CN115246393A - 控制车辆跟车距离的方法和装置以及电子设备和存储介质 - Google Patents
控制车辆跟车距离的方法和装置以及电子设备和存储介质 Download PDFInfo
- Publication number
- CN115246393A CN115246393A CN202211158063.0A CN202211158063A CN115246393A CN 115246393 A CN115246393 A CN 115246393A CN 202211158063 A CN202211158063 A CN 202211158063A CN 115246393 A CN115246393 A CN 115246393A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- distance
- following
- gear
- model
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000013507 mapping Methods 0.000 claims abstract description 21
- 238000004590 computer program Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 claims description 5
- 230000004044 response Effects 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 12
- 238000012549 training Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 238000011156 evaluation Methods 0.000 description 7
- 230000006872 improvement Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 2
- 238000005406 washing Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000006467 substitution reaction 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
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4042—Longitudinal speed
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/80—Spatial relation or speed relative to objects
- B60W2554/802—Longitudinal distance
-
- 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
- B60W2754/00—Output or target parameters relating to objects
- B60W2754/10—Spatial relation or speed relative to objects
- B60W2754/30—Longitudinal distance
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明公开了一种控制车辆跟车距离的方法和装置及电子设备和存储介质,方法包括:获取车辆与前车的相对距离和所述前车的速度;根据所述车辆与所述前车的距离和所述前车的速度获得跟车时距;根据所述跟车时距查询档位模型确定目标跟车档位,其中,所述档位模型为跟车时距与跟车档位的映射关系模型;根据所述目标跟车档位获得目标跟车距离模型,其中,跟车距离模型为所述前车的车速与跟车距离的映射关系模型;根据所述前车的车速和所述目标跟车距离模型获得目标跟车距离;根据所述目标跟车距离控制所述车辆行驶。本发明的方法和装置及电子设备和存储介质,基于真实的人驾数据,计算简单,响应速度快,满足实时性的要求。
Description
技术领域
本发明涉及车辆技术领域,尤其是涉及一种控制车辆跟车距离的方法,以及控制车辆跟车距离的装置和电子设备和计算机可读存储介质。
背景技术
随着车辆自动驾驶技术的发展,越来越多的自动驾驶辅助技术应用于乘用车,自动驾驶辅助技术的集成度越来越高,为提升驾驶的舒适性和安全性,自动驾驶辅助技术也在不断地迭代更新。
对于自动驾驶技术中的跟车方法,大多采用了及其复杂的规则和多次复杂的计算,需要在行车过程中获取多种数据信息,进行规则化的对比判断,进而得出跟车距离,并且这种方法需要获得更多的信息,因为在不同场景环境下往往需要使用不同的参数和判断规则,所以,需要判断当前车辆处于哪种场景,非常复杂,并且也没有充分利用到真实的人驾数据。还有一些方法采用了深度学习跟车方法,此方法虽然利用到了真实的人驾数据,但是往往需要较长的响应时间,不满足实时性的要求。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明的目的在于提出一种控制车辆跟车距离的方法,该方法基于真实的人驾数据,计算简单,响应速度快,满足实时性的要求。
本发明的目的还在于提出一种控制车辆跟车距离的装置。
本发明的目的还在于提出一种电子设备。
本发明的目的还在于提出一种计算机可读存储介质。
为了达到上述目的,本发明第一方面实施例提出的控制车辆跟车距离的方法,包括:获取车辆与前车的相对距离和所述前车的速度;根据所述车辆与所述前车的距离和所述前车的速度获得跟车时距;根据所述跟车时距查询档位模型确定目标跟车档位,其中,所述档位模型为跟车时距与跟车档位的映射关系模型;根据所述目标跟车档位确定目标跟车距离模型,其中,跟车距离模型为所述前车的速度与跟车距离的映射关系模型;根据所述前车的速度和所述目标跟车距离模型获得目标跟车距离;根据所述目标跟车距离控制所述车辆行驶。
根据本发明实施例的控制车辆跟车距离的方法,通过跟车时距来划分跟车档位,不同跟车单位对应不同跟车距离,可以提供不同驾驶风格的选择,满足不同需求,提高舒适性和安全性,并且拟合出对应不同跟车档位的前车速度和跟车距离映射的跟车距离模型,实际应用中跟车距离计算简单,对于前车速度的变化也可以迅速响应,时效性高,并且,模型建立基于真实的人驾数据,更便于评价和改进。
在一些实施例中,所述跟车距离模型为所述前车的速度与跟车距离的线性映射关系模型,其中,所述线性映射关系模型根据对应的跟车档位的用户驾车数据训练而成。
在一些实施例中,每个跟车档位的用户驾车数据通过以下步骤获得:获取真实用户驾车数据;筛选出所述真实用户驾车数据中满足稳定跟车条件的驾车数据;将所述满足稳定跟车条件的驾车数据进行数据清洗,选择分布于预设置信区间的驾车数据;根据跟车时距将所述分布于预设置信区间的驾车数据进行分档,以获得每个跟车距离档位的用户驾车数据。
在一些实施例中,所述稳定跟车条件包括:所述前车为轿车或货车或卡车;根据所述车辆与所述前车的横向距离和纵向距离确定所述前车在所述车辆的正前方;所述前车为所述车辆的正前方的第一个障碍物并且速度大于0;所述前车与所述车辆的速度差小于预设速度值。
在一些实施例中,所述跟车档位包括第一距离档位、第二距离档位、第三距离档位和第四距离档位,其中,所述第一距离档位的跟车距离<所述第二距离档位的跟车距离<所述第三距离档位的跟车距离<所述第四距离档位的跟车距离。
在一些实施例中,所述第一距离档位对应的第一跟车时距根据安全跟车距离计算获得,根据所述第一跟车时距和预设跟车时距范围获得第二距离档位对应的第二跟车时距、所述第三距离档位对应的第三跟车时距和所述第四距离档位对应的第四跟车时距。
在一些实施例中,所述预设跟车时距范围取值a满足0.28s/Veh≤a≤0.32s/Veh。
为了达到上述目的,本发明第二方面实施例提出了一种控制车辆跟车距离的装置,该装置包括:获取模块,用于获取车辆与前车的相对距离和所述前车的速度;时距获得模块,用于根据所述距离和所述前车的速度获得跟车时距;跟车档位获得模块,用于根据所述跟车时距查询档位模型确定目标跟车档位,其中,所述档位模型为车辆时距与跟车档位的映射关系模型;跟车距离模型获得模块,用于根据所述目标跟车档位确定目标跟车距离模型,其中,跟车模型为所述前车的速度与跟车距离的映射关系模型;跟车距离获得模块,用于根据所述前车的速度和所述目标跟车距离模型获得目标跟车距离;控制模块,用于根据所述目标跟车距离控制所述车辆行驶。
根据本发明实施例的控制车辆跟车距离的装置,通过跟车时距来划分跟车档位,可以提供不同驾驶风格的选择,满足不同需求,提高舒适性和安全性,并且拟合出对应不同跟车档位的前车速度和跟车距离映射的跟车距离模型,实际应用中跟车距离计算简单,对于前车速度的变化也可以迅速响应,时效性高,并且,模型建立基于真实的人驾数据,更便于评价和改进。
为了达到上述目的,本发明第三方面实施例提出一种电子设备,包括:至少一个处理器;与所述至少一个处理器通信连接的存储器;所述存储器中存储有档位模型和跟车距离模型以及可被所述至少一个处理器执行的计算机程序,所述至少一个处理器执行所述计算机程序时实现所述的控制车辆跟车距离的方法。
根据本发明实施例的电子设备,通过至少一个处理器根据上面实施例的方法控制车辆跟车距离,基于真实人驾数据建立模型,便于评价和改进,可以提高跟车安全性和舒适性,满足不同跟车驾驶风格的要求,并且可以快速响应前车速度,提高时效性。
为了达到上述目的,本发明第四方面实施例提出一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时可实现上面实施例的控制车辆跟车距离的方法。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是根据本发明的一个实施例的模型训练过程的流程图;
图2是根据本发明的一个实施例的安全跟车距离计算的示意图;
图3是根据本发明的一个实施例的各个跟车档位分布示意图;
图4是根据本发明的一个实施例的控制车辆跟车距离的方法的流程图;
图5是根据本发明的一个实施例的控制车辆跟车距离的装置的框图;
图6是根据本发明一个实施例的车辆的框图;
图7是根据本发明的另一个实施例的电子设备的框图。
具体实施方式
下面详细描述本发明的实施例,参考附图描述的实施例是示例性的,下面详细描述本发明的实施例。
相关技术中,在控制车辆跟车距离时,通过对速度轨迹进行优化,实现动态控制跟车距离,或者,根据复杂规则进行规则判断,选择适合的跟车距离。如此,非数据驱动,场景参数设置等存在较大的人为主观因素,迭代周期长并且效率低,无法系统地评价跟车效果好坏,并且后续不易改进。
为了解决上述问题,本发明实施例的控制车辆跟车距离的方法,基于大量真实人驾数据,拟合出安全、高效、舒适的跟车距离,基于真实数据作为参考,更加便于评价和改进,缩短了迭代周期,效率高,满足实时性要求。
在本发明的实施例中,建立了档位模型和跟车距离模型。其中,以时距划分档位,利用海量的人驾信息作为参考,为不同驾驶风格的驾驶员提供不同档位的驾驶选择,例如划分为四个档位,分别对应近距离跟车、中距离跟车、远距离跟车和超远距离跟车,当然也可以划分为两个档位、三个档位、五个档位或者更多档位等,建立时距与跟车档位的关系即档位模型;并且,根据划分档位的跟车时距范围划分出每个档位的真实的人驾数据,以作为跟车距离模型的训练数据,进而基于每个档位的人驾数据拟合出具体档位下跟车距离与前车的速度的映射关系即跟车距离模型。本发明实施例的方法,在实际应用中,计算简单,对于前车速度的变化可以迅速响应。
下面先对本发明实施例的基于大量真实的人驾数据建立档位模型和跟车距离模型的过程进行描述。
在一些实施例中,每个跟车档位的用户驾车数据通过以下步骤获得:获取真实用户驾车数据;为了采集数据的稳定性,在实施例中,还包括数据筛选,即筛选出真实用户驾车数据中满足稳定跟车条件的驾车数据;为了数据具有代表性,将满足稳定跟车条件的驾车数据进行数据清洗,选择分布于预设置信区间的驾车数据;根据跟车时距将分布于预设置信区间的驾车数据进行分档,以获得每个跟车距离档位的用户驾车数据。
具体来说,图1为根据本发明的一个实施例的模型训练过程的流程图。如图1所示,包括数据获取过程、数据处理过程和模型训练过程。
其中,数据获取过程包括:1、数据采集,通过车辆的各种传感器来采集驾驶过程中的真实人驾跟车数据,例如前车速度、本车速度、跟车距离等数据。2、数据筛选,本发明实施例中,训练模型使用稳定跟车情况下的数据,因而训练数据需要进行一定条件的筛选,以保证数据满足稳定跟车的条件。3、将筛选后的数据写入数据库,包括时间戳、本车速度、前车速度、跟车距离等数据,以便于模型训练使用。
其中,在实施例中,稳定跟车条件包括:前车为轿车或货车或卡车;根据车辆与前车的横向距离和纵向距离确定前车在车辆的正前方;前车为车辆的正前方的第一个障碍物并且速度大于0;前车与车辆的速度差小于预设速度值。
例如,筛选数据的稳定跟车条件包括:A、跟车目标即前车选择的类型为轿车或货车或卡车等。B、根据横向、纵向距离选择跟车目标即前车:跟车目标(前车)在本车正前方例如距离本车左右距离在1.8m之内,前方距离大于4m。C、根据速度和出现情况选择跟车目标(前车),例如,本车正前方的第一个障碍物目标,在100ms内连续出现5fps及以上且速度>0。D、根据前车和本车速度的情况,进一步筛选符合稳定跟车场景的数据,例如,前车与本车的速度保持相近或在2m/s范围内。
如图1所示,数据处理过程包括数据清洗、划分档位数据以及获得划分好的档位例如四个档位的人驾数据。
例如,数据清洗包括将满足稳定跟车条件的数据进行脏数据的清洗,具体地,统计数据分布,大致符合正太分布,在此基础上,选择分布于预设置信区间例如96%置信区间部分的数据,以保证选取数据的代表性。
在本发明的实施例中,以时距划分档位。时距可以为本车与前车的距离/前车的速度,依据大量文献资料统计得出跟车距离与时距具有相关性,所以本发明实施例中建立跟车档位与时距的关系,通过划分时距确定不同档位跟车距离的分布,具体每个档位时距的范围可以由跟车安全距离计算得到。
安全跟车距离=本车减速后滑行距离-前车减速后滑行距离+安全停车距离(0.8米)+执行刹车动作会延迟距离(如延迟1秒)。
在一些实施例中,依据车速上限例如120km/h的限制,从10km/h、20km/h......直到120km/h,即上述公式中V0为车速上限,依次计算安全距离对应的时距,并求取时距的平均值,即可得到第一档位时距范围的平均时距:
例如,以四个档位为例,跟车档位包括第一距离档位、第二距离档位、第三距离档位和第四距离档位,其中,第一距离档位的跟车距离<第二距离档位的跟车距离<第三距离档位的跟车距离<第四距离档位的跟车距离。例如,第一距离档位对应近距离跟车、第二距离档位对应中距离跟车、第三距离档位对应远距离跟车以及第四距离档位对应超远距离跟车,以满足不同驾驶人员的不同跟车距离需求。
进一步地,在实施例中,按照上面时距计算公式,第一距离档位对应的第一跟车时距可以根据安全跟车距离计算获得,并且可以根据第一跟车时距和预设跟车时距范围获得第二距离档位对应的第二跟车时距、第三距离档位对应的第三跟车时距和第四距离档位对应的第四跟车时距。
通过统计所有档位的数据分布,预设跟车时距范围取值a满足0.28s/Veh≤a≤0.32s/Veh为佳,例如取值0.28s/Veh、0.3s/Veh或者0.32s/Veh,其中,预设跟车时距范围可以理解为相邻两个档位的平均时距的差值,例如可以相差0.3s/Veh。因此,在得到第一距离档位时距范围的基础上可以得出第二距离档位、第三距离档位和第四距离档位的时距范围。依据得到的每个档位的时距范围,划分数据清洗过后的数据集,即可得到相应档位的训练数据。
如图1所示,模型训练包括档位模型的拟合和线性跟车距离模型拟合。因为本发明实施例中采用时距为划分档位的标准,同时跟车场景下跟车距离受前车速度直接影响,并且根据数据处理部分的分析和档位时距的划分结果得知,跟车距离与前车速度之前存在线性的关系,所以,本发明实施例的方法使用前车速度来做跟车模型的变量进行跟车距离模型的线性拟合。即言,在实施例中,跟车模型可以为前车的速度与跟车距离的线型映射关系模型,其中,线型映射关系模型根据对应的跟车档位的用户驾车数据训练而成。
仍然以四个档位为例,根据时距将跟车场景下的人驾数据映射为4个跟车档位数据集,通过训练给出档位下前车速度到跟车距离的线性关系即建立各个档位的跟车模型,如图3所示为根据本发明的一个实施例的各个档位分布示意图,其中,横轴为前车速度(m/s),纵轴为跟车距离。
例如,在一些实施例中,跟车模型满足以下线性关系:
进一步地,利用划分好的档位数据分别训练相应档位的线性模型。训练模型前,选用不易受异常值影响的标准化方式来进行训练数据的预处理。训练模型时,选用结合MSEloss和MAEloss二者优点的Huberloss作为损失函数,并且采用stepLR的学习率衰减方式。
根据以上建立档位模型和跟车距离模型之后,可以将模型配置于车辆的处理器中,在实际应用中,处理器可以直接调用对应的模型进行跟车距离控制。
图4是根据本发明的一个实施例的控制车辆跟车距离的方法的流程图,如图4所示,本发明实施例的方法包括以下步骤S1-S6。
S1,获取车辆与前车的相对距离和前车的速度。
例如,可以在车辆上设置雷达系统,通过雷达系统来获得车辆本车与前车的相对距离和前车的速度,并将获得数据发送给车辆的处理器。
S2,根据车辆与前车的距离和前车的速度获得跟车时距。
例如,跟车时距=车辆与前车的距离/前车的速度。
S3,根据跟车时距查询档位模型确定目标跟车档位。
其中,档位模型为跟车时距与跟车档位的映射关系模型,例如上文描述了档位模型的建立过程,可以预先将档位模型存储在处理器中。
S4,根据目标跟车档位获得目标跟车距离模型。
其中,跟车距离模型为前车的车速与跟车距离的映射关系模型。上文描述了跟车距离模型的建立,对应每个跟车档位建立有对应的跟车距离模型。
S5,根据前车的速度和目标跟车距离模型获得目标跟车距离。
例如,将前车的速度作为目标跟车距离模型的输入,即可获得对应的目标跟车距离。
S6,根据目标跟车距离控制车辆行驶。
根据本发明实施例的控制车辆跟车距离的方法,通过跟车时距来划分跟车档位,可以提供不同驾驶风格的选择,满足不同需求,提高舒适性和安全性,并且拟合出对应不同跟车档位的前车速度和跟车距离映射的跟车距离模型,实际应用中跟车距离计算简单,对于前车速度的变化也可以迅速响应,时效性高,并且,模型建立基于真实的人驾数据,更便于评价和改进。
基于上面实施例的控制车辆跟车距离的方法,本发明第二方面实施例提出了一种控制车辆跟车距离的装置。
图5为根据本发明的一个实施例的控制车辆跟车距离的装置的框图。如图5所示,装置10包括获取模块11、时距获得模块12、跟车档位获取模块13、跟车距离模型获得模块14、跟车距离获得模块15和控制模块16。
其中,获取模块11用于获取车辆与前车的相对距离和所述前车的速度;时距获得模块12用于根据所述距离和所述前车的速度获得跟车时距;跟车档位获得模块13用于根据所述跟车时距查询档位模型确定目标跟车档位,其中,所述档位模型为车辆时距与跟车档位的映射关系模型;跟车距离模型获得模块14用于根据所述目标跟车档位获得目标跟车距离模型,其中,跟车模型为所述前车的速度与跟车距离的映射关系模型;跟车距离获得模块15用于根据所述前车的速度和所述目标跟车距离模型获得目标跟车距离;控制模块16用于根据所述目标跟车距离控制所述车辆行驶。
根据本发明实施例的控制车辆跟车距离的装置10,通过跟车时距来划分跟车档位,可以提供不同驾驶风格的选择,满足不同需求,提高舒适性和安全性,并且拟合出对应不同跟车档位的前车速度和跟车距离映射的跟车距离模型,实际应用中跟车距离计算简单,对于前车速度的变化也可以迅速响应,时效性高,并且,模型建立基于真实的人驾数据,更便于评价和改进。
上面实施例的控制车辆跟车距离的方法可以用于车辆。图6为根据本发明一个实施例的车辆的框图,如图6所示,车辆100包括雷达传感器101和控制器102。
其中,雷达传感器101用于采集车辆与前车的相对距离和所述前车的速度;控制器102与所述雷达传感器101连接,用于根据上面实施例的控制车辆跟车距离的方法控制车辆100。
根据本发明实施例的车辆100,通过控制器102根据上面实施例的方法控制车辆,基于真实人驾数据建立模型,便于评价和改进,可以提高跟车安全性和舒适性,满足不同跟车驾驶风格的要求,并且可以快速响应前车速度,提高时效性。
本发明第三方面实施例还提出了一种电子设备,如图7所示为根据本发明一个实施例的电子设备的框图,如图7所示,电子设备1000包括至少一个处理器103和存储器104。
存储器104与至少一个处理器101通信连接;存储器104中存储有档位模型和跟车距离模型以及可被至少一个处理器103执行的计算机程序,至少一个处理器103执行计算机程序时实现上面实施例的控制车辆跟车距离的方法。
其中,控制车辆跟车距离的方法的实现,请参照上面关于方法部分的实施例的描述,在此不再赘述。
本发明第四方面实施例还提出一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时可以实现上面实施例的控制车辆跟车距离的方法。
总的来说,本发明实施例的控制车辆跟车距离的方法和装置10以及采用该方法的电子设备1000和存储介质,通过档位划分,进行更精细的跟车距离区间拟合,更符合人驾跟车距离习惯;采用丰富渠道的人驾数据,可实现不同城市、人群里等跟车距离个性化;基于数据驱动,迭代效率高和更具科学化解释;模型易于改进,更便于丰富天气、拥堵、场景、时间参数维度;使用简单的线性模型,对于前车速度变化可以做到快速响应;预测出的跟车距离满足安全距离的要求。
在本说明书的描述中,流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如,如果用硬件来实现和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块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,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。
Claims (10)
1.一种控制车辆跟车距离的方法,其特征在于,包括:
获取车辆与前车的相对距离和所述前车的速度;
根据所述车辆与所述前车的距离和所述前车的速度获得跟车时距;
根据所述跟车时距查询档位模型确定目标跟车档位,其中,所述档位模型为跟车时距与跟车档位的映射关系模型;
根据所述目标跟车档位确定目标跟车距离模型,其中,跟车距离模型为所述前车的速度与跟车距离的映射关系模型;
根据所述前车的速度和所述目标跟车距离模型获得目标跟车距离;
根据所述目标跟车距离控制所述车辆行驶。
2.根据权利要求1所述的控制车辆跟车距离的方法,其特征在于,所述跟车距离模型为所述前车的速度与跟车距离的线性映射关系模型,其中,所述线性映射关系模型根据对应的跟车档位的用户驾车数据训练而成。
3.根据权利要求2所述的控制车辆跟车距离的方法,其特征在于,每个跟车档位的用户驾车数据通过以下步骤获得:
获取真实用户驾车数据;
筛选出所述真实用户驾车数据中满足稳定跟车条件的驾车数据;
将所述满足稳定跟车条件的驾车数据进行数据清洗,选择分布于预设置信区间的驾车数据;
根据跟车时距将所述分布于预设置信区间的驾车数据进行分档,以获得每个跟车距离档位的用户驾车数据。
4.根据权利要求3所述的控制车辆跟车距离的方法,其特征在于,所述稳定跟车条件包括:
所述前车为轿车或货车或卡车;
根据所述车辆与所述前车的横向距离和纵向距离确定所述前车在所述车辆的正前方;
所述前车为所述车辆的正前方的第一个障碍物并且速度大于0;
所述前车与所述车辆的速度差小于预设速度值。
5.根据权利要求1-4任一项所述的控制车辆跟车距离的方法,其特征在于,所述跟车档位包括第一距离档位、第二距离档位、第三距离档位和第四距离档位,其中,所述第一距离档位的跟车距离<所述第二距离档位的跟车距离<所述第三距离档位的跟车距离<所述第四距离档位的跟车距离。
6.根据权利要求5所述的控制车辆跟车距离的方法,其特征在于,所述第一距离档位对应的第一跟车时距根据安全跟车距离计算获得,根据所述第一跟车时距和预设跟车时距范围获得第二距离档位对应的第二跟车时距、所述第三距离档位对应的第三跟车时距和所述第四距离档位对应的第四跟车时距。
7.根据权利要求6所述的控制车辆跟车距离的方法,其特征在于,所述预设跟车时距范围取值a满足0.28s/Veh≤a≤0.32s/Veh。
8.一种控制车辆跟车距离的装置,其特征在于,包括:
获取模块,用于获取车辆与前车的相对距离和所述前车的速度;
时距获得模块,用于根据所述距离和所述前车的速度获得跟车时距;
跟车档位获得模块,用于根据所述跟车时距查询档位模型确定目标跟车档位,其中,所述档位模型为车辆时距与跟车档位的映射关系模型;
跟车距离模型获得模块,用于根据所述目标跟车档位确定目标跟车距离模型,其中,跟车距离模型为所述前车的速度与跟车距离的映射关系模型;
跟车距离获得模块,用于根据所述前车的速度和所述目标跟车距离模型获得目标跟车距离;
控制模块,用于根据所述目标跟车距离控制所述车辆行驶。
9.一种电子设备,其特征在于,包括:
至少一个处理器;
与所述至少一个处理器通信连接的存储器;
所述存储器中存储有档位模型和跟车距离模型以及可被所述至少一个处理器执行的计算机程序,所述至少一个处理器执行所述计算机程序时实现权利要求1-7任一项所述的控制车辆跟车距离的方法。
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,所述计算机程序被处理器执行时实现权利要求1-7任一项所述的控制车辆跟车距离的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211158063.0A CN115246393A (zh) | 2022-09-22 | 2022-09-22 | 控制车辆跟车距离的方法和装置以及电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211158063.0A CN115246393A (zh) | 2022-09-22 | 2022-09-22 | 控制车辆跟车距离的方法和装置以及电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115246393A true CN115246393A (zh) | 2022-10-28 |
Family
ID=83700437
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211158063.0A Pending CN115246393A (zh) | 2022-09-22 | 2022-09-22 | 控制车辆跟车距离的方法和装置以及电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115246393A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115593438A (zh) * | 2022-11-25 | 2023-01-13 | 小米汽车科技有限公司(Cn) | 跟车方法、装置以及存储介质 |
CN117037524A (zh) * | 2023-09-26 | 2023-11-10 | 苏州易百特信息科技有限公司 | 智慧停车场景下车道跟车优化方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111267850A (zh) * | 2020-01-22 | 2020-06-12 | 东风小康汽车有限公司重庆分公司 | 一种车辆自适应巡航控制方法及装置 |
CN112758093A (zh) * | 2021-01-25 | 2021-05-07 | 北京罗克维尔斯科技有限公司 | Acc车速控制方法、装置、acc控制器、存储介质及车辆 |
CN113147761A (zh) * | 2021-06-02 | 2021-07-23 | 宝能(广州)汽车研究院有限公司 | 车速控制方法以及系统 |
CN113815615A (zh) * | 2021-09-14 | 2021-12-21 | 上汽通用五菱汽车股份有限公司 | 超车控制方法、车载终端及计算机可读存储介质 |
US20220258735A1 (en) * | 2019-07-29 | 2022-08-18 | Toyota Motor Europe | Adaptive cruise control method and system |
CN115042786A (zh) * | 2022-06-27 | 2022-09-13 | 重庆长安汽车股份有限公司 | 跟车时距控制方法、装置、车辆、电子设备及存储介质 |
-
2022
- 2022-09-22 CN CN202211158063.0A patent/CN115246393A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220258735A1 (en) * | 2019-07-29 | 2022-08-18 | Toyota Motor Europe | Adaptive cruise control method and system |
CN111267850A (zh) * | 2020-01-22 | 2020-06-12 | 东风小康汽车有限公司重庆分公司 | 一种车辆自适应巡航控制方法及装置 |
CN112758093A (zh) * | 2021-01-25 | 2021-05-07 | 北京罗克维尔斯科技有限公司 | Acc车速控制方法、装置、acc控制器、存储介质及车辆 |
CN113147761A (zh) * | 2021-06-02 | 2021-07-23 | 宝能(广州)汽车研究院有限公司 | 车速控制方法以及系统 |
CN113815615A (zh) * | 2021-09-14 | 2021-12-21 | 上汽通用五菱汽车股份有限公司 | 超车控制方法、车载终端及计算机可读存储介质 |
CN115042786A (zh) * | 2022-06-27 | 2022-09-13 | 重庆长安汽车股份有限公司 | 跟车时距控制方法、装置、车辆、电子设备及存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115593438A (zh) * | 2022-11-25 | 2023-01-13 | 小米汽车科技有限公司(Cn) | 跟车方法、装置以及存储介质 |
CN115593438B (zh) * | 2022-11-25 | 2023-03-21 | 小米汽车科技有限公司 | 跟车方法、装置以及存储介质 |
CN117037524A (zh) * | 2023-09-26 | 2023-11-10 | 苏州易百特信息科技有限公司 | 智慧停车场景下车道跟车优化方法及系统 |
CN117037524B (zh) * | 2023-09-26 | 2023-12-22 | 苏州易百特信息科技有限公司 | 智慧停车场景下车道跟车优化方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115246393A (zh) | 控制车辆跟车距离的方法和装置以及电子设备和存储介质 | |
DE102019133034A1 (de) | Steuerung eines autonomen fahrzeugs basierend auf einem vorher erlernten fahrgast- und umgebungsbewussten fahrstilprofil | |
US10606264B2 (en) | Control method and control device of automatic driving vehicle | |
CN107067764B (zh) | 一种城市交叉口可变导向车道自适应控制方法 | |
CN112249032B (zh) | 一种自动驾驶决策方法、系统、设备及计算机存储介质 | |
JP7073880B2 (ja) | 進路決定装置 | |
CN109219547A (zh) | 用于估计在车辆的当前的和/或未来的航路点处的最大摩擦系数的概率分布的方法 | |
DE102014223242A1 (de) | Autonome fahrzeugbetriebsweisen | |
US20210354725A1 (en) | Control system for a vehicle | |
CN109835337B (zh) | 转弯控制方法、装置及自动驾驶车辆 | |
DE102018131646A1 (de) | Fahrerwarnsysteme und verfahren | |
US11242070B2 (en) | Apparatus and method for determining an attention requirement level of a driver of a vehicle | |
CN112677982B (zh) | 基于驾驶员特性的车辆纵向速度规划方法 | |
CN114126942A (zh) | 自适应巡航控制方法和系统 | |
CN112660126A (zh) | 用于自适应巡航的车辆协同控制方法、装置及车辆 | |
CN111775938A (zh) | 一种变道路径规划方法、装置及系统 | |
DE112020003963T5 (de) | Informationsverarbeitungsvorrichtung, informationsverarbeitungsverfahren und programm | |
DE102020113418B4 (de) | Vorrichtung und verfahren zum autonomen fahren | |
CN113954855B (zh) | 一种汽车驾驶模式自适应匹配方法 | |
DE102021131054A1 (de) | Verfahren, System und Computerprogrammprodukt zur Bewertung einer Fahrsituation für die prädiktive Steuerung einer automatisierten Fahrfunktion | |
CN116714579B (zh) | 基于车路协同的自动驾驶车辆预见性安全控制方法及系统 | |
CN113460038A (zh) | 一种坡道自动泊车安全车速控制方法 | |
CN115447605A (zh) | 自动驾驶车辆及其控制方法及控制装置 | |
CN113221843A (zh) | 一种基于经验模态分解特征的驾驶风格分类方法 | |
CN111077893A (zh) | 一种基于多灭点的导航方法、电子设备和存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20221028 |
|
RJ01 | Rejection of invention patent application after publication |