CN111703423A - 自动驾驶车辆的纵向控制安全监测方法及系统 - Google Patents

自动驾驶车辆的纵向控制安全监测方法及系统 Download PDF

Info

Publication number
CN111703423A
CN111703423A CN201910205150.9A CN201910205150A CN111703423A CN 111703423 A CN111703423 A CN 111703423A CN 201910205150 A CN201910205150 A CN 201910205150A CN 111703423 A CN111703423 A CN 111703423A
Authority
CN
China
Prior art keywords
vehicle
longitudinal control
speed
acceleration
algorithm
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
CN201910205150.9A
Other languages
English (en)
Other versions
CN111703423B (zh
Inventor
魏松波
张凯
和林
甄龙豹
葛建勇
王天培
张健
关欣
张露
高莎莎
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.)
Haomo Zhixing Technology Co Ltd
Original Assignee
Great Wall Motor Co 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 Great Wall Motor Co Ltd filed Critical Great Wall Motor Co Ltd
Priority to CN201910205150.9A priority Critical patent/CN111703423B/zh
Publication of CN111703423A publication Critical patent/CN111703423A/zh
Application granted granted Critical
Publication of CN111703423B publication Critical patent/CN111703423B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • B60W30/14—Adaptive cruise control
    • 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
    • B60W30/14—Adaptive cruise control
    • B60W30/16—Control of distance between vehicles, e.g. keeping a distance to preceding vehicle
    • B60W30/165—Automatically following the path of a preceding lead vehicle, e.g. "electronic tow-bar"
    • 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
    • B60W40/107—Longitudinal acceleration
    • 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
    • B60W2720/00—Output or target parameters relating to overall vehicle dynamics
    • B60W2720/10—Longitudinal speed
    • B60W2720/106—Longitudinal acceleration

Abstract

本发明涉及智能交通技术领域，提供一种自动驾驶车辆的纵向控制安全监测方法及系统。所述方法包括：获取所述自动驾驶车辆的纵向控制状态；获取针对不同纵向控制状态的纵向控制算法，并获取通过所述纵向控制算法计算出的目标加速度；基于所述纵向控制算法确定不同车速下给定的最大的目标加速度对应的加速度阈值；以及实时监测所获取的目标加速度，并判断该目标加速度是否大于所述加速度阈值，若是，则将所述目标加速度限制在所述加速度阈值之后再输出以用于车辆纵向控制，否则正常输出所述目标加速度以用于车辆纵向控制。本发明对运动控制模块输出的加速度进行了监测和限制，既能防止车辆突然加速，又能保证车辆执行机构在其极限能力内正常响应。

Description

自动驾驶车辆的纵向控制安全监测方法及系统
技术领域
本发明涉及智能交通技术领域，特别涉及一种自动驾驶车辆的纵向控制安全监测方法及系统。
背景技术
自动驾驶(也称无人驾驶、智能驾驶)系统的设计与开发大致可分为四个模块：环境感知、数据融合、决策规划和运动控制。一辆自动驾驶车辆要实现自动行驶，首先需要像人一样充分“了解”周围的环境，包括周围车辆、行人、道路标示、道路路面、天气等一切影响驾驶行为的环境信息，即环境感知。其次，自动驾驶系统将采集到的所有传感器信息进行处理，包括提取、筛选、过滤、对比等，最终得到稳定的可真实反映车辆周围环境信息的信号，即数据融合。进而，自动驾驶系统根据融合后的信息做出相应的“判断和规划”，包括保持当前道路行驶、换道、行驶轨迹、行驶速度等内容，即决策规划。最后，自动驾驶系统根据接收的决策指令控制车辆完成相应的动作，包括保持在当前车道内行驶、换道、按规定速度行驶、跟随前车行驶等，即运动控制。
其中，运动控制模块作为自动驾驶控制系统的底层模块，在其他模块运行错误时，极易受到影响。例如，某一传感器的突然故障或者信号异常导致自动驾驶系统的输入异常，从而引起错误的计算，最终得到错误的输出。这一错误输出可能产生车辆突然转向或者突然制动和加速，轻则使乘客感觉到不舒适，重则引起车辆的侧滑和侧翻，这样一来就严重违背了自动驾驶系统的开发初衷。
因此，为了保证自动驾驶系统控制的安全性，需要在自动驾驶系统的运动控制模块中增加“安全监测”功能，以实现对横纵向控制量的安全监测。其中，根据运动控制模块的输出，涉及的安全监测功能应包括两部分：一部分是针对纵向控制进行安全监测，另一部分是对纵向控制进行安全监测。针对纵向控制进行安全监测的目的主要是确保车辆纵向运动的安全性、平顺性以及驾驶员及乘客的舒适性。
但是，目前的自动驾驶车辆缺少纵向控制安全监测方案，现有成熟的ACC(Adaptive Cruise Control，自适应巡航控制)技术在出现目标识别错误或者传感器异常时，会需要驾驶员的接管驾驶权以保障行车的安全性，但转交驾驶员驾驶权就违背了自动驾驶系统开始的初衷。因此，为自动驾驶车辆设计纵向控制安全监测方案是非常必要的。
发明内容
有鉴于此，本发明旨在提出一种自动驾驶车辆的纵向控制安全监测方法，以至少部分地解决上述技术问题。
为达到上述目的，本发明的技术方案是这样实现的：
一种自动驾驶车辆的纵向控制安全监测方法，包括：获取所述自动驾驶车辆的纵向控制状态；获取针对不同纵向控制状态的纵向控制算法，并获取通过所述纵向控制算法计算出的目标加速度；基于所述纵向控制算法确定不同车速下给定的最大的目标加速度对应的加速度阈值；以及实时监测所获取的目标加速度，并判断该目标加速度是否大于所述加速度阈值，若是，则将所述目标加速度限制在所述加速度阈值之后再输出以用于车辆纵向控制，否则正常输出所述目标加速度以用于车辆纵向控制。
进一步的，所述纵向控制状态包括巡航模式，且其中针对所述巡航模式的纵向控制算法为P控制算法，且基于该P控制算法，采用以下公式计算目标加速度a：
a＝(TopSpd-VehSpd)*Kp
其中，TopSpd表示目标车速，VehSpd表示当前车速，Kp为P控制的比例参数。
进一步的，所述纵向控制状态包括跟随模式，且其中针对所述跟随模式的纵向控制算法为用于控制所述自动驾驶车辆在所述跟随模式的不同工况下的速度变化的算法，其中该算法与对应工况的关系包括：前车速度小于本车速度且前车相对于本车的两车实际距离小于期望距离的第一工况，以及用于控制本车在所述第一工况下以第一加速度进行减速的第一算法；前车速度小于本车速度且前车相对于本车的两车实际距离大于期望距离的第二工况，以及用于控制本车在所述第二工况下以第二加速度进行减速的第二算法；前车速度大于本车速度且前车相对于本车的两车实际距离大于期望距离的第三工况，以及用于控制本车在所述第三工况下以第三加速度进行加速的第三算法；前车速度大于本车速度且前车相对于本车的两车实际距离小于期望距离的第四工况，以及用于控制本车在所述第四工况下以第四加速度进行减速的第四算法；以及前车速度与本车速度之间的速度差在设定的速度阈值范围内且前车相对于本车的两车实际距离在设定的距离阈值范围内的第五工况，以及用于控制本车在所述第五工况下稳定跟随前车行驶的第五算法。
进一步的，所述基于所述纵向控制算法确定不同车速下给定的最大的目标加速度对应的加速度阈值包括：采用以下公式确定所述加速度阈值
Figure BDA0001998740840000031
其中，b1至b6为依次增大且小于1的常数，a11至a17为依次减小的设定值。
进一步的，b1至b6以等差序列的方式依次增大，a1至a7为以等差序列的方式依次减小。
相对于现有技术，本发明所述的自动驾驶车辆的纵向控制安全监测方法对运动控制模块输出的加速度进行了监测和限制，从而一方面能够防止车辆突然加速，另一方面能够保证车辆执行机构在其极限能力内正常响应。
本发明的另一目的在于提出一种机器可读存储介质，以至少部分地解决上述技术问题。
为达到上述目的，本发明的技术方案是这样实现的：
一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令用于使得机器执行上述的自动驾驶车辆的纵向控制安全监测方法。
所述机器可读存储介质与上述纵向控制安全监测方法相对于现有技术所具有的优势相同，在此不再赘述。
本发明的另一目的在于提出一种自动驾驶车辆的纵向控制安全监测系统，以至少部分地解决上述技术问题。
为达到上述目的，本发明的技术方案是这样实现的：
一种自动驾驶车辆的纵向控制安全监测系统，包括：第一获取模块，用于获取所述自动驾驶车辆的纵向控制状态；第二获取模块，获取针对不同纵向控制状态的纵向控制算法，并获取通过所述纵向控制算法计算出的目标加速度；阈值确定模块，用于基于所述纵向控制算法确定不同车速下给定的最大的目标加速度对应的加速度阈值；以及监测模块，用于实时监测所获取的目标加速度，并判断该目标加速度是否大于所述加速度阈值，若是，则将所述目标加速度限制在所述加速度阈值之后再输出以用于车辆纵向控制，否则正常输出所述目标加速度以用于车辆纵向控制。
进一步的，针对所述第二获取模块，所述纵向控制状态包括巡航模式，且其中针对所述巡航模式的纵向控制算法为P控制算法，且基于该P控制算法，采用以下公式计算目标加速度a：
a＝(TopSpd-VehSpd)*Kp
其中，TopSpd表示目标车速，VehSpd表示当前车速，Kp为P控制的比例参数。
进一步的，针对所述第二获取模块，所述纵向控制状态包括跟随模式，且其中针对所述跟随模式的纵向控制算法为用于控制所述自动驾驶车辆在所述跟随模式的不同工况下的速度变化的算法，其中该算法与对应工况的关系包括：前车速度小于本车速度且前车相对于本车的两车实际距离小于期望距离的第一工况，以及用于控制本车在所述第一工况下以第一加速度进行减速的第一算法；前车速度小于本车速度且前车相对于本车的两车实际距离大于期望距离的第二工况，以及用于控制本车在所述第二工况下以第二加速度进行减速的第二算法；前车速度大于本车速度且前车相对于本车的两车实际距离大于期望距离的第三工况，以及用于控制本车在所述第三工况下以第三加速度进行加速的第三算法；前车速度大于本车速度且前车相对于本车的两车实际距离小于期望距离的第四工况，以及用于控制本车在所述第四工况下以第四加速度进行减速的第四算法；以及前车速度与本车速度之间的速度差在设定的速度阈值范围内且前车相对于本车的两车实际距离在设定的距离阈值范围内的第五工况，以及用于控制本车在所述第五工况下稳定跟随前车行驶的第五算法。
进一步的，所述阈值确定模块用于基于所述纵向控制算法确定不同车速下给定的最大的目标加速度对应的加速度阈值包括：采用以下公式确定所述加速度阈值
Figure BDA0001998740840000061
其中，b1至b6为依次增大且小于1的常数，a11至a17为依次减小的设定值。
所述纵向控制安全监测系统与上述纵向控制安全监测方法相对于现有技术所具有的优势相同，在此不再赘述。
本发明的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施方式及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明实施例的一种自动驾驶车辆的纵向控制安全监测方法的流程示意图；以及
图2是本发明实施例的一种自动驾驶车辆的纵向控制安全监测系统的结构示意图。
附图标记说明：
210、第一获取模块 220、第二获取模块
230、阈值确定模块 240、监测模块
具体实施方式
需要说明的是，在不冲突的情况下，本发明中的实施方式及实施方式中的特征可以相互组合。
下面将参考附图并结合实施方式来详细说明本发明。
在介绍本发明实施例之前，先介绍自动驾驶车辆的纵向方面，其主要包括：纵向决策及纵向控制，纵向决策是指根据车辆所在的行车环境，根据自动驾驶系统定义的纵向决策策略决定车辆行驶的状态(巡航、跟随、紧急制动及起停)，纵向控制是指根据自动驾驶系统按照车辆的纵向决策信息，执行相应的控制算法，从而完成无人驾驶系统对车辆纵向的控制，实现车辆的加减速。
进一步地，自动驾驶车辆在纵向控制中涉及的三种纵向控制状态，即巡航模式、跟随模式、AEB模式。在其他实施例中，还可以包括起停模式，其是指自动驾驶车辆能够准确控制车辆停靠至预设地点(如收费站、服务区等等)，但起停模式可在跟随模式下实现其功能，故可从属于跟随模式。
1)巡航模式
巡航模式，是指自动驾驶车辆(以下也称为本车)处于动作距离(ActDis_m)以内没有存在前车的巡航状态时，调节自动驾驶车辆可行驶的最高车速，当车速低于最高车速时，自动驾驶车辆加速行驶，反之减速。
2)跟随模式
跟随模式，是指自动驾驶车辆处于本车道内动作距离内存本在前车、且本车在不换道时跟随前车运动的跟随状态时，调节本车车速，在保证安全行车的前提下，使其与前车之间保持一定的安全距离和相对速度，保持稳定地跟随前车行驶的状态。
3)AEB模式
AEB模式，是指在纵向决策发出AEB模式的信号时，自动驾驶车辆以极大减速度进行制动。
图1是本发明实施例的一种自动驾驶车辆的纵向控制安全监测方法的流程示意图。如图1所示，所述纵向控制安全监测方法可以包括以下步骤：
步骤S110，获取所述自动驾驶车辆的纵向控制状态。
如上所述，纵向控制状态可包括巡航模式、跟随模式和AEB模式三种。这三种模式由自动驾驶系统的决策规划模块得到，且决策规划模块会将车辆当前所处的纵向控制状态传输给运动控制模块以进行纵向控制，因此本发明实施例中可从决策规划模块或运动控制模块中直接获取到所述自动驾驶车辆的纵向控制状态。
步骤S120，获取针对不同纵向控制状态的纵向控制算法，并获取通过所述纵向控制算法计算出的目标加速度。
其中，运动控制模块在获取到决策规划模块制定的纵向决策后，会采用相应的纵向控制算法来进行纵向控制。而针对巡航模式、跟随模式和AEB模式，纵向控制算法的目的在于计算出合适的目标加速度以保证车辆的稳定运行。因此，本发明实施例可从自动驾驶系统的运动控制模块获取关于纵向控制算法的信息，并实时获取通过所述纵向控制算法计算出的目标加速度。
在一个优选的实施例中，针对巡航模式，纵向控制算法为P控制算法，且基于该P控制算法，采用以下公式计算目标加速度a：
a＝(TopSpd-VehSpd)*Kp
其中，TopSpd表示目标车速，VehSpd表示当前车速，Kp为P控制的比例参数。其中，P控制是指经典PID(Proportion Integration Differentiation，比例-积分-微分)控制中的P控制。
采用P控制，在现有值与目标值相差不大时，可以很好地调节加速度，但当两值相差较大时，通过P控制输出的加速度超出了车辆应该响应的控制范围，故本发明实施例引入了纵向监测策略。
其中，不同的比例参数Kp会有不同的控制效果，若采用不同的速度下不同的比例系数Kp，此比例系数Kp的标定工作将是浩大的工程，且没有统一的评判标准，若研发后期系统的参数及条件发生改变时，此工作又要重新标定，将会耗费大量的人力、物力。因此，本发明实施例采用一种固定比例系数的方式，增加一个巡航模式的监测策略来进行修正，即可完成车辆的巡航控制。
在另一个优选的实施例中，针对跟随模式，纵向控制算法为用于控制所述自动驾驶车辆在所述跟随模式的不同工况下的速度变化的算法，其中该算法与对应工况的关系具体包括：
1)前车速度小于本车速度且前车相对于本车的两车实际距离小于期望距离的第一工况，以及用于控制本车在所述第一工况下以第一加速度进行减速的第一算法；
2)前车速度小于本车速度且前车相对于本车的两车实际距离大于期望距离的第二工况，以及用于控制本车在所述第二工况下以第二加速度进行减速的第二算法；
3)前车速度大于本车速度且前车相对于本车的两车实际距离大于期望距离的第三工况，以及用于控制本车在所述第三工况下以第三加速度进行加速的第三算法；
4)前车速度大于本车速度且前车相对于本车的两车实际距离小于期望距离的第四工况，以及用于控制本车在所述第四工况下以第四加速度进行减速的第四算法；以及
5)前车速度与本车速度之间的速度差在设定的速度阈值范围内且前车相对于本车的两车实际距离在设定的距离阈值范围内的第五工况，以及用于控制本车在所述第五工况下稳定跟随前车行驶的第五算法。
下面具体介绍这五种工况下计算对应目标加速度的方法：
一、第一工况及对应的第一算法
本领域技术人员可理解的，“加速度”不限于示意车辆加速场景，也可示意车辆减速场景，“以加速度进行减速”与“减速度”均可示意车辆减速场景。
另外，在介绍第一算法之前，先引入安全距离(SfDis_m)和制动距离(AEBDis_m)的概念，该安全距离SfDis_m是指本车与前车的速度一样时，两车之间要求保持的最小距离，该制动距离AEBDis_m是指所述自动驾驶车辆从跟随模式切换到AEB模式时两车间的距离阈值。
本发明实施例中，需通过计算TTC(Time to collision，碰撞时间)来计算制动距离AEBDis_m。TTC的计算如下：
Figure BDA0001998740840000101
式中，VehSpd_kph为本车速度，FroVehSpd_kph为前车速度，RelaDis_m为两车实际距离。
进一步地，采用下式计算制动距离AEBDis_m：
AEBDis_m＝(VehSpd_kph-FroVehSpd_kph)*TTC/3.6 (2)
进一步地，采用下式计算安全距离SfDis_m：
SfDism＝0.8509*FroVehSpd_kph+c (3)
式中，c为标定量，例如c＝8。
基于上述式(1)-(3)，本发明实施例采用下式计算第一加速度a1：
Figure BDA0001998740840000102
式中，ExpDis_m为期望距离。
根据式(4)，可分为三种情况计算第一加速度a1，据此可确定第一加速度a1的范围为a1∈[-8，1]，此公式(4)中：
当两车之间的距离为SfDis_m<RelaDis_m<ExpDis_m时，此时
Figure BDA0001998740840000111
当两车之间的距离为AEBDis_m<RelaDis_m<SfDis_m时，此时
Figure BDA0001998740840000112
当两车之间的距离为RelaDis_m<AEBDis_m时从跟随模式切换到AEB模式，执行AEB的控制，加速度为-8m/s2。
需说明是，本发明实施例的计算公式中，加速度值带有负号“-”时，表示“以加速度进行减速”或“减速度”。
二、第二工况及对应的第二算法
优选地，采用以下公式计算所述第二加速度a2：
Figure BDA0001998740840000113
式中，K1为用于补偿控制算法的延迟影响的常数。具体地，自动驾驶车辆的纵向控制(Vehicle Longitudinal Control，VLC)系统对车辆进行纵向控制时，会有延迟响应，K1则用于补偿VLC系统的延迟响应。
三、第三工况及对应的第三算法
优选地，采用以下公式计算所述第三加速度a3：
Figure BDA0001998740840000114
式中，C31-C34表示不同的加速状态，k31-k34表示不同加速状态对应的加速度值。具体地，根据前车车速、前车距离本车的距离等，可将第三工况的加速状态分为C31-C34四种子状态，不同子状态对应相应的加速度，即k31-k34。
四、第四工况及对应的第四算法
优选地，采用以下公式计算所述第四加速度a4：
Figure BDA0001998740840000121
式中，C41-C44表示不同的减速状态，k41-k44表示不同减速状态对应的加速度值
五、第五工况及第五算法
其中，第五工况中前车速度与本车速度之间的速度差在设定的速度阈值范围内，以及前车相对于本车的两车实际距离也在设定的距离阈值范围内，从而本车近似匀速地稳定跟随前车行车。
其中，第五算法用于控制本车在所述第五工况下稳定跟随前车行驶。
在其他实施例中，在对本车相对于前车的稳定跟随状态要求不高时，第五算法可考虑控制本车以第五加速度a5稳定跟随前车行驶，并且可采用以下公式计算该第五加速度a5：
a5＝(FroVehSpd_kph-VehSpd_kph)*kp
其中，VehSpd_kph为所述本车速度，FroVehSpd_kph为所述前车速度，kp为比例系数。
步骤S130，基于所述纵向控制算法确定不同车速下给定的最大的目标加速度对应的加速度阈值。
优选地，采用以下公式确定所述加速度阈值
Figure BDA0001998740840000122
其中，b1至b7为依次增大且小于1的常数，a11至a17为依次减小的设定值。在示例中，b1至b6以等差序列的方式依次增大，a1至a7为以等差序列的方式依次减小，例如b1至b7分别为0.35、0.45、0.55、0.65、0.75、0.85，a11至a17为依次减小的值。
需说明的是，针对AEB模式的加速度阈值的确定与此类似，故不再进行赘述。
在此，可以有效的控制当前车速与目标车速之间的关系，结合成熟驾驶员的对此工况的驾驶风格及行为来进行加速度阈值的设定，保证在实现纵向安全监测的前提下，提高纵向控制的性能。
步骤S140，实时监测所获取的目标加速度，并判断该目标加速度是否大于所述加速度阈值，若是，则将所述目标加速度限制在所述加速度阈值之后再输出以用于车辆纵向控制，否则正常输出所述目标加速度以用于车辆纵向控制。
即，将纵向控制算法加速度与不同车速下对应的加速度阈值相比较，采用两者中较小的值传输给车辆执行机构以执行纵向控制，其中车辆执行机构例如是车身稳定控制单元(ElectronicStabilityProgram，以下简称ESP)、发动机控制模块(Engine ControlModule，以下简称ECM)等等。
具体地，运动控制模块执行相应的纵向控制算法后向ESP或ECM发送指令，以使ESP或ECM进行相应的车身稳定控制或发动机控制。但本发明实施例在运动控制模块与ESP或ECM之间设置了实现上述纵向控制安全监测方法的纵向监测模块，将各个工况下产生的过大加速度(超过了加速度阈值)限制到加速度阈值，使得最终输出至ESP或ECM的目标加速度能够满足ESP及ECM进行控制响应的极限能力。
需说明的是，对于减速情形，适应性地可理解为将各个工况下产生的过低减速度(超过了减速度阈值)限制到减速度阈值，以保证ESP或ECM等车辆执行机构的正常运行。
综上所述，本发明实施例的自动驾驶车辆的纵向控制安全监测方法对运动控制模块输出的加速度进行了监测和限制，从而一方面能够防止车辆突然加速，另一方面能够保证车辆执行机构在其极限能力内正常响应。
图2是本发明实施例的一种自动驾驶车辆的纵向控制安全监测系统的结构示意图。如图2所示，所述纵向控制安全监测系统可以包括：第一获取模块210，用于获取所述自动驾驶车辆的纵向控制状态；第二获取模块220，获取针对不同纵向控制状态的纵向控制算法，并获取通过所述纵向控制算法计算出的目标加速度；阈值确定模块230，用于基于所述纵向控制算法确定不同车速下给定的最大的目标加速度对应的加速度阈值；以及监测模块240，用于实时监测所获取的目标加速度，并判断该目标加速度是否大于所述加速度阈值，若是，则将所述目标加速度限制在所述加速度阈值之后再输出以用于车辆纵向控制，否则正常输出所述目标加速度以用于车辆纵向控制。
需说明是，本发明实施例的自动驾驶车辆的纵向控制安全监测系统的其他实施细节及效果可参考上述关于自动驾驶车辆的纵向控制安全监测方法的实施例，在此则不再赘述。
本发明实施例中，所述纵向控制安全监测方法及系统可配置在自动驾驶系统的运动控制模块中，以监测车辆纵向控制的稳定性。相对于常规车辆可依赖于驾驶员的经验进行侧翻预测，自动驾驶车辆因依靠运动控制模块进行侧翻控制而对控制精度的要求更高，需要完善的安全监测方案，而本发明实施例的纵向控制安全监测方法及系统为运动控制模块提供了能够适应不同的工况和不断变化的车辆状态的纵向控制安全监测方案，丰富并完善了运动控制模块的功能，有利于提高自动驾驶车辆的安全驾驶。
本发明另一实施例还提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令用于使得机器执行上述的自动驾驶车辆的纵向控制安全监测方法。所述机器可读存储介质包括但不限于相变内存(相变随机存取存储器的简称，Phase Change RandomAccess Memory，PRAM，亦称为RCM/PCRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体(Flash Memory)或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种自动驾驶车辆的纵向控制安全监测方法，其特征在于，所述自动驾驶车辆的纵向控制安全监测方法包括：
获取所述自动驾驶车辆的纵向控制状态；
获取针对不同纵向控制状态的纵向控制算法，并获取通过所述纵向控制算法计算出的目标加速度；
基于所述纵向控制算法确定不同车速下给定的最大的目标加速度对应的加速度阈值；以及
实时监测所获取的目标加速度，并判断该目标加速度是否大于所述加速度阈值，若是，则将所述目标加速度限制在所述加速度阈值之后再输出以用于车辆纵向控制，否则正常输出所述目标加速度以用于车辆纵向控制。
2.根据权利要求1所述的自动驾驶车辆的纵向控制安全监测方法，其特征在于，所述纵向控制状态包括巡航模式，且其中针对所述巡航模式的纵向控制算法为P控制算法，且基于该P控制算法，采用以下公式计算目标加速度a：
a＝(TopSpd-VehSpd)*Kp
其中，TopSpd表示目标车速，VehSpd表示当前车速，Kp为P控制的比例参数。
3.根据权利要求1所述的自动驾驶车辆的纵向控制安全监测方法，其特征在于，所述纵向控制状态包括跟随模式，且其中针对所述跟随模式的纵向控制算法为用于控制所述自动驾驶车辆在所述跟随模式的不同工况下的速度变化的算法，其中该算法与对应工况的关系包括：
前车速度小于本车速度且前车相对于本车的两车实际距离小于期望距离的第一工况，以及用于控制本车在所述第一工况下以第一加速度进行减速的第一算法；
前车速度小于本车速度且前车相对于本车的两车实际距离大于期望距离的第二工况，以及用于控制本车在所述第二工况下以第二加速度进行减速的第二算法；
前车速度大于本车速度且前车相对于本车的两车实际距离大于期望距离的第三工况，以及用于控制本车在所述第三工况下以第三加速度进行加速的第三算法；
前车速度大于本车速度且前车相对于本车的两车实际距离小于期望距离的第四工况，以及用于控制本车在所述第四工况下以第四加速度进行减速的第四算法；以及
前车速度与本车速度之间的速度差在设定的速度阈值范围内且前车相对于本车的两车实际距离在设定的距离阈值范围内的第五工况，以及用于控制本车在所述第五工况下稳定跟随前车行驶的第五算法。
4.根据权利要求2或3所述的自动驾驶车辆的纵向控制安全监测方法，其特征在于，所述基于所述纵向控制算法确定不同车速下给定的最大的目标加速度对应的加速度阈值包括：
采用以下公式确定所述加速度阈值
Figure FDA0001998740830000021
其中，b1至b6为依次增大且小于1的常数，a11至a17为依次减小的设定值。
5.根据权利要求3所述的自动驾驶车辆的纵向控制安全监测方法，其特征在于，b1至b6以等差序列的方式依次增大，a1至a7为以等差序列的方式依次减小。
6.一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令用于使得机器执行权利要求1至5中任意一项所述的自动驾驶车辆的纵向控制安全监测方法。
7.一种自动驾驶车辆的纵向控制安全监测系统，其特征在于，所述自动驾驶车辆的纵向控制安全监测系统包括：
第一获取模块，用于获取所述自动驾驶车辆的纵向控制状态；
第二获取模块，获取针对不同纵向控制状态的纵向控制算法，并获取通过所述纵向控制算法计算出的目标加速度；
阈值确定模块，用于基于所述纵向控制算法确定不同车速下给定的最大的目标加速度对应的加速度阈值；以及
监测模块，用于实时监测所获取的目标加速度，并判断该目标加速度是否大于所述加速度阈值，若是，则将所述目标加速度限制在所述加速度阈值之后再输出以用于车辆纵向控制，否则正常输出所述目标加速度以用于车辆纵向控制。
8.根据权利要求7所述的自动驾驶车辆的纵向控制安全监测系统，其特征在于，针对所述第二获取模块，所述纵向控制状态包括巡航模式，且其中针对所述巡航模式的纵向控制算法为P控制算法，且基于该P控制算法，采用以下公式计算目标加速度a：
a＝(TopSpd-VehSpd)*Kp
其中，TopSpd表示目标车速，VehSpd表示当前车速，Kp为P控制的比例参数。
9.根据权利要求7所述的自动驾驶车辆的纵向控制安全监测系统，其特征在于，针对所述第二获取模块，所述纵向控制状态包括跟随模式，且其中针对所述跟随模式的纵向控制算法为用于控制所述自动驾驶车辆在所述跟随模式的不同工况下的速度变化的算法，其中该算法与对应工况的关系包括：
前车速度小于本车速度且前车相对于本车的两车实际距离小于期望距离的第一工况，以及用于控制本车在所述第一工况下以第一加速度进行减速的第一算法；
前车速度小于本车速度且前车相对于本车的两车实际距离大于期望距离的第二工况，以及用于控制本车在所述第二工况下以第二加速度进行减速的第二算法；
前车速度大于本车速度且前车相对于本车的两车实际距离大于期望距离的第三工况，以及用于控制本车在所述第三工况下以第三加速度进行加速的第三算法；
前车速度大于本车速度且前车相对于本车的两车实际距离小于期望距离的第四工况，以及用于控制本车在所述第四工况下以第四加速度进行减速的第四算法；以及
前车速度与本车速度之间的速度差在设定的速度阈值范围内且前车相对于本车的两车实际距离在设定的距离阈值范围内的第五工况，以及用于控制本车在所述第五工况下稳定跟随前车行驶的第五算法。
10.根据权利要求8或9所述的自动驾驶车辆的纵向控制安全监测方法，其特征在于，所述阈值确定模块用于基于所述纵向控制算法确定不同车速下给定的最大的目标加速度对应的加速度阈值包括：
采用以下公式确定所述加速度阈值
Figure FDA0001998740830000051
其中，b1至b6为依次增大且小于1的常数，a11至a17为依次减小的设定值。
CN201910205150.9A 2019-03-18 2019-03-18 自动驾驶车辆的纵向控制安全监测方法及系统 Active CN111703423B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910205150.9A CN111703423B (zh) 2019-03-18 2019-03-18 自动驾驶车辆的纵向控制安全监测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910205150.9A CN111703423B (zh) 2019-03-18 2019-03-18 自动驾驶车辆的纵向控制安全监测方法及系统

Publications (2)

Publication Number Publication Date
CN111703423A true CN111703423A (zh) 2020-09-25
CN111703423B CN111703423B (zh) 2022-05-06

Family

ID=72536178

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910205150.9A Active CN111703423B (zh) 2019-03-18 2019-03-18 自动驾驶车辆的纵向控制安全监测方法及系统

Country Status (1)

Country Link
CN (1) CN111703423B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112666833A (zh) * 2020-12-25 2021-04-16 吉林大学 一种用于电动自动驾驶车辆的车速跟随自适应鲁棒控制方法
CN112793572A (zh) * 2021-03-19 2021-05-14 成都安智杰科技有限公司 一种自适应巡航控制方法、装置、电子设备和存储介质
CN113060146A (zh) * 2021-05-12 2021-07-02 中国第一汽车股份有限公司 一种纵向跟踪控制方法、装置、设备及存储介质
CN113071486A (zh) * 2021-02-24 2021-07-06 中移智行网络科技有限公司 一种车辆控制方法、装置及汽车
CN113428170A (zh) * 2021-07-31 2021-09-24 重庆长安汽车股份有限公司 一种自动驾驶制动不足的预警方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102216140A (zh) * 2008-12-04 2011-10-12 本田技研工业株式会社 车用行驶控制装置
US20150094928A1 (en) * 2013-09-30 2015-04-02 Toyota Jidosha Kabushiki Kaisha Driving assistance device
CN104960524A (zh) * 2015-07-16 2015-10-07 北京航空航天大学 基于车车通信的多车协同换道控制系统及其方法
CN105644560A (zh) * 2016-03-22 2016-06-08 辽宁工业大学 一种四轮轮毂电机电动车自适应巡航控制系统及方法
CN107807625A (zh) * 2017-09-05 2018-03-16 百度在线网络技术（北京）有限公司 一种基于端到端的自动驾驶系统舒适度的评估方法及装置
CN107878464A (zh) * 2016-09-30 2018-04-06 比亚迪股份有限公司 车速的测量方法和装置
CN108674184A (zh) * 2018-05-02 2018-10-19 吉利汽车研究院（宁波）有限公司 车速控制方法、系统及汽车
CN108891304A (zh) * 2018-06-27 2018-11-27 北京长城华冠汽车科技股份有限公司 无人驾驶电动车的加速控制方法及装置
CN109131312A (zh) * 2018-08-01 2019-01-04 厦门大学 一种智能电动汽车acc/esc集成控制系统及其方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102216140A (zh) * 2008-12-04 2011-10-12 本田技研工业株式会社 车用行驶控制装置
US20150094928A1 (en) * 2013-09-30 2015-04-02 Toyota Jidosha Kabushiki Kaisha Driving assistance device
CN104960524A (zh) * 2015-07-16 2015-10-07 北京航空航天大学 基于车车通信的多车协同换道控制系统及其方法
CN105644560A (zh) * 2016-03-22 2016-06-08 辽宁工业大学 一种四轮轮毂电机电动车自适应巡航控制系统及方法
CN107878464A (zh) * 2016-09-30 2018-04-06 比亚迪股份有限公司 车速的测量方法和装置
CN107807625A (zh) * 2017-09-05 2018-03-16 百度在线网络技术（北京）有限公司 一种基于端到端的自动驾驶系统舒适度的评估方法及装置
CN108674184A (zh) * 2018-05-02 2018-10-19 吉利汽车研究院（宁波）有限公司 车速控制方法、系统及汽车
CN108891304A (zh) * 2018-06-27 2018-11-27 北京长城华冠汽车科技股份有限公司 无人驾驶电动车的加速控制方法及装置
CN109131312A (zh) * 2018-08-01 2019-01-04 厦门大学 一种智能电动汽车acc/esc集成控制系统及其方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
林家和: "《红旗轿车故障分析与排除》", 31 October 2007 *
邢国成: "某轿车自适应巡航系统多目标优化控制策略研究", 《中国优秀硕士学位论文全文数据库（电子期刊）》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112666833A (zh) * 2020-12-25 2021-04-16 吉林大学 一种用于电动自动驾驶车辆的车速跟随自适应鲁棒控制方法
CN112666833B (zh) * 2020-12-25 2022-03-15 吉林大学 一种用于电动自动驾驶车辆的车速跟随自适应鲁棒控制方法
CN113071486A (zh) * 2021-02-24 2021-07-06 中移智行网络科技有限公司 一种车辆控制方法、装置及汽车
CN113071486B (zh) * 2021-02-24 2022-04-26 中移智行网络科技有限公司 一种车辆控制方法、装置及汽车
CN112793572A (zh) * 2021-03-19 2021-05-14 成都安智杰科技有限公司 一种自适应巡航控制方法、装置、电子设备和存储介质
CN113060146A (zh) * 2021-05-12 2021-07-02 中国第一汽车股份有限公司 一种纵向跟踪控制方法、装置、设备及存储介质
CN113428170A (zh) * 2021-07-31 2021-09-24 重庆长安汽车股份有限公司 一种自动驾驶制动不足的预警方法
CN113428170B (zh) * 2021-07-31 2022-05-17 重庆长安汽车股份有限公司 一种自动驾驶制动不足的预警方法

Also Published As

Publication number Publication date
CN111703423B (zh) 2022-05-06

Similar Documents

Publication Publication Date Title
CN111703423B (zh) 自动驾驶车辆的纵向控制安全监测方法及系统
WO2020187254A1 (zh) 自动驾驶车辆的纵向控制方法系统
EP3932762B1 (en) Safety monitoring method and system for autonomous vehicle, and motion control system
CN111717192B (zh) 一种自动驾驶车辆的控制方法及系统
US11603092B2 (en) Method and device for vehicle parking control
CN107393314B (zh) 针对燃料效率的交通信号灯控制
US10532736B2 (en) Vehicle travel control device
US20220176958A1 (en) Method for trajectory planning of an assistance system
US20180284775A1 (en) Method for automatic movement controlling of a vehicle
JP2020037339A (ja) 衝突回避装置
US11036234B2 (en) Braking control behaviors for autonomous vehicles
CN111391830B (zh) 自动驾驶车辆的纵向决策系统及纵向决策确定方法
KR102378313B1 (ko) 자율 주행 차량의 제어 장치 및 방법
CN113661106A (zh) 基于模型的预测控制确定车辆致动器的输入变量
WO2023287914A1 (en) System and methods of integrating vehicle kinematics and dynamics for lateral control feature at autonomous driving
CN114179795B (zh) 用于预测车道变换中的碰撞风险的系统及其方法
WO2019151918A1 (en) A method and an apparatus for controlling shifting of a transmission in a motor vehicle
JP7351076B2 (ja) 電動車両の制御方法、及び、電動車両の制御装置
CN111959506A (zh) 车辆及车辆编队行驶的控制方法、装置
US11904860B2 (en) Traveling control apparatus for vehicle
CN111717212A (zh) 自动驾驶车辆的跟随控制方法及装置
WO2021060187A1 (ja) 車両制御装置
US20240101121A1 (en) Controlling driving modes and operations for vehicles
EP4342757A1 (en) Controlling driving modes and operations for autonomous vehicles
US20230294691A1 (en) Autonomous driving method and device for a motorized land vehicle

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20210513

Address after: 100055 1802, 18 / F, building 3, yard 9, Guang'an Road, Fengtai District, Beijing

Applicant after: Momo Zhixing Technology Co.,Ltd.

Address before: 071000 No. 2266 Chaoyang South Street, Hebei, Baoding

Applicant before: Great Wall Motor Co.,Ltd.

GR01 Patent grant
GR01 Patent grant