CN112498351A - 一种基于v2v的自动驾驶优化系统及方法 - Google Patents
一种基于v2v的自动驾驶优化系统及方法 Download PDFInfo
- Publication number
- CN112498351A CN112498351A CN202011306800.8A CN202011306800A CN112498351A CN 112498351 A CN112498351 A CN 112498351A CN 202011306800 A CN202011306800 A CN 202011306800A CN 112498351 A CN112498351 A CN 112498351A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- lane
- acceleration
- accompanying
- vehicles
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000005457 optimization Methods 0.000 title claims abstract description 13
- 230000001133 acceleration Effects 0.000 claims abstract description 100
- 230000008859 change Effects 0.000 claims abstract description 41
- 238000004891 communication Methods 0.000 claims description 8
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 claims description 7
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 claims description 7
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 claims description 7
- 238000005314 correlation function Methods 0.000 claims description 4
- 238000012790 confirmation Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 description 3
- 101100460704 Aspergillus sp. (strain MF297-2) notI gene Proteins 0.000 description 2
- 101001093748 Homo sapiens Phosphatidylinositol N-acetylglucosaminyltransferase subunit P Proteins 0.000 description 2
- 241000764238 Isis Species 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000035484 reaction time Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
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
- B60W30/18—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
-
- 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
- B60W2554/404—Characteristics
-
- 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
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
- B60W2556/65—Data transmitted between vehicles
-
- 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
- B60W2754/00—Output or target parameters relating to objects
- B60W2754/10—Spatial relation or speed relative to objects
- B60W2754/30—Longitudinal distance
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于V2V的自动驾驶优化系统及方法,属于智能驾驶领域,车辆在伴行情况下,车辆进行V2V数据交换,通过自身所在车道线信息、本车道前方车辆车牌号构建出伴行车辆在周边的分布地图;持续N秒接收周边各车辆一一对应的横向,纵向加速度及偏转角速度,在伴行直行状态下,本车根据本车道前车纵向加速度以及相邻车道前车横向加速度调整跟车制动时间点和减速度,使得跟随前车更舒适;在伴行需变道情况下,本车通过相邻车道后车纵向加速度习惯,调整变道触发条件,使得本车变道更安全;在不受网络条件限制的情况下,根据不同的伴行车辆,匹配不同风格的自动驾驶,实时自动驾驶策略个性化更新。
Description
技术领域
本发明属于智能驾驶领域,更具体地,涉及一种基于V2V的自动驾驶优化系统及方法。
背景技术
高速公路辅助(Highway Assist,HWA)/高速场景领航(Highway Pilot,HWP)系统可以在高速路段自动纵向控制及横向车道保持,如果前车过慢,本车的雷达探测到旁边车道的后车在现有位置和速度下没有碰撞风险,则所述本车的HWA/HWP系统可支持本车自动变道。
HWA中的纵向控制,首先通过驾驶员在自适应巡航控制(Adaptive CruiseControl,ACC)里设定跟车距离偏好:远,中,近。然后本车根据与前车的碰撞时间(Time toCollision,TTC)及道路限速,按照主机厂标定好的参数选择加减速度&加减速度变化率,控制本车加减速。
HWA中的横向控制,非变道情况同车道居中保持功能,当车辆距离某一边车道线达到阈值后,通过调整车辆电动转向系统转动前轮,将车辆牵引回本车道中心线位置。当本车和前车速度差达到设定阈值,并且旁边车道后车与本车的TTC高于阈值,则判断可变道,调整车辆电动转向系统和动力系统,越过车道线到达目标车道。
然而上述方式,系数固定,在伴行情况下对于不同驾驶风格的周边驾驶员(激进或保守)无法适配。例如前车每次加减速度过高,加速度变化率高,如果按照某TTC的阈值统一设定跟车距离,容易导致同一工况下跟随前车刹车过猛,又例如旁边车道后车距离本车较近,TTC低于阈值,迟迟无法变道或因为后车突然加速变道失败。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提出了一种基于V2V的自动驾驶优化系统及方法,可以实现更加舒适的跟车以及更加安全的变道体验。
为实现上述目的,按照本发明的一个方面,提供了一种基于V2V的自动驾驶优化方法,包括:
(1)车辆在伴行状态下,本车与周围车辆进行V2V数据交换,根据本车所在车道线信息、本车道前方车辆车牌号及本车道相邻车道车辆车牌号,构建出伴行车辆在本车周边的分布地图,其中,分布地图中包括各伴行车辆的位置信息;
(2)本车持续N秒接收分布地图中处于本车周边各车辆的横向加速度、纵向加速度及偏转角速度,N为自然数;
(3)在伴行直行状态下,本车根据本车道前车的纵向加速度以及相邻车道前车的横向加速度调整跟车制动时间点和减速度,使得跟随前车更舒适;
(4)在伴行需变道情况下,本车通过相邻车道的后车纵向加速度习惯,调整变道触发条件,使得本车变道更安全。
在一些可选的实施方案中,步骤(1)包括:
本车周期性向周边半径R米的车辆发送握手信息,同时也回应周边半径R米车辆发送的握手信号,R为自然数;
当握手信号收发双方完成在线同步及时间同步后,开始进行伴行方位确认,双方互相发送各自识别到的自身所在车道线信息、本车道前方车辆车牌号以及相邻车道前方车牌号,若有车辆前方没有车,则认为此车在伴行车群对应车道的第一位;
通过本车所在车道信息及握手车辆前方车辆信息,构建出伴行车辆在本车周边的分布地图。
在一些可选的实施方案中,步骤(3)包括:
(3.1)在伴行直行状态下,若与本车握手车辆是本车道前方车辆,则根据本车道前车的纵向负加速度均值与本车纵向负加速度均值之间的大小关系,确定本车与本车道前车的跟车距离;
(3.2)若与本车握手车辆是本车道相邻车道的前方车辆,则根据相邻车道前车的横向加速度绝对值均值与本车出厂HWA功能内设置的横向加速度阈值之间的大小关系,确定本车与本车道相邻车道的前方车辆的跟车距离;
(3.3)基于本车与本车道前车的跟车距离和本车与本车道相邻车道的前方车辆的跟车距离之间的大小关系,调整跟车制动时间点和减速度。
在一些可选的实施方案中,步骤(3.1)包括:
获取本车道前车的纵向负加速度a2在N秒内的平均值若大于本车的纵向负加速度均值,则由确定本车与本车道前车的跟车距离f1,其中,d设定为预设的跟车距离,d跟是的正相关函数,V本车为本车的速度,V前车为本车道前车的速度,f1为由各变量确定的函数。
在一些可选的实施方案中,步骤(3.2)包括:
获取本车道相邻车道的前车横向加速度绝对值|a3|在N秒内的平均值若大于本车出厂HWA功能内设置的横向加速度阈值|a3|set,则认为本车道相邻车道的前车切入本车道风险较高,由 确定本车与本车道相邻车道的前方车辆的跟车距离f2,其中,f2为由各变量确定的函数,V本车为本车的速度,V′前车为本车道相邻车道的前车的速度,d切入为切入车辆靠近车道线的值,d切是的正相关函数,a2′为相邻车道前车的纵向负加速度。
在一些可选的实施方案中,步骤(3.3)包括:
在一些可选的实施方案中,步骤(4)包括:
获取本车道相邻车道的后车纵向正加速度a1在N秒内的平均值若大于本车出厂HWA功能内设置的横向变道中后车的加速度阈值则认为本车道相邻车道后车加速风险较高,本车变道的条件为:本车道相邻车道的后车与本车的TTC将增大秒,R3小于1。
按照本发明的另一方面,提供了一种基于V2V的自动驾驶优化系统,包括:
通信模块,用于车辆在伴行状态下,与周围车辆进行V2V数据交换;
摄像模块,用于获取本车所在车道线信息、本车道前方车辆车牌号及本车道相邻车道车辆车牌号;
ADAS控制器,用于根据本车所在车道线信息、本车道前方车辆车牌号及本车道相邻车道车辆车牌号,构建出伴行车辆在本车周边的分布地图,其中,分布地图中包括各伴行车辆的位置信息;
IMU模块,用于持续N秒接收分布地图中处于本车周边各车辆的横向加速度、纵向加速度及偏转角速度,N为自然数;
所述ADAS控制器,还用于在伴行直行状态下,根据本车道前车的纵向加速度以及相邻车道前车的横向加速度调整跟车制动时间点和减速度,使得跟随前车更舒适;在伴行需变道情况下,通过相邻车道的后车纵向加速度习惯,调整变道触发条件,使得本车变道更安全。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,能够取得下列有益效果:
在伴行直行状态下,本车通过根据本车道前车纵向加速度,以及相邻车道前车横向加速度调整跟车制动时间点和减速度,使得跟随前车更舒适,可以解决在伴行直行状态下,本车跟随前车频繁加减速,如果前车每次刹车减速度大,本车舒适性差的问题。
在伴行需变道情况下,本车通过相临车道后车纵向加速度习惯,调整变道触发条件,使得本车变道更安全,可以解决在伴行需变道情况下,由于本车变道条件设定苛刻,在旁边车道后车跟随等待情况下,也迟迟无法变道,阻碍他车的问题。
在高速伴行情况下,通过本发明的V2V模式可以根据不同的伴行车辆,匹配不同风格的自动驾驶,且不受网络条件限制,可以解决在高速伴行情况下,由于网络限制,无法取得驾驶风格更新的问题。
附图说明
图1是本发明实施例提供的一种基于V2V的自动驾驶优化系统的结构示意图;
图2是本发明实施例提供的一种基于V2V的自动驾驶优化方法的流程示意图;
图3是本发明实施例提供的一种伴行直行状态下的跟车方法流程示意图;
图4是本发明实施例提供的一种车辆位置示意图;
图5是本发明实施例提供的一种伴行需变道情况下的变道方法流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
以下对本发明用到的技术术语进行说明:
伴行状态:是指在高速/类高速道路中,轻微拥堵情况下,车辆以松散的群体状态按正常速度行驶(如60km/h以上)。此时随着道路状况变化(如部分车辆速度过低,车道小型障碍物等),自动驾驶车辆仍然需要加减速及做变道动作。
自动驾驶:这里指SAE L2级以上的智能驾驶,可自动控制车加减速及横向位移。
预测算法:对于高度动态和交互性的场景下车辆的行为和轨迹进行预测的算法。
DRSC(Dedicated Short Range Communication):专用短程通信,可用于短距离车与车通讯。
PC5接口:C-V2X的一种车对X的直接通信接口,其中,C-V2X可以包括vehicle-to-vehicle(V2V)车对车,vehicle-to-infrastructure(V2I),vehicle-to-pedestrian(V2P),and vehicle-to-cloud(V2C)。
如图1所示,是本发明实施例提供的一种基于V2V的自动驾驶优化系统结构示意图,包括:
通信模块,用于车辆在伴行状态下,与周围车辆进行V2V数据交换;
摄像模块,用于获取本车所在车道线信息、本车道前方车辆车牌号及本车道相邻车道车辆车牌号;
ADAS控制器,用于根据本车所在车道线信息、本车道前方车辆车牌号及本车道相邻车道车辆车牌号,构建出伴行车辆在本车周边的分布地图,其中,分布地图中包括各伴行车辆的位置信息;
IMU模块,用于持续N秒接收分布地图中处于本车周边各车辆的横向加速度、纵向加速度及偏转角速度,N为自然数;
ADAS控制器,还用于在伴行直行状态下,根据本车道前车的纵向加速度以及相邻车道前车的横向加速度调整跟车制动时间点和减速度,使得跟随前车更舒适;在伴行需变道情况下,通过相邻车道的后车纵向加速度习惯,调整变道触发条件,使得本车变道更安全。
具体地,当车辆处于伴行情况,本车通过装配在车上的通信模块,周期性向周边半径R米的车辆发送基于DSRC或者PC5通讯协议接口的握手信息,同时也回应周边半径R米车辆发送的握手信号。当握手信号收发双方完成在线同步及时间同步后,开始进行伴行方位确认,双方互相发送通过摄像头识别到的自身所在车道线信息、识别到的本车道前方车辆车牌号以及相邻车道前方车牌号,若有车辆前方没有车,则认为此车在伴行车群对应车道的第一位。通过本车所在车道、各握手车辆前方车辆情况在ADAS控制器构建出伴行车辆在本车周边的分布地图。分布地图构建完毕后发送本车IMU输出的横向加速度、纵向加速度及偏转角速度,同时也持续N秒接收分布地图中周边各车辆一一对应的横向加速度、纵向加速度及偏转角速度。以本车行驶方向为正,统计分布地图中与本车握手车辆在N秒内的纵向正加速度a1、纵向负加速度a2及横向加速度绝对值|a3|。
如图2所示是本发明实施例提供的一种基于V2V的自动驾驶优化方法的流程示意图,包括以下步骤:
S1:车辆在伴行状态下,本车与周围车辆进行V2V数据交换,根据本车所在车道线信息、本车道前方车辆车牌号及本车道相邻车道车辆车牌号,构建出伴行车辆在本车周边的分布地图,其中,分布地图中包括各伴行车辆的位置信息;
S2:本车持续N秒接收分布地图中处于本车周边各车辆的横向加速度、纵向加速度及偏转角速度,N为自然数;
S3:在伴行直行状态下,本车根据本车道前车的纵向加速度以及相邻车道前车的横向加速度调整跟车制动时间点和减速度,使得跟随前车更舒适;
S4:在伴行需变道情况下,本车通过相邻车道的后车纵向加速度习惯,调整变道触发条件,使得本车变道更安全。
其中,步骤S3可以通过以下方式实现:
S3.1:在伴行直行状态下,若与本车握手车辆是本车道前方车辆,则根据本车道前车的纵向负加速度均值与本车纵向负加速度均值之间的大小关系,确定本车与本车道前车的跟车距离;
S3.2:若与本车握手车辆是本车道相邻车道的前方车辆,则根据相邻车道前车的横向加速度绝对值均值与本车出厂HWA功能内设置的横向加速度阈值之间的大小关系,确定本车与本车道相邻车道的前方车辆的跟车距离;
如图3所示是本发明实施例提供的一种伴行直行状态下的跟车方法流程示意图,具体实现方式如下:
比较本车道前车的纵向负加速度a2在N秒内的平均值(采样周期可能小于1秒,如50ms获取一次),设为如果大于本车纵向负加速度均值,由D=max(f1,f2)确定本车跟车距离,其中,函数f1为 其中,距离d设定为车主设定的跟车距离,包括远,中,近三个值,d跟是的正相关函数,系数可标定,V本车为本车的速度,V前车为本车道前车的速度,f1为由各变量确定的函数,f1中的变量可包括其他车辆行驶参数或者IMU测量参数,例如偏转角速度等。
例如其中对应远中近取15米,10米,5米,amax为本车最大减速度,a2max为前车最大减速度,值可以设定,t为反应时间,可为定值。同时本车根据TTC设定的开始制动时间点将提前T1秒,T1秒内制动减速度使用R1小于1,可标定设置。
比较相邻车道前车横向加速度绝对值|a3|在N秒内的平均值(采样周期可能小于1秒,如50ms获取一次),设为如果大于本车出厂HWA功能内设置的横向加速度阈值|a3|set,则认为相邻车道前车切入本车道风险较高,本车跟车距离D=max(f1,f2),函数f2则为 其中距离d切入为切入车辆靠近车道线的值,d切是的正相关函数,系数可标定,f2为由各变量确定的函数,V本车为本车的速度,V′前车为本车道相邻车道的前车的速度,a2′为相邻车道前车的纵向负加速度,f2中的变量可包括其他车辆行驶参数或者IMU测量参数,例如偏转角速度等。
例如其中对应远中近取15米,10米,5米,amax为本车最大减速度,a2′max为相邻车道前车最大减速度,可为设定值,t为反应时间,可为定值。同时本车根据切入TTC设定的开始制动时间点也将提前T2秒,T2秒内使用制动减速度R2小于1,可标定设置。
S3.3:基于本车与本车道前车的跟车距离和本车与本车道相邻车道的前方车辆的跟车距离之间的大小关系,调整跟车制动时间点和减速度。
如图5所示是本发明实施例提供的一种伴行需变道情况下的变道方法流程示意图,具体实现过程为:
比较相邻车道后车纵向正加速度绝对值a1在N秒内的平均值(采样周期可能小于1秒,如50ms获取一次),设为如果大于本车出厂HWA功能内设置的横向变道中后车(如图4)的加速度阈值例如0.1g,则认为相邻车道后车加速风险较高,本车变道的前提之一:相邻车道后车与本车的TTC将增大秒,R3小于1,可标定设置。
其中,N秒之前目标车辆的纵向正加速度a1,纵向负加速度a2,横向加速度绝对值|a3|不影响本车功能。N秒之后,继续记录本车周边车辆传输值,并顺次更新各均值结果。
其中,如果部分车辆不支持V2X,则由最靠近无V2X的车辆通过摄像头,雷达获取各参数(如获取不支持V2X的车辆的纵向正加速度、纵向负加速度及横向加速度绝对值),通过DSRC或PC5分享给本车。
本发明中提供车辆在伴行情况下,车辆进行V2V数据交换,通过摄像头识别到的自身所在车道线信息、识别到的本车道前方车辆车牌号,并构建出伴行车辆在周边的分布地图。分布地图构建完毕后发送本车输出的横向,纵向加速度,及偏转角速度,同时也持续N秒接收周边各车辆一一对应的横向,纵向加速度,及偏转角速度,在伴行直行状态下,本车通过根据本车道前车纵向加速度,以及相邻车道前车横向加速度调整跟车制动时间点和减速度,使得跟随前车更舒适。在伴行需变道情况下,本车通过相邻车道后车纵向加速度习惯,调整变道触发条件,使得本车变道更安全。在高速伴行情况下,根据不同的伴行车辆,匹配不同风格的自动驾驶,且不受网络条件限制。本发明中构建本车跟车距离函数,通过比较相邻车道前车横向加速度绝对值,判断相邻车道前车切入本车道的风险性程度;通过比较相邻车道后车纵向正加速度绝对值,判断相邻车道后车加速风险性程度;并在不受网络条件限制的情况下,根据不同的伴行车辆,匹配不同风格的自动驾驶,实时自动驾驶策略个性化更新。
需要指出,根据实施的需要,可将本申请中描述的各个步骤/部件拆分为更多步骤/部件,也可将两个或多个步骤/部件或者步骤/部件的部分操作组合成新的步骤/部件,以实现本发明的目的。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,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、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于V2V的自动驾驶优化方法,其特征在于,包括:
(1)车辆在伴行状态下,本车与周围车辆进行V2V数据交换,根据本车所在车道线信息、本车道前方车辆车牌号及本车道相邻车道车辆车牌号,构建出伴行车辆在本车周边的分布地图,其中,分布地图中包括各伴行车辆的位置信息;
(2)本车持续N秒接收分布地图中处于本车周边各车辆的横向加速度、纵向加速度及偏转角速度,N为自然数;
(3)在伴行直行状态下,本车根据本车道前车的纵向加速度以及相邻车道前车的横向加速度调整跟车制动时间点和减速度,使得跟随前车更舒适;
(4)在伴行需变道情况下,本车通过相邻车道的后车纵向加速度习惯,调整变道触发条件,使得本车变道更安全。
2.根据权利要求1所述的方法,其特征在于,步骤(1)包括:
本车周期性向周边半径R米的车辆发送握手信息,同时也回应周边半径R米车辆发送的握手信号,R为自然数;
当握手信号收发双方完成在线同步及时间同步后,开始进行伴行方位确认,双方互相发送各自识别到的自身所在车道线信息、本车道前方车辆车牌号以及相邻车道前方车牌号,若有车辆前方没有车,则认为此车在伴行车群对应车道的第一位;
通过本车所在车道信息及握手车辆前方车辆信息,构建出伴行车辆在本车周边的分布地图。
3.根据权利要求1或2所述的方法,其特征在于,步骤(3)包括:
(3.1)在伴行直行状态下,若与本车握手车辆是本车道前方车辆,则根据本车道前车的纵向负加速度均值与本车纵向负加速度均值之间的大小关系,确定本车与本车道前车的跟车距离;
(3.2)若与本车握手车辆是本车道相邻车道的前方车辆,则根据相邻车道前车的横向加速度绝对值均值与本车出厂HWA功能内设置的横向加速度阈值之间的大小关系,确定本车与本车道相邻车道的前方车辆的跟车距离;
(3.3)基于本车与本车道前车的跟车距离和本车与本车道相邻车道的前方车辆的跟车距离之间的大小关系,调整跟车制动时间点和减速度。
8.一种基于V2V的自动驾驶优化系统,其特征在于,包括:
通信模块,用于车辆在伴行状态下,与周围车辆进行V2V数据交换;
摄像模块,用于获取本车所在车道线信息、本车道前方车辆车牌号及本车道相邻车道车辆车牌号;
ADAS控制器,用于根据本车所在车道线信息、本车道前方车辆车牌号及本车道相邻车道车辆车牌号,构建出伴行车辆在本车周边的分布地图,其中,分布地图中包括各伴行车辆的位置信息;
IMU模块,用于持续N秒接收分布地图中处于本车周边各车辆的横向加速度、纵向加速度及偏转角速度,N为自然数;
所述ADAS控制器,还用于在伴行直行状态下,根据本车道前车的纵向加速度以及相邻车道前车的横向加速度调整跟车制动时间点和减速度,使得跟随前车更舒适;在伴行需变道情况下,通过相邻车道的后车纵向加速度习惯,调整变道触发条件,使得本车变道更安全。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011306800.8A CN112498351B (zh) | 2020-11-20 | 2020-11-20 | 一种基于v2v的自动驾驶优化系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011306800.8A CN112498351B (zh) | 2020-11-20 | 2020-11-20 | 一种基于v2v的自动驾驶优化系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112498351A true CN112498351A (zh) | 2021-03-16 |
CN112498351B CN112498351B (zh) | 2021-11-23 |
Family
ID=74958870
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011306800.8A Active CN112498351B (zh) | 2020-11-20 | 2020-11-20 | 一种基于v2v的自动驾驶优化系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112498351B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113183962A (zh) * | 2021-05-31 | 2021-07-30 | 重庆长安汽车股份有限公司 | 用于创造换道条件的自动驾驶纵向规划方法、系统及车辆 |
CN113301533A (zh) * | 2021-07-28 | 2021-08-24 | 武汉理工大学 | 一种基于车车通讯的感知信息补偿系统与方法 |
CN113492855A (zh) * | 2021-07-22 | 2021-10-12 | 上汽通用五菱汽车股份有限公司 | 跟车场景下的加速度补偿方法、设备及可读存储介质 |
CN113830084A (zh) * | 2021-10-29 | 2021-12-24 | 东风汽车集团股份有限公司 | 基于多车道车辆主动避撞的控制方法及车辆 |
CN114506346A (zh) * | 2022-03-24 | 2022-05-17 | 重庆长安汽车股份有限公司 | 一种用于自动驾驶的速度控制方法及存储介质 |
CN114771553A (zh) * | 2022-06-21 | 2022-07-22 | 国汽智控(北京)科技有限公司 | 车辆行驶的控制方法、设备、车辆及存储介质 |
CN116639152A (zh) * | 2023-07-27 | 2023-08-25 | 安徽中科星驰自动驾驶技术有限公司 | 一种自动驾驶车辆的人工引导识别方法及系统 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102712302A (zh) * | 2010-01-29 | 2012-10-03 | 宝马股份公司 | 用于自动制动汽车以避免碰撞或减轻碰撞后果的紧急制动辅助系统 |
CN102800213A (zh) * | 2012-08-27 | 2012-11-28 | 武汉大学 | 一种基于车辆通行优先级的换道危险避撞的方法 |
CN105015545A (zh) * | 2015-07-03 | 2015-11-04 | 内蒙古麦酷智能车技术有限公司 | 一种无人驾驶汽车的自主变道决策系统 |
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 |
US20170369055A1 (en) * | 2016-06-23 | 2017-12-28 | Honda Motor Co., Ltd. | Vehicular communications network and methods of use and manufacture thereof |
US20180178802A1 (en) * | 2016-12-28 | 2018-06-28 | Toyota Jidosha Kabushiki Kaisha | Driving assistance apparatus |
CN109213153A (zh) * | 2018-08-08 | 2019-01-15 | 东风汽车有限公司 | 一种车辆自动驾驶方法及电子设备 |
US20190143971A1 (en) * | 2017-11-14 | 2019-05-16 | Ford Global Technologies, Llc | Lead vehicle monitoring for adaptive cruise control |
CN109987093A (zh) * | 2017-12-28 | 2019-07-09 | 北京百度网讯科技有限公司 | 合作式变道控制方法、装置及设备 |
CN110001782A (zh) * | 2019-04-29 | 2019-07-12 | 重庆长安汽车股份有限公司 | 自动换道方法、系统及计算机可读存储介质 |
CN110197587A (zh) * | 2019-05-31 | 2019-09-03 | 京东方科技集团股份有限公司 | 一种行车处理方法,以及车辆、服务器和行车系统 |
CN110335504A (zh) * | 2019-07-04 | 2019-10-15 | 北京交通大学 | 车辆跟驰状态下基于车路协同的避撞预警系统及方法 |
CN110362910A (zh) * | 2019-07-05 | 2019-10-22 | 西南交通大学 | 基于博弈论的自动驾驶车辆换道冲突协调模型建立方法 |
US20190329773A1 (en) * | 2017-01-12 | 2019-10-31 | Mobileye Vision Technologies Ltd. | Navigation based on bahaviors of following vehicles |
WO2020007215A1 (zh) * | 2018-07-06 | 2020-01-09 | 同济大学 | 一种基于车辆行为调整模型的用于最佳跟驰车距计算的曲线拟合建模方法 |
CN111104969A (zh) * | 2019-12-04 | 2020-05-05 | 东北大学 | 一种无人驾驶车辆与周边车辆的碰撞可能性预判方法 |
-
2020
- 2020-11-20 CN CN202011306800.8A patent/CN112498351B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102712302A (zh) * | 2010-01-29 | 2012-10-03 | 宝马股份公司 | 用于自动制动汽车以避免碰撞或减轻碰撞后果的紧急制动辅助系统 |
US20120283927A1 (en) * | 2010-01-29 | 2012-11-08 | Bayerische Motoren Werke Aktiengesellschaft | Emergency Brake Assistant for Automatically Decelerating a Vehicle to Prevent a Collision or Reduce the Consequences of a Collision |
CN102800213A (zh) * | 2012-08-27 | 2012-11-28 | 武汉大学 | 一种基于车辆通行优先级的换道危险避撞的方法 |
CN105015545A (zh) * | 2015-07-03 | 2015-11-04 | 内蒙古麦酷智能车技术有限公司 | 一种无人驾驶汽车的自主变道决策系统 |
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 |
US20170369055A1 (en) * | 2016-06-23 | 2017-12-28 | Honda Motor Co., Ltd. | Vehicular communications network and methods of use and manufacture thereof |
US20180178802A1 (en) * | 2016-12-28 | 2018-06-28 | Toyota Jidosha Kabushiki Kaisha | Driving assistance apparatus |
US20190329773A1 (en) * | 2017-01-12 | 2019-10-31 | Mobileye Vision Technologies Ltd. | Navigation based on bahaviors of following vehicles |
US20190143971A1 (en) * | 2017-11-14 | 2019-05-16 | Ford Global Technologies, Llc | Lead vehicle monitoring for adaptive cruise control |
CN109987093A (zh) * | 2017-12-28 | 2019-07-09 | 北京百度网讯科技有限公司 | 合作式变道控制方法、装置及设备 |
WO2020007215A1 (zh) * | 2018-07-06 | 2020-01-09 | 同济大学 | 一种基于车辆行为调整模型的用于最佳跟驰车距计算的曲线拟合建模方法 |
CN109213153A (zh) * | 2018-08-08 | 2019-01-15 | 东风汽车有限公司 | 一种车辆自动驾驶方法及电子设备 |
CN110001782A (zh) * | 2019-04-29 | 2019-07-12 | 重庆长安汽车股份有限公司 | 自动换道方法、系统及计算机可读存储介质 |
CN110197587A (zh) * | 2019-05-31 | 2019-09-03 | 京东方科技集团股份有限公司 | 一种行车处理方法,以及车辆、服务器和行车系统 |
CN110335504A (zh) * | 2019-07-04 | 2019-10-15 | 北京交通大学 | 车辆跟驰状态下基于车路协同的避撞预警系统及方法 |
CN110362910A (zh) * | 2019-07-05 | 2019-10-22 | 西南交通大学 | 基于博弈论的自动驾驶车辆换道冲突协调模型建立方法 |
CN111104969A (zh) * | 2019-12-04 | 2020-05-05 | 东北大学 | 一种无人驾驶车辆与周边车辆的碰撞可能性预判方法 |
Non-Patent Citations (3)
Title |
---|
BANIHAN GUNAY: "Car following theory with lateral discomfort", 《TRANSPORTATION RESEARCH PART B METHODOLOGICAL》 * |
JIE NI: "Multivehicle Cooperative Lane Change Control Strategy for", 《JOURNAL OF ADVANCED TRANSPORTATION》 * |
丁洁云: "自适应驾驶员特性的车道保持辅助控制", 《中国优秀博硕士学位论文全文数据库(博士)工程科技Ⅱ辑》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113183962A (zh) * | 2021-05-31 | 2021-07-30 | 重庆长安汽车股份有限公司 | 用于创造换道条件的自动驾驶纵向规划方法、系统及车辆 |
CN113492855A (zh) * | 2021-07-22 | 2021-10-12 | 上汽通用五菱汽车股份有限公司 | 跟车场景下的加速度补偿方法、设备及可读存储介质 |
CN113301533A (zh) * | 2021-07-28 | 2021-08-24 | 武汉理工大学 | 一种基于车车通讯的感知信息补偿系统与方法 |
CN113301533B (zh) * | 2021-07-28 | 2021-11-23 | 武汉理工大学 | 一种基于车车通讯的感知信息补偿系统与方法 |
CN113830084A (zh) * | 2021-10-29 | 2021-12-24 | 东风汽车集团股份有限公司 | 基于多车道车辆主动避撞的控制方法及车辆 |
CN113830084B (zh) * | 2021-10-29 | 2023-05-23 | 东风汽车集团股份有限公司 | 基于多车道车辆主动避撞的控制方法及车辆 |
CN114506346A (zh) * | 2022-03-24 | 2022-05-17 | 重庆长安汽车股份有限公司 | 一种用于自动驾驶的速度控制方法及存储介质 |
CN114506346B (zh) * | 2022-03-24 | 2023-11-21 | 重庆长安汽车股份有限公司 | 一种用于自动驾驶的速度控制方法及存储介质 |
CN114771553A (zh) * | 2022-06-21 | 2022-07-22 | 国汽智控(北京)科技有限公司 | 车辆行驶的控制方法、设备、车辆及存储介质 |
CN116639152A (zh) * | 2023-07-27 | 2023-08-25 | 安徽中科星驰自动驾驶技术有限公司 | 一种自动驾驶车辆的人工引导识别方法及系统 |
CN116639152B (zh) * | 2023-07-27 | 2023-10-31 | 安徽中科星驰自动驾驶技术有限公司 | 一种自动驾驶车辆的人工引导识别方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112498351B (zh) | 2021-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112498351B (zh) | 一种基于v2v的自动驾驶优化系统及方法 | |
KR102220607B1 (ko) | 한 군집에서 차량군들의 자체-순서화 | |
US20200201356A1 (en) | Systems and methods for managing platooning behavior | |
US9799224B2 (en) | Platoon travel system | |
EP3294599B1 (en) | Device, system and method for a platooning operation | |
US9221452B2 (en) | System and method for optimizing fuel economy using predictive environment and driver behavior information | |
US11226620B2 (en) | Automated driving systems and control logic with enhanced longitudinal control for transitional surface friction conditions | |
CN103269935B (zh) | 车辆驾驶辅助装置、方法和车辆 | |
WO2017094907A1 (ja) | 走行軌跡生成装置、走行軌跡生成方法 | |
CN110329257A (zh) | 一种基于车-车通信的多车列队纵向控制方法 | |
CN113548050B (zh) | 车辆行驶控制方法、装置、系统和存储介质 | |
JP5287736B2 (ja) | 車両制御装置 | |
WO2015047177A1 (en) | Method and system for a common driving strategy for vehicle platoons | |
CN111768612A (zh) | 基于c-v2x的车辆编队行驶策略控制方法 | |
JP2019084924A (ja) | 車両制御装置 | |
CN110072751B (zh) | 汽车的行驶控制装置和汽车的行驶控制系统 | |
CN105501221A (zh) | 一种基于车车通信的自适应巡航系统和控制方法 | |
CN112224202B (zh) | 一种紧急工况下的多车协同避撞系统及方法 | |
CN113291324B (zh) | 一种智能汽车个性化换道决策方法、系统及介质 | |
CN111619564A (zh) | 一种车辆自适应巡航车速控制方法、装置、处理器、汽车及计算机可读存储介质 | |
JP6326968B2 (ja) | 運転支援システム及び運転支援方法 | |
US20210043090A1 (en) | Electronic device for vehicle and method for operating the same | |
CN114954454A (zh) | 一种自动驾驶低速跟车巡航控制方法及装置 | |
CN113515121B (zh) | 一种基于无人机的智能驾驶车队编队支持系统及方法 | |
CN111754774B (zh) | 一种高速路匝道口智能网联汽车安全自组织通行控制方法 |
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 |