CN113291304B - 自动驾驶车辆的控制方法、装置及系统 - Google Patents

自动驾驶车辆的控制方法、装置及系统 Download PDF

Info

Publication number
CN113291304B
CN113291304B CN202010111007.6A CN202010111007A CN113291304B CN 113291304 B CN113291304 B CN 113291304B CN 202010111007 A CN202010111007 A CN 202010111007A CN 113291304 B CN113291304 B CN 113291304B
Authority
CN
China
Prior art keywords
vehicle
acceleration
period
distance
optimal
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
CN202010111007.6A
Other languages
English (en)
Other versions
CN113291304A (zh
Inventor
李文锐
徐勇
温博轩
吴楠
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.)
Beijing Tusimple Technology Co Ltd
Original Assignee
Beijing Tusimple 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 Beijing Tusimple Technology Co Ltd filed Critical Beijing Tusimple Technology Co Ltd
Priority to CN202010111007.6A priority Critical patent/CN113291304B/zh
Publication of CN113291304A publication Critical patent/CN113291304A/zh
Application granted granted Critical
Publication of CN113291304B publication Critical patent/CN113291304B/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
    • 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
    • B60W30/162—Speed limiting therefor
    • 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
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本申请公开了一种自动驾驶车辆的控制方法、装置及系统，其中，该方法包括：获取自动驾驶车队中各车辆的初始行驶参数，行驶参数包括：车辆速度、车辆加速度、以及与前车间隔距离；根据预设周期时长和各车辆的初始行驶参数、并基于最优控制理论分别确定各车辆在每个周期内的最优加速度；将确定的最优加速度发送给所属车辆，以便于所属车辆进行纵向行驶控制。通过本申请，可以实现自动驾驶车队更加稳定的行驶。

Description

自动驾驶车辆的控制方法、装置及系统
技术领域
本申请涉及自动驾驶领域，具体涉及一种自动驾驶车辆的控制方法、装置及系统。
背景技术
协同自动驾驶车队(Platooning)是指基于自动驾驶技术和V2V(vehicle-to-vehicle，车对车)车联网技术的支持，以极小的车距尾随行驶的多车辆编队。在编队中，车距远远低于一般意义上的安全行驶车距，仅为20米甚至更小，极小的车距会使头车破开的气流，在车尾直接被第二辆车接纳，而不会形成低压的涡流区，从而有效降低了整个车队在行驶过程中的空气阻力总值。以奔驰自动行驶卡车车队为例，生产商表示以Platooning状态行驶所减少的阻力，可以节约近10％的油耗。
协同自动驾驶车队之所以可以保持这么短的间隔，主要原因是受益于V2V通信的低延时通信，V2V可以实现从端到端的100ms内的通信。因此，基于V2V技术，卡车与卡车之间可以进行信息交互，一个编队里的一组卡车能够跟随“带头车辆”，随着它的操控而自行进行操控。例如，带头卡车踩油门、踩刹车、转向，后面跟随的一排卡车都会在很短时间内如法炮制。
在队列行驶过程中，跟随车直接采用其自身前方的车辆的油门踏板信号和制动踏板信号作为前馈，然后通过间隔距离的误差以及和其前方车辆的相对速度的误差做为反馈，进行自身控制。
在现有技术方案中，一般只考虑单车的控制策略，简言之，就是每个车只关心自己，例如，1号车为领航车，2号、3号为跟随车，比如2号车就关心它跟1号车之间的距离，能稳住就不管3号车。这样就只能做到单车的合理控制，无法把整个队列作为一个整体控制。例如，按照现在的算法，2号车跟1号车之间的距离有远，需要2号车紧急往前追，但是同时3号车跟2号车之间的距离有点近，3号车这时候就需要刹车，这使得队列整体不够稳定。
发明内容
有鉴于此，本申请提供一种自动驾驶车辆的控制方法、装置及系统，以解决上述提及的至少一个问题。
根据本申请的第一方面，提供一种自动驾驶车辆的控制方法，所述方法包括：获取自动驾驶车队中各车辆的初始行驶参数，所述行驶参数包括：车辆速度、车辆加速度、以及与前车间隔距离；根据预设周期时长和各车辆的初始行驶参数、并基于最优控制理论分别确定各车辆在每个周期内的最优加速度；将确定的最优加速度发送给所属车辆，以便于所属车辆对自身进行纵向行驶控制。
根据本申请的第二方面，提供一种自动驾驶车辆的控制装置，所述装置包括：行驶参数获取单元，用于获取自动驾驶车队中各车辆的初始行驶参数，所述行驶参数包括：车辆速度、车辆加速度、以及与前车间隔距离；最优加速度确定单元，用于根据预设周期时长和各车辆的初始行驶参数、并基于最优控制理论分别确定各车辆在每个周期内的最优加速度；最优加速度发送单元，用于将确定的最优加速度发送给所属车辆，以便于所属车辆对自身进行纵向行驶控制。
根据本申请的第三方面，提供自动驾驶车辆的控制系统，应用于自动驾驶车队，所述自动驾驶车队包括多个车辆，每个车辆上设置有车载装置；所述自动驾驶车辆的控制系统包括：自动驾驶车辆的控制装置及每个车辆上的车载装置，所述自动驾驶车辆的控制装置，用于获取自动驾驶车队中各车辆的初始行驶参数，所述行驶参数包括：车辆速度、车辆加速度以及与前车间隔距离；根据预设周期时长和各车辆的初始行驶参数，基于最优控制理论分别确定各车辆在每个周期内的最优加速度；将确定的最优加速度发送给所属车辆上的车载装置；所述所属车辆上的车载装置，用于根据接收到的最优加速度对车辆自身进行纵向行驶控制。
根据本申请的第四方面，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上述自动驾驶车辆的控制方法的步骤。
根据本申请的第五方面，本申请提供一种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上述自动驾驶车辆的控制方法的步骤。
由上述技术方案可知，通过根据预设的周期时长以及获取的各车辆的初始行驶参数，基于最优控制理论来确定各车辆在每个周期的最优加速度，并将确定的最优加速度发送给所属车辆，使得各车辆可以根据各自的最优加速度进行纵向行驶控制，实现在各周期内控制行驶速度，从而可以实现整个车队更稳定的行驶。
附图说明
为了更清楚地说明本申请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，下面描述中的附图是本申请的一些实施例，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是根据本申请实施的自动驾驶车辆的控制方法的流程图；
图2是根据本申请实施的确定各车辆最优加速度的流程图；
图3是根据本申请实施的自动驾驶车辆控制装置的结构框图；
图4是根据本申请实施的最优加速度确定单元32的结构框图；
图5是根据本申请实施的方程构建模块321的结构框图；
图6是根据本申请实施的自动驾驶车辆控制系统的结构框图；
图7是根据本申请实施例的电子设备的示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，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清楚、完整的描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
在现有的自动驾驶方案中，一般只考虑单车的控制策略，很难做到整个队列的协同控制。也就是说，只考虑单车的合理控制，无法把整个车队作为一个整体来控制。例如，按照现有的自动驾驶方案，2号车跟1号车(领航车)之间的距离较远，需要2号车紧急往前追，但是同时3号车跟2号车之间的距离较近，3号车这时候就需要刹车。其实更好的办法是2号车适当往前追、3号车不需要刹车，这样整体车队就会更加稳定。以上仅以三辆车为例，但需要知道的是，当自动驾驶车队中的车辆更多时，整个车队中的车辆的距离和车辆速度存在震荡的问题更为明显。基于此，本申请实施例提供一种自动驾驶车辆的控制方案，以实现自动驾驶车队更稳定的行驶。以下结合附图来详细描述本申请实施例。
图1是根据本申请实施的自动驾驶车辆的控制方法的流程图，如图1所示，该方法包括：
步骤101，获取自动驾驶车队中各车辆的初始行驶参数，所述行驶参数包括：车辆速度、车辆加速度以及与前车间隔距离。这里的初始行驶参数可以是当前的行驶参数。
步骤102，根据预设周期时长(例如，0.1秒)和各车辆的初始行驶参数，基于最优控制理论分别确定各车辆在每个周期内的最优加速度。
步骤103，将确定的最优加速度发送给所属车辆，以便于所属车辆对自身进行纵向行驶控制。
这里的纵向行驶控制是指根据最优加速度控制车辆的油门和制动。在实际操作中，可以将最优加速度发送至车辆自身的纵向控制器(油门控制器或制动踏板控制器)，以使得纵向控制器控制车辆自身的纵向执行机构(油门或制动踏板)以最优加速度进行纵向控制。
通过根据预设的周期时长以及获取的各车辆的初始行驶参数，基于最优控制理论来确定各车辆在每个周期的最优加速度，并将确定的最优加速度发送给所属车辆，使得各车辆可以根据各自的最优加速度进行纵向行驶控制，实现在各周期内控制行驶速度，从而可以实现整个车队更稳定的行驶。
具体而言，如图2所示，步骤102包括步骤1021和步骤1022，其中：
步骤1021，基于最优控制理论，可以根据预设周期时长(例如，可以是0.1秒)和各车辆的初始行驶参数构建各车辆的行驶参数状态方程，其中，所述行驶参数状态方程包括：速度状态方程和车辆间距误差状态方程，所述车辆间距误差通过期望车辆间隔距离(例如，2米或者3米)和上述与前车间隔距离确定。
步骤1022，根据构建的各车辆的行驶参数状态方程，并基于模型预测控制(ModelPredictive Control，MPC)算法分别确定各车辆在每个周期内的最优加速度。
在一个实例中，车队里一共包括N辆车，假设第一辆车(领航车)的序号为1，后续车辆序号依次为2，3，..，N，用n表示第n辆车，1≤n≤N；最优化问题考虑的周期为后续M个周期，1≤m≤M；其中，N和M为正整数。每个周期的时间长度可以称为周期时长或者步长，用△t表示。
各车辆的行驶速度、加速度和车辆间距误差可以通过如下方式来表示：
Vn m：表示第n辆车第m个周期时的速度，Vn 0：表示第n辆车当前的速度(或者称为初始速度状态)；
An m：表示第n辆车第m个周期时的加速度，An 0：表示第n辆车当前的加速度(或者称为初始加速度状态)；
En m：表示第n辆车第m个周期时的车辆间距误差，间距误差＝实际间距-设定的期望间距，En 0：表示第n辆车当前的车辆间距误差(或者称为初始车辆间距误差)。
之后，根据上述的车辆速度、加速度和车辆间距误差就可以构建各车辆的行驶参数状态方程。
对于第一辆车(领航车)，可以认为领航车是匀变速运动，因此领航车的加速度为，对于任意1≤m≤M，A1 m＝A1 0。
根据牛顿运动定律，速度状态方程为：V1 m＝V1 m+A1 m×△t。
由于领航车没有跟车误差，因此，对于任意1≤m≤M，领航车的车辆间距误差状态方程为：E1 m＝0。
需要说明的是，对于跟随车(2≤n≤N)，An m是需要被优化的结果量(开始会有一个初始值，通过MPC优化算法，经过迭代会得到最优值)，因而，此处不需要加速度状态方程。
跟随车的速度状态方程为：Vn m＝Vn m-1+An m×△t，1≤m≤M。
对于跟随车来说，一个周期的车辆间距误差是由于自身(例如，车辆n)和前方的车辆(例如，车辆n-1)的相对运动造成的。也就是说，车辆n在第m个周期的车辆间距误差状态方程可以根据车辆n在第m-1个周期内的车辆间距误差、车辆n-1与车辆n在第m个周期内的车辆速度差值和车辆加速度差值，以及预设周期时长来构建。
具体地，根据牛顿运动定律，可以得到车辆n在第m个周期的车辆间距误差状态方程En m为：
En m＝En m-1+(Vn-1 m-1—Vn m-1)×△t+0.5×(An-1 m—An m)×△t×△t，1≤m≤M。
之后，可以根据上述车辆间距误差状态方程En m构建代价方程(cost function)，即，对车辆间距误差状态方程En m设置预定约束条件，例如，累加所有车辆的En m数值的加和最小(因为目标是减少车辆间隔误差)，当代价方程最小时，就可以得到一系列最优的An m。具体而言，通过上述约束条件的代价方程，基于MPC求解器，就可以得到最优的一系列An m。
由以上可知，基于预定约束条件和车辆间距误差状态方程En m来构建的代价方程，通过MPC算法就可以确定各车辆在每个周期内的最优加速度。
在实际操作中，约束条件还可以是累加所有车辆的Vn m—Vn-1 m的加和最小(因为目标是减少每个车辆之间的速度误差)、或者累加所有车辆的An m—An-1 m的加和最小(因为目标是减少每个车辆之间的加速度误差)。另外，约束条件还可以考虑其他的一些物理量，例如，加速度的变化率，加速度大小不能太大等。
得到每个跟随车应该执行的最优加速度之后，可以通过车对车(Vehicle toVehicle，V2V)将最优加速度分别发送给所属跟随车，每个跟随车接收到自身需要执行的最优加速度，就可以通过执行机构(油门或制动踏板)进行纵向控制行驶速度，从而实现整体车队更稳定的行驶。
在实际操作中，整个车队的最优控制算法(例如，MPC)可以采用集中式计算，例如，在领航车计算，每个跟随车将各自的行驶参数通过V2V发送给领航车，领航车实时收集这些数据并作为计算输入。这些数据具体包括：每个周期内，每个车辆的速度、加速度、离前车的间隔距离等信息。
在本申请实施例中，优化的目标是通过得到每个车辆在后续若干个周期中的最优加速度(负值为减速度)信息，来控制整个车队的稳定性。稳定性的评估依据包括但不限于：每辆车之间的间隔距离在设定的预期距离附近，越小越好；每辆车的速度差值越小越好；每个车的加速度差值越小越好。
基于相似的发明构思，本申请实施例还提供一种自动驾驶车辆的控制装置，优选地，该装置用于实现上述方法实施例中的流程。
图3是根据本申请实施例的自动驾驶车辆控制装置的结构框图，如图3所示，该装置包括：行驶参数获取单元31、最优加速度确定单元32以及最优加速度发送单元33，其中：
行驶参数获取单元31，用于获取自动驾驶车队中各车辆的初始行驶参数，所述行驶参数包括：车辆速度、车辆加速度、以及与前车间隔距离；
最优加速度确定单元32，用于根据预设周期时长(例如，0.1秒)和各车辆的初始行驶参数、并基于最优控制理论分别确定各车辆在每个周期内的最优加速度；
最优加速度发送单元33，用于将确定的最优加速度发送给所属车辆，以便于所属车辆对自身进行纵向行驶控制。在实际操作中，最优加速度发送单元33可以通过V2V技术将确定的最优加速度发送给所属车辆。
通过最优加速度确定单元32根据预设的周期时长以及行驶参数获取单元31获取的各车辆的初始行驶参数、并基于最优控制理论来确定各车辆在每个周期的最优加速度，之后，最优加速度发送单元33将确定的最优加速度发送给所属车辆，使得各车辆可以根据各自的最优加速度进行纵向行驶控制，实现在各周期内控制行驶速度，从而可以实现整个车队更稳定的行驶。
具体地，如图4所示，最优加速度确定单元32包括：方程构建模块321和最优加速度确定模块322，其中：
方程构建模块321，用于根据所述预设周期时长和各车辆的初始行驶参数构建各车辆的行驶参数状态方程，其中，所述行驶参数状态方程包括：速度状态方程、和车辆间距误差状态方程，所述车辆间距误差通过期望车辆间隔距离和所述与前车间隔距离确定。
图5是该方程构建模块321的详细结构框图，如图5所示，该方程构建模块321包括：车辆间距误差状态方程构建子模块3211，该车辆间距误差状态方程构建子模块3211用于根据车辆n在第m-1个周期内的车辆间距误差、车辆n-1与车辆n在第m个周期内的车辆速度差值和车辆加速度差值、以及所述预设周期时长构建车辆n的车辆间距误差状态方程En m，其中，n表示车队中的车辆序号，m表示周期序号，n和m为大于等于1的正整数。
在实际操作中，方程构建模块321还包括用于构建速度状态方程的子模块(图中未示出)。
最优加速度确定模块322，用于根据各车辆的行驶参数状态方程，并基于MPC算法分别确定各车辆在每个周期内的最优加速度。具体来说，最优加速度确定模块322可以根据各车辆的行驶参数状态方程，基于预定的约束条件和MPC算法分别确定各车辆在每个周期内的最优加速度，其中，所述约束条件为以下之一：所有车辆En m数值的加和最小、相邻车辆之间的速度差值Vn m—Vn-1 m的加和最小、相邻车辆之间的加速度差值An m—An-1 m的加和最小。
上述各单元、各模块、各子模块的具体执行过程，可以参见上述方法实施例中的描述，此处不再赘述。
在实际操作中，上述各单元、各模块、各子模块可以组合设置，也可以单一设置，本申请不限于此。
本申请实施例还提供一种自动驾驶车辆的控制系统，应用于自动驾驶车队，自动驾驶车队包括多个车辆，每个车辆上设置有车载装置，如图6所示，该自动驾驶车辆控制系统包括：自动驾驶车辆控制装置61及每个车辆上的车载装置62，其中：
自动驾驶车辆控制装置61，用于获取自动驾驶车队中各车辆的初始行驶参数，所述行驶参数包括：车辆速度、车辆加速度以及与前车间隔距离；根据预设周期时长和各车辆的初始行驶参数，基于最优控制理论分别确定各车辆在每个周期内的最优加速度；将确定的最优加速度发送给所属车辆上的车载装置；
车辆上的车载装置62，用于根据接收到的最优加速度对车辆自身进行纵向行驶控制。
该自动驾驶车辆控制装置与各车载装置通过车对车技术进行通信。
优选地，该自动驾驶车辆控制装置可以是上述实施例中的自动驾驶车辆控制装置。
图7是根据本申请实施例的电子设备的示意图。图7所示的电子设备为通用数据处理装置，其包括通用的计算机硬件结构，其至少包括处理器701和存储器702。处理器701和存储器702通过总线703连接。存储器702适于存储处理器701可执行的一条或多条指令或程序。该一条或多条指令或程序被处理器701执行以实现上述自动驾驶车辆的控制方法中的步骤。
上述处理器701可以是独立的微处理器，也可以是一个或者多个微处理器集合。由此，处理器701通过执行存储器702所存储的命令，从而执行如上所述的本申请实施例的方法流程实现对于数据的处理和对于其他装置的控制。总线703将上述多个组件连接在一起，同时将上述组件连接到显示控制器704和显示装置以及输入/输出(I/O)装置705。输入/输出(I/O)装置705可以是鼠标、键盘、调制解调器、网络接口、触控输入装置、体感输入装置、打印机以及本领域公知的其他装置。典型地，输入/输出(I/O)装置705通过输入/输出(I/O)控制器706与系统相连。
其中，存储器702可以存储软件组件，例如操作系统、通信模块、交互模块以及应用程序。以上所述的每个模块和应用程序都对应于完成一个或多个功能和在发明实施例中描述的方法的一组可执行程序指令。
本申请实施例还提供一种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以实现上述自动驾驶车辆的控制方法的步骤。
综上所述，本申请实施例提出了一种自动驾驶车队的协同控制方案，该方案将整个车队作为一个整体，通过根据周期时长以及各车辆的初始行驶参数、并基于最优控制理论来确定各车辆在每个周期的最优加速度，并将确定的最优加速度发送给所属车辆，使得各车辆可以根据各自的最优加速度进行纵向行驶控制，实现在各周期内控制行驶速度，从而实现整个车队更稳定的行驶。
以上参照附图描述了本申请的优选实施方式。这些实施方式的许多特征和优点根据该详细的说明书是清楚的，因此权利要求旨在覆盖这些实施方式的落入其真实精神和范围内的所有这些特征和优点。此外，由于本领域的技术人员容易想到很多修改和改变，因此不是要将本申请的实施方式限于所例示和描述的精确结构和操作，而是可以涵盖落入其范围内的所有合适修改和等同物。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本申请中应用了具体实施例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (10)

1.一种自动驾驶车辆的控制方法，其特征在于，所述方法包括：
获取自动驾驶车队中各车辆的初始行驶参数，所述行驶参数包括：车辆速度、车辆加速度以及与前车间隔距离；
根据预设周期时长和所述自动驾驶车队中的所有车辆的初始行驶参数，基于最优控制理论分别确定所述自动驾驶车队中的各车辆在每个周期内的最优加速度，包括：
根据所述预设周期时长和各车辆的初始行驶参数构建各车辆的行驶参数状态方程，其中，所述行驶参数状态方程包括车辆间距误差状态方程，所述车辆间距误差状态方程表示为：
车辆在一周期内的车辆间距误差为下列因子构建的函数：车辆在上一个周期内的车辆间距误差、车辆在上一个周期内的车辆速度差值、车辆在所述周期内的车辆加速度差值以及所述预设周期时长；其中所述车辆间距误差为所述车辆与前车之间的间距误差，且所述间距误差为实际间距与设定的期望间距的差值；其中所述车辆速度差值为所述车辆与所述前车之间的速度差值，所述车辆加速度差值为所述车辆与所述前车之间的加速度差值；
基于预定的约束条件和模型预测控制算法分别确定各车辆在每个周期内的最优加速度，其中，所述约束条件包括所有车辆在一周期内的车辆间距误差的数值加和最小；
将确定的最优加速度发送给所属车辆，以便于所属车辆对自身进行纵向行驶控制。
2.根据权利要求1所述的方法，其特征在于，所述车辆间距误差状态方程更表示为：
En m为下列因子构建的函数：En m-1、Vn-1 m-1与Vn m-1之间的差值、An-1 m与An m之间的差值以及所述预设周期时长△t；其中En m为车辆n在第m个周期内的所述车辆间距误差，En m-1为车辆n在第m-1个周期内的所述车辆间距误差，Vn-1 m-1为车辆n-1在第m-1个周期内的车辆速度，Vn m-1为车辆n在第m-1个周期内的车辆速度，An-1 m为车辆n-1在第m个周期内的车辆加速度，An m为车辆n在第m个周期内的车辆加速度，n及n-1表示车队中的车辆序号，m及m-1表示周期序号，其中，所述约束条件包括所有车辆的En m数值加和最小。
3.根据权利要求2所述的方法，其特征在于，所述车辆间距误差状态方程更表示为：
En m＝En m-1+(Vn-1 m-1—Vn m-1)×△t+0.5×(An-1 m—An m)×△t×△t。
4.根据权利要求2所述的方法，其特征在于，所述约束条件还包括以下至少其中之一：所有相邻车辆之间的速度差值Vn m—Vn-1 m的加和最小以及所有相邻车辆之间的加速度差值An m—An-1 m的加和最小，其中，Vn m表示车辆n在第m个周期内的车辆速度，Vn-1 m表示车辆n-1在第m个周期内的车辆速度。
5.根据权利要求1所述的方法，其特征在于，将确定的最优加速度发送给所属车辆包括：
通过车对车技术将确定的最优加速度发送给所属车辆。
6.一种自动驾驶车辆的控制装置，其特征在于，所述装置包括：
行驶参数获取单元，用于获取自动驾驶车队中各车辆的初始行驶参数，所述行驶参数包括：车辆速度、车辆加速度以及与前车间隔距离；
最优加速度确定单元，用于根据预设周期时长和所述自动驾驶车队中的所有车辆的初始行驶参数，基于最优控制理论分别确定所述自动驾驶车队中的各车辆在每个周期内的最优加速度；其中所述最优加速度确定单元更用于：
根据所述预设周期时长和各车辆的初始行驶参数构建各车辆的行驶参数状态方程，其中，所述行驶参数状态方程包括车辆间距误差状态方程，所述车辆间距误差状态方程表示为：
车辆在一周期内的车辆间距误差为下列因子构建的函数：车辆在上一个周期内的车辆间距误差、车辆在上一个周期内的车辆速度差值、车辆在所述周期内的车辆加速度差值以及所述预设周期时长；其中所述车辆间距误差为所述车辆与前车之间的间距误差，且所述间距误差为实际间距与设定的期望间距的差值；其中所述车辆速度差值为所述车辆与所述前车之间的速度差值，所述车辆加速度差值为所述车辆与所述前车之间的加速度差值；
基于预定的约束条件和模型预测控制算法分别确定各车辆在每个周期内的最优加速度，其中，所述约束条件包括所有车辆在一周期内的车辆间距误差的数值加和最小；
最优加速度发送单元，用于将确定的最优加速度发送给所属车辆，以便于所属车辆对自身进行纵向行驶控制。
7.一种自动驾驶车辆的控制系统，其特征在于，应用于自动驾驶车队，所述自动驾驶车队包括多个车辆，每个车辆上设置有车载装置；所述自动驾驶车辆的控制系统包括：自动驾驶车辆的控制装置及每个车辆上的车载装置，
所述自动驾驶车辆的控制装置，用于获取自动驾驶车队中各车辆的初始行驶参数，所述行驶参数包括：车辆速度、车辆加速度以及与前车间隔距离；根据预设周期时长和所述自动驾驶车队中的所有车辆的初始行驶参数，基于最优控制理论分别确定所述自动驾驶车队中的各车辆在每个周期内的最优加速度；将确定的最优加速度发送给所属车辆上的车载装置；其中所述自动驾驶车辆的控制装置更用于：
根据所述预设周期时长和各车辆的初始行驶参数构建各车辆的行驶参数状态方程，其中，所述行驶参数状态方程包括车辆间距误差状态方程，所述车辆间距误差状态方程表示为：
车辆在一周期内的车辆间距误差为下列因子构建的函数：车辆在上一个周期内的车辆间距误差、车辆在上一个周期内的车辆速度差值、车辆在所述周期内的车辆加速度差值以及所述预设周期时长；其中所述车辆间距误差为所述车辆与前车之间的间距误差，且所述间距误差为实际间距与设定的期望间距的差值；其中所述车辆速度差值为所述车辆与所述前车之间的速度差值，所述车辆加速度差值为所述车辆与所述前车之间的加速度差值；
基于预定的约束条件和模型预测控制算法分别确定各车辆在每个周期内的最优加速度，其中，所述约束条件包括所有车辆在一周期内的车辆间距误差的数值加和最小；
所述所属车辆上的车载装置，用于根据接收到的最优加速度对车辆自身进行纵向行驶控制。
8.根据权利要求7所述的系统，其特征在于，所述自动驾驶车辆的控制装置与各车载装置通过车对车技术通信。
9.一种电子设备，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，其特征在于，所述处理器执行所述程序时实现权利要求1至5中任一项所述自动驾驶车辆的控制方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至5中任一项所述自动驾驶车辆的控制方法的步骤。
CN202010111007.6A 2020-02-24 2020-02-24 自动驾驶车辆的控制方法、装置及系统 Active CN113291304B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010111007.6A CN113291304B (zh) 2020-02-24 2020-02-24 自动驾驶车辆的控制方法、装置及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010111007.6A CN113291304B (zh) 2020-02-24 2020-02-24 自动驾驶车辆的控制方法、装置及系统

Publications (2)

Publication Number Publication Date
CN113291304A CN113291304A (zh) 2021-08-24
CN113291304B true CN113291304B (zh) 2022-12-02

Family

ID=77317755

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010111007.6A Active CN113291304B (zh) 2020-02-24 2020-02-24 自动驾驶车辆的控制方法、装置及系统

Country Status (1)

Country Link
CN (1) CN113291304B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113734167B (zh) * 2021-09-10 2023-05-30 苏州智加科技有限公司 车辆控制方法、装置、终端及存储介质
CN114132315B (zh) * 2021-11-17 2023-09-22 苏州挚途科技有限公司 自动驾驶车辆的控制方法、装置及电子设备
CN114399906B (zh) * 2022-03-25 2022-06-14 四川省公路规划勘察设计研究院有限公司 一种车路协同辅助驾驶系统及方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104123851B (zh) * 2014-08-06 2017-04-19 清华大学 一种基于车路通讯的交叉口车辆快速通行辅助方法及装置
CN105654754B (zh) * 2016-01-20 2018-11-27 深圳前海达闼云端智能科技有限公司 一种车辆控制方法及装置
JP6580108B2 (ja) * 2017-11-06 2019-09-25 本田技研工業株式会社 自動運転車両の走行制御装置
CN108694841B (zh) * 2018-05-24 2020-06-30 北理慧动（常熟）车辆科技有限公司 一种基于v2x技术的智能车辆通行路口红绿灯方法
CN109606367B (zh) * 2018-11-06 2020-04-17 北京工业大学 基于车联网的巡航控制系统的最优线性控制方法及装置
CN109901573A (zh) * 2019-01-25 2019-06-18 北京邮电大学 一种实现车辆编队的方法及设备

Also Published As

Publication number Publication date
CN113291304A (zh) 2021-08-24

Similar Documents

Publication Publication Date Title
CN113291304B (zh) 自动驾驶车辆的控制方法、装置及系统
CN111348016B (zh) 一种基于v2x的车队协同制动方法及系统
Zhu et al. Adaptive optimal control of heterogeneous CACC system with uncertain dynamics
EP2390857A1 (en) Row-running control system and vehicle
CN113219962B (zh) 一种面向混行队列跟驰安全的控制方法、系统及存储介质
CN113492892B (zh) 虚拟编组列车追踪控制方法、装置、电子设备及可读存储介质
US20130191002A1 (en) Drive assist system and drive assist method
JP7282271B2 (ja) 混合自律車両隊列の直接および間接制御
JP2009113558A (ja) 車両制御装置及び車両制御方法
US12084073B2 (en) Method and device for optimum parameterization of a driving dynamics control system for vehicles
CN112907937B (zh) 一种考虑后车信息的混合车辆队列控制方法及系统
CN114074680B (zh) 基于深度强化学习的车辆换道行为决策方法及系统
CN105480228A (zh) 增强的车辆速度控制
CN115320616A (zh) 一种自动驾驶车辆速度的控制方法、装置、设备及介质
CN114489067B (zh) 智能网联车辆队列协同驾驶模型预测控制方法
CN113391553B (zh) 具有执行器饱和的异构cacc系统的自适应最优控制方法
JP7546682B2 (ja) 車両を制御する方法、コンピュータプログラム、コンピュータ可読記憶媒体及び制御装置
CN114987511A (zh) 模拟人类驾驶行为以训练基于神经网络的运动控制器的方法
CN115489572B (zh) 基于强化学习的列车ato控制方法、设备及存储介质
CN116001863B (zh) 货运列车运行控制方法、装置、电子设备及存储介质
CN115497281B (zh) 混合交通场景下多队列领航车的鲁棒模型预测控制方法
CN116366685A (zh) 车辆的通信计算系统确定方法
CN114971152A (zh) 一种货车组协作控制方法、系统、设备及介质
US20170282911A1 (en) Vehicle odometry system
CN114355883B (zh) 自适应跟车方法及系统

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