CN108334077B - 确定自动驾驶车辆的速度控制的单位增益的方法和系统 - Google Patents

Abstract

在一个实施方式中，响应于由一系列命令周期表示的在不同的时间点发出的一系列速度控制命令，捕获自动驾驶车辆(ADV)的速度。对于每个命令周期，基于ADV的相应速度计算第一速度变化率，并且使用预定算法或函数基于相应速度和相应的速度控制命令来计算第二速度变化率。基于第一速度变化率和第二速度变化率使用代价函数确定速度控制的单位增益，使得表示第一速度变化率与第二速度变化率之差的代价达到最小值。然后，使用单位增益来生成用于操作ADV的后续速度控制命令。

Description

确定自动驾驶车辆的速度控制的单位增益的方法和系统

技术领域

本发明的实施方式总体上涉及操作自动驾驶车辆。更具体地，本发明的实施方式涉及确定自动驾驶车辆的速度控制的单位增益。

背景技术

以自动驾驶模式运行(例如，无人驾驶)的车辆可以将乘员、尤其是驾驶员从一些驾驶相关的职责中解放出来。当以自动驾驶模式运行时，车辆可以使用车载传感器导航到各个位置，从而允许车辆在最少人机交互的情况下或在没有任何乘客的一些情况下行驶。

运动规划和控制是自动驾驶中的关键操作。然而，传统的运动规划操作主要根据自动驾驶的曲率和速度来估计完成给定路径的难度，而没有考虑不同类型的车辆的特征差异。将相同的运动规划和控制应用到所有类型的车辆，这在一些情况下可能是不准确且不顺利的。

此外，速度控制是自动驾驶中的关键步骤。车辆油门和制动单元的单位增益需要在不同的环境(例如，道路条件，天气条件，车辆重量)下不时地进行校准和调整。然而，自动驾驶车辆的行为随着车辆的不同而不同并且随着时间的不同而不同。因此，收集油门和制动行为信息并确定单位增益是困难且耗时的。

发明内容

本发明的一个方面提供了用于确定自动驾驶车辆的速度控制的单位增益的计算机实现的方法，该方法包括：响应于由多个命令周期表示的在不同时间点处的多个速度控制命令，捕获自动驾驶车辆(ADV)的速度；对于命令周期中的每个命令周期，基于自动驾驶车辆的速度计算第一速度变化率，以及使用预定算法基于相应的速度控制命令计算第二速度变化率；以及使用代价函数基于第一速度变化率和第二速度变化率确定速度控制的单位增益，使得表示第一速度变化率与第二速度变化率之差的代价达到最小值，其中，该单位增益被用来生成后续速度控制命令。

本发明的另一方面提供了非暂时性机器可读介质，非暂时性机器可读介质中存储有指令，该指令在由处理器执行时使得处理器执行操作，该操作包括：响应于由多个命令周期表示的不同时间点处的多个速度控制命令，捕获自动驾驶车辆(ADV)的速度；对于命令周期中的每个命令周期，基于自动驾驶车辆的速度计算第一速度变化率，以及使用预定算法基于相应的速度控制命令计算第二速度变化率；以及使用代价函数基于第一速度变化率和第二速度变化率确定速度控制的单位增益，使得表示第一速度变化率与第二速度变化率之差的代价达到最小值，其中，该单位增益被用来生成后续速度控制命令。

本发明的又一方面提供了一种数据处理系统，其包括：处理器；以及存储器，存储器与处理器联接以存储指令，指令在由处理器执行时使得处理器执行操作，该操作包括：响应于由多个命令周期表示的不同时间点处的多个速度控制命令，捕获自动驾驶车辆(ADV)的速度；对于命令周期中的每个命令周期，基于自动驾驶车辆的速度计算第一速度变化率，以及使用预定算法基于相应的速度控制命令计算第二速度变化率；以及使用代价函数基于第一速度变化率和第二速度变化率确定速度控制的单位增益，使得表示第一速度变化率与第二速度变化率之差的代价达到最小值，其中，该单位增益被用来生成后续速度控制命令。

附图说明

本发明的实施方式在附图的各图中以举例而非限制的方式示出，附图中的相同参考数字指示相似元件。

图1是示出根据本发明的一个实施方式的网络化系统的框图。

图2是示出根据本发明的一个实施方式的自动驾驶车辆的示例的框图。

图3是示出根据本发明的一个实施方式的与自动驾驶车辆一起使用的感知与规划系统的示例的框图。

图4示出了根据本发明的一个实施方式的确定自动驾驶车辆的速度变化率的过程的数据结构。

图5是示出根据本发明的一个实施方式在不同驾驶环境下的车辆加速度曲线的图。

图6是示出根据本发明的一个实施方式的基于速度控制命令来估计速度变化率的算法的示例的图。

图7是示出根据本发明的一个实施方式的使用预测模型确定单位增益的过程的图。

图8是示出根据本发明的一个实施方式的确定单位增益的过程的流程图。

图9是示出根据一个实施方式的数据处理系统的框图。

具体实施方式

将参考以下所讨论的细节来描述本发明的各种实施方式和方面，附图将示出所述各种实施方式。下列描述和附图是对本发明的说明，而不应当解释为限制本发明。描述了许多特定细节以提供对本发明各种实施方式的全面理解。然而，在某些情况下，并未描述众所周知的或常规的细节以提供对本发明的实施方式的简洁讨论。

本说明书中对“一个实施方式”或“实施方式”的提及意味着结合该实施方式所描述的特定特征、结构或特性可以包括在本发明的至少一个实施方式中。短语“在一个实施方式中”在本说明书中各个地方的出现不必全部指同一实施方式。

根据一些实施方式，由于车辆状态可能不同(例如，乘客数量，汽油水平，天气等)，因此每次车辆操作时执行数据收集以收集当前车辆状态的正确数据。该数据可通过记录手动驾驶数据或通过收集经命令的自动驾驶结果来收集。可以使用手动驾驶数据(例如，由人类驾驶员以手动驾驶模式驾驶)来训练模型或代价函数，以确定油门或制动的单位增益。可以使用自动驾驶结果来验证模型或代价函数。所收集的数据(也称为驾驶统计数据)可以是包含时间标记、当前车辆速度和当前油门/制动命令的时序数据。当前的加速度或减速度可以从收集的数据得出。基于驾驶统计数据(例如，时间标记，速度)，可以计算实际的加速度或减速度。计划的加速度或减速度可以使用预定算法或函数来估计。预定算法包括单位增益作为参数或系数以模拟或镜像实际加速率或减速率。使用代价函数来确定预定算法或函数的单位增益，使得表示不同时间点的实际加速度/减速度与预计的加速度/减速度之差的代价达到最小值。然后，可以使用该单位增益来生成用于操作自动驾驶车辆的后续的速度控制命令。

在一个实施方式中，响应于由一系列命令周期表示的在不同时间点发出的一系列速度控制命令，捕获自动驾驶车辆(ADV)的速度。对于每个命令周期，基于ADV的相应速度来计算第一速度变化率，并使用预定算法或函数基于对应的速度控制命令计算第二速度变化率。使用代价函数基于第一速度变化率和第二速度变化率来确定速度控制的单位增益，使得表示第一速度变化率与第二速度变化率之差的代价达到最小值。然后，使用该单位增益来生成用于操作ADV的后续速度控制命令。

速度控制命令指的是油门命令或制动命令，例如，表现为最大值的百分比的形式，称为油门百分比或制动百分比。速度变化率指的是响应于油门命令的加速率或响应于制动命令的减速率。命令周期指的是将发出控制命令的时间段。命令周期表示控制命令将以多少频率发出。例如，如果每0.1秒发出控制命令，则将0.1秒的时间段称为命令周期。单位增益指的是在确定速度变化率(即，根据油门命令的加速度或根据制动命令的减速度)中使用的增益或系数。在给定单位增益的情况下，如果系统期望车辆加速和减速，则可以基于期望的速度变化率和单位增益来确定合适的油门命令或制动命令。类似地，如果发出特定的速度控制命令，则可以基于单位增益和速度控制命令来确定车辆的预期速度(或速度的变化)。

在特定车辆的不同驾驶情况或驾驶环境(例如，道路条件，车辆重量，天气条件等)下，不同时间点的单位增益可以不同。本发明的实施方式将允许车辆行驶一段时间，并且可以在该段段时间期间收集驾驶统计数据。基于驾驶统计数据，通过将驾驶统计数据应用到单位增益确定、或预测的模型或函数来实时地确定单位增益。可以使用单位增益来确定用于该特定行程或驾驶环境的后续速度控制命令(例如，油门百分比或制动百分比)。

图1是示出根据本发明的一个实施方式的自动驾驶车辆网络配置的框图。参考图1，网络配置100包括可以通过网络102通信地联接到一个或多个服务器103至104的自动驾驶车辆101。尽管示出一个自动驾驶车辆，但多个自动驾驶车辆可以通过网络102联接到彼此和/或联接到服务器103至104。网络102可以是任何类型的网络，例如，有线或无线的局域网(LAN)、诸如互联网的广域网(WAN)、蜂窝网络、卫星网络或其组合。服务器103至104可以是任何类型的服务器或服务器群集，诸如，网络或云服务器、应用服务器、后端服务器或其组合。服务器103至104可以是数据分析服务器、内容服务器、交通信息服务器、地图和兴趣点(MPOI)服务器或者位置服务器等。

自动驾驶车辆是指可以被配置成处于自动驾驶模式下的车辆，在所述自动驾驶模式下车辆在极少或没有来自驾驶员的输入的情况下导航通过环境。这种自动驾驶车辆可以包括传感器系统，所述传感器系统具有被配置成检测与车辆运行环境有关的信息的一个或多个传感器。所述车辆和其相关联的控制器使用所检测的信息来导航通过所述环境。自动驾驶车辆101可以在手动模式下、在全自动驾驶模式下或者在部分自动驾驶模式下运行。

在一个实施方式中，自动驾驶车辆101包括，但不限于，感知与规划系统110、车辆控制系统111、无线通信系统112、用户接口系统113、信息娱乐系统114和传感器系统115。自动驾驶车辆101还可以包括普通车辆中包括的某些常用部件，诸如：发动机、车轮、方向盘、变速器等，所述部件可以由车辆控制系统111和/或感知与规划系统110使用多种通信信号和/或命令进行控制，该多种通信信号和/或命令例如，加速信号或命令、减速信号或命令、转向信号或命令、制动信号或命令等。

部件110至115可以经由互连件、总线、网络或其组合通信地联接到彼此。例如，部件110至115可以经由控制器局域网(CAN)总线通信地联接到彼此。CAN总线是被设计成允许微控制器和装置在没有主机的应用中与彼此通信的车辆总线标准。它是最初是为汽车内的复用电气布线设计的基于消息的协议，但也用于许多其它环境。

现在参考图2，在一个实施方式中，传感器系统115包括但不限于一个或多个摄像机211、全球定位系统(GPS)单元212、惯性测量单元(IMU)213、雷达单元214以及光探测和测距(LIDAR)单元215。GPS系统212可以包括收发器，所述收发器可操作以提供关于自动驾驶车辆的位置的信息。IMU单元213可以基于惯性加速度来感测自动驾驶车辆的位置和定向变化。雷达单元214可以表示利用无线电信号来感测自动驾驶车辆的本地环境内的对象的系统。在一些实施方式中，除感测对象之外，雷达单元214可以另外感测对象的速度和/或前进方向。LIDAR单元215可以使用激光来感测自动驾驶车辆所处环境中的对象。除其它系统部件之外，LIDAR单元215还可以包括一个或多个激光源、激光扫描器以及一个或多个检测器。摄像机211可以包括用来捕获自动驾驶车辆周围环境的图像的一个或多个装置。摄像机211可以是静物摄像机和/或视频摄像机。摄像机可以是可机械地移动的，例如，通过将摄像机安装在旋转和/或倾斜平台上。

传感器系统115还可以包括其它传感器，诸如：声纳传感器、红外传感器、转向传感器、油门传感器、制动传感器以及音频传感器(例如，麦克风)。音频传感器可以被配置成从自动驾驶车辆周围的环境中捕获声音。转向传感器可以被配置成感测方向盘、车辆的车轮或其组合的转向角度。油门传感器和制动传感器分别感测车辆的油门位置和制动位置。在一些情形下，油门传感器和制动传感器可以集成为集成式油门/制动传感器。

在一个实施方式中，车辆控制系统111包括但不限于转向单元201、油门单元202(也被称为加速单元)和制动单元203。转向单元201用来调整车辆的方向或前进方向。油门单元202用来控制电动机或发动机的速度，电动机或发动机的速度进而控制车辆的速度和加速度。制动单元203通过提供摩擦使车辆的车轮或轮胎减速而使车辆减速。应注意，如图2所示的部件可以以硬件、软件或其组合实施。

回到图1，无线通信系统112允许自动驾驶车辆101与诸如装置、传感器、其它车辆等外部系统之间的通信。例如，无线通信系统112可以与一个或多个装置直接无线通信，或者经由通信网络进行无线通信，诸如，通过网络102与服务器103至104通信。无线通信系统112可以使用任何蜂窝通信网络或无线局域网(WLAN)，例如，使用WiFi，以与另一部件或系统通信。无线通信系统112可以例如使用红外链路、蓝牙等与装置(例如，乘客的移动装置、显示装置、车辆101内的扬声器)直接通信。用户接口系统113可以是在车辆101内实施的外围装置的部分，包括例如键盘、触摸屏显示装置、麦克风和扬声器等。

自动驾驶车辆101的功能中的一些或全部可以由感知与规划系统110控制或管理，尤其当在自动驾驶模式下操作时。感知与规划系统110包括必要的硬件(例如，处理器、存储器、存储设备)和软件(例如，操作系统、规划和路线安排程序)，以从传感器系统115、控制系统111、无线通信系统112和/或用户接口系统113接收信息，处理所接收的信息，规划从起始点到目的地点的路线或路径，随后基于规划和控制信息来驾驶车辆101。替代地，感知与规划系统110可以与车辆控制系统111集成在一起。

例如，作为乘客的用户可以例如经由用户接口来指定行程的起始位置和目的地。感知与规划系统110获得行程相关数据。例如，感知与规划系统110可以从MPOI服务器中获得位置和路线信息，所述MPOI服务器可以是服务器103至104的一部分。位置服务器提供位置服务，并且MPOI服务器提供地图服务和某些位置的POI。替代地，此类位置和MPOI信息可以本地高速缓存在感知与规划系统110的永久性存储装置中。

当自动驾驶车辆101沿着路线移动时，感知与规划系统110也可以从交通信息系统或服务器(TIS)获得实时交通信息。应注意，服务器103至104可以由第三方实体进行操作。替代地，服务器103至104的功能可以与感知与规划系统110集成在一起。基于实时交通信息、MPOI信息和位置信息以及由传感器系统115检测或感测的实时本地环境数据(例如，障碍物、对象、附近车辆)，感知与规划系统110可以规划最佳路线并且根据所规划的路线例如经由控制系统111来驾驶车辆101，以安全且高效到达指定目的地。

服务器103可以是为多种客户端执行数据分析服务的数据分析系统。在一个实施方式中，数据分析系统103包括数据收集器121和机器学习引擎122。数据收集器121从多种车辆(自动驾驶车辆或由人类驾驶员驾驶的常规车辆)收集驾驶统计数据123。驾驶统计数据123包括指示发出的驾驶命令(例如，油门命令，制动命令，转向命令)以及在不同的时间点由车辆的传感器捕获的车辆的响应(例如，速度，加速度，减速度，方向)的信息。驾驶统计数据123还可以包括描述不同时间点的驾驶环境的信息，例如，路线(包括起始位置和目的地位置)，MPOI，道路条件，天气条件等。

基于驾驶统计数据123，机器学习引擎122执行或训练用于多种目的的规则集、算法和/或预测模型124。在一个实施方式中，模型124可以包括为了确定特定车辆的速度控制的单位增益的单位增益确定模型或单位增益代价函数。此种模型或代价函数是为了特定车辆或特定类型的车辆而基于这些车辆的相应驾驶统计数据来特定地学习和训练的。可以由机器学习引擎122通过“学习”驾驶统计数据123来创建单位增益确定模型或代价函数。然后，可以实时地使用单位增益确定模型或代价函数来确定速度控制单位增益，并且随后使用单位增益来生成速度控制命令。

图3是示出根据本发明一个实施方式的与自动驾驶车辆一起使用的感知与规划系统的示例的框图。系统300可以被实施为图1的自动驾驶车辆101的一部分，包括但不限于感知与规划系统110、控制系统111和传感器系统115。参考图3，感知与规划系统110包括但不限于定位模块301、感知模块302、决策模块303、规划模块304、控制模块305以及单位增益确定模块306。

模块301至306中的一些或全部可以以软件、硬件或其组合实施。例如，这些模块可以安装在永久性存储装置352中、加载到存储器351中，并且由一个或多个处理器(未示出)执行。应注意，这些模块中的一些或全部可以通信地联接到图2的车辆控制系统111的一些或全部模块或者与它们集成在一起。模块301至306中的一些可以一起集成为集成模块。

定位模块301(也被称为地图与路线模块)管理与用户的行程或路线相关的任何数据。用户可以例如经由用户接口登录并且指定行程的起始位置和目的地。定位模块301与自动驾驶车辆300的诸如地图和路线信息311的其它部件通信，以获得行程相关数据。例如，定位模块301可以基于位置和路线信息来确定车辆的位置，位置和路线信息可以从位置服务器和地图与POI(MPOI)服务器接收。位置服务器提供位置服务，并且MPOI服务器提供地图服务和某些位置的POI，从而可以作为地图和路线信息311的一部分高速缓存。当自动驾驶车辆300沿着路线移动时，定位模块301也可以从交通信息系统或服务器获得实时交通信息。

基于由传感器系统115提供的传感器数据和由定位模块301获得的定位信息，感知模块302确定对周围环境的感知。感知信息可以表示普通驾驶员在驾驶员正驾驶的车辆周围将感知到的东西。感知可以包括例如采用对象形式的车道配置(例如，直线车道或弯曲车道)、交通灯信号、另一车辆的相对位置、行人、建筑物、人行横道或其它交通相关标志(例如，停止标志、让行标志)等。

感知模块302可以包括计算机视觉系统或计算机视觉系统的功能，以处理并分析由一个或多个摄像机采集的图像，从而识别自动驾驶车辆环境中的对象和/或特征。所述对象可以包括交通信号、道路边界、其它车辆、行人和/或障碍物等。计算机视觉系统可以使用对象识别算法、视频跟踪以及其它计算机视觉技术。在一些实施方式中，计算机视觉系统可以绘制环境地图，跟踪对象，以及估算对象的速度等。感知模块302也可以基于由诸如雷达和/或LIDAR的其它传感器提供的其它传感器数据来检测对象。

针对每个对象，决策模块303作出关于如何处置对象的决定。例如，针对特定对象(例如，交叉路线中的另一车辆)以及描述对象的元数据(例如，速度、方向、转弯角度)，决策模块303决定如何与所述对象相遇(例如，超车、让行、停止、超过)。决策模块303可以根据诸如交通规则或驾驶规则312的规则集来作出此类决定，所述规则集可以存储在永久性存储装置352中。

基于针对所感知到的对象中的每个的决定，规划模块304为自动驾驶车辆规划路径或路线以及驾驶参数(例如，距离、速度和/或转弯角度)。换言之，针对给定的对象，决策模块303决定对该对象做什么，而规划模块304确定如何去做。例如，针对给定的对象，决策模块303可以决定超过所述对象，而规划模块304可以确定在所述对象的左侧还是右侧超过。规划和控制数据由规划模块304生成，包括描述车辆300在下一移动循环(例如，下一路线/路径段)中将如何移动的信息。例如，规划和控制数据可以指示车辆300以30英里每小时(mph)的速度移动10米，随后以25mph的速度变到右侧车道。

基于规划和控制数据，控制模块305根据由规划和控制数据限定的路线或路径通过将适当的命令或信号发送到车辆控制系统111来控制并驾驶自动驾驶车辆。所述规划和控制数据包括足够的信息，以沿着路径或路线在不同的时间点使用适当的车辆设置或驾驶参数(例如，油门、制动和转弯命令)将车辆从路线或路径的第一点驾驶到第二点。

应注意，决策模块303和规划模块304可以集成为集成模块。决策模块303/规划模块304可以包括导航系统或导航系统的功能，以确定自动驾驶车辆的驾驶路径。例如，导航系统可以确定用于实现自动驾驶车辆沿着以下路径移动的一系列速度和前进方向：所述路径在使自动驾驶车辆沿着通往最终目的地的基于车行道的路径前进的同时，基本上避免感知到的障碍物。目的地可以根据经由用户接口系统113进行的用户输入来设定。导航系统可以在自动驾驶车辆正在运行的同时动态地更新驾驶路径。导航系统可以将来自GPS系统和一个或多个地图的数据合并，以确定用于自动驾驶车辆的驾驶路径。

决策模块303/规划模块304还可以包括防撞系统或防撞系统的功能，以识别、评估并且避免或以其它方式越过自动驾驶车辆的环境中的潜在障碍物。例如，防撞系统可以通过以下方式实现自动驾驶车辆的导航中的变化：操作控制系统111中的一个或多个子系统来采取变向操纵、转弯操纵、制动操纵等。防撞系统可以基于周围的交通模式、道路状况等自动确定可行的障碍物回避操纵。防撞系统可以被配置成使得当其它传感器系统检测到位于自动驾驶车辆将变向进入的相邻区域中的车辆、建筑障碍物等时不采取变向操纵。防撞系统可以自动选择既可使用又使得自动驾驶车辆乘员的安全性最大化的操纵。防撞系统可以选择预测使得自动驾驶车辆的乘客舱中出现最小量的加速度的避让操纵。

根据一个实施方式，控制模块305包括速度控制模块(未示出)。速度控制模块配置成控制车辆的速度。基于由规划模块304提供的规划和控制数据，速度控制模块生成速度控制命令，诸如，油门命令或制动命令的油门百分比或制动百分比。在一个实施方式中，速度控制模块使用单位增益参数来确定用于下一命令周期的速度控制命令。例如，基于某一时间点处车辆的给定目标速度或目标加速度，速度控制模块使用单位增益来确定具有特定油门百分比的油门命令。

如上所述，不同的车辆的单位增益可以是不同的。对于在不同驾驶条件或驾驶环境下行驶的特定车辆，单位增益可以是不同的。在一个实施方式中，对于给定的驾驶环境，单位增益确定模块306配置成基于该时间点收集的驾驶统计数据动态地确定用于车辆的速度控制的单位增益。在一个实施方式中，单位增益例如可以由机器学习引擎122基于驾驶历史来配置为初始的单位增益值。当实时驾驶车辆(以手动驾驶模式或自动驾驶模式)时，可以收集驾驶统计数据313。驾驶统计数据313包括在不同时间点发出的速度控制命令(例如，油门命令，制动命令)以及响应于速度控制命令在不同时间点捕获和记录的车辆速度。

图4示出了驾驶统计数据313的示例。参考图4，记录在不同的命令周期401中发出的油门命令402。对于每个命令周期401，捕获车辆的速度403。基于不同的命令周期401中的车辆的速度403，假设命令延迟为一个命令周期，则可以例如基于两个命令周期的速度之差除以命令延迟(在本示例中为一个命令周期延迟)来得出加速度404。例如，命令周期T2的加速度可以通过将T2和T1处获得的速度之差(3.3-3.1)除以命令延迟(1)而确定为0.2。类似地，如果命令延迟为两个命令周期延迟，则可以得出不同的时间点401处的实际加速度405。例如，T3处的具有两个命令周期延迟的加速度可以确定为(4.3-3.1)/2＝0.6。命令延迟指的是发出控制命令(例如，油门命令)与来自车辆的响应或反应(例如，加速)之间的时间延迟。类似地，可以使用类似的过程基于速度命令和制动命令来确定减速度。

在一个实施方式中，可以基于车辆的驾驶统计数据来确定特定车辆或特定类型的车辆的命令延迟。具体地，在一段时间内收集特定类型或种类的多种自动驾驶车辆(也称为自动驾驶车辆或ADV)的驾驶统计数据，其中，驾驶统计数据可以由每个ADV的处理逻辑在ADV自动地或由人类驾驶员手动地驾驶时捕获和记录。驾驶统计数据可以包括关于驾驶命令(例如，油门命令，制动命令或转向命令)的信息、发出此类驾驶命令的时间、不同时间点的车辆行为(例如，响应于驾驶命令)、和/或从不同时间点的车辆行为得出的车辆的响应。

确定或限定用于ADV的预定命令延迟候选的列表。每个命令延迟候选由一个或多个命令周期表示。对于每个命令延迟候选，计算驾驶命令(例如，油门命令，制动命令或转向命令)的百分比，这使得与驾驶命令相符的ADV的响应与所讨论的命令延迟候选相关联。在已经确定对于所有命令延迟候选的与驾驶命令相符的所有响应百分比之后，选择具有最高百分比的命令延迟候选作为特定类型的ADV的命令延迟。此后，可以使用命令延迟来生成用于控制和驾驶相同类型或类似类型的ADV的规划和控制数据。关于确定命令延迟技术的进一步详细的信息可以在于2016年11月23日提交的名称为“确定自动驾驶车辆的命令延迟的方法(Method for Determining Command Delays of Autonomous Vehicles)”的第15/360,717号共同待审美国专利申请中找到，该美国专利申请通过引用方式以其全部内容并入本文。

返回参考图3，然后将驾驶统计数据313馈送到单位增益确定模型314中以确定在所述情况下车辆的单位增益。在一个实施方式中，响应于由一系列命令周期表示的在不同时间点发出的一系列速度控制命令，捕获自动驾驶车辆(ADV)的速度作为驾驶统计数据313的部分。对于每个命令周期，基于ADV的相应速度来计算第一速度变化率(例如，加速度或减速度)。使用预定算法或函数基于相应的速度控制命令来计算第二速度变化率。预定算法包括单位增益作为参数或系数来模拟或模仿实际加速率或减速率。使用代价函数基于第一速度变化率和第二速度变化率来确定预定算法的单位增益，使得第一速度变化率与第二速度变化率之差(例如，代价)在命令周期内达到最小值。然后，使用单位增益生成用于操作ADV的后续的速度控制命令。

在数学优化法、统计学、决策论和机器学习中，损失函数或代价函数是将一个或多个变量的事件或值映射到直观地表示与该事件有关的一些“代价”的实数的函数。优化问题的目的是最小化损失函数。在统计学中，损失函数通常用于参数估计，并且所讨论的事件是数据实例的估计值与真实值之间的差异的一些函数。用于监督式学习任务(诸如，回归或分类)的参数估计可以公式化为在训练集上的损失函数的最小化。估计的目标是找到很好地模拟其输入的函数：如果该函数被应用到训练集，则该函数应预测与该训练集中的样本有关的值(或类标签)。损失函数量化该预测与实测值偏离的量。

在一个实施方式中，基于作为训练集的驾驶统计数据313，使用预定算法或函数来估计速度变化率。算法的参数之一是用于基于速度控制命令值确定速度变化率的单位增益。一段时间内的实际速度变化率(例如，加速度，减速度)可以从驾驶统计数据313得出。然后，调用代价函数来估计算法的单位增益，以使得表示实际加速度/减速度与估计的加速度/减速度的差的代价最小化。当代价函数达到最小值时，可以确定该算法的参数，即，估计速度变化率的预定算法的单位增益。

图5是示出根据本发明的一个实施方式的在不同的驾驶环境下的车辆加速度曲线的图。参考图5，加速度(Y)表示车辆响应于油门命令(X)的实际加速度。通常，当油门百分比小于特定阈值(在本示例中为第一阈值(X1))时，车辆的加速度倾向于保持为水平的。这是因为由于车辆的重量或其他因素(例如，道路条件，天气条件)，所以车辆一开始不会急剧地加速。类似地，当油门百分比大于特定阈值(在本示例中为第二阈值(X2))时，车辆的加速度保持为水平的。原因在于，在特定油门水平之后，由于车辆的重量或其他因素(例如，道路条件、天气条件、风阻力)导致车辆不能再进行加速。在加速度方面，从零到X1以及大于X2的区域被称为死区，因为加速度将不会改变太多。

然而，在X1与X2之间的区域内，车辆的加速度根据具体的驾驶条件而改变。在本示例中，加速度曲线501至503表示车辆响应于不同的油门命令(X)的不同的实际加速度(Y)。实际加速度可以通过响应于油门命令在不同的时间点处的车辆速度得出。在本示例中，对于加速度曲线501的速度控制的单位增益高于加速度曲线502，对于加速度曲线502的速度控制的单位增益高于加速度曲线503。

如上所述，响应诸如油门命令的速度控制命令，相同的车辆可以在不同环境下做出不同反应(即，加速)。例如，具有更多乘客的车辆可能由于其更重的重量而更慢地或更少地加速，并且因此该车辆的单位增益较低。如果车辆在崎岖的道路上或在由于天气条件导致的湿滑道路上行驶，则该车辆的加速率可能较低，并且因此车辆的单位增益可较低。类似地，逆风行驶的车辆的单位增益可能较低。车辆的加速度还可能由于其他车辆特性(诸如轮胎压力)以及由于车辆的结构或形状导致当时的当前速度或风阻力而改变。车辆的反应可能受这些因素影响，这可能影响后续的速度控制决策。通过动态地确定特定驾驶环境的单位增益，可以为特定驾驶环境恰当地发出后续的速度控制命令。驾驶环境指的是具有特定数量的乘客的特定车辆、道路条件、天气条件、轮胎压力等中的一个或多个的组合。

图6是示出根据本发明的一个实施方式的基于速度控制命令来估计速度变化率的算法的示例的图。参考图6，可以使用示出的算法来预测或估计速度变化率，可以使用如上所述的代价函数将预测或估计出的速度变化率与实际的速度变化率进行比较以确定单位增益。在本示例中，可以例如由机器学习引擎122基于相同或类似车辆的驾驶统计历史，离线地建模和创建基于油门命令(X)用于估计加速度(Y’)的函数f(x)。

在一个实施方式中，如果油门命令(x)小于X1(例如，死区)，则对加速度Y’分配第一预定阈值或值，在本示例中为B1。如果油门命令(x)大于X2(例如，死区)，则对加速度Y’分配第二预定阈值或值，在本示例中为B2。如果油门命令(x)大于或等于X1并且小于或等于X2，则速度变化率Y’可计算为单位增益与速度控制值(例如，表示油门百分比的油门命令值)的乘积。在具体实施方式中，速度变化率(Y’)是速度控制值与第一预定阈值(X1)之差和单位增益的乘积。在一个实施方式中，函数f(x)可以确定为以下公式：

Y’＝f(x)＝B1+k(x–X1)

这里，系数(k)被称为单位增益。只要已使用以上公式估计出所有命令周期的估计的加速度Y’，则调用代价函数来确定单位增益(k)，使得实际加速度(Y)与估计的加速度(Y’)之差在命令周期内达到最小值。在一个实施方式中，代价函数是可以是如下限定的最小平方函数：

其中，N表示涉及的命令周期的数量。在一个实施方式中，上述技术可以在图7所示的单位增益确定或预测模型中实施，单位增益确定或预测模型可以实现为线性多项式步骤的函数或指数函数。可以例如由数据分析系统103的机器学习引擎122离线地创建和训练单位增益确定模型。可以将驾驶统计数据馈送到单位增益确定模型中，并且该模型将使用以上描述的技术中的一些技术来生成预测的单位增益。

图8是示出根据本发明的一个实施方式的确定用于自动驾驶车辆的速度控制的单位增益的过程的流程图。过程800可以由处理逻辑执行，处理逻辑可以包括软件、硬件或它们的组合。例如，过程800可以由单位增益确定模块306执行。参考图8，在操作801中，处理逻辑响应于由命令周期表示的在不同时间点的一系列速度控制命令(例如，油门命令、制动命令)，捕获自动驾驶车辆的速度作为驾驶统计数据的部分。车辆可以以手动驾驶模式或自动驾驶模式行驶。在操作802中，对于每个命令周期，处理逻辑基于不同时间点的自动驾驶车辆的速度，计算第一速度变化率(例如，诸如加速度或减速度的实际速度变化率)。在操作803中，处理逻辑使用预定算法或函数基于速度控制命令，来计算第二速度变化率(例如，估计的或预测的速度变化率)。在操作804中，处理逻辑调用代价函数基于第一速度变化率和第二速度变化率来确定用于速度控制的单位增益，使得表示第一速度变化率与第二速度变化率之差的代价在一系列命令周期内达到最小值。在操作805中，处理逻辑基于确定出的单位增益生成后续的速度控制命令。

应注意，如上文示出和描述的部件中的一些或全部可以在软件、硬件或其组合中实施。例如，此类部件可以实施为安装并存储在永久性存储装置中的软件，所述软件可以通过处理器(未示出)加载在存储器中并在存储器中执行以实施贯穿本申请所述的过程或操作。替代地，此类部件可以实施为编程或嵌入到专用硬件(诸如，集成电路(例如，专用集成电路或ASIC)、数字信号处理器(DSP)或现场可编程门阵列(FPGA))中的可执行代码，所述可执行代码可以经由来自应用的相应驱动程序和/或操作系统来访问。此外，此类部件可以实施为处理器或处理器内核中的特定硬件逻辑，作为可由软件部件通过一个或多个特定指令访问的指令集的一部分。

图9是示出可以与本发明的一个实施方式一起使用的数据处理系统的示例的框图。例如，系统1500可以表示以上所述的执行上述过程或方法中的任一个的任何数据处理系统，例如，图1的感知与规划系统110或者服务器103至104中的任一个。系统1500可以包括许多不同的部件。这些部件可以实施为集成电路(IC)、集成电路的部分、分立电子装置或适用于电路板(诸如，计算机系统的主板或插入卡)的其它模块或者实施为以其它方式并入计算机系统的机架内的部件。

还应注意，系统1500旨在示出计算机系统的许多部件的高阶视图。然而，应当理解的是，某些实施例中可以具有附加的部件，此外，其它实施例中可以具有所示部件的不同布置。系统1500可以表示台式计算机、膝上型计算机、平板计算机、服务器、移动电话、媒体播放器、个人数字助理(PDA)、智能手表、个人通信器、游戏装置、网络路由器或集线器、无线接入点(AP)或中继器、机顶盒或其组合。此外，虽然仅示出了单个机器或系统，但是术语“机器”或“系统”还应当被理解为包括单独地或共同地执行一个(或多个)指令集以执行本文所讨论的任何一种或多种方法的机器或系统的任何集合。

在一个实施方式中，系统1500包括通过总线或互连件1510连接的处理器1501、存储器1503以及装置1505至1508。处理器1501可以表示其中包括单个处理器内核或多个处理器内核的单个处理器或多个处理器。处理器1501可以表示一个或多个通用处理器，诸如，微处理器、中央处理单元(CPU)等。更具体地，处理器1501可以是复杂指令集计算(CISC)微处理器、精简指令集计算(RISC)微处理器、超长指令字(VLIW)微处理器、或实施其它指令集的处理器、或实施指令集组合的处理器。处理器1501还可以是一个或多个专用处理器，诸如，专用集成电路(ASIC)、蜂窝或基带处理器、现场可编程门阵列(FPGA)、数字信号处理器(DSP)、网络处理器、图形处理器、通信处理器、加密处理器、协处理器、嵌入式处理器、或者能够处理指令的任何其它类型的逻辑。

处理器1501(其可以是低功率多核处理器套接口，诸如超低电压处理器)可以充当用于与所述系统的各种部件通信的主处理单元和中央集线器。这种处理器可以实施为片上系统(SoC)。处理器1501被配置成执行用于执行本文所讨论的操作和步骤的指令。系统1500还可以包括与可选的图形子系统1504通信的图形接口，图形子系统1504可以包括显示控制器、图形处理器和/或显示装置。

处理器1501可以与存储器1503通信，存储器1503在一个实施方式中可以经由多个存储器装置实施以提供给定量的系统存储。存储器1503可以包括一个或多个易失性存储(或存储器)装置，诸如，随机存取存储器(RAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、静态RAM(SRAM)或者其它类型的存储装置。存储器1503可以存储包括由处理器1501或任何其它装置执行的指令序列的信息。例如，各种操作系统、装置驱动程序、固件(例如，输入输出基本系统或BIOS)和/或应用的可执行代码和/或数据可以加载到存储器1503中并由处理器1501执行。操作系统可以是任何类型的操作系统，例如，机器人操作系统(ROS)、来自

公司的

操作系统、来自苹果公司的Mac

来自

公司的

LINUX、UNIX，或者其它实时或嵌入式操作系统。

系统1500还可以包括IO装置，诸如装置1505至1508，包括网络接口装置1505、可选的输入装置1506，以及其它可选的IO装置1507。网络接口装置1505可以包括无线收发器和/或网络接口卡(NIC)。所述无线收发器可以是WiFi收发器、红外收发器、蓝牙收发器、WiMax收发器、无线蜂窝电话收发器、卫星收发器(例如，全球定位系统(GPS)收发器)或其它射频(RF)收发器或者它们的组合。NIC可以是以太网卡。

输入装置1506可以包括鼠标、触摸板、触敏屏幕(其可以与显示装置1504集成在一起)、指针装置(诸如，手写笔)和/或键盘(例如，物理键盘或作为触敏屏幕的一部分显示的虚拟键盘)。例如，输入装置1506可以包括联接到触摸屏的触摸屏控制器。触摸屏和触摸屏控制器例如可以使用多种触敏技术(包括但不限于电容、电阻、红外和表面声波技术)中的任一种，以及其它接近传感器阵列或用于确定与触摸屏接触的一个或多个点的其它元件来检测其接触和移动或间断。

IO装置1507可以包括音频装置。音频装置可以包括扬声器和/或麦克风，以促进支持语音的功能，诸如语音识别、语音复制、数字记录和/或电话功能。其它IO装置1507还可以包括通用串行总线(USB)端口、并行端口、串行端口、打印机、网络接口、总线桥(例如，PCI-PCI桥)、传感器(例如，诸如加速度计运动传感器、陀螺仪、磁强计、光传感器、罗盘、接近传感器等)或者它们的组合。装置1507还可以包括成像处理子系统(例如，摄像机)，所述成像处理子系统可以包括用于促进摄像机功能(诸如，记录照片和视频片段)的光学传感器，诸如电荷耦合装置(CCD)或互补金属氧化物半导体(CMOS)光学传感器。某些传感器可以经由传感器集线器(未示出)联接到互连件1510，而诸如键盘或热传感器的其它装置可以根据系统1500的具体配置或设计由嵌入式控制器(未示出)控制。

为了提供对诸如数据、应用、一个或多个操作系统等信息的永久性存储，大容量存储设备(未示出)也可以联接到处理器1501。在各种实施方式中，为了实现更薄且更轻的系统设计并且改进系统响应性，这种大容量存储设备可以经由固态装置(SSD)来实施。然而，在其它实施方式中，大容量存储设备可以主要使用硬盘驱动器(HDD)来实施，其中较小量的SSD存储设备充当SSD高速缓存以在断电事件期间实现上下文状态以及其它此类信息的非易失性存储，从而使得在系统活动重新启动时能够实现快速通电。另外，闪存装置可以例如经由串行外围接口(SPI)联接到处理器1501。这种闪存装置可以提供系统软件的非易失性存储，所述系统软件包括所述系统的BIOS以及其它固件。

存储装置1508可以包括计算机可访问的存储介质1509(也被称为机器可读存储介质或计算机可读介质)，其上存储有体现本文所述的任何一种或多种方法或功能的一个或多个指令集或软件(例如，模块、单元和/或逻辑1528)。处理模块/单元/逻辑1528可以表示上述部件中的任一个，例如，规划模块304、控制模块305和/或单位增益确定模块306。处理模块/单元/逻辑1528还可以在其由数据处理系统1500、存储器1503和处理器1501执行期间完全地或至少部分地驻留在存储器1503内和/或处理器1501内，数据处理系统1500、存储器1503和处理器1501也构成机器可访问的存储介质。处理模块/单元/逻辑1528还可以通过网络经由网络接口装置1505进行传输或接收。

计算机可读存储介质1509也可以用来永久性地存储以上描述的一些软件功能。虽然计算机可读存储介质1509在示例性实施方式中被示为单个介质，但是术语“计算机可读存储介质”应当被认为包括存储所述一个或多个指令集的单个介质或多个介质(例如，集中式或分布式数据库和/或相关联的高速缓存和服务器)。术语“计算机可读存储介质”还应当被认为包括能够存储或编码指令集的任何介质，所述指令集用于由机器执行并且使得所述机器执行本发明的任何一种或多种方法。因此，术语“计算机可读存储介质”应当被认为包括但不限于固态存储器以及光学介质和磁性介质，或者任何其它非暂时性机器可读介质。

本文所述的处理模块/单元/逻辑1528、部件以及其它特征可以实施为分立硬件部件或集成在硬件部件(诸如，ASICS、FPGA、DSP或类似装置)的功能中。此外，处理模块/单元/逻辑1528可以实施为硬件装置内的固件或功能电路。此外，处理模块/单元/逻辑1528可以以硬件装置和软件部件的任何组合来实施。

应注意，虽然系统1500被示出为具有数据处理系统的各种部件，但是并不旨在表示使部件互连的任何特定架构或方式；因为此类细节和本发明的实施方式没有密切关系。还应当认识到，具有更少部件或可能具有更多部件的网络计算机、手持计算机、移动电话、服务器和/或其它数据处理系统也可以与本发明的实施方式一起使用。

前述详细描述中的一些部分已经根据在计算机存储器内对数据位的运算的算法和符号表示而呈现。这些算法描述和表示是数据处理领域中的技术人员所使用的方式，以将他们的工作实质最有效地传达给本领域中的其他技术人员。本文中，算法通常被认为是导致所期望结果的自洽操作序列。这些操作是指需要对物理量进行物理操控的操作。

然而，应当牢记，所有这些和类似的术语均旨在与适当的物理量关联，并且仅仅是应用于这些量的方便标记。除非在以上讨论中以其它方式明确地指出，否则应当了解，在整个说明书中，利用术语(诸如所附权利要求书中所阐述的术语)进行的讨论是指计算机系统或类似电子计算装置的动作和处理，所述计算机系统或电子计算装置操控计算机系统的寄存器和存储器内的表示为物理(电子)量的数据，并将所述数据变换成计算机系统存储器或寄存器或者其它此类信息存储设备、传输或显示装置内类似地表示为物理量的其它数据。

本发明的实施方式还涉及用于执行本文中的操作的设备。这种计算机程序被存储在非暂时性计算机可读介质中。机器可读介质包括用于以机器(例如，计算机)可读的形式存储信息的任何机构。例如，机器可读(例如，计算机可读)介质包括机器(例如，计算机)可读存储介质(例如，只读存储器(“ROM”)、随机存取存储器(“RAM”)、磁盘存储介质、光存储介质、闪存存储器装置)。

前述附图中所描绘的过程或方法可以由处理逻辑来执行，所述处理逻辑包括硬件(例如，电路、专用逻辑等)、软件(例如，体现在非暂时性计算机可读介质上)或两者的组合。尽管所述过程或方法在上文是依据一些顺序操作来描述的，但是应当了解，所述操作中的一些可以按不同的顺序执行。此外，一些操作可以并行地执行而不是顺序地执行。

本发明的实施方式并未参考任何特定的编程语言进行描述。应认识到，可以使用多种编程语言来实施如本文描述的本发明的实施方式的教导。

在以上的说明书中，已经参考本发明的具体示例性实施方式对本发明的实施方式进行了描述。将显而易见的是，在不脱离所附权利要求书中阐述的本发明的更宽泛精神和范围的情况下，可以对本发明作出各种修改。因此，应当在说明性意义而不是限制性意义上来理解本说明书和附图。

Claims (22)

1.用于确定自动驾驶车辆的速度控制的单位增益的计算机实现的方法，所述方法包括：

响应于由多个命令周期表示的在不同时间点处的多个速度控制命令，捕获自动驾驶车辆的速度；

对于所述命令周期中的每个命令周期，

基于所述自动驾驶车辆的速度计算第一速度变化率，所述第一速度变化率为实际的速度变化率，以及

使用预定算法基于相应的速度控制命令计算第二速度变化率，所述第二速度变化率为估计的或预测的速度变化率；以及

使用代价函数基于所述第一速度变化率和所述第二速度变化率确定速度控制的单位增益，使得表示所述第一速度变化率与所述第二速度变化率之差的代价达到最小值，其中，所述单位增益被用来生成后续速度控制命令。

2.根据权利要求1所述的方法，其中，响应于第二命令周期发出的速度控制命令，基于在第一命令周期测量出的车辆速度来计算对于所述第一命令周期的所述第一速度变化率。

3.根据权利要求2所述的方法，其中，所述第一命令周期与所述第二命令周期之差表示与所述自动驾驶车辆有关的命令延迟。

4.根据权利要求1所述的方法，其中，所述代价函数基于所述单位增益和速度控制值的乘积计算特定命令周期的所述第二速度变化率，其中所述速度控制值表示与所述特定命令周期对应的速度控制命令。

5.根据权利要求4所述的方法，还包括：

如果对应的速度控制值小于第一预定阈值，则将所述第二速度变化率设定为第一预定速度变化率；以及

如果对应的速度控制值大于第二预定阈值，则将所述第二速度变化率设定为第二预定速度变化率。

6.根据权利要求5所述的方法，还包括：将所述第二速度变化率设定为所述速度控制值与所述第一预定阈值之差和所述单位增益的乘积。

7.根据权利要求1所述的方法，其中，基于所述第一速度变化率和所述第二速度变化率确定速度控制的单位增益包括基于所述第一速度变化率与所述第二速度变化率之差使得最小平方代价函数最小化。

8.根据权利要求7所述的方法，其中，基于所述第一速度变化率与所述第二速度变化率之差使得最小平方代价函数最小化的步骤在多个命令周期内执行。

9.非暂时性机器可读介质，所述非暂时性机器可读介质中存储有指令，所述指令在由处理器执行时使得所述处理器执行操作，所述操作包括：

响应于由多个命令周期表示的不同时间点处的多个速度控制命令，捕获自动驾驶车辆的速度；

对于所述命令周期中的每个命令周期，

基于所述自动驾驶车辆的速度计算第一速度变化率，所述第一速度变化率为实际的速度变化率，以及

使用预定算法基于相应的速度控制命令计算第二速度变化率，所述第二速度变化率为估计的或预测的速度变化率；以及

使用代价函数基于所述第一速度变化率和所述第二速度变化率确定速度控制的单位增益，使得表示所述第一速度变化率与所述第二速度变化率之差的代价达到最小值，其中，所述单位增益被用来生成后续速度控制命令。

10.根据权利要求9所述的机器可读介质，其中，响应于第二命令周期发出的速度控制命令，基于在第一命令周期测量出的车辆速度来计算对于所述第一命令周期的所述第一速度变化率。

11.根据权利要求10所述的机器可读介质，其中，所述第一命令周期与所述第二命令周期之差表示与所述自动驾驶车辆有关的命令延迟。

12.根据权利要求9所述的机器可读介质，其中，所述代价函数基于所述单位增益和速度控制值的乘积计算特定命令周期的所述第二速度变化率，其中所述速度控制值表示与所述特定命令周期对应的速度控制命令。

13.根据权利要求12所述的机器可读介质，其中，所述操作还包括：

如果对应的速度控制值小于第一预定阈值，则将所述第二速度变化率设定为第一预定速度变化率；以及

如果对应的速度控制值大于第二预定阈值，则将所述第二速度变化率设定为第二预定速度变化率。

14.根据权利要求13所述的机器可读介质，其中，所述操作还包括将所述第二速度变化率设定为所述速度控制值与所述第一预定阈值之差和所述单位增益的乘积。

15.根据权利要求9所述的机器可读介质，其中，基于所述第一速度变化率和所述第二速度变化率确定速度控制的单位增益包括基于所述第一速度变化率与所述第二速度变化率之差使得最小平方代价函数最小化。

16.根据权利要求15所述的机器可读介质，其中，基于所述第一速度变化率与所述第二速度变化率之差使得最小平方代价函数最小化的步骤在多个命令周期内执行。

17.一种数据处理系统，包括：

处理器；以及

存储器，所述存储器与所述处理器联接以存储指令，所述指令在由所述处理器执行时使得所述处理器执行操作，所述操作包括：

响应于由多个命令周期表示的不同时间点处的多个速度控制命令，捕获自动驾驶车辆的速度；

对于所述命令周期中的每个命令周期，

基于所述自动驾驶车辆的速度计算第一速度变化率，所述第一速度变化率为实际的速度变化率，以及

使用预定算法基于相应的速度控制命令计算第二速度变化率，所述第二速度变化率为估计的或预测的速度变化率；以及

使用代价函数基于所述第一速度变化率和所述第二速度变化率确定速度控制的单位增益，使得表示所述第一速度变化率与所述第二速度变化率之差的代价达到最小值，其中，所述单位增益被用来生成后续速度控制命令。

18.根据权利要求17所述的系统，其中，响应于第二命令周期发出的速度控制命令，基于在第一命令周期测量出的车辆速度来计算对于所述第一命令周期的所述第一速度变化率。

19.根据权利要求18所述的系统，其中，所述第一命令周期与所述第二命令周期之差表示与所述自动驾驶车辆有关的命令延迟。

20.根据权利要求17所述的系统，其中，所述代价函数基于所述单位增益和速度控制值的乘积计算特定命令周期的所述第二速度变化率，其中所述速度控制值表示与所述特定命令周期对应的速度控制命令。

21.根据权利要求20所述的系统，其中，所述操作还包括：

如果对应的速度控制值小于第一预定阈值，则将所述第二速度变化率设定为第一预定速度变化率；以及

如果对应的速度控制值大于第二预定阈值，则将所述第二速度变化率设定为第二预定速度变化率。

22.根据权利要求21所述的系统，其中，所述操作还包括将所述第二速度变化率设定为所述速度控制值与所述第一预定阈值之差和所述单位增益的乘积。

Images