CN112729328B - 节油行驶轨迹规划方法、装置、电子设备与存储介质 - Google Patents
节油行驶轨迹规划方法、装置、电子设备与存储介质 Download PDFInfo
- Publication number
- CN112729328B CN112729328B CN202011565894.0A CN202011565894A CN112729328B CN 112729328 B CN112729328 B CN 112729328B CN 202011565894 A CN202011565894 A CN 202011565894A CN 112729328 B CN112729328 B CN 112729328B
- Authority
- CN
- China
- Prior art keywords
- track
- cost
- candidate
- oil consumption
- target route
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3469—Fuel consumption; Energy use; Emission aspects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
Abstract
本发明提供一种节油行驶轨迹规划方法、装置、电子设备与存储介质,方法包括:获取目标路线的静态环境信息,根据所述目标路线的静态环境信息以及第一发动机油耗模型,得到目标路线的静态全局最优规划轨迹;实时获取目标路线的动态环境信息以及目标车辆的位姿信息,根据所述目标路线的静态环境信息、动态环境信息以及目标车辆的位姿信息,实时拟合出候选行驶轨迹;根据所述目标线路的静态全局最优规划轨迹、车辆动力学模型、第二发动机油耗模型以及障碍物信息,计算所述候选行驶轨迹的成本,根据所述成本从所述候选行驶轨迹中确定最优行驶轨迹。
Description
技术领域
本发明涉及交通技术领域,尤其涉及一种节油行驶轨迹规划方法、装置、电子设备与存储介质。
背景技术
减少汽车行驶过程中的油耗是节能减排的一个重要方面。汽车行驶过程中的油耗不仅与汽车自身的技术有关,也与行程路线、驾驶行为等因素有关。
节油行驶轨迹规划是指以节约油耗为目的的车辆行驶轨迹规划。具体的说,节油行驶轨迹规划是要在给定的路径上、在给定的时间内,规划路径上每个轨迹点的位置、速度和加速度,以达到节约油耗的目的。节油行驶轨迹规划的过程中需要同时考虑静态道路信息(如坡度)以及动态交通流信息。
在现有技术中,节油行驶轨迹规划的实现方法在节油效果上存在不足,实用性不高。
发明内容
针对现有技术存在的问题,本发明提供一种节油行驶轨迹规划方法、装置、电子设备与存储介质。
本发明提供一种节油行驶轨迹规划方法,包括:
获取目标路线的静态环境信息,根据所述目标路线的静态环境信息以及第一发动机油耗模型,得到目标路线的静态全局最优规划轨迹;其中,所述第一发动机油耗模型为发动机油耗仿真计算结果的准确度高于第一阈值,且单次仿真计算持续时间高于第二阈值的发动机油耗模型;所述静态全局最优规划轨迹描述了在目标路线的环境信息不变的情况下,当行驶目标路线的全局油耗最为节省时,目标路线上各个轨迹点所对应的发动机输出功率与发动机转速;
实时获取目标路线的动态环境信息以及目标车辆的位姿信息,根据所述目标路线的静态环境信息、动态环境信息以及目标车辆的位姿信息,实时拟合出候选行驶轨迹;
根据所述目标线路的静态全局最优规划轨迹、车辆动力学模型、第二发动机油耗模型以及障碍物信息,计算所述候选行驶轨迹的成本,根据所述成本从所述候选行驶轨迹中确定最优行驶轨迹;其中,第二发动机油耗模型为发动机油耗仿真计算结果的准确度小于或等于预设第一阈值,或单次仿真计算持续时间小于或等于第二阈值的发动机油耗模型。
根据本发明提供的一种节油行驶轨迹规划方法,所述根据所述目标线路的静态全局最优规划轨迹、车辆动力学模型、第二发动机油耗模型以及障碍物信息,计算所述候选行驶轨迹的成本,根据所述成本从所述候选行驶轨迹中确定最优行驶轨迹,包括:
对候选行驶轨迹进行车辆动力学模型限制,根据结果计算候选行驶轨迹的第一成本;
根据障碍物信息对候选行驶轨迹进行检测,根据检测结果计算候选行驶轨迹的第二成本;
根据第二发动机油耗模型计算候选行驶轨迹的油耗,根据所述油耗计算候选行驶轨迹的第三成本;
根据候选行驶轨迹与静态全局最优规划轨迹之间的相似度,根据所述相似度计算候选行驶轨迹的第四成本;
根据所述第一成本、第二成本、第三成本以及第四成本,计算候选行驶轨迹的成本,根据所述成本从候选行驶轨迹中确定最优的行驶轨迹。
根据本发明提供的一种节油行驶轨迹规划方法,所述对候选行驶轨迹进行车辆动力学模型限制,根据结果计算候选行驶轨迹的第一成本,包括:
计算所述候选行驶轨迹与车辆动力学模型中的限制条件之间的差值;
根据所述差值,确定候选行驶轨迹的第一成本;其中;所述差值越大,所述第一成本越高,所述差值越小,所述第一成本越低;
以及,所述根据障碍物信息对候选行驶轨迹进行检测,根据检测结果计算候选行驶轨迹的第二成本,包括:
计算所述候选行驶轨迹与所述障碍物信息之间的重合程度;
根据所述重合程度,确定候选行驶轨迹的第二成本;其中,所述重合程度越高,所述第二成本越高,所述重合程度越低,所述第二成本越低。
根据本发明提供的一种节油行驶轨迹规划方法,所述根据第二发动机油耗模型计算候选行驶轨迹的油耗,根据所述油耗计算候选行驶轨迹的第三成本,包括:
根据所述候选行驶轨迹上各个轨迹点的信息,计算所述目标车辆在所述候选行驶轨迹的各个轨迹点处行驶时的发动机功率以及转速;
将目标车辆在候选行驶轨迹的各个轨迹点处行驶时的发动机功率以及转速输入第二发动机油耗模型,得到目标车辆在候选行驶轨迹的各个轨迹点处行驶时的油耗;
根据目标车辆在候选行驶轨迹的各个轨迹点处行驶时的油耗,得到所述候选行驶轨迹的油耗;
根据所述油耗计算候选行驶轨迹的第三成本。
根据本发明提供的一种节油行驶轨迹规划方法,所述根据候选行驶轨迹与静态全局最优规划轨迹之间的相似度,根据所述相似度计算候选行驶轨迹的第四成本,包括:
从静态全局最优规划轨迹中查找出与候选行驶轨迹对应路段的规划轨迹;
计算候选行驶轨迹与所述对应路段的规划轨迹之间的相似度;
根据相似度计算候选行驶轨迹的第四成本;其中,所述相似度越高,所述第四成本越低;所述相似度越低,所述第四成本越高。
根据本发明提供的一种节油行驶轨迹规划方法,所述根据所述目标路线的静态环境信息以及第一发动机油耗模型,得到目标路线的静态全局最优规划轨迹,包括:
确定所述目标路线上各个轨迹点的静态环境信息;
根据各个轨迹点的静态环境信息,多个物理量之间的影响关系,以及第一发动机油耗模型,确定所述目标路线上各个轨迹点的油耗与发动机功率、发动机转速之间的关联关系;其中,所述多个物理量包括发动机功率、发动机转速、行驶速度、加速度以及牵引力;
通过优化计算确定当行驶完目标路线的全局油耗最为节省时,目标路线上各个轨迹点所对应的发动机输出功率与发动机转速。
本发明还提供一种自动驾驶方法,包括:
采用如上述任一种所述的节油行驶轨迹规划方法规划行驶轨迹。
本发明还提供一种节油行驶轨迹规划装置,包括:
静态全局最优规划轨迹生成模块,用于获取目标路线的静态环境信息,根据所述目标路线的静态环境信息以及第一发动机油耗模型,得到目标路线的静态全局最优规划轨迹;其中,所述第一发动机油耗模型为发动机油耗仿真计算结果的准确度高于预设第一阈值,且单次仿真计算持续时间高于第二阈值的发动机油耗模型;所述静态全局最优规划轨迹描述了在目标路线的环境信息不变的情况下,当行驶完目标路线的全局油耗最为节省时,目标路线上各个轨迹点所对应的发动机输出功率与发动机转速;
候选行驶轨迹生成模块,用于实时获取目标路线的动态环境信息以及目标车辆的位姿信息,根据所述目标路线的静态环境信息、动态环境信息以及目标车辆的位姿信息,实时拟合出候选行驶轨迹;
最优行驶轨迹确定模块,用于根据所述目标线路的静态全局最优规划轨迹、车辆动力学模型、第二发动机油耗模型以及障碍物信息,计算所述候选行驶轨迹的成本,根据所述成本从所述候选行驶轨迹中确定最优行驶轨迹;其中,第二发动机油耗模型为发动机油耗仿真计算结果的准确度小于或等于预设第一阈值,或单次仿真计算持续时间小于或等于第二阈值的发动机油耗模型。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述节油行驶轨迹规划方法的步骤,或实现如上述任一种所述的自动驾驶方法的步骤。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述节油行驶轨迹规划方法的步骤,或实现如上述任一种所述的自动驾驶方法的步骤。
本发明提供的节油行驶轨迹规划方法、装置、电子设备与存储介质,根据目标路线的静态环境信息确定静态全局最优规划轨迹,然后根据目标路线的静态环境信息、动态环境信息以及目标车辆的位置、姿态信息拟合候选行驶轨迹,最后根据静态全局最优规划轨迹、第二发动机油耗模型、车辆动力学模型以及障碍物信息从候选行驶轨迹中确定最优行驶轨迹。在节油行驶轨迹规划的过程中,不变的静态环境信息通过耗时的预运算而尽可能达到最优,实时的动态信息通过在已有的最优解上快速运算迭代得到符合当下的近似最优解,实现了算力的合理分配,在节油行驶轨迹规划的准确性与实时性上达到良好的平衡。
附图说明
为了更清楚地说明本发明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一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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他的附图。
图1是本发明提供的节油行驶轨迹规划方法的流程示意图;
图2是本发明提供的节油行驶轨迹规划方法所涉及的目标车辆实时拟合候选行驶轨迹的示意图;
图3是本发明提供的节油行驶轨迹规划装置的结构示意图;
图4是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例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作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。
下面结合图1-图4描述本发明的节油行驶轨迹规划方法、装置、电子设备与存储介质。
图1为本发明提供的节油行驶轨迹规划方法的流程图,如图1所示,本发明提供的节油行驶轨迹规划方法,包括:
步骤101、获取目标路线的静态环境信息,根据所述目标路线的静态环境信息以及第一发动机油耗模型,得到目标路线的静态全局最优规划轨迹。
在本发明实施例中,目标路线是预先设定的汽车从出发地到目的地的行驶路线。目标路线的确定可采用现有技术实现,如在现有的导航软件中输入出发地和目的地,即可得到目标路线。
目标路线的静态环境信息是与道路相关的地图信息,如长度、弧度、坡度、限速、车道数目、车道类型、给定时间段内的历史平均车速等。目标路线的静态环境信息可通过高精地图获得。如何根据高精地图获得目标路线的静态环境信息是本领域技术人员的公知常识,在本实施例中,不对其具体实现过程做进一步的说明。
目标路线的静态环境信息通常是不变的,因此在整个行驶过程中,只需要在设定的时间获取一次目标路线的静态环境信息即可。
第一发动机油耗模型为发动机油耗仿真计算结果的准确度高于第一阈值,且单次仿真计算持续时间高于第二阈值的发动机油耗模型。其中,第一阈值是关于准确度的值,第一阈值的具体取值可根据实际需要确定;第二阈值是关于时间长度的值,第二阈值的具体取值可根据实际需要确定。
从对第一发动机油耗模型的描述可以看出,第一发动机油耗模型具有仿真计算精度高,但单次运算时间长的特点,因此在本实施例中也被称为高仿真发动机油耗模型。
在本实施例中所采用的第一发动机油耗模型,可通过标定给定的发动机在不同工况(如不同的功率及转速)下的获得的油耗数据,用软件CarSim/TruckSim进行模型拟合得到。在本发明的其他实施例中,也可采用其他类型的第一发动机油耗模型。
在本实施例中,基于所述目标路线的静态环境信息以及第一发动机油耗模型,通过全局层面的节油驾驶策略,可得到静态全局最优规划轨迹。
策略(policy)是一个映射,具体的说,它是从状态(state)到驾驶行为(action)的一个映射。全局层面的节油驾驶策略所要完成的工作是将整条路径上的每个点映射到一个瞬时的速度,和/或加速度,和/或油门刹车踏板开度,和/或发动机功率,和/或发动机转速。
本领域技术人员都知道,发动机在不同功率及转速下的油耗是不同的。基于预先设置的油耗关于功率和转速的标定数据表,可以查表得到瞬时油耗。
本领域技术人员还知道,发动机功率决定了牵引力,牵引力决定了加速度,加速度积分后得到速度,速度反过来会影响发动机转速。在汽车行驶过程中,加速度除了受到牵引力的影响外,还受到自车车重、坡度(重力的分量)以及各种阻力的影响。即加速度的大小是由牵引力、自车车重、坡度以及阻力等多种因素共同决定的,目标路线的静态环境信息(包括坡度、阻力)会对目标车辆产生影响。
因此,全局层面的节油驾驶策略需要根据目标路线的静态环境信息,发动机功率、转速、行驶速度、加速度、牵引力等多个物理量之间的影响关系,结合第一发动机油耗模型(包含有高精度的油耗关于功率和转速的标定数据表),通过优化算法计算出当行驶完目标路线的全局油耗最为节省时,目标路线上各个轨迹点所对应的发动机输出功率与发动机转速。其中,在本实施例中,所述优化算法可采用动态规划算法,在其他实施例中,也可采用现有技术中的其他优化算法。
如何通过动态规划算法计算出当行驶完目标路线的全局油耗最为节省时,目标路线上各个轨迹点所对应的发动机输出功率与发动机转速,是本领域技术人员的公知常识,因此不在本实施例中做进一步描述。
静态全局最优规划轨迹是根据目标路线的静态环境信息得到的,具有总体油耗低的特点,它使得目标车辆能够根据地形而分配速度。例如,在坡顶为低速,利用下坡的惯性滑行而提速,到坡底可达到较高速度而不超速。但由于静态全局最优规划轨迹在计算时并未考虑动态环境信息,如交通流量、红绿灯、天气等,因此所得到的规划轨迹在目标车辆实际行驶时未必是最优轨迹,需要在后续步骤中做进一步的优化。
步骤102、获取目标路线的动态环境信息以及目标车辆的位姿信息,根据目标路线的静态环境信息、动态环境信息以及目标车辆的位姿信息,实时拟合出候选行驶轨迹。
目标路线的动态环境信息是随时间变化的环境信息,包括实时交通流、实时自车车况诊断、红绿灯、天气等信息。
目标路线的动态环境信息可通过车辆(不限于目标车辆)的传感器(如摄像头、激光雷达等)获得。
目标车辆是指节油行驶轨迹规划操作所基于的车辆。本领域技术人员都知道,不同类型车辆的油耗特点可能存在不同,因此一次节油行驶轨迹规划操作通常都是针对某一特定的车辆。针对车辆A的节油行驶轨迹规划结果未必适用于车辆B。
目标车辆的位姿信息包括位置信息与姿态信息。在机器人学与计算机视觉中,车辆的位姿信息是由车辆在空间的三维位置信息与三维旋转信息表示的。三维位置信息通常采用一个3D的点表示在地图上的经纬度和海拔。三维旋转信息包括车辆的偏摆角(yaw)、俯仰角(pitch)和滚动角(roll)。
目标车辆的位姿信息可通过GPS、北斗、IMU(Inertial measurement unit,惯性测量单元)或是RTK(Real Time Kinematic,实时动态定位)系统等获得。
在之前的步骤中,根据目标路线的静态环境信息,一次性计算得到了目标路线的静态全局最优规划轨迹。在本步骤中,根据实时获取的目标路线的动态环境信息以及目标车辆的位姿信息,结合目标路线的静态环境信息,对短距离内的行驶轨迹做实时拟合,以增加节油行驶轨迹规划的准确性。
具体的说,在实时获取的目标线路的动态环境信息以及目标车辆的位姿信息之后,按照预设的频率,如10Hz,周期性地实时拟合出候选行驶轨迹。
行驶轨迹包含了位置、速度、加速度的信息。候选行驶轨迹描述了目标车辆在未来一段时间内可以选择的行驶路线。图2为本发明提供的节油行驶轨迹规划方法所涉及的目标车辆实时拟合候选行驶轨迹的示意图。如图2所示,车辆A与车辆B在行驶过程中,车辆A预测到车辆B将要发生一个并线行为,行驶轨迹B1为车辆B的预测行驶轨迹。此时,车辆A需要根据车辆B的这一并线行为拟合出多条候选行驶轨迹。图2中的行驶轨迹A1、行驶轨迹A2、行驶轨迹A3、行驶轨迹A4、行驶轨迹A5以及行驶轨迹A6都是车辆A的候选行驶轨迹。
在本发明实施例中,可采用Lattice planner算法实时拟合出候选行驶轨迹。Lattice planner算法所要求的输入数据包括:包含有车辆参考线的地图信息(可由目标路线的静态环境信息得到)、周围车辆的信息(可由目标路线的动态环境信息得到)以及目标车辆的位姿信息、速度信息和加速度信息,障碍物信息等,Lattice planner算法的输出结果包括拟合得到的候选行驶轨迹。一般来说,拟合得到的候选行驶轨迹有多条。
步骤103、根据所述目标线路的静态全局最优规划轨迹、车辆动力学模型、第二发动机油耗模型以及障碍物信息,计算所述候选行驶轨迹的成本,根据所述成本从所述候选行驶轨迹中确定最优行驶轨迹。
在之前的步骤中,已经拟合得到候选行驶轨迹。候选行驶轨迹一般有多条,因此在本步骤中需要从这些候选行驶轨迹中确定最优行驶轨迹。
具体的说,本步骤可进一步包括:
步骤1031、对候选行驶轨迹进行车辆动力学模型限制,根据结果计算候选行驶轨迹的第一成本。
车辆动力学模型(kinodynamic model)一般用于分析车辆的平顺性和车辆操纵的稳定性。车辆动力学模型的具体类型根据目标车辆的类型确定。若目标车辆为小型乘用车,则车辆动力学模型可采用单车模型,若目标车辆为带挂卡车,则车辆动力学模型可采用多节铰接杆模型。
车辆动力学模型限制是指候选行驶轨迹应当满足车辆动力学模型中的相关限制条件。例如,车辆的速度、加速度、转弯角速度等参数都应当符合车辆运行的实际情况,如车辆的速度不能超过300km/小时,车辆的加速度一般不能超过9.8m/s2。
在本实施例中,计算候选行驶轨迹的第一成本包括:
计算所述候选行驶轨迹与车辆动力学模型中的限制条件之间的差值;
根据所述差值,确定候选行驶轨迹的第一成本;其中;所述差值越大,所述第一成本越高,所述差值越小,所述第一成本越低。
例如,根据车辆动力学模型的限制条件,车辆的速度应当在一定的范围内,如在0~120km/h之间。若候选行驶轨迹中的某些轨迹点的速度值为负值,或某些轨迹点的速度值达到150km/h。那么该速度值与速度的限制条件之间就存在差值,根据差值,可以计算候选行驶轨迹的第一成本。
在这一例子中,以速度为例进行说明,但本领域技术人员应当知道,还可以基于诸如加速度、转弯角速度等一个或多个参数来计算候选行驶轨迹与车辆动力学模型中的限制条件之间的差值,进而根据相应的差值来确定候选行驶轨迹的第一成本。
如何计算候选行驶轨迹与车辆动力学模型中的限制条件之间的差值,是本领域技术人员的公知常识,因此不在此处做重复说明。
步骤1032、根据障碍物信息对候选行驶轨迹进行检测,根据检测结果计算候选行驶轨迹的第二成本。
道路中的深坑、非机动车、行人、隔离带、护栏、行驶或停靠的其他车辆都会对目标车辆的行驶产生妨碍。
在拟合候选行驶轨迹时,已经考虑了障碍物的因素,但出于安全考虑,在本步骤中还需要根据障碍物信息对候选行驶轨迹进行检测,以避免发生碰撞。
具体的说,计算所述候选行驶轨迹的轨迹点与所述障碍物信息之间的距离;
然后根据所述距离,确定候选行驶轨迹的第二成本;其中,所述距离越小,所述第二成本越高,所述距离越大,所述第二成本越低。
步骤1033、根据第二发动机油耗模型计算候选行驶轨迹的油耗,根据所述油耗计算候选行驶轨迹的第三成本。
第二发动机油耗模型为发动机油耗仿真计算结果的准确度小于或等于预设第一阈值,或单次仿真计算持续时间小于或等于第二阈值的发动机油耗模型。第二发动机油耗模型具有精度低,但计算速度快的优点,因此第二发动机油耗模型也被称为低仿真发动机油耗模型。
候选行驶轨迹上的每个轨迹点都有其位置、速度、加速度、坡度等信息,因此根据轨迹点的信息可以计算出目标车辆在候选行驶轨迹的各个轨迹点处行驶时的发动机功率以及转速。将目标车辆在候选行驶轨迹的各个轨迹点处行驶时的发动机功率以及转速输入第二发动机油耗模型,可以计算出目标车辆在候选行驶轨迹的各个轨迹点处行驶时的油耗,进而得到候选行驶轨迹的油耗。
第二发动机油耗模型中预先设置有油耗关于功率和转速的标定数据表,因此根据发动机功率以及转速,通过查表操作可以得到对应的油耗数据。对比于第一发动机油耗模型(高仿真油耗模型)中查表效率底下的问题,第二发动机油耗模型(低仿真油耗模型)对查表空间做了整合和近似,如将近似的数据项做了合并,减少了标定数据表中的数据项。这样做虽然降低了精度,但也提高了查表效率。
根据第二发动机油耗模型计算出候选行驶轨迹的油耗后,可以进一步计算出候选行驶轨迹的第三成本。一般来说,油耗越高,第三成本越高,油耗越低,第三成本越低。
步骤1034、根据候选行驶轨迹与静态全局最优规划轨迹之间的相似度,根据所述相似度计算候选行驶轨迹的第四成本。
在之前的步骤中,已经计算出了目标路线的静态全局最优规划轨迹。由于静态全局最优规划轨迹描述了整条目标路线的规划轨迹,因此在计算相似度时,需要从静态全局最优规划轨迹中查找出与候选行驶轨迹对应路段的规划轨迹,然后计算候选行驶轨迹与所述对应路段的规划轨迹之间的相似度。
计算两条轨迹之间的相似度有多种实现方式,在本实施例中,可采用以下方法计算两条轨迹之间的相似度。首先,给定目标轨迹A,当前轨迹B;接着,对轨迹B进行离散操作,得到一系列具有预设时间间隔(如0.1秒)的位置和速度;对于这些离散位置,找到其在轨迹A中对应的速度。然后,根据所述离散位置在轨迹B中的速度与所述离散位置在轨迹A中的速度,计算速度差值。最后,根据速度差值得到相似度;其中,所述相似度反比于所有速度差值的平方和。
在本发明的其他实施例中,也可采用其他方法来计算两条轨迹之间的相似度。本发明对轨迹间的相似度计算方法不做限制。
在得到各个候选行驶轨迹的相似度后,根据相似度计算候选行驶轨迹的第四成本;其中,所述相似度越高,所述第四成本越低;所述相似度越低,所述第四成本越高。
步骤1035、根据所述第一成本、第二成本、第三成本以及第四成本,计算候选行驶轨迹的成本,根据所述成本从候选行驶轨迹中确定最优的行驶轨迹。
在之前的步骤中,已经计算得到了第一成本、第二成本、第三成本以及第四成本。在本步骤中,可基于所述第一成本、第二成本、第三成本以及第四成本,计算候选行驶轨迹的成本。
在计算成本时,可为第一成本、第二成本、第三成本以及第四成本分别设置一个权重值,各个权重值的大小根据实际情况设定。综合成本的计算公式为:
C=c1×w1+c2×w2+c3×w3+c4×w4;
其中,C表示成本;c1表示第一成本,w1表示第一成本所对应的第一权重;c2表示第二成本,w2表示第二成本所对应的第二权重;c3表示第三成本,w3表示第三成本所对应的第三权重;c4表示第四成本,w4表示第四成本所对应的第四权重。
各个候选行驶轨迹得到各自的成本后,可根据成本确定最优行驶轨迹。如将成本最低的行驶轨迹作为最优行驶轨迹。需要说明的是,在一些情况下,按照成本排序的结果,某些不满足必要约束条件的候选行驶轨迹排序在前。对于这些候选行驶轨迹,不能作为最优行驶轨迹。例如,某些候选行驶轨迹与障碍物重合,虽然计算得到的第二成本很高,但在计算总成本时,受到其他因素的影响,其总成本较其他候选行驶轨迹的总成本更低,按照成本排序时会排序在前。如果将这些候选行驶轨迹作为最优行驶轨迹,将很容易发生交通事故。因此,按照成本得到最优行驶轨迹时,还需要考虑其他的约束条件。
拟合得到的最优行驶轨迹可以作为目标车辆的控制模块的输入,由目标车辆的控制模块负责以规划轨迹作为参考,实现对目标车辆的控制。
从候选行驶轨迹中确定最优行驶轨迹的操作是周期性进行的。因此,可以根据目标路线上的路况等动态信息不断地对目标车辆的行驶轨迹进行动态调整,以达到降低油耗的目的。
本发明提供的节油行驶轨迹规划方法,根据目标路线的静态环境信息确定静态全局最优规划轨迹,然后根据目标路线的静态环境信息、动态环境信息以及目标车辆的位置、姿态信息拟合候选行驶轨迹,最后根据静态全局最优规划轨迹、第二发动机油耗模型、车辆动力学模型以及障碍物信息从候选行驶轨迹中确定最优行驶轨迹。在节油行驶轨迹规划的过程中,不变的静态环境信息通过耗时的预运算而尽可能达到最优,实时的动态信息通过在已有的最优解上快速运算迭代得到符合当下的近似最优解,实现了算力的合理分配,在节油行驶轨迹规划的准确性与实时性上达到良好的平衡。
基于上述任一实施例,本发明另一个实施例提供了一种自动驾驶方法,包括:
采用所述的节油行驶轨迹规划方法规划行驶轨迹。
自动驾驶是指车辆在无需驾驶员操作的情况下自行驾驶。在自动驾驶过程中采用本发明之前实施例所描述的节油行驶轨迹规划方法规划行驶轨迹,有助于降低车辆的油耗。
下面对本发明提供的节油行驶轨迹规划装置进行描述,下文描述的节油行驶轨迹规划装置与上文描述的节油行驶轨迹规划方法可相互对应参照。
图3为本发明提供的节油行驶轨迹规划装置的示意图,如图3所示,本发明提供的节油行驶轨迹规划装置包括:
静态全局最优规划轨迹生成模块301,用于获取目标路线的静态环境信息,根据所述目标路线的静态环境信息以及第一发动机油耗模型,得到目标路线的静态全局最优规划轨迹;其中,所述第一发动机油耗模型为发动机油耗仿真计算结果的准确度高于预设第一阈值,且单次仿真计算持续时间高于第二阈值的发动机油耗模型;所述静态全局最优规划轨迹描述了在目标路线的环境信息不变的情况下,当行驶完目标路线的全局油耗最为节省时,目标路线上各个轨迹点所对应的发动机输出功率与发动机转速;
候选行驶轨迹生成模块302,用于实时获取目标路线的动态环境信息以及目标车辆的位姿信息,根据所述目标路线的静态环境信息、动态环境信息以及目标车辆的位姿信息,实时拟合出候选行驶轨迹;
最优行驶轨迹确定模块303,用于根据所述目标线路的静态全局最优规划轨迹、车辆动力学模型、第二发动机油耗模型以及障碍物信息,计算所述候选行驶轨迹的成本,根据所述成本从所述候选行驶轨迹中确定最优行驶轨迹;其中,第二发动机油耗模型为发动机油耗仿真计算结果的准确度小于或等于预设第一阈值,或单次仿真计算持续时间小于或等于第二阈值的发动机油耗模型。
本发明提供的节油行驶轨迹规划装置,根据目标路线的静态环境信息确定静态全局最优规划轨迹,然后根据目标路线的静态环境信息、动态环境信息以及目标车辆的姿态信息拟合候选行驶轨迹,最后根据静态全局最优规划轨迹、第二发动机油耗模型、车辆动力学模型以及障碍物信息从候选行驶轨迹中确定最优行驶轨迹。在节油行驶轨迹规划的过程中,不变的静态环境信息通过耗时的预运算而尽可能达到最优,实时的动态信息通过在已有的最优解上快速运算迭代得到符合当下的近似最优解,实现了算力的合理分配,在节油行驶轨迹规划的准确性与实时性上达到良好的平衡。
图4示例了一种电子设备的实体结构示意图,如图4所示,该电子设备可以包括:处理器(processor)410、通信接口(Communications Interface)420、存储器(memory)430和通信总线440,其中,处理器410,通信接口420,存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令,以执行节油行驶轨迹规划方法,该方法包括:
获取目标路线的静态环境信息,根据所述目标路线的静态环境信息以及第一发动机油耗模型,得到目标路线的静态全局最优规划轨迹;其中,所述第一发动机油耗模型为发动机油耗仿真计算结果的准确度高于第一阈值,且单次仿真计算持续时间高于第二阈值的发动机油耗模型;所述静态全局最优规划轨迹描述了在目标路线的环境信息不变的情况下,当行驶完目标路线的全局油耗最为节省时,目标路线上各个轨迹点所对应的发动机输出功率与发动机转速;
实时获取目标路线的动态环境信息以及目标车辆的位姿信息,根据所述目标路线的静态环境信息、动态环境信息以及目标车辆的位姿信息,实时拟合出候选行驶轨迹;
根据所述目标线路的静态全局最优规划轨迹、车辆动力学模型、第二发动机油耗模型以及障碍物信息,计算所述候选行驶轨迹的成本,根据所述成本从所述候选行驶轨迹中确定最优行驶轨迹;其中,第二发动机油耗模型为发动机油耗仿真计算结果的准确度小于或等于预设第一阈值,或单次仿真计算持续时间小于或等于第二阈值的发动机油耗模型。
此外,上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法所提供的节油行驶轨迹规划方法,该方法包括:
获取目标路线的静态环境信息,根据所述目标路线的静态环境信息以及第一发动机油耗模型,得到目标路线的静态全局最优规划轨迹;其中,所述第一发动机油耗模型为发动机油耗仿真计算结果的准确度高于第一阈值,且单次仿真计算持续时间高于第二阈值的发动机油耗模型;所述静态全局最优规划轨迹描述了在目标路线的环境信息不变的情况下,当行驶完目标路线的全局油耗最为节省时,目标路线上各个轨迹点所对应的发动机输出功率与发动机转速;
实时获取目标路线的动态环境信息以及目标车辆的位姿信息,根据所述目标路线的静态环境信息、动态环境信息以及目标车辆的位姿信息,实时拟合出候选行驶轨迹;
根据所述目标线路的静态全局最优规划轨迹、车辆动力学模型、第二发动机油耗模型以及障碍物信息,计算所述候选行驶轨迹的成本,根据所述成本从所述候选行驶轨迹中确定最优行驶轨迹;其中,第二发动机油耗模型为发动机油耗仿真计算结果的准确度小于或等于预设第一阈值,或单次仿真计算持续时间小于或等于第二阈值的发动机油耗模型。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各提供的节油行驶轨迹规划方法,该方法包括:
获取目标路线的静态环境信息,根据所述目标路线的静态环境信息以及第一发动机油耗模型,得到目标路线的静态全局最优规划轨迹;其中,所述第一发动机油耗模型为发动机油耗仿真计算结果的准确度高于第一阈值,且单次仿真计算持续时间高于第二阈值的发动机油耗模型;所述静态全局最优规划轨迹描述了在目标路线的环境信息不变的情况下,当行驶完目标路线的全局油耗最为节省时,目标路线上各个轨迹点所对应的发动机输出功率与发动机转速;
实时获取目标路线的动态环境信息以及目标车辆的位姿信息,根据所述目标路线的静态环境信息、动态环境信息以及目标车辆的位姿信息,实时拟合出候选行驶轨迹;
根据所述目标线路的静态全局最优规划轨迹、车辆动力学模型、第二发动机油耗模型以及障碍物信息,计算所述候选行驶轨迹的成本,根据所述成本从所述候选行驶轨迹中确定最优行驶轨迹;其中,第二发动机油耗模型为发动机油耗仿真计算结果的准确度小于或等于预设第一阈值,或单次仿真计算持续时间小于或等于第二阈值的发动机油耗模型。
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,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。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的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (9)
1.一种节油行驶轨迹规划方法,其特征在于,包括:
获取目标路线的静态环境信息,根据所述目标路线的静态环境信息以及第一发动机油耗模型,得到目标路线的静态全局最优规划轨迹;其中,所述第一发动机油耗模型为发动机油耗仿真计算结果的准确度高于第一阈值,且单次仿真计算持续时间高于第二阈值的发动机油耗模型;所述静态全局最优规划轨迹描述了在目标路线的环境信息不变的情况下,当行驶目标路线的全局油耗最为节省时,目标路线上各个轨迹点所对应的发动机输出功率与发动机转速;
实时获取目标路线的动态环境信息以及目标车辆的位姿信息,根据所述目标路线的静态环境信息、动态环境信息以及目标车辆的位姿信息,实时拟合出候选行驶轨迹;
根据所述目标线路的静态全局最优规划轨迹、车辆动力学模型、第二发动机油耗模型以及障碍物信息,计算所述候选行驶轨迹的成本,根据所述成本从所述候选行驶轨迹中确定最优行驶轨迹;其中,第二发动机油耗模型为发动机油耗仿真计算结果的准确度小于或等于预设第一阈值,或单次仿真计算持续时间小于或等于第二阈值的发动机油耗模型;
其中,所述根据所述目标线路的静态全局最优规划轨迹、车辆动力学模型、第二发动机油耗模型以及障碍物信息,计算所述候选行驶轨迹的成本,根据所述成本从所述候选行驶轨迹中确定最优行驶轨迹,包括:
对候选行驶轨迹进行车辆动力学模型限制,根据结果计算候选行驶轨迹的第一成本;
根据障碍物信息对候选行驶轨迹进行检测,根据检测结果计算候选行驶轨迹的第二成本;
根据第二发动机油耗模型计算候选行驶轨迹的油耗,根据所述油耗计算候选行驶轨迹的第三成本;
根据候选行驶轨迹与静态全局最优规划轨迹之间的相似度,根据所述相似度计算候选行驶轨迹的第四成本;
根据所述第一成本、第二成本、第三成本以及第四成本,计算候选行驶轨迹的成本,根据所述成本从候选行驶轨迹中确定最优的行驶轨迹。
2.根据权利要求1所述的节油行驶轨迹规划方法,其特征在于,所述对候选行驶轨迹进行车辆动力学模型限制,根据结果计算候选行驶轨迹的第一成本,包括:
计算所述候选行驶轨迹与车辆动力学模型中的限制条件之间的差值;
根据所述差值,确定候选行驶轨迹的第一成本;其中;所述差值越大,所述第一成本越高,所述差值越小,所述第一成本越低;
以及,所述根据障碍物信息对候选行驶轨迹进行检测,根据检测结果计算候选行驶轨迹的第二成本,包括:
计算所述候选行驶轨迹与所述障碍物信息之间的重合程度;
根据所述重合程度,确定候选行驶轨迹的第二成本;其中,所述重合程度越高,所述第二成本越高,所述重合程度越低,所述第二成本越低。
3.根据权利要求1所述的节油行驶轨迹规划方法,其特征在于,所述根据第二发动机油耗模型计算候选行驶轨迹的油耗,根据所述油耗计算候选行驶轨迹的第三成本,包括:
根据所述候选行驶轨迹上各个轨迹点的信息,计算所述目标车辆在所述候选行驶轨迹的各个轨迹点处行驶时的发动机功率以及转速;
将目标车辆在候选行驶轨迹的各个轨迹点处行驶时的发动机功率以及转速输入第二发动机油耗模型,得到目标车辆在候选行驶轨迹的各个轨迹点处行驶时的油耗;
根据目标车辆在候选行驶轨迹的各个轨迹点处行驶时的油耗,得到所述候选行驶轨迹的油耗;
根据所述油耗计算候选行驶轨迹的第三成本。
4.根据权利要求1所述的节油行驶轨迹规划方法,其特征在于,所述根据候选行驶轨迹与静态全局最优规划轨迹之间的相似度,根据所述相似度计算候选行驶轨迹的第四成本,包括:
从静态全局最优规划轨迹中查找出与候选行驶轨迹对应路段的规划轨迹;
计算候选行驶轨迹与所述对应路段的规划轨迹之间的相似度;
根据相似度计算候选行驶轨迹的第四成本;其中,所述相似度越高,所述第四成本越低;所述相似度越低,所述第四成本越高。
5.根据权利要求1所述的节油行驶轨迹规划方法,其特征在于,所述根据所述目标路线的静态环境信息以及第一发动机油耗模型,得到目标路线的静态全局最优规划轨迹,包括:
确定所述目标路线上各个轨迹点的静态环境信息;
根据各个轨迹点的静态环境信息,多个物理量之间的影响关系,以及第一发动机油耗模型,确定所述目标路线上各个轨迹点的油耗与发动机功率、发动机转速之间的关联关系;其中,所述多个物理量包括发动机功率、发动机转速、行驶速度、加速度以及牵引力;
通过优化计算确定当行驶完目标路线的全局油耗最为节省时,目标路线上各个轨迹点所对应的发动机输出功率与发动机转速。
6.一种自动驾驶方法,其特征在于,包括:
采用权利要求1至5任一项所述的节油行驶轨迹规划方法规划行驶轨迹。
7.一种节油行驶轨迹规划装置,其特征在于,包括:
静态全局最优规划轨迹生成模块,用于获取目标路线的静态环境信息,根据所述目标路线的静态环境信息以及第一发动机油耗模型,得到目标路线的静态全局最优规划轨迹;其中,所述第一发动机油耗模型为发动机油耗仿真计算结果的准确度高于预设第一阈值,且单次仿真计算持续时间高于第二阈值的发动机油耗模型;所述静态全局最优规划轨迹描述了在目标路线的环境信息不变的情况下,当行驶完目标路线的全局油耗最为节省时,目标路线上各个轨迹点所对应的发动机输出功率与发动机转速;
候选行驶轨迹生成模块,用于实时获取目标路线的动态环境信息以及目标车辆的位姿信息,根据所述目标路线的静态环境信息、动态环境信息以及目标车辆的位姿信息,实时拟合出候选行驶轨迹;
最优行驶轨迹确定模块,用于根据所述目标线路的静态全局最优规划轨迹、车辆动力学模型、第二发动机油耗模型以及障碍物信息,计算所述候选行驶轨迹的成本,根据所述成本从所述候选行驶轨迹中确定最优行驶轨迹;其中,第二发动机油耗模型为发动机油耗仿真计算结果的准确度小于或等于预设第一阈值,或单次仿真计算持续时间小于或等于第二阈值的发动机油耗模型;
其中,所述根据所述目标线路的静态全局最优规划轨迹、车辆动力学模型、第二发动机油耗模型以及障碍物信息,计算所述候选行驶轨迹的成本,根据所述成本从所述候选行驶轨迹中确定最优行驶轨迹,包括:
对候选行驶轨迹进行车辆动力学模型限制,根据结果计算候选行驶轨迹的第一成本;
根据障碍物信息对候选行驶轨迹进行检测,根据检测结果计算候选行驶轨迹的第二成本;
根据第二发动机油耗模型计算候选行驶轨迹的油耗,根据所述油耗计算候选行驶轨迹的第三成本;
根据候选行驶轨迹与静态全局最优规划轨迹之间的相似度,根据所述相似度计算候选行驶轨迹的第四成本;
根据所述第一成本、第二成本、第三成本以及第四成本,计算候选行驶轨迹的成本,根据所述成本从候选行驶轨迹中确定最优的行驶轨迹。
8.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至5任一项所述节油行驶轨迹规划方法的步骤,或实现如权利要求6所述的自动驾驶方法的步骤。
9.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述节油行驶轨迹规划方法的步骤,或实现如权利要求6所述的自动驾驶方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011565894.0A CN112729328B (zh) | 2020-12-25 | 2020-12-25 | 节油行驶轨迹规划方法、装置、电子设备与存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011565894.0A CN112729328B (zh) | 2020-12-25 | 2020-12-25 | 节油行驶轨迹规划方法、装置、电子设备与存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112729328A CN112729328A (zh) | 2021-04-30 |
CN112729328B true CN112729328B (zh) | 2023-01-31 |
Family
ID=75616479
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011565894.0A Active CN112729328B (zh) | 2020-12-25 | 2020-12-25 | 节油行驶轨迹规划方法、装置、电子设备与存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112729328B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102435195A (zh) * | 2010-09-08 | 2012-05-02 | 哈曼贝克自动系统股份有限公司 | 车辆导航系统 |
CN104299265A (zh) * | 2014-10-22 | 2015-01-21 | 电子科技大学 | 一种流体环境影响下的群体行为控制技术 |
CN105865472A (zh) * | 2016-04-06 | 2016-08-17 | 重庆邮电大学 | 一种基于最佳油耗的车载导航方法 |
CN108597246A (zh) * | 2017-12-11 | 2018-09-28 | 武汉大学 | 一种解决路径选择实时性问题以避免局部拥堵的方法 |
CN109642801A (zh) * | 2016-08-17 | 2019-04-16 | 苹果公司 | 实时交通路由 |
US10339299B1 (en) * | 2016-03-08 | 2019-07-02 | Kashmoo, Inc. | Runtime management of application components |
CN109976355A (zh) * | 2019-04-26 | 2019-07-05 | 腾讯科技(深圳)有限公司 | 轨迹规划方法、系统、设备及存储介质 |
CN110609557A (zh) * | 2019-10-09 | 2019-12-24 | 中国人民解放军陆军装甲兵学院 | 无人车混合路径规划算法 |
CN111998867A (zh) * | 2020-08-26 | 2020-11-27 | 上海汽车集团股份有限公司 | 一种车辆路径规划方法及装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107351840B (zh) * | 2017-06-07 | 2019-07-05 | 同济大学 | 一种基于v2i的汽车节能路径及经济车速动态规划方法 |
AU2018347314A1 (en) * | 2017-10-10 | 2020-05-21 | The Government Of The United States Of America, As Represented By The Secretary Of The Navy | Method for identifying optimal vehicle paths when energy is a key metric or constraint |
CN111679678B (zh) * | 2020-06-30 | 2022-04-08 | 安徽海博智能科技有限责任公司 | 一种横纵向分离的轨迹规划方法、系统及计算机设备 |
-
2020
- 2020-12-25 CN CN202011565894.0A patent/CN112729328B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102435195A (zh) * | 2010-09-08 | 2012-05-02 | 哈曼贝克自动系统股份有限公司 | 车辆导航系统 |
CN104299265A (zh) * | 2014-10-22 | 2015-01-21 | 电子科技大学 | 一种流体环境影响下的群体行为控制技术 |
US10339299B1 (en) * | 2016-03-08 | 2019-07-02 | Kashmoo, Inc. | Runtime management of application components |
CN105865472A (zh) * | 2016-04-06 | 2016-08-17 | 重庆邮电大学 | 一种基于最佳油耗的车载导航方法 |
CN109642801A (zh) * | 2016-08-17 | 2019-04-16 | 苹果公司 | 实时交通路由 |
CN108597246A (zh) * | 2017-12-11 | 2018-09-28 | 武汉大学 | 一种解决路径选择实时性问题以避免局部拥堵的方法 |
CN109976355A (zh) * | 2019-04-26 | 2019-07-05 | 腾讯科技(深圳)有限公司 | 轨迹规划方法、系统、设备及存储介质 |
CN110609557A (zh) * | 2019-10-09 | 2019-12-24 | 中国人民解放军陆军装甲兵学院 | 无人车混合路径规划算法 |
CN111998867A (zh) * | 2020-08-26 | 2020-11-27 | 上海汽车集团股份有限公司 | 一种车辆路径规划方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112729328A (zh) | 2021-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11126187B2 (en) | Systems and methods for controlling the operation of a vehicle | |
CN110155031B (zh) | 使用神经网络的用于车辆横向控制的轨迹跟踪 | |
CN110471415B (zh) | 具有自动驾驶模式的车辆及其控制方法和系统 | |
CN110673602B (zh) | 一种强化学习模型、车辆自动驾驶决策的方法和车载设备 | |
US11364929B2 (en) | Systems and methods for shared control of a vehicle | |
JP2018203250A (ja) | 交通に応じた動的車両制御のためのシステムおよび方法 | |
US11975725B2 (en) | Systems and methods for updating the parameters of a model predictive controller with learned external parameters generated using simulations and machine learning | |
US11341866B2 (en) | Systems and methods for training a driver about automated driving operation | |
US10546499B2 (en) | Systems and methods for notifying an occupant of a cause for a deviation in a vehicle | |
US11853069B2 (en) | Continuing lane driving prediction | |
US20220242401A1 (en) | Systems and methods for updating the parameters of a model predictive controller with learned controls parameters generated using simulations and machine learning | |
CN113655789A (zh) | 路径跟踪方法、装置、车辆及存储介质 | |
JP2021127002A (ja) | 車両制御装置、車両制御方法、およびプログラム | |
CN111806462B (zh) | 车辆控制装置 | |
CN112729328B (zh) | 节油行驶轨迹规划方法、装置、电子设备与存储介质 | |
US11220255B2 (en) | Systems and methods for mitigating trailer instability due to pressure differentials | |
US20220242441A1 (en) | Systems and methods for updating the parameters of a model predictive controller with learned operational and vehicle parameters generated using simulations and machine learning | |
CN111231977B (zh) | 一种车辆速度的确定方法、装置、车辆及存储介质 | |
JP2022083359A (ja) | 電子制御装置 | |
JP7241800B2 (ja) | 車両制御装置及び車両制御方法 | |
US11763694B2 (en) | Systems and methods for training a driver about automated driving operation using a reliability model | |
CN117091618B (zh) | 一种无人驾驶车辆路径规划方法、装置及电子设备 | |
US20240075923A1 (en) | Systems and methods for deweighting veering margins based on crossing time | |
US20240017726A1 (en) | Lane Adjustment Techniques for Slow Lead Agents | |
US20240092356A1 (en) | System and method for training a policy using closed-loop weighted empirical risk minimization |
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 |