一种基于ACC与绿波交通的车辆引导方法与流程

一种基于acc与绿波交通的车辆引导方法
技术领域
1.本发明涉及自动驾驶技术领域，具体涉及一种基于acc与绿波交通的车辆引导方法。


背景技术：

2.安全行驶是汽车用户的第一刚性需求。在行驶过程中，车辆碰撞是造成交通事故的主要因素。尽管现有技术试图解决这一问题，如单车启动acc实现跟车功能，但不能及时把真实路口实时信息传输与车端信息融合。所以会造成无法获取实时有效的状态信息，或者获取到错误的状态信息，导致交通通行效率较低。
3.实现智能驾驶，核心技术瓶颈很多，其中环境感知技术是核心的核心，也是智能驾驶系统落地的制约因素。在智能网联汽车领域，车、路、智慧城市网联融合一体化是当前跨行业的发展趋势，“智能”+“网联”+“大数据”云平台技术发展和成熟是实现“智能汽车+”的技术基础和保障。
4.智能驾驶技术是智能网联汽车的核心技术领域之一。其中，环境感知和控制决策是智能驾驶系统的核心技术瓶颈。当前在智能驾驶技术领域，系统环境感知能力远不成熟，是技术瓶颈中的瓶颈，也是实现智能驾驶的关键制约因素。单车感知(车载传感器)和车路协同(v2x)各有其局限性，两者的组合才能实现智能感知技术的突破和飞跃，是智能驾驶目前最可行系统解决方案和技术路线和方向。也就是说，实现为汽车智能驾驶赋能的环境感知能力，需要通过车载传感器和车路协同信息技术的融合，从而大大增强汽车的感知能力，最终达到大幅度增强汽车智能驾驶的功能、性能和安全可靠度。同时，车路协同应用普及后可以大大降低单车智能感知的成本。
5.开发基于车路协同的智能网联汽车，实现智能驾驶技术，解决场景超级复杂多变的问题是一个漫长的道路和过程。尽管实现全自动驾驶是智能网联汽车技术发展方向，但这是一个长远目标，实现普遍的商业化应用还需要很长的路要走。市场需求是推动技术进步和落地的决定因素。最近行业开始形成共识，通过v2x技术，解决关键危险场景的行车安全、交通拥堵和提高交通效率等问题，是最重要的市场第一刚需，也是交通出行中安全行车的最大痛点问题，这是今后几十年内需要逐步解决的问题。也就是说，解决关键危险场景的行车安全问题为当前最关键的目标，并促进技术的产业化落地。
6.绿波交通是这几年刚刚兴起的交通方式，所谓“绿波”交通，就是在一系列交叉口上，安装一套具有一定周期的自动控制的联动信号，即具有路测端rsu，显示车辆的时速值，车辆通过保持或高于该时速值使主干道上的车流依次到达前方各交叉口时，均会遇上绿灯。这种“绿波”交通减少车辆在交叉口的停歇，提高了平均行车速度和通行能力。


技术实现要素：

7.本发明所要解决的技术问题是：提供一种基于acc与绿波交通的车辆引导方法。
8.为了解决上述技术问题，本发明采用的技术方案为：
9.一种基于acc与绿波交通的车辆引导方法，包括
10.场景识别，判断车辆是否进入到绿波交通的场景内，若是则继续，否则结束；
11.决策，根据绿波交通的路测rsu发出的红绿灯信息，引导车速计算，判断前方是否存在障碍车辆，若否则依照引导车速进行巡航，若是则判断引导车速是否大于前车车速，若是则跟随，并判断相对车距是否小于aeb阈值，若是则紧急制动，若否则继续跟随；若引导车速小于等于前车车速，则依照引导车速进行巡航；在依照引导车速进行巡航后判断停车线距离是否小于温和制动阈值，若否则正常行使，若是则判断当前是否为红灯，若否则正常行使，若是则发出红灯预警，并做出温和制动；
12.车辆根据作出的决策进行相应的动作。
13.优选地，在场景识别中，判断车辆是否进入到绿波交通的场景内，若是则需要人工确认后继续。
14.优选地，所述巡航包括acc自适应巡航；
15.所述acc自适应巡航采用lqr模型算法，与前车的期望距离d
des
的计算公式为：d
des
＝veth+d0；
16.其中，所述ve车辆当前速度，th为车头时距，d0示安全距离阈值；
17.距离误差δd的计算公式为：δd＝d-d
des
；
18.其中，所述d为与前车的实际距离；
19.相对速度δv的计算公式为：δv＝v
p-ve；
20.其中，所述v
p
为前车的行驶速度；
21.将车辆实际加速度ae与期望加速度之间为一阶惯性环节表示为：
[0022][0023]
其中，ts为一阶惯性环节中的常量，所述a
des
为期望加速度；
[0024]
令期望加速度a
des
为控制量，距离误差δd、相对速度δv、自车加速度ae为状态量，联立公式
[0025][0026]
由此可得到状态方程为：
[0027][0028]
令
[0029][0030]
则状态方程可以改写为：
[0031][0032]
根据状态反馈原理，设计合适的状态反馈控制规律，定义系统的代价函数为：
[0033][0034]
x是状态量，u表示控制量；
[0035]
其中，设定q矩阵为：
[0036][0037]
设定r矩阵为：r＝1；
[0038]
q为性能指标函数对于状态量的权阵，为对角阵；r阵为控制量的权重，为对角阵。
[0039]
优选地，初次测试q、r取值时；
[0040]
使用matlab的lqr库计算出k；
[0041]
若使用离散lqr算法进行求解，需要连续时间系统状态方程进行离散化；将连续时间系统状态方程使用近似离散化方法进行离散化处理方法：
[0042]
x(k+1)＝gx(k)+hu(k)
[0043]
其中g＝i+ats，h＝bts，i是单位阵，ts是采样时间；
[0044]
使用matlab的dlqr库计算出k。
[0045]
优选地，所述巡航包括依照引导车速进行定速巡航；
[0046]
所述定速巡航包括根据驾驶员设定车速与实际车速的偏差计算出车辆的期望加速度，车辆根据期望加速度进行加速或减速。
[0047]
优选地，
[0048]
采用pid控制算法，实现所述定速巡航包括根据驾驶员设定车速与实际车速的偏差计算出车辆的期望加速度，车辆根据期望加速度进行加速或减速；
[0049][0050]
其中，u(t)为期望加速度；e(t)为车速；k
p
代表控制器的比例系数；ti代表控制器的积分时间；td代表控制器的微分时间。
[0051]
优选地，所述引导车速计算包括
[0052]
当前状态为绿灯时，则该时刻的绿波引导车速为：
[0053]
其中，s为车辆距离停车线的距离，t为绿灯剩余时间；
[0054]
当前状态为绿灯时，则该时刻的绿波引导车速为：
[0055]
其中，s为车辆距离停车线的距离，t为黄灯剩余时间，x为红灯剩余时间；
[0056]
当前状态为绿灯时，则该时刻的绿波引导车速为：
[0057]
其中，s为车辆距离停车线的距离，t为红灯剩余时间；
[0058]
若计算出来引导车速大于道路限速以及自车最高行驶车速，车辆到达停车线需要刹车停下；若最高引导车速很小，则保持原车速行驶后刹车停下。
[0059]
优选地，所述温和制动减速到停车线行驶的距离s
br
的计算公式为
[0060]
其中，v为车辆速度，a为减速度；
[0061]
启动制动减速时相对于停车线的距离s
mbr
的计算公式为s
mbr
＝s
br
+v
rel
*t
rbr
；
[0062]
其中，v
rel
为车辆与目标车或目标停止线的相对行驶车速，t
rbr
为制动响应时间；
[0063]
所述预警为车辆可以在温和制动的条件下实现安全停车，车辆在预警情况下减速到停止的时间
[0064]
其中，v
sv
为车辆速度，a
sv
为减速度；
[0065]
车辆减速到静止的行驶距离d
stop
的计算公式为
[0066][0067]
其中，t
svd
为驾驶员反应时间；
[0068]
红灯时的温和制动包括
[0069]
温和制动至停车线前停下，该过程中车辆的行驶距离s0的计算公式为
[0070][0071]
其中，v0为初始车速，a1为温和刹停减速度。
[0072]
优选地，若在决策过程中出现其他车辆切入而判定为紧急制动，该过程中车辆的行驶距离s2的计算公式为
[0073][0074]
其中，a2为紧急制动减速度。
[0075]
优选地，其他车辆切入的判定过程为：gnn多目标匹配跟踪后，需要对前方cipv进行筛选，筛选策略为最近危险车辆，以识别前方插入车辆。
[0076]
本发明的有益效果在于：通过本技术的车辆引导方法，通过单车感知和v2x感知的融合，相对于单车acc功能，增加了监控距离和区域，可更早感知前方路口交通灯变化状态；
提高了感知精确度和准确度，减少了漏判率和误判率；通过v2x感知的更多种类的信息，提高通行效率及确保交通安全。
附图说明
[0077]
图1为本发明具体实施方式的一种基于acc与绿波交通的车辆引导方法的应用场景图；
[0078]
图2为《中华人民共和国道路交通安全法实施条例》关于限速的规定；
[0079]
图3为本发明具体实施方式的一种基于acc与绿波交通的车辆引导方法的绿波引导场景roi示意图；
[0080]
图4为本发明具体实施方式的一种基于acc与绿波交通的车辆引导方法的区域范围1流程图；
[0081]
图5为本发明具体实施方式的一种基于acc与绿波交通的车辆引导方法的区域范围2感知融合算法流程图；
[0082]
图6为本发明具体实施方式的一种基于acc与绿波交通的车辆引导方法的摄像头、前向毫米波雷达、路侧单元可探测区域示意图；
[0083]
图7为本发明具体实施方式的一种基于acc与绿波交通的车辆引导方法的绿波通行场景决策逻辑示意图；
[0084]
图8为本发明具体实施方式的一种基于acc与绿波交通的车辆引导方法的绿波通行场景停车线距离示意图；
[0085]
图9为本发明具体实施方式的一种基于acc与绿波交通的车辆引导方法的红绿灯相位信息示意图(从左到右依次为绿灯、黄灯、红灯、绿灯、黄灯)；
[0086]
图10为本发明具体实施方式的一种基于acc与绿波交通的车辆引导方法的自适应跟车决策流程图；
[0087]
图11为本发明具体实施方式的一种基于acc与绿波交通的车辆引导方法的自适应跟车示意图；
[0088]
图12为本发明具体实施方式的一种基于acc与绿波交通的车辆引导方法的引导车速定速巡航pid控制模型示意图。
具体实施方式
[0089]
为详细说明本发明的技术内容、所实现目的及效果，以下结合实施方式并配合附图予以说明。
[0090]
实施例
[0091]
一种基于acc与绿波交通的车辆引导方法，应用场景如图1，即绿波引导场景示意图；
[0092]
行驶速度
[0093]
本实施例以下采用的行驶速度参照《中华人民共和国道路交通安全法实施条例》关于限速的规定，如图2所示，可以根据需要修改，本技术中仅作为举例说明使用。
[0094]
根据道路安全法规定，城市道路限速为30-50-70km/h。一些城市公交运营部门会内部规定限速规定，但尚无公开、统一的规范。常见的公交车限速一般是城市道路，限速
40km/h，城市快速路限速60km/h。
[0095]
为保障公民合法权益，机动车驾驶人通过十字路口应当符合限速规定，针对同方向只有1条机动车道的道路，城市道路不能超过50km/h。因此，根据以上限速规定并简化相关计算，暂定通过十字路口的最高引导车速为50km/h。
[0096]
制动响应时间
[0097]
根据gb7258规定第7.14.1.2条规定，“从踩下制动踏板到最不利的制动气室响应时间应小于等于0.6s”，为最大程度保证安全性，本技术中相关设计时假定制动响应时间为0.6s，可以根据需要进行修改，本技术中仅作为举例说明使用。
[0098]
场景的整体共轭能
[0099]
acc绿波通行功能可以设置开启和关闭两种状态，其开启和关闭可由外加开关或通过hmi触摸屏进行控制。当开关处于开状态时，本系统所设计的功能激活。
[0100]
理想情况下，被控车从远处接近信号灯控制路口，进入到rsu能够广播的区域，路测通信设备发出信号灯数据信息和实时状态信息，系统在车端能够解析出信号灯实时状态和倒计时信息，并结合定位和行驶状态信息计算出能够在本次或下次绿灯期间不停车通过路口的引导车速。如果驾驶员已经按下“纵向控制”按键，系统将自动控制车辆按照该引导车速进行巡航。当前方存在障碍车辆或障碍车辆驶入本车道，系统通过车端融合感知获取前方障碍车辆的位置、速度、加速度等信息，并跟随前车自适应巡航。当路口为红灯状态，引导车速已无法正常通过时，系统自动控制车辆进行温和刹停，并停止在停车线前，当路口绿灯再次亮起，再行驶通过路口。
[0101]
为实现“acc绿波通行”场景的整体功能，系统需具备以下功能：
[0102]
1、场景识别
[0103]
本场景的场景识别分为两部分，首先识别车辆是否进入本场景，其次提醒驾驶员是否按下开关，开启本场景的绿波车速引导。
[0104]
对于acc绿波通行场景，车辆在从obu接收到rsu发送的rsi信息中的道路属性信息中获取前方红绿灯信息，当解析到红绿灯信息，判定处于“acc绿波车辆引导场景”。
[0105]
其中本场景的触发不同于其他场景，本场景需要驾驶员按下“绿波通行模式”按钮后，系统才会执行本场景的绿波车速及acc跟车决策。
[0106]
2、融合感知-前方障碍车辆检测
[0107]
能够利用车载雷达和摄像头传感器融合对前方的障碍车辆进行检测，获取其位置、速度和加速度等信息。
[0108]
3、决策判定
[0109]
根据路测rsu发出的红绿灯当前状态和倒计时等信息，结合车辆当前车速和距离停车线的距离，进行引导车速计算，再结合车端融合感知前方障碍物信息，来判定是否需要绿波通行、温和刹停、紧急制动等决策，并判定驾驶员接管及相应的退出机制等。
[0110]
4、控制执行
[0111]
根据决策结果控制车辆动作。
[0112]
感知系统部分
[0113]
roi区域分析
[0114]
roi区域分析仅考虑一个十字路口的情形。当涉及多个路口绿波通行时，可以以此
为参考进行推广扩展。该场景下，对roi区域的分析考虑两方面，一是引导车速，二是制动距离。引导车速的计算主要依托于路测rsu发送来的红绿灯状态信息。现阶段路侧通信覆盖范围可达200米-300米。制动距离的考虑主要是防止与前方出现的障碍车辆碰撞，以及满足红灯时在停车线前能够温和停车。
[0115]
(1)红灯状态下温和停车
[0116]
系统一般覆盖距离应当满足如下需求：当车辆以50km/h行驶时，在系统接收到前方信号灯为红灯状态，需自动控制车辆以较小减速度，温和减速停车至停车线前。在该过程中车辆行驶的距离为：
[0117][0118]
其中，v0为初始车速，t
svd
，t
rbr
分别为驾驶员反应时间和制动系统响应时间，a1为温和刹停减速度。
[0119]
取v0＝50km/h，t
svd
＝0.5s，t
rbr
＝0.6s，a1＝0.2g，可得到此时的s0＝63.4m。
[0120]
即在前方不存在障碍车辆时，此距离下，系统能够通过温和刹停来使车辆停止在停车线前。
[0121]
(2)障碍车辆切入致使紧急制动
[0122]
系统极限覆盖距离应当满足如下需求：当车辆以最高车速行驶时，在系统识别到前方出现的障碍车辆后，通过自动控制车辆以极限减速度，紧急减速制动至停车。在该过程中车辆行驶的距离为：
[0123][0124]
其中，v0为初始车速，t
rbr
为制动系统响应时间，a2为紧急制动减速度。
[0125]
取v0＝50km/h，t
rbr
＝0.6s，a2＝0.5g，可得到此时的s2＝34.4m。
[0126]
注：当车辆制动系统具备预填充功能，即可提前建立制动压力时，可消除t2的影响，进一步缩短制动距离。
[0127]
横向覆盖区域主要针对宽度为3.6m的本车道区域，对区域中的障碍车辆进行检测识别和运动参数的检测。
[0128]
总体覆盖区域如图3所示，其中s0的两个黑块之间的区域(v2x通信区域与s2区域之间)为红灯状态下温和停车区域，s2为障碍车切入的紧急制动区域。
[0129]
融合感知算法分析
[0130]
1、roi不同区域传感器参与分析
[0131]
红灯状态下温和制动区域
[0132]
区域范围：此区域范围为300米，此范围内，关注信息为红绿灯相位信息及倒计时信息，车辆需要通过识别相位及倒计时来计算引导车速。
[0133]
参与传感器：此阶段仅需要路侧信号机传输给rsu的信息，车端obu接收后做处理
[0134]
前方有障碍车辆时区域
[0135]
区域范围：单车感知范围110米内
[0136]
参与传感器：车端前向摄像头、前向毫米波雷达。
[0137]
2、感知融合算法
[0138]
区域范围1：此区域无感知融合具体算法，车端仅需接收路侧信号机信号即可。流程图如图4所示。
[0139]
区域范围2：此区域主要用于感知前方突然出现的障碍车辆，尽可能精确的获取其位置、速度、加速度等信息，以便实现更准确地速度跟随。其中与其他场景不同的为gnn多目标匹配跟踪后，需要对前方cipv进行筛选，筛选策略为最近危险车辆，以识别前方插入车辆。通过识别跟踪，将信息传输至决策模块进行跟踪，具体流程图如图5所示。
[0140]
传感器组合选型
[0141]
常用的车载相机和前向毫米波雷达可探测区域如图6所示。由图尺寸分析可知，车载摄像头能够实现对本车道全面覆盖的距离分别为68m、14m。该距离能够在一般摄像头对车辆检测的70m左右的覆盖范围内。
[0142]
针对绿波通行场景融合感知算法设计，总结需要获取感知信号及信号来源如下：
[0143]
表1算法模块对传感器选型需求
[0144][0145][0146]
最终传感器组合选型
[0147]
结合本技术各部分对传感器的选型需求，总结所需传感器如下表所示：
[0148]
表2传感器列表
[0149][0150]
整体参数指标分析
[0151]
通过roi、算法等多方面因素对传感器选型进行了分析，本章节针对绿波通行场景指标要求及现有传感器，对各个指标进行论证分析。
[0152]
表3绿波场景中感知融合模块指标要求
[0153]
[0154][0155]
现有传感器及融合后指标表，车载摄像头部分(魔视摄像头mit500)以及车载雷达(大陆408毫米波雷达)为：
[0156]
表4魔视摄像头指标参数
[0157]
[0158][0159]
表5 408雷达指标参数
[0160][0161]
表6融合后性能指标
[0162]
[0163][0164]
表7指标分析结果表
[0165]
[0166][0167]
决策控制分析
[0168]
1、场景判断
[0169]
对于acc绿波通行场景，车辆在从obu接收到rsu发送的rsi信息中的道路属性信息中获取前方红绿灯信息，当解析到红绿灯信息，判定处于“acc绿波车辆引导场景”。
[0170]
2、绿波通行场景决策逻辑
[0171]
如图7所示，绿波通行决策主要包含两部分内容，一部分是绿灯状态下按照绿波车速执行绿波自适应巡航功能，另一部分是红灯状态下温和刹停在停车线前。紧急制动为aeb的常规功能，保持常开状态。
[0172]
首先根据红绿灯当前状态、倒计时信息、自车车速以及车辆距停车线的距离计算引导车速。
[0173]
当前方不存在障碍车辆，或存在障碍车辆但障碍车车速大于被控车的引导车速，此时将进行引导车速巡航。该状态下存在两种情况，一种情况是能够按照绿波引导车速通过路口，另一种情况是，无法通过路口需要缓刹至停车线前。当车辆距离前方停车线的距离小于温和刹停触发距离时，并且当前状态为红灯，此时被控车将收到红灯预警信号，并以较小的减速度开始减速停车；当停车线距离大于温和刹停距离阈值或当前状态为绿灯，此时被控车按照绿波引导车速通行。
[0174]
当前方存在障碍车辆，并且障碍车辆的车速小于被控车当前引导车速，此时将进行前车跟随行驶，如果相对距离小于aeb阈值，将执行紧急制动。
[0175]
①
引导车速计算逻辑如下：
[0176]
如图8所示为绿波通行场景示意图，假设被控车sv距离红绿灯前的本车道停车线
的距离为s。
[0177]
如图9假设当前车道的红绿灯相位为两相位，即绿灯亮时可直行、左转、右转，红绿灯的相序为绿灯30秒，黄灯5秒，红灯20秒，并按照此顺序循环执行。
[0178]
当被控车sv行驶至距离路口300米时，能够接收到路测单元rsu发送来的红绿灯状态信息。
[0179]
如果当前状态为绿灯，则该时刻的绿波引导车速为：
[0180][0181]
其中，t为绿灯剩余时间。
[0182]
当驾驶员按下acc设定开关，被控车sv将按照该引导车速定速巡航通过路口。
[0183]
如果当前状态为黄灯，则该时刻的绿波引导车速为：
[0184][0185]
其中，t为黄灯剩余时间。
[0186]
同理，如果当前状态为红灯，绿波引导车速为：
[0187][0188]
其中，t为红灯剩余时间。
[0189]
如果计算出来引导车速很大，需要考虑道路限速以及自车最高行驶车速，此时并不能通过该路口，仍然需要刹车停下。如果最高引导车速很小，需要考虑通行效率，此时也不能按照引导车速通过，仍然需要原车速行驶然后刹车停下。
[0190]
针对以上引导车速的限制，首先设定一个引导车速限制区间。暂定为30-50km/h。如果算法求解的引导车速在该区间，车辆将按照该引导车速行驶；如果不在该区间，车辆将按照当前车速行驶，遇到红灯再减速停车。
[0191]
②
温和刹停决策逻辑如下：
[0192]
据当前车辆位置以及停车线的位置，红绿灯为红灯时，按照较小的减速度进行减速停车至停车线前。
[0193]
距离公式：
[0194]
其中，s
br
(br，braking)温和刹停减速到停车线行驶的距离，a＝0.2g(具体减速度取值，要根据当前相对车速和相对距离实时计算和优化决定)。
[0195]
启动温和减速时相对于停车线的距离s
mbr
(mildbraking，温和刹停)，制动响应时间t
rbr
(responsebraking，制动响应时间)
[0196]smbr
＝s
br
+v
rel
*t
rbr
[0197]
预警
[0198]
预警安全距离设定方法：试验车辆可以在温和减速(譬如|a
sv
|《0.2g，此值可根据需要调整优化)的条件下实现安全停车。
[0199]
试验车辆sv运动估算(在温和制动条件下，控制目标)，减速到停止的时间t
stop
：
[0200][0201]
(其中，譬如a
sv
＝0.2g或其他适当值)
[0202]
sv减速到静止的行驶距离d
stop
：
[0203][0204]
红灯状态下温和停车
[0205]
系统一般覆盖距离应当满足如下需求：当车辆以50km/h行驶时，在系统接收到前方信号灯为红灯状态，需自动控制车辆以较小减速度，温和减速停车至停车线前。在该过程中车辆行驶的距离为：
[0206][0207]
其中，v0为初始车速，t
svd
，t
rbr
分别为驾驶员反应时间和制动系统响应时间，a1为温和刹停减速度。
[0208]
取v0＝50km/h，t
svd
＝0.5s，t
rbr
＝0.6s，a1＝0.2g，可得到此时的s0＝63.4m。
[0209]
即在前方不存在障碍车辆时，此距离下，系统能够通过温和刹停来使车辆停止在停车线前。
[0210]
障碍车辆切入致使紧急制动
[0211]
系统极限覆盖距离应当满足如下需求：当车辆以最高车速行驶时，在系统识别到前方出现的障碍车辆后，通过自动控制车辆以极限减速度，紧急减速制动至停车。在该过程中车辆行驶的距离为：
[0212][0213]
其中，v0为初始车速，t
rbr
为制动系统响应时间，a2为紧急制动减速度。
[0214]
取v0＝50km/h，t
rbr
＝0.6s，a2＝0.5g，可得到此时的s2＝34.4m。
[0215]
注：当车辆制动系统具备预填充功能，即可提前建立制动压力时，可消除t2的影响，进一步缩短制动距离。
[0216]
3、驾驶员接管与退出机制
[0217]
进入“acc绿波车速引导”模式需要驾驶员按下“纵向控制”按键，被控车按照当前车速和红绿灯状态计算引导车速，并按照该引导车速或前车车速自适应巡航。当驾驶踩下制动踏板且踏板行程大于设定阈值(需标定)时，则完全退出该“acc绿波车速引导”模式，再次开启仍需要按一次“纵向控制”按键。
[0218]
控制模块分析与设计
[0219]
绿波车速控制原理图如图10所示。没有障碍车辆状态下，按照计算出的引导车速巡航，有障碍车的状态下，跟随前车自适应巡航。
[0220]
自适应巡航
[0221]
acc自适应巡航控制算法采用lqr模型算法。acc跟车示意图如图11所示。
[0222]
期望距离计算公式：
[0223]ddes
＝veth+d0
[0224]ddes
表示理想的跟车距离；th表示车头时距；d0表示安全距离阈值，一般为一个车长，可以根据实际车长进行调整；ve表示当前车速。
[0225]
距离误差计算公式：
[0226]
δd＝d-d
des
ꢀꢀ
(1)
[0227]
d表示传感器测量到的两车实际距离。
[0228]
相对速度计算公式：
[0229]
δv＝v
p-veꢀꢀ
(2)
[0230]vp
表示前方跟随车辆的车速。
[0231]
将自车实际加速度与期望加速度之间为一阶惯性环节表示：
[0232][0233]
令期望加速度a
des
为控制量，距离误差δd、相对速度δv、自车加速度a为状态量，联立公式(1)、(2)、(3)：
[0234][0235]
由此可得到状态方程为：(状态方程是由系统的状态变量构成的一阶微分方程组)
[0236][0237]
令
[0238][0239]
则状态方程可以改写为：
[0240][0241]
根据状态反馈原理，设计合适的状态反馈控制规律，使自车以较小的速度误差、距离误差和较小的加速度跟踪目标车辆行驶，同时希望控制量也较小以减少燃油消耗和不必要的制动。因此，定义系统的代价函数为：
[0242][0243]
其中，x表示为状态量，u表示为控制量，t表示为矩阵的转置。
[0244]
设定q矩阵为：
[0245][0246]
设定r矩阵为：
[0247]
r＝1
[0248]
q为性能指标函数对于状态量的权阵，为对角阵，元素越大，意味着该变量在性能函数中越重要。要求性能函数求最小，也就是说该状态的约束要求高。r阵为控制量的权重，对角阵，同样，对应的元素越大，这意味着，控制约束越大。
[0249]
然后使用matlab自带的lqr库计算出k，命令：
[0250][0251]
初次测试q、r取值为上述取值，经过实际测试后会根据实际情况进行调整。如果使用离散lqr算法进行求解，需要连续时间系统状态方程进行离散化，
[0252]
将连续时间系统状态方程使用近似离散化方法进行离散化处理方法：
[0253]
x(k+1)＝gx(k)+hu(k)
[0254]
其中g＝i+ats，h＝bts，i是单位阵，ts是采样时间，取0.01s；
[0255]
然后使用matlab自带的dlqr库计算出k，命令：
[0256][0257]
引导车速巡航
[0258]
采用pid控制算法，根据驾驶员设定车速与实际车速的偏差计算出车辆的期望加速度。下层控制器然后通过调节制动压力与驱动扭矩来实现上层控制器的期望加速度。其控制流程如图12所示，给被控车辆设定引导车速，车辆进入引导车速巡航模式。
[0259]
pid控制器数学模型可以用下式表示：
[0260][0261]
u(t)表示控制器的输出，这里为期望加速度；
[0262]
e(t)代表控制器的输入，这里为车速；
[0263]kp
代表控制器的比例系数；
[0264]
ti代表控制器的积分时间；
[0265]
td代表控制器的微分时间。
[0266]
其pid参数的整定，需要通过仿真测试得出。
[0267]
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发
明说明书及附图内容所作的等同变换，或直接或间接运用在相关的技术领域，均同理包括在本发明的专利保护范围内。