CN115019531B - 车辆控制方法和车辆 - Google Patents

Abstract

本发明提出一种车辆控制方法和车辆，方法包括：获取车辆的普通导航地图上的普通导航规划路径，并根据普通导航规划路径在高精度地图上获取截止变道终止点、目标车道；根据截止变道终止点在高精度地图上回溯搜索各个局部变道终止点以及各个局部变道终止点对应的车道、对应车道上的可变道距离；判断当前车辆所在车道是否是目标车道：若是，则直接采用普通导航规划路径；若否，则根据参数空间，利用变道数学模型计算推荐的最佳变道位置。本发明解决了现有技术中的导航存在不准确、提醒不及时、语音播报或道路级指引不足以让驾驶员快速理解变道提醒，增加了变道的安全风险的技术问题。

Description

车辆控制方法和车辆

技术领域

本发明涉及车辆领域，尤其涉及一种车辆控制方法和车辆。

背景技术

现有技术中的导航通过语音播报提醒变道，但是存在不准确、提醒不及时等情况，用户体验不高；同时现有技术中的变道提醒只基于地图的相关信息，没有融入驾驶相关因素的考虑，在进行提示时不能满足不同风格驾驶员的需求；在实际驾驶过程中，常会出现变道提醒不及时、指引不合理的情况，降低了变道的成功率，同时增加了变道过程中的风险；当车速过快或者出现拥堵的情况下，语音播报或道路级指引不足以让驾驶员快速理解变道提醒，增加了变道的安全风险。

发明内容

基于以上问题，本发明提出一种车辆控制方法和车辆，解决了现有技术中的导航存在不准确、提醒不及时、语音播报或道路级指引不足以让驾驶员快速理解变道提醒，增加了变道的安全风险的技术问题。采用本发明提供的车辆控制方法能够及时、准确的计算出最佳变道点，并及时提醒驾驶员最佳变道点的位置。

本发明提出一种车辆控制方法，包括：

获取车辆的普通导航地图上的普通导航规划路径，并根据普通导航规划路径在高精度地图上获取截止变道终止点、目标车道；

根据截止变道终止点在高精度地图上回溯搜索各个局部变道终止点以及各个局部变道终止点对应的车道、对应车道上的可变道距离；

判断当前车辆所在车道是否是目标车道：

若是，则直接采用普通导航规划路径；

若否，则根据参数空间，利用变道数学模型计算推荐的最佳变道位置，参数空间包含的参数至少包括：各个局部变道终止点对应的车道上的可变道距离、根据高精度地图判断得到的实际可变道距离、当前车辆所在车道的相邻车道车辆信息，其中相邻车道车辆信息至少包括相邻车道车辆的平均车速、相邻车道的车辆间平均间距；

其中，变道数学模型为多项式模型，多项式模型为多个单项式之和，包含参数的单项式为参数单项式，参数单项式中一个或两个以上参数的指数之和小于或等于多项式的最高次数，参数单项式的参数从参数空间中任意选取，多项式模型包含所有任意选取参数对应的参数多项式。

此外，还包括对变道数学模型更新的步骤：获取车辆的实际变道位置，根据实际变道位置与推荐的最佳变道位置的差值，利用代价函数通过梯度下降的方法获得最佳的一组权重系数以更新变道数学模型中对应的权重系数。

此外，优化函数为1/2∑(y-y*)^2，其中y为推荐的最佳变道位置，y*为实际变道位置。

此外，在计算出推荐的最佳变道位置后，通过车辆的声音装置和/或显示装置提示最佳变道位置。

此外，根据参数空间，利用变道数学模型计算推荐的最佳变道位置包括：

参数空间为Θ＝{θ₁,θ₂,θ₃,…,θ_m}，m为参数空间中参数的个数；

根据下列变道数学模型计算推荐的最佳变道位置y：

其中，W_j(1≤j≤m)为θ_j的次数，0≤W_j≤N，K_n表示系数集，K_n取值为{K₀,K₁,K₂,…,K_n}，N为多项式的最高次数。

本发明还提出一种车辆，包括上述任一项所述的车辆控制方法。

本发明解决了现有技术中的导航存在不准确、提醒不及时、语音播报或道路级指引不足以让驾驶员快速理解变道提醒，增加了变道的安全风险的技术问题。采用本发明提供的车辆控制方法能够及时、准确的计算出最佳变道点，并及时提醒驾驶员最佳变道点的位置。

附图说明

图1为本发明一个实施例提供的车辆控制方法的流程图；

图2为本发明一个实施例提供的车辆控制方法中车辆变道示意图；

图3为本发明一个实施例提供的车辆控制方法中车辆变道示意图；

图4为本发明一个实施例提供的车辆控制方法中的提示示意图；

图5为本发明一个实施例提供的车辆控制方法中的提示示意图；

图6为本发明一个实施例提供的车辆控制方法中的提示示意图；

图7为本发明一个实施例提供的车辆控制方法的流程图。

具体实施方式

以下结合具体实施方案和附图对本发明进行进一步的详细描述。其只意在详细阐述本发明的具体实施方案，并不对本发明产生任何限制，本发明的保护范围以权利要求书为准。

参照图1，本发明提出一种车辆控制方法，包括：

步骤S001，获取车辆的普通导航地图上的普通导航规划路径，并根据普通导航规划路径在高精度地图上获取截止变道终止点、目标车道；

步骤S002，根据截止变道终止点在高精度地图上回溯搜索各个局部变道终止点以及各个局部变道终止点对应的车道、对应车道上的可变道距离；

步骤S003，判断当前车辆所在车道是否是目标车道：若是，则直接采用普通导航规划路径；

若否，则根据参数空间，利用变道数学模型计算推荐的最佳变道位置，参数空间包含的参数至少包括：各个局部变道终止点对应的车道上的可变道距离、根据高精度地图判断得到的实际可变道距离、当前车辆所在车道的相邻车道车辆信息，其中相邻车道车辆信息至少包括相邻车道车辆的平均车速、相邻车道的车辆间平均间距；

其中，变道数学模型为多项式模型，多项式模型为多个单项式之和，包含参数的单项式为参数单项式，参数单项式中一个或两个以上参数的指数之和小于或等于多项式的最高次数，参数单项式的参数从参数空间中任意选取，多项式模型包含所有任意选取参数对应的参数多项式。参数从参数空间中任意选取，且穷尽所有选取情况或组合情况。

在步骤S001中，可选地，根据车辆的普通导航规划路径，在高精度地图内查找普通导航规划路径经过的截止变道终止点在世界坐标系中的坐标(x_w1，y_w1)，(x_w2，y_w2)……。

在步骤S002中，采用回溯法，在高精度地图上找到截止变道终止点后，从截止变道终止点出发，根据纵向位移搜索各个局部变道终止点以及各个局部变道终止点对应的车道、对应车道上的可变道距离，从而获得以各局部变道终止点为终点的车道信息。

在步骤S003中，可选地，利用车载定位设备，获取车辆当前位于世界坐标系的坐标(Xwc,Ywc)，根据车辆的坐标信息判断当前车辆所在车道是否处于目标车道内，目标车道即为可变道车道，然后在高精度地图上提供每个车道的变道终止点以及每个车道的可变道距离。

若是，则直接采用普通导航规划路径；

若否，则根据参数空间，利用变道数学模型计算推荐的最佳变道位置，参数空间至少包括：各个局部变道终止点对应的车道上的可变道距离、根据高精度地图判断得到的实际可变道距离、当前车辆所在车道的相邻车道车辆信息，其中相邻车道车辆信息至少包括相邻车道车辆的平均车速、相邻车道的车辆间平均间距；可选地，利用车载传感器，获取当前车辆所在车道的相邻车道车辆信息。

各个局部变道终止点对应的车道上的可变道距离为局部变道终止点与车辆之间的距离，而根据高精度地图判断得到的实际可变道距离为去掉车道线为实线部分的局部变道终止点与车辆之间的距离。推荐的最佳变道位置在实际可变道距离中的一处位置。

可选地，多项式模型展开后可以是如下形式，这里s₁,s₂,V_av,s_crowd为参数空间中的参数，多项式最高次数为2：

由上可以看到，单项式可以从参数s₁,s₂,V_av,s_crowd中任意获取不同个数，参数的指数之和可以是1或者等于最高次数2。

在模型中采用了所有可能任意选取参数的对应参数多项式，利用数学上多项式拟合逼近的思想计算推荐的最佳变道位置y，解决了现有技术中由于需要考虑的因素(从车载传感器或高精度地图获得的测量值，如相邻车道车辆信息等)与最佳变道位置y之间无法给出一个明确的函数关系式而无法预测最佳变道位置的技术问题。

例如：首先确定多项式的最高次数N，接着在不超过最高次数N的前提下，将所有影响推荐的最佳变道位置y计算的因素组成的参数空间进行组合，生成含有常数项，一次项，二次项，......，N次项的一个多项式，并对生成多项式中的每一项赋予一个权重系数，进而会形成一个权重系数集(代表了每一个参数项组合和推荐的最佳变道位置y之间的联系)，该权重系数集会通过学习模型进行优化；

权重系数集通过在线进行学习优化，首先根据提到的多项式模型及当前观测状态量(根据传感器或高精度地图)后计算出一个推荐的最佳变道位置y，接着记录下当前观测状态量及驾驶员实际驾驶过程中选择的变道点y*，此时相当于获得了一组观测值(groundtruth)和当前模型计算出的理论值，即获得了一组训练样本。学习优化的思想是希望多项式模型计算出的理论值尽可能接近实际值，即(y-y*)最小，此处构造出1/2∑(y-y*)^2作为优化函数，进而通过梯度下降的方法获得最佳的一组权重系数，这样就能针对不同风格的驾驶员给出更准确的变道提醒。

最终通过逐次样本的在线训练，在经过大量训练样本训练之后做到根据不同驾驶风格进行差异化提醒。

参照图2和图3，这里以车辆驶离高速为例进行说明：

(1)典型应用方式：

1、根据自定义目的地生成普通导航规划路径，获取普通导航规划路径上的道路连接点(N1、N2)；

2、根据道路连接点，匹配普通导航地图与高精度地图，图2中左边为普通导航规划路径，其中R1为变道前路径，R2和R3分别为沿着原道路行驶和变道后的路径，右边为匹配后的高精度地图的路径，可见到，高精度地图中给出了更多的车道信息，L1、L2、L3、L4、L5为变道前的车道路径，L6、L7和L8为沿着原道路行驶的车道路径，L9、L10为变道后的车道路径。

3、当车辆位置与出口匝道的最终变道点的距离小于K公里时，调取前方K公里的高精度地图(K为系统预设值)；

4、在前方K公里高精度地图上采用回溯法找到各个局部变道终止点以及各个局部变道终止点对应的车道，例如车道L1、L2和L3的变道终止点分别为S2、S4和S8。

5、结合计算得出的推荐的最佳变道位置y、车辆所处车道、车辆当前位置、车辆与变道点的纵向距离等，进行车道级指引及距离提醒。

如：L1车道路径上S1、S2之间的距离为车辆与变道点的纵向距离，L2车道路径上S3和S4之间的距离为车辆与变道点的纵向距离，L3车道路径上S5和S6之间的距离，S7和S8之间的距离为车辆与变道点的纵向距离，S6和S7之间为实线不能变道。D、C、B和A分别对应L1、L2、L3的可变道区域。

(2)查找可变道区域的过程如下：

1、根据出口匝道的道路id找到对应的车道id，即L9，L10；

2、根据高精度地图的车道级连接关系，找到与L9，L10相连的前继车道，即L4，L5；

3、根据车道id，判断与匝道连接的前继车道中的最左侧车道，即L4；

4、根据高精度地图的车道级连接关系，找到L4左侧的所有车道，即L1、L2、L3；

5、在L1、L2、L3的车道信息中，获取车道线为虚线部分的起点和终点，即：L1：s1-s2；

L2：s3-s4；

L3：s5-s6、s7-s8。

本发明解决了现有技术中的导航存在不准确、提醒不及时、语音播报或道路级指引不足以让驾驶员快速理解变道提醒，增加了变道的安全风险的技术问题。采用本发明提供的车辆控制方法能够及时、准确的计算出推荐的最佳变道点，并及时提醒驾驶员最佳变道点的位置。

在其中的一个实施例中，还包括对变道数学模型更新的步骤：获取车辆的实际变道位置，根据实际变道位置与推荐的最佳变道位置的差值，利用代价函数通过梯度下降的方法获得最佳的一组权重系数以更新变道数学模型中对应的权重系数。

采用数学上多项式拟合逼近的思想，即变道数学模型为多项式模型。

例如：首先确定多项式的最高次数N，接着在不超过最高次数N的前提下，将所有影响推荐的最佳变道位置y计算的因素组成的参数空间进行组合，生成含有常数项，一次项，二次项，......，N次项的一个多项式，并对生成多项式中的每一项赋予一个权重系数，进而会形成一个权重系数集(代表了每一个参数项组合和推荐的最佳变道位置y之间的联系)，该权重系数集会通过学习模型进行优化；

权重系数集通过在线进行学习优化，首先根据提到的多项式模型及当前观测状态量(根据传感器或高精度地图)后计算出一个推荐的最佳变道位置y，接着记录下当前观测状态量及驾驶员实际驾驶过程中选择的变道点y*，此时相当于获得了一组观测值(groundtruth)和当前模型计算出的理论值，即获得了一组训练样本。学习优化的思想是希望多项式模型计算出的理论值尽可能接近实际值，即(y-y*)最小，此处构造出1/2∑(y-y*)^2作为优化函数，进而通过梯度下降的方法获得最佳的一组权重系数，这样就能针对不同风格的驾驶员给出更准确的变道提醒。

在其中的一个实施例中，优化函数为1/2∑(y-y*)^2，其中y为推荐的最佳变道位置，y*为实际变道位置。通过优化函数计算出的理论值尽可能接近实际值。

在其中的一个实施例中，在计算出推荐的最佳变道位置后，通过车辆的声音装置和/或显示装置提示最佳变道位置。通过提示使驾驶员更直接地获取信息。

可选地，提醒方式可以为：

以车辆处于L1车道，计划驶离高速为例，

若变道终止点形成的路图不包含当前车辆位置信息，则显示基本导航信息，如图4所示，包括但不限于当前的车道信息，车道线类型和导航指引信息等；

生成的提醒信息包括但不限于显示在仪表或利用车载摄像头采集的实际道路图像，将车道线信息(车道线线型、位置等)和导航信息通过渲染等方式绘制在图像中实现提醒，还可包括相关的语音、声音提醒以及必要的震动信息提醒；

根据已算出的最佳变道点y的组合，确定车辆实现驶离高速的路径。

如图5所示，为考虑安全驾驶，单车道变道终止点和最终变道终止点的系统设定提醒距离可不同。

如图6所示，在基础导航信息的基础上，可添加当前位置信息、变道方向、引导变道轨迹，当前位置为系统设定的变道终止点的编号等。

在其中的一个实施例中，根据参数空间，利用变道数学模型计算推荐的最佳变道位置包括：

参数空间为Θ＝{θ₁,θ₂,θ₃,…,θ_m}，m为参数空间中参数的个数；

根据下列变道数学模型计算推荐的最佳变道位置y：

其中，W_j(1≤j≤m)为θ_j的次数，0≤W_j≤N，K_n表示系数集，K_n取值为{K₀,K₁,K₂,…,K_n}，N为多项式的最高次数。

下面为多项式构建过程：

y的多项式求和可以表示为矩阵形式，以便通过数据样本集合对参数集K_n进行优化和学习；

将系数集K_n写成向量形式：定义向量K＝[K₀,K₁,K₂,…,K_n]；

在多项式求和中，展开之后的每一项取含有参数的部分，写成如下向量形式：

构造出1/2∑(y-y*)^2作为优化函数，进而通过梯度下降的方法获得最佳的一组权重系数:

Θ＝{θ₁,θ₂,θ₃,…,θ_m},m为取参数空间的个数，最高次数为N，1≤N≤m,

此处参数优化(学习模型)步骤如下：

学习模型的通式可以表达如下，π^{^}即是最佳的一种策略，此处获得了最佳的一组系数集K,

定义损失函数如下，y为模型计算值，y^*为真值,

通过梯度下降进行优化直至收敛，获得最优系数集K,

α为学习率。

举例说明如何计算最佳变道点：

参数空间包括：变道终止点距离s₁、实际可变道距离s₂、相邻车道平均车速V_av和相邻车道堵车距离s_crowd。

Θ＝{s₁,s₂,V_av,s_crowd}，

定义最高次数N＝2，

变道点位置y根据下式进行展开：

展开后形式如下：

y的多项式求和表示方式可以表示为如下矩阵形式：

其中：

L＝[k₀,k₁,k₂,k₃,k₄,k₅,k₆,k₇,k₈,k₉,k₁₀,k₁₁,k₁₂,k₁₃,k₁₄]，所以：

参数优化(学习模型)步骤如下：

通过梯度下降进行优化直至收敛，获得最优系数集K，

其中为学习率。

图7提供了一种车辆控制方法。在这个实施例子中，当判断自车处于变道车道内时，此时继续采用普通导航规划路径(即遵循基本导航模块指引进行行驶)，若没有处于变道车道内(即目标车道)时，则采用高精度地图规划路径。

本发明还提出一种车辆，包括采用如上任一项所述的车辆控制方法。本发明解决了现有技术中的导航存在不准确、提醒不及时、语音播报或道路级指引不足以让驾驶员快速理解变道提醒，增加了变道的安全风险的技术问题。采用本发明提供的车辆控制方法能够及时、准确的计算出最佳变道点，并及时提醒驾驶员最佳变道点的位置。

以上所述的仅是本发明的原理和较佳的实施例。应当指出，对于本领域的普通技术人员来说，在本发明原理的基础上，还可以做出若干其它变型，也应视为本发明的保护范围。

Claims (6)

1.一种车辆控制方法，其特征在于，包括：

获取车辆的普通导航地图上的普通导航规划路径，并根据普通导航规划路径在高精度地图上获取截止变道终止点、目标车道；

根据截止变道终止点在高精度地图上回溯搜索各个局部变道终止点以及各个局部变道终止点对应的车道、对应的车道上的可变道距离；

判断当前车辆所在车道是否是目标车道：

若是，则直接采用普通导航规划路径；

若否，则根据参数空间，利用变道数学模型计算推荐的最佳变道位置，参数空间包含的参数至少包括：各个局部变道终止点对应的车道上的可变道距离、根据高精度地图判断得到的实际可变道距离、当前车辆所在车道的相邻车道车辆信息，其中相邻车道车辆信息至少包括相邻车道车辆的平均车速、相邻车道的车辆间平均间距；

其中，变道数学模型为多项式模型，多项式模型为多个单项式之和，包含参数的单项式为参数单项式，参数单项式中一个或两个以上参数的指数之和小于或等于多项式的最高次数，参数单项式的参数从参数空间中任意选取，多项式模型包含所有任意选取参数对应的参数多项式。

2.根据权利要求1所述的车辆控制方法，其特征在于，

还包括对变道数学模型更新的步骤：获取车辆的实际变道位置，根据实际变道位置与推荐的最佳变道位置的差值，利用代价函数通过梯度下降的方法获得最佳的一组权重系数以更新变道数学模型中对应的权重系数。

3.根据权利要求2所述的车辆控制方法，其特征在于，

优化函数为1/2∑(y-y*)^2，其中y为推荐的最佳变道位置，y*为实际变道位置。

4.根据权利要求1所述的车辆控制方法，其特征在于，

在计算出推荐的最佳变道位置后，通过车辆的声音装置和/或显示装置提示最佳变道位置。

5.根据权利要求1-4任一项所述的车辆控制方法，其特征在于，

根据参数空间，利用变道数学模型计算推荐的最佳变道位置包括：

参数空间为Θ＝{θ₁,θ₂,θ₃,…,θ_m}，m为参数空间中参数的个数；

根据下列变道数学模型计算推荐的最佳变道位置y：

其中，W_j为θ_j的次数，1≤j≤m，0≤W_j≤N，K_n表示系数集，K_n取值为{K₀,K₁,K₂,…,K_n}，N为多项式的最高次数。

6.一种车辆，其特征在于，包括采用如权利要求1-5任一项所述的车辆控制方法。