CN111627247A - 一种多车编队控制方法及装置 - Google Patents

一种多车编队控制方法及装置 Download PDF

Info

Publication number
CN111627247A
CN111627247A CN201910152799.9A CN201910152799A CN111627247A CN 111627247 A CN111627247 A CN 111627247A CN 201910152799 A CN201910152799 A CN 201910152799A CN 111627247 A CN111627247 A CN 111627247A
Authority
CN
China
Prior art keywords
vehicle
position information
information
target
factor
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
Application number
CN201910152799.9A
Other languages
English (en)
Other versions
CN111627247B (zh
Inventor
马汀
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.)
SAIC Motor Corp Ltd
Original Assignee
SAIC Motor Corp Ltd
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 SAIC Motor Corp Ltd filed Critical SAIC Motor Corp Ltd
Priority to CN201910152799.9A priority Critical patent/CN111627247B/zh
Publication of CN111627247A publication Critical patent/CN111627247A/zh
Application granted granted Critical
Publication of CN111627247B publication Critical patent/CN111627247B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • 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
    • G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
    • G08G1/202—Dispatching vehicles on the basis of a location, e.g. taxi dispatching
    • 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
    • H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
    • 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
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services
    • 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]

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本申请公开了一种多车编队控制方法及装置，通过根据存储的车辆网络拓扑，获取与目标车辆相邻的第一车辆和第二车辆，并根据第一车辆位置信息、目标车辆位置信息和车辆间最小安全距离，得到能够避免第一车辆与目标车辆发生碰撞的第一避碰因子，同时还根据第二车辆位置信息、目标车辆位置信息和车辆间最小安全距离，得到能够避免第二车辆与目标车辆发生碰撞的第二避碰因子，如此，根据第一避碰因子和第二避碰因子得到的加速度，能够避免目标车辆与其相邻的车辆发生碰撞，提高目标车辆的行驶过程的安全性，进而提高多个无人驾驶车辆的行驶过程的安全性。此外，还能够保证目标车辆和第一车辆或第二车辆之间的车距均达到最小，提高行车道的车辆容量。

Description

一种多车编队控制方法及装置
技术领域
本申请涉及车辆技术领域，尤其涉及一种多车编队控制方法及装置。
背景技术
随着无人驾驶车辆技术的快速发展，多车辆的编队行驶也备受瞩目。多车辆的编队行驶是指多个无人驾驶车辆能够在一定控制下同时行驶在行车道上。
然而，当多个无人驾驶车辆同时行驶在行车道上时，不仅需要保证不同车辆不发生碰撞，以免发生车祸事故；还需要保证不同车辆之间的车距不能太大，以免降低行车道的车辆密度。因而，如何合理地控制多个无人驾驶车辆的行驶，使得该多车辆的行驶过程能够达到提高车辆安全以及行车道的车辆密度的目的是一个亟待解决的问题。
发明内容
为了解决现有技术中存在的以上技术问题，本申请提供一种多车编队控制方法及装置，能够提高多个无人驾驶车辆的行驶过程的安全性，还能够缩短不同无人驾驶车辆之间的车距，从而提高多个无人驾驶车辆的行驶过程中行车道的车辆密度，进而提高了行车道的车辆容量。
为了实现上述目的，本申请提供的技术方案如下：
本申请提供一种多车编队控制方法，包括：
根据存储的车辆网络拓扑，获取与目标车辆相邻的第一车辆和第二车辆；所述车辆网络拓扑用于记录不同车辆之间的相邻关系；
根据第一车辆发送的第一车辆位置信息、目标车辆位置信息和车辆间最小安全距离，得到第一避碰因子；并根据所述第一车辆发送的第一车辆位置信息、第一车辆行驶信息、第一车辆自身参数信息、所述目标车辆位置信息和目标车辆行驶信息，得到第一行驶因子；
根据第二车辆发送的第二车辆位置信息、所述目标车辆位置信息和所述车辆间最小安全距离，得到第二避碰因子；并根据所述第二车辆发送的第二位置信息、第二车辆行驶信息、第二车辆自身参数信息、所述目标车辆位置信息和所述目标车辆行驶信息，得到第二行驶因子；
根据所述第一避碰因子、所述第二避碰因子、所述第一行驶因子和所述第二行驶因子，得到加速度，并利用所述加速度对所述目标车辆进行控制。
可选的，所述根据第一车辆发送的第一车辆位置信息、目标车辆位置信息和车辆间最小安全距离，得到第一避碰因子，具体包括：
根据第一车辆发送的第一车辆位置信息和目标车辆位置信息，得到第一位置差值和第一位置向量；
根据所述第一位置差值、所述第一位置向量和车辆间最小安全距离，利用避碰函数进行计算，得到第一避碰因子；
所述根据第二车辆发送的第二车辆位置信息、所述目标车辆位置信息和所述车辆间最小安全距离，得到第二避碰因子，具体包括：
根据第二车辆发送的第二车辆位置信息和所述目标车辆位置信息，得到第二位置差值和第二位置向量；
根据所述第二位置差值、所述第二位置向量和所述车辆间最小安全距离，利用避碰函数进行计算，得到第二避碰因子。
可选的，所述避碰函数的计算公式，具体为：
Figure BDA0001982015800000021
Figure BDA0001982015800000022
式中，
Figure BDA0001982015800000023
为第i个车辆与第j个车辆产生影响中的避碰因子；||xi(t)-xj(t)||为第i个车辆与第j个车辆之间的位置差值；xi(t)为第i个车辆的位置；xj(t)为第j个车辆的位置；rij为第i个车辆到第j个车辆的位置向量，且||rij||为向量rij的模；d为车辆间最小安全距离。
可选的，所述根据第一车辆发送的第一车辆位置信息、第一车辆行驶信息、第一车辆自身参数信息、所述目标车辆位置信息和目标车辆行驶信息，得到第一行驶因子，具体包括：
根据第一车辆发送的第一车辆位置信息、第一车辆行驶信息和第一车辆自身参数信息，获取第一比例系数；
根据所述第一车辆位置信息、第一车辆行驶信息、所述第一比例系数、所述目标车辆位置信息和目标车辆行驶信息，获取第一行驶因子；
所述根据第二车辆发送的第二车辆位置信息、第二车辆行驶信息、第二车辆自身参数信息、所述目标车辆位置信息和所述目标车辆行驶信息，得到第二行驶因子，具体包括：
根据第二车辆发送的第二车辆位置信息、第二车辆行驶信息和第二车辆自身参数信息，获取第二比例系数；
根据所述第二车辆位置信息、第二车辆行驶信息、所述第二比例系数、所述目标车辆位置信息和所述目标车辆行驶信息，获取第二行驶因子。
可选的，当第一车辆为头车时，所述根据第一车辆发送的第一车辆位置信息、目标车辆位置信息和车辆间最小安全距离，得到第一避碰因子，并根据所述第一车辆发送的第一车辆位置信息、第一车辆行驶信息、第一车辆自身参数信息、所述目标车辆位置信息和目标车辆行驶信息，得到第一行驶因子，具体包括：
根据第一车辆发送的第一车辆行驶信息，得到头车加速度；
根据第一车辆发送的所述第一车辆位置信息、第一车辆行驶信息、第一车辆自身参数信息、所述目标车辆位置信息和目标车辆行驶信息，得到头车影响因子；
所述根据所述第一避碰因子、所述第二避碰因子、所述第一行驶因子和所述第二行驶因子，得到加速度，具体包括：
根据所述头车影响因子、所述头车加速度、所述第二避碰因子和所述第二行驶因子，得到加速度。
可选的，所述根据第一车辆发送的第一车辆位置信息、第一车辆行驶信息、第一车辆自身参数信息、所述目标车辆位置信息和目标车辆行驶信息，得到头车影响因子，具体包括：
根据第一车辆发送的第一车辆位置信息、第一车辆行驶信息和第一车辆自身参数信息，获取第三比例系数；
根据所述第一车辆发送的第一车辆位置信息、第一车辆行驶信息、所述第三比例系数、所述目标车辆位置信息和所述目标车辆行驶信息，获取头车影响因子。
可选的，所述利用所述加速度对所述目标车辆进行控制之前，还包括：
利用线性二自由度汽车模型建立所述目标车辆的车辆模型；
所述利用所述加速度对所述目标车辆进行控制，具体包括：
基于所述目标车辆的车辆模型，利用所述加速度对所述目标车辆进行控制。
可选的，不同车辆之间通过专用的短程通信技术进行通信。
本申请还提供一种多车编队控制装置，包括：
第一获取单元，用于根据存储的车辆网络拓扑，获取与目标车辆相邻的第一车辆和第二车辆；所述车辆网络拓扑用于记录不同车辆之间的相邻关系；
第二获取单元，用于根据第一车辆发送的第一车辆位置信息、目标车辆位置信息和车辆间最小安全距离，得到第一避碰因子；并根据所述第一车辆发送的第一车辆位置信息、第一车辆行驶信息、第一车辆自身参数信息、所述目标车辆位置信息和目标车辆行驶信息，得到第一行驶因子；
第三获取单元，用于根据第二车辆发送的第二车辆位置信息、所述目标车辆位置信息和所述车辆间最小安全距离，得到第二避碰因子；并根据所述第二车辆发送的第二位置信息、第二车辆行驶信息、第二车辆自身参数信息、所述目标车辆位置信息和所述目标车辆行驶信息，得到第二行驶因子；
控制单元，用于根据所述第一避碰因子、所述第二避碰因子、所述第一行驶因子和所述第二行驶因子，得到加速度，并利用所述加速度对所述目标车辆进行控制。
可选的，所述第二获取单元，具体包括：
第一获取子单元，用于当第一车辆为头车时，根据第一车辆行驶信息，得到头车加速度；
第二获取子单元，用于当第一车辆为头车时，根据第一车辆发送的第一车辆位置信息、第一车辆行驶信息、第一车辆自身参数信息、所述目标车辆位置信息和目标车辆行驶信息，得到头车影响因子；
所述控制单元，具体包括：
加速度获取子单元，用于根据所述头车影响因子、所述头车加速度、所述第二避碰因子和所述第二行驶因子，得到加速度。
与现有技术相比，本申请至少具有以下优点：
本申请提供的多车编队控制方法中，由于多个车辆均按照车辆网络拓扑中记录的车辆相邻关系进行行驶，因而在获取目标车辆的加速度时，仅需参考与目标车辆相邻的第一车辆和第二车辆的相关信息即可，无需参考除了第一车辆和第二车辆以外的其他车辆的相关信息，从而简化了加速度的计算过程，从而提高了目标车辆的控制效率，有利于提高多个无人驾驶车辆的行驶过程的安全性。
另外，在该方法中，通过根据第一车辆位置信息、目标车辆位置信息和车辆间最小安全距离，得到能够避免第一车辆与目标车辆发生碰撞的第一避碰因子，同时还根据第二车辆位置信息、目标车辆位置信息和车辆间最小安全距离，得到能够避免第二车辆与目标车辆发生碰撞的第二避碰因子，如此，根据第一避碰因子和第二避碰因子得到的加速度，能够避免目标车辆与其相邻的车辆发生碰撞，从而提高了目标车辆的行驶过程的安全性，进而提高多个无人驾驶车辆的行驶过程的安全性。
此外，由于第一避碰因子和第二避碰因子均是根据车辆间最小安全距离得到的，因而根据第一避碰因子和第二避碰因子得到的加速度，能够保证目标车辆和第一车辆之间的车距以及目标车辆和第二车辆之间的车距均达到最小，从而提高多个无人驾驶车辆的行驶过程中行车道的车辆密度，进而提高了行车道的车辆容量。
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为本申请方法实施例一提供的多车编队控制方法的流程图；
图2为本申请实施例提供的S102的一种实施方式的流程图；
图3为本申请实施例提供的S1024的一种实施方式的流程图；
图4为本申请实施例提供的S103的一种实施方式的流程图；
图5为本申请实施例提供的S1034的一种实施方式的流程图；
图6为本申请实施例提供的目标车辆跟踪头车的行驶轨迹的示意图；
图7为本申请方法实施例二提供的多车编队控制方法的流程图；
图8为本申请实施例提供的S703的一种实施方式的流程图；
图9为本申请实施例提供的S7034的一种实施方式的流程图；
图10为本申请方法实施例三提供的多车编队控制方法的流程图；
图11为本申请实施例提供的车辆模型的结构示意图；
图12为本申请实施例提供的多车编队控制装置的结构示意图。
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。
方法实施例一
参见图1，该图为本申请方法实施例一提供的多车编队控制方法的流程图。
本申请实施例提供的多车编队控制方法，包括：
S101：根据存储的车辆网络拓扑，获取与目标车辆相邻的第一车辆和第二车辆。
该步骤的具体实现方式将在下文中详细描述。
S102：根据第一车辆发送的第一车辆位置信息、目标车辆位置信息和车辆间最小安全距离，得到第一避碰因子；并根据第一车辆发送的第一车辆位置信息、第一车辆行驶信息、第一车辆自身参数信息、目标车辆位置信息和目标车辆行驶信息，得到第一行驶因子。
该步骤的具体实现方式将在下文中详细描述。
S103：根据第二车辆发送的第二车辆位置信息、目标车辆位置信息和车辆间最小安全距离，得到第二避碰因子；并根据第二车辆发送的第二位置信息、第二车辆行驶信息、第二车辆自身参数信息、目标车辆位置信息和目标车辆行驶信息，得到第二行驶因子。
该步骤的具体实现方式将在下文中详细描述。
S104：根据第一避碰因子、第二避碰因子、第一行驶因子和第二行驶因子，得到加速度。
该步骤的具体实现方式将在下文中详细描述。
S105：利用加速度对目标车辆进行控制。
该步骤的具体实现方式将在下文中详细描述。
需要说明的是，S102与S103之间没有固定的执行顺序，可以依次执行S102和S103，也可以依次执行S103和S102。
为了便于理解和解释本申请方法实施例一提供的多车编队控制方法，下面将依次介绍S101、S102、S103、S104和S105的具体实施方式。
首先介绍S101的具体实施方式。
在S101中，车辆网络拓扑用于记录不同车辆之间的相邻关系；而且，车辆网络拓扑可以预先进行构建并存储。
另外，为了便于执行后续步骤时能够准确快速的获得车辆网络拓扑，可以预先将车辆网络拓扑存储在每个车辆的存储空间内。如此，作为一种实施方式，S101具体可以为：目标车辆根据其存储空间内存储的车辆网络拓扑，获取与其相邻的第一车辆和第二车辆。
此外，由于多个车辆在实际行驶过程中均按照车辆网络拓扑中的车辆相邻关系进行行驶，因而在多个车辆在实际行驶过程中，只需避免每个车辆与其相邻的车辆发生碰撞，便能够避免多个车辆在实际行驶过程发生碰撞，从而保证了多个车辆在实际行驶过程的安全性。
如此，当第一车辆和第二车辆均与目标车辆相邻时，在对目标车辆进行控制时，仅需避免目标车辆与第一车辆和第二车辆发生碰撞即可，无需考虑除了第一车辆和第二车辆以外的其他车辆。
由此可知，在多个车辆进行通信时，仅需将具有相邻关系的车辆之间进行通信即可，无需将不具有相邻关系的车辆之间进行通信。如此，减少了多个车辆之间的通信，从而提高了车辆之间的通信效率。
而且，不同车辆之间通过专用的短程通信技术进行通信，如此能够提高不同车辆之间的通信效率以及信息传递的准确率。
以上为S101的具体实施方式，在S101中，可以根据目标车辆的存储空间内存储的车辆网络拓扑，获取与目标车辆相邻的第一车辆和第二车辆。如此，减少了对目标车辆的行驶产生影响的车辆个数，使得在获取目标车辆的加速度时，仅需参考与目标车辆相邻的第一车辆和第二车辆的相关信息即可，无需参考除了第一车辆和第二车辆以外的其他车辆的相关信息，从而简化了加速度的计算过程，从而提高了目标车辆的控制效率，有利于提高多个无人驾驶车辆的行驶过程的安全性。
下面介绍S102的具体实施方式。
S102可以采用多种实施方式，下面将以一种实施方式为例进行介绍。
参见图2，该图为本申请实施例提供的S102的一种实施方式的流程图。
作为一种实施方式，S102具体可以为：
S1021：第一车辆向目标车辆发送第一车辆位置信息、第一车辆行驶信息和第一车辆自身参数信息。
第一车辆位置信息用于表示第一车辆的位置信息。例如，第一车辆位置信息可以包括：第一车辆在不同时刻的位置信息x1(t)。
第一车辆行驶信息用于表示第一车辆在行驶过程中所具有的行驶参数信息。例如，第一车辆行驶信息可以包括：第一车辆的在不同时刻的行驶速度v1(t)。
第一车辆自身参数信息用于表示第一车辆自身所具有的具体的参数信息。例如，第一车辆自身参数信息可以包括：第一车辆的质量、长度、高度以及其他相关参数。
S1022：目标车辆获取目标车辆位置信息和目标车辆行驶信息。
目标车辆位置信息用于表示目标车辆的位置信息。例如，目标车辆位置信息可以包括：目标车辆在不同时刻的位置信息xs(t)。
目标车辆行驶信息用于表示目标车辆在行驶过程中所具有的行驶参数信息。例如，目标车辆行驶信息可以包括：目标车辆的在不同时刻的行驶速度vs(t)。
S1023：目标车辆根据第一车辆位置信息、目标车辆位置信息和车辆间最小安全距离，得到第一避碰因子。
车辆间最小安全距离用于表示相邻两个车辆之间不会发生碰撞的最小车距。由此可知，如果相邻两个车辆之间的车距大于或等于车辆间最小安全距离，则该两个车辆之间不会发生碰撞；如果相邻两个车辆之间的车距小于车辆间最小安全距离，则该两个车辆之间将发生碰撞。
作为一种实施方式，S1023的具体实施方式可以为：首先，根据第一车辆发送的第一车辆位置信息和目标车辆位置信息，得到第一位置差值和第一位置向量；然后，根据第一位置差值、第一位置向量和车辆间最小安全距离，利用避碰函数进行计算，得到第一避碰因子。
其中，避碰函数可以用于根据相邻车辆之间的位置差值、位置向量以及车辆间最小安全距离，获得相邻车辆之间的避碰因子；而且，避碰函数可以预先设定，也可以根据实际的应用场景进行调整。
作为一种实施方式，避碰函数的计算公式可以具体如下：
Figure BDA0001982015800000091
z＝||xi(t)-xj(t)|| (2)
Figure BDA0001982015800000092
Figure BDA0001982015800000101
式中，
Figure BDA0001982015800000102
为第j个车辆对第i个车辆产生影响中的避碰因子；||xi(t)-xj(t)||为第i个车辆与第j个车辆之间的位置差值；xi(t)为第i个车辆的位置；xj(t)为第j个车辆的位置；rij为第i个车辆到第j个车辆的位置向量，且||rij||为向量rij的模；d为车辆间最小安全距离。
基于上述公式，作为一种实施方式，S1023具体可以为：根据第一车辆发送的第一车辆位置信息x1(t)和目标车辆位置信息xs(t)，得到第一位置差值z1和第一位置向量rs1；然后，根据第一位置差值z1、第一位置向量rs1和车辆间最小安全距离d，利用避碰函数进行计算，得到第一避碰因子
Figure BDA0001982015800000103
S1024：目标车辆根据第一车辆发送的第一车辆位置信息、第一车辆行驶信息、第一车辆自身参数信息、目标车辆位置信息和目标车辆行驶信息，得到第一行驶因子。
S1024可以采用多种实施方式，下面将以一种实施方式为例进行解释和说明。
参见图3，该图为本申请实施例提供的S1024的一种实施方式的流程图。
作为一种实施方式，S1024具体可以为：
S10241：根据第一车辆发送的第一车辆位置信息、第一车辆行驶信息和第一车辆自身参数信息，获取第一比例系数。
第一比例系数用于表示第一车辆对目标车辆的加速度产生的影响比例系数。
S10242：根据第一车辆发送的第一车辆位置信息、第一车辆行驶信息、第一比例系数、目标车辆位置信息和目标车辆行驶信息，获取第一行驶因子。
作为一种实施方式，S10242具体可以为：根据第一车辆发送的第一车辆位置信息、第一车辆行驶信息、第一比例系数、目标车辆位置信息和目标车辆行驶信息，利用第一预设函数，获取第一行驶因子。
其中，第一预设函数是预先设定的，也可以根据实际应用场景进行设定。
作为一示例，第一预设函数的计算公式可以是：
φij＝aij×[(xi(t)-xj(t)-rij)+β×(vi(t)-vj(t))] (5)
式中，φij表示第j个车辆对第i个车辆产生影响中的行驶因子；aij为第j个车辆对第i个车辆的加速度产生的影响比例系数；xi(t)为第i个车辆的位置；xj(t)为第j个车辆的位置；rij为第i个车辆到第j个车辆的位置向量；vi(t)为第i个车辆的行驶速度；vj(t)为第j个车辆的行驶速度；β为速度比例系数。
另外，对于aij，当aij＞0时，表示第j个车辆能够对第i个车辆的加速度产生影响；当aij＝0时，表示第j个车辆无法对第i个车辆的加速度产生影响。此外，当第j个车辆不是第i个车辆的相邻车辆时，则第j个车辆无法对第i个车辆的加速度产生影响，此时aij＝0；当第j个车辆是第i个车辆的相邻车辆时，则第j个车辆能够对第i个车辆的加速度产生影响，此时aij＞0。
基于计算公式(4)，作为一种实施方式，S10242具体可以为：根据第一车辆发送的第一车辆位置信息x1(t)、第一车辆行驶速度v1(t)、目标车辆位置信息xs(t)、目标车辆的行驶速度vs(t)和第一比例系数as1，利用第一预设函数的计算公式(5)，获取第一行驶因子φs1。
以上为S1024的具体实施方式。
需要说明的是：S1021与S1022之间没有固定的执行顺序，可以依次执行S1021和S1022，也可以依次执行S1022和S1021。另外，S1023与S1024之间没有固定的执行顺序，可以依次执行S1023和S1024，也可以依次执行S1024和S1023。
以上为S102的具体实施方式，在S102中，可以根据第一车辆位置信息、目标车辆位置信息和车辆间最小安全距离，得到第一避碰因子，并根据第一车辆位置信息、第一车辆行驶信息、第一车辆自身参数信息、目标车辆位置信息和目标车辆行驶信息，得到第一行驶因子。其中，第一避碰因子和第一行驶因子均是第一车辆对目标车辆的加速度的影响因子，而且第一避碰因子可以用于表示当第一车辆与目标车辆之间的车距达到车辆间最小安全距离时，第一车辆对目标车辆产生的影响；第一行驶因子可以用于表示第一车辆的行驶对目标车辆的行驶产生的影响。
下面介绍S103的具体实施方式。
S103可以采用多种实施方式，下面将以一种实施方式为例进行解释和说明。
参见图4，该图为本申请实施例提供的S103的一种实施方式的流程图。
作为一种实施方式，S103具体可以为：
S1031：第二车辆向目标车辆发送第二车辆位置信息、第二车辆行驶信息和第二车辆自身参数信息。
第二车辆位置信息用于表示第二车辆的位置信息。例如，第二车辆位置信息可以包括：第二车辆在不同时刻的位置信息x2(t)。
第二车辆行驶信息用于表示第二车辆在行驶过程中所具有的行驶参数信息。例如，第二车辆行驶信息可以包括：第二车辆的在不同时刻的行驶速度v2(t)。
第二车辆自身参数信息用于表示第二车辆自身所具有的具体的参数信息。例如，第二车辆自身参数信息可以包括：第二车辆的质量、长度、高度以及其他相关参数。
S1032：目标车辆获取目标车辆位置信息和目标车辆行驶信息。
S1032的内容与S1022的内容相同，为了简要起见，在此不再赘述。
S1033：目标车辆根据第二车辆位置信息、目标车辆位置信息和车辆间最小安全距离，得到第二避碰因子。
作为一种实施方式，S1033具体可以为：首先，根据第二车辆发送的第二车辆位置信息和目标车辆位置信息，得到第二位置差值和第二位置向量；然后，根据第二位置差值、第二位置向量和车辆间最小安全距离，利用避碰函数进行计算，得到第二避碰因子。
作为另一种实施方式，当避碰函数采用S1023提供的避碰函数的计算公式(1)至(4)进行计算时，S1033具体可以为：根据第二车辆发送的第二车辆位置信息x2(t)和目标车辆位置信息xs(t)，得到第二位置差值z2和第二位置向量rs2；然后，根据第二位置差值z2、第二位置向量rs2和车辆间最小安全距离d，利用避碰函数进行计算，得到第二避碰因子
Figure BDA0001982015800000121
S1034：目标车辆根据第二车辆发送的第二车辆位置信息、第二车辆行驶信息、第二车辆自身参数信息、目标车辆位置信息和目标车辆行驶信息，得到第二行驶因子。
S1034可以采用多种实施方式，下面将以一种实施方式为例进行解释和说明。
参见图5，该图为本申请实施例提供的S1034的一种实施方式的流程图。
作为一种实施方式，S1034具体可以为：
S10341：根据第二车辆发送的第二车辆位置信息、第二车辆行驶信息和第二车辆自身参数信息，获取第二比例系数。
第二比例系数用于表示第二车辆对目标车辆的加速度产生的影响比例系数。
S10342：根据第二车辆发送的第二车辆位置信息、第二车辆行驶信息、第二比例系数、目标车辆位置信息和目标车辆行驶信息，获取第二行驶因子。
作为一种实施方式，S10342具体可以为：根据第二车辆发送的第二车辆位置信息、第二车辆行驶信息、第二比例系数、目标车辆位置信息和目标车辆行驶信息，利用第二预设函数，获取第二行驶因子。
作为另一种实施方式，当S10342采用S10242提供的第二预设函数的计算公式(5)时，则S10342具体可以为：根据第二车辆发送的第二车辆位置信息x2(t)、第二车辆行驶速度v2(t)、目标车辆位置信息xs(t)、目标车辆的行驶速度vs(t)和第二比例系数as2，利用第二预设函数的计算公式(5)，获取第二行驶因子φs2。
以上为S1034的具体实施方式。
需要说明的是：S1031与S1032之间没有固定的执行顺序，可以依次执行S1031和S1032，也可以依次执行S1032和S1031。另外，S1033与S1034之间没有固定的执行顺序，可以依次执行S1033和S1034，也可以依次执行S1034和S1033。
以上为S103的具体实施方式，在S103中，可以根据第二车辆位置信息、目标车辆位置信息和车辆间最小安全距离，得到第二避碰因子，并根据第二车辆位置信息、第二车辆行驶信息、第二车辆自身参数信息、目标车辆位置信息和目标车辆行驶信息，得到第二行驶因子。其中，第二避碰因子和第二行驶因子均是第二车辆对目标车辆的加速度的影响因子，而且第二避碰因子可以用于表示当第二车辆与目标车辆之间的车距达到车辆间最小安全距离时，第二车辆对目标车辆产生的影响；第二行驶因子可以用于表示第二车辆的行驶对目标车辆的行驶产生的影响。
下面介绍S104的具体实施方式。
作为一种实施方式，S104具体可以为：根据第一避碰因子、第二避碰因子、第一行驶因子和第二行驶因子，利用第二预设函数，得到加速度。
其中，第二预设函数可以预先设定，也可以根据实际应用场景设定。
作为一示例，第二预设函数可以采用以下的计算公式：
Figure BDA0001982015800000141
式中，ai(t)表示第i个车辆的加速度；n表示车辆网络拓扑中的车辆总个数；φij表示第j个车辆对第i个车辆产生影响中的行驶因子，且φij可以采用计算公式(5)进行计算；
Figure BDA0001982015800000142
表示第j个车辆对第i个车辆产生影响中的避碰因子，且
Figure BDA0001982015800000143
可以采用计算公式(1)至(4)进行计算；nij表示第i个车辆指向第j个车辆的单位向量。
另外，如果第j个车辆不是第i个车辆的相邻车辆时，因第j个车辆无法对第i个车辆的加速度产生影响，使得aij＝0，从而使得φij＝0，同时因第j个车辆与第i个车辆之间的车距较大，使得第j个车辆的行驶无法影响到第i个车辆的行驶，从而使得
Figure BDA0001982015800000144
如果第j个车辆是第i个车辆的相邻车辆时，因第j个车辆可以对第i个车辆的加速度产生影响，使得aij＞0，从而使得φij≠0，同时因第j个车辆与第i个车辆之间的车距较小，使得第j个车辆的行驶能够影响到第i个车辆的行驶，从而使得
Figure BDA0001982015800000145
由此可知，对于计算公式(6)，由于与目标车辆不相邻的车辆对应的相关参数的值为0，导致与目标车辆不相邻的车辆对应的相关参数均不影响目标车辆的加速度，只有与目标车辆相邻的车辆对应的参数会影响目标车辆的加速度。
如此，由于目标车辆与第一车辆和第二车辆相邻，因而，作为一种实施方式，S104具体可以为：根据第一避碰因子
Figure BDA0001982015800000146
第二避碰因子
Figure BDA0001982015800000147
第一行驶因子φs1和第二行驶因子φs2，利用第二预设函数，得到加速度。
以上为S104的具体实施方式，在S104中，可以根据第一避碰因子、第二避碰因子、第一行驶因子和第二行驶因子，利用第二预设函数，得到加速度。
下面介绍S105的具体实施方式。
在S105中，加速度用于控制目标车辆的行驶方向以及行驶速度，而且，加速度可以包括纵向加速度和横向加速度，其中，纵向加速度可以用于控制目标车辆的纵向行驶方向以及行驶速度；横向加速度可以用于控制目标车辆的横向行驶方向以及行驶速度。
另外，在S105中，由于在不同的实际应用场景中，需要对目标车辆采用不同的控制策略，以达到不同的控制目的。例如，控制策略可以为控制目标车辆按照预设路线进行行驶、控制目标车辆跟踪前方车辆和控制目标车辆跟踪头车的行驶轨迹中的至少一种。其中，头车是指在车辆网络拓扑中，位于第一个车辆位置的车辆。
为了便于解释和说明，下面将以控制目标车辆跟踪头车的实时位置为例进行说明。
目标车辆跟踪头车的实时位置，具体是指：当目标车辆与头车处于同一行车道时，需要控制目标车辆保持当前的行驶方向不变；当目标车辆与头车处于不同行车道时，需要控制目标车辆变更行车道，使得目标车辆与头车最终处于同一行车道。
为了便于解释和说明目标车辆跟踪头车的实时位置，下面将结合附图进行解释和说明。
参见图6，该图为本申请实施例提供的目标车辆跟踪头车的行驶轨迹的示意图。
在图6中，(1)为多个车辆的原始行驶状态；(2)为多个车辆被控制后的行驶状态。
对于第二个车辆，由于第二个车辆的原始行车道与头车的行车道不同，因而需要控制第二个车辆从其原始行车道移动至头车的行车道，使得控制后的第二个车辆与头车处于同一行车道，以便实现第二个车辆能够跟踪头车的实时位置对于第三个车辆，由于第三个车辆的原始行车道与头车的行车道不同，因而需要控制第三个车辆从其原始行车道移动至头车的行车道，使得控制后的第三个车辆与头车处于同一行车道，以便实现第三个车辆能够跟踪头车的实时位置。
对于第四个车辆，由于第四个车辆与头车位于同一个行车道，因而只需控制第四车辆继续向前行驶，便能够实现第四个车辆跟踪头车的实时位置。
因此，当控制目标车辆跟踪头车的实时位置时，作为一种实施方式，S105具体可以为：当目标车辆的行车道与头车的行车道不同时，利用获得的目标车辆的加速度控制目标车辆的行驶方向以及行驶速度值，以便控制目标车辆移动至头车所在的行车道上进行行驶。
以上为S105的具体实施方式，在S105中，可以通过利用加速度控制目标车辆的行驶方向以及行驶速度值，以便控制目标车辆移动至头车所在的行车道上进行行驶。
以上为本申请方法实施例一提供的多车编队控制方法的一种具体实施方式。在该实施方式中，由于多个车辆均按照车辆网络拓扑中记录的车辆相邻关系进行行驶，因而在获取目标车辆的加速度时，仅需参考与目标车辆相邻的第一车辆和第二车辆的相关信息即可，无需参考除了第一车辆和第二车辆以外的其他车辆的相关信息，从而简化了加速度的计算过程，从而提高了目标车辆的控制效率，有利于提高多个无人驾驶车辆的行驶过程的安全性。
另外，在该实施方式中，通过根据第一车辆位置信息、目标车辆位置信息和车辆间最小安全距离，得到能够避免第一车辆与目标车辆发生碰撞的第一避碰因子，同时还根据第二车辆位置信息、目标车辆位置信息和车辆间最小安全距离，得到能够避免第二车辆与目标车辆发生碰撞的第二避碰因子，如此，根据第一避碰因子和第二避碰因子得到的加速度，能够避免目标车辆与其相邻的车辆发生碰撞，从而提高了目标车辆的行驶过程的安全性，进而提高多个无人驾驶车辆的行驶过程的安全性。
此外，在该实施方式中，由于第一避碰因子和第二避碰因子均是根据车辆间最小安全距离得到的，因而根据第一避碰因子和第二避碰因子得到的加速度，能够保证目标车辆和第一车辆之间的车距以及目标车辆和第二车辆之间的车距均达到最小，从而提高多个无人驾驶车辆的行驶过程中行车道的车辆密度，进而提高了行车道的车辆容量。
以上方法实施例一提供的多车编队控制方法中，在获取目标车辆的加速度时，仅需参考与目标车辆相邻的第一车辆和第二车辆的相关信息即可，无需考虑其他信息。
然而，由于位于第一个车辆位置的头车在该多个车辆中起到引导车辆行驶的作用，例如头车可以用于引导除了头车以外其他车辆的速度或位置等；而且，头车的速度无需受到除了头车以外的其他车辆的限制，因而，头车的相关参数将对与其相邻的车辆产生特殊的影响，而且该特殊的影响不同于除了头车以外其他车辆产生的影响，因而，为了进一步提高多个无人驾驶车辆的行驶过程的安全性，在目标车辆是与头车相邻的车辆的情况下，在考虑与目标车辆相邻的车辆对目标车辆的影响时，应当分别考虑到头车对目标车辆的特殊影响以及另一个与目标车辆相邻的车辆的非特殊影响。因此，本申请实施例提供了多车编队控制方法的另一种实施方式，下面将结合附图进行解释和说明。
方法实施例二
方法实施例二是在方法实施例一的基础上进行的改进，为了简要起见，方法实施例二中与方法实施例一中内容相同的部分，在此不再赘述。
参见图7，该图为本申请方法实施例二提供的多车编队控制方法的流程图。
S701：根据存储的车辆网络拓扑，获取与目标车辆相邻的第一车辆和第二车辆。
S701的具体实施方式与S101的具体实施方式相同，在此不再赘述。
S702：判断第一车辆是否是头车，若是，则执行S703；若否，则执行S706。
S703：根据第一车辆发送的第一车辆行驶信息，得到头车加速度；并根据第一车辆发送的第一车辆位置信息、第一车辆行驶信息、第一车辆自身参数信息、目标车辆位置信息和目标车辆行驶信息，得到头车影响因子。
S703可以采用多种实施方式，下面将以一种实施方式为例进行解释和说明。
参见图8，该图为本申请实施例提供的S703的一种实施方式的流程图。
作为一种实施方式，S703具体可以为：
S7031：第一车辆向目标车辆发送第一车辆位置信息、第一车辆行驶信息和第一车辆自身参数信息。
S7031的具体实施方式与S1021的具体实施方式相同，在此不再赘述。
另外，由于头车不需要根据其他车辆的相关参数信息进行控制，因而，头车不需要接收其他车辆发送的信息；而且，由于头车的相关参数对除了头车以外的其他车辆的影响可以借助头车对与其相邻的车辆的影响进行传递，因而，头车可以仅将头车的相关参数发送给与头车相邻的车辆即可。由此可知，头车可以仅向与头车相邻的车辆传递信息，且头车不接收任何车辆发送的信息，如此能够减少车辆之间的通信，从而提高了车辆之间的通信效率。
S7032：目标车辆获取目标车辆位置信息和目标车辆行驶信息。
S7033：目标车辆根据第一车辆发送的第一车辆行驶信息，得到头车加速度。
作为一种实施方式，当第一车辆行驶信息包括第一车辆的行驶速度信息时，则S7033具体可以为：根据第一车辆的行驶速度信息，得到头车加速度aL(t)。
S7034：目标车辆根据第一车辆发送的第一车辆位置信息、第一车辆行驶信息、第一车辆自身参数信息、目标车辆位置信息和目标车辆行驶信息，得到头车影响因子。
S7034可以采用多种实施方式，下面将以一种实施方式为例进行解释和说明。
参见图9，该图为本申请实施例提供的S7034的一种实施方式的流程图。
作为一种实施方式，S7034具体可以为：
S70341：根据第一车辆发送的第一车辆位置信息、第一车辆行驶信息和第一车辆自身参数信息，获取第三比例系数。
第三比例系数用于表示头车对目标车辆的加速度产生的影响比例系数。
S70342：根据第一车辆发送的第一车辆位置信息、第一车辆行驶信息、第三比例系数、目标车辆位置信息和目标车辆行驶信息，获取头车影响因子。
作为一种实施方式，S70342具体可以为：根据第一车辆发送的第一车辆位置信息、第一车辆行驶信息、第三比例系数、目标车辆位置信息和目标车辆行驶信息，利用第三预设函数，获取头车影响因子。
其中，第三预设函数是预先设定的，也可以根据实际应用场景进行设定。
作为一示例，第三预设函数的计算公式可以是：
θi＝ki×[(xi(t)-xL(t)-ri)+β×(vi(t)-vL(t))] (7)
式中，θi表示头车对第i个车辆产生影响中的头车影响因子；ki为头车对第i个车辆的加速度产生的影响比例系数；xi(t)为第i个车辆的位置；xL(t)为头车的位置；ri为第i个车辆到头车的位置向量；vi(t)为第i个车辆的行驶速度；vL(t)为头车的行驶速度；β为速度比例系数。
另外，对于aij，当aij＞0时，表示第j个车辆能够对第i个车辆的加速度产生影响；当aij＝0时，表示第j个车辆无法对第i个车辆的加速度产生影响。此外，当第j个车辆不是第i个车辆的相邻车辆时，则第j个车辆无法对第i个车辆的加速度产生影响，此时aij＝0；当第j个车辆是第i个车辆的相邻车辆时，则第j个车辆能够对第i个车辆的加速度产生影响，此时aij＞0。
另外，对于ki，当ki＞0时，表示头车能够对第i个车辆的加速度产生影响当ki＝0时，表示头车无法对第i个车辆的加速度产生影响。此外，当第j个车辆不是第i个车辆的相邻车辆时，则第j个车辆无法对第i个车辆的加速度产生影响，此时ki＝0；当第j个车辆是第i个车辆的相邻车辆时，则第j个车辆能够对第i个车辆的加速度产生影响，此时ki＞0。
基于计算公式(7)，作为一种实施方式，S70342具体可以为：根据第一车辆发送的第一车辆位置信息x1(t)、第一车辆行驶速度v1(t)、目标车辆位置信息xs(t)、目标车辆的行驶速度vs(t)和第三比例系数ki，利用第三预设函数的计算公式(7)，获取头车影响因子θi。
需要说明的是：S7031与S7032之间没有固定的执行顺序，可以依次执行S7031和S7032，也可以依次执行S7032和S7031。另外，S7033与S7034之间没有固定的执行顺序，可以依次执行S7033和S7034，也可以依次执行S7034和S7033。
S704：根据第二车辆发送的第二车辆位置信息、目标车辆位置信息和车辆间最小安全距离，得到第二避碰因子；并根据第二车辆发送的第二位置信息、第二车辆行驶信息、第二车辆自身参数信息、目标车辆位置信息和目标车辆行驶信息，得到第二行驶因子。
S704的具体实施方式与S103的具体实施方式相同，在此不再赘述。
S705：根据头车影响因子、头车加速度、第二避碰因子和第二行驶因子，得到加速度。
作为一种实施方式，S705具体可以为：根据头车影响因子、头车加速度、第二避碰因子和第二行驶因子，利用第四预设函数，得到加速度。
其中，第四预设函数可以预先设定，也可以根据实际应用场景设定。
作为一示例，第四预设函数可以采用以下的计算公式：
Figure BDA0001982015800000201
式中，ai(t)表示第i个车辆的加速度；n-1表示车辆网络拓扑中除了头车以外的车辆总个数；aL(t)表示头车的加速度；φij表示除了头车以外的第j个车辆对第i个车辆产生影响中的行驶因子，且φij可以采用计算公式(5)进行计算；
Figure BDA0001982015800000202
表示除了头车以外的第j个车辆对第i个车辆产生影响中的避碰因子，且
Figure BDA0001982015800000203
可以采用计算公式(1)至(4)进行计算；nij表示第i个车辆指向第j个车辆的单位向量；θi表示头车对第i个车辆产生影响中的头车影响因子。
另外，如果除了头车以外的第j个车辆不是第i个车辆的相邻车辆时，因除了头车以外的第j个车辆无法对第i个车辆的加速度产生影响，使得aij＝0，从而使得φij＝0，同时因除了头车以外的第j个车辆与第i个车辆之间的车距较大，使得除了头车以外的第j个车辆的行驶无法影响到第i个车辆的行驶，从而使得
Figure BDA0001982015800000204
如果除了头车以外的第j个车辆是第i个车辆的相邻车辆时，因除了头车以外的第j个车辆可以对第i个车辆的加速度产生影响，使得aij＞0，从而使得φij≠0，同时因除了头车以外的第j个车辆与第i个车辆之间的车距较小，使得除了头车以外的第j个车辆的行驶能够影响到第i个车辆的行驶，从而使得
Figure BDA0001982015800000205
由此可知，对于计算公式(6)，由于与目标车辆不相邻的车辆对应的相关参数的值为0，导致与目标车辆不相邻的车辆对应的相关参数均不影响目标车辆的加速度，只有与目标车辆相邻的车辆对应的参数会影响目标车辆的加速度。
如此，由于目标车辆与第一车辆和第二车辆相邻，且第一车辆为头车，因而，作为一种实施方式，S705具体可以为：根据头车影响因子θi、头车加速度aL(t)、第二避碰因子
Figure BDA0001982015800000206
和第二行驶因子φs2，利用第四预设函数，得到加速度。
S706：判断第二车辆是否是头车，若是，则执行S707；若否，则执行S710。
S707：根据第一车辆发送的第一车辆位置信息、目标车辆位置信息和车辆间最小安全距离，得到第一避碰因子；并根据第一车辆发送的第一车辆位置信息、第一车辆行驶信息、第一车辆自身参数信息、目标车辆位置信息和目标车辆行驶信息，得到第一行驶因子。
S707的具体实施方式与S102的具体实施方式相同，在此不再赘述。
S708：根据第二车辆发送的第二车辆行驶信息，得到头车加速度；并根据第二车辆发送的第二车辆位置信息、第二车辆行驶信息、第二车辆自身参数信息、目标车辆位置信息和目标车辆行驶信息，得到头车影响因子。
S708的具体实施方式与S703的具体实施方式相似，两者区别在于S703依据的是第一车辆发送的相关参数，但S708依据的是第二车辆发送的相关参数，其他内容是相同的，在此不再赘述。
S709：根据头车影响因子、头车加速度、第一避碰因子和第一行驶因子，得到加速度。
作为一种实施方式，S709具体可以为：根据头车影响因子、头车加速度、第一避碰因子和第一行驶因子，利用第四预设函数，得到加速度。
另外，根据S705提供的第四预设函数的相关内容可知，由于目标车辆与第一车辆和第二车辆相邻，且第二车辆为头车，因而，作为一种实施方式，S709具体可以为：根据头车影响因子θi、头车加速度aL(t)、第一避碰因子
Figure BDA0001982015800000211
和第一行驶因子φs1，利用第四预设函数，得到加速度。
S710：根据第一车辆发送的第一车辆位置信息、目标车辆位置信息和车辆间最小安全距离，得到第一避碰因子；并根据第一车辆发送的第一车辆位置信息、第一车辆行驶信息、第一车辆自身参数信息、目标车辆位置信息和目标车辆行驶信息，得到第一行驶因子。
S710的具体实施方式与S102的具体实施方式相同，在此不再赘述。
S711：根据第二车辆发送的第二车辆位置信息、目标车辆位置信息和车辆间最小安全距离，得到第二避碰因子；并根据第二车辆发送的第二位置信息、第二车辆行驶信息、第二车辆自身参数信息、目标车辆位置信息和目标车辆行驶信息，得到第二行驶因子。
S711的具体实施方式与S103的具体实施方式相同，在此不再赘述。
S712：根据第一避碰因子、第二避碰因子、第一行驶因子和第二行驶因子，得到加速度。
S712的具体实施方式与S104的具体实施方式相同，在此不再赘述。
S713：利用加速度对目标车辆进行控制。
S713的具体实施方式与S105的具体实施方式相同，在此不再赘述。
需要说明的是，在本申请方法实施例二中，S702与S706的执行顺序不固定，可以依次执行S702和S706，也可以依次执行S706和S702。另外，S703与S704的执行顺序不固定，可以依次执行S703和S704，也可以依次执行S704和S703。另外，S707与S708的执行顺序不固定，可以依次执行S707和S708，也可以依次执行S708和S707。另外，S710与S711的执行顺序不固定，可以依次执行S710和S711，也可以依次执行S711和S710。
以上为本申请方法实施例二提供的多车编队控制方法的具体实施方式，通过判断与目标车辆相邻的第一车辆或第二车辆是否是头车，确定目标车辆是否与头车相邻。如果第一车辆是头车时，则需要按照头车的相关参数对目标车辆的加速度产生的特定的影响，确定作为头车的第一车辆对目标车辆的加速度产生影响的头车加速度以及头车影响因子，同时还根据第二车辆的相关参数，获得第二车辆对目标车辆的加速度产生影响的第二避碰因子和第二行驶因子，最后根据头车加速度、头车影响因子、第二避碰因子和第二行驶因子，得到目标车辆的加速度。如此，能够在目标车辆是与头车相邻的车辆的情况下，既考虑头车对目标车辆的特殊影响，也考虑与目标车辆相邻的除了头车以外车辆对目标车辆的非特殊影响，从而提高了目标车辆的控制精确度，进而提高了多个无人驾驶车辆的行驶过程的安全性。
以上方法实施例一和方法实施例二提供的多车编队控制方法中，当第一车辆和第二车辆均与目标车辆相邻时，可以根据第一车辆的相关参数信息，获得第一车辆对目标车辆的加速度产生影响的第一避碰因子和第一行驶因子，同样可以根据第二车辆的相关参数信息，获得第二车辆对目标车辆的加速度产生影响的第二避碰因子和第二行驶因子，最后，根据第一避碰因子、第二避碰因子、第一行驶因子和第二行驶因子，得到目标车辆的加速度，以便后续根据目标车辆的加速度对其进行控制。
然而，当根据加速度对目标车辆进行控制时，由于车辆的自身结构比较复杂，导致目标车辆的控制比较复杂，从而导致目标车辆的控制比较难，因而，为了降低目标车辆的控制难度，从而提高目标车辆的控制准确率以及控制效率，可以建立目标车辆对应的汽车模型，以便后续根据汽车模型进行相应的控制。因此，为了提高目标车辆的控制效率，本申请实施例还提供了多车编队控制方法的另一种实施方式，下面将结合附图进行解释和说明。
方法实施例三
方法实施例三是在方法实施例一或方法实施例二的基础上进行的改进，为了简要起见，下面将以在方法实施例一的基础上进行的改进为例进行说明，而且，方法实施例三中与方法实施例一中内容相同的部分，在此不再赘述。
参见图10，该图为本申请方法实施例三提供的多车编队控制方法的流程图。
本申请实施例提供的多车编队控制方法，包括：
S1001：根据存储的车辆网络拓扑，获取与目标车辆相邻的第一车辆和第二车辆。
S1001的具体实施方式与S101的具体实施方式相同，在此不再赘述。
S1002：根据第一车辆发送的第一车辆位置信息、目标车辆位置信息和车辆间最小安全距离，得到第一避碰因子；并根据第一车辆发送的第一车辆位置信息、第一车辆行驶信息、第一车辆自身参数信息、目标车辆位置信息和目标车辆行驶信息，得到第一行驶因子。
S1002的具体实施方式与S102的具体实施方式相同，在此不再赘述。
S1003：根据第二车辆发送的第二车辆位置信息、目标车辆位置信息和车辆间最小安全距离，得到第二避碰因子；并根据第二车辆发送的第二位置信息、第二车辆行驶信息、第二车辆自身参数信息、目标车辆位置信息和目标车辆行驶信息，得到第二行驶因子。
S1003的具体实施方式与S103的具体实施方式相同，在此不再赘述。
S1004：根据第一避碰因子、第二避碰因子、第一行驶因子和第二行驶因子，得到加速度。
S1004的具体实施方式与S104的具体实施方式相同，在此不再赘述。
S1005：利用线性二自由度汽车模型建立目标车辆的车辆模型。
线性二自由度汽车模型，又称自行车模型，其可以将具有四个车轮的车辆简化为具有两个车轮的车辆；而且，建立该模型的核心思想是：假设在具有四个车轮的车辆中，左车轮的侧偏角和右车轮的侧偏角相等，且前车轮的转向角很小(车轮侧向力和侧偏角成正比)，并忽略车辆的侧倾运动，则可以确定前轴对应的左车轮和右车轮等效于一个位于前轴中心的等效车轮，以及确定后轴对应的左车轮和右车轮等效于一个位于后轴中心的等效车轮。如此，能够将具有四个车轮的车辆转化为具有两个车轮的车辆。
为了便于解释和理解，下面将结合附图对由线性二自由度汽车模型转化得到的车辆模型进行说明。
参见图11，该图为本申请实施例提供的车辆模型的结构示意图。
在图11中，以行车道的延伸方向为x轴建立道路坐标系，并在该道路坐标系中显示由线性二自由度汽车模型转化得到的车辆模型的结构。
其中，P点表示该车辆模型的质心；lf表示该车辆模型的质心到前轴的距离；lr表示该车辆模型的质心到后轴的距离；θ为该车辆模型的横摆角，且横摆角θ具体用于表示该车辆模型的纵轴和道路坐标系x轴的夹角；β表示该车辆模型的侧偏角，且侧偏角β具体用于表示该车辆模型的质心速度V和该车辆模型的纵轴的夹角；βf表示前轴等效车轮的速度Vf和前轴等效车轮朝向的夹角；βr表示后轴等效车轮的速度Vr和后轴等效车轮朝向的夹角；δ表示前轴等效车轮的前轮转角，且前轮转角δ具体用于表示前轴等效车轮的朝向与该车辆模型的纵轴之间的夹角；另外，该车辆模型的航向角为横摆角θ和侧偏角β的加和。
S1006：基于目标车辆的车辆模型，根据车辆的横向加速度对车辆进行横向控制加速度。
作为一种实施方式，S1006具体可以为：基于目标车辆的车辆模型，利用线性二次型调节器，根据车辆的横向加速度进行横向控制加速度。
根据上述提供的目标车辆的车辆模型结构可知，可以通过对车辆模型的前轮转角δ进行控制，实现对目标车辆的控制。因而，作为一种实施方式，S1006具体可以为：基于目标车辆的车辆模型，利用线性二次型调节器，根据加速度对车辆模型的前轮转角δ进行控制，以便实现对目标车辆的控制。
线性二次型调节器可以通过控制一个以状态空间形式表示的线性系统实现车辆控制。
对于线性二次型调节器，其目标函数是由该调节器的输入参数和系统状态空间构成的二次型函数；而且，线性二次型调节器的输出是使得目标函数达到最小的状态反馈器K。
作为一种实施方式，S1006具体可以为：基于目标车辆的车辆模型，利用包括车辆跟踪误差的状态空间的线性二次型调节器计算得到的前轮转角δ控制量，根据前轮转角δ的控制量加速度对目标车辆的控制。
其中，加速度可以包括横向加速度和纵向加速度。
另外，车辆跟踪误差的状态空间可以具体为：
Figure BDA0001982015800000251
式中，m为车辆模型的质量；cf为前轴等效车轮的偏侧刚度；cr为后轴等效车轮的偏侧刚度；lf为车辆模型的质心到前轴的距离；lr表示该车辆模型的质心到后轴的距离；Iz为车辆模型绕z轴转动的转动惯量(或横摆转动惯量)；yaw为车辆模型的朝向角；
Figure BDA0001982015800000252
为yaw的一次导数；vx_veh为在车辆坐标系下车辆模型的横向速度；ey_veh为在车辆坐标系下的横向距离误差，
Figure BDA0001982015800000253
为ey_veh的一次导数，且
Figure BDA0001982015800000261
为ey_veh的二次导数；θe为理想车辆朝向角与实际车辆朝向角的差值，
Figure BDA0001982015800000262
为θe的一次导数，且
Figure BDA0001982015800000263
为θe的二次导数；δ为前轴等效车轮的前轮转角，也是车辆模型的转向控制量。
为了便于理解和解释，下面将计算公式(9)简写为计算公式(10)
Figure BDA0001982015800000264
根据计算公式(9)和(10)可知，转向控制量与状态量的关系为：
δ(k)＝Kx(k) (11)
计算公式(11)中的K的计算公式如下：
Figure BDA0001982015800000265
而且，目标函数的计算公式为：
Figure BDA0001982015800000266
而且，计算公式(12)中的P应满足黎卡提方程，且黎卡提方程的计算公式如下：
Figure BDA0001982015800000267
基于上述的计算公式(9)至(14)可知，作为一种实施方式，S1006具体可以为：基于目标车辆的车辆模型，利用包括计算公式(9)至(14)的线性二次型调节器计算得到的前轮转角δ控制量，根据前轮转角δ的控制量对目标车辆的控制加速度。
以上为方法实施例三提供的多车编队控制方法的具体实施方式。在该实施方式中，当获得目标车辆的加速度之后，先利用线性二自由度汽车模型建立目标车辆的车辆模型，再基于目标车辆的车辆模型，根据车辆的横向加速度进行横向控制加速度。在该实施方式中，由于目标车辆的车辆模型通过将目标车辆的结构进行简化得到，因而，目标车辆的车辆模型对应的动力学分析更简单以及对应的控制过程更简单，能够提高对目标车辆的控制效率，从而能够进一步提高多个无人驾驶车辆的行驶过程的安全性。
基于上述方法实施例一至三提供的一种多车编队控制方法，本申请实施例还提供了一种多车编队控制装置，下面将结合附图进行解释和说明。
装置实施例一
参见图12，该图为本申请实施例提供的多车编队控制装置的结构示意图。
本申请实施例提供的多车编队控制装置，包括：
第一获取单元1201，用于根据存储的车辆网络拓扑，获取与目标车辆相邻的第一车辆和第二车辆；车辆网络拓扑用于记录不同车辆之间的相邻关系；
第二获取单元1202，用于根据第一车辆发送的第一车辆位置信息、目标车辆位置信息和车辆间最小安全距离，得到第一避碰因子；并根据第一车辆发送的第一车辆位置信息、第一车辆行驶信息、第一车辆自身参数信息、目标车辆位置信息和目标车辆行驶信息，得到第一行驶因子；
第三获取单元1203，用于根据第二车辆发送的第二车辆位置信息、目标车辆位置信息和车辆间最小安全距离，得到第二避碰因子；并根据第二车辆发送的第二位置信息、第二车辆行驶信息、第二车辆自身参数信息、目标车辆位置信息和目标车辆行驶信息，得到第二行驶因子；
控制单元1204，用于根据第一避碰因子、第二避碰因子、第一行驶因子和第二行驶因子，得到加速度，并利用加速度对目标车辆进行控制。
作为一种实施方式，为了进一步提高多个无人驾驶车辆的行驶过程的安全性以及提高行车道的车辆容量，第二获取单元1202，具体包括：
第一获取子单元，用于当第一车辆为头车时，根据第一车辆行驶信息，得到头车加速度；
第二获取子单元，用于当第一车辆为头车时，根据第一车辆发送的第一车辆位置信息、第一车辆行驶信息、第一车辆自身参数信息、目标车辆位置信息和目标车辆行驶信息，得到头车影响因子；
控制单元1204，具体包括：
加速度获取子单元，用于根据头车影响因子、头车加速度、第二避碰因子和第二行驶因子，得到加速度。
作为一种实施方式，为了进一步提高多个无人驾驶车辆的行驶过程的安全性以及提高行车道的车辆容量，第二获取子单元，具体包括：
第一获取模块，用于根据第一车辆发送的第一车辆位置信息、第一车辆行驶信息和第一车辆自身参数信息，获取第三比例系数；
第二获取模块，用于根据第一车辆发送的第一车辆位置信息、第一车辆行驶信息、第三比例系数、目标车辆位置信息和目标车辆行驶信息，获取头车影响因子。
作为一种实施方式，为了进一步提高多个无人驾驶车辆的行驶过程的安全性以及提高行车道的车辆容量，第二获取单元1202，具体包括：
第三获取子单元，用于根据第一车辆发送的第一车辆位置信息和目标车辆位置信息，得到第一位置差值和第一位置向量；
第四获取子单元，用于根据第一位置差值、第一位置向量和车辆间最小安全距离，利用避碰函数进行计算，得到第一避碰因子；
第三获取单元1203，具体包括：
第五获取子单元，用于根据第二车辆发送的第二车辆位置信息和目标车辆位置信息，得到第二位置差值和第二位置向量；
第六获取子单元，用于根据第二位置差值、第二位置向量和车辆间最小安全距离，利用避碰函数进行计算，得到第二避碰因子。
作为一种实施方式，为了进一步提高多个无人驾驶车辆的行驶过程的安全性以及提高行车道的车辆容量，第二获取单元1202，具体包括：
第七获取子单元，用于根据第一车辆发送的第一车辆位置信息、第一车辆行驶信息和第一车辆自身参数信息，获取第一比例系数；
第八获取子单元，用于根据第一车辆位置信息、第一车辆行驶信息、第一比例系数、目标车辆位置信息和目标车辆行驶信息，获取第一行驶因子；
第三获取单元1203，具体包括：
第九获取子单元，用于根据第二车辆发送的第二车辆位置信息、第二车辆行驶信息和第二车辆自身参数信息，获取第二比例系数；
第十获取子单元，用于根据第二车辆位置信息、第二车辆行驶信息、第二比例系数、目标车辆位置信息和目标车辆行驶信息，获取第二行驶因子。
作为一种实施方式，为了进一步提高多个无人驾驶车辆的行驶过程的安全性以及提高行车道的车辆容量，该装置还包括：
建立单元，用于利用线性二自由度汽车模型建立目标车辆的车辆模型；
控制单元1204，具体包括：
控制子单元，用于基于目标车辆的车辆模型，利用加速度对目标车辆进行控制。
作为一种实施方式，为了进一步提高多个无人驾驶车辆的行驶过程的安全性以及提高行车道的车辆容量，不同车辆之间通过专用的短程通信技术进行通信。
以上为本申请装置实施例一提供的多车编队控制装置，包括：第一获取单元1201、第二获取单元1202、第三获取单元1203和控制单元1204。在该装置中，由于多个车辆均按照车辆网络拓扑中记录的车辆相邻关系进行行驶，因而在获取目标车辆的加速度时，仅需参考与目标车辆相邻的第一车辆和第二车辆的相关信息即可，无需参考除了第一车辆和第二车辆以外的其他车辆的相关信息，从而简化了加速度的计算过程，从而提高了目标车辆的控制效率，有利于提高多个无人驾驶车辆的行驶过程的安全性。
另外，在该装置中，通过根据第一车辆位置信息、目标车辆位置信息和车辆间最小安全距离，得到能够避免第一车辆与目标车辆发生碰撞的第一避碰因子，同时还根据第二车辆位置信息、目标车辆位置信息和车辆间最小安全距离，得到能够避免第二车辆与目标车辆发生碰撞的第二避碰因子，如此，根据第一避碰因子和第二避碰因子得到的加速度，能够避免目标车辆与其相邻的车辆发生碰撞，从而提高了目标车辆的行驶过程的安全性，进而提高多个无人驾驶车辆的行驶过程的安全性。
此外，由于第一避碰因子和第二避碰因子均是根据车辆间最小安全距离得到的，因而根据第一避碰因子和第二避碰因子得到的加速度，能够保证目标车辆和第一车辆之间的车距以及目标车辆和第二车辆之间的车距均达到最小，从而提高多个无人驾驶车辆的行驶过程中行车道的车辆密度，进而提高了行车道的车辆容量。
应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。
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)

1.一种多车编队控制方法，其特征在于，包括：
根据存储的车辆网络拓扑，获取与目标车辆相邻的第一车辆和第二车辆；所述车辆网络拓扑用于记录不同车辆之间的相邻关系；
根据第一车辆发送的第一车辆位置信息、目标车辆位置信息和车辆间最小安全距离，得到第一避碰因子；并根据所述第一车辆发送的第一车辆位置信息、第一车辆行驶信息、第一车辆自身参数信息、所述目标车辆位置信息和目标车辆行驶信息，得到第一行驶因子；
根据第二车辆发送的第二车辆位置信息、所述目标车辆位置信息和所述车辆间最小安全距离，得到第二避碰因子；并根据所述第二车辆发送的第二位置信息、第二车辆行驶信息、第二车辆自身参数信息、所述目标车辆位置信息和所述目标车辆行驶信息，得到第二行驶因子；
根据所述第一避碰因子、所述第二避碰因子、所述第一行驶因子和所述第二行驶因子，得到加速度，并利用所述加速度对所述目标车辆进行控制。
2.根据权利要求1所述的方法，其特征在于，所述根据第一车辆发送的第一车辆位置信息、目标车辆位置信息和车辆间最小安全距离，得到第一避碰因子，具体包括：
根据第一车辆发送的第一车辆位置信息和目标车辆位置信息，得到第一位置差值和第一位置向量；
根据所述第一位置差值、所述第一位置向量和车辆间最小安全距离，利用避碰函数进行计算，得到第一避碰因子；
所述根据第二车辆发送的第二车辆位置信息、所述目标车辆位置信息和所述车辆间最小安全距离，得到第二避碰因子，具体包括：
根据第二车辆发送的第二车辆位置信息和所述目标车辆位置信息，得到第二位置差值和第二位置向量；
根据所述第二位置差值、所述第二位置向量和所述车辆间最小安全距离，利用避碰函数进行计算，得到第二避碰因子。
3.根据权利要求2所述的方法，其特征在于，所述避碰函数的计算公式，具体为：
Figure FDA0001982015790000011
z＝||xi(t)-xj(t)||，
Figure FDA0001982015790000012
Figure FDA0001982015790000021
式中，
Figure FDA0001982015790000022
为第i个车辆与第j个车辆产生影响中的避碰因子；||xi(t)-xj(t)||为第i个车辆与第j个车辆之间的位置差值；xi(t)为第i个车辆的位置；xj(t)为第j个车辆的位置；rij为第i个车辆到第j个车辆的位置向量，且||rij||为向量rij的模；d为车辆间最小安全距离。
4.根据权利要求1所述的方法，其特征在于，所述根据第一车辆发送的第一车辆位置信息、第一车辆行驶信息、第一车辆自身参数信息、所述目标车辆位置信息和目标车辆行驶信息，得到第一行驶因子，具体包括：
根据第一车辆发送的第一车辆位置信息、第一车辆行驶信息和第一车辆自身参数信息，获取第一比例系数；
根据所述第一车辆位置信息、第一车辆行驶信息、所述第一比例系数、所述目标车辆位置信息和目标车辆行驶信息，获取第一行驶因子；
所述根据第二车辆发送的第二车辆位置信息、第二车辆行驶信息、第二车辆自身参数信息、所述目标车辆位置信息和所述目标车辆行驶信息，得到第二行驶因子，具体包括：
根据第二车辆发送的第二车辆位置信息、第二车辆行驶信息和第二车辆自身参数信息，获取第二比例系数；
根据所述第二车辆位置信息、第二车辆行驶信息、所述第二比例系数、所述目标车辆位置信息和所述目标车辆行驶信息，获取第二行驶因子。
5.根据权利要求1所述的方法，其特征在于，当第一车辆为头车时，所述根据第一车辆发送的第一车辆位置信息、目标车辆位置信息和车辆间最小安全距离，得到第一避碰因子，并根据所述第一车辆发送的第一车辆位置信息、第一车辆行驶信息、第一车辆自身参数信息、所述目标车辆位置信息和目标车辆行驶信息，得到第一行驶因子，具体包括：
根据第一车辆发送的第一车辆行驶信息，得到头车加速度；
根据第一车辆发送的所述第一车辆位置信息、第一车辆行驶信息、第一车辆自身参数信息、所述目标车辆位置信息和目标车辆行驶信息，得到头车影响因子；
所述根据所述第一避碰因子、所述第二避碰因子、所述第一行驶因子和所述第二行驶因子，得到加速度，具体包括：
根据所述头车影响因子、所述头车加速度、所述第二避碰因子和所述第二行驶因子，得到加速度。
6.根据权利要求5所述的方法，其特征在于，所述根据第一车辆发送的第一车辆位置信息、第一车辆行驶信息、第一车辆自身参数信息、所述目标车辆位置信息和目标车辆行驶信息，得到头车影响因子，具体包括：
根据第一车辆发送的第一车辆位置信息、第一车辆行驶信息和第一车辆自身参数信息，获取第三比例系数；
根据所述第一车辆发送的第一车辆位置信息、第一车辆行驶信息、所述第三比例系数、所述目标车辆位置信息和所述目标车辆行驶信息，获取头车影响因子。
7.根据权利要求1所述的方法，其特征在于，所述利用所述加速度对所述目标车辆进行控制之前，还包括：
利用线性二自由度汽车模型建立所述目标车辆的车辆模型；
所述利用所述加速度对所述目标车辆进行控制，具体包括：
基于所述目标车辆的车辆模型，利用所述加速度对所述目标车辆进行控制。
8.根据权利要求1所述的方法，其特征在于，不同车辆之间通过专用的短程通信技术进行通信。
9.一种多车编队控制装置，其特征在于，包括：
第一获取单元，用于根据存储的车辆网络拓扑，获取与目标车辆相邻的第一车辆和第二车辆；所述车辆网络拓扑用于记录不同车辆之间的相邻关系；
第二获取单元，用于根据第一车辆发送的第一车辆位置信息、目标车辆位置信息和车辆间最小安全距离，得到第一避碰因子；并根据所述第一车辆发送的第一车辆位置信息、第一车辆行驶信息、第一车辆自身参数信息、所述目标车辆位置信息和目标车辆行驶信息，得到第一行驶因子；
第三获取单元，用于根据第二车辆发送的第二车辆位置信息、所述目标车辆位置信息和所述车辆间最小安全距离，得到第二避碰因子；并根据所述第二车辆发送的第二位置信息、第二车辆行驶信息、第二车辆自身参数信息、所述目标车辆位置信息和所述目标车辆行驶信息，得到第二行驶因子；
控制单元，用于根据所述第一避碰因子、所述第二避碰因子、所述第一行驶因子和所述第二行驶因子，得到加速度，并利用所述加速度对所述目标车辆进行控制。
10.根据权利要求9所述的装置，其特征在于，所述第二获取单元，具体包括：
第一获取子单元，用于当第一车辆为头车时，根据第一车辆行驶信息，得到头车加速度；
第二获取子单元，用于当第一车辆为头车时，根据第一车辆发送的第一车辆位置信息、第一车辆行驶信息、第一车辆自身参数信息、所述目标车辆位置信息和目标车辆行驶信息，得到头车影响因子；
所述控制单元，具体包括：
加速度获取子单元，用于根据所述头车影响因子、所述头车加速度、所述第二避碰因子和所述第二行驶因子，得到加速度。
CN201910152799.9A 2019-02-28 2019-02-28 一种多车编队控制方法及装置 Active CN111627247B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910152799.9A CN111627247B (zh) 2019-02-28 2019-02-28 一种多车编队控制方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910152799.9A CN111627247B (zh) 2019-02-28 2019-02-28 一种多车编队控制方法及装置

Publications (2)

Publication Number Publication Date
CN111627247A true CN111627247A (zh) 2020-09-04
CN111627247B CN111627247B (zh) 2022-02-18

Family

ID=72272593

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910152799.9A Active CN111627247B (zh) 2019-02-28 2019-02-28 一种多车编队控制方法及装置

Country Status (1)

Country Link
CN (1) CN111627247B (zh)

Citations (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10293899A (ja) * 1997-04-21 1998-11-04 Fujitsu Ten Ltd 車両群形成制御装置および方法
DE102011010864A1 (de) * 2011-02-10 2011-12-08 Daimler Ag Verfahren und System zur Vorhersage von Kollisionen
CN102292752A (zh) * 2009-01-20 2011-12-21 丰田自动车株式会社 队列行驶控制系统及车辆
CN102616235A (zh) * 2012-04-09 2012-08-01 北京航空航天大学 一种基于车车通信的协同避撞装置及避撞方法
CN103395419A (zh) * 2013-08-22 2013-11-20 贵州大学 基于安全间距策略的车辆队列行驶控制系统及其控制方法
CN103578295A (zh) * 2013-11-20 2014-02-12 东南大学 一种快速道路排队尾部追尾事故风险实时预测与预防方法
US20150025770A1 (en) * 2012-01-09 2015-01-22 Jaguar Land Rover Limited Method and Control Unit for Monitoring Traffic
US20150274161A1 (en) * 2012-09-14 2015-10-01 Robert Bosch Gmbh Method for operating a driver assistance system of a vehicle
US20150307097A1 (en) * 2012-12-12 2015-10-29 Scania Cv Ab Method and device for regulating a longitudinal acceleration of a vehicle
CN105138044A (zh) * 2015-07-10 2015-12-09 北京印刷学院 一种基于信息物理网的车队编队控制装置及编队控制方法
CN105160865A (zh) * 2015-08-05 2015-12-16 深圳市航盛电子股份有限公司 一种车辆编队行驶控制系统及方法
CN105279958A (zh) * 2015-11-13 2016-01-27 奇瑞汽车股份有限公司 车队管理系统及方法
JP2016020117A (ja) * 2014-07-11 2016-02-04 株式会社デンソー 車両制御装置
CN105313891A (zh) * 2015-10-22 2016-02-10 清华大学 一种多车协同避撞方法及装置
CN105551306A (zh) * 2016-02-23 2016-05-04 江苏大学 一种基于鱼群效应的车队避撞系统以及避撞方法
CN105774800A (zh) * 2016-03-28 2016-07-20 清华大学 一种混合车辆队列中车辆间的碰撞缓解方法及装置
CN106708057A (zh) * 2017-02-16 2017-05-24 北理慧动（常熟）车辆科技有限公司 一种智能车辆编队行驶方法
US20170147005A1 (en) * 2015-11-19 2017-05-25 Agjunction Llc Automated multi-vehicle alignment steering
CN106904165A (zh) * 2015-12-22 2017-06-30 奥迪股份公司 用于在交通堵塞情况中操作机动车辆的控制单元的方法
CN106997690A (zh) * 2017-05-15 2017-08-01 东南大学 一种车联网环境下高速公路车辆非强制换道控制方法
CN107015571A (zh) * 2017-05-12 2017-08-04 南京航空航天大学 一种编队无人机追踪与规避移动目标的算法
CN107346612A (zh) * 2016-05-06 2017-11-14 中国科学院微电子研究所 一种基于车联网的车辆防碰撞方法和系统
CN107703777A (zh) * 2017-10-27 2018-02-16 清华大学苏州汽车研究院（吴江） 一种基于联合仿真系统的车辆队列测试方法
WO2018043753A1 (ja) * 2016-09-05 2018-03-08 ナブテスコオートモーティブ 株式会社 隊列走行管理システム
CN107798861A (zh) * 2017-11-30 2018-03-13 湖北汽车工业学院 一种车辆协作式编队行驶方法及系统
CN108216236A (zh) * 2017-12-25 2018-06-29 东软集团股份有限公司 车辆控制方法、装置、车辆及存储介质
CN108257418A (zh) * 2016-12-28 2018-07-06 上海汽车集团股份有限公司 车辆碰撞预警方法及装置
CN108281040A (zh) * 2017-12-28 2018-07-13 东南大学 一种多车协同避障系统及方法
CN108447266A (zh) * 2018-05-23 2018-08-24 清华大学 一种智能网联汽车协同换道入队控制方法
CN108594830A (zh) * 2018-06-10 2018-09-28 同济大学 一种基于空间域的网联智能车编队行驶控制方法
CN108646737A (zh) * 2018-05-03 2018-10-12 韩静超 一种新型智能公路运输车辆控制系统及其控制方法
CN108819943A (zh) * 2018-05-13 2018-11-16 上海交通大学 一种基于二维码的自主跟车系统及方法
CN108877268A (zh) * 2018-08-07 2018-11-23 南京大学 一种面向无人驾驶的无红绿灯十字路口智能调度方法

Patent Citations (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10293899A (ja) * 1997-04-21 1998-11-04 Fujitsu Ten Ltd 車両群形成制御装置および方法
CN102292752A (zh) * 2009-01-20 2011-12-21 丰田自动车株式会社 队列行驶控制系统及车辆
DE102011010864A1 (de) * 2011-02-10 2011-12-08 Daimler Ag Verfahren und System zur Vorhersage von Kollisionen
US20150025770A1 (en) * 2012-01-09 2015-01-22 Jaguar Land Rover Limited Method and Control Unit for Monitoring Traffic
CN102616235A (zh) * 2012-04-09 2012-08-01 北京航空航天大学 一种基于车车通信的协同避撞装置及避撞方法
US20150274161A1 (en) * 2012-09-14 2015-10-01 Robert Bosch Gmbh Method for operating a driver assistance system of a vehicle
US20150307097A1 (en) * 2012-12-12 2015-10-29 Scania Cv Ab Method and device for regulating a longitudinal acceleration of a vehicle
CN103395419A (zh) * 2013-08-22 2013-11-20 贵州大学 基于安全间距策略的车辆队列行驶控制系统及其控制方法
CN103578295A (zh) * 2013-11-20 2014-02-12 东南大学 一种快速道路排队尾部追尾事故风险实时预测与预防方法
JP2016020117A (ja) * 2014-07-11 2016-02-04 株式会社デンソー 車両制御装置
CN105138044A (zh) * 2015-07-10 2015-12-09 北京印刷学院 一种基于信息物理网的车队编队控制装置及编队控制方法
CN105160865A (zh) * 2015-08-05 2015-12-16 深圳市航盛电子股份有限公司 一种车辆编队行驶控制系统及方法
CN105313891A (zh) * 2015-10-22 2016-02-10 清华大学 一种多车协同避撞方法及装置
CN105279958A (zh) * 2015-11-13 2016-01-27 奇瑞汽车股份有限公司 车队管理系统及方法
US20170147005A1 (en) * 2015-11-19 2017-05-25 Agjunction Llc Automated multi-vehicle alignment steering
CN106904165A (zh) * 2015-12-22 2017-06-30 奥迪股份公司 用于在交通堵塞情况中操作机动车辆的控制单元的方法
CN105551306A (zh) * 2016-02-23 2016-05-04 江苏大学 一种基于鱼群效应的车队避撞系统以及避撞方法
CN105774800A (zh) * 2016-03-28 2016-07-20 清华大学 一种混合车辆队列中车辆间的碰撞缓解方法及装置
CN107346612A (zh) * 2016-05-06 2017-11-14 中国科学院微电子研究所 一种基于车联网的车辆防碰撞方法和系统
WO2018043753A1 (ja) * 2016-09-05 2018-03-08 ナブテスコオートモーティブ 株式会社 隊列走行管理システム
CN108257418A (zh) * 2016-12-28 2018-07-06 上海汽车集团股份有限公司 车辆碰撞预警方法及装置
CN106708057A (zh) * 2017-02-16 2017-05-24 北理慧动（常熟）车辆科技有限公司 一种智能车辆编队行驶方法
CN107015571A (zh) * 2017-05-12 2017-08-04 南京航空航天大学 一种编队无人机追踪与规避移动目标的算法
CN106997690A (zh) * 2017-05-15 2017-08-01 东南大学 一种车联网环境下高速公路车辆非强制换道控制方法
CN107703777A (zh) * 2017-10-27 2018-02-16 清华大学苏州汽车研究院（吴江） 一种基于联合仿真系统的车辆队列测试方法
CN107798861A (zh) * 2017-11-30 2018-03-13 湖北汽车工业学院 一种车辆协作式编队行驶方法及系统
CN108216236A (zh) * 2017-12-25 2018-06-29 东软集团股份有限公司 车辆控制方法、装置、车辆及存储介质
CN108281040A (zh) * 2017-12-28 2018-07-13 东南大学 一种多车协同避障系统及方法
CN108646737A (zh) * 2018-05-03 2018-10-12 韩静超 一种新型智能公路运输车辆控制系统及其控制方法
CN108819943A (zh) * 2018-05-13 2018-11-16 上海交通大学 一种基于二维码的自主跟车系统及方法
CN108447266A (zh) * 2018-05-23 2018-08-24 清华大学 一种智能网联汽车协同换道入队控制方法
CN108594830A (zh) * 2018-06-10 2018-09-28 同济大学 一种基于空间域的网联智能车编队行驶控制方法
CN108877268A (zh) * 2018-08-07 2018-11-23 南京大学 一种面向无人驾驶的无红绿灯十字路口智能调度方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
SHUDE HE: "Leader–Follower Formation Control of USVs With Prescribed Performance and Collision Avoidance", 《IEEE TRANSACTIONS ON INDUSTRIAL INFORMATICS》 *
徐成: "部分车辆联网条件下多车协同避撞算法研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 *
胡满江: "基于MPC的多车纵向协同避撞算法", 《清华大学学报（自然科学版）》 *
董龙飞: "车路协同中的智能车编队设计与实现", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 *

Also Published As

Publication number Publication date
CN111627247B (zh) 2022-02-18

Similar Documents

Publication Publication Date Title
CN111123952B (zh) 一种轨迹规划方法及装置
CN110187639B (zh) 一种基于参数决策框架的轨迹规划控制方法
CN110861650B (zh) 车辆的路径规划方法、装置，车载设备和存储介质
CN110015306B (zh) 驾驶轨迹获取方法及装置
CN106740846B (zh) 一种双模式切换的电动汽车自适应巡航控制方法
Khodayari et al. A historical review on lateral and longitudinal control of autonomous vehicle motions
CN110827535B (zh) 非线性车辆队列协同自适应抗扰纵向控制方法
CN110794851B (zh) 车辆远程控制安全防护方法、装置和无人驾驶车辆
Farag et al. Dynamics platooning model and protocols for self-driving vehicles
Zhang et al. Data-driven based cruise control of connected and automated vehicles under cyber-physical system framework
CN115662131B (zh) 网联环境下道路事故路段的多车道协同换道方法
CN115273450B (zh) 一种网联自动驾驶环境下车辆进入编队的换道方法
CN113886764A (zh) 一种基于Frenet坐标系的智能车辆多场景轨迹规划方法
Khalifa et al. Vehicles platooning in urban environment: Consensus-based longitudinal control with limited communications capabilities
Zhang et al. Structured road-oriented motion planning and tracking framework for active collision avoidance of autonomous vehicles
Luu et al. Spacing control of cooperative adaptive cruise control vehicle platoon
CN115285145A (zh) 一种无人驾驶弯道避撞轨迹规划与跟踪控制方法
Pauca et al. Control architecture for cooperative autonomous vehicles driving in platoons at highway speeds
Oh et al. Safe decision and control of connected automated vehicles for an unprotected left turn
Lin et al. Adaptive prediction-based control for an ecological cruise control system on curved and hilly roads
CN111627247B (zh) 一种多车编队控制方法及装置
CN113327457B (zh) 一种基于车路协同技术的车辆避碰系统及方法
CN111857112B (zh) 一种汽车局部路径规划方法及电子设备
Pauca et al. Communication topologies evaluation for a vehicle merging into a platoon on highway
Khalifa et al. Vehicles platooning in urban environments: Integrated consensus-based longitudinal control with gap closure maneuvering and collision avoidance capabilities

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