CN111845742B - 智能驾驶车辆的跟车控制系统及方法 - Google Patents

智能驾驶车辆的跟车控制系统及方法 Download PDF

Info

Publication number
CN111845742B
CN111845742B CN201910325347.6A CN201910325347A CN111845742B CN 111845742 B CN111845742 B CN 111845742B CN 201910325347 A CN201910325347 A CN 201910325347A CN 111845742 B CN111845742 B CN 111845742B
Authority
CN
China
Prior art keywords
speed
time
traffic state
intelligent driving
driving vehicle
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910325347.6A
Other languages
English (en)
Other versions
CN111845742A (zh
Inventor
刘一荻
徐磊
徐向敏
张显宏
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 CN201910325347.6A priority Critical patent/CN111845742B/zh
Publication of CN111845742A publication Critical patent/CN111845742A/zh
Application granted granted Critical
Publication of CN111845742B publication Critical patent/CN111845742B/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
    • B60W30/14—Adaptive cruise control
    • B60W30/16—Control of distance between vehicles, e.g. keeping a distance to preceding vehicle
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/04—Traffic conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
    • B60W40/105—Speed

Landscapes

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

Abstract

本发明提供的智能驾驶车辆的跟车控制系统及方法，根据智能驾驶车辆的实时车速和智能驾驶车辆所处道路的实时交通状态，得到对应的跟车时距和安全停车距离，进而自动调节跟车时的速度和与前车距离。本发明通过采用与道路的实时交通状态和本车实时车速，相符的跟车时距和安全停车距离，相比现有的定时距的控制策略，使得智能驾驶车辆的行为更符合人类的驾驶习惯。进一步的，通过智能驾驶车辆前方的车辆的速度信息，计算智能驾驶车辆所处道路的实时交通状态，与传统的定点监测交通状态方法相比，成本低，实时性好。

Description

智能驾驶车辆的跟车控制系统及方法
技术领域
本发明涉及智能驾驶车辆领域，更具体地说，涉及智能驾驶车辆的跟车控制系统及方法。
背景技术
目前，针对跟车场景的智能驾驶技术，主要包括ACC（Adaptive Cruise Control，自适应巡航控制）和TJA（Traffic Jam Assistant，交通拥堵辅助）控制。现有的这两种技术中在跟随前车时均采用定时距的控制策略，使智能驾驶车辆在跟车场景下难以实现类人驾驶，更不能满足较舒适的驾乘体验。因此，现在亟需一种新的跟车控制方法。
发明内容
有鉴于此，本发明提出智能驾驶车辆的跟车控制系统及方法，欲实现根据实时交通流状态动态控制车辆的目的。
为了实现上述目的，现提出的方案如下：
一种智能驾驶车辆的跟车控制方法，包括：
获取所述智能驾驶车辆的实时车速和所述智能驾驶车辆所处道路的实时交通状态；
根据所述实时车速和所述实时交通状态，得到对应的跟车时距和安全停车距离；
根据所述实时车速、所述跟车时距和所述安全停车距离，计算得到期望跟车距离；
根据所述实时车速，所述智能驾驶车辆的跟车目标的速度，所述智能驾驶车辆与所述跟车目标的车间距离，以及所述期望跟车距离，计算得到下一时刻的期望车速；
根据所述期望车速计算得到期望加速度；
将所述期望加速度输出至所述智能驾驶车辆的执行控制系统，以使所述执行控制系统根据所述期望加速度控制执行机构实现跟车行驶。
可选的，在获取所述智能驾驶车辆所处道路的实时交通状态前，还包括：
计算被检测到的位于所述智能驾驶车辆所处道路内且在所述智能驾驶车辆前方的所有车辆的速度信息；
根据所述所有车辆的速度信息，计算得到所述智能驾驶车辆所处道路的实时交通状态。
可选的，根据所述所有车辆的速度信息，计算得到所述智能驾驶车辆所处道路的实时交通状态，包括：
根据所述所有车辆的速度信息，计算得到所述所有车辆的平均速度；
判断所述平均速度不小于第一速度阈值的时间是否大于观测时间，若是，则确定所述智能驾驶车辆所处道路的实时交通状态为通畅状态，若否，则判断所述平均速度不大于第二速度阈值的时间是否大于所述观测时间，所述第二速度阈值小于所述第一速度阈值；
若是，则确定所述智能驾驶车辆所处道路的实时交通状态为阻塞状态；
若否，则根据所述平均速度计算得到所述智能驾驶车辆所处道路的拥堵系数，并根据所述所有车辆的速度信息计算得到每个车辆在所述观测时间内的加速度噪声值；
根据所述拥堵系数，计算得到第一交通状态值；
计算在所述观测时间内，所述第一交通状态值的平均值；
根据每个所述加速度噪声值，计算得到对应的第二交通状态值；
计算所有所述第二交通状态值的平均值；
将所述第一交通状态值的平均值与第一权重值相乘，加上所述第二交通状态值的平均值与第二权重值的乘积，得到交通状态值；
根据所述交通状态值，得到所述智能驾驶车辆所处道路的实时交通状态。
可选的，在根据所述期望车速计算得到期望加速度的步骤前，还包括：
获取所述智能驾驶车辆所处道路的道路限速值；
判断所述期望车速是否大于道路限速值，若是，则根据所述道路限速值计算得到期望加速度，若否，则执行根据所述期望车速计算得到期望加速度的步骤。
一种智能驾驶车辆的跟车控制系统，包括：
数据获取单元，用于获取所述智能驾驶车辆的实时车速和所述智能驾驶车辆所处道路的实时交通状态；
第一处理单元，用于根据所述实时车速和所述实时交通状态，得到对应的跟车时距和安全停车距离；
第二处理单元，用于根据所述实时车速、所述跟车时距和所述安全停车距离，计算得到期望跟车距离；
第三处理单元，用于根据所述实时车速，所述智能驾驶车辆的跟车目标的速度，所述智能驾驶车辆与所述跟车目标的车间距离，以及所述期望跟车距离，计算得到下一时刻的期望车速；
第四处理单元，用于根据所述期望车速计算得到期望加速度；
数据传输单元，用于将所述期望加速度输出至所述智能驾驶车辆的执行控制系统，以使所述执行控制系统根据所述期望加速度控制执行机构实现跟车行驶。
可选的，上述跟车控制系统，还包括：
第五处理单元，用于计算被检测到的位于所述智能驾驶车辆所处道路内且在所述智能驾驶车辆前方的所有车辆的速度信息；
第六处理单元，用于根据所述所有车辆的速度信息，计算得到所述智能驾驶车辆所处道路的实时交通状态。
可选的，所述第六处理单元，包括：
平均速度子单元，用于根据所述所有车辆的速度信息，计算得到所述所有车辆的平均速度；
第一判断子单元，用于判断所述平均速度不小于第一速度阈值的时间是否大于观测时间，若是，则执行第一处理子单元，若否，则执行第二判断子单元；
所述第一处理子单元，用于确定所述智能驾驶车辆所处道路的实时交通状态为通畅状态；
所述第二判断子单元，用于判断所述平均速度不大于第二速度阈值的时间是否大于所述观测时间，所述第二速度阈值小于所述第一速度阈值，若是，则执行第二处理子单元，若否则执行第三处理子单元；
所述第二处理子单元，用于确定所述智能驾驶车辆所处道路的实时交通状态为阻塞状态；
所述第三处理子单元，用于根据所述平均速度计算得到所述智能驾驶车辆所处道路的拥堵系数，并根据所述所有车辆的速度信息计算得到每个车辆在所述观测时间内的加速度噪声值；
第四处理子单元，用于根据所述拥堵系数，计算得到第一交通状态值；
第五处理子单元，用于计算在所述观测时间内，所述第一交通状态值的平均值；
第六处理子单元，用于根据每个所述加速度噪声值，计算得到对应的第二交通状态值；
第七处理子单元，用于计算所有所述第二交通状态值的平均值；
第八处理子单元，用于将所述第一交通状态值的平均值与第一权重值相乘，加上所述第二交通状态值的平均值与第二权重值的乘积，得到交通状态值；
第九处理子单元，用于根据所述交通状态值，得到所述智能驾驶车辆所处道路的实时交通状态。
可选的，上述跟车控制系统，还包括：
道路限速值单元，用于获取所述智能驾驶车辆所处道路的道路限速值；
判断单元，用于判断所述期望车速是否大于道路限速值，若是，则执行第七处理单元，若否，则执行第四处理单元；
所述第七处理单元，用于根据所述道路限速值计算得到期望加速度。
与现有技术相比，本发明的技术方案具有以下优点：
上述技术方案提供的智能驾驶车辆的跟车控制系统及方法，根据智能驾驶车辆的实时车速和智能驾驶车辆所处道路的实时交通状态，得到对应的跟车时距和安全停车距离，自动调节跟车时的速度和与前车距离。本发明通过采用与道路的实时交通状态和本车实时车速，相符的跟车时距和安全停车距离，相比现有的定时距的控制策略，使得智能驾驶车辆的行为更符合人类的驾驶习惯。例如，在道路整体比较拥堵的情况下，根据实际情况适当缩小跟车距离，可以减小两侧车道内其他车辆在本车前加塞和插车的可能，降低车辆碰撞的危险；而在道路整体较为畅通且周围车辆速度较高的情况下，适当增大跟车距离，当前车突然减速或车道内突然闯入其他车辆时，自车可避免产生瞬时较大的减速度，提高了驾乘人员的舒适感。
进一步的，通过智能驾驶车辆前方的车辆的速度信息，计算智能驾驶车辆所处道路的实时交通状态，与传统的定点监测交通状态方法相比，成本低，实时性好。
当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明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发明的实施例，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，还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种智能驾驶车辆的跟车控制方法的流程图；
图2为本发明实施例提供的车速、交通状态与跟车时距的对应关系的曲线图；
图3为本发明实施例提供的车速、交通状态与安全停车距离的对应关系的曲线图；
图4为本发明实施例提供的另一种智能驾驶车辆的跟车控制方法的流程图;
图5为本发明实施例提供的一种道路交通状态分析方法的流程图;
图6为本发明实施例提供的一种智能驾驶车辆的跟车控制系统逻辑结构示意图。
具体实施方式
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。
智能驾驶车辆上安装有相机、毫米波雷达、超声波雷达、车速传感器、导航定位系统等各类传感器，通过感知信息融合模块能够将从传感器获取的原始信息进行融合、分析和处理，提取出车道线、道路限速、障碍物信息、本车的速度、加速度、档位等信息。进而通过其它模块的分析处理，对本车的驾驶状态进行控制，实现跟车控制。下面详细介绍本发明提供的跟车控制方法，参见图1所示，该方法包括步骤：
S11：获取智能驾驶车辆的实时车速和智能驾驶车辆所处道路的实时交通状态。
对于道路的交通状态的判断，现有技术中包括通过以固定点检测器作为测量手段的方式，本发明对此方法不再赘述。
S12：根据实时车速和实时交通状态，得到对应的跟车时距和安全停车距离。
预先建立车速、交通状态分别与跟车时距和安全停车距离的对应关系。这样在智能驾驶车辆的跟车控制过程中，根据实时车速和实时交通状态，得到对应的跟车时距和安全停车距离，进而自动控制智能驾驶车辆的速度和跟车距离。跟车时距表示前后两辆车的车头前端通过同一地点的时间差。
在一个具体实施例中，建立的车速、交通状态与跟车时距对应关系如图2所示。THW表示跟车时距，S=0对应的曲线表示的交通状态为畅通状态，S=1对应的曲线表示的交通状态为轻度拥挤状态，S=2对应的曲线表示的交通状态为拥挤状态，S=3对应的曲线表示的交通状态为阻塞状态。交通状态越拥挤，车速越低，则对应的跟车时距越小。
在一个具体实施例中，建立的车速、交通状态与安全停车距离对应关系如图3所示。StopDis表示安全停车距离。交通状态越拥挤，车速越低，则对应的跟车时距越小。在交通状态为畅通状态时，无论车速多大，StopDis均为最大值，即5.5米；对于S=1、2和3的情况，交通状态越拥挤，车速越高，则对应的安全停车距离越大。
S13：根据实时车速、跟车时距和安全停车距离，计算得到期望跟车距离。
在一个具体实施例中，期望跟车距离FollowDis的计算公式为FollowDis = THW× v + StopDis。即执行步骤S13，将实时车速与跟车时距的乘积，加上安全停车距离，得到期望跟车距离。
S14：根据实时车速，智能驾驶车辆的跟车目标的速度，智能驾驶车辆与跟车目标的车间距离，以及期望跟车距离，计算得到下一时刻的期望车速。
在一个具体实施例中，根据车间距离和期望跟车距离之差△d可计算期望距离加速度ad，ad=kd×atan（k×△d/Dm），其中kd 、k 、Dm均为预设参数。该期望距离加速度ad旨在调节前后车之间的距离，使得后车以稳定的距离跟随前车。
根据跟车目标的速度与智能驾驶车辆的实时车速之差△v可计算期望车速加速度as，as=ks×△v ×edis/△v ， ks为预设参数，dis为车间车距。该期望车速加速度旨在消除前后车的速度差，使得后车以稳定的速度跟随前车。
将期望距离加速度ad与期望车速加速度as相加得到期望加速度。下一时刻的期望速度=实时速度+期望加速度×运算周期。
S15：根据期望车速计算得到期望加速度；
S16：将期望加速度输出至智能驾驶车辆的执行控制系统，以使执行控制系统根据期望加速度控制执行机构实现跟车行驶。
执行控制系统根据加速度指令包含的期望加速度求解相应的油门量或制动量，并控制执行机构实现智能驾驶车辆的加减速行为，最终，智能驾驶车辆经过短时间的调整后可以实现稳定跟随目标车辆行驶。
为了保障智能驾驶车辆的驾驶行为符合交通限速规则，参见图4，在根据期望车速计算得到期望加速度的步骤前，还可以包括步骤：
S45：获取智能驾驶车辆所处道路的道路限速值；
S46：判断期望车速是否大于道路限速值，若是，则执行步骤S47，若否，则执行根据所述期望车速计算得到期望加速度的步骤。
S47：根据道路限速值计算得到期望加速度。
对于图4中的其它步骤与图1中的步骤对应，本实施例不再赘述。
通过以固定点检测器作为测量手段的道路交通状态判断方法，成本较高，且对于智能驾驶车辆实时性较差。为了解决该问题，本实施例提供了成本低、实时性好的道路交通状态分析方法。参见图5，在获取所述智能驾驶车辆所处道路的实时交通状态前，还包括步骤：
S51：计算被检测到的位于智能驾驶车辆所处道路内且在所述智能驾驶车辆前方的所有车辆的速度信息。
从感知信息融合模块获取道路上可被检测到的所有障碍物信息，过滤掉路障、行人等非车辆障碍物，根据障碍物的位置挑选出位于本车前方的所有车辆，并计算挑选出的所有车辆的速度信息。
S52：根据所有车辆的速度信息，计算得到智能驾驶车辆所处道路的实时交通状态。
具体的，步骤S52包括步骤：
A11:根据所有车辆的速度信息，计算得到所有车辆的平均速度。
A12:判断所述平均速度不小于第一速度阈值的时间是否大于观测时间，若是，则执行步骤A13，若否，则执行步骤A14。观测时间和第一速度阈值均为预先设置参数，在一个具体实施例中观测时间设定为60秒，第一速度阈值为60km/h。
A13：确定智能驾驶车辆所处道路的实时交通状态为通畅状态。
A14：判断平均速度不大于第二速度阈值的时间是否大于观测时间。若是，则执行步骤A15，若否，则执行步骤A16。第二速度阈值小于第一速度阈值。在一个具体实施例中第二速度阈值为5km/h。
A15：确定智能驾驶车辆所处道路的实时交通状态为阻塞状态。
A16：根据平均速度计算得到所述智能驾驶车辆所处道路的拥堵系数，并根据所有车辆的速度信息计算得到每个车辆在观测时间内的加速度噪声值；
具体的，拥堵系数的计算公式为
Figure 880022DEST_PATH_IMAGE001
，其中CI为拥堵系数，
Figure 83471DEST_PATH_IMAGE002
为自由流速，可设置为60km/h；
Figure 410809DEST_PATH_IMAGE003
为平均速度。加速度噪声的计算公式如下所示：
Figure 510352DEST_PATH_IMAGE004
其中，t为接收车辆速度v的时间周期，TS表示车辆在观测时间T内处于停车状态的总时长，AN表示加速度噪声。
A17：根据拥堵系数，计算得到第一交通状态值SCI。
具体的，根据下式计算得到第一交通状态值SCI。
Figure 929832DEST_PATH_IMAGE005
A18：计算在观测时间内，第一交通状态值的平均值
Figure 140234DEST_PATH_IMAGE006
。
A19：根据每个加速度噪声值，计算得到对应的第二交通状态值
Figure 381466DEST_PATH_IMAGE007
。
具体的，根据下式计算得到第二交通状态值
Figure 792855DEST_PATH_IMAGE007
，
Figure 824265DEST_PATH_IMAGE008
A20：计算所有第二交通状态值的平均值
Figure 979303DEST_PATH_IMAGE009
；
A21：将第一交通状态值的平均值
Figure 45348DEST_PATH_IMAGE006
与第一权重值
Figure 893218DEST_PATH_IMAGE010
相乘，加上所述第二交通状态值的平均值
Figure 287291DEST_PATH_IMAGE009
与第二权重值
Figure 105074DEST_PATH_IMAGE011
的乘积，得到交通状态值
Figure 635412DEST_PATH_IMAGE012
。
A22：根据所述交通状态值status，得到智能驾驶车辆所处道路的实时交通状态。
具体的，对status四舍五入取整得到交通状态值S。当S=0时，表示当前道路交通处于畅通状态；当S=1时，表示当前道路交通处于轻度拥挤的状态；当S=2时，表示当前道路交通处于拥挤状态；当S=3时，表示当前道路交通处于堵塞状态。
对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。
下述为本发明装置实施例，可以用于执行本发明方法实施例。对于本发明装置实施例中未披露的细节，请参照本发明方法实施例。
参见图6，为本实施例提供的一种智能驾驶车辆的跟车控制系统逻辑结构示意图。该系统包括：数据获取单元61、第一处理单元62、第二处理单元63、第三处理单元64、第四处理单元65和数据传输单元66。其中，
数据获取单元61，用于获取所述智能驾驶车辆的实时车速和所述智能驾驶车辆所处道路的实时交通状态；
第一处理单元62，用于根据所述实时车速和所述实时交通状态，得到对应的跟车时距和安全停车距离；
第二处理单元63，用于根据所述实时车速、所述跟车时距和所述安全停车距离，计算得到期望跟车距离；
第三处理单元64，用于根据所述实时车速，所述智能驾驶车辆的跟车目标的速度，所述智能驾驶车辆与所述跟车目标的车间距离，以及所述期望跟车距离，计算得到下一时刻的期望车速；
第四处理单元65，用于根据所述期望车速计算得到期望加速度；
数据传输单元66，用于将所述期望加速度输出至所述智能驾驶车辆的执行控制系统，以使所述执行控制系统根据所述期望加速度控制执行机构实现跟车行驶。
上述跟车控制系统，还可以包括第五处理单元和第六处理单元。其中,
第五处理单元，用于计算被检测到的位于所述智能驾驶车辆所处道路内且在所述智能驾驶车辆前方的所有车辆的速度信息；
第六处理单元，用于根据所述所有车辆的速度信息，计算得到所述智能驾驶车辆所处道路的实时交通状态。
可选的，第六处理单元，包括平均速度子单元、第一判断子单元、第一处理子单元、第二判断子单元、第二处理子单元、第三处理子单元、第四处理子单元、第五处理子单元、第六处理子单元、第七处理子单元、第八处理子单元和第九处理子单元。其中，
平均速度子单元，用于根据所述所有车辆的速度信息，计算得到所述所有车辆的平均速度；
第一判断子单元，用于判断所述平均速度不小于第一速度阈值的时间是否大于观测时间，若是，则执行第一处理子单元，若否，则执行第二判断子单元；
所述第一处理子单元，用于确定所述智能驾驶车辆所处道路的实时交通状态为通畅状态；
第二判断子单元，用于判断所述平均速度不大于第二速度阈值的时间是否大于所述观测时间，所述第二速度阈值小于所述第一速度阈值，若是，则执行第二处理子单元，若否则执行第三处理子单元；
第二处理子单元，用于确定所述智能驾驶车辆所处道路的实时交通状态为阻塞状态；
第三处理子单元，用于根据所述平均速度计算得到所述智能驾驶车辆所处道路的拥堵系数，并根据所述所有车辆的速度信息计算得到每个车辆在所述观测时间内的加速度噪声值；
第四处理子单元，用于根据所述拥堵系数，计算得到第一交通状态值；
第五处理子单元，用于计算在所述观测时间内，所述第一交通状态值的平均值；
第六处理子单元，用于根据每个所述加速度噪声值，计算得到对应的第二交通状态值；
第七处理子单元，用于计算所有所述第二交通状态值的平均值；
第八处理子单元，用于将所述第一交通状态值的平均值与第一权重值相乘，加上所述第二交通状态值的平均值与第二权重值的乘积，得到交通状态值；
第九处理子单元，用于根据所述交通状态值，得到所述智能驾驶车辆所处道路的实时交通状态。
可选的，上述跟车控制系统，还可以包括道路限速值单元、判断单元和第七处理单元。其中，
道路限速值单元，用于获取所述智能驾驶车辆所处道路的道路限速值；
判断单元，用于判断所述期望车速是否大于道路限速值，若是，则执行第七处理单元，若否，则执行第四处理单元；
第七处理单元，用于根据所述道路限速值计算得到期望加速度。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
对本发明所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (4)

1.一种智能驾驶车辆的跟车控制方法，其特征在于，包括：
计算被检测到的位于所述智能驾驶车辆所处道路内且在所述智能驾驶车辆前方的所有车辆的速度信息；
根据所述所有车辆的速度信息，计算得到所述智能驾驶车辆所处道路的实时交通状态；
获取所述智能驾驶车辆的实时车速和所述智能驾驶车辆所处道路的实时交通状态；
根据所述实时车速和所述实时交通状态，得到对应的跟车时距和安全停车距离；
根据所述实时车速、所述跟车时距和所述安全停车距离，计算得到期望跟车距离；
根据所述实时车速，所述智能驾驶车辆的跟车目标的速度，所述智能驾驶车辆与所述跟车目标的车间距离，以及所述期望跟车距离，计算得到下一时刻的期望车速；
根据所述期望车速计算得到期望加速度；
将所述期望加速度输出至所述智能驾驶车辆的执行控制系统，以使所述执行控制系统根据所述期望加速度控制执行机构实现跟车行驶；
根据所述所有车辆的速度信息，计算得到所述智能驾驶车辆所处道路的实时交通状态，包括：
根据所述所有车辆的速度信息，计算得到所述所有车辆的平均速度；
判断所述平均速度不小于第一速度阈值的时间是否大于观测时间，若是，则确定所述智能驾驶车辆所处道路的实时交通状态为通畅状态，若否，则判断所述平均速度不大于第二速度阈值的时间是否大于所述观测时间，所述第二速度阈值小于所述第一速度阈值；
若是，则确定所述智能驾驶车辆所处道路的实时交通状态为阻塞状态；
若否，则根据所述平均速度计算得到所述智能驾驶车辆所处道路的拥堵系数，并根据所述所有车辆的速度信息计算得到每个车辆在所述观测时间内的加速度噪声值；
根据所述拥堵系数，计算得到第一交通状态值；
计算在所述观测时间内，所述第一交通状态值的平均值；
根据每个所述加速度噪声值，计算得到对应的第二交通状态值；
计算所有所述第二交通状态值的平均值；
将所述第一交通状态值的平均值与第一权重值相乘，加上所述第二交通状态值的平均值与第二权重值的乘积，得到交通状态值；
根据所述交通状态值，得到所述智能驾驶车辆所处道路的实时交通状态。
2.根据权利要求1所述的跟车控制方法，其特征在于，在根据所述期望车速计算得到期望加速度的步骤前，还包括：
获取所述智能驾驶车辆所处道路的道路限速值；
判断所述期望车速是否大于道路限速值，若是，则根据所述道路限速值计算得到期望加速度，若否，则执行根据所述期望车速计算得到期望加速度的步骤。
3.一种智能驾驶车辆的跟车控制系统，其特征在于，包括：
数据获取单元，用于获取所述智能驾驶车辆的实时车速和所述智能驾驶车辆所处道路的实时交通状态；
第一处理单元，用于根据所述实时车速和所述实时交通状态，得到对应的跟车时距和安全停车距离；
第二处理单元，用于根据所述实时车速、所述跟车时距和所述安全停车距离，计算得到期望跟车距离；
第三处理单元，用于根据所述实时车速，所述智能驾驶车辆的跟车目标的速度，所述智能驾驶车辆与所述跟车目标的车间距离，以及所述期望跟车距离，计算得到下一时刻的期望车速；
第四处理单元，用于根据所述期望车速计算得到期望加速度；
数据传输单元，用于将所述期望加速度输出至所述智能驾驶车辆的执行控制系统，以使所述执行控制系统根据所述期望加速度控制执行机构实现跟车行驶；
第五处理单元，用于计算被检测到的位于所述智能驾驶车辆所处道路内且在所述智能驾驶车辆前方的所有车辆的速度信息；
第六处理单元，用于根据所述所有车辆的速度信息，计算得到所述智能驾驶车辆所处道路的实时交通状态，包括：
平均速度子单元，用于根据所述所有车辆的速度信息，计算得到所述所有车辆的平均速度；
第一判断子单元，用于判断所述平均速度不小于第一速度阈值的时间是否大于观测时间，若是，则执行第一处理子单元，若否，则执行第二判断子单元；
所述第一处理子单元，用于确定所述智能驾驶车辆所处道路的实时交通状态为通畅状态；
所述第二判断子单元，用于判断所述平均速度不大于第二速度阈值的时间是否大于所述观测时间，所述第二速度阈值小于所述第一速度阈值，若是，则执行第二处理子单元，若否则执行第三处理子单元；
所述第二处理子单元，用于确定所述智能驾驶车辆所处道路的实时交通状态为阻塞状态；
所述第三处理子单元，用于根据所述平均速度计算得到所述智能驾驶车辆所处道路的拥堵系数，并根据所述所有车辆的速度信息计算得到每个车辆在所述观测时间内的加速度噪声值；
第四处理子单元，用于根据所述拥堵系数，计算得到第一交通状态值；
第五处理子单元，用于计算在所述观测时间内，所述第一交通状态值的平均值；
第六处理子单元，用于根据每个所述加速度噪声值，计算得到对应的第二交通状态值；
第七处理子单元，用于计算所有所述第二交通状态值的平均值；
第八处理子单元，用于将所述第一交通状态值的平均值与第一权重值相乘，加上所述第二交通状态值的平均值与第二权重值的乘积，得到交通状态值；
第九处理子单元，用于根据所述交通状态值，得到所述智能驾驶车辆所处道路的实时交通状态。
4.根据权利要求3所述的跟车控制系统，其特征在于，还包括：
道路限速值单元，用于获取所述智能驾驶车辆所处道路的道路限速值；
判断单元，用于判断所述期望车速是否大于道路限速值，若是，则执行第七处理单元，若否，则执行第四处理单元；
所述第七处理单元，用于根据所述道路限速值计算得到期望加速度。
CN201910325347.6A 2019-04-22 2019-04-22 智能驾驶车辆的跟车控制系统及方法 Active CN111845742B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910325347.6A CN111845742B (zh) 2019-04-22 2019-04-22 智能驾驶车辆的跟车控制系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910325347.6A CN111845742B (zh) 2019-04-22 2019-04-22 智能驾驶车辆的跟车控制系统及方法

Publications (2)

Publication Number Publication Date
CN111845742A CN111845742A (zh) 2020-10-30
CN111845742B true CN111845742B (zh) 2021-11-23

Family

ID=72951999

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910325347.6A Active CN111845742B (zh) 2019-04-22 2019-04-22 智能驾驶车辆的跟车控制系统及方法

Country Status (1)

Country Link
CN (1) CN111845742B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112810609A (zh) * 2021-02-26 2021-05-18 重庆长安汽车股份有限公司 一种基于adas地图的跟车时距调节方法
CN113002542B (zh) * 2021-04-01 2022-03-15 英博超算(南京)科技有限公司 一种车辆速度自适应控制方法
CN113696893B (zh) * 2021-08-06 2023-07-04 上汽通用五菱汽车股份有限公司 跟车方法、车辆及计算机可读存储介质
CN114506322B (zh) * 2022-02-16 2023-06-30 岚图汽车科技有限公司 跟车控制方法、装置、设备及可读存储介质
CN115107775B (zh) * 2022-06-29 2024-01-16 苏州智行众维智能科技有限公司 基于地图和定位信息的智能驾驶车辆弯道行驶控制系统
TWI827159B (zh) * 2022-07-25 2023-12-21 荷蘭商荷蘭移動驅動器公司 應用於車輛之車速調整方法及裝置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102014013693A1 (de) * 2014-09-17 2015-06-18 Daimler Ag Verfahren Längsregelung eines Fahrzeugs
CN106781485A (zh) * 2016-12-28 2017-05-31 深圳市金溢科技股份有限公司 道路拥堵识别方法、v2x车载终端以及车联网系统
CN108646745A (zh) * 2018-06-04 2018-10-12 常州工程职业技术学院 一种车辆跟驰控速方法
CN108765926A (zh) * 2018-05-29 2018-11-06 重庆大学 一种基于车车通信的车辆协同跟随方法
CN109094560A (zh) * 2017-06-20 2018-12-28 上海汽车集团股份有限公司 一种自适应巡航方法及装置
CN109484407A (zh) * 2018-11-14 2019-03-19 北京科技大学 一种电动汽车辅助驾驶的自适应跟车方法
CN109649390A (zh) * 2018-12-19 2019-04-19 清华大学苏州汽车研究院（吴江） 一种自动驾驶汽车自主跟车系统及方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4640441B2 (ja) * 2008-04-28 2011-03-02 トヨタ自動車株式会社 走行制御装置及び走行制御方法
US10449962B2 (en) * 2016-06-23 2019-10-22 Honda Motor Co., Ltd. System and method for vehicle control using vehicular communication
CN107128307B (zh) * 2017-05-08 2019-07-19 北京新能源汽车股份有限公司 一种车辆巡航控制方法、装置及汽车
US10752246B2 (en) * 2017-07-01 2020-08-25 Tusimple, Inc. System and method for adaptive cruise control with proximate vehicle detection
CN109591794B (zh) * 2017-09-30 2021-03-02 惠州市德赛西威汽车电子股份有限公司 一种智能启停方法及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102014013693A1 (de) * 2014-09-17 2015-06-18 Daimler Ag Verfahren Längsregelung eines Fahrzeugs
CN106781485A (zh) * 2016-12-28 2017-05-31 深圳市金溢科技股份有限公司 道路拥堵识别方法、v2x车载终端以及车联网系统
CN109094560A (zh) * 2017-06-20 2018-12-28 上海汽车集团股份有限公司 一种自适应巡航方法及装置
CN108765926A (zh) * 2018-05-29 2018-11-06 重庆大学 一种基于车车通信的车辆协同跟随方法
CN108646745A (zh) * 2018-06-04 2018-10-12 常州工程职业技术学院 一种车辆跟驰控速方法
CN109484407A (zh) * 2018-11-14 2019-03-19 北京科技大学 一种电动汽车辅助驾驶的自适应跟车方法
CN109649390A (zh) * 2018-12-19 2019-04-19 清华大学苏州汽车研究院（吴江） 一种自动驾驶汽车自主跟车系统及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
汽车自适应巡航控制及相应宏观交通流模型研究;罗莉华;《中国博士学位论文全文数据库工程科技II辑第7期》;20120715;第8-10页 *

Also Published As

Publication number Publication date
CN111845742A (zh) 2020-10-30

Similar Documents

Publication Publication Date Title
CN111845742B (zh) 智能驾驶车辆的跟车控制系统及方法
US11780457B2 (en) System and method for providing driving assistance to safely overtake a vehicle
US11407426B2 (en) Collision warning method and apparatus
US9533685B2 (en) Method and system for assisting overtaking
CN110481566A (zh) 辅助主车的驾驶的设备和方法
CN107346612A (zh) 一种基于车联网的车辆防碰撞方法和系统
JP5974607B2 (ja) 車両走行制御装置
CN104085396A (zh) 一种全景车道偏离预警方法及系统
CN111768651B (zh) 一种预防车辆碰撞的预警方法及装置
EP1484212A1 (en) Risk potential calculation device and driving assist system
CN113453969A (zh) 用于保护车辆的方法
JP5134448B2 (ja) 車両の運転支援装置
CN114802231A (zh) 危险等级判定方法、装置、电子设备及存储介质
JP6365141B2 (ja) 車両制御装置
CN116022139A (zh) 避险系统、避险控制方法以及车辆
CN116331207A (zh) 自动驾驶场景的智能变道方法及相关装置和介质及程序
KR101511861B1 (ko) 운전보조시스템 및 그 제어방법
US20230177950A1 (en) Vehicle information processing system, vehicle information processing method, and non-transitory storage medium
JP2020006891A (ja) 運転支援システム
CN109532832B (zh) 一种智能驾驶中纵向规划方法
CN117002373A (zh) 车辆后向行车预警方法、装置、电子设备及可读存储介质
CN118701108A (zh) 一种自动驾驶车辆的控制方法、装置、介质及电子设备
WO2022013351A1 (en) Driving assisting device, as well as corresponding vehicle, method, computer device, and medium

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