CN115042813A - 车辆控制方法、装置、存储介质及车辆 - Google Patents
车辆控制方法、装置、存储介质及车辆 Download PDFInfo
- Publication number
- CN115042813A CN115042813A CN202210726820.3A CN202210726820A CN115042813A CN 115042813 A CN115042813 A CN 115042813A CN 202210726820 A CN202210726820 A CN 202210726820A CN 115042813 A CN115042813 A CN 115042813A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- vehicle speed
- target
- current
- intersection
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000011217 control strategy Methods 0.000 claims abstract description 50
- 230000001133 acceleration Effects 0.000 claims description 40
- 230000015654 memory Effects 0.000 claims description 30
- 125000000205 L-threonino group Chemical group [H]OC(=O)[C@@]([H])(N([H])[*])[C@](C([H])([H])[H])([H])O[H] 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 206010039203 Road traffic accident Diseases 0.000 abstract description 10
- 238000004519 manufacturing process Methods 0.000 abstract 1
- 238000004891 communication Methods 0.000 description 22
- 230000006399 behavior Effects 0.000 description 14
- 238000012545 processing Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 230000008447 perception Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000005291 magnetic effect Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 230000010267 cellular communication Effects 0.000 description 3
- 239000000446 fuel Substances 0.000 description 3
- 230000000670 limiting effect Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- ATUOYWHBWRKTHZ-UHFFFAOYSA-N Propane Chemical compound CCC ATUOYWHBWRKTHZ-UHFFFAOYSA-N 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- SAZUGELZHZOXHB-UHFFFAOYSA-N acecarbromal Chemical compound CCC(Br)(CC)C(=O)NC(=O)NC(C)=O SAZUGELZHZOXHB-UHFFFAOYSA-N 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 239000001294 propane Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000000979 retarding effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0015—Planning or execution of driving tasks specially adapted for safety
-
- 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
- B60W40/02—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 ambient conditions
- B60W40/04—Traffic conditions
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开涉及一种车辆控制方法、装置、存储介质及车辆。本公开的车辆控制方法包括:获取车辆前方目标路口处的当前信号灯状态;在当前信号灯状态不为红灯状态的情况下,根据当前信号灯状态、当前车速、车辆当前相对于目标路口的位置、以及预设的车速模型,确定车速控制策略,其中,车速模型包括第一车速模型,第一车速模型用于表征车辆相对于路口的位置、和车辆从该位置处能够以目标减加速度刹停于该路口的最大车速之间的对应关系;根据车速控制策略,控制车辆的车速。通过本公开,可以使得车辆智能自动化,提高自动驾驶的安全性,预防交通事故的产生。
Description
技术领域
本公开涉及车辆控制领域,尤其涉及一种车辆控制方法、装置、存储介质及车辆。
背景技术
人类开车在接近路口时会通过减速以应对指示灯颜色突然改变的情况,防止车辆无法及时刹停。随着智能技术的飞速发展与用户的多样化需求,自动驾驶车辆、无人驾驶车辆功能的使用需求越来越多,在启动自动驾驶时,如何使得车辆智能自动化,使得自动驾驶具有类人的车辆控制行为以及如何提高自动驾驶的安全性是十分重要的。
发明内容
为克服相关技术中存在的问题,本公开提供一种车辆控制方法、装置、存储介质及车辆。
根据本公开实施例的第一方面,提供一种车辆控制方法,包括:获取车辆前方目标路口处的当前信号灯状态;在所述当前信号灯状态不为红灯状态的情况下,根据所述当前信号灯状态、当前车速、车辆当前相对于所述目标路口的位置、以及预设的车速模型,确定车速控制策略,其中,所述车速模型包括第一车速模型,所述第一车速模型用于表征车辆相对于路口的位置、和车辆从该位置处能够以目标减加速度刹停于该路口的最大车速之间的对应关系;根据所述车速控制策略,控制所述车辆的车速。
在至少一种实施方式中,所述根据所述当前信号灯状态、当前车速、车辆当前相对于所述目标路口的位置、以及预设的车速模型,确定车速控制策略,包括:在所述当前信号灯状态为黄灯状态时,根据所述第一车速模型,确定车辆从当前相对于所述目标路口的位置处能够以目标减加速度刹停于所述目标路口的最大车速;在当前车速不大于所述最大车速的情况下,确定所述车速控制策略为减速停车。
在至少一种实施方式中,所述车速模型还包括第二车速模型,所述第二车速模型用于表征车辆相对于路口的位置、和车辆从该位置处能够在黄灯状态期间内通过该路口所需要的最小车速之间的对应关系;所述根据所述当前信号灯状态、当前车速、车辆当前相对于所述目标路口的位置、以及预设的车速模型,确定车速控制策略,还包括:在当前车速大于所述最大车速的情况下,根据所述第二车速模型,确定车辆从当前相对于所述目标路口的位置处能够在黄灯状态期间内通过所述目标路口所需要的最小车速;确定所述车速控制策略为:控制所述车辆的车速不小于所述最小车速。
在至少一种实施方式中,所述根据所述当前信号灯状态、当前车速、车辆当前相对于所述目标路口的位置、以及预设的车速模型,确定车速控制策略,包括:在所述当前信号灯状态为绿灯状态时,根据所述第一车速模型,确定车辆从至少一个目标位置处能够以目标减加速度刹停于所述目标路口的最大车速,其中,所述目标位置为从车辆当前相对于所述目标路口的位置、到所述目标路口之间的行驶路径范围内的位置;确定所述车速控制策略为:控制车辆在行驶到所述目标位置处时的车速不大于所述目标位置处的所述最大车速。
在至少一种实施方式中,所述根据所述当前信号灯状态、当前车速、车辆当前相对于所述目标路口的位置、以及预设的车速模型,确定车速控制策略,还包括:根据车辆当前相对于所述目标路口的位置,确定所述目标减加速度。
在至少一种实施方式中,所述根据车辆当前相对于所述目标路口的位置,确定所述目标减加速度,包括:在车辆当前与所述目标路口之间的距离小于或等于预设的距离阈值时,确定所述目标减加速度为车辆能采取的最大减加速度;在车辆当前与所述目标路口之间的距离大于所述距离阈值时,根据减加速度模型,确定所述目标减加速度,其中,所述减加速度模型用于表征车辆与路口之间的距离和该距离下车辆能采取的减加速度之间的对应关系。
在至少一种实施方式中,所述减加速度模型为:
a=log2(max_a*log2(D_thres)/log2(D_light_appear-s);
其中,a表示所述目标减加速度;s表示车辆自开始确定到所述目标路口处的信号灯时的位置到当前位置的距离;D_light_appear表示车辆自开始确定所述信号灯时的位置到所述目标路口停止线之间的距离;D_thres表示所述距离阈值;max_a表示车辆能采取的最大减加速度。
根据本公开实施例的第二方面,提供一种车辆控制装置,包括:获取模块,用于获取车辆前方目标路口处的当前信号灯状态;确定模块,用于在所述当前信号灯状态不为红灯状态的情况下,根据所述当前信号灯状态、当前车速、车辆当前相对于所述目标路口的位置、以及预设的车速模型,确定车速控制策略,其中,所述车速模型包括第一车速模型,所述第一车速模型用于表征车辆相对于路口的位置、和车辆从该位置处能够以目标减加速度刹停于该路口的最大车速之间的对应关系;控制模块,用于根据所述车速控制策略,控制所述车辆的车速。
根据本公开实施例的第三方面,提供一种车辆控制装置,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为:执行本公开第一方面所提供的车辆控制方法。
根据本公开实施例的第四方面,提供一种非临时计算机可读存储介质,其上存储有计算机程序指令,该程序指令被处理器执行时实现本公开第一方面所提供的车辆控制方法。
根据本公开实施例的第五方面,提供一种车辆,包括:第二处理器;用于存储第二处理器可执行指令的第二存储器;其中,所述第二处理器被配置为:执行本公开第一方面所提供的车辆控制方法。
本公开的实施例提供的技术方案可以包括以下有益效果:通过获取车辆前方目标路口处的当前信号灯状态,在当前信号灯状态不为红灯状态的情况下,根据当前信号灯状态、当前车速、车辆当前相当于目标路口的位置、以及预设的车速模型,确定车速控制策略,并根据车速控制策略,控制车辆的车速,其中,车速模型包括第一车速模型,第一车速模型用于表征车辆相对于路口的位置、和车辆从该位置处能够以目标减加速度刹停于该路口的最大车速之间的对应关系,可以实现在当前信号灯状态不为红灯状态的情况下,能够适应性地确定车速控制策略,并根据该车速控制策略控制车辆的车速,确保在当前信号灯状态下车辆能够安全驶过路口或者能够从当前位置以目标减加速度安全刹停于该路口,使得车辆在路口前实现类人的判断行为和控制行为,提高自动驾驶的智能性和安全性,预防交通事故的产生。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种车辆在路口行驶的场景示意图。
图2是根据一示例性实施例示出的一种车辆控制方法的流程图。
图3是根据一示例性实施例示出的一种确定车速控制策略的流程图。
图4是根据一示例性实施例示出的一种确定目标减加速度的流程图。
图5是根据一示例性实施例示出的一种车辆控制装置的框图。
图6是根据一示例性实施例示出的一种车辆控制装置的框图。
图7是根据一示例性实施例示出的一种车辆的功能框图示意图。
图8是根据一示例性实施例示出的一种车辆控制装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
需要说明的是,本申请中所有获取信号、信息或数据的动作都是在遵照所在地国家相应的数据保护法规政策的前提下,并获得由相应装置所有者给予授权的情况下进行的。此外,本申请中对车辆行驶速度的控制,均是在遵照相应法律法规下进行的。
人类开车在接近路口时通常通过适当减速以应对指示灯颜色突然改变的情况,防止车辆无法及时刹停,造成交通事故。在自动驾驶场景中,多数情况下,在车辆的行驶轨迹上会有一个或多个路口。路口交通状况较为复杂,车辆的行驶受多方面因素的影响,如其他车辆、行人、非机动车、信号灯等等。因此,使得车辆智能自动化,控制自动驾驶车辆实现类人的车辆控制行为,控制自动驾驶车辆安全行驶过路口,是十分重要的。为此,本公开提供一种车辆控制方法,以提高自动驾驶车辆的智能自动化和通过路口时的安全性。
本公开提供的车辆控制方法,可以应用于多种类型的终端,包括但不限于:车辆控制器、车载智能终端(例如,行车电脑、T-Box等)、与车辆通信耦合的用户终端(例如,手机、智能穿戴设备等)、与车辆通信耦合的云端服务器,等等。
图1是根据一示例性实施例示出的一种车辆在路口行驶的场景示意图。
如图1所示,车辆在行驶的方向上,存在目标路口,其中,P2点位置可以表示该目标路口的停止线的位置。在该目标路口处设置有信号灯。P0点位置可以表示车辆开始确定目标路口处的信号灯状态的位置,也即,当车辆行驶至P0点位置时,车辆开始确定目标路口处的信号灯状态。在一种实施方式中,车辆上设置有信号灯感知系统,当车辆行驶至P0点位置时,信号灯感知系统开始感应该信号灯,以识别当前信号灯状态。在另一种实施方式中,车辆可以在行驶至P0点位置时,从其他途径获取用于指示当前信号灯状态的状态指示信息,例如,可以从导航系统、路边单元、其他车辆或者云端服务器获取该状态指示信息。
车辆自开始确定目标路口处的信号灯状态、到确定出当前信号灯状态的过程中,车辆会继续行驶,P1点位置可以表示车辆的当前位置,其中P0点位置与P1点位置之间的距离s可以表示车辆自开始确定目标路口处的信号灯状态时的位置到当前位置的距离。
如上所述,P2点位置可以表示目标路口的停止线的位置,其中P0点位置与P2点位置之间的距离D_light_appear可以表示车辆自开始确定目标路口处的信号灯状态时的位置到目标路口的停止线之间的距离。D_light_appear-s则表示车辆当前位置到目标路口的停止线的距离,亦可称为车辆到目标路口之间的距离。在P1点位置到P2点位置之间可以控制车辆的车速进行与当前信号灯状态相适应的调整,或者可以根据当前信号灯状态继续保持当前速度继续行驶。
根据当前信号灯的状态控制车辆的车速,可以提高车辆自动驾驶的智能性和安全性,防止车辆在路口通行的过程中发生闯红灯或者意外刹停的交通事故,防止车辆失控导致车辆相撞,造成严重损失。
如图1所示,P3点位置可以表示车辆越过目标路口停止线一定距离D_buffer的位置,当车辆通过P3点位置时表示车辆完全通过该目标路口,其中,P2点位置与P3点位置之间的距离D_buffer表示车辆需越过目标路口停止线的距离。
车辆在通过目标路口停止线一定距离D_buffer之后才能表示车辆完全通过目标路口,保证车辆在通过目标路口的安全性,防止发生一个方向车辆未完全通行,另一个方向车辆已经通行,造成两方向车可能发生相撞,影响路口的车辆通行效率和通行安全。
图2是根据一示例性实施例示出的一种车辆控制方法的流程图,如图2所示,该车辆控制方法可以包括以下步骤。
在步骤S11中,获取车辆前方目标路口处的当前信号灯状态。
其中,可以根据车辆导航系统为车辆规划的行驶路线和高精度地图信息,并结合车辆在行驶的方向上的实时位置信息,确定车辆的前方是否存在路口。若不存在路口,可以控制车辆保持当前速度继续行驶,若存在路口,此路口即为目标路口。
路口处通常会设置信号灯,用于限制该路口各个方向上是否通行,保证路口处各方向的交通有序顺利进行,减少交通事故发生概率。信号灯的数量可以为一个,也可以为多个。在为一个的情况下,各方向上是否允许通行均由该一个信号灯控制,在为多个的情况下,不同的信号灯用于限制不同方向上的通行,本公开不对信号灯的数量和种类做出限定。
当车辆行驶至目标路口的信号灯感应范围内时,例如,行驶至图1所示的P0点位置时,可以获取该目标路口处的当前信号灯状态,例如,通过车辆上设置的信号灯感知系统来感知目标路口处的当前信号灯状态。当前信号灯状态可以为:红灯状态、黄灯状态或者绿灯状态。
本领域技术人员应当理解,通过车辆设置的信号灯感知系统来获取当前信号灯状态仅是示例性地,也可以采用其他方式获取,例如从导航系统、路边单元、其他车辆或者云端服务器获取用于指示当前信号灯状态的状态指示信息,等等。
在步骤S12中,在所述当前信号灯状态不为红灯状态的情况下,根据当前信号灯状态、当前车速、车辆当前相对于目标路口的位置、以及预设的车速模型,确定车速控制策略,其中,车速模型包括第一车速模型,第一车速模型用于表征车辆相对于路口的位置、和车辆从该位置处能够以目标减加速度刹停于该路口的最大车速之间的对应关系。
在当前信号灯的状态为红灯状态的情况下,表示该信号灯所限制的方向上不允许通行,此时,车辆应当减速并停止。在当前信号灯的状态不为红灯状态(即,为黄灯状态或绿灯状态)的情况下,此时要做出是控制车辆继续行驶通过该目标路口还是控制车辆进行刹停操作以安全刹停于该目标路口的决策。在进行该决策时,会根据第一车速模型进行判断。该第一车速模型表征了车辆相对于路口的位置、和车辆从该位置处能够以目标减加速度刹停于该路口的最大车速之间的对应关系,其中,目标减加速度表征能够确保车辆进行安全减速的减加速度。这样,可以根据车辆当前相对于目标路口的位置和目标减加速度、以及该第一车速模型,确定出要想使车辆刹停于该目标路口的最大车速。之后,根据当前车速和该最大车速,确定出相应的车速控制策略。
在步骤S13中,根据车速控制策略,控制车辆的车速。
通过上述技术方案,可以实现在当前信号灯状态不为红灯状态的情况下,能够适应性地确定车速控制策略,并根据该车速控制策略控制车辆的车速,确保在当前信号灯状态下车辆能够安全驶过路口或者能够从当前位置以目标减加速度安全刹停于该路口,使得车辆在路口前实现类人的判断行为和控制行为,提高自动驾驶的智能性和安全性,预防交通事故的产生。
图3是根据一示例性实施例示出的一种确定车速控制策略的流程图,如图3所示,步骤S12可以进一步包括如下步骤。
在步骤S122中,在当前信号灯状态为黄灯状态时,根据第一车速模型,确定车辆从当前相对于目标路口的位置处能够以目标减加速度刹停于目标路口的最大车速。
在步骤S123中,在当前车速不大于最大车速的情况下,确定车速控制策略为减速停车。
示例地,第一车速模型可以表示为:
vmax=sqrt(2*a*(D_light_appear-s));
其中,a表示所述目标减加速度;vmax表示所述最大车速。
在当前信号灯状态为黄灯状态时,通过车辆当前相对于目标路口的位置和目标减加速度、以及该第一车速模型,可以确定出要想使车辆刹停于该目标路口的最大车速。之后,将当前车速与该最大车速进行比较,以判断车辆在当前位置能否以目标减加速度刹停于目标路口。若车辆的当前车速大于最大车速,表示车辆在信号灯为黄灯状态期间无法以目标减加速度安全有效地刹停于目标路口,如果刹停,容易发生交通事故;若车辆的当前车速不大于最大车速,表示车辆在信号灯为黄灯状态期间可以以目标减加速度安全有效地刹停于目标路口。因此,在这种情况下,确定车速控制策略为减速停车,即,以目标减加速度进行减速刹停。
通过第一车速模型可以准确判断出在黄灯状态下车辆是否能够安全刹停于路口,在确定能够安全刹停时再进行刹停操作,可以提高车辆自动驾驶的安全性。
在本公开的一些实施方式中,S12中提及的车速模型还可以包括第二车速模型,其中,该第二车速模型用于表征车辆相对于路口的位置、和车辆从该位置处能够在黄灯状态期间内通过该路口所需要的最小车速之间的对应关系。
示例地,第二车速模型可以表示为:
vmin=(D_light_appear+D_buffer-s)/T;
其中,T表示剩余黄灯时间;vmin表示所述最小速度。其中,剩余黄灯时间可以根据预设的黄灯总持续时长与当前已持续时长之间的差确定。
在一些可选实施方式中,如图3所示,步骤S12还可以包括:
在步骤S124中,在当前车速大于最大车速的情况下,根据第二车速模型,确定车辆从当前相对于目标路口的位置处能够在黄灯状态期间内通过目标路口所需要的最小车速。
在步骤S125中,确定车速控制策略为:控制车辆的车速不小于最小车速。
在当前车速大于最大车速时,表示车辆在信号灯为黄灯状态期间无法以目标减加速度安全有效地刹停于目标路口,如果以目标减加速度进行减速刹停,容易发生交通事故。因此,此时要控制车辆继续行驶以通过该目标路口。为确保车辆在黄灯状态期间内能够通过该目标路口,可以根据车辆当前相对于目标路口的位置和剩余黄灯时间、以及该第二车速模型,确定出车辆从当前相对于目标路口的位置处能够在黄灯状态期间内通过目标路口所需要的最小车速。之后,控制车辆以不小于该最小车速的车速行驶,以使得车辆能够在黄灯状态期间内通过目标路口,避免因急刹导致车辆发生安全事故,并提高路口通行效率。
示例性地,如果当前车速小于该最小车速,则需控制车速加速,以使车速不小于该最小车速。如果当前车速不小于该最小车速,则可以保持当前车速继续行驶。
以上描述的是在当前信号灯状态为黄灯状态时如何确定车速控制策略的实施方式。以下描述在当前信号灯状态为绿灯状态时如何确定车速控制策略的实施方式。
如图3所示,在步骤S126中,在当前信号灯状态为绿灯状态时,根据第一车速模型,确定车辆从至少一个目标位置处能够以目标减加速度刹停于目标路口的最大车速,其中,目标位置为从车辆当前相对于目标路口的位置、到目标路口之间的行驶路径范围内的位置。
在步骤S127中,确定车速控制策略为:控制车辆在行驶到目标位置处时的车速不大于目标位置处的最大车速。
在当前信号灯状态为绿灯状态时,表示车辆此时可以继续通行。但在行驶过程中,在车辆通过目标路口之前,信号灯的状态可能发生转变,例如,从绿灯变为黄灯,相应的车速控制策略也可能发生变化。为了防止信号灯的状态突然发生转变而使车辆无法安全刹停于目标路口,出现车辆闯红灯的交通违规行为或者其他交通事故,在本公开提供的车辆控制方法中,在当前信号灯状态为绿灯状态时,会根据第一车速模型,预判出车辆从将要行驶到的至少一个目标位置处能够以目标减加速度刹停于目标路口的最大车速。之后,控制车辆在行驶到目标位置处时的车速不大于确定出的该目标位置处对应的最大车速。这样,一旦在目标位置处附近,信号灯状态由当前的绿灯状态变为黄灯状态,由于控制车速不大于使车辆从该目标位置处能够以目标减加速度刹停于该目标路口的最大车速,因此,可以确保在黄灯状态下,车辆能够安全刹停于目标路口,进而提高车辆自动驾驶的安全性。
如上文所述,目标减加速度表征能够确保车辆进行安全减速的减加速度。该目标减加速度可以被预先设置,例如为一个预设的固定值。
在本公开的一些可选实施方式中,可以根据车辆当前相对于目标路口的位置,来适应性地确定出与当前位置对应的、能够确保车辆进行安全减速的减加速度。如此,如图3所示,步骤S12还可以包括:
在步骤S121中,根据车辆当前相对于目标路口的位置,确定目标减加速度。
其中,车辆当前相对于目标路口的距离越近,该目标减加速度越大。也就是说,目标减加速度与车辆相对于目标路口的距离之间为负相关关系。
在一些实施方式中,可以预先设置减加速度与车辆相对于路口的距离之间的对应关系。这样,在步骤S121中,可以根据车辆当前相对于目标路口的距离,查询该对应关系,确定出与该距离对应的减加速度,作为目标减加速度。
或者,在一些实施方式中,可以按照图4所示的方法确定目标减加速度。图4是根据一示例性实施例示出的一种确定目标减加速度的流程图。如图4所示,步骤S121可以包括:
步骤S1211,在车辆当前与目标路口之间的距离小于或者等于预设的距离阈值时,确定目标减加速度为车辆能采取的最大减加速度。
如果车辆当前与目标路口之间的距离小于或者等于预设的距离阈值,表示车辆当前距离目标路口较近,此时确定目标减加速度为车辆能采取的最大减加速度,也就是,在保证车辆安全减速的前提下车辆能够采取的最大减加速度。
在另一些实施方式中,步骤S121还可以包括:
步骤S1212,在车辆当前与目标路口之间的距离大于上述的距离阈值时,根据减加速度模型,确定目标减加速度,其中,减加速度模型用于表征车辆与路口之间的距离和该距离下车辆能采取的减加速度之间的对应关系。
示例地,减加速度模型可以表示为:
a=log2(max_a*log2(D_thres)/log2(D_light_appear-s);
其中,a表示所述目标减加速度;D_thres表示所述距离阈值;max_a表示车辆能采取的最大减加速度。
通过根据车辆与目标路口之间的距离,适应性地确定目标减加速度,可以在确保车辆安全减速的前提下,进一步确保减速时的平稳性,进而提高用户舒适性。
图5是根据一示例性实施例示出的一种车辆控制装置500的框图,该车辆控制装置500可以配置于多种类型的终端,包括但不限于:车辆控制器、车载智能终端(例如,行车电脑、T-Box等)、与车辆通信耦合的用户终端(例如,手机、智能穿戴设备等)、与车辆通信耦合的云端服务器,等等。参照图5,该车辆控制装置500可以包括获取模块520、确定模块530和控制模块540。
该获取模块520被配置为获取车辆前方目标路口处的当前信号灯状态。
该确定模块530被配置为在当前信号灯状态不为红灯状态的情况下,根据当前信号灯状态、当前车速、车辆当前相对于目标路口的位置、以及预设的车速模型,确定车速控制策略,其中,车速模型包括第一车速模型,第一车速模型用于表征车辆相对于路口的位置、和车辆从该位置处能够以目标减加速度刹停于该路口的最大车速之间的对应关系。
该控制模块540被配置为根据车速控制策略,控制车辆的车速。
通过上述技术方案,可以实现在当前信号灯状态不为红灯状态的情况下,能够适应性地确定车速控制策略,并根据该车速控制策略控制车辆的车速,确保在当前信号灯状态下车辆能够安全驶过路口或者能够从当前位置以目标减加速度安全刹停于该路口,使得车辆在路口前实现类人的判断行为和控制行为,提高自动驾驶的智能性和安全性,预防交通事故的产生。
在至少一种实施方式中,所述确定模块530可以包括第一确定子模块,被配置为在所述当前信号灯状态为黄灯状态时,根据所述第一车速模型,确定车辆从当前相对于所述目标路口的位置处能够以目标减加速度刹停于所述目标路口的最大车速;在当前车速不大于所述最大车速的情况下,确定所述车速控制策略为减速停车。
在至少一种实施方式中,所述车速模型还包括第二车速模型,所述第二车速模型用于表征车辆相对于路口的位置、和车辆从该位置处能够在黄灯状态期间内通过该路口所需要的最小车速之间的对应关系。所述第一确定子模块还被配置为在所述当前信号灯状态为黄灯状态时,在当前车速大于所述最大车速的情况下,根据所述第二车速模型,确定车辆从当前相对于所述目标路口的位置处能够在黄灯状态期间内通过所述目标路口所需要的最小车速;确定所述车速控制策略为:控制所述车辆的车速不小于所述最小车速。
在至少一种实施方式中,所述确定模块530还可以包括第二确定子模块,被配置为在所述当前信号灯状态为绿灯状态时,根据所述第一车速模型,确定车辆从至少一个目标位置处能够以目标减加速度刹停于所述目标路口的最大车速,其中,所述目标位置为从车辆当前相对于所述目标路口的位置、到所述目标路口之间的行驶路径范围内的位置;确定所述车速控制策略为:控制车辆在行驶到所述目标位置处时的车速不大于所述目标位置处的所述最大车速。
在至少一种实施方式中,所述确定模块530还可以包括:第三确定子模块,被配置为根据车辆当前相对于所述目标路口的位置,确定所述目标减加速度。
在至少一种实施方式中,所述第三确定子模块被配置为在车辆当前与所述目标路口之间的距离小于或等于预设的距离阈值时,确定所述目标减加速度为车辆能采取的最大减加速度。
在至少另一种实施方式中,所述第三确定子模块被配置为在车辆当前与所述目标路口之间的距离大于所述距离阈值时,根据减加速度模型,确定所述目标减加速度,其中,所述减加速度模型用于表征车辆与路口之间的距离和该距离下车辆能采取的减加速度之间的对应关系。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图6是根据一示例性实施例示出的一种车辆控制装置600的框图。例如,车辆控制装置600可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图6,车辆控制装置600可以包括以下一个或多个组件:第一处理组件602,第一存储器604,第一电源组件606,多媒体组件608,音频组件610,第一输入/输出(I/O)接口612,传感器组件614,以及通信组件616。
第一处理组件602通常控制车辆控制装置600的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。第一处理组件602可以包括一个或多个第一处理器620来执行指令,以完成上述的车辆控制方法的全部或部分步骤。此外,第一处理组件602可以包括一个或多个模块,便于第一处理组件602和其他组件之间的交互。例如,第一处理组件602可以包括多媒体模块,以方便多媒体组件608和第一处理组件602之间的交互。
第一存储器604被配置为存储各种类型的数据以支持在车辆控制装置600的操作。这些数据的示例包括用于在车辆控制装置600上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。第一存储器604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(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
第一电源组件606为车辆控制装置600的各种组件提供电力。第一电源组件606可以包括电源管理系统,一个或多个电源,及其他与为车辆控制装置600生成、管理和分配电力相关联的组件。
多媒体组件608包括在车辆控制装置600和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件608包括一个前置摄像头和/或后置摄像头。当车辆控制装置600处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件610被配置为输出和/或输入音频信号。例如,音频组件610包括一个麦克风(MIC),当车辆控制装置600处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在第一存储器604或经由通信组件616发送。在一些实施例中,音频组件610还包括一个扬声器,用于输出音频信号。
第一输入/输出(I/O)接口612为第一处理组件602和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件614包括一个或多个传感器,用于为车辆控制装置600提供各个方面的状态评估。例如,传感器组件614可以检测到车辆控制装置600的打开/关闭状态,组件的相对定位,例如组件为车辆控制装置600的显示器和小键盘,传感器组件614还可以检测车辆控制装置600或车辆控制装置600一个组件的位置改变,用户与车辆控制装置600接触的存在或不存在,车辆控制装置600方位或加速/减速和车辆控制装置600的温度变化。传感器组件614可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件614还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件614还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件616被配置为便于车辆控制装置600和其他设备之间有线或无线方式的通信。车辆控制装置600可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件616经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,通信组件616还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,车辆控制装置600可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述车辆控制方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的第一存储器604,上述指令可由车辆控制装置600的第一处理器620执行以完成上述车辆控制方法。例如,非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
参阅图7,图7是根据一示例性实施例示出的一种车辆700的功能框图示意图。车辆700可以被配置为完全或部分自动驾驶模式。例如,车辆700可以通过感知系统720获取其周围的环境信息,并基于对周边环境信息的分析得到自动驾驶策略以实现完全自动驾驶,或者将分析结果呈现给用户以实现部分自动驾驶。
车辆700可包括各种子系统,例如,信息娱乐系统710、感知系统720、决策控制系统730、驱动系统740以及计算平台760。可选的,车辆700可包括更多或更少的子系统,并且每个子系统都可包括多个部件。另外,车辆700的每个子系统和部件可以通过有线或者无线的方式实现互连。
在一些实施例中,信息娱乐系统710可以包括通信系统711,娱乐系统712以及导航系统713。
通信系统711可以包括无线通信系统,无线通信系统可以直接地或者经由通信网络来与一个或多个设备无线通信。例如,无线通信系统可使用3G蜂窝通信,例如CDMA、EVD0、GSM/GPRS,或者4G蜂窝通信,例如LTE。或者5G蜂窝通信。无线通信系统可利用WiFi与无线局域网(wireless local area network,WLAN)通信。在一些实施例中,无线通信系统可利用红外链路、蓝牙或ZigBee与设备直接通信。其他无线协议,例如各种车辆通信系统,例如,无线通信系统可包括一个或多个专用短程通信(dedicated short range communications,DSRC)设备,这些设备可包括车辆和/或路边台站之间的公共和/或私有数据通信。
娱乐系统712可以包括显示设备,麦克风和音响,用户可以基于娱乐系统在车内收听广播,播放音乐;或者将手机和车辆联通,在显示设备上实现手机的投屏,显示设备可以为触控式,用户可以通过触摸屏幕进行操作。
在一些情况下,可以通过麦克风获取用户的语音信号,并依据对用户的语音信号的分析实现用户对车辆700的某些控制,例如调节车内温度等。在另一些情况下,可以通过音响向用户播放音乐。
导航系统713可以包括由地图供应商所提供的地图服务,从而为车辆700提供行驶路线的导航,导航系统713可以和车辆的全球定位系统721、惯性测量单元722配合使用。地图供应商所提供的地图服务可以为二维地图,也可以是高精地图。
感知系统720可包括感测关于车辆700周边的环境的信息的若干种传感器。例如,感知系统720可包括全球定位系统721(全球定位系统可以是GPS系统,也可以是北斗系统或者其他定位系统)、惯性测量单元(inertial measurement unit,IMU)722、激光雷达723、毫米波雷达724、超声雷达725以及摄像装置726。感知系统720还可包括被监视车辆700的内部系统的传感器(例如,车内空气质量监测器、燃油量表、机油温度表等)。来自这些传感器中的一个或多个的传感器数据可用于检测对象及其相应特性(位置、形状、方向、速度等)。这种检测和识别是车辆700的安全操作的关键功能。
全球定位系统721用于估计车辆700的地理位置。
惯性测量单元722用于基于惯性加速度来感测车辆700的位姿变化。在一些实施例中,惯性测量单元722可以是加速度计和陀螺仪的组合。
激光雷达723利用激光来感测车辆700所位于的环境中的物体。在一些实施例中,激光雷达723可包括一个或多个激光源、激光扫描器以及一个或多个检测器,以及其他系统组件。
毫米波雷达724利用无线电信号来感测车辆700的周边环境内的物体。在一些实施例中,除了感测物体以外,毫米波雷达724还可用于感测物体的速度和/或前进方向。
超声雷达725可以利用超声波信号来感测车辆700周围的物体。
摄像装置726用于捕捉车辆700的周边环境的图像信息。摄像装置726可以包括单目相机、双目相机、结构光相机以及全景相机等,摄像装置726获取的图像信息可以包括静态图像,也可以包括视频流信息。
决策控制系统730包括基于感知系统720所获取的信息进行分析决策的计算系统731,决策控制系统730还包括对车辆700的动力系统进行控制的整车控制器732,以及用于控制车辆700的转向系统733、油门734和制动系统735。
计算系统731可以操作来处理和分析由感知系统720所获取的各种信息以便识别车辆700周边环境中的目标、物体和/或特征。目标可以包括行人或者动物,物体和/或特征可包括交通信号、道路边界和障碍物。计算系统731可使用物体识别算法、运动中恢复结构(Structure from Motion,SFM)算法、视频跟踪等技术。在一些实施例中,计算系统731可以用于为环境绘制地图、跟踪物体、估计物体的速度等等。计算系统731可以将所获取的各种信息进行分析并得出对车辆的控制策略。
整车控制器732可以用于对车辆的动力电池和引擎741进行协调控制,以提升车辆700的动力性能。
转向系统733可操作来调整车辆700的前进方向。例如在一个实施例中可以为方向盘系统。
油门734用于控制引擎741的操作速度并进而控制车辆700的速度。
制动系统735用于控制车辆700减速。制动系统735可使用摩擦力来减慢车轮744。在一些实施例中,制动系统735可将车轮744的动能转换为电流。制动系统735也可采取其他形式来减慢车轮744转速从而控制车辆700的速度。
驱动系统740可包括为车辆700提供动力运动的组件。在一个实施例中,驱动系统740可包括引擎741、能量源742、传动系统743和车轮744。引擎741可以是内燃机、电动机、空气压缩引擎或其他类型的引擎组合,例如汽油发动机和电动机组成的混动引擎,内燃引擎和空气压缩引擎组成的混动引擎。引擎741将能量源742转换成机械能量。
能量源742的示例包括汽油、柴油、其他基于石油的燃料、丙烷、其他基于压缩气体的燃料、乙醇、太阳能电池板、电池和其他电力来源。能量源742也可以为车辆700的其他系统提供能量。
传动系统743可以将来自引擎741的机械动力传送到车轮744。传动系统743可包括变速箱、差速器和驱动轴。在一个实施例中,传动系统743还可以包括其他器件,比如离合器。其中,驱动轴可包括可耦合到一个或多个车轮744的一个或多个轴。
车辆700的部分或所有功能受计算平台750控制。计算平台750可包括至少一个第二处理器751,第二处理器751可以执行存储在例如第二存储器752这样的非暂态计算机可读介质中的指令753。在一些实施例中,计算平台750还可以是采用分布式方式控制车辆700的个体组件或子系统的多个计算设备。
第二处理器751可以是任何常规的处理器,诸如商业可获得的CPU。可替换地,第二处理器751还可以包括诸如图像处理器(Graphic Process Unit,GPU),现场可编程门阵列(FieldProgrammable Gate Array,FPGA)、片上系统(Sysem on Chip,SOC)、专用集成芯片(Application Specific Integrated Circuit,ASIC)或它们的组合。尽管图7功能性地图示了处理器、存储器、和在相同块中的计算机的其它元件,但是本领域的普通技术人员应该理解该处理器、计算机、或存储器实际上可以包括可以或者可以不存储在相同的物理外壳内的多个处理器、计算机、或存储器。例如,存储器可以是硬盘驱动器或位于不同于计算机的外壳内的其它存储介质。因此,对处理器或计算机的引用将被理解为包括对可以或者可以不并行操作的处理器或计算机或存储器的集合的引用。不同于使用单一的处理器来执行此处所描述的步骤,诸如转向组件和减速组件的一些组件每个都可以具有其自己的处理器,处理器只执行与特定于组件的功能相关的计算。
在本公开实施方式中,第二处理器751可以执行上述的车辆控制方法。
在此处所描述的各个方面中,第二处理器751可以位于远离该车辆并且与该车辆进行无线通信。在其它方面中,此处所描述的过程中的一些在布置于车辆内的处理器上执行而其它则由远程处理器执行,包括采取执行单一操纵的必要步骤。
在一些实施例中,第二存储器752可包含指令753(例如,程序逻辑),指令753可被第二处理器751执行来执行车辆700的各种功能。第二存储器752也可包含额外的指令,包括向信息娱乐系统710、感知系统720、决策控制系统730、驱动系统740中的一个或多个发送数据、从其接收数据、与其交互和/或对其进行控制的指令。
除了指令753以外,第二存储器752还可存储数据,例如道路地图、路线信息,车辆的位置、方向、速度以及其它这样的车辆数据,以及其他信息。这种信息可在车辆700在自主、半自主和/或手动模式中操作期间被车辆700和计算平台750使用。
计算平台750可基于从各种子系统(例如,驱动系统740、感知系统720和决策控制系统730)接收的输入来控制车辆700的功能。例如,计算平台750可利用来自决策控制系统730的输入以便控制转向系统733来避免由感知系统720检测到的障碍物。在一些实施例中,计算平台750可操作来对车辆700及其子系统的许多方面提供控制。
可选地,上述这些组件中的一个或多个可与车辆700分开安装或关联。例如,第二存储器752可以部分或完全地与车辆700分开存在。上述组件可以按有线和/或无线方式来通信地耦合在一起。
可选地,上述组件只是一个示例,实际应用中,上述各个模块中的组件有可能根据实际需要增添或者删除,图7不应理解为对本公开实施例的限制。
在道路行进的自动驾驶汽车,如上面的车辆700,可以识别其周围环境内的物体以确定对当前速度的调整。物体可以是其它车辆、交通控制设备、或者其它类型的物体。在一些示例中,可以独立地考虑每个识别的物体,并且基于物体的各自的特性,诸如它的当前速度、加速度、与车辆的间距等,可以用来确定自动驾驶汽车所要调整的速度。
可选地,车辆700或者与车辆700相关联的感知和计算设备(例如计算系统731、计算平台750)可以基于所识别的物体的特性和周围环境的状态(例如,交通、雨、道路上的冰、等等)来预测识别的物体的行为。可选地,每一个所识别的物体都依赖于彼此的行为,因此还可以将所识别的所有物体全部一起考虑来预测单个识别的物体的行为。车辆700能够基于预测的识别的物体的行为来调整它的速度。换句话说,自动驾驶汽车能够基于所预测的物体的行为来确定车辆将需要调整到(例如,加速、减速、或者停止)何种稳定状态。在这个过程中,也可以考虑其它因素来确定车辆700的速度,诸如,车辆700在行驶的道路中的横向位置、道路的曲率、静态和动态物体的接近度等等。
除了提供调整自动驾驶汽车的速度的指令之外,计算设备还可以提供修改车辆700的转向角的指令,以使得自动驾驶汽车遵循给定的轨迹和/或维持与自动驾驶汽车附近的物体(例如,道路上的相邻车道中的车辆)的安全横向和纵向距离。
上述车辆700可以为各种类型的行驶工具,例如,轿车、卡车、摩托车、公共汽车、船、飞机、直升飞机、娱乐车、火车等等,本公开实施例不做特别的限定。
图8是根据一示例性实施例示出的一种车辆控制装置800的框图。例如,车辆控制装置800可以被提供为一服务器。参照图8,车辆控制装置800包括第三处理组件822,其进一步包括一个或多个第三处理器,以及由第三存储器832所代表的存储器资源,用于存储可由第三处理组件822的执行的指令,例如应用程序。第三存储器832中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,第三处理组件822被配置为执行指令,以执行上述车辆控制方法。
车辆控制装置800还可以包括一个第三电源组件826被配置为执行车辆控制装置800的电源管理,一个有线或无线网络接口850被配置为将车辆控制装置800连接到网络,和一个第二输入输出(I/O)接口858。车辆控制装置800可以操作基于存储在第三存储器832的操作系统,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的第三存储器832,上述指令可由车辆控制装置800的第三处理器执行以完成上述车辆控制方法。例如,非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在另一示例性实施例中,还提供一种计算机程序产品,该计算机程序产品包含能够由可编程的装置执行的计算机程序,该计算机程序具有当由该可编程的装置执行时用于执行上述的车辆控制方法的代码部分。
本领域技术人员在考虑说明书及实践本公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (11)
1.一种车辆控制方法,其特征在于,包括:
获取车辆前方目标路口处的当前信号灯状态;
在所述当前信号灯状态不为红灯状态的情况下,根据所述当前信号灯状态、当前车速、车辆当前相对于所述目标路口的位置、以及预设的车速模型,确定车速控制策略,其中,所述车速模型包括第一车速模型,所述第一车速模型用于表征车辆相对于路口的位置、和车辆从该位置处能够以目标减加速度刹停于该路口的最大车速之间的对应关系;
根据所述车速控制策略,控制所述车辆的车速。
2.根据权利要求1所述的方法,其特征在于,所述根据所述当前信号灯状态、当前车速、车辆当前相对于所述目标路口的位置、以及预设的车速模型,确定车速控制策略,包括:
在所述当前信号灯状态为黄灯状态时,根据所述第一车速模型,确定车辆从当前相对于所述目标路口的位置处能够以目标减加速度刹停于所述目标路口的最大车速;
在当前车速不大于所述最大车速的情况下,确定所述车速控制策略为减速停车。
3.根据权利要求2所述的方法,其特征在于,所述车速模型还包括第二车速模型,所述第二车速模型用于表征车辆相对于路口的位置、和车辆从该位置处能够在黄灯状态期间内通过该路口所需要的最小车速之间的对应关系;
所述根据所述当前信号灯状态、当前车速、车辆当前相对于所述目标路口的位置、以及预设的车速模型,确定车速控制策略,还包括:
在当前车速大于所述最大车速的情况下,根据所述第二车速模型,确定车辆从当前相对于所述目标路口的位置处能够在黄灯状态期间内通过所述目标路口所需要的最小车速;
确定所述车速控制策略为:控制所述车辆的车速不小于所述最小车速。
4.根据权利要求1所述的方法,其特征在于,所述根据所述当前信号灯状态、当前车速、车辆当前相对于所述目标路口的位置、以及预设的车速模型,确定车速控制策略,包括:
在所述当前信号灯状态为绿灯状态时,根据所述第一车速模型,确定车辆从至少一个目标位置处能够以目标减加速度刹停于所述目标路口的最大车速,其中,所述目标位置为从车辆当前相对于所述目标路口的位置、到所述目标路口之间的行驶路径范围内的位置;
确定所述车速控制策略为:控制车辆在行驶到所述目标位置处时的车速不大于所述目标位置处的所述最大车速。
5.根据权利要求2-4中任一项所述的方法,其特征在于,所述根据所述当前信号灯状态、当前车速、车辆当前相对于所述目标路口的位置、以及预设的车速模型,确定车速控制策略,还包括:
根据车辆当前相对于所述目标路口的位置,确定所述目标减加速度。
6.根据权利要求5所述的方法,其特征在于,所述根据车辆当前相对于所述目标路口的位置,确定所述目标减加速度,包括:
在车辆当前与所述目标路口之间的距离小于或等于预设的距离阈值时,确定所述目标减加速度为车辆能采取的最大减加速度;
在车辆当前与所述目标路口之间的距离大于所述距离阈值时,根据减加速度模型,确定所述目标减加速度,其中,所述减加速度模型用于表征车辆与路口之间的距离和该距离下车辆能采取的减加速度之间的对应关系。
7.根据权利要求6所述的方法,其特征在于,所述减加速度模型为:
a=log2(max_a*log2(D_thres)/log2(D_light_appear-s);
其中,a表示所述目标减加速度;s表示车辆自开始确定所述目标路口处的信号灯状态时的位置到当前位置的距离;D_light_appear表示车辆自开始确定所述信号灯状态时的位置到所述目标路口停止线之间的距离;D_thres表示所述距离阈值;max_a表示车辆能采取的最大减加速度。
8.一种车辆控制装置,其特征在于,包括:
获取模块,用于获取车辆前方目标路口处的当前信号灯状态;
确定模块,用于在所述当前信号灯状态不为红灯状态的情况下,根据所述当前信号灯状态、当前车速、车辆当前相对于所述目标路口的位置、以及预设的车速模型,确定车速控制策略,其中,所述车速模型包括第一车速模型,所述第一车速模型用于表征车辆相对于路口的位置、和车辆从该位置处能够以目标减加速度刹停于该路口的最大车速之间的对应关系;
控制模块,用于根据所述车速控制策略,控制所述车辆的车速。
9.一种车辆控制装置,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:执行权利要求1~7中任意一项所述的车辆控制方法。
10.一种非临时性计算机可读存储介质,其上存储有计算机程序指令,其特征在于,该程序指令被处理器执行时实现权利要求1至7中任一项所述方法的步骤。
11.一种车辆,其特征在于,包括:
第二处理器;
用于存储第二处理器可执行指令的第二存储器;
其中,所述第二处理器被配置为:执行权利要求1~7中任意一项所述的车辆控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210726820.3A CN115042813B (zh) | 2022-06-23 | 2022-06-23 | 车辆控制方法、装置、存储介质及车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210726820.3A CN115042813B (zh) | 2022-06-23 | 2022-06-23 | 车辆控制方法、装置、存储介质及车辆 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115042813A true CN115042813A (zh) | 2022-09-13 |
CN115042813B CN115042813B (zh) | 2023-11-14 |
Family
ID=83163650
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210726820.3A Active CN115042813B (zh) | 2022-06-23 | 2022-06-23 | 车辆控制方法、装置、存储介质及车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115042813B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009093562A (ja) * | 2007-10-11 | 2009-04-30 | Sumitomo Electric Ind Ltd | 情報提供装置、コンピュータプログラム及び情報提供方法 |
CN107622683A (zh) * | 2016-07-15 | 2018-01-23 | 郑州宇通客车股份有限公司 | 自主驾驶车辆的路口通行方法及系统 |
CN108459588A (zh) * | 2017-02-22 | 2018-08-28 | 腾讯科技(深圳)有限公司 | 自动驾驶方法及装置、车辆 |
CN111874005A (zh) * | 2020-07-31 | 2020-11-03 | 北京航迹科技有限公司 | 用于控制车辆的方法、装置、电子设备和存储介质 |
CN112669617A (zh) * | 2020-12-18 | 2021-04-16 | 雄狮汽车科技(南京)有限公司 | 车速引导方法、装置及车辆 |
-
2022
- 2022-06-23 CN CN202210726820.3A patent/CN115042813B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009093562A (ja) * | 2007-10-11 | 2009-04-30 | Sumitomo Electric Ind Ltd | 情報提供装置、コンピュータプログラム及び情報提供方法 |
CN107622683A (zh) * | 2016-07-15 | 2018-01-23 | 郑州宇通客车股份有限公司 | 自主驾驶车辆的路口通行方法及系统 |
CN108459588A (zh) * | 2017-02-22 | 2018-08-28 | 腾讯科技(深圳)有限公司 | 自动驾驶方法及装置、车辆 |
CN111874005A (zh) * | 2020-07-31 | 2020-11-03 | 北京航迹科技有限公司 | 用于控制车辆的方法、装置、电子设备和存储介质 |
WO2022022549A1 (zh) * | 2020-07-31 | 2022-02-03 | 北京航迹科技有限公司 | 用于控制车辆的方法、装置、电子设备和存储介质 |
CN112669617A (zh) * | 2020-12-18 | 2021-04-16 | 雄狮汽车科技(南京)有限公司 | 车速引导方法、装置及车辆 |
Also Published As
Publication number | Publication date |
---|---|
CN115042813B (zh) | 2023-11-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114954438A (zh) | 车辆行驶控制方法、装置、车辆、可读存储介质及芯片 | |
CN114935334A (zh) | 车道拓扑关系的构建方法、装置、车辆、介质及芯片 | |
CN114882464A (zh) | 多任务模型训练方法、多任务处理方法、装置及车辆 | |
CN114771539B (zh) | 车辆变道决策方法、装置、存储介质及车辆 | |
CN115164910B (zh) | 行驶路径生成方法、装置、车辆、存储介质及芯片 | |
CN114842455B (zh) | 障碍物检测方法、装置、设备、介质、芯片及车辆 | |
CN114937351B (zh) | 车队控制方法、装置、存储介质、芯片、电子设备及车辆 | |
CN115649190A (zh) | 车辆辅助制动的控制方法、装置、介质、车辆及芯片 | |
CN114863717A (zh) | 车位推荐方法、装置、存储介质及车辆 | |
CN114880408A (zh) | 场景构建方法、装置、介质以及芯片 | |
CN114537450A (zh) | 车辆控制方法、装置、介质、芯片、电子设备及车辆 | |
CN115042813B (zh) | 车辆控制方法、装置、存储介质及车辆 | |
CN114572219B (zh) | 自动超车方法、装置、车辆、存储介质及芯片 | |
CN115535004B (zh) | 距离生成方法、装置、存储介质及车辆 | |
CN114771514B (zh) | 车辆行驶控制方法、装置、设备、介质、芯片及车辆 | |
CN114789723B (zh) | 车辆行驶控制方法、装置、车辆、存储介质及芯片 | |
CN114802435B (zh) | 车辆控制方法、装置、车辆、存储介质及芯片 | |
CN114802217B (zh) | 确定泊车模式的方法、装置、存储介质及车辆 | |
CN115649165B (zh) | 车辆起步控制方法、装置、车辆及存储介质 | |
CN114987549A (zh) | 车辆控制方法、装置、存储介质及车辆 | |
CN114801832B (zh) | 充电设备、方法、装置、车辆、电子设备和存储介质 | |
CN115221260B (zh) | 数据处理方法、装置、车辆及存储介质 | |
CN115115822A (zh) | 车端图像处理方法、装置、车辆、存储介质及芯片 | |
CN115107801A (zh) | 车辆控制方法、装置、车辆、可读存储介质及芯片 | |
CN115221261A (zh) | 地图数据融合方法、装置、车辆及存储介质 |
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 |