【技术实现步骤摘要】
本申请涉及云控系统的智能网联技术与自主换道，特别涉及一种基于预测信息的换道决策与时延补偿控制方法及装置。
技术介绍
1、换道是车辆基本的行驶行为之一，需要对车辆横向动作以及目标车道交通车辆的状态等进行考虑，较为复杂，使得换道行为在执行过程中与交通车辆产生冲突的可能性较大，对交通环境的影响较大。
2、相关技术中，可以使用一种基于道路交通预测信息的自动驾驶应用聚焦于巡航技术的方式，基于车辆当前面临的交通环境判断是否需要换道。
3、然而，相关技术中的方法在产生换道决策时，若利用交通车辆预测信息进行换道决策，需要扩大范围获取车辆信息进行预测与决策计算，且将所有算法部署在车载计算器将提高车辆成本，使车载计算器承担较大的计算负荷；同时控制指令传输以及执行器执行控制指令需要时间，导致车辆控制系统中存在着时延，影响车辆控制效果，导致车辆行驶震荡甚至失控，严重影响行驶安全性。
技术实现思路
1、本申请提供一种基于预测信息的换道决策与时延补偿控制方法、装置、云端平台及车辆，以解决相关技术中，车辆换道规划与当前交通匹配度较低，车辆控制系统中存在时延环节导致车辆控制精度以及稳定性较差，同时车端算力不足导致规划延时较高，从而影响行车安全等问题。
2、本申请第一方面实施例提供一种基于预测信息的换道决策与时延补偿控制方法，所述方法应用于云端平台，其中，所述方法包括以下步骤：获取路侧感知单元采集的交通信息；根据所述交通信息预测未来一段时间感知范围交通车辆的预测信息，并根据所述预
3、可选地，所述根据所述交通信息预测未来一段时间感知范围交通车辆的预测信息，包括：根据所述交通信息建立交通车辆状态矩阵；将所述交通车辆状态矩阵的信息输入微观跟驰模型，利用所述微观跟驰模型计算交通车辆预测状态转移量；将状态转移量与离散状态空间方程结合，迭代推演出交通车辆未来每个离散时刻的预测信息。
4、可选地，所述根据所述预测信息针构建目标车辆未来的行驶环境多目标优化问题，包括：获取所述目标车辆的本车状态信息和云端平台储存的道路交通限速信息；根据所述预测信息、所述本车状态信息以及所述道路交通限速信息构建所述多目标优化问题，其中，所述多目标优化问题包括行驶代价函数及约束，所述代价函数反映了车辆行驶效率和舒适性的优化目标、跟驰安全和换道安全的要求。
5、可选地，所述求解所述多目标优化问题得到所述目标车辆未来最佳的期望速度以及换道决策时刻，包括：获取所述目标车辆的本车的加速度序列；将所述本车的加速度序列与换道决策序列求解过程解耦，以对车道子序列离散化，将连续时空中可能的换道决策序列离散成备选子序列；从所述多目标优化问题中求解出每个备选子序列对应的最优加速度序列，并对所述最优加速度序列进行筛选，将筛选后的备选子序列的行驶代价进行排序筛选，将最低代价对应的子序列作为最优换道决策序列，其中，所述最优换道决策序列包括期望速度以及换道决策时刻。
6、可选地，所述换道安全判断算法包括：本车接收到换道的指令后，进行安全距离判断；若此时本车与周围车辆的实际距离大于安全距离，则执行换道操作，否则将执行降级安全跟驰，减速跟随前车行驶；所述换道路径规划算法包括：根据行驶状态的转换进行换道以及直行路径的规划模式切换；直行路径选择距离本车中心坐标最近的道路中心线作为当前车道直线行驶的参考路径，以接收到换道决策的车辆位置作为换道起始点坐标，根据车辆舒适性与换道效率设置路径优化函数计算最优换道时长，并设置换道过程为匀速换道，推导出换道终点坐标；通过多项式曲线拟合所述换道起始点坐标和所述换道终点坐标，得到换道路径；所述时延补偿控制算法包括：搭建车辆的纵向动力学模型，根据输入状态误差量和比例积分微分控制算法计算纵向控制率，基于纵向控制系统中的信号输入时延和执行器时延进行纵向时延补偿；搭建车辆的横向动力学模型，采用二自由度分析横向动力学模型，通过前馈控制和线性二次型调节器计算横向控制率，基于所述控制系统中的时延环节建立时延横向控制模型，并采用状态增广法将时延系统转化为无时延系统，实现横向时延补偿。
7、本申请第二方面实施例提供一种基于预测信息的换道决策与时延补偿控制方法，所述方法应用于车辆，其中，所述方法包括以下步骤：获取云端平台下发的本车的期望速度以及所述换道决策时刻，其中，所述云端平台获取路侧感知单元采集的交通信息，根据所述交通信息预测未来一段时间感知范围交通车辆的预测信息，并根据所述预测信息针构建本车未来的行驶环境多目标优化问题，求解所述多目标优化问题得到所述本车未来最佳的期望速度以及换道决策时刻；利用本车布置的换道安全判断算法、换道路径规划算法和时延补偿控制算法响应所述期望速度以及所述换道决策时刻，以提前调整速度换道行驶。
8、本申请第三方面实施例提供一种基于预测信息的换道决策与时延补偿控制装置，其特征在于，所述装置应用于云端平台，其中，所述装置包括：第一获取模块，用于获取路侧感知单元采集的交通信息；预测模块，用于根据所述交通信息预测未来一段时间感知范围交通车辆的预测信息，并根据所述预测信息针构建目标车辆未来的行驶环境多目标优化问题，求解所述多目标优化问题得到所述目标车辆未来最佳的期望速度以及换道决策时刻；下发模块，用于下发所述期望速度以及所述换道决策时刻至所述目标车辆，其中，所述目标车辆利用本车布置的换道安全判断算法、换道路径规划算法和时延补偿控制算法响应所述期望速度以及所述换道决策时刻，以提前调整速度换道行驶。
9、可选地，所述预测模块进一步用于：根据所述交通信息建立交通车辆状态矩阵；将所述交通车辆状态矩阵的信息输入微观跟驰模型，利用所述微观跟驰模型计算交通车辆预测状态转移量；将状态转移量与离散状态空间方程结合，迭代推演出交通车辆未来每个离散时刻的预测信息。
10、可选地，所述预测模块进一步用于：获取所述目标车辆的本车状态信息和云端平台储存的道路交通限速信息；根据所述预测信息、所述本车状态信息以及所述道路交通限速信息构建所述多目标优化问题，其中，所述多目标优化问题包括行驶代价函数及约束，所述代价函数反映了车辆行驶效率和舒适性的优化目标、跟驰安全和换道安全的要求。
11、可选地，所述预测模块进一步用于：获取所述目标车辆的本车的加速度序列；将所述本车的加速度序列与换道决策序列求解过程解耦，以对车道子序列离散化，将连续时空中可能的换道决策序列离散成备选子序列；从所述多目标优化问题中求解出每个备选子序列对应的最优加速度序列，并对所述最优加速度序列进行筛选，将筛选后的备选子序列的行驶代价进行排序筛选，将最低代价对应的子序列作为最优换道决策序列，其中，本文档来自技高网...
【技术保护点】
1.一种基于预测信息的换道决策与时延补偿控制方法，其特征在于，所述方法应用于云端平台，其中，所述方法包括以下步骤：
2.根据权利要求1所述的基于预测信息的换道决策与时延补偿控制方法，其特征在于，所述根据所述交通信息预测未来一段时间感知范围交通车辆的预测信息，包括：
3.根据权利要求1所述的基于预测信息的换道决策与时延补偿控制方法，其特征在于，所述根据所述预测信息针构建目标车辆未来的行驶环境多目标优化问题，包括：
4.根据权利要求1或3所述的基于预测信息的换道决策与时延补偿控制方法，其特征在于，所述求解所述多目标优化问题得到所述目标车辆未来最佳的期望速度以及换道决策时刻，包括：
5.根据权利要求1所述的基于预测信息的换道决策与时延补偿控制方法，其特征在于，所述换道安全判断算法包括：
6.一种基于预测信息的换道决策与时延补偿控制方法，其特征在于，所述方法应用于车辆，其中，所述方法包括以下步骤：
7.一种基于预测信息的换道决策与时延补偿控制装置，其特征在于，所述装置应用于云端平台，其中，所述装置包括：
9.一种云端平台，其特征在于，包括如权利要求7所述的基于预测信息的换道决策与时延补偿控制装置。
10.一种车辆，其特征在于，包括如权利要求8所述的基于预测信息的换道决策与时延补偿控制装置。
...【技术特征摘要】
1.一种基于预测信息的换道决策与时延补偿控制方法，其特征在于，所述方法应用于云端平台，其中，所述方法包括以下步骤：
2.根据权利要求1所述的基于预测信息的换道决策与时延补偿控制方法，其特征在于，所述根据所述交通信息预测未来一段时间感知范围交通车辆的预测信息，包括：
3.根据权利要求1所述的基于预测信息的换道决策与时延补偿控制方法，其特征在于，所述根据所述预测信息针构建目标车辆未来的行驶环境多目标优化问题，包括：
4.根据权利要求1或3所述的基于预测信息的换道决策与时延补偿控制方法，其特征在于，所述求解所述多目标优化问题得到所述目标车辆未来最佳的期望速度以及换道决策时刻，包括：
5.根据权利要求1所述的...
【专利技术属性】
技术研发人员：高博麟，江宇，李淑艳，梅润，崔艳，刘彦斌，
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。