[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN113335278B - 一种网联式智能车队自适应巡航控制方法及系统 - Google Patents

一种网联式智能车队自适应巡航控制方法及系统 Download PDF

Info

Publication number
CN113335278B
CN113335278B CN202110819497.XA CN202110819497A CN113335278B CN 113335278 B CN113335278 B CN 113335278B CN 202110819497 A CN202110819497 A CN 202110819497A CN 113335278 B CN113335278 B CN 113335278B
Authority
CN
China
Prior art keywords
follower
information
vehicle
under
navigator
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
CN202110819497.XA
Other languages
English (en)
Other versions
CN113335278A (zh
Inventor
任萍丽
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.)
Changzhou Vocational Institute of Mechatronic Technology
Original Assignee
Changzhou Vocational Institute of Mechatronic Technology
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 Changzhou Vocational Institute of Mechatronic Technology filed Critical Changzhou Vocational Institute of Mechatronic Technology
Priority to CN202110819497.XA priority Critical patent/CN113335278B/zh
Publication of CN113335278A publication Critical patent/CN113335278A/zh
Application granted granted Critical
Publication of CN113335278B publication Critical patent/CN113335278B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT 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
    • B60W30/00Purposes 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
    • B60W30/14Adaptive cruise control
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT 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
    • B60W30/00Purposes 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
    • B60W30/14Adaptive cruise control
    • B60W30/16Control of distance between vehicles, e.g. keeping a distance to preceding vehicle
    • B60W30/165Automatically following the path of a preceding lead vehicle, e.g. "electronic tow-bar"
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT 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
    • B60W2556/00Input parameters relating to data
    • B60W2556/45External transmission of data to or from the vehicle
    • B60W2556/65Data transmitted between vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本发明属于车辆编队技术领域,具体涉及一种网联式智能车队自适应巡航控制方法及系统,本方法包括:构建头车、领航者与跟随者之间的通信拓扑关系,设定跟随者以接收头车及领航者的行驶信息;当前跟随者采集笛卡尔坐标系下的位姿信息和所述行驶信息,实施坐标变换得到该跟随者在Frenet坐标下的位姿信息;基于Frenet坐标下的位姿信息,对当前跟随者进行纵横向解耦控制,并将该跟随者作为领航者向其跟随者发送行驶信息。本发明通过搭建V2V通信拓扑结构实现了在车队场景下的协同控制,同时通过自适应巡航控制系统解决了单车道纵向速度控制问题和在复杂场景下的横向控制问题,两者结合后进一步提高了网联式智能车队在不同环境下的智能驾驶的安全性和可靠性。

Description

一种网联式智能车队自适应巡航控制方法及系统
技术领域
本发明属于车辆编队技术领域,具体涉及一种网联式智能车队自适应巡航控制方法及系统。
背景技术
与传统的ACC系统相比,协同自适应巡航系统借助V2V技术使得车辆行驶信息在车辆与车辆之间传递互通,实现纵向上车辆的自动控制。目前,对于协同自适应巡航控制的研究主要还是集中在单车道纵向速度控制方面,事实上,与纵向运动控制相比,协同自适应巡航控制在一些复杂场景下也需要考虑横向控制。
发明内容
本发明提供了一种网联式智能车队自适应巡航控制方法及系统。
第一方面,本发明提供了一种网联式智能车队自适应巡航控制方法,
应用于网联式智能车辆的控制器中,用于控制所述网联式智能车辆的实现自适应巡航,所述网联式智能车队自适应巡航控制方法为:
步骤S1,构建头车、领航者与跟随者之间的通信拓扑关系,设定跟随者以接收头车及领航者的行驶信息或领航者的行驶信息;
步骤S2,当前跟随者采集笛卡尔坐标系下的位姿信息和所述行驶信息,实施坐标变换得到该跟随者在Frenet坐标下的位姿信息;
步骤S3,基于Frenet坐标下的位姿信息,对当前跟随者进行纵横向解耦控制,并将该跟随者作为领航者向其跟随者发送行驶信息;
重复步骤S2和步骤S3,以使行驶信息依次发送至最后车辆。
在其中一个实施例中,所述步骤S1中构建头车、领航者与跟随者之间的通信拓扑关系的方法包括:对车队车辆行驶车序进行编号,取头车为1,领航者为K,跟随者为K+1,其中所述头车、领航者、跟随者均基于V2V通信形成编队控制。
在其中一个实施例中,所述行驶信息包括:速度信息、位姿信息和轨迹信息。
在其中一个实施例中,所述步骤S2中实施坐标变换得到该跟随者在Frenet坐标下的位姿信息的方法包括:当前跟随者根据头车及领航者的轨迹信息,采用五次B样条曲线拟合原理得到曲线函数模型;根据曲线函数模型,得到轨迹点曲率及轨迹点曲率变化率信息;在Frenet坐标下对当前跟随者进行数学建模;根据由传感器单元采集得到的笛卡尔坐标系下的自车位姿信息及前述轨迹信息,实施坐标变换得到自车在Frenet坐标下的位姿信息。
可选的,所述采用五次B样条曲线拟合原理得到的曲线函数模型的表达式为:
其中,a0,a1,a2,a3,a4,a5,b0,b1,b2,b3,b4,b5为拟合系数,X(u)为横坐标上的分量,Y(u)为纵坐标上的分量,u为自变量。
可选的,所述根据曲线函数模型得到轨迹点曲率及轨迹点曲率变化率信息的表达式为:
曲率变化率记为表示为:
其中,ci(u)为轨迹点曲率,为曲率变化率,s为相邻轨迹点之间的弧长。
可选的,在Frenet坐标下对编队中当前跟随者进行数学建模,表达式为:
其中,si表示该投影点在参考轨迹上走过的弧长,即Frenet坐标系下的横坐标,yi表示投影点切线垂直方向上的距离车辆后轴中心线的距离大小,即Frenet坐标系下的纵坐标,为方位角误差,vi为车辆前进方向上的速度,δi为车辆前轮转角,ci为轨迹点曲率,L为车身长度。
可选的,获取笛卡尔坐标系下,编队车辆的位姿信息为(Xi,Yii),表示为:
其中,(Xi,Yi)为车辆在笛卡尔坐标系中的位置坐标,θi为车辆航向角。
在其中一个实施例中,所述步骤S3中基于Frenet坐标下的位姿信息,对当前跟随者进行纵横向解耦控制包括:根据轨迹点曲率及轨迹点曲率变化率信息,在Frenet坐标下对自车进行纵横向解耦,得到横向最有控制量和纵向最优控制量,并进行期望轨迹处理。
第二方面,本发明提供了一种网联式智能车队自适应巡航控制系统,包括:
车间通讯单元、位姿计算单元、传感器单元和控制单元;所述车间通讯单元和传感器单元与位姿计算单元连接,所述规划组合与控制单元连接;所述车间通讯单元,用于实施V2V车间通讯,在跟随者状态下接受头车及领航者的行驶信息并在领航者状态下发送行驶信息给跟随者;所述传感器单元,用于采集当前跟随者笛卡尔坐标系下的位姿信息;所述位姿计算单元,用于根据所述的头车及领航者的行驶信息和当前跟随者笛卡尔坐标系下的位姿信息规划当前跟随者Frenet坐标下的位姿信息;所述控制单元,用于根据所述的Frenet坐标下的当前跟随者位姿信息进行期望轨迹计算及处理。
本发明的有益效果是,本发明通过搭建V2V通信拓扑结构实现了在车队场景下的协同控制,同时通过自适应巡航控制系统解决了单车道纵向速度控制问题和在复杂场景下的横向控制问题,两者结合后进一步提高了网联式智能车队在不同环境下的智能驾驶的安全性和可靠性。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明的网联式智能车队自适应巡航控制方法的通讯拓扑关系示意图;
图2是本发明的网联式智能车队自适应巡航控制方法的车队身份示意图;
图3是本发明的网联式智能车队自适应巡航控制方法的Frenet框架下的车辆运动学模型图;
图4是本发明的网联式智能车队自适应巡航控制方法的巡航控制示意图;
图5是本发明的网联式智能车队自适应巡航控制方法的领航-跟随结构图;
图6是本发明的网联式智能车队自适应巡航控制方法的纵向控制量示意图;
图7是本发明的网联式智能车队自适应巡航控制方法的转弯场景下多智能车编队形成过程中位置变化情况图;
图8是本发明的网联式智能车队自适应巡航控制方法的转弯场景下多智能车编队形成过程中编队车辆速度变化情况图;
图9是本发明的网联式智能车队自适应巡航控制方法的换道场景下多智能车编队形成过程中位置变化情况图;
图10是本发明的网联式智能车队自适应巡航控制方法的换道场景下多智能车编队形成过程中编队车辆速度变化情况图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
与传统的ACC系统相比,协同自适应巡航系统借助V2V技术使得车辆行驶信息在车辆与车辆之间传递互通,实现纵向上车辆的自动控制。目前,对于协同自适应巡航控制的研究主要还是集中在单车道纵向速度控制方面,事实上,与纵向运动控制相比,协同自适应巡航控制在一些复杂场景下也需要考虑横向控制。
基于上述问题,本实施例提供了一种网联式智能车队自适应巡航控制方法,即不仅能够实现单车道车辆的纵向速度自动控制,也可在一些复杂场景下实现横向协同自适应巡航控制。
本网联式智能车队自适应巡航控制方法包括:步骤S1,构建头车、领航者与跟随者之间的通信拓扑关系,设定跟随者以接收头车及领航者的行驶信息或领航者的行驶信息;步骤S2,当前跟随者采集笛卡尔坐标系下的位姿信息和所述行驶信息,实施坐标变换得到该跟随者在Frenet坐标下的位姿信息;步骤S3,基于Frenet坐标下的位姿信息,对当前跟随者进行纵横向解耦控制,并将该跟随者作为领航者向其跟随者发送行驶信息;重复步骤S2和步骤S3,以使行驶信息依次发送至最后车辆。
如图1和图2所示,具体的,所述步骤S1中构建头车、领航者与跟随者之间的通信拓扑关系的方法包括:对车队车辆行驶车序进行编号,取头车为1,领航者为K,跟随者为K+1,其中所述头车、领航者、跟随者均基于V2V通信形成编队控制。
可选的,由于本发明的智能车队并非传统智能巡航中在单车道行驶,而是可以实现智能车队在多车道的协同行驶,为避免在行驶过程中会出现车队车辆初始车序与实际行驶车序不同的情况,智能车队可以搭建新的通讯拓扑关系。
在本实施例中,所述行驶信息包括:速度信息、位姿信息和轨迹信息。
在本实施例中,头车及领航者的轨迹信息将作为跟随者的期望轨迹主要参考依据,以此来减少跟随者的信息计算与处理量。
如图3所示,具体的,所述步骤S2中实施坐标变换得到该跟随者在Frenet坐标下的位姿信息的方法包括:当前跟随者根据头车及领航者的轨迹信息,采用五次B样条曲线拟合原理得到曲线函数模型;根据曲线函数模型,得到轨迹点曲率及轨迹点曲率变化率信息;在Frenet坐标下对当前跟随者进行数学建模;根据由传感器单元采集得到的笛卡尔坐标系下的自车位姿信息及前述轨迹信息,实施坐标变换得到自车在Frenet坐标下的位姿信息。
在本实施例中,所述采用五次B样条曲线拟合原理得到的曲线函数模型的表达式为:
其中,a0,a1,a2,a3,a4,a5,b0,b1,b2,b3,b4,b5为拟合系数,X(u)为横坐标上的分量,Y(u)为纵坐标上的分量,u为自变量,代表前一时刻距离当前时刻的时长,范围在0-1秒之间。
在本实施例中,期望轨迹分解为多段曲线组合而成,每段曲线都将随着局部参数的变化发生变化,采用每段曲线长度表征曲线横坐标,记为si(u),每段曲线上可以找到一个控制点,该点与车辆后轴中心线的连线与曲线的切线方向垂直,该控制点即为Mi,该点的坐标记为ri(u)=[Xi(u)Yi(u)]T,根据数学关系,可以得到:0≤u≤1,Vehicle_i与Mi之间的位置偏差记为yi(u),表示为:/>方位角偏差记为/>表示为:/>
在本实施例中,所述根据曲线函数模型得到轨迹点曲率及轨迹点曲率变化率信息的表达式为:
曲率变化率记为表示为:
其中,ci(u)为轨迹点曲率,为曲率变化率,s为相邻轨迹点之间的弧长。
如图3所示,具体的,忽略车辆垂向运动,忽略空气阻力影响的情况下,在Frenet坐标下车辆运动状态进行分解,分解为相对于参考轨迹的纵向和横向两个方向,得到Frenet框架下的车辆运动学模型,其中,Oi为车辆后轴中心点位置,θi为Vehicle_i的航向角,δi为Vehicle_i的前轮转角,(Xi,Yi)为Vehicle_i在笛卡尔坐标系中的位置坐标,Mi是Vehicle_i在距离参考轨迹最近的位置的投影点,si表示该投影点在参考轨迹上走过的弧长,即Frenet坐标系下的横坐标,yi表示投影点切线垂直方向上的距离车辆后轴中心线的距离大小,即Frenet坐标系下的纵坐标,θci为参考轨迹在该位置的方位角,为方位角误差,ci为该位置参考轨迹的曲率,L为车身长度,PiOi为笛卡尔坐标系下vi的投影,从几何关系上分析,存在:/>其中,/>由此可以得到:/>等式变换后得到:/>同时,几何关系中存在:si=rci·θci,/>可以得到:θci=si·ci,/>假设/>为方位角误差,可以得到Frenet坐标系下的车辆模型。
在本实施例中,在Frenet坐标下对编队中当前跟随者进行数学建模,表达式为:
其中,si表示该投影点在参考轨迹上走过的弧长,即Frenet坐标系下的横坐标,yi表示投影点切线垂直方向上的距离车辆后轴中心线的距离大小,即Frenet坐标系下的纵坐标,为方位角误差,vi为车辆前进方向上的速度,δi为车辆前轮转角,ci为轨迹点曲率,L为车身长度。
在本实施例中,获取笛卡尔坐标系下,编队车辆的位姿信息为(Xi,Yii),表示为:
其中,(Xi,Yi)为车辆在笛卡尔坐标系中的位置坐标,θi为车辆航向角,根据期望轨迹信息及编队车辆笛卡尔坐标系下的位姿信息,获取Frenet框架下编队车辆位姿信息
如图4所示,具体的,所述步骤S3中基于Frenet坐标下的位姿信息,对当前跟随者进行纵横向解耦控制包括:根据轨迹点曲率及轨迹点曲率变化率信息,在Frenet坐标下对自车进行纵横向解耦,得到横向最有控制量和纵向最优控制量,并进行期望轨迹处理。
如图5所示,具体地,根据领航-跟随控制的思想得到的编队中智能车辆领航-跟随结构。
在本实施例中,关于横向控制,其目标是使Vehicle_i到参考轨迹投影点的横向误差yi趋近于0,由于该编队控制方法已经利用Frenet框架将横向控制和纵向控制进行了解耦,因此,横向控制仅需要控制前轮转角完成相应的控制目标。
设a为任意变量,三阶链式系统可表示为:
变量替换a1=s,a2=y,可以得到:
经过数学推导得到:
其中
本实施例的横向控制策略采用PD控制,经过推导以后,可以得到横向控制变量控制率为:
其中,Kp和Kd是比例系数。
如图6所示,在本实施例中,具体的,关于纵向控制量的获取,在局部控制策略中,每辆智能车均为后一辆智能车的领航者(除最后一辆智能车外),以编队中的第i辆车作为被控对象,在Frenet坐标系的纵向上,Vehicle_i与Vehicle_i+1之间的间距记为Vehicle_i与头车之间的间距记为/>
为了实现的控制目标,采用指数收敛方法/>其中k>0,得到:
为了实现的控制目标,采用指数收敛方法/>其中k>0,得到:
由此,纵向方向的速度控制率为:
其中,ω是权重系数。
在本实施例中,涉及的多智能车编队方法需要同时在纵向和横向方向上进行控制,仿真验证部分选择转弯和换道两个场景进行,假设编队中有4辆智能车辆,每辆车的长度均为L=2m,每辆车的初始位置为:
[(X0,Y0),(X1,Y1),(X2,Y2),(X3,Y3)]=[(10,1),(7,1),(4,1),(2,1)]。
如图7和图8所示,在本实施例中,具体的,通过仿真得到了多智能车在编队形成过程中的位置变化情况,在转弯场景下多智能车编队形成过程中位置变化情况及编队车辆速度变化情况。
如图9和图10所示,在本实施例中,具体的,在换道场景下多智能车编队形成过程中位置变化情况及编队车辆速度变化情况。
具体的,通过上述两种场景下的仿真结果可以看出,该智能车编队方法可以确保车队能快速跟踪上给定的期望轨迹,并且在行驶过程中的曲率变化和速度变化具有鲁棒稳定性。
在本实施例中,V2V通信具体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,实现智能车队内部的行驶信息传递。
在本实施例中,Frenet坐标系具体是在自动驾驶过程中,以车道线为参考线,相对当前正在行驶的自车构建的坐标系,这一坐标系在自动驾驶的过程中可以为车辆提供更为精准的坐标导航。
在本实施例中,PD控制具体是采用微分控制的性质的校正,可以使系统的稳定性增加,最大偏差和余差减小,加快控制过程,改善控制质量,保证智能行驶的稳定性。
本实施例还提供了一种网联式智能车队自适应巡航控制系统,包括:车间通讯单元、位姿计算单元、传感器单元和控制单元;所述车间通讯单元和传感器单元与位姿计算单元连接,所述规划组合与控制单元连接;所述车间通讯单元,用于实施V2V车间通讯,在跟随者状态下接受头车及领航者的行驶信息并在领航者状态下发送行驶信息给跟随者;所述传感器单元,用于采集当前跟随者笛卡尔坐标系下的位姿信息;所述位姿计算单元,用于根据所述的头车及领航者的行驶信息和当前跟随者笛卡尔坐标系下的位姿信息规划当前跟随者Frenet坐标下的位姿信息;所述控制单元,用于根据所述的Frenet坐标下的当前跟随者位姿信息进行期望轨迹计算及处理。
在本实施例中位姿计算单元和控制单元可以在车辆ECU中实现。
综上所述,本发明的一种网联式智能车队自适应巡航控制方法及系统通过搭建V2V通信拓扑结构实现了在车队场景下的协同控制,同时通过自适应巡航控制系统解决了单车道纵向速度控制问题和在复杂场景下的横向控制问题,两者结合后进一步提高了网联式智能车队在不同环境下的智能驾驶的安全性和可靠性。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品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方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。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动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。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上述依据本发明的理想实施例为启示,通过上述的说明内容,相关工作人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定其技术性范围。

Claims (6)

1.一种网联式智能车队自适应巡航控制方法,其特征在于,包括:
步骤S1,构建头车、领航者与跟随者之间的通信拓扑关系,设定跟随者以接收头车及领航者的行驶信息或领航者的行驶信息;
步骤S2,当前跟随者采集笛卡尔坐标系下的位姿信息和所述行驶信息,实施坐标变换得到该跟随者在Frenet坐标下的位姿信息;
步骤S3,基于Frenet坐标下的位姿信息,对当前跟随者进行纵横向解耦控制,并将该跟随者作为领航者向其跟随者发送行驶信息;
重复步骤S2和步骤S3,以使行驶信息依次发送至最后车辆;
所述步骤S1中构建头车、领航者与跟随者之间的通信拓扑关系的方法包括:
对车队车辆行驶车序进行编号,取头车为1,领航者为K,跟随者为K+1,其中
所述头车、领航者、跟随者均基于V2V通信形成编队控制;
所述行驶信息包括:速度信息、位姿信息和轨迹信息;
所述步骤S2中实施坐标变换得到该跟随者在Frenet坐标下的位姿信息的方法包括:
当前跟随者根据头车及领航者的轨迹信息,采用五次B样条曲线拟合原理得到曲线函数模型;
根据曲线函数模型,得到轨迹点曲率及轨迹点曲率变化率信息;
在Frenet坐标下对当前跟随者进行数学建模;
根据由传感器单元采集得到的笛卡尔坐标系下的自车位姿信息及前述轨迹信息,实施坐标变换得到自车在Frenet坐标下的位姿信息;
所述采用五次B样条曲线拟合原理得到的曲线函数模型的表达式为:
其中,a0,a1,a2,a3,a4,a5,b0,b1,b2,b3,b4,b5为拟合系数,X(u)为横坐标上的分量,Y(u)为纵坐标上的分量,u为自变量。
2.根据权利要求1所述的方法,其特征在于,
所述根据曲线函数模型得到轨迹点曲率及轨迹点曲率变化率信息的表达式为:
曲率变化率记为表示为:
其中,ci(u)为轨迹点曲率,为曲率变化率,s为相邻轨迹点之间的弧长。
3.根据权利要求2所述的方法,其特征在于,
在Frenet坐标下对编队中当前跟随者进行数学建模,表达式为:
其中,si表示投影点在参考轨迹上走过的弧长,即Frenet坐标系下的横坐标,yi表示投影点切线垂直方向上的距离车辆后轴中心线的距离大小,即Frenet坐标系下的纵坐标,为方位角误差,vi为车辆前进方向上的速度,δi为车辆前轮转角,ci为轨迹点曲率,L为车身长度。
4.根据权利要求3所述的方法,其特征在于,获取笛卡尔坐标系下,
编队车辆的位姿信息为(Xi,Yii),表示为:
其中,(Xi,Yi)为车辆在笛卡尔坐标系中的位置坐标,θi为车辆航向角。
5.根据权利要求4所述的方法,其特征在于,
所述步骤S3中基于Frenet坐标下的位姿信息,对当前跟随者进行纵横向解耦控制的方法包括:
根据轨迹点曲率及轨迹点曲率变化率信息,在Frenet坐标下对自车进行纵横向解耦,得到横向最有控制量和纵向最优控制量,并进行期望轨迹处理。
6.一种应用如权利要求1所述的网联式智能车队自适应巡航控制方法的网联式智能车队自适应巡航控制系统,其特征在于,包括:
车间通讯单元、位姿计算单元、传感器单元和控制单元;
所述车间通讯单元,用于实施车间通讯,在跟随者状态下接受头车及领航者的行驶信息,以及在领航者状态下发送行驶信息给跟随者;
所述传感器单元,用于采集当前跟随者笛卡尔坐标系下的位姿信息和行驶信息;
所述位姿计算单元,用于根据所述的头车及领航者的行驶信息和当前跟随者笛卡尔坐标系下的位姿信息规划当前跟随者Frenet坐标下的位姿信息;
所述控制单元,用于根据所述的Frenet坐标下的当前跟随者位姿信息进行期望轨迹计算及处理。
CN202110819497.XA 2021-07-20 2021-07-20 一种网联式智能车队自适应巡航控制方法及系统 Active CN113335278B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110819497.XA CN113335278B (zh) 2021-07-20 2021-07-20 一种网联式智能车队自适应巡航控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110819497.XA CN113335278B (zh) 2021-07-20 2021-07-20 一种网联式智能车队自适应巡航控制方法及系统

Publications (2)

Publication Number Publication Date
CN113335278A CN113335278A (zh) 2021-09-03
CN113335278B true CN113335278B (zh) 2023-08-11

Family

ID=77480067

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110819497.XA Active CN113335278B (zh) 2021-07-20 2021-07-20 一种网联式智能车队自适应巡航控制方法及系统

Country Status (1)

Country Link
CN (1) CN113335278B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115431971A (zh) * 2021-12-07 2022-12-06 北京罗克维尔斯科技有限公司 基于车道保持的车辆跟随方法和装置、车辆以及存储介质
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
CN114399906B (zh) * 2022-03-25 2022-06-14 四川省公路规划勘察设计研究院有限公司 一种车路协同辅助驾驶系统及方法
CN114694384B (zh) * 2022-05-18 2023-03-24 厦门金龙联合汽车工业有限公司 一种智能网联的车辆编队安全策略设计方法
CN115171414B (zh) * 2022-06-10 2023-07-14 哈尔滨工业大学重庆研究院 一种基于Frenet坐标系的CACC跟驰车流控制系统
WO2024044396A1 (en) * 2022-08-26 2024-02-29 Ohio State Innovation Foundation Systems and methods for cooperative navigation with autonomous vehicles

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2993575A1 (en) * 2017-02-03 2018-08-03 Richard Pollock Active driving map for self-driving road vehicle
WO2019137373A1 (zh) * 2018-01-10 2019-07-18 华为技术有限公司 自动驾驶轨迹获取方法及装置
CN110304074A (zh) * 2019-06-28 2019-10-08 电子科技大学 一种基于分层状态机的混合式驾驶方法
CN110341711A (zh) * 2019-07-06 2019-10-18 深圳数翔科技有限公司 一种基于码头环境的行驶轨迹生成系统及方法
CN110827535A (zh) * 2019-10-30 2020-02-21 中南大学 非线性车辆队列协同自适应抗扰纵向控制方法
CN112519882A (zh) * 2019-09-17 2021-03-19 广州汽车集团股份有限公司 一种车辆参考轨迹跟踪方法及系统
CN112631287A (zh) * 2020-12-08 2021-04-09 重庆邮电大学 一种车联网环境下车辆编队控制系统与方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2993575A1 (en) * 2017-02-03 2018-08-03 Richard Pollock Active driving map for self-driving road vehicle
WO2019137373A1 (zh) * 2018-01-10 2019-07-18 华为技术有限公司 自动驾驶轨迹获取方法及装置
CN110304074A (zh) * 2019-06-28 2019-10-08 电子科技大学 一种基于分层状态机的混合式驾驶方法
CN110341711A (zh) * 2019-07-06 2019-10-18 深圳数翔科技有限公司 一种基于码头环境的行驶轨迹生成系统及方法
CN112519882A (zh) * 2019-09-17 2021-03-19 广州汽车集团股份有限公司 一种车辆参考轨迹跟踪方法及系统
CN110827535A (zh) * 2019-10-30 2020-02-21 中南大学 非线性车辆队列协同自适应抗扰纵向控制方法
CN112631287A (zh) * 2020-12-08 2021-04-09 重庆邮电大学 一种车联网环境下车辆编队控制系统与方法

Also Published As

Publication number Publication date
CN113335278A (zh) 2021-09-03

Similar Documents

Publication Publication Date Title
CN113335278B (zh) 一种网联式智能车队自适应巡航控制方法及系统
Li et al. Development of a new integrated local trajectory planning and tracking control framework for autonomous ground vehicles
CN110015306B (zh) 驾驶轨迹获取方法及装置
CN109501799B (zh) 一种车联网条件下的动态路径规划方法
Piazzi et al. Quintic G/sup 2/-splines for the iterative steering of vision-based autonomous vehicles
CN109799828B (zh) 自动驾驶车辆横纵向协调控制方法
CN108919795A (zh) 一种自动驾驶汽车换道决策方法及装置
WO2021135617A1 (zh) 一种适用于多场景的自主泊车轨迹规划方法
Hartmann et al. Deep reinforcement learning for time optimal velocity control using prior knowledge
CN107831761A (zh) 一种智能车的路径跟踪控制方法
CN110509923B (zh) 自动驾驶路径规划方法、系统、计算机可读存储介质及车辆
CN113264049B (zh) 一种智能网联车队协作换道控制方法
CN109017793A (zh) 基于前后轴融合参考的自主招车导航及控制方法
CN113886764A (zh) 一种基于Frenet坐标系的智能车辆多场景轨迹规划方法
CN115320596A (zh) 一种智能网联车队插入式协同换道控制方法
CN116118780A (zh) 一种车辆避障轨迹规划方法、系统、车辆及存储介质
CN114906173A (zh) 一种基于两点预瞄驾驶员模型的自动驾驶决策方法
CN115042816A (zh) 路径跟踪方法、装置、设备、介质及程序
CN115273450A (zh) 一种网联自动驾驶环境下车辆进入编队的换道方法
CN108594830B (zh) 一种基于空间域的网联智能车编队行驶控制方法
CN114889589A (zh) 一种智能汽车转向与制动协同避撞控制系统及方法
CN113848942A (zh) 一种约束导向的智能网联汽车鲁棒换道合流控制方法
CN111857112B (zh) 一种汽车局部路径规划方法及电子设备
CN113715820B (zh) 一种基于速度补偿pid的车辆速度控制方法及装置
CN116360427A (zh) 一种自动驾驶控制方法、系统、车载终端及存储介质

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