CN109941211B - 一种汽车智能驾驶系统结构共用型架构及构建方法 - Google Patents

一种汽车智能驾驶系统结构共用型架构及构建方法 Download PDF

Info

Publication number
CN109941211B
CN109941211B CN201910220077.2A CN201910220077A CN109941211B CN 109941211 B CN109941211 B CN 109941211B CN 201910220077 A CN201910220077 A CN 201910220077A CN 109941211 B CN109941211 B CN 109941211B
Authority
CN
China
Prior art keywords
control
layer
sharing
architecture
intelligent driving
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.)
Active
Application number
CN201910220077.2A
Other languages
English (en)
Other versions
CN109941211A (zh
Inventor
李克强
解来卿
罗禹贡
李升波
孔伟伟
陈锐
许庆
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.)
Tsinghua University
Original Assignee
Tsinghua University
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 Tsinghua University filed Critical Tsinghua University
Priority to CN201910220077.2A priority Critical patent/CN109941211B/zh
Publication of CN109941211A publication Critical patent/CN109941211A/zh
Application granted granted Critical
Publication of CN109941211B publication Critical patent/CN109941211B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Traffic Control Systems (AREA)

Abstract

本发明公开一种汽车智能驾驶系统结构共用型架构及构建方法,是针对汽车智能驾驶系统优化集成需要提出的一种结构共用型技术方案,该方案将汽车智能驾驶系统分为传感器信息共享、控制器资源共用、执行器操作共管三层架构。相比于目前主流的叠加式集成架构,本发明在顶层设计层面实现了部件共用、信息共享和功能协同,解决了现有功能叠加型架构存在的结构冗余、成本较高、资源利用不充分等问题,能够确保汽车智能驾驶系统更为优化的集成。

Description

一种汽车智能驾驶系统结构共用型架构及构建方法
技术领域
本发明涉及智能汽车领域,特别指出一种汽车智能驾驶系统的结构共用型架构及其构建方法。
背景技术
汽车智能驾驶系统是一种集成了环境感知、规划决策、多等级辅助驾驶等功能于一体的综合系统,它是汽车实现智能驾驶功能(含辅助驾驶、自动驾驶、无人驾驶等)的基础,是智能汽车的核心组成部分。在汽车智能化升级过程中,各种不同功能的智能驾驶系统不断地被集成在汽车上,使汽车逐步具备辅助驾驶、半自动驾驶、高度自动驾驶,直至无人驾驶功能。在这一集成升级过程中,各种不同功能的智能驾驶系统在汽车上集成的方式及方法对集成后整个系统的结构与性能有着至关重要的影响。目前的主流做法通常是采用叠加集成的方式,即在原系统基础上叠加新的智能驾驶系统,如图1所示,实现多个功能。然而,随着汽车智能驾驶功能的不断增多,特别是关键零部件种类、型号、数量的增多,采用这种“模块分离设计、功能叠加产生”的集成方法不仅容易造成结构冗余、资源浪费和系统成本增加,而且由于系统中关键部件利用不充分,系统整体性能也难以进一步协同优化。因此,迫切需要一种新的系统集成架构来解决这一系列问题。
发明内容
为克服上述现有技术之不足,本发明着力于提供一种汽车智能驾驶系统结构共用型架构及构建方法,其目的是解决或至少减轻现有技术上述缺陷中的至少一个。该架构能够减少系统结构冗余,提高资源利用率,且便于系统整体性能的优化提升。
本发明提出一种汽车智能驾驶系统结构共用型架构,包含传感层架构、控制层架构和执行层架构,每一层架构都采用结构共用的方式构建,其中,
在所述传感层架构中,设置有优化配置的多传感器系统,并设置有数据标准化处理与数据融合模块,并设置有信息传输共享通道,各传感器数据经过标准化处理后通过所述信息传输共享通道传输;
在所述控制层架构中,采用单一控制器,并设置共享控制资源模块,其中包括计算资源、储存资源、通讯资源;根据车辆的控制功能在所述控制器中划分多个控制域,各所述控制域在所述控制器内部相互调度并共享各所述资源;
在所述执行层架构中,设置有优化配置的多执行器系统,并设置有指令协调器,所述指令协调器按照分级、分向协调各执行器的操作。
进一步地,可将所述传感层架构再划分为物理层、数据层和网络层,在所述物理层优化配置传感器,在所述数据层设置数据标准化处理与融合模块,在所述网络层设置信息传输共享通道。
进一步地,可将所述控制层架构再划分为调度层和控制层,在所述调度层设置共享控制资源模块,在所述控制层设置多控制域,所述控制器通过内存共享和时钟同步,实现各控制域之间的计算资源的分核共用、储存资源的分区共用和通讯资源的分时共用。
进一步地,可将所述执行层架构再划分为协调层和操作层,在所述协调层,设置一指令协调器,给各执行器发送操作指令;在所述操作层,设置各执行器,接收所述操作指令,执行具体操作。
本发明还提出一种汽车智能驾驶系统结构共用型架构的构建方法:
首先,将所述系统划分为传感层、控制层和执行层,共三层架构;
其次,构建所述传感层架构,优化传感器的选型与布置,并建立信息流共享通道,将各传感器的信息统一通过共享通道传输至所述控制层;
构建所述控制层架构,采用单一控制器,按系统控制功能建立多个控制域,各控制域在所述控制器管理下相互调用资源,并由所述控制器向所述执行层发送执行指令;
构建所述执行层架构,建立一指令协调器,由所述指令协调器协调所述控制器发送来的指令,按照“分级优先、分向协调”的原则,给执行器发送操作指令。
进一步地,对于所述传感层,具体构建方法可以是:
1)首先根据典型应用场景确定智能驾驶系统的各子系统及对应的环境感知需求;
2)然后根据系统总的环境感知需求对子系统所需传感器进行优选配置;
3)再对各传感器输出的各种类型数据进行格式标准化处理,处理为统一的格式;
4)再建立一信息共享通道,将标准化处理后的所有传感器数据输出至信息共享通道中,实现车载多传感器系统的信息共享。
进一步地,对于所述控制层,具体构建方法可以是:
1)控制功能划分
根据不同的应用场景,对智能驾驶控制功能进行划分,包括:低速场景下的“起-停跟车控制”、“紧急制动控制”、“自动泊车控制”,高速场景下的“纵向跟车控制”、“紧急制动控制”;
2)控制域划分
根据控制功能的划分,选用单一控制器并进行控制域划分,每一控制域对应一种控制功能;
3)控制资源共用
通过控制器内部时钟频率的配置,对智能驾驶各子系统进行时钟同步,根据各子系统控制功能的需要,控制器在各控制域之间调度控制资源,实现计算资源的分核共用、储存资源的分区共用和通讯资源的分时共用。
进一步地,对于所述执行层,具体构建方法可以是:
1)执行器优化配置
1)首先根据整车的执行功能,进行执行器优化配置;
2)然后建立控制指令协调器,将智能驾驶各子系统指令,按照“安全→舒适→节能”的优先顺序,“横向→纵向→垂向”的分发顺序,将控制指令发往各执行器,实现执行功能协同。
本发明提出的汽车智能驾驶系统结构共用型架构及构建方法,通过设置传感、控制和执行三层架构,通过传感信息共享、控制资源共用和执行操作共管,实现了系统资源的充分利用和整体功能的协同优化。在传感信息共享架构下,通过传感器物理建模和多维指标评价,优选所需传感器的型号及位置,实现了传感器的优化配置,对各传感器原始或聚合数据进行信息编码或数据结构标准化等处理,便于信息共享和数据融合,通过共用传输总线,对传感器信息流统一协同调度,便于控制系统管理。在控制资源共用架构下,根据系统总体控制功能需要,对控制器进行控制域划分与控制资源的调度,然后通过内存共享和时钟同步等,实现计算资源的分核共用、储存资源的分区共用和通讯资源的分时共用。在执行操作共管架构下,通过建立指令协调器,识别并协调各指令集,按照“分级优先、分向协调”的原则,给执行器发送操作指令,实现执行功能协同优化。相比于目前的叠加式集成架构,本架构在顶层设计层面具备简化系统结构组成、提高资源利用效率、降低设计制造成本等作用,解决了现有功能叠加集成架构容易造成的结构冗余、成本较高等问题,确保了智能驾驶系统更为优化的集成。
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是现有技术的汽车智能驾驶系统功能叠加型架构示意图;
图2是本发明提出的汽车智能驾驶系统结构共用型架构示意图;
图3是汽车智能驾驶系统传感信息共享架构示意图;
图4是汽车智能驾驶系统是控制资源共用架构示意图;
图5是汽车智能驾驶系统是执行操作共管架构示意图。
具体实施方式
汽车智能驾驶系统中用到的智能驾驶子系统会很多,常用的有自动泊车系统(APS)、自动紧急制动系统(AEB)、自适应巡航控制系统(ACC)等。下面结合附图,并以APS、AEB、ACC等智能驾驶子系统的集成为例对本发明进行详细的描述,但本领域的技术人员应该知道,以下实施例并不是对本发明技术方案作的唯一限定,凡是在本发明技术方案精神实质下所做的任何等同变换或改动,均应视为属于本发明的保护范围。
本发明将汽车智能驾驶系统结构按传感、控制和执行三层次进行划分,如图2所示,每一层次都形成一种结构共用型架构,即分别对应了传感信息共享架构、控制资源共用架构和执行操作共管架构。在传感层架构中,优化传感器的构成与配置,并通过共享各传感器的信息流,实现信息资源的最大化利用;在控制层架构中,通过控制域划分,使多个处理单元共用同一物理控制器,实现控制资源的合理分配与充分利用;在执行层架构中,对发往执行器的控制指令进行统一管理,以便于实现各子系统执行功能的协同优化。
一.传感信息共享架构
构建传感信息共享架构目标是优化传感器的构成与配置,并通过共享各传感器的信息流,实现信息资源的最大化利用。为此,本发明将车载传感器系统架构再划分为物理层、数据层和网络层,对每层都进行优化配置。如图3所示,在物理层,根据系统对环境信息的感知需要(比如典型应用场景),通过对传感器物理建模和综合指标评价,优选所需传感器的型号及位置,实现传感器的优化配置;在数据层,对各传感器原始或聚合数据值进行信息编码或数据结构标准化等处理,将原始或聚合数据值转化为统一的结构化或有意义的信息,便于信息共享和数据融合;在网络层,通过共用传输总线,将所有传感器组成一个网络,对传感器及其信息流进行统一管理和协同调度,并传输至车辆控制系统。
具体地,所述传感信息共享架构的构建方法是:
以APS、AEB、ACC三个智能驾驶系统的集成为例,汽车ACC、AEB和APS等智能驾驶系统均需要配置环境感知传感器以获取车辆周围的交通环境信息。如果按照现有基于工程经验或定性分析的方法对各子系统叠加配置传感器,不仅容易造成传感器配置冗余、成本较高,而且由于各子系统的传感器之间没有共享数据,造成资源利用不充分。为此,本发明在传感层优化传感器的构成与配置,并通过共享各传感器的信息流,实现信息资源的最大化利用。
具体实现步骤如下:
(1)典型场景定义
对应于不同的应用场景,智能汽车需要配置不同的智能驾驶系统,根据汽车ACC、AEB和APS等智能驾驶功能需求,应先确定典型的应用场景,比如包括低速泊车场景、高速跟车场景及紧急制动场景,并定义场景中的必要参数,包括道路特征参数和车辆运动参数,如道路宽度、泊车位长度、自车速度、前车速度、周围车辆与自车的相对距离等。
(2)传感器选型与配置
在物理层,基于所确定的典型应用场景,选择所需的传感器,比如超声波雷达、毫米波雷达、激光雷达、摄像头等;考虑传感器在车上的布置位置与方位,建立传感器感知性能模型,采用组合优化的方法,优选出兼顾性能和成本的传感器配置方案。
比如在一实施例中,采取如下方法优化配置,但不限于此:
首先,根据典型应用场景,对系统所需感知的环境信息进行统一描述,包括需要感知的范围、精度、信息类型,作为优选传感器的初选条件或约束条件;
其次,从成本、功能和可靠性等多个维度,构建传感器配置的指标评价体系,进而建立多维优化目标函数;
再次,建立备选传感器的感知功能模型,描述传感器的感知范围、感知精度、探测率及在车上不同安装位置的感知范围;
最后,根据约束条件和多维优化目标函数,采用全局搜索算法,如基于智能算法的多目标组合优化算法,对备选传感器及备选安装位置进行综合寻优,实现多传感器系统的最优配置。
其中,建立传感器优选约束条件的方法是:
1)对于智能驾驶系统而言,车辆正前方和正后方的探测距离是首先要保证的,为此设立该位置传感器有效探测距离的约束条件:
dX(1)≥df
dX(2)≥dr
式中,X(1)、X(2)分别表示车辆正前方和正后方位置(位置编号分别为1和2)处传感器编号,dX(1)、dX(2)分别表示该位置传感器的探测距离,df、dr表示车辆正前方和后方需要探测的距离。
2)超声波雷达、毫米波雷达和激光雷达传感器,由于外形尺寸差别较大,其在车辆上的备选安装位置各不相同,需要设定各传感器的安装位置约束条件:
b≥X(i)≥a;i∈1,2,...,n
式中,X(i)表示i位置的传感器编号,[a、b]表示某种类传感器的位置范围。
3)为保证多传感器系统的可靠性水平,以多传感器系统平均使用寿命时间为约束条件:
MTTF()X≥tmin
式中,向量X表示所配置的传感器集合,其元素值代表该位置所选的传感器序号;MTTF()X表示所配置多传感器系统的平均使用寿命时间,tmin表示系统所允许的最小使用寿命。
4)为缩小求解时的搜索范围,还可以考虑对所选单个传感器的探测频率、测距精度、成本价格设定约束条件,如:所选传感器单价不应超过所允许的最大值,该约束条件为:
PrX(i)≤Prmax;i=1,2,...,n
式中,Pri、Prmax分别为第i个位置传感器成本价格和系统所允许的单个传感器最高价格。
其中,建立传感器多维优化目标函数的方法是:
1)以探测覆盖盲区占比最小为优化目标,设计探测覆盖率目标函数如下:
J1(X)=1-S(X)/SR
式中,S(X)为各位置传感器探测有效覆盖面积的并集,SR代表系统所需要的最大感知区域面积。
2)以正前方目标的探测精度为目标函数之一,目的是提高正前方测距的精度,以保证精准的纵向运动控制(自适应巡航控制、紧急制动控制等)。设计探测精度目标函数如下:
J2(X)=εX(1) 2
式中,εX(1)为正前方位置传感器的测距误差。
3)传感器成本目标函数
多传感器系统集成在车上的总成本包括了所配置传感器的成本与安装成本。由于各传感器的安装成本主要跟传感器类型有关,为便于统一量化,忽略传感器在不同安装位置上的安装成本差异,将传感器的安装成本考虑在传感器价格中,建立传感器成本目标函数为:
Figure BDA0002003307330000071
其中,建立备选传感器的感知功能模型可以有以下几种方式:一,不考虑传感器性能,只考虑传感器在车辆上的安装位置,输出传感器探测目标距离和方位;二,根据传感器技术参数,输出传感器探测目标距离、误差范围及探测率;三,考虑天气衰减、探测目标具体反射面积等因素,建立能量反射模型,输出传感器探测目标反射回的能量,描述其探测率。
(3)传感器数据格式化处理
在数据层,由于不同类型传感器输出的数据格式不尽相同,不便于数据的融合与信息共享,为此对各传感器输出的点云数据、图像数据、文本数据等进行数据结构的标准化,处理为统一的格式,可采用现行任何方法。
(4)传感器信息共享
在网络层,建立一信息共享通道,将标准化处理后的所有传感器数据输出至信息传输共享通道(传输总线),实现车载多传感器系统的信息共享。
二.控制资源共用架构
构建控制资源共用架构目标是通过控制域划分,使多个处理单元共用同一物理控制器,实现控制资源的合理分配与充分利用。以汽车ACC、AEB及APS等智能驾驶系统为例,由于汽车ACC、AEB及APS等智能驾驶功能分别应用于不同场景,三个子系统不可能或不经常同时工作,按照现有方法采用三个控制器分别实现上述三项控制功能,容易造成资源闲置,为此选用一个控制器,集成ACC、AEB及APS等三项控制功能,提高资源利用效率。将控制系统部分划分为调度层和控制层,如图4所示,在调度层,根据系统总体控制功能需要,进行控制功能划分与控制资源的调度;在控制层,进行控制域划分,使之成为一个个相对独立的虚拟处理单元,然后由统一管理的控制器通过内存共享和时钟同步等,实现计算资源的分核共用、储存资源的分区共用和通讯资源的分时共用。
由此可见,控制层架构的构建过程如下:
(1)控制功能划分
根据不同的应用场景,对智能驾驶控制功能进行划分,划分的依据可以但不限于车辆的运动状态,如低速、高速状态,或纵向运动、横向运动。控制功能包括:低速场景下的“起-停跟车控制”、“紧急制动控制”、“自动泊车控制”等,高速场景下的“纵向跟车控制”、“紧急制动控制”等。在控制功能划分下,系统在实际行车中视需要调动相应的控制资源。
(2)控制域划分
根据控制功能的划分,对选用的单一控制器进行控制域划分,每一控制域相当于一个处理单元。本实施例中,根据控制功能划分为三个控制域:自动泊车控制域、纵向跟车控制域和紧急制动控制域,其中,纵向跟车控制域和紧急制动控制域进一步根据场景划分为高速和低速的控制域。
(3)控制资源共用
通过控制器内部时钟频率的配置,对汽车ACC、AEB及APS等子系统进行时钟同步(可采用通用方法,通过控制器内时钟频率的配置就能实现),根据各子系统控制功能的需要,在各控制域之间调度控制资源,实现计算资源的分核共用、储存资源的分区共用和通讯资源的分时共用。
三.执行操作共管架构
构建执行操作共管架构目标是对发往执行器的控制指令进行统一管理,消除可能出现的干涉动作,并协同各子系统功能,便于提高系统的整体性能。为此将执行系统划分为协调层和操作层进行架构设计。如图5所示,在协调层,建立一指令协调器,识别并协调各子系统的指令集,按照“分级优先、分向协调”的原则,给执行器发送操作指令;在操作层,根据控制指令,执行具体操作,实现执行功能协同优化,如制动、加速、转向等。
执行层架构的构建过程如下:
在汽车上集成智能驾驶系统后,汽车ACC、AEB及APS等智能驾驶子系统与汽车上原有的ABS、TCS、EPS等主动安全系统并存,各子系统需要通过控制汽车的驱动系统、制动系统或转向系统而起作用,由于子系统众多,发往执行系统的操作指令会存在执行动作干涉或不协调的可能,为此在执行层优化执行系统的构成,并建立控制指令协调器,以便于实现执行功能协同优化。
(1)执行器选型与配置
本实施例中,ACC的执行器是驱动电机,AEB的执行器是液压制动器,APS的执行器是驱动电机和转向电机。采用结构共用的思想,基于“功能定义→功能分解→结构映射→组合优化→结构共用”的技术路线,通过合并功能重叠的执行结构,优化执行器的构型,在此基础上确定执行器的配置。
在一实施例中,可以采用下述方法优选配置:
首先,将整车执行系统进行功能定义,可以划分为驱动、制动、助力转向和制动能量回收等功能模块,然后依据这些功能模块分为驱动系统、制动系统、储能系统、转向系统。
其次,在功能定义下对执行系统逐级分解,落实到执行器,如,采用行星齿轮排、电机、发动机提供纵向驱动力矩、制动力矩、助力转向力矩和制动能量回收,其中,①利用发动机、电机和行星齿轮排的耦合提供纵向驱动力矩;②利用电机提供制动力矩的同时,进行制动能量回收;③利用行星齿轮排及电机,实现左、右侧车轮独立驱动,同时提供助力转向力矩;④利用发动机、电机、液压制动器的耦合共同提供制动力矩。
再次,针对单一功能执行器进行原理性建模,首先根据车辆行驶过程中的目标最高速度、最大加速度、加速时间、最大制动减速度、电池容量、转弯半径信息,根据车辆动力学方程对发动机、电机、电源等进行参数初次匹配;然后以所要实现的功能作为筛选条件,根据行星齿轮排结构的动力学方程,对多行星齿轮排机构进行选型、建模;最后根据动态规划算法进行结构参数最优化。
最后,对各执行器进行结构耦合优化,合并同类结构。
(2)操作指令分向协调
建立控制指令协调器,协调各指令集,制定分级优先原则,当发往执行系统的操作命令较多时,按照“安全→舒适→节能”的优先顺序,分“横向→纵向→垂向”协调发往执行系统的控制指令。
(3)执行功能协同实现
根据协调后的控制指令,分别给汽车的驱动系统、制动系统、转向系统等执行器发送操作指令,执行具体的驱动、制动或转向操作,实现执行功能协同。

Claims (8)

1.一种汽车智能驾驶系统结构共用型架构,其特征在于:所述系统包含三层架构:传感层架构、控制层架构和执行层架构,每一层架构都采用结构共用的方式构建,其中,
在所述传感层架构中,设置有优化配置的多传感器系统,并设置有数据标准化处理与数据融合模块,并设置有信息传输共享通道,各传感器数据经过标准化处理后通过所述信息传输共享通道传输;
在所述控制层架构中,采用单一控制器,并设置共享控制资源模块,其中包括计算资源、储存资源、通讯资源;根据车辆的控制功能在所述控制器中划分多个控制域,各所述控制域在所述控制器内部相互调度并共享各所述资源;
在所述执行层架构中,设置有优化配置的多执行器系统,并设置有指令协调器,所述指令协调器按照分级、分向协调各执行器的操作。
2.根据权利要求1所述的汽车智能驾驶系统结构共用型架构,其特征在于:所述传感层架构,划分为物理层、数据层和网络层,在所述物理层优化配置传感器,在所述数据层设置数据标准化处理与融合模块,在所述网络层设置信息传输共享通道。
3.根据权利要求1所述的汽车智能驾驶系统结构共用型架构,其特征在于:所述控制层架构,划分为调度层和控制层,在所述调度层设置共享控制资源模块,在所述控制层设置多控制域,所述控制器通过内存共享和时钟同步,实现各控制域之间的计算资源的分核共用、储存资源的分区共用和通讯资源的分时共用。
4.根据权利要求1所述的汽车智能驾驶系统结构共用型架构,其特征在于:所述执行层架构,划分为协调层和操作层,在所述协调层,设置一指令协调器,给各执行器发送操作指令;在所述操作层,设置各执行器,接收所述操作指令,执行具体操作。
5.一种汽车智能驾驶系统结构共用型架构的构建方法,其特征在于:
首先,将所述系统划分为传感层、控制层和执行层,共三层架构;
其次,构建所述传感层架构,优化传感器的配置,并建立信息流共享通道,将各传感器的信息统一通过共享通道传输至所述控制层;
构建所述控制层架构,采用单一控制器,按系统控制功能建立多个控制域,各控制域在所述控制器管理下相互调用资源,并由所述控制器向所述执行层发送执行指令;
构建所述执行层架构,建立一指令协调器,由所述指令协调器协调所述控制器发送来的指令,按照“分级优先、分向协调”的原则,给执行器发送操作指令。
6.根据权利要求5所述的构建方法,其特征在于:所述传感层的具体构建方法是:
1)首先根据典型应用场景确定智能驾驶系统的各子系统及对应的环境感知需求;
2)然后根据系统总的环境感知需求对各子系统所需传感器进行优化配置;
3)再对各传感器输出的各种类型数据进行格式标准化处理,处理为统一的格式;
4)再建立一信息共享通道,将标准化处理后的所有传感器数据输出至信息共享通道中,实现车载多传感器系统的信息共享。
7.根据权利要求5所述的构建方法,其特征在于:所述控制层的具体构建方法是:
1)控制功能划分
根据不同的应用场景,对智能驾驶控制功能进行划分,包括:低速场景下的“起-停跟车控制”、“紧急制动控制”、“自动泊车控制”,高速场景下的“纵向跟车控制”、“紧急制动控制”;
2)控制域划分
根据控制功能的划分,选用单一控制器并进行控制域划分,每一控制域对应一种控制功能;
3)控制资源共用
通过控制器内部时钟频率的配置,对智能驾驶各子系统进行时钟同步,根据各子系统控制功能的需要,控制器在各控制域之间调度控制资源,实现计算资源的分核共用、储存资源的分区共用和通讯资源的分时共用。
8.根据权利要求5所述的构建方法,其特征在于:所述执行层的具体构建方法是:
1)首先根据整车的执行功能,进行执行器优化配置;
2)然后建立控制指令协调器,将智能驾驶各子系统指令,按照“安全→舒适→节能”的优先顺序,“横向→纵向→垂向”的分发顺序,将控制指令发往各执行器,实现执行功能协同。
CN201910220077.2A 2019-03-22 2019-03-22 一种汽车智能驾驶系统结构共用型架构及构建方法 Active CN109941211B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910220077.2A CN109941211B (zh) 2019-03-22 2019-03-22 一种汽车智能驾驶系统结构共用型架构及构建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910220077.2A CN109941211B (zh) 2019-03-22 2019-03-22 一种汽车智能驾驶系统结构共用型架构及构建方法

Publications (2)

Publication Number Publication Date
CN109941211A CN109941211A (zh) 2019-06-28
CN109941211B true CN109941211B (zh) 2020-09-22

Family

ID=67011358

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910220077.2A Active CN109941211B (zh) 2019-03-22 2019-03-22 一种汽车智能驾驶系统结构共用型架构及构建方法

Country Status (1)

Country Link
CN (1) CN109941211B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110488802B (zh) * 2019-08-21 2020-05-12 清华大学 一种网联环境下的自动驾驶车辆动态行为决策方法
CN110979347B (zh) * 2019-12-10 2021-11-23 北京经纬恒润科技股份有限公司 一种自动驾驶汽车底盘域的指令仲裁方法及系统
CN112249033B (zh) * 2020-10-30 2022-02-01 广州小鹏自动驾驶科技有限公司 一种车辆的自动驾驶系统及方法
CN112622700B (zh) * 2020-12-18 2023-07-18 武汉格罗夫氢能汽车有限公司 基于bdm域控制器的燃料电池氢能汽车电气架构平台
CN112356833B (zh) * 2021-01-13 2021-04-13 北京理工大学 跨域结构的电动汽车自适应巡航系统及其控制与分析方法
CN113759870B (zh) * 2021-08-18 2023-06-02 东科克诺尔商用车制动技术有限公司 一种机动车感知与执行分工系统构架
CN114466043B (zh) * 2022-01-25 2023-10-31 岚图汽车科技有限公司 车联网系统、智能驾驶控制方法及其设备

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101075018B1 (ko) * 2009-12-28 2011-10-19 전자부품연구원 엑스엠엘을 이용한 차량용 센서 데이터 처리 장치 및 방법
CN107506830A (zh) * 2017-06-20 2017-12-22 同济大学 面向智能汽车规划决策模块的人工智能训练平台
KR102383431B1 (ko) * 2017-07-04 2022-04-07 현대자동차주식회사 차량의 파라미터를 제어하는 시스템 및 방법
CN108594819A (zh) * 2018-05-03 2018-09-28 济南浪潮高新科技投资发展有限公司 自动驾驶车载计算资源管理系统和方法

Also Published As

Publication number Publication date
CN109941211A (zh) 2019-06-28

Similar Documents

Publication Publication Date Title
CN109941211B (zh) 一种汽车智能驾驶系统结构共用型架构及构建方法
US10297151B2 (en) Traffic lights control for fuel efficiency
US11370435B2 (en) Connected and automated vehicles, driving systems, and control logic for info-rich eco-autonomous driving
US9352650B2 (en) Rule-based cruise control system and method
CN109204314B (zh) 推进高效的自主驾驶策略
CN106004875A (zh) 自适应巡航控制系统
CN113012448B (zh) 一种解决路口交通拥堵的汽车配发编队智能驾驶系统
CN105035071A (zh) 一种面向城市环境下汽车低速走停工况的自动跟车系统及其控制方法
US11442469B2 (en) Coordinated control of vehicle cohorts
CN111703418B (zh) 一种基于车车通信的多车分布式协同避撞方法及装置
CN112660130A (zh) 基于智能网联信息的新能源汽车滑行控制系统、方法及新能源汽车
CN113895448B (zh) 域控制器间的协同交互控制架构及其控制方法
RU2678416C2 (ru) Система круиз-контроля транспортного средства и способ ее работы
CN112230657B (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
US11975714B2 (en) Intelligent vehicles with distributed sensor architectures and embedded processing with computation and data sharing
CN115116257A (zh) 基于边缘云服务的车辆调度方法、装置、设备及介质
Hao et al. Connected Eco-approach and Departure System for Diesel Trucks
CN111688686A (zh) 一种自动驾驶车队的跟车控制方法、装置、系统及车辆
CN116366685A (zh) 车辆的通信计算系统确定方法
CN114740752A (zh) 一种自动驾驶车辆的仿真系统
CN113114712A (zh) 一种车辆数据处理方法及其装置
CN213413763U (zh) 一种基于冗余通信的队列行驶系统和汽车
US11987266B2 (en) Distributed processing of vehicle sensor data
WO2021256014A1 (ja) 車両制御システム
US20240132066A1 (en) Driver and lead vehicle prediction model

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