CN108749814A - 一种智能驾驶车辆行驶控制方法 - Google Patents
一种智能驾驶车辆行驶控制方法 Download PDFInfo
- Publication number
- CN108749814A CN108749814A CN201810510649.6A CN201810510649A CN108749814A CN 108749814 A CN108749814 A CN 108749814A CN 201810510649 A CN201810510649 A CN 201810510649A CN 108749814 A CN108749814 A CN 108749814A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- intelligent driving
- acceleration
- speed
- driving vehicle
- 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
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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/18—Propelling the 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
- B60W40/105—Speed
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0965—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages responding to signals from another vehicle, e.g. emergency vehicle
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
- G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/025—Services making use of location information using location based information parameters
- H04W4/027—Services making use of location information using location based information parameters using movement velocity, acceleration information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
Abstract
一种智能驾驶车辆行驶控制方法,属于智能驾驶技术领域,解决了现有技术中智能驾驶车辆因驾驶不当带来的经济性、舒适性降低及由此造成的交通拥堵问题。包括以下步骤:启动智能驾驶车辆的智能驾驶功能;检测智能驾驶车辆的行进方向设定距离内是否有红绿灯,若有,智能驾驶车辆同时接收本车和前车的位置、速度及红绿灯状态信息;生成智能驾驶车辆通行红绿灯的期望加速度和期望速度,并根据所述期望加速度和所述期望速度通行路口红绿灯;继续检测智能驾驶车辆的行进方向设定距离内是否有红绿灯。实现了智能车辆经济、舒适地通行路口红绿灯,减轻了因驾驶不当带来的交通拥堵问题。
Description
技术领域
本发明涉及智能驾驶技术领域,尤其涉及一种智能驾驶车辆行驶控制方法。
背景技术
智能驾驶车辆是集环境感知、规划决策、运动控制与执行等多项功能于一体的综合系统,涵盖了机械、控制、传感器技术、信号处理、模式识别、人工智能和计算技术等多学科知识。
随着国家自然科学基金委“视听觉信息的认知计算”重大研究计划的深入开展以及“中国智能车未来挑战赛”连续七届的成功举办,我国智能驾驶车辆相关技术的研究已取得长足的进展,能够满足智能驾驶车辆在小范围、简单城区环境下的低速行驶要求,以及城际公路简单环境中的高速行驶需求。
随着智能驾驶车辆研究的不断深入,对智能驾驶车辆的行驶控制提出了更高的要求,尤其当智能驾驶车辆距离红绿灯较近时,智能驾驶车辆通过红绿灯时由于真实交通情况的复杂性,容易采取不当驾驶行为,如有时会采取急加速急减速、怠速停车、频繁换道等行为,这些不当行为会导致本车经济性、舒适性的降低,同时影响到了其他车辆的行驶,造成交通拥堵。
发明内容
鉴于上述的分析,本发明旨在提供一种智能驾驶车辆行驶控制方法,用以解决现有智能驾驶车辆因驾驶不当带来的经济性、舒适性降低及由此造成的交通拥堵问题。
本发明的目的主要是通过以下技术方案实现的:
一种智能驾驶车辆行驶控制方法,包括以下步骤:
启动智能驾驶车辆的智能驾驶功能;
检测智能驾驶车辆的行进方向设定距离内是否有红绿灯,若有,智能驾驶车辆同时接收本车和前车的位置、速度及红绿灯状态信息;
生成智能驾驶车辆通行红绿灯的期望加速度和期望速度,并根据所述期望加速度和所述期望速度通行路口红绿灯;
继续检测智能驾驶车辆的行进方向设定距离内是否有红绿灯。
本发明有益效果如下:本实施例提供的智能驾驶车辆行驶控制方法,利用V2X技术获取本车、前车及红绿灯信息之后,智能车辆在遵守交通法规的同时与其他车辆协作行驶,并表现出合理的驾驶行为。本发明考虑到交通环境中存在其他社会车辆,使智能驾驶车辆通行红绿灯路口时不仅能够经济平顺的行驶,同时能够与前方车辆协调,保证智能驾驶的安全性。
在上述方案的基础上,本发明还做了如下改进:
进一步,所述智能驾驶车辆装载导航系统,所述导航系统根据智能驾驶车辆的位置判断所述车辆的行进方向设定距离内是否有红绿灯,
所述导航系统为车载导航系统或蓝牙连接的具有导航功能的移动导航系统。
采用上述进一步方案的有益效果是:通过导航系统判断当前车辆与红绿灯路口之间的距离,提供了一种简单、快速确定当前车辆与红绿灯路口之间的距离的方式。
进一步,若智能驾驶车辆的行进方向设定距离内有红绿灯,智能车辆通过V2X通信接收本车的位置、速度信息及红绿灯状态信息,通过毫米波雷达接收前车的位置、速度信息。
采用上述进一步方案的有益效果是:通过采集智能车辆本车和前车的位置、速度等信息,便于根据已知信息分析智能车辆行驶状况,作出进一步行驶决策。
进一步,生成智能驾驶车辆通行红绿灯的期望加速度,步骤如下:
生成本车候选加速度序列,结合本车的速度、位置,生成预测时域内本车的速度矩阵和位置矩阵;
根据前车的位置、速度,生成预测时域内前车的速度矩阵和位置矩阵;
确定智能车辆每一个候选加速度所对应的总成本,将总成本最小的候选加速度作为期望加速度。
采用上述进一步方案的有益效果是:通过分析本车、前车的状态,生成多个候选加速度及相应的通行红绿灯的成本,将总成本最小的候选加速度作为期望加速度,提供了一种新的获取期望加速度的方法,能够有效保证智能驾驶车辆通行红绿灯成本最低。
进一步,本车候选加速度序列中第i个候选加速度为:
其中,1≤i≤n1、amax为智能车辆通行红绿灯最大加速度、amax为智能车辆通行红绿灯最小加速度、n1为候选加速度个数;
预测时域t内的时间间隔为:
ts=t/n2 (2)
其中,n2为时间间隔个数;
根据候选加速度序列,生成预测时域内本车加速度矩阵A,A中元素aij:
aij=ai (3)
其中,矩阵A的行数为候选加速度个数n1,列数为时间间隔个数n2,ai为候选加速度序列中第i个候选加速度;
生成预测时域内本车速度矩阵V,V中元素vij:
vij=v0+aij*ts*(j-1) (4)
其中,矩阵V的行数为候选加速度个数n1,列数为时间间隔个数n2,v0为本车当前车速,vij表示第i个候选加速度j时刻对应的速度,其中,1≤j≤n2;
生成预测时域内本车位置矩阵S,S中元素sij:
sij=s0+vij*ts*(j-1)+0.5*aij*ts*(j-1)*ts*(j-1) (5)
其中,矩阵S的行数为候选加速度个数n1,列数为时间间隔个数n2,s0为本车当前位置,sij表示第i个候选加速度j时刻对应的位置。
采用上述进一步方案的有益效果是:根据智能车辆通行红绿灯最大加速度、最小加速度,得到本车候选加速度序列,并定义预测时域内的时间间隔,同时,根据候选加速度序列及本车的速度、位置信息,得到预测时域内本车的速度、位置信息,便于对预测时域内的本车行驶状况进行分析。
进一步,保存t1时间内等间隔的n3个前车速度vm及每个速度对应时间,其中1≤m≤n3,对t1时间内的速度进行直线拟合,得到每一时间点的拟合速度vm1,其中1≤m1≤n3,拟合直线斜率为k;
t1时间内拟合速度和前车速度之间的误差为em=vm-vm1,若em小于误差阈值vth,则该点拟合成功,记拟合成功个数为n4,
若n4/n3≥r,表示拟合成功,前车加速度预测值apredict=k,
其中,所述r为评价系数;
否则,用t1时间内最后两个速度计算得到前车加速度预测值apredict;生成前车速度矩阵Vp,Vp中元素vpij:
vpij=vp+apredict*ts*(j-1) (6)
其中,矩阵Vp的行数为候选加速度的个数,列数为时间间隔个数,vp为前车当前时刻车速;vpij表示前车速度矩阵Vp中第i行j时刻对应的速度,1≤j≤n2;
生成前车位置矩阵Sp,Sp中元素spij:
spij=sp0+vpij*ts*(j-1)+0.5*apredcit*ts*(j-1)*ts*(j-1) (7)
其中,矩阵Sp的行数为候选加速度个数n1,列数为时间间隔个数n2,sp0为前车当前位置,spij表示前车位置矩阵S1中第i行j时刻对应的位置,1≤j≤n2。
采用上述进一步方案的有益效果是:根据前车的位置、速度信息,并通过分析前车规定时间内的速度、位置,便于对预测时间内前车的行驶状况进行分析。
进一步,建立预测时域内综合考虑各成本的各候选加速度的总成本函数C:
其中,y为不同时间间隔的权重系数基数,Ctotal(i,j)为参考加速度aij对应的通行红绿灯总成本函数;
其中,分别表示归一化后的舒适性成本函数、安全性成本函数、时效性成本函数、经济性成本函数、通行红绿灯成本函数,wcomfort、wsafe、wtime、wfuel、wtraffic分别表示舒适性权重、安全性权重、时效性权重、经济性权重、通行红绿灯权重。
采用上述进一步方案的有益效果是:通过各成本函数和相应权重,能够得到预测时间内每一候选加速度对应的总成本函数,选取候选加速度的总成本函数C中的最小值所对应的候选加速度值作为期望加速度,给出了一种选择最优加速度的方法。
进一步,所述舒适性成本函数Ccomfort,其中Ccomfort(i,j)=|aij|;
所述经济性成本函数Cfuel,其中
所述时效性成本函数Ctime,其中Ctime(i,j)=1-vij/vlimit;
所述安全性成本函数Csafe;
所述通行红绿灯成本函数Ctraffic。
采用上述进一步方案的有益效果是:通过对智能车辆通行红绿灯路口情况进行分析,考虑到智能车辆通行红绿灯路口的经济性、安全性、时效性、舒适性、通行红绿灯的成本问题,建立了相应的经济性、安全性、时效性、舒适性、通行红绿灯成本函数,便于综合考虑智能车辆通行红绿灯的各方面成本,得出最优的通行方案。
进一步,将期望加速度和其对应的期望速度下发给智能车辆速度控制器执行,智能车辆根据速度控制器指令通过路口红绿灯,
其中,期望速度为期望加速度所对应的速度矩阵中第一个时间间隔处的速度。
采用上述进一步方案的有益效果是:通过将期望加速度和其对应的期望速度下发给智能车辆速度控制器执行,智能车辆即可根据速度控制器指令通过路口红绿灯,避免了因驾驶不当带来的经济性、舒适性降低及由此造成的交通拥堵问题。
进一步,所述启动智能驾驶车辆的智能驾驶功能包括:
启动智能驾驶车辆;
开启智能驾驶车辆硬件设备开关,所述硬件设备包括但不限于规划工控机、感知工控机、交换机、相机、毫米波雷达、导航系统;
接通无线通信设备;
开启智能驾驶车辆软件模块,所述软件模块包括但不限于智能车辆感知模块、决策规划模块、路径规划模块、速度规划模块、横纵向控制模块;
检查车辆运行状态,在所述智能驾驶车辆硬件设备开关、所述智能驾驶车辆软件模块正常运行情况下,启动智能驾驶车辆的智能驾驶功能。
采用上述进一步方案的有益效果是:通过分析智能驾驶车辆的启动过程,确保车辆处于正常运行状态,保证智能驾驶车辆行驶安全。
本发明中,上述各技术方案之间还可以相互组合,以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述,并且,部分优点可从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书、权利要求书以及附图中所特别指出的内容中来实现和获得。
附图说明
附图仅用于示出具体实施例的目的,而并不认为是对本发明的限制,在整个附图中,相同的参考符号表示相同的部件。
图1为本发明中的智能驾驶车辆行驶控制方法流程图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的原理,并非用于限定本发明的范围。
本发明的一个具体实施例,如图1所示,一种智能驾驶车辆行驶控制方法,包括以下步骤:
步骤S1:启动智能驾驶车辆的智能驾驶功能;
步骤S2:检测智能驾驶车辆的行进方向设定距离内是否有红绿灯,若有,智能驾驶车辆同时接收本车和前车的位置、速度及红绿灯状态信息;
步骤S3:生成智能驾驶车辆通行红绿灯的期望加速度和期望速度,并根据所述期望加速度和所述期望速度通行路口红绿灯;
步骤S4:继续检测智能驾驶车辆的行进方向设定距离内是否有红绿灯。
与现有技术相比,本实施例提供的智能驾驶车辆行驶控制方法,利用V2X技术获取本车、前车及红绿灯信息之后,智能车辆在遵守交通法规的同时与其他车辆协作行驶,并表现出合理的驾驶行为。本发明考虑到交通环境中存在其他社会车辆,使智能驾驶车辆通行红绿灯路口时不仅能够经济平顺的行驶,同时能够与前方车辆协调,保证智能驾驶的安全性。
启动智能驾驶车辆的智能驾驶功能,具体包括:
步骤S11:启动智能驾驶车辆;
步骤S12:开启智能驾驶车辆硬件设备开关,所述硬件设备包括但不限于规划工控机、感知工控机、交换机、相机、毫米波雷达、导航系统;
步骤S13:接通无线通信设备;
步骤S14:开启智能驾驶车辆软件模块,所述软件模块包括但不限于智能车辆感知模块、决策规划模块、路径规划模块、速度规划模块、横纵向控制模块;
步骤S15:检查车辆运行状态,在所述智能驾驶车辆硬件设备开关、所述智能驾驶车辆软件模块正常运行情况下,启动智能驾驶车辆的智能驾驶功能。
步骤S2中,智能驾驶车辆装载导航系统,该导航系统根据智能驾驶车辆的位置判断所述车辆的行进方向设定距离内是否有红绿灯,其中,导航系统为车载导航系统或蓝牙连接的具有导航功能的移动导航系统。
若智能驾驶车辆的行进方向设定距离内有红绿灯,智能车辆通过V2X通信接收本车的位置、速度信息及红绿灯状态信息,通过毫米波雷达接收前车的位置、速度信息。
进一步,智能车辆通过V2X通信接收本车的位置、速度信息及红绿灯状态信息;智能车辆通过毫米波雷达接收前车的位置、速度信息。
红绿灯发送端发送红绿灯状态数据包,智能车辆接收到数据包后根据设定好的通信协议进行解包,解析到的信息包括当前红绿灯状态(红灯、绿灯或者黄灯)、当前红绿灯剩余时间、红绿灯经纬度。
智能车辆通过毫米波雷达接收前车速度信息方法如下:毫米波雷达可以获取前方64个目标的信息,包括目标的序号、目标与本车之间的距离、目标与本车之间的角度、目标与本车之间的相对速度。通过以上信息计算出每一个目标到智能车辆之间的横向距离和纵向距离,通过横向距离与车道线宽度l筛选出在本车道上的前方车辆,之后遍历在本车道上的所有目标点,找到与智能车辆相距最近的车辆作为前方车辆。
在红绿灯附近安装无线通信设备作为通信的发送端,智能车辆利用V2X进行无线通信,接收到红绿灯发送端传来的道路前方的红绿灯状态,发送端和接收端之间为UDP通信协议。智能车辆通过车载毫米波雷达接收到前车速度和位置信息。智能车辆通过接收到的红绿灯信息和前车信息进行速度规划,最终生成加速、减速、匀速的控制指令。
步骤S3中,生成智能驾驶车辆通行红绿灯的期望加速度,步骤如下:
步骤S31:生成本车候选加速度序列,结合本车的速度、位置,生成预测时域内本车的速度矩阵和位置矩阵;
定义预测时域t=5s,即算法对本车及前车未来5秒内的行为进行前向仿真;
定义智能车辆通行红绿灯最大加速度amax为3m/s2。
定义智能车辆通行红绿灯最小加速度amin为-3m/s2。
定义智能车辆通行红绿灯最大限速vlimit为60Km/h。
本车候选加速度序列中第i个候选加速度为:
其中,amax为智能车辆通行红绿灯最大加速度、amin为智能车辆通行红绿灯最小加速度、n1为候选加速度个数;
预测时域t内的时间间隔为:
ts=t/n2 (2)
其中,n2为时间间隔个数。本实施例中,设置时间间隔个数为5,相应地,时间间隔为1s。
根据候选加速度序列,生成预测时域内本车加速度矩阵A,A中元素aij:
aij=ai (3)
其中,矩阵A的行数为候选加速度个数n1,列数为时间间隔个数n2,ai为第i个候选加速度,所述加速度矩阵A表示智能车辆以该恒定的候选加速度在预测时域内行驶的情况;
生成预测时域内本车速度矩阵V,V中元素vij:
vij=v0+aij*ts*(j-1) (4)
其中,矩阵V的行数为候选加速度个数n1,列数为时间间隔个数n2,v0为本车当前车速;vij表示第i个候选加速度j时刻对应的速度,其中,1≤j≤n2;
生成预测时域内本车位置矩阵S,S中元素sij:
sij=s0+vij*ts*(j-1)+0.5*aij*ts*(j-1)*ts*(j-1) (5)
其中,矩阵S的行数为候选加速度个数n1,列数为时间间隔个数n2,s0为本车当前位置;sij表示第i个候选加速度j时刻对应的位置,1≤j≤n2。
步骤S32:根据前车的位置、速度,生成预测时域内前车的速度矩阵和位置矩阵;
保存1s内等间隔的n3个前车速度vm及每个速度对应时间,其中1≤m≤n3,对1s内的速度进行直线拟合,得到每一时间点的拟合速度vm1,1≤m1≤n3,拟合直线斜率为k;
1s内拟合速度和前车速度之间的误差为em=vm-vm1,若em小于误差阈值vth,则该点拟合成功,记拟合成功个数为n4,
若n4/n3≥r,表示拟合成功,前车加速度预测值apredict=k,其中,所述r为评价系数;
否则,表示拟合失败,说明处理周期内速度波动较大,速度变化规律不适合用匀加速模型来表示,则用1s内最后两个速度计算得到前车加速度预测值apredict;
生成前车速度矩阵Vp,Vp中元素vpij:
vpij=vp+apredict*ts*(j-1) (6)
其中,矩阵Vp的行数为候选加速度的个数,列数为时间间隔个数,vp为前车当前时刻车速;vpij表示前车速度矩阵Vp中第i行j时刻对应的速度,1≤j≤n2;
生成前车位置矩阵Sp,Sp中元素spij:
spij=sp0+vpij*ts*(j-1)+0.5*apredcit*ts*(j-1)*ts*(j-1) (7)
其中,矩阵Sp的行数为候选加速度个数n1,列数为时间间隔个数n2,sp0为前车当前位置,spij表示前车位置矩阵Sp中第i行j时刻对应的位置,1≤j≤n2。
步骤S33:确定智能车辆每一个候选加速度所对应的总成本,将总成本最小的候选加速度作为期望加速度。
智能车辆候选加速度总成本根据表示智能车辆行驶经济性、安全性、时效性、舒适性、通过红绿灯性能的成本函数及其各自权重计算得到;
对于每一个候选加速度,建立舒适性成本矩阵Ccomfort,步骤如下:
矩阵行数为候选加速度的个数n1,列数为时间间隔个数n2。遍历矩阵Ccomfort每一个元素,对于第i行第j列所对应的舒适性成本Ccomfort(i,j)=|aij|,本车舒适性成本用本车加速度表示,本车加速度的值越大,舒适性越差,舒适性成本越大。
对于每一个候选加速度,建立经济性成本矩阵Cfuel,步骤如下:
矩阵行数为候选加速度的个数n1,列数为时间间隔个数n2。参考相关论文中燃油消耗率的计算公式,燃油消耗率可以表示为速度的函数。遍历矩阵Cfuel每一个元素,对于第i行第j列所对应的经济性成本本车经济性成本用燃油消耗率表示,燃油消耗率越高,经济性成本越高。
对于每一个候选加速度,建立时效性成本函数Ctime,步骤如下:
矩阵行数为候选加速度的个数n1,列数为时间间隔个数n2。时效性成本函数Ctime(i,j)=1-vij/vlimit,其中vlimit为道路限速。即本车时效性成本用本车速度表示,速度越高,时效性成本越小,车辆通行时间越短。
对于每一个候选加速度,建立安全性成本函数Csafe,步骤如下:
矩阵行数为候选加速度的个数n1,列数为时间间隔个数n2。首先计算出每一个参考加速度aij所对应的相对速度vrij和相对距离drij,其中,vrij=vij-vpij,drij=sij-spij,
本车与前车的碰撞时间TTC(i,j)=drij/vrij;
若TTC(i,j)<0,即表示本车较慢,安全性成本Csafe(i,j)=0;
若0≤TTC(i,j)<TTCmax,安全性成本Csafe(i,j)=1-TCC(i,j)/TTCmax;
其中,TTCmax为碰撞时间最大值;
若TTC(i,j)≥TTCmax,则TTC(i,j)=TTCmax,Csafe(i,j)=0。
本车安全性成本用碰撞时间表示,碰撞时间越小,安全性成本越低。
对于每一个候选加速度,建立通行红绿灯成本函数Ctraffic,步骤如下:
矩阵行数为候选加速度的个数n1,列数为时间间隔个数n2。通行红绿灯参考速度vlight=dlight/tlight,其中dlight为本车和红绿灯路口之间的距离,tlight为当前红绿灯状态剩余时间;
包括以下情况:
当前红绿灯状态为红灯或者黄灯时:
若vij≤vlight,Ctraffic(i,j)=|aij|;
若vij>vlight,计算出车辆匀减速行驶dlight所消耗的时间刚好为红灯的剩余时间tlight所需要的减速度adec,Ctraffic(i,j)=adec-aij;
当前红绿灯状态为绿灯时:
若vij≥vlight,Ctraffic(i,j)=|aij|;
若vij<vlight且Ctraffic(i,j)=amax-aij;
若vij<vlight且减速度adec=v2/2/dlight,Ctraffic(i,j)=adec-aij。
求出智能车辆每一个候选加速度所对应的总成本,包括以下步骤:
各成本函数值归一化,使其范围在[0,1]之间:
对于舒适性成本函数Ccomfort,其最大Ccomfort_max=amax值,最小值Ccomfort_min=0,归一化后的舒适性成本函数:
对于经济性成本函数Cfuel,根据车速与燃油消耗率的关系及速度区间[0,16.6]可以得到其最大值Cfuel_max=0.76,最小值Cfuel_min=0.76,归一化后的经济性成本函数:
对于时效性成本函数Ctime,其值已经在[0,1]区间内,归一化后的时效性成本函数:
对于安全性成本函数Csafe,其值已经在[0,1]区间内,归一化后的时效性成本函数:
对于通行红绿灯成本函数Ctraffic,
其最大值Ctraffic_max=amax,最小值Ctraffic_min=0,归一化后的通行红绿灯成本函数:
根据不同的通行方案为各成本函数赋予权重;
本实施例提供了两种不同的通行红绿灯优化方案:第一种方案注重车辆燃油经济性,第二种注重车辆通行效率,使得通行红绿灯期间所占用的时间最短。智能车辆需要提前明确所采取的通行方案。
根据不同的通行方案为各成本函数赋予权重。如果采取第一种通行方案,设置归一化后的安全性权重wsafe=0.3,归一化后的通行红绿灯权重wtraffic=0.3,归一化后的舒适性权重wcomfort=0.1,归一化后的时效性权重wtime=0,归一化后的经济性权重wfuel=0.3。
如果采取第二种通行方案,设置归一化后的安全性权重wsafe=0.3,归一化后的通行红绿灯权重wtraffic=0.3,归一化后的舒适性权重wcomfort=0.1,归一化后的时效性权重wtime=0.3,归一化后的经济性权重wfuel=0。
综合考虑各成本的每一参考加速度aij对应的通行红绿灯总成本函数Ctotal:
其中,分别表示归一化后的舒适性成本函数、安全性成本函数、时效性成本函数、经济性成本函数、通行红绿灯成本函数,wcomfort、wsafe、wtime、wfuel、wtraffic分别表示舒适性权重、安全性权重、时效性权重、经济性权重、通行红绿灯权重;
建立预测时域内综合考虑各成本的各候选加速度的总成本函数C:
其中,y为不同时间间隔的权重系数基数,用来权衡未来时刻与当前时刻之间的关系。
选取候选加速度的总成本函数C中的最小值所对应的候选加速度值作为期望加速度。
将期望加速度和其对应的期望速度下发给智能车辆速度控制器执行,智能车辆根据速度控制器指令通过路口红绿灯,
其中,期望速度为期望加速度所对应的速度矩阵中第一个时间间隔处的速度。
综上所述,本发明实施例提供了智能驾驶车辆行驶控制方法,通过V2X通信,智能车辆能够根据接收到的道路前方红绿灯的信息提前规划本车纵向行为。本发明考虑到交通环境中存在其他社会车辆,使智能驾驶车辆通行红绿灯路口时不仅能够经济平顺的行驶,避免急加速、急减速等行为以提高通行时间、燃油经济性和舒适性,尽可能实现绿波通行并提高道路整个交通效率;同时能够与前方车辆协调,保证智能驾驶的安全性。
本领域技术人员可以理解,实现上述实施例方法的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于计算机可读存储介质中。其中,所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉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)
1.一种智能驾驶车辆行驶控制方法,其特征在于,包括以下步骤:
启动智能驾驶车辆的智能驾驶功能;
检测智能驾驶车辆的行进方向设定距离内是否有红绿灯,若有,智能驾驶车辆同时接收本车和前车的位置、速度及红绿灯状态信息;
生成智能驾驶车辆通行红绿灯的期望加速度和期望速度,并根据所述期望加速度和所述期望速度通行路口红绿灯;
继续检测智能驾驶车辆的行进方向设定距离内是否有红绿灯。
2.根据权利要求1所述的智能驾驶车辆行驶控制方法,其特征在于,所述智能驾驶车辆装载导航系统,所述导航系统根据智能驾驶车辆的位置判断所述车辆的行进方向设定距离内是否有红绿灯,
所述导航系统为车载导航系统或蓝牙连接的具有导航功能的移动导航系统。
3.根据权利要求2所述的智能驾驶车辆行驶控制方法,其特征在于,若智能驾驶车辆的行进方向设定距离内有红绿灯,智能车辆通过V2X通信接收本车的位置、速度信息及红绿灯状态信息,通过毫米波雷达接收前车的位置、速度信息。
4.根据权利要求1-3中任一项所述的智能驾驶车辆行驶控制方法,其特征在于,生成智能驾驶车辆通行红绿灯的期望加速度,步骤如下:
生成本车候选加速度序列,结合本车的速度、位置,生成预测时域内本车的速度矩阵和位置矩阵;
根据前车的位置、速度,生成预测时域内前车的速度矩阵和位置矩阵;
确定智能车辆每一个候选加速度所对应的总成本,将总成本最小的候选加速度作为期望加速度。
5.根据权利要求4所述的智能驾驶车辆行驶控制方法,其特征在于,
本车候选加速度序列中第i个候选加速度为:
其中,1≤i≤n1、amax为智能车辆通行红绿灯最大加速度、amax为智能车辆通行红绿灯最小加速度、n1为候选加速度个数;
预测时域t内的时间间隔为:
ts=t/n2 (2)
其中,n2为时间间隔个数;
根据候选加速度序列,生成预测时域内本车加速度矩阵A,A中元素aij:
aij=ai (3)
其中,矩阵A的行数为候选加速度个数n1,列数为时间间隔个数n2,ai为候选加速度序列中第i个候选加速度;
生成预测时域内本车速度矩阵V,V中元素vij:
vij=v0+aij*ts*(j-1) (4)
其中,矩阵V的行数为候选加速度个数n1,列数为时间间隔个数n2,v0为本车当前车速,vij表示第i个候选加速度j时刻对应的速度,其中,1≤j≤n2;
生成预测时域内本车位置矩阵S,S中元素sij:
sij=s0+vij*ts*(j-1)+0.5*aij*ts*(j-1)*ts*(j-1) (5)
其中,矩阵S的行数为候选加速度个数n1,列数为时间间隔个数n2,s0为本车当前位置,sij表示第i个候选加速度j时刻对应的位置。
6.根据权利要求4所述的智能驾驶车辆行驶控制方法,其特征在于,
保存t1时间内等间隔的n3个前车速度vm及每个速度对应时间,其中1≤m≤n3,对t1时间内的速度进行直线拟合,得到每一时间点的拟合速度vm1,其中1≤m1≤n3,拟合直线斜率为k;
t1时间内拟合速度和前车速度之间的误差为em=vm-vm1,若em小于误差阈值vth,则该点拟合成功,记拟合成功个数为n4,
若n4/n3≥r,表示拟合成功,前车加速度预测值apredict=k,
其中,所述r为评价系数;
否则,用t1时间内最后两个速度计算得到前车加速度预测值apredict;生成前车速度矩阵Vp,Vp中元素vpij:
vpij=vp+apredict*ts*(j-1) (6)
其中,矩阵Vp的行数为候选加速度的个数,列数为时间间隔个数,vp为前车当前时刻车速;vpij表示前车速度矩阵Vp中第i行j时刻对应的速度,1≤j≤n2;
生成前车位置矩阵Sp,Sp中元素spij:
spij=sp0+vpij*ts*(j-1)+0.5*apredcit*ts*(j-1)*ts*(j-1) (7)
其中,矩阵Sp的行数为候选加速度个数n1,列数为时间间隔个数n2,sp0为前车当前位置,spij表示前车位置矩阵S1中第i行j时刻对应的位置,1≤j≤n2。
7.根据权利要求4-6中任一项所述的智能驾驶车辆行驶控制方法,其特征在于,
建立预测时域内综合考虑各成本的各候选加速度的总成本函数C:
其中,y为不同时间间隔的权重系数基数,Ctotal(i,j)为参考加速度aij对应的通行红绿灯总成本函数;
其中,分别表示归一化后的舒适性成本函数、安全性成本函数、时效性成本函数、经济性成本函数、通行红绿灯成本函数,wcomfort、wsafe、wtime、wfuel、wtraffic分别表示舒适性权重、安全性权重、时效性权重、经济性权重、通行红绿灯权重。
8.根据权利要求7所述的智能驾驶车辆行驶控制方法,其特征在于,
所述舒适性成本函数Ccomfort,其中Ccomfort(i,j)=|aij|;
所述经济性成本函数Cfuel,其中
所述时效性成本函数Ctime,其中Ctime(i,j)=1-vij/vlimit;
所述安全性成本函数Csafe;
所述通行红绿灯成本函数Ctraffic。
9.根据权利要求1或7所述的智能驾驶车辆行驶控制方法,其特征在于,将期望加速度和其对应的期望速度下发给智能车辆速度控制器执行,智能车辆根据速度控制器指令通过路口红绿灯,
其中,期望速度为期望加速度所对应的速度矩阵中第一个时间间隔处的速度。
10.根据权利要求1所述的智能驾驶车辆行驶控制方法,其特征在于,所述启动智能驾驶车辆的智能驾驶功能包括:
启动智能驾驶车辆;
开启智能驾驶车辆硬件设备开关,所述硬件设备包括但不限于规划工控机、感知工控机、交换机、相机、毫米波雷达、导航系统;
接通无线通信设备;
开启智能驾驶车辆软件模块,所述软件模块包括但不限于智能车辆感知模块、决策规划模块、路径规划模块、速度规划模块、横纵向控制模块;
检查车辆运行状态,在所述智能驾驶车辆硬件设备开关、所述智能驾驶车辆软件模块正常运行情况下,启动智能驾驶车辆的智能驾驶功能。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810510649.6A CN108749814B (zh) | 2018-05-24 | 2018-05-24 | 一种智能驾驶车辆行驶控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810510649.6A CN108749814B (zh) | 2018-05-24 | 2018-05-24 | 一种智能驾驶车辆行驶控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108749814A true CN108749814A (zh) | 2018-11-06 |
CN108749814B CN108749814B (zh) | 2020-02-21 |
Family
ID=64005800
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810510649.6A Active CN108749814B (zh) | 2018-05-24 | 2018-05-24 | 一种智能驾驶车辆行驶控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108749814B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109147352A (zh) * | 2018-11-02 | 2019-01-04 | 安徽安凯汽车股份有限公司 | 一种汽车红绿灯斑马线安全智能驾驶的控制系统及方法 |
CN109448413A (zh) * | 2018-11-27 | 2019-03-08 | 爱易成技术(天津)有限公司 | 车速诱导显示装置、车速诱导设备和计算机可读介质 |
CN109693668A (zh) * | 2018-12-27 | 2019-04-30 | 驭势科技(北京)有限公司 | 一种自动驾驶车辆速度控制系统与方法 |
CN109808693A (zh) * | 2019-02-19 | 2019-05-28 | 百度在线网络技术(北京)有限公司 | 无人车黄灯决策方法、装置及存储介质 |
CN110347155A (zh) * | 2019-06-26 | 2019-10-18 | 北京理工大学 | 一种智能车辆自动驾驶控制方法及系统 |
CN111369818A (zh) * | 2018-12-26 | 2020-07-03 | 华为技术有限公司 | 一种闯红灯预警方法及装置 |
CN116030636A (zh) * | 2023-03-28 | 2023-04-28 | 北京清研宏达信息科技有限公司 | 一种公交车速动态规划的方法和系统 |
CN116476828A (zh) * | 2023-03-08 | 2023-07-25 | 华中科技大学 | 一种考虑前车影响和红绿灯信息的车速规划方法和系统 |
WO2023165205A1 (zh) * | 2022-03-01 | 2023-09-07 | 魔门塔(苏州)科技有限公司 | 一种路口通行决策方法、装置、介质、设备及车辆 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103489324A (zh) * | 2013-09-22 | 2014-01-01 | 北京联合大学 | 一种基于无人驾驶的实时动态红绿灯检测识别方法 |
CN105035090A (zh) * | 2015-06-06 | 2015-11-11 | 吉林大学 | 基于交通信号灯的自主驾驶车辆轨迹预测控制方法 |
CN105073542A (zh) * | 2013-04-01 | 2015-11-18 | 朴秀旼 | 汽车自动驾驶系统 |
CN105243864A (zh) * | 2015-10-30 | 2016-01-13 | 桂林市腾瑞电子科技有限公司 | 一种无人驾驶车辆的智能控制系统 |
CN106080597A (zh) * | 2015-04-27 | 2016-11-09 | 丰田自动车株式会社 | 自动驾驶车辆系统 |
-
2018
- 2018-05-24 CN CN201810510649.6A patent/CN108749814B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105073542A (zh) * | 2013-04-01 | 2015-11-18 | 朴秀旼 | 汽车自动驾驶系统 |
CN103489324A (zh) * | 2013-09-22 | 2014-01-01 | 北京联合大学 | 一种基于无人驾驶的实时动态红绿灯检测识别方法 |
CN106080597A (zh) * | 2015-04-27 | 2016-11-09 | 丰田自动车株式会社 | 自动驾驶车辆系统 |
CN105035090A (zh) * | 2015-06-06 | 2015-11-11 | 吉林大学 | 基于交通信号灯的自主驾驶车辆轨迹预测控制方法 |
CN105243864A (zh) * | 2015-10-30 | 2016-01-13 | 桂林市腾瑞电子科技有限公司 | 一种无人驾驶车辆的智能控制系统 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109147352A (zh) * | 2018-11-02 | 2019-01-04 | 安徽安凯汽车股份有限公司 | 一种汽车红绿灯斑马线安全智能驾驶的控制系统及方法 |
CN109147352B (zh) * | 2018-11-02 | 2021-11-23 | 安徽安凯汽车股份有限公司 | 一种汽车红绿灯斑马线安全智能驾驶的控制系统及方法 |
CN109448413A (zh) * | 2018-11-27 | 2019-03-08 | 爱易成技术(天津)有限公司 | 车速诱导显示装置、车速诱导设备和计算机可读介质 |
CN111369818A (zh) * | 2018-12-26 | 2020-07-03 | 华为技术有限公司 | 一种闯红灯预警方法及装置 |
CN109693668A (zh) * | 2018-12-27 | 2019-04-30 | 驭势科技(北京)有限公司 | 一种自动驾驶车辆速度控制系统与方法 |
CN109808693A (zh) * | 2019-02-19 | 2019-05-28 | 百度在线网络技术(北京)有限公司 | 无人车黄灯决策方法、装置及存储介质 |
CN109808693B (zh) * | 2019-02-19 | 2021-04-30 | 百度在线网络技术(北京)有限公司 | 无人车黄灯决策方法、装置及存储介质 |
CN110347155A (zh) * | 2019-06-26 | 2019-10-18 | 北京理工大学 | 一种智能车辆自动驾驶控制方法及系统 |
CN110347155B (zh) * | 2019-06-26 | 2020-11-06 | 北京理工大学 | 一种智能车辆自动驾驶控制方法及系统 |
WO2023165205A1 (zh) * | 2022-03-01 | 2023-09-07 | 魔门塔(苏州)科技有限公司 | 一种路口通行决策方法、装置、介质、设备及车辆 |
CN116476828A (zh) * | 2023-03-08 | 2023-07-25 | 华中科技大学 | 一种考虑前车影响和红绿灯信息的车速规划方法和系统 |
CN116030636A (zh) * | 2023-03-28 | 2023-04-28 | 北京清研宏达信息科技有限公司 | 一种公交车速动态规划的方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108749814B (zh) | 2020-02-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108749814A (zh) | 一种智能驾驶车辆行驶控制方法 | |
CN108694841B (zh) | 一种基于v2x技术的智能车辆通行路口红绿灯方法 | |
Bevly et al. | Lane change and merge maneuvers for connected and automated vehicles: A survey | |
Wang et al. | Developing a distributed consensus-based cooperative adaptive cruise control system for heterogeneous vehicles with predecessor following topology | |
US20190391582A1 (en) | Apparatus and method for controlling the driving of a vehicle | |
Tian et al. | Performance measurement evaluation framework and co-benefit\/tradeoff analysis for connected and automated vehicles (CAV) applications: A survey | |
CN107563543B (zh) | 一种基于群体智能的城市交通优化服务方法与系统 | |
CN111332283A (zh) | 用于控制机动车的方法和系统 | |
CN107886750B (zh) | 一种基于超视距协同认知的无人驾驶汽车控制方法与系统 | |
CN111845754B (zh) | 基于边缘计算和群智算法的自动驾驶车辆的决策预测方法 | |
US11577750B2 (en) | Method and apparatus for determining a vehicle comfort metric for a prediction of a driving maneuver of a target vehicle | |
Wang et al. | Cluster-wise cooperative eco-approach and departure application for connected and automated vehicles along signalized arterials | |
KR20210073638A (ko) | 군집 주행 차량의 제어 | |
Mo et al. | Simulation and analysis on overtaking safety assistance system based on vehicle-to-vehicle communication | |
WO2022078067A1 (zh) | 面向智能车辆的区域协同驾驶意图调度方法、系统和介质 | |
CN115601954B (zh) | 一种智能网联车队的换道判断方法、装置、设备及介质 | |
CN112925309A (zh) | 智能网联汽车数据交互方法及交互系统 | |
CN113312760A (zh) | 一种基于交通仿真的网联机动车右转轨迹规划方法和装置 | |
Dao et al. | A strategy for optimisation of cooperative platoon formation | |
CN113963564A (zh) | 连续信号灯道路车辆最优通行速度规划方法、系统及介质 | |
Mohammadi et al. | Signalised intersection control in a connected vehicle environment: User throughput maximisation strategy | |
CN110619340A (zh) | 一种自动驾驶汽车换道规则的生成方法 | |
Ye et al. | Deep learning-based queue-aware eco-approach and departure system for plug-in hybrid electric buses at signalized intersections: A simulation study | |
Lv et al. | Cooperative decision-making of connected and autonomous vehicles in an emergency | |
Tian et al. | Examining the safety, mobility and environmental sustainability co-benefits and tradeoffs of intelligent transportation systems |
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 | ||
EE01 | Entry into force of recordation of patent licensing contract | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20181106 Assignee: Shaanxi Huoman Supply Chain Management Co.,Ltd. Assignor: BIT INTELLIGENT VEHICLE TECHNOLOGY Co.,Ltd. Contract record no.: X2022980009256 Denomination of invention: A driving control method of intelligent driving vehicle Granted publication date: 20200221 License type: Common License Record date: 20220628 |