CN115476876A - 一种适用速度广的自动驾驶车辆跟驰方法及*** - Google Patents
一种适用速度广的自动驾驶车辆跟驰方法及*** Download PDFInfo
- Publication number
- CN115476876A CN115476876A CN202210906419.8A CN202210906419A CN115476876A CN 115476876 A CN115476876 A CN 115476876A CN 202210906419 A CN202210906419 A CN 202210906419A CN 115476876 A CN115476876 A CN 115476876A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- speed
- acceleration
- following
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
- B60W40/107—Longitudinal acceleration
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4042—Longitudinal speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/80—Spatial relation or speed relative to objects
- B60W2554/802—Longitudinal distance
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明提出了一种适用速度广的自动驾驶车辆跟驰方法及***,属于智能驾驶技术领域,实时采集车辆行进数据;基于改进间距的跟驰模型,根据车辆行进数据及预先设定的参数,计算自车期望加速度;使汽车制动***产生合适的制动压力或发动机输出功率,控制车辆以期望加速度行驶;本发明提出一种基于改进间距的跟驰模型,基于模型对车辆加速度进行实时控制,在确保绝对安全的前提下,提高了跟驰的速度适用范围和乘客舒适度。
Description
技术领域
本发明属于智能驾驶技术领域,尤其涉及一种适用速度广的自动驾驶车辆跟驰方法及***。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。
随着中国经济的快速发展,汽车保有量不断攀升,2021年全国汽车保有量超3亿辆;日益庞大的机动车数量的对交通路网的通行能力提出了愈来愈高的要求,加快推进交通基础设施建设是应对措施之一,但一味的增加道路建设并不总能带来通行能力的增加,有时甚至带来负面作用;在追求高效利用能源的今天,借力自动驾驶技术,利用合理的智能跟驰规则,超越人类对危险环境的反应时间极限,成为提高有限道路设施下交通通行能力的有效手段之一。
但现有的驾驶辅助功能,如ACC(adaptive cruise control,自适应巡航)、ICC(Integrated adaptive cruise control,智能领航***)等,存在适用速度范围窄、无法保证绝对安全等问题;同时,主流的跟驰策略采用线性的恒定时距作为跟车间距,产生了低速时跟车距离过长、高速时跟车安全距离不足的不可调和的矛盾;即使存在诸如Gipps等直接控制速度的稳态模型确保了绝对安全,却是建立在不现实的加速度突变的前提下的,无论对车辆固有的机械特性还是乘客的乘坐体验,都是不可接受的。
因此,原有跟驰规则存在适用速度范围不广、安全性不足、乘客舒适度不足的问题。
发明内容
为克服上述现有技术的不足,本发明提供了一种适用速度广的自动驾驶车辆跟驰方法及***,提出一种基于改进间距的跟驰模型,基于模型对车辆加速度进行实时控制,在确保绝对安全的前提下,提高了跟驰的速度适用范围和乘客舒适度。
为实现上述目的,本发明的一个或多个实施例提供了如下技术方案:
本发明第一方面提供了一种适用速度广的自动驾驶车辆跟驰方法;
一种适用速度广的自动驾驶车辆跟驰方法,包括:
实时采集车辆行进数据;
基于改进间距的跟驰模型,根据车辆行进数据及预先设定的参数,计算自车期望加速度;
使汽车制动***产生合适的制动压力或发动机输出功率,控制车辆以期望加速度行驶。
进一步的,所述车辆行进数据,包括前车车距、前车车速和自车车速。
进一步的,所述预先设定的参数,包括自车最大减速度、自车期望速度及前车最大减速度的估计值、自车最大加速度、急动度限制。
进一步的,所述基于改进间距的跟驰模型为:
Δv(t)=vl(t)-u(t)
a(t+τ)=min{kvΔv(t)+kx[Δx(t)-Dx(t)],kv[ve-v(t)]}
a∈[-B,A]
其中,Dx(t)为t时刻的期望车间距,u(t)为自车车速,B为自车最大减速度,***总延迟τ为预估的车载感知设备获取行进数据的时间及动作执行时间之和,mingap为车辆最小车间距,vl(t)为前车车速,B为自车最大减速度,A为自车最大加速度,Bl为前车最大减速度的估计值,vl(t)是前车车速,Δv(t)是前后辆车的车速差,a(t+τ)为自车期望加速度,kv和kx分别为速度增益系数和位置增益系数,Δx(t)为前车车距,ve为自车期望速度。
优选的,***总延迟τ取保守推荐值0.3s;
自车最大减速度B取推荐值为6m/s2;
自车期望速度ve取典型值30m/s;
前车最大减速度的估计值Bl取10000m/s2;
自车最大加速度A取4m/s2。
进一步的,还包括,构建基于改进间距的跟驰模型的仿真平台,模拟车流跟驰状态,收集车辆运行数据,对基于改进间距的跟驰模型的自动驾驶车辆跟驰进行测试。
进一步的,所述测试,是在周期性边界条件下,对车队进行模拟仿真:
1)在首尾相接的足够长的道路中,前若干米均匀排列初始速度均为零的车辆数辆,采用基于改进间距的跟驰模型计算得到的加速度启动车队,观察车流是否迅速进入稳态;
2)一段时间后,对头车附加若干秒的自车最大刹车扰动,观察车流是否迅速恢复稳态;
3)再经过一定时间后,对头车附加足够大的的减速度(模拟极端碰撞场景)直至停止;
4)若干秒后再次启动头车,观察车流是否发生碰撞、是否迅速恢复稳态。
进一步的,基于仿真平台的测试结果,对基于改进间距的跟驰模型进行安全性验证、暂态性能评估和通行效率评估。
进一步的,具体评估指标包括:1)是否发生碰撞;2)进入稳态交通流的时间;3)通行流量。
本发明第二方面提供了一种适用速度广的自动驾驶车辆跟驰***。
一种适用速度广的自动驾驶车辆跟驰***,包括数据采集模块、加速度计算模块和行驶控制模块;
数据采集模块,被配置为:实时采集车辆行进数据;
加速度计算模块,被配置为:基于改进间距的跟驰模型,根据车辆行进数据及预先设定的参数,计算自车期望加速度;
行驶控制模块,被配置为:使汽车制动***产生合适的制动压力或发动机输出功率,控制车辆以期望加速度行驶。
以上一个或多个技术方案存在以下有益效果:
本发明提供了一种自动驾驶车辆跟驰方法,在确保绝对安全的前提下,提高了跟驰的速度适用范围和乘客舒适度;通过仿真验证了跟驰模型的局部稳定性和渐进稳定性,从而减少了车辆的磨损、油耗和污染排放。通过理论推导结合数值检验,给出了***参数的推荐值,避免了***的震荡。
本发明附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
图1为第一个实施例的方法流程图;
图2为第一个实施例中基于改进间距的跟驰模型控制模型、恒定时距的线性控制模型与gipps模型车流间距对比图;
图3为第一个实施例中基于改进间距的跟驰模型控制模型、恒定时距的线性控制模型与gipps模型车流速度对比图;
图4为第一个实施例中基于改进间距的跟驰模型控制模型、恒定时距的线性控制模型与gipps模型车流加速度对比图。
图5为第一个实施例中基于改进间距的跟驰模型控制模型、提高时距系数后的恒定时距的线性控制模型与gipps模型车流间距对比图。
图6为第一个实施例中基于改进间距的跟驰模型控制模型、提高时距系数后的恒定时距的线性控制模型与gipps模型车流速度对比图。
图7为第二个实施例的***结构图。
具体实施方式
应该指出,以下详细说明都是示例性的,旨在对本公开提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本公开的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
术语解释:
恒定时距:跟驰车辆同前车的车间距保持关于自车车速的线性关系,其中为常数的线性比例系数一般被视为车辆延迟时间。
局部稳定性:若跟驰车辆在经历前车扰动后,最终能够恢复扰动前的行驶状态,则称为局部稳定;否则称为局部不稳定。
渐近稳定性:若跟驰车流在经历前车扰动后,该扰动在向后续车辆传播过程中逐渐衰减,则称为渐近稳定,否则,称为渐进不稳定。
实施例一
本实施例公开了一种适用速度广的自动驾驶车辆跟驰方法;
如图1所示,一种适用速度广的自动驾驶车辆跟驰方法,包括:
S1.实时采集车辆行进数据;
利用车载感知设备,实时采集车辆行进数据:包括前车车距Δx(t)、前车车速vl(t)和自车车速v(t)。
S2.基于改进间距的跟驰模型,根据车辆行进数据及预先设定的参数,计算自车期望加速度;
所述预先设定的参数,包括自车最大减速度B(取正值)、自车期望速度ve、对前车最大减速度的估计值Bl(取正值)(无最大值限制)、急动度限制J。
所述基于改进间距的跟驰模型,以车辆行进数据和预先设定的参数为输入,根据期望车间距Dx(t)和前后辆车的车速差Δv(t),计算车辆的期望加速度a(t+τ)。
其中,前后辆车的车速差Δv(t),计算公式为:
Δv(t)=vl(t)-v(t)
vl(t)是前车车速,v(t)为自车车速。
期望车间距Dx(t),计算公式为:
Dx(t)为t时刻的期望车间距,v(t)为自车车速,B为自车最大减速度,***总延迟τ为预估的车载感知设备获取行进数据的时间及动作执行时间之和,mingap为车辆最小车间距,vl(t)为前车车速,B为自车最大减速度,A为自车最大加速度,Bl为前车最大减速度的估计值。
车辆的期望加速度a(t+τ),计算公式为:
a(t+τ)=min{kvΔv(t)+kx[Δx(t)-Dx(t)],kv[ve-v(t)]}
a(t+τ)为自车期望加速度,kv和kx分别为速度增益系数和位置增益系数, B为自车最大减速度,A为自车最大加速度,Δx(t)为前车车距,ve为自车期望速度。
***总延迟τ取保守推荐值0.3s;
自车最大减速度B根据GB21670—2008《乘用车制动***技术要求及试验方法》,取推荐值为6m/s2;
自车期望速度ve取典型值30m/s,
前车最大减速度的估计Bl取10000m/s2;
自车最大加速度A取4m/s2;
急动度限制J根据美国国家公路交通安全管理局交通堵塞辅助***(TJA) ***性能规范,取2.5m/s3。
Dx(t)为期望车间距,由自车刹车距离、***延迟距离、最小车间距和前车刹车距离取半得到,最小车间距推荐值为2m。
自车期望速度ve应为自车速度性能上限、道路限速、乘客期望速度中的最小值。
A为自车最大加速度,可由用户选择或拉满至自车性能极限。
J为急动度限制,即加速度增长率的限制,避免出现弹射起步引起的乘客不舒适。
当加速度a为负时,对应的控制量为踏板信号输出,而非倒挡(本模型不考虑任何车辆倒行的异常情形),因此,车辆速度为零后不会出现倒车现象。
S3.使汽车制动***产生合适的制动压力或发动机输出功率,控制车辆以期望加速度行驶。
为了评估基于改进间距的跟驰模型的性能,构建基于改进间距的跟驰模型的仿真平台,模拟车流跟驰状态,收集车辆运行数据,对基于改进间距的跟驰模型、恒定时距的线性控制和gipps模型控制的三种不同自动驾驶车辆跟驰方法进行仿真测试。
仿真平台的具体设置为:
在首尾相接的1000米道路中,前720米均匀排列初始速度均为零的车辆40辆,分别采用三种不同自动驾驶车辆跟驰方法。
情形一:启动车队,观察车流是否迅速进入稳态;
情形二:300秒时,对头车附加1.5秒的自车最大刹车扰动,观察车流是否迅速恢复稳态;
情形三:600秒时,对头车附加10000m/s2的减速度(模拟极端碰撞场景)直至停止;10秒后再次启动头车,观察车流是否发生碰撞、是否迅速恢复稳态。
基于仿真平台的测试结果,对三种不同自动驾驶车辆跟驰方法进行安全性验证、暂态性能评估和通行效率评估,具体评估指标包括:1)是否发生碰撞;2)进入稳态交通流的时间;3)通行流量。
图2-4是基于改进间距的跟驰模型控制模型、恒定时距的线性控制模型与gipps模型的对比图,图5-6是基于改进间距的跟驰模型控制模型、提高时距系数后的恒定时距的线性控制模型与gipps模型的对比图,X轴是车辆启动后的时间间隔,Y轴是计算得到的车距/速度/加速度。
对评估结果进行分析,如图2所示,基于改进间距的跟驰模型控制和 gipps模型控制,在前车发生碰撞后能够及时停车,确保了车辆安全,但恒定时距的线性控制则发生了碰撞,说明基于改进间距的跟驰模型控制具有高安全性。
如图2、图3和图4所示,基于改进间距的跟驰模型控制相对恒定时距的线性控制、gipps模型控制,在三种情形下均更快地进入稳态交通流,车间距、速度和加速度面对扰动都更快地保持稳定,并且暂态过程中的速度波动亦小于其他两种模型,具有更好的暂态性能。
如图3所示,基于改进间距的跟驰模型控制的车流稳态速度13.0m/s 略高于gipps模型控制的车流速度12.2m/s,具有更高的通行效率;而恒定时距的线性控制的车流稳态速度18.0m/s虽然相对较高,但这是建立在暂态时间过长、速度剧烈抖动和无法保证绝对安全的前提下的,不具备对比意义。
实际上,如图5所示,提高时距系数后的恒定时距的线性控制模型可以确保无碰撞,但带来的代价是如图6所示的稳态车流速度的降低,降低至12m/s;理论推导可知,对于恒定时距的线性控制模型,实现无碰撞所需要提高的时距系数与车速成正比,这意味着如果需要实现同基于改进间距的跟驰模型控制同样适用于30m/s车速条件下的安全,所需要提高的时距系数带来的本场景下稳态车流下降将远不止如此。综上,基于改进间距的跟驰模型控制相较其他两种模型,具有更高的通行效率。
综上,本发明的跟驰模型,是基于改进间距策略的自动驾驶车辆安全跟驰模型,有很好的兼顾安全、平稳和高效的能力。
实施例二
本实施例公开了一种适用速度广的自动驾驶车辆跟驰***;
如图7所示,一种适用速度广的自动驾驶车辆跟驰***,包括数据采集模块、加速度计算模块和行驶控制模块;
数据采集模块,被配置为:实时采集车辆行进数据;
加速度计算模块,被配置为:基于改进间距的跟驰模型,根据车辆行进数据及预先设定的参数,计算自车期望加速度;
行驶控制模块,被配置为:使汽车制动***产生合适的制动压力或发动机输出功率,控制车辆以期望加速度行驶。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种适用速度广的自动驾驶车辆跟驰方法,其特征在于,包括:
实时采集车辆行进数据;
基于改进间距的跟驰模型,根据车辆行进数据及预先设定的参数,计算自车期望加速度;
使汽车制动***产生合适的制动压力或发动机输出功率,控制车辆以期望加速度行驶。
2.如权利要求1所述的一种适用速度广的自动驾驶车辆跟驰方法,其特征在于,所述车辆行进数据,包括前车车距、前车车速和自车车速。
3.如权利要求1所述的一种适用速度广的自动驾驶车辆跟驰方法,其特征在于,所述预先设定的参数,包括自车最大减速度、自车期望速度及前车最大减速度的估计值、自车最大加速度、急动度限制。
4.如权利要求1所述的一种适用速度广的自动驾驶车辆跟驰方法,其特征在于,所述基于改进间距的跟驰模型为:
Δv(t)=vl(t)-v(t)
a(t+τ)=min{kvΔv(t)+kx[Δx(t)-Dx(t)],kv[ve-v(t)]}
a∈[-B,A]
其中,Dx(t)为t时刻的期望车间距,v(t)为自车车速,B为自车最大减速度,***总延迟τ为预估的车载感知设备获取行进数据的时间及动作执行时间之和,mingap为车辆最小车间距,vl(t)为前车车速,B为自车最大减速度,A为自车最大加速度,Bl为前车最大减速度的估计值,vl(t)是前车车速,Δv(t)是前后辆车的车速差,a(t+τ)为自车期望加速度,kv和kx分别为速度增益系数和位置增益系数,Δx(t)为前车车距,ve为自车期望速度。
5.如权利要求4所述的一种适用速度广的自动驾驶车辆跟驰方法,其特征在于,优选的,***总延迟τ取保守推荐值0.3s;
自车最大减速度B取推荐值为6m/s2;
自车期望速度ve取典型值30m/s;
前车最大减速度的估计值Bl取10000m/s2;
自车最大加速度A取4m/s2。
6.如权利要求1所述的一种适用速度广的自动驾驶车辆跟驰方法,其特征在于,还包括,构建基于改进间距的跟驰模型的仿真平台,模拟车流跟驰状态,收集车辆运行数据,对基于改进间距的跟驰模型的自动驾驶车辆跟驰进行测试。
7.如权利要求1所述的一种适用速度广的自动驾驶车辆跟驰方法,其特征在于,所述测试,是在周期性边界条件下,对车队进行模拟仿真:
1)在首尾相接的足够长的道路中,前若干米均匀排列初始速度均为零的车辆数辆,采用基于改进间距的跟驰模型计算得到的加速度启动车队,观察车流是否迅速进入稳态;
2)一段时间后,对头车附加若干秒的自车最大刹车扰动,观察车流是否迅速恢复稳态;
3)再经过一定时间后,对头车附加足够大的的减速度(模拟极端碰撞场景)直至停止;
4)若干秒后再次启动头车,观察车流是否发生碰撞、是否迅速恢复稳态。
8.如权利要求5所述的一种适用速度广的自动驾驶车辆跟驰方法,其特征在于,基于仿真平台的测试结果,对基于改进间距的跟驰模型进行安全性验证、暂态性能评估和通行效率评估。
9.如权利要求8所述的一种适用速度广的自动驾驶车辆跟驰方法,其特征在于,具体评估指标包括:1)是否发生碰撞;2)进入稳态交通流的时间;3)通行流量。
10.一种适用速度广的自动驾驶车辆跟驰***,其特征在于:包括数据采集模块、加速度计算模块和行驶控制模块;
数据采集模块,被配置为:实时采集车辆行进数据;
加速度计算模块,被配置为:基于改进间距的跟驰模型,根据车辆行进数据及预先设定的参数,计算自车期望加速度;
行驶控制模块,被配置为:使汽车制动***产生合适的制动压力或发动机输出功率,控制车辆以期望加速度行驶。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210906419.8A CN115476876A (zh) | 2022-07-29 | 2022-07-29 | 一种适用速度广的自动驾驶车辆跟驰方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210906419.8A CN115476876A (zh) | 2022-07-29 | 2022-07-29 | 一种适用速度广的自动驾驶车辆跟驰方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115476876A true CN115476876A (zh) | 2022-12-16 |
Family
ID=84423055
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210906419.8A Pending CN115476876A (zh) | 2022-07-29 | 2022-07-29 | 一种适用速度广的自动驾驶车辆跟驰方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115476876A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116189477A (zh) * | 2023-02-17 | 2023-05-30 | 东南大学 | 一种智能网联汽车数据异常环境的安全控制方法及设备 |
-
2022
- 2022-07-29 CN CN202210906419.8A patent/CN115476876A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116189477A (zh) * | 2023-02-17 | 2023-05-30 | 东南大学 | 一种智能网联汽车数据异常环境的安全控制方法及设备 |
CN116189477B (zh) * | 2023-02-17 | 2023-11-21 | 东南大学 | 一种智能网联汽车数据异常环境的安全控制方法及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105564431B (zh) | 控制混合动力车的滑行运行的方法及执行该方法的装置 | |
US10632985B2 (en) | Hybrid vehicle and method of predicting driving pattern in the same | |
CN108919795B (zh) | 一种自动驾驶汽车换道决策方法及装置 | |
EP3056404B1 (en) | Vehicle motion control device | |
CN111994135B (zh) | 一种基于迭代计算的协同编队列车安全防护方法及*** | |
CN107031599A (zh) | 用于混合动力车辆的驱动模式转换的***和方法 | |
CN103359110B (zh) | 电动汽车行驶辅助*** | |
Li et al. | Intelligent environment-friendly vehicles: Concept and case studies | |
JP4710529B2 (ja) | 走行制御装置 | |
US10399555B2 (en) | Hybrid vehicle and method of controlling charge mode therefor | |
CN105788360B (zh) | 一种车辆防碰撞的方法、装置和*** | |
CN103587431A (zh) | 电动汽车的扭矩滤波控制方法 | |
Mello et al. | Energy-optimal speed trajectories between stops | |
CN115476876A (zh) | 一种适用速度广的自动驾驶车辆跟驰方法及*** | |
KR20200137061A (ko) | 차량의 크립 주행 제어 시스템 및 그 방법 | |
CN114013436B (zh) | 一种电动汽车自适应巡航控制的扭矩分配方法 | |
Kubaisi | Adaptive Regenerative Braking in Electric Vehicles | |
EP2810840A1 (en) | Decelerating factor-estimating device | |
Fotouhi et al. | Simulation for prediction of vehicle efficiency, performance, range and lifetime: a review of current techniques and their applicability to current and future testing standards | |
CN110126815B (zh) | 用于协助交通工具的驾驶控制的方法、装置、设备和介质 | |
DE102016216778A1 (de) | Verfahren zum Betrieb einer Thermomanagementvorrichtung einer Traktionsbatterie eines Kraftfahrzeugs | |
CN115742761A (zh) | 车辆的陡坡缓降方法、装置、车辆及存储介质 | |
CN112373482B (zh) | 一种基于驾驶模拟器的驾驶习惯建模方法 | |
Rios-Torres et al. | An overview of driver feedback systems for efficiency and safety | |
CN114454879A (zh) | 一种用于辅助与自动驾驶的安全接近区域界定方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |