CN116620287B - 一种智能驾驶方法、系统 - Google Patents
一种智能驾驶方法、系统 Download PDFInfo
- Publication number
- CN116620287B CN116620287B CN202310791786.2A CN202310791786A CN116620287B CN 116620287 B CN116620287 B CN 116620287B CN 202310791786 A CN202310791786 A CN 202310791786A CN 116620287 B CN116620287 B CN 116620287B
- Authority
- CN
- China
- Prior art keywords
- road
- snow
- ice
- road surface
- lane change
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000008859 change Effects 0.000 claims abstract description 49
- 238000006243 chemical reaction Methods 0.000 claims abstract description 7
- 230000003993 interaction Effects 0.000 claims abstract description 7
- 230000007246 mechanism Effects 0.000 claims abstract description 7
- 238000011160 research Methods 0.000 claims abstract description 5
- 230000009471 action Effects 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 10
- 210000004556 brain Anatomy 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 claims description 3
- 230000035484 reaction time Effects 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims 1
- 230000000007 visual effect Effects 0.000 abstract description 2
- 238000004458 analytical method Methods 0.000 description 3
- 230000005489 elastic deformation Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/18163—Lane change; Overtaking manoeuvres
-
- 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/10—Path keeping
- B60W30/12—Lane keeping
-
- 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
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo or light sensitive means, e.g. infrared sensors
- B60W2420/403—Image sensing, e.g. optical camera
-
- 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
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/54—Audio sensitive means, e.g. ultrasound
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—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
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/05—Type of road
-
- 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
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/40—Coefficient of friction
-
- 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
Abstract
本发明涉及智能驾驶领域,尤其涉及一种智能驾驶方法、系统,方法包括:根据冰雪路面停车视距,分析安全车速与各影响因素之间的关联,选取路面附着系数为研究参数;评估轮胎与冰雪路面的相互作用机理,找到当前车速与路面附着系数的关系,设置安全距离;利用车速与路面附着系数,计算目标车辆的变道期望;根据车辆在冰雪路面上换道安全距离和驾驶人的变道期望,建立分层的状态决策模型,完成不同情况下的状态转化。通过控制最大行车速度来减少驾驶员根据经验预估的时间,可以以最短的时间找到雪面上的最大速度,而不发生侧滑,提升了驾驶效率;冰雪路面存在反光情形,本发明通过及时的路面参数反馈,和方案建议,减少驾驶员的视觉压力,同时通过不侧滑来减少驾驶员的行车压力,降低冰雪环境行车的事故发生率。
Description
技术领域
本发明涉及智能驾驶技术领域,尤其涉及一种智能驾驶方法、系统。
背景技术
冰雪环境长期存在于我国东北,西北等广袤的地域中,这些地区的平均气温偏低,在冬季具有较大的降雪量。在冰雪天气,汽车驾驶员的驾驶条件非常差,即使对道路进行清雪后,也会留下许多残雪。在冰雪的作用下,汽车行驶环境复杂,驾驶员易产生精神压力和疲惫等不适感,交通运行效率和行车安全性低于非冰雪路面,邢恩辉等人通过对哈尔滨市公路交通数据的分析,得出了冰雪环境下车辆的平均行驶速度要低于非冰雪路面。
智能驾驶技术作为新兴的发展方向,已经在世界范围内被广泛关注。智能驾驶系统一般分为感知,规划,决策,控制等模块,智能驾驶汽车通过自身的车辆传感器感知周围环境和路况信息,由计算模块和控制模块实现对汽车驾驶的控制。
现有技术中,目前在进行特定场景下的智能驾驶方面,缺少对该场景下特有路况的参数采集,缺少对应的具体风险控制方法。
如申请公告号为CN115891984A的中国专利公开了一种智能驾驶系统,通过数据采集和深度学习模型来标记可行使区域,利用精简的系统架构解决了由于传感器堆积导致的整车架构开发复杂及成本过高问题,以及解决了数据使用率不高的问题。该专利的问题是没有设定冰雪环境的道路工况,缺少驾驶场景的丰富性。
如申请公布号为CN114261399A的中国专利公开了一种冰雪路面下智能驾驶汽车决策规划方法,考虑安全距离和驾驶员不满意度设计分层状态机决策方法,再根据混合A*规划算法画出预期路径,然后用三次样条插值法对路径做优化。该专利缺少对冰雪路况参数的获取,同时缺少环境数据采集,只通过间接参数来规划路径。
发明内容
本发明的目的是提供一种智能驾驶方法、系统,首先根据冰雪路面的停车视距原理选取路面附着系数,然后找到当前车速与路面附着系数的关系,设置换道安全距离,再根据车速与路面附着系数计算驾驶人的变道期望,最后根据换道安全距离和变道期望给出驾驶员当前的可行方案,本发明通过分析不同的冰雪路面情况,划定不同的路面附着系数,以此给出各种冰雪路况下的最大安全速度,并给出可能的变道方案,极大的提升了安全速度的判断效率,同时减轻了驾驶员的视觉不适感和心理压力。
为实现上述目的,本发明提供如下技术方案:
一种智能驾驶方法,其包括:
步骤一:根据冰雪路面停车视距,分析安全车速与各影响因素之间的关联,选取路面附着系数为研究参数;
步骤二:评估轮胎与冰雪路面的相互作用机理,分析冰雪路况对应的路面附着系数,找到当前车速与路面附着系数的关系,设置安全距离;
步骤三:利用车速与路面附着系数,计算目标车辆的变道期望;
步骤四:根据车辆在冰雪路面上换道安全距离和驾驶人的变道期望,建立分层的状态决策模型,完成不同情况下的状态转化。
进一步地,所述冰雪路面停车视距公式如下:
其中,S表示安全制动距离,单位为m,v表示安全驾驶车速,单位为km/h,t1表示驾驶员真正的大脑反应时间,单位为s,t2表示驾驶员的操作时间,单位为s,g为重力加速度,μ表示路面附着系数,l0表示安全距离余量;由于路面附着系数能够直观反映冰雪路面的抗滑性能,选取μ为主要测评参数。
进一步地,所述步骤二中轮胎与冰雪路面的相互作用机理如下:1)轮胎存在弹性变形;
2)轮胎与路面存在黏附作用;
3)路面凸体部分存在切削作用;
4)轮胎与路面间存在分子作用;
在轮胎与冰雪路面的相互影响下,冰雪坏境的路面分为雪板路面和类冰路面两种情况:
从新雪到坚硬雪板过程中,路面附着系数μ与雪面硬度ε的关系式为:
μi=f1(εi),(i=1,2,...,j),
其中εi表示第i个路面硬度,μi表示第i个路面附着系数,f1表示雪面硬度εi对路面附着系数μi的函数,
在类冰路面过程中,轮胎与冰面直接接触,设定硬度临界值为εm,路面附着系数与雪面硬度ε的关系式为:
μ类冰路面=f1(εi),(εi>εm),
其中εm表示雪面与冰面硬度转化的临界值,其中εi表示第i个路面硬度。
进一步地,所述当前车速与路面附着系数的关系计算公式如下:
其中ξ表示车速系数,v0表示车辆初始速度,b、C1、C2分别表示常数。
进一步地,所述步骤三中通过车速和路面附着系数计算目标车辆的变道期望,目标车辆的变道期望的计算公式为:
其中,P表示驾驶人的变道期望,k表示当前采样的次数,vexp表示当前路面条件下的期望车速,vpre表示当前车速,θ表示行驶连续性加权系数,Cavg表示平均每公里停车次数,μ表示路面附着系数。
进一步的,设定制动减速度的最大值abmax,根据停车视距公式计算换道安全距离公式,计算公式为:
其中S为安全制动距离,s0为制动后前后距离之差,abmax为制动减速度的最大值,t1表示驾驶员真正的大脑反应时间,t2表示驾驶员的操作时间,vpre表示当前车速。
进一步地,所述步骤四中的状态决策模型分为两层:
1)路段层:分为正常行驶和路口两种状态,当驶入路口或驶出路口动作发生时,状态发生改变;
2)动作层:状态集为{停止/等待,车道保持,换道};
停止状态在启动后转化为车道保持状态,若变道期望达到阈值且处于安全距离,则由车道保持状态转化为换道状态,若没有达到变道期望阈值或不满足安全距离,则继续车道保持状态。
一种智能驾驶系统,包括数据采集模块、据处理模块、车辆控制模块:
所述数据采集模块,用于采集目标车辆的周围环境数据;
所述数据处理模块,用于通过分层状态决策模型对周围环境数据进行计算,以识别周围冰雪路况及所述目标车辆的可行驶车道;
所述车辆控制模块,用于根据数据处理的结果进行行驶状态转化,以实现智能化辅助驾驶。
进一步地,该系统还包括摄像头部署于目标车辆的车体的前侧、后侧、左侧以及右侧的微型摄像头和部署于目标车辆车顶的前视摄像头和部署于所述目标车辆的车顶后侧的后视摄像头,用于实时采集车速、车距、路面状况、可行车道。
进一步地,所述状态转化为:车辆启动后,根据数据处理模块计算的变道期望和换道安全距离做判断,若变道则由车道保持状态转化为变道状态,若不变道则继续车道保持状态。
有益效果:本发明解决了冰雪工况下的行车难题,提供给驾驶员更多的帮助,以减轻冰雪环境下的不适感,降低冰雪环境行车的事故发生率,极大的提升了安全速度的判断效率,同时减轻了驾驶员的视觉不适感和心理压力。
附图说明
图1为本发明一种智能驾驶方法的流程示意图;
图2为本发明一种智能驾驶系统的系统架构图;
图3为本发明目标车辆状态转化示意图。
具体实施方式
下面通过附图以及具体实施例对本发明技术方案做详细地说明,应当理解本发明实施例以及实施例中的具体特征是对本发明技术方案的详细的说明,而不是对本发明技术方案的限定,在不冲突的情况下,本发明实施例以及实施例中的技术特征可以相互组合。
实施例1
本实施例提供一种智能驾驶方法,通过采集目标车辆的周围环境参数计算变道期望和安全距离,再通过控制状态转化以达到提高冰雪环境下的行车安全性,提升效率,同时减轻驾驶员的不适感,技术方案如下:
步骤一:根据冰雪路面停车视距,分析安全车速与各影响因素之间的关联,选取路面附着系数为研究参数;
步骤二:评估轮胎与冰雪路面的相互作用机理,分析冰雪路况对应的路面附着系数,找到当前车速与路面附着系数的关系,设置安全距离;
步骤三:利用车速与路面附着系数,计算目标车辆的变道期望;
步骤四、根据车辆在冰雪路面上换道安全距离和驾驶人的变道期望,建立分层的状态决策模型,完成不同情况下的状态转化。
冰雪路面停车视距:
其中,S表示车辆制动过程的行驶距离,单位为m,v表示安全驾驶车速,单位为km/h,t1表示驾驶员真正的大脑反应时间,单位为s,t2表示驾驶员的操作时间,单位为s,g为重力加速度,μ表示路面附着系数,l0表示安全距离余量;由于路面附着系数能够直观反映冰雪路面的抗滑性能,选取μ为主要测评参数。
冰雪路面对驾驶员的考验在于车速的控制,车速的恰当控制可以减少安全事故的发生。
具体的,路面附着系数的选取关系到可选最大速度的选取,本实施例选取比亚迪秦新能源车进行路面附着系数实验,验证结果为路面附着系数与安全车速具有很强的相关性。
步骤一中轮胎与冰雪路面的相互作用机理,通过实车实验得到的结论如下:
轮胎存在弹性变形:
轮胎属于橡胶材料,在车辆实际行驶过程中,轮胎因受力的作用而产生较大变形量,随着轮胎的转动,会产生周期性的弹性变形,使得橡胶在经历变形和恢复时,总会有一部分能量以热能散发,由此橡胶恢复力小于弹性变形力,从而形成迟滞成分。
轮胎与路面存在黏附作用:
轮胎与地面接触过程中,胎面橡胶分子会与路面凸体部分产生粘附,车轮向前方运动时,两者之间会经历“粘附-伸展-分离-粘附”的循环作用,这个作用过程中,因橡胶变形而产生部分能量损失,转化为热能,形成迟滞成分。
路面凸体部分存在切削作用:
车辆行驶过程中,车辆整体质量作用于轮胎表面,当轮胎胎面与冰雪路面凸体部分接触,使得这些接触位置成为应力集中点,当应力大小达到橡胶断裂强度时,路面微小凸体部分会挤压进入橡胶,从而产生切削作用。
轮胎与路面间存在分子作用:
车辆行驶过程中,胎面会与路面之间进行接触,而经过变形后与路面紧密贴合部分会存在分子引力,从而形成部分摩擦力。轮胎与路面的摩擦力主要由两个部分组成,一部分为胎面与路面实际接触部分的粘附成分,一部分为轮胎滚动时中因路面凹凸不平而产生周期性变形过程中的迟滞分成。
在轮胎与冰雪路面的相互影响下,冰雪坏境的路面分为雪板路面和类冰路面两种情况:
从新雪到坚硬雪板过程中,路面附着系数μ与雪面硬度ε的关系式为:
μi=f1(εi),(i=1,2,...,j),
在类冰路面过程中,轮胎与冰面直接接触,设定硬度临界值为εm,路面附着系数与雪面硬度ε的关系式为:
μ类冰路面=f1(εi),(εi>εm),
步骤二所述的安全距离,由步骤一所述原理推导所得,设定制动减速度的最大值abmax,根据停车视距公式计算换道安全距离公式,计算公式为:
其中S为安全制动距离,s0为制动后前后距离之差,abmax为制动减速度的最大值,t1表示驾驶员真正的大脑反应时间,t2表示驾驶员的操作时间,vpre表示当前车速。经实车测定,根据上述的参数可以将安全距离控制在不发生事故的范围内。
步骤二中车速与路面附着系数的关系计算公式如下:
其中ξ表示车速系数,v0表示车辆初始速度,b、C1、C2分别表示常数。
经过实车实验分析,积雪路面中,从新雪路面向坚硬雪板路面转化过程中,路面附着系数随着路面状态的改变而在一个较大的区间内连续变化,这使得该路面产生的安全驾驶车速也是连续变化的,可知,积雪路面安全驾驶车速与路面附着系数之间是一个连续函数;对于半融化雪板路面而言,特性分析的结果表明,半融化雪板路面的状态较为稳定,反映出来的路面附着系数较为固定,因此半融化雪板路面安全驾驶车速与附着系数之间存在恒定关系;对于冰类路面而言,特性分析的结果表明,冰类路面的状态虽然有所不同,但整体路面附着系数趋于一个恒定值,因冰类路面安全驾驶车速与附着系数之间存在恒定关系。所以综合以上,得到车速与路面附着系数的分段函数结果。
具体的,所述步骤三中通过车速和路面附着系数计算目标车辆的变道期望,目标车辆的变道期望的计算公式为:
其中,P表示驾驶人的变道期望,k表示当前采样的次数,vexp表示当前路面条件下的期望车速,vpre表示当前车速,θ表示行驶连续性加权系数,Cavg表示平均每公里停车次数,μ表示路面附着系数。
结合公式和实验结果可知,路面附着系数μ越大,驾驶员的变道期望就越小,倾向于保持当前车道行驶。
所述步骤四中的状态决策模型分为两层:
路段层:分为正常行驶和路口两种状态,当驶入路口或驶出路口动作发生时,状态发生改变;
动作层:状态集为{停止/等待,车道保持,换道}
停止状态在启动后转化为车道保持状态,当变道期望达到阈值,若变道期望达到阈值且处于安全距离,则由车道保持状态转化为换道状态,若没有达到变道期望阈值或不满足安全距离,则继续车道保持状态。
实施例2
本实施例介绍一种智能驾驶系统,包括数据采集模块、据处理模块、车辆控制模块:
所述数据采集模块,用于采集目标车辆的周围环境数据;
所述数据处理模块,用于通过分层状态决策模型对周围环境数据进行计算,以识别周围冰雪路况及所述目标车辆的可行驶车道;
所述车辆控制模块,用于根据变道期望和换道安全距离判断的车道保持状态与换道状态转化,以实现智能化辅助驾驶。
具体的,数据采集模块,包括摄像头和超声波雷达,摄像头包括部署于目标车辆的车体的前侧、后侧、左侧以及右侧的微型摄像头和部署于目标车辆车顶的前视摄像头和部署于所述目标车辆的车顶后侧的后视摄像头,用于实时采集车速、车距、路面状况、可行车道。
在实车实验中,数据采集情况良好,包括4个鱼眼摄像头、一个前视摄像头,一个后视摄像头以及12个超声波雷达,示例性的,4个鱼眼摄像头部署于所述目标车辆的车体前侧、后侧、左侧及右侧,一个前视摄像头部署于所述目标车辆的车顶后侧。
优选地,所述状态转化为:
根据请求事件触发行车状态转变,目标车辆进入路口时设定路口状态,驶出路口设定正常状态,车辆启动后,根据数据处理模块计算的变道期望和换道安全距离做判断,若变道则由车道保持状态转化为变道状态,若不变道则继续车道保持状态。
在当前车辆的实施案例中,驾驶员决定换道或者停车的动作是否执行,系统只负责提供可选的建议,经过场景变量的计算提供最大的安全速度提示,当前系统的响应度和性能改善在测试中得到验证。
本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (4)
1.一种智能驾驶方法,其特征在于,包括:
步骤一:根据冰雪路面停车视距,分析安全车速与各影响因素之间的关联,选取路面附着系数为研究参数;
步骤二:评估轮胎与冰雪路面的相互作用机理,分析冰雪路况对应的路面附着系数,找到当前车速与路面附着系数的关系,设置安全距离;
步骤三:利用车速与路面附着系数,计算目标车辆的变道期望;
步骤四:根据车辆在冰雪路面上换道安全距离和驾驶人的变道期望,建立分层的状态决策模型,完成不同情况下的状态转化;
所述冰雪路面停车视距公式如下:
其中,S表示安全制动距离,单位为m,v表示安全驾驶车速,单位为km/h,t1表示驾驶员真正的大脑反应时间,单位为s,t2表示驾驶员的操作时间,单位为s,g为重力加速度,μ表示路面附着系数,lo表示安全距离余量;由于路面附着系数能够直观反映冰雪路面的抗滑性能,选取μ为研究参数;
所述步骤二中轮胎与冰雪路面的相互作用机理如下:
1)轮胎存在弹性变形;
2)轮胎与路面存在黏附作用;
3)路面凸体部分存在切削作用;
4)轮胎与路面间存在分子作用;
在轮胎与冰雪路面的相互影响下,冰雪坏境的路面分为雪板路面和类冰路面两种情况:
从新雪到坚硬雪板过程中,路面附着系数μ与雪面硬度ε的关系式为:
μi=f1(εi),(i=1,2,...,j),
其中εi表示第i个路面硬度,μi表示第i个路面附着系数,f1表示雪面硬度εi对路面附着系数μi的函数,
在类冰路面过程中,轮胎与冰面直接接触,设定硬度临界值为εm,路面附着系数与雪面硬度ε的关系式为:
μ类冰路面=f1(εi),(εi>εm),
其中εm表示雪面与冰面硬度转化的临界值,其中εi表示第i个路面硬度;
所述当前车速与路面附着系数的关系计算公式如下:
其中ξ表示车速系数,v0表示车辆初始速度,b、C1、C2分别表示常数;
所述步骤三中通过车速和路面附着系数计算目标车辆的变道期望,目标车辆的变道期望的计算公式为:
其中,P表示驾驶人的变道期望,k表示当前采样的次数,vexp表示当前路面条件下的期望车速,vpre表示当前车速,θ表示行驶连续性加权系数,Cavg表示平均每公里停车次数,μ表示路面附着系数;
设定制动减速度的最大值abmax,根据停车视距公式计算换道安全距离公式,计算公式为:
其中S为安全制动距离,s0为制动后前后距离之差,abmax为制动减速度的最大值,t1表示驾驶员真正的大脑反应时间,t2表示驾驶员的操作时间,vpre表示当前车速;
所述步骤四中的状态决策模型分为两层:
1)路段层:分为正常行驶和路口两种状态,当驶入路口或驶出路口动作发生时,状态发生改变;
2)动作层:状态集为{停止/等待,车道保持,换道};
停止状态在启动后转化为车道保持状态,若变道期望达到阈值且处于安全距离,则由车道保持状态转化为换道状态,若没有达到变道期望阈值或不满足安全距离,则继续车道保持状态。
2.一种智能驾驶系统,用于执行如权利要求1所述的一种智能驾驶方法,其特征在于,包括数据采集模块、数据处理模块、车辆控制模块;
所述数据采集模块,用于采集目标车辆的周围环境数据;
所述数据处理模块,用于通过分层状态决策模型对周围环境数据进行计算,以识别周围冰雪路况及所述目标车辆的可行驶车道;
所述车辆控制模块,用于根据变道期望和换道安全距离判断的车道保持状态与换道状态转化,以实现智能化辅助驾驶。
3.根据权利要求2所述的一种智能驾驶系统,其特征在于,该系统还包括摄像头和超声波雷达,摄像头包括部署于目标车辆的车体的前侧、后侧、左侧以及右侧的微型摄像头和部署于目标车辆车顶的前视摄像头和部署于所述目标车辆的车顶后侧的后视摄像头。
4.根据权利要求3所述的一种智能驾驶系统,其特征在于,所述状态转化为:
车辆启动后,根据数据处理模块计算的变道期望和换道安全距离做判断,若变道则由车道保持状态转化为变道状态,若不变道则继续车道保持状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310791786.2A CN116620287B (zh) | 2023-06-30 | 2023-06-30 | 一种智能驾驶方法、系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310791786.2A CN116620287B (zh) | 2023-06-30 | 2023-06-30 | 一种智能驾驶方法、系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116620287A CN116620287A (zh) | 2023-08-22 |
CN116620287B true CN116620287B (zh) | 2024-03-19 |
Family
ID=87617267
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310791786.2A Active CN116620287B (zh) | 2023-06-30 | 2023-06-30 | 一种智能驾驶方法、系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116620287B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020187254A1 (zh) * | 2019-03-18 | 2020-09-24 | 长城汽车股份有限公司 | 自动驾驶车辆的纵向控制方法系统 |
WO2021223458A1 (zh) * | 2020-05-06 | 2021-11-11 | 重庆文理学院 | 一种综合考虑人-车-路各因素的行车风险统一量化方法 |
CN113710530A (zh) * | 2019-02-26 | 2021-11-26 | 大众汽车股份公司 | 用于运行自主交通工具中的驾驶员信息系统的方法和驾驶员信息系统 |
CN113928314A (zh) * | 2021-11-17 | 2022-01-14 | 吉林大学 | 一种冰雪路面条件下考虑前后车的自动驾驶车辆跟驰控制方法 |
CN113954865A (zh) * | 2021-09-22 | 2022-01-21 | 吉林大学 | 一种自动驾驶车辆冰雪环境下跟驰控制方法 |
CN114261399A (zh) * | 2021-11-24 | 2022-04-01 | 吉林大学 | 一种冰雪路面下智能驾驶汽车决策规划方法 |
CN114312848A (zh) * | 2022-01-17 | 2022-04-12 | 吉林大学 | 基于双层mpc的智能驾驶汽车轨迹规划与跟踪控制方法 |
CN114611202A (zh) * | 2020-12-09 | 2022-06-10 | 贵州省交通规划勘察设计研究院股份有限公司 | 一种确定长大纵坡路段车辆安全运行速度标准的方法 |
CN115610446A (zh) * | 2022-10-18 | 2023-01-17 | 张慧永 | 一种冰雪条件下自动驾驶汽车驶离环形交叉口的极限轨迹的确定方法 |
CN115782874A (zh) * | 2022-07-02 | 2023-03-14 | 朱珩 | 一种自动驾驶汽车冰雪路面超车控制方法、系统和车辆 |
CN115805951A (zh) * | 2022-12-09 | 2023-03-17 | 吉林大学 | 一种在冰雪路面下的驾驶员操控模式建模方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4169065B2 (ja) * | 2006-02-13 | 2008-10-22 | 株式会社デンソー | 車両制御装置 |
WO2019094843A1 (en) * | 2017-11-10 | 2019-05-16 | Nvidia Corporation | Systems and methods for safe and reliable autonomous vehicles |
US11226620B2 (en) * | 2019-02-08 | 2022-01-18 | GM Global Technology Operations LLC | Automated driving systems and control logic with enhanced longitudinal control for transitional surface friction conditions |
JP2021165055A (ja) * | 2020-04-06 | 2021-10-14 | 株式会社Subaru | 路面摩擦係数推定装置、及び、操舵装置 |
-
2023
- 2023-06-30 CN CN202310791786.2A patent/CN116620287B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113710530A (zh) * | 2019-02-26 | 2021-11-26 | 大众汽车股份公司 | 用于运行自主交通工具中的驾驶员信息系统的方法和驾驶员信息系统 |
WO2020187254A1 (zh) * | 2019-03-18 | 2020-09-24 | 长城汽车股份有限公司 | 自动驾驶车辆的纵向控制方法系统 |
WO2021223458A1 (zh) * | 2020-05-06 | 2021-11-11 | 重庆文理学院 | 一种综合考虑人-车-路各因素的行车风险统一量化方法 |
CN114611202A (zh) * | 2020-12-09 | 2022-06-10 | 贵州省交通规划勘察设计研究院股份有限公司 | 一种确定长大纵坡路段车辆安全运行速度标准的方法 |
CN113954865A (zh) * | 2021-09-22 | 2022-01-21 | 吉林大学 | 一种自动驾驶车辆冰雪环境下跟驰控制方法 |
CN113928314A (zh) * | 2021-11-17 | 2022-01-14 | 吉林大学 | 一种冰雪路面条件下考虑前后车的自动驾驶车辆跟驰控制方法 |
CN114261399A (zh) * | 2021-11-24 | 2022-04-01 | 吉林大学 | 一种冰雪路面下智能驾驶汽车决策规划方法 |
CN114312848A (zh) * | 2022-01-17 | 2022-04-12 | 吉林大学 | 基于双层mpc的智能驾驶汽车轨迹规划与跟踪控制方法 |
CN115782874A (zh) * | 2022-07-02 | 2023-03-14 | 朱珩 | 一种自动驾驶汽车冰雪路面超车控制方法、系统和车辆 |
CN115610446A (zh) * | 2022-10-18 | 2023-01-17 | 张慧永 | 一种冰雪条件下自动驾驶汽车驶离环形交叉口的极限轨迹的确定方法 |
CN115805951A (zh) * | 2022-12-09 | 2023-03-17 | 吉林大学 | 一种在冰雪路面下的驾驶员操控模式建模方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116620287A (zh) | 2023-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10286900B2 (en) | Intelligent driving system with an embedded driver model | |
CN110435623B (zh) | 一种自动调整的电动车分级自动紧急制动控制系统 | |
CN105711588B (zh) | 一种车道保持辅助系统和车道保持辅助方法 | |
CN112706728B (zh) | 基于视觉的路面附着系数估计的自动紧急制动控制方法 | |
CN108045376B (zh) | 一种基于路面附着能力的车辆控制方法、系统及汽车 | |
CN106573623B (zh) | 用于自动选择机动车上的行驶模式的方法和设备 | |
CN107782727B (zh) | 基于融合的湿路面检测 | |
CN111994068B (zh) | 一种基于智能轮胎触觉感知的智能驾驶汽车控制系统 | |
US20100023223A1 (en) | Adaptive vehicle control system with driving style recognition | |
CN112884288B (zh) | 一种高速公路雨雾场景行车安全评估系统 | |
US20100023197A1 (en) | Adaptive vehicle control system with driving style recognition based on behavioral diagnosis | |
US20100152951A1 (en) | Adaptive vehicle control system with driving style recognition based on vehicle accelerating and decelerating | |
CN110949407B (zh) | 基于驾驶员实时风险响应的动态人机共驾驾驶权分配方法 | |
CN109910897B (zh) | 一种基于前方路面峰值附着系数的安全距离估算方法 | |
CN112896188B (zh) | 一种考虑前车遭遇的自动驾驶决策控制的系统 | |
CN109754626B (zh) | 无人驾驶自主换道策略 | |
CN110239558A (zh) | 一种基于识别系数的驾驶风格分层模糊识别系统 | |
CN112550272B (zh) | 基于视觉感知与深度强化学习的智能混合动力汽车分层控制方法 | |
CN112298132A (zh) | 一种车辆自主紧急制动控制系统和控制方法 | |
CN113954865A (zh) | 一种自动驾驶车辆冰雪环境下跟驰控制方法 | |
CN109130873A (zh) | 一种利用毫米波雷达的电动车能量回收系统及智能电动车 | |
CN116620287B (zh) | 一种智能驾驶方法、系统 | |
CN113570747B (zh) | 一种基于大数据分析的行驶安全监测系统和方法 | |
Kubaisi | Adaptive Regenerative Braking in Electric Vehicles | |
CN116039672A (zh) | 一种面向自动驾驶决策控制功能的数据-模型后端融合方法 |
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 |