[go: up one dir, main page]

CN112292717A - 预测控制装置 - Google Patents

预测控制装置 Download PDF

Info

Publication number
CN112292717A
CN112292717A CN201980031293.0A CN201980031293A CN112292717A CN 112292717 A CN112292717 A CN 112292717A CN 201980031293 A CN201980031293 A CN 201980031293A CN 112292717 A CN112292717 A CN 112292717A
Authority
CN
China
Prior art keywords
unit
prediction
amount
initial value
vehicle
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
Application number
CN201980031293.0A
Other languages
English (en)
Other versions
CN112292717B (zh
Inventor
中村敏明
广津铁平
坂本英之
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hitachi Astemo Ltd
Original Assignee
Hitachi Automotive Systems Ltd
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 Hitachi Automotive Systems Ltd filed Critical Hitachi Automotive Systems Ltd
Publication of CN112292717A publication Critical patent/CN112292717A/zh
Application granted granted Critical
Publication of CN112292717B publication Critical patent/CN112292717B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • 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
    • B60W40/02—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 ambient conditions
    • B60W40/04—Traffic conditions
    • 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
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/0097—Predicting future conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • 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
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4043—Lateral 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
    • B60W2554/4044—Direction of movement, e.g. backwards
    • 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
    • B60W2554/4049—Relationship among other objects, e.g. converging dynamic objects

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本发明实现一种应对自身车辆的行驶中的周围状况的变化而像由人进行驾驶那样能进行平常行驶时及紧急时的迅速的动作的预测控制装置。本发明的预测控制装置具有：检测周围及自身车辆的变化量和变化方向的单元(103、104)；以及根据检测结果来设定预测控制单元中的解探索运算的初始值和预测期间的单元(105)。设定初始值和预测期间的单元(105)具有以将解探索运算的上一次运算结果包含在初始值当中的方式来设定根据周围及自身车辆的变化量设定的初始值及预测期间的故障后可操作控制模式。

Description

预测控制装置
技术领域
本发明涉及一种运用于车辆的自动驾驶的预测控制装置。
背景技术
近年来，车辆的自动驾驶在朝实用化方向迈进，在该情况下，在自动驾驶的轨道生成等当中模型预测控制的运用日益扩大。
作为车辆的自动驾驶中的预测控制技术，公开有专利文献1记载那样的技术。
作为能减少运算量、提高响应性的预测控制装置及推荐操作呈现装置，专利文献1展示了如下技术：观测控制对象的时间常数的变化，根据变化量来变更采样时间、预测区间以及控制区间中的至少一方的设定，根据控制对象来谋求控制的稳定化。
现有技术文献
专利文献
专利文献1：日本专利特开2006-72747号公报
发明内容
发明要解决的问题
在专利文献1中，主要是通过观测控制对象的时间常数变化和目标控制量并进行预测控制的控制参数的调整来进行处理的高速化，但在车辆的自动驾驶行驶中，周围的状况时时刻刻都在变化。
因而，不仅要观测身为控制对象的自身车辆的状况，还要观测行驶中的周围状况的变化，从而需要应对这一情况的高速化。
然而，专利文獻1记载的技术并未考虑车辆行驶中的周围状况的变化，未进行有应对自身车辆的行驶中的周围状况的控制。
出于以上原因，本发明的目的在于实现一种能够进行与车辆的行驶中的周围状况的变化相应的迅速的动作的预测控制装置。
解决问题的技术手段
为了达成上述目的，本发明以如下方式构成。
一种预测控制装置，其具有：检测周围及自身车辆的变化量和变化方向的单元；以及根据检测结果来设定预测控制单元中的解探索运算的初始值和预测期间的单元。
发明的效果
根据本发明，可以实现一种应对自身车辆的行驶中的周围状况的变化而像由人进行驾驶那样能够进行平常行驶时及紧急时的迅速的动作的预测控制装置。
附图说明
图1为表示身为本发明的实施例1的预测控制装置的车辆的自动驾驶控制系统的功能块构成例的图。
图2为表示模型预测控制部内的操作指令值生成部的功能块构成例的图。
图3为表示模型预测控制部内的输出预测部的功能块构成例的图。
图4为表示模型预测控制部内的评价函数运算部的功能块构成例的图。
图5为表示状况识别部的功能块构成例的图。
图6为表示变化量检测部的功能块构成例的图。
图7A为说明控制条件调整部的对应于权重Wa的初始值的决定方法的图。
图7B为说明控制条件调整部的对应于权重Wb的预测期间的决定方法的图。
图8为表示控制条件调整部的功能块构成例的图。
图9为表示控制条件调整部的另一例的功能块构成例的图。
图10为表示初始值设定部的功能块构成例的图。
图11A为表示不使用本发明的情况下的预测控制的评价函数输出收敛为止的运算次数的图。
图11B为表示本发明的实施例1中将上一次最佳解包含在初始值候选中的情况下的预测控制的评价函数输出收敛为止的运算次数的图。
图11C为表示本发明的实施例1中缩短了预测期间的情况下的预测控制的评价函数输出收敛为止的运算次数的图。
图12为表示本发明的实施例1中的预测控制下的车辆的自动驾驶的轨道的图。
具体实施方式
下面，使用附图，对本发明的实施例进行说明。
实施例
(实施例1)
图1为表示身为本发明的实施例1的预测控制装置的车辆的自动驾驶控制系统的功能块构成例的图。
图1中，模型预测控制部101(预测控制单元)进行如下处理(解探索运算)：一边根据自身车辆周围的信息例如每隔几毫秒预测一次将来几秒钟的自身车辆的速度和前进方向，一边求下一几毫秒后的操作量。模型预测控制部101的输入的一部分为周围信息，其输出的一部分为方向盘操作、加速操作、制动操作等针对执行器102的操作量u0。
模型预测控制部101具备操作指令值生成部106、输出预测部107以及评价函数运算部108。
其中，操作指令值生成部106是生成针对执行器102的例如当前的操作量u0和从下一操作量u1起每隔几毫秒而生成作为将来n秒钟的预测值的操作量候选(u1～un)的单元。操作指令值生成部106将使用图2于后文叙述。
输出预测部107例如是将操作量候选(u1～un)和从执行器102输出的当前时间点的自身车辆的控制量x0输入至以数式表示车辆的动作模型的状态方程、并输出与其相对应的控制量(速度、位置、方向等)作为相当于执行器102的输出的预测值形式的控制量候选(x1～xn)的单元。输出预测部107将使用图3于后文叙述。
评价函数运算部108是以多个函数表示自动驾驶所需的制约条件、从输出预测部107输入控制量候选(x1～xn)并将制约条件相关的各函数输出的总和F输出至操作指令值生成部106的单元。评价函数运算部108将使用图4于后文叙述。
状况识别部103是根据行驶中的自身车辆的周围状况的信息来识别并输出行驶道路上的其他车辆或自行车、行人等移动物体(动态障碍物)以及护栏、停止中的车辆等静止物体(静态障碍物)、自身车辆的到目的地的路径信息、自身车辆位置的单元。状况识别部103将使用图5于后文叙述。
变化量检测部104是针对识别出的物体和自身车辆的行驶路径而检测相对于自身车辆的每单位时间的相对位置的变化量(根据动态障碍物及静态障碍物相对于自身车辆的相对位置及相对速度求出的周围及自身车辆的变化量及变化方向)并以权重系数的形式求出并且输出至控制条件调整部105的单元。变化量检测部104将使用图6于后文叙述。
由状况识别部103和变化量检测部104形成检测周围及自身车辆的变化量和变化方向的单元。
控制条件调整部105是根据从变化量检测部104输入的权重系数来调整、设定用于进行模型预测控制的运算的初始值和预测期间的单元。也就是说，是设定操作指令值生成部106进行的最佳值探索运算(解探索运算)的初始值及预测期间并输出至操作指令值生成部106的单元。控制条件调整部105将使用图7于后文叙述。
在以上构成的模型预测控制部101中，例如在几毫秒内重复多次操作指令值生成部106到输出预测部107及评价函数运算部108的循环处理，由操作指令值106选择评价函数的总和F达到最小的操作量候选(u1～un)。继而，将下一时间点的操作量u1输出至执行器102。执行器102将操作量u转换为控制量x而执行制动、加速及方向盘操作等。
下面，对图1所示的预测控制装置的各部详细构成进行说明。
图2为表示模型预测控制部101内的操作指令值生成部106的功能块构成例的图。图2中，操作指令值生成部106输入从评价函数运算部108输出的评价函数F，据此生成并输出针对执行器102的操作量u0及操作量候选(u1～un)。
在操作指令值生成部106内的比较部202中，将从评价函数运算部108输出的运算结果(评价函数F的输出)与最小值保存部203中存储的值进行比较。若从评价函数运算部108输入到比较部202的值比最小值保存部203中存储的值小，则向最小值保存部203输出保存指令信号。最小值保存部203根据来自比较部202的保存指令信号来存储评价函数的运算结果。到此处为止的一系列处理表示求出了评价函数运算108的输出F达到最小的值。
操作量生成部201是生成下一时间点的操作量候选u1起到将来的n时间点的操作量候选un为止的操作量候选(u1～un)的单元。作为操作量候选的一例，通过随机数产生来生成操作量候选值作为初始值，其后反复进行使该值逐次少量变化的运算，由此求出收敛解。作为具体的方法，有粒子群优化、蚁群优化、人工蜂群算法等。
操作量保存部204保存与最小值保存部203中保存的评价函数值相对应的操作指令值候选(u1～un)，将当前时间点的操作量u0输出至制动、加速、前轮的操舵角等的执行器102。此外，将操作量候选(u1～un)输出至图3所示的输出预测部107。
再者，当前时间点的操作量u0例如可以使用上一次处理周期内求出的下一时间点的操作量候选u1来算出。根据图2的操作指令值生成部106，可以获得评价函数F达到最小的时间序列性的操作量即操作量候选(u1～un)。这表示求出了后文叙述的图12中以实线表示的轨道。
图3为表示模型预测控制部101内的输出预测部107的功能块构成例的图。图3中，状态方程运算部301是以数式来表示车辆的动作模型的单元。状态方程运算部301例如当得到加速度、行进方向的角度的输入时，会转换为自身车辆的位置坐标、速度、方位等物理量。保存部302是用于暂时保存状态方程运算部301的输出而用于下一时间点的预测处理的单元。例如保存当前时间点的位置坐标和速度，由此，可以通过计算来求出下一时间点的位置坐标的预测值。
在图3的例子中，为了以数式来表示车辆的动作模型，状态方程运算部301是以来自操作指令值生成部106内的时间序列性的预测操作量(u1～un)为输入。此外，算出与执行器102的输出相对应的控制量作为时间序列性的预测控制量(x1～xn)并输出至评价函数运算部108，用于评价函数的运算。再者，图3中为了决定基准位置而使用了保存部302，但也可像图1所示那样将执行器102表示的当前位置决定为基准。
图4为表示模型预测控制部101内的评价函数运算部108的功能块构成例的图。图4中，评价函数运算部108使用以函数来表示自动驾驶所需的制约条件的多个制约条件函数部(风险度运算部401、速度误差运算部402、加速度运算部403、加加速度运算部404)来生成输出至操作指令值生成部106的评价函数F的值。在图4的例子中，配备有与从状况识别部103输出的风险度R和输出预测部107中求出的时间序列性的预测控制量(x0～xn)相关的制约条件函数部。
评价函数运算部108由多个制约条件函数运算部(401到404)构成。在本发明中，是通过多个制约条件函数部(401到404)来决定评价函数F。
多个制约条件函数为风险度运算部401中求出的自身车辆的风险度相关的函数f1、速度误差运算部402中求出的速度误差相关的函数f2、加速度运算部403中求出的加速度相关的函数f3、加加速度运算部404中求出的加加速度相关的函数f4。评价函数F是由这些函数进而加上输出预测部107中求出的响应性相关的函数f5这5个要素构成的函数。求由这5个要素决定的最小数值。
下面，对多个制约条件函数运算部(401到404)各方进行说明。
首先，风险度运算部401运算风险度相关的制约条件函数f1，即，根据周围信息和自身车辆的相对位置信息例如从状况识别部103获得下一时间点(k＝1)起到将来的n时间点(k＝n)为止的各时间点上的风险度R(k)，计算风险度R(k)与权重系数W1的乘法运算结果，并求这些值的总和。
速度误差运算部402运算速度相关的制约条件函数f2，即，对自身车辆的加速度信息进行积分来求速度，计算下一时间点(k＝1)起到将来的n时间点(k＝n)为止的各时间点上的目标速度Vref的差的平方与权重系数W2的乘法运算结果，并求这些值的总和。
加速度运算部403运算加速度相关的制约条件函数f3，即，根据自身车辆的加速度信息来计算下一时间点(k＝1)起到将来的n时间点(k＝n)为止的各时间点上的加速度的平方与权重系数W3的乘法运算结果，并求这些值的总和。
加加速度运算404运算加加速度相关的制约条件函数f4，即，对自身车辆的加速度信息进行微分来求加加速度，计算下一时间点(k＝1)起到将来的n时间点(k＝n)为止的各时间点上的加加速度的平方与权重系数W4的乘法运算结果，并求这些值的总和。加法运算部405将上述制约条件函数运算部(401到404)求出的各制约条件函数的输出结果相加并输出至操作指令值生成部106。
评价函数运算部108是像上述那样构成的，而像前面也叙述过的那样，预测控制装置是根据使评价函数F的输出达到最小时的操作量u来控制车辆。然而，决定评价函数F的输出的4个制约条件函数也就是风险度的制约条件函数f1、速度误差的制约条件函数f2、加速度的制约条件函数f3、加加速度的制约条件函数f4反映出了各个时候的运转状态。
图5为表示状况识别部103的功能块构成例的图。图5中，摄像机501拍摄自身车辆的前后左右的周围状况。LiDAR 502利用激光光线来检测自身车辆周围的状况。毫米波雷达503利用电波的反射光来检测周围的状况。
GPS 504检测自身车辆所处的经度、纬度。地图505输出自身车辆的出发地点起到到达预定地点为止的路径信息。物体识别部506根据从摄像机501、LiDAR 502以及毫米波雷达503输入的数据来识别其他车辆、自行车、行人等物体并输出物体信息。此外，自身车辆路径检测部507根据来自GPS 504、地图505的输入信息来检测自身车辆在地图上的当前地点并输出路径上的当前地点周围的地图信息。
图6为表示变化量检测部104的功能块构成例的图。图6中，正常时用权重算出部601将从状况识别部103输入的物体信息和路径信息在时间轴上的变化量分别乘以系数k0、k1得到的值作为权重Wa输出，将乘以系数k2、k3得到的值作为权重Wb输出。同样地，故障时用权重算出部602将从状况识别部103输入的物体信息和路径信息在时间轴上的变化量分别乘以系数k4、k5得到的值作为权重Wa输出，将乘以系数k6、k7得到的值作为权重Wb输出。在根据从自身车辆上搭载的ECU等输入的自身车辆的诊断信息而判断为正常的情况下，选择部603选择正常时用权重算出部601的输出，在得到为故障这一信息(来自各部执行器的故障通知信号)的输入的情况下，选择部603选择并输出故障时用权重算出部602的输出。因此，自身车辆的变化量包含自身车辆的行驶路径以及来自属于自身车辆的各部执行器的故障通知的信号输入。
图7A为说明控制条件调整部105的对应于权重Wa的初始值的决定方法的图。图7A中，权重Wa取0～1这一范围的值，例如，若Wa＝0，则将上一次解探索运算中求出的值直接作为初始值的候选。此外，若Wa＝1，则以通过随机数的产生来决定初始值的候选的方式随着权重Wa增大而增多随机数的比例。
图7B为说明控制条件调整部105的对应于权重Wb的预测期间的决定方法的图。图7B中，权重Wb取0～1这一范围的值，例如，若Wb＝0，则将预测期间设为10秒钟，若Wb＝1，则设为1秒钟，像这样随着权重Wb增大而缩短预测期间。
图8为表示控制条件调整部105的功能块构成例的图。图8中，初始值设定部801根据从变化量检测部104输入的权重Wa的值来决定输出至操作指令值生成部106的最佳值探索运算用的初始值的候选值。预测期间设定部802根据从变化量检测部104输入的权重Wb的值来决定(调整)输出至操作指令值生成部106的进行最佳值探索运算的预测期间。
图9为表示控制条件调整部105的区别于图8所示的构成的另一功能块构成例的图，是除了预测控制的初始值及预测期间以外还调整预测间隔的例子。图9中，初始值设定部801及预测期间设定部802的功能与图8的功能块构成例相同。预测间隔设定部803根据输入的权重Wb的值来决定输出至操作指令值生成部106的最佳值探索运算的预测间隔。例如，若Wb＝0，则在预测期间10秒钟内以0.1秒间隔求操作量候选(u1～un)。此外，若Wb＝1，则在预测期间1秒钟内以0.01秒间隔求操作量候选(u1～un)。结果，预测控制的运算量不论Wb的值如何都是固定的，能够缩窄各操作量候选(u1～un)的预测间隔。
控制条件调整部105是根据检测周围及自身车辆的变化量和变化方向的单元(103、104)的检测结果来设定模型预测控制部101(预测控制单元)中的解探索运算的初始值和预测期间的单元的一形态。
图10为表示图8及图9所示的初始值设定部801的功能块构成例的图。图10中，上一次操作量依存个数部1001在准备的多个初始值当中根据权重Wa的值来决定将哪一比例作为依存于上一次操作量的初始值。例如，在将操作量候选(u1～un)设为1组、准备100组作为其初始值的情况下，若Wa＝1，则将100组全部作为根据上一次采用的操作量(u1～un)而加入变更得到的初始值。此外，在Wa＝0.5的情况下，将50组作为根据上一次采用的操作量(u1～un)而加入变更得到的初始值。在Wa＝0的情况下，判断周围状况的变化较大、没有上一次操作量的依存性，从而以随机数来产生全部100组初始值。随机数范围调整部1002以上一次采用的操作量为基准来决定向各值相加的随机数的范围。
Wa的值越接近1，随机数范围调整部1002判断对上一次采用的操作量的依存性越高，从而缩窄随机数的可取值的范围。
上一次操作量依存生成部1003对上一次操作量加上随机数范围调整部1002中生成的随机数，由此生成初始值。
平常随机数生成部1004在预先设定的范围内产生随机数而生成初始值。
初始值存储部1005存储上一次操作量依存生成部1003及平常随机数生成部1004中生成的初始值。各自的存储数为上一次操作量依存个数部1001中决定的个数的比例。例如在存储100组初始值的情况下，在Wa＝0.3时，存放30组上一次操作量依存生成部1003中生成的初始值，存放70组平常随机数生成部1004中生成的初始值。
图11A为表示不使用本发明的情况下的评价函数输出值相对于运算次数的特性的图表。图11A中，纵轴为评价函数输出，横轴表示运算次数，(1)、(2)、(3)分别表示第1次、第2次、第3次运算。各次运算中，收敛到最小值为止的运算次数不一样，能够判断3次都收敛到了最小值的运算次数为2150次。
图11B为表示本发明的实施例1中的在初始值中包含上一次最佳解的情况下的特性的图表。图11B中，与图11A一样，纵轴为评价函数输出，横轴表示运算次数。第1次运算(1)使用全部通过随机数产生的值作为初始值，因此向最小值的收敛需要3000次运算。相对于此，第2次运算(2)、第3次运算(3)在初始值中包含了上一次最佳解，因此以900次运算便达成了向最小值的收敛。
图11C为表示本发明中的将预测期间从128时间点缩短到16时间点的情况下的特性的图表。图11C中，与图11A一样，纵轴为评价函数输出，横轴表示运算次数。初始值与图11B一样全部以随机数生成，但预测期间比图11B的128时间点短，为16时间点，因此以1000次便达成了全部3次的到收敛为止的运算次数。
图12为表示模型预测控制下的自动驾驶的一动作例的图。图12中，设想了正在高速公路的行驶车道上行驶的自动驾驶下的车辆1201在同样正在行驶车道上行驶的车辆1202后方行驶的动作。图12中，以虚线表示行驶车道。
图12的(a)是高速公路上自身车辆1201正在其他车辆1202后方行驶的图。此时，自身车辆1201为了进行效率较佳的驾驶，从多个控制量x的候选(以多个实线表示)当中选择以粗实线箭头表示的时间序列性的控制量u0～un(图12(a)的例子中为u0～u127)，并决定u1作为下一时间点的控制量。
图12的(b)为将上一次选择的轨道包含在初始值中来进行预测控制运算的实施例。在图12的(b)所示的例子中，图12的(a)的自身车辆1201的周围状况几乎没有变化，因此，所选择的预测轨道也与图12的(a)所示的例子相同。在该情况下，速度、方向的急剧变化得到抑制，因此有成为对于乘员而言乘坐感受好的自动驾驶的效果。此外，图6中，在输入至选择部603的自身车辆诊断信息为表示“故障”的信号的情况下，通过维持与上一次相同的轨道，有助于迅速的故障后可操作控制(故障后可操作控制贡献模式)。
图12的(c)为表示缩短预测期间求出的预测轨道的图。在图12的(c)所示的例子中，相对于图12的(b)所示的例子而言，其他车辆1202停在了路肩，由此使得时间上的变化量较多，权重Wb变为接近1的值，从而缩短预测期间来求本次的预测轨道。在该情况下，求出最佳轨道为止的时间缩短，因此能应对突然的周围状况的变化。此外，图6中，在自身车辆诊断信息输入的是“1”的情况下，可以缩短预测期间而立即生成退避至路肩的轨道，有助于迅速的故障安全控制(故障安全控制贡献模式)。
根据以上展示的本发明的实施例1，构成为检测自身车辆的周围状况的变化量、按照检测到的变化量来变更预测控制的初始值及预测期间，因此可以实现一种像由人进行驾驶那样能兼顾平常行驶时的乘坐感受与紧急时的迅速的动作的预测控制装置。
此外，根据实施例1，根据自身车辆和自身车辆周围状况的变化量的大小来进行是将上一次选择的轨道包含在初始值中来进行预测控制还是缩短预测期间而通过随机数生成初始值来进行预测控制的切换控制。因此，可以根据自身车辆的周围状况的变化来恰当地控制车辆动作。
(实施例2)
接着，对本发明的实施例2进行说明。
在实施例1中，是切换有助于故障后可操作控制的模式与有助于迅速的故障安全控制的模式的构成。
在实施例2中，根据自身车辆的周围状况以及自身车辆的变化来变更预测控制的初始值及预测期间，这一点与实施例1相通，但不具有故障安全控制贡献模式。也就是说，在实施例2中，设定初始值和预测期间的控制条件调整部105仅具有根据自身车辆的周围状况和自身车辆的变化量将要设定的初始值及预测期间以将解探索运算的上一次运算结果(操作量)包含在初始值中的方式设定为操作量的故障后可操作控制模式。
在实施例2中，即便在发生了车辆故障等的情况下，也能达成平常行驶时的乘坐感受。
实施例2与实施例1的构成的差异在于，在实施例2中，图8及图9所示的控制条件调整部105的初始值设定部801、预测期间设定部802在故障后可操作控制模式时采用上一次操作量。
实施例2的其他构成与实施例1相同，因此省略图示及详细说明。
根据实施例2，可以实现一种平常行驶时的乘坐感受得到了提高的预测控制装置。
此外，在实施例2中，与实施例1相比，由于不具有故障安全控制模式，因此能减轻其运算负荷，例如在高速公路行驶中发生自身车辆的故障时也能迅速维持轨道。
符号说明
101…模型预测控制部、102…执行器、103…状况识别部、104…变化量检测部、105…控制条件调整部、106…操作指令值生成部、107…输出预测部、108…评价函数运算部、201…操作量生成部、202…比较部、203…最小值保存部、204…操作量保存部、301…状态方程运算部、302…保存部、401…风险度运算部、402…速度误差运算部、403…加速度运算部、404…加加速度运算部、405…加法运算部、501…摄像机、502…LiDAR、503…毫米波雷达、504…GPS、505…地图信息部、506…物体识别部、507…自身车辆路径检测部、601…正常时用权重算出部、602…故障时用权重算出部、603…选择部、801…初始值设定部、802…预测期间设定部、803…预测间隔设定部、1001…上一次操作量依存个数部、1002…随机数范围调整部、1003…上一次操作量依存生成部、1004…平常随机数生成部、1005…初始值存储部、1201…自身车辆、1202…其他车辆。

Claims (15)

1.一种预测控制装置，其特征在于，具有：
检测周围及自身车辆的变化量和变化方向的单元；以及
根据所述检测结果来设定预测控制单元中的解探索运算的初始值和预测期间的单元。
2.根据权利要求1所述的预测控制装置，其特征在于，
所述设定初始值和预测期间的单元具有以将所述解探索运算的上一次运算结果包含在初始值当中的方式来设定根据所述周围及自身车辆的变化量设定的所述初始值及所述预测期间的故障后可操作控制模式。
3.根据权利要求2所述的预测控制装置，其特征在于，
所述周围的变化量和变化方向可根据动态障碍物及静态障碍物相对于自身车辆的相对位置及相对速度来求出。
4.根据权利要求2所述的预测控制装置，其特征在于，
所述自身车辆的变化量包含自身车辆的行驶路径以及来自自身车辆所属的各部的执行器的故障通知的信号输入。
5.根据权利要求1所述的预测控制装置，其特征在于，
所述预测控制装置是决定为了实现车辆的自动驾驶而给予车辆的执行器的操作量的预测控制装置，
所述预测控制单元具有：
操作指令值生成部，其生成针对所述执行器的操作量和作为预测值的操作量候选；输出预测部，其使用以数式表示车辆的动作模型的状态方程来输出作为与所述执行器输出相当的预测值的控制量候选；以及评价函数运算部，其以多个函数表示车辆的自动驾驶所需的制约条件，并获得所述制约条件相关的各函数的输出的总和；
所述检测周围及自身车辆的变化量和变化方向的单元具有：
状况识别部，其根据行驶中的自身车辆的周围状况来识别行驶道路上的物体、自身车辆的路径；以及变化量检测部，其检测所述识别出的物体、路径的时间变化量；
所述操作指令值生成部根据来自所述评价函数运算部的输出来生成针对所述执行器的操作量，而且，所述设定解探索运算的初始值和预测期间的单元根据行驶中的周围及自身车辆的状况来调整对所述操作指令值生成部设定的初始值及预测期间。
6.根据权利要求5所述的预测控制装置，其特征在于，
所述变化量检测部根据相对于自身车辆的每单位时间的相对位置的变化量来求所述识别出的物体、自身车辆的行驶路径的时间变化量。
7.根据权利要求5或6所述的预测控制装置，其特征在于，
所述变化量检测部将根据所述识别出的物体、自身车辆的行驶路径求出的时间变化量乘以系数得到的值作为权重系数而输出。
8.根据权利要求5、6、7中任一项所述的预测控制装置，其特征在于，
所述变化量检测部根据自身车辆的诊断结果而以不同值的形式输出所述权重系数。
9.根据权利要求5所述的预测控制装置，其特征在于，
所述控制条件调整部调整预测控制的初始值、预测期间以及预测间隔。
10.根据权利要求9所述的预测控制装置，其特征在于，
所述控制条件调整部根据从所述变化量检测部输入的权重系数的值来调整所述初始值、预测期间以及预测间隔。
11.根据权利要求10所述的预测控制装置，其特征在于，
所述控制条件生成部具有设定所述初始值的初始值设定部，
所述初始值设定部具有：上一次操作量依存个数部，其设定上一次操作量依存个数；随机数范围调整部，其调整生成的随机数范围；上一次操作量依存个数部，其生成依存于上一次操作量的初始值；平常随机数生成部，其利用随机数来生成初始值；以及初始值存储部，其存储生成的多个所述初始值。
12.根据权利要求1所述的预测控制装置，其特征在于，
所述设定解探索运算的初始值和预测期间的单元进行是采用故障后可操作控制模式还是采用故障安全控制模式的切换，
所述故障后可操作控制模式中，以将所述解探索运算的上一次运算结果包含在初始值当中的方式来设定根据所述周围及自身车辆的变化量设定的所述初始值及所述预测期间，
所述故障安全控制模式中，缩短设定所述预测期间。
13.根据权利要求12所述的预测控制装置，其特征在于，
所述自身车辆的变化量包含自身车辆的行驶路径以及来自自身车辆所属的各部的执行器的故障通知的信号输入。
14.根据权利要求12所述的预测控制装置，其特征在于，
所述预测控制装置是决定为了实现车辆的自动驾驶而给予车辆的执行器的操作量的预测控制装置，
所述预测控制单元具有：
操作指令值生成部，其生成针对所述执行器的操作量和作为预测值的操作量候选；输出预测部，其使用以数式表示车辆的动作模型的状态方程来输出作为与所述执行器输出相当的预测值的控制量候选；以及评价函数运算部，其以多个函数表示车辆的自动驾驶所需的制约条件，并获得所述制约条件相关的各函数的输出的总和；
所述检测周围及自身车辆的变化量和变化方向的单元具有：
状况识别部，其根据行驶中的自身车辆的周围状况来识别行驶道路上的物体、自身车辆的路径；以及变化量检测部，其检测所述识别出的物体、路径的时间变化量；
所述操作指令值生成部根据来自所述评价函数运算部的输出来生成针对所述执行器的操作量，而且，所述设定解探索运算的初始值和预测期间的单元根据行驶中的周围及自身车辆的状况来调整对所述操作指令值生成部设定的初始值及预测期间。
15.根据权利要求5或14所述的预测控制装置，其特征在于，
所述评价函数运算部具有：
风险度运算部，其根据从所述状况识别部输出的风险度来求自身车辆的风险度相关的函数；
速度误差运算部，其根据来自所述输出预测部的所述控制量候选来求速度误差相关的函数；
加速度运算部，其根据来自所述输出预测部的所述控制量候选来求加速度相关的函数；
加加速度运算部，其根据来自所述输出预测部的所述控制量候选来求加加速度相关的函数；以及
加法运算部，其将所述风险度运算部、所述速度误差运算部、所述加速度运算部以及所述加加速度运算部求出的各个函数相加并输出至所述操作指令值生成部。
CN201980031293.0A 2018-07-02 2019-06-05 预测控制装置 Active CN112292717B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2018-126250 2018-07-02
JP2018126250A JP7046740B2 (ja) 2018-07-02 2018-07-02 予測制御装置
PCT/JP2019/022267 WO2020008785A1 (ja) 2018-07-02 2019-06-05 予測制御装置

Publications (2)

Publication Number Publication Date
CN112292717A true CN112292717A (zh) 2021-01-29
CN112292717B CN112292717B (zh) 2022-10-04

Family

ID=69059938

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980031293.0A Active CN112292717B (zh) 2018-07-02 2019-06-05 预测控制装置

Country Status (4)

Country Link
US (1) US20210221402A1 (zh)
JP (1) JP7046740B2 (zh)
CN (1) CN112292717B (zh)
WO (1) WO2020008785A1 (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11416171B2 (en) * 2020-01-07 2022-08-16 Western Digital Technologies, Inc. Dynamic predictive latency attributes
DE112020006919B4 (de) * 2020-05-22 2024-09-12 Mitsubishi Electric Corporation Fahrzeugsteuersystem, integrierte fahrzeugsteuervorrichtung, elektronische steuervorrichtung, netzkommunikationsvorrichtung, fahrzeugsteuerverfahren und fahrzeugsteuerprogramm
JP7342828B2 (ja) 2020-09-24 2023-09-12 いすゞ自動車株式会社 自動運転装置
CN114516342B (zh) * 2020-11-19 2024-05-03 上海汽车集团股份有限公司 一种车辆控制方法、装置及车辆
WO2022113249A1 (ja) * 2020-11-27 2022-06-02 三菱電機株式会社 制御演算装置
WO2022172337A1 (ja) * 2021-02-09 2022-08-18 三菱電機株式会社 制御演算装置および制御演算方法
WO2022215233A1 (ja) * 2021-04-08 2022-10-13 三菱電機株式会社 シーケンス自動生成装置、シーケンス自動生成方法およびプログラム
JP7195369B2 (ja) * 2021-04-26 2022-12-23 三菱電機株式会社 車両のモデル予測制御装置
JP7241800B2 (ja) * 2021-05-12 2023-03-17 三菱電機株式会社 車両制御装置及び車両制御方法
US20240425067A1 (en) * 2021-11-19 2024-12-26 Mitsubishi Electric Corporation Optimal calculation apparatus
CN118556239A (zh) * 2022-01-17 2024-08-27 株式会社电装 最优解运算装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001357498A (ja) * 2000-06-15 2001-12-26 Mazda Motor Corp 車両用情報提供装置
JP2004351994A (ja) * 2003-05-27 2004-12-16 Denso Corp 車速制御装置およびプログラム
US20050267608A1 (en) * 2004-05-27 2005-12-01 Nissan Motor Co., Ltd. Model predictive control apparatus
JP2011213247A (ja) * 2010-03-31 2011-10-27 Honda Motor Co Ltd 車両の運動制御装置
JP2011237339A (ja) * 2010-05-12 2011-11-24 Mitsubishi Electric Corp 経路予測装置
WO2012172632A1 (ja) * 2011-06-13 2012-12-20 トヨタ自動車株式会社 運転支援装置及び運転支援方法
WO2017122718A1 (ja) * 2016-01-12 2017-07-20 三菱重工業株式会社 駐車支援システム、駐車支援方法及びプログラム
CN108137046A (zh) * 2015-11-06 2018-06-08 株式会社爱德克斯 车辆的行驶辅助装置

Family Cites Families (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2762711B2 (ja) * 1990-07-02 1998-06-04 日産自動車株式会社 車両の制動挙動補償装置
JP3481046B2 (ja) * 1996-06-13 2003-12-22 本田技研工業株式会社 車両のアクティブマウント用制御システムにおける故障診断方法及び装置
JP3430832B2 (ja) * 1997-01-27 2003-07-28 日産自動車株式会社 道路曲率推定装置
JP4069754B2 (ja) * 2003-02-07 2008-04-02 日産自動車株式会社 車両運動制御装置
JP2006315489A (ja) 2005-05-11 2006-11-24 Toyota Motor Corp 車両周囲警報装置
EP1873033B1 (en) * 2005-08-05 2010-10-13 Honda Motor Co., Ltd. Vehicle control device
JP4396653B2 (ja) 2006-02-28 2010-01-13 トヨタ自動車株式会社 物体進路予測方法、装置、およびプログラム
JP4899550B2 (ja) * 2006-03-15 2012-03-21 株式会社豊田中央研究所 フェールセーフ装置及びフェールセーフシステム
JP4797948B2 (ja) * 2006-11-22 2011-10-19 株式会社デンソー 運転行動推定方法および装置
JP4586795B2 (ja) * 2006-12-07 2010-11-24 トヨタ自動車株式会社 車両用制御装置
JP5359459B2 (ja) * 2009-03-27 2013-12-04 トヨタ自動車株式会社 車両のシフト制御装置
JP5672971B2 (ja) * 2010-10-29 2015-02-18 株式会社アドヴィックス 車両運動制御装置
JP5782708B2 (ja) 2010-12-03 2015-09-24 日産自動車株式会社 走行支援装置
DE102013213169A1 (de) * 2013-07-04 2015-01-08 Robert Bosch Gmbh Verfahren und Vorrichtung zum Betreiben eines Kraftfahrzeugs in einem automatisierten Fahrbetrieb
JP6109257B2 (ja) * 2015-07-21 2017-04-05 三菱電機株式会社 駆動装置
DE102016117438A1 (de) * 2016-09-16 2018-03-22 Knorr-Bremse Systeme für Nutzfahrzeuge GmbH Verfahren und Vorrichtung zum Steuern einer Bewegung eines Fahrzeugs und Fahrzeugbewegungssteuersystem
DE112017007661T5 (de) * 2017-06-20 2020-04-23 Mitsubishi Electric Corporation Wegabschätzungsvorrichtung und Wegabschätzungsverfahren
JP6939273B2 (ja) * 2017-08-31 2021-09-22 株式会社アドヴィックス ブレーキ制御装置
CN107702716B (zh) * 2017-08-31 2021-04-13 广州小鹏汽车科技有限公司 一种无人驾驶路径规划方法、系统和装置
US10635109B2 (en) * 2017-10-17 2020-04-28 Nio Usa, Inc. Vehicle path-planner monitor and controller
JP6760331B2 (ja) * 2017-11-17 2020-09-23 株式会社デンソー 車両制御装置
GB201720266D0 (en) * 2017-12-05 2018-01-17 Trw Ltd Controlling the operation of a vehicle
US11698642B2 (en) * 2017-12-12 2023-07-11 Sony Corporation Information processing apparatus, mobile object, control system, and information processing method
JP2019144691A (ja) * 2018-02-16 2019-08-29 本田技研工業株式会社 車両制御装置
EP3783453A4 (en) * 2018-04-20 2021-10-13 Sony Group Corporation MOVING BODIES, INFORMATION PROCESSING DEVICE, INFORMATION PROCESSING METHODS AND PROGRAM
WO2019218097A1 (zh) * 2018-05-14 2019-11-21 Lu Shan 汽车爆胎安全稳定控制系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001357498A (ja) * 2000-06-15 2001-12-26 Mazda Motor Corp 車両用情報提供装置
JP2004351994A (ja) * 2003-05-27 2004-12-16 Denso Corp 車速制御装置およびプログラム
US20050267608A1 (en) * 2004-05-27 2005-12-01 Nissan Motor Co., Ltd. Model predictive control apparatus
JP2011213247A (ja) * 2010-03-31 2011-10-27 Honda Motor Co Ltd 車両の運動制御装置
JP2011237339A (ja) * 2010-05-12 2011-11-24 Mitsubishi Electric Corp 経路予測装置
WO2012172632A1 (ja) * 2011-06-13 2012-12-20 トヨタ自動車株式会社 運転支援装置及び運転支援方法
CN108137046A (zh) * 2015-11-06 2018-06-08 株式会社爱德克斯 车辆的行驶辅助装置
WO2017122718A1 (ja) * 2016-01-12 2017-07-20 三菱重工業株式会社 駐車支援システム、駐車支援方法及びプログラム

Also Published As

Publication number Publication date
JP2020008889A (ja) 2020-01-16
US20210221402A1 (en) 2021-07-22
WO2020008785A1 (ja) 2020-01-09
CN112292717B (zh) 2022-10-04
JP7046740B2 (ja) 2022-04-04

Similar Documents

Publication Publication Date Title
CN112292717A (zh) 预测控制装置
JP6822752B2 (ja) アクティブ車両制御のための運転支援技術
US20190377352A1 (en) Method and system for assisting an operator of an ego-vehicle in controlling the ego-vehicle by determining a future behavior and an associated trajectory for the ego-vehicle
EP3882100B1 (en) Method for operating an autonomous driving vehicle
US20210171025A1 (en) Moving body behavior prediction device and moving body behavior prediction method
CN112977473B (zh) 用于预测移动障碍物驶出十字路口的方法及系统
JP6937658B2 (ja) 予測制御装置及び方法
CN111736142A (zh) 用于雷达交叉交通跟踪和操纵风险评估的系统和方法
CN110103984A (zh) 使用感知系统措施管理前进路径的自动驾驶复杂度
US11860634B2 (en) Lane-attention: predicting vehicles' moving trajectories by learning their attention over lanes
RU2770230C1 (ru) Способ и устройство для предсказания движения другого транспортного средства
US20220227391A1 (en) Systems and methods for scenario dependent trajectory scoring
JP5577126B2 (ja) 走行支援装置
JP2022083359A (ja) 電子制御装置
US20200310420A1 (en) System and method to train and select a best solution in a dynamical system
US20220063618A1 (en) Vehicle control device, vehicle control method, and storage medium
JP2020035221A (ja) 学習装置、シミュレーションシステム、学習方法、およびプログラム
US11663913B2 (en) Neural network with lane aggregation for lane selection prediction of moving objects during autonomous driving
CN116901963A (zh) 自动驾驶车辆的制动控制方法、装置、车辆和介质
KR20200044169A (ko) 자율주행 차량의 충돌 회피 시스템 및 충돌 회피 방법
US11634133B1 (en) Adaptive automatic preventative braking (APB) distance
KR102155054B1 (ko) 인공지능을 활용한 주변차량 컷인 의도 예측 방법
CN118053321A (zh) 车辆碰撞威胁评估
JP7400911B1 (ja) 自動運転装置
JP6809045B2 (ja) 車両の運動制御方法及び車両の運動制御装置

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
CB02 Change of applicant information

Address after: Ibaraki

Applicant after: Hitachi astemo Co.,Ltd.

Address before: Ibaraki

Applicant before: HITACHI AUTOMOTIVE SYSTEMS, Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant