CN114355868A - 自驾车的动态速度规划方法及其*** - Google Patents
自驾车的动态速度规划方法及其*** Download PDFInfo
- Publication number
- CN114355868A CN114355868A CN202011030846.1A CN202011030846A CN114355868A CN 114355868 A CN114355868 A CN 114355868A CN 202011030846 A CN202011030846 A CN 202011030846A CN 114355868 A CN114355868 A CN 114355868A
- Authority
- CN
- China
- Prior art keywords
- acceleration
- driving
- self
- combination
- generate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000001133 acceleration Effects 0.000 claims abstract description 375
- 230000036461 convulsion Effects 0.000 claims abstract description 73
- 230000006399 behavior Effects 0.000 claims abstract description 25
- 238000009499 grossing Methods 0.000 claims abstract description 20
- 238000012216 screening Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims description 48
- 239000006185 dispersion Substances 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 20
- 230000008859 change Effects 0.000 description 8
- 238000001914 filtration Methods 0.000 description 5
- 230000004888 barrier function Effects 0.000 description 4
- 230000003993 interaction Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
Images
Landscapes
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明提供一种自驾车的动态速度规划方法及其***,自驾车的动态速度规划方法用以规划出自驾车的最佳速度曲线。信息储存步骤驱动记忆体储存障碍物的障碍物信息、道路信息及车辆信息。加速度限制计算步骤依据运算程序计算车辆信息而产生加速度极限值范围。加速度组合产生步骤依据障碍物信息、道路信息及加速度极限值范围产生多个加速度组合。加速度筛选步骤依据急跳度门槛值筛选加速度组合而得到筛选后加速度组合。加速度平滑步骤执行驾驶行为程序调整筛选后加速度组合而产生最佳速度曲线。借此,透过考量车辆操作极限、车辆动态及人类驾驶行为,达到可适应环境变化。
Description
技术领域
本发明是关于一种自驾车的动态速度规划方法及其***,特别是关于一种具人类驾驶行为模式的自驾车的动态速度规划方法及其***。
背景技术
近几年自动驾驶汽车的发展蓬勃,许多车厂大量投入资源,为自驾时代来临预作准备,并已计划采用无人驾驶汽车来经营交通运输***,而且已允许实验性质的自动驾驶汽车。
目前自动驾驶汽车的先进驾驶辅助***(Advanced Driver Assistance System,ADAS)及自动驾驶***(Autonomous Driving System,ADS)皆缺乏对外部环境的适应力。举例来说,ADAS的速度控制主要以自动定速巡航(Autonomous Cruise Control,ACC)为主,但其缺乏速度或加速度的规划,无法预测未来与目标车的互动关系。此外,ADS虽然具有速度规划,但其仅考量车辆操作极限,却没有考虑当下车辆动态的加速度与急跳度的限制。
由此可知,目前市场上的ADAS及ADS皆缺乏加速度的规划与应变能力,如何开发出基于车辆动态与外部环境的动态速度规划方法及其***,实为民众所殷切企盼,亦是相关业者须努力研发突破的目标及方向。
发明内容
因此,本发明的目的在于提供一种自驾车的动态速度规划方法及其***,其先透过车辆信息与运算程序获得加速度极限值范围,然后融合障碍物信息与道路信息规划出加速度组合,并利用加速度作为基准,同时考量车辆操作极限、车辆动态及人类驾驶行为,进而达到可适应环境变化,可解决已知技术中目标速度范围仅考虑图资,而未考量未来障碍物信息及自驾车动态信息,甚至只以人工配置速度上下限的问题。
依据本发明的方法态样的一实施方式提供一种自驾车的动态速度规划方法,其用以规划出自驾车的最佳速度曲线,此自驾车的动态速度规划方法包含信息储存步骤、加速度限制计算步骤、加速度组合产生步骤、加速度筛选步骤以及加速度平滑步骤。其中信息储存步骤是驱动记忆体储存障碍物的障碍物信息、道路信息及自驾车的车辆信息,且车辆信息包含急跳度门槛值与急跳度切换频率门槛值。加速度限制计算步骤是驱动运算处理单元接收来自记忆体的车辆信息,并依据运算程序计算车辆信息而产生自驾车的加速度极限值范围。此外,加速度组合产生步骤是驱动运算处理单元接收来自记忆体的障碍物信息与道路信息,并依据障碍物信息、道路信息及加速度极限值范围规划出自驾车的加速度区间,然后依据加速度区间产生自驾车的多个加速度组合。加速度筛选步骤是驱动运算处理单元依据急跳度门槛值与急跳度切换频率门槛值筛选加速度组合而得到筛选后加速度组合。加速度平滑步骤是驱动运算处理单元执行驾驶行为程序调整筛选后加速度组合而产生最佳速度曲线。
借此,本发明的自驾车的动态速度规划方法透过车辆信息与运算程序获得加速度极限值范围,然后融合障碍物信息与道路信息规划出加速度组合,利用加速度作为基准,考量车辆操作极限与车辆动态,达到可适应环境变化,借以令自驾车未来行为是可预估的。
前述实施方式的其他实施例如下:前述车辆信息可还包含前轮转向刚性、后轮转向刚性、前轮轴距、后轮轴距、车辆惯性及车辆质量。
前述实施方式的其他实施例如下:前述加速度限制计算步骤可包含侧向加速度运算步骤、纵向加速度运算步骤及纵侧速度运算步骤。其中侧向加速度运算步骤是驱动运算处理单元依据动力学运算模型推算车辆信息而产生自驾车的侧向加速度。纵向加速度运算步骤是驱动运算处理单元依据摩擦圆运算模型推算侧向加速度而产生自驾车的纵向加速度。纵侧速度运算步骤是驱动运算处理单元依据运动学运算模型分别推算侧向加速度与纵向加速度而产生自驾车的纵向速度与侧向速度。
前述实施方式的其他实施例如下:前述加速度组合产生步骤可包含加速度区间产生步骤,此加速度区间产生步骤由运算处理单元配置实施并包含障碍物限制步骤与道路限制步骤。其中障碍物限制步骤是依据障碍物信息限制自驾车的加速度极限值范围而产生初始加速度区间。道路限制步骤是依据道路信息限制初始加速度区间而产生加速度区间。
前述实施方式的其他实施例如下:前述加速度组合产生步骤可还包含加速度离散步骤,此加速度离散步骤由运算处理单元配置实施并包含离散步骤与目标点组合步骤。其中离散步骤是依据预设时间间隔与加速度区间而产生多个加速度群体,并将各个加速度群体依据预设加速度间隔离散而产生至少一加速度目标点。目标点组合步骤是依序将各个加速度群体的至少一加速度目标点相互组合而产生加速度组合。
前述实施方式的其他实施例如下:前述各个加速度组合可包含最大急跳度与急跳度切换频率,急跳度门槛值表示为Jthreshold,各个最大急跳度表示为Jmax,各个急跳度切换频率表示为Jfrequency,急跳度切换频率门槛值表示为fthreshold且符合下式:
Jmax≤Jthreshold;
∑Jfrequency≤fthreshold。
前述实施方式的其他实施例如下:前述加速度平滑步骤可包含调整步骤与拟合步骤。其中调整步骤是依据积极模型、常态模型及保守模型的任一者调整筛选后加速度组合而产生仿人为加速度组合,且仿人为加速度组合具有多个最佳加速度。拟合步骤是将仿人为加速度组合的最佳加速度进行积分与平滑化并拟合为最佳速度曲线。
依据本发明的结构态样的一实施方式提供一种自驾车的动态速度规划***,其用以规划出自驾车的最佳速度曲线,此自驾车的动态速度规划***包含记忆体与运算处理单元。其中记忆体用以存取障碍物的障碍物信息、道路信息、自驾车的车辆信息、运算程序及驾驶行为程序,且车辆信息包含急跳度门槛值。运算处理单元电性连接记忆体,运算处理单元经配置以实施包含以下步骤的操作:加速度限制计算步骤、加速度组合产生步骤、加速度筛选步骤及加速度平滑步骤。其中加速度限制计算步骤依据运算程序计算车辆信息而产生自驾车的加速度极限值范围。加速度组合产生步骤是依据障碍物信息、道路信息及加速度极限值范围规划出自驾车的加速度区间,然后依据加速度区间产生自驾车的多个加速度组合。加速度筛选步骤是依据急跳度门槛值筛选加速度组合而得到筛选后加速度组合。加速度平滑步骤是执行驾驶行为程序调整筛选后加速度组合而产生最佳速度曲线。
借此,本发明的自驾车的动态速度规划***透过障碍物信息、道路信息及车辆信息规划出自驾车可行的加速度组合,然后经由急跳度限制条件与驾驶行为程序筛选出符合人类驾驶行为的仿人为加速度组合,达到可适应未来环境变化与提高乘客的舒适度。
前述实施方式的其他实施例如下:前述车辆信息可还包含前轮转向刚性、后轮转向刚性、前轮轴距、后轮轴距、车辆惯性及车辆质量。
前述实施方式的其他实施例如下:前述记忆体可包含动力学运算模型、摩擦圆运算模型及运动学运算模型,且前述加速度限制计算步骤可包含侧向加速度运算步骤、纵向加速度运算步骤及纵侧速度运算步骤。其中侧向加速度运算步骤是依据动力学运算模型推算车辆信息而产生自驾车的侧向加速度。纵向加速度运算步骤是依据摩擦圆运算模型推算侧向加速度而产生自驾车的纵向加速度。纵侧速度运算步骤是依据运动学运算模型分别推算侧向加速度与纵向加速度而产生自驾车的纵向速度与侧向速度。
前述实施方式的其他实施例如下:前述运算处理单元经配置以实施加速度区间产生步骤,此加速度区间产生步骤包含障碍物限制步骤与道路限制步骤。障碍物限制步骤是依据障碍物信息限制自驾车的加速度极限值范围而产生初始加速度区间。道路限制步骤是依据道路信息限制初始加速度区间而产生加速度区间。
前述实施方式的其他实施例如下:前述运算处理单元经配置以实施加速度离散步骤,此加速度离散步骤包含离散步骤与目标点组合步骤。其中离散步骤是依据预设时间间隔与加速度区间而产生多个加速度群体,并将各个加速度群体依据预设加速度间隔离散而产生至少一加速度目标点。目标点组合步骤是依序将各个加速度群体的至少一加速度目标点相互组合而产生加速度组合。
前述实施方式的其他实施例如下:前述各个加速度组合可包含最大急跳度与急跳度切换频率,急跳度门槛值表示为Jthreshold,各个最大急跳度表示为Jmax,各个急跳度切换频率表示为Jfrequency,急跳度切换频率门槛值表示为fthreshold且符合下式:
Jmax≤Jthreshold;
∑Jfrequency≤fthreshold。
前述实施方式的其他实施例如下:前述运算处理单元经配置以实施加速度平滑步骤,此加速度平滑步骤包含调整步骤与拟合步骤。其中调整步骤是依据积极模型、常态模型及保守模型的任一者调整筛选后加速度组合而产生仿人为加速度组合,且仿人为加速度组合具有多个最佳加速度。拟合步骤是将仿人为加速度组合的最佳加速度进行积分与平滑化并拟合为最佳速度曲线。
附图说明
图1是绘示本发明第一实施例的自驾车的动态速度规划方法的流程示意图;
图2是绘示本发明第二实施例的自驾车的动态速度规划方法的流程示意图;
图3是绘示图2的自驾车的动态速度规划方法的信息储存步骤的示意图;
图4是绘示图2的自驾车的动态速度规划方法的加速度限制计算步骤的示意图;
图5是绘示图2的自驾车的动态速度规划方法的加速度区间产生步骤的示意图;
图6是绘示图2的自驾车的动态速度规划方法应用于车道避障的示意图;
图7是绘示图2的自驾车的动态速度规划方法的加速度离散步骤的示意图;
图8是绘示图2的自驾车的动态速度规划方法的加速度筛选步骤的示意图;
图9是绘示图2的自驾车的动态速度规划方法的积极模型、常态模型及保守模型的示意图;
图10是绘示图2的自驾车的动态速度规划方法的调整步骤的示意图;
图11是绘示图2的自驾车的动态速度规划方法的拟合步骤的示意图;以及
图12是绘示本发明第三实施例的自驾车的动态速度规划***的方块示意图。
【符号说明】
100,100a:自驾车的动态速度规划方法
102:车辆信息
103:障碍物加速度范围
104:加速度极限值范围
104a:初始加速度区间
105:加速度区间
106,1061,1062:加速度组合
108:筛选后加速度组合
108a:仿人为加速度组合
108b:速度组合
110:最佳速度曲线
200:自驾车的动态速度规划***
300:感测模块
400:记忆体
500:运算处理单元
HV:自驾车
VHV:自驾车速度
aHV:自驾车加速度
Obj:障碍物
VObj:障碍物速度
aObj:障碍物加速度
Vmax:道路速度上限
Vmin:道路速度下限
u:纵向速度
v:侧向速度
ax:纵向加速度
ay:侧向加速度
X:纵向
Y:侧向
G1,G2,G3,G4:加速度群体
aT,aT1,aT2,aT3,aT4:加速度目标点
af1,af2,af3,af4:最佳加速度
M1:积极模型
M2:常态模型
M3:保守模型
C:趋势曲线
a:加速度
V:速度
θ:方向盘转角
S02,S12:信息储存步骤
S04,S14:加速度限制计算步骤
S142:侧向加速度运算步骤
S144:纵向加速度运算步骤
S146:纵侧速度运算步骤
S06,S16:加速度组合产生步骤
S162:加速度区间产生步骤
S1622:障碍物限制步骤
S1624:道路限制步骤
S164:加速度离散步骤
S1642:离散步骤
S1644:目标点组合步骤
S08,S18:加速度筛选步骤
S10,S20:加速度平滑步骤
S202:调整步骤
S204:拟合步骤
S22:控制步骤
具体实施方式
以下将参照附图说明本发明的多个实施例。为明确说明起见,许多实务上的细节将在以下叙述中一并说明。然而,应了解到,这些实务上的细节不应用以限制本发明。也就是说,在本发明部分实施例中,这些实务上的细节是非必要的。此外,为简化附图起见,一些已知惯用的结构与元件在附图中将以简单示意的方式绘示;并且重复的元件将可能使用相同的编号表示。
此外,本文中当某一元件(或单元或模块等)“连接”于另一元件,可指所述元件是直接连接于另一元件,亦可指某一元件是间接连接于另一元件,意即,有其他元件介于所述元件及另一元件之间。而当有明示某一元件是“直接连接”于另一元件时,才表示没有其他元件介于所述元件及另一元件之间。而第一、第二、第三等用语只是用来描述不同元件,而对元件本身并无限制,因此,第一元件亦可改称为第二元件。且本文中的元件/单元/电路的组合非此领域中的一般周知、常规或已知的组合,不能以元件/单元/电路本身是否为已知,来判定其组合关系是否容易被技术领域中的通常知识者轻易完成。
请参阅图1,图1是绘示本发明第一实施例的自驾车的动态速度规划方法100的流程示意图。自驾车的动态速度规划方法100用以规划出自驾车的最佳速度曲线110,此自驾车的动态速度规划方法100包含信息储存步骤S02、加速度限制计算步骤S04、加速度组合产生步骤S06、加速度筛选步骤S08以及加速度平滑步骤S10。
信息储存步骤S02是驱动记忆体储存障碍物的障碍物信息、道路信息及自驾车的车辆信息102,且车辆信息102包含急跳度门槛值与急跳度切换频率门槛值。加速度限制计算步骤S04是驱动运算处理单元接收来自记忆体的车辆信息102,并依据一运算程序计算车辆信息102而产生自驾车的加速度极限值范围104。此外,加速度组合产生步骤S06是驱动运算处理单元接收来自记忆体的障碍物信息与道路信息,并依据障碍物信息、道路信息及加速度极限值范围104规划出自驾车的加速度区间,然后依据加速度区间产生自驾车的多个加速度组合106。加速度筛选步骤S08是驱动运算处理单元依据急跳度门槛值与急跳度切换频率门槛值筛选加速度组合106而得到筛选后加速度组合108。加速度平滑步骤S10是驱动运算处理单元执行一驾驶行为程序调整筛选后加速度组合108而产生最佳速度曲线110。借此,本发明的自驾车的动态速度规划方法100透过车辆信息102与运算程序获得加速度极限值范围104,然后融合障碍物信息与道路信息规划出加速度组合106,并利用加速度作为基准,同时考量车辆操作极限、车辆动态及人类驾驶行为,达到可适应环境变化,借以令自驾车未来行为是可预估的。以下将透过较详细的实施例来说明上述各步骤的细节。
请一并参阅图2至图11,其中图2是绘示本发明第二实施例的自驾车的动态速度规划方法100a的流程示意图;图3是绘示图2的自驾车的动态速度规划方法100a的信息储存步骤S12的示意图;图4是绘示图2的自驾车的动态速度规划方法100a的加速度限制计算步骤S14的示意图;图5是绘示图2的自驾车的动态速度规划方法100a的加速度区间产生步骤S162的示意图;图6是绘示图2的自驾车的动态速度规划方法100a应用于车道避障的示意图;图7是绘示图2的自驾车的动态速度规划方法100a的加速度离散步骤S164的示意图;图8是绘示图2的自驾车的动态速度规划方法100a的加速度筛选步骤S18的示意图;图9是绘示图2的自驾车的动态速度规划方法100a的积极模型M1、常态模型M2及保守模型M3的示意图;图10是绘示图2的自驾车的动态速度规划方法100a的调整步骤S202的示意图;以及图11是绘示图2的自驾车的动态速度规划方法100a的拟合步骤S204的示意图。如图所示,自驾车的动态速度规划方法100a用以规划出自驾车HV的最佳速度曲线110,此自驾车的动态速度规划方法100a包含信息储存步骤S12、加速度限制计算步骤S14、加速度组合产生步骤S16、加速度筛选步骤S18、加速度平滑步骤S20以及控制步骤S22。
信息储存步骤S12是驱动记忆体储存障碍物Obj的障碍物信息、道路信息及自驾车HV的车辆信息102。详细地说,自驾车HV包含感测模块,感测模块用以感测障碍物信息、道路信息及车辆信息102,并将上述信息储存于记忆体,其中障碍物信息包含障碍物Obj的障碍物速度VObj与障碍物加速度aObj与障碍物加速度范围103。道路信息包含道路速度上限Vmax与道路速度下限Vmin。车辆信息102可包含自驾车HV的急跳度门槛值、前轮转向刚性、后轮转向刚性、前轮轴距、后轮轴距、车辆惯性及车辆质量。
加速度限制计算步骤S14是驱动运算处理单元接收来自记忆体的车辆信息102,并依据运算程序计算车辆信息102而产生自驾车HV的加速度极限值范围104。详细地说,加速度限制计算步骤S14可包含侧向加速度运算步骤S142、纵向加速度运算步骤S144及纵侧速度运算步骤S146。侧向加速度运算步骤S142是驱动运算处理单元依据一动力学(Dynamics)运算模型推算车辆信息102而产生自驾车HV的侧向加速度ay。纵向加速度运算步骤S144是驱动运算处理单元依据一摩擦圆(Friction circle)运算模型推算侧向加速度ay而产生自驾车HV的纵向加速度ax。纵侧速度运算步骤S146是驱动运算处理单元依据一运动学(kinematics)运算模型分别推算侧向加速度ay与纵向加速度ax而产生自驾车HV的纵向速度u与侧向速度v。
更详细地说,运算程序是包含动力学运算模型、摩擦圆运算模型及运动学运算模型。首先,动力学运算模型包含侧向力Fy、车辆质量m、加速度纵向速度u、偏航角速度r、偏航角加速度前轮侧向力Fyf、后轮侧向力Fyr及车辆惯性IZ,且符合下列式子(1):
运算处理单元依据动力学运算模型将车辆信息102的前轮转向刚性Cαf、后轮转向刚性Cαr、前轮轴距a、后轮轴距b、车辆惯性IZ及车辆质量m代入式子(1)并推导出下列式子(2):
其中,v为侧向速度,δf为前轮转角,t为时间。运算处理单元对式子(2)进行矩阵乘法与展开,并整理后可得侧向加速度ay,其符合下列式子(3):
接着,摩擦圆运算模型包含可用最大纵向力Fx,max、纵向力Fx、可用最大侧向力Fy,max、侧向力Fy、最大纵向加速度ax,max、最大侧向加速度ay,max、纵向加速度ax及侧向加速度ay,且符合下列式子(4)。运算处理单元对式子(4)进行移项与消除而产生纵向加速度ax,其符合下列式子(5):
其中,S为距离,u0为初始纵向速度,v0为初始侧向速度。借此,本发明的自驾车的动态速度规划方法100a通过车辆信息102与动力学运算模型而产生侧向加速度ay,再透过摩擦圆运算模型而产生纵向加速度ax,最后透过运动学运算模型而产生纵向速度u与侧向速度v。值得说明的是,在未来路径上,纵向X与侧向Y的自驾车加速度aHV分别为上述的纵向加速度ax与侧向加速度ay,纵向X与侧向Y的自驾车速度VHV分别为上述的纵向速度u与侧向速度v,而自驾车加速度aHV的上下范围即为自驾车HV的加速度极限值范围104。
加速度组合产生步骤S16可包含加速度区间产生步骤S162与加速度离散步骤S164,其中加速度区间产生步骤S162可包含障碍物限制步骤S1622与道路限制步骤S1624。障碍物限制步骤S1622是依据障碍物信息限制自驾车HV的加速度极限值范围104而产生初始加速度区间104a。道路限制步骤S1624是依据道路信息限制初始加速度区间104a而产生加速度区间105。详细地说,运算处理单元基于障碍物信息的障碍物加速度范围103(即障碍物加速度aObj的上下限范围)限制加速度极限值范围104而产生初始加速度区间104a。接着,运算处理单元基于道路速度上限Vmax与道路速度下限Vmin撷取加速度极限值范围104而产生加速度区间105。借此,在一般车道上,本发明的自驾车的动态速度规划方法100a利用道路信息与障碍物信息进一步地限制自驾车HV的加速度极限值范围104而推算可推算出自驾车HV可应用的加速度范围(即加速度区间105)。
另外,加速度离散步骤S164可包含离散步骤S1642与目标点组合步骤S1644,其中离散步骤S1642是依据预设时间间隔与加速度区间105而产生多个加速度群体G1、G2、G3、G4,并将各个加速度群体G1、G2、G3、G4依据预设加速度间隔离散而产生至少一加速度目标点aT。目标点组合步骤S1644是依序将各个加速度群体G1、G2、G3、G4的至少一加速度目标点aT相互组合而产生多个加速度组合106。举例来说,当以预设加速度间隔为1m/s2与预设时间间隔为0.1秒作为基准时,自驾车HV的首次轨迹点的加速度区间105为[1,1]m/s2,则只有一个加速度值(即加速度目标点aT),再依据首次轨迹点计算下一次轨迹点的加速度值,而下一次的加速度区间105为[-3,5]m/s2,便可切出-3、-2、-1、0、1、2、3、4及5m/s2共9种加速度值,又依据当下的轨迹点计算下一次轨迹点的加速度值,而下一次的加速度区间105为[-4,8]m/s2,依此类推不再赘述(如图7所示),但本发明不以此为限。
加速度筛选步骤S18是驱动运算处理单元依据急跳度门槛值筛选加速度组合106而得到筛选后加速度组合108。具体来说,上述各个加速度组合106包含最大急跳度,各个最大急跳度小于等于急跳度门槛值,各个最大急跳度表示为Jmax,急跳度门槛值表示为Jthreshold且符合下列式子(8):
Jmax≤Jthreshold (8)。
详细地说,加速度组合106包含加速度组合1061与加速度组合1062。急跳度门槛值Jthreshold可为20m/s3。在加速度组合1061中,从一开始的1m/s2跳到2m/s2产生10m/s3的急跳度,最后的3m/s2跳到1m/s2产生10m/s3的急跳度(即为加速度组合1061的最大急跳度Jmax)。在加速度组合1062中,从一开始的1m/s2跳到-3m/s2产生40m/s3的急跳度(即为加速度组合1062的最大急跳度Jmax),最后的1m/s2跳到-1m/s2产生20m/s3的急跳度。因此,运算处理单元依据急跳度门槛值Jthreshold淘汰上述加速度组合1062。
另外,车辆信息102可还包含自驾车HV的急跳度切换频率门槛值,且急跳度切换频率门槛值储存于记忆体内,而上述各个加速度组合106可还包含急跳度切换频率。特别的是,各个急跳度切换频率小于等于急跳度切换频率门槛值,各个急跳度切换频率表示为Jfrequency,急跳度切换频率门槛值表示为fthreshold且符合下列式子(9):
∑Jfrequency≤fthreshold (9)。
详细地说,急跳度切换频率门槛值fthreshold可为2。当急跳度有正负的切换,则急跳度切换频率Jfrequency就会累积1次。在加速度组合1061中,从一开始的1m/s2跳到2m/s2,再从2m/s2跳到3m/s2,又再从3m/s2跳到1m/s2,加速度组合1061的急跳度切换频率Jfrequency为0。在加速度组合1062中,从一开始的1m/s2跳到-3m/s2,再从-3m/s2跳到1m/s2,又再从1m/s2跳到-1m/s2,加速度组合1062的急跳度切换频率Jfrequency为3。因此,运算处理单元依据急跳度切换频率门槛值fthreshold淘汰上述加速度组合1062。借此,本发明的自驾车的动态速度规划方法100a透过上述的限制条件对车辆动态筛选加速度组合106,进而产生筛选后加速度组合108(即加速度组合1061)。
加速度平滑步骤S20是驱动运算处理单元执行驾驶行为程序调整筛选后加速度组合108而产生最佳速度曲线110。驾驶行为程序依据加速度a、速度V及方向盘转角θ分类为积极模型M1、常态模型M2及保守模型M3。
此外,加速度平滑步骤S20可包含调整步骤S202与拟合步骤S204,其中调整步骤S202是依据上述的积极模型M1、常态模型M2及保守模型M3的任一者调整筛选后加速度组合108而产生仿人为加速度组合108a,且仿人为加速度组合108a具有多个最佳加速度af1、af2、af3、af4。拟合步骤S204是将仿人为加速度组合108a的每个最佳加速度af1、af2、af3、af4进行积分与平滑化并拟合为最佳速度曲线110。
详细地说,积极模型M1、常态模型M2及保守模型M3包含对应的趋势曲线C。运算处理单元依据与筛选后加速度组合108较相近的趋势曲线C分别调整筛选后加速度组合108内的加速度目标点aT1、aT2、aT3、aT4至最佳加速度af1、af2、af3、af4。例如,加速度目标点aT2(-3m/s2)调整为最佳加速度af2(-2m/s2)。最后,再透过积分方式转换仿人为加速度组合108a为速度组合108b,并将速度组合108b进行曲线拟合,借以令速度组合108b平滑化并产生最佳速度曲线110。控制步骤S22是基于最佳速度曲线110作为控制自驾车HV的自动驾驶参数,其细节为已知技术,故不再赘述。
借此,本发明的自驾车的动态速度规划方法100a透过驾驶行为程序改变加速度变化率,进而取得符合人类驾驶行为的仿人为加速度组合108a,再将速度组合108b拟合成平滑曲线,达到解决速度不连续的问题而造成的控制震荡,且依据最佳速度曲线110可进一步预估自驾车HV与障碍物Obj的碰撞时间,进而预测自驾车HV与障碍物Obj的互动关系。
请一并参阅图2至图12,其中图12是绘示本发明第三实施例的自驾车的动态速度规划***200的方块示意图。自驾车的动态速度规划***200用以规划出一自驾车HV的最佳速度曲线110,自驾车的动态速度规划***200包含感测模块300、记忆体400及运算处理单元500。
感测模块300用以感测障碍物信息、道路信息及车辆信息102,并将上述信息储存于记忆体400,其中障碍物信息包含障碍物Obj的障碍物速度VObj与障碍物加速度aObj。道路信息包含道路速度上限Vmax与道路速度下限Vmin。车辆信息102可包含自驾车HV的急跳度门槛值、前轮转向刚性、后轮转向刚性、前轮轴距、后轮轴距、车辆惯性及车辆质量。上述感测模块300可包含GPS、陀螺仪(Gyroscope)、里程计(Odemeter)、车速计(Speed Meter)及惯性测量单元(IMU)、光达(Lidar)、雷达(Radar)及相机,而感测模块300为已知技术,故不再赘述。
记忆体400用以存取障碍物Obj的障碍物信息、道路信息、自驾车HV的车辆信息102、运算程序及驾驶行为程序,其中驾驶行为程序依据加速度a、速度V及方向盘转角θ分类为积极模型M1、常态模型M2及保守模型M3,而车辆信息102包含自驾车HV的急跳度门槛值Jthreshold与急跳度切换频率门槛值fthreshold。
运算处理单元500电性连接记忆体400与感测模块300,运算处理单元500经配置以实施自驾车的动态速度规划方法100、100a,其可为微处理器、电子控制单元(ElectronicControl Unit;ECU)、计算机、移动装置或其他运算处理器。
借此,本发明的自驾车的动态速度规划***200透过障碍物信息、道路信息及车辆信息102规划出自驾车HV可行的加速度组合106,然后经由急跳度限制条件与驾驶行为程序筛选出符合人类驾驶行为的仿人为加速度组合108a,达到可适应未来环境变化与提高乘客的舒适度。
由上述实施方式可知,本发明具有下列优点:其一,透过车辆信息与运算程序获得加速度极限值范围,然后融合障碍物信息与道路信息规划出加速度组合,并利用加速度作为基准,同时考量车辆操作极限、车辆动态及人类驾驶行为,达到可适应环境变化。其二,透过急跳度门槛值与急跳度切换频率门槛值对车辆动态筛选出可行的加速度组合,降低加速度的变化率,提高乘客的舒适度。其三,能应对环境变化的速度规划,可处理一般市售***无法处理的情况,例如:障碍物闯入、车道变换的配速等,使自驾车速度规划***对于环境感测变化更加强健,且更加安全。
虽然本发明已以实施方式揭露如上,然其并非用以限定本发明,任何熟悉此技艺者,在不脱离本发明的精神和范围内,当可作各种的更动与润饰,因此本发明的保护范围当视所附的权利要求书所界定的范围为准。
Claims (14)
1.一种自驾车的动态速度规划方法,用以规划出一自驾车的一最佳速度曲线,其特征在于,该自驾车的动态速度规划方法包含以下步骤:
一信息储存步骤,是驱动一记忆体储存一障碍物的一障碍物信息、一道路信息及该自驾车的一车辆信息,且该车辆信息包含一急跳度门槛值与一急跳度切换频率门槛值;
一加速度限制计算步骤,是驱动一运算处理单元接收来自该记忆体的该车辆信息,并依据一运算程序计算该车辆信息而产生该自驾车的一加速度极限值范围;
一加速度组合产生步骤,是驱动该运算处理单元接收来自该记忆体的该障碍物信息与该道路信息,并依据该障碍物信息、该道路信息及该加速度极限值范围规划出该自驾车的一加速度区间,然后依据该加速度区间产生该自驾车的多个加速度组合;
一加速度筛选步骤,是驱动该运算处理单元依据该急跳度门槛值与该急跳度切换频率门槛值筛选所述多个加速度组合而得到一筛选后加速度组合;以及
一加速度平滑步骤,是驱动该运算处理单元执行一驾驶行为程序调整该筛选后加速度组合而产生该最佳速度曲线。
2.根据权利要求1所述的自驾车的动态速度规划方法,其特征在于,该车辆信息还包含一前轮转向刚性、一后轮转向刚性、一前轮轴距、一后轮轴距、一车辆惯性及一车辆质量。
3.根据权利要求1所述的自驾车的动态速度规划方法,其特征在于,该加速度限制计算步骤包含:
一侧向加速度运算步骤,是驱动该运算处理单元依据一动力学运算模型推算该车辆信息而产生该自驾车的一侧向加速度;
一纵向加速度运算步骤,是驱动该运算处理单元依据一摩擦圆运算模型推算该侧向加速度而产生该自驾车的一纵向加速度;及
一纵侧速度运算步骤,是驱动该运算处理单元依据一运动学运算模型分别推算该侧向加速度与该纵向加速度而产生该自驾车的一纵向速度与一侧向速度。
4.根据权利要求1所述的自驾车的动态速度规划方法,其特征在于,该加速度组合产生步骤包含:
一加速度区间产生步骤,由该运算处理单元配置实施,该加速度区间产生步骤包含:
一障碍物限制步骤,是依据该障碍物信息限制该自驾车的该加速度极限值范围而产生一初始加速度区间;及
一道路限制步骤,是依据该道路信息限制该初始加速度区间而产生该加速度区间。
5.根据权利要求4所述的自驾车的动态速度规划方法,其特征在于,该加速度组合产生步骤还包含:
一加速度离散步骤,由该运算处理单元配置实施,该加速度离散步骤包含:
一离散步骤,是依据一预设时间间隔与该加速度区间而产生多个加速度群体,并将每一所述加速度群体依据一预设加速度间隔离散而产生至少一加速度目标点;及
一目标点组合步骤,是依序将每一所述加速度群体的该至少一加速度目标点相互组合而产生所述多个加速度组合。
6.根据权利要求1所述的自驾车的动态速度规划方法,其特征在于,每一所述加速度组合包含一最大急跳度与一急跳度切换频率,该急跳度门槛值表示为Jthreshold,每一所述最大急跳度表示为Jmax,每一所述急跳度切换频率表示为Jfrequency,该急跳度切换频率门槛值表示为fthreshold且符合下式:
Jmax≤Jthreshold;
∑Jfrequency≤fthreshold。
7.根据权利要求1所述的自驾车的动态速度规划方法,其特征在于,该加速度平滑步骤包含:
一调整步骤,是依据一积极模型、一常态模型及一保守模型的任一者调整该筛选后加速度组合而产生一仿人为加速度组合,且该仿人为加速度组合具有多个最佳加速度;及
一拟合步骤,是将该仿人为加速度组合的所述多个最佳加速度进行积分与平滑化并拟合为该最佳速度曲线。
8.一种自驾车的动态速度规划***,用以规划出一自驾车的一最佳速度曲线,其特征在于,该自驾车的动态速度规划***包含:
一记忆体,用以存取一障碍物的一障碍物信息、一道路信息、该自驾车的一车辆信息、一运算程序及一驾驶行为程序,且该车辆信息包含一急跳度门槛值;以及
一运算处理单元,电性连接该记忆体,该运算处理单元经配置以实施包含以下步骤的操作:
一加速度限制计算步骤,依据一运算程序计算该车辆信息而产生该自驾车的一加速度极限值范围;
一加速度组合产生步骤,是依据该障碍物信息、该道路信息及该加速度极限值范围规划出该自驾车的一加速度区间,然后依据该加速度区间产生该自驾车的多个加速度组合;
一加速度筛选步骤,是依据该急跳度门槛值筛选所述多个加速度组合而得到一筛选后加速度组合;及
一加速度平滑步骤,是执行一驾驶行为程序调整该筛选后加速度组合而产生该最佳速度曲线。
9.根据权利要求8所述的自驾车的动态速度规划***,其特征在于,该车辆信息还包含一前轮转向刚性、一后轮转向刚性、一前轮轴距、一后轮轴距、一车辆惯性及一车辆质量。
10.根据权利要求8所述的自驾车的动态速度规划***,其特征在于,该记忆体包含一动力学运算模型、一摩擦圆运算模型及一运动学运算模型,且该加速度限制计算步骤包含:
一侧向加速度运算步骤,是依据该动力学运算模型推算该车辆信息而产生该自驾车的一侧向加速度;
一纵向加速度运算步骤,是依据该摩擦圆运算模型推算该侧向加速度而产生该自驾车的一纵向加速度;及
一纵侧速度运算步骤,是依据该运动学运算模型分别推算该侧向加速度与该纵向加速度而产生该自驾车的一纵向速度与一侧向速度。
11.根据权利要求8所述的自驾车的动态速度规划***,其特征在于,该运算处理单元经配置以实施一加速度区间产生步骤,该加速度区间产生步骤包含:
一障碍物限制步骤,是依据该障碍物信息限制该自驾车的该加速度极限值范围而产生一初始加速度区间;及
一道路限制步骤,是依据该道路信息限制该初始加速度区间而产生该加速度区间。
12.根据权利要求11所述的自驾车的动态速度规划***,其特征在于,该运算处理单元经配置以实施一加速度离散步骤,该加速度离散步骤包含:
一离散步骤,是依据一预设时间间隔与该加速度区间而产生多个加速度群体,并将每一所述加速度群体依据一预设加速度间隔离散而产生至少一加速度目标点;及
一目标点组合步骤,是依序将每一所述加速度群体的该至少一加速度目标点相互组合而产生所述多个加速度组合。
13.根据权利要求8所述的自驾车的动态速度规划***,其特征在于,每一所述加速度组合包含一最大急跳度与一急跳度切换频率,该急跳度门槛值表示为Jthreshold,每一所述最大急跳度表示为Jmax,每一所述急跳度切换频率表示为Jfrequency,该急跳度切换频率门槛值表示为fthreshold且符合下式:
Jmax≤Jthreshold;
∑Jfrequency≤fthreshold。
14.根据权利要求8所述的自驾车的动态速度规划***,其特征在于,该运算处理单元经配置以实施该加速度平滑步骤,该加速度平滑步骤包含:
一调整步骤,是依据一积极模型、一常态模型及一保守模型的任一者调整该筛选后加速度组合而产生一仿人为加速度组合,且该仿人为加速度组合具有多个最佳加速度;及
一拟合步骤,是将该仿人为加速度组合的所述多个最佳加速度进行积分与平滑化并拟合为该最佳速度曲线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011030846.1A CN114355868B (zh) | 2020-09-27 | 2020-09-27 | 自驾车的动态速度规划方法及其*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011030846.1A CN114355868B (zh) | 2020-09-27 | 2020-09-27 | 自驾车的动态速度规划方法及其*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114355868A true CN114355868A (zh) | 2022-04-15 |
CN114355868B CN114355868B (zh) | 2024-05-24 |
Family
ID=81089872
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011030846.1A Active CN114355868B (zh) | 2020-09-27 | 2020-09-27 | 自驾车的动态速度规划方法及其*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114355868B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11278097A (ja) * | 1998-03-30 | 1999-10-12 | Nissan Motor Co Ltd | 車両用走行制御装置 |
CN103818384A (zh) * | 2014-03-17 | 2014-05-28 | 安徽江淮汽车股份有限公司 | 一种汽车节油提醒方法及*** |
JP2015209171A (ja) * | 2014-04-30 | 2015-11-24 | 日産自動車株式会社 | 車両挙動制御装置及び車両挙動制御方法 |
CN106882079A (zh) * | 2016-12-02 | 2017-06-23 | 大连理工大学 | 一种驱动制动优化切换的电动汽车自适应巡航控制方法 |
WO2017165687A1 (en) * | 2016-03-24 | 2017-09-28 | Honda Motor Co., Ltd. | System and method for trajectory planning for unexpected pedestrians |
KR20180067830A (ko) * | 2016-12-13 | 2018-06-21 | 엘지전자 주식회사 | 자율 주행 차량 제어 시스템 및 그 방법 |
CA3068955A1 (en) * | 2017-07-03 | 2019-01-10 | Nissan Motor Co., Ltd. | Target vehicle speed generation method and target vehicle speed generation device for driving-assisted vehicle |
CN109313445A (zh) * | 2016-03-23 | 2019-02-05 | 优特诺股份有限公司 | 车辆驾驶和自动驾驶的促进 |
GB202002365D0 (en) * | 2020-02-20 | 2020-04-08 | Five Ai Ltd | Implementing manoeuvres in autonomous vehicles |
CN111619576A (zh) * | 2020-06-03 | 2020-09-04 | 中国第一汽车股份有限公司 | 一种控制方法、装置、设备及存储介质 |
-
2020
- 2020-09-27 CN CN202011030846.1A patent/CN114355868B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11278097A (ja) * | 1998-03-30 | 1999-10-12 | Nissan Motor Co Ltd | 車両用走行制御装置 |
CN103818384A (zh) * | 2014-03-17 | 2014-05-28 | 安徽江淮汽车股份有限公司 | 一种汽车节油提醒方法及*** |
JP2015209171A (ja) * | 2014-04-30 | 2015-11-24 | 日産自動車株式会社 | 車両挙動制御装置及び車両挙動制御方法 |
CN109313445A (zh) * | 2016-03-23 | 2019-02-05 | 优特诺股份有限公司 | 车辆驾驶和自动驾驶的促进 |
WO2017165687A1 (en) * | 2016-03-24 | 2017-09-28 | Honda Motor Co., Ltd. | System and method for trajectory planning for unexpected pedestrians |
CN108780610A (zh) * | 2016-03-24 | 2018-11-09 | 本田技研工业株式会社 | 用于针对意外行人规划轨迹的***和方法 |
CN106882079A (zh) * | 2016-12-02 | 2017-06-23 | 大连理工大学 | 一种驱动制动优化切换的电动汽车自适应巡航控制方法 |
KR20180067830A (ko) * | 2016-12-13 | 2018-06-21 | 엘지전자 주식회사 | 자율 주행 차량 제어 시스템 및 그 방법 |
CA3068955A1 (en) * | 2017-07-03 | 2019-01-10 | Nissan Motor Co., Ltd. | Target vehicle speed generation method and target vehicle speed generation device for driving-assisted vehicle |
GB202002365D0 (en) * | 2020-02-20 | 2020-04-08 | Five Ai Ltd | Implementing manoeuvres in autonomous vehicles |
CN111619576A (zh) * | 2020-06-03 | 2020-09-04 | 中国第一汽车股份有限公司 | 一种控制方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114355868B (zh) | 2024-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108983768B (zh) | 自动驾驶*** | |
JP6970117B2 (ja) | 運転者のルールベース型支援のための制御データ作成方法 | |
US10928832B2 (en) | Impedance-based motion control for autonomous vehicles | |
US10913457B2 (en) | Vehicle controller, vehicle control method, and storage medium | |
US11708069B2 (en) | Obstacle avoidance apparatus and obstacle avoidance route generating apparatus | |
JP4600339B2 (ja) | 障害物回避制御装置及び障害物回避制御プログラム | |
US10406917B2 (en) | Systems and methods for vehicle cruise control smoothness adaptation | |
US20180345968A1 (en) | Vehicle controller, vehicle control method, and storage medium | |
US9213522B2 (en) | Systems and methods for scheduling driver interface tasks based on driver workload | |
US11242059B2 (en) | Intention-aware supervisory control with driving safety applications | |
US20170259818A1 (en) | Method and device for determining the cross slope of a roadway | |
US11358612B2 (en) | Method for controlling an automated or autonomous locomotive device, and evaluation unit | |
US20150317847A1 (en) | Method and Apparatus for Predictive Driving Demand Modeling | |
EP3934956A1 (en) | Exception handling for autonomous vehicles | |
US11447142B1 (en) | Assessing surprise for autonomous vehicles | |
CN114355868B (zh) | 自驾车的动态速度规划方法及其*** | |
TWI740634B (zh) | 自駕車之動態速度規劃方法及其系統 | |
CN113492882B (zh) | 一种实现车辆控制的方法、装置、计算机存储介质及终端 | |
CN115303288A (zh) | 一种车辆控制方法、控制装置及摄像头装置 | |
US11604473B2 (en) | Dynamic velocity planning method for autonomous vehicle and system thereof | |
CN110347166B (zh) | 用于自动驾驶***的传感器控制方法 | |
CN114475595A (zh) | 车辆及其控制方法 | |
CN110427035B (zh) | 用于车辆的目标追踪方法 | |
US20240132104A1 (en) | Trajectory planning system for ensuring maneuvers to avoid moving obstacles exist for an autonomous vehicle | |
US20240132103A1 (en) | Trajectory planning system for an autonomous vehicle with a real-time function approximator |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |