CN115493857B - 自动紧急制动参数的确定方法、确定装置与处理器 - Google Patents

Abstract

本申请提供了一种自动紧急制动参数的确定方法、确定装置与处理器。该确定方法包括：基于目标车辆的多组目标试验参数和虚拟车辆的多组目标仿真参数，构建目标函数，多组目标试验参数为目标车辆在预设条件的制动性能参数，多组目标仿真参数为虚拟车辆在预设条件下的制动性能参数，在目标车辆或者虚拟车辆在预设条件下，具有不同载重和不同初始车速；至少基于多组目标试验参数，对虚拟车辆的主缸压力值进行多次调整，直到目标函数收敛，得到目标被控对象模型；采用自动紧急制动测试集，至少对目标被控对象模型和自动紧急制动算法进行联合仿真测试，得到目标制动参数，从而解决了现有技术中确定AEB算法中的制动参数时长较长以及成本较高的问题。

Description

自动紧急制动参数的确定方法、确定装置与处理器

技术领域

本申请涉及汽车安全领域，具体而言，涉及一种自动紧急制动参数的确定方法、确定装置、计算机可读存储介质、处理器与电子设备。

背景技术

自动紧急制动(AEB，Autonomous Emergency Braking)是通过自动紧急制动来避免或者缓解碰撞的一种方法。其中，AEB系统通过获取的障碍物的信息以及自车的行驶状态信息，来预估碰撞危险。

对于AEB算法是AEB系统重要组成部分。AEB控制算法被集成在ADAS控制器或AEB控制器内。AEB算法根据接收到的自车的行驶状态信息以及障碍物的信息，计算ETTC（预计距离碰撞时间，Enhanced Time to Collision，简称ETTC），再根据计算得到的ETTC值与ETTC阈值进行比较，从而确定是否向自车的制动执行器发送制动指令。而ETTC阈值的设置是十分重要的。

现有技术中的AEB功能的开发过程中，通常需要到试验场进行法规测试集验证，以得到ETTC阈值。但由于试验场场地紧张以及时间有限，难以较为快速和准确地得到ETTC阈值。因此，亟需一种能够较为快速地得到ETTC阈值，以缩短AEB功能开发周期的方法。

发明内容

本申请的主要目的在于提供一种自动紧急制动参数的确定方法、确定装置、计算机可读存储介质、处理器与电子设备，以解决现有技术中确定AEB算法中的制动参数时长较长以及成本较高的问题。

根据本发明实施例的一个方面，提供了一种自动紧急制动参数的确定方法，包括：基于目标车辆的多组目标试验参数和虚拟车辆的多组目标仿真参数，构建目标函数，多组所述目标试验参数为所述目标车辆在预设条件的制动性能参数，多组所述目标仿真参数为所述虚拟车辆在所述预设条件下的制动性能参数，在所述目标车辆或者所述虚拟车辆在所述预设条件下，具有不同载重和不同初始车速，所述虚拟车辆为与所述目标车辆对应的虚拟的车辆，且所述虚拟车辆为被控对象模型中的车辆，所述被控对象模型为仿真环境下所述虚拟车辆的纵向运动模型；至少基于多组所述目标试验参数，对所述虚拟车辆的主缸压力值进行多次调整，直到所述目标函数收敛，得到目标被控对象模型；采用自动紧急制动测试集，至少对所述目标被控对象模型和自动紧急制动算法进行联合仿真测试，得到目标制动参数。

可选地，基于目标车辆的多组目标试验参数和虚拟车辆的多组目标仿真参数，构建目标函数，包括：至少采用最小二乘法、多组所述目标试验参数和多组所述目标仿真参数，构建所述目标函数。

可选地，所述制动性能参数包括延迟时间、平均减速度变化率、最大减速度、刹停时间以及刹停距离，至少采用最小二乘法、多组所述目标试验参数和多组所述目标仿真参数，构建所述目标函数，包括：基于所述目标试验参数和所述目标仿真参数，构建所述目标函数

，其中，f为所述目标函数，

第i个载重下的权重，

为第j个初始车速下的权重，a为所述延迟时间的权重，b为所述平均减速度变化率的权重，c为所述最大减速度的权重，d为所述刹停距离的权重，e为所述刹停距离的权重，

为第i个所述载重下，第j个所述初始车速下所述目标车辆的所述延迟时间，

为第i个所述载重下，第j个所述初始车速下所述虚拟车辆的所述延迟时间，

为第i个所述载重下，第j个所述初始车速下所述目标车辆的所述平均减速度变化率，

为第i个所述载重下，第j个所述初始车速下所述虚拟车辆的所述平均减速度变化率，

为第i个所述载重下，第j个所述初始车速下所述目标车辆的所述最大减速度，

为第i个所述载重下，第j个所述初始车速下所述虚拟车辆的所述最大减速度，

为第i个所述载重下，第j个所述初始车速下所述目标车辆的所述刹停时间，

为第i个所述载重下，第j个所述初始车速下所述虚拟车辆的所述刹停时间，

为第i个所述载重下，第j个所述初始车速下所述目标车辆的所述刹停距离，

为第i个所述载重下，第j个所述初始车速下所述虚拟车辆的所述刹停距离。

可选地，在所述虚拟车辆在减速阶段时，所述减速阶段包括延迟阶段、减速度增大阶段、减速度稳定阶段以及减速度回零阶段，至少基于多组所述目标试验参数，对所述虚拟车辆的主缸压力值进行多次调整，直到所述目标函数收敛，得到目标被控对象模型，包括：确定步骤，基于第i组所述目标试验参数和PID控制算法，确定所述虚拟车辆分别在所述延迟阶段、所述减速度增大阶段、所述减速度稳定阶段以及所述减速度回零阶段的所述主缸压力值，其中，i的取值从1开始，一直到N，N为所述目标试验参数的总数量；更新步骤，基于各所述主缸压力值，确定所述虚拟车辆的第i组所述目标仿真参数，并根据所述第i组所述目标仿真参数，对所述目标函数进行更新；重复步骤，重复所述确定步骤和所述更新步骤至少一次，直到所述目标函数收敛，得到所述目标被控对象模型。

可选地，所述主缸压力值包括第一主缸压力值、第二主缸压力值、第三主缸压力值和第四主缸压力值，其中，所述第一主缸压力值为所述延迟阶段的所述主缸压力值，所述第二主缸压力值为所述减速度增大阶段的所述主缸压力值，所述第三主缸压力值为所述减速度稳定阶段的所述主缸压力值，所述第四主缸压力值为所述减速度回零阶段的所述主缸压力值，所述制动性能参数包括延迟时间、平均减速度变化率、最大减速度、刹停时间以及刹停距离；基于第i组所述目标试验参数和PID控制算法，确定所述虚拟车辆分别在所述延迟阶段、所述减速度增大阶段、所述减速度稳定阶段以及所述减速度回零阶段的所述主缸压力值，包括：在所述延迟阶段，确定所述第一主缸压力值为0；在所述减速度增大阶段，采用所述PID控制算法、当前所述虚拟车辆的仿真减速度、第

组所述目标试验参数中的所述平均减速度变化率以及所述最大减速度，确定所述第二主缸压力值；在所述减速度稳定阶段，采用所述PID控制算法、所述减速度增大阶段的所述第二主缸压力值、第

组所述目标试验参数中的所述最大减速度以及所述虚拟车辆当前的所述仿真减速度，确定所述第三主缸压力值；在所述减速度回零阶段，采用所述PID控制算法、所述减速度稳定阶段的所述第三主缸压力值、第

组所述目标试验参数中的所述最大减速度以及所述虚拟车辆当前的所述仿真减速度，确定所述第四主缸压力值。

可选地，所述自动紧急制动测试集包括行人场景测试集和车辆场景测试集，在所述目标制动参数为目标ETTC阈值的情况下，所述目标ETTC阈值包括第一ETTC阈值和第二ETTC阈值，采用自动紧急制动测试集，至少对所述目标被控对象模型和自动紧急制动算法进行联合仿真测试，得到目标制动参数，包括：采用所述行人场景测试集，对处于所述预设条件的所述目标被控对象模型和所述自动紧急制动算法进行联合仿真测试，得到多个所述第一ETTC阈值，其中，所述行人场景测试集包括多个行人场景测试用例，其中，一个所述行人场景测试用例对应多个所述第一ETTC阈值；采用所述车辆场景测试集，对处于所述预设条件的所述目标被控对象模型和所述自动紧急制动算法进行联合仿真测试，得到多个所述第二ETTC阈值，其中，所述车辆场景测试集包括多个车辆场景测试用例，其中，一个所述车辆场景测试用例对应多个所述第二ETTC阈值。

可选地，在至少对所述目标被控对象模型和自动紧急制动算法进行联合仿真测试，得到目标制动参数之后，所述确定方法还包括：采用插值法，且基于所述预设条件和多个所述第一ETTC阈值，确定第一映射关系，所述第一映射关系至少为所述虚拟车辆的载重和所述第一ETTC阈值之间的关系；采用所述插值法，且基于所述预设条件和多个所述第二ETTC阈值，确定第二映射关系，所述第二映射关系至少为所述虚拟车辆的载重、所述车辆场景测试集中的障碍物的类型以及所述第二ETTC阈值之间的关系。

可选地，采用所述行人场景测试集，对处于所述预设条件的所述目标被控对象模型和所述自动紧急制动算法进行联合仿真测试，得到多个所述第一ETTC阈值，包括：将需求制动减速度输入至在所述预设条件下的所述目标被控对象模型中的所述虚拟车辆，得到所述虚拟车辆的虚拟减速度、虚拟速度以及虚拟车辆状态信息；将所述行人场景测试集、所述虚拟减速度、所述虚拟速度以及所述虚拟车辆状态信息输入至所述自动紧急制动算法中，得到多个ETTC时间值；根据预设碰撞条件和各所述ETTC时间值，得到多个所述第一ETTC阈值。

可选地，采用所述车辆场景测试集，对处于所述预设条件的所述目标被控对象模型和所述自动紧急制动算法进行联合仿真测试，得到多个所述第二ETTC阈值，包括：将需求制动减速度输入至在所述预设条件下的所述目标被控对象模型中的所述虚拟车辆，得到所述虚拟车辆的虚拟减速度、虚拟速度以及虚拟车辆状态信息；将所述车辆场景测试集、所述虚拟减速度、所述虚拟速度以及所述虚拟车辆状态信息输入至所述自动紧急制动算法中，得到多个ETTC时间值；根据预设碰撞条件和各所述ETTC时间值，得到多个所述第二ETTC阈值。

可选地，所述确定方法还包括：采用所述第一映射关系和所述第二映射关系，对所述自动紧急制动算法进行更新，得到预定自动紧急制动算法；将所述预定自动紧急制动算法发送至所述目标车辆的AEB控制器，以再次使用所述自动紧急制动测试集和所述目标车辆，对所述第一映射关系和所述第二映射关系进行测试，得到第一目标映射关系和第二目标映射关系。

可选地，所述确定方法还包括：接收所述第一目标映射关系和所述第二目标映射关系；根据所述第一目标映射关系和所述第二目标映射关系，对所述预定自动紧急制动算法进行更新，得到目标自动紧急制动算法。

根据本发明实施例的另一方面，还提供了一种自动紧急制动参数的确定装置，包括：构建单元，用于基于目标车辆的多组目标试验参数和虚拟车辆的多组目标仿真参数，构建目标函数，多组所述目标试验参数为所述目标车辆在预设条件的制动性能参数，多组所述目标仿真参数为所述虚拟车辆在所述预设条件下的制动性能参数，在所述目标车辆或者所述虚拟车辆在所述预设条件下，具有不同载重和不同初始车速，所述虚拟车辆为与所述目标车辆对应的虚拟的车辆，且所述虚拟车辆为被控对象模型中的车辆，所述被控对象模型为仿真环境下所述虚拟车辆的纵向运动模型；调整单元，用于至少基于多组所述目标试验参数，对所述虚拟车辆的主缸压力值进行多次调整，直到所述目标函数收敛，得到目标被控对象模型；仿真测试单元，用于采用自动紧急制动测试集，至少对所述目标被控对象模型和自动紧急制动算法进行联合仿真测试，得到目标制动参数。

根据本发明实施例的又一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的程序，其中，所述程序执行任意一种所述的自动紧急制动参数的确定方法。

根据本发明实施例的再一方面，还提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行任意一种所述的自动紧急制动参数的确定方法。

根据本发明实施例的一方面，还提供了一种电子设备，包括：一个或多个处理器，存储器以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行任意一种所述的自动紧急制动参数的确定方法。

在本发明实施例中，所述的自动紧急制动参数的确定方法中，首先，在实际的试验过程中获取目标车辆的多组目标试验参数，并基于多组目标试验参数以及对应的被控对象模型中的虚拟车辆的多组目标仿真参数，构建目标函数；然后，至少基于多组目标试验参数，分别对被控对象模型中的虚拟车辆的主缸压力值进行调整，直到所述目标函数达到收敛，得到目标被控对象模型；最后，采用自动紧急制动测试集，至少对所述目标被控对象模型和自动紧急制动算法进行联合仿真测试，得到目标制动参数。在本申请中，基于多组目标试验参数和多组目标仿真参数构建目标函数，再基于多组目标试验参数，对虚拟车辆的主缸压力值进行调整，也就是说，基于多组目标试验参数来实现对被控对象模型进行多次调整，这样可以较为简单和准确地使得到的目标被控对象模型较为接近目标车辆所处的实际试验情景。最后采用自动紧急制动测试集，至少对目标被控对象模型和自动紧急制动算法进行联合仿真，由于无需在实际的试验情景下对目标制动参数进行标定并进行测试，这样可以较为快速和准确地得到目标制动参数。同时，由于无需通过目标车辆在实际试验场景对目标制动参数进行标定并进行测试，这样保证了本申请的确定方法的整体成本较低，从而解决了现有技术中确定AEB算法中的制动参数时长较长以及成本较高的问题。

附图说明

构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1示出了本申请的一种实施例的自动紧急制动参数的确定方法的流程图；

图2示出了本申请的一种实施例的制动性能参数的示意图；

图3示出了本申请的一种实施例采用自动紧急制动测试集，对目标被控对象模型和自动紧急制动算法进行联合仿真的示意图；

图4示出了本申请的一种实施例的自动紧急制动参数的确定方法的结构示意图；

图5示出了本申请的一种实施例的自动紧急制动参数的确定方案的流程图。

其中，上述附图包括以下附图标记：

10、构建单元；20、调整单元；30、仿真测试单元；100、目标被控对象模型；200、自动紧急制动测试集；300、自动紧急制动算法；301、感知算法层；302、融合算法层；303、控制算法层；401、延迟时间；402、平均减速度变化率；403、最大减速度；404、刹停时间。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

为了使本技术领域的人员更好地理解本申请方案，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、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，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做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

正如背景技术中所说的，现有技术中确定AEB算法中的制动参数时长较长以及成本较高，为了解决上述问题，本申请的一种典型的实施方式中，提供了一种自动紧急制动参数的确定方法、确定装置、计算机可读存储介质、处理器与电子设备。

根据本申请的实施例，提供了一种自动紧急制动参数的确定方法。

图1是根据本申请实施例的自动紧急制动参数的确定方法的流程图。如图1所示，该确定方法包括以下步骤：

步骤S101，基于目标车辆的多组目标试验参数和虚拟车辆的多组目标仿真参数，构建目标函数，多组上述目标试验参数为上述目标车辆在预设条件的制动性能参数，多组上述目标仿真参数为上述虚拟车辆在上述预设条件下的制动性能参数，在上述目标车辆或者上述虚拟车辆在上述预设条件下，具有不同载重和不同初始车速，上述虚拟车辆为与上述目标车辆对应的虚拟的车辆，且上述虚拟车辆为被控对象模型中的车辆，上述被控对象模型为仿真环境下上述虚拟车辆的纵向运动模型；

步骤S102，至少基于多组上述目标试验参数，对上述虚拟车辆的主缸压力值进行多次调整，直到上述目标函数收敛，得到目标被控对象模型；

步骤S103，采用自动紧急制动测试集，至少对上述目标被控对象模型和自动紧急制动算法进行联合仿真测试，得到目标制动参数。

上述的自动紧急制动参数的确定方法中，首先，在实际的试验过程中获取目标车辆的多组目标试验参数，并基于多组目标试验参数以及对应的被控对象模型中的虚拟车辆的多组目标仿真参数，构建目标函数；然后，至少基于多组目标试验参数，分别对被控对象模型中的虚拟车辆的主缸压力值进行调整，直到上述目标函数达到收敛，得到目标被控对象模型；最后，采用自动紧急制动测试集，至少对上述目标被控对象模型和自动紧急制动算法进行联合仿真测试，得到目标制动参数。在本申请中，基于多组目标试验参数和多组目标仿真参数构建目标函数，再基于多组目标试验参数，对虚拟车辆的主缸压力值进行调整，也就是说，基于多组目标试验参数来实现对被控对象模型进行多次调整，这样可以较为简单和准确地使得到的目标被控对象模型较为接近目标车辆所处的实际试验情景。最后采用自动紧急制动测试集，至少对目标被控对象模型和自动紧急制动算法进行联合仿真，由于无需在实际的试验情景下对目标制动参数进行标定并进行测试，这样可以较为快速和准确地得到目标制动参数。同时，由于无需通过目标车辆在实际试验场景对目标制动参数进行标定并进行测试，这样保证了本申请的确定方法的整体成本较低，从而解决了现有技术中确定AEB算法中的制动参数时长较长以及成本较高的问题。

在实际的应用过程中，在基于目标车辆获取目标试验参数之前，需要获取目标车辆的风阻，滚阻，摩擦阻力系数以及迎风面积。在得到目标车辆的风阻，滚阻，摩擦阻力系数以及迎风面积之后，将风阻，滚阻，摩擦阻力系数以及迎风面积输入至被控对象模型中，这样可以使得被控对象模型中的虚拟车辆能够与目标车辆较为一致。

具体地，确定目标车辆的多组目标试验参数（即确定目标车辆在预设条件下的多组目标试验参数）的过程可以为：

第一步：对目标车辆进行载重为空头、空挂、挂车载重由0吨开始，以5吨为间距，一直到目标车辆达到满载，以进行每一种情形的试验；

第二步：在每一种目标车辆的载重下，分别将目标车辆的初始车速设置为10km/h，且以10km/h为车速间距，直到达到目标车辆的最高车速；

第三步：在每一种初始车速下，分别以减速度指令为-1m/s^2，-2m/s^2，-3m/s^2至最大减速度进行试验，分别获取最大减速度下的延迟时间、平均减速度变化率、最大减速度、刹停时间以及刹停距离（即制动性能参数）；

第四步：对每一种载重每一种初始车速下的延迟时间、平均减速度变化率、最大减速度、刹停时间以及刹停距离进行统计，具体见表一（某一载重下不同初始车速和不同减速度下的统计表格）所示。

表一

具体地，多组上述目标试验参数为目标车辆在实际的试验过程中获取的具体的数值，而多组上述目标仿真参数为目标函数中的未知量。再在被控对象模型中，基于对应的目标试验参数，调整被控对象模型中虚拟车辆的主缸压力值，这样可以得到虚拟车辆与目标试验参数对应的目标仿真参数。在目标函数达到收敛（即目标函数达到最小时），则表明实际的试验情景与被控对象模型是较为接近的。最后在根据自动紧急制动测试集，至少对目标被控对象模型和自动紧急制动算法进行联合仿真测试，得到目标制动参数，这样保证了仿真得到的目标制动参数是准确的，且是可以快速地得到的。

本申请的一种具体的实施例中，上述被控对象模型可以为Prescan仿真环境下的仿真模型。在Prescan仿真环境下，被控对象模型中的虚拟车辆的制动性能输入接口为主缸压力值。

具体地，上述自动紧急制动测试集可以为国家相关法规所提供的测试集合。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

为了较为简单和高效地确定出目标函数，本申请的一种实施例中，基于目标车辆的多组目标试验参数和虚拟车辆的多组目标仿真参数，构建目标函数，包括：至少采用最小二乘法、多组上述目标试验参数和多组上述目标仿真参数，构建上述目标函数。

本申请的另一种实施例中，上述制动性能参数包括延迟时间、平均减速度变化率、最大减速度、刹停时间以及刹停距离，至少采用最小二乘法、多组上述目标试验参数和多组上述目标仿真参数，构建上述目标函数，包括：基于上述目标试验参数和上述目标仿真参数，构建上述目标函数

，其中，f为上述目标函数，

第i个载重下的权重，

为第j个初始车速下的权重，a为上述延迟时间的权重，b为上述平均减速度变化率的权重，c为上述最大减速度的权重，d为上述刹停距离的权重，e为上述刹停距离的权重，

为第i个上述载重下，第j个上述初始车速下上述目标车辆的上述延迟时间，

为第i个上述载重下，第j个上述初始车速下上述虚拟车辆的上述延迟时间，

为第i个上述载重下，第j个上述初始车速下上述目标车辆的上述平均减速度变化率，

为第i个上述载重下，第j个上述初始车速下上述虚拟车辆的上述平均减速度变化率，

为第i个上述载重下，第j个上述初始车速下上述目标车辆的上述最大减速度，

为第i个上述载重下，第j个上述初始车速下上述虚拟车辆的上述最大减速度，

为第i个上述载重下，第j个上述初始车速下上述目标车辆的上述刹停时间，

为第i个上述载重下，第j个上述初始车速下上述虚拟车辆的上述刹停时间，

为第i个上述载重下，第j个上述初始车速下上述目标车辆的上述刹停距离，

为第i个上述载重下，第j个上述初始车速下上述虚拟车辆的上述刹停距离。在该实施例中，在采用最小二乘法构建目标函数时，本方案还引入了载重、初始车辆以及各制动性能参数的权重，这样保证了构建的目标函数较为合理，后续在目标函数处于收敛状态时，确定对应的被控对象模型为目标被控对象模型，这样进一步地保证了确定的目标被控对象模型较为解决实际的试验情景，进一步地保证了基于目标被控对象模型和自动紧急制动算法联合仿真得到的目标ETTC阈值较为准确。

本申请的一种具体的实施例中，如图2所示，延迟时间401（

）为从目标车辆或者虚拟车辆发出减速度指令（即减速的指令），到开始有制动减速度之间的时间；平均减速度变化率402（

）为在减速度快速下降的过程中，单位时间内减速度的变化；最大减速度403（

）为在减速过程中能够达到的最大减速度；刹停时间404（

）为目标车辆或者虚拟车辆从发出减速度指令（即减速的指令）到车速低于0.1km/h的时间；刹停距离

（图2中未示出）为目标车辆或者虚拟车辆在初始速度（即图2所示的自车车速）下，从发出减速度指令（即减速的指令）到刹停时，目标车辆或者虚拟车辆经过的距离。

为了进一步较为简单地得到目标被控对象模型，以及进一步地保证得到的目标被控对象模型较为接近实际的试验情景，本申请的又一种实施例中，在上述虚拟车辆在减速阶段时，上述减速阶段包括延迟阶段、减速度增大阶段、减速度稳定阶段以及减速度回零阶段，至少基于多组上述目标试验参数，对上述虚拟车辆的主缸压力值进行多次调整，直到上述目标函数收敛，得到目标被控对象模型，包括：确定步骤，基于第i组上述目标试验参数和PID控制算法，确定上述虚拟车辆分别在上述延迟阶段、上述减速度增大阶段、上述减速度稳定阶段以及上述减速度回零阶段的上述主缸压力值，其中，

的取值从1开始，一直到

，为上述目标试验参数的总数量；更新步骤，基于各上述主缸压力值，确定上述虚拟车辆的第i组上述目标仿真参数，并根据上述第i组上述目标仿真参数，对上述目标函数进行更新；重复步骤，重复上述确定步骤和上述更新步骤至少一次，直到上述目标函数收敛，得到上述目标被控对象模型。

本申请的再一种实施例中，上述主缸压力值包括第一主缸压力值、第二主缸压力值、第三主缸压力值和第四主缸压力值，其中，上述第一主缸压力值为上述延迟阶段的上述主缸压力值，上述第二主缸压力值为上述减速度增大阶段的上述主缸压力值，上述第三主缸压力值为上述减速度稳定阶段的上述主缸压力值，上述第四主缸压力值为上述减速度回零阶段的上述主缸压力值，上述制动性能参数包括延迟时间、平均减速度变化率、最大减速度、刹停时间以及刹停距离，基于第i组上述目标试验参数和PID控制算法，确定上述虚拟车辆分别在上述延迟阶段、上述减速度增大阶段、上述减速度稳定阶段以及上述减速度回零阶段的上述主缸压力值，包括：在上述延迟阶段，确定上述第一主缸压力值为0；在上述减速度增大阶段，采用上述PID控制算法、当前上述虚拟车辆的仿真减速度、第

组上述目标试验参数中的上述平均减速度变化率以及上述最大减速度，确定上述第二主缸压力值；在上述减速度稳定阶段，采用上述PID控制算法、上述减速度增大阶段的上述第二主缸压力值、第

组上述目标试验参数中的上述最大减速度以及上述虚拟车辆当前的上述仿真减速度，确定上述第三主缸压力值；在上述减速度回零阶段，采用上述PID控制算法、上述减速度稳定阶段的上述第三主缸压力值、第

组上述目标试验参数中的上述最大减速度以及上述虚拟车辆当前的上述仿真减速度，确定上述第四主缸压力值。在该实施例中，基于目标车辆对应的第i组的目标试验参数，确定虚拟车辆在减速的过程中（即减速阶段）的主缸压力值，这样进一步地保证了得到的与第i组目标试验参数对应的第i组目标仿真参数较为准确，进一步地保证了能够较为快速和准确地得到目标被控对象模型。

本申请的一种具体的实施例中，在虚拟车辆在减速阶段时，可将虚拟车辆的减速阶段划分分为延迟阶段、减速度增大阶段、减速度稳定阶段以及减速度回零阶段。在虚拟车辆处于延迟阶段，确定第一主缸压力值为0，并控制虚拟车辆以第一主缸压力值行驶，直到虚拟车辆的延迟时间达到对应的第

组目标试验参数的延迟时间时，再次控制虚拟车辆进入减速度增大阶段；在虚拟车辆处于减速度增大阶段，采用PID算法、当前虚拟车辆的仿真减速度、第

组目标试验参数中的平均减速度变化率以及最大减速度，确定第二主缸压力值，并控制虚拟车辆以第二主缸压力值行驶，直到虚拟车辆的仿真减速度达到预定减速度时，再次控制虚拟车辆进入减速度稳定阶段，其中，预定减速度为第

组目标试验参数中的最大减速度与预定值的乘积；在减速度稳定阶段，采用PID算法、减速度增大阶段的第二主缸压力值、第

组目标试验参数中的最大减速度以及虚拟车辆当前的仿真减速度，确定第三主缸压力值，并控制虚拟车辆以第三主缸压力值行驶，直到虚拟车辆的当前车速达到下限车速时，控制虚拟车辆进入到减速度回零阶段；在减速度回零阶段，采用PID算法、减速度稳定阶段的第三主缸压力值、第

组目标试验参数中的最大减速度以及虚拟车辆当前的仿真减速度，确定第四主缸压力值，并控制虚拟车辆以第四主缸压力值行驶，直到虚拟车辆的当前车速为0。

在实际的应用过程中，行人的速度与车辆的速度存在着较大的区别，以及虚拟车辆在不同的载重和不同的初始车速的情况下，其的目标ETTC阈值也会有所不同，因此为了使得获取到的目标ETTC阈值较为准确以及较为合理，本申请的一种实施例中，上述自动紧急制动测试集包括行人场景测试集和车辆场景测试集，在上述目标制动参数为目标ETTC阈值的情况下，上述目标ETTC阈值包括第一ETTC阈值和第二ETTC阈值，采用自动紧急制动测试集，至少对上述目标被控对象模型和自动紧急制动算法进行联合仿真测试，得到目标制动参数，包括：采用上述行人场景测试集，对处于上述预设条件的上述目标被控对象模型和上述自动紧急制动算法进行联合仿真测试，得到多个上述第一ETTC阈值，其中，上述行人场景测试集包括多个行人场景测试用例，其中，一个上述行人场景测试用例对应多个上述第一ETTC阈值；采用上述车辆场景测试集，对处于上述预设条件的上述目标被控对象模型和上述自动紧急制动算法进行联合仿真测试，得到多个上述第二ETTC阈值，其中，上述车辆场景测试集包括多个车辆场景测试用例，其中，一个上述车辆场景测试用例对应多个上述第二ETTC阈值。

在实际的应用过程中，对于同一个行人场景测试用例或者车辆场景测试用例，在不同的载重和不同的初始车速下，对应的目标ETTC阈值也会存在着区别，因此，可以采用同一个行人场景测试用例或者车辆场景测试用例，对不同的载重和不同的初始车速进行多次试验，以确定多个目标ETTC阈值。

具体地，在确定出的目标被控对象模型为在Prescan环境下搭建的模型的情况下，在采用自动紧急制动测试集，至少对目标被控对象模型和自动紧急制动算法进行联合仿真测试，得到目标ETTC阈值之前，还可以将目标被控对象模型由Prescan环境移植到Matlab环境中。同时，目标被控对象模型的输入为需求制动减速度，其的单位为m/s^2，以模拟自动紧急制动工况下自动驾驶控制器给制动器的控制指令，控制量为主缸压力值以及油门踏板开度。本申请的一种具体的实施例中，在目标车辆以及对应的虚拟车辆为卡车的情况下，其的制动系统为气压制动系统，通过气压驱动刹车盘抱紧刹车片来实现制动，主缸压力值越大，制动力矩越大。油门踏板开度控制发动机扭矩，发动机输出扭矩通过离合器、变速箱、主减速器传递到轮端，驱动车辆行驶。

本申请的另一种实施例中，在至少对上述目标被控对象模型和自动紧急制动算法进行联合仿真测试，得到目标制动参数之后，上述确定方法还包括：采用插值法，且基于上述预设条件和多个上述第一ETTC阈值，确定第一映射关系，上述第一映射关系至少为上述虚拟车辆的载重和上述第一ETTC阈值之间的关系；采用上述插值法，且基于上述预设条件和多个上述第二ETTC阈值，确定第二映射关系，上述第二映射关系至少为上述虚拟车辆的载重、上述车辆场景测试集中的障碍物的类型以及上述第二ETTC阈值之间的关系。在该实施例中，在得到各个预设条件下的虚拟车辆的第一ETTC阈值之后，再通过插值法至少确定虚拟车辆的载重和第一ETTC阈值之间的关系，以及在得到各个预设条件下的虚拟车辆的第二ETTC阈值之后，再通过插值法至少确定虚拟车辆的载重、障碍物的类型以及第二ETTC阈值之间的关系，后续再将第一映射关系和第二映射关系内置到目标车辆的自动紧急制动算法中，以进行再次的试验，这样进一步地保证了后续可以较为准确地确定出各种情景下的目标ETTC阈值，这样进一步地保证了车辆较为安全。

本申请的又一种实施例中，采用上述行人场景测试集，对处于上述预设条件的上述目标被控对象模型和上述自动紧急制动算法进行联合仿真测试，得到多个上述第一ETTC阈值，包括：将需求制动减速度输入至在上述预设条件下的上述目标被控对象模型中的上述虚拟车辆，得到上述虚拟车辆的虚拟减速度、虚拟速度以及虚拟车辆状态信息；将上述行人场景测试集、上述虚拟减速度、上述虚拟速度以及上述虚拟车辆状态信息输入至上述自动紧急制动算法中，得到多个ETTC时间值；根据预设碰撞条件和各上述ETTC时间值，得到多个上述第一ETTC阈值。在该实施例中，在基于目标被控对象模型和自动紧急制动算法，得到与对应的行人场景测试用例对应的ETTC时间值的情况下，再根据该行人场景测试用例对应的碰撞条件（即紧急制动性能，具体见表二所示）确定对应的第一ETTC阈值，这样保证了得到的第一ETTC阈值较为合理，以及能够满足国家相关法规的要求。

表二

本申请的一种具体的实施例中，可以将自动紧急制动算法嵌入至仿真器中，以实现采用采用自动紧急制动测试集，至少对目标被控对象模型和自动紧急制动算法进行联合仿真测试，得到目标ETTC阈值。

为了保证得到的第二ETTC阈值较为合理，本申请的再一种实施例中，采用上述车辆场景测试集，对处于上述预设条件的上述目标被控对象模型和上述自动紧急制动算法进行联合仿真测试，得到多个上述第二ETTC阈值，包括：将需求制动减速度输入至在上述预设条件下的上述目标被控对象模型中的上述虚拟车辆，得到上述虚拟车辆的虚拟减速度、虚拟速度以及虚拟车辆状态信息；将上述车辆场景测试集、上述虚拟减速度、上述虚拟速度以及上述虚拟车辆状态信息输入至上述自动紧急制动算法中，得到多个ETTC时间值；根据预设碰撞条件和各上述ETTC时间值，得到多个上述第二ETTC阈值。

具体地，上述的实施例中，在基于目标被控对象模型和自动紧急制动算法，得到与对应的车辆场景测试用例对应的ETTC时间值的情况下，再根据该车辆场景测试用例对应的碰撞条件（即紧急制动性能，具体见表三所示）确定对应的第二ETTC阈值，这样保证了得到的第二ETTC阈值较为合理，以及能够满足国家相关法规的要求。

表三

在实际的应用过程中，如图3所示，为采用自动紧急制动测试集200，对目标被控对象模型100和自动紧急制动算法300进行联合仿真的示意图。在Matlab环境下运行整个自动紧急制动算法300，并导入分别导入感知算法层301、融合算法层302以及控制算法层303的数据字典，保证能够通过编译；若不能通过编译，则找出问题，改正后确保能够编译通过。再导入应该触发碰撞紧急制动（即满足预设碰撞场景）的行人场景测试用例与车辆场景测试用例，确定是否可以触发紧急制动，以验证自动紧急制动算法300是否正常。若不能触发制动，则需要排查自动紧急制动算法300。具体过程可以为：融合算法层302是否给控制算法层303输出危险障碍物、危险障碍物的速度、加速度以及距离是否正确；若正确，则继续排查控制算法层303，直到输入的行人场景测试用例与车辆场景测试用例能正常触发紧急制动。在该实施例中，实现了对自动紧急制动算法进行验证，这样可以避免软件缺陷，缩短自动紧急制动算法的开发周期。

在实际的应用过程中，如图3所示，将需求制动减速度输入至目标被控对象模型100，目标被控对象模型100输出为虚拟减速度、虚拟速度以及虚拟车辆状态信息。再将自动紧急制动测试集200（包括行人场景测试集与车辆场景测试集）、对应的虚拟减速度、虚拟速度以及虚拟车辆状态信息至自动紧急制动算法300中。其中，感知算法层301负责获得对应的测试用例中的障碍物信息（包含每个障碍物的速度、加速度、距离、尺寸以及障碍物类型），并将障碍物信息输出给融合算法层302。融合算法层302负责处理接收到的障碍物信息，以及筛选出具有碰撞危险的目标障碍物。控制算法层303根据虚拟车辆状态信息确定是否具备紧急制动能力，并根据虚拟减速度、虚拟速度以及具有碰撞危险的目标障碍物的障碍物信息，计算ETTC时间值。对要求不碰撞的场景（预设碰撞条件）发生碰撞时，可以适当调大目标ETTC阈值（第一ETTC阈值或者第二ETTC阈值，具体可以根据对应的测试用例来决定）；对要求不碰撞的场景（预设碰撞条件）虚拟车辆在刹停时与障碍物距离过大时（刹停距离建议为3-5m），可以适当调小目标ETTC阈值（第一ETTC阈值或者第二ETTC阈值，具体可以根据对应的测试用例来决定）。

本申请的一种具体的实施例中，图3所示的控制算法层计算ETTC时间值的方法可以为：

其中，

为目标障碍物的速度，

为虚拟车辆的虚拟速度，

为目标障碍物的加速度，

为虚拟车辆的虚拟加速度，

为虚拟车辆与目标障碍物之间的距离。

本申请的一种实施例中，上述确定方法还包括：采用上述第一映射关系和上述第二映射关系，对上述自动紧急制动算法进行更新，得到预定自动紧急制动算法；将上述预定自动紧急制动算法发送至上述目标车辆的AEB控制器，以再次使用上述自动紧急制动测试集和上述目标车辆，对上述第一映射关系和上述第二映射关系进行测试，得到第一目标映射关系和第二目标映射关系。在该实施例中，将预定自动紧急制动算法嵌入至目标车辆的AEB控制器中，并根据自动紧急制动测试集，对预定自动紧急制动算法在实际的试验情景进行再次测试，这样保证了得到的第一目标关系和第二目标映射关系较为准确，后续再基于第一目标映射关系和第二目标映射关系，对预定自动紧急制动算法进行更新，得到目标自动紧急制动算法，这样保证了得到的目标自动紧急制动算法较为准确。

为了保证得到的目标自动紧急制动算法较为准确，本申请的另一种实施例中，上述确定方法还包括：接收上述第一目标映射关系和上述第二目标映射关系；根据上述第一目标映射关系和上述第二目标映射关系，对上述预定自动紧急制动算法进行更新，得到目标自动紧急制动算法。

在实际的应用过程中，若要求不碰撞的场景发生了碰撞，则需要微调大目标ETTC阈值。若刹停距离过大，则微调小目标ETTC阈值，直到得到通过自动紧急制动测试集中的目标ETTC阈值（第一ETTC阈值和第二ETTC阈值），以及得到通过自动紧急制动测试集中的目标映射关系（包括第一目标映射关系和第二目标映射关系）。再将第一目标映射关系和第二目标映射关系写入到预定自动紧急制动算法中，得到目标自动紧急制动算法。

本申请实施例还提供了一种自动紧急制动参数的确定装置，需要说明的是，本申请实施例的自动紧急制动参数的确定装置可以用于执行本申请实施例所提供的用于自动紧急制动参数的确定方法。以下对本申请实施例提供的自动紧急制动参数的确定装置进行介绍。

图4是根据本申请实施例的自动紧急制动参数的确定装置的结构示意图。如图4所示，该确定装置包括：

构建单元10，用于基于目标车辆的多组目标试验参数和虚拟车辆的多组目标仿真参数，构建目标函数，多组上述目标试验参数为上述目标车辆在预设条件的制动性能参数，多组上述目标仿真参数为上述虚拟车辆在上述预设条件下的制动性能参数，在上述目标车辆或者上述虚拟车辆在上述预设条件下，具有不同载重和不同初始车速，上述虚拟车辆为与上述目标车辆对应的虚拟的车辆，且上述虚拟车辆为被控对象模型中的车辆，上述被控对象模型为仿真环境下上述虚拟车辆的纵向运动模型；

调整单元20，用于至少基于多组上述目标试验参数，对上述虚拟车辆的主缸压力值进行多次调整，直到上述目标函数收敛，得到目标被控对象模型；

仿真测试单元30，用于采用自动紧急制动测试集，至少对上述目标被控对象模型和自动紧急制动算法进行联合仿真测试，得到目标制动参数。

上述的自动紧急制动参数的确定装置中，构建单元用于在实际的试验过程中获取目标车辆的多组目标试验参数，并基于多组目标试验参数以及对应的被控对象模型中的虚拟车辆的多组目标仿真参数，构建目标函数；调整单元用于至少基于多组目标试验参数，分别对被控对象模型中的虚拟车辆的主缸压力值进行调整，直到上述目标函数达到收敛，得到目标被控对象模型；仿真测试单元用于采用自动紧急制动测试集，至少对上述目标被控对象模型和自动紧急制动算法进行联合仿真测试，得到目标制动参数。在本申请中，基于多组目标试验参数和多组目标仿真参数构建目标函数，再基于多组目标试验参数，对虚拟车辆的主缸压力值进行调整，也就是说，基于多组目标试验参数来实现对被控对象模型进行多次调整，这样可以较为简单和准确地使得到的目标被控对象模型较为接近目标车辆所处的实际试验情景。最后采用自动紧急制动测试集，至少对目标被控对象模型和自动紧急制动算法进行联合仿真，由于无需在实际的试验情景下对目标制动参数进行标定并进行测试，这样可以较为快速和准确地得到目标制动参数。同时，由于无需通过目标车辆在实际试验场景对目标制动参数进行标定并进行测试，这样保证了本申请的确定装置的整体成本较低，从而解决了现有技术中确定AEB算法中的制动参数时长较长以及成本较高的问题。

在实际的应用过程中，在基于目标车辆获取目标试验参数之前，需要获取目标车辆的风阻，滚阻，摩擦阻力系数以及迎风面积。在得到目标车辆的风阻，滚阻，摩擦阻力系数以及迎风面积之后，将风阻，滚阻，摩擦阻力系数以及迎风面积输入至被控对象模型中，这样可以使得被控对象模型中的虚拟车辆能够与目标车辆较为一致。

具体地，确定目标车辆的多组目标试验参数（即确定目标车辆在预设条件下的多组目标试验参数）的过程可以为：

第一步：对目标车辆进行载重为空头、空挂、挂车载重由0吨开始，以5吨为间距，一直到目标车辆达到满载，以进行每一种情形的试验；

第二步：在每一种目标车辆的载重下，分别将目标车辆的初始车速设置为10km/h，且以10km/h为车速间距，直到达到目标车辆的最高车速；

第三步：在每一种初始车速下，分别以减速度指令为-1m/s^2，-2m/s^2，-3m/s^2至最大减速度进行试验，分别获取最大减速度下的延迟时间、平均减速度变化率、最大减速度、刹停时间以及刹停距离（即制动性能参数）；

第四步：对每一种载重每一种初始车速下的延迟时间、平均减速度变化率、最大减速度、刹停时间以及刹停距离进行统计，具体见表一（某一载重下不同初始车速和不同减速度下的统计表格）所示。

具体地，多组上述目标试验参数为目标车辆在实际的试验过程中获取的具体的数值，而多组上述目标仿真参数为目标函数中的未知量。再在被控对象模型中，基于对应的目标试验参数，调整被控对象模型中虚拟车辆的主缸压力值，这样可以得到虚拟车辆与目标试验参数对应的目标仿真参数。在目标函数达到收敛（即目标函数达到最小时），则表明实际的试验情景与被控对象模型是较为接近的。最后在根据自动紧急制动测试集，至少对目标被控对象模型和自动紧急制动算法进行联合仿真测试，得到目标ETTC阈值，这样保证了仿真得到的目标ETTC阈值是准确的，且是可以快速地得到的。

本申请的一种具体的实施例中，上述被控对象模型可以为Prescan仿真环境下的仿真模型。在Prescan仿真环境下，被控对象模型中的虚拟车辆的制动性能输入接口为主缸压力值。

具体地，上述自动紧急制动测试集可以为国家相关法规所提供的测试集合。

为了较为简单和高效地确定出目标函数，本申请的一种实施例中，上述构建单元包括构建模块，用于至少采用最小二乘法、多组上述目标试验参数和多组上述目标仿真参数，构建上述目标函数。

本申请的另一种实施例中，上述制动性能参数包括延迟时间、平均减速度变化率、最大减速度、刹停时间以及刹停距离，上述构建模块包括构建子模块，用于基于上述目标试验参数和上述目标仿真参数，构建上述目标函数

，其中，f为上述目标函数，

第i个载重下的权重，

为第j个初始车速下的权重，a为上述延迟时间的权重，b为上述平均减速度变化率的权重，c为上述最大减速度的权重，d为上述刹停距离的权重，e为上述刹停距离的权重，

为第i个上述载重下，第j个上述初始车速下上述目标车辆的上述延迟时间，

为第i个上述载重下，第j个上述初始车速下上述虚拟车辆的上述延迟时间，

为第i个上述载重下，第j个上述初始车速下上述目标车辆的上述平均减速度变化率，

为第i个上述载重下，第j个上述初始车速下上述虚拟车辆的上述平均减速度变化率，

为第i个上述载重下，第j个上述初始车速下上述目标车辆的上述最大减速度，

为第i个上述载重下，第j个上述初始车速下上述虚拟车辆的上述最大减速度，

为第i个上述载重下，第j个上述初始车速下上述目标车辆的上述刹停时间，

为第i个上述载重下，第j个上述初始车速下上述虚拟车辆的上述刹停时间，

为第i个上述载重下，第j个上述初始车速下上述目标车辆的上述刹停距离，

为第i个上述载重下，第j个上述初始车速下上述虚拟车辆的上述刹停距离。在该实施例中，在采用最小二乘法构建目标函数时，本方案还引入了载重、初始车辆以及各制动性能参数的权重，这样保证了构建的目标函数较为合理，后续在目标函数处于收敛状态时，确定对应的被控对象模型为目标被控对象模型，这样进一步地保证了确定的目标被控对象模型较为解决实际的试验情景，进一步地保证了基于目标被控对象模型和自动紧急制动算法联合仿真得到的目标ETTC阈值较为准确。

本申请的一种具体的实施例中，如图2所示，延迟时间401（

）为从目标车辆或者虚拟车辆发出减速度指令（即减速的指令），到开始有制动减速度之间的时间；平均减速度变化率402（

）为在减速度快速下降的过程中，单位时间内减速度的变化；最大减速度403（

）为在减速过程中能够达到的最大减速度；刹停时间404（

）为目标车辆或者虚拟车辆从发出减速度指令（即减速的指令）到车速低于0.1km/h的时间；刹停距离

（图2中未示出）为目标车辆或者虚拟车辆在初始速度（即图2所示的自车车速）下，从发出减速度指令（即减速的指令）到刹停时，目标车辆或者虚拟车辆经过的距离。

为了进一步较为简单地得到目标被控对象模型，以及进一步地保证得到的目标被控对象模型较为接近实际的试验情景，本申请的又一种实施例中，在上述虚拟车辆在减速阶段时，上述减速阶段包括延迟阶段、减速度增大阶段、减速度稳定阶段以及减速度回零阶段，上述调整单元包括确定模块、更新模块和重复模块，其中，上述确定模块用于确定步骤，基于第i组上述目标试验参数和PID控制算法，确定上述虚拟车辆分别在上述延迟阶段、上述减速度增大阶段、上述减速度稳定阶段以及上述减速度回零阶段的上述主缸压力值，其中，

的取值从1开始，一直到

，

为上述目标试验参数的总数量；上述更新模块用于更新步骤，基于各上述主缸压力值，确定上述虚拟车辆的第i组上述目标仿真参数，并根据上述第i组上述目标仿真参数，对上述目标函数进行更新；上述重复模块用于重复步骤，重复上述确定步骤和上述更新步骤至少一次，直到上述目标函数收敛，得到上述目标被控对象模型。

本申请的再一种实施例中，上述主缸压力值包括第一主缸压力值、第二主缸压力值、第三主缸压力值和第四主缸压力值，其中，上述第一主缸压力值为上述延迟阶段的上述主缸压力值，上述第二主缸压力值为上述减速度增大阶段的上述主缸压力值，上述第三主缸压力值为上述减速度稳定阶段的上述主缸压力值，上述第四主缸压力值为上述减速度回零阶段的上述主缸压力值，上述制动性能参数包括延迟时间、平均减速度变化率、最大减速度、刹停时间以及刹停距离，上述确定模块包括第一确定子模块、第二确定子模块、第三确定子模块和第四确定子模块，其中，上述第一确定子模块用于在上述延迟阶段，确定上述第一主缸压力值为0；上述第二确定子模块用于在上述减速度增大阶段，采用上述PID控制算法、当前上述虚拟车辆的仿真减速度、第

组上述目标试验参数中的上述平均减速度变化率以及上述最大减速度，确定上述第二主缸压力值；上述第三确定子模块用于在上述减速度稳定阶段，采用上述PID控制算法、上述减速度增大阶段的上述第二主缸压力值、第

组上述目标试验参数中的上述最大减速度以及上述虚拟车辆当前的上述仿真减速度，确定上述第三主缸压力值；上述第四确定子模块用于在上述减速度回零阶段，采用上述PID控制算法、上述减速度稳定阶段的上述第三主缸压力值、第

组上述目标试验参数中的上述最大减速度以及上述虚拟车辆当前的上述仿真减速度，确定上述第四主缸压力值。在该实施例中，基于目标车辆对应的第i组的目标试验参数，确定虚拟车辆在减速的过程中（即减速阶段）的主缸压力值，这样进一步地保证了得到的与第i组目标试验参数对应的第i组目标仿真参数较为准确，进一步地保证了能够较为快速和准确地得到目标被控对象模型。

本申请的一种具体的实施例中，在虚拟车辆在减速阶段时，可将虚拟车辆的减速阶段划分分为延迟阶段、减速度增大阶段、减速度稳定阶段以及减速度回零阶段。在虚拟车辆处于延迟阶段，确定第一主缸压力值为0，并控制虚拟车辆以第一主缸压力值行驶，直到虚拟车辆的延迟时间达到对应的第

组目标试验参数的延迟时间时，再次控制虚拟车辆进入减速度增大阶段；在虚拟车辆处于减速度增大阶段，采用PID算法、当前虚拟车辆的仿真减速度、第

组目标试验参数中的平均减速度变化率以及最大减速度，确定第二主缸压力值，并控制虚拟车辆以第二主缸压力值行驶，直到虚拟车辆的仿真减速度达到预定减速度时，再次控制虚拟车辆进入减速度稳定阶段，其中，预定减速度为第

组目标试验参数中的最大减速度与预定值的乘积；在减速度稳定阶段，采用PID算法、减速度增大阶段的第二主缸压力值、第

组目标试验参数中的最大减速度以及虚拟车辆当前的仿真减速度，确定第三主缸压力值，并控制虚拟车辆以第三主缸压力值行驶，直到虚拟车辆的当前车速达到下限车速时，控制虚拟车辆进入到减速度回零阶段；在减速度回零阶段，采用PID算法、减速度稳定阶段的第三主缸压力值、第

组目标试验参数中的最大减速度以及虚拟车辆当前的仿真减速度，确定第四主缸压力值，并控制虚拟车辆以第四主缸压力值行驶，直到虚拟车辆的当前车速为0。

在实际的应用过程中，行人的速度与车辆的速度存在着较大的区别，以及虚拟车辆在不同的载重和不同的初始车速的情况下，其的目标ETTC阈值也会有所不同，因此为了使得获取到的目标ETTC阈值较为准确以及较为合理，本申请的一种实施例中，上述自动紧急制动测试集包括行人场景测试集和车辆场景测试集，在上述目标制动参数为目标ETTC阈值的情况下，上述目标ETTC阈值包括第一ETTC阈值和第二ETTC阈值，上述仿真测试单元包括第一仿真模块和第二仿真模块，其中，上述第一仿真模块用于采用上述行人场景测试集，对处于上述预设条件的上述目标被控对象模型和上述自动紧急制动算法进行联合仿真测试，得到多个上述第一ETTC阈值，其中，上述行人场景测试集包括多个行人场景测试用例，其中，一个上述行人场景测试用例对应多个上述第一ETTC阈值；上述第二仿真模块用于采用上述车辆场景测试集，对处于上述预设条件的上述目标被控对象模型和上述自动紧急制动算法进行联合仿真测试，得到多个上述第二ETTC阈值，其中，上述车辆场景测试集包括多个车辆场景测试用例，其中，一个上述车辆场景测试用例对应多个上述第二ETTC阈值。

在实际的应用过程中，对于同一个行人场景测试用例或者车辆场景测试用例，在不同的载重和不同的初始车速下，对应的目标ETTC阈值也会存在着区别，因此，可以采用同一个行人场景测试用例或者车辆场景测试用例，对不同的载重和不同的初始车速进行多次试验，以确定多个目标ETTC阈值。

具体地，在确定出的目标被控对象模型为在Prescan环境下搭建的模型的情况下，在采用自动紧急制动测试集，至少对目标被控对象模型和自动紧急制动算法进行联合仿真测试，得到目标ETTC阈值之前，还可以将目标被控对象模型由Prescan环境移植到Matlab环境中。同时，目标被控对象模型的输入为需求制动减速度，其的单位为m/s^2，以模拟自动紧急制动工况下自动驾驶控制器给制动器的控制指令，控制量为主缸压力值以及油门踏板开度。本申请的一种具体的实施例中，在目标车辆以及对应的虚拟车辆为卡车的情况下，其的制动系统为气压制动系统，通过气压驱动刹车盘抱紧刹车片来实现制动，主缸压力值越大，制动力矩越大。油门踏板开度控制发动机扭矩，发动机输出扭矩通过离合器、变速箱、主减速器传递到轮端，驱动车辆行驶。

本申请的另一种实施例中，上述确定装置还包括第一确定单元和第二确定单元，其中，上述第一确定单元用于在至少对上述目标被控对象模型和自动紧急制动算法进行联合仿真测试，得到目标ETTC阈值之后，采用插值法，且基于上述预设条件和多个上述第一ETTC阈值，确定第一映射关系，上述第一映射关系至少为上述虚拟车辆的载重和上述第一ETTC阈值之间的关系；上述第二确定单元用于采用上述插值法，且基于上述预设条件和多个上述第二ETTC阈值，确定第二映射关系，上述第二映射关系至少为上述虚拟车辆的载重、上述车辆场景测试集中的障碍物的类型以及上述第二ETTC阈值之间的关系。在该实施例中，在得到各个预设条件下的虚拟车辆的第一ETTC阈值之后，再通过插值法至少确定虚拟车辆的载重和第一ETTC阈值之间的关系，以及在得到各个预设条件下的虚拟车辆的第二ETTC阈值之后，再通过插值法至少确定虚拟车辆的载重、障碍物的类型以及第二ETTC阈值之间的关系，后续再将第一映射关系和第二映射关系内置到目标车辆的自动紧急制动算法中，以进行再次的试验，这样进一步地保证了后续可以较为准确地确定出各种情景下的目标ETTC阈值，这样进一步地保证了车辆较为安全。

本申请的又一种实施例中，上述第一仿真模块包括第一输入子模块、第二输入子模块和第一确定子模块，其中，上述第一输入子模块用于将需求制动减速度输入至在上述预设条件下的上述目标被控对象模型中的上述虚拟车辆，得到上述虚拟车辆的虚拟减速度、虚拟速度以及虚拟车辆状态信息；上述第二输入子模块用于将上述行人场景测试集、上述虚拟减速度、上述虚拟速度以及上述虚拟车辆状态信息输入至上述自动紧急制动算法中，得到多个ETTC时间值；上述第一确定子模块用于根据预设碰撞条件和各上述ETTC时间值，得到多个上述第一ETTC阈值。在该实施例中，在基于目标被控对象模型和自动紧急制动算法，得到与对应的行人场景测试用例对应的ETTC时间值的情况下，再根据该行人场景测试用例对应的碰撞条件（即紧急制动性能，具体见表二所示）确定对应的第一ETTC阈值，这样保证了得到的第一ETTC阈值较为合理，以及能够满足国家相关法规的要求。

本申请的一种具体的实施例中，可以将自动紧急制动算法嵌入至仿真器中，以实现采用采用自动紧急制动测试集，至少对目标被控对象模型和自动紧急制动算法进行联合仿真测试，得到目标ETTC阈值。

为了保证得到的第二ETTC阈值较为合理，本申请的再一种实施例中，上述第二仿真模块包括第三输入子模块、第四输入子模块和第二确定子模块，其中，上述第三输入子模块用于将需求制动减速度输入至在上述预设条件下的上述目标被控对象模型中的上述虚拟车辆，得到上述虚拟车辆的虚拟减速度、虚拟速度以及虚拟车辆状态信息；上述第四输入子模块用于将上述车辆场景测试集、上述虚拟减速度、上述虚拟速度以及上述虚拟车辆状态信息输入至上述自动紧急制动算法中，得到多个ETTC时间值；上述第二确定子模块用于根据预设碰撞条件和各上述ETTC时间值，得到多个上述第二ETTC阈值。

具体地，上述的实施例中，在基于目标被控对象模型和自动紧急制动算法，得到与对应的车辆场景测试用例对应的ETTC时间值的情况下，再根据该车辆场景测试用例对应的碰撞条件（即紧急制动性能，具体见表三所示）确定对应的第二ETTC阈值，这样保证了得到的第二ETTC阈值较为合理，以及能够满足国家相关法规的要求。

在实际的应用过程中，如图3所示，为采用自动紧急制动测试集200，对目标被控对象模型100和自动紧急制动算法300进行联合仿真的示意图。在Matlab环境下运行整个自动紧急制动算法300，并导入分别导入感知算法层301、融合算法层302以及控制算法层303的数据字典，保证能够通过编译；若不能通过编译，则找出问题，改正后确保能够编译通过。再导入应该触发碰撞紧急制动（即满足预设碰撞场景）的行人场景测试用例与车辆场景测试用例，确定是否可以触发紧急制动，以验证自动紧急制动算法300是否正常。若不能触发制动，则需要排查自动紧急制动算法300。具体过程可以为：融合算法层302是否给控制算法层303输出危险障碍物、危险障碍物的速度、加速度以及距离是否正确；若正确，则继续排查控制算法层303，直到输入的行人场景测试用例与车辆场景测试用例能正常触发紧急制动。在该实施例中，实现了对自动紧急制动算法进行验证，这样可以避免软件缺陷，缩短自动紧急制动算法的开发周期。

在实际的应用过程中，如图3所示，将需求制动减速度输入至目标被控对象模型100，目标被控对象模型100输出为虚拟减速度、虚拟速度以及虚拟车辆状态信息。再将自动紧急制动测试集200（包括行人场景测试集与车辆场景测试集）、对应的虚拟减速度、虚拟速度以及虚拟车辆状态信息至自动紧急制动算法300中。其中，感知算法层301负责获得对应的测试用例中的障碍物信息（包含每个障碍物的速度、加速度、距离、尺寸以及障碍物类型），并将障碍物信息输出给融合算法层302。融合算法层302负责处理接收到的障碍物信息，以及筛选出具有碰撞危险的目标障碍物。控制算法层303根据虚拟车辆状态信息确定是否具备紧急制动能力，并根据虚拟减速度、虚拟速度以及具有碰撞危险的目标障碍物的障碍物信息，计算ETTC时间值。对要求不碰撞的场景（预设碰撞条件）发生碰撞时，可以适当调大目标ETTC阈值（第一ETTC阈值或者第二ETTC阈值，具体可以根据对应的测试用例来决定）；对要求不碰撞的场景（预设碰撞条件）虚拟车辆在刹停时与障碍物距离过大时（刹停距离建议为3-5m），可以适当调小目标ETTC阈值（第一ETTC阈值或者第二ETTC阈值，具体可以根据对应的测试用例来决定）。

本申请的一种具体的实施例中，图3所示的控制算法层计算ETTC时间值的方法可以为：

其中，

为目标障碍物的速度，

为虚拟车辆的虚拟速度，

为目标障碍物的加速度，

为虚拟车辆的虚拟加速度，

为虚拟车辆与目标障碍物之间的距离。

本申请的一种实施例中，上述确定装置还包括第一更新单元和发送单元，其中，上述第一更新单元用于采用上述第一映射关系和上述第二映射关系，对上述自动紧急制动算法进行更新，得到预定自动紧急制动算法；上述发送单元用于将上述预定自动紧急制动算法发送至上述目标车辆的AEB控制器，以再次使用上述自动紧急制动测试集和上述目标车辆，对上述第一映射关系和上述第二映射关系进行测试，得到第一目标映射关系和第二目标映射关系。在该实施例中，将预定自动紧急制动算法嵌入至目标车辆的AEB控制器中，并根据自动紧急制动测试集，对预定自动紧急制动算法在实际的试验情景进行再次测试，这样保证了得到的第一目标关系和第二目标映射关系较为准确，后续再基于第一目标映射关系和第二目标映射关系，对预定自动紧急制动算法进行更新，得到目标自动紧急制动算法，这样保证了得到的目标自动紧急制动算法较为准确。

为了保证得到的目标自动紧急制动算法较为准确，本申请的另一种实施例中，上述确定装置还包括接收单元和第二更新单元，其中，上述接收单元用于接收上述第一目标映射关系和上述第二目标映射关系；上述第二更新单元用于根据上述第一目标映射关系和上述第二目标映射关系，对上述预定自动紧急制动算法进行更新，得到目标自动紧急制动算法。

在实际的应用过程中，若要求不碰撞的场景发生了碰撞，则需要微调大目标ETTC阈值。若刹停距离过大，则微调小目标ETTC阈值，直到得到通过自动紧急制动测试集中的目标ETTC阈值（第一ETTC阈值和第二ETTC阈值），以及得到通过自动紧急制动测试集中的目标映射关系（包括第一目标映射关系和第二目标映射关系）。再将第一目标映射关系和第二目标映射关系写入到预定自动紧急制动算法中，得到目标自动紧急制动算法。

上述自动紧急制动参数的确定装置包括处理器和存储器，上述构建单元、调整单元和仿真测试单元等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。

处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来解决现有技术中确定AEB算法中的制动参数时长较长以及成本较高的问题。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。

本发明实施例提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现上述自动紧急制动参数的确定方法。

本发明实施例提供了一种处理器，上述处理器用于运行程序，其中，上述程序运行时执行上述自动紧急制动参数的确定方法。

本申请的一种典型的实施例中，还提供了一种电子设备，该电子设备包括一个或多个处理器，存储器以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置为由上述一个或多个处理器执行，上述一个或多个程序包括用于执行任意一种上述的自动紧急制动参数的确定方法。

本发明实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现至少以下步骤：

步骤S101，基于目标车辆的多组目标试验参数和虚拟车辆的多组目标仿真参数，构建目标函数，多组上述目标试验参数为上述目标车辆在预设条件的制动性能参数，多组上述目标仿真参数为上述虚拟车辆在上述预设条件下的制动性能参数，在上述目标车辆或者上述虚拟车辆在上述预设条件下，具有不同载重和不同初始车速，上述虚拟车辆为与上述目标车辆对应的虚拟的车辆，且上述虚拟车辆为被控对象模型中的车辆，上述被控对象模型为仿真环境下上述虚拟车辆的纵向运动模型；

步骤S102，至少基于多组上述目标试验参数，对上述虚拟车辆的主缸压力值进行多次调整，直到上述目标函数收敛，得到目标被控对象模型；

步骤S103，采用自动紧急制动测试集，至少对上述目标被控对象模型和自动紧急制动算法进行联合仿真测试，得到目标制动参数。

本文中的设备可以是服务器、PC、PAD、手机等。

本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有至少如下方法步骤的程序：

步骤S101，基于目标车辆的多组目标试验参数和虚拟车辆的多组目标仿真参数，构建目标函数，多组上述目标试验参数为上述目标车辆在预设条件的制动性能参数，多组上述目标仿真参数为上述虚拟车辆在上述预设条件下的制动性能参数，在上述目标车辆或者上述虚拟车辆在上述预设条件下，具有不同载重和不同初始车速，上述虚拟车辆为与上述目标车辆对应的虚拟的车辆，且上述虚拟车辆为被控对象模型中的车辆，上述被控对象模型为仿真环境下上述虚拟车辆的纵向运动模型；

步骤S102，至少基于多组上述目标试验参数，对上述虚拟车辆的主缸压力值进行多次调整，直到上述目标函数收敛，得到目标被控对象模型；

步骤S103，采用自动紧急制动测试集，至少对上述目标被控对象模型和自动紧急制动算法进行联合仿真测试，得到目标制动参数。

为了本领域技术人员能够更加清楚地了解本申请的技术方案，以下将结合具体的实施例来说明本申请的技术方案和技术效果。

实施例

本实施例涉及一种自动紧急制动参数的确定方案，具体如图5所示。具体过程如下：

第一步：获取目标车辆的风阻，滚阻，摩擦阻力系数以及迎风面积，并将目标车辆的风阻，滚阻，摩擦阻力系数以及迎风面积输入到被控对象模型中的虚拟车辆中；

第二步：在实际的试验情景中，获取不同载重和不同初始车速下的目标试验参数；

第三步：将虚拟车辆的多组目标仿真参数看作为未知量，基于多组目标试验参数和目标仿真参数，构建目标函数；

第四步：至少基于多目标试验参数，对虚拟车辆的主缸压力值进行多次调整，直到目标函数收敛，得到目标被控对象模型；

第五步：采用自动紧急制动测试集，对自动紧急制动算法和目标被控对象模型进行联合仿真。在仿真的过程中，若自动紧急制动算法和目标被控对象模型未能通过自动紧急制动测试集中的预设碰撞条件，则基于预设碰撞条件，对目标ETTC阈值（第一ETTC阈值或者第二ETTC阈值，具体可以根据自动紧急制动测试集中的行人场景测试用例或者车辆场景测试用例进行确定）进行调整，直到通过自动紧急制动测试集。

第六步：基于第五步得到的多个第一ETTC阈值和虚拟车辆所处的预设条件，确定第一映射关系，基于第五步得到的多个第二ETTC阈值和虚拟车辆所出的预设条件，确定第二映射关系。并采用第一映射关系和第二映射关系，对自动紧急制动算法进行更新，得到预定自动紧急制动算法。

第七步：将预定自动紧急制动算法嵌入至目标车辆的AEB控制器中，再采用自动紧急制动测试集，对目标车辆中的预定自动紧急制动算法进行测试。在目标车辆中的预定自动紧急制动算法未能通过自动紧急制动测试集中的预设碰撞条件，对目标ETTC阈值（第一ETTC阈值或者第二ETTC阈值，具体可以根据自动紧急制动测试集中的行人场景测试用例或者车辆场景测试用例进行确定）进行调整，直到通过自动紧急制动测试集。

第八步：通过第七步所得到的第一ETTC阈值，对第一映射关系进行更新，得到第一目标映射关系，以及通过第七步所得到的第二ETTC阈值，对第二映射关系进行更新，得到第二目标映射关系。并采用第一目标映射关系和第二目标映射关系，对预定自动紧急制动算法进行更新，得到目标自动紧急制动算法。

通过上述的过程，在获取第一目标映射关系和第二映射关系的过程中，并不是所有的测试都在实际的试验情景中，而是初步获取第一映射关系和第二映射关系的过程中放置在自动紧急制动算法和目标被控对象模型进行联合仿真中，这样可以较为快速和准确地得到第一映射关系和第二映射关系，且无需花费较多的成本，还可以实现对自动紧急制动算法进行验证，以避免出现软件缺陷。在初步获取第一映射关系和第二映射关系之后，再基于自动紧急制动测试集，在实际的试验情景对具有第一映射关系和第二映射关系的预定自动紧急制动算法进行再次测试，从而得到第一目标映射关系和第二目标映射关系，以及具有第一目标映射关系和第二目标映射关系的目标自动紧急制动算法。本申请的确定方法实现了较为快速地得到第一目标映射关系和第二目标映射关系，减少了在实际的试验情景进行标定的时间以及成本较低。由于本申请的确定方法可以较为快速得到目标自动紧急制动算法，这样还缩短了软件开发的周期。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如上述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，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单元中，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单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可为个人计算机、服务器或者网络设备等）执行本发明各个实施例上述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

从以上的描述中，可以看出，本申请上述的实施例实现了如下技术效果：

1）、本申请的自动紧急制动参数的确定方法中，首先，在实际的试验过程中获取目标车辆的多组目标试验参数，并基于多组目标试验参数以及对应的被控对象模型中的虚拟车辆的多组目标仿真参数，构建目标函数；然后，至少基于多组目标试验参数，分别对被控对象模型中的虚拟车辆的主缸压力值进行调整，直到上述目标函数达到收敛，得到目标被控对象模型；最后，采用自动紧急制动测试集，至少对上述目标被控对象模型和自动紧急制动算法进行联合仿真测试，得到目标制动参数。在本申请中，基于多组目标试验参数和多组目标仿真参数构建目标函数，再基于多组目标试验参数，对虚拟车辆的主缸压力值进行调整，也就是说，基于多组目标试验参数来实现对被控对象模型进行多次调整，这样可以较为简单和准确地使得到的目标被控对象模型较为接近目标车辆所处的实际试验情景。最后采用自动紧急制动测试集，至少对目标被控对象模型和自动紧急制动算法进行联合仿真，由于无需在实际的试验情景下对目标制动参数进行标定并进行测试，这样可以较为快速和准确地得到目标制动参数。同时，由于无需通过目标车辆在实际试验场景对目标制动参数进行标定并进行测试，这样保证了本申请的确定方法的整体成本较低，从而解决了现有技术中确定AEB算法中的制动参数时长较长以及成本较高的问题。

2）、本申请的自动紧急制动参数的确定装置中，构建单元用于在实际的试验过程中获取目标车辆的多组目标试验参数，并基于多组目标试验参数以及对应的被控对象模型中的虚拟车辆的多组目标仿真参数，构建目标函数；调整单元用于至少基于多组目标试验参数，分别对被控对象模型中的虚拟车辆的主缸压力值进行调整，直到上述目标函数达到收敛，得到目标被控对象模型；仿真测试单元用于采用自动紧急制动测试集，至少对上述目标被控对象模型和自动紧急制动算法进行联合仿真测试，得到目标制动参数。在本申请中，基于多组目标试验参数和多组目标仿真参数构建目标函数，再基于多组目标试验参数，对虚拟车辆的主缸压力值进行调整，也就是说，基于多组目标试验参数来实现对被控对象模型进行多次调整，这样可以较为简单和准确地使得到的目标被控对象模型较为接近目标车辆所处的实际试验情景。最后采用自动紧急制动测试集，至少对目标被控对象模型和自动紧急制动算法进行联合仿真，由于无需在实际的试验情景下对目标制动参数进行标定并进行测试，这样可以较为快速和准确地得到目标制动参数。同时，由于无需通过目标车辆在实际试验场景对目标制动参数进行标定并进行测试，这样保证了本申请的确定装置的整体成本较低，从而解决了现有技术中确定AEB算法中的制动参数时长较长以及成本较高的问题。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (13)

1.一种自动紧急制动参数的确定方法，其特征在于，包括：

基于目标车辆的多组目标试验参数和虚拟车辆的多组目标仿真参数，构建目标函数，多组所述目标试验参数为所述目标车辆在预设条件的制动性能参数，多组所述目标仿真参数为所述虚拟车辆在所述预设条件下的制动性能参数，在所述目标车辆或者所述虚拟车辆在所述预设条件下，具有不同载重和不同初始车速，所述虚拟车辆为与所述目标车辆对应的虚拟的车辆，且所述虚拟车辆为被控对象模型中的车辆，所述被控对象模型为仿真环境下所述虚拟车辆的纵向运动模型；

至少基于多组所述目标试验参数，对所述虚拟车辆的主缸压力值进行多次调整，直到所述目标函数收敛，得到目标被控对象模型；

采用自动紧急制动测试集，至少对所述目标被控对象模型和自动紧急制动算法进行联合仿真测试，得到目标制动参数；

基于目标车辆的多组目标试验参数和虚拟车辆的多组目标仿真参数，构建目标函数，包括：

至少采用最小二乘法、多组所述目标试验参数和多组所述目标仿真参数，构建所述目标函数；

所述制动性能参数包括延迟时间、平均减速度变化率、最大减速度、刹停时间以及刹停距离，至少采用最小二乘法、多组所述目标试验参数和多组所述目标仿真参数，构建所述目标函数，包括：

基于所述目标试验参数和所述目标仿真参数，构建所述目标函数，

，其中，f为所述目标函数，

为第i个载重下的权重，

为第j个初始车速下的权重，a为所述延迟时间的权重，b为所述平均减速度变化率的权重，c为所述最大减速度的权重，d为所述刹停时间的权重，e为所述刹停距离的权重，

为第i个所述载重下，第j个所述初始车速下所述目标车辆的所述延迟时间，

为第i个所述载重下，第j个所述初始车速下所述虚拟车辆的所述延迟时间，

为第i个所述载重下，第j个所述初始车速下所述目标车辆的所述平均减速度变化率，

为第i个所述载重下，第j个所述初始车速下所述虚拟车辆的所述平均减速度变化率，

为第i个所述载重下，第j个所述初始车速下所述目标车辆的所述最大减速度，

为第i个所述载重下，第j个所述初始车速下所述虚拟车辆的所述最大减速度，

为第i个所述载重下，第j个所述初始车速下所述目标车辆的所述刹停时间，

为第i个所述载重下，第j个所述初始车速下所述虚拟车辆的所述刹停时间，

为第i个所述载重下，第j个所述初始车速下所述目标车辆的所述刹停距离，

为第i个所述载重下，第j个所述初始车速下所述虚拟车辆的所述刹停距离。

2.根据权利要求1所述的确定方法，其特征在于，在所述虚拟车辆在减速阶段时，所述减速阶段包括延迟阶段、减速度增大阶段、减速度稳定阶段以及减速度回零阶段，至少基于多组所述目标试验参数，对所述虚拟车辆的主缸压力值进行多次调整，直到所述目标函数收敛，得到目标被控对象模型，包括：

确定步骤，基于第i组所述目标试验参数和PID控制算法，确定所述虚拟车辆分别在所述延迟阶段、所述减速度增大阶段、所述减速度稳定阶段以及所述减速度回零阶段的所述主缸压力值，其中，i的取值从1开始，一直到N，N为所述目标试验参数的总数量；

更新步骤，基于各所述主缸压力值，确定所述虚拟车辆的第i组所述目标仿真参数，并根据所述第i组所述目标仿真参数，对所述目标函数进行更新；

重复步骤，重复所述确定步骤和所述更新步骤至少一次，直到所述目标函数收敛，得到所述目标被控对象模型。

3.根据权利要求2所述的确定方法，其特征在于，所述主缸压力值包括第一主缸压力值、第二主缸压力值、第三主缸压力值和第四主缸压力值，其中，所述第一主缸压力值为所述延迟阶段的所述主缸压力值，所述第二主缸压力值为所述减速度增大阶段的所述主缸压力值，所述第三主缸压力值为所述减速度稳定阶段的所述主缸压力值，所述第四主缸压力值为所述减速度回零阶段的所述主缸压力值，所述制动性能参数包括延迟时间、平均减速度变化率、最大减速度、刹停时间以及刹停距离；

基于第i组所述目标试验参数和PID控制算法，确定所述虚拟车辆分别在所述延迟阶段、所述减速度增大阶段、所述减速度稳定阶段以及所述减速度回零阶段的所述主缸压力值，包括：

在所述延迟阶段，确定所述第一主缸压力值为0；

在所述减速度增大阶段，采用所述PID控制算法、当前所述虚拟车辆的仿真减速度、第i组所述目标试验参数中的所述平均减速度变化率以及所述最大减速度，确定所述第二主缸压力值；

在所述减速度稳定阶段，采用所述PID控制算法、所述减速度增大阶段的所述第二主缸压力值、第i组所述目标试验参数中的所述最大减速度以及所述虚拟车辆当前的所述仿真减速度，确定所述第三主缸压力值；

在所述减速度回零阶段，采用所述PID控制算法、所述减速度稳定阶段的所述第三主缸压力值、第i组所述目标试验参数中的所述最大减速度以及所述虚拟车辆当前的所述仿真减速度，确定所述第四主缸压力值。

4.根据权利要求1所述的确定方法，其特征在于，所述自动紧急制动测试集包括行人场景测试集和车辆场景测试集，在所述目标制动参数为目标ETTC阈值的情况下，所述目标ETTC阈值包括第一ETTC阈值和第二ETTC阈值，

采用自动紧急制动测试集，至少对所述目标被控对象模型和自动紧急制动算法进行联合仿真测试，得到目标制动参数，包括：

采用所述行人场景测试集，对处于所述预设条件的所述目标被控对象模型和所述自动紧急制动算法进行联合仿真测试，得到多个所述第一ETTC阈值，其中，所述行人场景测试集包括多个行人场景测试用例，其中，一个所述行人场景测试用例对应多个所述第一ETTC阈值；

采用所述车辆场景测试集，对处于所述预设条件的所述目标被控对象模型和所述自动紧急制动算法进行联合仿真测试，得到多个所述第二ETTC阈值，其中，所述车辆场景测试集包括多个车辆场景测试用例，其中，一个所述车辆场景测试用例对应多个所述第二ETTC阈值。

5.根据权利要求4所述的确定方法，其特征在于，在至少对所述目标被控对象模型和自动紧急制动算法进行联合仿真测试，得到目标制动参数之后，所述确定方法还包括：

采用插值法，且基于所述预设条件和多个所述第一ETTC阈值，确定第一映射关系，所述第一映射关系至少为所述虚拟车辆的载重和所述第一ETTC阈值之间的关系；

采用所述插值法，且基于所述预设条件和多个所述第二ETTC阈值，确定第二映射关系，所述第二映射关系至少为所述虚拟车辆的载重、所述车辆场景测试集中的障碍物的类型以及所述第二ETTC阈值之间的关系。

6.根据权利要求4所述的确定方法，其特征在于，采用所述行人场景测试集，对处于所述预设条件的所述目标被控对象模型和所述自动紧急制动算法进行联合仿真测试，得到多个所述第一ETTC阈值，包括：

将需求制动减速度输入至在所述预设条件下的所述目标被控对象模型中的所述虚拟车辆，得到所述虚拟车辆的虚拟减速度、虚拟速度以及虚拟车辆状态信息；

将所述行人场景测试集、所述虚拟减速度、所述虚拟速度以及所述虚拟车辆状态信息输入至所述自动紧急制动算法中，得到多个ETTC时间值；

根据预设碰撞条件和各所述ETTC时间值，得到多个所述第一ETTC阈值。

7.根据权利要求4所述的确定方法，其特征在于，采用所述车辆场景测试集，对处于所述预设条件的所述目标被控对象模型和所述自动紧急制动算法进行联合仿真测试，得到多个所述第二ETTC阈值，包括：

将需求制动减速度输入至在所述预设条件下的所述目标被控对象模型中的所述虚拟车辆，得到所述虚拟车辆的虚拟减速度、虚拟速度以及虚拟车辆状态信息；

将所述车辆场景测试集、所述虚拟减速度、所述虚拟速度以及所述虚拟车辆状态信息输入至所述自动紧急制动算法中，得到多个ETTC时间值；

根据预设碰撞条件和各所述ETTC时间值，得到多个所述第二ETTC阈值。

8.根据权利要求5所述的确定方法，其特征在于，所述确定方法还包括：

采用所述第一映射关系和所述第二映射关系，对所述自动紧急制动算法进行更新，得到预定自动紧急制动算法；

将所述预定自动紧急制动算法发送至所述目标车辆的AEB控制器，以再次使用所述自动紧急制动测试集和所述目标车辆，对所述第一映射关系和所述第二映射关系进行测试，得到第一目标映射关系和第二目标映射关系。

9.根据权利要求8所述的确定方法，其特征在于，所述确定方法还包括：

接收所述第一目标映射关系和所述第二目标映射关系；

根据所述第一目标映射关系和所述第二目标映射关系，对所述预定自动紧急制动算法进行更新，得到目标自动紧急制动算法。

10.一种自动紧急制动参数的确定装置，其特征在于，包括：

构建单元，用于基于目标车辆的多组目标试验参数和虚拟车辆的多组目标仿真参数，构建目标函数，多组所述目标试验参数为所述目标车辆在预设条件的制动性能参数，多组所述目标仿真参数为所述虚拟车辆在所述预设条件下的制动性能参数，在所述目标车辆或者所述虚拟车辆在所述预设条件下，具有不同载重和不同初始车速，所述虚拟车辆为与所述目标车辆对应的虚拟的车辆，且所述虚拟车辆为被控对象模型中的车辆，所述被控对象模型为仿真环境下所述虚拟车辆的纵向运动模型；

调整单元，用于至少基于多组所述目标试验参数，对所述虚拟车辆的主缸压力值进行多次调整，直到所述目标函数收敛，得到目标被控对象模型；

仿真测试单元，用于采用自动紧急制动测试集，至少对所述目标被控对象模型和自动紧急制动算法进行联合仿真测试，得到目标制动参数；

所述构建单元包括构建模块，用于至少采用最小二乘法、多组所述目标试验参数和多组所述目标仿真参数，构建所述目标函数；

所述制动性能参数包括延迟时间、平均减速度变化率、最大减速度、刹停时间以及刹停距离，所述构建模块包括构建子模块，用于基于所述目标试验参数和所述目标仿真参数，构建所述目标函数

，其中，f为所述目标函数，

为第i个载重下的权重，

为第j个初始车速下的权重，a为所述延迟时间的权重，b为所述平均减速度变化率的权重，c为所述最大减速度的权重，d为所述刹停时间的权重，e为所述刹停距离的权重，

为第i个所述载重下，第j个所述初始车速下所述目标车辆的所述延迟时间，

为第i个所述载重下，第j个所述初始车速下所述虚拟车辆的所述延迟时间，

为第i个所述载重下，第j个所述初始车速下所述目标车辆的所述平均减速度变化率，

为第i个所述载重下，第j个所述初始车速下所述虚拟车辆的所述平均减速度变化率，

为第i个所述载重下，第j个所述初始车速下所述目标车辆的所述最大减速度，

为第i个所述载重下，第j个所述初始车速下所述虚拟车辆的所述最大减速度，

为第i个所述载重下，第j个所述初始车速下所述目标车辆的所述刹停时间，

为第i个所述载重下，第j个所述初始车速下所述虚拟车辆的所述刹停时间，

为第i个所述载重下，第j个所述初始车速下所述目标车辆的所述刹停距离，

为第i个所述载重下，第j个所述初始车速下所述虚拟车辆的所述刹停距离。

11.一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包括存储的程序，其中，所述程序执行权利要求1至9中任意一项所述的自动紧急制动参数的确定方法。

12.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至9中任意一项所述的自动紧急制动参数的确定方法。

13.一种电子设备，其特征在于，包括：一个或多个处理器，存储器以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行权利要求1至9中任意一项所述的自动紧急制动参数的确定方法。

Images