CN108519738A - 一种车辆运动状态信息延时补偿方法和装置 - Google Patents

一种车辆运动状态信息延时补偿方法和装置 Download PDF

Info

Publication number
CN108519738A
CN108519738A CN201810333048.2A CN201810333048A CN108519738A CN 108519738 A CN108519738 A CN 108519738A CN 201810333048 A CN201810333048 A CN 201810333048A CN 108519738 A CN108519738 A CN 108519738A
Authority
CN
China
Prior art keywords
moment
motion state
time
information
prediction
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.)
Pending
Application number
CN201810333048.2A
Other languages
English (en)
Inventor
蒋华涛
常琳
李庆
陈大鹏
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.)
Institute of Microelectronics of CAS
Original Assignee
Institute of Microelectronics of CAS
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 Institute of Microelectronics of CAS filed Critical Institute of Microelectronics of CAS
Priority to CN201810333048.2A priority Critical patent/CN108519738A/zh
Publication of CN108519738A publication Critical patent/CN108519738A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
    • G05D1/0289—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling with means for avoiding collisions between vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种车辆运动状态信息延时补偿的方法和装置，该方法包括：获得周围车辆的包括第一时刻位移、第一时刻速度和第一时刻加速度的第一时刻运动状态信息；根据第一时刻运动状态信息和基于当前统计模型得到的运动状态方程，预测获得晚于第一时刻的周围车辆的第二时刻运动状态预测信息；根据延时时间、第二时刻运动状态预测信息和基于位移‑速度关系式与速度‑加速度关系式得到的延时补偿算法，补偿获得周围车辆的第二时刻目标运动状态信息。可见，采用延时补偿算法对第二时刻运动状态预测信息一定的延时补偿，获得更准确的第二时刻运动状态信息，从而车辆根据较为准确的运动状态信息及时进行自身车辆驾驶策略的调整，提高车辆行车安全性。

Description

一种车辆运动状态信息延时补偿方法和装置
技术领域
本发明涉及车车通信技术领域，尤其涉及一种车辆运动状态信息延时补偿的方法和装置。
背景技术
随着科技的发展，车车通信(英文：vehicle-to-vehicle communication，缩写：V2V)技术的普及越来越广，V2V技术是指车辆间基于无线的数据传输，由无线通信技术发展而来，要求车辆与车辆之间可以实现自主通信。驾驶者根据V2V技术可以在超视距范围内获知周围其他车辆的运动状态信息等，从而能够基于运动状态信息及时地调整自身车辆驾驶策略，有效避免交通事故的发生。因此，V2V技术对于智能汽车以及智能交通而言及其重要。
但是，发明人经过研究发现，在车辆行驶过程中，V2V技术会受到车辆高速移动、广播信道衰减等因素的影响，存在一定的通信延时。该通信延时严重影响车辆之间信息传输的准确性，使得车辆获知的周围其他车辆的运动状态信息并不是实时的，即，获知的周围其他车辆的运动状态信息不准确；从而影响车辆根据周围车辆的运动状态信息及时进行自身车辆驾驶策略的调整，可能出现交通事故，无法及时确保车辆的行车安全。
发明内容
本发明所要解决的技术问题是，提供一种车辆运动状态信息延时补偿的方法和装置，对通信延时进行一定的补偿，从而使车辆能够更精确的接收周围车辆的运动状态信息，保证行车安全。
第一方面，本发明实施例提供了一种车辆运动状态信息延时补偿的方法，该方法包括：
获得周围车辆的第一时刻运动状态信息，所述第一时刻运动状态信息包括第一时刻位移、第一时刻速度和第一时刻加速度；
根据所述第一时刻运动状态信息和运动状态方程，预测获得所述周围车辆的第二时刻运动状态预测信息，所述运动状态方程是基于所述周围车辆的当前统计模型得到的，所述第二时刻晚于所述第一时刻；
根据延时时间、所述第二时刻运动状态预测信息和延时补偿算法，补偿获得所述周围车辆的第二时刻目标运动状态信息，所述延时补偿算法是基于位移-速度关系式和速度-加速度关系式得到的。
优选的，所述第二时刻运动状态预测信息包括第二时刻位移预测值、第二时刻速度预测值和第二时刻加速度预测值；
对应地，所述根据延时时间、所述第二时刻运动状态预测信息和延时补偿算法，补偿获得所述周围车辆的第二时刻目标运动状态信息，包括：
利用延时时间与所述第二时刻位速度预测值的乘积补偿所述第二时刻位移预测值，获得第二时刻位目标位移；
利用延时时间与所述第二时刻位加速度预测值的乘积补偿所述第二时刻速度预测值，获得第二时刻位目标速度。
优选的，所述第一时刻运动状态信息的获得方法包括：
根据所述周围车辆的第三时刻运动状态信息和运动状态方程，预测获得所述周围车辆的第一时刻运动状态预测信息，所述第三时刻早于所述第一时刻；
获取所述周围车辆的第一时刻运动状态观测信息；
根据第三时刻最优估计误差协方差矩阵和白噪声协方差矩阵，获得第一时刻预测误差协方差矩阵，所述白噪声协方差矩阵为常值矩阵；
根据所述第一时刻预测误差协方差矩阵，获得所述第一时刻卡尔曼增益矩阵；
根据所述第一时刻卡尔曼增益矩阵、所述第一时刻运动状态预测信息和所述第一时刻运动状态观测信息，获得第一时刻运动状态信息。
优选的，还包括：
根据第三时刻对应的平均加速度、加速度最大值和加速度方差公式，获得第三时刻加速度方差；
根据所述第三时刻加速度方差，调整所述白噪声协方差矩阵；
对应地，所述根据第三时刻最优估计误差协方差矩阵和白噪声协方差矩阵，获得第一时刻预测误差协方差矩阵，具体为：根据所述第三时刻最优估计误差协方差矩阵和调整后的白噪声协方差矩阵，获得第一时刻预测误差协方差矩阵。
优选的，还包括：
根据所述周围车辆的第二时刻目标运动状态信息，调整自身车辆的运动状态。
第二方面，本发明实施例提供了一种车通信链路延时补偿的装置，该装置包括：
第一获得单元，用于获得周围车辆的第一时刻运动状态信息，所述第一时刻运动状态信息包括第一时刻位移、第一时刻速度和第一时刻加速度；
预测获得单元，用于根据所述第一时刻运动状态信息和运动状态方程，预测获得所述周围车辆的第二时刻运动状态预测信息，所述运动状态方程是基于所述周围车辆的当前统计模型得到的，所述第二时刻晚于所述第一时刻；
补偿获得单元，用于根据延时时间、所述第二时刻运动状态预测信息和延时补偿算法，补偿获得所述周围车辆的第二时刻目标运动状态信息，所述延时补偿算法是基于位移-速度关系式和速度-加速度关系式得到的。
优选的，所述第二时刻运动状态预测信息包括第二时刻位移预测值、第二时刻速度预测值和第二时刻加速度预测值；
对应地，所述补偿获得单元包括：
第一获得子单元，用于利用延时时间与所述第二时刻位速度预测值的乘积补偿所述第二时刻位移预测值，获得第二时刻位目标位移；
第二获得子单元，用于利用延时时间与所述第二时刻位加速度预测值的乘积补偿所述第二时刻速度预测值，获得第二时刻位目标速度。
优选的，还包括：第二获得单元，所述第二获得单元，用于获得第一时刻运动状态信息；
所述第二获得单元包括：
第一预测获得子单元，用于根据所述周围车辆的第三时刻运动状态信息和运动状态方程，预测获得所述周围车辆的第一时刻运动状态预测信息，所述第三时刻早于所述第一时刻；
第一获取子单元，用于获取所述周围车辆的第一时刻运动状态观测信息；
第三获得子单元，用于根据第三时刻最优估计误差协方差矩阵和白噪声协方差矩阵，获得第一时刻预测误差协方差矩阵，所述白噪声协方差矩阵为常值矩阵；
第四获得子单元，用于根据所述第一时刻预测误差协方差矩阵，获得所述第一时刻卡尔曼增益矩阵；
第五获得子单元，用于根据所述第一时刻卡尔曼增益矩阵、所述第一时刻运动状态预测信息和所述第一时刻运动状态观测信息，获得第一时刻运动状态信息。
优选的，第二获得单元还包括：
第六获得子单元，用于根据第三时刻对应的平均加速度、加速度最大值和加速度方差公式，获得第三时刻加速度方差；
第七获得子单元，用于根据所述第三时刻加速度方差，调整所述白噪声协方差矩阵；
对应地，所述第四获得子单元，具体用于根据所述第三时刻最优估计误差协方差矩阵和调整后的白噪声协方差矩阵，获得第一时刻预测误差协方差矩阵。
优选的，还包括：
调整单元，用于根据所述周围车辆的第二时刻目标运动状态信息，调整自身车辆的运动状态。
与现有技术相比，本发明至少具有以下优点：
采用本发明实施例的技术方案，首先，获得周围车辆的包括第一时刻位移、第一时刻速度和第一时刻加速度的第一时刻运动状态信息；然后，根据所述第一时刻运动状态信息和基于所述周围车辆的当前统计模型得到的运动状态方程，预测获得所述周围车辆的第二时刻运动状态预测信息，所述第二时刻晚于所述第一时刻；最后，根据延时时间、所述第二时刻运动状态预测信息和基于位移-速度关系式与速度-加速度关系式得到的延时补偿算法，补偿获得所述周围车辆的第二时刻目标运动状态信息。由此可见，采用延时补偿算法对预测获得的周围车辆的第二时刻运动状态预测信息一定的延时补偿，弥补了延时时间内第二时刻运动状态的变化量，提高了预测运动状态信息的准确性，得到更加准确的第二时刻运动状态信息，从而使得车辆根据较为准确的运动状态信息及时进行自身车辆驾驶策略的调整，避免发生交通事故，增强车辆行车安全性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例中一种应用场景所涉及的系统框架示意图；
图2为本发明实施例提供的一种车辆运动状态信息延时补偿的方法的流程示意图；
图3为本发明实施例提供的一种车辆运动状态信息延时补偿的装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
发明人经过研究发现，随着科技的发展，V2V技术的普及越来越广，在车辆行驶过程中，驾驶者根据V2V技术可以在超视距范围内获知周围其他车辆的运动状态信息等，从而能够基于运动状态信息及时地调整自身车辆驾驶策略，有效避免交通事故的发生。但是，在实际行驶过程中，V2V技术会受到车辆高速移动、广播信道衰减等因素的影响，存在一定的通信延时。该通信延时严重影响车辆之间信息传输的准确性，使得车辆获知的周围其他车辆的运动状态信息并不是实时的准确的，从而影响车辆根据周围车辆的运动状态信息及时进行自身车辆驾驶策略的调整，可能出现交通事故，无法及时确保车辆的行车安全。
为了解决这一问题，在本发明实施例中，首先，获得周围车辆的包括第一时刻位移、第一时刻速度和第一时刻加速度的第一时刻运动状态信息；然后，根据所述第一时刻运动状态信息和基于所述周围车辆的当前统计模型得到的运动状态方程，预测获得所述周围车辆的第二时刻运动状态预测信息，所述第二时刻晚于所述第一时刻；最后，根据延时时间、所述第二时刻运动状态预测信息和基于位移-速度关系式与速度-加速度关系式得到的延时补偿算法，补偿获得所述周围车辆的第二时刻目标运动状态信息。由此可见，采用延时补偿算法对预测获得的周围车辆的第二时刻运动状态预测信息一定的延时补偿，弥补了延时时间内第二时刻运动状态的变化量，提高了预测运动状态信息的准确性，得到更加准确的第二时刻运动状态信息，从而使得车辆根据较为准确的运动状态信息及时进行自身车辆驾驶策略的调整，避免发生交通事故，增强车辆行车安全性。
举例来说，本发明实施例的场景之一，可以是应用到如图1所示的场景中，该场景中包括信号接收器101和车辆电子控制单元(英文：Electronic Control Unit，缩写：ECU)102。信号接收器101接收周围车辆的第一时刻运动状态观测信息，并发送给车辆ECU102，车辆ECU102基于预测得到的周围车辆的第一时刻运动状态预测信息和接收到的周围车辆的第一时刻运动状态观测信息，获得周围车辆的第一时刻运动状态信息，所述第一时刻运动状态信息包括第一时刻位移、第一时刻速度和第一时刻加速度。车辆ECU102根据所述第一时刻运动状态信息和运动状态方程，预测获得所述周围车辆的第二时刻运动状态预测信息，所述运动状态方程是基于所述周围车辆的当前统计模型得到的，所述第二时刻晚于所述第一时刻。车辆ECU102根据延时时间、所述第二时刻运动状态预测信息和延时补偿算法，补偿获得所述周围车辆的第二时刻目标运动状态信息，所述延时补偿算法是基于位移-速度关系式和速度-加速度关系式得到的。车辆ECU102根据所述周围车辆的第二时刻目标运动状态信息，调整自身车辆的运动状态。
可以理解的是，在上述应用场景中，虽然将本发明实施方式的动作描述由车辆ECU102执行，但是，本发明在执行主体方面不受限制，只要执行了本发明实施方式所公开的动作即可。
可以理解的是，上述场景仅是本发明实施例提供的一个场景示例，本发明实施例并不限于此场景。
下面结合附图，通过实施例来详细说明本发明实施例中车辆运动状态信息延时补偿的方法和装置的具体实现方式。
示例性方法
参见图2，示出了本发明实施例中一种车辆运动状态信息延时补偿的方法的流程示意图。在本实施例中，所述方法例如可以包括以下步骤：
步骤201：获得周围车辆的第一时刻运动状态信息，所述第一时刻运动状态信息包括第一时刻位移、第一时刻速度和第一时刻加速度。
可以理解的是，对于预测而言，一般是基于历史时刻的信息来预测未来时刻，在本实施例中是基于早于第二时刻的第一时刻的运动状态信息进行预测得到第二时刻的运动状态预测信息，因此，首先应该获得周围车辆的第一时刻运动状态信息。其中，对于车辆而言，驾驶员渴望获得的运动状态信息主要是指车辆行驶时的位移、速度和加速度，这些数据有助于驾驶员判断周围车辆的行驶意图，因此，第一时刻运动状态信息包括第一时刻位移、第一时刻速度和第一时刻加速度。
需要说明的是，周围车辆的第一时刻运动状态信息可以是基于早于第一时刻的第三时刻的运动状态信息，通过卡尔曼滤波算法预测得到。卡尔曼滤波算法是指一种利用线性系统状态方程，通过系统输入预测数据和观测数据，对系统状态进行最优估计，输出最优估计输入数据的算法。具体地，卡尔曼滤波算法应用到本实施例中：首先，基于第三时刻的运动状态信息和根据周围车辆的当前统计模型得到的运动状态方程进行预测，得到第一时刻运动状态预测信息；其次，基于信号接收器接收第一时刻运动状态观测信息，将第一时刻运动状态预测信息和第一时刻运动状态观测信息作为输入数据；然后，基于第三时刻最优估计误差协方差矩阵得到第一时刻预测误差协方差矩阵再得到第一时刻卡尔曼增益矩阵；最后，根据第一时刻卡尔曼增益矩阵对输入数据进行最优估计，得到第一时刻运动状态信息的输出数据。因此，在本实施例的一些实施方式中，所述第一时刻运动状态信息的获得方法例如可以包括以下步骤：
步骤A：根据所述周围车辆的第三时刻运动状态信息和运动状态方程，预测获得所述周围车辆的第一时刻运动状态预测信息，所述第三时刻早于所述第一时刻；
步骤B：获取所述周围车辆的第一时刻运动状态观测信息；
步骤C：根据第三时刻最优估计误差协方差矩阵和白噪声协方差矩阵，获得第一时刻预测误差协方差矩阵，所述白噪声协方差矩阵为常值矩阵；
步骤D：根据所述第一时刻预测误差协方差矩阵，获得所述第一时刻卡尔曼增益矩阵；
步骤E：根据所述第一时刻卡尔曼增益矩阵、所述第一时刻运动状态预测信息和所述第一时刻运动状态观测信息，获得第一时刻运动状态信息。
其中，需要说明的内容如下所示：
第一，步骤A中的运动状态方程是根据周围车辆的当前统计模型得到的，当前统计模型用修正的瑞利分布来表征周围车辆的加速度特性，则运动车辆加速度模型可以表示为：
其中，为周围车辆的加速度；a(t)为均值为0的有色加速度噪声；α为机动频率；为加速度均值；ω(t)为均值为0、方差为的白噪声，其中为加速度方差。
由(1)式可得：
综上可得，周围车辆的当前统计模型的连续系统方程为：
将(2)式离散化，得到运动状态方程为：
由于在本实施例中选取周围车辆行驶时X方向和Y方向的位移、速度、加速度作为状态变量，因而(3)式中其中，x(k)表示X方向的位移，表示X方向的速度，表示X方向的加速度，y(k)表示Y方向的位移，表示Y方向的速度，表示Y方向的加速度；F(k-1)表示状态转移矩阵，是常值矩阵；U(k-1)表示输入矩阵，是常值矩阵；表示加速度均值矩阵；W(k-1)表示系统噪声，W(k-1)具体是均值为0、协方差矩阵为Q(k-1)的离散白噪声序列，Q(k-1)可以表示为：
其中，为常值矩阵，为加速度方差，包含周围车辆X方向的加速度方差和Y方向的加速度方差
步骤A中的第三时刻运动状态信息为X(k-1|k-1)，因此，基于X(k-1|k-1)和可以预测获得第一时刻运动状态预测信息
第二，由于观测方程可以表示为：Z(k)＝H(k)X(k)+V(k)
其中，V(k)表示均值为0、方差为R(k)的白噪声，在此处的物理含义为通信产生的延时。因此，步骤B中第一时刻运动状态观测信息为Z(k)＝H(k)X(k)+V(k)。
第三，步骤C中第三时刻最优估计误差协方差矩阵为P(k-1|k-1)，则第一时刻预测误差协方差矩阵为P(k|k-1)＝F(k-1)P(k-1|k-1)FT(k-1)+Q(k-1)。
第四，根据步骤C中的P(k|k-1)，步骤D中第一时刻卡尔曼增益矩阵为
第五，根据步骤A中第一时刻运动状态预测信息X(k|k-1)、步骤B中第一时刻运动状态观测信息为Z(k)和步骤D中第一时刻卡尔曼增益矩阵为Kg(k)进行最优估计，得到X(k|k)＝X(k|k-1)+Kg(k)[Z(k)-HX(k|k-1)]作为第一时刻运动状态信息。
还需要说明的是，在上述获得第一时刻运动状态信息的方法中，设定加速度方差为常值，又因为为常值矩阵，则公式(4)得到的Q(k-1)为常值矩阵，进而上述步骤C中预测误差协方差矩阵的公式P(k|k-1)＝F(k-1)P(k-1|k-1)FT(k-1)+Q(k-1)中的Q(k-1)为常值，但是，实际上每个时刻加速度方差不是固定不变的，加速度方差由下式确定：
因此，在本实施例的一些实施方式中，基于第三时刻加速度方差得到的白噪声协方差矩阵，能够获得更为准确的第一时刻预测误差协方差矩阵，以便得到更准确第一时刻卡尔曼增益矩阵，输出更准确的第一时刻运动状态信息。具体地，所述第一时刻运动状态信息的获得方法，在步骤C之前例如还可以包括：
步骤F：根据第三时刻对应的平均加速度、加速度最大值和加速度方差公式，获得第三时刻加速度方差；
步骤G：根据所述第三时刻加速度方差，调整所述白噪声协方差矩阵。
对应地，所述步骤C例如具体为：根据所述第三时刻最优估计误差协方差矩阵和调整后的白噪声协方差矩阵，获得第一时刻预测误差协方差矩阵。
在实际应用中，根据公式(5)计算获得第三时刻加速度方差代入公式(4)中得到Q(k-1)，再代入计算第一时刻预测误差协方差矩阵的公式，继续执行步骤D和步骤E。如此，能够获得更为准确的第一时刻运动状态信息，以便提高后续预测的准确性。
步骤202：根据所述第一时刻运动状态信息和运动状态方程，预测获得所述周围车辆的第二时刻运动状态预测信息，所述运动状态方程是基于所述周围车辆的当前统计模型得到的，所述第二时刻晚于所述第一时刻。
可以理解的是，第一时刻运动状态信息为X(k|k)，基于X(k|k)和可以预测获得第二时刻运动状态预测信息
还可以理解的是，第一时刻运动状态信息包括第一时刻位移、第一时刻速度和第一时刻加速度，基于此，在本实施例的一些实施方式中，预测得到的所述第二时刻运动状态预测信息包括第二时刻位移预测值、第二时刻速度预测值和第二时刻加速度预测值。
步骤203：根据延时时间、所述第二时刻运动状态预测信息和延时补偿算法，补偿获得所述周围车辆的第二时刻目标运动状态信息，所述延时补偿算法是基于位移-速度关系式和速度-加速度关系式得到的。
可以理解的是，受到车辆高速移动、广播信道衰减等因素的影响V2V技术存在一定的通信延时，该通信延时导致自身车辆获得的周围车辆的运动状态信息并不是实时的、准确的，即，步骤202预测获得的周围车辆的第二时刻运动状态预测信息X(k+1|k)是具有延时性、不准确性。实际上，预测获得的周围车辆的第二时刻运动状态预测信息X(k+1|k)是X[(k+1)-Td]，其中，Td为通信延时，应该在预测获得的周围车辆的第二时刻运动状态预测信息X[(k+1)-Td]的基础上，采用延时补偿算法补偿Td时间内的变化量。
需要说明的是，在实际应用中，基于位移-速度关系式可得Td时间内位移变化量约等于Td与预测获得的的乘积，同理，基于速度-加速度关系式可得Td时间内速度变化量约等于Td与预测获得的的乘积，利用上述位移变化量补偿位移预测值、速度变化量补偿速度预测值可以获得目标位移和目标速度。因此，在本实施例的一些实施方式中，所述步骤203例如可以包括：
步骤2031：利用延时时间与所述第二时刻位速度预测值的乘积补偿所述第二时刻位移预测值，获得第二时刻位目标位移；
步骤2032：利用延时时间与所述第二时刻位加速度预测值的乘积补偿所述第二时刻速度预测值，获得第二时刻位目标速度。
具体地，步骤203中的延时补偿算法如下所示：
其中， 表示X方向的第二时刻速度预测值，表示X方向的第二时刻加速度预测值，表示Y方向的第二时刻速度预测值，表示Y方向的第二时刻加速度预测值。
还需要说明的是，在步骤203获得周围车辆的第二时刻目标运动状态信息之后，为了防止自身车辆和周围车辆发生摩擦、碰撞等需要基于获得周围车辆的第二时刻目标运动状态信息及时地调整自身车辆驾驶策略，从而有效地避免交通事故的发生，以确保自身车辆的行车安全。因此，在本实施例的一些实施方式中，例如还可以包括：根据所述周围车辆的第二时刻目标运动状态信息，调整自身车辆的运动状态。
通过本实施例提供的各种实施方式，首先，获得周围车辆的包括第一时刻位移、第一时刻速度和第一时刻加速度的第一时刻运动状态信息；然后，根据所述第一时刻运动状态信息和基于所述周围车辆的当前统计模型得到的运动状态方程，预测获得所述周围车辆的第二时刻运动状态预测信息，所述第二时刻晚于所述第一时刻；最后，根据延时时间、所述第二时刻运动状态预测信息和基于位移-速度关系式与速度-加速度关系式得到的延时补偿算法，补偿获得所述周围车辆的第二时刻目标运动状态信息。由此可见，采用延时补偿算法对预测获得的周围车辆的第二时刻运动状态预测信息一定的延时补偿，弥补了延时时间内第二时刻运动状态的变化量，提高了预测运动状态信息的准确性，得到更加准确的第二时刻运动状态信息，从而使得车辆根据较为准确的运动状态信息及时进行自身车辆驾驶策略的调整，避免发生交通事故，增强车辆行车安全性。
示例性装置
参见图3，示出了本发明实施例中一种车辆运动状态信息延时补偿的装置的结构示意图。在本实施例中，所述装置例如具体可以包括：
第一获得单元301，用于获得周围车辆的第一时刻运动状态信息，所述第一时刻运动状态信息包括第一时刻位移、第一时刻速度和第一时刻加速度；
预测获得单元302，用于根据所述第一时刻运动状态信息和运动状态方程，预测获得所述周围车辆的第二时刻运动状态预测信息，所述运动状态方程是基于所述周围车辆的当前统计模型得到的，所述第二时刻晚于所述第一时刻；
补偿获得单元303，用于根据延时时间、所述第二时刻运动状态预测信息和延时补偿算法，补偿获得所述周围车辆的第二时刻目标运动状态信息，所述延时补偿算法是基于位移-速度关系式和速度-加速度关系式得到的。
可选的，所述第二时刻运动状态预测信息包括第二时刻位移预测值、第二时刻速度预测值和第二时刻加速度预测值；
对应地，所述补偿获得单元303包括：
第一获得子单元，用于利用延时时间与所述第二时刻位速度预测值的乘积补偿所述第二时刻位移预测值，获得第二时刻位目标位移；
第二获得子单元，用于利用延时时间与所述第二时刻位加速度预测值的乘积补偿所述第二时刻速度预测值，获得第二时刻位目标速度。
可选的，还包括：第二获得单元，所述第二获得单元，用于获得第一时刻运动状态信息；
所述第二获得单元包括：
第一预测获得子单元，用于根据所述周围车辆的第三时刻运动状态信息和运动状态方程，预测获得所述周围车辆的第一时刻运动状态预测信息，所述第三时刻早于所述第一时刻；
第一获取子单元，用于获取所述周围车辆的第一时刻运动状态观测信息；
第三获得子单元，用于根据第三时刻最优估计误差协方差矩阵和白噪声协方差矩阵，获得第一时刻预测误差协方差矩阵，所述白噪声协方差矩阵为常值矩阵；
第四获得子单元，用于根据所述第一时刻预测误差协方差矩阵，获得所述第一时刻卡尔曼增益矩阵；
第五获得子单元，用于根据所述第一时刻卡尔曼增益矩阵、所述第一时刻运动状态预测信息和所述第一时刻运动状态观测信息，获得第一时刻运动状态信息。
可选的，第二获得单元还包括：
第六获得子单元，用于根据第三时刻对应的平均加速度、加速度最大值和加速度方差公式，获得第三时刻加速度方差；
第七获得子单元，用于根据所述第三时刻加速度方差，调整所述白噪声协方差矩阵；
对应地，所述第四获得子单元，具体用于根据所述第三时刻最优估计误差协方差矩阵和调整后的白噪声协方差矩阵，获得第一时刻预测误差协方差矩阵。
可选的，还包括：
调整单元，用于根据所述周围车辆的第二时刻目标运动状态信息，调整自身车辆的运动状态。
通过本实施例提供的各种实施方式，首先，获得周围车辆的包括第一时刻位移、第一时刻速度和第一时刻加速度的第一时刻运动状态信息；然后，根据所述第一时刻运动状态信息和基于所述周围车辆的当前统计模型得到的运动状态方程，预测获得所述周围车辆的第二时刻运动状态预测信息，所述第二时刻晚于所述第一时刻；最后，根据延时时间、所述第二时刻运动状态预测信息和基于位移-速度关系式与速度-加速度关系式得到的延时补偿算法，补偿获得所述周围车辆的第二时刻目标运动状态信息。由此可见，采用延时补偿算法对预测获得的周围车辆的第二时刻运动状态预测信息一定的延时补偿，弥补了延时时间内第二时刻运动状态的变化量，提高了预测运动状态信息的准确性，得到更加准确的第二时刻运动状态信息，从而使得车辆根据较为准确的运动状态信息及时进行自身车辆驾驶策略的调整，避免发生交通事故，增强车辆行车安全性。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制。虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明。任何熟悉本领域的技术人员，在不脱离本发明技术方案范围情况下，都可利用上述揭示的方法和技术内容对本发明技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。

Claims (10)

1.一种车辆运动状态信息延时补偿的方法，其特征在于，包括：
获得周围车辆的第一时刻运动状态信息，所述第一时刻运动状态信息包括第一时刻位移、第一时刻速度和第一时刻加速度；
根据所述第一时刻运动状态信息和运动状态方程，预测获得所述周围车辆的第二时刻运动状态预测信息，所述运动状态方程是基于所述周围车辆的当前统计模型得到的，所述第二时刻晚于所述第一时刻；
根据延时时间、所述第二时刻运动状态预测信息和延时补偿算法，补偿获得所述周围车辆的第二时刻目标运动状态信息，所述延时补偿算法是基于位移-速度关系式和速度-加速度关系式得到的。
2.根据权利要求1所述的方法，其特征在于，所述第二时刻运动状态预测信息包括第二时刻位移预测值、第二时刻速度预测值和第二时刻加速度预测值；
对应地，所述根据延时时间、所述第二时刻运动状态预测信息和延时补偿算法，补偿获得所述周围车辆的第二时刻目标运动状态信息，包括：
利用延时时间与所述第二时刻位速度预测值的乘积补偿所述第二时刻位移预测值，获得第二时刻位目标位移；
利用延时时间与所述第二时刻位加速度预测值的乘积补偿所述第二时刻速度预测值，获得第二时刻位目标速度。
3.根据权利要求1所述的方法，其特征在于，所述第一时刻运动状态信息的获得方法包括：
根据所述周围车辆的第三时刻运动状态信息和运动状态方程，预测获得所述周围车辆的第一时刻运动状态预测信息，所述第三时刻早于所述第一时刻；
获取所述周围车辆的第一时刻运动状态观测信息；
根据第三时刻最优估计误差协方差矩阵和白噪声协方差矩阵，获得第一时刻预测误差协方差矩阵，所述白噪声协方差矩阵为常值矩阵；
根据所述第一时刻预测误差协方差矩阵，获得所述第一时刻卡尔曼增益矩阵；
根据所述第一时刻卡尔曼增益矩阵、所述第一时刻运动状态预测信息和所述第一时刻运动状态观测信息，获得第一时刻运动状态信息。
4.根据权利要求3所述的方法，其特征在于，还包括：
根据第三时刻对应的平均加速度、加速度最大值和加速度方差公式，获得第三时刻加速度方差；
根据所述第三时刻加速度方差，调整所述白噪声协方差矩阵；
对应地，所述根据第三时刻最优估计误差协方差矩阵和白噪声协方差矩阵，获得第一时刻预测误差协方差矩阵，具体为：根据所述第三时刻最优估计误差协方差矩阵和调整后的白噪声协方差矩阵，获得第一时刻预测误差协方差矩阵。
5.根据权利要求1所述的方法，其特征在于，还包括：
根据所述周围车辆的第二时刻目标运动状态信息，调整自身车辆的运动状态。
6.一种车通信链路延时补偿的装置，其特征在于，包括：
第一获得单元，用于获得周围车辆的第一时刻运动状态信息，所述第一时刻运动状态信息包括第一时刻位移、第一时刻速度和第一时刻加速度；
预测获得单元，用于根据所述第一时刻运动状态信息和运动状态方程，预测获得所述周围车辆的第二时刻运动状态预测信息，所述运动状态方程是基于所述周围车辆的当前统计模型得到的，所述第二时刻晚于所述第一时刻；
补偿获得单元，用于根据延时时间、所述第二时刻运动状态预测信息和延时补偿算法，补偿获得所述周围车辆的第二时刻目标运动状态信息，所述延时补偿算法是基于位移-速度关系式和速度-加速度关系式得到的。
7.根据权利要求6所述的装置，其特征在于，所述第二时刻运动状态预测信息包括第二时刻位移预测值、第二时刻速度预测值和第二时刻加速度预测值；
对应地，所述补偿获得单元包括：
第一获得子单元，用于利用延时时间与所述第二时刻位速度预测值的乘积补偿所述第二时刻位移预测值，获得第二时刻位目标位移；
第二获得子单元，用于利用延时时间与所述第二时刻位加速度预测值的乘积补偿所述第二时刻速度预测值，获得第二时刻位目标速度。
8.根据权利要求6所述的装置，其特征在于，还包括：第二获得单元，所述第二获得单元，用于获得第一时刻运动状态信息；
所述第二获得单元包括：
第一预测获得子单元，用于根据所述周围车辆的第三时刻运动状态信息和运动状态方程，预测获得所述周围车辆的第一时刻运动状态预测信息，所述第三时刻早于所述第一时刻；
第一获取子单元，用于获取所述周围车辆的第一时刻运动状态观测信息；
第三获得子单元，用于根据第三时刻最优估计误差协方差矩阵和白噪声协方差矩阵，获得第一时刻预测误差协方差矩阵，所述白噪声协方差矩阵为常值矩阵；
第四获得子单元，用于根据所述第一时刻预测误差协方差矩阵，获得所述第一时刻卡尔曼增益矩阵；
第五获得子单元，用于根据所述第一时刻卡尔曼增益矩阵、所述第一时刻运动状态预测信息和所述第一时刻运动状态观测信息，获得第一时刻运动状态信息。
9.根据权利要求8所述的装置，其特征在于，第二获得单元还包括：
第六获得子单元，用于根据第三时刻对应的平均加速度、加速度最大值和加速度方差公式，获得第三时刻加速度方差；
第七获得子单元，用于根据所述第三时刻加速度方差，调整所述白噪声协方差矩阵；
对应地，所述第四获得子单元，具体用于根据所述第三时刻最优估计误差协方差矩阵和调整后的白噪声协方差矩阵，获得第一时刻预测误差协方差矩阵。
10.根据权利要求6所述的装置，其特征在于，还包括：
调整单元，用于根据所述周围车辆的第二时刻目标运动状态信息，调整自身车辆的运动状态。
CN201810333048.2A 2018-04-13 2018-04-13 一种车辆运动状态信息延时补偿方法和装置 Pending CN108519738A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810333048.2A CN108519738A (zh) 2018-04-13 2018-04-13 一种车辆运动状态信息延时补偿方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810333048.2A CN108519738A (zh) 2018-04-13 2018-04-13 一种车辆运动状态信息延时补偿方法和装置

Publications (1)

Publication Number Publication Date
CN108519738A true CN108519738A (zh) 2018-09-11

Family

ID=63432608

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810333048.2A Pending CN108519738A (zh) 2018-04-13 2018-04-13 一种车辆运动状态信息延时补偿方法和装置

Country Status (1)

Country Link
CN (1) CN108519738A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109374014A (zh) * 2018-12-14 2019-02-22 歌尔科技有限公司 一种计步方法、系统及移动设备
CN109814387A (zh) * 2019-01-31 2019-05-28 中国地质大学（武汉） 一种基于动态时延的卡尔曼滤波补偿方法及系统
CN110837089A (zh) * 2019-11-12 2020-02-25 东软睿驰汽车技术（沈阳）有限公司 一种位移填补的方法和相关装置
CN110865360A (zh) * 2019-11-12 2020-03-06 东软睿驰汽车技术（沈阳）有限公司 一种数据融合方法及装置
CN110907946A (zh) * 2019-11-12 2020-03-24 东软睿驰汽车技术（沈阳）有限公司 一种位移填补建模的方法和相关装置
CN112880699A (zh) * 2021-01-19 2021-06-01 中国人民解放军空军工程大学 一种基于脑选择性注意机制的车辆协作定位方法
CN113665589A (zh) * 2021-09-18 2021-11-19 广州小鹏自动驾驶科技有限公司 车辆纵向控制方法、装置、车载终端及存储介质
CN114401206A (zh) * 2021-12-03 2022-04-26 珠海格力电器股份有限公司 一种电机状态监测方法、装置、电子设备及存储介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1997039535A2 (en) * 1996-04-12 1997-10-23 E.F. Johnson Company Bandwidth management system for a remote repeater network
CN1833239A (zh) * 2003-05-12 2006-09-13 环航网络公司 用于在分层浮动汽车数据网络中的元件间进行通信的方法
CN101552720A (zh) * 2008-04-03 2009-10-07 余浪 网络闭环控制方法和系统以及交互采集终端
CN104950906A (zh) * 2015-06-15 2015-09-30 中国人民解放军国防科学技术大学 基于移动通信网络的无人机远程测控系统及方法
CN105206108A (zh) * 2015-08-06 2015-12-30 同济大学 一种基于电子地图的车辆碰撞预警方法
CN105938660A (zh) * 2016-06-07 2016-09-14 长安大学 一种汽车防追尾预警方法和系统
CN106341772A (zh) * 2015-07-07 2017-01-18 索尼公司 无线通信设备和无线通信方法
TW201714461A (zh) * 2015-10-05 2017-04-16 高通公司 針對v2x應用的資源配置延遲的最小化
CN107274721A (zh) * 2017-06-07 2017-10-20 北京科技大学 一种智能交通系统中多车辆协作定位方法
CN107294678A (zh) * 2016-03-31 2017-10-24 上海贝尔股份有限公司 用于信道估计的方法和通信设备

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1997039535A2 (en) * 1996-04-12 1997-10-23 E.F. Johnson Company Bandwidth management system for a remote repeater network
CN1833239A (zh) * 2003-05-12 2006-09-13 环航网络公司 用于在分层浮动汽车数据网络中的元件间进行通信的方法
CN101552720A (zh) * 2008-04-03 2009-10-07 余浪 网络闭环控制方法和系统以及交互采集终端
CN104950906A (zh) * 2015-06-15 2015-09-30 中国人民解放军国防科学技术大学 基于移动通信网络的无人机远程测控系统及方法
CN106341772A (zh) * 2015-07-07 2017-01-18 索尼公司 无线通信设备和无线通信方法
CN105206108A (zh) * 2015-08-06 2015-12-30 同济大学 一种基于电子地图的车辆碰撞预警方法
TW201714461A (zh) * 2015-10-05 2017-04-16 高通公司 針對v2x應用的資源配置延遲的最小化
CN107294678A (zh) * 2016-03-31 2017-10-24 上海贝尔股份有限公司 用于信道估计的方法和通信设备
CN105938660A (zh) * 2016-06-07 2016-09-14 长安大学 一种汽车防追尾预警方法和系统
CN107274721A (zh) * 2017-06-07 2017-10-20 北京科技大学 一种智能交通系统中多车辆协作定位方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ANTONIO GONZÁLEZ ET AL.: "Time delay compensation based on Smith Predictor in multiagent formation control", 《IFAC PAPERSONLINE》 *
张丽丽等: "基于UKF的战术数据链通信延时与补偿算法", 《吉林大学学报（信息科学版）》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109374014A (zh) * 2018-12-14 2019-02-22 歌尔科技有限公司 一种计步方法、系统及移动设备
CN109814387A (zh) * 2019-01-31 2019-05-28 中国地质大学（武汉） 一种基于动态时延的卡尔曼滤波补偿方法及系统
CN110837089A (zh) * 2019-11-12 2020-02-25 东软睿驰汽车技术（沈阳）有限公司 一种位移填补的方法和相关装置
CN110865360A (zh) * 2019-11-12 2020-03-06 东软睿驰汽车技术（沈阳）有限公司 一种数据融合方法及装置
CN110907946A (zh) * 2019-11-12 2020-03-24 东软睿驰汽车技术（沈阳）有限公司 一种位移填补建模的方法和相关装置
CN110837089B (zh) * 2019-11-12 2022-04-01 东软睿驰汽车技术（沈阳）有限公司 一种位移填补的方法和相关装置
CN110865360B (zh) * 2019-11-12 2022-04-15 东软睿驰汽车技术（沈阳）有限公司 一种数据融合方法及装置
CN112880699A (zh) * 2021-01-19 2021-06-01 中国人民解放军空军工程大学 一种基于脑选择性注意机制的车辆协作定位方法
CN112880699B (zh) * 2021-01-19 2023-03-10 中国人民解放军空军工程大学 一种基于脑选择性注意机制的车辆协作定位方法
CN113665589A (zh) * 2021-09-18 2021-11-19 广州小鹏自动驾驶科技有限公司 车辆纵向控制方法、装置、车载终端及存储介质
CN114401206A (zh) * 2021-12-03 2022-04-26 珠海格力电器股份有限公司 一种电机状态监测方法、装置、电子设备及存储介质
CN114401206B (zh) * 2021-12-03 2023-11-03 珠海格力电器股份有限公司 一种电机状态监测方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN108519738A (zh) 一种车辆运动状态信息延时补偿方法和装置
EP3683782B1 (en) Method for assisting a driver, driver assistance system, and vehicle including such driver assistance system
Meng et al. Dynamic decision making in lane change: Game theory with receding horizon
US9269264B2 (en) Vehicle driving assistance device
US8140210B2 (en) Method and device for object tracking in a driver assistance system of a motor vehicle
CN110888322B (zh) 基于加速度前馈的异构车队协同自适应巡航控制方法
JP2002137652A (ja) 先行車追従制御装置
CN112612287A (zh) 一种自动驾驶汽车局部路径规划系统、方法、介质及设备
US20130317719A1 (en) Control system and method for stopping vehicle
CN111845766A (zh) 自动化控制汽车的方法
US20120072089A1 (en) Vehicle group control method and vehicle
CN113335280B (zh) 车队的acc控制方法、装置、设备和存储介质
Sidorenko et al. Emergency braking with ACC: How much does V2V communication help?
JP4949179B2 (ja) 車両用走行制御装置
US7359788B2 (en) Apparatus for controlling distance between vehicles
CN113012459B (zh) 一种基于分布式切换控制的异构车队协同安全控制方法
Zhai et al. Design of switching strategy for adaptive cruise control under string stability constraints
CN111047853A (zh) 一种保障交通流稳定的车辆编队控制方法和系统
CN110861678A (zh) 一种列车轮径校验方法及装置
Shin et al. Effects of wireless communication on integrated risk management based automated vehicle
CN117885726A (zh) 用于雨天的车辆自适应巡航控制方法和控制装置
CN113805485B (zh) 一种暖启动c/gmres方法、系统、设备及介质
US11724596B1 (en) Systems and methods for road disturbance detection and torque vectoring control
CN113419430B (zh) 一种汽车自适应巡航控制系统事件触发控制器的设计方法及系统
CN115805942A (zh) 换道决策方法、装置、设备、介质和车辆

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180911