DE102020133160A1

DE102020133160A1 - DYNAMIC SPEED PLANNING METHOD FOR AUTONOMOUS VEHICLE AND RELEVANT SYSTEM

Info

Publication number: DE102020133160A1
Application number: DE102020133160.6A
Authority: DE
Inventors: Zhi Hao Zhang; Tsung-Ming Hsu; Bo-Han Lin
Original assignee: Automotive Research and Testing Center
Current assignee: Automotive Research and Testing Center
Priority date: 2020-12-11
Filing date: 2020-12-11
Publication date: 2022-06-15

Abstract

Eine dynamische Geschwindigkeitsplanungsmethode für ein autonomes Fahrzeug wird ausgeführt, um die beste Geschwindigkeitskurve des autonomen Fahrzeuges zu planen. Ein Informationsspeicherungsschritt wird ausgeführt, um eine Hindernisinformation, eine Straßeninformation und eine Fahrzeuginformation zu speichern. Ein Schritt zur Berechnung einer Beschleunigungsgrenze wird ausgeführt, um die Fahrzeuginformation nach einer Berechnungsprozedur zu berechnen, um einen Beschleunigungsgrenzwertbereich zu erzeugen. Ein Schritt zur Erzeugung von Beschleunigungskombinationen wird ausgeführt, um entsprechend der Hindernisinformation, der Straßeninformation und dem Beschleunigungsgrenzwertbereich mehrere Beschleunigungskombinationen zu erzeugen. Ein Schritt zur Beschleunigungsfilterung wird ausgeführt, um die Beschleunigungskombinationen entsprechend einer Ruckbewegungsschwelle und einer Ruckbewegungsschaltfrequenzschwelle zu filtern, um eine ausgewählte Beschleunigungskombination zu erhalten. Ein Schritt zur Beschleunigungsglättung wird ausgeführt, um eine Fahrverhaltensprozedur auszuführen, um die ausgewählte Beschleunigungskombination zu justieren, um die beste Geschwindigkeitskurve zu erzeugen.A dynamic speed planning method for an autonomous vehicle is performed to plan the best speed curve of the autonomous vehicle. An information storage step is performed to store obstacle information, road information, and vehicle information. An acceleration limit calculation step is executed to calculate the vehicle information after a calculation procedure to generate an acceleration limit range. An acceleration combination generating step is performed to generate a plurality of acceleration combinations according to the obstacle information, the road information, and the acceleration limit range. An acceleration filtering step is performed to filter the acceleration combinations according to a jerk motion threshold and a jerk motion switching frequency threshold to obtain a selected acceleration combination. An acceleration smoothing step is performed to perform a drivability procedure to adjust the selected acceleration combination to produce the best speed curve.

Description

HINTERGRUNDBACKGROUND

FachgebietArea of Expertise

Die vorliegende Beschreibung betrifft eine dynamische Geschwindigkeitsplanungsmethode für ein autonomes Fahrzeug und ein entsprechendes System. Insbesondere betrifft die vorliegende Beschreibung eine dynamische Geschwindigkeitsplanungsmethode für ein autonomes Fahrzeug mit menschlichem Fahrverhalten und ein ihr entsprechendes System.The present description relates to a dynamic speed planning method for an autonomous vehicle and a corresponding system. In particular, the present description relates to a dynamic speed planning method for an autonomous vehicle with human driving behavior and a system corresponding thereto.

Beschreibung der vorbekannten TechnikDescription of the prior art

Da autonome Fahrzeuge stärker beachtet werden, haben viele Kraftfahrzeughersteller in die Entwicklung autonomer Fahrzeuge investiert und mehrere Regierungen planen betriebsfähige Massenverkehrssysteme unter Verwendung autonomer Fahrzeuge. In einigen Ländern wurden experimentelle autonome Fahrzeuge zugelassen.As autonomous vehicles receive more attention, many automobile manufacturers have invested in the development of autonomous vehicles, and several governments are planning viable mass transit systems using autonomous vehicles. Experimental autonomous vehicles have been approved in some countries.

Dem Fahrerassistenzsystem (FAS) und dem autonomen Fahrsystem (ADS) der derzeitigen autonomen Fahrzeuge fehlt die Anpassbarkeit an die äußere Umgebung. So beruht beispielsweise die Geschwindigkeitssteuerung von ADAS hauptsächlich auf vollautomatischer Längsführung (ACC), ACC fehlt aber eine Planung von Geschwindigkeit oder Beschleunigung und kann die zukünftige Interaktion mit anderen Fahrzeugen nicht vorhersagen. Wenn außerdem auch ADS über eine Planung der Geschwindigkeit verfügt, so berücksichtigt es doch nur die Arbeitsgrenzen des Fahrzeuges, ADS berücksichtigt aber nicht die Beschleunigung und die Grenzen zu ruckartiger Bewegung der Fahrzeugdynamik.The driver assistance system (DAS) and autonomous driving system (ADS) of the current autonomous vehicles lack adaptability to the external environment. For example, ADAS speed control relies primarily on fully automatic longitudinal guidance (ACC), but ACC lacks speed or acceleration planning and cannot predict future interactions with other vehicles. In addition, while ADS also has speed planning, it only takes into account the working limits of the vehicle, but ADS does not take into account the acceleration and jerky limits of the vehicle dynamics.

Es ist also deutlich, dass dem bekannten FAS und ADS auf dem Markt die Fähigkeit fehlt, Beschleunigung zu planen und darauf zu reagieren. Wie eine dynamische Geschwindigkeitsplanungsmethode für ein autonomes Fahrzeug und ein auf der Fahrzeugdynamik und der äußeren Umgebung beruhendes System zu entwickeln ist, wird vom Publikum dringend erwartet und wird das Ziel erheblicher Bemühungen der Industrie.So it is clear that the well-known ADAS and ADS on the market lack the ability to plan and respond to acceleration. How to develop a dynamic speed planning method for an autonomous vehicle and a system based on the vehicle dynamics and the external environment is eagerly awaited by the public and becomes the target of significant industry efforts.

ZUSAMMENFASSUNGSUMMARY

In einem Aspekt der vorliegenden Beschreibung wird eine dynamische Geschwindigkeitsplanungsmethode für ein autonomes Fahrzeug ausgeführt, um die beste Geschwindigkeitskurve des autonomen Fahrzeuges zu planen. Die dynamische Geschwindigkeitsplanungsmethode für ein autonomes Fahrzeug umfasst die Ausführung eines Informationsspeicherungsschrittes, eines Schrittes zur Berechnung einer Beschleunigungsgrenze, eines Schrittes zur Erzeugung von Beschleunigungskombinationen, eines Schrittes zur Beschleunigungsfilterung und eines Schrittes zur Beschleunigungsglättung. Der Informationsspeicherungsschritt dient dazu, einen Speicher dazu zu veranlassen, eine Hindernisinformation über ein Hindernis zu speichern, eine Straßeninformation und eine Fahrzeuginformation über das autonome Fahrzeug. Die Fahrzeuginformation umfasst eine Ruckbewegungsschwelle und eine Ruckbewegungsschaltfrequenzschwelle. Der Schritt zur Berechnung einer Beschleunigungsgrenze dient dazu, eine Datenverarbeitungseinheit dazu zu veranlassen, die Fahrzeuginformation aus dem Speicher zu empfangen und die Fahrzeuginformation nach einer Berechnungsprozedur zu berechnen, um einen Beschleunigungsgrenzwertbereich des autonomen Fahrzeuges zu erzeugen. Zusätzlich dient der Schritt zur Erzeugung von Beschleunigungskombinationen dazu, die Datenverarbeitungseinheit dazu zu veranlassen, die Hindernisinformation und die Straßeninformation aus dem Speicher zu empfangen und ein Beschleunigungsintervall des autonomen Fahrzeuges entsprechend der Hindernisinformation, der Straßeninformation und dem Beschleunigungsgrenzwertbereich zu planen und dann entsprechend dem Beschleunigungsintervall mehrere Beschleunigungskombinationen des autonomen Fahrzeuges zu erzeugen. Der Schritt zur Beschleunigungsfilterung dient dazu, die Datenverarbeitungseinheit dazu zu veranlassen, die Beschleunigungskombinationen entsprechend der Ruckbewegungsschwelle und der Ruckbewegungsschaltfrequenzschwelle zu filtern, um eine ausgewählte Beschleunigungskombination zu erhalten. Der Schritt zur Beschleunigungsglättung dient dazu, die Datenverarbeitungseinheit dazu zu veranlassen, eine Fahrverhaltensprozedur auszuführen, um die ausgewählte Beschleunigungskombination zu justieren, um die beste Geschwindigkeitskurve zu erzeugen.In one aspect of the present description, a dynamic speed planning method for an autonomous vehicle is performed to plan the autonomous vehicle's best speed curve. The dynamic speed planning method for an autonomous vehicle comprises the execution of an information storage step, an acceleration limit calculation step, an acceleration combination generation step, an acceleration filtering step, and an acceleration smoothing step. The information storing step is to cause a memory to store obstacle information about an obstacle, road information, and vehicle information about the autonomous vehicle. The vehicle information includes a jerk threshold and a jerk switching frequency threshold. The step of calculating an acceleration limit is for causing a data processing unit to receive the vehicle information from the memory and calculate the vehicle information according to a calculation procedure to generate an acceleration limit range of the autonomous vehicle. In addition, the step of generating acceleration combinations serves to cause the data processing unit to receive the obstacle information and the road information from the memory and to plan an acceleration interval of the autonomous vehicle according to the obstacle information, the road information and the acceleration limit range, and then according to the acceleration interval, a plurality of acceleration combinations of the autonomous vehicle. The acceleration filtering step is for causing the data processing unit to filter the acceleration combinations according to the jerk motion threshold and the jerk motion switching frequency threshold to obtain a selected acceleration combination. The acceleration smoothing step serves to cause the data processing unit to execute a drivability procedure to adjust the selected acceleration combination to produce the best speed curve.

Entsprechend der oben erwähnten dynamischen Geschwindigkeitsplanungsmethode für das autonome Fahrzeug umfasst der oben erwähnte Schritt zur Berechnung einer Beschleunigungsgrenze die Ausführung eines Schrittes zur Berechnung einer Querbeschleunigung, eines Schrittes zur Berechnung einer Längsbeschleunigung und eines Schrittes zur Berechnung einer Längsgeschwindigkeit und einer Quergeschwindigkeit. Der Schritt zur Berechnung einer Querbeschleunigung dient dazu, die Datenverarbeitungseinheit dazu zu veranlassen, die Fahrzeuginformation nach einem Dynamikberechnungsmodell zu berechnen, um eine Querbeschleunigung des autonomen Fahrzeuges zu erzeugen. Der Schritt zur Berechnung einer Längsbeschleunigung dient dazu, die Datenverarbeitungseinheit dazu zu veranlassen, die Querbeschleunigung nach einem Reibkreisberechnungsmodell zu berechnen, um eine Längsbeschleunigung des autonomen Fahrzeuges zu erzeugen. Der Schritt zur Berechnung der Längsgeschwindigkeit und der Quergeschwindigkeit dient dazu, die Datenverarbeitungseinheit dazu zu veranlassen, die Querbeschleunigung und die Längsbeschleunigung nach einem Kinematikberechnungsmodell zu berechnen, um eine Längsgeschwindigkeit bzw. eine Quergeschwindigkeit des autonomen Fahrzeuges zu erzeugen.According to the above-mentioned dynamic speed planning method for the autonomous vehicle, the above-mentioned step of calculating an acceleration limit includes executing a step of calculating a lateral acceleration, a step of calculating a longitudinal acceleration, and a step of calculating a longitudinal speed and a lateral speed. The step of calculating a lateral acceleration serves to cause the data processing unit to calculate the vehicle information according to a dynamic calculation model in order to generate a lateral acceleration of the autonomous vehicle. The step of calculating a longitudinal acceleration serves to cause the data processing unit to calculate the lateral acceleration to calculate acceleration according to a friction circle calculation model in order to generate a longitudinal acceleration of the autonomous vehicle. The step of calculating the longitudinal speed and the lateral speed serves to cause the data processing unit to calculate the lateral acceleration and the longitudinal acceleration according to a kinematic calculation model in order to generate a longitudinal speed and a lateral speed, respectively, of the autonomous vehicle.

In einem anderen Aspekt der vorliegenden Beschreibung wird ein dynamisches Geschwindigkeitsplanungssystem für ein autonomes Fahrzeug ausgeführt, um die beste Geschwindigkeitskurve des autonomen Fahrzeuges zu planen. Das dynamische Geschwindigkeitsplanungssystem umfasst einen Speicher und eine Datenverarbeitungseinheit. Der Speicher ist dafür eingerichtet, auf eine Hindernisinformation über ein Hindernis zuzugreifen, auf eine Straßeninformation und auf eine Fahrzeuginformation über das autonome Fahrzeug, auf eine Berechnungsprozedur und eine Fahrverhaltensprozedur. Die Fahrzeuginformation umfasst eine Ruckbewegungsschwelle und eine Ruckbewegungsschaltfrequenzschwelle. Die Datenverarbeitungseinheit ist mit dem Speicher elektrisch verbunden. Die Datenverarbeitungseinheit ist dafür eingerichtet, eine dynamische Geschwindigkeitsplanungsmethode für das autonome Fahrzeug zu implementieren, die Ausführung eines Schrittes zur Berechnung einer Beschleunigungsgrenze, eines Schrittes zur Erzeugung von Beschleunigungskombinationen, eines Schrittes zur Beschleunigungsfilterung und eines Schrittes zur Beschleunigungsglättung umfassend. Der Schritt zur Berechnung einer Beschleunigungsgrenze dient dazu, die Fahrzeuginformation nach der Berechnungsprozedur zu berechnen, um einen Beschleunigungsgrenzwertbereich des autonomen Fahrzeuges zu erzeugen. Der Schritt zur Erzeugung von Beschleunigungskombinationen dient dazu, ein Beschleunigungsintervall des autonomen Fahrzeuges entsprechend der Hindernisinformation, der Straßeninformation und dem Beschleunigungsgrenzwertbereich zu planen und dann entsprechend dem Beschleunigungsintervall mehrere Beschleunigungskombinationen des autonomen Fahrzeuges zu erzeugen. Der Schritt zur Beschleunigungsfilterung dient dazu, die Beschleunigungskombinationen entsprechend der Ruckbewegungsschwelle und der Ruckbewegungsschaltfrequenzschwelle zu filtern, um eine ausgewählte Beschleunigungskombination zu erhalten. Der Schritt zur Beschleunigungsglättung dient dazu, die Fahrverhaltensprozedur auszuführen, um die ausgewählte Beschleunigungskombination zu justieren, um die beste Geschwindigkeitskurve zu erzeugen.In another aspect of the present specification, a dynamic speed planning system for an autonomous vehicle is implemented to plan the autonomous vehicle's best speed curve. The dynamic speed planning system includes a memory and a data processing unit. The memory is configured to access obstacle information about an obstacle, road information, and vehicle information about the autonomous vehicle, a calculation procedure, and a driving behavior procedure. The vehicle information includes a jerk threshold and a jerk switching frequency threshold. The data processing unit is electrically connected to the memory. The data processing unit is arranged to implement a dynamic speed planning method for the autonomous vehicle, comprising the execution of an acceleration limit calculation step, an acceleration combination generation step, an acceleration filtering step and an acceleration smoothing step. The step of calculating an acceleration limit is to calculate the vehicle information after the calculation procedure to generate an acceleration limit range of the autonomous vehicle. The step of generating acceleration combinations is to plan an acceleration interval of the autonomous vehicle according to the obstacle information, the road information and the acceleration limit range, and then to generate a plurality of acceleration combinations of the autonomous vehicle according to the acceleration interval. The acceleration filtering step is to filter the acceleration combinations according to the jerk motion threshold and the jerk motion switching frequency threshold to obtain a selected acceleration combination. The acceleration smoothing step serves to execute the drivability procedure to adjust the selected acceleration combination to produce the best speed curve.

Nach dem oben erwähnten dynamischen Geschwindigkeitsplanungssystem für das autonome Fahrzeug, enthält der oben erwähnte Speicher ein Dynamikberechnungsmodell, ein Reibkreisberechnungsmodell und ein Kinematikberechnungsmodell, und umfasst der oben erwähnte Schritt zur Berechnung der Beschleunigungsgrenze die Ausführung eines Schritt zur Berechnung einer Querbeschleunigung, eines Schrittes zur Berechnung einer Längsbeschleunigung und eines Schrittes zur Berechnung einer Längsgeschwindigkeit und einer Quergeschwindigkeit. Der Schritt zur Berechnung einer Querbeschleunigung dient dazu, die Fahrzeuginformation nach dem Dynamikberechnungsmodell zu berechnen, um eine Querbeschleunigung des autonomen Fahrzeuges zu erzeugen. Der Schritt zur Berechnung einer Längsbeschleunigung dient dazu, die Querbeschleunigung nach einem Reibkreisberechnungsmodell zu berechnen, um eine Querbeschleunigung des autonomen Fahrzeuges zu erzeugen. Der Schritt zur Berechnung der Längsgeschwindigkeit und der Quergeschwindigkeit dient dazu, die Querbeschleunigung und die Längsbeschleunigung nach einem Kinematikberechnungsmodell zu berechnen, um eine Quergeschwindigkeit bzw. eine Längsgeschwindigkeit des autonomen Fahrzeuges zu erzeugen.According to the above-mentioned dynamic speed planning system for the autonomous vehicle, the above-mentioned memory contains a dynamics calculation model, a friction circle calculation model and a kinematics calculation model, and the above-mentioned acceleration limit calculation step includes execution of a lateral acceleration calculation step, a longitudinal acceleration calculation step and a step of calculating a longitudinal speed and a lateral speed. The step of calculating a lateral acceleration is to calculate the vehicle information according to the dynamic calculation model to generate a lateral acceleration of the autonomous vehicle. The step of calculating a longitudinal acceleration serves to calculate the lateral acceleration according to a friction circle calculation model in order to generate a lateral acceleration of the autonomous vehicle. The step for calculating the longitudinal speed and the lateral speed serves to calculate the lateral acceleration and the longitudinal acceleration according to a kinematic calculation model in order to generate a lateral speed and a longitudinal speed, respectively, of the autonomous vehicle.

Figurenlistecharacter list

Die vorliegende Beschreibung wird aus der detaillierten Beschreibung der Ausführungsformen besser verständlich werden, unter Bezugnahme auf die folgenden beigefügten Figuren:

1 zeigt ein Flussdiagramm einer dynamischen Geschwindigkeitsplanungsmethode für ein autonomes Fahrzeug nach einer ersten Ausführungsform der vorliegenden Beschreibung.
2 zeigt ein Flussdiagramm einer dynamischen Geschwindigkeitsplanungsmethode für ein autonomes Fahrzeug nach einer zweiten Ausführungsform der vorliegenden Beschreibung.
3 zeigt eine schematische Ansicht eines Informationsspeicherungsschrittes der dynamischen Geschwindigkeitsplanungsmethode für das autonome Fahrzeug der 2.
4 zeigt eine schematische Ansicht eines Schrittes zur Berechnung einer Beschleunigungsgrenze der dynamischen Geschwindigkeitsplanungsmethode für das autonome Fahrzeug der 2
5 zeigt eine schematische Ansicht eines Schrittes zur Erzeugung eines Beschleunigungsintervalls der dynamischen Geschwindigkeitsplanungsmethode für das autonome Fahrzeug der 2.
6 zeigt eine schematische Ansicht der dynamischen Geschwindigkeitsplanungsmethode für das autonome Fahrzeug der 2, angewandt auf eine Vermeidung eines Objektes auf derselben Fahrbahn.
7 zeigt eine schematische Ansicht eines Beschleunigungsverteilungsschrittes der dynamischen Geschwindigkeitsplanungsmethode für das autonome Fahrzeug der 2.
8 zeigt eine schematische Ansicht eines Beschleunigungsfilterungsschrittes der dynamischen Geschwindigkeitsplanungsmethode für das autonome Fahrzeug der 2.
9 zeigt eine schematische Ansicht eines progressiven Modells, eines normalen Modells und eines konservativen Modells der dynamischen Geschwindigkeitsplanungsmethode für das autonome Fahrzeug der 2.
10 zeigt eine schematische Ansicht eines Justierschrittes der dynamischen Geschwindigkeitsplanungsmethode für das autonome Fahrzeug der 2.
11 zeigt eine schematische Ansicht eines Anpassschrittes der dynamischen Geschwindigkeitsplanungsmethode für das autonome Fahrzeug der 2.
12 zeigt ein Blockdiagramm eines dynamischen Geschwindigkeitsplanungssystems für das autonome Fahrzeug nach einer dritten Ausführungsform der vorliegenden Beschreibung.

The present description will be better understood from the detailed description of the embodiments, with reference to the following attached figures:

1 12 shows a flow diagram of a dynamic speed planning method for an autonomous vehicle according to a first embodiment of the present description.
2 12 shows a flow diagram of a dynamic speed planning method for an autonomous vehicle according to a second embodiment of the present description.
3 FIG. 12 shows a schematic view of an information storage step of the dynamic speed planning method for the autonomous vehicle of FIG 2 .
4 FIG. 12 shows a schematic view of an acceleration limit calculation step of the dynamic speed planning method for the autonomous vehicle of FIG 2
5 FIG. 12 shows a schematic view of an acceleration interval generation step of the dynamic speed planning method for the autonomous vehicle of FIG 2 .
6 FIG. 1 shows a schematic view of the dynamic speed planning method for the autonomous vehicle of FIG 2 , applied to an avoidance of an object in the same lane.
7 FIG. 12 shows a schematic view of an acceleration distribution step of the dynamic speed planning method for the autonomous vehicle of FIG 2 .
8th FIG. 12 shows a schematic view of an acceleration filtering step of the dynamic speed planning method for the autonomous vehicle of FIG 2 .
9 FIG. 12 shows a schematic view of a progressive model, a normal model, and a conservative model of the dynamic speed planning method for the autonomous vehicle of FIG 2 .
10 FIG. 12 shows a schematic view of an adjustment step of the dynamic speed planning method for the autonomous vehicle of FIG 2 .
11 FIG. 12 shows a schematic view of an adaptation step of the dynamic speed planning method for the autonomous vehicle of FIG 2 .
12 12 shows a block diagram of a dynamic speed planning system for the autonomous vehicle according to a third embodiment of the present description.

DETAILLIERTE BESCHREIBUNGDETAILED DESCRIPTION

Die Ausführungsform wird anhand der Zeichnungen beschrieben. Zur Erhöhung der Klarheit werden hierunter einige praktische Details beschrieben. Es ist jedoch zu beachten, dass die vorliegende Beschreibung nicht durch die praktischen Details eingeschränkt werden sollte, d.h. in einigen Ausführungsformen sind die praktischen Details nicht erforderlich. Außerdem werden zur Vereinfachung der Zeichnungen einige herkömmliche Strukturen und Teile einfach dargestellt und können wiederholte Teile mit denselben Bezugszeichen bezeichnet werden.The embodiment will be described with reference to the drawings. For the sake of clarity, some practical details are described below. However, it should be understood that the present description should not be limited by the practical details, that is, in some embodiments the practical details are not required. In addition, to simplify the drawings, some conventional structures and parts are simply shown, and repeated parts may be denoted by the same reference numerals.

Es ist zu beachten, dass, wenn von einem Teil (oder einer Vorrichtung) angegeben wird, dass es mit einem anderen Teil „verbunden ist“, es direkt mit dem anderen Teil verbunden sein kann oder indirekt mit dem anderen Teil verbunden sein kann, d.h. es kann dazwischen eingefügte Teile geben. Wenn dagegen ein Teil als mit einem anderen Teil „direkt verbunden“ bezeichnet wird, so gibt es keine dazwischen eingefügten Teile. Außerdem werden die Begriffe erster, zweiter, dritter etc. hierin verwendet, um verschiedene Teile oder Komponenten zu beschreiben, und diese Teile oder Komponenten sollen durch diese Begriffe nicht eingeschränkt werden. Dementsprechend könnte ein unten besprochenes erstes Teil oder Komponente auch als zweites Teil oder Komponente bezeichnet werden.It should be noted that when a part (or device) is stated to be "connected" to another part, it may be directly connected to the other part or may be indirectly connected to the other part, ie. there may be interspersed parts. Conversely, when a part is said to be "directly connected" to another part, there are no intervening parts. In addition, the terms first, second, third, etc. are used herein to describe various parts or components, and these parts or components are not intended to be limited by these terms. Accordingly, a first part or component discussed below could also be referred to as a second part or component.

Siehe 1. 1 zeigt ein Flussdiagramm einer dynamischen Geschwindigkeitsplanungsmethode 100 für ein autonomes Fahrzeug nach einer ersten Ausführungsform der vorliegenden Beschreibung. Die dynamische Geschwindigkeitsplanungsmethode 100 für das autonome Fahrzeug dient dazu, eine beste Geschwindigkeitskurve 110 des autonomen Fahrzeuges zu planen. Die dynamische Geschwindigkeitsplanungsmethode 100 für das autonome Fahrzeug umfasst die Ausführung eines Informationsspeicherungsschrittes S02, eines Schrittes zur Berechnung einer Beschleunigungsgrenze S04, einen Schritt zur Erzeugung von Beschleunigungskombinationen S06, einen Schritt zur Beschleunigungsfilterung S08 und einen Schritt zur Beschleunigungsglättung S10.Please refer 1 . 1 10 shows a flow chart of a dynamic speed planning method 100 for an autonomous vehicle according to a first embodiment of the present description. The dynamic autonomous vehicle speed planning method 100 is used to plan a best speed curve 110 of the autonomous vehicle. The dynamic speed planning method 100 for the autonomous vehicle includes execution of an information storage step S02, an acceleration limit calculation step S04, an acceleration combination generation step S06, an acceleration filtering step S08, and an acceleration smoothing step S10.

Der Informationsspeicherungsschritt S02 dient dazu, einen Speicher dazu zu veranlassen, eine Hindernisinformation über ein Hindernis zu speichern, eine Straßeninformation und eine Fahrzeuginformation 102 über das autonome Fahrzeug. Die Fahrzeuginformation 102 umfasst eine Ruckbewegungsschwelle und eine Ruckbewegungsschaltfrequenzschwelle. Der Schritt zur Berechnung einer Beschleunigungsgrenze S04 dient dazu, eine Datenverarbeitungseinheit dazu zu veranlassen, die Fahrzeuginformation 102 aus dem Speicher zu empfangen und die Fahrzeuginformation 102 nach einer Berechnungsprozedur zu berechnen, um einen Beschleunigungsgrenzwertbereich 104 des autonomen Fahrzeuges zu erzeugen. Zusätzlich dient der Schritt zur Erzeugung von Beschleunigungskombinationen S06 dazu, die Datenverarbeitungseinheit dazu zu veranlassen, die Hindernisinformation und die Straßeninformation aus dem Speicher zu empfangen und ein Beschleunigungsintervall des autonomen Fahrzeuges entsprechend der Hindernisinformation, der Straßeninformation und dem Beschleunigungsgrenzwertbereich 104 zu planen und dann entsprechend dem Beschleunigungsintervall mehrere Kombinationen 106 zur Beschleunigung des autonomen Fahrzeuges zu erzeugen. Der Schritt zur Beschleunigungsfilterung S08 dient dazu, die Datenverarbeitungseinheit dazu zu veranlassen, die Beschleunigungskombinationen 106 entsprechend der Ruckbewegungsschwelle und der Ruckbewegungsschaltfrequenzschwelle zu filtern, um eine ausgewählte Beschleunigungskombination 108 zu erhalten. Der Schritt zur Beschleunigungsglättung S10 dient dazu, die Datenverarbeitungseinheit dazu zu veranlassen, eine Fahrverhaltensprozedur auszuführen, um die ausgewählte Beschleunigungskombination 108 zu justieren, um die beste Geschwindigkeitskurve 110 zu erzeugen. Die erfindungsgemäße dynamische Geschwindigkeitsplanungsmethode 100 für das autonome Fahrzeug nach der vorliegenden Beschreibung erhält also den Beschleunigungsgrenzwertbereich 104 mit Hilfe der Fahrzeuginformation 102 und des Berechnungsverfahrens und plant dann die Beschleunigungskombinationen 106 durch Integration des Beschleunigungsgrenzwertbereiches 104 mit der Hindernisinformation und der Straßeninformation und verwendet die Beschleunigung als Standard und berücksichtigt die Arbeitsgrenzen des Fahrzeuges, die Fahrzeugdynamik und menschliches Fahrverhalten gleichzeitig, um sich an Änderungen in der Umgebung anzupassen, so dass das zukünftige Verhalten des autonomen Fahrzeuges vorhersehbar ist. Die Einzelheiten der oben erwähnten Schritte werden hierunter in detaillierteren Ausführungsformen beschrieben werden.The information storage step S02 is to cause a memory to store obstacle information about an obstacle, road information, and vehicle information 102 about the autonomous vehicle. The vehicle information 102 includes a jerk threshold and a jerk switching frequency threshold. The step of calculating an acceleration limit S04 serves to cause a data processing unit to receive the vehicle information 102 from the memory and to calculate the vehicle information 102 according to a calculation procedure in order to generate an acceleration limit value range 104 of the autonomous vehicle. In addition, the step of generating acceleration combinations S06 serves to cause the data processing unit to receive the obstacle information and the road information from the memory and to plan an acceleration interval of the autonomous vehicle according to the obstacle information, the road information and the acceleration limit value area 104 and then according to the acceleration interval generate multiple combinations 106 for accelerating the autonomous vehicle. The acceleration filtering step S08 serves to cause the data processing unit to filter the acceleration combinations 106 according to the jerk motion threshold and the jerk motion switching frequency threshold in order to obtain a selected acceleration combination 108 . The acceleration smoothing step S10 serves to cause the data processing unit to execute a driving behavior procedure in order to adjust the selected acceleration combination 108 in order to achieve the best speed ability curve 110 to generate. Thus, the dynamic speed planning method 100 for the autonomous vehicle according to the present invention as described obtains the acceleration limit range 104 using the vehicle information 102 and the calculation method, and then plans the acceleration combinations 106 by integrating the acceleration limit range 104 with the obstacle information and the road information, and using the acceleration as the standard and takes into account the vehicle's working limits, vehicle dynamics and human driving behavior simultaneously to adapt to changes in the environment, so that the future behavior of the autonomous vehicle is predictable. The details of the steps mentioned above will be described below in more detailed embodiments.

Siehe 2 bis 11. 2 zeigt ein Flussdiagramm einer dynamischen Geschwindigkeitsplanungsmethode 100a für ein autonomes Fahrzeug HV nach einer zweiten Ausführungsform der vorliegenden Beschreibung. 3 zeigt eine schematische Ansicht eines Informationsspeicherungsschrittes S12 der dynamischen Geschwindigkeitsplanungsmethode 100a für das autonome Fahrzeug HV der 2. 4 zeigt eine schematische Ansicht eines Schrittes zur Berechnung einer Beschleunigungsgrenze S14 der dynamischen Geschwindigkeitsplanungsmethode 100a für das autonome Fahrzeug HV der 2. 5 zeigt eine schematische Ansicht eines Schrittes zur Erzeugung eines Beschleunigungsintervalls 162 der dynamischen Geschwindigkeitsplanungsmethode für das autonome Fahrzeug HV der 2. 6 zeigt eine schematische Ansicht der dynamischen Geschwindigkeitsplanungsmethode 100a für das autonome Fahrzeug HV der 2, angewandt auf eine Vermeidung eines Objektes auf derselben Fahrbahn. 7 zeigt eine schematische Ansicht eines Beschleunigungsverteilungsschrittes S164 der dynamischen Geschwindigkeitsplanungsmethode 100a für das autonome Fahrzeug HV der 2. 8 zeigt eine schematische Ansicht eines Beschleunigungsfilterungsschrittes S18 der dynamischen Geschwindigkeitsplanungsmethode 100a für das autonome Fahrzeug HV der 2. 9 zeigt eine schematische Ansicht eines progressiven Modells M1, eines normalen Modells M2 und eines konservativen Modells M3 der dynamischen Geschwindigkeitsplanungsmethode 100a für das autonome Fahrzeug HV der 2. 10 zeigt eine schematische Ansicht eines Justierschrittes S202 der dynamischen Geschwindigkeitsplanungsmethode 100a für das autonome Fahrzeug HV der 2. 11 zeigt eine schematische Ansicht eines Anpassschrittes S204 der dynamischen Geschwindigkeitsplanungsmethode 100a für das autonome Fahrzeug HV der 2. In den 2 bis 11 wird die dynamische Geschwindigkeitsplanungsmethode 100a für das autonome Fahrzeug HV ausgeführt, um eine beste Geschwindigkeitskurve 110 des autonomen Fahrzeuges HV zu planen. Die dynamische Geschwindigkeitsplanungsmethode 100a für das autonome Fahrzeug HV umfasst die Ausführung eines Informationsspeicherungsschrittes S12, eines Schrittes zur Berechnung einer Beschleunigungsgrenze S14, eines Schrittes zur Erzeugung von Beschleunigungskombinationen S16, eines Schrittes zur Beschleunigungsfilterung S18 und eines Schrittes zur Beschleunigungsglättung S20 und eines Steuerschrittes S22.Please refer 2 until 11 . 2 10 shows a flowchart of a dynamic speed planning method 100a for an autonomous vehicle HV according to a second embodiment of the present description. 3 FIG. 12 shows a schematic view of an information storage step S12 of the dynamic speed planning method 100a for the autonomous vehicle HV of FIG 2 . 4 FIG. 12 shows a schematic view of a step for calculating an acceleration limit S14 of the dynamic speed planning method 100a for the autonomous vehicle HV of FIG 2 . 5 FIG. 12 shows a schematic view of a step for generating an acceleration interval 162 of the dynamic speed planning method for the autonomous vehicle HV of FIG 2 . 6 shows a schematic view of the dynamic speed planning method 100a for the autonomous vehicle HV of FIG 2 , applied to an avoidance of an object in the same lane. 7 FIG. 12 shows a schematic view of an acceleration distribution step S164 of the dynamic speed planning method 100a for the autonomous vehicle HV of FIG 2 . 8th FIG. 12 shows a schematic view of an acceleration filtering step S18 of the dynamic speed planning method 100a for the autonomous vehicle HV of FIG 2 . 9 FIG. 12 shows a schematic view of a progressive model M1, a normal model M2 and a conservative model M3 of the dynamic speed planning method 100a for the autonomous vehicle HV of FIG 2 . 10 shows a schematic view of an adjustment step S202 of the dynamic speed planning method 100a for the autonomous vehicle HV of FIG 2 . 11 FIG. 12 shows a schematic view of an adaptation step S204 of the dynamic speed planning method 100a for the autonomous vehicle HV of FIG 2 . In the 2 until 11 the dynamic speed planning method 100a for the autonomous vehicle HV is executed to plan a best speed curve 110 of the autonomous vehicle HV. The dynamic speed planning method 100a for the autonomous vehicle HV includes the execution of an information storage step S12, an acceleration limit calculation step S14, an acceleration combination generation step S16, an acceleration filtering step S18 and an acceleration smoothing step S20, and a control step S22.

Der Informationsspeicherungsschritt S12 dient dazu, einen Speicher dazu zu veranlassen, eine Hindernisinformation über ein Hindernis Obj zu speichern, eine Straßeninformation und eine Fahrzeuginformation 102 über das autonome Fahrzeug HV. Im Einzelnen enthält das autonome Fahrzeug HV ein Sensormodul, das dafür eingerichtet ist, die Hindernisinformation, die Straßeninformation und die Fahrzeuginformation 102 zu erfassen, und speichert die Hindernisinformation, die Straßeninformation und die Fahrzeuginformation 102 im Speicher. Die Hindernisinformation umfasst eine Hindernisgeschwindigkeit V_Obj, eine Hindernisbeschleunigung a_Obj und einen Hindernisbeschleunigungsbereich 103 des Hindernisses Obj. Die Straßeninformation umfasst eine Maximalgeschwindigkeitsgrenze Vmax und eine Minimalgeschwindigkeitsgrenze Vmin. Die Fahrzeuginformation 102 umfasst eine Ruckbewegungsschwelle, eine Ruckbewegungsschaltfrequenzschwelle, eine Vorderrad-Kurvensteifigkeit, eine Hinterrad-Kurvensteifigkeit, einen vorderen Radstand, einen hinteren Radstand, eine Fahrzeugträgheit und eine Fahrzeugmasse.The information storage step S12 is to cause a memory to store obstacle information about an obstacle Obj, road information, and vehicle information 102 about the autonomous vehicle HV. Specifically, the autonomous vehicle HV includes a sensor module configured to acquire the obstacle information, the road information, and the vehicle information 102, and stores the obstacle information, the road information, and the vehicle information 102 in memory. The obstacle information includes an obstacle speed V _Obj , an obstacle acceleration a _Obj and an obstacle acceleration range 103 of the obstacle Obj. The road information includes a maximum speed limit Vmax and a minimum speed limit Vmin. The vehicle information 102 includes a jerk threshold, a jerk switching frequency threshold, a front wheel cornering stiffness, a rear wheel cornering stiffness, a front wheelbase, a rear wheelbase, a vehicle inertia, and a vehicle mass.

Der Schritt zur Berechnung einer Beschleunigungsgrenze S14 dient dazu, eine Datenverarbeitungseinheit dazu zu veranlassen, die Fahrzeuginformation 102 aus dem Speicher zu empfangen und die Fahrzeuginformation 102 nach einer Berechnungsprozedur zu berechnen, um einen Beschleunigungsgrenzwertbereich 104 des autonomen Fahrzeuges HV zu erzeugen. Im Einzelnen umfasst der Schritt zur Berechnung einer Beschleunigungsgrenze S14 die Ausführung eines Schrittes zur Berechnung einer Querbeschleunigung S142, eines Schrittes zur Berechnung einer Längsbeschleunigung S144 und eines Schrittes zur Berechnung einer Längsgeschwindigkeit und einer Quergeschwindigkeit S146 umfasst. Der Schritt zur Berechnung einer Querbeschleunigung S142 dient dazu, die Datenverarbeitungseinheit dazu zu veranlassen, die Fahrzeuginformation 102 nach einem Dynamikberechnungsmodell zu berechnen, um eine Querbeschleunigung a_y des autonomen Fahrzeuges HV zu erzeugen. Der Schritt zur Berechnung einer Längsbeschleunigung S144 dient dazu, die Datenverarbeitungseinheit dazu zu veranlassen, die Querbeschleunigung a_y nach einem Reibkreisberechnungsmodell zu berechnen, um eine Längsbeschleunigung a_x des autonomen Fahrzeuges HV zu erzeugen. Der Schritt zur Berechnung der Längsgeschwindigkeit und der Quergeschwindigkeit S146 dient dazu, die Datenverarbeitungseinheit dazu zu veranlassen, die Querbeschleunigung a_y und die Längsbeschleunigung a_x nach einem Kinematikberechnungsmodell zu berechnen, um eine Quergeschwindigkeit v bzw. eine Längsgeschwindigkeit u des autonomen Fahrzeuges HV zu erzeugen.The step of calculating an acceleration limit S14 serves to cause a data processing unit to receive the vehicle information 102 from the memory and to calculate the vehicle information 102 according to a calculation procedure in order to generate an acceleration limit value range 104 of the autonomous vehicle HV. Specifically, the step of calculating an acceleration limit S14 includes executing a step of calculating a lateral acceleration S142, a step of calculating a longitudinal acceleration S144, and a step of calculating a longitudinal speed and a lateral speed S146. The step for calculating a lateral acceleration S142 serves to cause the data processing unit to calculate the vehicle information 102 according to a dynamic calculation model in order to generate a lateral acceleration a _y of the autonomous vehicle HV. The step of calculating a longitudinal acceleration S144 is for data processing cause processing unit to calculate the lateral acceleration a _y according to a friction circle calculation model in order to generate a longitudinal acceleration a _x of the autonomous vehicle HV. The step for calculating the longitudinal speed and the lateral speed S146 serves to cause the data processing unit to calculate the lateral acceleration a _y and the longitudinal acceleration a _x according to a kinematic calculation model in order to generate a lateral speed v and a longitudinal speed u of the autonomous vehicle HV.

Weiter im Einzelnen umfasst das Berechnungsverfahren das Dynamikberechnungsmodell, das Reibkreisberechnungsmodell und das Kinematikberechnungsmodell. Das Dynamikberechnungsmodell als Erstes enthält eine Querkraft F_y, die Fahrzeugmasse m, eine Beschleunigung v, die Längsgeschwindigkeit u, eine Giergeschwindigkeit r, eine Gierwinkelbeschleunigung ṙ, eine Vorderradquerkraft F_yf, eine Hinterradquerkraft Fyr und die Fahrzeugträgheit I_z und genügt der folgenden Gleichung (1): ${\begin{matrix} F_{y} = m (\dot{v} + ur) = F_{yf} + F_{yr} \\ I_{2} \cdot \dot{r} = F_{yf} + F_{yr} \end{matrix}$

More specifically, the calculation method includes the dynamic calculation model, the friction circle calculation model and the kinematic calculation model. The dynamic calculation model first includes a lateral force F _y , the vehicle mass m, an acceleration v, the longitudinal velocity u, a yaw rate r, a yaw angular acceleration ṙ, a front wheel lateral force F _yf , a rear wheel lateral force Fyr and the vehicle inertia I _z and satisfies the following equation (1 ):

{\begin{matrix} f_{y} = m (\dot{v} + ur) = f_{yf} + f_{year} \\ I_{2} \cdot \dot{right} = f_{yf} + f_{year} \end{matrix}

Die Datenverarbeitungseinheit substituiert in der Gleichung (1) die Vorderrad-Kurvensteifigkeit C_αf, die Hinterrad-Kurvensteifigkeit Car, den vorderen Radstand a, den hinteren Radstand b, die Fahrzeugträgheit I_z und die Fahrzeugmasse m aus der Fahrzeuginformation 102 und leitet nach dem Dynamikberechnungsmodell die folgende Gleichung (2) ab: $\frac{d}{dt} [\begin{matrix} v \\ r \end{matrix}] = [\begin{matrix} - \frac{(C_{af} + C_{ar})}{mu} & \frac{{bC}_{ar} - {aC}_{ar}}{mu} - u \\ \frac{{bC}_{ar} - {aC}_{ar}}{I_{z} u} & - \frac{(a^{2} C_{af} + b^{2} C_{ar})}{I_{z} u} \end{matrix}] [\begin{matrix} v \\ r \end{matrix}] + [\begin{matrix} \frac{C_{af}}{m} \\ \frac{{aC}_{af}}{I_{2}} \end{matrix}] δ_{f}$

The data processing unit substitutes in the equation (1) the front wheel cornering stiffness C _αf , the rear wheel cornering stiffness Car, the front wheelbase a, the rear wheelbase b, the vehicle inertia I _z and the vehicle mass m from the vehicle information 102 and, according to the dynamic calculation model, derives the following equation (2) from:

\frac{i.e}{German} [\begin{matrix} v \\ right \end{matrix}] = [\begin{matrix} - \frac{(C_{af} + C_{are})}{mu} & \frac{{bC}_{are} - {aC}_{are}}{mu} - and \\ \frac{{bC}_{are} - {aC}_{are}}{I_{e.g} and} & - \frac{(a^{2} C_{af} + b^{2} C_{are})}{I_{e.g} and} \end{matrix}] [\begin{matrix} v \\ right \end{matrix}] + [\begin{matrix} \frac{C_{af}}{m} \\ \frac{{aC}_{af}}{I_{2}} \end{matrix}] δ_{f}

v ist die Quergeschwindigkeit, δ_f ein Vorderradwinkel und t eine Zeit. die Datenverarbeitungseinheit führt eine Matrizenmultiplikation aus und eine Entwicklung zur Gleichung (2), und nach Umordnung wird die Querbeschleunigung a_y erhalten, die der folgenden Gleichung (3) genügt: $\begin{array}{l} \frac{dv}{dt} = (- \frac{(C_{af} + C_{ar})}{mu}) v + (\frac{{bC}_{ar} - {aC}_{ar}}{mu} - u_{0}) r + (\frac{C_{af}}{m}) δ_{r} \\ = \frac{C_{af}}{m} (δ_{f} - \frac{v - ar}{u}) + \frac{C_{ar}}{m} (- \frac{v - br}{u}) - ur = a_{y} \end{array}$

v is lateral velocity, δ _f is a front wheel angle, and t is time. the data processing unit performs a matrix multiplication and an expansion to equation (2), and after rearranging the lateral acceleration a _y is obtained that satisfies the following equation (3):

\begin{array}{l} \frac{dv}{German} = (- \frac{(C_{af} + C_{are})}{mu}) v + (\frac{{bC}_{are} - {aC}_{are}}{mu} - {and}_{0}) right + (\frac{C_{af}}{m}) δ_{right} \\ = \frac{C_{af}}{m} (δ_{f} - \frac{v - are}{and}) + \frac{C_{are}}{m} (- \frac{v - br}{and}) - ur = a_{y} \end{array}

Sodann enthält das Reibkreisberechnungsmodell eine maximal zur Verfügung stehende Längskraft F_x,max, eine Längskraft F_x, eine maximal zur Verfügung stehende Querkraft F_y,max, eine Querkraft F_y, eine maximale Längsbeschleunigung a_x,max, die Längsbeschleunigung a_x, und die Querbeschleunigung a_y, und genügt der folgenden Gleichung (4). Die Datenverarbeitungseinheit schiftet und eliminiert die Gleichung (4) zur Erzeugung der Längsbeschleunigung a_x, die der folgenden Gleichung (5) genügt: ${(\frac{F_{x}}{F_{x, max}})}^{2} + {(\frac{F_{y}}{F_{y, max}})}^{2} = {(\frac{{ma}_{x}}{{ma}_{x, max}})}^{2} + {(\frac{{ma}_{y}}{{ma}_{y, max}})}^{2} = 1$

a_{x} = a_{x, max} \times \sqrt{1 - {(\frac{a_{y}}{a_{y, max}})}^{2}}

The friction circle calculation model then contains a maximum available longitudinal force F _x,max , a longitudinal force F _x , a maximum available lateral force F _y,max , a lateral force F _y , a maximum longitudinal acceleration a _x,max , the longitudinal acceleration a _x , and is the lateral acceleration a _y , and satisfies the following equation (4). The data processing unit shifts and eliminates equation (4) to produce the longitudinal acceleration a _x that satisfies the following equation (5):

{(\frac{f_{x}}{f_{x, Max}})}^{2} + {(\frac{f_{y}}{f_{y, Max}})}^{2} = {(\frac{{mom}_{x}}{{mom}_{x, Max}})}^{2} + {(\frac{{mom}_{y}}{{mom}_{y, Max}})}^{2} = 1

a_{x} = a_{x, Max} \times \sqrt{1 - {(\frac{a_{y}}{a_{y, Max}})}^{2}}

Schließlich enthält das Kinematikberechnungsmodell eine Geschwindigkeit V, eine Anfangsgeschwindigkeit Vo, die Beschleunigung V̇ und die Zeit t und genügt der folgenden Gleichung (6). Die Datenverarbeitungseinheit erzeugt die Längsgeschwindigkeit u und die Quergeschwindigkeit v, die der folgenden Gleichung (7) genügen, nach dem Kinematikberechnungsmodell: $V = V_{0} + \dot{V} t$

{\begin{matrix} u = \sqrt{u_{0}^{2} + 2 a_{x} S} \\ v = \sqrt{v_{0}^{2} + 2 a_{y} S} \end{matrix}

Finally, the kinematic calculation model contains a velocity V, an initial velocity Vo, the acceleration V̇ and the time t and satisfies the following equation (6). The data processing unit generates the longitudinal speed u and the lateral speed v that satisfy the following equation (7) according to the kinematic calculation model:

V = V_{0} + \dot{V} t

{\begin{matrix} and = \sqrt{{and}_{0}^{2} + 2 a_{x} S} \\ v = \sqrt{v_{0}^{2} + 2 a_{y} S} \end{matrix}

S ist ein Abstand, u₀ eine Anfangslängsgeschwindigkeit und v₀ eine Anfangsquergeschwindigkeit. Die dynamische Geschwindigkeitsplanungsmethode 100a für das autonome Fahrzeug HV der vorliegenden Beschreibung erzeugt also die Querbeschleunigung a_y mit der Fahrzeuginformation 102 und dem Dynamikberechnungsmodell und erzeugt dann die Längsbeschleunigung a_x mit dem Reibkreisberechnungsmodell und erzeugt schließlich die Längsgeschwindigkeit u und die Quergeschwindigkeit v mit dem Kinematikberechnungsmodell. Es sei darauf hingewiesen, dass die beiden Beschleunigungen a_HV der Fahrzeuginformation 102 in einer Längsrichtung X und einer Querrichtung Y auf einem zukünftigen Weg die oben erwähnte Längsbeschleunigung a_x bzw. die Querbeschleunigung a_y sind. Zwei Geschwindigkeiten V_HV der Fahrzeuginformation 102 in der Längsrichtung X und der Querrichtung Y sind die oben erwähnte Längsgeschwindigkeit u bzw. Quergeschwindigkeit v. Der Bereich der Beschleunigungen a_HV der Fahrzeuginformation 102 ist der Beschleunigungsgrenzwertbereich 104 des autonomen Fahrzeuges HV.S is a distance, u ₀ is an initial longitudinal velocity, and v ₀ is an initial lateral velocity. The dynamic speed planning method 100a for the autonomous vehicle HV of the present description thus generates the lateral acceleration a _y with the vehicle information 102 and the dynamic calculation model and then generates the longitudinal acceleration a _x with the friction circle calculation model and finally generates the longitudinal speed u and the lateral speed v with the kinematic calculation model. It should be noted that the two accelerations a _HV of the vehicle information 102 in a longitudinal direction X and a lateral direction Y on a future route are the longitudinal acceleration a _x and the lateral acceleration a _y mentioned above, respectively. Two speeds V _HV of the vehicle information 102 in the longitudinal direction X and the lateral direction Y are the above-mentioned longitudinal speed u and lateral speed v, respectively. The area of the accelerations a _HV of the vehicle information 102 is the acceleration limit value area 104 of the autonomous vehicle HV.

Der Schritt zur Erzeugung von Beschleunigungskombinationen S16 umfasst die Ausführung eines Schrittes zur Erzeugung eines Beschleunigungsintervalls S162 und eines Beschleunigungsverteilungsschrittes S164. Der Schritt zur Erzeugung eines Beschleunigungsintervalls S162 umfasst die Ausführung eines Hinderniseinschränkungsschrittes S1622 und eines Straßeneinschränkungsschrittes S1624. Der Hinderniseinschränkungsschritt S1622 wird zur Einschränkung des Beschleunigungsgrenzwertbereiches 104 des autonomen Fahrzeuges HV entsprechend der Hindernisinformation ausgeführt, um ein Anfangsbeschleunigungsintervall 104a zu erzeugen. Der Straßeneinschränkungsschritt S1624 wird zur Einschränkung des Anfangsbeschleunigungsintervalles 104a entsprechend der Straßeninformation ausgeführt, um ein Beschleunigungsintervall 105 zu erzeugen. Im Einzelnen schränkt die Datenverarbeitungseinheit den Beschleunigungsgrenzwertbereich 104 aufgrund des Hindernisbeschleunigungsbereiches 103 (d.h. des Bereichs der Hindernisbeschleunigung a_Obj) der Hindernisinformation ein, um das Anfangsbeschleunigungsintervall 104a zu erzeugen. Dann extrahiert die Datenverarbeitungseinheit den Beschleunigungsgrenzwertbereich 104 aufgrund der Maximalgeschwindigkeitsgrenze Vmax und der Minimalgeschwindigkeitsgrenze Vmin, um das Beschleunigungsintervall 105 zu erzeugen. Die dynamische Geschwindigkeitsplanungsmethode 100a für das autonome Fahrzeug HV der vorliegenden Beschreibung verwendet also die Straßeninformation und die Hindernisinformation in einer gewöhnlichen Fahrbahn, um den Beschleunigungsgrenzwertbereich 104 des autonomen Fahrzeuges HV weiter einzuschränken, um den anwendbaren Beschleunigungsgrenzwertbereich für das autonome Fahrzeug HV zu berechnen (d.h. das Beschleunigungsintervall 105).The acceleration combination generation step S16 includes the execution of an acceleration generation step ment interval S162 and an acceleration distribution step S164. The step of generating an acceleration interval S162 includes executing an obstacle restriction step S1622 and a road restriction step S1624. Obstacle restriction step S1622 is executed to restrict the acceleration limit range 104 of the autonomous vehicle HV according to the obstacle information to generate an initial acceleration interval 104a. The road restriction step S1624 is executed to restrict the initial acceleration interval 104a according to the road information to generate an acceleration interval 105a. More specifically, the data processing unit restricts the acceleration limit range 104 based on the obstacle acceleration range 103 (ie, the range of obstacle acceleration a _Obj ) of the obstacle information to generate the initial acceleration interval 104a. Then the data processing unit extracts the acceleration limit range 104 based on the maximum speed limit Vmax and the minimum speed limit Vmin to generate the acceleration interval 105 . The dynamic speed planning method 100a for the autonomous vehicle HV of the present description thus uses the road information and the obstacle information in an ordinary roadway to further constrain the acceleration limit range 104 of the autonomous vehicle HV to calculate the applicable acceleration limit range for the autonomous vehicle HV (i.e. the acceleration interval 105).

Ferner umfasst der Beschleunigungsverteilungsschritt S164 die Ausführung eines Verteilungsschrittes S1642 und eines Zielpunktkombinationsschrittes S1644. Der Verteilungsschritt S1642 dient dazu, mehrere Beschleunigungsgruppen G1, G2, G3, G4 entsprechend einem festgelegten Zeitintervall und dem Beschleunigungsintervall 105 zu erzeugen und jede der Beschleunigungsgruppen G1, G2, G3, G4 entsprechend einem festgelegten Beschleunigungsintervall zu verteilen, um mindestens einen Beschleunigungszielpunkt a_T zu erzeugen. Der Zielpunktkombinationsschritt S1644 dient dazu, nacheinander den mindestens einen Beschleunigungszielpunkt a_T jeder der Beschleunigungsgruppen G1, G2, G3, G4 zu kombinieren, um mehrere Beschleunigungskombinationen 106 zu erzeugen. Wenn beispielsweise das festgelegte Beschleunigungsintervall 1 m/s² beträgt und das festgelegte Zeitintervall 0,1 s als Standard beträgt, ist das Beschleunigungsintervall 105 eines ersten Wegpunktes des autonomen Fahrzeuges HV [1, 1] m/s² und hat nur einen Beschleunigungswert (d.h. den Beschleunigungszielpunkt a_T). Dann wird der nächste Wegpunkt eines Beschleunigungswertes entsprechend dem ersten Wegpunkt berechnet und das nächste Beschleunigungsintervall 105 ist [-3, 5] m/s², das in 9 Arten von Beschleunigungswerten -3, -2, -1 , 0, 1, 2, 3, 4 und 5 m/s² unterteilt werden kann. Ähnlich wird ein anderer Wegpunkt eines Beschleunigungswertes entsprechend dem laufenden Wegpunkt berechnet und das andere Beschleunigungsintervall 105 ist [-4, 8] m/s² etc. (wie in 7 dargestellt) und wird nicht im Einzelnen beschrieben, ist jedoch nicht auf die vorliegende Beschreibung eingeschränkt.Further, the acceleration distribution step S164 includes execution of a distribution step S1642 and a target point combining step S1644. The distribution step S1642 is to generate a plurality of acceleration groups G1, G2, G3, G4 according to a fixed time interval and the acceleration interval 105 and to distribute each of the acceleration groups G1, G2, G3, G4 according to a fixed acceleration interval to at least one acceleration target point a _T generate. The purpose of the target point combination step S1644 is to sequentially combine the at least one acceleration target point a _T of each of the acceleration groups G1, G2, G3, G4 in order to generate a plurality of acceleration combinations 106. For example, if the specified acceleration interval is 1 m/s ² and the specified time interval is 0.1 s as the default, the acceleration interval 105 of a first waypoint of the autonomous vehicle is HV[1, 1] m/s ² and has only one acceleration value (ie the acceleration target point a _T ). Then the next waypoint of an acceleration value corresponding to the first waypoint is calculated and the next acceleration interval 105 is [-3, 5] m/s ² , which is divided into 9 kinds of acceleration values -3, -2, -1 , 0, 1, 2, 3, 4 and 5 m/s ² can be subdivided. Similarly, another waypoint is calculated an acceleration value corresponding to the current waypoint and the other acceleration interval 105 is [-4, 8] m/s ² etc. (as in 7 shown) and will not be described in detail, but is not limited to the present description.

Der Beschleunigungsfilterungsschritt S18 dient dazu, die Datenverarbeitungseinheit dazu zu veranlassen, die Beschleunigungskombinationen 106 entsprechend der Ruckbewegungsschwelle und der Ruckbewegungsschaltfrequenzschwelle zu filtern, um eine ausgewählte Beschleunigungskombination 108 zu erhalten. Insbesondere umfasst jede der oben erwähnten Beschleunigungskombinationen 106 eine maximale Ruckbewegung. Die maximale Ruckbewegung jeder der Beschleunigungskombinationen 106 ist kleiner oder gleich der Ruckbewegungsschwelle. Die maximale Ruckbewegung jeder der Beschleunigungskombinationen 106 wird mit Jmax bezeichnet. Die Ruckbewegungsschwelle wird mit J_threshold bezeichnet und genügt der folgenden Gleichung (8): $J_{max} \leq J_{threshold}$

The acceleration filtering step S18 serves to cause the data processing unit to filter the acceleration combinations 106 according to the jerk motion threshold and the jerk motion switching frequency threshold in order to obtain a selected acceleration combination 108 . In particular, each of the acceleration combinations 106 mentioned above includes a maximum jerk movement. The maximum jerk of each of the acceleration combinations 106 is less than or equal to the jerk threshold. The maximum jerk of each of the acceleration combinations 106 is denoted by Jmax. The jerk threshold is denoted by J _threshold and satisfies the following equation (8):

J_{Max} \leq J_{threshold}

Im Einzelnen umfassen die Beschleunigungskombinationen 106 eine Beschleunigungskombination 1061 und eine Beschleunigungskombination 1062. Die Ruckbewegungsschwelle J_threshold kann 20 m/s² betragen. In der Beschleunigungskombination 1061 wird der erste Ruck von ungefähr 10 m/s² von 1 m/s² bis 2 m/s² erzeugt und der letzte Ruck (d.h. der maximale Ruck Jmax der Beschleunigungskombination 1061) von ungefähr 20 m/s² von 3 m/s² bis 1 m/s² erzeugt. In der Beschleunigungskombination 1062 wird der erste Ruck (d.h. der maximale Ruck Jmax der Beschleunigungskombination 1062) von ungefähr 40 m/s² von 1 m/s² bis -3 m/s² erzeugt und der letzte Ruck von ungefähr 20 m/s² von 1 m/s² bis -1 m/s² erzeugt. Deshalb sondert die Datenverarbeitungseinheit die oben erwähnte Beschleunigungskombination 1062 aufgrund der Ruckbewegungsschwelle J_threshold aus.In detail, the acceleration combinations 106 include an acceleration combination 1061 and an acceleration combination 1062. The jerk movement threshold J _threshold can be 20 m/s ² . In the acceleration combination 1061, the first jerk of about 10 m/s ² is generated from 1 m/s ² to 2 m/s ² and the last jerk (ie the maximum jerk Jmax of the acceleration combination 1061) of about 20 m/s ² from 3 m/s ² to 1 m/s ² generated. In the acceleration combination 1062, the first jerk (ie the maximum jerk Jmax of the acceleration combination 1062) of about 40 m/s ² is generated from 1 m/s ² to -3 m/s ² and the last jerk of about 20 m/s ² generated from 1 m/s ² to -1 m/s ² . Therefore, the data processing unit discards the above-mentioned acceleration combination 1062 based on the jerk _threshold Jthreshold.

Weiterhin umfasst die Fahrzeuginformation 102 außerdem die Ruckbewegungsschaltfrequenzschwelle, die im Speicher gespeichert ist. Jede der oben erwähnten Beschleunigungskombinationen 106 umfasst außerdem eine Ruckbewegungsschaltfrequenz, Insbesondere ist die Ruckbewegungsschaltfrequenz jeder der Beschleunigungskombinationen 106 kleiner oder gleich der Ruckbewegungsschaltfrequenzschwelle, und wird mit Jfrequency bezeichnet, und die Ruckbewegungsschaltfrequenzschwelle wird mit f_threshold bezeichnet und genügt der folgenden Gleichung (9): $\sum Jfrequency \leq f_{threshold}$

Further, the vehicle information 102 also includes the jerk switching frequency threshold stored in memory. Each of the acceleration combinations 106 mentioned above also includes a jerk switching frequency. Specifically, the jerk switching frequency of each of the acceleration combinations 106 is less than or equal to the jerk switching frequency threshold and is denoted Jfrequency, and the jerk switching frequency threshold is denoted by f _threshold and satisfies the following equation (9):

\sum Jfrequency \leq f_{threshold}

Im Einzelnen kann die Ruckbewegungsschaltfrequenzschwelle f_threshold 2 betragen. Wenn der Ruck zwischen positiven und negativen Werten umgeschaltet wird, wird die Ruckbewegungsschaltfrequenzschwelle Jfrequency einmal pro Zeit akkumuliert. In der Beschleunigungskombination 1061 wechselt der Beschleunigungszielpunkt a_T vom Anfangswert 1 m/s² auf 2 m/s². Dann wechselt der Beschleunigungszielpunkt a_T vom Anfangswert 1 m/s² auf 2 m/s². Dann wechselt der Beschleunigungszielpunkt a_T von 2 m/s² auf 3 m/s² und dann von 3 m/s² auf 1 m/s². Die Ruckbewegungsschaltfrequenzschwelle Jfrequency der Beschleunigungskombination 1061 ist 0. In der Beschleunigungskombination 1062 wechselt der Beschleunigungszielpunkt a_T vom Anfangswert 1 m/s² auf -3 m/s². Dann wechselt der Beschleunigungszielpunkt a_T vom Anfangswert -3 m/s² auf 1 m/s² und dann von 1 m/s² auf -1 m/s². Die Ruckbewegungsschaltfrequenzschwelle Jfrequency der Beschleunigungskombination 1062 ist 3. Die Datenverarbeitungseinheit sondert daher die oben erwähnte Beschleunigungskombination 1062 aufgrund der Ruckbewegungsschaltfrequenzschwelle f_threshold aus. Die dynamische Geschwindigkeitsplanungsmethode 100a für das autonome Fahrzeug HV der vorliegenden Beschreibung filtert also die Beschleunigungskombinationen 106 der Fahrzeugdynamik entsprechend der Ruckbewegungsschwelle J_threshold und der Ruckbewegungsschaltfrequenzschwelle f_threshold, um die ausgewählte Beschleunigungskombination 108 zu erhalten (d.h. die Beschleunigungskombination 1061).Specifically, the jerk motion switching frequency _threshold fthreshold may be 2. When the jerk is switched between positive and negative values, the jerk switching frequency threshold Jfrequency is accumulated once per time. In the acceleration combination 1061, the acceleration target point a _T changes from the initial value of 1 m/s ² to 2 m/s ² . Then the acceleration target point a _T changes from the initial value 1 m/s ² to 2 m/s ² . Then the acceleration target point a _T changes from 2 m/s ² to 3 m/s ² and then from 3 m/s ² to 1 m/s ² . The jerk switching frequency threshold Jfrequency of the acceleration combination 1061 is 0. In the acceleration combination 1062 the acceleration target point a _T changes from the initial value 1 m/s ² to -3 m/s ² . Then the acceleration target point a _T changes from the initial value -3 m/s ² to 1 m/s ² and then from 1 m/s ² to -1 m/s ² . The jerk switching frequency threshold Jfrequency of the acceleration combination 1062 is 3. The computing unit therefore discards the above-mentioned acceleration combination 1062 based on the jerk switching frequency _threshold fthreshold. The dynamic speed planning method 100a for the autonomous vehicle HV of the present description thus filters the acceleration combinations 106 of the vehicle dynamics according to the jerk motion threshold J _threshold and the jerk motion switching frequency threshold f _threshold to obtain the selected acceleration combination 108 (ie the acceleration combination 1061).

Der Schritt zur Beschleunigungsglättung S20 dient dazu, die Datenverarbeitungseinheit dazu zu veranlassen, die Fahrverhaltensprozedur auszuführen, um die ausgewählte Beschleunigungskombination 108 zu justieren, um die beste Geschwindigkeitskurve 110 zu erzeugen. Die Fahrverhaltensprozedur wird entsprechend einer Beschleunigung a, einer Geschwindigkeit V und einem Lenkradwinkel θ in das progressive Modell M1, das normale Modell M2 und das konservative Modell M3 klassifiziert. Außerdem umfasst der Schritt zur Beschleunigungsglättung S20 einen Justierschritt S202 und einen Anpassschritt S204. Der Justierschritt S202 dient dazu, die ausgewählte Beschleunigungskombination 108 nach einem der oben erwähnten Modelle, dem progressiven Modell M1, dem normalen Modell M2 oder dem konservativen Modell M3, einzustellen, um eine künstliche Beschleunigungskombination 108a zu erzeugen. Die künstliche Beschleunigungskombination 108a umfasst mehrere optimale Beschleunigungen a_f1, a_f2, a_f3, a_f4. Der Anpassschritt S204 dient der Integration und Glättung jeder der optimalen Beschleunigungen a_f1, a_f2, a_f3, a_f4 der künstlichen Beschleunigungskombination 108a, um sie der besten Geschwindigkeitskurve 110 anzupassen.The acceleration smoothing step S20 serves to cause the data processing unit to execute the driving behavior procedure to adjust the selected acceleration combination 108 in order to generate the best speed curve 110. The driving behavior procedure is classified into the progressive model M1, the normal model M2 and the conservative model M3 according to an acceleration α, a speed V and a steering wheel angle θ. In addition, the acceleration smoothing step S20 includes an adjustment step S202 and an adaptation step S204. The adjustment step S202 serves to adjust the selected acceleration combination 108 according to one of the above-mentioned models, the progressive model M1, the normal model M2 or the conservative model M3, in order to generate an artificial acceleration combination 108a. The artificial acceleration combination 108a includes a plurality of optimal accelerations a _f1 , a _f2 , a _f3 , a _f4 . The adaptation step S204 serves to integrate and smooth each of the optimal accelerations a _f1 , a _f2 , a _f3 , a _f4 of the artificial acceleration combination 108a in order to adapt them to the best speed curve 110 .

Im Einzelnen enthält jedes der oben erwähnten Modelle, das progressive Modell M1, das normale Modell M2 und das konservative Modell M3, eine Trendkurve C. Die Datenverarbeitungseinheit justiert die Beschleunigungszielpunkte a_T1, a_T2, a_T3, a_T4 der künstlichen Beschleunigungskombination 108 auf die der Trendkurve C entsprechend optimalen Beschleunigungen a_f1, a_f2, a_f3, a_f4 eines der Modelle, des progressiven Modells M1, des normalen Modells M2 oder des konservativen Modells M3, die jeweils der ausgewählten Beschleunigungskombination 108 ähnelt. Beispielsweise wird der Beschleunigungszielpunkt a_T2 (-3 m/s²) auf die beste Beschleunigung a_f2 (-2 m/s²) justiert. Schließlich wird die künstliche Beschleunigungskombination 108a durch ein Integrationsverfahren in eine Geschwindigkeitskombination 108b konvertiert. Die Geschwindigkeitskombination 108b wird kurvenangepasst, um die Geschwindigkeitskombination 108b zu glätten und die beste Geschwindigkeitskurve 110 zu erzeugen. Der Steuerschritt S22 dient der Steuerung des autonomen Fahrzeuges HV durch einen Automatikfahrtparameter, der auf der besten Geschwindigkeitskurve 110 beruht. Die Einzelheiten des Steuerschrittes S22 gehören zur herkömmlichen Technik und werden hierin nicht nochmals beschrieben.In detail, each of the above-mentioned models, the progressive model M1, the normal model M2 and the conservative model M3, contains a trend curve C. The data processing unit adjusts the acceleration target points a _T1 , a _T2 , a _T3 , a _T4 of the artificial acceleration combination 108 to the the trend curve C corresponding to optimal accelerations a _f1 , a _f2 , a _f3 , a _f4 of one of the progressive model M1, the normal model M2 or the conservative model M3, each similar to the selected acceleration combination 108. For example, the acceleration target point a _T2 (-3 m/s ² ) is adjusted to the best acceleration a _f2 (-2 m/s ² ). Finally, the artificial acceleration combination 108a is converted into a velocity combination 108b by an integration process. The velocity combination 108b is curve fitted to smooth the velocity combination 108b and produce the best velocity curve 110. The control step S22 is used to control the autonomous vehicle HV using an automatic driving parameter that is based on the best speed curve 110 . The details of the control step S22 belong to the conventional art and will not be described again here.

Die dynamische Geschwindigkeitsplanungsmethode 100a für das autonome Fahrzeug HV der vorliegenden Beschreibung ändert also eine Beschleunigungsänderungsrate durch die Fahrverhaltensprozedur, um die künstliche Beschleunigungskombination 108a zu erhalten und passt dann die Geschwindigkeitskombination 108b einer glatten Kurve an, um den Steuerstoß zu beseitigen, der durch die Probleme einer diskontinuierlichen Geschwindigkeit verursacht wird. Die Kollisionszeit zwischen dem autonomen Fahrzeug HV und dem Hindernis Obj kann außerdem nach der besten Geschwindigkeitskurve 110 abgeschätzt werden, so dass die Wechselwirkungsbeziehung zwischen dem autonomen Fahrzeug HV und dem Hindernis Obj vorhergesagt werden kann.Thus, the dynamic speed planning method 100a for the autonomous vehicle HV of the present specification changes an acceleration change rate through the driving behavior procedure to obtain the artificial acceleration combination 108a and then adjusts the speed combination 108b of a smooth curve to eliminate the control shock caused by the problems of a discontinuous speed is caused. The collision time between the autonomous vehicle HV and the obstacle Obj can also be estimated according to the best speed curve 110, so that the interaction relationship between the autonomous vehicle HV and the obstacle Obj can be predicted.

Siehe die 2 bis 12. 12 zeigt ein Blockdiagramm eines dynamischen Geschwindigkeitsplanungssystems 200 für das autonome Fahrzeug HV nach einer dritten Ausführungsform der vorliegenden Beschreibung. Das dynamische Geschwindigkeitsplanungssystem 200 für das autonome Fahrzeug HV ist dafür eingerichtet, die beste Geschwindigkeitskurve 110 des autonomen Fahrzeuges HV zu planen und umfasst ein Sensormodul 300, einen Speicher 400 und eine Datenverarbeitungseinheit 500.See the 2 until 12 . 12 12 shows a block diagram of a dynamic speed planning system 200 for the autonomous vehicle HV according to a third embodiment of the present description. The dynamic speed planning system 200 for the autonomous vehicle HV is configured to plan the best speed curve 110 of the autonomous vehicle HV and includes a sensor module 300, a memory 400 and a data processing unit 500.

Das Sensormodul 300 ist dafür eingerichtet, die Hindernisinformation, die Straßeninformation und die Fahrzeuginformation 102 zu erfassen und die Hindernisinformation, die Straßeninformation und die Fahrzeuginformation 102 im Speicher 400 zu speichern. Die Hindernisinformation umfasst die Hindernisgeschwindigkeit V_Obj, die Hindernisbeschleunigung a_Obj. Die Straßeninformation umfasst die Maximalgeschwindigkeitsgrenze Vmax und die Minimalgeschwindigkeitsgrenze Vmin. Die Fahrzeuginformation 102 umfasst die Ruckbewegungsschwelle, die Ruckbewegungsschaltfrequenzschwelle, die Vorderrad-Kurvensteifigkeit, die Hinterrad-Kurvensteifigkeit, den vorderen Radstand, den hinteren Radstand, die Fahrzeugträgheit und die Fahrzeugmasse des autonomen Fahrzeuges HV. Das oben erwähnte Sensormodul 300 kann ein GPS, ein Gyroskop, ein Hodometer, ein Tachometer, eine Trägheitsmesseinheit (IMU), ein LiDAR, ein Radar und eine Kamera umfassen. Das Sensormodul 300 gehört der herkömmlichen Technik an und wird hierin nicht nochmals beschrieben.The sensor module 300 is configured to acquire the obstacle information, the road information and the vehicle information 102 and to store the obstacle information, the road information and the vehicle information 102 in the memory 400 . The obstacle information includes the obstacle velocity V _Obj , the obstacle acceleration a _Obj . The road information includes the maximum speed limit Vmax and the minimum speed limit Vmin. The vehicle information 102 includes the jerk threshold, the jerk switching frequency threshold, the front wheel cornering stiffness, the rear wheel cornering stiffness, the front wheelbase, the rear wheelbase, the vehicle inertia and the vehicle mass of the autonomous vehicle HV. The aforementioned sensor module 300 may include a GPS, gyroscope, odometer, tachometer, inertial measurement unit (IMU), LiDAR, radar, and camera. The sensor module 300 is well known in the art and will not be described again herein.

Der Speicher 400 ist dafür eingerichtet, auf eine Hindernisinformation des Hindernisses Obj zuzugreifen, auf die Straßeninformation 102 und auf die Fahrzeuginformation über das autonome Fahrzeug HV, das Berechnungsverfahren und die Fahrverhaltensprozedur. Die Fahrverhaltensprozedur wird entsprechend der Beschleunigung a, der Geschwindigkeit V und dem Lenkradwinkel θ in das progressive Modell M1, das normale Modell M2 und das konservative Modell M3 klassifiziert. Die Fahrzeuginformation 102 umfasst die Ruckbewegungsschwelle J_threshold und die Ruckbewegungsschaltfrequenzschwelle f_threshold des autonomen Fahrzeuges HV.The storage 400 is configured to access obstacle information of the obstacle Obj, the road information 102, and the vehicle information about the autonomous vehicle HV, the calculation method, and the driving behavior procedure. The handling procedure is classified into the progressive model M1, the normal model M2 and the conservative model M3 according to the acceleration α, the speed V and the steering wheel angle θ. The vehicle information 102 includes the jerk motion threshold J _threshold and the jerk motion switching frequency threshold f _threshold of the autonomous vehicle HV.

Die Datenverarbeitungseinheit 500 ist mit dem Speicher 400 und dem Sensormodul 300 elektrisch verbunden. Die Datenverarbeitungseinheit 500 ist dafür eingerichtet, die dynamische Geschwindigkeitsplanungsmethode 100, 100a für das autonome Fahrzeug HV zu implementieren. Die Datenverarbeitungseinheit 500 kann ein Mikroprozessor, eine elektronische Steuereinheit (ECU), ein Computer, eine mobile Vorrichtung oder andere Rechnereinheit sein.The data processing unit 500 is electrically connected to the memory 400 and the sensor module 300 . The data processing unit 500 is set up to implement the dynamic speed planning method 100, 100a for the autonomous vehicle HV. Data processing unit 500 may be a microprocessor, electronic control unit (ECU), computer, mobile device, or other computing unit.

Das dynamische Geschwindigkeitsplanungssystem 200 für das autonome Fahrzeug HV der vorliegenden Beschreibung verwendet also die Hindernisinformation, die Straßeninformation und die Fahrzeuginformation 102 zur Planung der Beschleunigungskombinationen 106, die für das autonome Fahrzeug HV möglich sind, und filtert die Beschleunigungskombinationen 106 in die künstliche Beschleunigungskombination 108a, die für ein den Ruckbewegungsgrenzen entsprechendes Fahrverhalten geeignet sind, um sich Umgebungsänderungen in der Zukunft anzupassen und den Komfort von Fahrgästen zu verbessern.Thus, the dynamic speed planning system 200 for the autonomous vehicle HV of the present description uses the obstacle information, the road information and the vehicle information 102 to plan the acceleration combinations 106 that are possible for the autonomous vehicle HV and filters the acceleration combinations 106 into the artificial acceleration combination 108a that are suitable for a driving behavior corresponding to the jerk movement limits in order to adapt to environmental changes in the future and to improve the comfort of passengers.

Zusammenfassend hat die vorliegende Beschreibung die folgenden Vorteile: Erstens wird der Beschleunigungsgrenzwertbereich durch die Fahrzeuginformation und das Berechnungsverfahren erhalten und die Beschleunigungskombination durch Integration der Hindernisinformation mit der Straßeninformation geplant. Die Beschleunigung wird als Standard verwendet und die vorliegende Beschreibung berücksichtigt die Arbeitsgrenzen des Fahrzeuges, die Fahrzeugdynamik und das menschliche Fahrverhalten gleichzeitig, um sich an Umweltänderungen anzupassen. Zweitens werden die möglichen Beschleunigungskombinationen entsprechend der Ruckbewegungsschwelle und der Ruckbewegungsschaltfrequenzschwelle gefiltert, um die Beschleunigungsänderungsrate zu verringern und den Komfort von Fahrgästen zu verbessern. Drittens kann die Geschwindigkeitsplanung, die Änderungen in der Umgebung berücksichtigen kann, Situationen bewältigen, die von üblichen, kommerziellen Fahrzeugsystemen nicht bewältigt werden können, wie Auftreten von Hindernissen, Fahrbahnwechsel etc. Die vorliegende Beschreibung macht ein Planungssystem fürein autonomes Fahrzeug robuster und sicherer gegenüber Umgebungsänderungen.In summary, the present description has the following advantages: First, the acceleration limit range is obtained by the vehicle information and the calculation method, and the acceleration combination is planned by integrating the obstacle information with the road information. Acceleration is used as a standard and the present specification takes into account vehicle working limits, vehicle dynamics and human driving behavior simultaneously to adapt to environmental changes. Second, the possible acceleration combinations are filtered according to the jerk motion threshold and the jerk motion switching frequency threshold to reduce the acceleration rate of change and improve passenger comfort. Third, the speed planning, which can take into account changes in the environment, can handle situations that cannot be handled by standard commercial vehicle systems, such as encountering obstacles, changing lanes, etc. The present description makes a planning system for an autonomous vehicle more robust and safer against environmental changes.

Claims

Dynamic autonomous vehicle speed planning method executed to plan the best speed curve of the autonomous vehicle, the dynamic autonomous vehicle speed planning method comprising: performing an information storing step for causing a memory to store obstacle information about an obstacle, road information and store vehicle information about the autonomous vehicle, the vehicle information comprising a jerk motion threshold and a jerk motion switching frequency threshold, performing a step of calculating an acceleration limit to cause a data processing unit to receive the vehicle information from the memory and to calculate the vehicle information according to a calculation procedure, to generate an acceleration limit range of the autonomous vehicle, performing a step of generating acceleration combinations , to cause the data processing unit to block the hind receiving planning information and the road information from the memory, and planning an acceleration interval of the autonomous vehicle according to the obstacle information, the road information and the acceleration limit range, and then generating a plurality of combinations of acceleration of the autonomous vehicle according to the acceleration interval, performing an acceleration filtering step to enable the data processing unit thereto causing the acceleration combinations to be filtered according to the jerk motion threshold and the jerk motion switching frequency threshold to obtain a selected acceleration combination, and performing an acceleration smoothing step to cause the computing unit to perform a drivability procedure to adjust the selected acceleration combination to be the best to generate a velocity curve.

Dynamic speed planning method for the autonomous vehicle Claim 1 wherein the vehicle information also includes front wheel cornering stiffness, rear wheel cornering stiffness, front wheelbase, rear wheelbase, vehicle inertia, and vehicle mass.

Dynamic speed planning method for the autonomous vehicle Claim 1 , in which the step of calculating an acceleration limit comprises: performing a step of calculating a lateral acceleration to cause the data processing unit to calculate the vehicle information according to a dynamic calculation model in order to generate a lateral acceleration of the autonomous vehicle performing a step of calculating a Longitudinal acceleration to cause the data processing unit to calculate the vehicle information according to a friction circle calculation model to generate a longitudinal acceleration of the autonomous vehicle, and the execution of a step for calculating a longitudinal speed and a lateral speed to cause the data processing unit to calculate the lateral acceleration and the Calculate longitudinal acceleration according to a kinematics calculation model in order to generate a longitudinal speed or a lateral speed of the autonomous vehicle.

Dynamic speed planning method for the autonomous vehicle Claim 1 , in which the step of generating acceleration combinations comprises: executing a step of generating an acceleration interval, the step of generating an acceleration interval being implemented by the data processing unit and comprising: executing an obstacle restriction step for restricting the acceleration limit value range of the autonomous vehicle HV according to the obstacle information to generate an initial acceleration interval, and executing a road restriction step of restricting the initial acceleration interval according to the road information to generate the acceleration interval.

Dynamic speed planning method for the autonomous vehicle patent claim 4 wherein the step of generating acceleration combinations further comprises: performing an acceleration distribution step, wherein the acceleration distribution step is implemented by the data processing unit and comprises: performing a distribution step to generate a plurality of acceleration groups according to a specified time interval and the acceleration interval and each of the acceleration groups accordingly a specified acceleration interval to generate at least one acceleration target point, and performing a target point combining step for sequentially combining the at least one acceleration target point of each of the acceleration groups to generate the acceleration combinations.

Dynamic speed planning method for the autonomous vehicle Claim 1 wherein each of the acceleration combinations includes a maximum jerk and a jerk switching frequency, the jerk threshold being denoted J _threshold , the maximum jerk of each of the acceleration combinations being denoted Jmax, the jerk switching frequency threshold being denoted Jfrequency, and the jerk switching frequency threshold being denoted f _threshold and the following equation satisfies:

J_{Max} \leq J_{threshold}

and ΣJfrequency ≤ f _threshold .

Dynamic speed planning method for the autonomous vehicle Claim 1 wherein the acceleration smoothing step comprises: performing an adjustment step to adjust the selected acceleration combination according to a adjusting among a progressive model, a normal model and a conservative model to generate an artificial acceleration combination, the artificial acceleration combination including multiple optimal accelerations, and performing an adjustment step to integrate and smooth the optimal accelerations of the artificial acceleration combination, to match the best speed curve.

Dynamic speed planning system for an autonomous vehicle configured to plan the best speed curve of the autonomous vehicle, the dynamic speed planning system comprising: a memory configured to access obstacle information about an obstacle, road information, and vehicle information about the autonomous vehicle, a calculation procedure, and a driving behavior procedure, the vehicle information including a jerk threshold and a jerk switching frequency threshold, and a data processing unit electrically connected to the memory, the data processing unit being configured to implement a dynamic speed planning method for an autonomous vehicle, comprising: performing an acceleration limit calculation step to calculate the vehicle information after the calculation procedure to generate an acceleration limit range of the autonomous vehicle, the execution of a step for generating acceleration combinations in order to determine an acceleration interval of the autonomous vehicle according to the obstacle information, plan the road information and the acceleration limit range, and then generate multiple acceleration combinations of the autonomous vehicle according to the acceleration interval, performing an acceleration filtering step to filter the acceleration combinations according to the jerk motion threshold and the jerk motion switching frequency threshold to obtain a selected acceleration combination, and performing an acceleration smoothing step to perform the drivability procedure to adjust the selected acceleration combination to produce the best speed curve.

Dynamic speed planning system for the autonomous vehicle patent claim 8 wherein the vehicle information also includes front wheel cornering stiffness, rear wheel cornering stiffness, front wheelbase, rear wheelbase, vehicle inertia, and vehicle mass.

Dynamic speed planning system for the autonomous vehicle patent claim 8 wherein the memory includes a dynamics calculation model, a friction circle calculation model and a kinematics calculation model, and the acceleration limit calculation step comprises: executing a lateral acceleration calculation step to calculate the vehicle information according to the dynamics calculation model to generate a lateral acceleration of the autonomous vehicle , the execution of a step for calculating a longitudinal acceleration to calculate the vehicle information according to the friction circle calculation model to generate a longitudinal acceleration of the autonomous vehicle, and the execution of a step for calculating a longitudinal speed and a lateral speed to calculate the lateral acceleration and the longitudinal acceleration according to the kinematic calculation model to calculate in order to generate a transverse speed or a longitudinal speed of the autonomous vehicle.

Dynamic speed planning system for the autonomous vehicle patent claim 8 , in which the data processing unit is arranged to implement an acceleration interval generation step, the acceleration interval generation step comprising: executing an obstacle restriction step for restricting the acceleration limit range of the autonomous vehicle according to the obstacle information to generate an initial acceleration interval, and the Executing a road constraint step for constraining the initial acceleration interval according to the road information to generate an acceleration interval 105.

Dynamic speed planning system for the autonomous vehicle Claim 11 , in which the data processing unit is set up to implement an acceleration distribution step, the acceleration distribution step comprising: performing a distribution step to generate a plurality of acceleration groups according to a specified time interval and the acceleration interval and to distribute each of the acceleration groups according to a specified acceleration interval to at least one generate acceleration target point, and performing a target point combining step to sequentially combine the at least one acceleration target point of each of the acceleration groups to generate the acceleration combinations.

Dynamic speed planning system for the autonomous vehicle patent claim 8 , in which each of the acceleration combinations includes a maximum jerk motion and a jerk motion switching frequency, wherein the jerk _threshold is denoted Jthreshold, the maximum jerk motion of each of the acceleration combinations is denoted Jmax, the jerk switching frequency of each of the acceleration combinations is denoted Jfrequency, and the jerk switching frequency _threshold is denoted fthreshold is denoted and satisfies the following equation:

J_{Max} \leq J_{threshold}

and ΣJfrequency ≤ f _threshold .

Dynamic speed planning system for the autonomous vehicle patent claim 8 , in which the data processing unit is set up to implement the step of smoothing acceleration, the step of smoothing acceleration comprising: performing an adjustment step to adjust the selected combination of accelerations according to one of a progressive model, a normal model and a conservative model in order to generating an artificial acceleration combination, the artificial acceleration combination including a plurality of optimal accelerations, and performing an adjustment step to integrate and smooth the optimal accelerations of the artificial acceleration combination to fit the best velocity curve.