[go: up one dir, main page]

CN113552839B - 速度优化方法、装置及设备 - Google Patents

速度优化方法、装置及设备 Download PDF

Info

Publication number
CN113552839B
CN113552839B CN202110835200.9A CN202110835200A CN113552839B CN 113552839 B CN113552839 B CN 113552839B CN 202110835200 A CN202110835200 A CN 202110835200A CN 113552839 B CN113552839 B CN 113552839B
Authority
CN
China
Prior art keywords
speed
curve
target
path curve
constraint condition
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
CN202110835200.9A
Other languages
English (en)
Other versions
CN113552839A (zh
Inventor
温勇兵
荣岌昆
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.)
Guangzhou Xiaopeng Motors Technology Co Ltd
Original Assignee
Guangzhou Xiaopeng Autopilot 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 Guangzhou Xiaopeng Autopilot Technology Co Ltd filed Critical Guangzhou Xiaopeng Autopilot Technology Co Ltd
Priority to CN202110835200.9A priority Critical patent/CN113552839B/zh
Publication of CN113552839A publication Critical patent/CN113552839A/zh
Application granted granted Critical
Publication of CN113552839B publication Critical patent/CN113552839B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/19—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by positioning or contouring control systems, e.g. to control position from one programmed point to another or to control movement along a programmed continuous path
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/35—Nc in input of data, input till input file format
    • G05B2219/35349—Display part, programmed locus and tool path, traject, dynamic locus

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Human Computer Interaction (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本申请是关于一种速度优化方法、装置及设备，该速度优化方法包括：首先，获取目标路径曲线和目标路径曲线对应的参考速度曲线，目标路径曲线为对预先规划的规划路径曲线进行位置均匀采样得到；其次，根据在目标路径曲线上的速度限制信息确定对应的运动约束条件；最后，利用预设的目标函数和运动约束条件对参考速度曲线进行优化得到速度优化结果。本申请的技术方案能够基于位置对应的约束条件对速度进行优化，提高速度优化的精准度。

Description

速度优化方法、装置及设备
技术领域
本申请涉及自动驾驶技术领域，尤其涉及一种速度优化方法、装置及设备。
背景技术
自动驾驶轨迹规划通常分为基于横向路径规划和纵向速度规划。传统的基于(s,t)坐标系s＝f(t)的速度优化方法中，对时间进行均匀采样，设计跟随参考速度曲线和舒适度目标函数，并添加避免障碍物(s,t)、速度极限(slimit,t)、加速度极限(alimit,t)、加加速度极限(jlimit,t)约束，并将速度规划问题转化为数值凸优化问题。
在上述传统的速度优化方法中，由于对时间均匀采样只能根据某个时刻对应的约束条件进行速度优化，而不能基于某个位置对应的约束条件例如道路限速(s,vlimit)的约束等进行速度优化，导致传统的速度优化方法存在很大程度的局限性。
发明内容
为解决或部分解决相关技术中存在的问题，本申请提供了一种速度优化方法、装置及设备，能够基于位置对应的约束条件进行速度优化，提高速度优化的精准度。
本申请第一方面提供了一种速度优化方法，包括：
首先，获取目标路径曲线和所述目标路径曲线对应的参考速度曲线，其中，所述目标路径曲线为对预先规划的规划路径曲线进行位置均匀采样得到；
其次，根据在所述目标路径曲线上的速度限制信息确定对应的运动约束条件；
最后，利用预设的目标函数和所述运动约束条件对所述参考速度曲线进行优化得到速度优化结果，其中所述目标函数用于表征运动变化与舒适度之间的关系。
可选的，在第一方面的一种可能的实现方式中，所述速度限制信息包括以下至少一项：障碍物决策信息、道路限速信息、人行横道处停车避让信息。
可选的，在第一方面的一种可能的实现方式中，所述运动约束条件包括以下对位置进行均匀采样设计的约束条件中的至少一项：动力学约束条件、速度极限约束条件、纵向加速度极限约束条件、纵向加加速度极限约束条件、向心加速度极限约束条件、起点边界约束条件。
可选的，在第一方面的一种可能的实现方式中，所述目标函数包括以下函数：跟踪参考速度代价函数、向心加速度代价函数、纵向加速度舒适性代价函数、伪加加速度舒适性代价函数、速度和代价函数。
可选的，在第一方面的一种可能的实现方式中，所述利用预设的目标函数和所述运动约束条件对所述参考速度曲线进行优化得到速度优化结果，包括：
选定所述目标路径曲线上的目标位置，利用所述运动约束条件和所述参考速度曲线计算所述目标函数中在所述目标位置的舒适度，其中所述目标位置为所述目标路径曲线上的任意一个位置；
根据在所述目标位置的舒适度满足预设条件时对应的速度值得到所述速度优化结果。
可选的，在第一方面的一种可能的实现方式中，所述方法还包括：根据在所述目标位置的舒适度满足所述预设条件时对应的纵向加速度值得到纵向加速度优化结果。
可选的，在第一方面的一种可能的实现方式中，所述方法还包括：根据在所述目标位置的舒适度满足所述预设条件时对应的纵向加加速度值得到纵向加加速度优化结果。
可选的，在第一方面的一种可能的实现方式中，所述方法还包括：根据在所述目标位置的舒适满足所述预设条件时对应的向心加速度值得到向心加速度优化结果。
本申请第二方面提供了一种速度优化装置，包括：获取模块、确定模块和优化模块；
其中，获取模块，用于获取目标路径曲线和所述目标路径曲线对应的参考速度曲线，其中所述目标路径曲线为对预先规划的规划路径曲线进行位置均匀采样得到；
确定模块，用于根据在所述目标路径曲线上的速度限制信息确定对应的运动约束条件；
优化模块，用于利用预设的目标函数和所述确定模块确定的运动约束条件对所述获取模块获取的参考速度曲线进行优化得到速度优化结果，其中所述目标函数用于表征运动变化与舒适度之间的关系。
可选的，在第二方面的一种可能的实现方式中，所述优化模块还包括：第一处理子模块和第二处理子模块；
第一处理子模块，用于选定所述目标路径曲线上的目标位置，利用所述运动约束条件和所述参考速度曲线计算所述目标函数中在所述目标位置的舒适度，其中所述目标位置为所述目标路径曲线上的任意一个位置；
第二处理子模块，用于根据在所述第一处理子模块计算的目标位置的舒适度满足预设条件时对应的速度值得到所述速度优化结果。
在本申请第三方面提供了一种电子设备，包括：处理器和存储器；所述存储器，用于存储可执行代码；所述处理器，用于通过调用所述可执行代码，以执行如上第一方面及其任意一种可能的实现方式中所述的方法。
本申请第四方面提供了一种非暂时性机器可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如上第一方面及其任意一种可能的实现方式中所述的方法。
本申请提供的技术方案具有以下有益效果：基于对预先规划的规划路径曲线进行位置均匀采样得到的目标路径曲线进行速度优化，在速度优化时可以使用道路限速信息以及道路曲率引起的向心加速度约束等位置对应的运动约束条件，突破传统的速度优化方法的局限性，扩大约束条件的范围，约束条件的范围越大，约束条件越多，优化后的速度的精准度也就越高，从而提高速度优化的精准度。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
通过结合附图对本申请示例性实施方式进行更详细的描述，本申请的上述以及其它目的、特征和优势将变得更加明显，其中，在本申请示例性实施方式中，相同的参考标号通常代表相同部件。
图1为本申请实施例中速度优化方法的一个实施例流程示意图；
图2为本申请实施例中速度优化方法的另一个实施例流程示意图；
图3为本申请实施例中速度优化曲线的一个曲线示意图；
图4为本申请实施例中纵向加速度优化曲线的一个曲线示意图；
图5为本申请实施例中纵向加加速度优化曲线的一个曲线示意图；
图6为本申请实施例中向心加速度优化曲线的一个曲线示意图；
图7为本申请实施例中速度优化装置的一个结构示意图；
图8为本申请实施例中速度优化装置的另一个结构示意图；
图9为本申请实施例中电子设备的一个结构示意图。
具体实施方式
下面将参照附图更详细地描述本申请的优选实施方式。虽然附图中显示了本申请的优选实施方式，然而应该理解，可以以各种形式实现本申请而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本申请更加透彻和完整，并且能够将本申请的范围完整地传达给本领域的技术人员。
在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本申请可能采用术语“第一”、“第二”、“第三”等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
相关技术中，速度优化方法存在很大程度的局限性。针对上述问题，本申请实施例中提供了一种速度优化方法，用于速度规划即在已知路径上规划车辆运动速度，能够基于位置对应的约束条件进行速度优化，突破传统的速度优化方法的局限性，扩大约束条件的范围，约束条件的范围越大，约束条件越多，优化后的速度的精准度也就越高，从而提高速度优化的精准度。
为了便于理解本申请实施例中的速度优化方法，下面将结合附图对本申请实施例中的技术方案进行详细说明，具体如下：
请参阅图1，图1为本申请实施例中速度优化方法的一个实施例流程示意图。
如图1所示，本申请实施例中速度优化方法的一个实施例，包括：
101、获取目标路径曲线和该目标路径曲线对应的参考速度曲线。
在自动驾驶轨迹规划通常分为横向路径规划(s,l)和纵向速度规划(s,t)。传统的基于(s,t)坐标系s＝f(t)的速度优化方法，通常先进行横向路径规划(s,l)得到规划路径曲线，后基于该规划路径曲线对时间均匀采样进行纵向速度规划(s,t)得到规划后的速度曲线。与上述对时间均匀采样的速度规划方式不同，本申请实施例是采用对位置进行均匀采样的方法进行速度优化。
本申请实施例中的目标路径曲线是对预先规划的规划路径曲线进行位置均匀采样得到。具体来说，目标路径曲线包括对规划路径曲线进行位置均匀采样后得到的采样结果，其中，该采样结果可以是离散点，或也可以是这些离散点连接后的曲线。
进一步可选的，该目标路径曲线还可以包括对采样结果进行平滑处理后的曲线。具体来说，在对规划路径曲线进行位置均匀采样得到采样结果之后，还可以对这些离散点进行平滑处理得到目标路径曲线。
本申请实施例中的平滑处理包括但不限于线性插值，也可以包括其他使得目标路径曲线被平滑化的其他技术手段。
举例来说，在基于(s,t)坐标系下预先规划的规划路径曲线的场景中，一般来说，该规划路径曲线是对时间均匀采样后的路径曲线，传统速度优化方式直接基于该规划路径曲线进行后续的速度优化操作；与传统速度优化方式不同，本申请实施例中的速度优化中会先对规划路径曲线进行位置均匀采样得到目标路径曲线后再执行后续的速度优化操作。
该目标路径曲线对应的参考速度曲线用于指示为了确保行车安全，车辆该目标路径曲线上行驶时可供参考的行驶速度。
一方面，该目标路径曲线对应的参考速度曲线可以是该目标路径曲线上的粗略速度曲线即包括部分或全部采样位置对应的速度，该采样位置是指上述对位置均匀采样对应的采样点。
例如，粗略速度曲线可以只包括在某些特定时刻或特定位置提供速度限制信息。特定时刻是出于行车安全等目的需要限制车辆速度的一些时刻。特定时刻是指由于路况变化等在某些特定路段需要限制车辆速度的路段，特定位置可以包括急转弯路段、人行横道路段等等。
另一方面，该目标路径曲线对应的参考速度曲线也可以是初始速度曲线，该初始速度曲线包括基于该规划路径曲线对时间均匀采样进行纵向速度规划(s,t)得到规划后的速度曲线。
本申请实施例中的参考速度曲线可以用做速度优化的参考输入，即对该参考速度曲线进行优化设计得到优化后的速度优化结果，该速度优化结果可以表征为速度曲线。
其中，初始速度曲线与粗略的速度曲线相比，初始速度曲线是一个连续的速度曲线，而粗略的速度曲线不一定是连续的速度曲线，有可能是非连续的速度曲线只在目标路径曲线上的某些特定路段上设置了相应的速度，而对目标路径曲线上的其他非特定路段并没有设置相应的速度，即速度可以是0km/h或其他任意合理的速度值。
102、根据在该目标路径曲线上的速度限制信息确定对应的运动约束条件。
本申请实施例中，速度限制信息是指在该目标路径曲线上各个位置对应的最大速度限制、最小速度限制等。具体来说，速度限制信息可以包括但不限于以下至少一项：障碍物决策信息、道路限速信息、人行横道处停车避让信息。其中，障碍物决策信息是指为避开目标路径曲线上的障碍物对应的在某些位置上对应的速度限制；道路限速信息为在目标路径曲线上某些位置或路段对应的最高速度限制、最低速度限制或区间限速等。
根据障碍物决策信息可以得到对应的运动约束条件，障碍物决策信息是指为躲避障碍物所确定的决策如降低速度、转向等。当前方出现障碍物挡住车辆，为避开该障碍物需要将车速降低至20km/h并向右转向绕开障碍物，从而可以确定在该障碍物路段对应的最高速度限制为20km/h这一运动约束条件，甚至可以根据转向路径以及转向角度确定绕开该障碍物时对应的路径曲率大小并根据该曲率确定在障碍物路段对应的向心加速度限制等运动约束条件。
根据道路限速信息可以得到对应的运动约束条件，当前方路段出现最高速度限制为30km/h的道路标识时，可以确定前方路段的速度小于30km/h这一运动约束条件。当前方路段出现最低速度限制为80km/h的道路标识时，可以确定前方路段的速度大于或等于80km/h这一运动约束条件。当前方路段出现区间限速为30-50km/h的道路标识时，可以确定前方路段的速度大于或等于30km/h并且小于或等于50km/h这一运动约束条件。道路限速信息包括道路上的道路标识所指示的限速信息，也可以是法律法规明确规定的某些道路如城市道路、乡村道路、学校路段等对应的限速等，对此本申请不做任何限制。
根据人行横道处停车避让信息可以得到对应的运动约束条件，人行横道处应减速慢行或停车避让，如前方是人行横道线并无行人通过，此时依据法律相关规定应将车速降低至如15km/h，从而可以确定人行横道线处的最高速度为15km/h这一约束条件，从而可以规划从发现前方是人形横道的位置人行横道线到这一路段对应的减速曲线，其中该减速曲线可以根据路径长度以及当前车速等进行规划。又如，前方是人行横道线并行人正在通过，此时依据法律相关规定应停车避让，从而可以确定人行横道线处的速度为0km/h这一约束条件，从而规划该路段对应的减速曲线。
需要说明的是，上述根据在该目标路径曲线上的速度限制信息确定对应的运动约束条件的表述是一种从速度限制信息推导运动约束条件的逻辑，根据上述逻辑可以得到更多的运动约束条件，包括但不限于速度极限约束条件，还可以是如下所述的动力学约束条件、纵向加速度极限约束条件、纵向加加速度极限约束条件、向心加速度极限约束条件、起点边界约束条件等等。
本申请实施例中，与目标路径曲线一致，运动约束条件为车辆在目标路径曲线上运行时，在目标路径曲线中的每个位置上的运动限制或约束条件，其中，该运动限制或约束条件包括描述运动的物理量对应的范围，描述运动的物理量为速度、纵向加速度、纵向加加速度和向心加速度等。
简言之，运动约束条件是描述运动的物理量在目标路径曲线中的每个位置上对应的物理量的取值之间的关系。
具体来说，运动约束条件包括以下对位置进行均匀采样设计的约束条件中的至少一项：动力学约束条件、速度极限约束条件、纵向加速度极限约束条件、纵向加加速度极限约束条件、向心加速度极限约束条件、起点边界约束条件。
需要说明的是，本申请实施例中的纵向为车道中心线方向，横向为车道中心线的垂直方向。
103、利用预设的目标函数和运动约束条件对参考速度曲线进行优化得到速度优化结果。
本申请实施例中，目标函数为用于表征运动变化与舒适度之间的关系，其中目标函数是预先设置的，舒适度可以表征乘坐者的乘坐体验。目标函数可以根据影响舒适度的运动参数进行设计，其中，影响舒适度的运动参数可以包括但不限于：速度、向心加速度、纵向加速度、伪加加速度等。
可选的，在本申请的一些实施方式中，利用预设的目标函数和运动约束条件对参考速度曲线进行优化得到速度优化结果，包括：
1)、选定目标路径曲线上的目标位置，利用运动约束条件和参考速度曲线计算目标函数中在目标位置的舒适度，其中目标位置为目标路径曲线上的任意一个位置。
2)、根据在目标位置的舒适度满足预设条件时对应的速度值得到速度优化结果。其中，舒适度满足预设条件包括：舒适度的值为极值，或，舒适度的值在预设数值区间内。
可选的，在本申请的一些实施方式中，上述方法还包括以下至少一项：1)、根据在目标位置的舒适度满足预设条件时对应的纵向加速度值得到纵向加速度优化结果。2)、根据在目标位置的舒适度满足预设条件时对应的纵向加加速度值得到纵向加加速度优化结果。3)、根据在目标位置的舒适度满足预设条件时对应的向心加速度值得到向心加速度优化结果。
本申请实施例中，基于位置分布均匀的平滑路径进行速度优化，在速度优化时可以使用道路限速以及道路曲率引起的向心加速度约束等位置对应的运动约束条件，突破传统的速度优化方法的局限性，扩大约束条件的范围，约束条件的范围越大，约束条件越多，优化后的速度的精准度也就越高，从而提高速度优化的精准度。
请参阅图2，图2为本申请实施例中速度优化方法的另一个实施例流程示意图。
如图2所示，本申请实施例中速度优化方法的另一个实施例，包括：
201、获取目标路径曲线和该目标路径曲线对应的参考速度曲线。
本申请实施例中，目标路径曲线和参考速度曲线的描述与上述步骤201中类似，其相关描述可参阅上述步骤101中的相关部分，此处不再赘述。
参考速度曲线pi的表达式为pi(si,vi,ai,ji,ki)，其中，pi表示第i个参考路径点；s表示参考路径曲线沿道路参考曲线切线方向的纵向距离坐标；si表示第i个参考路径点pi沿道路参考曲线切线方向的纵向距离坐标，vi表示第i个参考路径点pi沿道路参考曲线切线方向的速度，ai表示第i个参考路径点pi沿道路参考曲线的纵向加速度，ji表示第i个参考路径点pi沿道路参考曲线的纵向加加速度，κi表示第i个参考路径点pi沿道路参考曲线的曲率。
202、根据在目标路径曲线上的速度限制信息确定对应的运动约束条件。
如上述步骤102中所述的速度限制信息包括障碍物决策信息、道路限速信息、人行横道处停车避让信息等。
根据在目标路径曲线上的速度限制信息确定对应的运动约束条件具体为：根据目标路径曲线上的速度限制信息，获取该目标路径曲线上任意位置对应的限制速度并对位置进行均匀采样得到相应的运动约束条件。
应理解，本申请实施例中的运动约束条件为对位置进行均匀采样得到的。
举例说明，动力学约束条件的表达式如下：
Figure BDA0003176982840000101
其中，
Figure BDA0003176982840000102
为速度的平方，a为上述两个相邻采样位置之间的平均加速度，Δs为对位置进行均匀采样的采样距离，即两个相邻采样位置之间的间隔距离，i为任意一个位置，(i+1)和i表示目标路径曲线上两个相邻采样位置，本申请中i和(i+1)含义与此处的描述相同，下文中将不再赘述。
速度极限约束条件的表达式如下：
Figure BDA0003176982840000103
其中，
Figure BDA0003176982840000104
为最小限制速度的平方，
Figure BDA0003176982840000105
为速度的平方，
Figure BDA0003176982840000106
为最大限制速度的平方。
纵向加速度极限约束条件的表达式如下：
amin≤ai≤amax
其中，amin为最小纵向加速度即纵向加速度的最小值，ai为纵向加速度，amax为最大纵向加速度即纵向加速度的最大值。
纵向加加速度极限约束条件的表达式如下：
Figure BDA0003176982840000107
其中，vi,ref为参考速度，例如可以为参考速度曲线上某位置的速度；
Figure BDA0003176982840000108
为伪加加速度。
向心加速度极限约束条件的表达式如下：
Figure BDA0003176982840000109
其中，
Figure BDA00031769828400001010
为最小向心加速度即向心加速度的最小值，为κi为目标路径曲线的曲率，
Figure BDA00031769828400001011
为速度的平方，
Figure BDA00031769828400001012
为最大向心加速度即向心加速度的最大值。
起点边界约束条件的表达式如下：
Figure BDA00031769828400001013
a0＝a0，inin,
其中，
Figure BDA00031769828400001014
为目标路径曲线起点的速度的平方；a0,init为目标路径曲线起点的加速度。
203、选定目标路径曲线上的目标位置，利用运动约束条件和参考速度曲线计算目标函数中在目标位置的舒适度。
本申请实施例中，目标位置为目标路径曲线上的任意一个位置。对于任意一个目标位置，根据目标函数计算其在该位置的舒适度并确定其值最小时的速度、纵向加速度、纵向加加速度以及向心加速度等。一般而言，目标函数的值越小代表越舒适。
可选的，在本申请实施例的一种可能的实现方式中，目标函数包括以下函数：跟踪参考速度代价函数、向心加速度代价函数、纵向加速度舒适性代价函数、伪加加速度舒适性代价函数、速度和代价函数。
其中，跟踪参考速度代价函数用于表征为获得舒适度所要付出的跟踪参考速度代价，其代价越小，目标函数的值越小，舒适度越好即越舒适。
向心加速度代价函数表征为获得舒适度所要付出的向心加速度代价，其代价越小，目标函数的值越小，舒适度越好即越舒适。
纵向加速度舒适性代价函数表征为获得舒适度所要付出的纵向加速度代价，其代价越小，目标函数的值越小，舒适度越好即越舒适。
伪加加速度舒适性代价函数表征为获得舒适度所要付出的伪加加速度代价，其代价越小，目标函数的值越小，舒适度越好即越舒适。
速度和代价函数表征为获得舒适度所要付出的速度和最大代价，其代价越小，目标函数的值越大，舒适度越差即越不舒适。
具体来说，目标函数记为J，其表达式为：
Figure BDA0003176982840000111
Figure BDA0003176982840000112
其中，i为任意一个位置，ωref为参考速度平方项权重；
Figure BDA0003176982840000113
为速度的平方；
Figure BDA0003176982840000114
为参考速度的平方；ωlat_a为向心加速度项权重；κi为目标路径曲线的曲率；ωa为纵向加速度项的权重；ai为纵向加速度；
Figure BDA0003176982840000115
为伪加加速度项权重；
Figure BDA0003176982840000116
为伪加加速度；Δs为均匀采样的采样距离，ωspeed为速度项权重。
在上述目标函数中，目标函数的值越小代表舒适度越好即越舒适，目标函数的值越大代表舒适度越差即越不舒适。
进一步的，第一项
Figure BDA0003176982840000117
为跟踪参考速度代价函数表征跟踪参考速度成本，即为了达到最佳舒适度所要付出的速度代价。
第二项
Figure BDA0003176982840000118
为向心加速度代价函数表征向心加速度成本，即为了达到最佳舒适度所要付出的向心加速度代价。
第三项
Figure BDA0003176982840000119
为纵向加速度舒适性代价函数表征纵向加速度舒适性成本，即为了达到最佳舒适度所要付出的纵向加速度代价。
第四项
Figure BDA00031769828400001110
为伪加加速度舒适性代价函数表征伪加加速度舒适性成本，即为了达到最佳舒适度所要付出的伪加加速度代价；需要说明的为，伪加加速度可以使得优化后的速度曲线更加平滑，同时它也表达了优化纵向加加速度来达到舒适性的效果。
第五项
Figure BDA0003176982840000121
为速度和代价函数表征速度和最大的成本，即为了达到最佳舒适度所要付出的速度和最大的代价。
204、根据在目标位置的舒适度的值最小时对应的速度值得到速度优化结果。
本申请实施例中，当任意一个目标位置的舒适度的值为最小时，将此时对应的速度值确定为该位置优化后的速度。依次类推，重复多次后确定该目标路径曲线上所有采样位置优化后的速度，从而得到速度优化结果。
需要说明的是，速度优化结果包括：优化后的各个采样位置上的速度，即与采样位置相对应的速度的离散值。对这些速度的离散值进行连续处理(如线性插值)后得到对应的速度优化曲线。
图3为本申请实施例中速度优化曲线的一个曲线示意图。
如图3所示为使用本申请技术方案对参考速度曲线进行优化后得到的速度优化曲线。
本申请实施例中，速度优化装置还可以得到纵向加速度优化结果、纵向加加速度优化结果、向心加速度优化结果，具体如下：
1)、根据在目标位置的舒适度的值最小时对应的纵向加速度值得到纵向加速度优化结果。
类似的，纵向加速度优化结果包括与采样位置相对应的纵向加速度的离散值。对这些纵向加速度的离散值进行线性插值后得到对应的纵向加速度优化曲线。
如图3所示，速度优化曲线位于速度上边界和速度下边界之间，并且与参考速度曲线相比，优化后的速度优化曲线更加平滑，车辆在行驶过程中更加平顺。
图4为本申请实施例中纵向加速度优化曲线的一个曲线示意图。
如图4所示为使用本申请技术方案进行速度优化后得到的纵向加速度优化曲线。
2)、根据在目标位置的舒适度的值最小时对应的纵向加加速度值得到纵向加加速度优化结果。
类似的，纵向加加速度优化结果包括与采样位置相对应的纵向加加速度的离散值。对这些纵向加加速度的离散值进行线性插值后得到对应的纵向加加速度优化曲线。
如图4所示，纵向加速度优化曲线位于纵向加速度上边界和纵向加速度下边界之间。由于上述图3中所示的速度优化曲线较为平滑，纵向加速度优化曲线也随之较为平滑，容易理解，纵向加速度为纵向速度对采样位置的位置差的微分。
可以理解的是，纵向加速度代表了车辆可执行行驶的加减速极限，以及乘客乘坐的舒适性体验，对纵向加速度进行优化可以利于车辆执行行驶，以及乘客获得更好的舒适性体验。
图5为本申请实施例中纵向加加速度优化曲线的一个曲线示意图。
如图5所示为使用本申请技术方案进行速度优化后得到的纵向加加速度优化曲线。
3)、根据在目标位置的舒适度的值最小时对应的向心加速度值得到向心加速度优化结果。
类似的，向心加速度优化结果包括与采样位置相对应的向心加速度的离散值。对这些向心加速度的离散值进行线性插值后得到对应的向心加速度优化曲线。
如图5所示，纵向加加速度优化曲线位于纵向加加速度上边界和纵向加加速度下边界之间。纵向加加速度为纵向加速度对采样位置的位置差的微分。
可以理解的是，纵向加加速度代表了速度曲线平滑，且乘客体验的舒适性指标，对纵向加加速度进行优化可以进一步提升乘客获得更好的舒适性体验。
图6为本申请实施例中向心加速度优化曲线的一个曲线示意图。
如图6所示为使用本申请技术方案进行速度优化后得到的向心加速度优化曲线。
如图6所示，向心加速度优化曲线位于向心加速度上边界和向心加速度下边界之间。
可以理解的是，向心加速度即限制在弯道是速度过大，对向心加速度进行优化可以避免车辆在弯道行驶中避免速度过快所带来的安全隐患，从而提高车辆在弯道行驶中的安全性。
本申请实施例中，基于预设的目标函数对目标路径曲线上的参考速度曲线进行优化，将目标函数最小值对应的速度确定为优化后的速度，由于目标函数以及运动约束条件均是对位置进行均匀采样得到的，与基于时间均匀采样的方案相比，本申请技术方案可以将道路限速信息，以及人行横道处停车避让信息等速度限制，以及向心加速度限制等加入到速度优化中可以扩大约束条件的范围，约束条件的范围越大，约束条件越多，优化后的速度的精准度也就越高，从而提高速度优化的精准度，使得优化后的速度曲线更加合理，使得车辆更容易执行，同时提高其安全性能。
与前述应用功能实现方法实施例相对应，本申请还提供了一种速度优化装置、设备及相应的实施例。
请参阅图7，图7为本申请实施例中速度优化装置的一个结构示意图。
如图7所示，本申请实施例中速度优化装置700包括：获取模块701、确定模块702和优化模块703。
其中，获取模块701，用于获取目标路径曲线和目标路径曲线对应的参考速度曲线，其中目标路径曲线为对预先规划的规划路径曲线进行位置均匀采样得到；
确定模块702，用于根据在目标路径曲线上的速度限制信息确定对应的运动约束条件；
优化模块703，用于利用预设的目标函数和确定模块702确定的运动约束条件对获取模块701获取的参考速度曲线进行优化得到速度优化结果，其中目标函数用于表征运动变化与舒适度之间的关系。
可选的，在本申请实施例的一些实施方式中，确定模块702使用的速度限制信息包括以下至少一项：障碍物决策信息、道路限速信息、人行横道处停车避让信息。
可选的，在本申请实施例的一些实施方式中，确定模块702确定的运动约束条件包括以下对位置进行均匀采样得到的约束条件中的至少一项：动力学约束条件、速度极限约束条件、纵向加速度极限约束条件、纵向加加速度极限约束条件、向心加速度极限约束条件、起点边界约束条件。
可选的，在本申请实施例的一些实施方式中，优化模块703所使用的目标函数包括以下函数：跟踪参考速度代价函数、向心加速度代价函数、纵向加速度舒适性代价函数、伪加加速度舒适性代价函数、速度和代价函数。
请参阅图8，图8为本申请实施例中速度优化装置的另一个结构示意图。
如图8所示，本申请实施例中速度优化装置800包括：获取模块801、确定模块802和优化模块803，其中优化模块803包括第一处理子模块8031、第二处理子模块8032、第三处理子模块8033、第四处理子模块8034、第五处理子模块8035。
其中，获取模块801用于执行与上述获取模块701相同的操作，其具体操作可参阅上述图7对应实施例中的相关描述，此处不再赘述。
类似的，确定模块802用于执行与上述确定模块702相同的操作，其具体操作可参阅上述图7对应实施例中的相关描述，此处不再赘述。
第一处理子模块8031，用于选定目标路径曲线上的目标位置，利用确定模块802确定的运动约束条件和获取模块801获取的参考速度曲线计算目标函数中在目标位置的舒适度，其中目标位置为目标路径曲线上的任意一个位置；
第二处理子模块8032，用于根据在目标位置的舒适度满足预设条件时对应的速度值得到速度优化结果。
第三处理子模块8033，用于根据在目标位置的舒适度满足预设条件时对应的纵向加速度值得到纵向加速度优化结果。
第四处理子模块8034，用于根据在目标位置的舒适度满足预设条件时对应的纵向加加速度值得到纵向加加速度优化结果。
第五处理子模块8035，用于根据在目标位置的舒适度满足预设条件时对应的向心加速度值得到向心加速度优化结果。
请参阅图9，图9为本申请实施例中电子设备的一个结构示意图。
如图9所示，电子设备900包括存储器901和处理器902。
处理器902可以为中央处理单元(Central Processing Unit，CPU)，还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以为微处理器或者该处理器也可以为任何常规的处理器等。
存储器901可以包括各种类型的存储单元，例如系统内存、只读存储器(ROM)，和永久存储装置。其中，ROM可以存储处理器902或者计算机的其他模块需要的静态数据或者指令。永久存储装置可以为可读写的存储装置。永久存储装置可以为即使计算机断电后也不会失去存储的指令和数据的非易失性存储设备。在一些实施方式中，永久性存储装置采用大容量存储装置(例如磁或光盘、闪存)作为永久存储装置。另外一些实施方式中，永久性存储装置可以为可移除的存储设备(例如软盘、光驱)。系统内存可以为可读写存储设备或者易失性可读写存储设备，例如动态随机访问内存。系统内存可以存储一些或者所有处理器在运行时需要的指令和数据。此外，存储器901可以包括任意计算机可读存储媒介的组合，包括各种类型的半导体存储芯片(DRAM，SRAM，SDRAM，闪存，可编程只读存储器)，磁盘和/或光盘也可以采用。在一些实施方式中，存储器901可以包括可读和/或写的可移除的存储设备，例如激光唱片(CD)、只读数字多功能光盘(例如DVD-ROM，双层DVD-ROM)、只读蓝光光盘、超密度光盘、闪存卡(例如SD卡、min SD卡、Micro-SD卡等等)、磁性软盘等等。计算机可读存储媒介不包含载波和通过无线或有线传输的瞬间电子信号。
存储器901上存储有可执行代码，当可执行代码被处理器902处理时，可以使处理器902执行上文述及的方法中的部分或全部。
上文中已经参考附图详细描述了本申请的方案。在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其他实施例的相关描述。本领域技术人员也应该知悉，说明书中所涉及的动作和模块并不一定是本申请所必须的。另外，可以理解，本申请实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减，本申请实施例装置中的模块可以根据实际需要进行合并、划分和删减。
此外，根据本申请的方法还可以实现为一种计算机程序或计算机程序产品，该计算机程序或计算机程序产品包括用于执行本申请的上述方法中部分或全部步骤的计算机程序代码指令。
或者，本申请还可以实施为一种非暂时性机器可读存储介质(或计算机可读存储介质、或机器可读存储介质)，其上存储有可执行代码(或计算机程序、或计算机指令代码)，当所述可执行代码(或计算机程序、或计算机指令代码)被电子设备(或电子设备、服务器等)的处理器执行时，使所述处理器执行根据本申请的上述方法的各个步骤的部分或全部。
本领域技术人员还将明白的是，结合这里的申请所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。
附图中的流程图和框图显示了根据本申请的多个实施例的系统和方法的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标记的功能也可以以不同于附图中所标记的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本申请的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (12)

1.一种速度优化方法，其特征在于，包括：
获取目标路径曲线和所述目标路径曲线对应的参考速度曲线，其中，所述目标路径曲线为对预先规划的规划路径曲线进行位置均匀采样得到；
根据在所述目标路径曲线上的速度限制信息确定对应的运动约束条件；
利用预设的目标函数和所述运动约束条件对所述参考速度曲线进行优化得到速度优化结果，其中，选定所述目标路径曲线上的目标位置，利用所述运动约束条件和所述参考速度曲线计算所述目标函数中在所述目标位置的舒适度，其中所述目标位置为所述目标路径曲线上的任意一个位置；根据在所述目标位置的舒适度满足预设条件时对应的速度值得到所述速度优化结果，所述目标函数用于表征运动变化与舒适度之间的关系。
2.根据权利要求1所述的方法，其特征在于，
所述速度限制信息包括以下至少一项：障碍物决策信息、道路限速信息、人行横道处停车避让信息。
3.根据权利要求1所述的方法，其特征在于，
所述运动约束条件包括以下对位置进行均匀采样得到的约束条件中的至少一项：动力学约束条件、速度极限约束条件、纵向加速度极限约束条件、纵向加加速度极限约束条件、向心加速度极限约束条件、起点边界约束条件。
4.根据权利要求1所述的方法，其特征在于，
所述目标函数包括以下函数：跟踪参考速度代价函数、向心加速度代价函数、纵向加速度舒适性代价函数、伪加加速度舒适性代价函数、速度和代价函数。
5.根据权利要求1或4所述的方法，其特征在于，所述参考速度曲线为所述目标路径曲线上的粗略速度曲线或初始速度曲线。
6.根据权利要求1所述的方法，其特征在于，
所述方法还包括：根据在所述目标位置的舒适度满足所述预设条件时对应的纵向加速度值得到纵向加速度优化结果。
7.根据权利要求1所述的方法，其特征在于，
所述方法还包括：根据在所述目标位置的舒适度满足所述预设条件时对应的纵向加加速度值得到纵向加加速度优化结果。
8.根据权利要求1所述的方法，其特征在于，
所述方法还包括：根据在所述目标位置的舒适度满足所述预设条件时对应的向心加速度值得到向心加速度优化结果。
9.一种速度优化装置，其特征在于，包括：
获取模块，用于获取目标路径曲线和所述目标路径曲线对应的参考速度曲线，其中，所述目标路径曲线为对预先规划的规划路径曲线进行位置均匀采样得到；
确定模块，用于根据在所述目标路径曲线上的速度限制信息确定对应的运动约束条件；
优化模块，用于利用预设的目标函数和所述确定模块确定的运动约束条件对所述获取模块获取的参考速度曲线进行优化得到速度优化结果，其中，选定所述目标路径曲线上的目标位置，利用所述运动约束条件和所述参考速度曲线计算所述目标函数中在所述目标位置的舒适度，其中所述目标位置为所述目标路径曲线上的任意一个位置；根据在所述目标位置的舒适度满足预设条件时对应的速度值得到所述速度优化结果，所述目标函数用于表征运动变化与舒适度之间的关系。
10.根据权利要求9所述的装置，其特征在于，所述优化模块包括：
第一处理子模块，用于选定所述目标路径曲线上的目标位置，利用所述运动约束条件和所述参考速度曲线计算所述目标函数中在所述目标位置的舒适度，其中，所述目标位置为所述目标路径曲线上的任意一个位置；
第二处理子模块，用于根据在所述第一处理子模块计算的目标位置的舒适度满足预设条件时对应的速度值得到所述速度优化结果。
11.一种电子设备，其特征在于，包括：
处理器和存储器；所述存储器，用于存储可执行代码；
所述处理器，用于通过调用所述可执行代码，以执行如上述权利要求1-8中任一项所述的方法。
12.一种非暂时性机器可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如上权利要求1-8中任一项所述的方法。
CN202110835200.9A 2021-07-23 2021-07-23 速度优化方法、装置及设备 Active CN113552839B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110835200.9A CN113552839B (zh) 2021-07-23 2021-07-23 速度优化方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110835200.9A CN113552839B (zh) 2021-07-23 2021-07-23 速度优化方法、装置及设备

Publications (2)

Publication Number Publication Date
CN113552839A CN113552839A (zh) 2021-10-26
CN113552839B true CN113552839B (zh) 2022-12-13

Family

ID=78104171

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110835200.9A Active CN113552839B (zh) 2021-07-23 2021-07-23 速度优化方法、装置及设备

Country Status (1)

Country Link
CN (1) CN113552839B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115047766A (zh) * 2022-06-13 2022-09-13 西南交通大学 一种基于预测控制模型的速度规划方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011016418A (ja) * 2009-07-08 2011-01-27 Toyota Motor Corp 車両制御装置
CN109375632A (zh) * 2018-12-17 2019-02-22 清华大学 自动驾驶车辆实时轨迹规划方法
CN109655076A (zh) * 2019-02-22 2019-04-19 百度在线网络技术（北京）有限公司 车辆转弯的速度规划方法、装置和存储介质
CN112307564A (zh) * 2020-11-10 2021-02-02 交控科技股份有限公司 列车ato目标运行速度曲线优化方法及装置
CN112498355A (zh) * 2020-11-02 2021-03-16 浙江吉利控股集团有限公司 一种速度规划方法及装置
CN112498366A (zh) * 2020-11-20 2021-03-16 苏州智加科技有限公司 自动驾驶车辆、控制方法、装置、设备及存储介质
CN112677982A (zh) * 2020-12-25 2021-04-20 重庆大学 基于驾驶员特性的车辆纵向速度规划方法
CN112859845A (zh) * 2021-01-04 2021-05-28 广州小鹏自动驾驶科技有限公司 一种轨迹的规划方法、装置和车辆
CN112965501A (zh) * 2021-03-31 2021-06-15 东风商用车有限公司 一种自动驾驶速度规划方法及装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106585675B (zh) * 2016-11-29 2018-10-02 中国铁路总公司 列车运行优化操纵方法和装置
US10670412B2 (en) * 2018-02-20 2020-06-02 Veoneer Us, Inc. System and method for generating a target path for a vehicle
CN110749333B (zh) * 2019-11-07 2022-02-22 中南大学 基于多目标优化的无人驾驶车辆运动规划方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011016418A (ja) * 2009-07-08 2011-01-27 Toyota Motor Corp 車両制御装置
CN109375632A (zh) * 2018-12-17 2019-02-22 清华大学 自动驾驶车辆实时轨迹规划方法
CN109655076A (zh) * 2019-02-22 2019-04-19 百度在线网络技术（北京）有限公司 车辆转弯的速度规划方法、装置和存储介质
CN112498355A (zh) * 2020-11-02 2021-03-16 浙江吉利控股集团有限公司 一种速度规划方法及装置
CN112307564A (zh) * 2020-11-10 2021-02-02 交控科技股份有限公司 列车ato目标运行速度曲线优化方法及装置
CN112498366A (zh) * 2020-11-20 2021-03-16 苏州智加科技有限公司 自动驾驶车辆、控制方法、装置、设备及存储介质
CN112677982A (zh) * 2020-12-25 2021-04-20 重庆大学 基于驾驶员特性的车辆纵向速度规划方法
CN112859845A (zh) * 2021-01-04 2021-05-28 广州小鹏自动驾驶科技有限公司 一种轨迹的规划方法、装置和车辆
CN112965501A (zh) * 2021-03-31 2021-06-15 东风商用车有限公司 一种自动驾驶速度规划方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
车联网环境下汽车节能驾驶行为与速度优化方法研究;魏涛;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20200130;全文 *

Also Published As

Publication number Publication date
CN113552839A (zh) 2021-10-26

Similar Documents

Publication Publication Date Title
US11231294B2 (en) Enabling alert messages in a vehicle
CN108369777A (zh) 自动驾驶支援系统、自动驾驶支援方法以及计算机程序
US9429443B2 (en) Method and system for determining parameters of a model for the longitudinal guidance and for the determination of a longitudinal guide for a vehicle
JP6994567B2 (ja) 車両制御装置
JP7080314B2 (ja) 自律型車両の意思決定のための意味物体クラスタ化
CN110967026B (zh) 车道线拟合方法及系统
US9090279B2 (en) Method and device for determining a transversal controller parameterization for transversal control of a vehicle
JP2004502184A (ja) ルート選択のための補助システム
US11639183B2 (en) Driving control device, driving control method, and computer readable medium
CN105551282A (zh) 一种超车提示方法和装置
CN110509921A (zh) 自适应巡航方法及系统、车辆、可读存储介质
CN102692227A (zh) 进行路径匹配的方法和装置
KR20170007362A (ko) 이동 경로를 따라 차량이 주행하는 중에 차량의 운행 효율을 개선하기 위한 시스템 및 방법
CN113552839B (zh) 速度优化方法、装置及设备
CN116215575A (zh) 车辆决策规划方法、装置及电子设备、存储介质
CN115973171A (zh) 车辆速度控制方法、装置、车辆及存储介质
CN118244257B (zh) 基于毫米波雷达的车辆自身状态的评估方法及系统
US11287031B2 (en) Apparatus and method for shift control in vehicle
CN114771532B (zh) 能量回收控制方法、电子设备、车辆及存储介质
CN114910083B (zh) 定位方法以及定位装置、电子设备、存储介质
CN100494899C (zh) 车辆前方道路信息传输系统及方法
JP7252069B2 (ja) 情報推定装置、道路案内装置、情報推定方法及び情報推定プログラム
WO2023067879A1 (ja) 車両制御装置、車両制御方法、及び車両制御システム
FR3021281A1 (fr) Dispositif d'assistance a la gestion de la consommation energetique d'un vehicule, procede, programme et vehicule
JP7657263B2 (ja) 仮想停止線を生成する方法及び装置

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
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240227

Address after: 510000 No.8 Songgang street, Cencun, Tianhe District, Guangzhou City, Guangdong Province

Patentee after: GUANGZHOU XIAOPENG MOTORS TECHNOLOGY Co.,Ltd.

Country or region after: China

Address before: Room 46, room 406, No.1, Yichuang street, Zhongxin knowledge city, Huangpu District, Guangzhou City, Guangdong Province

Patentee before: Guangzhou Xiaopeng Automatic Driving Technology Co.,Ltd.

Country or region before: China