CN117948419A - 基于场景的预测性换挡规律自适应方法及相关设备 - Google Patents
基于场景的预测性换挡规律自适应方法及相关设备 Download PDFInfo
- Publication number
- CN117948419A CN117948419A CN202211276755.5A CN202211276755A CN117948419A CN 117948419 A CN117948419 A CN 117948419A CN 202211276755 A CN202211276755 A CN 202211276755A CN 117948419 A CN117948419 A CN 117948419A
- Authority
- CN
- China
- Prior art keywords
- lane
- vehicle speed
- reference vehicle
- speed
- gear shifting
- 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 110
- 230000008569 process Effects 0.000 claims abstract description 26
- 230000006978 adaptation Effects 0.000 claims description 37
- 230000003044 adaptive effect Effects 0.000 claims description 37
- 230000004927 fusion Effects 0.000 claims description 28
- 230000015654 memory Effects 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 abstract description 10
- 238000004364 calculation method Methods 0.000 description 22
- 230000006870 function Effects 0.000 description 17
- 238000004590 computer program Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 101100438378 Neurospora crassa (strain ATCC 24698 / 74-OR23-1A / CBS 708.71 / DSM 1257 / FGSC 987) fac-1 gene Proteins 0.000 description 3
- 101100326803 Neurospora crassa (strain ATCC 24698 / 74-OR23-1A / CBS 708.71 / DSM 1257 / FGSC 987) fac-2 gene Proteins 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection 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
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
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/10—Conjoint control of vehicle sub-units of different type or different function including control of change-speed gearings
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16H—GEARING
- F16H59/00—Control inputs to control units of change-speed-, or reversing-gearings for conveying rotary motion
- F16H59/36—Inputs being a function of speed
- F16H59/44—Inputs being a function of speed dependent on machine speed of the machine, e.g. the vehicle
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16H—GEARING
- F16H59/00—Control inputs to control units of change-speed-, or reversing-gearings for conveying rotary motion
- F16H59/60—Inputs being a function of ambient conditions
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16H—GEARING
- F16H61/00—Control functions within control units of change-speed- or reversing-gearings for conveying rotary motion ; Control of exclusively fluid gearing, friction gearing, gearings with endless flexible members or other particular types of gearing
- F16H61/02—Control functions within control units of change-speed- or reversing-gearings for conveying rotary motion ; Control of exclusively fluid gearing, friction gearing, gearings with endless flexible members or other particular types of gearing characterised by the signals used
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Transportation (AREA)
- Control Of Transmission Device (AREA)
Abstract
本申请实施例揭示了一种基于场景的预测性换挡规律自适应方法及相关设备。该基于场景的预测性换挡规律自适应方法包括:根据当前车辆行驶过程中获取的场景信息转换得到当前车辆行驶车道上的基准车速;根据车道上的基准车速对应的换挡决策因子确定自适应换挡规律对应的换挡车速;根据当前车辆在当前时刻的档位车速、当前车辆在前一时刻的档位车速以及自适应换挡规律对应的换挡车速确定目标档位,并基于目标档位进行执行操作。本申请揭示的基于场景的预测性换挡规律自适应方法基于场景信息转换得到车道上的基准车速,能够充分体现场景信息的同时减小自适应换挡决策的输入信息维度。
Description
技术领域
本申请涉及车辆技术领域,具体涉及一种基于场景的预测性换挡规律自适应方法、装置、电子设备以及计算机可读存储介质。
背景技术
随着汽车行业智能化与电气化的进程以及汽车产品越来越消费品化,汽车产品对人和景的自适应智能控制越来越紧迫。车辆根据场景信息进行自主的智能控制越来越重要。
多挡位变速器的换挡规律决定了变速器的换挡时机,挡位的切换目的为协调系统的动力性和经济性,但是目前的换挡规律大多从车辆当前状态参数以及驾驶员历史操作信息中给出固定级别的可选换挡规律,例如,包含针对经济性的换挡规律、经济性和动力性均中庸的换挡规律、针对驾驶性的换挡规律,这些换挡规律固定且不可改变,人类驾驶员需要适应车辆换挡规律的特点。而驾驶员在经济性和动力性之间的期望是根据当前车辆状态和车辆前方出现的场景不断变化的,固定的换挡规律无法自动适应驾驶员的期望。
因此,如何将车辆行驶过程中前方出现的场景适应到车辆换挡规律中成为亟待解决的问题。
发明内容
为解决上述技术问题,本申请的实施例提供了一种基于场景的预测性换挡规律自适应方法、装置、电子设备以及计算机可读存储介质。
根据本申请实施例的一个方面,提供了一种基于场景的预测性换挡规律自适应方法,所述基于场景的预测性换挡规律自适应方法包括:根据当前车辆行驶过程中获取的场景信息转换得到所述当前车辆行驶车道上的基准车速;根据所述车道上的基准车速对应的换挡决策因子确定自适应换挡规律对应的换挡车速;根据所述当前车辆在当前时刻的档位车速、所述当前车辆在前一时刻的档位车速以及所述自适应换挡规律对应的换挡车速确定目标档位,并基于所述目标档位进行执行操作。
根据本申请实施例的一个方面,提供了一种基于场景的预测性换挡规律自适应装置,所述装置包括:基准车速确定模块,配置为根据当前车辆行驶过程中获取的场景信息转换得到所述当前车辆行驶车道上的基准车速;换挡车速确定模块,配置为根据所述车道上的基准车速对应的换挡决策因子确定自适应换挡规律对应的换挡车速;执行模块,配置为根据所述当前车辆在当前时刻的档位车速、所述当前车辆在前一时刻的档位车速以及所述自适应换挡规律对应的换挡车速确定目标档位,并基于所述目标档位进行执行操作。
根据本申请实施例的一个方面,提供了一种电子设备,包括:存储器,存储有计算机可读指令;处理器,读取存储器存储的计算机可读指令,以执行上述任一项的基于场景的预测性换挡规律自适应方法。
根据本申请实施例的一个方面,提供了一种计算机可读存储介质,其上存储有计算机可读指令,当所述计算机可读指令被计算机的处理器执行时,使计算机执行如上所述的基于场景的预测性换挡规律自适应方法。
根据本申请实施例的一个方面,还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现如上所述的基于场景的预测性换挡规律自适应方法中的步骤。
在本申请的实施例提供的技术方案中,通过将当前车辆行驶过程中获取的场景信息转换得到当前车辆行驶车道上的基准车速,并根据车道上的基准车速对应的换档决策因子确定自适应换挡规律对应的换挡车速,进而根据所述当前车辆在当前时刻的档位车速、所述当前车辆在前一时刻的档位车速以及所述自适应换挡规律对应的换挡车速确定目标档位,并基于所述目标档位进行执行操作,由此基于场景信息转换得到车道上的基准车速,能够在充分体现场景信息的同时减小自适应换挡决策的输入信息维度。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术者来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1是一示例性实施例示出的基于场景的预测性换挡规律自适应方法的实施环境示意图;
图2是本申请的一示例性实施例示出的基于场景的预测性换挡规律自适应方法的流程图;
图3是图2所示的基于场景的预测性换挡规律自适应方法中步骤S210的一示例性实施例的流程图;
图4是图3所示的基于场景的预测性换挡规律自适应方法中步骤S310的一示例性实施例的流程图;
图5是图3所示的基于场景的预测性换挡规律自适应方法中步骤S320的一示例性实施例的流程图;
图6是图3所示的基于场景的预测性换挡规律自适应方法中步骤S330的一示例性实施例的流程图;
图7是图2所示的基于场景的预测性换挡规律自适应方法中步骤S220的一示例性实施例的流程图;
图8是图2所示的基于场景的预测性换挡规律自适应方法中步骤S710的一示例性实施例的流程图;
图9是图2所示的基于场景的预测性换挡规律自适应方法中步骤S720的一示例性实施例的流程图;
图10是图2所示的基于场景的预测性换挡规律自适应方法中步骤S230的一示例性实施例的流程图;
图11是图2所示的基于场景的预测性换挡规律自适应方法中步骤S220之前的一示例性实施例的流程图;
图12是图11所示的基于场景的预测性换挡规律自适应方法中步骤S1130的一示例性实施例的流程图;
图13是图12所示的基于场景的预测性换挡规律自适应方法中步骤S1110之后的一示例性实施例的流程图;
图14是图13所示的基于场景的预测性换挡规律自适应方法中步骤S1330的一示例性实施例的流程图;
图15是图12所示的基于场景的预测性换挡规律自适应方法中步骤S1110之后的一示例性实施例的流程图;
图16是图15所示的基于场景的预测性换挡规律自适应方法中步骤S1530的一示例性实施例的流程图;
图17是本申请示出的基于场景的预测性换挡规律自适应方法中车道与各车道对应基准车速之间的关系示意图;
图18是本申请的一示例性实施例示出的基于场景的预测性换挡规律自适应装置的框图;
图19示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
这里将详细地对示例性实施例执行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
在本申请中提及的“多个”是指两个或者两个以上。“和/或”描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
首先说明的是,汽车行业智能化与电气化的进程以及汽车产品越来越消费品化,汽车产品对人和景的自适应智能控制越来越紧迫。车辆根据场景信息进行自主的智能控制越来越重要。
多挡位变速器的换挡规律决定了变速器的换挡时机,挡位的切换目的为协调系统的动力性和经济性,但是目前的换挡规律大多从车辆当前状态参数以及驾驶员历史操作信息中给出固定级别的可选换挡规律,例如,包含针对经济性的换挡规律、经济性和动力性均中庸的换挡规律、针对驾驶性的换挡规律,这些换挡规律固定且不可改变,人类驾驶员需要适应车辆换挡规律的特点。而驾驶员在经济性和动力性之间的期望是根据当前车辆状态和车辆前方出现的场景不断变化的,固定的换挡规律无法自动适应驾驶员的期望。
因此,如何将车辆行驶过程中前方出现的场景适应到车辆换挡规律中成为亟待解决的问题。
基于此,为了实现基于场景信息的换挡规律自适应,本申请实施例提出了一种基于场景的预测性换挡规律自适应方法、装置、电子设备以及计算机可读存储介质,具体的:通过将当前车辆行驶过程中获取的场景信息转换得到当前车辆行驶车道上的基准车速,并根据车道上的基准车速对应的换档决策因子确定自适应换挡规律对应的换挡车速,进而根据当前车辆在当前时刻的档位车速、当前车辆在前一时刻的档位车速以及自适应换挡规律对应的换挡车速确定目标档位,并基于目标档位进行执行操作,由此基于场景信息转换得到车道上的基准车速,能够在充分体现场景信息的同时减小自适应换挡决策的输入信息维度。
图1是一示例性实施例示出的基于场景的预测性换挡规律自适应方法的实施环境示意图。该实施环境包括场景信息获取端110和服务端120,场景信息获取端设置于车辆上,具体可以设置于车辆车头方向上,场景信息获取端110与服务端120预先建立有线或者无线的网络连接。
如图1所示,基于场景的预测性换挡规律自适应过程中,安装于车辆车头方向上的场景信息获取端110获取当前车辆行驶过程中的场景信息,并将该场景信息发送至服务端120,服务端120接收场景信息,并将场景信息进行转换处理,得到当前车辆行驶车道上的基准车速,并根据车道上的基准车速对应的换挡决策因此确定自适应换挡规律对应的换挡车速,进而根据当前车辆在当前时刻的档位车速、当前车辆在前一时刻的档位车速以及自适应换挡规律对应的换挡车速确定目标档位,并基于目标档位进行执行操作。
其中,图1所示的场景信息获取端110可以是传感器等任意支持场景信息获取的装置,但并不限于此。图1所示的服务端120可以是服务器,例如可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN(Content Delivery Network,内容分发网络)、以及大数据和人工智能平台等基础云计算服务的云服务器,在此也不进行限制。场景信息获取端110可以通过3G(第三代的移动信息技术)、4G(第四代的移动信息技术)、5G(第五代的移动信息技术)等无线网络与服务端120进行通信,本处也不对此进行限制。
请参阅图2,图2是本申请的一示例性实施例示出的基于场景的预测性换挡规律自适应方法的流程图。该方法可以应用于图1所示的实施环境,并由该实施环境中的服务端120具体执行。应理解的是,该方法也可以适用于其它的示例性实施环境,并由其它实施环境中的设备具体执行,本实施例不对该方法所适用的实施环境进行限制。
下面以服务器作为具体的执行主体来对本申请实施例提出的基于场景的预测性换挡规律自适应方法进行详细介绍。
如图2所示,在一示例性的实施例中,基于场景的预测性换挡规律自适应方法至少包括步骤S210至步骤S230,详细介绍如下:
步骤S210,根据当前车辆行驶过程中获取的场景信息转换得到当前车辆行驶车道上的基准车速。
首先需要说明的是,场景信息包括近场传感器信息或地图信息。地图包括导航地图、adas地图或高精地图。其中,近场传感器信息包括车辆行驶过程中车头前方场景的目标物数量、类型、目标在场景中的位置、相对速度以及加速度,而目标物包括但不限于车辆、行人、道路标识、路口、交通灯等。地图信息包含道路等级、道路类型、道路限速、道路路口、道路曲率、道路坡度、道路交通流、交通标识类型及位置等。
考虑到车辆行驶过程中场景信息的维度及复杂度的问题,若将多维度或复杂化的场景信息直接用于自适应换挡规律的输入信息,将导致增加换挡规律的计算复杂性,因此,本实施例对多维度及复杂度的场景信息进行转换,得到统一的基准车速。具体的,服务器将场景信息转化为车道上的基准车速。
需要说明的是,本申请实施例不仅可以根据当前车辆行驶过程中获取的场景信息转化得到当前车辆行驶车道上的基准车速,还可以根据当前车辆行驶车道左侧或右侧上的车辆行驶过程中的场景信息确定左车道或右车道上的基准车速。
步骤S220,根据车道上的基准车速对应的换挡决策因子确定自适应换挡规律对应的换挡车速。
换挡决策因子是基于基准车速确定的。若存在当前车辆行驶车道、左车道和右车道时,换挡决策因子包括基于当前车辆行驶车道上的基准车速确定的换挡决策因子,基于左车道上的基准车速确定的换挡决策因子和基于右车道上的基准车速确定的换挡决策因子。
自适应换挡规律是指根据场景信息确定的换挡规律。
自适应换挡规律对应的换挡车速是指根据自适应换挡规律确定的换挡车速。
服务器根据车道上的基准车速对应的换挡决策因子确定自适应换挡规律对应的换挡车速。具体的,服务器可根据当前车辆行驶车道上的基准车速、左车道上的基准车速和右车道上的基准车速各自对应的换挡决策因子确定自适应换挡规律对应的换挡车速。
步骤S230,根据当前车辆在当前时刻的档位车速、当前车辆在前一时刻的档位车速以及自适应换挡规律对应的换挡车速确定目标档位,并基于目标档位进行执行操作。
当前时刻的档位车速是指当前档位所对应车速。
前一时刻的档位车速是指时间早于当前时刻的前一时刻的档位所对应车速。
服务器根据当前车辆在当前时刻的档位车速、当前车辆在前一时刻的档位车速以及自适应换挡规律对应的换挡车速确定目标档位,并基于目标档位进行执行操作。
可以看出,本实施例的基于场景的预测性换挡规律自适应方法通过将当前车辆行驶过程中获取的场景信息转换得到当前车辆行驶车道上的基准车速,并根据车道上的基准车速对应的换档决策因子确定自适应换挡规律对应的换挡车速,进而根据当前车辆在当前时刻的档位车速、当前车辆在前一时刻的档位车速以及自适应换挡规律对应的换挡车速确定目标档位,并基于目标档位进行执行操作,由此基于场景信息转换得到车道上的基准车速,能够在充分体现场景信息的同时减小自适应换挡决策的输入信息维度。
图3是图2所示的基于场景的预测性换挡规律自适应方法中步骤S210的一示例性实施例的流程图。在图3所示的实施例中,根据场景信息中的第一场景要素、第二场景要和第三场景要确定当前车辆行驶车道上的显性基准车速、隐性基准车速和阻力基准车速,进而根据显性基准车速、隐性基准车速和阻力基准车速确定当前车辆行驶车道上的基准车速。
如图3所示,在一示例性实施例中,在步骤S210根据当前车辆行驶过程中获取的场景信息转换得到当前车辆行驶车道上的基准车速至少还包括步骤S310至步骤S340,详细介绍如下:
步骤S310,根据场景信息中的第一场景要素确定车道上的显性基准车速。
第一场景要素包括交通速度信息,是指显性的场景信息,具体是指直接包括速度信息的场景要素。示例性的,交通速度信息包括道路限速、障碍物和交通流等。
显性基准车速是指根据第一场景要素确定的当前车辆行驶车道上的显性基准车速。
服务器根据场景信息中的第一场景要素确定车道上的显性基准车速。
作为一示例的,服务器可采用图4中示出的步骤S311~步骤S312进一步对本步骤进行说明,详情如下:
步骤S311,获取道路限速的速度、障碍物的速度和交通流的速度。
步骤S312,选取道路限速的速度、障碍物的速度和交通流的速度中的最小速度为车道上的显性基准车速。
道路限速的速度是指当前车辆在行驶过程前方场景信息中的道路限速,例如,前方场景中的限速牌显示的限速速度。
障碍物的速度是指当前车辆在行驶过程前方场景信息中障碍物相对当前车辆的速度。
交通流的速度是指当前车辆在行驶过程前方场景信息中车流的车速。
服务器将道路限速的速度、障碍物的速度和交通流的速度中的最小速度作为当前车辆行驶车道上的显性基准车速。需要说明的是,若第一场景要素中还包括其他速度,则此时将所有速度中的最小速度作为车道上的显性基准车速。
另,若将当前车辆行驶车道上的显性基准车速表示为V显性,道路限速的速度表示为V限速,障碍物的速度表示为V障碍物,交通流的速度表示为V交通流,则当前车辆行驶车道上的显性基准车速满足下式:
V显性=min(V交通流,V障碍物,V限速)
步骤S320,根据场景信息中的第二场景要素确定车道上的隐性基准车速,第二场景要素包括道路属性信息。
第二场景要素包括道路属性信息,是指隐性的场景信息,具体是指不直接包括速度信息但是对道路行驶速度有限制的场景要素。示例性的,道路属性信息包括道路类型、道路曲率等。
隐性基准车速是指根据第二场景要素确定的当前车辆行驶车道上的隐性基准车速。
服务器根据场景信息中的第二场景要素确定车道上的隐性基准车速。
作为一示例的,服务器可采用图5中示出的步骤S321~步骤S322进一步对本步骤进行说明,详情如下:
步骤S321,获取道路类型对应的道路类型速度和道路曲率对应的道路曲率速度。
步骤S322,选取道路类型速度和道路曲率速度中的最小速度为车道上的隐性基准车速。
道路类型对应的道路类型速度可通过查表确定。例如,道路类型表示为L道路类型,则道路类型速度V道路类型=F2(L道路类型),其中,函数F2可以为查表表格。
道路曲率对应的道路曲率速度也可通过查表确定。例如,道路曲率表示为C道路曲率,则道路曲率速度V道路曲率=F3(C道路曲率),其中,函数F2可以为预设的查表函数差值,也可以为预设的拟合函数。
服务器将道路类型速度和道路曲率速度中的最小速度作为当前车辆行驶车道上的隐性基准车速。
需要说明的是,若将当前车辆行驶车道上的隐性基准车速表示为V隐性,道路类型速度表示为V道路类型,道路曲率速度表示为V道路曲率,则当前车辆行驶车道上的隐性基准车速满足下式:
V隐性=min(V道路类型,V道路曲率)
另外,服务器也可以预设设置的优先级取值逻辑确定隐性基准车速。示例性的,若服务器设置道路类型的优先级高于道路曲率,则可将道路类型速度作为隐性基准车速。
步骤S330,根据场景信息中的第三场景要素确定车道上的阻力基准车速,第三场景要素包括场景阻力信息。
第三场景要素包括场景阻力信息,是指不包括速度信息和对道路行驶速度有限制的场景要素,但是包括对车辆行驶阻力有影响的场景要素。示例性的,场景阻力信息包括道路等级、道路坡度等。
阻力基准车速是指根据第三场景要素确定的当前车辆行驶车道上的阻力基准车速。
服务器根据场景信息中的第三场景要素确定车道上的阻力基准车速。
作为一示例的,服务器可采用图6中示出的步骤S331~步骤S332进一步对本步骤进行说明,详情如下:
步骤S331,根据道路等级对应的道路等级阻力和道路坡度对应的道路坡度阻力确定目标阻力。
道路等级阻力是基于道路等级进行查表确定的。例如,道路等级表示为Class道路等级,则道路等级阻力R道路等级=F5(Class道路等级),其中,函数F5可以为查表表格。
道路坡度阻力是基于道路坡度进行查表确定的。例如,道路坡度表示为Slope道路坡度,则道路坡度阻力R道路坡度=F6(Slope道路坡度),其中,函数F6可以为查表表格或者线性拟合函数。
目标阻力是道路等级阻力与道路坡度阻力之间的阻力和。
服务器计算道路等级阻力与道路坡度阻力之间的阻力和,将阻力和作为目标阻力。
步骤S332,根据获取的视线距离、阻力距离和目标阻力确定车道上的阻力基准车速。
阻力距离是指目标阻力的阻力值不为零的位置对应的距离。
视线距离是指车辆行驶过程中前方场景的视线范围。
服务器根据视线距离、阻力距离和目标阻力确定车道上的阻力基准车速。示例性的,服务器通过计算实现距离和阻力距离之间的差值,并计算差值与预设距离之间的比值,若比值的余数等于零,则将目标阻力的阻力值确定为当前车辆行驶车道上的阻力基准车速;若比值的余数等于一,则确定当前车辆行驶车道上的阻力基准车速为零。
具体的,阻力基准车速满足下式:
其中,mod函数是指取余数,Dis是指视线距离,Dis阻力是指阻力距离,2Dis周期是指预设距离,Dis周期为方波周期,可以为视线范围内距离的分辨率或其整数倍,V阻力(Dis)为阻力基准车速,R阻力是指目标阻力。
步骤S340,根据车道上的显性基准车速、隐性基准车速和阻力基准车速确定当前车辆行驶车道上的基准车速。
服务器选取显性基准车速、隐性基准车速中的最小基准车速,并计算最小基准车速与阻力基准车速之间车速和,并将车速和作为当前车辆行驶道路上的基准车速。
示例性的,基准车速满足下式:
V基准=min(V显性+V隐性)+V阻力
可以看出,本实施例的基于场景的预测性换挡规律自适应方法根据场景信息中的第一场景要素、第二场景要素和第三场景要素分别确定当前车辆行驶车道上的显性基准车速、隐性基准车速和阻力基准车速,进而根据车道上的显性基准车速、隐性基准车速和阻力基准车速确定对应车道上的基准车速,由此实现将场景信息转化为车道上的基准车速,减少后续目标档位确定的输入维度,避免了目标档位确定的复杂性。
图7是图2所示的基于场景的预测性换挡规律自适应方法中步骤S220的一示例性实施例的流程图。在图7所示的实施例中,根据当前车辆行驶车道上的基准车速、行驶车道左侧的左车道上的基准车速、行驶车道右侧的右车道上的基准车速各自对应的换挡决策因子确定的换挡决策融合因子,确定自适应换挡规律对应的换挡车速。
如图7所示,在一示例性实施例中,在步骤S220根据当前车辆在车道上的基准车速对应的换挡决策因子确定自适应换挡规律对应的换挡车速的过程至少还包括步骤S710至步骤S720,详细介绍如下:
步骤S710,融合行驶车道上的基准车速、行驶车道左侧的左车道上的基准车速、行驶车道右侧的右车道上的基准车速各自对应的换挡决策因子,得到换挡决策融合因子。
左车道上的基准车速和右车道上的基准车速可基于对应车道上的车辆行驶过程的场景信息确定,确定方式可参阅关于当前车辆行驶车道上的基准车速,再次不进行赘述。
需要说明的是,若当前车辆行驶车道左侧不存在左车道时,左车道的基准车速取当前车辆行驶车道上的基准车速,也就是说,V基准左=V基准,其中,V基准左表示左车道的基准车速,V基准表示当前车辆行驶车道上的基准车速。
同理,若当前车道行驶右侧不存在右车道时,右车道的基准车速取当前车辆行驶车道上的基准车速,也就是说,V基准右=V基准,其中,V基准右表示右车道的基准车速,V基准表示当前车辆行驶车道上的基准车速。
换挡决策融合因子基于当前车辆行驶车道上的基准车速对应的换挡决策因子、左车道上的基准车速对应的换挡决策因子以及右车道上的基准车速对应的换挡决策因子确定。
作为一示例的,服务器可采用图8中示出的步骤S711~步骤S713进一步对本步骤进行说明,详情如下:
步骤S711,计算行驶车道上的基准车速、左车道上的基准车速、右车道上的基准车速各自的换挡决策因子与对应系数之间的第二乘积,得到多个第二乘积。
若当前车辆行驶车道上的基准车速对应的换挡决策因子表示为Fac1,Fac1对应的系数为K1,左车道上的基准车速对应的换挡决策因子表示为Fac2,Fac2对应的系数为K2,右车道上的基准车速对应的换挡决策因子表示为Fac3,Fac3对应的系数为K3,则第二乘积包括Fac1*K1,Fac2*K2和Fac3*K3。
步骤S712,选取各换挡决策因子中的最大换挡决策因子。
最大换挡决策因子是从当前车辆行驶车道上的基准车速对应的换挡决策因子、左车道上的基准车速对应的换挡决策因子和右车道上的基准车速对应的换挡决策因子中选取得到。
步骤S713,将多个第二乘积之和与最大换挡决策因子之间的比值确定为换挡决策融合因子。
服务器将多个第二乘积之和与最大换挡决策因子之间的比值确定为换挡决策融合因子。需要说明的是,换挡决策融合因子的取值范围为0~1。
示例性的,换挡决策融合因子满足下式:
其中,A常量是指最大换挡决策因子。
步骤S720,根据油门开度和换挡决策融合因子确定自适应换挡规律对应的换挡车速。
油门开度是指油门踏板的开合程度。其中,油门开度决定了发动机控制的喷油量多少。
服务器根据油门开度和换挡决策融合因子确定自适应换挡规律对应的换挡车速。
作为一示例的,服务器可采用图9中示出的步骤S721~步骤S723进一步对本步骤进行说明,详情如下:
步骤S721,根据油门开度获取对应的最低换挡车速和最高换挡车速。
服务器可根据油门开度对应的函数确定最低换挡车速和最高换挡车速。服务器还可直接根据油门开度查表确定最低换挡车速和最高换挡车速。
步骤S722,计算最高换挡车速与最低换挡车速的差值与换挡融合因子之间的第一乘积。
示例性的,若最高换挡车速表示为Vmax,最低换挡车速表示为Vmin,则第一乘积为(Vmax-Vmin)*Fac。
步骤S723,计算最低换挡车速与第一乘积之间的和,将和作为自适应换挡规律对应的换挡车速。
示例性的,若自适应换挡对应的换挡车速表示为Vadp,则自适应换挡对应的换挡车速满足下式:
Vadp=Vmin+(Vmax-Vmin)*Fac
可以看出,本实施例的基于场景的预测性换挡规律自适应方法根据融合行驶车道上的基准车速、所述行驶车道左侧的左车道上的基准车速、所述行驶车道右侧的右车道上的基准车速各自对应的换挡决策因子,得到换挡决策融合因子,并根据油门开度和换挡决策融合因子确定自适应换挡规律对应的换挡车速,由此能够基于场景信息转化得到的基准车速对应的换挡决策因子,以及实际的油门开度确定自适应换挡规律对应的换挡车速,体现场景信息和驾驶员驾驶风格对自适应换挡规律对应的换挡车速的决定性影响。
图10是图2所示的基于场景的预测性换挡规律自适应方法中步骤S230的一示例性实施例的流程图。如图10所示,在一示例性实施例中,在步骤S230根据当前车辆在当前时刻的档位车速、当前车辆在前一时刻的档位车速以及自适应换挡规律对应的换挡车速确定目标档位的过程至少还包括步骤S1010至步骤S1020,详细介绍如下:
步骤S1010,若当前车辆在前一时刻的档位车速小于自适应换挡规律对应的换挡车速,且当前车辆在当前时刻的档位车速大于等于自适应换挡规律对应的换挡车速,则确定车辆中档位盘的最高档位为目标档位。
步骤S1020,若当前车辆在前一时刻的档位车速大于自适应换挡规律对应的换挡车速,且当前车辆在当前时刻的档位车速小于等于自适应换挡规律对应的换挡车速,则确定车辆中档位盘的最低档位为目标档位。
最高档位是指档位盘中的最大档,例如手动挡中的第五档。
最低档位是指档位盘中的额最小档,例如手动挡中的第一档。
服务器在确定自适应换挡规律对应的换挡车速后,判断当前车辆在前一时刻的档位车速、当前车辆在当前时刻的档位车速与自适应换挡规律对应的换挡车速之间的大小关系,并根据大小关系确定目标档位。具体的,服务器若判定在前一时刻的档位车速小于自适应换挡规律对应的换挡车速,且当前车辆在当前时刻的档位车速大于等于自适应换挡规律对应的换挡车速,则确定车辆中档位盘的最高档位为目标档位;服务器若判定当前车辆在前一时刻的档位车速大于自适应换挡规律对应的换挡车速,且当前车辆在当前时刻的档位车速小于等于自适应换挡规律对应的换挡车速,则确定车辆中档位盘的最低档位为目标档位,由此实现根据场景信息确定的自适应换挡规律对应的换挡车速得到目标档位,能够充分体现场景信息对目标档位的影响。
可以看出,本实施例的基于场景的预测性换挡规律自适应方法根据当前车辆在前一时刻的档位车速、自适应换挡规律对应的换挡车速和当前车辆在当前时刻的档位车速确定目标档位,由此能够结合驾驶员驾驶习惯确定目标档位。
图11是图2所示的基于场景的预测性换挡规律自适应方法中步骤S220之前的一示例性实施例的流程图。如图11所示,在一示例性实施例中,在步骤S220根据车道上的基准车速对应的换挡决策因子确定自适应换挡规律对应的换挡车速的过程之前,本申请实施例的基于场景的预测性换挡规律自适应方法至少还包括步骤S1110至步骤S1130,详细介绍如下:
步骤S1110,按照预设距离分别将视线距离内的当前车道、左车道和右车道进行划分,得到各车道中的多个车道段。
考虑到视线距离内的基准车速在服务器中是离散化表述的,因此,本申请实施例需对视线距离内的当前车道、左车道和右车道进行划分,得到当前车道上的多个车道段、左车道上的多个车道段和右车道上的多个车道段。
步骤S1120,计算当前车道中相邻车道段的第一车道段对应的基准车速和第二车道段对应的基准车速之间的第一基准车速差值。
由于本申请实施例将车道分为多个车道段,因此在相邻车道段中,将远离车辆车头方向的车道段确定为第一车道段,将靠近车辆车头方向的车道段确定为第二车道段,服务器计算当前车道中相邻车道段的第一车道段对应的基准车速和第二车道段对应的基准车速之间的车速差值,并将车速差值作为第一基准车速差值。需要说明的是,相邻车道段中第一车道段对应的基准车速和第二车道段对应的基准车速可参阅当前车辆行驶车道上的基准车速的计算方式,也就是说,相邻车道段中第一车道段对应的基准车速和第二车道段对应的基准车速根据对应车道段内的场景信息确定。
例如,若当前车道中相邻车道段的第一车道段对应的基准车速表示为V基准(n),当前车道中相邻车道段的第二车道段对应的基准车速表示为V基准(n-1),则第一基准车速差值表示为V基准(n)-V基准(n-1),其中n=2,3,4...N,当n=1时,V基准(n-1)取当前车辆的车速。
步骤S1130,根据第一基准车速差值、当前车道中第一车道段在视线距离中的第一视线位置占比确定当前车道的基准车速对应的换挡决策因子。
当前车道中第一车道段在视线距离中的第一视线位置占比是根据第一车道段距离与视线距离之间的比值确定的。
服务器根据第一基准车速差值和第一视线位置占比确定当前车道的基准车速对应的换挡决策因子。
作为一示例的,服务器可采用图12中示出的步骤S1131~步骤S1132进一步对本步骤进行说明,详情如下:
步骤S1131,根据当前车道中相邻车道段的第一车道段对应的车道段距离和视线距离之间的比值与预设数值确定第一视线位置占比。
若当前车道中相邻车道段的第一车道段对应的车道段距离表示为Dis(n),视线距离表示为Dis视线,则第一视线位置占比表示为
步骤S1132,将当前车道段中各相邻车道段对应的第一基准车速差值与对应的第一视线位置占比之间的乘积和作为当前车道的基准车速对应的换挡决策因子。
由上可知,当前车道的基准车速对应的换挡决策因子满足下式:
可以看出,本实施例的基于场景的预测性换挡规律自适应方法根据划分当前车道段得到的相邻车道段的第一车道段对应的基准车速和第二车道段对应的基准车速确定第一基准车速差值,并根据第一基准车速差值、当前车道中第一车道段在视线距离中的第一视线位置占比确定当前车道的基准车速对应的换挡决策因子,由此能够通过当前车道中相邻车道段对应的基准车速预测得到当前车道的换挡决策因子。
图13是图12所示的基于场景的预测性换挡规律自适应方法中步骤S1110之后的一示例性实施例的流程图。如图13所示,在一示例性实施例中,在步骤S1110按照预设距离分别将视线距离内的当前车道、左车道和右车道进行划分,得到各车道中的多个车道段的过程之后,本申请实施例的基于场景的预测性换挡规律自适应方法至少还包括步骤S1310至步骤S1330,详细介绍如下:
步骤S1310,计算左车道中相邻车道段的第一车道段对应的基准车速与当前车道中对应车道段的基准车速之间的第二基准车速差值。
服务器计算左车道中相邻车道段的第一车道段对应的基准车速与当前车道中对应车道段的基准车速之间的车速差值,并将车速差值作为第二基准车速差值。需要说明的是,相邻车道段中第一车道段对应的基准车速和第二车道段对应的基准车速可参阅当前车辆行驶车道上的基准车速的计算方式,也就是说,相邻车道段中第一车道段对应的基准车速和第二车道段对应的基准车速根据左车道中对应车道段内的场景信息确定。
例如,若左车道中相邻车道段的第一车道段对应的基准车速表示为V基准左(n),当前车道中对应车道段的基准车速表示为V基准(n),则第二基准车速差值表示为V基准左(n)-V基准(n),其中n=2,3,4...N。
步骤S1320,计算左车道中相邻车道段的第二车道段对应的基准车速与当前车道中对应车道段的基准车速之间的第三基准车速差值。
服务器根据左车道中相邻车道段的第二车道段对应的基准车速与当前车道中对应车道段的基准车速之间的车速差值得到第三基准车速差值。
例如,左车道中相邻车道段的第二车道段对应的基准车速表示为V基准左(n-1),当前车道中对应车道段的基准车速表示为V基准(n-1),则第三基准车速差值表示为V基准左(n-1)-V基准(n-1),其中n=2,3,4...N,n=1时,V基准左(n-1)取当前车辆的车速。
步骤S1330,根据第二基准车速差值、第三基准车速差值以及左车道中相邻车道段的第一车道段在视线距离中的第二视线位置占比确定左车道的基准车速对应的换挡决策因子。
第二视线位置占比是指基于左车道中相邻车道段的第一车道段对应的车道段距离和视线距离之间的比值确定的。
服务器根据第二基准车速差值、第三基准车速差值和第二视线位置占比确定左车道的基准车速对应的换挡决策因子。
作为一示例的,服务器可采用图14中示出的步骤S1331~步骤S1333进一步对本步骤进行说明,详情如下:
步骤S1331,计算第二基准车速差值和第三基准车速差值之间的第四基准车速差值。
服务器根据第二基准车速差值和第三基准车速差值得到第四基准车速差值。具体的,第四基准车速差值可表示为(V基准左(n)-V基准(n))-(V基准左(n-1)-V基准n-1。
步骤S1332,根据左车道中相邻车道段的第一车道段对应的车道段距离和视线距离之间的比值与预设数值确定第二视线位置占比。
服务器计算车道中相邻车道段的第一车道段对应的车道段距离和视线距离之间的比值,并将比值的负数与预设数值之和作为第二视线位置占比。其中,预设数值可以为一。
示例性的,若左车道中相邻车道段的第一车道段对应的车道段距离表示为Dis左(n),视线距离表示为Dis视线,则第二视线位置占比可表示为
步骤S1333,将左车道中各相邻车道段对应的第四基准车速差值与对应的第二视线位置占比之间的乘积和作为左车道的基准车速对应的换挡决策因子。
由上可知,左车道的基准车速对应的换挡决策因子满足下式:
可以看出,本实施例的基于场景的预测性换挡规律自适应方法根据划分左车道段得到的相邻车道段的第一车道段对应的基准车速和当前车道中对应车道段的基准车速确定第二基准车速差值,根据左车道中相邻车道段中第二车道段对应的基准车速和当前车道中对应车道段的基准车速确定第三基准车速差值,并根据第二基准车速差值、第三基准车速差值以及第二视线位置占比确定左车道的基准车速对应的换挡决策因子,由此能够通过左车道中相邻车道段对应的基准车速预测得到左车道的换挡决策因子。
图15是图12所示的基于场景的预测性换挡规律自适应方法中步骤S1110之后的一示例性实施例的流程图。如图15所示,在一示例性实施例中,在步骤S1110按照预设距离分别将视线距离内的当前车道、左车道和右车道进行划分,得到各车道中的多个车道段的过程之后,本申请实施例的基于场景的预测性换挡规律自适应方法至少还包括步骤S1510至步骤S1530,详细介绍如下:
步骤S1510,计算右车道中相邻车道段的第一车道段对应的基准车速与当前车道中对应车道段的基准车速之间的第五基准车速差值。
服务器根据右车道中相邻车道段的第一车道段对应的基准车速与当前车道中对应车道段的基准车速之间的车速差值得到第五基准车速差值。
示例性的,若右车道中相邻车道段的第一车道段对应的基准车速表示为V基准右(n),当前车道中对应车道段的基准车速表示为V基准(n),则第五基准车速差值表示为V基准右(n)-V基准(n)。
步骤S1520,计算右车道中相邻车道段的第二车道段对应的基准车速与当前车道中对应车道段的基准车速之间的第六基准车速差值。
服务器根据右车道中相邻车道段的第二车道段对应的基准车速与当前车道中对应车道段的基准车速之间的车速差值得到第六基准车速差值。
示例性的,若右车道中相邻车道段的第二车道段对应的基准车速表示为V基准右(n-1),当前车道中对应车道段的基准车速表示为V基准(n-1),则第六基准车速差值表示为V基准右(n-1)-V基准(n-1),其中n=2,3,4...N,n=1时,V基准右(n-1)取当前车辆的车速。
步骤S1530,根据第五基准车速差值、第六基准车速差值以及右车道中相邻车道段的第一车道段在视线距离中的第三视线位置占比确定右车道的基准车速对应的换挡决策因子。
第三视线位置占比是基于右车道中相邻车道段的第一车道段对应的车道段距离和视线距离之间的比值确定的。
服务器第五基准车速差值、第六基准车速差值和第三视线位置占比确定右车道的基准车速对应的换挡决策因子。
作为一示例的,服务器可采用图16中示出的步骤S1531~步骤S1533进一步对本步骤进行说明,详情如下:
步骤S1531,计算第五基准车速差值和第六基准车速差值之间的第七基准车速差值。
服务器根据述第五基准车速差值和第六基准车速差值得到第七基准车速差值。具体的,第七基准车速差值可表示为(V基准右(n)-V基准(n))-(V基准右(n-1)-V基准n-1。
步骤S1532,根据右车道中相邻车道段的第一车道段对应的车道段距离和视线距离之间的比值与预设数值确定第三视线位置占比。
服务器计算右道中相邻车道段的第一车道段对应的车道段距离和视线距离之间的比值,并将比值的负数与预设数值之和作为第二视线位置占比。其中,预设数值可以为一。
示例性的,若右车道中相邻车道段的第一车道段对应的车道段距离表示为Dis右(n),视线距离表示为Dis视线,则第三视线位置占比可表示为
步骤S1533,将右车道中各相邻车道段对应的第七基准车速差值与对应的第三视线位置占比之间的乘积和作为右车道的基准车速对应的换挡决策因子。
由上可知,右车道的基准车速对应的换挡决策因子满足下式:
可以看出,本实施例的基于场景的预测性换挡规律自适应方法根据划分右车道段得到的相邻车道段的第一车道段对应的基准车速和当前车道中对应车道段的基准车速确定第五基准车速差值,根据右车道中相邻车道段中第二车道段对应的基准车速和当前车道中对应车道段的基准车速确定第六基准车速差值,并根据第五基准车速差值、第六基准车速差值以及第三视线位置占比确定左车道的基准车速对应的换挡决策因子,由此能够通过右车道中相邻车道段对应的基准车速预测得到右车道的换挡决策因子。
为详细描述当前车道、左车道、右车道上各车道段距离与各车道段对应基准车速之间的关系,可继续参阅图17,图17中的横坐标代表被划分的各车道段对应的距离,纵坐标代表当前车道、左车道、右车道,也即当前车道、当前车道的左侧车道、当前车道的右侧车道,每一车道段对应有基准车速,每个车道段对应的基准车速可根据该车道段的场景信息确定。示例性的,当前车道上的第二个车道段上因存在坡道,此车道段对应的基准车速V中2小于第一车道段对应的基准车速V中1。另一示例性的,当前车道上的第四车道段上因存在障碍物,此车道段对应的基准车速为V中4。由此可知,各车道段对应的基准车速与场景信息相关。
图18是本申请的一示例性实施例示出的基于场景的预测性换挡规律自适应装置的框图。该示例性的基于场景的预测性换挡规律自适应装置1800包括基准车速确定模块181、换挡车速确定模块182和执行模块183。具体的:
基准车速确定模块181,配置为根据当前车辆行驶过程中获取的场景信息确定当前车辆行驶车道上的基准车速。
换挡车速确定模块182,配置为根据车道上的基准车速对应的换挡决策因子确定自适应换挡规律对应的换挡车速。
执行模块183,配置为根据当前车辆在当前时刻的档位车速、当前车辆在前一时刻的档位车速以及自适应换挡规律对应的换挡车速确定目标档位,并基于目标档位进行执行操作。
在该示例性的基于场景的预测性换挡规律自适应装置中,通过将当前车辆行驶过程中获取的场景信息转换得到当前车辆行驶车道上的基准车速,并根据车道上的基准车速对应的换档决策因子确定自适应换挡规律对应的换挡车速,进而根据当前车辆在当前时刻的档位车速、当前车辆在前一时刻的档位车速以及自适应换挡规律对应的换挡车速确定目标档位,并基于目标档位进行执行操作,由此基于场景信息转换得到车道上的基准车速,能够在充分体现场景信息的同时减小自适应换挡决策的输入信息维度。
在上述示例性的实施例基础上,基准车速确定模块181包括:显性基准车速确定模块、隐性基准车速确定模块、阻力基准车速确定模块和当前车辆行驶车道上的基准车速确定模块。具体的:
显性基准车速确定模块,配置为根据场景信息中的第一场景要素确定车道上的显性基准车速,第一场景要素包括交通速度信息。
隐性基准车速确定模块,配置为根据场景信息中的第二场景要素确定车道上的隐性基准车速,第二场景要素包括道路属性信息。
阻力基准车速确定模块,配置为根据场景信息中的第三场景要素确定车道上的阻力基准车速,第三场景要素包括场景阻力信息。
当前车辆行驶车道上的基准车速确定模块,配置为根据车道上的显性基准车速、隐性基准车速和阻力基准车速确定当前车辆行驶车道上的基准车速。
在上述示例性的实施例基础上,隐性基准车速确定模块包括:交通速度信息获取模块和第一选取模块。具体的:
交通速度信息获取模块,配置为获取道路限速的速度、障碍物的速度和交通流的速度。
第一选取模块,配置为选取道路限速的速度、障碍物的速度和交通流的速度中的最小速度为车道上的显性基准车速。
在上述示例性的实施例基础上,隐性基准车速确定模块包括:道路属性信息获取模块和第二选取模块。具体的:
道路属性信息获取模块,配置为获取道路类型对应的道路类型速度和道路曲率对应的道路曲率速度。
第二选取模块,配置为选取道路类型速度和道路曲率速度中的最小速度为车道上的隐性基准车速。
在上述示例性的实施例基础上,阻力基准车速确定模块包括:目标阻力确定模块和车道上的阻力基准车速确定模块。具体的:
目标阻力确定模块,配置为根据道路等级对应的道路等级阻力和道路坡度对应的道路坡度阻力确定目标阻力。
车道上的阻力基准车速确定模块,配置为根据获取的视线距离、阻力距离和目标阻力确定车道上的阻力基准车速。
在上述示例性的实施例基础上,阻力基准车速确定模块包括:比值第一计算模块、第一判断模块和第二判断模块。具体的:
比值第一计算模块,配置为计算视线距离与阻力距离之间的差值与预设距离之间的比值。
第一判断模块,配置为若比值的余数等于零,则将目标阻力的阻力值确定为当前车辆行驶车道上的阻力基准车速。
第二判断模块,配置为若比值的余数等于一,则确定当前车辆行驶车道上的阻力基准车速为零。
在上述示例性的实施例基础上,换挡车速确定模块182包括:换挡决策因子融合模块和自适应换挡规律对应的换挡车速确定模块。具体的:
换挡决策因子融合模块,配置为融合行驶车道上的基准车速、行驶车道左侧的左车道上的基准车速、行驶车道右侧的右车道上的基准车速各自对应的换挡决策因子,得到换挡决策融合因子。
自适应换挡规律对应的换挡车速确定模块,配置为根据油门开度和换挡决策融合因子确定自适应换挡规律对应的换挡车速。
在上述示例性的实施例基础上,自适应换挡规律对应的换挡车速确定模块包括:最低换挡车速和最高换挡车速获取模块、第一乘积计算模块、乘积和计算模块。具体的:
最低换挡车速和最高换挡车速获取模块,配置为根据油门开度获取对应的最低换挡车速和最高换挡车速。
第一乘积计算模块,配置为计算最高换挡车速与最低换挡车速的差值与换挡融合因子之间的第一乘积。
乘积和计算模块,配置为计算最低换挡车速与第一乘积之间的和,将和作为自适应换挡规律对应的换挡车速。
在上述示例性的实施例基础上,换挡决策因子融合模块包括:第二乘积计算模块、最大换挡决策因子选取模块和换挡决策融合因子确定模块。具体的:
第二乘积计算模块,配置为计算行驶车道上的基准车速、左车道上的基准车速、右车道上的基准车速各自的换挡决策因子与对应系数之间的第二乘积,得到多个第二乘积。
最大换挡决策因子选取模块,配置为选取各换挡决策因子中的最大换挡决策因子。
换挡决策融合因子确定模块,配置为将多个第二乘积之和与最大换挡决策因子之间的比值确定为换挡决策融合因子。
在上述示例性的实施例基础上,执行模块183包括:第三判断模块和第四判断模块。具体的:
第三判断模块,配置为若当前车辆在前一时刻的档位车速小于自适应换挡规律对应的换挡车速,且当前车辆在当前时刻的档位车速大于等于自适应换挡规律对应的换挡车速,则确定车辆中档位盘的最高档位为目标档位。
第四判断模块,配置为若当前车辆在前一时刻的档位车速大于自适应换挡规律对应的换挡车速,且当前车辆在当前时刻的档位车速小于等于自适应换挡规律对应的换挡车速,则确定车辆中档位盘的最低档位为目标档位。
在上述示例性的实施例基础上,在换挡车速确定模块182之前,本申请实施例的装置还包括:划分模块、第一基准车速差值确定模块和当前车道的基准车速对应的换挡决策因子确定模块。具体的:
划分模块,配置为按照预设距离分别将视线距离内的当前车道、左车道和右车道进行划分,得到各车道中的多个车道段。
第一基准车速差值确定模块,配置为计算当前车道中相邻车道段的第一车道段对应的基准车速和第二车道段对应的基准车速之间的第一基准车速差值。
当前车道的基准车速对应的换挡决策因子确定模块,配置为根据第一基准车速差值、当前车道中第一车道段在视线距离中的第一视线位置占比确定当前车道的基准车速对应的换挡决策因子。
在上述示例性的实施例基础上,当前车道的基准车速对应的换挡决策因子确定模块包括:第一视线位置占比计算模块和第一作为模块。具体的:
第一视线位置占比计算模块,配置为根据当前车道中相邻车道段的第一车道段对应的车道段距离和视线距离之间的比值与预设数值确定第一视线位置占比。
第一作为模块,配置为将当前车道段中各相邻车道段对应的第一基准车速差值与对应的第一视线位置占比之间的乘积和作为当前车道的基准车速对应的换挡决策因子。
在上述示例性的实施例基础上,在划分模块之后,本申请实施例的装置还包括:第二基准车速差值计算模块、第三基准车速差值计算模块和左车道的基准车速对应的换挡决策因子确定模块。具体的:
第二基准车速差值计算模块,配置为计算左车道中相邻车道段的第一车道段对应的基准车速与当前车道中对应车道段的基准车速之间的第二基准车速差值。
第三基准车速差值计算模块,配置为计算左车道中相邻车道段的第二车道段对应的基准车速与当前车道中对应车道段的基准车速之间的第三基准车速差值。
左车道的基准车速对应的换挡决策因子确定模块,配置为根据第二基准车速差值、第三基准车速差值以及左车道中相邻车道段的第一车道段在视线距离中的第二视线位置占比确定左车道的基准车速对应的换挡决策因子。
在上述示例性的实施例基础上,左车道的基准车速对应的换挡决策因子确定模块包括:第四基准车速差值计算模块、第二视线位置占比计算模块和第二作为模块。具体的:
第四基准车速差值计算模块,配置为计算第二基准车速差值和第三基准车速差值之间的第四基准车速差值。
第二视线位置占比计算模块,配置为根据左车道中相邻车道段的第一车道段对应的车道段距离和视线距离之间的比值与预设数值确定第二视线位置占比。
第二作为模块,配置为将左车道中各相邻车道段对应的第四基准车速差值与对应的第二视线位置占比之间的乘积和作为左车道的基准车速对应的换挡决策因子。
在上述示例性的实施例基础上,在划分模块之后,本申请实施例的装置还包括:第五基准车速差值计算模块、第六基准车速差值计算模块和右车道的基准车速对应的换挡决策因子确定模块。具体的:
第五基准车速差值计算模块,配置为计算右车道中相邻车道段的第一车道段对应的基准车速与当前车道中对应车道段的基准车速之间的第五基准车速差值。
第六基准车速差值计算模块,配置为计算右车道中相邻车道段的第二车道段对应的基准车速与当前车道中对应车道段的基准车速之间的第六基准车速差值。
右车道的基准车速对应的换挡决策因子确定模块,配置为根据第五基准车速差值、第六基准车速差值以及右车道中相邻车道段的第一车道段在视线距离中的第三视线位置占比确定右车道的基准车速对应的换挡决策因子。
在上述示例性的实施例基础上,右车道的基准车速对应的换挡决策因子确定模块包括:第七基准车速差值计算模块、第三视线位置占比计算模块和第三作为模块。具体的:
第七基准车速差值计算模块,配置为计算第五基准车速差值和第六基准车速差值之间的第七基准车速差值。
第三视线位置占比计算模块,配置为根据右车道中相邻车道段的第一车道段对应的车道段距离和视线距离之间的比值与预设数值确定第三视线位置占比。
第三作为模块,配置为将右车道中各相邻车道段对应的第七基准车速差值与对应的第三视线位置占比之间的乘积和作为右车道的基准车速对应的换挡决策因子。
需要说明的是,上述实施例所提供的基于场景的预测性换挡规律自适应装置与上述实施例所提供的基于场景的预测性换挡规律自适应方法属于同一构思,其中各个模块和单元执行操作的具体方式已经在方法实施例中进行了详细描述,此处不再赘述。上述实施例所提供的基于场景的预测性换挡规律自适应装置在实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能,本处也不对此进行限制。
本申请的实施例还提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述电子设备实现上述各个实施例中提供的基于场景的预测性换挡规律自适应方法。
图19示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。需要说明的是,图19示出的电子设备的计算机系统1900仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图19所示,计算机系统1900包括中央处理单元(Central Processing Unit,CPU)1901,其可以根据存储在只读存储器(Read-Only Memory,ROM)1902中的程序或者从储存部分1908加载到随机访问存储器(Random Access Memory,RAM)1903中的程序而执行各种适当的动作和处理,例如执行上述实施例中所述的方法。在RAM 1903中,还存储有系统操作所需的各种程序和数据。CPU 1901、ROM 1902以及RAM 1903通过总线1904彼此相连。输入/输出(Input/Output,I/O)接口1905也连接至总线1904。
以下部件连接至I/O接口1905:包括键盘、鼠标等的输入部分1906;包括诸如阴极射线管(Cathode Ray Tube,CRT)、液晶显示器(Liquid Crystal Display,LCD)等以及扬声器等的输出部分1907;包括硬盘等的储存部分1908;以及包括诸如LAN(Local AreaNetwork,局域网)卡、调制解调器等的网络接口卡的通信部分1909。通信部分1909经由诸如因特网的网络执行通信处理。驱动器1910也根据需要连接至I/O接口1905。可拆卸介质1911,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器1910上,以便于从其上读出的计算机程序根据需要被安装入储存部分1908。
特别地,根据本申请的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本申请的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的计算机程序。在这样的实施例中,该计算机程序可以通过通信部分1909从网络上被下载和安装,和/或从可拆卸介质1911被安装。在该计算机程序被中央处理单元(CPU)1901执行时,执行本申请的系统中限定的各种功能。
需要说明的是,本申请实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory,CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的计算机程序。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的计算机程序可以用任何适当的介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的单元也可以设置在处理器中。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
本申请的另一方面还提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如前所述的基于场景的预测性换挡规律自适应方法。该计算机可读存储介质可以是上述实施例中描述的电子设备中所包含的,也可以是单独存在,而未装配入该电子设备中。
本申请的另一方面还提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各个实施例中提供的基于场景的预测性换挡规律自适应方法。
上述内容,仅为本申请的较佳示例性实施例,并非用于限制本申请的实施方案,本领域普通技术人员根据本申请的主要构思和精神,可以十分方便地进行相应的变通或修改,故本申请的保护范围应以权利要求书所要求的保护范围为准。
Claims (19)
1.一种基于场景的预测性换挡规律自适应方法,其特征在于,所述方法包括:
根据当前车辆行驶过程中获取的场景信息转换得到所述当前车辆行驶车道上的基准车速;
根据所述车道上的基准车速对应的换挡决策因子确定自适应换挡规律对应的换挡车速;
根据所述当前车辆在当前时刻的档位车速、所述当前车辆在前一时刻的档位车速以及所述自适应换挡规律对应的换挡车速确定目标档位,并基于所述目标档位进行执行操作。
2.根据权利要求1所述的方法,其特征在于,所述根据当前车辆行驶过程中获取的场景信息转换得到所述当前车辆行驶车道上的基准车速的步骤,包括:
根据所述场景信息中的第一场景要素确定所述车道上的显性基准车速,所述第一场景要素包括交通速度信息;
根据所述场景信息中的第二场景要素确定所述车道上的隐性基准车速,所述第二场景要素包括道路属性信息;
根据所述场景信息中的第三场景要素确定所述车道上的阻力基准车速,所述第三场景要素包括场景阻力信息;
根据所述车道上的显性基准车速、隐性基准车速和阻力基准车速确定所述当前车辆行驶车道上的基准车速。
3.根据权利要求2所述的方法,其特征在于,所述交通速度信息包括道路限速、障碍物和交通流,所述根据所述场景信息中的第一场景要素确定所述车道上的显性基准车速的步骤,包括:
获取所述道路限速的速度、所述障碍物的速度和所述交通流的速度;
选取所述道路限速的速度、所述障碍物的速度和所述交通流的速度中的最小速度为所述车道上的显性基准车速。
4.根据权利要求2所述的方法,其特征在于,所述道路属性信息包括道路类型和道路曲率,所述根据所述场景信息中的第二场景要素确定所述车道上的隐性基准车速的步骤,包括:
获取所述道路类型对应的道路类型速度和所述道路曲率对应的道路曲率速度;
选取所述道路类型速度和道路曲率速度中的最小速度为所述车道上的隐性基准车速。
5.根据权利要求2所述的方法,其特征在于,所述场景阻力信息包括道路等级和道路坡度,所述根据所述场景信息中的第三场景要素确定所述车道上的阻力基准车速的步骤,包括:
根据所述道路等级对应的道路等级阻力和所述道路坡度对应的道路坡度阻力确定目标阻力;
根据获取的视线距离、阻力距离和所述目标阻力确定所述车道上的阻力基准车速。
6.根据权利要求5所述的方法,其特征在于,所述根据获取的视线距离、阻力距离和所述目标阻力确定所述车道上的阻力基准车速的步骤,包括:
计算所述视线距离与所述阻力距离之间的差值与预设距离之间的比值;
若所述比值的余数等于零,则将所述目标阻力的阻力值确定为所述当前车辆行驶车道上的阻力基准车速;
若所述比值的余数等于一,则确定所述当前车辆行驶车道上的阻力基准车速为零。
7.根据权利要求1所述的方法,其特征在于,所述根据所述当前车辆在车道上的基准车速对应的换挡决策因子确定自适应换挡规律对应的换挡车速的步骤,包括:
融合所述行驶车道上的基准车速、所述行驶车道左侧的左车道上的基准车速、所述行驶车道右侧的右车道上的基准车速各自对应的换挡决策因子,得到换挡决策融合因子;
根据油门开度和所述换挡决策融合因子确定所述自适应换挡规律对应的换挡车速。
8.根据权利要求7所述的方法,其特征在于,所述根据油门开度和所述换挡决策融合因子确定所述自适应换挡规律对应的换挡车速的步骤,包括:
根据所述油门开度获取对应的最低换挡车速和最高换挡车速;
计算所述最高换挡车速与所述最低换挡车速的差值与所述换挡融合因子之间的第一乘积;
计算所述最低换挡车速与所述第一乘积之间的和,将所述和作为所述自适应换挡规律对应的换挡车速。
9.根据权利要求7所述的方法,其特征在于,所述融合所述行驶车道上的基准车速、所述行驶车道左侧的左车道上的基准车速、所述行驶车道右侧的右车道上的基准车速各自对应的换挡决策因子,得到换挡决策融合因子的步骤,包括:
计算所述行驶车道上的基准车速、所述左车道上的基准车速、所述右车道上的基准车速各自的换挡决策因子与对应系数之间的第二乘积,得到多个第二乘积;
选取各换挡决策因子中的最大换挡决策因子;
将所述多个第二乘积之和与所述最大换挡决策因子之间的比值确定为所述换挡决策融合因子。
10.根据权利要求1所述的方法,其特征在于,所述根据所述当前车辆在当前时刻的档位车速、所述当前车辆在前一时刻的档位车速以及所述自适应换挡规律对应的换挡车速确定目标档位的步骤,包括:
若所述当前车辆在前一时刻的档位车速小于所述自适应换挡规律对应的换挡车速,且所述当前车辆在当前时刻的档位车速大于等于所述自适应换挡规律对应的换挡车速,则确定车辆中档位盘的最高档位为所述目标档位;
若所述当前车辆在前一时刻的档位车速大于所述自适应换挡规律对应的换挡车速,且所述当前车辆在当前时刻的档位车速小于等于所述自适应换挡规律对应的换挡车速,则确定车辆中档位盘的最低档位为所述目标档位。
11.根据权利要求1所述的方法,其特征在于,在所述根据所述车道上的基准车速对应的换挡决策因子确定自适应换挡规律对应的换挡车速的步骤之前,所述方法还包括:
按照预设距离分别将视线距离内的当前车道、左车道和右车道进行划分,得到各车道中的多个车道段;
计算所述当前车道中相邻车道段的第一车道段对应的基准车速和第二车道段对应的基准车速之间的第一基准车速差值;
根据所述第一基准车速差值、所述当前车道中第一车道段在所述视线距离中的第一视线位置占比确定所述当前车道的基准车速对应的换挡决策因子。
12.根据权利要求11所述的方法,其特征在于,所述根据所述第一基准车速差值、所述当前车道中第一车道段在所述视线距离中的第一视线位置占比确定所述当前车道的基准车速对应的换挡决策因子的步骤,包括:
根据所述当前车道中相邻车道段的第一车道段对应的车道段距离和所述视线距离之间的比值与预设数值确定第一视线位置占比;
将所述当前车道段中各相邻车道段对应的第一基准车速差值与对应的第一视线位置占比之间的乘积和作为所述当前车道的基准车速对应的换挡决策因子。
13.根据权利要求11所述的方法,其特征在于,在所述按照预设距离分别将视线距离内的当前车道、左侧车道和右侧车道进行划分,得到各车道中的多个车道段的步骤之后,所述方法还包括:
计算所述左车道中相邻车道段的第一车道段对应的基准车速与所述当前车道中对应车道段的基准车速之间的第二基准车速差值;
计算所述左车道中所述相邻车道段的第二车道段对应的基准车速与所述当前车道中对应车道段的基准车速之间的第三基准车速差值;
根据所述第二基准车速差值、所述第三基准车速差值以及所述左车道中相邻车道段的第一车道段在所述视线距离中的第二视线位置占比确定所述左车道的基准车速对应的换挡决策因子。
14.根据权利要求13所述的方法,其特征在于,所述根据所述第二基准车速差值、所述第三基准车速差值以及所述左车道中相邻车道段的第一车道段在所述视线距离中的第二视线位置占比确定所述左车道的基准车速对应的换挡决策因子的步骤,包括:
计算所述第二基准车速差值和所述第三基准车速差值之间的第四基准车速差值;
根据所述左车道中相邻车道段的第一车道段对应的车道段距离和所述视线距离之间的比值与预设数值确定第二视线位置占比;
将所述左车道中各相邻车道段对应的第四基准车速差值与对应的第二视线位置占比之间的乘积和作为所述左车道的基准车速对应的换挡决策因子。
15.根据权利要求11所述的方法,其特征在于,在所述按照预设距离分别将视线距离内的当前车道、左侧车道和右侧车道进行划分,得到各车道中的多个车道段的步骤之后,所述方法还包括:
计算所述右车道中相邻车道段的第一车道段对应的基准车速与所述当前车道中对应车道段的基准车速之间的第五基准车速差值;
计算所述右车道中所述相邻车道段的第二车道段对应的基准车速与所述当前车道中对应车道段的基准车速之间的第六基准车速差值;
根据所述第五基准车速差值、所述第六基准车速差值以及所述右车道中相邻车道段的第一车道段在所述视线距离中的第三视线位置占比确定所述右车道的基准车速对应的换挡决策因子。
16.根据权利要求15所述的方法,其特征在于,所述根据所述第五基准车速差值、所述第六基准车速差值以及所述右车道中相邻车道段的第一车道段在所述视线距离中的第三视线位置占比确定所述右车道的基准车速对应的换挡决策因子的步骤,包括:
计算所述第五基准车速差值和所述第六基准车速差值之间的第七基准车速差值;
根据所述右车道中相邻车道段的第一车道段对应的车道段距离和所述视线距离之间的比值与预设数值确定第三视线位置占比;
将所述右车道中各相邻车道段对应的第七基准车速差值与对应的第三视线位置占比之间的乘积和作为所述右车道的基准车速对应的换挡决策因子。
17.一种基于场景的预测性换挡规律自适应装置,其特征在于,所述装置包括:
基准车速确定模块,配置为根据当前车辆行驶过程中获取的场景信息确定所述当前车辆行驶车道上的基准车速;
换挡车速确定模块,配置为根据所述车道上的基准车速对应的换挡决策因子确定自适应换挡规律对应的换挡车速;
执行模块,配置为根据所述当前车辆在当前时刻的档位车速、所述当前车辆在前一时刻的档位车速以及所述自适应换挡规律对应的换挡车速确定目标档位,并基于所述目标档位进行执行操作。
18.一种电子设备,其特征在于,包括:
存储器,存储有计算机可读指令;
处理器,读取存储器存储的计算机可读指令,以执行权利要求1-16中的任一项所述的方法。
19.一种计算机可读存储介质,其特征在于,其上存储有计算机可读指令,当所述计算机可读指令被计算机的处理器执行时,使计算机执行权利要求1-16中的任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211276755.5A CN117948419A (zh) | 2022-10-18 | 2022-10-18 | 基于场景的预测性换挡规律自适应方法及相关设备 |
PCT/CN2023/115341 WO2024082829A1 (zh) | 2022-10-18 | 2023-08-28 | 基于场景的预测性换挡规律自适应方法及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211276755.5A CN117948419A (zh) | 2022-10-18 | 2022-10-18 | 基于场景的预测性换挡规律自适应方法及相关设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117948419A true CN117948419A (zh) | 2024-04-30 |
Family
ID=90736898
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211276755.5A Pending CN117948419A (zh) | 2022-10-18 | 2022-10-18 | 基于场景的预测性换挡规律自适应方法及相关设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN117948419A (zh) |
WO (1) | WO2024082829A1 (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060293822A1 (en) * | 2005-06-27 | 2006-12-28 | Freightliner Llc | Predictive control method and apparatus for vehicle automatic transmission |
JP6631024B2 (ja) * | 2015-03-26 | 2020-01-15 | いすゞ自動車株式会社 | 車両、及び、車両制御方法 |
CN111457083A (zh) * | 2020-03-18 | 2020-07-28 | 宁波上中下自动变速器有限公司 | 一种自动换挡控制方法、系统及汽车 |
CN112092797B (zh) * | 2020-09-23 | 2021-09-21 | 中国第一汽车股份有限公司 | 一种基于多维度的换挡控制方法、装置、车辆及介质 |
CN112818910B (zh) * | 2021-02-23 | 2022-03-18 | 腾讯科技(深圳)有限公司 | 车辆挡位控制方法、装置、计算机设备和存储介质 |
CN113653796B (zh) * | 2021-08-06 | 2022-12-23 | 东风汽车集团股份有限公司 | 一种基于道路参数的车辆amt换挡方法 |
-
2022
- 2022-10-18 CN CN202211276755.5A patent/CN117948419A/zh active Pending
-
2023
- 2023-08-28 WO PCT/CN2023/115341 patent/WO2024082829A1/zh unknown
Also Published As
Publication number | Publication date |
---|---|
WO2024082829A1 (zh) | 2024-04-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107229973B (zh) | 一种用于车辆自动驾驶的策略网络模型的生成方法及装置 | |
US20220390244A1 (en) | System and method of overlaying real-time data onto an autonomous vehicle routing cost model | |
CN108062094B (zh) | 基于处理器实现车辆行驶轨迹规划的自主系统和方法 | |
US20210334420A1 (en) | Driving simulation method and apparatus, electronic device, and computer storage medium | |
US10884902B2 (en) | Software version verification for autonomous vehicles | |
US10789835B2 (en) | Fractional risk performance evaluation for autonomous vehicles | |
CN112249032B (zh) | 一种自动驾驶决策方法、系统、设备及计算机存储介质 | |
CN110796856A (zh) | 车辆变道意图预测方法及变道意图预测网络的训练方法 | |
CN108603763A (zh) | 行驶计划生成装置、行驶计划生成方法和行驶计划生成程序 | |
US11741661B2 (en) | Sensor simulation with unified multi-sensor views | |
US11715257B2 (en) | Simulation view generation based on simulated sensor operations | |
US11544896B2 (en) | Spatial and temporal upsampling techniques for simulated sensor data | |
JP7071533B2 (ja) | 交通状況の視覚化を改善するためのシステムおよび方法 | |
EP4213107A1 (en) | Continuous learning machine using closed course scenarios for autonomous vehicles | |
US20230071836A1 (en) | Scene security level determination method, device and storage medium | |
US20230252280A1 (en) | Online learning by an instance of a deep learning model and sharing of learning with additional instances of the deep learning model | |
EP3617654A1 (en) | User familiarization with a novel route for reducing cognitive load associated with navigation | |
CN116245183B (zh) | 基于图神经网络的交通场景泛化理解方法及装置 | |
CN115892076B (zh) | 车道障碍物筛选方法、装置和域控制器 | |
CN117948419A (zh) | 基于场景的预测性换挡规律自适应方法及相关设备 | |
US20200072629A1 (en) | User familiarization with a novel route for reducing cognitive load associated with navigation | |
US20230192120A1 (en) | Increasing simulation diversity for autonomous vehicles | |
CN113276860A (zh) | 车辆控制方法、装置、电子设备以及存储介质 | |
US11499627B2 (en) | Advanced vehicle transmission control unit based on context | |
US11029171B2 (en) | User familiarization with a novel route for reducing cognitive load associated with navigation |
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 |