本公开提供的车辆跟车控制算法的性能评价方法，包括：分别构建用于评价跟车控制算法的控制效果和应用特性的第一、第二评价指标，第一评价指标是对根据有传感器滤波时的评价数据得到的跟车控制算法的跟随性、舒适性和经济性指标赋予通过层次分析法确定的权重系数求和得到的综合指标，第二评价指标由实时性和抗干扰性评价指标组成，实时性评价指标根据调用跟车控制算法的单步计算时长计算得到，抗干扰性评价指标根据第一评价指标在无传感器滤波时的增长率得到；从所有跟车控制算法中筛选出实时性和抗干扰性评价指标均满足要求的跟车控制算法，然后选择第一评价指标最小的跟车控制算法。本公开能够客观有效地评估跟车控制算法的控制效果与应用特性。算法的控制效果与应用特性。算法的控制效果与应用特性。
【技术实现步骤摘要】
一种车辆跟车控制算法的性能评价方法、装置和存储介质
[0001]本公开属于智能网联汽车
，特别涉及一种车辆跟车控制算法的性能评价方法、装置和存储介质。
技术介绍
[0002]跟车控制是车辆自适应巡航控制中的核心功能，要求自车能够维持合理的车速与车距，动态跟随前车行驶。但目前国内国际关于自适应巡航控制的测试标准，如现行国内测试标准：GBT 20608
‑
2006智能运输系统自适应巡航控制系统性能要求与检测方法，及现行国际测试标准：ISO 15622
‑
2018Intelligent transport systems—Adaptive cruise control systems—Performance requirements and testprocedures，均仅对跟车控制的完成与否设置了底线要求，并未对算法性能给出标准的定量评价方法。这并不利于跟车控制算法的比较与择优。
[0003]现有关于跟车控制算法的性能评价方法主要出现在有关学术研究中，但它们主要存在以下两方面的问题：
[0004]一是在控制效果评价上，评价指标设计不完整。一些工作以是否实现功能为目标，并不定量评估算法性能的好坏。其他大部分工作往往只评价跟随性、舒适性、经济性之中的某些项，评价指标的定义也各不相同，没有建立一套定量、科学的评价体系。比如，有以车距、车速等宏观指标的误差分布评估跟随性的，有以加速度、加加速度的数值分布评估舒适性的，也有以实际油耗评价经济性的，但没有一项工作能完整地定义这三项评价指标，并整合出一个综合评价指标。
[0005]二是在应用特性评价上，存在相当程度的空白。几乎所有工作都只评价了跟车控制算法的控制效果，而忽视了跟车控制算法的应用特性。而诸如算法实时性、抗干扰性这些应用特性在实际算法的部署过程中，往往比算法的控制效果更需重视。现有方法在应用特性评价上的缺失，会大大影响对算法实车运行情况的判断。
技术实现思路
[0006]本公开旨在至少解决现有技术中存在的技术问题之一。
[0007]为此，本公开第一方面实施例建立了一种车辆跟车控制算法的性能评价方法，能够科学有效地评估算法的控制效果与应用特性。对于控制效果，该方法能够用跟随性评价指标TRA、舒适性评价指标COM和经济性评价指标ECO定量化地评估算法在各个方向上的性能，并用一个综合评价指标CEI反映算法的综合性能优劣；对于应用特性，该方法能够以算法的平均单步计算时长h评估算法的实时性，以CEI指标在无传感器滤波时的增长率α评估算法的抗干扰性。
[0008]为了实现上述目的，本公开采用如下技术方案：
[0009]本公开第一方面提供的一种车辆跟车控制算法的性能评价方法，包括：
[0010]将若干跟车控制算法分别部署于装载有相同的传感器和传感器信号滤波算法的
测试车辆上，设置传感器信号采集周期T
c
和跟车控制算法调用周期T
s
，T
c
<T
s
，在预设的跟车测试场景下，控制各测试车辆达到设定的初始速度和初始车间距；
[0011]控制各测试车辆进入自动驾驶模式，每隔T
c
采集测试过程中的原始数据，并输出均以T
s
为周期的有、无传感器滤波时的评价数据，使用车载控制器记录每次调用跟车控制算法的单步计算时长，所述评价数据包括前车的车速，测试车辆的车速、加速度和能耗以及两车的车间距；
[0012]分别构建用于评价跟车控制算法的控制效果的第一评价指标和用于评价跟车控制算法的应用特性的第二评价指标，所述第一评价指标是对根据有传感器滤波时的评价数据得到的跟车控制算法的跟随性指标、舒适性指标和经济性指标赋予通过层次分析法确定的权重系数后求和得到的综合指标；所述第二评价指标由实时性评价指标和抗干扰性评价指标组成，所述实时性评价指标根据所述调用跟车控制算法的单步计算时长计算得到，所述抗干扰性评价指标根据第一评价指标在无传感器滤波时的增长率得到；
[0013]根据跟车测试全过程的评价数据计算各跟车控制算法的第一评价指标和第二评价指标；
[0014]从所有跟车控制算法中筛选出实时性评价指标和抗干扰性评价指标同时满足要求的跟车控制算法，作为候选跟车控制算法，选择第一评价指标最小的候选跟车控制算法作为最优的跟车控制算法。
[0015]可选地，按照下式构建所述第一评价指标：
[0016][0017]ω
tra
+ω
com
+ω
eco
＝1
[0018][0019][0020][0021]其中，CEI为第一评价指标；TRA、COM和ECO分别为跟车控制算法的跟随性指标、舒适性指标和经济性指标；ω
tra
、ω
com
和ω
eco
分别为跟随性指标、舒适性指标和经济性指标的权重系数；和分别为标准化处理后的跟随性目标函数、舒适性目标函数和经济性目标函数。
[0022]可选地，对各目标函数采用的标准化处理方法为Z
‑
Score方法。
[0023]可选地，设标准化处理前的所述跟随性目标函数为L
tra
，其表达式为：
[0024]L
tra
＝ω
d
Δd2+ω
v
Δv2[0025]其中，Δd为车间距误差，定义为测试车辆和前车的实际车间距与期望车间距之差，所述期望车间距采用固定车间时距；Δv为车速误差，定义为测试车辆与前车的车速之差；ω
d
和ω
v
分别为车间距误差和车速误差的权重系数；和/或
[0026]设标准化处理前的所述舒适性目标函数为L
com
，其表达式为：
[0027][0028]其中，a
f
为测试车辆的加速度；和/或
[0029]设标准化处理前的所述经济性目标函数为L
eco
，其表达式为：
[0030][0031]其中，P为测试车辆的瞬时功耗，v
f
为测试车辆的车速。
[0032]可选地，通过层次分析法确定所述第一评价指标CEI中跟随性指标、舒适性指标和经济性指标的权重系数ω
tra
、ω
com
和ω
eco
的步骤包括：
[0033]步骤S311、建立层次性结构模型，所述层次性结构模型为建立在准则层中具有跟随性目标、舒适性目标和经济性目标的单层结构模型；
[0034]步骤S312、通过重要性标度表构造用于量化不同目标间相对重要程度的判断矩阵，设所述判断矩阵中第i行、第j列的元素为a
ij
，表示目标i对目标j的相对重要程度，i,j∈[1，2，3]，且满足：a
ii
＝1，
[0035]S313、本文档来自技高网...
【技术保护点】
【技术特征摘要】
其中，Δd为车间距误差，定义为测试车辆和前车的实际车间距与期望车间距之差，所述期望车间距采用固定车间时距；Δv为车速误差，定义为测试车辆与前车的车速之差；ω
d
和ω
v
分别为车间距误差和车速误差的权重系数；和/或设标准化处理前的所述舒适性目标函数为L
com
，其表达式为：其中，a
f
为测试车辆的加速度；和/或设标准化处理前的所述经济性目标函数为L
eco
，其表达式为：其中，P为测试车辆的瞬时功耗，v
f
为测试车辆的车速。5.根据权利要求2所述的性能评价方法，其特征在于，通过层次分析法确定所述第一评价指标CEI中跟随性指标、舒适性指标和经济性指标的权重系数ω
tra
、ω
com
和ω
eco
的步骤包括：步骤S311、建立层次性结构模型，所述层次性结构模型为建立在准则层中具有跟随性目标、舒适性目标和经济性目标的单层结构模型；步骤S312、通过重要性标度表构造用于量化不同目标间相对重要程度的判断矩阵，设所述判断矩阵中第i行、第j列的元素为a
ij
，表示目标i对目标j的相对重要程度，i,j∈[1，2，3]，且满足：a
ii
＝1，S313、计算所述判断矩阵的最大特征值λ和对应的特征向量，将所述特征向量归一化，得到跟随性目标、舒适性目标和经济性目标的初始权重系数；S314、对所述判别矩阵进行一致性检验，若一致性检验通过，则将步骤S313得到的跟随性目标、舒适性目标和经济性目标的初始权重系数作为各目标最终的权重系数；若一致性检验不通过，则返回步骤S312重新构造判断矩阵。6.根据权利要求1所述的性能评价方法，其特征在于，将跟车测试过程中每次调用跟车控制算法的单步计算时长的平均值作为所述实时性评价指标。7.根据权利要求1所述的性能评价方法，其特征在于，所述抗干扰性评价指标按照下式计算得到：其中，α为所述抗干扰性评价指标，即第一评价指标在无传感器滤波时的增长率；CEI
F
为跟车测试全过程的第一评价指标的统计值；CEI
NF
...
【专利技术属性】
技术研发人员：黄开胜，张有容，袁宏，
申请(专利权)人：清华大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。