CN113065240B - 一种自适应巡航仿真方法、装置、电子设备和存储介质 - Google Patents

一种自适应巡航仿真方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN113065240B
CN113065240B CN202110299805.0A CN202110299805A CN113065240B CN 113065240 B CN113065240 B CN 113065240B CN 202110299805 A CN202110299805 A CN 202110299805A CN 113065240 B CN113065240 B CN 113065240B
Authority
CN
China
Prior art keywords
simulation
speed
test scene
test
distance
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
CN202110299805.0A
Other languages
English (en)
Other versions
CN113065240A (zh
Inventor
徐本睿
李爽
何谦
王浩
李再兴
卢秋霞
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.)
Chengdu Anzhijie Technology Co ltd
Original Assignee
Chengdu Anzhijie Technology 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 Chengdu Anzhijie Technology Co ltd filed Critical Chengdu Anzhijie Technology Co ltd
Priority to CN202110299805.0A priority Critical patent/CN113065240B/zh
Publication of CN113065240A publication Critical patent/CN113065240A/zh
Application granted granted Critical
Publication of CN113065240B publication Critical patent/CN113065240B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请提供一种自适应巡航仿真方法、装置、电子设备和存储介质，该方法包括：获取预设的测试场景范围；遍历测试场景范围以依次得到每一测试场景的初始速度距离数据；从每一测试场景对应的排序最靠前的仿真周期开始，根据每一测试场景在每一仿真周期开始时的速度距离数据和预设的自适应巡航策略计算每一测试场景在每一仿真周期的期望控制量，并根据每一测试场景在每一仿真周期的期望控制量和对应仿真周期的速度距离数据计算每一测试场景在每一仿真周期结束时的速度和距离的更新数据，直至多个测试场景仿真完成，其中，下一仿真周期开始时的速度距离数据为上一仿真周期结束时的速度和距离的更新数据。

Description

一种自适应巡航仿真方法、装置、电子设备和存储介质
技术领域
本申请涉及自适应巡航技术领域，具体而言，涉及一种自适应巡航仿真方法、装置、电子设备和存储介质。
背景技术
目前自适应巡航仿真测试需要测试人员设计测试案例，然后在Prescan中建立仿真测试场景，将控制策略编写成Simulink模型，最后再运行Simulink和Prescan联合仿真得到测试结果。
由于目前的仿真测试方法需要在Prescan中建立测试场景，而Prescan的测试场景建立通常需要较长的时间，使得目前的仿真测试效率较为低下。
发明内容
本申请实施例的目的在于提供一种自适应巡航仿真方法、装置、电子设备和存储介质，用以解决目前的仿真测试方法需要在Prescan中建立测试场景，而Prescan的测试场景建立通常需要较长的时间，使得仿真测试效率较为低下的问题。
第一方面，本发明提供一种自适应巡航仿真方法，包括：获取预设的测试场景范围，所述测试场景范围包括多个测试场景，所述多个测试场景中的每一测试场景均包括多个仿真周期，所述多个仿真周期按照预设排序依次进行仿真，每个测试场景包含一组初始速度距离数据，所述初始速度距离数据为多个仿真周期中排序最靠前的仿真周期开始时的速度距离数据，所述速度距离数据包括对应仿真周期的本车初始速度、目标参考物的目标速度、设定巡航速度以及车辆与目标参考物的距离；遍历所述测试场景范围以依次得到每一测试场景的初始速度距离数据；从每一测试场景对应的排序最靠前的仿真周期开始，根据每一测试场景在每一仿真周期开始时的速度距离数据和预设的自适应巡航策略计算每一测试场景在每一仿真周期的期望控制量，并根据每一测试场景在每一仿真周期的期望控制量和对应仿真周期的速度距离数据计算每一测试场景在每一仿真周期结束时的速度和距离的更新数据，直至所述多个测试场景仿真完成，其中，下一仿真周期开始时的速度距离数据为上一仿真周期结束时的速度和距离的更新数据。
在上述设计的自适应巡航仿真方法中，通过遍历设定的测试场景范围中的多组速度距离数据来分别得到每一测试场景对应的初始速度距离数据，该多组速度距离数据是将多种实际复杂道路场景抽象成不同本车速度、目标参考物的目标速度、设定巡航速度以及车辆与目标参考物的距离得到，该初始速度距离数据为多个仿真周期中排序最靠前的仿真周期开始时的速度距离数据，从每一测试场景对应的排序最靠前的仿真周期开始，根据每一测试场景在每一仿真周期开始时的速度距离数据和预设的自适应巡航策略计算每一测试场景在每一仿真周期的期望控制量，并根据每一测试场景在每一仿真周期的期望控制量和对应仿真周期的速度距离数据计算每一测试场景在每一仿真周期结束时的速度和距离的更新数据，直至多个测试场景仿真完成，并且每一下一仿真周期开始时的速度距离数据为上一仿真周期结束时的速度和距离的更新数据；由此可知，本申请方案通过将复杂的道路场景及各种前车变道插入等道路场景抽象成不同本车速度、目标参考物的目标速度、设定巡航速度以及车辆与目标参考物的距离的组合，极大的提高了对可能遇到场景的覆盖率；并且无需在Prescan中建立测试场景，只需采用程序自动历遍预设场景，执行仿真即可实现自适应巡航的仿真测试，极大地提高了测试的速度；另外，现有仿真测试方案是在Simulink模型中得到自适应巡航测试的实施思路，而Simulink的模型无法直接用到实际的车辆控制器上面，需根据实施思路编写自适应巡航的实施程序，因此难以避免的造成了实际车辆控制器逻辑与仿真模型的差别，大大减弱了仿真测试的作用；而本申请方案无需采用Simulink的模型，而是直接对预设的自适应巡航(设计的自适应巡航程序)进行仿真测试，测试完成之后，可直接将预设的自适应巡航移植到实际的车辆控制器中，保证了仿真测试结果与实际车辆的策略的高度一致。
在第一方面的可选实施方式中，每一仿真周期具有对应的仿真长度，若所述期望控制量为期望加速度值，所述根据每一测试场景在每一仿真周期的期望控制量和对应仿真周期的速度距离数据计算每一测试场景在每一仿真周期结束时的速度和距离的更新数据，包括：根据每一测试场景在每一仿真周期开始时的本车初始速度、对应仿真周期的期望加速度值以及仿真长度计算每一测试场景在每一仿真周期结束时的本车更新速度；根据每一测试场景在每一仿真周期开始时的车辆与目标参考物的距离、目标速度、对应仿真周期的本车更新速度以及仿真长度计算每一测试场景在每一周期结束时本车与目标参考物的更新距离，以得到每一测试场景在每一仿真周期结束时的速度和距离的更新数据。
在第一方面的可选实施方式中，每一仿真周期具有对应的仿真长度，若所述期望控制量为本车的输出扭矩值与主缸压强值，所述根据每一测试场景在每一仿真周期的期望控制量和对应仿真周期的速度距离数据计算每一测试场景在每一仿真周期结束时的速度和距离的更新数据，包括：根据每一测试场景在每一仿真周期的输出扭矩值和主缸压强值计算每一测试场景在每一仿真周期的实际加速度值；根据每一测试场景在每一仿真周期的实际加速度值和对应仿真周期的速度距离数据计算每一测试场景在每一仿真周期结束时的速度和距离的更新数据。
在第一方面的可选实施方式中，所述根据每一测试场景在每一仿真周期的输出扭矩值和主缸压强值计算每一测试场景在每一仿真周期的实际加速度值，包括：根据每一测试场景在每一仿真周期的输出扭矩值计算每一测试场景在每一仿真周期的车轮的驱动力以及车辆受到的阻力；根据每一测试场景在每一仿真周期的车轮的驱动力以及车辆受到的阻力计算每一测试场景在每一仿真周期的实际加速度值。
在第一方面的可选实施方式中，所述根据每一测试场景在每一仿真周期的实际加速度值和对应仿真周期的速度距离数据计算每一测试场景在每一仿真周期结束时的速度和距离的更新数据，包括：根据每一测试场景在每一仿真周期开始时的本车初始速度、对应仿真周期的实际加速度值以及仿真长度计算每一测试场景在每一仿真周期结束时的本车更新速度；根据每一测试场景在每一仿真周期开始时的车辆与目标参考物的距离、目标速度、对应仿真周期的本车更新速度以及仿真长度计算每一测试场景在每一仿真周期结束时本车与目标参考物的更新距离，以得到每一测试场景在每一仿真周期结束时的速度和距离的更新数据。
在第一方面的可选实施方式中，在多个测试场景仿真完成之后，所述方法还包括：统计每一测试场景对应的每一仿真周期的速度和距离的更新数据；根据统计每一测试场景对应的每一仿真周期的速度和距离的更新数据生成每一测试场景对应的速度和距离变化曲线。
在第一方面的可选实施方式中，在所述统计每一测试场景对应的每一仿真周期的速度和距离的更新数据之后，所述方法还包括：根据统计的每一测试场景对应的每一仿真周期的速度和距离的更新数据以及预设的自适应巡航策略的评价指标对所述预设的自适应巡航策略进行评价。
第二方面，本发明提供一种自适应巡航仿真装置，包括：获取模块，用于获取预设的测试场景范围，所述测试场景范围包括多个测试场景，所述多个测试场景中的每一测试场景均包括多个仿真周期，所述多个仿真周期按照预设排序依次进行仿真，每个测试场景包含一组初始速度距离数据，所述初始速度距离数据为多个仿真周期中排序最靠前的仿真周期开始时的速度距离数据，所述速度距离数据包括对应仿真周期的本车初始速度、目标参考物的目标速度、设定巡航速度以及车辆与目标参考物的距离；遍历模块，用于遍历所述测试场景范围以依次得到每一测试场景的初始速度距离数据；计算模块，用于从每一测试场景对应的排序最靠前的仿真周期开始，根据每一测试场景在每一仿真周期开始时的速度距离数据和预设的自适应巡航策略计算每一测试场景在每一仿真周期的期望控制量，并根据每一测试场景在每一仿真周期的期望控制量和对应仿真周期的速度距离数据计算每一测试场景在每一仿真周期结束时的速度和距离的更新数据，直至所述多个测试场景仿真完成，其中，下一仿真周期开始时的速度距离数据为上一仿真周期结束时的速度和距离的更新数据。
在上述设计的自适应巡航仿真装置中，通过遍历设定的测试场景范围中的多组速度距离数据来分别得到每一测试场景对应的初始速度距离数据，该多组速度距离数据是将多种实际复杂道路场景抽象成不同本车速度、目标参考物的目标速度、设定巡航速度以及车辆与目标参考物的距离得到，该初始速度距离数据为多个仿真周期中排序最靠前的仿真周期开始时的速度距离数据，从每一测试场景对应的排序最靠前的仿真周期开始，根据每一测试场景在每一仿真周期开始时的速度距离数据和预设的自适应巡航策略计算每一测试场景在每一仿真周期的期望控制量，并根据每一测试场景在每一仿真周期的期望控制量和对应仿真周期的速度距离数据计算每一测试场景在每一仿真周期结束时的速度和距离的更新数据，直至多个测试场景仿真完成，并且每一下一仿真周期开始时的速度距离数据为上一仿真周期结束时的速度和距离的更新数据；由此可知，本申请方案通过将复杂的道路场景及各种前车变道插入等道路场景抽象成不同本车速度、目标参考物的目标速度、设定巡航速度以及车辆与目标参考物的距离的组合，极大的提高了对可能遇到场景的覆盖率；并且无需在Prescan中建立测试场景，只需采用程序自动历遍预设场景，执行仿真即可实现自适应巡航的仿真测试，极大地提高了测试的速度；另外，现有仿真测试方案是在Simulink模型中得到自适应巡航测试的实施思路，而Simulink的模型无法直接用到实际的车辆控制器上面，需根据实施思路编写自适应巡航的实施程序，因此难以避免的造成了实际车辆控制器逻辑与仿真模型的差别，大大减弱了仿真测试的作用；而本申请方案无需采用Simulink的模型，而是直接对预设的自适应巡航(设计的自适应巡航程序)进行仿真测试，测试完成之后，可直接将预设的自适应巡航移植到实际的车辆控制器中，保证了仿真测试结果与实际车辆的策略的高度一致。
在第二方面的可选实施方式中，每一仿真周期具有对应的仿真长度，若所述期望控制量为期望加速度值，所述计算模块，具体用于根据每一测试场景在每一仿真周期开始时的本车初始速度、对应仿真周期的期望加速度值以及仿真长度计算每一测试场景在每一仿真周期结束时的本车更新速度；根据每一测试场景在每一仿真周期开始时的车辆与目标参考物的距离、目标速度、对应仿真周期的本车更新速度以及仿真长度计算每一测试场景在每一周期结束时本车与目标参考物的更新距离，以得到每一测试场景在每一仿真周期结束时的速度和距离的更新数据。
在第二方面的可选实施方式中，每一仿真周期具有对应的仿真长度，若所述期望控制量为本车的输出扭矩值与主缸压强值，所述计算模块，还具体用于根据每一测试场景在每一仿真周期的输出扭矩值和主缸压强值计算每一测试场景在每一仿真周期的实际加速度值；根据每一测试场景在每一仿真周期的实际加速度值和对应仿真周期的速度距离数据计算每一测试场景在每一仿真周期结束时的速度和距离的更新数据。
在第二方面的可选实施方式中，所述装置还包括统计模块，用于统计每一测试场景对应的每一仿真周期的速度和距离的更新数据；生成模块，用于根据统计每一测试场景对应的每一仿真周期的速度和距离的更新数据生成每一测试场景对应的速度和距离变化曲线。
在第二方面的可选实施方式中，所述装置还包括评价模块，用于根据统计的每一测试场景对应的每一仿真周期的速度和距离的更新数据以及预设的自适应巡航策略的评价指标对所述预设的自适应巡航策略进行评价。
第三方面，实施例提供一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时执行第一方面、第一方面的任一可选的实现方式中的所述方法。
第四方面，实施例提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时执行第一方面、第一方面的任一可选的实现方式中的所述方法。
第五方面，实施例提供了一种计算机程序产品，所述计算机程序产品在计算机上运行时，使得计算机执行第一方面、第一方面的任一可选的实现方式中的所述方法。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本申请实施例提供的自适应巡航仿真方法第一流程图；
图2为本申请实施例提供的自适应巡航仿真方法第二流程图；
图3为本申请实施例提供的自适应巡航仿真方法第三流程图；
图4为本申请实施例提供的自适应巡航仿真方法第四流程图；
图5为本申请实施例提供的自适应巡航仿真方法第五流程图；
图6为本申请实施例提供的自适应巡航仿真方法第六流程图；
图7为本申请实施例提供的自适应巡航仿真装置结构示意图；
图8为本申请实施例提供的电子设备结构示意图。
图标：700-获取模块；701-遍历模块；702-计算模块；703-统计模块；704-生成模块；705-评价模块；8-电子设备；801-处理器；802-存储器；803-通信总线。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。
本申请实施例提供一种自适应巡航仿真方法，该仿真方法可应用于计算设备，例如计算机或服务器等，如图1所示，该方法具体可包括如下步骤：
步骤S100：获取预设的测试场景范围。
步骤S101：遍历测试场景范围以依次得到每一测试场景对应的初始速度距离数据。
步骤S102：从每一测试场景对应的排序最靠前的仿真周期开始，根据每一测试场景在每一仿真周期开始时的速度距离数据和预设的自适应巡航策略计算每一测试场景在每一仿真周期的期望控制量，根据每一测试场景在每一仿真周期的期望控制量和对应仿真周期的速度距离数据计算每一测试场景在每一仿真周期结束时的速度和距离的更新数据，直至所述多个测试场景仿真完成。
在步骤S100中，该测试场景范围包括多个测试场景，该多个测试场景中的每一测试场景均包括多个仿真周期，多个仿真周期按照预设排序依次进行仿真，作为一种可能的实施方式，本方案可对多个测试场景中的每一测试场景设定相同的仿真推演时长，并且将仿真推演时长划分成多个仿真周期，那么，即可将每个测试场景划分为多个仿真周期；例如每个测试场景的仿真推演时长t＝150s，每个仿真周期可设定相同的仿真长度T＝0.1s，那么即可得到每个测试场景有1500个仿真周期。
在步骤S100中，每个测试场景还具有一组初始速度距离数据，该初始速度距离数据为多个仿真周期中排序最靠前的仿真周期开始时的速度距离数据，该速度距离数据包括对应仿真周期的本车初始速度、目标参考物的目标速度、设定巡航速度以及车辆与目标参考物的距离；其中，每一测试场景与一实际的道路场景对应，例如，可为实际的前车变道场景或前车插入场景等等；每个测试场景对应的初始速度距离数据是将每个场景的实际情况抽象后得到，因为道路上无论是什么场景始终会体现到本车与目标参照物(目标车辆)的速度和距离的变化上；作为一种具体的实施方式，假设测试场景范围包含的多组初始速度距离数据如下：本车初始速度25km/h、目标速度25km/h、设定巡航速度35km/h、两车相对距离分别为5、10、15、20，那么可得知该测试场景范围包含了4个测试场景。
这里需要说明的是：上述是为了方便对本方案的理解进行的举例，本方案中本车初始速度、目标速度以及设定的巡航速度也可以分别设定一个范围值，进而可以得到不同的多种测试场景。
在通过步骤S100获得预设的测试场景范围之后，本方案可执行步骤S101遍历测试场景范围以依次得到每一测试场景的初始速度距离数据；作为一种可能的实施方式，前述的多个测试场景可具有预设的仿真顺序，本方案在获取测试场景时，可根据预设的仿真顺序依次遍历每一个测试场景，即可依次得到每一个测试场景的初始速度距离数据，进而根据每个测试场景的多个仿真周期依次对每一个测试场景执行仿真。
在前述举例的基础上对上述遍历进行说明，前述的几个测试场景可具有一定的仿真顺序，如本车初始速度25km/h、目标速度25km/h、设定巡航速度35km/h、两车相对距离5m排序第一，在遍历时首先遍历得到，在遍历得到后即可对该测试场景进行仿真；另一测试场景：本车初始速度25km/h、目标速度25km/h、设定巡航速度35km/h、两车相对距离10m排序第二，在排序第一的测试场景仿真完毕之后，即可遍历得到进而进行仿真；如此重复，即可根据仿真顺序将测试场景范围中的每一测试场景仿真完成。
在上述的基础上，执行步骤S102，即从每一测试场景对应的排序最靠前的仿真周期开始，根据每一测试场景在每一仿真周期开始时的速度距离数据和预设的自适应巡航策略计算每一测试场景在每一仿真周期的期望控制量，并根据每一测试场景在每一仿真周期的期望控制量和对应仿真周期的速度距离数据计算每一测试场景在每一仿真周期结束时的速度和距离的更新数据，直至多个测试场景仿真完成；
步骤S102中从每一测试场景对应的排序最靠前的仿真周期开始，根据每一测试场景在每一仿真周期开始时的速度距离数据和预设的自适应巡航策略计算每一测试场景在每一仿真周期的期望控制量的含义是：从最靠前的仿真周期开始，将每一测试场景在每一仿真周期开始时的速度距离数据输入该预设的自适应巡航策略中，即可得到该自适应巡航策略根据每一仿真周期开始时的速度距离数据决策出对本车的控制参数的调整值，即决策出每一测试场景在当前仿真周期的期望控制量。其中，该控制参数具体可为加速度，也可以为输出扭矩和主缸压强，进而该期望控制量可为加速度值，也可以为输出扭矩值和主缸压强值；该预设的自适应巡航策略表示目前已经设计好但需要进行仿真测试效果的自适应巡航策略程序。
作为一种可能的实施方式，该预设的自适应巡航策略可为目前已有的自适应巡航策略，也可以为如下设计的自适应巡航策略：当本车前方无车时，该自适应巡航策略确定为定速巡航模式，进而可根据本车速度和设定巡航速度的差值以及本车速度进行模糊控制计算得到定速巡航的加速度值，进而进行自动输出；当本车前方有车时，该自适应巡航策略确定为跟车巡航模式，进而基于本车与目标参照物的相对速度以及时距差进行模糊控制计算得到的跟车巡航的加速度值，进而进行自动输出，该时距差表示本车与目标参照物的时距与预设的安全时距之差。
在步骤S102得到自适应巡航策略决策出的每一测试场景在每一仿真周期的期望控制量之后，本申请方案即可根据每一测试场景在每一仿真周期的期望控制量和对应仿真周期的速度距离数据计算每一测试场景在每一仿真周期结束时的速度和距离的更新数据，其含义是通过得到的每一仿真周期的期望控制量对本车进行状态模拟仿真，进而可获得在每一仿真周期结束时该仿真周期的速度距离数据会发生什么样的变化，变化后的速度距离数据即为速度和距离的更新数据；另外，这里需要说明的是，下一仿真周期开始时的速度距离数据为上一仿真周期结束时的速度和距离的更新数据。
前面内容描述到期望控制量可为加速度值，也可以为输出扭矩值和主缸压强值；作为一种可能的实施方式，当期望控制量为输出扭矩值和主缸压强值时，步骤S102根据每一测试场景在每一仿真周期的期望控制量和对应仿真周期的速度距离数据计算每一测试场景在每一仿真周期结束时的速度和距离的更新数据，如图2所示，具体可为如下步骤：
步骤S200：根据每一测试场景在每一仿真周期的输出扭矩值和主缸压强值计算每一测试场景在每一仿真周期的实际加速度值。
步骤S201：根据每一测试场景在每一仿真周期的实际加速度值和对应仿真周期的速度距离数据计算每一测试场景在每一仿真周期结束时的速度和距离的更新数据。
在上述步骤S200中，当设计的待测试的自适应巡航策略输出的结果是输出扭矩值和主缸压强值时，则根据对应的输出扭矩值和主缸压强值计算对应的实际加速度值，作为一种可能的实施方式，如图3所示，计算加速度值的过程具体可为：
步骤S300：根据每一测试场景在每一仿真周期的输出扭矩值计算每一测试场景在每一仿真周期的车轮的驱动力以及车辆受到的阻力。
步骤S301：根据每一测试场景在每一仿真周期的车轮的驱动力以及车辆受到的阻力计算每一测试场景在每一仿真周期的实际加速度值。
在步骤S300中，计算车轮的驱动力具体可通过如下公式计算：
Figure BDA0002985101020000131
其中，M0为仿真周期对应的发动机的输出转矩值，i0为总传动比，θt为传统系统总效率，R为车轮半径。
车辆受到的阻力具体包括滚动阻力Fy、空气阻力Fw、加速阻力Fj、制动阻力Fb以及坡度阻力Fi，作为一种可能的实施方式，计算滚动阻力Ff具体可通过如下公式：
Ff＝mgf；
其中，m为本车质量；f为滚阻系数。
空气阻力Fw可通过如下公式计算：
Figure BDA0002985101020000141
其中，CD为空气阻力系数；A为本车迎风面积；u为仿真周期对应的本车初始速度。
加速阻力Fj具体可通过如下公式计算：
Fj＝δma1；
其中，δ为旋转质量转化系数，a1为仿真周期对应的实际加速度值。
制动阻力Fb具体可通过如下公式计算：
Fb＝KbPb；
其中，Kb为制动压力比例系数；Pb为制动压力。
坡度阻力Fi具体可通过如下公式计算：
Fi＝mg sinα；
其中，α为坡度仰角。
根据车轮的驱动力以及车辆受到的阻力计算对应的实际加速度值a1，作为一种可能的实施方式，通过如下公式计算：
Figure BDA0002985101020000142
通过如上方式计算得到实际加速度值a1之后，即可执行步骤S201根据每一测试场景在每一仿真周期的实际加速度值和对应仿真周期的速度距离数据计算每一测试场景在每一仿真周期结束时的速度和距离的更新数据。
作为一种可能的实施方式，步骤S201根据每一测试场景在每一仿真周期的实际加速度值和对应仿真周期的速度距离数据计算每一测试场景在每一仿真周期结束时的速度和距离的更新数据，如图4所示，可通过如下步骤实现：
步骤S400：根据每一测试场景在每一仿真周期开始时的本车初始速度、对应仿真周期的实际加速度值以及仿真长度计算每一测试场景在每一仿真周期结束时的本车更新速度。
步骤S401：根据每一测试场景在每一仿真周期开始时的车辆与目标参考物的距离、目标速度、对应仿真周期的本车更新速度以及仿真长度计算每一测试场景在每一仿真周期结束时本车与目标参考物的更新距离，以得到每一测试场景在每一仿真周期结束时的速度和距离的更新数据。
在步骤S400中，本申请方案可根据每一测试场景在每一仿真周期开始时的本车初始速度、对应仿真周期的实际加速度值以及仿真长度计算每一测试场景在每一仿真周期结束时本车的更新速度；具体的，可通过如下公式计算得到：
Vs′＝Vs+a1*T；
其中，VS ′为仿真周期结束时本车的更新速度；VS为对应仿真周期开始时的本车初始速度；a1为对应仿真周期的实际加速度值；T为仿真长度。
在步骤S401中，本申请方案可根据每一测试场景在每一仿真周期开始时的车辆与目标参考物的距离、目标速度、对应仿真周期的本车的更新速度以及仿真长度计算每一测试场景在每一仿真周期结束时本车与目标参考物的更新距离，具体的，可通过如下公式计算得到：
R′＝R+(Vs′-Vt)*T；
其中，R′为仿真周期结束时本车与目标参考物的更新距离；R为对应仿真周期开始时车辆与目标参考物的距离；Vt为目标速度。
这里需要说明的是，前述已经提到自适应巡航策略可输出期望加速度值或本车的输出扭矩值与主缸压强值，当自适应巡航策略输出为期望加速度值时，根据期望加速度值计算速度和距离的更新数据时，只需将上述的实际加速度值a1替换为期望加速度值即可，其余步骤与上述计算步骤一致，在这里不再进行赘述。
在通过上述步骤计算得到多个测试场景中每一测试场景在每一仿真周期的速度和距离的更新数据后即可完成仿真。
上述方案通过如下举例进行说明：假设多个测试场景中包含有两个测试场景分别为测试场景M、测试场景N以及测试场景K，测试场景M具有仿真顺序依次的T1、T2、T3；首先遍历得到测试场景M的初始速度距离数据，该初始速度距离数据为仿真周期T1的速度距离数据，初始速度距离数据为本车初始速度25km/h、目标速度25km/h、设定巡航速度35km/h、两车相对距离5m，通过自适应巡航策略决策得到的期望加速度为-1.25m/s2，进而通过计算得到的测试场景M的仿真周期T1结束时的速度和距离的更新数据为本车初始速度24.82km/h、目标速度25km/h、设定巡航速度35km/h、两车相对距离5.005m，此时仿真周期T1仿真完毕，进入仿真周期T2，该仿真周期T2开始时的速度距离数据即为仿真周期T1结束时速度和距离的更新数据，即仿真周期T2开始时的速度距离数据为本车初始速度24.82km/h、目标速度25km/h、设定巡航速度35km/h、两车相对距离5.005m，进而根据仿真周期T2开始时的速度距离数据和自适应巡航策略来计算出仿真周期T2的期望加速度，进而计算仿真周期T2结束时的速度和距离的更新数据，然后进入仿真周期T3；仿真周期T3在进行仿真时，其开始仿真时的速度距离数据即为仿真周期T2结束时的速度和距离的更新数据，这样在得到仿真周期T3结束时的速度和距离的更新数据，即可将测试场景M仿真完成，进而继续遍历测试场景范围得到下一测试场景(例如测试场景N)的初始速度距离数据，重复类似于测试场景M的仿真步骤进而即可完成测试场景N的仿真；最后遍历得到测试场景K的初始速度距离数据，重复类似于测试场景M的仿真步骤进而即可完成测试场景K的仿真，进而完成了所有测试场景的仿真。
在上述设计的自适应巡航仿真方法中，通过遍历设定的测试场景范围中的多组速度距离数据来分别得到每一测试场景对应的初始速度距离数据，该多组速度距离数据是将多种实际复杂道路场景抽象成不同本车速度、目标参考物的目标速度、设定巡航速度以及车辆与目标参考物的距离得到，该初始速度距离数据为多个仿真周期中排序最靠前的仿真周期开始时的速度距离数据，从每一测试场景对应的排序最靠前的仿真周期开始，根据每一测试场景在每一仿真周期开始时的速度距离数据和预设的自适应巡航策略计算每一测试场景在每一仿真周期的期望控制量，并根据每一测试场景在每一仿真周期的期望控制量和对应仿真周期的速度距离数据计算每一测试场景在每一仿真周期结束时的速度和距离的更新数据，直至多个测试场景仿真完成，并且每一下一仿真周期开始时的速度距离数据为上一仿真周期结束时的速度和距离的更新数据；由此可知，本申请方案通过将复杂的道路场景及各种前车变道插入等道路场景抽象成不同本车速度、目标参考物的目标速度、设定巡航速度以及车辆与目标参考物的距离的组合，极大的提高了对可能遇到场景的覆盖率；并且无需在Prescan中建立测试场景，只需采用程序自动历遍预设场景，执行仿真即可实现自适应巡航的仿真测试，极大地提高了测试的速度；另外，现有仿真测试方案是在Simulink模型中得到自适应巡航测试的实施思路，而Simulink的模型无法直接用到实际的车辆控制器上面，需根据实施思路编写自适应巡航的实施程序，因此难以避免的造成了实际车辆控制器逻辑与仿真模型的差别，大大减弱了仿真测试的作用；而本申请方案无需采用Simulink的模型，而是直接对预设的自适应巡航(设计的自适应巡航程序)进行仿真测试，测试完成之后，可直接将预设的自适应巡航移植到实际的车辆控制器中，保证了仿真测试结果与实际车辆的策略的高度一致。
作为一种可能的实施方式，每一测试场景除了直到仿真时长达到设定时长或者所有的仿真周期执行完成使得测试场景仿真结束以外，还可以设置一定的场景仿真结束条件，该场景仿真结束条件包括但不限于：本车与目标参照物相撞(即本车与目标参照物的距离≤0)；本车与目标参照物距离过远(即本车与目标参照物的距离＞预设值)，等等。
在本实施例的可选实施方式中，在执行步骤S103完成多个测试场景的仿真之后，如图5所示，本方案还可以包括如下步骤：
步骤S500：统计每一测试场景对应的每一仿真周期的速度和距离的更新数据。
步骤S501：根据统计每一测试场景对应的每一仿真周期的速度和距离的更新数据生成每一测试场景对应的速度和距离变化曲线。
在上述步骤中，本申请方案在所有的测试场景完成仿真推演之后，可将每一测试场景对应的仿真结果，即每一测试场景对应的每一仿真周期的速度和距离的更新数据进行存储，进而可进行数据追溯；当然，除了存储以外，本申请方案还可以执行步骤S501来根据统计每一测试场景对应的每一仿真周期的速度和距离的更新数据生成每一测试场景对应的速度和距离变化曲线，该速度和距离变化曲线包括但不限于速度变化曲线图、距离变化曲线图、加速度变化曲线图等等，进而可以观察出每一测试场景的速度和距离变化，作为一种可能的实施方式，本申请方案还可以将绘制出的这些变化曲线图与每一测试场景的场景名称或编号进行关联，进而可以更好地进行调用和分析。
在本实施例的可选实施方式中，在本申请方案执行前述步骤S500统计每一测试场景对应的每一仿真周期的速度和距离的更新数据的基础上，如图6所示，本方案还可以包括如下步骤：
步骤S600：根据统计的每一测试场景对应的每一仿真周期的速度和距离的更新数据以及预设的自适应巡航策略的评价指标对预设的自适应巡航策略进行评价。
在上述步骤中，本申请方案可提前设置自适应巡航策略的评价指标，例如FCW报警、碰撞、时距小于不可接受阈值、短时间内油门制动频繁切换等自适应巡航策略的决策失误发生的情况，然后根据统计的每一测试场景对应的每一仿真周期的速度和距离的更新数据来统计仿真完成的测试场景发生上述情况的次数，进而可以评价该预设的自适应巡航策略；评价的具体方式可为设定次数阈值，如果次数超过该次数阈值则说明该自适应巡航策略需要进行调整修改；如果发生次数没有超过该次数阈值，则说明该自适应巡航策略应用效果较好，可直接将该自适应巡航策略的程序移植到实际车辆的控制器上进行实际使用。
图7出示了本申请提供的自适应巡航控制装置的示意性结构框图，应理解，该装置与上述图1至图6中执行的方法实施例对应，能够执行前述的方法涉及的步骤，该装置具体的功能可以参见上文中的描述，为避免重复，此处适当省略详细描述。该装置包括至少一个能以软件或固件(firmware)的形式存储于存储器中或固化在装置的操作系统(operatingsystem，OS)中的软件功能模块。具体地，该装置包括：获取模块700，用于获取预设的测试场景范围，该测试场景范围包括多个测试场景，多个测试场景中的每一测试场景均包括多个仿真周期，多个仿真周期按照预设排序依次进行仿真，每个测试场景包含一组初始速度距离数据，初始速度距离数据为多个仿真周期中排序最靠前的仿真周期开始时的速度距离数据，该速度距离数据包括对应仿真周期的本车初始速度、目标参考物的目标速度、设定巡航速度以及车辆与目标参考物的距离；遍历模块701，用于遍历测试场景范围以依次得到每一测试场景的初始速度距离数据；计算模块702，用于从每一测试场景对应的排序最靠前的仿真周期开始，根据每一测试场景在每一仿真周期开始时的速度距离数据和预设的自适应巡航策略计算每一测试场景在每一仿真周期的期望控制量，并根据每一测试场景在每一仿真周期的期望控制量和对应仿真周期的速度距离数据计算每一测试场景在每一仿真周期结束时的速度和距离的更新数据，直至多个测试场景仿真完成，其中，下一仿真周期开始时的速度距离数据为上一仿真周期结束时的速度和距离的更新数据。
在上述设计的自适应巡航仿真装置中，通过遍历设定的测试场景范围中的多组速度距离数据来分别得到每一测试场景对应的初始速度距离数据，该多组速度距离数据是将多种实际复杂道路场景抽象成不同本车速度、目标参考物的目标速度、设定巡航速度以及车辆与目标参考物的距离得到，该初始速度距离数据为多个仿真周期中排序最靠前的仿真周期开始时的速度距离数据，从每一测试场景对应的排序最靠前的仿真周期开始，根据每一测试场景在每一仿真周期开始时的速度距离数据和预设的自适应巡航策略计算每一测试场景在每一仿真周期的期望控制量，并根据每一测试场景在每一仿真周期的期望控制量和对应仿真周期的速度距离数据计算每一测试场景在每一仿真周期结束时的速度和距离的更新数据，直至多个测试场景仿真完成，并且每一下一仿真周期开始时的速度距离数据为上一仿真周期结束时的速度和距离的更新数据；由此可知，本申请方案通过将复杂的道路场景及各种前车变道插入等道路场景抽象成不同本车速度、目标参考物的目标速度、设定巡航速度以及车辆与目标参考物的距离的组合，极大的提高了对可能遇到场景的覆盖率；并且无需在Prescan中建立测试场景，只需采用程序自动历遍预设场景，执行仿真即可实现自适应巡航的仿真测试，极大地提高了测试的速度；另外，现有仿真测试方案是在Simulink模型中得到自适应巡航测试的实施思路，而Simulink的模型无法直接用到实际的车辆控制器上面，需根据实施思路编写自适应巡航的实施程序，因此难以避免的造成了实际车辆控制器逻辑与仿真模型的差别，大大减弱了仿真测试的作用；而本申请方案无需采用Simulink的模型，而是直接对预设的自适应巡航(设计的自适应巡航程序)进行仿真测试，测试完成之后，可直接将预设的自适应巡航移植到实际的车辆控制器中，保证了仿真测试结果与实际车辆的策略的高度一致。
在本实施例的可选实施方式中，每一仿真周期具有对应的仿真长度，若期望控制量为期望加速度值，计算模块702，具体用于根据每一测试场景在每一仿真周期开始时的本车初始速度、对应仿真周期的期望加速度值以及仿真长度计算每一测试场景在每一仿真周期结束时的本车更新速度；根据每一测试场景在每一仿真周期开始时的车辆与目标参考物的距离、目标速度、对应仿真周期的本车更新速度以及仿真长度计算每一测试场景在每一周期结束时本车与目标参考物的更新距离，以得到每一测试场景在每一仿真周期结束时的速度和距离的更新数据。
在本实施例的可选实施方式中，每一仿真周期具有对应的仿真长度，若期望控制量为本车的输出扭矩值与主缸压强值，计算模块702，还具体用于根据每一测试场景在每一仿真周期的输出扭矩值和主缸压强值计算每一测试场景在每一仿真周期的实际加速度值；根据每一测试场景在每一仿真周期的实际加速度值和对应仿真周期的速度距离数据计算每一测试场景在每一仿真周期结束时的速度和距离的更新数据。
在本实施例的可选实施方式中，该装置还包括统计模块703，用于统计每一测试场景对应的每一仿真周期的速度和距离的更新数据；生成模块704，用于根据统计每一测试场景对应的每一仿真周期的速度和距离的更新数据生成每一测试场景对应的速度和距离变化曲线。
在本实施例的可选实施方式中，该装置还包括评价模块705，用于根据统计的每一测试场景对应的每一仿真周期的速度和距离的更新数据以及预设的自适应巡航策略的评价指标对所述预设的自适应巡航策略进行评价。
如图8所示，本申请提供一种电子设备8，包括：处理器801和存储器802，处理器801和存储器802通过通信总线803和/或其他形式的连接机构(未标出)互连并相互通讯，存储器802存储有处理器801可执行的计算机程序，当计算设备运行时，处理器801执行该计算机程序，以执行时执行第一实施例、第一实施例的任一可选的实现方式中的方法，例如步骤S100至步骤S102：获取预设的测试场景范围；遍历测试场景范围以依次得到每一测试场景对应的速度距离数据；从每一测试场景对应的排序最靠前的仿真周期开始，根据每一测试场景在每一仿真周期开始时的速度距离数据和预设的自适应巡航策略计算每一测试场景在每一仿真周期的期望控制量，根据每一测试场景在每一仿真周期的期望控制量和对应仿真周期的速度距离数据计算每一测试场景在每一仿真周期结束时的速度和距离的更新数据，直至所述多个测试场景仿真完成。
本申请提供一种存储介质，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行第一实施例、第一实施例的任一可选的实现方式中的方法。
其中，存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(Static Random Access Memory,简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read Only Memory,简称EPROM)，可编程只读存储器(Programmable Red-Only Memory,简称PROM)，只读存储器(Read-OnlyMemory,简称ROM)，磁存储器，快闪存储器，磁盘或光盘。
本申请提供一种计算机程序产品，该计算机程序产品在计算机上运行时，使得计算机执行第一实施例、第一实施例的任一可选的实现方式中的所述方法。
在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
另外，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单元来实现本实施例方案的目的。
再者，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
需要说明的是，功能如果以软件功能模块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，本申请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)执行本申请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(Read-Only Memory，ROM)随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
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。
以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种自适应巡航仿真方法，其特征在于，包括：
获取预设的测试场景范围，所述测试场景范围包括多个测试场景，所述多个测试场景中的每一测试场景均包括多个仿真周期，所述多个仿真周期按照预设排序依次进行仿真，每个测试场景包含一组初始速度距离数据，所述初始速度距离数据为多个仿真周期中排序最靠前的仿真周期开始时的速度距离数据，所述速度距离数据包括对应仿真周期的本车初始速度、目标参考物的目标速度、设定巡航速度以及车辆与目标参考物的距离；
遍历所述测试场景范围以依次得到每一测试场景的初始速度距离数据；
从每一测试场景对应的排序最靠前的仿真周期开始，根据每一测试场景在每一仿真周期开始时的速度距离数据和预设的自适应巡航策略计算每一测试场景在每一仿真周期的期望控制量，并根据每一测试场景在每一仿真周期的期望控制量和对应仿真周期的速度距离数据计算每一测试场景在每一仿真周期结束时的速度和距离的更新数据，直至所述多个测试场景仿真完成，其中，所述期望控制量为期望加速度值或所述期望控制量为本车的输出扭矩值与主缸压强值，下一仿真周期开始时的速度距离数据为上一仿真周期结束时的速度和距离的更新数据。
2.根据权利要求1所述的方法，其特征在于，每一仿真周期具有对应的仿真长度，若所述期望控制量为期望加速度值，所述根据每一测试场景在每一仿真周期的期望控制量和对应仿真周期的速度距离数据计算每一测试场景在每一仿真周期结束时的速度和距离的更新数据，包括：
根据每一测试场景在每一仿真周期开始时的本车初始速度、对应仿真周期的期望加速度值以及仿真长度计算每一测试场景在每一仿真周期结束时的本车更新速度；
根据每一测试场景在每一仿真周期开始时的车辆与目标参考物的距离、目标速度、对应仿真周期的本车更新速度以及仿真长度计算每一测试场景在每一周期结束时本车与目标参考物的更新距离，以得到每一测试场景在每一仿真周期结束时的速度和距离的更新数据。
3.根据权利要求1所述的方法，其特征在于，每一仿真周期具有对应的仿真长度，若所述期望控制量为本车的输出扭矩值与主缸压强值，所述根据每一测试场景在每一仿真周期的期望控制量和对应仿真周期的速度距离数据计算每一测试场景在每一仿真周期结束时的速度和距离的更新数据，包括：
根据每一测试场景在每一仿真周期的输出扭矩值和主缸压强值计算每一测试场景在每一仿真周期的实际加速度值；
根据每一测试场景在每一仿真周期的实际加速度值和对应仿真周期的速度距离数据计算每一测试场景在每一仿真周期结束时的速度和距离的更新数据。
4.根据权利要求3所述的方法，其特征在于，所述根据每一测试场景在每一仿真周期的输出扭矩值和主缸压强值计算每一测试场景在每一仿真周期的实际加速度值，包括：
根据每一测试场景在每一仿真周期的输出扭矩值计算每一测试场景在每一仿真周期的车轮的驱动力以及车辆受到的阻力；
根据每一测试场景在每一仿真周期的车轮的驱动力以及车辆受到的阻力计算每一测试场景在每一仿真周期的实际加速度值。
5.根据权利要求3所述的方法，其特征在于，所述根据每一测试场景在每一仿真周期的实际加速度值和对应仿真周期的速度距离数据计算每一测试场景在每一仿真周期结束时的速度和距离的更新数据，包括：
根据每一测试场景在每一仿真周期开始时的本车初始速度、对应仿真周期的实际加速度值以及仿真长度计算每一测试场景在每一仿真周期结束时的本车更新速度；
根据每一测试场景在每一仿真周期开始时的车辆与目标参考物的距离、目标速度、对应仿真周期的本车更新速度以及仿真长度计算每一测试场景在每一仿真周期结束时本车与目标参考物的更新距离，以得到每一测试场景在每一仿真周期结束时的速度和距离的更新数据。
6.根据权利要求1所述的方法，其特征在于，在多个测试场景仿真完成之后，所述方法还包括：
统计每一测试场景对应的每一仿真周期的速度和距离的更新数据；
根据统计每一测试场景对应的每一仿真周期的速度和距离的更新数据生成每一测试场景对应的速度和距离变化曲线。
7.根据权利要求6所述的方法，其特征在于，在所述统计每一测试场景对应的每一仿真周期的速度和距离的更新数据之后，所述方法还包括：
根据统计的每一测试场景对应的每一仿真周期的速度和距离的更新数据以及预设的自适应巡航策略的评价指标对所述预设的自适应巡航策略进行评价。
8.一种自适应巡航仿真装置，其特征在于，包括：
获取模块，用于获取预设的测试场景范围，所述测试场景范围包括多个测试场景，所述多个测试场景中的每一测试场景均包括多个仿真周期，所述多个仿真周期按照预设排序依次进行仿真，每个测试场景包含一组初始速度距离数据，所述初始速度距离数据为多个仿真周期中排序最靠前的仿真周期开始时的速度距离数据，所述速度距离数据包括对应仿真周期的本车初始速度、目标参考物的目标速度、设定巡航速度以及车辆与目标参考物的距离；
遍历模块，用于遍历所述测试场景范围以依次得到每一测试场景的初始速度距离数据；
计算模块，用于从每一测试场景对应的排序最靠前的仿真周期开始，根据每一测试场景在每一仿真周期开始时的速度距离数据和预设的自适应巡航策略计算每一测试场景在每一仿真周期的期望控制量，并根据每一测试场景在每一仿真周期的期望控制量和对应仿真周期的速度距离数据计算每一测试场景在每一仿真周期结束时的速度和距离的更新数据，直至所述多个测试场景仿真完成，其中，所述期望控制量为期望加速度值或所述期望控制量为本车的输出扭矩值与主缸压强值，下一仿真周期开始时的速度距离数据为上一仿真周期结束时的速度和距离的更新数据。
9.一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法。
10.一种存储介质，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权利要求1至7中任一项所述的方法。
CN202110299805.0A 2021-03-19 2021-03-19 一种自适应巡航仿真方法、装置、电子设备和存储介质 Active CN113065240B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110299805.0A CN113065240B (zh) 2021-03-19 2021-03-19 一种自适应巡航仿真方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110299805.0A CN113065240B (zh) 2021-03-19 2021-03-19 一种自适应巡航仿真方法、装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN113065240A CN113065240A (zh) 2021-07-02
CN113065240B true CN113065240B (zh) 2023-04-07

Family

ID=76562760

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110299805.0A Active CN113065240B (zh) 2021-03-19 2021-03-19 一种自适应巡航仿真方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN113065240B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013248925A (ja) * 2012-05-30 2013-12-12 Hitachi Automotive Systems Ltd 車両制御装置
CN109100155A (zh) * 2018-07-09 2018-12-28 长安大学 一种无人车在环快速仿真测试系统和方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6087995A (en) * 1999-02-17 2000-07-11 Anritsu Company Universal autoradar antenna alignment system
CN105857309B (zh) * 2016-05-25 2018-06-26 吉林大学 一种考虑多目标的车辆自适应巡航控制方法
EP3603006B1 (en) * 2017-03-23 2024-05-01 Vid Scale, Inc. Metrics and messages to improve experience for 360-degree adaptive streaming
CN108847037B (zh) * 2018-06-27 2020-11-17 华中师范大学 一种面向非全局信息的城市路网路径规划方法
CN109239704B (zh) * 2018-08-21 2023-03-10 电子科技大学 一种基于序贯滤波交互式多模型的自适应采样方法
CN111008450A (zh) * 2019-05-17 2020-04-14 当家移动绿色互联网技术集团有限公司 交通流仿真方法、装置、存储介质及电子设备
CN110398969B (zh) * 2019-08-01 2022-09-27 北京主线科技有限公司 自动驾驶车辆自适应预测时域转向控制方法及装置
CN111123920A (zh) * 2019-12-10 2020-05-08 武汉光庭信息技术股份有限公司 一种自动驾驶仿真测试场景生成方法和装置
CN112078576B (zh) * 2020-09-25 2021-09-17 英博超算(南京)科技有限公司 一种基于模糊控制来模拟驾驶员特性的自适应巡航控制方法
CN112307642B (zh) * 2020-11-17 2022-09-16 苏州智加科技有限公司 数据处理方法、装置、系统、计算机设备及存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013248925A (ja) * 2012-05-30 2013-12-12 Hitachi Automotive Systems Ltd 車両制御装置
CN109100155A (zh) * 2018-07-09 2018-12-28 长安大学 一种无人车在环快速仿真测试系统和方法

Also Published As

Publication number Publication date
CN113065240A (zh) 2021-07-02

Similar Documents

Publication Publication Date Title
CN110297494B (zh) 一种基于滚动博弈的自动驾驶车辆换道决策方法及系统
CN110686906B (zh) 车辆自动驾驶测试方法及装置
CN113581182B (zh) 基于强化学习的自动驾驶车辆换道轨迹规划方法及系统
CN113232645A (zh) 车辆发电功率的控制方法、装置、存储介质和计算机设备
CN115176297A (zh) 用于训练用于机动车的控制器的至少一个算法的方法、计算机程序产品以及机动车
Plianos et al. Predictive energy optimization for connected and automated HEVs
CN113065240B (zh) 一种自适应巡航仿真方法、装置、电子设备和存储介质
CN115204455A (zh) 适用于高速与环路交通场景的长时域驾驶行为决策方法
EP4160478A1 (en) Driving decision-making method, device, and chip
CN118238847A (zh) 一种自适应不同驾驶风格和路面环境的自主换道决策规划方法和系统
CN117609093A (zh) 一种自动驾驶场景下交通参与者动态切入行为的生成方法
Soldo et al. Model Predictive Control of a Parallel Plug-In Hybrid Electric Vehicle Relying on Dynamic Programming and Extended Backward-Looking Model
Cardamone et al. Transfer of driving behaviors across different racing games
Ransiek et al. GOOSE: Goal-Conditioned Reinforcement Learning for Safety-Critical Scenario Generation
CN114701517A (zh) 基于强化学习的多目标复杂交通场景下自动驾驶解决方法
CN117396389A (zh) 自动驾驶指令生成模型优化方法、装置、设备及存储介质
Kong et al. Simulation based methodology for assessing forced merging strategies for autonomous vehicles
CN112417642A (zh) 一种考虑拥挤波旅行时间随机性的车队交通流模拟方法
Zhao et al. Towards robust decision-making for autonomous highway driving based on safe reinforcement learning
Li et al. Energy-Efficient Autonomous Driving Using Cognitive Driver Behavioral Models and Reinforcement Learning
CN117284297B (zh) 车辆控制方法、装置及域控制器
EP4361877A1 (en) Methods and systems for generating trajectory information of a plurality of road users
CN118779199A (zh) 一种自动驾驶仿真测试中失败概率确定方法及装置
Pi A Reinforcement Learning Framework for Autonomous Eco-Driving
CN118387136A (zh) 基于混合策略的轨迹预测方法、装置、设备及存储介质

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