CN111332283B - 用于控制机动车的方法和系统 - Google Patents

用于控制机动车的方法和系统 Download PDF

Info

Publication number
CN111332283B
CN111332283B CN201911290693.1A CN201911290693A CN111332283B CN 111332283 B CN111332283 B CN 111332283B CN 201911290693 A CN201911290693 A CN 201911290693A CN 111332283 B CN111332283 B CN 111332283B
Authority
CN
China
Prior art keywords
motor vehicle
traffic
driving
driving behavior
traffic participant
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
CN201911290693.1A
Other languages
English (en)
Other versions
CN111332283A (zh
Inventor
M·施密特
C·维辛
A·霍曼
C·里恩克
T·伯特伦
C·曼纳
G·卡尔-海恩茨
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.)
ZF Automotive Germany GmbH
Original Assignee
TRW Automotive GmbH
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 TRW Automotive GmbH filed Critical TRW Automotive GmbH
Publication of CN111332283A publication Critical patent/CN111332283A/zh
Application granted granted Critical
Publication of CN111332283B publication Critical patent/CN111332283B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • 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
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
    • B60W60/00274—Planning or execution of driving tasks using trajectory prediction for other traffic participants considering possible movement changes
    • 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
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • 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
    • B60W30/18—Propelling the vehicle
    • B60W30/18009—Propelling the vehicle related to particular drive situations
    • B60W30/18163—Lane change; Overtaking manoeuvres
    • 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
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
    • B60W60/00276—Planning or execution of driving tasks using trajectory prediction for other traffic participants for two or more other traffic participants
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0019—Control system elements or transfer functions
    • B60W2050/0028—Mathematical models, e.g. for simulation
    • B60W2050/0031—Mathematical model of 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

提出一种用于控制机动车(10)的方法。首先生成和/或接收驾驶行为数据，所述驾驶行为数据包括关于机动车(10)的多种可能的、相互之间不同的驾驶行为的信息。生成和/或接收交通数据，所述交通数据包括关于至少一个其他交通参与者(20、22、24)的至少一种不受干扰的预测轨迹的信息。基于所述驾驶机动性数据和所述交通数据，确定至少一种驾驶行为对所述至少一个其他交通参与者(20、22、24)的轨迹的影响，并且确定特征变量，所述特征变量描述所述至少一种驾驶行为对所述至少一个其他交通参与者(20、22、24)的影响。另外，提出一种用于控制机动车(10)的系统(34)。

Description

用于控制机动车的方法和系统
技术领域
本发明涉及用于一种控制机动车的方法、一种用于控制机动车的系统的控制设备、一种用于控制机动车的系统、一种用于实施所述方法的计算机程序以及具有这种计算机程序的计算机可读的数据介质。
背景技术
对于部分自动地控制机动车纵向运动和横向运动，特别是对于完全自动驾驶的机动车驾驶辅助系统的主要挑战之一是，分析机动车所处的具体情况，并基于此得出和选择机动车相应的合理的驾驶行为。
典型地，首先确定多种不同的驾驶行为，随后从中选择一种用于控制机动车。然而，现有技术中已知的用于控制机动车的系统在决策中不能考虑驾驶行为对其他交通参与者的影响。
发明内容
本发明的目的是，提供一种用于控制机动车的方法以及系统，其克服了现有技术的缺点。
所述目的根据本发明通过一种用于控制机动车的方法来实现，所述机动车在道路上行驶在当前车道内，其中道路具有与机动车当前车道相邻的至少一条其他车道。首先生成和/或接收驾驶行为数据，所述驾驶行为数据包括关于机动车的多种可能的、相互之间不同的驾驶行为的信息。生成和/或接收交通数据，所述交通数据包括关于位于所述机动车预先定义的环境中的至少一个其他交通参与者的至少一种不受干扰的预测轨迹的信息，特别是关于在机动车的环境中多个其他交通参与者的不受干扰的预测轨迹的信息。基于所述驾驶行为数据和所述交通数据，确定至少一种驾驶行为对所述至少一个其他交通参与者的轨迹的影响，特别是对所述多个其他交通参与者的轨迹的影响。基于所确定的影响来确定特征变量，所述特征变量描述至少一种驾驶行为对所述至少一个其他交通参与者的影响。
因此，根据本发明，通过确定可能的驾驶行为对所述至少一个其他交通参与者的轨迹的影响，考虑所述机动车和所述至少一个其他交通参与者之间的相互作用。为了使这种影响可测量或可评估，确定特征变量，所述特征变量取决于机动车的相应的驾驶行为并取决于所述至少一个其他交通参与者与预测轨迹的偏差而具有不同的值或不同的值的组。
特别地，对每种可能的驾驶行为进行道路交通情况模拟，从而确定不同的可能驾驶行为对所述至少一个其他交通参与者的轨迹的影响。
不受干扰的预测轨迹、机动车的不同的可能驾驶行为和/或与其对应的机动车的轨迹是模拟过程的输入。模拟产生的其他交通参与者的调整后的预测轨迹作为输出，其中经过调整的预测轨迹包括其他交通参与者对机动车的相应驾驶行为的反应。为了确定特征变量，相应地考虑所述至少一个其他交通参与者调整后的预测轨迹与所述至少一个其他交通参与者不受干扰的预测轨迹的偏差。
“不受干扰的预测轨迹”在此处和在下文中应理解为，当机动车以不变的速度留在当前车道时，至少一个其他交通参与者将行驶的轨迹。
“影响”在此处和下文中应理解为，至少一个其他交通参与者与其不受干扰的预测轨迹的任何偏差，例如速度、方向和/或车道的变化。
优选确定多种可能的驾驶行为的特征变量，特别是所有驾驶行为的特征变量。由此可以比较基于所确定的特征变量的多种可能的驾驶行为。换句话说，可以基于分别确定的特征变量来评估不同的可能驾驶行为。
本发明的一个方面提供，基于所确定的特征变量选择多种驾驶行为中的一种，并且根据所选择的驾驶行为控制机动车，特别是其中所选择的驾驶行为是优化的驾驶行为。“优化的驾驶行为”在此处和下文中应理解为，对应驾驶行为的特征变量满足特定的标准。例如特征变量的值或值的组在预先定义的区间内，特别是大于或小于预先确定的极限值。因此，根据本发明，在选择用于控制机动车的驾驶行为时，考虑机动车与至少一个其他交通参与者的相互作用。
根据本发明的实施方案，所述特征变量包括成本函数，所述成本函数将相应的驾驶行为和/或不受干扰的预测轨迹的变化映射到成本因子，特别地，当至少一个其他交通参与者必须制动、改变方向和/或变换车道时，所述成本因子较高。成本因子代表一种易于解释的变量，因为驾驶行为越有利，成本因子越低。
特别地，所述成本函数取决于机动车和至少一个其他交通参与者的各自轨迹的成本函数，优选地取决于所有其他交通参与者在所述机动车的预先定义环境中的轨迹。
优选将成本函数最小化，以便选择驾驶行为。因为如前所述，成本因子越小则相应的驾驶行为越有利，因此可以简单的方式和方法确定优化的驾驶行为。
应该注意，成本函数的另一种可能的定义，例如乘以(-1)的成本函数，必须将成本函数最大化，以便选择驾驶行为。然而，成本函数的上述定义(驾驶行为越有利，则对应的成本因子越小)对应于成本因子的直观理解。
更优选地，所述成本函数包括机动车和至少一个其他交通参与者的动能。已经发现，动能是特别适合的变量，其用于描述单一驾驶行为的影响和通常描述相应的驾驶行为与至少一个其他交通参与者的相互作用。
特别地，机动车和至少一个其他交通参与者的动能，相对于道路来说，分别涉及机动车和至少一个其他交通参与者的纵向和横向速度。相应地，可以借助动能来映射和考虑变道行为。
根据本发明的另一实施方案，所述成本函数包括：在相应的可能的驾驶行为和机动车以不变的速度留在当前车道的情况之间，机动车和/或至少一个其他交通参与者的动能变化或动能。相应地，动能分别与不受干扰的情况进行比较，所述不受干扰的情况是机动车不干扰至少一个其他交通参与者的轨迹。因此，这种不受干扰的情况也作为所有可能的驾驶行为的共同的参照。
特别地，为了计算不同类型交通参与者的动能，对每种类型的交通参与者使用不同的标准质量。“交通参与者的类型”在此处和下文中应理解为，各种交通参与者在以下种类中的分类：轿车、载重汽车、摩托车、自行车和行人。当然还可以使用不同的种类的划分和/或可以设置额外的种类。通过引入标准化的质量，简化了对不同类型交通参与者的处理，并且还考虑到各种类型交通参与者彼此不同的制动和加速能力。特别是轿车、载重汽车、摩托车、自行车、行人等都具有彼此不同的标准化的质量。
本发明的另一方面提供，所述成本函数包括对至少一个其他交通参与者强制变换车道的处罚条款。根据这种处罚条款，至少一个其他交通参与者在正常情况下将保持其目前的车道和速度。由此考虑强制变换车道将通过处罚条款而提高成本函数。
至少可以将当前车道和/或至少一个其他车道转换成Frenet-Serret坐标系。在这种坐标系中，每条道路都没有弯曲，由此可以不考虑道路的实际走向，而是以相同的方式和方法对待每种道路交通状况。特别地，机动车的上述驾驶行为作为Frenet-Serret坐标系中的轨迹处理。另外，至少一个其他交通参与者的轨迹也在这种坐标系中处理。
所述可能的驾驶行为优选地是优化的单一驾驶行为。取决于机动车所处的交通状况，存在互相不同类型的驾驶行为。这些类型可以例如通过机动车具体是采用哪条路线来区分。优化的单一驾驶行为是其相应类型的驾驶行为的优化选择，即对应于单一驾驶行为的时间-空间轨迹满足预先定义的条件。特别地，单一驾驶行为必须是没有碰撞的和可以由机动车执行的。单一驾驶行为还可以满足其他条件，例如具有尽可能短的持续时间和/或不需要加速到超过预先定义的极限值。由此，优化的单一驾驶行为可以作为确定特征变量的输入。
根据本发明的另一实施方案，至少一个传感器检测至少部分的当前车道和/或其他车道，以便检测家动车的驾驶行为，生成交通数据，和/或预测至少一个其他交通参与者的轨迹。所述至少一个传感器产生可以用于生成驾驶行为数据和/或交通数据的相应的环境数据。
所述至少一个传感器可以是照相机、雷达传感器、距离传感器、LIDAR传感器和/或适于检测机动车的环境的任意类型的传感器。
可替代地或额外地，至少一个传感器可以构成调度系统(Leitsystem)的接口，其与至少部分的机动车当前行驶的道路相关。在此构建所述调度系统用于将关于道路和/或关于其他交通参与者、特别是关于它们的预测轨迹的环境数据传送到机动车和/或其他交通参与者。
根据本发明，所述目的此外通过一种用于控制机动车的系统的控制设备来实现，其中所述控制设备适用于实施上述方法。关于所述控制设备的优点和其他可能特征参考对所述方法的以上说明。
所述控制设备可以是机动车的一部分或者是更高级系统的一部分，例如是所述调度系统的一部分。
根据本发明，所述目的另外还通过一种用于控制机动车的系统来实现，其具有上述控制设备。关于所述控制设备的优点和其他可能特征参考对所述方法的以上说明。
根据本发明，所述目的还通过具有程序代码工具(Programmcodemitteln)的计算机程序来实现，当在计算机或相应的计算单元、特别是上述控制设备的计算单元上运行所述计算机程序时，实施上述方法的步骤。关于其优点参考对所述方法的以上说明。
“程序代码工具”在此处和下文中应理解为编译和/或未编译形式的计算机代码和/或计算机代码模块形式的计算机可执行指令，其可以任何编程语言和/或机器语言存在。
根据本发明，所述目的还通过计算机可读的数据介质来实现，在所述计算机可读的数据介质上存储上述计算机程序。所述数据介质可以构成前述控制设备的整体的组成部分或者由控制设备单独构成。所述数据介质具有存储了计算机程序的存储器。该存储器是例如基于磁性和/或光学数据存储装置的任意适当类型的存储器。
附图说明
本发明的其他优点和特征由下面的描述和附图给出。其中：
-图1示出道路交通状况的示意图；
-图2示出根据本发明用于控制机动车的系统的示意性框图；
-图3示出根据本发明用于控制机动车的方法的步骤流程图；和
-图4中的(a)和(b)示出转换为Frenet-Serret坐标系之前或转换为Frenet-Serret坐标系之后的道路的示意图。
具体实施方式
在图1中示意性地示出道路交通状况，其中机动车10在道路12上行驶在当前车道14上。除了当前车道14以外，还有第一其他车道16，除此之外，还有第二其他车道18。
在道路12上除了第一其他交通参与者20在当前车道14内行驶在机动车10前面，还有第二其他交通参与者22和第三其他交通参与者24行驶在第一其他车道16内。在所示的实施例中，其他交通参与者20、22、24是轿车，然而还可以是载重汽车、摩托车或任意另一种交通参与者。
通过图1中实线26和虚线28示例性示出两种不同的驾驶行为，机动车10可能改变车道和超越第一其他交通参与者20。
类似地，通过其他交通参与者20、22、24发出的实线30和虚线32，表明了其他交通参与者20、22、24对机动车10可能的相应驾驶行为作出的相应反应。
如图2中所示，机动车10具有用于控制机动车10的系统34。系统34包括多个传感器36和至少一个控制设备38。
传感器36布置在机动车10的前端、后部和/或两侧，并且配置成分别用于检测机动车10的至少部分的环境，生成相应的环境数据、特别是整个环境，并且将其传送到控制设备38上。准确地说，传感器36检测至少关于当前车道14、其他车道16、18的信息和关于其他交通参与者20、22、24的信息。
传感器36分别是照相机、雷达传感器、距离传感器、激光雷达传感器和/或适合检测机动车10的环境的任意类型的传感器。
可替代地或额外地，至少一个传感器36可以构成调度系统的接口，其与道路12的至少所示部分相关，并且配置成用于将关于道路12和/或关于其他交通参与者20、22、24的环境数据传送到机动车10和/或其他交通参与者20、22、24上。传感器36在这种情况下可以设计作为移动无线电通信模块，例如根据5G标准用于通信。
一般来说，控制设备38处理从传感器36得到的环境数据和基于所处理的环境数据至少部分自动地、特别是全自动控制机动车10。在控制设备38上还实现了驾驶辅助系统，可以至少部分自动地、特别是全自动控制机动车10的横向移动和/或纵向移动。
为此，设计控制设备38用于实施以下根据图3和4说明的方法步骤。准确地说，控制设备38包括数据介质40和计算单元42，其中计算机程序存储在数据介质40上，该计算机程序在计算单元42上运行并且包括程序代码工具，以便实施以下说明的方法的步骤。
首先基于从传感器36得到的环境数据将道路12、准确地说将当前车道14和其他车道16的图像转变成Frenet-Serret坐标系(步骤S1)。
图4中示出步骤S1。图4(a)示出实际行驶的道路12。在所示的实施例中，道路从纵向L上看具有向左的弯曲。通过局部坐标变化将道路转变成Frenet-Serret坐标系，其中道路12不再具有弯曲，这种转换的结果在图4(b)中示出。可以清楚的看到，道路12在这种坐标系中是直的，沿着纵向L没有弯曲。横向N垂直于纵向L。
现在从控制设备38接收和/或生成驾驶行为数据，其中驾驶行为数据包括关于机动车10的多种可能的、互相不同的驾驶行为的信息。在所述实施例中，驾驶行为数据还包括关于机动车超过第一其他交通参与者20的多种、特别是所有驾驶行为的信息。
“可能的”在此处和下文中应理解为，无碰撞并且机动车10也可以执行的相应的驾驶行为，也就是说机动车10例如可以足够强烈地加速和/或制动，以便执行该驾驶行为。
所述驾驶行为数据准确地说包括机动车10在Frenet-Serret坐标系中的空间-时间轨迹，对应相应的可能的驾驶行为。
一般来说，所接收和/或生成的驾驶行为包括比图1中纯粹示例性示出的驾驶行为更多的方案，优选地包括机动车10的所有可能的驾驶行为。
可以基于从传感器36接收的环境数据由控制设备38生成驾驶行为数据。可替代地或额外地，所述驾驶行为数据还可以由调度系统产生，传输到机动车10上，准确地说传输到控制设备38上。
另外，从控制设备38接收和/或生成交通数据(步骤S3)，其包括关于其他交通参与者20、22、24的预测轨迹的信息。所述预测的轨迹是不受干扰的轨迹，也就是在没有来自机动车10的驾驶行为的干扰的情况下实现的其他交通参与者20、22、24的轨迹。
可以基于从传感器36接收的环境数据由控制设备38生成交通数据。可替代地或额外地，所述驾驶行为数据还可以由其他交通参与者20、22、24和/或由调度系统生成，并传输到机动车10上，准确地说传输到控制设备38上。
在步骤S3中只考虑处于机动车10的预先定义环境中的其他交通参与者20、22、24。换句话说，只考虑可能受到多种驾驶行为中至少一种的影响或者可能受到所选择的驾驶行为影响的其他交通参与者20、22、24。例如，只考虑处于传感器36的有效范围内的其他交通参与者20、22、24。
现在，分别基于驾驶行为数据和交通数据来确定各种驾驶行为对其他交通参与者20、22、24的轨迹的影响(步骤S4)。
“影响”在此处和下文中应理解为各个其他交通参与者20、22、24与其相应的不受干扰的预测轨迹的偏差，例如速度、方向和/或车道的变化。
为了确定各种驾驶行为对其他交通参与者20、22、24的轨迹的影响，对各种可能的驾驶行为的道路交通状况进行模拟。
所述不受干扰的预测轨迹、机动车10的各种可能的驾驶行为和/或机动车10的相应轨迹是模拟的输入。模拟产生的其他交通参与者20、22、24调整后的预测轨迹作为输出，其中经过调整的预测轨迹包括其他交通参与者20对机动车10的相应驾驶行为的反应。
最后，基于所确定的单一驾驶行为对其他交通参与者20、22、24的轨迹的影响，来确定用于各种可能的驾驶行为的特征变量，其描述相应的驾驶行为的影响(步骤S5)。
一般来说，所述特征变量是一个可变的值或者是多个可变的值，其根据机动车10的驾驶行为变化并且依据调整过的预测轨迹而采用另一个值或者另一些值。
在所示的实施例中，特征变量基于机动车10和其他交通参与者20、22、24的动能。已经发现，动能是特别适合用于描述单一驾驶行为的影响的变量，并且是通常适合用于描述相应的驾驶行为与其他交通参与者20、22、24相互作用的变量。
基于图1中所示的坐标系，通过下式给出机动车10的动能
其中mKFZ是机动车10的质量。其他交通参与者20、22、24的动能通过与上面类似的公式给出。
为了方便处理不同类型的交通参与者，并且考虑到各种类型交通参与者彼此不同的制动和加速能力，引入针对各类型交通参与者的标准质量m^。因此，特别是轿车、载重汽车、摩托车、自行车、行人等都具有彼此不同的标准化的质量。
通过下式给出针对交通参与者编号i的相应的标准化的动能
其中i＝0代表机动车10，i＝1、2、3代表第一其他交通参与者20、第二其他交通参与者22和第三其他交通参与者24。
基于标准化的动能E^i形成成本函数JI，其描述单一驾驶行为与其他交通参与者20、22、24的相互作用。所用的成本函数是
在此E～ ego是机动车10的归一化动能，而E～ OTP是其他交通参与者20、22、24的归一化动能。准确地说，JI是取决于机动车10和其他交通参与者20、22、24的各个轨迹的成本函数。
另外，λ是从0至1区间内的可选的实数参数，并且确定机动车10的归一化动能E～ ego和其他交通参与者20、22、24的归一化动能E～ OTP如何加权。在λ＝1时只考虑机动车10，而λ＝0时只考虑其他交通参与者20、22、24。一般来说，λ>0.5时，机动车10的权重更大，λ<0.5时，其他交通参与者20、22、24的更大。
E～ eg和E～ OTP的准确定义通过下面的等式给出：
Emin＝min(EOTP-Eego)，
ni是划分驾驶行为的时间段的数目。M代表其他交通参与者20、22、24的数目，在所考虑的实施例中等于3。下标“prior”描述的是机动车10以原始速度留在当前车道14上的情况。相反，下标“post”描述了一种可能的驾驶行为。
作为选或额外的，成本函数JI可以包括处罚条款，当其他交通参与者(20、22、24)之一强制变换车道时，总是为成本函数JI增加一个恒定值。
为了选择至少一种不同的可能驾驶行为，将成本函数JI最小化(步骤S6)。为此，计算多种不同的可能驾驶行为的成本函数JI并互相对比。
至少选择成本函数JI值最低的驾驶行为，并且根据所选择的驾驶行为通过控制设备38来控制机动车10(步骤S7)。
任选地，可以额外地设定成本函数JV，其基于一种或更多种条件来评估机动车的相应的驾驶行为的成本。例如成本函数JV包括下面的一个条件：在横向和纵向上的加速不应超过预先定义的值，车辆应达到某个目标速度和/或例如由于当前车道14的结束，机动车10有变道的紧迫性。
对两种成本函数JI和JV可以分别进行标定，使它们具有0和1之间的值并且合并成一个总成本函数JT，其描述各个可能驾驶行为的总成本。成本函数具有下式：
此处β1和β2是加权因子，和“～”表示标定的成本函数。
与上述方法类似，随后将成本函数JT最小化，以便选择应根据它来控制机动车10的驾驶行为。

Claims (17)

1.一种用于控制机动车(10)的方法，所述机动车(10)在道路(12)上行驶在当前车道(14)内，其中道路(12)具有与机动车(10)的当前车道(14)相邻的至少一条其他车道(16)，所述方法包括以下步骤：
-生成和/或接收驾驶行为数据，所述驾驶行为数据包括关于机动车(10)的相互之间不同的多种可能的驾驶行为的信息；
-生成和/或接收交通数据，所述交通数据包括关于位于所述机动车(10)预先定义的环境中的至少一个其他交通参与者(20、22、24)的至少一种不受干扰的预测轨迹的信息；
-基于所述驾驶行为数据和所述交通数据，确定至少一种驾驶行为对所述至少一个其他交通参与者(20、22、24)的轨迹的影响，和
-基于所确定的影响来确定特征变量，所述特征变量描述所述至少一种驾驶行为对所述至少一个其他交通参与者(20、22、24)的影响。
2.根据权利要求1所述的方法，其特征在于，确定所述多种可能的驾驶行为的特征变量。
3.根据权利要求1或2所述的方法，其特征在于，基于所确定的特征变量选择所述多种可能的驾驶行为中的一种并且根据所选择的驾驶行为控制机动车(10)。
4.根据权利要求1所述的方法，其特征在于，所述特征变量包括成本函数，所述成本函数将相应的驾驶行为和/或不受干扰的预测轨迹的变化映射到成本因子。
5.根据权利要求4所述的方法，其特征在于，将所述成本函数最小化，以选择驾驶行为。
6.根据权利要求4或5所述的方法，其特征在于，所述成本函数包括所述机动车(10)和所述至少一个其他交通参与者(20、22、24)的动能。
7.根据权利要求6所述的方法，其特征在于，所述成本函数(JI)包括：在相应的可能的驾驶行为和所述机动车(10)以不变的速度留在当前车道的情况之间，所述机动车(10)和/或所述至少一个其他交通参与者(20、22、24)的动能变化或动能。
8.根据权利要求6所述的方法，其特征在于，为了计算不同类型的交通参与者的动能，针对每一类型的交通参与者使用不同的标准质量。
9.根据权利要求4所述的方法，其特征在于，所述成本函数包括对所述至少一个其他交通参与者(20、22、24)强制变换车道的处罚条款。
10.根据权利要求1所述的方法，其特征在于，至少将所述当前车道(14)和/或所述至少一条其他车道(16、18)转换成Frenet-Serret坐标系。
11.根据权利要求1所述的方法，其特征在于，所述可能的驾驶行为是优化的单一驾驶行为。
12.根据权利要求1所述的方法，其特征在于，至少一个传感器(36)检测至少部分的所述当前车道(14)和/或所述其他车道(16、18)，以确定机动车(10)的驾驶行为、生成交通数据，和/或预测所述至少一个其他交通参与者(20、22、24)的轨迹。
13.根据权利要求3所述的方法，其特征在于，所选择的驾驶行为是优化的驾驶行为。
14.根据权利要求4所述的方法，其特征在于，当所述至少一个其他交通参与者(20、22、24)必须制动、改变方向和/或变换车道时，所述成本因子较高。
15.一种用于控制机动车(10)的系统(34)的控制设备(38)，其中所述控制设备(38)适用于实施根据权利要求1至14中任一项所述的方法。
16.一种用于控制机动车(10)的系统(34)，其具有根据权利要求15所述的控制设备(38)。
17.一种计算机可读数据介质(40)，在所述计算机可读数据介质(40)上存储有具有程序代码工具的计算机程序，当在计算机或相应的计算单元(42)上运行所述计算机程序时，实施根据权利要求1至14中任一项所述的方法的步骤。
CN201911290693.1A 2018-12-17 2019-12-16 用于控制机动车的方法和系统 Active CN111332283B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102018132520.7 2018-12-17
DE102018132520.7A DE102018132520A1 (de) 2018-12-17 2018-12-17 Verfahren sowie System zum Steuern eines Kraftfahrzeugs

Publications (2)

Publication Number Publication Date
CN111332283A CN111332283A (zh) 2020-06-26
CN111332283B true CN111332283B (zh) 2024-03-12

Family

ID=70859358

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911290693.1A Active CN111332283B (zh) 2018-12-17 2019-12-16 用于控制机动车的方法和系统

Country Status (3)

Country Link
US (1) US11279351B2 (zh)
CN (1) CN111332283B (zh)
DE (1) DE102018132520A1 (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11921519B2 (en) * 2019-06-24 2024-03-05 Arizona Board Of Regents On Behalf Of Arizona State University Partition-based parametric active model discrimination with applications to driver intention estimation
DE102019118366A1 (de) * 2019-07-08 2021-01-14 Zf Friedrichshafen Ag Verfahren sowie Steuergerät für ein System zum Steuern eines Kraftfahrzeugs
CN112233413B (zh) * 2020-07-20 2022-03-29 北方工业大学 一种面向智能网联车辆的多车道时空轨迹优化方法
US11814075B2 (en) 2020-08-26 2023-11-14 Motional Ad Llc Conditional motion predictions
DE102020211186A1 (de) 2020-09-06 2022-03-10 Volkswagen Aktiengesellschaft Verfahren und Vorrichtung zum Planen einer zukünftigen Trajektorie eines automatisiert oder teilautomatisiert fahrenden Fahrzeugs
US20230159032A1 (en) * 2021-11-23 2023-05-25 Ford Global Technologies, Llc Vehicle lane-change operations
DE102022002457A1 (de) 2022-07-05 2024-01-11 Mercedes-Benz Group AG Verfahren zur Prädiktion eines Einflusses eines Verkehrsteilnehmers auf zumindest einen anderen Verkehrsteilnehmer und Verfahren zum Betrieb eines Fahrzeugs
US11628859B1 (en) 2022-07-29 2023-04-18 Plusai, Inc. Vehicle placement on aerial views for vehicle control
US11634156B1 (en) * 2022-07-29 2023-04-25 Plusai, Inc. Aerial view generation for vehicle control

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1808350A1 (de) * 2006-01-13 2007-07-18 Audi Ag Verfahren zum Betrieb eines Längsführungssystems in einem Kraftfahrzeug
CN101287634A (zh) * 2005-10-13 2008-10-15 日产自动车株式会社 车辆驾驶辅助系统
EP2862773A2 (de) * 2013-10-02 2015-04-22 Audi Ag Kraftfahrzeug und Verfahren zur Steuerung eines Kraftahrzeugs
CN104648402A (zh) * 2013-11-18 2015-05-27 罗伯特·博世有限公司 用于支持机动车的车道转换或者超车策略的方法和驾驶员辅助装置
DE102016204957A1 (de) * 2015-03-25 2016-09-29 Magna Steyr Fahrzeugtechnik Ag & Co Kg Automatisierter Fahrstreifenwechsel im dynamischen Verkehr, basierend auf fahrdynamisch bedingten Einschränkungen
WO2017167801A1 (de) * 2016-03-29 2017-10-05 Avl List Gmbh Fahrerassistenzsystem zum unterstützen eines fahrers beim führen eines fahrzeugs
DE102016209281A1 (de) * 2016-05-30 2017-11-30 Robert Bosch Gmbh Verfahren zum Betreiben eines Fahrerassistenzsystems eines Kraftfahrzeugs
EP3395634A1 (de) * 2017-04-26 2018-10-31 MAN Truck & Bus AG Verfahren zum erzeugen eines fahrverhaltens bei autonomen fahrzeugen

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7979173B2 (en) * 1997-10-22 2011-07-12 Intelligent Technologies International, Inc. Autonomous vehicle travel control systems and methods
DE502006005609D1 (de) * 2005-09-15 2010-01-21 Continental Teves Ag & Co Ohg Verfahren und vorrichtung zum lenken eines kraftfahrzeugs
JP5210233B2 (ja) * 2009-04-14 2013-06-12 日立オートモティブシステムズ株式会社 車両用外界認識装置及びそれを用いた車両システム
EP2562060B1 (en) * 2011-08-22 2014-10-01 Honda Research Institute Europe GmbH A method and system for predicting movement behavior of a target traffic object
DE102014211507A1 (de) * 2014-06-16 2015-12-17 Volkswagen Aktiengesellschaft Verfahren für ein Fahrerassistenzsystem eines Fahrzeugs
US9604641B2 (en) * 2015-06-16 2017-03-28 Honda Motor Co., Ltd. System and method for providing vehicle collision avoidance at an intersection
US9764736B2 (en) * 2015-08-14 2017-09-19 Toyota Motor Engineering & Manufacturing North America, Inc. Autonomous vehicle operation relative to unexpected dynamic objects
US9507346B1 (en) * 2015-11-04 2016-11-29 Zoox, Inc. Teleoperation system and method for trajectory modification of autonomous vehicles
US9632502B1 (en) * 2015-11-04 2017-04-25 Zoox, Inc. Machine-learning systems and techniques to optimize teleoperation and/or planner decisions
US9630619B1 (en) * 2015-11-04 2017-04-25 Zoox, Inc. Robotic vehicle active safety systems and methods
US9606539B1 (en) * 2015-11-04 2017-03-28 Zoox, Inc. Autonomous vehicle fleet service and system
US9896096B2 (en) * 2016-04-11 2018-02-20 David E. Newman Systems and methods for hazard mitigation
DE102016205972A1 (de) * 2016-04-11 2017-11-09 Volkswagen Aktiengesellschaft Verfahren zur autonomen oder teilautonomen Durchführung eines kooperativen Fahrmanövers
DE102016209330B4 (de) * 2016-05-30 2023-02-23 Volkswagen Aktiengesellschaft Verfahren zum Durchführen eines kooperativen Fahrmanövers
US10543852B2 (en) * 2016-08-20 2020-01-28 Toyota Motor Engineering & Manufacturing North America, Inc. Environmental driver comfort feedback for autonomous vehicle
DE102016217645B4 (de) * 2016-09-15 2023-01-19 Volkswagen Aktiengesellschaft Verfahren zum Bereitstellen von Information über eine voraussichtliche Fahrintention eines Fahrzeugs
DE102016222782A1 (de) * 2016-11-18 2018-05-24 Audi Ag Autonomes Steuern eines Kraftfahrzeugs anhand von Spurdaten; Kraftfahrzeug
US11113547B2 (en) * 2017-05-31 2021-09-07 Baidu Usa Llc Planning control in response to a driving obstruction during operation of an autonomous driving vehicle (ADV)
US10019011B1 (en) * 2017-10-09 2018-07-10 Uber Technologies, Inc. Autonomous vehicles featuring machine-learned yield model
DE102018201646A1 (de) * 2018-02-02 2019-08-08 Continental Teves Ag & Co. Ohg Verfahren und eine Vorrichtung zur dezentralen Kooperationsabstimmung von Fahrzeugen
US11256260B2 (en) * 2018-10-05 2022-02-22 Waymo Llc Generating trajectories for autonomous vehicles

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101287634A (zh) * 2005-10-13 2008-10-15 日产自动车株式会社 车辆驾驶辅助系统
EP1808350A1 (de) * 2006-01-13 2007-07-18 Audi Ag Verfahren zum Betrieb eines Längsführungssystems in einem Kraftfahrzeug
EP2862773A2 (de) * 2013-10-02 2015-04-22 Audi Ag Kraftfahrzeug und Verfahren zur Steuerung eines Kraftahrzeugs
CN104648402A (zh) * 2013-11-18 2015-05-27 罗伯特·博世有限公司 用于支持机动车的车道转换或者超车策略的方法和驾驶员辅助装置
DE102016204957A1 (de) * 2015-03-25 2016-09-29 Magna Steyr Fahrzeugtechnik Ag & Co Kg Automatisierter Fahrstreifenwechsel im dynamischen Verkehr, basierend auf fahrdynamisch bedingten Einschränkungen
WO2017167801A1 (de) * 2016-03-29 2017-10-05 Avl List Gmbh Fahrerassistenzsystem zum unterstützen eines fahrers beim führen eines fahrzeugs
DE102016209281A1 (de) * 2016-05-30 2017-11-30 Robert Bosch Gmbh Verfahren zum Betreiben eines Fahrerassistenzsystems eines Kraftfahrzeugs
EP3395634A1 (de) * 2017-04-26 2018-10-31 MAN Truck & Bus AG Verfahren zum erzeugen eines fahrverhaltens bei autonomen fahrzeugen

Also Published As

Publication number Publication date
CN111332283A (zh) 2020-06-26
DE102018132520A1 (de) 2020-06-18
US20200189580A1 (en) 2020-06-18
US11279351B2 (en) 2022-03-22

Similar Documents

Publication Publication Date Title
CN111332283B (zh) 用于控制机动车的方法和系统
CN110843789B (zh) 一种基于时序卷积网络的车辆换道意图预测方法
CN111986514B (zh) 基于交通工具的数据处理方法、装置、设备以及介质
US20190377352A1 (en) Method and system for assisting an operator of an ego-vehicle in controlling the ego-vehicle by determining a future behavior and an associated trajectory for the ego-vehicle
US11718300B2 (en) Method and control unit for a system for controlling a motor vehicle
CN112292719B (zh) 使自我车辆的轨迹与运动的外来对象适配
US9428196B2 (en) Vehicle driving behavior predicting device
JP2019144975A (ja) 車両制御装置
CN109993984B (zh) 一种车速引导方法及装置
EP3588226A1 (en) Method and arrangement for generating control commands for an autonomous road vehicle
CN111833597A (zh) 具有规划控制的交通情形中的自主决策
CN111845766A (zh) 自动化控制汽车的方法
CN113085873B (zh) 驾驶策略的获取方法、装置、计算机设备和存储介质
CN111464972A (zh) 经优先级排序的车辆消息传递
CN115662131B (zh) 网联环境下道路事故路段的多车道协同换道方法
CN113370996A (zh) 自动驾驶换道跟驰决策方法及系统、自动驾驶车辆
KR20220088791A (ko) 통신 네트워크에서 도로 사용자와 적어도 하나의 다른 도로 사용자 간에 운전 조작을 조정하기 위한 운전 조작 메시지를 제공하는 방법
US20230382430A1 (en) Method and system for forecasting reactions of other road users in autonomous driving
JP2022094311A (ja) 運転支援システムによる、自動化された運転過程の選択方法
EP3798912A1 (en) Training method for a convolutional neural network for predicting a driving maneuver of a traffic participant
CN115136081A (zh) 用于训练用于机动车的控制器的至少一个算法的方法、用于优化区域中的交通流的方法、计算机程序产品以及机动车
WO2023188617A1 (en) System and method for jointly controlling connected autonomous vehicles (cays) and manual connected vehicles (mcvs)
CN113635900B (zh) 一种预测巡航过程中基于能量管理的换道决策控制方法
US20220402489A1 (en) Determining a Discrete Representation of a Roadway Section in Front of a Vehicle
CN113228131B (zh) 用于提供周围环境数据的方法和系统

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
GR01 Patent grant
GR01 Patent grant