CN108572651A - 一种智能化程度高的无人驾驶车辆 - Google Patents
一种智能化程度高的无人驾驶车辆 Download PDFInfo
- Publication number
- CN108572651A CN108572651A CN201810477012.1A CN201810477012A CN108572651A CN 108572651 A CN108572651 A CN 108572651A CN 201810477012 A CN201810477012 A CN 201810477012A CN 108572651 A CN108572651 A CN 108572651A
- Authority
- CN
- China
- Prior art keywords
- operating mode
- block
- driving cycle
- mode sub
- module
- 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
Links
- 238000007781 pre-processing Methods 0.000 claims description 10
- 238000000034 method Methods 0.000 claims description 5
- 238000005192 partition Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 238000003912 environmental pollution Methods 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
Classifications
-
- 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供了一种智能化程度高的无人驾驶车辆,包括环境感知系统、行驶工况构建系统和控制系统,所述环境感知系统用于获取行驶环境信息,所述行驶工况构建系统用于构建当前城市行驶工况,所述控制系统用于根据行驶环境信息和城市行驶工况对车辆进行控制。本发明的有益效果为:通过对当前城市行驶工况进行构建,实现了高度智能的无人驾驶。
Description
技术领域
本发明涉及无人驾驶技术领域,具体涉及一种智能化程度高的无人驾驶车辆。
背景技术
随着经济和社会的不断发展,汽车数量的增多从而引发的一些社会问题也日益突出,比如城市的交通、车辆行驶的安全、能源的供应、环境污染等。这些现实的社会问题都源于现有的交通基础设施与汽车这个载体之间的矛盾,这不仅体现在交通拥堵问题上,同时还体现在由于交通不畅而造成的环境污染及相对落后的道路状况和先进的车辆技术对人们的生命、财产所产生的安全隐患。无人驾驶车辆的出现为这些矛盾的解决提供了契机。但是现有的无人驾驶车辆智能化程度低,无法对根据城市行驶工况对车辆进行控制。
城市行驶工况是描述车辆行驶速度与时间的曲线,它主要用于确定车辆污染物排放量和燃油消耗量,为新车型的技术开发和评估等提供参考依据。世界各国均重视开发适合本国的典型行驶工况,国内不少城市也都构建出了适合本地区的典型行驶工况,对行驶工况构建方法的研究不仅具有理论意义,而且具有实用价值。目前国内外行驶工况构建方法的研究主要集中在行驶数据的采集上,对如何选取合理的特征参数来构建工况车辆行驶的研究较少。
发明内容
针对上述问题,本发明旨在提供一种智能化程度高的无人驾驶车辆。
本发明的目的采用以下技术方案来实现:
提供了一种智能化程度高的无人驾驶车辆,包括环境感知系统、行驶工况构建系统和控制系统,所述环境感知系统用于获取行驶环境信息,所述行驶工况构建系统用于构建当前城市行驶工况,所述控制系统用于根据行驶环境信息和城市行驶工况对车辆进行控制。
本发明的有益效果为:通过对当前城市行驶工况进行构建,实现了高度智能的无人驾驶。
优选的,所述行驶工况构建系统包括工况数据采集模块、工况数据预处理模块、工况数据处理模块、行驶工况构建模块,所述工况数据采集模块用于确定城市行驶工况数据并对行驶工况数据的采集,所述工况数据预处理模块用于对采集的行驶工况数据进行预处理,所述工况数据处理模块用于对于经过预处理的行驶工况数据进行处理,所述行驶工况构建模块用于根据经过处理的行驶工况数据构建城市行驶工况。
优选的,所述工况数据采集模块采集的行驶工况数据为车辆行驶速度,所述工况数据预处理模块包括一次去噪模块和二次去噪模块,所述一次去噪模块用于去除行驶工况数据的脉冲噪声,所述二次去噪模块用于去除行驶工况数据的高频噪声。
所述一次去噪模块用于去除行驶工况数据的脉冲噪声,采用下式进行:
式中,v1(t)表示经过一次去噪后车辆在t时刻的行驶速度,v(t)表示车辆在t时刻的行驶速度。
优选的,所述二次去噪模块用于去除行驶工况数据的高频噪声,采用下式进行:
式中,v2(t)表示经过二次去噪后车辆在t时刻的行驶速度。
优选的,所述工况数据处理模块包括一次处理模块和二次处理模块,所述一次处理模块用于将预处理后的行驶工况数据划分为工况子块,所述二次处理模块用于选择工况子块特征参数并对工况子块进行分类处理。
优选的,所述一次处理模块用于将预处理后的行驶工况数据划分为工况子块,具体为:将相邻两个停车点之间的车辆行驶过程作为一个工况子块。
优选的,所述二次处理模块包括特征选择子模块和分类子模块,所述特征选择子模块用于确定工况子块的特征向量,所述分类子模块用于根据特征向量对工况子块进行分类;
所述特征选择子模块用于确定工况子块的特征向量,具体为:采用下式确定工况子块的第一特征参数:
式中,T1表示工况子块的第一特征参数,n表示工况子块的时间长度,vi表示车辆在工况子块内i时刻的车速;
采用下式确定工况子块的第二特征参数:
式中,T2表示工况子块的第二特征参数,n1表示工况子块内速度为0的时间长度;
所述工况子块的特征向量为:T=[T1,T2],式中,T表示工况子块的特征向量。
优选的,所述分类子模块用于根据特征向量对工况子块进行分类,具体为:以第一特征参数和第二特征参数为坐标轴确定工况子块的二维散点图,每个点代表一个工况子块,采用K-means聚类,根据散点图位置将工况子块划分为城市中心工况、城市郊区工况和高速公路工况三类。
优选的,所述行驶工况构建模块用于根据经过处理的行驶工况数据构建城市行驶工况,具体为:计算各类工况子块中各工况子块持续时间之和占工况数据中所有工况子块总时间的比例,将该比例作为各类工况子块在构建城市行驶工况中所占的时间比例;将距离聚类中心最近的工况子块作为该类的代表工况子块;将城市行驶工况时间确定为2000秒,根据时间比例确定各类工况的时间,将各类代表工况子块循环达到所述各类工况的时间;将达到所述各类工况的时间的各类工况连接,得到城市行驶工况。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1是本发明的结构示意图;
附图标记:
环境感知系统1、行驶工况构建系统2、控制系统3。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1,本实施例的一种智能化程度高的无人驾驶车辆,包括环境感知系统1、行驶工况构建系统2和控制系统3,所述环境感知系统1用于获取行驶环境信息,所述行驶工况构建系统2用于构建当前城市行驶工况,所述控制系统3用于根据行驶环境信息和城市行驶工况对车辆进行控制。
本实施例通过对当前城市行驶工况进行构建,实现了高度智能的无人驾驶。
优选的,所述行驶工况构建系统2包括工况数据采集模块、工况数据预处理模块、工况数据处理模块、行驶工况构建模块,所述工况数据采集模块用于确定城市行驶工况数据并对行驶工况数据的采集,所述工况数据预处理模块用于对采集的行驶工况数据进行预处理,所述工况数据处理模块用于对于经过预处理的行驶工况数据进行处理,所述行驶工况构建模块用于根据经过处理的行驶工况数据构建城市行驶工况。
本实施例通过对工况数据进行采集和处理、实现了城市行驶工况的准确构建,为确定车辆污染物排放量和燃油消耗量奠定了基础。
优选的,所述工况数据采集模块采集的行驶工况数据为车辆行驶速度,所述工况数据预处理模块包括一次去噪模块和二次去噪模块,所述一次去噪模块用于去除行驶工况数据的脉冲噪声,所述二次去噪模块用于去除行驶工况数据的高频噪声;
所述一次去噪模块用于去除行驶工况数据的脉冲噪声,采用下式进行:
式中,v1(t)表示经过一次去噪后车辆在t时刻的行驶速度,v(t)表示车辆在t时刻的行驶速度;
所述二次去噪模块用于去除行驶工况数据的高频噪声,采用下式进行:
式中,v2(t)表示经过二次去噪后车辆在t时刻的行驶速度;
驾驶员在驾驶车辆的过程中,车辆会产生脉冲噪声和高频噪声,两种噪声会影响到最终行驶工况构建,本优选实施例通过对行驶工况数据进行采集,滤除了脉冲噪声和高频噪声,为后期行驶工况准确构建奠定了基础;
优选的,所述工况数据处理模块包括一次处理模块和二次处理模块,所述一次处理模块用于将预处理后的行驶工况数据划分为工况子块,所述二次处理模块用于选择工况子块特征参数并对工况子块进行分类处理;
所述一次处理模块用于将预处理后的行驶工况数据划分为工况子块,具体为:将相邻两个停车点之间的车辆行驶过程作为一个工况子块;
所述二次处理模块包括特征选择子模块和分类子模块,所述特征选择子模块用于确定工况子块的特征向量,所述分类子模块用于根据特征向量对工况子块进行分类;
所述特征选择子模块用于确定工况子块的特征向量,具体为:采用下式确定工况子块的第一特征参数:
式中,T1表示工况子块的第一特征参数,n表示工况子块的时间长度,vi表示车辆在工况子块内i时刻的车速;
采用下式确定工况子块的第二特征参数:
式中,T2表示工况子块的第二特征参数,n1表示工况子块内速度为0的时间长度;
所述工况子块的特征向量为:T=[T1,T2],式中,T表示工况子块的特征向量;
所述分类子模块用于根据特征向量对工况子块进行分类,具体为:以第一特征参数和第二特征参数为坐标轴确定工况子块的二维散点图,每个点代表一个工况子块,采用K-means聚类,根据散点图位置将工况子块划分为城市中心工况、城市郊区工况和高速公路工况三类;
本优选实施例针对行驶工况子块,对特征参数进行选择,以第一特征参数和第二特征参数构建工况子块特征向量,不仅能减少各个构建过程的运算量,还能消除与油耗和排放相关性差的不必要的特征参数,有助于后续提高构建工况效率,
优选的,所述行驶工况构建模块用于根据经过处理的行驶工况数据构建城市行驶工况,具体为:计算各类工况子块中各工况子块持续时间之和占工况数据中所有工况子块总时间的比例,将该比例作为各类工况子块在构建城市行驶工况中所占的时间比例;将距离聚类中心最近的工况子块作为该类的代表工况子块;将城市行驶工况时间确定为2000秒,根据时间比例确定各类工况的时间,将各类代表工况子块循环达到所述各类工况的时间;将达到所述各类工况的时间的各类工况连接,得到城市行驶工况。
本优选实施例对工况数据进行分类后,运用距离聚类中心越近越能代表类特征的原则,选取代表工况子块,准确构建了城市行驶工况。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (9)
1.一种智能化程度高的无人驾驶车辆,其特征在于,包括环境感知系统、行驶工况构建系统和控制系统,所述环境感知系统用于获取行驶环境信息,所述行驶工况构建系统用于构建当前城市行驶工况,所述控制系统用于根据行驶环境信息和城市行驶工况对车辆进行控制。
2.根据权利要求1所述的智能化程度高的无人驾驶车辆,其特征在于,所述行驶工况构建系统包括工况数据采集模块、工况数据预处理模块、工况数据处理模块、行驶工况构建模块,所述工况数据采集模块用于确定城市行驶工况数据并对行驶工况数据的采集,所述工况数据预处理模块用于对采集的行驶工况数据进行预处理,所述工况数据处理模块用于对于经过预处理的行驶工况数据进行处理,所述行驶工况构建模块用于根据经过处理的行驶工况数据构建城市行驶工况。
3.根据权利要求2所述的智能化程度高的无人驾驶车辆,其特征在于,所述工况数据采集模块采集的行驶工况数据为车辆行驶速度,所述工况数据预处理模块包括一次去噪模块和二次去噪模块,所述一次去噪模块用于去除行驶工况数据的脉冲噪声,所述二次去噪模块用于去除行驶工况数据的高频噪声;
所述一次去噪模块用于去除行驶工况数据的脉冲噪声,采用下式进行:
式中,v1(t)表示经过一次去噪后车辆在t时刻的行驶速度,v(t)表示车辆在t时刻的行驶速度。
4.根据权利要求3所述的智能化程度高的无人驾驶车辆,其特征在于,所述二次去噪模块用于去除行驶工况数据的高频噪声,采用下式进行:
式中,v2(t)表示经过二次去噪后车辆在t时刻的行驶速度。
5.根据权利要求4所述的智能化程度高的无人驾驶车辆,其特征在于,所述工况数据处理模块包括一次处理模块和二次处理模块,所述一次处理模块用于将预处理后的行驶工况数据划分为工况子块,所述二次处理模块用于选择工况子块特征参数并对工况子块进行分类处理。
6.根据权利要求5所述的智能化程度高的无人驾驶车辆,其特征在于,所述一次处理模块用于将预处理后的行驶工况数据划分为工况子块,具体为:将相邻两个停车点之间的车辆行驶过程作为一个工况子块。
7.根据权利要求6所述的智能化程度高的无人驾驶车辆,其特征在于,所述二次处理模块包括特征选择子模块和分类子模块,所述特征选择子模块用于确定工况子块的特征向量,所述分类子模块用于根据特征向量对工况子块进行分类;
所述特征选择子模块用于确定工况子块的特征向量,具体为:采用下式确定工况子块的第一特征参数:
式中,T1表示工况子块的第一特征参数,n表示工况子块的时间长度,vi表示车辆在工况子块内i时刻的车速;
采用下式确定工况子块的第二特征参数:
式中,T2表示工况子块的第二特征参数,n1表示工况子块内速度为0的时间长度;
所述工况子块的特征向量为:T=[T1,T2],式中,T表示工况子块的特征向量。
8.根据权利要求7所述的智能化程度高的无人驾驶车辆,其特征在于,所述分类子模块用于根据特征向量对工况子块进行分类,具体为:以第一特征参数和第二特征参数为坐标轴确定工况子块的二维散点图,每个点代表一个工况子块,采用K-means聚类,根据散点图位置将工况子块划分为城市中心工况、城市郊区工况和高速公路工况三类。
9.根据权利要求8所述的智能化程度高的无人驾驶车辆,其特征在于,所述行驶工况构建模块用于根据经过处理的行驶工况数据构建城市行驶工况,具体为:计算各类工况子块中各工况子块持续时间之和占工况数据中所有工况子块总时间的比例,将该比例作为各类工况子块在构建城市行驶工况中所占的时间比例;将距离聚类中心最近的工况子块作为该类的代表工况子块;将城市行驶工况时间确定为2000秒,根据时间比例确定各类工况的时间,将各类代表工况子块循环达到所述各类工况的时间;将达到所述各类工况的时间的各类工况连接,得到城市行驶工况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810477012.1A CN108572651A (zh) | 2018-05-18 | 2018-05-18 | 一种智能化程度高的无人驾驶车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810477012.1A CN108572651A (zh) | 2018-05-18 | 2018-05-18 | 一种智能化程度高的无人驾驶车辆 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108572651A true CN108572651A (zh) | 2018-09-25 |
Family
ID=63572687
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810477012.1A Pending CN108572651A (zh) | 2018-05-18 | 2018-05-18 | 一种智能化程度高的无人驾驶车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108572651A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109572765A (zh) * | 2018-12-24 | 2019-04-05 | 深圳市益鑫智能科技有限公司 | 一种全自动城市轨道交通系统 |
CN109747667A (zh) * | 2018-12-24 | 2019-05-14 | 梧州井儿铺贸易有限公司 | 一种智能化程度高的无人驾驶列车 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104008647A (zh) * | 2014-06-12 | 2014-08-27 | 北京航空航天大学 | 一种基于机动车行驶模式的道路交通能耗量化方法 |
CN106203856A (zh) * | 2016-07-18 | 2016-12-07 | 交通运输部公路科学研究所 | 一种组合主成分分析和模糊c均值聚类的车辆行驶工况制定方法 |
CN107133374A (zh) * | 2017-01-23 | 2017-09-05 | 长安大学 | 一种模态工况的构建方法 |
CN107145989A (zh) * | 2017-06-12 | 2017-09-08 | 南京航空航天大学 | 基于人‑车‑交通路况的实际行驶工况构建方法 |
CN206749792U (zh) * | 2017-05-19 | 2017-12-15 | 湖北汽车工业学院 | 一种纯电动汽车行驶工况判别装置 |
US10127810B2 (en) * | 2012-06-07 | 2018-11-13 | Zoll Medical Corporation | Vehicle safety and driver condition monitoring, and geographic information based road safety systems |
-
2018
- 2018-05-18 CN CN201810477012.1A patent/CN108572651A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10127810B2 (en) * | 2012-06-07 | 2018-11-13 | Zoll Medical Corporation | Vehicle safety and driver condition monitoring, and geographic information based road safety systems |
CN104008647A (zh) * | 2014-06-12 | 2014-08-27 | 北京航空航天大学 | 一种基于机动车行驶模式的道路交通能耗量化方法 |
CN106203856A (zh) * | 2016-07-18 | 2016-12-07 | 交通运输部公路科学研究所 | 一种组合主成分分析和模糊c均值聚类的车辆行驶工况制定方法 |
CN107133374A (zh) * | 2017-01-23 | 2017-09-05 | 长安大学 | 一种模态工况的构建方法 |
CN206749792U (zh) * | 2017-05-19 | 2017-12-15 | 湖北汽车工业学院 | 一种纯电动汽车行驶工况判别装置 |
CN107145989A (zh) * | 2017-06-12 | 2017-09-08 | 南京航空航天大学 | 基于人‑车‑交通路况的实际行驶工况构建方法 |
Non-Patent Citations (3)
Title |
---|
ZEYU CHEN: "Driving cycle development for electric vehicle application using principal component analysis and k-means cluster: with the case of Shenyang, China", 《SCIENCEDIRECT》 * |
彭育辉: "基于K-均值聚类分析的城市道路汽车行驶工况构建方法研究", 《汽车技术》 * |
王川: "车辆道路行驶工况构建典型方法研究", 《赤峰学院学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109572765A (zh) * | 2018-12-24 | 2019-04-05 | 深圳市益鑫智能科技有限公司 | 一种全自动城市轨道交通系统 |
CN109747667A (zh) * | 2018-12-24 | 2019-05-14 | 梧州井儿铺贸易有限公司 | 一种智能化程度高的无人驾驶列车 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109927709B (zh) | 一种车辆行驶路线工况确定方法、能量管理方法及系统 | |
CN110264757B (zh) | 基于连续信号灯信息的智能网联汽车分层速度规划方法 | |
Yao et al. | Comparison of electric vehicle’s energy consumption factors for different road types | |
CN106816008B (zh) | 一种道路拥堵预警及拥堵形成时间预测方法 | |
Yao et al. | Reducing gasoline consumption in mixed connected automated vehicles environment: A joint optimization framework for traffic signals and vehicle trajectory | |
CN105035090A (zh) | 基于交通信号灯的自主驾驶车辆轨迹预测控制方法 | |
CN109360409A (zh) | 一种基于驾驶风格的智能网联混合动力汽车编队控制方法 | |
CN105912814A (zh) | 智能驾驶车辆换道决策模型 | |
CN106004864A (zh) | 一种车辆行驶控制方法及系统 | |
CN105528498B (zh) | 网联智能电动车辆一体化建模与集成控制方法 | |
CN106945530A (zh) | 一种电动汽车及其续驶里程预测方法、系统 | |
CN111038488B (zh) | 一种混合动力汽车的能量优化控制方法及装置 | |
CN109733378A (zh) | 一种线下优化线上预测的转矩分配方法 | |
CN103593986B (zh) | 一种优化尾气排放的干线绿波协调控制信号配时方法 | |
CN112365714B (zh) | 一种智轨通行主支路交叉口交通信号控制方法 | |
CN205644972U (zh) | 一种城市智能交通控制系统 | |
CN112668848B (zh) | 基于工况分析的现代有轨电车混合储能系统能量管理方法 | |
CN108572651A (zh) | 一种智能化程度高的无人驾驶车辆 | |
CN103786733A (zh) | 一种自动档汽车环保驾驶行为的提示方法 | |
CN115665936A (zh) | 一种隧道照明节能控制策略生成方法、系统、终端及介质 | |
CN108052791A (zh) | 未来机动车结构调整对交通排放源清单影响的估算方法 | |
CN108711285B (zh) | 一种基于道路路口的混合交通模拟方法 | |
CN116187161A (zh) | 一种智能网联环境下混合动力客车智能能量管理方法及系统 | |
CN106347373B (zh) | 一种基于电池荷电状态预测的动态规划方法 | |
CN104616066B (zh) | 一种行车用量数据的采集方法及系统 |
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: 20180925 |