CN116061931A - 基于云端运算的队列跟车决策系统及其决策方法 - Google Patents
基于云端运算的队列跟车决策系统及其决策方法 Download PDFInfo
- Publication number
- CN116061931A CN116061931A CN202111295505.1A CN202111295505A CN116061931A CN 116061931 A CN116061931 A CN 116061931A CN 202111295505 A CN202111295505 A CN 202111295505A CN 116061931 A CN116061931 A CN 116061931A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- processing unit
- acceleration
- cloud
- queue
- 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 32
- 230000001133 acceleration Effects 0.000 claims abstract description 223
- 238000012545 processing Methods 0.000 claims abstract description 89
- 238000003745 diagnosis Methods 0.000 claims description 47
- 238000004891 communication Methods 0.000 claims description 45
- 238000000265 homogenisation Methods 0.000 claims description 18
- 230000004044 response Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000004378 air conditioning Methods 0.000 claims 15
- 238000001914 filtration Methods 0.000 claims 2
- 238000004092 self-diagnosis Methods 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 14
- VXPSARQTYDZXAO-CCHMMTNSSA-N (4s,4ar,5s,5ar,12ar)-4-(dimethylamino)-1,5,10,11,12a-pentahydroxy-6-methylidene-3,12-dioxo-4,4a,5,5a-tetrahydrotetracene-2-carboxamide;hydron;chloride Chemical compound Cl.C=C1C2=CC=CC(O)=C2C(O)=C2[C@@H]1[C@H](O)[C@H]1[C@H](N(C)C)C(=O)C(C(N)=O)=C(O)[C@@]1(O)C2=O VXPSARQTYDZXAO-CCHMMTNSSA-N 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 7
- 230000003111 delayed effect Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 3
- 230000008054 signal transmission Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000035484 reaction time Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000005070 sampling 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
- B60W30/143—Speed control
-
- 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
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明提供一种基于云端运算的队列跟车决策系统及其决策方法,基于云端运算的队列跟车决策系统用以决策领导车辆及成员车辆的多个队列加速度。云端运算处理单元接收领导车端参数组与成员车端参数组,并实施包含云端决策步骤,其依据领导车端参数组判断领导车辆是否为手驾而产生驾驶模式判断结果;依据领导车加速度范围及成员车加速度范围运算求得行驶操作加速度范围;依据领导车端参数组预估出补偿加速度;依据驾驶模式判断结果与行驶操作加速度范围及补偿加速度的至少一者运算出队列加速度。借此,透过云端实现队列跟车纵向决策、多障碍物闯入决策及延迟自我诊断。
Description
技术领域
本发明是关于一种队列跟车决策系统及其决策方法,特别是关于一种基于云端运算的队列跟车决策系统及其决策方法。
背景技术
无论是物流货运或运输接驳领域,驾驶的工时与人力配置是为营业成本的重要考量,若载具具有自驾队列能力,将能有效提升营运以及载客效率。由于自驾车的队列运用可减少对人力的需求,且商业运输有着较单纯的应用场景,故目前许多国际大厂均已投入研发车队,希望能尽早实现商用化的自驾队列跟车。
现行自驾队列决策技术可分为几个方向,其一为队列依前车行车路径与预设路径的误差修正,其二为后车依前车车辆中心线、夹角及车道中心线修正定位,其三为队列后车被单一障碍物闯入后的队列协控决策。然而,这些决策应用于实际队列跟车时仍遇到许多瓶颈及问题,例如:纵向未考量队列各车的延迟状况、手自驾切换时未考量各车加速度的合理性、多个障碍物闯入队列的合理决策等。由此可知,目前市场上缺乏一种具云端整合决策、具延迟自我诊断、具多障碍物闯入考量且可适应性调整合理加速度的基于云端运算的队列跟车决策系统及其决策方法,故相关业者均在寻求其解决之道。
发明内容
因此,本发明的目的在于提供一种基于云端运算的队列跟车决策系统及其决策方法,其透过特殊的云端加速度决策及车端延迟诊断的结合实现队列跟车纵向决策、多障碍物闯入决策及延迟自我诊断,不但可有效节能并增加队列安全性,还可降低硬件及驾驶人力的成本。
依据本发明的结构态样的一实施方式提供一种基于云端运算的队列跟车决策系统,其用以决策领导车辆及至少一成员车辆的多个队列加速度。基于云端运算的队列跟车决策系统包含领导车端运算处理单元、至少一成员车端运算处理单元及云端运算处理单元。其中领导车端运算处理单元设置于领导车辆且用以产生领导车端参数组,领导车端参数组包含领导车加速度范围。此至少一成员车端运算处理单元设置于此至少一成员车辆且用以产生至少一成员车端参数组,此至少一成员车端参数组包含至少一成员车加速度范围。云端运算处理单元信号连接领导车端运算处理单元及此至少一成员车端运算处理单元并接收领导车端参数组与此至少一成员车端参数组。云端运算处理单元经配置以实施包含云端决策步骤,且云端决策步骤包含驾驶模式判断步骤、云端参数均匀化步骤、云端加速度预估步骤及队列加速度运算步骤。其中驾驶模式判断步骤是依据领导车端参数组判断领导车辆是否为手驾而产生驾驶模式判断结果。云端参数均匀化步骤是包含依据领导车加速度范围及此至少一成员车加速度范围运算求得行驶操作加速度范围。云端加速度预估步骤是依据领导车端参数组预估出补偿加速度。队列加速度运算步骤是依据驾驶模式判断结果与行驶操作加速度范围及补偿加速度的至少一者运算出此些队列加速度。
借此,本发明的基于云端运算的队列跟车决策系统利用云端参数均匀化步骤及云端加速度预估步骤实现不同驾驶模式下的队列跟车纵向决策及多障碍物闯入决策,不但可有效节能并增加队列安全性,还可降低硬件及驾驶人力的成本。
依据本发明的结构态样的另一实施方式提供一种基于云端运算的队列跟车决策系统,其用以决策领导车辆及至少一成员车辆的多个队列加速度。基于云端运算的队列跟车决策系统包含领导车端运算处理单元、至少一成员车端运算处理单元以及云端运算处理单元。其中领导车端运算处理单元设置于领导车辆且用以产生领导车端参数组,领导车端参数组包含领导车加速度范围。此至少一成员车端运算处理单元设置于此至少一成员车辆且用以产生至少一成员车端参数组,此至少一成员车端参数组包含至少一成员车加速度范围。云端运算处理单元信号连接领导车端运算处理单元及此至少一成员车端运算处理单元并接收领导车端参数组及此至少一成员车端参数组。云端运算处理单元经配置以实施包含云端决策步骤,且云端决策步骤包含依据领导车端参数组、领导车加速度范围及至少一成员车加速度范围运算产生驾驶模式判断结果、行驶操作加速度范围及补偿加速度,然后依据驾驶模式判断结果与行驶操作加速度范围及补偿加速度的至少一者运算出此些队列加速度。此外,领导车端运算处理单元及此至少一成员车端运算处理单元的一者经配置以实施包含一延迟诊断步骤,且延迟诊断步骤包含诊断领导车端运算处理单元及此至少一成员车端运算处理单元的此者与云端运算处理单元之间的信号延迟时间是否小于等于延迟时间预设值而产生延迟诊断结果。
借此,本发明的基于云端运算的队列跟车决策系统透过特殊的云端加速度决策及车端延迟诊断的结合实现队列跟车纵向决策、多障碍物闯入决策及延迟自我诊断,不但可有效节能并增加队列安全性,还可降低硬件及驾驶人力的成本。
依据本发明的方法态样的一实施方式提供一种基于云端运算的队列跟车决策方法,其用以决策领导车辆及至少一成员车辆的多个队列加速度。基于云端运算的队列跟车决策方法包含以下步骤:云端决策步骤。云端决策步骤包含驾驶模式判断步骤、云端参数均匀化步骤、云端加速度预估步骤以及队列加速度运算步骤。驾驶模式判断步骤是驱动云端运算处理单元依据领导车端参数组判断领导车辆是否为手驾而产生驾驶模式判断结果。云端参数均匀化步骤是包含驱动云端运算处理单元依据领导车加速度范围及至少一成员车加速度范围运算求得行驶操作加速度范围。云端加速度预估步骤是驱动云端运算处理单元依据领导车端参数组预估出补偿加速度。队列加速度运算步骤是驱动云端运算处理单元依据驾驶模式判断结果与行驶操作加速度范围及补偿加速度的至少一者运算出此些队列加速度。
借此,本发明的基于云端运算的队列跟车决策方法利用云端参数均匀化步骤及云端加速度预估步骤实现不同驾驶模式下的队列跟车纵向决策及多障碍物闯入决策,不但可有效节能并增加队列安全性,还可降低硬件及驾驶人力的成本。
附图说明
图1是绘示本发明的第一实施例的基于云端运算的队列跟车决策系统的示意图;
图2是绘示图1的基于云端运算的队列跟车决策系统的局部方块示意图;
图3是绘示图1的基于云端运算的队列跟车决策系统的云端决策步骤的示意图;
图4是绘示图3的云端决策步骤的驾驶模式判断步骤、云端参数均匀化步骤、云端加速度预估步骤及队列加速度运算步骤的流程示意图;
图5是绘示图4的云端加速度预估步骤的流程示意图;
图6是绘示本发明的第二实施例的基于云端运算的队列跟车决策系统的示意图;
图7是绘示图6的延迟诊断步骤的信号延迟时间对应信号路径的示意图;
图8是绘示图6的延迟诊断步骤的信号延迟时间估测的流程示意图;
图9是绘示本发明的第三实施例的基于云端运算的队列跟车决策方法的流程示意图;
图10是绘示本发明的第四实施例的基于云端运算的队列跟车决策方法的流程示意图;
图11是绘示本发明的第五实施例的基于云端运算的队列跟车决策系统处理障碍物闯入场景的示意图;以及
图12是绘示本发明的第六实施例的基于云端运算的队列跟车决策方法处理障碍物闯入场景的流程示意图。
【符号说明】
100,100a:基于云端运算的队列跟车决策系统
200:领导车辆
210,210a:领导车端运算处理单元
212:领导车端参数组
220,320:通讯装置
230,330:定位装置
240,340:感测装置
250,350:警示装置
300:成员车辆
310,310a:成员车端运算处理单元
312:成员车端参数组
400:云端运算平台
410:云端运算处理单元
500,500a:基于云端运算的队列跟车决策方法
600:障碍物
af:队列加速度
apa:补偿加速度
ES:紧急状态
Ni:延迟次数
Rindex:接收参数
Sindex:发送参数
S01,S11:接收信号步骤
S02,S12:云端决策步骤
S022,S122:驾驶模式判断步骤
S024,S124:云端参数均匀化步骤
S026,S126:云端加速度预估步骤
S028,S128:队列加速度运算步骤
S0241,S0242a,S0242b,S0243a,S0243b,S0244a,S0244b,S0244c,S0245,S0262,S0264,S0266,S131,S132,S133,S134,S135,S136,S137,S138,S139,S1310,S1311,S16a,S16b,S18a,S18b:步骤
S13:障碍物闯入决策步骤
S14,S14a,S14b:延迟诊断步骤
SS:安全状态
TSend:信号发送时间
TCompute:信号运算时间
TReceive:信号接收时间
u:队列跟车加速度
具体实施方式
以下将参照附图说明本发明的多个实施例。为明确说明起见,许多实务上的细节将在以下叙述中一并说明。然而,应了解到,这些实务上的细节不应用以限制本发明。也就是说,在本发明部分实施例中,这些实务上的细节是非必要的。此外,为简化附图起见,一些已知惯用的结构与元件在附图中将以简单示意的方式绘示;并且重复的元件将可能使用相同的编号表示。
此外,本文中当某一元件(或单元或模块等)“连接”于另一元件,可指所述元件是直接连接于另一元件,亦可指某一元件是间接连接于另一元件,意即,有其他元件介于所述元件及另一元件之间。而当有明示某一元件是“直接连接”于另一元件时,才表示没有其他元件介于所述元件及另一元件之间。而第一、第二、第三等用语只是用来描述不同元件,而对元件本身并无限制,因此,第一元件亦可改称为第二元件。且本文中的元件/单元/电路的组合非此领域中的一般周知、常规或已知的组合,不能以元件/单元/电路本身是否为已知,来判定其组合关系是否容易被技术领域中的通常知识者轻易完成。
请一并参阅图1、图2、图3及图4,其中图1是绘示本发明的第一实施例的基于云端运算的队列跟车决策系统100的示意图;图2是绘示图1的基于云端运算的队列跟车决策系统100的局部方块示意图;图3是绘示图1的基于云端运算的队列跟车决策系统100的云端决策步骤S02的示意图;及图4是绘示图3的云端决策步骤S02的驾驶模式判断步骤S022、云端参数均匀化步骤S024、云端加速度预估步骤S026及队列加速度运算步骤S028的流程示意图。如图所示,基于云端运算的队列跟车决策系统100用以决策一领导车辆200及至少一成员车辆300的多个队列加速度af,且包含领导车辆200、领导车端运算处理单元210、通讯装置220、定位装置230、感测装置240、成员车辆300、成员车端运算处理单元310、通讯装置320、定位装置330、感测装置340及云端运算平台400。
领导车端运算处理单元210、通讯装置220、定位装置230及感测装置240设置于领导车辆200,领导车端运算处理单元210信号连接通讯装置220、定位装置230及感测装置240。领导车端运算处理单元210用以产生一领导车端参数组212,且领导车端参数组212包含领导车加速度范围其中i为1,亦即L代表加速度最小值,U代表加速度最大值;通讯装置220用以使领导车端运算处理单元210跟外界通讯;定位装置230用以定位领导车辆200,如全球定位系统(Global Positioning System,GPS);感测装置240用以感测领导车辆200的周围环境。此外,本实施例的领导车端参数组212包含当前坐标、通讯延迟、车端载重、底盘延迟、车端速度、车端加速度、油门刹车百分比、方向盘角度、当前前车加速度、车速限制、道路曲率及道路坡度,其中车端加速度包含领导车加速度范围但本发明不以此为限。
成员车端运算处理单元310、通讯装置320及定位装置330设置于成员车辆300,成员车端运算处理单元310信号连接通讯装置320与定位装置330。成员车端运算处理单元310用以产生一成员车端参数组312,且成员车端参数组312包含成员车加速度范围其中i为2至N的一者,N代表领导车辆200及成员车辆300的车辆总数且为大于等于2的正整数,亦即成员车加速度范围通讯装置320用以使成员车端运算处理单元310跟外界通讯;定位装置330用以定位成员车辆300,如GPS;感测装置340可有可无,当有感测装置340设置于成员车辆300时,感测装置340信号连接成员车端运算处理单元310且用以感测成员车辆300的周围环境。此外,本实施例的成员车端参数组312包含当前坐标、通讯延迟、车端载重、底盘延迟、车端速度、车端加速度、车速限制、道路曲率及道路坡度,其中车端加速度包含成员车加速度范围但本发明不以此为限。
云端运算平台400包含云端运算处理单元410,云端运算处理单元410信号连接领导车端运算处理单元210及至少一成员车端运算处理单元310并接收领导车端参数组212及此至少一成员车端参数组312。领导车端运算处理单元210与成员车端运算处理单元310分别透过通讯装置220、320信号连接云端运算处理单元410。云端运算处理单元410经配置以实施包含接收信号步骤S01与云端决策步骤S02。接收信号步骤S01是确认是否接收车端要求信号。若是,则接收车端参数组(如领导车端参数组212、成员车端参数组312)并执行云端决策步骤S02;若否,则重新执行接收信号步骤S01。此外,云端决策步骤S02包含驾驶模式判断步骤S022、云端参数均匀化步骤S024、云端加速度预估步骤S026及队列加速度运算步骤S028。驾驶模式判断步骤S022是依据领导车端参数组212判断领导车辆200是否为手驾而产生驾驶模式判断结果。云端参数均匀化步骤S024是包含依据领导车加速度范围及至少一成员车加速度范围运算求得行驶操作加速度范围云端加速度预估步骤S026是依据领导车端参数组212预估出补偿加速度apa。队列加速度运算步骤S028是依据驾驶模式判断结果与行驶操作加速度范围及补偿加速度apa的至少一者运算出此些队列加速度af。借此,本发明的基于云端运算的队列跟车决策系统100利用云端参数均匀化步骤S024及云端加速度预估步骤S026实现不同驾驶模式下的队列跟车纵向决策。以下为详细的实施例来说明上述各步骤的细节。
请一并参阅图1、图2、图3、图4及图5,其中图5是绘示图4的云端加速度预估步骤S026的流程示意图。如图所示,驾驶模式判断步骤S022为“领导车为手驾?”,其是依据领导车端参数组212的当前坐标、通讯延迟、道路曲率、道路坡度、底盘延迟、车端加速度及车端载重判断领导车辆200是否为手驾而产生驾驶模式判断结果。若是,则执行云端加速度预估步骤S026;若否,则执行云端参数均匀化步骤S024。驾驶模式判断结果为两种,一种是领导车辆200为自驾模式,另一种是领导车辆200为手驾模式。
云端参数均匀化步骤S024包含多个步骤S0241、S0242a、S0242b、S0243a、S0243b、S0244a、S0244b、S0244c、S0245,其中步骤S0241为“参数均匀化”,其是依据领导车加速度范围及至少一成员车加速度范围运算求得均匀化加速度范围参数(amin,amax),其中均匀化加速度范围参数(amin,amax)符合下列式子(1)、(2):
其中max代表取最大值,min代表取最小值。此外,领导车端运算处理单元210用以产生领导车端控制延迟时间与领导车端通讯延迟时间至少一成员车端运算处理单元310用以产生至少一成员车端控制延迟时间与至少一成员车端通讯延迟时间领导车端通讯延迟时间及成员车端通讯延迟时间分别符合下列式子(3)、(4):
其中C代表通讯状态。此外,步骤S0242a为“计算车队通讯延迟时间”,其是依据领导车端通讯延迟时间与至少一成员车端通讯延迟时间计算出通讯延迟时间通讯延迟时间为领导车端通讯延迟时间与至少一成员车端通讯延迟时间的集合。再者,步骤S0242b为“计算车队控制延迟时间”,其是依据领导车端控制延迟时间及至少一成员车端控制延迟时间计算出控制延迟时间控制延迟时间符合下列式子(5):
其中a代表一加速度。此外,领导车端参数组212包含车端速度V、车端载重mi及道路坡度。步骤S0243a为“计算车队载重响应时间”,其是依据车端速度V、车端初始速度V0、车端外力Fi及车端载重mi计算出载重响应时间步骤S0243b为“计算车队坡度变化时间”,其是依据车端速度V、车端初始速度V0、车端外力Fi、车端载重mi及道路坡度计算出坡度变化时间载重响应时间与坡度变化时间运算得到车队载重坡度响应时间且车队载重坡度响应时间符合下列式子(6)~(10):
Fi=FT-(Froll+Fgrav+Fdrg) (8);
其中FT、Froll、Fgrav、Fdrg及slope分别代表驱动力、滚动阻力、正向摩擦力、空气阻力及道路坡度。此外,步骤S0244a为“给定均匀化范围下计算反应时间”,其是依据车端速度V、车端初始速度V0及均匀化加速度范围参数(amin,amax)计算反应时间反应时间符合下列式子(11):
步骤S0245为“队列跟车加速度命令使用二次规划法解微分联立方程式”,其是将领导车端参数组212与成员车端参数组312的道路曲率、车速限制及目标队列跟车时距当作限制条件,并使用二次规划法(Quadratic Programming;QP)解微分联立方程式以求得队列跟车加速度u的最佳解。方程式的参数矩阵A、x、B及队列跟车加速度u符合下列式子(14),其中Ts代表取样时间;τ代表控制命令反应延迟时间,亦即命令由引擎到轮胎的反应时间;xp(t)代表本车位置;xv(t)代表本车速度;xa(t)代表本车加速度;u(t)代表加速度命令。至于二次规划法的细节为已知技术,故不再赘述。
云端加速度预估步骤S026是依据领导车端参数组212预估出补偿加速度apa。详细地说,云端加速度预估步骤S026包含步骤S0262、S0264、S0266。其中步骤S0262为“执行前车速度预估模块”,其是将领导车端参数组212的道路曲率、车速限制、油门刹车百分比及当前前车加速度传送至前车速度预估模块,使前车速度预估模块依据道路曲率、车速限制、油门刹车百分比及当前前车加速度运算而产生一前车预估速度。步骤S0264为“利用卡尔曼滤波模型预测t>T的前车加速度(T=当前时间)”,其是利用卡尔曼滤波模型运算前车预估速度而产生未来前车加速度(即t>T的前车加速度);步骤S0266为“预估apa”,其依据当前前车加速度与未来前车加速度预估出对应队列的补偿加速度apa。
队列加速度运算步骤S028是依据驾驶模式判断结果与行驶操作加速度范围及补偿加速度apa的至少一者运算出此些队列加速度af。详细地说,在队列加速度运算步骤S028中,当驾驶模式判断结果是领导车辆200为自驾模式时,云端运算处理单元410依据行驶操作加速度范围及步骤S0245的队列跟车加速度u运算出此些队列加速度af。其中队列加速度af符合下列式子(15):
借此,本发明的基于云端运算的队列跟车决策系统100利用云端参数均匀化步骤S024及云端加速度预估步骤S026实现不同驾驶模式下的队列跟车纵向决策,不但可有效节能并增加队列安全性,还可降低硬件及驾驶人力的成本。
请一并参阅图1、图2、图3、图4、图5及图6,其中图6是绘示本发明的第二实施例的基于云端运算的队列跟车决策系统100a的示意图。如图所示,基于云端运算的队列跟车决策系统100a用以决策一领导车辆200及至少一成员车辆300的多个队列加速度af,且包含领导车辆200、领导车端运算处理单元210a、通讯装置220、定位装置230、感测装置240、警示装置250、成员车辆300、成员车端运算处理单元310a、通讯装置320、定位装置330、感测装置340、警示装置350及云端运算平台400。其中领导车辆200、通讯装置220、定位装置230、感测装置240、成员车辆300、通讯装置320、定位装置330、感测装置340、云端运算平台400的接收信号步骤S11及云端决策步骤S12与图2的基于云端运算的队列跟车决策系统100的领导车辆200、通讯装置220、定位装置230、感测装置240、成员车辆300、通讯装置320、定位装置330、感测装置340、云端运算平台400的接收信号步骤S01及云端决策步骤S02相同,不再赘述。图6的领导车端运算处理单元210a及至少一成员车端运算处理单元310a的一者经配置以实施包含一延迟诊断步骤S14a及至少一延迟诊断步骤S14b的一者,且延迟诊断步骤S14a及至少一延迟诊断步骤S14b的此者包含诊断领导车端运算处理单元210a及至少一成员车端运算处理单元310a的此者与云端运算处理单元410之间的一信号延迟时间是否小于等于一延迟时间预设值而产生一延迟诊断结果。警示装置250、350分别信号连接领导车端运算处理单元210a及成员车端运算处理单元310a。警示装置250、350依据延迟诊断结果决定是否提供一警示信号。
领导车端运算处理单元210a经配置以实施包含延迟诊断步骤S14a。延迟诊断步骤S14a包含诊断领导车端运算处理单元210a与云端运算处理单元410之间的一信号延迟时间是否小于等于一延迟时间预设值而产生一延迟诊断结果。具体而言,延迟诊断步骤S14a还包含驱动领导车端运算处理单元210a接收此些队列加速度af,领导车端运算处理单元210a对应领导车辆200。当延迟诊断结果为信号延迟时间小于等于延迟时间预设值时,执行步骤S16a。步骤S16a为“加速度纵向控制”,其是驱动领导车端运算处理单元210a依据此些队列加速度af控制领导车辆200的加速度;反之,当延迟诊断结果为信号延迟时间大于延迟时间预设值时,执行步骤S18a。步骤S18a为“警示驾驶人为介入”,其是驱动警示装置250提供警示信号,以警示驾驶。
成员车端运算处理单元310a经配置以实施包含延迟诊断步骤S14b。延迟诊断步骤S14b包含诊断成员车端运算处理单元310a与云端运算处理单元410之间的一信号延迟时间是否小于等于一延迟时间预设值而产生一延迟诊断结果。具体而言,延迟诊断步骤S14b还包含驱动成员车端运算处理单元310a接收此些队列加速度af,成员车端运算处理单元310a对应成员车辆300。当延迟诊断结果为信号延迟时间小于等于延迟时间预设值时,执行步骤S16b。步骤S16b为“加速度纵向控制”,其是驱动成员车端运算处理单元310a依据此些队列加速度af控制成员车辆300的加速度;反之,当延迟诊断结果为信号延迟时间大于延迟时间预设值时,执行步骤S18b。步骤S18b为“警示驾驶人为介入”,其是驱动警示装置350提供警示信号,以警示驾驶。
请一并参阅图6、图7及图8,其中图7是绘示图6的延迟诊断步骤S14a、S14b的信号延迟时间T对应信号路径的示意图;以及图8是绘示图6的延迟诊断步骤S14a、S14b的信号延迟时间T估测的流程示意图。如图所示,信号延迟时间T等于信号发送时间TSend、信号运算时间TCompute及信号接收时间TReceive的加总,其中信号发送时间TSend代表信号由车端传送至云端所需的时间;信号运算时间TCompute代表信号在云端运算所需的时间;信号接收时间TReceive代表信号由云端传送至车端所需的时间。上述车端可对应图1的领导车辆200或成员车辆300,云端可对应图1的云端运算平台400。再者,信号延迟时间T可透过发送参数Sindex与接收参数Rindex运算求得,如图8所示。具体而言,在车端中,车端上传发送参数Sindex(发送参数Sindex=1)、接收参数Rindex(接收参数Rindex=1)及延迟次数Ni(初始的延迟次数Ni=1)至云端,然后云端回传“Rindex=Sindex+1”至车端。车端会于固定周期(例如100ms)确认发送参数Sindex是否不等于接收参数Rindex。若是(即发送参数Sindex不等于接收参数Rindex),则车端会计算“T=Ni×(100ms)”并诊断信号延迟时间T是否小于等于延迟时间预设值,然后执行Ni=1;若否(即发送参数Sindex等于接收参数Rindex),则车端会计算“T=Ni×(100ms)”并诊断信号延迟时间T是否小于等于延迟时间预设值,然后执行Ni=Ni+1。延迟时间预设值可依需求设定,而一实施例的延迟时间预设值可为300ms,但本发明不以此为限。
借此,本发明的基于云端运算的队列跟车决策系统100a利用延迟诊断步骤S14a及延迟诊断步骤S14b确认信号延迟时间T是否在容许的延迟时间预设值内,以实现延迟自我诊断。若信号延迟时间T没有在容许的延迟时间预设值内,则系统发出警示信号,借以保护队列安全。
请一并参阅图1、图2、图3及图9,其中图9是绘示本发明的第三实施例的基于云端运算的队列跟车决策方法500的流程示意图。如图所示,基于云端运算的队列跟车决策方法500用以决策一领导车辆200及至少一成员车辆300的多个队列加速度af,且包含云端决策步骤S02。云端决策步骤S02包含驾驶模式判断步骤S022、云端参数均匀化步骤S024、云端加速度预估步骤S026及队列加速度运算步骤S028。驾驶模式判断步骤S022是驱动云端运算处理单元410依据领导车端参数组212判断领导车辆200是否为手驾而产生驾驶模式判断结果。云端参数均匀化步骤S024是包含驱动云端运算处理单元410依据领导车加速度范围及至少一成员车加速度范围运算求得行驶操作加速度范围云端加速度预估步骤S026是驱动云端运算处理单元410依据领导车端参数组212预估出补偿加速度apa。队列加速度运算步骤S028是驱动云端运算处理单元410依据驾驶模式判断结果与行驶操作加速度范围及补偿加速度apa的至少一者运算出此些队列加速度af。
请一并参阅图6及图10,其中图10是绘示本发明的第四实施例的基于云端运算的队列跟车决策方法500a的流程示意图。如图所示,基于云端运算的队列跟车决策方法500a应用于基于云端运算的队列跟车决策系统100a,且包含云端决策步骤S12与延迟诊断步骤S14。云端决策步骤S12包含驾驶模式判断步骤S122、云端参数均匀化步骤S124、云端加速度预估步骤S126及队列加速度运算步骤S128。云端决策步骤S12与图6的云端决策步骤S12相同,不再赘述。延迟诊断步骤S14对应图6的延迟诊断步骤S14a、S14b。延迟诊断步骤S14包含诊断领导车端运算处理单元210a及至少一成员车端运算处理单元310a的一者与云端运算处理单元410之间的信号延迟时间T是否小于等于延迟时间预设值而产生延迟诊断结果。借此,本发明的基于云端运算的队列跟车决策方法500a利用延迟诊断步骤S14确认信号延迟时间T是否在容许的延迟时间预设值内,以实现延迟自我诊断。若信号延迟时间T没有在容许的延迟时间预设值内,则系统发出警示信号,借以保护队列安全。
请一并参阅图6、图11及图12,其中图11是绘示本发明的第五实施例的基于云端运算的队列跟车决策系统处理障碍物600闯入场景的示意图;以及图12是绘示本发明的第六实施例的基于云端运算的队列跟车决策方法处理障碍物600闯入场景的流程示意图。如图所示,基于云端运算的队列跟车决策系统包含感测装置240、340的至少一者,此感测装置240、340的此至少一者设置于领导车辆200及成员车辆300的一者,且信号连接领导车端运算处理单元210a及成员车端运算处理单元310a的一者。感测装置240、340的此至少一者用以感测对应领导车辆200及成员车辆300的此者的周围环境,以判断领导车辆200及成员车辆300之间是否存在至少一障碍物600。
基于云端运算的队列跟车决策方法包含障碍物闯入决策步骤S13,障碍物闯入决策步骤S13是驱动感测装置240、340的至少一者感测对应领导车辆200及成员车辆300的此者的周围环境,以判断领导车辆200及成员车辆300之间是否存在至少一障碍物600。当领导车辆200及成员车辆300之间存在至少一障碍物600时,感测装置240、340产生至少一障碍物相对距离与至少一障碍物速度,领导车端运算处理单元210a及成员车端运算处理单元310a的此者将此至少一障碍物相对距离与此至少一障碍物速度传送至云端运算处理单元410,借以令云端运算处理单元410分析出领导车辆200及成员车辆300的此者处于一安全状态与一紧急状态的一者。详细地说,障碍物闯入决策步骤S13包含步骤S131、S132、S133、S134、S135、S136、S137、S138、S139、S1310、S1311。步骤S131为“成员车具环周侦测能力?”,其是确认成员车辆300是否具有感测周围环境的能力。若是,执行步骤S132;若否,则执行步骤S133。步骤S132为“存在障碍物于队列内?”,其是确认队列中是否有障碍物600。若是,执行步骤S135;若否,则结束障碍物闯入决策步骤S13。步骤S133为“障碍物在领导车/路侧感知范围内?”,其是确认障碍物600是否在领导车辆200或者路侧感测装置的感知范围内。若是,执行步骤S132;若否,则执行步骤S134。步骤S134为“成员车具备驾驶?”,其是确认成员车辆300是否具备驾驶。若是,则警示驾驶注意前方随时介入;若否,则结束障碍物闯入决策步骤S13。步骤S135为“碰撞侦测(假设i为障碍物前的最近队列成员)”,其是驱动云端运算处理单元410依据障碍物相对距离、通讯定位、道路曲率、道路坡度、相对速度、底盘响应及车端载重分析出成员车辆300处于安全状态SS与紧急状态ES的一者。其中通讯定位包含通讯延迟与当前坐标,相对速度代表障碍物600与车端之间的相对速度。
再者,假设障碍物600的数量及障碍物速度的数量均为复数。当成员车辆300处于安全状态SS时,执行步骤S136。步骤S136为“障碍物为动态?”,其是确认障碍物600的障碍物速度是否大于0m/s。若是(即对应障碍物600的障碍物速度均大于0m/s),执行步骤S137;若否,则执行步骤S139。当成员车辆300处于紧急状态ES时,执行步骤S138、139。步骤S137为“前方障碍物TimeGap限制”与“后方障碍物TimeGap限制”,其是在多个障碍物600闯入(属于multi cut-in场景)的条件下,驱动云端运算处理单元410进一步分析成员车辆300与障碍物600之间的前方障碍物时间间隔(对应前方障碍物TimeGap限制)与一后方障碍物时间间隔(对应后方障碍物TimeGap限制),以产生符合安全性的跟车决策。此外,步骤S138为“第i+1,…,N车紧急刹车”,其是驱动第i+1车至第N车的成员车辆300紧急刹车。举图11为例,i等于1(障碍物600前的最近队列成员为领导车辆200),步骤S138是驱动第2车至第N车的成员车辆300紧急刹车。步骤S139为“受阻成员车是否在远端控制范围内或具驾驶?”,其是确认第i+1车至第N车的受阻成员车辆300是否在远端控制范围内或具备驾驶。若是,执行步骤S1310;若否,则执行步骤S1311。步骤S1310为“队列避障后重启队列跟车”,其是由远端或驾驶控制第i+1车至第N车的受阻成员车辆300避障,并于避障后重启队列跟车。步骤S1311为“全队员自驾解除且停车,等待救援”,其是控制领导车辆200及成员车辆300执行停车,并等待救援。
借此,本发明的基于云端运算的队列跟车决策方法透过障碍物闯入决策步骤S13处理多个障碍物600闯入场景,可同时考量前后车时间间隔(即前方障碍物时间间隔与后方障碍物时间间隔),以避免已知技术中未考量后方障碍物时间间隔而容易发生严重后果(如碰撞、车祸)的问题,进而大幅增加障碍物600闯入时的队列整体安全性。
在其他实施例中,云端运算处理单元410可设置于领导车辆200,亦可与领导车端运算处理单元210结合而设置于领导车辆200;换言之,透过领导车辆200(即车端)即可执行队列跟车决策而无须透过云端。此外,本发明的领导车端运算处理单元210、210a、成员车端运算处理单元310、310a及云端运算处理单元410的任一者可为微处理器、电子控制单元(Electronic Control Unit;ECU)、计算机、移动装置或其他运算处理器,但本发明不以此为限。另外,领导车辆200与成员车辆300的驾驶可有可无,若领导车辆200为手驾模式,则领导车辆200有驾驶。系统可在车辆行驶的路径上设置路侧感测装置,端看使用需求。若系统有设置路侧感测装置,则此置路侧感测装置会将所感测到的路侧感测信号传送至云端运算处理单元410,以供后续的判断与分析。
由上述实施方式可知,本发明具有下列优点:其一,利用云端参数均匀化步骤及云端加速度预估步骤实现不同驾驶模式下的队列跟车纵向决策及多障碍物闯入决策。其二,利用延迟诊断步骤确认信号延迟时间是否在容许的延迟时间预设值内,以实现延迟自我诊断。再者,透过特殊的云端加速度决策及车端延迟诊断的结合实现队列跟车纵向决策、多障碍物闯入决策及延迟自我诊断,既可有效节能并增加队列安全性,亦可降低硬件及驾驶人力的成本。其三,透过障碍物闯入决策步骤处理多个障碍物闯入场景,可同时考量前后车时间间隔,以避免已知技术中未考量后方障碍物时间间隔而容易发生严重后果的问题,进而大幅增加障碍物闯入时的队列整体安全性。
虽然本发明已以实施方式揭露如上,然其并非用以限定本发明,任何熟悉此技艺者,在不脱离本发明的精神和范围内,当可作各种的更动与润饰,因此本发明的保护范围当视所附的权利要求书所界定的范围为准。
Claims (20)
1.一种基于云端运算的队列跟车决策系统,用以决策一领导车辆及至少一成员车辆的多个队列加速度,其特征在于,该基于云端运算的队列跟车决策系统包含:
一领导车端运算处理单元,设置于该领导车辆且用以产生一领导车端参数组,该领导车端参数组包含一领导车加速度范围;
至少一成员车端运算处理单元,设置于该至少一成员车辆且用以产生至少一成员车端参数组,该至少一成员车端参数组包含至少一成员车加速度范围;以及
一云端运算处理单元,信号连接该领导车端运算处理单元及该至少一成员车端运算处理单元并接收该领导车端参数组及该至少一成员车端参数组,该云端运算处理单元经配置以实施包含一云端决策步骤,且该云端决策步骤包含:
一驾驶模式判断步骤,是依据该领导车端参数组判断该领导车辆是否为手驾而产生一驾驶模式判断结果;
一云端参数均匀化步骤,是包含依据该领导车加速度范围及该至少一成员车加速度范围运算求得一行驶操作加速度范围;
一云端加速度预估步骤,是依据该领导车端参数组预估出一补偿加速度;及
一队列加速度运算步骤,是依据该驾驶模式判断结果与该行驶操作加速度范围及该补偿加速度的至少一者运算出该些队列加速度。
2.根据权利要求1所述的基于云端运算的队列跟车决策系统,其特征在于,在该队列加速度运算步骤中,
当该驾驶模式判断结果是该领导车辆为一自驾模式时,该云端运算处理单元依据该行驶操作加速度范围运算出该些队列加速度;及
当该驾驶模式判断结果是该领导车辆为一手驾模式时,该云端运算处理单元依据该行驶操作加速度范围及该补偿加速度运算出该些队列加速度。
3.根据权利要求1所述的基于云端运算的队列跟车决策系统,其特征在于,
该领导车端运算处理单元用以产生一领导车端控制延迟时间与一领导车端通讯延迟时间;
该至少一成员车端运算处理单元用以产生至少一成员车端控制延迟时间与至少一成员车端通讯延迟时间;及
该云端参数均匀化步骤还包含:
依据该领导车端控制延迟时间及该至少一成员车端控制延迟时间计算出一控制延迟时间;及
依据该领导车端通讯延迟时间与该至少一成员车端通讯延迟时间计算出一通讯延迟时间。
4.根据权利要求3所述的基于云端运算的队列跟车决策系统,其特征在于,
该领导车端参数组包含一车端速度、一车端载重及一道路坡度;及
该云端参数均匀化步骤还包含:
依据该车端速度、该车端载重及该道路坡度计算出一车队载重坡度响应时间。
5.根据权利要求4所述的基于云端运算的队列跟车决策系统,其特征在于,该云端参数均匀化步骤还包含:
依据该领导车加速度范围及该至少一成员车加速度范围运算求得一均匀化加速度范围参数;及
依据该车端速度、该均匀化加速度范围参数、该控制延迟时间、该通讯延迟时间及该车队载重坡度响应时间计算出一总延迟时间范围,然后依据该车端速度及该总延迟时间范围计算出一行驶操作加速度范围。
6.根据权利要求1所述的基于云端运算的队列跟车决策系统,其特征在于,
该领导车端参数组包含一道路曲率、一油门刹车百分比及一当前前车加速度;及
该云端加速度预估步骤包含:
依据一卡尔曼滤波模型运算该道路曲率、该油门刹车百分比及该当前前车加速度而预估出该补偿加速度。
7.根据权利要求1所述的基于云端运算的队列跟车决策系统,其特征在于,还包含:
一感测装置,设置于该领导车辆及该至少一成员车辆的一者,且信号连接该领导车端运算处理单元及该至少一成员车端运算处理单元的一者,该感测装置用以感测对应该领导车辆及该至少一成员车辆的该者的一周围环境,以判断该领导车辆及该至少一成员车辆之间是否存在至少一障碍物;
其中,当该领导车辆及该至少一成员车辆之间存在该至少一障碍物时,该感测装置产生至少一障碍物相对距离与至少一障碍物速度,该领导车端运算处理单元及该至少一成员车端运算处理单元的该者将该至少一障碍物相对距离与该至少一障碍物速度传送至该云端运算处理单元,借以令该云端运算处理单元分析出该至少一成员车辆处于一安全状态与一紧急状态的一者。
8.根据权利要求7所述的基于云端运算的队列跟车决策系统,其特征在于,该至少一障碍物的数量及该至少一障碍物速度的数量均为复数;
其中,当该云端运算处理单元分析出该至少一成员车辆处于该安全状态,且对应该些障碍物的该些障碍物速度均大于0m/s时,进一步分析该至少一成员车辆与该些障碍物之间的一前方障碍物时间间隔与一后方障碍物时间间隔;
其中,当该云端运算处理单元分析出该领导车辆及该至少一成员车辆的该者处于该紧急状态时,控制该至少一成员车辆执行刹车。
9.一种基于云端运算的队列跟车决策系统,用以决策一领导车辆及至少一成员车辆的多个队列加速度,其特征在于,该基于云端运算的队列跟车决策系统包含:
一领导车端运算处理单元,设置于该领导车辆且用以产生一领导车端参数组,该领导车端参数组包含一领导车加速度范围;
至少一成员车端运算处理单元,设置于该至少一成员车辆且用以产生至少一成员车端参数组,该至少一成员车端参数组包含至少一成员车加速度范围;以及
一云端运算处理单元,信号连接该领导车端运算处理单元及该至少一成员车端运算处理单元并接收该领导车端参数组及该至少一成员车端参数组,该云端运算处理单元经配置以实施包含一云端决策步骤,且该云端决策步骤包含依据该领导车端参数组、该领导车加速度范围及该至少一成员车加速度范围运算产生一驾驶模式判断结果、一行驶操作加速度范围及一补偿加速度,然后依据该驾驶模式判断结果与该行驶操作加速度范围及该补偿加速度的至少一者运算出该些队列加速度;
其中,该领导车端运算处理单元及该至少一成员车端运算处理单元的一者经配置以实施包含一延迟诊断步骤,且该延迟诊断步骤包含诊断该领导车端运算处理单元及该至少一成员车端运算处理单元的该者与该云端运算处理单元之间的一信号延迟时间是否小于等于一延迟时间预设值而产生一延迟诊断结果。
10.根据权利要求9所述的基于云端运算的队列跟车决策系统,其特征在于,还包含:
一警示装置,信号连接该领导车端运算处理单元及该至少一成员车端运算处理单元的该者,该警示装置依据该延迟诊断结果决定是否提供一警示信号。
11.根据权利要求10所述的基于云端运算的队列跟车决策系统,其特征在于,该延迟诊断步骤还包含:
驱动该领导车端运算处理单元及该至少一成员车端运算处理单元的该者接收该些队列加速度,该领导车端运算处理单元及该至少一成员车端运算处理单元的该者对应该领导车辆及该至少一成员车辆的一者;
当该延迟诊断结果为该信号延迟时间小于等于该延迟时间预设值时,驱动该领导车端运算处理单元及该至少一成员车端运算处理单元的该者依据该些队列加速度控制该领导车辆及该至少一成员车辆的该者的加速度;及
当该延迟诊断结果为该信号延迟时间大于该延迟时间预设值时,驱动该警示装置提供该警示信号。
12.根据权利要求9所述的基于云端运算的队列跟车决策系统,其特征在于,该云端决策步骤还包含:
一驾驶模式判断步骤,是依据该领导车端参数组判断该领导车辆是否为手驾而产生该驾驶模式判断结果;
一云端参数均匀化步骤,是包含依据该领导车加速度范围及该至少一成员车加速度范围运算求得该行驶操作加速度范围;及
一云端加速度预估步骤,是依据该领导车端参数组预估出该补偿加速度。
13.根据权利要求9所述的基于云端运算的队列跟车决策系统,其特征在于,在该云端决策步骤中,
当该驾驶模式判断结果是该领导车辆为一自驾模式时,该云端运算处理单元依据该行驶操作加速度范围运算出该些队列加速度;及
当该驾驶模式判断结果是该领导车辆为一手驾模式时,该云端运算处理单元依据该行驶操作加速度范围及该补偿加速度运算出该些队列加速度。
14.根据权利要求12所述的基于云端运算的队列跟车决策系统,其特征在于,
该领导车端运算处理单元用以产生一领导车端控制延迟时间与一领导车端通讯延迟时间;
该至少一成员车端运算处理单元用以产生至少一成员车端控制延迟时间与至少一成员车端通讯延迟时间;及
该云端参数均匀化步骤还包含:
依据该领导车端控制延迟时间及该至少一成员车端控制延迟时间计算出一控制延迟时间;及
依据该领导车端通讯延迟时间与该至少一成员车端通讯延迟时间计算出一通讯延迟时间。
15.根据权利要求14所述的基于云端运算的队列跟车决策系统,其特征在于,
该领导车端参数组包含一车端速度、一车端载重及一道路坡度;及
该云端参数均匀化步骤还包含:
依据该车端速度、该车端载重及该道路坡度计算出一车队载重坡度响应时间。
16.根据权利要求15所述的基于云端运算的队列跟车决策系统,其特征在于,该云端参数均匀化步骤还包含:
依据该领导车加速度范围及该至少一成员车加速度范围运算求得一均匀化加速度范围参数;及
依据该车端速度、该均匀化加速度范围参数、该控制延迟时间、该通讯延迟时间及该车队载重坡度响应时间计算出一总延迟时间范围,然后依据该车端速度及该总延迟时间范围计算出一行驶操作加速度范围。
17.根据权利要求12所述的基于云端运算的队列跟车决策系统,其特征在于,
该领导车端参数组包含一道路曲率、一油门刹车百分比及一当前前车加速度;及
该云端加速度预估步骤包含:
依据一卡尔曼滤波模型运算该道路曲率、该油门刹车百分比及该当前前车加速度而预估出该补偿加速度。
18.一种基于云端运算的队列跟车决策方法,用以决策一领导车辆及至少一成员车辆的多个队列加速度,其特征在于,该基于云端运算的队列跟车决策方法包含以下步骤:
一云端决策步骤,包含:
一驾驶模式判断步骤,是驱动一云端运算处理单元依据一领导车端参数组判断该领导车辆是否为手驾而产生一驾驶模式判断结果;
一云端参数均匀化步骤,是包含驱动该云端运算处理单元依据一领导车加速度范围及至少一成员车加速度范围运算求得一行驶操作加速度范围;
一云端加速度预估步骤,是驱动该云端运算处理单元依据该领导车端参数组预估出一补偿加速度;以及
一队列加速度运算步骤,是驱动该云端运算处理单元依据该驾驶模式判断结果与该行驶操作加速度范围及该补偿加速度的至少一者运算出该些队列加速度。
19.根据权利要求18所述的基于云端运算的队列跟车决策方法,其特征在于,还包含:
一延迟诊断步骤,是包含诊断一领导车端运算处理单元及至少一成员车端运算处理单元的一者与该云端运算处理单元之间的一信号延迟时间是否小于等于一延迟时间预设值;
其中,该领导车端运算处理单元及该至少一成员车端运算处理单元分别设置于该领导车辆及该至少一成员车辆。
20.根据权利要求19所述的基于云端运算的队列跟车决策方法,其特征在于,该云端决策步骤还包含:
一障碍物闯入决策步骤,是驱动一感测装置感测对应该领导车辆及该至少一成员车辆的一者的一周围环境,以判断该领导车辆及该至少一成员车辆之间是否存在至少一障碍物;
其中,当该领导车辆及该至少一成员车辆之间存在该至少一障碍物时,该感测装置产生至少一障碍物相对距离与至少一障碍物速度,该领导车端运算处理单元及该至少一成员车端运算处理单元的该者将该至少一障碍物相对距离与该至少一障碍物速度传送至该云端运算处理单元,借以令该云端运算处理单元分析出该领导车辆及该至少一成员车辆的该者处于一安全状态与一紧急状态的一者。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111295505.1A CN116061931A (zh) | 2021-11-03 | 2021-11-03 | 基于云端运算的队列跟车决策系统及其决策方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111295505.1A CN116061931A (zh) | 2021-11-03 | 2021-11-03 | 基于云端运算的队列跟车决策系统及其决策方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116061931A true CN116061931A (zh) | 2023-05-05 |
Family
ID=86180874
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111295505.1A Pending CN116061931A (zh) | 2021-11-03 | 2021-11-03 | 基于云端运算的队列跟车决策系统及其决策方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116061931A (zh) |
-
2021
- 2021-11-03 CN CN202111295505.1A patent/CN116061931A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11755012B2 (en) | Alerting predicted accidents between driverless cars | |
US11104333B2 (en) | Emergency braking system, emergency braking method and semitrailer | |
US20210107494A1 (en) | Using Driver Assistance to Detect and Address Aberrant Driver Behavior | |
EP3018027B1 (en) | Control arrangement arranged to control an autonomous vehicle, autonomous drive arrangement, vehicle and method | |
CN109311474B (zh) | 行人保护中的自主制动故障管理 | |
US11866001B1 (en) | Safety considerations for self-driving vehicles | |
US20200189567A1 (en) | Determining Wheel Slippage on Self Driving Vehicle | |
US10843693B2 (en) | System and method for rear collision avoidance | |
US11318963B2 (en) | Vehicle control apparatus, vehicle, and vehicle control method | |
CN110949406B (zh) | 一种智能驾驶系统及方法 | |
US20210179106A1 (en) | System and method for controlling operation of autonomous vehicle | |
US20210109535A1 (en) | Systems And Methods For Controlling An Unmanned Self-Powered Follow Vehicle Following A Lead Vehicle With Independent Hazard Avoidance By The Follow Vehicle | |
GB2551436A (en) | Adaptive rear view display | |
US11919547B1 (en) | Vehicle control device, vehicle system, vehicle control method, and program | |
CN116061931A (zh) | 基于云端运算的队列跟车决策系统及其决策方法 | |
US20220397898A1 (en) | Remote control request system, remote control request method, and nontransitory storage medium | |
US20230132179A1 (en) | Tow management systems and methods for autonomous vehicles | |
KR102658924B1 (ko) | 자율주행 차량의 보복 운전 제어 시스템 | |
TWI780953B (zh) | 基於雲端運算之隊列跟車決策系統及其決策方法 | |
US11427226B1 (en) | Positional gaps for driver controllability | |
CN113525405B (zh) | 自动驾驶车辆的辅助控制方法、车载装置及系统 | |
US11900816B2 (en) | Vehicle platoon following deciding system based on cloud computing and deciding method thereof | |
US20240059304A1 (en) | Vehicle control device, vehicle control system, vehicle control method, and program | |
US20240132064A1 (en) | Method and system for a longitudinal control of a motor vehicle | |
JP2022187304A (ja) | 遠隔運転車両、遠隔運転システム、蛇行運転抑制方法、及び蛇行運転抑制プログラム |
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 |