TWI780953B - 基於雲端運算之隊列跟車決策系統及其決策方法 - Google Patents

基於雲端運算之隊列跟車決策系統及其決策方法 Download PDF

Info

Publication number
TWI780953B
TWI780953B TW110138463A TW110138463A TWI780953B TW I780953 B TWI780953 B TW I780953B TW 110138463 A TW110138463 A TW 110138463A TW 110138463 A TW110138463 A TW 110138463A TW I780953 B TWI780953 B TW I780953B
Authority
TW
Taiwan
Prior art keywords
vehicle
processing unit
cloud
acceleration
leading
Prior art date
Application number
TW110138463A
Other languages
English (en)
Other versions
TW202318330A (zh
Inventor
徐祥傑
許琮明
Original Assignee
財團法人車輛研究測試中心
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 財團法人車輛研究測試中心 filed Critical 財團法人車輛研究測試中心
Priority to TW110138463A priority Critical patent/TWI780953B/zh
Application granted granted Critical
Publication of TWI780953B publication Critical patent/TWI780953B/zh
Publication of TW202318330A publication Critical patent/TW202318330A/zh

Links

Images

Landscapes

  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本發明提供一種基於雲端運算之隊列跟車決策系統，其用以決策領導車輛及成員車輛之複數隊列加速度。雲端運算處理單元接收領導車端參數組與成員車端參數組，並實施包含雲端決策步驟，其依據領導車端參數組判斷領導車輛是否為手駕而產生駕駛模式判斷結果；依據領導車加速度範圍及成員車加速度範圍運算求得行駛操作加速度範圍；依據領導車端參數組預估出補償加速度；依據駕駛模式判斷結果與行駛操作加速度範圍及補償加速度之至少一者運算出隊列加速度。藉此，透過雲端實現隊列跟車縱向決策、多障礙物闖入決策及延遲自我診斷。

Description

基於雲端運算之隊列跟車決策系統及其決策方法
本發明是關於一種隊列跟車決策系統及其決策方法，特別是關於一種基於雲端運算之隊列跟車決策系統及其決策方法。
無論是物流貨運或運輸接駁領域，駕駛的工時與人力配置係為營業成本的重要考量，若載具具有自駕隊列能力，將能有效提升營運以及載客效率。由於自駕車的隊列運用可減少對人力的需求，且商業運輸有著較單純的應用場景，故目前許多國際大廠均已投入研發車隊，希望能盡早實現商用化的自駕隊列跟車。
現行自駕隊列決策技術可分為幾個方向，其一為隊列依前車行車路徑與預設路徑之誤差修正，其二為後車依前車車輛中心線、夾角及車道中心線修正定位，其三為隊列後車被單一障礙物闖入後之隊列協控決策。然而，這些決策應用於實際隊列跟車時仍遇到許多瓶頸及問題，例如：縱向未考量隊列各車之延遲狀況、手自駕切換時未考量各車加速度之合理性、多個障礙物闖入隊列之合理決策等。由此可知，目前市場上缺乏一種具雲端整合決策、具延遲自我診斷、具多障礙物闖入考量且可適應性調整合理加速度的基於雲端運算之隊列跟車決策系統及其決策方法，故相關業者均在尋求其解決之道。
因此，本發明之目的在於提供一種基於雲端運算之隊列跟車決策系統及其決策方法，其透過特殊之雲端加速度決策及車端延遲診斷之結合實現隊列跟車縱向決策、多障礙物闖入決策及延遲自我診斷，不但可有效節能並增加隊列安全性，還可降低硬體及駕駛人力之成本。
依據本發明的結構態樣之一實施方式提供一種基於雲端運算之隊列跟車決策系統，其用以決策領導車輛及至少一成員車輛之複數隊列加速度。基於雲端運算之隊列跟車決策系統包含領導車端運算處理單元、至少一成員車端運算處理單元及雲端運算處理單元。其中領導車端運算處理單元設置於領導車輛且用以產生領導車端參數組，領導車端參數組包含領導車加速度範圍。此至少一成員車端運算處理單元設置於此至少一成員車輛且用以產生至少一成員車端參數組，此至少一成員車端參數組包含至少一成員車加速度範圍。雲端運算處理單元訊號連接領導車端運算處理單元及此至少一成員車端運算處理單元並接收領導車端參數組與此至少一成員車端參數組。雲端運算處理單元經配置以實施包含雲端決策步驟，且雲端決策步驟包含駕駛模式判斷步驟、雲端參數均勻化步驟、雲端加速度預估步驟及隊列加速度運算步驟。其中駕駛模式判斷步驟係依據領導車端參數組判斷領導車輛是否為手駕而產生駕駛模式判斷結果。雲端參數均勻化步驟係包含依據領導車加速度範圍及此至少一成員車加速度範圍運算求得行駛操作加速度範圍。雲端加速度預估步驟係依據領導車端參數組預估出補償加速度。隊列加速度運算步驟係依據駕駛模式判斷結果與行駛操作加速度範圍及補償加速度之至少一者運算出此些隊列加速度。
藉此，本發明的基於雲端運算之隊列跟車決策系統利用雲端參數均勻化步驟及雲端加速度預估步驟實現不同駕駛模式下的隊列跟車縱向決策及多障礙物闖入決策，不但可有效節能並增加隊列安全性，還可降低硬體及駕駛人力之成本。
依據本發明的結構態樣之另一實施方式提供一種基於雲端運算之隊列跟車決策系統，其用以決策領導車輛及至少一成員車輛之複數隊列加速度。基於雲端運算之隊列跟車決策系統包含領導車端運算處理單元、至少一成員車端運算處理單元以及雲端運算處理單元。其中領導車端運算處理單元設置於領導車輛且用以產生領導車端參數組，領導車端參數組包含領導車加速度範圍。此至少一成員車端運算處理單元設置於此至少一成員車輛且用以產生至少一成員車端參數組，此至少一成員車端參數組包含至少一成員車加速度範圍。雲端運算處理單元訊號連接領導車端運算處理單元及此至少一成員車端運算處理單元並接收領導車端參數組及此至少一成員車端參數組。雲端運算處理單元經配置以實施包含雲端決策步驟，且雲端決策步驟包含依據領導車端參數組、領導車加速度範圍及至少一成員車加速度範圍運算產生駕駛模式判斷結果、行駛操作加速度範圍及補償加速度，然後依據駕駛模式判斷結果與行駛操作加速度範圍及補償加速度之至少一者運算出此些隊列加速度。此外，領導車端運算處理單元及此至少一成員車端運算處理單元之一者經配置以實施包含一延遲診斷步驟，且延遲診斷步驟包含診斷領導車端運算處理單元及此至少一成員車端運算處理單元之此者與雲端運算處理單元之間的訊號延遲時間是否小於等於延遲時間預設值而產生延遲診斷結果。
藉此，本發明的基於雲端運算之隊列跟車決策系統透過特殊之雲端加速度決策及車端延遲診斷之結合實現隊列跟車縱向決策、多障礙物闖入決策及延遲自我診斷，不但可有效節能並增加隊列安全性，還可降低硬體及駕駛人力之成本。
依據本發明的方法態樣之一實施方式提供一種基於雲端運算之隊列跟車決策方法，其用以決策領導車輛及至少一成員車輛之複數隊列加速度。基於雲端運算之隊列跟車決策方法包含以下步驟：雲端決策步驟。雲端決策步驟包含駕駛模式判斷步驟、雲端參數均勻化步驟、雲端加速度預估步驟以及隊列加速度運算步驟。駕駛模式判斷步驟係驅動雲端運算處理單元依據領導車端參數組判斷領導車輛是否為手駕而產生駕駛模式判斷結果。雲端參數均勻化步驟係包含驅動雲端運算處理單元依據領導車加速度範圍及至少一成員車加速度範圍運算求得行駛操作加速度範圍。雲端加速度預估步驟係驅動雲端運算處理單元依據領導車端參數組預估出補償加速度。隊列加速度運算步驟係驅動雲端運算處理單元依據駕駛模式判斷結果與行駛操作加速度範圍及補償加速度之至少一者運算出此些隊列加速度。
藉此，本發明的基於雲端運算之隊列跟車決策方法利用雲端參數均勻化步驟及雲端加速度預估步驟實現不同駕駛模式下的隊列跟車縱向決策及多障礙物闖入決策，不但可有效節能並增加隊列安全性，還可降低硬體及駕駛人力之成本。
以下將參照圖式說明本發明之複數個實施例。為明確說明起見，許多實務上的細節將在以下敘述中一併說明。然而，應瞭解到，這些實務上的細節不應用以限制本發明。也就是說，在本發明部分實施例中，這些實務上的細節是非必要的。此外，為簡化圖式起見，一些習知慣用的結構與元件在圖式中將以簡單示意的方式繪示之；並且重複之元件將可能使用相同的編號表示之。
此外，本文中當某一元件(或單元或模組等)「連接」於另一元件，可指所述元件是直接連接於另一元件，亦可指某一元件是間接連接於另一元件，意即，有其他元件介於所述元件及另一元件之間。而當有明示某一元件是「直接連接」於另一元件時，才表示沒有其他元件介於所述元件及另一元件之間。而第一、第二、第三等用語只是用來描述不同元件，而對元件本身並無限制，因此，第一元件亦可改稱為第二元件。且本文中之元件/單元/電路之組合非此領域中之一般周知、常規或習知之組合，不能以元件/單元/電路本身是否為習知，來判定其組合關係是否容易被技術領域中之通常知識者輕易完成。
請一併參閱第1圖、第2圖、第3圖及第4圖，其中第1圖係繪示本發明之第一實施例之基於雲端運算之隊列跟車決策系統100的示意圖；第2圖係繪示第1圖之基於雲端運算之隊列跟車決策系統100的局部方塊示意圖；第3圖係繪示第1圖之基於雲端運算之隊列跟車決策系統100之雲端決策步驟S02的示意圖；及第4圖係繪示第3圖之雲端決策步驟S02之駕駛模式判斷步驟S022、雲端參數均勻化步驟S024、雲端加速度預估步驟S026及隊列加速度運算步驟S028的流程示意圖。如圖所示，基於雲端運算之隊列跟車決策系統100用以決策一領導車輛200及至少一成員車輛300之複數隊列加速度 a f ，且包含領導車輛200、領導車端運算處理單元210、通訊裝置220、定位裝置230、感測裝置240、成員車輛300、成員車端運算處理單元310、通訊裝置320、定位裝置330、感測裝置340及雲端運算平台400。
領導車端運算處理單元210、通訊裝置220、定位裝置230及感測裝置240設置於領導車輛200，領導車端運算處理單元210訊號連接通訊裝置220、定位裝置230及感測裝置240。領導車端運算處理單元210用以產生一領導車端參數組212，且領導車端參數組212包含領導車加速度範圍(
Figure 02_image001
,
Figure 02_image003
)，其中 i為1，亦即(
Figure 02_image005
,
Figure 02_image007
)， L代表加速度最小值， U代表加速度最大值；通訊裝置220用以使領導車端運算處理單元210跟外界通訊；定位裝置230用以定位領導車輛200，如全球定位系統(Global Positioning System，GPS)；感測裝置240用以感測領導車輛200之周圍環境。此外，本實施例之領導車端參數組212包含當前座標、通訊延遲、車端載重、底盤延遲、車端速度、車端加速度、油門煞車百分比、方向盤角度、當前前車加速度、車速限制、道路曲率及道路坡度，其中車端加速度包含領導車加速度範圍(
Figure 02_image005
,
Figure 02_image007
)，但本發明不以此為限。
成員車端運算處理單元310、通訊裝置320及定位裝置330設置於成員車輛300，成員車端運算處理單元310訊號連接通訊裝置320與定位裝置330。成員車端運算處理單元310用以產生一成員車端參數組312，且成員車端參數組312包含成員車加速度範圍(
Figure 02_image001
,
Figure 02_image003
)，其中 i為2至 N之一者， N代表領導車輛200及成員車輛300之車輛總數且為大於等於2之正整數，亦即成員車加速度範圍(
Figure 02_image001
,
Figure 02_image003
)=(
Figure 02_image009
,
Figure 02_image011
)~(
Figure 02_image013
,
Figure 02_image015
)；通訊裝置320用以使成員車端運算處理單元310跟外界通訊；定位裝置330用以定位成員車輛300，如GPS；感測裝置340可有可無，當有感測裝置340設置於成員車輛300時，感測裝置340訊號連接成員車端運算處理單元310且用以感測成員車輛300之周圍環境。此外，本實施例之成員車端參數組312包含當前座標、通訊延遲、車端載重、底盤延遲、車端速度、車端加速度、車速限制、道路曲率及道路坡度，其中車端加速度包含成員車加速度範圍(
Figure 02_image009
,
Figure 02_image011
)~(
Figure 02_image013
,
Figure 02_image015
)，但本發明不以此為限。
雲端運算平台400包含雲端運算處理單元410，雲端運算處理單元410訊號連接領導車端運算處理單元210及至少一成員車端運算處理單元310並接收領導車端參數組212及此至少一成員車端參數組312。領導車端運算處理單元210與成員車端運算處理單元310分別透過通訊裝置220、320訊號連接雲端運算處理單元410。雲端運算處理單元410經配置以實施包含接收訊號步驟S01與雲端決策步驟S02。接收訊號步驟S01係確認是否接收車端要求訊號。若是，則接收車端參數組(如領導車端參數組212、成員車端參數組312)並執行雲端決策步驟S02；若否，則重新執行接收訊號步驟S01。此外，雲端決策步驟S02包含駕駛模式判斷步驟S022、雲端參數均勻化步驟S024、雲端加速度預估步驟S026及隊列加速度運算步驟S028。駕駛模式判斷步驟S022係依據領導車端參數組212判斷領導車輛200是否為手駕而產生駕駛模式判斷結果。雲端參數均勻化步驟S024係包含依據領導車加速度範圍(
Figure 02_image005
,
Figure 02_image007
)及至少一成員車加速度範圍(
Figure 02_image009
,
Figure 02_image011
)~(
Figure 02_image013
,
Figure 02_image015
)運算求得行駛操作加速度範圍(
Figure 02_image017
,
Figure 02_image019
)。雲端加速度預估步驟S026係依據領導車端參數組212預估出補償加速度 a pa 。隊列加速度運算步驟S028係依據駕駛模式判斷結果與行駛操作加速度範圍(
Figure 02_image017
,
Figure 02_image019
)及補償加速度 a pa 之至少一者運算出此些隊列加速度 a f 。藉此，本發明的基於雲端運算之隊列跟車決策系統100利用雲端參數均勻化步驟S024及雲端加速度預估步驟S026實現不同駕駛模式下的隊列跟車縱向決策。以下為詳細的實施例來說明上述各步驟之細節。
請一併參閱第1圖、第2圖、第3圖、第4圖及第5圖，其中第5圖係繪示第4圖之雲端加速度預估步驟S026的流程示意圖。如圖所示，駕駛模式判斷步驟S022為「領導車為手駕?」，其係依據領導車端參數組212之當前座標、通訊延遲、道路曲率、道路坡度、底盤延遲、車端加速度及車端載重判斷領導車輛200是否為手駕而產生駕駛模式判斷結果。若是，則執行雲端加速度預估步驟S026；若否，則執行雲端參數均勻化步驟S024。駕駛模式判斷結果為兩種，一種是領導車輛200為自駕模式，另一種是領導車輛200為手駕模式。
雲端參數均勻化步驟S024包含複數個步驟S0241、S0242a、S0242b、S0243a、S0243b、S0244a、S0244b、S0244c、S0245，其中步驟S0241為「參數均勻化」，其係依據領導車加速度範圍(
Figure 02_image005
,
Figure 02_image007
)及至少一成員車加速度範圍(
Figure 02_image009
,
Figure 02_image011
)~(
Figure 02_image013
,
Figure 02_image015
)運算求得均勻化加速度範圍參數( a min , a max )，其中均勻化加速度範圍參數( a min , a max )符合下列式子(1)、(2)：
Figure 02_image021
(1)；
Figure 02_image023
(2)。
其中 max代表取最大值， min代表取最小值。此外，領導車端運算處理單元210用以產生領導車端控制延遲時間
Figure 02_image025
與領導車端通訊延遲時間
Figure 02_image027
。至少一成員車端運算處理單元310用以產生至少一成員車端控制延遲時間(
Figure 02_image029
)與至少一成員車端通訊延遲時間
Figure 02_image031
。領導車端通訊延遲時間
Figure 02_image027
及成員車端通訊延遲時間
Figure 02_image031
分別符合下列式子(3)、(4)：
Figure 02_image033
(3)；
Figure 02_image035
(4)。
其中 C代表通訊狀態。此外，步驟S0242a為「計算車隊通訊延遲時間」，其係依據領導車端通訊延遲時間
Figure 02_image027
與至少一成員車端通訊延遲時間
Figure 02_image031
計算出通訊延遲時間
Figure 02_image037
。通訊延遲時間
Figure 02_image037
為領導車端通訊延遲時間
Figure 02_image027
與至少一成員車端通訊延遲時間
Figure 02_image031
之集合。再者，步驟S0242b為「計算車隊控制延遲時間」，其係依據領導車端控制延遲時間
Figure 02_image025
及至少一成員車端控制延遲時間(
Figure 02_image029
)計算出控制延遲時間
Figure 02_image039
。控制延遲時間
Figure 02_image039
符合下列式子(5)：
Figure 02_image041
(5)。
其中 a代表一加速度。此外，領導車端參數組212包含車端速度 V、車端載重 m i 及道路坡度。步驟S0243a為「計算車隊載重響應時間」，其係依據車端速度 V、車端初始速度 V 0、車端外力 F i 及車端載重 m i 計算出載重響應時間
Figure 02_image043
。步驟S0243b為「計算車隊坡度變化時間」，其係依據車端速度 V、車端初始速度 V 0、車端外力 F i 、車端載重 m i 及道路坡度計算出坡度變化時間
Figure 02_image045
。載重響應時間
Figure 02_image043
與坡度變化時間
Figure 02_image045
運算得到車隊載重坡度響應時間(
Figure 02_image047
)，且車隊載重坡度響應時間(
Figure 02_image047
)符合下列式子(6)~(10)：
Figure 02_image049
(6)；
Figure 02_image051
(7)；
Figure 02_image053
(8)；
Figure 02_image055
(9)；
Figure 02_image057
(10)。
其中
Figure 02_image059
分別代表驅動力、滾動阻力、正向摩擦力、空氣阻力及道路坡度。此外，步驟S0244a為「給定均勻化範圍下計算反應時間」，其係依據車端速度 V、車端初始速度 V 0及均勻化加速度範圍參數( a min , a max )計算反應時間
Figure 02_image061
、
Figure 02_image063
。反應時間
Figure 02_image061
、
Figure 02_image063
符合下列式子(11)：
Figure 02_image065
(11)。
步驟S0244b為「計算車隊總延遲時間」，其係依據反應時間
Figure 02_image061
、
Figure 02_image063
、控制延遲時間
Figure 02_image039
、通訊延遲時間
Figure 02_image037
及車隊載重坡度響應時間(
Figure 02_image047
)計算出總延遲時間範圍(
Figure 02_image067
,
Figure 02_image069
)。總延遲時間範圍(
Figure 02_image067
,
Figure 02_image069
)符合下列式子(12)：
Figure 02_image071
(12)。
步驟S0244c為「依據總延遲時間調整加速度範圍」與「( a pa ,
Figure 02_image017
,
Figure 02_image019
)/(
Figure 02_image017
,
Figure 02_image019
)」，其係依據車端速度 V及總延遲時間範圍(
Figure 02_image067
,
Figure 02_image069
)計算出行駛操作加速度範圍(
Figure 02_image017
,
Figure 02_image019
)。行駛操作加速度範圍(
Figure 02_image017
,
Figure 02_image019
)符合下列式子(13)：
Figure 02_image073
(13)。
在步驟S0244c中，當駕駛模式判斷結果是領導車輛200為自駕模式時，輸出行駛操作加速度範圍(
Figure 02_image017
,
Figure 02_image019
)；當駕駛模式判斷結果是領導車輛200為手駕模式時，輸出行駛操作加速度範圍(
Figure 02_image017
,
Figure 02_image019
)及補償加速度 a pa 。
步驟S0245為「隊列跟車加速度命令
Figure 02_image075
使用二次規劃法解微分聯立方程式」，其係將領導車端參數組212與成員車端參數組312之道路曲率、車速限制及目標隊列跟車時距當作限制條件，並使用二次規劃法(Quadratic Programming；QP)解微分聯立方程式
Figure 02_image075
，以求得隊列跟車加速度 u之最佳解。方程式之參數矩陣
Figure 02_image077
、
Figure 02_image079
、
Figure 02_image081
、
Figure 02_image083
及隊列跟車加速度 u符合下列式子(14)，其中
Figure 02_image085
代表取樣時間；
Figure 02_image087
代表控制命令反應延遲時間，亦即命令由引擎到輪胎之反應時間；
Figure 02_image089
代表本車位置；
Figure 02_image091
代表本車速度；
Figure 02_image093
代表本車加速度；
Figure 02_image095
代表加速度命令。至於二次規劃法之細節為習知技術，故不再贅述。
Figure 02_image097
(14)。
雲端加速度預估步驟S026係依據領導車端參數組212預估出補償加速度 a pa 。詳細地說，雲端加速度預估步驟S026包含步驟S0262、S0264、S0266。其中步驟S0262為「執行前車速度預估模組」，其係將領導車端參數組212之道路曲率、車速限制、油門煞車百分比及當前前車加速度傳送至前車速度預估模組，使前車速度預估模組依據道路曲率、車速限制、油門煞車百分比及當前前車加速度運算而產生一前車預估速度。步驟S0264為「利用卡爾曼濾波模型預測t＞T之前車加速度(T=當前時間)」，其係利用卡爾曼濾波模型運算前車預估速度而產生未來前車加速度(即t＞T之前車加速度)；步驟S0266為「預估 a pa 」，其依據當前前車加速度與未來前車加速度預估出對應隊列之補償加速度 a pa 。
隊列加速度運算步驟S028係依據駕駛模式判斷結果與行駛操作加速度範圍(
Figure 02_image017
,
Figure 02_image019
)及補償加速度 a pa 之至少一者運算出此些隊列加速度 a f 。詳細地說，在隊列加速度運算步驟S028中，當駕駛模式判斷結果是領導車輛200為自駕模式時，雲端運算處理單元410依據行駛操作加速度範圍(
Figure 02_image017
,
Figure 02_image019
)及步驟S0245之隊列跟車加速度 u運算出此些隊列加速度 a f 。其中隊列加速度 a f 符合下列式子(15)：
Figure 02_image099
(15)。
其中
Figure 02_image101
代表其他條件。當駕駛模式判斷結果是領導車輛200為手駕模式時，雲端運算處理單元410依據行駛操作加速度範圍(
Figure 02_image017
,
Figure 02_image019
)及補償加速度 a pa 運算出此些隊列加速度 a f 。其中隊列加速度 a f 符合下列式子(16)：
Figure 02_image103
(16)。
藉此，本發明的基於雲端運算之隊列跟車決策系統100利用雲端參數均勻化步驟S024及雲端加速度預估步驟S026實現不同駕駛模式下的隊列跟車縱向決策，不但可有效節能並增加隊列安全性，還可降低硬體及駕駛人力之成本。
請一併參閱第1圖、第2圖、第3圖、第4圖、第5圖及第6圖，其中第6圖係繪示本發明之第二實施例之基於雲端運算之隊列跟車決策系統100a的示意圖。如圖所示，基於雲端運算之隊列跟車決策系統100a用以決策一領導車輛200及至少一成員車輛300之複數隊列加速度 a f ，且包含領導車輛200、領導車端運算處理單元210a、通訊裝置220、定位裝置230、感測裝置240、警示裝置250、成員車輛300、成員車端運算處理單元310a、通訊裝置320、定位裝置330、感測裝置340、警示裝置350及雲端運算平台400。其中領導車輛200、通訊裝置220、定位裝置230、感測裝置240、成員車輛300、通訊裝置320、定位裝置330、感測裝置340、雲端運算處理單元400之接收訊號步驟S11及雲端決策步驟S12與第2圖之基於雲端運算之隊列跟車決策系統100的領導車輛200、通訊裝置220、定位裝置230、感測裝置240、成員車輛300、通訊裝置320、定位裝置330、感測裝置340、雲端運算處理單元400之接收訊號步驟S01及雲端決策步驟S02相同，不再贅述。第6圖之領導車端運算處理單元210a及至少一成員車端運算處理單元310a之一者經配置以實施包含一延遲診斷步驟S14a及至少一延遲診斷步驟S14b之一者，且延遲診斷步驟S14a及至少一延遲診斷步驟S14b之此者包含診斷領導車端運算處理單元210a及至少一成員車端運算處理單元310a之此者與雲端運算處理單元410之間的一訊號延遲時間是否小於等於一延遲時間預設值而產生一延遲診斷結果。警示裝置250、350分別訊號連接領導車端運算處理單元210a及成員車端運算處理單元310a。警示裝置250、350依據延遲診斷結果決定是否提供一警示訊號。
領導車端運算處理單元210a經配置以實施包含延遲診斷步驟S14a。延遲診斷步驟S14a包含診斷領導車端運算處理單元210a與雲端運算處理單元410之間的一訊號延遲時間是否小於等於一延遲時間預設值而產生一延遲診斷結果。具體而言，延遲診斷步驟S14a更包含驅動領導車端運算處理單元210a接收此些隊列加速度 a f ，領導車端運算處理單元210a對應領導車輛200。當延遲診斷結果為訊號延遲時間小於等於延遲時間預設值時，執行步驟S16a。步驟S16a為「加速度縱向控制」，其係驅動領導車端運算處理單元210a依據此些隊列加速度 a f 控制領導車輛200之加速度；反之，當延遲診斷結果為訊號延遲時間大於延遲時間預設值時，執行步驟S18a。步驟S18a為「警示駕駛人為介入」，其係驅動警示裝置250提供警示訊號，以警示駕駛。
成員車端運算處理單元310a經配置以實施包含延遲診斷步驟S14b。延遲診斷步驟S14b包含診斷成員車端運算處理單元310a與雲端運算處理單元410之間的一訊號延遲時間是否小於等於一延遲時間預設值而產生一延遲診斷結果。具體而言，延遲診斷步驟S14b更包含驅動成員車端運算處理單元310a接收此些隊列加速度 a f ，成員車端運算處理單元310a對應成員車輛300。當延遲診斷結果為訊號延遲時間小於等於延遲時間預設值時，執行步驟S16b。步驟S16b為「加速度縱向控制」，其係驅動成員車端運算處理單元310a依據此些隊列加速度 a f 控制成員車輛300之加速度；反之，當延遲診斷結果為訊號延遲時間大於延遲時間預設值時，執行步驟S18b。步驟S18b為「警示駕駛人為介入」，其係驅動警示裝置350提供警示訊號，以警示駕駛。
請一併參閱第6圖、第7圖及第8圖，其中第7圖係繪示第6圖之延遲診斷步驟S14a、S14b之訊號延遲時間T對應訊號路徑的示意圖；以及第8圖係繪示第6圖之延遲診斷步驟S14a、S14b之訊號延遲時間T估測的流程示意圖。如圖所示，訊號延遲時間T等於訊號發送時間T Send、訊號運算時間T Compute及訊號接收時間T Receive之加總，其中訊號發送時間T Send代表訊號由車端傳送至雲端所需的時間；訊號運算時間T Compute代表訊號在雲端運算所需的時間；訊號接收時間T Receive代表訊號由雲端傳送至車端所需的時間。上述車端可對應第1圖之領導車輛200或成員車輛300，雲端可對應第1圖之雲端運算平台400。再者，訊號延遲時間T可透過發送參數Sindex與接收參數Rindex運算求得，如第8圖所示。具體而言，在車端中，車端上傳發送參數Sindex(發送參數Sindex=1)、接收參數Rindex(接收參數Rindex=1)及延遲次數N i(初始之延遲次數N i=1)至雲端，然後雲端回傳「Rindex=Sindex+1」至車端。車端會於固定周期(例如100 ms)確認發送參數Sindex是否不等於接收參數Rindex。若是(即發送參數Sindex不等於接收參數Rindex)，則車端會計算「T=N i×(100 ms)」並診斷訊號延遲時間T是否小於等於延遲時間預設值，然後執行N i=1；若否(即發送參數Sindex等於接收參數Rindex)，則車端會計算「T=N i×(100 ms)」並診斷訊號延遲時間T是否小於等於延遲時間預設值，然後執行N i=N i+1。延遲時間預設值可依需求設定，而一實施例之延遲時間預設值可為300 ms，但本發明不以此為限。
藉此，本發明的基於雲端運算之隊列跟車決策系統100a利用延遲診斷步驟S14a及延遲診斷步驟S14b確認訊號延遲時間T是否在容許之延遲時間預設值內，以實現延遲自我診斷。若訊號延遲時間T沒有在容許之延遲時間預設值內，則系統發出警示訊號，藉以保護隊列安全。
請一併參閱第1圖、第2圖、第3圖及第9圖，其中第9圖係繪示本發明之第三實施例之基於雲端運算之隊列跟車決策方法500的流程示意圖。如圖所示，基於雲端運算之隊列跟車決策方法500用以決策一領導車輛200及至少一成員車輛300之複數隊列加速度 a f ，且包含雲端決策步驟S02。雲端決策步驟S02包含駕駛模式判斷步驟S022、雲端參數均勻化步驟S024、雲端加速度預估步驟S026及隊列加速度運算步驟S028。駕駛模式判斷步驟S022係驅動雲端運算處理單元410依據領導車端參數組212判斷領導車輛200是否為手駕而產生駕駛模式判斷結果。雲端參數均勻化步驟S024係包含驅動雲端運算處理單元410依據領導車加速度範圍(
Figure 02_image005
,
Figure 02_image007
)及至少一成員車加速度範圍(
Figure 02_image009
,
Figure 02_image011
)~(
Figure 02_image013
,
Figure 02_image015
)運算求得行駛操作加速度範圍(
Figure 02_image017
,
Figure 02_image019
)。雲端加速度預估步驟S026係驅動雲端運算處理單元410依據領導車端參數組212預估出補償加速度 a pa 。隊列加速度運算步驟S028係驅動雲端運算處理單元410依據駕駛模式判斷結果與行駛操作加速度範圍(
Figure 02_image017
,
Figure 02_image019
)及補償加速度 a pa 之至少一者運算出此些隊列加速度 a f 。
請一併參閱第6圖及第10圖，其中第10圖係繪示本發明之第四實施例之基於雲端運算之隊列跟車決策方法500a的流程示意圖。如圖所示，基於雲端運算之隊列跟車決策方法500a應用於基於雲端運算之隊列跟車決策系統100a，且包含雲端決策步驟S12與延遲診斷步驟S14。雲端決策步驟S12包含駕駛模式判斷步驟S122、雲端參數均勻化步驟S124、雲端加速度預估步驟S126及隊列加速度運算步驟S128。雲端決策步驟S12與第6圖之雲端決策步驟S12相同，不再贅述。延遲診斷步驟S14對應第6圖之延遲診斷步驟S14a、S14b。延遲診斷步驟S14包含診斷領導車端運算處理單元210a及至少一成員車端運算處理單元310a之一者與雲端運算處理單元410之間的訊號延遲時間T是否小於等於延遲時間預設值而產生延遲診斷結果。藉此，本發明的基於雲端運算之隊列跟車決策方法500a利用延遲診斷步驟S14確認訊號延遲時間T是否在容許之延遲時間預設值內，以實現延遲自我診斷。若訊號延遲時間T沒有在容許之延遲時間預設值內，則系統發出警示訊號，藉以保護隊列安全。
請一併參閱第6圖、第11圖及第12圖，其中第11圖係繪示本發明之第五實施例之基於雲端運算之隊列跟車決策系統處理障礙物600闖入場景的示意圖；以及第12圖係繪示本發明之第六實施例之基於雲端運算之隊列跟車決策方法處理障礙物600闖入場景的流程示意圖。如圖所示，基於雲端運算之隊列跟車決策系統包含感測裝置240、340之至少一者，此感測裝置240、340之此至少一者設置於領導車輛200及成員車輛300之一者，且訊號連接領導車端運算處理單元210a及成員車端運算處理單元310a之一者。感測裝置240、340之此至少一者用以感測對應領導車輛200及成員車輛300之此者之周圍環境，以判斷領導車輛200及成員車輛300之間是否存在至少一障礙物600。
基於雲端運算之隊列跟車決策方法包含障礙物闖入決策步驟S13，障礙物闖入決策步驟S13係驅動感測裝置240、340之至少一者感測對應領導車輛200及成員車輛300之此者之周圍環境，以判斷領導車輛200及成員車輛300之間是否存在至少一障礙物600。當領導車輛200及成員車輛300之間存在至少一障礙物600時，感測裝置240、340產生至少一障礙物相對距離與至少一障礙物速度，領導車端運算處理單元210a及成員車端運算處理單元310a之此者將此至少一障礙物相對距離與此至少一障礙物速度傳送至雲端運算處理單元410，藉以令雲端運算處理單元410分析出領導車輛200及成員車輛300之此者處於一安全狀態與一緊急狀態之一者。詳細地說，障礙物闖入決策步驟S13包含步驟S131、S132、S133、S134、S135、S136、S137、S138、S139、S1310、S1311。步驟S131為「成員車具環周偵測能力?」，其係確認成員車輛300是否具有感測周圍環境之能力。若是，執行步驟S132；若否，則執行步驟S133。步驟S132為「存在障礙物於隊列內?」，其係確認隊列中是否有障礙物600。若是，執行步驟S135；若否，則結束障礙物闖入決策步驟S13。步驟S133為「障礙物在領導車/路側感知範圍內?」，其係確認障礙物600是否在領導車輛200或者路側感測裝置之感知範圍內。若是，執行步驟S132；若否，則執行步驟S134。步驟S134為「成員車具備駕駛?」，其係確認成員車輛300是否具備駕駛。若是，則警示駕駛注意前方隨時介入；若否，則結束障礙物闖入決策步驟S13。步驟S135為「碰撞偵測(假設 i為障礙物前的最近隊列成員)」，其係驅動雲端運算處理單元410依據障礙物相對距離、通訊定位、道路曲率、道路坡度、相對速度、底盤響應及車端載重分析出成員車輛300處於安全狀態SS與緊急狀態ES之一者。其中通訊定位包含通訊延遲與當前座標，相對速度代表障礙物600與車端之間的相對速度。
再者，假設障礙物600之數量及障礙物速度之數量均為複數。當成員車輛300處於安全狀態SS時，執行步驟S136。步驟S136為「障礙物為動態?」，其係確認障礙物600之障礙物速度是否大於0 m/s。若是(即對應障礙物600之障礙物速度均大於0 m/s)，執行步驟S137；若否，則執行步驟S139。當成員車輛300處於緊急狀態ES時，執行步驟S138、139。步驟S137為「前方障礙物TimeGap限制」與「後方障礙物TimeGap限制」，其係在多個障礙物600闖入(屬於multi cut-in場景)之條件下，驅動雲端運算處理單元410進一步分析成員車輛300與障礙物600之間的前方障礙物時間間隔(對應前方障礙物TimeGap限制)與一後方障礙物時間間隔(對應後方障礙物TimeGap限制)，以產生符合安全性之跟車決策。此外，步驟S138為「第 i+1,…, N車緊急煞車」，其係驅動第 i+1車至第 N車之成員車輛300緊急煞車。舉第11圖為例， i等於1(障礙物600前的最近隊列成員為領導車輛200)，步驟S138係驅動第2車至第 N車之成員車輛300緊急煞車。步驟S139為「受阻成員車是否在遠端控制範圍內或具駕駛?」，其係確認第 i+1車至第 N車之受阻成員車輛300是否在遠端控制範圍內或具備駕駛。若是，執行步驟S1310；若否，則執行步驟S1311。步驟S1310為「隊列避障後重啟隊列跟車」，其係由遠端或駕駛控制第 i+1車至第 N車之受阻成員車輛300避障，並於避障後重啟隊列跟車。步驟S1311為「全隊員自駕解除且停車，等待救援」，其係控制領導車輛200及成員車輛300執行停車，並等待救援。
藉此，本發明的基於雲端運算之隊列跟車決策方法透過障礙物闖入決策步驟S13處理多個障礙物600闖入場景，可同時考量前後車時間間隔(即前方障礙物時間間隔與後方障礙物時間間隔)，以避免習知技術中未考量後方障礙物時間間隔而容易發生嚴重後果(如碰撞、車禍)的問題，進而大幅增加障礙物600闖入時之隊列整體安全性。
在其他實施例中，雲端運算處理單元410可設置於領導車輛200，亦可與領導車端運算處理單元210結合而設置於領導車輛200；換言之，透過領導車輛200(即車端)即可執行隊列跟車決策而無須透過雲端。此外，本發明之領導車端運算處理單元210、210a、成員車端運算處理單元310、310a及雲端運算處理單元410之任一者可為微處理器、電子控制單元(Electronic Control Unit；ECU)、電腦、行動裝置或其他運算處理器，但本發明不以此為限。另外，領導車輛200與成員車輛300之駕駛可有可無，若領導車輛200為手駕模式，則領導車輛200有駕駛。系統可在車輛行駛的路徑上設置路側感測裝置，端看使用需求。若系統有設置路側感測裝置，則此置路側感測裝置會將所感測到的路側感測訊號傳送至雲端運算處理單元410，以供後續之判斷與分析。
由上述實施方式可知，本發明具有下列優點：其一，利用雲端參數均勻化步驟及雲端加速度預估步驟實現不同駕駛模式下的隊列跟車縱向決策及多障礙物闖入決策。其二，利用延遲診斷步驟確認訊號延遲時間是否在容許之延遲時間預設值內，以實現延遲自我診斷。再者，透過特殊之雲端加速度決策及車端延遲診斷之結合實現隊列跟車縱向決策、多障礙物闖入決策及延遲自我診斷，既可有效節能並增加隊列安全性，亦可降低硬體及駕駛人力之成本。其三，透過障礙物闖入決策步驟處理多個障礙物闖入場景，可同時考量前後車時間間隔，以避免習知技術中未考量後方障礙物時間間隔而容易發生嚴重後果的問題，進而大幅增加障礙物闖入時之隊列整體安全性。
雖然本發明已以實施方式揭露如上，然其並非用以限定本發明，任何熟習此技藝者，在不脫離本發明之精神和範圍內，當可作各種之更動與潤飾，因此本發明之保護範圍當視後附之申請專利範圍所界定者為準。
100,100a:基於雲端運算之隊列跟車決策系統 200:領導車輛 210,210a:領導車端運算處理單元 212:領導車端參數組 220,320:通訊裝置 230,330:定位裝置 240,340:感測裝置 250,350:警示裝置 300:成員車輛 310,310a:成員車端運算處理單元 312:成員車端參數組 400:雲端運算平台 410:雲端運算處理單元 500,500a:基於雲端運算之隊列跟車決策方法 600:障礙物 a f :隊列加速度 a pa :補償加速度 ES:緊急狀態 N i:延遲次數 Rindex:接收參數 Sindex:發送參數 S01,S11:接收訊號步驟 S02,S12:雲端決策步驟 S022,S122:駕駛模式判斷步驟 S024,S124:雲端參數均勻化步驟 S026,S126:雲端加速度預估步驟 S028,S128:隊列加速度運算步驟 S0241,S0242a,S0242b,S0243a,S0243b,S0244a,S0244b,S0244c,S0245,S0262,S0264,S0266,S131,S132,S133,S134,S135,S136,S137,S138,S139,S1310,S1311,S16a,S16b,S18a,S18b:步驟 S13:障礙物闖入決策步驟 S14,S14a,S14b:延遲診斷步驟 SS:安全狀態 T Send:訊號發送時間 T Compute:訊號運算時間 T Receive:訊號接收時間 u:隊列跟車加速度
第1圖係繪示本發明之第一實施例之基於雲端運算之隊列跟車決策系統的示意圖； 第2圖係繪示第1圖之基於雲端運算之隊列跟車決策系統的局部方塊示意圖； 第3圖係繪示第1圖之基於雲端運算之隊列跟車決策系統之雲端決策步驟的示意圖； 第4圖係繪示第3圖之雲端決策步驟之駕駛模式判斷步驟、雲端參數均勻化步驟、雲端加速度預估步驟及隊列加速度運算步驟的流程示意圖； 第5圖係繪示第4圖之雲端加速度預估步驟的流程示意圖； 第6圖係繪示本發明之第二實施例之基於雲端運算之隊列跟車決策系統的示意圖； 第7圖係繪示第6圖之延遲診斷步驟之訊號延遲時間對應訊號路徑的示意圖； 第8圖係繪示第6圖之延遲診斷步驟之訊號延遲時間估測的流程示意圖； 第9圖係繪示本發明之第三實施例之基於雲端運算之隊列跟車決策方法的流程示意圖； 第10圖係繪示本發明之第四實施例之基於雲端運算之隊列跟車決策方法的流程示意圖； 第11圖係繪示本發明之第五實施例之基於雲端運算之隊列跟車決策系統處理障礙物闖入場景的示意圖；以及 第12圖係繪示本發明之第六實施例之基於雲端運算之隊列跟車決策方法處理障礙物闖入場景的流程示意圖。
100a:基於雲端運算之隊列跟車決策系統
210a:領導車端運算處理單元
212:領導車端參數組
220,320:通訊裝置
230,330:定位裝置
240,340:感測裝置
250,350:警示裝置
310a:成員車端運算處理單元
312:成員車端參數組
410:雲端運算處理單元
a f :隊列加速度
S11:接收訊號步驟
S12:雲端決策步驟
S14a,S14b:延遲診斷步驟
S16a,S16b,S18a,S18b:步驟

Claims (20)

  1. 一種基於雲端運算之隊列跟車決策系統，用以決策一領導車輛及至少一成員車輛之複數隊列加速度，該基於雲端運算之隊列跟車決策系統包含： 一領導車端運算處理單元，設置於該領導車輛且用以產生一領導車端參數組，該領導車端參數組包含一領導車加速度範圍； 至少一成員車端運算處理單元，設置於該至少一成員車輛且用以產生至少一成員車端參數組，該至少一成員車端參數組包含至少一成員車加速度範圍；以及 一雲端運算處理單元，訊號連接該領導車端運算處理單元及該至少一成員車端運算處理單元並接收該領導車端參數組及該至少一成員車端參數組，該雲端運算處理單元經配置以實施包含一雲端決策步驟，且該雲端決策步驟包含： 一駕駛模式判斷步驟，係依據該領導車端參數組判斷該領導車輛是否為手駕而產生一駕駛模式判斷結果； 一雲端參數均勻化步驟，係包含依據該領導車加速度範圍及該至少一成員車加速度範圍運算求得一行駛操作加速度範圍； 一雲端加速度預估步驟，係依據該領導車端參數組預估出一補償加速度；及 一隊列加速度運算步驟，係依據該駕駛模式判斷結果與該行駛操作加速度範圍及該補償加速度之至少一者運算出該些隊列加速度。
  2. 如請求項1所述之基於雲端運算之隊列跟車決策系統，其中在該隊列加速度運算步驟中， 當該駕駛模式判斷結果是該領導車輛為一自駕模式時，該雲端運算處理單元依據該行駛操作加速度範圍運算出該些隊列加速度；及 當該駕駛模式判斷結果是該領導車輛為一手駕模式時，該雲端運算處理單元依據該行駛操作加速度範圍及該補償加速度運算出該些隊列加速度。
  3. 如請求項1所述之基於雲端運算之隊列跟車決策系統，其中， 該領導車端運算處理單元用以產生一領導車端控制延遲時間與一領導車端通訊延遲時間； 該至少一成員車端運算處理單元用以產生至少一成員車端控制延遲時間與至少一成員車端通訊延遲時間；及 該雲端參數均勻化步驟更包含： 依據該領導車端控制延遲時間及該至少一成員車端控制延遲時間計算出一控制延遲時間；及 依據該領導車端通訊延遲時間與該至少一成員車端通訊延遲時間計算出一通訊延遲時間。
  4. 如請求項3所述之基於雲端運算之隊列跟車決策系統，其中， 該領導車端參數組包含一車端速度、一車端載重及一道路坡度；及 該雲端參數均勻化步驟更包含： 依據該車端速度、該車端載重及該道路坡度計算出一車隊載重坡度響應時間。
  5. 如請求項4所述之基於雲端運算之隊列跟車決策系統，其中該雲端參數均勻化步驟更包含： 依據該領導車加速度範圍及該至少一成員車加速度範圍運算求得一均勻化加速度範圍參數；及 依據該車端速度、該均勻化加速度範圍參數、該控制延遲時間、該通訊延遲時間及該車隊載重坡度響應時間計算出一總延遲時間範圍，然後依據該車端速度及該總延遲時間範圍計算出一行駛操作加速度範圍。
  6. 如請求項1所述之基於雲端運算之隊列跟車決策系統，其中， 該領導車端參數組包含一道路曲率、一油門煞車百分比及一當前前車加速度；及 該雲端加速度預估步驟包含： 依據一卡爾曼濾波模型運算該道路曲率、該油門煞車百分比及該當前前車加速度而預估出該補償加速度。
  7. 如請求項1所述之基於雲端運算之隊列跟車決策系統，更包含： 一感測裝置，設置於該領導車輛及該至少一成員車輛之一者，且訊號連接該領導車端運算處理單元及該至少一成員車端運算處理單元之一者，該感測裝置用以感測對應該領導車輛及該至少一成員車輛之該者之一周圍環境，以判斷該領導車輛及該至少一成員車輛之間是否存在至少一障礙物； 其中，當該領導車輛及該至少一成員車輛之間存在該至少一障礙物時，該感測裝置產生至少一障礙物相對距離與至少一障礙物速度，該領導車端運算處理單元及該至少一成員車端運算處理單元之該者將該至少一障礙物相對距離與該至少一障礙物速度傳送至該雲端運算處理單元，藉以令該雲端運算處理單元分析出該至少一成員車輛處於一安全狀態與一緊急狀態之一者。
  8. 如請求項7所述之基於雲端運算之隊列跟車決策系統，其中該至少一障礙物之數量及該至少一障礙物速度之數量均為複數； 其中，當該雲端運算處理單元分析出該至少一成員車輛處於該安全狀態，且對應該些障礙物之該些障礙物速度均大於0 m/s時，進一步分析該至少一成員車輛與該些障礙物之間的一前方障礙物時間間隔與一後方障礙物時間間隔； 其中，當該雲端運算處理單元分析出該領導車輛及該至少一成員車輛之該者處於該緊急狀態時，控制該至少一成員車輛執行煞車。
  9. 一種基於雲端運算之隊列跟車決策系統，用以決策一領導車輛及至少一成員車輛之複數隊列加速度，該基於雲端運算之隊列跟車決策系統包含： 一領導車端運算處理單元，設置於該領導車輛且用以產生一領導車端參數組，該領導車端參數組包含一領導車加速度範圍； 至少一成員車端運算處理單元，設置於該至少一成員車輛且用以產生至少一成員車端參數組，該至少一成員車端參數組包含至少一成員車加速度範圍；以及 一雲端運算處理單元，訊號連接該領導車端運算處理單元及該至少一成員車端運算處理單元並接收該領導車端參數組及該至少一成員車端參數組，該雲端運算處理單元經配置以實施包含一雲端決策步驟，且該雲端決策步驟包含依據該領導車端參數組、該領導車加速度範圍及該至少一成員車加速度範圍運算產生一駕駛模式判斷結果、一行駛操作加速度範圍及一補償加速度，然後依據該駕駛模式判斷結果與該行駛操作加速度範圍及該補償加速度之至少一者運算出該些隊列加速度； 其中，該領導車端運算處理單元及該至少一成員車端運算處理單元之一者經配置以實施包含一延遲診斷步驟，且該延遲診斷步驟包含診斷該領導車端運算處理單元及該至少一成員車端運算處理單元之該者與該雲端運算處理單元之間的一訊號延遲時間是否小於等於一延遲時間預設值而產生一延遲診斷結果。
  10. 如請求項9所述之基於雲端運算之隊列跟車決策系統，更包含： 一警示裝置，訊號連接該領導車端運算處理單元及該至少一成員車端運算處理單元之該者，該警示裝置依據該延遲診斷結果決定是否提供一警示訊號。
  11. 如請求項10所述之基於雲端運算之隊列跟車決策系統，其中該延遲診斷步驟更包含： 驅動該領導車端運算處理單元及該至少一成員車端運算處理單元之該者接收該些隊列加速度，該領導車端運算處理單元及該至少一成員車端運算處理單元之該者對應該領導車輛及該至少一成員車輛之一者； 當該延遲診斷結果為該訊號延遲時間小於等於該延遲時間預設值時，驅動該領導車端運算處理單元及該至少一成員車端運算處理單元之該者依據該些隊列加速度控制該領導車輛及該至少一成員車輛之該者之加速度；及 當該延遲診斷結果為該訊號延遲時間大於該延遲時間預設值時，驅動該警示裝置提供該警示訊號。
  12. 如請求項9所述之基於雲端運算之隊列跟車決策系統，其中該雲端決策步驟更包含： 一駕駛模式判斷步驟，係依據該領導車端參數組判斷該領導車輛是否為手駕而產生該駕駛模式判斷結果； 一雲端參數均勻化步驟，係包含依據該領導車加速度範圍及該至少一成員車加速度範圍運算求得該行駛操作加速度範圍；及 一雲端加速度預估步驟，係依據該領導車端參數組預估出該補償加速度。
  13. 如請求項9所述之基於雲端運算之隊列跟車決策系統，其中在該雲端決策步驟中， 當該駕駛模式判斷結果是該領導車輛為一自駕模式時，該雲端運算處理單元依據該行駛操作加速度範圍運算出該些隊列加速度；及 當該駕駛模式判斷結果是該領導車輛為一手駕模式時，該雲端運算處理單元依據該行駛操作加速度範圍及該補償加速度運算出該些隊列加速度。
  14. 如請求項12所述之基於雲端運算之隊列跟車決策系統，其中， 該領導車端運算處理單元用以產生一領導車端控制延遲時間與一領導車端通訊延遲時間； 該至少一成員車端運算處理單元用以產生至少一成員車端控制延遲時間與至少一成員車端通訊延遲時間；及 該雲端參數均勻化步驟更包含： 依據該領導車端控制延遲時間及該至少一成員車端控制延遲時間計算出一控制延遲時間；及 依據該領導車端通訊延遲時間與該至少一成員車端通訊延遲時間計算出一通訊延遲時間。
  15. 如請求項14所述之基於雲端運算之隊列跟車決策系統，其中， 該領導車端參數組包含一車端速度、一車端載重及一道路坡度；及 該雲端參數均勻化步驟更包含： 依據該車端速度、該車端載重及該道路坡度計算出一車隊載重坡度響應時間。
  16. 如請求項15所述之基於雲端運算之隊列跟車決策系統，其中該雲端參數均勻化步驟更包含： 依據該領導車加速度範圍及該至少一成員車加速度範圍運算求得一均勻化加速度範圍參數；及 依據該車端速度、該均勻化加速度範圍參數、該控制延遲時間、該通訊延遲時間及該車隊載重坡度響應時間計算出一總延遲時間範圍，然後依據該車端速度及該總延遲時間範圍計算出一行駛操作加速度範圍。
  17. 如請求項12所述之基於雲端運算之隊列跟車決策系統，其中， 該領導車端參數組包含一道路曲率、一油門煞車百分比及一當前前車加速度；及 該雲端加速度預估步驟包含： 依據一卡爾曼濾波模型運算該道路曲率、該油門煞車百分比及該當前前車加速度而預估出該補償加速度。
  18. 一種基於雲端運算之隊列跟車決策方法，用以決策一領導車輛及至少一成員車輛之複數隊列加速度，該基於雲端運算之隊列跟車決策方法包含以下步驟： 一雲端決策步驟，包含： 一駕駛模式判斷步驟，係驅動一雲端運算處理單元依據一領導車端參數組判斷該領導車輛是否為手駕而產生一駕駛模式判斷結果； 一雲端參數均勻化步驟，係包含驅動該雲端運算處理單元依據一領導車加速度範圍及至少一成員車加速度範圍運算求得一行駛操作加速度範圍； 一雲端加速度預估步驟，係驅動該雲端運算處理單元依據該領導車端參數組預估出一補償加速度；以及 一隊列加速度運算步驟，係驅動該雲端運算處理單元依據該駕駛模式判斷結果與該行駛操作加速度範圍及該補償加速度之至少一者運算出該些隊列加速度。
  19. 如請求項18所述之基於雲端運算之隊列跟車決策方法，更包含： 一延遲診斷步驟，係包含診斷一領導車端運算處理單元及至少一成員車端運算處理單元之一者與該雲端運算處理單元之間的一訊號延遲時間是否小於等於一延遲時間預設值； 其中，該領導車端運算處理單元及該至少一成員車端運算處理單元分別設置於該領導車輛及該至少一成員車輛。
  20. 如請求項19所述之基於雲端運算之隊列跟車決策方法，其中該雲端決策步驟更包含： 一障礙物闖入決策步驟，係驅動一感測裝置感測對應該領導車輛及該至少一成員車輛之一者之一周圍環境，以判斷該領導車輛及該至少一成員車輛之間是否存在至少一障礙物； 其中，當該領導車輛及該至少一成員車輛之間存在該至少一障礙物時，該感測裝置產生至少一障礙物相對距離與至少一障礙物速度，該領導車端運算處理單元及該至少一成員車端運算處理單元之該者將該至少一障礙物相對距離與該至少一障礙物速度傳送至該雲端運算處理單元，藉以令該雲端運算處理單元分析出該領導車輛及該至少一成員車輛之該者處於一安全狀態與一緊急狀態之一者。
TW110138463A 2021-10-18 2021-10-18 基於雲端運算之隊列跟車決策系統及其決策方法 TWI780953B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
TW110138463A TWI780953B (zh) 2021-10-18 2021-10-18 基於雲端運算之隊列跟車決策系統及其決策方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW110138463A TWI780953B (zh) 2021-10-18 2021-10-18 基於雲端運算之隊列跟車決策系統及其決策方法

Publications (2)

Publication Number Publication Date
TWI780953B true TWI780953B (zh) 2022-10-11
TW202318330A TW202318330A (zh) 2023-05-01

Family

ID=85462728

Family Applications (1)

Application Number Title Priority Date Filing Date
TW110138463A TWI780953B (zh) 2021-10-18 2021-10-18 基於雲端運算之隊列跟車決策系統及其決策方法

Country Status (1)

Country Link
TW (1) TWI780953B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106407563A (zh) * 2016-09-20 2017-02-15 北京工业大学 一种基于驾驶类型和前车加速度信息的跟驰模型生成方法
CN107089231A (zh) * 2017-03-27 2017-08-25 中国第汽车股份有限公司 一种自动跟车行驶控制系统及其方法
CN108944930A (zh) * 2018-07-05 2018-12-07 合肥工业大学 一种基于lstm的模拟驾驶员特性的自动跟车方法及系统
CN109062221A (zh) * 2018-09-03 2018-12-21 成都市新筑路桥机械股份有限公司 一种智能编组车辆系统及其控制方法
US20210101619A1 (en) * 2020-12-16 2021-04-08 Mobileye Vision Technologies Ltd. Safe and scalable model for culturally sensitive driving by automated vehicles
TW202120363A (zh) * 2019-11-15 2021-06-01 財團法人車輛研究測試中心 自動駕駛協控系統與控制方法
CN112907937A (zh) * 2021-02-03 2021-06-04 湖南大学 一种考虑后车信息的混合车辆队列控制方法及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106407563A (zh) * 2016-09-20 2017-02-15 北京工业大学 一种基于驾驶类型和前车加速度信息的跟驰模型生成方法
CN107089231A (zh) * 2017-03-27 2017-08-25 中国第汽车股份有限公司 一种自动跟车行驶控制系统及其方法
CN108944930A (zh) * 2018-07-05 2018-12-07 合肥工业大学 一种基于lstm的模拟驾驶员特性的自动跟车方法及系统
CN109062221A (zh) * 2018-09-03 2018-12-21 成都市新筑路桥机械股份有限公司 一种智能编组车辆系统及其控制方法
TW202120363A (zh) * 2019-11-15 2021-06-01 財團法人車輛研究測試中心 自動駕駛協控系統與控制方法
US20210101619A1 (en) * 2020-12-16 2021-04-08 Mobileye Vision Technologies Ltd. Safe and scalable model for culturally sensitive driving by automated vehicles
CN112907937A (zh) * 2021-02-03 2021-06-04 湖南大学 一种考虑后车信息的混合车辆队列控制方法及系统

Also Published As

Publication number Publication date
TW202318330A (zh) 2023-05-01

Similar Documents

Publication Publication Date Title
US10921822B2 (en) Automated vehicle control system architecture
US11104333B2 (en) Emergency braking system, emergency braking method and semitrailer
US10474166B2 (en) System and method for implementing pre-cognition braking and/or avoiding or mitigation risks among platooning vehicles
US11294396B2 (en) System and method for implementing pre-cognition braking and/or avoiding or mitigation risks among platooning vehicles
CN109311474B (zh) 行人保护中的自主制动故障管理
EP3018027B1 (en) Control arrangement arranged to control an autonomous vehicle, autonomous drive arrangement, vehicle and method
US11866001B1 (en) Safety considerations for self-driving vehicles
US11318963B2 (en) Vehicle control apparatus, vehicle, and vehicle control method
US20210179106A1 (en) System and method for controlling operation of autonomous vehicle
US11449060B2 (en) Vehicle, apparatus for controlling same, and control method therefor
KR20190018053A (ko) 차량 제어 장치 및 차량 제어 방법
US20220308577A1 (en) Virtual towing device, system, and method
EP3133454A1 (en) Method and apparatus for controlling a vehicle having automated driving control capabilities
US20210109535A1 (en) Systems And Methods For Controlling An Unmanned Self-Powered Follow Vehicle Following A Lead Vehicle With Independent Hazard Avoidance By The Follow Vehicle
US20230054037A1 (en) System and method for implementing precognition braking and/or avoiding or mitigation risks among platooning vehicles
KR20200042390A (ko) 자율주행 차량의 운전 제어권 전환 방법 및 장치
US11919547B1 (en) Vehicle control device, vehicle system, vehicle control method, and program
TWI780953B (zh) 基於雲端運算之隊列跟車決策系統及其決策方法
WO2021109163A1 (zh) 用于车辆自动驾驶的数据处理方法
US20220397898A1 (en) Remote control request system, remote control request method, and nontransitory storage medium
CN116061931A (zh) 基于云端运算的队列跟车决策系统及其决策方法
CN111258321A (zh) 车辆失控情况下的辅助安全驾驶系统及辅助安全驾驶方法
JP2022103673A (ja) 車両制御システム、および車両制御方法
US11900816B2 (en) Vehicle platoon following deciding system based on cloud computing and deciding method thereof
CN113753069A (zh) 自动驾驶控制方法及装置

Legal Events

Date Code Title Description
GD4A Issue of patent certificate for granted invention patent