在所述车队中的行驶策略，包括：
若所述目标车辆所处位置的目标值大于等于所述车辆当前位置的目标值，和/或所述目标车辆所处位置的拥挤度大于等于所述第二预设拥挤度阈值，则在所述探测范围内随机确定一目标位置；
检测所述目标位置的目标值是否小于所述车辆当前位置的目标值；
若所述目标位置的目标值小于所述车辆当前位置的目标值，确定所述车辆在所述车队中的行驶策略为针对所述目标位置的变航行为策略。
7.根据权利要求4或6所述的方法，其特征在于，根据所述车辆当前位置的目标值，确定所述车辆在所述车队中的行驶策略，包括：
若所述目标位置的目标值大于等于所述车辆当前位置的目标值，则在所述探测范围内随机重新确定另一目标位置，并再次执行所述检测所述目标位置的目标值是否小于所述车辆当前位置的目标值的步骤；
若连续N次随机确定的目标位置的目标值均不小于所述车辆当前位置的目标值，确定所述车辆在所述车队中的行驶策略为随机行为策略。
8.一种车辆控制装置，应用于车辆，所述车辆为车队中的任一车辆，其特征在于，包括：
获取模块，用于获取道路信息；
确定模块，用于根据所述道路信息，确定所述车辆在所述车队中的行驶策略，其中，所述行驶策略包括聚群行为策略、跟车行为策略、变航行为策略、及随机行为策略中的至少一者；
控制模块，用于根据确定出的行驶策略，对所述车辆进行控制。
9.一种车辆，所述车辆为车队中的任一车辆，其特征在于，包括：
非临时性计算机可读存储介质；以及
一个或者多个处理器，用于执行所述非临时性计算机可读存储介质中的程序；所述非临时性计算机可读存储介质中存储有用于执行如权利要求1-7中任一项所述的方法的指令。
10.一种非临时性计算机可读存储介质，其特征在于，所述非临时性计算机可读存储介质中包括一个或多个程序，所述一个或多个程序用于执行权利要求1-7中任一项所述的方法。
CN201711424899.XA 2017-12-25 2017-12-25 车辆控制方法、装置、车辆及存储介质 Active CN108216236B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711424899.XA CN108216236B (zh) 2017-12-25 2017-12-25 车辆控制方法、装置、车辆及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711424899.XA CN108216236B (zh) 2017-12-25 2017-12-25 车辆控制方法、装置、车辆及存储介质

Publications (2)

Publication Number Publication Date
CN108216236A true CN108216236A (zh) 2018-06-29
CN108216236B CN108216236B (zh) 2019-12-20

Family

ID=62648680

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711424899.XA Active CN108216236B (zh) 2017-12-25 2017-12-25 车辆控制方法、装置、车辆及存储介质

Country Status (1)

Country Link
CN (1) CN108216236B (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108733063A (zh) * 2018-07-29 2018-11-02 南通大学 一种自动驾驶车辆的自主协同行驶决策方法
CN109598816A (zh) * 2019-02-20 2019-04-09 百度在线网络技术（北京）有限公司 车辆行为特征收集方法、装置、服务器及系统
CN110745143A (zh) * 2019-10-29 2020-02-04 广州文远知行科技有限公司 一种车辆的控制方法、装置、设备和存储介质
CN110751825A (zh) * 2019-10-29 2020-02-04 北京百度网讯科技有限公司 编队行驶的避让方法、装置、设备和计算机可读存储介质
CN111267848A (zh) * 2020-03-24 2020-06-12 湖南大学 一种指定收敛时间的车辆编队控制方法和系统
CN111627247A (zh) * 2019-02-28 2020-09-04 上海汽车集团股份有限公司 一种多车编队控制方法及装置
CN112037502A (zh) * 2020-08-05 2020-12-04 深圳技术大学 一种智巴车队控制方法、系统和计算机可读存储介质
CN112026786A (zh) * 2020-09-09 2020-12-04 深圳技术大学 智能车的协同驾驶控制系统及多车协同驾驶控制系统
CN113734184A (zh) * 2021-10-18 2021-12-03 交通运输部公路科学研究所 自动驾驶车辆在途组队方法、装置及电子设备
WO2022027353A1 (zh) * 2020-08-05 2022-02-10 深圳技术大学 一种智巴车队控制方法、系统和计算机可读存储介质
CN116798232A (zh) * 2023-08-09 2023-09-22 重庆邮电大学 一种联合车辆优先级和人工鱼群的多车协同决策系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102906654A (zh) * 2010-05-31 2013-01-30 沃尔沃汽车公司 车队行进的控制系统
CN103403639A (zh) * 2011-02-03 2013-11-20 斯堪尼亚商用车有限公司 关于车辆队列的方法和管理单元
CN103956045A (zh) * 2014-05-13 2014-07-30 中国人民解放军军事交通学院 利用半实物仿真技术手段实现车队协同驾驶的方法
EP3052356A1 (en) * 2013-09-30 2016-08-10 Scania CV AB System and method for controlling a vehicle platoon with a common position-based driving strategy
WO2016182489A1 (en) * 2015-05-11 2016-11-17 Scania Cv Ab Device, system and method for a platooning operation
US20170011633A1 (en) * 2015-07-08 2017-01-12 Magna Electronics Inc. Lane change system for platoon of vehicles
CN106843210A (zh) * 2017-01-24 2017-06-13 同济大学 一种基于仿生学的自动驾驶车辆运行控制方法
CN106994969A (zh) * 2017-03-24 2017-08-01 奇瑞汽车股份有限公司 一种车队编队驾驶系统及方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102906654A (zh) * 2010-05-31 2013-01-30 沃尔沃汽车公司 车队行进的控制系统
CN103403639A (zh) * 2011-02-03 2013-11-20 斯堪尼亚商用车有限公司 关于车辆队列的方法和管理单元
EP3052356A1 (en) * 2013-09-30 2016-08-10 Scania CV AB System and method for controlling a vehicle platoon with a common position-based driving strategy
CN103956045A (zh) * 2014-05-13 2014-07-30 中国人民解放军军事交通学院 利用半实物仿真技术手段实现车队协同驾驶的方法
WO2016182489A1 (en) * 2015-05-11 2016-11-17 Scania Cv Ab Device, system and method for a platooning operation
US20170011633A1 (en) * 2015-07-08 2017-01-12 Magna Electronics Inc. Lane change system for platoon of vehicles
CN106843210A (zh) * 2017-01-24 2017-06-13 同济大学 一种基于仿生学的自动驾驶车辆运行控制方法
CN106994969A (zh) * 2017-03-24 2017-08-01 奇瑞汽车股份有限公司 一种车队编队驾驶系统及方法

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108733063A (zh) * 2018-07-29 2018-11-02 南通大学 一种自动驾驶车辆的自主协同行驶决策方法
CN108733063B (zh) * 2018-07-29 2021-08-10 南通大学 一种自动驾驶车辆的自主协同行驶决策方法
CN109598816A (zh) * 2019-02-20 2019-04-09 百度在线网络技术（北京）有限公司 车辆行为特征收集方法、装置、服务器及系统
CN109598816B (zh) * 2019-02-20 2022-06-07 百度在线网络技术（北京）有限公司 自动驾驶车辆行为特征收集方法、装置、服务器及系统
CN111627247A (zh) * 2019-02-28 2020-09-04 上海汽车集团股份有限公司 一种多车编队控制方法及装置
CN110745143A (zh) * 2019-10-29 2020-02-04 广州文远知行科技有限公司 一种车辆的控制方法、装置、设备和存储介质
CN110751825A (zh) * 2019-10-29 2020-02-04 北京百度网讯科技有限公司 编队行驶的避让方法、装置、设备和计算机可读存储介质
CN111267848B (zh) * 2020-03-24 2021-08-10 湖南大学 一种指定收敛时间的车辆编队控制方法和系统
CN111267848A (zh) * 2020-03-24 2020-06-12 湖南大学 一种指定收敛时间的车辆编队控制方法和系统
CN112037502A (zh) * 2020-08-05 2020-12-04 深圳技术大学 一种智巴车队控制方法、系统和计算机可读存储介质
WO2022027353A1 (zh) * 2020-08-05 2022-02-10 深圳技术大学 一种智巴车队控制方法、系统和计算机可读存储介质
CN112026786A (zh) * 2020-09-09 2020-12-04 深圳技术大学 智能车的协同驾驶控制系统及多车协同驾驶控制系统
CN112026786B (zh) * 2020-09-09 2022-03-01 深圳技术大学 智能车的协同驾驶控制系统及多车协同驾驶控制系统
CN113734184A (zh) * 2021-10-18 2021-12-03 交通运输部公路科学研究所 自动驾驶车辆在途组队方法、装置及电子设备
CN116798232A (zh) * 2023-08-09 2023-09-22 重庆邮电大学 一种联合车辆优先级和人工鱼群的多车协同决策系统
CN116798232B (zh) * 2023-08-09 2024-03-26 重庆邮电大学 一种联合车辆优先级和人工鱼群的多车协同决策系统

Also Published As

Publication number Publication date
CN108216236B (zh) 2019-12-20

Similar Documents

Publication Publication Date Title
CN108216236B (zh) 车辆控制方法、装置、车辆及存储介质
CN111065573B (zh) 用于车辆之间的协调式车道改变协商的系统及方法
JP6738957B2 (ja) 車両制御システム、車両制御方法、および車両制御プログラム
US20210264794A1 (en) Cooperative adaptive cruise control (cacc) system for control of connected and autonomous vehicle (cav) platoons
US8352111B2 (en) Platoon vehicle management
KR102203475B1 (ko) 자율 주행 시스템에서 차량을 제어하기 위한 방법 및 장치
US11042153B2 (en) Adaptive multi-network vehicle architecture
KR20210055617A (ko) 미리 계산되거나 동적으로 생성된 궤적 뱅크로부터의 궤적 예측
JP4905034B2 (ja) 走行制御装置及び走行制御方法
US20140129075A1 (en) Vehicle Control Using Modeled Swarming Behavior
CN112026786B (zh) 智能车的协同驾驶控制系统及多车协同驾驶控制系统
US10960886B2 (en) Traffic light estimation
US11731653B2 (en) Conditional motion predictions
EP3732541B1 (en) Method for controlling a vehicle and corresponding system and non-transitory computer-readable medium
KR20200138673A (ko) 속력 프로파일 추정
US10976739B2 (en) Vehicle control device
US20180329421A1 (en) Road link information updating device and vehicle control system
US20230415762A1 (en) Peer-to-peer occupancy estimation
JP2020086940A (ja) 隊列走行システム
KR20210041213A (ko) 자율주행시스템에서 지도정보를 이용하여 객체추적을 하는 방법 및 이를 위한 장치
US20220092987A1 (en) Methods and devices for determining an action in the presence of road users
JP7080091B2 (ja) 車両制御装置、車両制御方法、およびプログラム
CN112037502A (zh) 一种智巴车队控制方法、系统和计算机可读存储介质
CN117068166A (zh) 车辆变道方法、装置及存储介质
Strunz et al. CoOP: V2V-based cooperative overtaking for platoons on freeways

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant