[go: up one dir, main page]

CN113031576B - 自动驾驶车队中的车辆控制方法、车载装置及车辆 - Google Patents

自动驾驶车队中的车辆控制方法、车载装置及车辆 Download PDF

Info

Publication number
CN113031576B
CN113031576B CN201911347449.4A CN201911347449A CN113031576B CN 113031576 B CN113031576 B CN 113031576B CN 201911347449 A CN201911347449 A CN 201911347449A CN 113031576 B CN113031576 B CN 113031576B
Authority
CN
China
Prior art keywords
vehicle
following vehicle
following
car
state information
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.)
Active
Application number
CN201911347449.4A
Other languages
English (en)
Other versions
CN113031576A (zh
Inventor
徐勇
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.)
Beijing Tusimple Technology Co Ltd
Original Assignee
Beijing Tusimple Technology Co 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 Beijing Tusimple Technology Co Ltd filed Critical Beijing Tusimple Technology Co Ltd
Priority to CN202211556462.2A priority Critical patent/CN115951666A/zh
Priority to CN201911347449.4A priority patent/CN113031576B/zh
Priority to AU2020289820A priority patent/AU2020289820A1/en
Priority to EP23162825.6A priority patent/EP4220331A1/en
Priority to EP20216873.8A priority patent/EP3842889B1/en
Priority to US17/133,634 priority patent/US11676493B2/en
Publication of CN113031576A publication Critical patent/CN113031576A/zh
Application granted granted Critical
Publication of CN113031576B publication Critical patent/CN113031576B/zh
Priority to US18/333,417 priority patent/US20230377464A1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
    • G05D1/0291—Fleet control
    • G05D1/0293—Convoy travelling
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/22—Platooning, i.e. convoy of communicating vehicles
    • 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
    • B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
    • G05D1/0291—Fleet control
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
    • G05D1/0291—Fleet control
    • G05D1/0295—Fleet control by at least one leading vehicle of the fleet
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/46—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for vehicle-to-vehicle communication [V2V]
    • 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—Longitudinal speed
    • B60W2520/105—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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4041—Position
    • 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
    • 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
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • 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
    • B60W2720/00—Output or target parameters relating to overall vehicle dynamics
    • B60W2720/10—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
    • B60W2720/00—Output or target parameters relating to overall vehicle dynamics
    • B60W2720/10—Longitudinal speed
    • B60W2720/106—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
    • B60W2754/00—Output or target parameters relating to objects
    • B60W2754/10—Spatial relation or speed relative to objects
    • B60W2754/30—Longitudinal distance
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Human Computer Interaction (AREA)
  • Signal Processing (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请提供了一种自动驾驶车队中的车辆控制方法、车载装置及车辆，涉及自动驾驶技术领域。方法包括：实时获得第一跟随车运动状态信息、领航车运动状态信息，并在第一跟随车自身前侧存在相邻的第二跟随车时，实时获得第二跟随车运动状态信息；确定之后的若干个时间节点的第一跟随车预测运动状态信息和领航车预测运动状态信息，并在第一跟随车自身前侧存在相邻的第二跟随车时，确定之后的若干个时间节点的第二跟随车预测运动状态信息；进行优化求解确定各时间节点对应的优化控制量；以优化控制量进行纵向控制。本申请能够实现自动驾驶车队中车辆的平稳精确控制，避免车队中车辆的距离、速度等产生剧烈变化，造成车队崩溃的问题。

Description

自动驾驶车队中的车辆控制方法、车载装置及车辆
技术领域
本申请涉及自动驾驶技术领域，尤其涉及一种自动驾驶车队中的车辆控制方法、车载装置及车辆。
背景技术
目前，协同自动驾驶车队(Platooning，简称为自动驾驶车队)是指多辆车基于自动驾驶技术和V2V(Vehicle-to-Vehicle，车对车)车联网技术的支持，以极小的车距尾随行驶的编队状态。在编队中，车距远远低于一般意义上的安全行驶车距，仅为20米甚至更小，极小的车距会使领航车破开的气流，在车尾直接被第二辆车接纳，而不会形成低压的涡流区，从而有效降低了整个车队在行驶过程中的空气阻力总值。一般以协同自动驾驶车队状态行驶所减少的阻力，可以节油耗。
自动驾驶车队中可能存在多辆车，如何对每辆车进行精确的纵向控制，以保证每辆车之间的间距稳定且车速稳定成为了人们关注的重点。
发明内容
本申请的实施例提供一种自动驾驶车队中的车辆控制方法、车载装置及车辆，能够实现自动驾驶车队中车辆的平稳精确控制，避免车队中车辆的距离、速度等产生剧烈变化，造成车队崩溃的问题。
为达到上述目的，本申请的实施例采用如下技术方案：
本申请实施例的第一方面，提供一种自动驾驶车队中的车辆控制方法，所述自动驾驶车队包括领航车以及一至多辆跟随车；所述一至多辆跟随车按预设顺序排列，并行驶于领航车之后；
所述方法包括：
实时获得自动驾驶车队中的第一跟随车自身的第一跟随车运动状态信息和领航车的领航车运动状态信息，并在所述第一跟随车自身前侧存在相邻的第二跟随车时，实时获得第二跟随车的第二跟随车运动状态信息；
根据第一跟随车运动状态信息和领航车运动状态信息分别确定当前时间节点之后的若干个时间节点的第一跟随车预测运动状态信息和领航车预测运动状态信息，并在所述第一跟随车自身前侧存在相邻的第二跟随车时，根据第二跟随车运动状态信息确定当前时间节点之后的若干个时间节点的第二跟随车预测运动状态信息；
在所述第一跟随车自身前侧不存在相邻的第二跟随车时，根据各时间节点对应的第一跟随车预测运动状态信息和领航车预测运动状态信息，进行优化求解确定各时间节点对应的优化控制量，或者在所述第一跟随车自身前侧存在相邻的第二跟随车时，根据各时间节点对应的第一跟随车预测运动状态信息、第二跟随车预测运动状态信息和领航车预测运动状态信息，进行优化求解确定各时间节点对应的优化控制量；
将所述优化控制量发送至第一跟随车自身的纵向控制器，以使得所述纵向控制器控制第一跟随车自身的纵向执行机构以所述优化控制量进行纵向控制。
本申请实施例的第二方面，提供一种第一车载装置，所述第一车载装置设置于自动驾驶车队中的第一跟随车中；自动驾驶车队包括领航车以及一至多辆跟随车；所述一至多辆跟随车按预设顺序排列，并行驶于领航车之后；所述第一车载装置，包括：
运动状态信息获得单元，用于实时获得自动驾驶车队中的第一跟随车自身的第一跟随车运动状态信息和领航车的领航车运动状态信息，并在所述第一跟随车自身前侧存在相邻的第二跟随车时，实时获得第二跟随车的第二跟随车运动状态信息；
预测运动状态信息确定单元，用于根据第一跟随车运动状态信息和领航车运动状态信息分别确定当前时间节点之后的若干个时间节点的第一跟随车预测运动状态信息和领航车预测运动状态信息，并在所述第一跟随车自身前侧存在相邻的第二跟随车时，根据第二跟随车运动状态信息确定当前时间节点之后的若干个时间节点的第二跟随车预测运动状态信息；
优化控制量确定单元，用于在所述第一跟随车自身前侧不存在相邻的第二跟随车时，根据各时间节点对应的第一跟随车预测运动状态信息和领航车预测运动状态信息，进行优化求解确定各时间节点对应的优化控制量，或者在所述第一跟随车自身前侧存在相邻的第二跟随车时，根据各时间节点对应的第一跟随车预测运动状态信息、第二跟随车预测运动状态信息和领航车预测运动状态信息，进行优化求解确定各时间节点对应的优化控制量；
优化控制量发送单元，用于将所述优化控制量发送至第一跟随车自身的纵向控制器，以使得所述纵向控制器控制第一跟随车自身的纵向执行机构以所述优化控制量进行纵向控制。
本申请实施例的第三方面，提供一种自动驾驶车辆，所述自动驾驶车辆在自动驾驶车队中行驶，作为自动驾驶车队的第一跟随车，所述自动驾驶车队包括领航车以及一至多辆跟随车；所述一至多辆跟随车按预设顺序排列，并行驶于领航车之后；
所述自动驾驶车辆包括第一车载装置、纵向控制器和纵向执行机构；所述第一车载装置与纵向控制器连接，所述纵向控制器与所述纵向执行机构连接；
所述第一车载装置，用于实时获得自动驾驶车队中的第一跟随车自身的第一跟随车运动状态信息和领航车的领航车运动状态信息，并在所述第一跟随车自身前侧存在相邻的第二跟随车时，实时获得第二跟随车的第二跟随车运动状态信息；根据第一跟随车运动状态信息和领航车运动状态信息分别确定当前时间节点之后的若干个时间节点的第一跟随车预测运动状态信息和领航车预测运动状态信息，并在所述第一跟随车自身前侧存在相邻的第二跟随车时，根据第二跟随车运动状态信息确定当前时间节点之后的若干个时间节点的第二跟随车预测运动状态信息；在所述第一跟随车自身前侧不存在相邻的第二跟随车时，根据各时间节点对应的第一跟随车预测运动状态信息和领航车预测运动状态信息，进行优化求解确定各时间节点对应的优化控制量，或者在所述第一跟随车自身前侧存在相邻的第二跟随车时，根据各时间节点对应的第一跟随车预测运动状态信息、第二跟随车预测运动状态信息和领航车预测运动状态信息，进行优化求解确定各时间节点对应的优化控制量；将所述优化控制量发送至第一跟随车自身的纵向控制器；
所述纵向控制器，用于控制第一跟随车自身的纵向执行机构以所述优化控制量进行纵向控制。
本申请实施例的第四方面，提供一种计算机可读存储介质，包括程序或指令，当所述程序或指令在计算机上运行时，实现上述第一方面对应的自动驾驶车队中的车辆控制方法。
本申请实施例的第五方面，提供一种包含指令的计算机程序产品，当所述计算机程序产品在计算机上运行时，使得所述计算机执行如上述第一方面对应的自动驾驶车队中的车辆控制方法。
本申请实施例的第六方面，提供一种芯片系统，包括处理器，所述处理器与存储器的耦合，所述存储器存储有程序指令，当所述存储器存储的程序指令被所述处理器执行时实现上述第一方面对应的自动驾驶车队中的车辆控制方法。
本申请实施例的第七方面，提供一种电路系统，所述电路系统包括处理电路，所述处理电路配置为执行如上述第一方面对应的自动驾驶车队中的车辆控制方法。
本申请实施例的第八方面，提供一种计算机服务器，包括存储器，以及与所述存储器通信连接的一个或多个处理器；
所述存储器中存储有可被所述一个或多个处理器执行的指令，所述指令被所述一个或多个处理器执行，以使所述一个或多个处理器实现上述第一方面对应的自动驾驶车队中的车辆控制方法。
本申请提供了一种自动驾驶车队中的车辆控制方法、车载装置及车辆，首先可以实时获得第一跟随车运动状态信息、领航车运动状态信息，并在第一跟随车自身前侧存在相邻的第二跟随车时，实时获得第二跟随车运动状态信息；然后，确定之后的若干个时间节点的第一跟随车预测运动状态信息和领航车预测运动状态信息，并在第一跟随车自身前侧存在相邻的第二跟随车时，确定之后的若干个时间节点的第二跟随车预测运动状态信息；再然后，进行优化求解确定各时间节点对应的优化控制量；以优化控制量进行纵向控制。可见，本申请综合考虑了跟随车与领航车的关系，以及跟随车与其前车的关系，进而得到对于跟随车的优化控制量，从而能够实现自动驾驶车队中车辆的平稳精确控制，避免车队中车辆的距离、速度等产生剧烈变化，造成车队崩溃的问题。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例中的自动驾驶车队的示意图；
图2为本申请实施例提供的一种自动驾驶车队中的车辆控制方法的流程图一；
图3为本申请实施例提供的一种自动驾驶车队中的车辆控制方法的流程图二；
图4为本申请实施例提供的一种第一车载装置的结构示意图；
图5为本申请实施例提供的一种自动驾驶车辆的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，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、系统、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。
为了使本领域的技术人员更好的了解本申请，下面先对本申请实施例中出现的部分技术术语进行解释如下：
V2V：Vehicle-to-Vehicle，车对车，V2V通信技术是一种不受限于固定式基站的通信技术，为移动中的车辆提供直接的一端到另一端的无线通信。
V2X：Vehicle to X，是未来智能交通运输系统的关键技术。它使得车与车、车与基站、基站与基站之间能够通信。从而获得实时路况、道路信息、行人信息等一系列交通信息，从而提高驾驶安全性、减少拥堵、提高交通效率、提供车载娱乐信息等。
GNSS：Global Navigation Satellite System，全球导航卫星系统。
GPS：Global Positioning System，全球定位系统。
在本申请的一些实施例中，术语“车辆”广泛地解释为包括任何移动物体，包括例如飞行器、船只、航天器、汽车、卡车、厢式货车、半挂车、摩托车、高尔夫球车、越野车辆、仓库运输车辆或农用车以及行驶在轨道上的运输工具，例如电车或火车以及其它有轨车辆。本申请中的“车辆”通常可以包括：动力系统、传感器系统、控制系统、外围设备和计算机系统。在其它实施例中，车辆可以包括更多、更少或者不同的系统。
其中，动力系统是为车辆提供动力运动的系统，包括：引擎/马达、变速器和车轮/轮胎、能源单元。
控制系统可以包括控制车辆及其组件的装置的组合，例如转向单元、节气门、制动单元。
外围设备可以是允许车辆与外部传感器、其它车辆、外部计算设备和/或用户进行交互的设备，例如无线通信系统、触摸屏、麦克风和/或扬声器。
基于上述描述的车辆，无人驾驶车辆中还配置有传感器系统和无人驾驶控制装置。
传感器系统可以包括用于感测车辆所处环境的信息的多个传感器，以及改变传感器的位置和/或方向的一个或多个致动器。传感器系统可以包括全球定位系统传感器、惯性测量单元、无线电检测和测距(RADAR)单元、相机、激光测距仪、光检测和测距(LIDAR)单元和/或声学传感器等传感器的任何组合；传感器系统还可以包括监视车辆内部系统的传感器(例如O2监视器、燃油表、引擎温度计等)。
无人驾驶控制装置可以包括一个处理器和存储器，存储器中存储有至少一条机器可执行指令，处理器执行至少一条机器可执行指令实现包括地图引擎、定位模块、感知模块、导航或路径模块、以及自动控制模块等的功能。地图引擎和定位模块用于提供地图信息和定位信息。感知模块用于根据传感器系统获取到的信息和地图引擎提供的地图信息感知车辆所处环境中的事物。导航或路径模块用于根据地图引擎、定位模块和感知模块的处理结果，为车辆规划行驶路径。自动控制模块将导航或路径模块等模块的决策信息输入解析转换成对车辆控制系统的控制命令输出，并通过车载网(例如通过CAN总线、局域互联网络、多媒体定向系统传输等方式实现的车辆内部电子网络系统)将控制命令发送给车辆控制系统中的对应部件，实现对车辆的自动控制；自动控制模块还可以通过车载网来获取车辆中各部件的信息。
目前，自动驾驶车队中可以包括2个或更多个车辆，其中自动驾驶车队的第一辆车称为领航车，跟随在领航车之后的车辆称为跟随车。由于自动驾驶车队的车辆多，因此必须考虑自动驾驶车队中车辆的距离、速度、加速度等的控制。
而目前自动驾驶车队中的车辆的控制一般主要采用如下两种方式：
方式一：
根据当前跟随车状态和前车状态，如两车的速度、两车之间的距离、两车的加速度等信息，构造对应关系，及时确定纵向的控制策略。如当前两车之间的距离为50米，而自动驾驶车队所需的目标车距为20米，则可以确定在后的车辆应当加速；又例如当前跟随车的车速为5m/s，而前车的车速为4m/s，则可以确定当前跟随车应当减速。该方式一的优势在于能够较快的跟踪前车，但缺点在于加速减速会过于频繁。例如当前两车之间的距离为20.5米，目标车距为20米，在此刻当前跟随车应当加速，而下一时刻两车之间的距离减小为19.9米，目标车距为20米，则此时当前跟随车又需要立刻减速。可见，方式一的这种控制方式不利于车辆节油，并且乘车在频繁加速、减速的车辆上的乘坐体验也较差。
方式二：
通过建立运动学模型，获取当前跟随车和其前车的运动学参数，通过模型预测的方式，优化出未来一段时间较好的纵向控制量，以兼顾节油和乘车体验。
上述两种方式共同存在的问题是，自动驾驶车辆上现有的传感器对于距离、速度、加速度的探测精度不高，且时延较大，前车最新的运动学参数，往往需要经过几百毫秒，才能被后面跟随车准确获得，前车在此期间做的运动改变，都无法被后面跟随车及时准确获得。因此在高速运动的情况下，如果要保持几十米的车距，并且车距要维持在一个稳定的数值，上述两种方式均不能实现。
特别是当自动驾驶车队为卡车队列时(卡车重量较大)，后面跟随车始终要跟踪前车。例如，领航车运动发生改变后，第一辆跟随车需要一定的时间才能跟踪到新的状态，第二辆跟随车在第一辆跟随车跟踪稳定后的一定时间，才能够跟踪到第一辆跟随车的新的状态。以此类推，领航车运动改变后，需要后方每台车依次稳定跟踪到前方车辆。因此，造成自动驾驶车队队形难以保持，最终可能使整个车队整体发生震荡，造成车队最后一辆车运动剧烈变化(需要突然加速、突然减速)，最终使整个车队崩溃。
为了克服上述问题，本申请实施例提供一种自动驾驶车队中的车辆控制方法，其应用于如图1所示的自动驾驶车队10，该自动驾驶车队10包括领航车11和一至多辆跟随车12，该一至多辆跟随车12按预设顺序排列，并行驶于领航车11之后。例如，此处将多辆跟随车12中的其中一辆作为第一跟随车121，以该第一跟随车121自身的控制来描述上述的自动驾驶车队中的车辆控制方法。另外，若第一跟随车121并非领航车11车后的第一辆跟随车，则相当于在第一个随车121前车还存在跟随车，此处作为第二跟随车122。在本申请的一实施例中，如图1所示，领航车11中可以设置有领航车车载装置111和领航车V2X通信设备112；第一跟随车121中可以设置有第一车载装置1211、纵向控制器1212、纵向执行机构1213和第一V2X通信设备1214，该第一车载装置1211与纵向控制器1212和第一V2X通信设备1214分别连接，纵向控制器1212连接控制纵向执行机构1213；第二跟随车122可以设置有第二车载装置1221和第二V2X通信设备1222，该第二车载装置1221与第二V2X通信设备1222连接(另外第二跟随车122与第一跟随车121的结构可以相同，同样设置有纵向控制器和纵向执行机构，此处不再赘述)。领航车V2X通信设备112、第一V2X通信设备1214和第二V2X通信设备1222之间分别可以通过V2V通信连接。
此处，在本申请实施例中，领航车车载装置111、第一车载装置1211和第二车载装置1221可以是具有计算处理能力的车载计算机或车载服务器。
此处，在本申请实施例中，纵向控制器1212可以是车辆的油门控制器或者制动踏板控制器。相应的，在本申请实施例中，纵向执行机构1213可以是车辆的油门踏板或者制动踏板。
此处，在本申请实施例中，自动驾驶车队中的各车辆还可以设置有各种定位传感器(图中未示出)，如组合导航系统设备或车载GNSS设备等，即例如车载的GPS设备或车载的北斗卫星导航系统设备。另外各种定位传感器还可以包括摄像头、激光雷达等传感器，以感知车辆外部环境，辅助车载GNSS设备进行定位。具体的车辆定位方案在此处不再赘述。
如图2所示，本申请实施例提供一种自动驾驶车队中的车辆控制方法，包括：
步骤201、实时获得自动驾驶车队中的第一跟随车自身的第一跟随车运动状态信息和领航车的领航车运动状态信息，并在第一跟随车自身前侧存在相邻的第二跟随车时，实时获得第二跟随车的第二跟随车运动状态信息。
步骤202、根据第一跟随车运动状态信息和领航车运动状态信息分别确定当前时间节点之后的若干个时间节点的第一跟随车预测运动状态信息和领航车预测运动状态信息，并在第一跟随车自身前侧存在相邻的第二跟随车时，根据第二跟随车运动状态信息确定当前时间节点之后的若干个时间节点的第二跟随车预测运动状态信息。
步骤203、在第一跟随车自身前侧不存在相邻的第二跟随车时，根据各时间节点对应的第一跟随车预测运动状态信息和领航车预测运动状态信息，进行优化求解确定各时间节点对应的优化控制量，或者在第一跟随车自身前侧存在相邻的第二跟随车时，根据各时间节点对应的第一跟随车预测运动状态信息、第二跟随车预测运动状态信息和领航车预测运动状态信息，进行优化求解确定各时间节点对应的优化控制量。
步骤204、将优化控制量发送至第一跟随车自身的纵向控制器，以使得纵向控制器控制第一跟随车自身的纵向执行机构以优化控制量进行纵向控制。
值得说明的是，一般情况下，自动驾驶车队中车辆的纵向控制分为两种，一种为车辆加速控制，即油门控制，一种为车辆减速控制，即制动控制。
为了使本领域的技术人员更好的了解本申请，下面列举一个更为详细的实施例，如图3所示，本申请实施例提供一种自动驾驶车队中的车辆控制方法，包括：
步骤301、实时获得自动驾驶车队中的第一跟随车自身在自动驾驶车队的位置，并判断第一跟随车是否为自动驾驶车队中的第一辆跟随车。
其中，第一跟随车自身在自动驾驶车队的位置可以是指确定第一跟随车自身在自动驾驶车队中为第几辆跟随车。例如，自动驾驶车队在形成后，领航车处(如领航车车载装置)可以将各辆跟随车的入队顺序进行记录，则后续第一跟随车可以通过V2X的方式从领航处获得第一跟随车自身在自动驾驶车队中的位置。
在第一跟随车为自动驾驶车队中的第一辆跟随车时，执行步骤302至步骤307；在第一跟随车不为自动驾驶车队中的第一辆跟随车时(即可以确定在第一跟随车自身前侧存在相邻的第二跟随车)，执行步骤308至步骤315。
步骤302、实时获得自动驾驶车队中的第一跟随车自身的第一跟随车速度、第一跟随车加速度和第一跟随车位置，并通过第一跟随车自身设置的第一V2X通信设备实时获得领航车设置的领航车车载装置通过领航车V2X通信设备发送的领航车速度、领航车加速度和领航车位置。
例如，第一跟随车位置和领航车位置可以通过GPS、组合导航系统设备等装置来获得，此处不再赘述。
步骤303、根据当前时间节点对应的第一跟随车速度、第一跟随车加速度和第一跟随车位置，确定当前时间节点之后的若干个时间节点的第一跟随车预测速度和第一跟随车预测位置。
其中，该步骤303可以采用如下方式实现，例如：
根据当前时间节点t(0)对应的第一跟随车速度Vn(0)、第一跟随车加速度An(0)和第一跟随车位置Pn(0)，根据公式：
Vn(k)＝Vn(k-1)+An(k-1)·(t(k)-t(k-1))；
Figure BDA0002333782760000101
分别确定第k个时间节点t(k)的第一跟随车预测速度Vn(k)和第一跟随车预测位置Pn(k)；其中，n表示自动驾驶车队中的第n辆跟随车；Vn(k-1)为第k-1个时间节点t(k-1)的第一跟随车预测速度；An(k-1)为第k-1个时间节点t(k-1)的第一跟随车加速度；Pn(k-1)为第k-1个时间节点t(k-1)的第一跟随车预测位置。其中，An(k-1)在当前时间节点t(0)可以为第一跟随车加速度An(0)，之后(如时间节点t(1)及之后)则为待求解的第一跟随车预测加速度。
步骤304、根据当前时间节点对应的领航车速度、领航车加速度和领航车位置，确定当前时间节点之后的若干个时间节点的领航车预测速度和领航车预测位置。
其中，该步骤304可以采用如下方式实现，例如：
根据当前时间节点t(0)对应的领航车速度V0(0)、领航车加速度A0(0)和领航车位置P0(0)，根据公式：
V0(k)＝V0(k-1)+A0(k-1)·(t(k)-t(k-1))；
Figure BDA0002333782760000102
分别确定第k个时间节点t(k)的领航车预测速度V0(k)和领航车预测位置P0(k)；其中；V0(k-1)为第k-1个时间节点t(k-1)的领航车预测速度；A0(k-1)为第k-1个时间节点t(k-1)的领航车加速度；P0(k-1)为第k-1个时间节点t(k-1)的领航车预测位置。其中，A0(k-1)在当前时间节点t(0)可以为领航车加速度A0(0)，之后(如时间节点t(1)及之后)则为待求解的领航车预测加速度。
步骤305、根据各时间节点对应的第一跟随车预测速度、第一跟随车预测位置、领航车预测速度和领航车预测位置，确定第一跟随车与领航车的距离约束、速度约束和加速度约束。
其中，第一跟随车与领航车的距离约束、速度约束和加速度约束分别为：
DD(0)＝abs(P1(k)-P0(k)-dis)；
DV(0)＝abs(V1(k)-V0(k))；
DA(0)＝abs(A1(k)-A0(k))；
其中，DD(0)为第一跟随车与领航车的距离约束；DV(0)为第一跟随车与领航车的速度约束；DA(0)为第一跟随车与领航车的加速度约束；abs表示取绝对值函数；dis表示预先设置的目标跟踪距离；P1(k)为第k个时间节点t(k)的第一跟随车预测位置；P0(k)为第k个时间节点t(k)的领航车预测位置；V1(k)为第k个时间节点t(k)的第一跟随车预测速度；V0(k)为第k个时间节点t(k)的领航车预测速度；A1(k)为第k个时间节点t(k)的第一跟随车加速度；A0(k)为第k个时间节点t(k)的领航车加速度；
步骤306、根据第一跟随车与领航车的距离约束、速度约束和加速度约束确定整体约束模型。
其中，该整体约束模型为：
D1＝a1DD(0)+a2DV(0)+a3DA(0)；其中，a1、a2和a3为预先设置的权重系数。其中，a1、a2和a3可以根据实际需求预先设置，例如：当车队整体车距随时间收敛较慢，即较慢达到目标跟踪距离，则可以增大a1；当车队所有车辆速度趋近一致较慢，则需要增大a2；当车队加减速不同步，且由于不同步造成跟随车加速和减速频繁切换，则需要增大a3。另外，需要说明是，在预先设置的权重系数中，增大其中某些权重，等价于减少另一些权重。该预先设置的权重系数的取值，可以根据车队的整体测试性能调试，具体与车队中前车、本车的动力、制动性能等有关，此处不再赘述。
步骤307、对整体约束模型进行优化求解确定各时间节点对应的优化控制量。
其中，该步骤307可以采用如下方式实现：
对整体约束模型：D1＝a1DD(0)+a2DV(0)+a3DA(0)进行优化求解，确定在D1取得最小值时对应的第k个时间节点t(k)的第一跟随车加速度A1(k)作为优化控制量。
在步骤307之后继续执行步骤316。
步骤308、实时获得自动驾驶车队中的第一跟随车自身的第一跟随车速度、第一跟随车加速度和第一跟随车位置，并通过第一跟随车自身设置的第一V2X通信设备实时获得领航车设置的领航车车载装置通过领航车V2X通信设备发送的领航车速度、领航车加速度和领航车位置，通过第一跟随车自身设置的第一V2X通信设备实时获得第二跟随车设置的第二车载装置通过第二V2X通信设备发送的第二跟随车速度、第二跟随车加速度和第二跟随车位置。
例如，第一跟随车位置、第二跟随车位置和领航车位置可以通过GPS、组合导航系统设备等装置来获得，此处不再赘述。
步骤309、根据当前时间节点对应的第一跟随车速度、第一跟随车加速度和第一跟随车位置，确定当前时间节点之后的若干个时间节点的第一跟随车预测速度和第一跟随车预测位置。
其中，该步骤309的具体实现方式可以参见上述步骤303的具体实现方式，此处不再赘述。
步骤310、根据当前时间节点对应的领航车速度、领航车加速度和领航车位置，确定当前时间节点之后的若干个时间节点的领航车预测速度和领航车预测位置。
其中，该步骤310的具体实现方式可以参见上述步骤304的具体实现方式，此处不再赘述。
步骤311、根据当前时间节点对应的第二跟随车速度、第二跟随车加速度和第二跟随车位置，确定当前时间节点之后的若干个时间节点的第二跟随车预测速度和第二跟随车预测位置。
其中，该步骤311可以采用如下方式实现，例如：
根据当前时间节点t(0)对应的第二跟随车速度V(n-1)(0)、第二跟随车加速度A(n-1)(0)和第二跟随车位置P(n-1)(0)，根据公式：
V(n-1)(k)＝V(n-1)(k-1)+A(n-1)(k-1)·(t(k)-t(k-1))；
Figure BDA0002333782760000121
分别确定第k个时间节点t(k)的第二跟随车预测速度V(n-1)(k)和第二跟随车预测位置P(n-1)(k)；其中，n-1表示自动驾驶车队中的第n-1辆跟随车；V(n-1)(k-1)为第k-1个时间节点t(k-1)的第二跟随车预测速度；A(n-1)(k-1)为第k-1个时间节点t(k-1)的第二跟随车加速度；P(n-1)(k-1)为第k-1个时间节点t(k-1)的第二跟随车预测位置。其中，A(n-1)(k-1)在当前时间节点t(0)可以为第二跟随车加速度A(n-1)(0)，之后(如时间节点t(1)及之后)则为待求解的第二跟随车预测加速度。
步骤312、根据各时间节点对应的第一跟随车预测速度、第一跟随车预测位置、领航车预测速度和领航车预测位置，确定第一跟随车与领航车的距离约束、速度约束和加速度约束。
其中，该第一跟随车与领航车的距离约束、速度约束和加速度约束分别为：
Figure BDA0002333782760000122
Figure BDA0002333782760000131
Figure BDA0002333782760000132
其中，DD(0)为第一跟随车与领航车的距离约束；DV(0)为第一跟随车与领航车的速度约束；DA(0)为第一跟随车与领航车的加速度约束；abs表示取绝对值函数；dis表示预先设置的目标跟踪距离；Pn(k)为第k个时间节点t(k)的第一跟随车预测位置；P0(k)为第k个时间节点t(k)的领航车预测位置；Vn(k)为第k个时间节点t(k)的第一跟随车预测速度；V0(k)为第k个时间节点t(k)的领航车预测速度；An(k)为第k个时间节点t(k)的第一跟随车加速度；A0(k)为第k个时间节点t(k)的领航车加速度；n表示第一跟随车为自动驾驶车队的第n辆跟随车。
步骤313、根据各时间节点对应的第一跟随车预测速度、第一跟随车预测位置、第二跟随车预测速度和第二跟随车预测位置，确定第一跟随车与第二跟随车的距离约束、速度约束和加速度约束。
其中，第一跟随车与第二跟随车的距离约束、速度约束和加速度约束分别为：
Figure BDA0002333782760000133
Figure BDA0002333782760000134
Figure BDA0002333782760000135
其中，DD(n-1)为第一跟随车与第二跟随车的距离约束；DV(n-1)为第一跟随车与第二跟随车的速度约束；DA(n-1)为第一跟随车与第二跟随车的加速度约束；P(n-1)(k)为第k个时间节点t(k)的第二跟随车预测位置；V(n-1)(k)为第k个时间节点t(k)的第二跟随车预测速度；A(n-1)(k)为第k个时间节点t(k)的领航车加速度；n表示第一跟随车为自动驾驶车队的第n辆跟随车；n-1表示第二跟随车为自动驾驶车队的第n-1辆跟随车。
步骤314、根据第一跟随车与领航车的距离约束、速度约束和加速度约束，以及第一跟随车与第二跟随车的距离约束、速度约束和加速度约束确定整体约束模型。
其中，该整体约束模型为：
D2＝b1DD(n-1)+b2DD(0)+b3DV(n-1)+b4DV(0)+b5DA(n-1)+b6DA(0)；其中，b1、b2、b3、b4、b5和b6为预先设置的权重系数。其中，b1、b2、b3、b4、b5和b6可以根据实际需求预先设置，例如：当车队整体车距随时间收敛较慢，即较慢达到目标跟踪距离，则可以增大b1和b2；当车队所有车辆速度趋近一致较慢，则需要增大b3和b4；当车队加减速不同步，且由于不同步造成跟随车加速和减速频繁切换，则需要增大b5和b6。另外，需要说明是，在预先设置的权重系数中，增大其中某些权重，等价于减少另一些权重。该预先设置的权重系数的取值，可以根据车队的整体测试性能调试，具体与车队中前车、本车的动力、制动性能等有关，此处不再赘述。
步骤315、对整体约束模型进行优化求解确定各时间节点对应的优化控制量。
此处，该步骤315可以通过如下方式实现，例如：
对整体约束模型：
D2＝b1DD(n-1)+b2DD(0)+b3DV(n-1)+b4DV(0)+b5DA(n-1)+b6DA(0)进行优化求解，确定在D2取得最小值时对应的第k个时间节点t(k)的第一跟随车加速度An(k)作为优化控制量。
在步骤315之后继续执行步骤316。
步骤316、将优化控制量发送至第一跟随车自身的纵向控制器，以使得纵向控制器控制第一跟随车自身的纵向执行机构以优化控制量进行纵向控制。
如图4所示，本申请实施例还提供一种第一车载装置，该第一车载装置设置于自动驾驶车队中的第一跟随车中；自动驾驶车队包括领航车以及一至多辆跟随车；该一至多辆跟随车按预设顺序排列，并行驶于领航车之后；该第一车载装置，包括：
运动状态信息获得单元41，用于实时获得自动驾驶车队中的第一跟随车自身的第一跟随车运动状态信息和领航车的领航车运动状态信息，并在第一跟随车自身前侧存在相邻的第二跟随车时，实时获得第二跟随车的第二跟随车运动状态信息。
预测运动状态信息确定单元42，用于根据第一跟随车运动状态信息和领航车运动状态信息分别确定当前时间节点之后的若干个时间节点的第一跟随车预测运动状态信息和领航车预测运动状态信息，并在第一跟随车自身前侧存在相邻的第二跟随车时，根据第二跟随车运动状态信息确定当前时间节点之后的若干个时间节点的第二跟随车预测运动状态信息。
优化控制量确定单元43，用于在第一跟随车自身前侧不存在相邻的第二跟随车时，根据各时间节点对应的第一跟随车预测运动状态信息和领航车预测运动状态信息，进行优化求解确定各时间节点对应的优化控制量，或者在第一跟随车自身前侧存在相邻的第二跟随车时，根据各时间节点对应的第一跟随车预测运动状态信息、第二跟随车预测运动状态信息和领航车预测运动状态信息，进行优化求解确定各时间节点对应的优化控制量。
优化控制量发送单元44，用于将优化控制量发送至第一跟随车自身的纵向控制器，以使得纵向控制器控制第一跟随车自身的纵向执行机构以所述优化控制量进行纵向控制。
如图1和图5所示，本申请实施例还提供一种自动驾驶车辆，该自动驾驶车辆在自动驾驶车队10中行驶，作为自动驾驶车队10的第一跟随车121，该自动驾驶车队10包括领航车11以及一至多辆跟随车12；该一至多辆跟随车12按预设顺序排列，并行驶于领航车11之后。
自动驾驶车辆(即第一跟随车121)包括第一车载装置1211、纵向控制器1212和纵向执行机构1213；第一车载装置1211与纵向控制器1212连接，纵向控制器1212与纵向执行机构1213连接。
该第一车载装置1211，用于实时获得自动驾驶车队中的第一跟随车自身的第一跟随车运动状态信息和领航车的领航车运动状态信息，并在所述第一跟随车自身前侧存在相邻的第二跟随车时，实时获得第二跟随车的第二跟随车运动状态信息；根据第一跟随车运动状态信息和领航车运动状态信息分别确定当前时间节点之后的若干个时间节点的第一跟随车预测运动状态信息和领航车预测运动状态信息，并在所述第一跟随车自身前侧存在相邻的第二跟随车时，根据第二跟随车运动状态信息确定当前时间节点之后的若干个时间节点的第二跟随车预测运动状态信息；在所述第一跟随车自身前侧不存在相邻的第二跟随车时，根据各时间节点对应的第一跟随车预测运动状态信息和领航车预测运动状态信息，进行优化求解确定各时间节点对应的优化控制量，或者在所述第一跟随车自身前侧存在相邻的第二跟随车时，根据各时间节点对应的第一跟随车预测运动状态信息、第二跟随车预测运动状态信息和领航车预测运动状态信息，进行优化求解确定各时间节点对应的优化控制量；将优化控制量发送至第一跟随车自身的纵向控制器；
该纵向控制器1212，用于控制第一跟随车自身的纵向执行机构1213以优化控制量进行纵向控制。
另外，本申请实施例还提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现上述图1至图3所对应的自动驾驶车队中的车辆控制方法。其具体实现方式可以参见上述图1至图3所对应的方法实施例，此处不再赘述。
另外，本申请实施例还提供一种包含指令的计算机程序产品，当计算机程序产品在计算机上运行时，使得计算机执行如上述图1至图3所对应的自动驾驶车队中的车辆控制方法。其具体实现方式可以参见上述图1至图3所对应的方法实施例，此处不再赘述。
另外，本申请实施例还提供一种芯片系统，包括处理器，所述处理器与存储器的耦合，所述存储器存储有程序指令，当所述存储器存储的程序指令被所述处理器执行时实现上述图1至图3所对应的自动驾驶车队中的车辆控制方法。其具体实现方式可以参见上述图1至图3所对应的方法实施例，此处不再赘述。
另外，本申请实施例还提供一种电路系统，所述电路系统包括处理电路，所述处理电路配置为执行如上述图1至图3所对应的自动驾驶车队中的车辆控制方法。其具体实现方式可以参见上述图1至图3所对应的方法实施例，此处不再赘述。
另外，本申请实施例还提供一种计算机服务器，包括存储器，以及与所述存储器通信连接的一个或多个处理器；
所述存储器中存储有可被所述一个或多个处理器执行的指令，所述指令被所述一个或多个处理器执行，以使所述一个或多个处理器实现上述图1至图3所对应的自动驾驶车队中的车辆控制方法。其具体实现方式可以参见上述图1至图3所对应的方法实施例，此处不再赘述。
本申请提供了一种自动驾驶车队中的车辆控制方法、车载装置及车辆，首先可以实时获得第一跟随车运动状态信息、领航车运动状态信息，并在第一跟随车自身前侧存在相邻的第二跟随车时，实时获得第二跟随车运动状态信息；然后，确定之后的若干个时间节点的第一跟随车预测运动状态信息和领航车预测运动状态信息，并在第一跟随车自身前侧存在相邻的第二跟随车时，确定之后的若干个时间节点的第二跟随车预测运动状态信息；再然后，进行优化求解确定各时间节点对应的优化控制量；以优化控制量进行纵向控制。可见，本申请综合考虑了跟随车与领航车的关系，以及跟随车与其前车的关系，进而得到对于跟随车的优化控制量，从而能够实现自动驾驶车队中车辆的平稳精确控制，避免车队中车辆的距离、速度等产生剧烈变化，造成车队崩溃的问题。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本申请中应用了具体实施例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (18)

1.一种自动驾驶车队中的车辆控制方法，其特征在于，所述自动驾驶车队包括领航车以及一至多辆跟随车；所述一至多辆跟随车按预设顺序排列，并行驶于领航车之后；
所述方法包括：
实时获得自动驾驶车队中的第一跟随车自身的第一跟随车运动状态信息和领航车的领航车运动状态信息，并在所述第一跟随车自身前侧存在相邻的第二跟随车时，实时获得第二跟随车的第二跟随车运动状态信息；
根据第一跟随车运动状态信息和领航车运动状态信息分别确定当前时间节点之后的若干个时间节点的第一跟随车预测运动状态信息和领航车预测运动状态信息，并在所述第一跟随车自身前侧存在相邻的第二跟随车时，根据第二跟随车运动状态信息确定当前时间节点之后的若干个时间节点的第二跟随车预测运动状态信息；
在所述第一跟随车自身前侧不存在相邻的第二跟随车时，根据各时间节点对应的第一跟随车预测运动状态信息和领航车预测运动状态信息，进行优化求解确定各时间节点对应的优化控制量，或者在所述第一跟随车自身前侧存在相邻的第二跟随车时，根据各时间节点对应的第一跟随车预测运动状态信息、第二跟随车预测运动状态信息和领航车预测运动状态信息，进行优化求解确定各时间节点对应的优化控制量；
将所述优化控制量发送至第一跟随车自身的纵向控制器，以使得所述纵向控制器控制第一跟随车自身的纵向执行机构以所述优化控制量进行纵向控制；
其中，在所述第一跟随车自身前侧不存在相邻的第二跟随车时，进行优化求解的整体约束模型为：D1＝a1DD(0)+a2DV(0)+a3DA(0)；所述优化控制量为D1取得最小值时对应的第k个时间节点的第一跟随车加速度；其中，a1、a2和a3为预先设置的权重系数；DD(0)为第一跟随车与领航车的距离约束；DV(0)为第一跟随车与领航车的速度约束；DA(0)为第一跟随车与领航车的加速度约束；
在所述第一跟随车自身前侧存在相邻的第二跟随车时，进行优化求解的整体约束模型为：D2＝b1DD(n-1)+b2DD(0)+b3DV(n-1)+b4DV(0)+b5DA(n-1)+b6DA(0)；所述优化控制量为D2取得最小值时对应的第k个时间节点的第一跟随车加速度；其中，b1、b2、b3、b4、b5和b6为预先设置的权重系数；DD(n-1)为第一跟随车与第二跟随车的距离约束；DV(n-1)为第一跟随车与第二跟随车的速度约束；DA(n-1)为第一跟随车与第二跟随车的加速度约束。
2.根据权利要求1所述的自动驾驶车队中的车辆控制方法，其特征在于，实时获得自动驾驶车队中的第一跟随车自身的第一跟随车运动状态信息和领航车的领航车运动状态信息，包括：
实时获得自动驾驶车队中的第一跟随车自身的第一跟随车速度、第一跟随车加速度和第一跟随车位置，并通过第一跟随车自身设置的第一V2X通信设备实时获得领航车设置的领航车车载装置通过领航车V2X通信设备发送的领航车速度、领航车加速度和领航车位置。
3.根据权利要求2所述的自动驾驶车队中的车辆控制方法，其特征在于，在所述第一跟随车自身前侧存在相邻的第二跟随车时，实时获得第二跟随车的第二跟随车运动状态信息，包括：
在所述第一跟随车自身前侧存在相邻的第二跟随车时，通过第一跟随车自身设置的第一V2X通信设备实时获得第二跟随车设置的第二车载装置通过第二V2X通信设备发送的第二跟随车速度、第二跟随车加速度和第二跟随车位置。
4.根据权利要求1所述的自动驾驶车队中的车辆控制方法，其特征在于，所述第一跟随车运动状态信息包括：第一跟随车自身的第一跟随车速度、第一跟随车加速度和第一跟随车位置；所述领航车运动状态信息包括：领航车速度、领航车加速度和领航车位置；
所述根据第一跟随车运动状态信息和领航车运动状态信息分别确定当前时间节点之后的若干个时间节点的第一跟随车预测运动状态信息和领航车预测运动状态信息，包括：
根据当前时间节点对应的第一跟随车速度、第一跟随车加速度和第一跟随车位置，确定当前时间节点之后的若干个时间节点的第一跟随车预测速度和第一跟随车预测位置；
根据当前时间节点对应的领航车速度、领航车加速度和领航车位置，确定当前时间节点之后的若干个时间节点的领航车预测速度和领航车预测位置。
5.根据权利要求4所述的自动驾驶车队中的车辆控制方法，其特征在于，所述根据当前时间节点对应的第一跟随车速度、第一跟随车加速度和第一跟随车位置，确定当前时间节点之后的若干个时间节点的第一跟随车预测速度和第一跟随车预测位置，包括：
根据当前时间节点t(0)对应的第一跟随车速度Vn(0)、第一跟随车加速度An(0)和第一跟随车位置Pn(0)，根据公式：
Vn(k)＝Vn(k-1)+An(k-1)·(t(k)-t(k-1))；
Figure FDA0003939086340000031
分别确定第k个时间节点t(k)的第一跟随车预测速度Vn(k)和第一跟随车预测位置Pn(k)；其中，n表示自动驾驶车队中的第n辆跟随车；Vn(k-1)为第k-1个时间节点t(k-1)的第一跟随车预测速度；An(k-1)为第k-1个时间节点t(k-1)的第一跟随车加速度；Pn(k-1)为第k-1个时间节点t(k-1)的第一跟随车预测位置；
所述根据当前时间节点对应的领航车速度、领航车加速度和领航车位置，确定当前时间节点之后的若干个时间节点的领航车预测速度和领航车预测位置，包括：
根据当前时间节点t(0)对应的领航车速度V0(0)、领航车加速度A0(0)和领航车位置P0(0)，根据公式：
V0(k)＝V0(k-1)+A0(k-1)·(t(k)-t(k-1))；
Figure FDA0003939086340000032
分别确定第k个时间节点t(k)的领航车预测速度V0(k)和领航车预测位置P0(k)；其中；V0(k-1)为第k-1个时间节点t(k-1)的领航车预测速度；A0(k-1)为第k-1个时间节点t(k-1)的领航车加速度；P0(k-1)为第k-1个时间节点t(k-1)的领航车预测位置。
6.根据权利要求5所述的自动驾驶车队中的车辆控制方法，其特征在于，所述第二跟随车运动状态信息包括：第二跟随车的第二跟随车速度、第二跟随车加速度和第二跟随车位置；
在所述第一跟随车自身前侧存在相邻的第二跟随车时，根据第二跟随车运动状态信息确定当前时间节点之后的若干个时间节点的第二跟随车预测运动状态信息，包括：
在所述第一跟随车自身前侧存在相邻的第二跟随车时，根据当前时间节点对应的第二跟随车速度、第二跟随车加速度和第二跟随车位置，确定当前时间节点之后的若干个时间节点的第二跟随车预测速度和第二跟随车预测位置。
7.根据权利要求6所述的自动驾驶车队中的车辆控制方法，其特征在于，在所述第一跟随车自身前侧存在相邻的第二跟随车时，根据当前时间节点对应的第二跟随车速度、第二跟随车加速度和第二跟随车位置，确定当前时间节点之后的若干个时间节点的第二跟随车预测速度和第二跟随车预测位置，包括：
根据当前时间节点t(0)对应的第二跟随车速度V(n-1)(0)、第二跟随车加速度A(n-1)(0)和第二跟随车位置P(n-1)(0)，根据公式：
V(n-1)(k)＝V(n-1)(k-1)+A(n-1)(k-1)·(t(k)-t(k-1))；
Figure FDA0003939086340000041
分别确定第k个时间节点t(k)的第二跟随车预测速度V(n-1)(k)和第二跟随车预测位置P(n-1)(k)；其中，n-1表示自动驾驶车队中的第n-1辆跟随车；V(n-1)(k-1)为第k-1个时间节点t(k-1)的第二跟随车预测速度；A(n-1)(k-1)为第k-1个时间节点t(k-1)的第二跟随车加速度；P(n-1)(k-1)为第k-1个时间节点t(k-1)的第二跟随车预测位置。
8.根据权利要求7所述的自动驾驶车队中的车辆控制方法，其特征在于，所述在所述第一跟随车自身前侧不存在相邻的第二跟随车时，根据各时间节点对应的第一跟随车预测运动状态信息和领航车预测运动状态信息，进行优化求解确定各时间节点对应的优化控制量，包括：
在所述第一跟随车自身前侧不存在相邻的第二跟随车时，根据各时间节点对应的第一跟随车预测速度、第一跟随车预测位置、领航车预测速度和领航车预测位置，确定第一跟随车与领航车的距离约束、速度约束和加速度约束；
根据第一跟随车与领航车的距离约束、速度约束和加速度约束确定整体约束模型；
对所述整体约束模型进行优化求解确定各时间节点对应的优化控制量。
9.根据权利要求8所述的自动驾驶车队中的车辆控制方法，其特征在于，所述第一跟随车与领航车的距离约束、速度约束和加速度约束分别为：
DD(0)＝abs(P1(k)-P0(k)-dis)；
DV(0)＝abs(V1(k)-V0(k))；
DA(0)＝abs(A1(k)-A0(k))；
其中，abs表示取绝对值函数；dis表示预先设置的目标跟踪距离；P1(k)为第k个时间节点t(k)的第一跟随车预测位置；P0(k)为第k个时间节点t(k)的领航车预测位置；V1(k)为第k个时间节点t(k)的第一跟随车预测速度；V0(k)为第k个时间节点t(k)的领航车预测速度；A1(k)为第k个时间节点t(k)的第一跟随车加速度；A0(k)为第k个时间节点t(k)的领航车加速度。
10.根据权利要求7所述的自动驾驶车队中的车辆控制方法，其特征在于，在所述第一跟随车自身前侧存在相邻的第二跟随车时，根据各时间节点对应的第一跟随车预测运动状态信息、第二跟随车预测运动状态信息和领航车预测运动状态信息，进行优化求解确定各时间节点对应的优化控制量，包括：
根据各时间节点对应的第一跟随车预测速度、第一跟随车预测位置、领航车预测速度和领航车预测位置，确定第一跟随车与领航车的距离约束、速度约束和加速度约束；
根据各时间节点对应的第一跟随车预测速度、第一跟随车预测位置、第二跟随车预测速度和第二跟随车预测位置，确定第一跟随车与第二跟随车的距离约束、速度约束和加速度约束；
根据第一跟随车与领航车的距离约束、速度约束和加速度约束，以及第一跟随车与第二跟随车的距离约束、速度约束和加速度约束确定整体约束模型；
对所述整体约束模型进行优化求解确定各时间节点对应的优化控制量。
11.根据权利要求10所述的自动驾驶车队中的车辆控制方法，其特征在于，所述第一跟随车与领航车的距离约束、速度约束和加速度约束分别为：
Figure FDA0003939086340000051
Figure FDA0003939086340000052
Figure FDA0003939086340000053
其中，DD(0)为第一跟随车与领航车的距离约束；DV(0)为第一跟随车与领航车的速度约束；DA(0)为第一跟随车与领航车的加速度约束；abs表示取绝对值函数；dis表示预先设置的目标跟踪距离；Pn(k)为第k个时间节点t(k)的第一跟随车预测位置；P0(k)为第k个时间节点t(k)的领航车预测位置；Vn(k)为第k个时间节点t(k)的第一跟随车预测速度；V0(k)为第k个时间节点t(k)的领航车预测速度；An(k)为第k个时间节点t(k)的第一跟随车加速度；A0(k)为第k个时间节点t(k)的领航车加速度；n表示第一跟随车为自动驾驶车队的第n辆跟随车；
所述第一跟随车与第二跟随车的距离约束、速度约束和加速度约束分别为：
Figure FDA0003939086340000061
Figure FDA0003939086340000062
Figure FDA0003939086340000063
其中，P(n-1)(k)为第k个时间节点t(k)的第二跟随车预测位置；V(n-1)(k)为第k个时间节点t(k)的第二跟随车预测速度；A(n-1)(k)为第k个时间节点t(k)的领航车加速度；n表示第一跟随车为自动驾驶车队的第n辆跟随车；n-1表示第二跟随车为自动驾驶车队的第n-1辆跟随车。
12.一种第一车载装置，其特征在于，所述第一车载装置设置于自动驾驶车队中的第一跟随车中；自动驾驶车队包括领航车以及一至多辆跟随车；所述一至多辆跟随车按预设顺序排列，并行驶于领航车之后；所述第一车载装置，包括：
运动状态信息获得单元，用于实时获得自动驾驶车队中的第一跟随车自身的第一跟随车运动状态信息和领航车的领航车运动状态信息，并在所述第一跟随车自身前侧存在相邻的第二跟随车时，实时获得第二跟随车的第二跟随车运动状态信息；
预测运动状态信息确定单元，用于根据第一跟随车运动状态信息和领航车运动状态信息分别确定当前时间节点之后的若干个时间节点的第一跟随车预测运动状态信息和领航车预测运动状态信息，并在所述第一跟随车自身前侧存在相邻的第二跟随车时，根据第二跟随车运动状态信息确定当前时间节点之后的若干个时间节点的第二跟随车预测运动状态信息；
优化控制量确定单元，用于在所述第一跟随车自身前侧不存在相邻的第二跟随车时，根据各时间节点对应的第一跟随车预测运动状态信息和领航车预测运动状态信息，进行优化求解确定各时间节点对应的优化控制量，或者在所述第一跟随车自身前侧存在相邻的第二跟随车时，根据各时间节点对应的第一跟随车预测运动状态信息、第二跟随车预测运动状态信息和领航车预测运动状态信息，进行优化求解确定各时间节点对应的优化控制量；
优化控制量发送单元，用于将所述优化控制量发送至第一跟随车自身的纵向控制器，以使得所述纵向控制器控制第一跟随车自身的纵向执行机构以所述优化控制量进行纵向控制；
其中，在所述第一跟随车自身前侧不存在相邻的第二跟随车时，进行优化求解的整体约束模型为：D1＝a1DD(0)+a2DV(0)+a3DA(0)；所述优化控制量为D1取得最小值时对应的第k个时间节点的第一跟随车加速度；其中，a1、a2和a3为预先设置的权重系数；DD(0)为第一跟随车与领航车的距离约束；DV(0)为第一跟随车与领航车的速度约束；DA(0)为第一跟随车与领航车的加速度约束；
在所述第一跟随车自身前侧存在相邻的第二跟随车时，进行优化求解的整体约束模型为：D2＝b1DD(n-1)+b2DD(0)+b3DV(n-1)+b4DV(0)+b5DA(n-1)+b6DA(0)；所述优化控制量为D2取得最小值时对应的第k个时间节点的第一跟随车加速度；其中，b1、b2、b3、b4、b5和b6为预先设置的权重系数；DD(n-1)为第一跟随车与第二跟随车的距离约束；DV(n-1)为第一跟随车与第二跟随车的速度约束；DA(n-1)为第一跟随车与第二跟随车的加速度约束。
13.一种自动驾驶车辆，其特征在于，所述自动驾驶车辆在自动驾驶车队中行驶，作为自动驾驶车队的第一跟随车，所述自动驾驶车队包括领航车以及一至多辆跟随车；所述一至多辆跟随车按预设顺序排列，并行驶于领航车之后；
所述自动驾驶车辆包括第一车载装置、纵向控制器和纵向执行机构；所述第一车载装置与纵向控制器连接，所述纵向控制器与所述纵向执行机构连接；
所述第一车载装置，用于实时获得自动驾驶车队中的第一跟随车自身的第一跟随车运动状态信息和领航车的领航车运动状态信息，并在所述第一跟随车自身前侧存在相邻的第二跟随车时，实时获得第二跟随车的第二跟随车运动状态信息；根据第一跟随车运动状态信息和领航车运动状态信息分别确定当前时间节点之后的若干个时间节点的第一跟随车预测运动状态信息和领航车预测运动状态信息，并在所述第一跟随车自身前侧存在相邻的第二跟随车时，根据第二跟随车运动状态信息确定当前时间节点之后的若干个时间节点的第二跟随车预测运动状态信息；在所述第一跟随车自身前侧不存在相邻的第二跟随车时，根据各时间节点对应的第一跟随车预测运动状态信息和领航车预测运动状态信息，进行优化求解确定各时间节点对应的优化控制量，或者在所述第一跟随车自身前侧存在相邻的第二跟随车时，根据各时间节点对应的第一跟随车预测运动状态信息、第二跟随车预测运动状态信息和领航车预测运动状态信息，进行优化求解确定各时间节点对应的优化控制量；将所述优化控制量发送至第一跟随车自身的纵向控制器；
所述纵向控制器，用于控制第一跟随车自身的纵向执行机构以所述优化控制量进行纵向控制；
其中，在所述第一跟随车自身前侧不存在相邻的第二跟随车时，进行优化求解的整体约束模型为：D1＝a1DD(0)+a2DV(0)+a3DA(0)；所述优化控制量为D1取得最小值时对应的第k个时间节点的第一跟随车加速度；其中，a1、a2和a3为预先设置的权重系数；DD(0)为第一跟随车与领航车的距离约束；DV(0)为第一跟随车与领航车的速度约束；DA(0)为第一跟随车与领航车的加速度约束；
在所述第一跟随车自身前侧存在相邻的第二跟随车时，进行优化求解的整体约束模型为：D2＝b1DD(n-1)+b2DD(0)+b3DV(n-1)+b4DV(0)+b5DA(n-1)+b6DA(0)；所述优化控制量为D2取得最小值时对应的第k个时间节点的第一跟随车加速度；其中，b1、b2、b3、b4、b5和b6为预先设置的权重系数；DD(n-1)为第一跟随车与第二跟随车的距离约束；DV(n-1)为第一跟随车与第二跟随车的速度约束；DA(n-1)为第一跟随车与第二跟随车的加速度约束。
14.一种计算机可读存储介质，其特征在于，包括程序或指令，当所述程序或指令在计算机上运行时，实现权利要求1至11任一项所述的自动驾驶车队中的车辆控制方法。
15.一种包含指令的计算机程序产品，其特征在于，当所述计算机程序产品在计算机上运行时，使得所述计算机执行如权利要求1至11任一项所述的自动驾驶车队中的车辆控制方法。
16.一种芯片系统，其特征在于，包括处理器，所述处理器与存储器的耦合，所述存储器存储有程序指令，当所述存储器存储的程序指令被所述处理器执行时实现权利要求1至11任一项所述的自动驾驶车队中的车辆控制方法。
17.一种电路系统，其特征在于，所述电路系统包括处理电路，所述处理电路配置为执行如权利要求1至11任一项所述的自动驾驶车队中的车辆控制方法。
18.一种计算机服务器，其特征在于，包括存储器，以及与所述存储器通信连接的一个或多个处理器；
所述存储器中存储有可被所述一个或多个处理器执行的指令，所述指令被所述一个或多个处理器执行，以使所述一个或多个处理器实现如权利要求1至11任一项所述的自动驾驶车队中的车辆控制方法。
CN201911347449.4A 2019-12-24 2019-12-24 自动驾驶车队中的车辆控制方法、车载装置及车辆 Active CN113031576B (zh)

Priority Applications (7)

Application Number Priority Date Filing Date Title
CN202211556462.2A CN115951666A (zh) 2019-12-24 2019-12-24 自动驾驶车队中的车辆控制方法、车载装置及车辆
CN201911347449.4A CN113031576B (zh) 2019-12-24 2019-12-24 自动驾驶车队中的车辆控制方法、车载装置及车辆
AU2020289820A AU2020289820A1 (en) 2019-12-24 2020-12-17 Vehicle control method, vehicle-mounted device and vehicle in automatic driving fleet
EP20216873.8A EP3842889B1 (en) 2019-12-24 2020-12-23 Vehicle control method for platooning, vehicle mounted apparatus and vehicle
EP23162825.6A EP4220331A1 (en) 2019-12-24 2020-12-23 Vehicle control method for platooning, vehicle mounted apparatus and vehicle
US17/133,634 US11676493B2 (en) 2019-12-24 2020-12-24 Vehicle control method for platooning, vehicle mounted apparatus and vehicle
US18/333,417 US20230377464A1 (en) 2019-12-24 2023-06-12 Vehicle control method for platooning, vehicle mounted apparatus and vehicle

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911347449.4A CN113031576B (zh) 2019-12-24 2019-12-24 自动驾驶车队中的车辆控制方法、车载装置及车辆

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202211556462.2A Division CN115951666A (zh) 2019-12-24 2019-12-24 自动驾驶车队中的车辆控制方法、车载装置及车辆

Publications (2)

Publication Number Publication Date
CN113031576A CN113031576A (zh) 2021-06-25
CN113031576B true CN113031576B (zh) 2022-12-27

Family

ID=74103859

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201911347449.4A Active CN113031576B (zh) 2019-12-24 2019-12-24 自动驾驶车队中的车辆控制方法、车载装置及车辆
CN202211556462.2A Pending CN115951666A (zh) 2019-12-24 2019-12-24 自动驾驶车队中的车辆控制方法、车载装置及车辆

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN202211556462.2A Pending CN115951666A (zh) 2019-12-24 2019-12-24 自动驾驶车队中的车辆控制方法、车载装置及车辆

Country Status (4)

Country Link
US (2) US11676493B2 (zh)
EP (2) EP3842889B1 (zh)
CN (2) CN113031576B (zh)
AU (1) AU2020289820A1 (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11847919B2 (en) * 2020-05-19 2023-12-19 Toyota Motor North America, Inc. Control of transport en route
CN114132315B (zh) * 2021-11-17 2023-09-22 苏州挚途科技有限公司 自动驾驶车辆的控制方法、装置及电子设备
CN114013457A (zh) * 2021-11-19 2022-02-08 长沙智能驾驶研究院有限公司 车辆控制方法、装置、设备及计算机存储介质
KR20230082389A (ko) * 2021-12-01 2023-06-08 현대자동차주식회사 군집 주행 제어 장치 및 그 방법
CN114179861A (zh) * 2021-12-22 2022-03-15 交控科技股份有限公司 用于列车的编队运行控制方法、装置及存储介质
CN114670829A (zh) * 2022-01-05 2022-06-28 天津卡尔狗科技有限公司 车辆控制方法、装置、控制器、存储介质和程序产品
CN114609998A (zh) * 2022-03-09 2022-06-10 武汉理工大学 一种车辆队列测试方法、电子设备及储存介质
CN118759909B (zh) * 2024-06-24 2025-03-21 天吉(天津)智能科技发展有限公司 车辆队列预测控制方法、装置、电子设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015080977A (ja) * 2013-10-22 2015-04-27 ダイムラー・アクチェンゲゼルシャフトＤａｉｍｌｅｒ ＡＧ ハイブリッド車両の走行制御装置
CN108284836A (zh) * 2018-01-25 2018-07-17 吉林大学 一种车辆纵向跟随控制方法
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
CN109144076A (zh) * 2018-10-31 2019-01-04 吉林大学 一种多车辆横纵向耦合协同控制系统及控制方法
CN110329257A (zh) * 2019-06-24 2019-10-15 武汉理工大学 一种基于车-车通信的多车列队纵向控制方法

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3732292B2 (ja) * 1996-11-27 2006-01-05 本田技研工業株式会社 車群走行制御システム
DE10023067A1 (de) * 2000-05-11 2001-11-15 Volkswagen Ag Verfahren und Vorrichtung zur Regelung eines Andockvorganges zwischen zwei Kraftfahrzeugen
JP3891011B2 (ja) * 2002-03-12 2007-03-07 株式会社デンソー クルーズ制御装置、プログラム
DE102007057722A1 (de) * 2007-11-30 2009-06-04 Daimler Ag Verfahren zur Abstandsregelung für ein Fahrzeug und Abstandsregelsystem zur Durchführung des Verfahrens
US8744661B2 (en) * 2009-10-21 2014-06-03 Berthold K. P. Horn Method and apparatus for reducing motor vehicle traffic flow instabilities and increasing vehicle throughput
US8744666B2 (en) * 2011-07-06 2014-06-03 Peloton Technology, Inc. Systems and methods for semi-autonomous vehicular convoys
SE537618C2 (sv) * 2013-09-30 2015-08-04 Scania Cv Ab Metod och system för gemensam körstrategi för fordonståg
US10482767B2 (en) * 2016-12-30 2019-11-19 Bendix Commercial Vehicle Systems Llc Detection of extra-platoon vehicle intermediate or adjacent to platoon member vehicles
DE102017218652A1 (de) * 2017-10-19 2019-04-25 Robert Bosch Gmbh Verfahren zur Fahrsicherheitsverbesserung bei Kolonnenfahrt von Fahrzeugen
US10935983B2 (en) * 2017-10-31 2021-03-02 Cummins Inc. Coordinated control of vehicle cohorts
US10921821B2 (en) * 2017-12-21 2021-02-16 Bendix Commercial Vehicle Systems Llc Determining and using braking capabilities of vehicles for platooning deceleration operations
US20190299989A1 (en) * 2018-03-30 2019-10-03 Cummins Inc. Prime mover power shaping controls responsive to surrounding vehicle characteristic
DE102018118744A1 (de) * 2018-08-02 2020-02-06 Wabco Gmbh Verfahren zum Einstellen einer Fahrzeug-Verzögerung eines Fahrzeuges in einem Platoon sowie Platooning-Regelsystem und Fahrzeug
US11214253B2 (en) * 2019-05-24 2022-01-04 Toyota Jidosha Kabushiki Kaisha Longitudinal motion control of connected and automated vehicles
EP3798075B1 (en) * 2019-09-25 2023-08-02 Ningbo Geely Automobile Research & Development Co. Ltd. A method for driving a vehicle platoon
DE102019132944A1 (de) * 2019-12-04 2021-06-10 Wabco Europe Bvba Verfahren zum Koordinieren von Fahrzeugen eines Fahrzeugverbundes sowie Steuereinheit

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015080977A (ja) * 2013-10-22 2015-04-27 ダイムラー・アクチェンゲゼルシャフトＤａｉｍｌｅｒ ＡＧ ハイブリッド車両の走行制御装置
CN108284836A (zh) * 2018-01-25 2018-07-17 吉林大学 一种车辆纵向跟随控制方法
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
CN109144076A (zh) * 2018-10-31 2019-01-04 吉林大学 一种多车辆横纵向耦合协同控制系统及控制方法
CN110329257A (zh) * 2019-06-24 2019-10-15 武汉理工大学 一种基于车-车通信的多车列队纵向控制方法

Also Published As

Publication number Publication date
US20230377464A1 (en) 2023-11-23
EP4220331A1 (en) 2023-08-02
AU2020289820A1 (en) 2021-07-08
US20210192958A1 (en) 2021-06-24
EP3842889A1 (en) 2021-06-30
US11676493B2 (en) 2023-06-13
CN115951666A (zh) 2023-04-11
EP3842889B1 (en) 2023-07-12
CN113031576A (zh) 2021-06-25

Similar Documents

Publication Publication Date Title
CN113031576B (zh) 自动驾驶车队中的车辆控制方法、车载装置及车辆
CN110550029B (zh) 障碍物避让方法及装置
CN114489044A (zh) 一种轨迹规划方法及装置
WO2022016351A1 (zh) 一种行驶决策选择方法以及装置
CN111696339B (zh) 一种自动驾驶车队的跟车控制方法、系统及车辆
WO2023076343A1 (en) Autonomous vehicle trajectory determination based on state transition model
CN112477849B (zh) 自动驾驶卡车的泊车控制方法、装置及自动驾驶卡车
CN113525373A (zh) 一种车辆的变道控制系统、控制方法
CN113060118A (zh) 用于柔和降速的速度规划引导线
CN116225026A (zh) 自动驾驶车辆操作方法、电子设备以及计算机可读介质
US12033514B2 (en) Waypoint information transmission method, apparatus and system for platooning
CN111688686A (zh) 一种自动驾驶车队的跟车控制方法、装置、系统及车辆
CN112519777B (zh) 自动驾驶车队的控制方法、车载装置、车辆及系统
US20230311931A1 (en) Systems and methods for control state estimation of vehicles
CN113525405B (zh) 自动驾驶车辆的辅助控制方法、车载装置及系统
CN112519776B (zh) 自动驾驶车队的控制方法、车载装置及自动驾驶车辆
US20250002037A1 (en) Automated driving system
EP4140844B1 (en) Persisting predicted objects for robustness to perception issues in autonomous driving

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