面向多场景的智能车辆编队功能测评方法及装置制造方法及图纸

本发明专利技术提供了一种面向多场景的智能车辆编队功能测评方法及装置，本发明专利技术实施例基于编队加速、编队减速、自适应编队三种编队行驶场景，构建了不同的定量化测评指标，有效弥补了现有测评方法指标片面单一、难以定量描述的不足，可以准确、定量评测智能车辆编队功能的性能优劣，适应于智能车辆编队技术及行业日益更新发展的需求。新发展的需求。新发展的需求。

【技术实现步骤摘要】
面向多场景的智能车辆编队功能测评方法及装置


[0001]本专利技术涉及智能驾驶汽车道路试验与测试
，具体而言，涉及一种面向多场景的智能车辆编队功能测评方法及装置。

技术介绍

[0002]随着道路里程得到了爆发式的增长，道路运力也随之迅速提升。据统计，目前70％以上的客货运量由道路运输来承担。然而，随之带来的道路交通事故以及造成的经济损失难以忽略。导致道路交通事故的因素多种多样，其中人为因素占比达90％左右。此外，在重特大事故中，大型运输车辆造成的损失更是达80％以上。基于此，为减少驾驶员的不良或异常驾驶行为，采用信息化技术来辅助干预或控制汽车驾驶行为的智能驾驶技术已成为国内外研究的重点。其中，引入智能驾驶技术的智能车辆编队更被视为可以有效解决大型道路运输车辆在高速公路上安全高效运输问题的方法。
[0003]智能车辆编队依托智能感知、协同通信等技术将同向行驶车辆的车车间隔保持在较小的安全固定数值，使其形成统一组织的行驶队列。处于最前面的车辆充当领航员的角色，后车自动跟随行驶，以实现编队车辆几乎同步的加减速、转向及制动等控制。作为一种更具信息化智能化的道路交通运输方式，智能车辆编队对于提高行车安全、提升运输效率、减缓交通拥堵、降低能源排放都有着重要意义和应用前景。道路运输车辆，尤其是大型货车，已逐渐成为智能车辆编队技术主要的应用对象。此类车辆有着车辆体积大、运载质量重、行车时间长、视野盲区多等特点，相较其他车辆而言更容易发生交通事故，且一旦发生事故极有可能造成群死群伤的后果。因此，通过车辆测评的手段对多场景下的智能车辆编队功能进行全面有效可靠的测试必不可少。
[0004]2018年发布的《智能网联汽车自动驾驶功能测试规程(试行)》中规定了编队功能的测评方法，已被广泛接受应用。该测试规程中首先定义了编队加速、编队减速、自适应编队三种编队行驶场景，并分别针对不同的场景定义了相关测试要求和指标。即便如此，现有对智能编队功能测评系统的研究仍然较为欠缺，仅有的也多从宏观角度评价编队系统，主要表现为以下两个问题：1.指标描述仍较为片面单一，难以有效覆盖不同场景下的实际测评需求；2.指标描述多以定性为主，如不发生碰撞、控制车速等，缺乏有效客观的定量化描述指标。综上，现有指标仍无法客观准确的描述智能车辆编队运行过程的性能优劣，难以满足智能车辆编队技术及行业日益更新发展的需求。

技术实现思路

[0005]本专利技术解决的问题是现有智能编队功能测评指标仍无法客观准确的描述智能车辆编队运行过程的性能优劣，难以满足智能车辆编队技术及行业日益更新发展的需求。
[0006]为解决上述问题，本专利技术提供一种面向多场景的智能车辆编队功能测评方法，包括：根据预先建立的智能车辆编队性能测试场景，控制智能车辆进行编队测试行驶；所述智能车辆编队性能测试场景包括：编队加速场景、编队减速场景及自适应编队场景；获取所述
智能车辆进行编队测试行驶过程中的行驶参数；根据所述行驶参数分别计算编队加速测评指标、编队减速测评指标及自适应编队测评指标；所述编队加速测评指标包括：队列速度保持精度以及队列车距保持精度，所述编队减速测评指标包括制动减速度一致性指标，所述自适应编队测评指标包括：完成变道车辆的单车横摆稳定性指标及相邻两车辆的安全距离余量；根据所述编队加速测评指标、所述编队减速测评指标及所述自适应编队测评指标，定量评价智能车辆编队功能。
[0007]可选地，所述相邻两车辆的安全距离余量为后车左前顶点或右前顶点与前车的最短距离。
[0008]可选地，所述根据所述行驶参数分别计算自适应编队测评指标，包括根据所述行驶参数计算相邻两车辆的安全距离余量，如下：
[0009]计算编队内每辆车四个顶点的顶点坐标；A
21
、A
22
、A
23
、A
24
分别表示车辆的四个顶点，其坐标为：
[0010][0011]式中，l和w分别为车身的长度和宽度，(x2,y2,)为定位点S2的坐标和航向角，Δl和Δw分别为定位点到车头和车侧的距离，α
21
、α
22
、α
23
、α
24
分别为连线S2A
21
、S2A
22
、S2A
23
、S2A
24
与车辆航向角的夹角，如下：
[0012][0013]根据所述每辆车的顶点坐标，计算所述每辆车的车身曲线方程Γ1、Γ2、
…
Γ
n
；
[0014]对队列内第i辆车(i>1)，定义k时刻的安全距离余量为车前端两个顶点到前车曲线距离的最小值为：
[0015]d
i
(k)＝min(A
i1
(k)Γ
i
‑1(k),A
i2
(k)Γ
i
‑1(k))
[0016]式中，A
i1
(k)Γ
i
‑1(k)表示第i辆车k时刻的前端顶点A
i1
(k)到前车曲线Γ
i
‑1(k)的距离，A
i2
(k)Γ
i
‑1(k)表示第i辆车k时刻的前端顶点A
i2
(k)到前车曲线Γ
i
‑1(k)的距离；
[0017]将整个采样过程中安全距离余量，如下：
[0018]Dsafe＝min(d
i
(k))。
[0019]可选地，所述根据所述行驶参数分别计算自适应编队测评指标，包括根据所述行驶参数计算完成变道车辆的变道横摆稳定性指标，如下：
[0020]变道横摆稳定性定义为：
[0021][0022]式中，σ
iMSE
表示变道横摆稳定性的量化值，表示了队列中第i辆车执行车道变换的激进程度，s表示测试过程中的采样点个数，ω
i
(k)为k时刻车辆的横摆角速度，表示k时刻横摆角速度的期望值，其计算公式为：
[0023][0024]式中，曲率半径计算公式为：
[0025][0026]式中变量B
i1
，B
i2
，B
i3
，B
i4
分别为：
[0027][0028]其中，分别表示队列中第i辆车k时刻的东向速度和北向速度，分别表示队列中第i辆车k时刻的东向位置和北向位置。
[0029]可选地，所述根据所述行驶参数分别计算自适应编队测评指标，包括根据所述行驶参数计算队列速度保持精度，如下：
[0030]队列速度保持精度计算公式如下：
[0031][0032]式中，ξ
v
表示编队加速场景下的队列速度保持精度，n表示编队车辆总数，s表示表示测试过程中的采样点个数，v
i
(k)表示队列中第i辆车在k时刻的速度，表示队列中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向多场景的智能车辆编队功能测评方法，其特征在于，包括：根据预先建立的智能车辆编队性能测试场景，控制智能车辆进行编队测试行驶；所述智能车辆编队性能测试场景包括：编队加速场景、编队减速场景及自适应编队场景；获取所述智能车辆进行编队测试行驶过程中的行驶参数；根据所述行驶参数分别计算编队加速测评指标、编队减速测评指标及自适应编队测评指标；所述编队加速测评指标包括：队列速度保持精度以及队列车距保持精度，所述编队减速测评指标包括制动减速度一致性指标，所述自适应编队测评指标包括：完成变道车辆的单车横摆稳定性指标及相邻两车辆的安全距离余量；根据所述编队加速测评指标、所述编队减速测评指标及所述自适应编队测评指标，定量评价智能车辆编队功能。2.根据权利要求1所述的方法，其特征在于，所述相邻两车辆的安全距离余量为后车左前顶点或右前顶点与前车的最短距离。3.根据权利要求2所述的方法，其特征在于，所述根据所述行驶参数分别计算自适应编队测评指标，包括根据所述行驶参数计算相邻两车辆的安全距离余量，如下：计算编队内每辆车四个顶点的顶点坐标；A
21
、A
22
、A
23
、A
24
分别表示车辆的四个顶点，其坐标为：式中，l和w分别为车身的长度和宽度，为定位点S2的坐标和航向角，Δl和Δw分别为定位点到车头和车侧的距离，α
21
、α
22
、α
23
、α
24
分别为连线S2A
21
、S2A
22
、S2A
23
、S2A
24
与车辆航向角的夹角，如下：根据所述每辆车的顶点坐标，计算所述每辆车的车身曲线方程Γ1、Γ2、
…
Γ
n
；对队列内第i辆车(i>1)，定义k时刻的安全距离余量为车前端两个顶点到前车曲线距离的最小值为：d
i
(k)＝min(A
i1
(k)Γ
i
‑1(k),A
i2
(k)Γ
i
‑1(k))式中，A
i1
(k)Γ
i
‑1(k)表示第i辆车k时刻的前端顶点A
i1
(k)到前车曲线Γ
i
‑1(k)的距离，A
i2
(k)Γ
i
‑1(k)表示第i辆车k时刻的前端顶点A
i2
(k)到前车曲线Γ
i
‑1(k)的距离；
将整个采样过程中安全距离余量，如下：Dsafe＝min(d
i
(k))。4.根据权利要求2所述的方法，其特征在于，所述根据所述行驶参数分别计算自适应编队测评指标，包括根据所述行驶参数计算完成变道车辆的变道横摆稳定性指标，如下：变道横摆稳定性定义为：式中，σ
iMSE
表示变道横摆稳定性的量化值，表示了队列中第i辆车执行车道变换的激进程度，s表示测试过程中的采样点个数，ω
i
(k)为k时刻车辆的横摆角速度，表示k时...

【专利技术属性】
技术研发人员：宋向辉，岑晏青，李亚檬，李娜，王培宇，徐启敏，
申请(专利权)人：交通运输部公路科学研究所，
类型：发明
国别省市：