CN113792375B - 基于云支持的预测性巡航控制车速解析方法、系统及装置 - Google Patents

基于云支持的预测性巡航控制车速解析方法、系统及装置 Download PDF

Info

Publication number
CN113792375B
CN113792375B CN202110902024.6A CN202110902024A CN113792375B CN 113792375 B CN113792375 B CN 113792375B CN 202110902024 A CN202110902024 A CN 202110902024A CN 113792375 B CN113792375 B CN 113792375B
Authority
CN
China
Prior art keywords
point
waypoint
alternative
target
position information
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
CN202110902024.6A
Other languages
English (en)
Other versions
CN113792375A (zh
Inventor
王越
李克强
高博麟
王建强
崔艳
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.)
Tsinghua University
Original Assignee
Tsinghua University
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 Tsinghua University filed Critical Tsinghua University
Priority to CN202110902024.6A priority Critical patent/CN113792375B/zh
Publication of CN113792375A publication Critical patent/CN113792375A/zh
Application granted granted Critical
Publication of CN113792375B publication Critical patent/CN113792375B/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]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • 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
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/80—Technologies aiming to reduce greenhouse gasses emissions common to all road transportation technologies
    • Y02T10/84—Data processing systems or methods, management, administration

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本发明提供了一种基于云支持的预测性巡航控制车速解析方法、系统及装置，其中，该方法包括：获取各路点的推荐驾驶信息，各路点的推荐驾驶信息包括各路点的位置信息和推荐速度；各路点的推荐驾驶信息是云平台根据目标车辆的行驶信息生成的；根据各路点的位置信息和当前位置信息确定与当前位置信息相匹配的目标路点；根据目标路点的推荐速度确定目标车辆的当前行驶速度。通过云平台能在极短的时间内计算得到各路点的推荐驾驶信息，车端控制系统只需要根据当前位置信息与各路点都进行匹配，从而确定当前行驶速度，对当前位置信息与各路点进行匹配的算法较为简单，可以在较短的时间内完成匹配，通过实施本发明可以满足车辆自动驾驶的实时性需求。

Description

基于云支持的预测性巡航控制车速解析方法、系统及装置
技术领域
本发明涉及自动驾驶技术领域，具体涉及一种基于云支持的预测性巡航控制车速解析方法、系统及装置。
背景技术
在自动驾驶领域，为了实现车辆的安全驾驶以及减少汽车能耗，需要及时预测目标车辆在不同位置处的行驶速度，目前的自动驾驶汽车中，都搭载有车端控制器，通过车端控制器实现驾驶速度的预测优化，但是，目前的自动驾驶汽车中搭载的车端控制器计算能较差，为了实现对驾驶速度的准确预测优化，需要较长的计算时间，因此通过车端控制器计算得到预测速度无法及时与车辆在行驶过程中的实时位置进行匹配，无法满足车辆自动驾驶的实时性需求。
发明内容
因此，本发明要解决的技术问题在于克服现有技术中的通过车端控制器计算得到预测速度无法及时与车辆在行驶过程中的实时位置进行匹配，无法满足车辆自动驾驶的实时性需求的缺陷，从而提供一种基于云支持的预测性巡航控制车速解析方法、系统及装置。
本发明第一方面提供了一种基于云支持的预测性巡航控制车速解析方法，应用于车端控制器，包括：获取各路点的推荐驾驶信息，各路点的推荐驾驶信息包括各路点的位置信息和推荐速度；各路点的推荐驾驶信息是云平台根据目标车辆的行驶信息生成的；根据各路点的位置信息和当前位置信息确定与当前位置信息相匹配的目标路点；根据目标路点的推荐速度确定目标车辆的当前行驶速度。
可选地，在本发明提供的基于云支持的预测性巡航控制车速解析方法中，目标车辆的行驶信息包括目标车辆的初始位置，根据各路点的位置信息和当前位置信息确定与当前位置信息相匹配的目标路点，包括：根据各路点的位置信息确定第一备选路点和第二备选路点，第一备选路点与初始位置的距离小于第二备选路点与初始位置的距离；确定当前位置在第一备选路点和第二备选路点构建的直线上的第一标记点；若第一标记点位于第一备选路点和第二备选路点之间，将第二备选路点确定为目标路点。
可选地，在本发明提供的基于云支持的预测性巡航控制车速解析方法中，根据各路点的位置信息和当前位置信息确定与当前位置信息相匹配的目标路点，还包括：若第一标记点不位于第一备选路点和第二备选路点之间，计算第一标记点与第一备选路点之间的距离，以及第一标记点与第二备选路点之间的距离；若第一标记点与第一备选路点之间的距离小于第一标记点与第二备选路点之间的距离，将第一备选路点确定为目标路点。
可选地，在本发明提供的基于云支持的预测性巡航控制车速解析方法中，根据各路点的位置信息和当前位置信息确定与当前位置信息相匹配的目标路点，还包括：若第一标记点与第一备选路点之间的距离不小于第一标记点与第二备选路点之间的距离，根据各路点的位置信息确定第三备选路点，第三备选路点与初始位置的距离大于第二备选路点与初始位置的距离；确定当前位置在第二备选路点和第三备选路点构建的直线上的第二标记点；根据第二标记点的位置、第一备选路点的位置信息、第二备选路点的位置信息确定目标路点匹配。
可选地，在本发明提供的基于云支持的预测性巡航控制车速解析方法中，还包括：按照各路点的位置信息将各路点的推荐驾驶信息存储至预设栈中。
本发明第二方面提供了一种基于云支持的预测性巡航控制车速解析系统，包括：云平台和车端控制器，其中，云平台用于接收目标车辆的行驶信息，根据行驶信息生成各路点的推荐驾驶信息，并将各路点的推荐驾驶信息发送至车端控制器；车端控制器设置于目标车辆，用于获取各路点的推荐驾驶信息，各路点的推荐驾驶信息包括各路点的位置信息和推荐速度；根据各路点的位置信息和当前位置信息确定与当前位置信息相匹配的目标路点；根据目标路点的推荐速度确定目标车辆的当前行驶速度。
本发明第三方面提供了一种基于云支持的预测性巡航控制车速解析装置，其特征在于，包括：通信模块，用于获取各路点的推荐驾驶信息，各路点的推荐驾驶信息包括各路点的位置信息和推荐速度；各路点的推荐驾驶信息是云平台根据目标车辆的行驶信息生成的；目标路点匹配模块，用于根据各路点的位置信息和当前位置信息确定与当前位置信息相匹配的目标路点；当前行驶速度确定模块，用于根据目标路点的推荐速度确定目标车辆的当前行驶速度。
可选地，在本发明提供的基于云支持的预测性巡航控制车速解析装置中，目标路点匹配模块包括：备选路点确定子模块，用于根据各路点的位置信息确定第一备选路点和第二备选路点，第一备选路点与初始位置的距离小于第二备选路点与初始位置的距离；标记点确定子模块，用于确定当前位置在第一备选路点和第二备选路点构建的直线上的第一标记点；目标路点匹配子模块，若第一标记点位于第一备选路点和第二备选路点之间，目标路点匹配子模块用于将第二备选路点确定为目标路点。
本发明第四方面提供了一种计算机设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，从而执行如本发明第二方面提供的基于云支持的预测性巡航控制车速解析方法。
本发明第五方面提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，计算机指令用于使计算机执行如本发明第二方面提供的基于云支持的预测性巡航控制车速解析方法。
本发明技术方案，具有如下优点：
本发明提供基于云支持的预测性巡航控制车速解析方法、系统及装置，基于云平台计算得到车辆未来路段行驶的优化车速，车端控制器在获取到各路点的推荐驾驶信息后，进行优化路点车速与车端实际位置的筛选与匹配，进而确定车辆当前位置的行驶优化速度。通过本发明有效解决了云端优化车速与车端位置准确匹配的问题，提高了基于云支持的优化车速在车端执行的准确性、高效性和可靠性。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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发明的一些实施方式，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为本发明实施例中基于云支持的预测性巡航控制车速解析方法的一个具体示例的流程图；
图2为本发明实施例中基于云支持的预测性巡航控制车速解析方法的另一具体示例的流程图；
图3为本发明实施例中基于云支持的预测性巡航控制车速解析系统的一个具体示例的原理框图；
图4为本发明实施例中基于云支持的预测性巡航控制车速解析装置的一个具体示例的原理框图；
图5为本发明实施例中基于云支持的预测性巡航控制车速解析装置的一个具体示例的原理框图；
图6为本发明实施例中提供的计算机设备的原理框图。
具体实施方式
下面将结合附图对本发明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。
在本发明的描述中，需要说明的是，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
本发明实施例提供了一种基于云支持的预测性巡航控制车速解析方法，应用于车端控制器，示例性地，车端控制器可以为车载T-BOX。如图1所示，该方法包括如下步骤：
步骤S10：获取各路点的推荐驾驶信息，各路点的推荐驾驶信息包括各路点的位置信息和推荐速度，各路点的推荐驾驶信息是云平台根据目标车辆的行驶信息生成的。
在一可选实施例中，云平台生成各路点的推荐驾驶信息时所使用的目标车辆的行驶信息包括目标车辆在初始位置处的经度、纬度、高程、航向角、巡航目标速度、当前发动机扭矩、当前车速、车辆瞬时油耗等，上述初始位置是指车端控制器向云平台发送行驶信息时的位置。云平台在获取到上述行驶信息后，采用预见性巡航控制算法进行计算，得到位于初始位置前方的多个路点的推荐驾驶信息。
在一可选实施例中，各路点是根据目标车辆的初始位置划分的，可以先根据目标车辆的初始位置和行驶方向确定目标车辆前方预设距离内的道路，然后根据预设路段长度将预设距离内的道路划分为多个路点，具体地，可以将目标车辆前方2km的道路以20m为一段划分为100个路点，云平台分别计算100个路点的推荐行速度。
在实际应用中，目标车辆会以一定的频率上传行驶信息，例如，目标车辆可以以10HZ的频率通过4G/5G网络上传行驶信息，云平台在接收到行驶信息后会不断更新路点以及各路点的推荐驾驶信息，在接收到行驶信息时计算多个路点的推荐驾驶信息，可以在目标车辆与云平台之间的通信中断，无法及时上传行驶信息或接收云平台发送的推荐驾驶信息时，保障目标车辆的正常行驶。
在一可选实施例中，云平台下发的各路点的推荐驾驶信息的格式为：
P1(X1，Y1，V1),P2(X2，Y2，V2),P3(X3，Y3，V3),…,Pn(Xn，Yn，Vn)，
其中，Pn表示第n个路点的推荐驾驶信息，Xn表示第n个路点的经度，Yn表示第n个路点的纬度，Vn表示第n个路点的推荐速度。
步骤S20：根据各路点的位置信息和当前位置信息确定与当前位置信息相匹配的目标路点。
在一可选实施例中，由于目标车辆发送行驶信息，云平台根据行驶信息生成各路点的推荐驾驶信息，并将推荐驾驶信息下发至车端控制器的过程中，存在一定的时延，该时间段内目标车辆在不断移动，即，目标车辆的当前位置与发送行驶信息时的初始位置不同，因此，需要从云平台下发的路点中确定与当前位置信息相匹配的目标路点，从而根据目标路点确定目标车辆在当前位置的行驶速度。
步骤S30：根据目标路点的推荐速度确定目标车辆的当前行驶速度。在本发明实施例中，可以将目标路点对应的推荐速度确定为目标车辆的当前行驶速度。
本发明实施例提供的基于云支持的预测性巡航控制车速解析方法，云平台根据目标车辆的行驶信息生成各路点的推荐驾驶信息，基于云平台计算得到车辆未来路段行驶的优化车速，车端控制器在获取到各路点的推荐驾驶信息后，进行优化路点车速与车端实际位置的筛选与匹配，进而确定车辆当前位置的行驶优化速度。本发明实施例有效解决了云端优化车速与车端位置准确匹配的问题，提高了基于云支持的优化车速在车端执行的准确性、高效性和可靠性。
在一可选实施例中，在本发明实施例提供的基于云支持的预测性巡航控制车速解析方法中，如图2所示，上述步骤S20具体包括：
步骤S21：根据各路点的位置信息确定第一备选路点和第二备选路点，第一备选路点与初始位置的距离小于第二备选路点与初始位置的距离。
在一可选实施例中，车端控制器在接收到各路点的推荐驾驶信息后，可以以各路点与初始位置从近到远的顺序将各路点的推荐驾驶信息存入栈中，其中，距离初始位置最近的路点为栈顶。
在选取第一备选路点和第二备选路点时，可以将栈顶的路点确定为第一路点，栈顶之后的第一个路点确定为第二备选路点。
步骤S22：确定当前位置在第一备选路点和第二备选路点构建的直线上的第一标记点。
在一可选实施例中，第一标记点可以为当前位置在第一备选路点和第二备选路点构建的直线上的垂足点，若第一备选路点和第二备选路点构建的直线为ax+by+c＝0，则当前位置P0(X0，Y0)在第一备选路点和第二备选路点构建的直线上的垂足点为
Figure BDA0003200275100000091
若第一标记点位于第一备选路点和第二备选路点之间，执行步骤S23：将第二备选路点确定为目标路点。
若车端控制器在接收到各路点的推荐驾驶信息后，将各路点的推荐驾驶信息存入栈中，则在执行上述步骤S23后，从栈中弹出第一备选路点。
当前位置信息是通过任意的定位技术得到的，目前的定位技术无法保证得到的定位信息与实际位置信息完全一致，因此，在通过定位技术得到目标车辆的当前位置信息后，还需要进一步确定与目标车辆的实际位置距离最近的路点，在上述步骤S21-步骤S23中，在第一备选路点和第二备选路点上确定第一标记点，根据第一标记点确定目标路点。
在一可选实施例中，在执行步骤S22确定第一标记点后，若标记点不位于第一备选路点和第二备选路点之间，执行如下步骤：
步骤S24：计算第一标记点与第一备选路点之间的距离，以及第一标记点与第二备选路点之间的距离。
判断第一标记点与第一备选路点之间的距离是否小于第一标记点与第二备选路点之间的距离，若第一标记点与第一备选路点之间的距离小于标记点与第二备选路点之间的距离，执行步骤S25。
步骤S25：将第一备选路点确定为目标路点。
在本发明实施例中，因为第一标记点不位于第一备选路点和第二备选路点之间，且第一标记点与第一备选路点之间的距离小于第一标记点与第二备选路点之间的距离，则表示目标车辆还没有通过第一备选路点，因此，可以将第一备选路点确定为目标路点，将第一备选路点对应的推荐速度确定为当前行驶速度。
在一可选实施例中，若车端控制器在接收到各路点的推荐驾驶信息后，将各路点的推荐驾驶信息存入栈中，则执行上述步骤S25后，从栈中弹出第一备选路点。
在一可选实施例中，在执行上述步骤S24后，若标记点与第一备选路点之间的距离不小于第一标记点与第二备选路点之间的距离，则执行如下步骤：
步骤S26：根据各路点的位置信息确定第三备选路点，第三备选路点与初始位置的距离大于第二备选路点与初始位置的距离。可以将第二备选路点之后的第一个路点确定为第三备选路点。
在一可选实施例中，若车端控制器在接收到各路点的推荐驾驶信息后，将各路点的推荐驾驶信息存入栈中，由于执行上述步骤后，原始栈顶的路点已被从栈中弹出，因此，在执行步骤S26时，当前栈顶的路点为第二备选路点，栈顶之后的第一个路点为第三备选路点。
步骤S27：确定当前位置在第二备选路点和第三备选路点构建的直线上的第二标记点，第二标记点的详细内容可参见上述步骤S22中对第一标记点的描述。
在执行上述步骤S27的到第二标记点后，可以用第二标记点代替第一标记点，用第二备选路点代替第一备选路点，用第三备选路点代替第二备选路点，并返回上述步骤S24的步骤，从而确定目标路点。
本发明实施例还提供了一种基于云支持的预测性巡航控制车速解析系统，如图3所示，包括：云平台1和车端控制器2，其中，
云平台1用于接收目标车辆的行驶信息，根据行驶信息生成各路点的推荐驾驶信息，并将各路点的推荐驾驶信息发送至车端控制器，详细内容参见上述实施例中对基于云支持的预测性巡航控制车速解析方法的描述。
车端控制器2设置于目标车辆，用于获取各路点的推荐驾驶信息，各路点的推荐驾驶信息包括各路点的位置信息和推荐速度；根据各路点的位置信息和当前位置信息确定与当前位置信息相匹配的目标路点；根据目标路点的推荐速度确定目标车辆的当前行驶速度。详细内容参见上述实施例中对基于云支持的预测性巡航控制车速解析方法的描述。
本发明提供的基于云支持的预测性巡航控制车速解析系统，云平台1根据目标车辆的行驶信息生成各路点的推荐驾驶信息，基于云平台1计算得到车辆未来路段行驶的优化车速，车端控制器2在获取到各路点的推荐驾驶信息后，进行优化路点车速与车端实际位置的筛选与匹配，进而确定车辆当前位置的行驶优化速度。本发明实施例有效解决了云端优化车速与车端位置准确匹配的问题，提高了基于云支持的优化车速在车端执行的准确性、高效性和可靠性。
本发明实施例还提供了一种基于云支持的预测性巡航控制车速解析装置，如图4所示，包括：
通信模块21，用于获取各路点的推荐驾驶信息，各路点的推荐驾驶信息包括各路点的位置信息和推荐速度；各路点的推荐驾驶信息是云平台根据目标车辆的行驶信息生成的，详细内容参见上述实施例中对步骤S10的描述。
目标路点匹配模块22，用于根据各路点的位置信息和当前位置信息确定与当前位置信息相匹配的目标路点，详细内容参见上述实施例中对步骤S20的描述。
当前行驶速度确定模块23，用于根据目标路点的推荐速度确定目标车辆的当前行驶速度，详细内容参见上述实施例中对步骤S30的描述。
本发明实施例提供的基于云支持的预测性巡航控制车速解析装置，云平台根据目标车辆的行驶信息生成各路点的推荐驾驶信息，基于云平台计算得到车辆未来路段行驶的优化车速，车端控制器在获取到各路点的推荐驾驶信息后，进行优化路点车速与车端实际位置的筛选与匹配，进而确定车辆当前位置的行驶优化速度。本发明实施例有效解决了云端优化车速与车端位置准确匹配的问题，提高了基于云支持的优化车速在车端执行的准确性、高效性和可靠性。
在一可选实施例中，目标车辆的行驶信息包括目标车辆的初始位置，如图5所示，目标路点匹配模块22包括：
备选路点确定子模块221，用于根据各路点的位置信息确定第一备选路点和第二备选路点，第一备选路点与初始位置的距离小于第二备选路点与初始位置的距离，详细内容参见上述实施例中对步骤S21的描述。
标记点确定子模块222，用于确定当前位置在第一备选路点和第二备选路点构建的直线上的第一标记点，详细内容参见上述实施例中对步骤S22的描述。
目标路点匹配子模块223，若第一标记点位于第一备选路点和第二备选路点之间，第一目标路点匹配子模块用于将第二备选路点确定为目标路点，详细内容参见上述实施例中对步骤S23的描述。
本发明实施例提供了一种计算机设备，如图6所示，该计算机设备主要包括一个或多个处理器31以及存储器32，图6中以一个处理器31为例。
该计算机设备还可以包括：输入装置33和输出装置34。
处理器31、存储器32、输入装置33和输出装置34可以通过总线或者其他方式连接，图6中以通过总线连接为例。
处理器31可以为中央处理器(Central Processing Unit，CPU)。处理器31还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。存储器32可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据基于云支持的预测性巡航控制车速解析系统，或，基于云支持的预测性巡航控制车速解析装置的使用所创建的数据等。此外，存储器32可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器32可选包括相对于处理器31远程设置的存储器，这些远程存储器可以通过网络连接至基于云支持的预测性巡航控制车速解析系统，或，基于云支持的预测性巡航控制车速解析装置。输入装置33可接收用户输入的计算请求(或其他数字或字符信息)，以及产生与基于云支持的预测性巡航控制车速解析系统，或，基于云支持的预测性巡航控制车速解析装置有关的键信号输入。输出装置34可包括显示屏等显示设备，用以输出计算结果。
本发明实施例提供了一种计算机可读存储介质，该计算机可读存储介质存储计算机指令，计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的基于云支持的预测性巡航控制车速解析方法。其中，存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(Random Access Memory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；存储介质还可以包括上述种类的存储器的组合。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (6)

1.一种基于云支持的预测性巡航控制车速解析方法，应用于车端控制系统，其特征在于，包括：
获取各路点的推荐驾驶信息，所述各路点的推荐驾驶信息包括各路点的位置信息和推荐速度；所述各路点的推荐驾驶信息是云平台根据目标车辆的行驶信息生成的；
根据所述各路点的位置信息和当前位置信息确定与所述当前位置信息相匹配的目标路点；
根据所述目标路点的推荐速度确定所述目标车辆的当前行驶速度；
所述目标车辆的行驶信息包括所述目标车辆的初始位置，根据所述各路点的位置信息和当前位置信息确定与所述当前位置信息相匹配的目标路点，包括：
根据所述各路点的位置信息确定第一备选路点和第二备选路点，所述第一备选路点与所述初始位置的距离小于所述第二备选路点与所述初始位置的距离；
确定所述当前位置在所述第一备选路点和第二备选路点构建的直线上的第一标记点；
若所述第一标记点位于所述第一备选路点和所述第二备选路点之间，将所述第二备选路点确定为所述目标路点；
根据所述各路点的位置信息和当前位置信息确定与所述当前位置信息相匹配的目标路点，还包括：
若所述第一标记点不位于所述第一备选路点和所述第二备选路点之间，计算所述第一标记点与所述第一备选路点之间的距离，以及所述第一标记点与所述第二备选路点之间的距离；
若所述第一标记点与所述第一备选路点之间的距离小于所述第一标记点与所述第二备选路点之间的距离，用于将所述第一备选路点确定为所述目标路点；
根据所述各路点的位置信息和当前位置信息确定与所述当前位置信息相匹配的目标路点，还包括：
若所述标记点与所述第一备选路点之间的距离不小于所述标记点与所述第二备选路点之间的距离，根据所述各路点的位置信息确定第三备选路点，所述第三备选路点与所述初始位置的距离大于所述第二备选路点与所述初始位置的距离；
确定所述当前位置在所述第二备选路点和第三备选路点构建的直线上的第二标记点；
根据所述第二标记点的位置、第一备选路点的位置信息、第二备选路点的位置信息确定所述目标路点。
2.根据权利要求1所述的基于云支持的预测性巡航控制车速解析方法，其特征在于，还包括：
按照所述各路点的位置信息将所述各路点的推荐驾驶信息存储至预设栈中。
3.一种基于云支持的预测性巡航控制车速解析系统，其特征在于，包括：云平台和车端控制器，其中，
所述云平台用于接收目标车辆的行驶信息，根据所述行驶信息生成各路点的推荐驾驶信息，并将所述各路点的推荐驾驶信息发送至所述车端控制器；
所述车端控制器设置于所述目标车辆，用于执行如权利要求1所述的基于云支持的预测性巡航控制车速解析方法。
4.一种基于云支持的预测性巡航控制车速解析装置，其特征在于，包括：
通信模块，用于获取各路点的推荐驾驶信息，所述各路点的推荐驾驶信息包括各路点的位置信息和推荐速度；所述各路点的推荐驾驶信息是云平台根据目标车辆的行驶信息生成的；
目标路点匹配模块，用于根据所述各路点的位置信息和当前位置信息确定与所述当前位置信息相匹配的目标路点；
当前行驶速度确定模块，用于根据所述目标路点的推荐速度确定所述目标车辆的当前行驶速度；
所述目标车辆的行驶信息包括所述目标车辆的初始位置，所述目标路点匹配模块包括：
备选路点确定子模块，用于根据所述各路点的位置信息确定第一备选路点和第二备选路点，所述第一备选路点与所述初始位置的距离小于所述第二备选路点与所述初始位置的距离；
标记点确定子模块，用于确定所述当前位置在所述第一备选路点和第二备选路点构建的直线上的第一标记点；
目标路点匹配子模块，若所述第一标记点位于所述第一备选路点和所述第二备选路点之间，所述目标路点匹配子模块用于将所述第二备选路点确定为所述目标路点；
所述目标路点匹配模块还用于：
若所述第一标记点不位于所述第一备选路点和所述第二备选路点之间，计算所述第一标记点与所述第一备选路点之间的距离，以及所述第一标记点与所述第二备选路点之间的距离；
若所述第一标记点与所述第一备选路点之间的距离小于所述第一标记点与所述第二备选路点之间的距离，用于将所述第一备选路点确定为所述目标路点；
所述目标路点匹配模块还用于：
若所述标记点与所述第一备选路点之间的距离不小于所述标记点与所述第二备选路点之间的距离，根据所述各路点的位置信息确定第三备选路点，所述第三备选路点与所述初始位置的距离大于所述第二备选路点与所述初始位置的距离；
确定所述当前位置在所述第二备选路点和第三备选路点构建的直线上的第二标记点；
根据所述第二标记点的位置、第一备选路点的位置信息、第二备选路点的位置信息确定所述目标路点。
5.一种计算机设备，其特征在于，包括：
至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，从而执行如权利要求1或2所述的基于云支持的预测性巡航控制车速解析方法。
6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行如权利要求1或2所述的基于云支持的预测性巡航控制车速解析方法。
CN202110902024.6A 2021-08-06 2021-08-06 基于云支持的预测性巡航控制车速解析方法、系统及装置 Active CN113792375B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110902024.6A CN113792375B (zh) 2021-08-06 2021-08-06 基于云支持的预测性巡航控制车速解析方法、系统及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110902024.6A CN113792375B (zh) 2021-08-06 2021-08-06 基于云支持的预测性巡航控制车速解析方法、系统及装置

Publications (2)

Publication Number Publication Date
CN113792375A CN113792375A (zh) 2021-12-14
CN113792375B true CN113792375B (zh) 2022-09-09

Family

ID=79181503

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110902024.6A Active CN113792375B (zh) 2021-08-06 2021-08-06 基于云支持的预测性巡航控制车速解析方法、系统及装置

Country Status (1)

Country Link
CN (1) CN113792375B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107843267A (zh) * 2017-10-25 2018-03-27 广州汽车集团股份有限公司 施工路段无人驾驶车辆的路径生成方法及装置
CN110466527A (zh) * 2019-08-22 2019-11-19 广州小鹏汽车科技有限公司 一种车辆的行驶控制方法、系统及车辆
CN111731307A (zh) * 2020-06-28 2020-10-02 中国第一汽车股份有限公司 一种车辆转弯控制方法、装置、车辆及存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107843267A (zh) * 2017-10-25 2018-03-27 广州汽车集团股份有限公司 施工路段无人驾驶车辆的路径生成方法及装置
CN110466527A (zh) * 2019-08-22 2019-11-19 广州小鹏汽车科技有限公司 一种车辆的行驶控制方法、系统及车辆
CN111731307A (zh) * 2020-06-28 2020-10-02 中国第一汽车股份有限公司 一种车辆转弯控制方法、装置、车辆及存储介质

Also Published As

Publication number Publication date
CN113792375A (zh) 2021-12-14

Similar Documents

Publication Publication Date Title
JP6667686B2 (ja) 自動運転車両のための走行軌跡生成方法、システム及び機械可読媒体
US10990101B2 (en) Method for drifting correction for planning a path for autonomous driving vehicles
US10816985B2 (en) Method on moving obstacle representation for trajectory planning
EP3327530B1 (en) Method for determining command delays of autonomous vehicles
JP2019184583A (ja) 車線群識別を用いる動的な車線レベルの車両ナビゲーション
JP5460869B2 (ja) 渋滞予測装置
JP7258233B2 (ja) 後退ホライズン状態推定器
KR20180074676A (ko) 자율 주행 차량의 조향률의 동적 조정
US20190315357A1 (en) Novel method for speed adjustment of autonomous driving vehicles prior to lane change
EP3694756B1 (en) Spiral curve based vertical parking planner system for autonomous driving vehicles
WO2019200563A1 (en) Map-less and localization-less lane following method for autonomous driving of autonomous driving vehicles on highway
KR20200111978A (ko) 내비게이션 시스템 및 그의 경로 탐색 방법
US11591019B2 (en) Control dominated three-point turn planning for autonomous driving vehicles
EP3659889B1 (en) Predetermined calibration table-based vehicle throttle/brake assist system for level 2 autonomous vehicle
JP6908674B2 (ja) 自動運転車両を動作させるための所定のキャリブレーションテーブルに基づく車両制御システム
US11338819B2 (en) Cloud-based vehicle calibration system for autonomous driving
US20220107204A1 (en) Semantic map with live updates
US11247700B2 (en) Enumeration-based three-point turn planning for autonomous driving vehicles
CN113792375B (zh) 基于云支持的预测性巡航控制车速解析方法、系统及装置
EP3698228B1 (en) Optimal planner switch method for three point turn of autonomous driving vehicles
WO2020198938A1 (en) Multi-point enforced based stitch method to connect two smoothed reference lines
US20200282987A1 (en) Extra-freedom stitch method for reference line smoothing
US11644846B2 (en) System and method for real-time lane validation
US11429097B2 (en) Programmatic application of router flags for vehicle limitations
US20240051569A1 (en) Long-term evolution computing platform for autonomous vehicles based on shell and nut architecture

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