实时计算制动距离的方法与系统与流程

摘要: 本发明关于智能驾驶即主动安全技术,特别是关于一种能够实时精确计算制动距离且具有自适应能力的装置以及方法。背景技术:1、传统的自动紧急制动/自动紧急剎车(auto...
实时计算制动距离的方法与系统与流程

本发明关于智能驾驶即主动安全技术,特别是关于一种能够实时精确计算制动距离且具有自适应能力的装置以及方法。

背景技术:

1、传统的自动紧急制动/自动紧急剎车(autonomous emergency braking,aeb)系统通常使用静态的表格。然而,车辆的动力学特性会随着车辆的负载、轮胎磨损程度、路面摩擦系数、环境温度等因素而动态变化。静态的表格难以准确反映车辆实际状态,导致预设刹停距离与实际刹停距离偏差较大。

2、此外,传统aeb系统通常采用简单的物理假设/模型。例如,假设车辆的速度变化量是固定的(也即匀减速或者匀加速状态)。这样的假设过于简单而不符合实际存在多种变量的情形,因此也难以准确预测刹停距离。

技术实现思路

1、本揭露一个方面提供一种实时计算制动距离的系统,该系统包括:储存装置,数据采集设备,动态调整单元以及处理单元,储存装置用以储存一初始制动减速度映射表。数据采集设备用以测量一车辆的一实时速度以及制动强度。动态调整单元用以利用真实车辆数据依据一学习率更新该初始制动减速度映射表,并生成一更新后的制动减速度映射表。处理单元用以通过查询该更新后的制动减速度映射表,根据该实时速度以及该制动强度决定一预测制动减速度,以及根据该第一预测制动减速度计算一制动距离。

2、在一实施例中,所述制动减速度映射表,首先根据储存器中人工驾驶车辆产生的相关历史数据,再通过离线训练得到制动减速度映射表。

3、在一些实施例中,制动减速度映射表可以使用人工智能模型产生。

4、在一些实施例中,所述数据采集设备,用以测量车辆的实际速度,实际减速度以及制动与行驶指令。

5、在一些实施例中,所述动态调整单元用以将车辆历史驾驶数据中的实际减速度特征与所述初始制动减速度映射表中的理论值进行比对,当实际制动减速度与预测制动减速度出现偏差时,根据预设阈值对所述初始减速度映射表进行自适应校准或更新。

6、在一些实施例中,处理单元用以根据插值法获取制动减速度映射表中车辆的速度与制动强度,决定从当前时间点到车辆的速度被计算减少至零为止的时间点之间,每一单位时间中车辆的预测制动减速度、预测速度,以及行驶距离。处理单元还用以加总所有行驶距离,以计算制动距离。

7、在一些实施例中,处理单元用以根据速度及预测制动减速度计算单位时间后车辆的预测速度。处理单元更用以将速度乘上单位时间以计算行驶距离并将行驶距离储存在储存装置中。当预测速度不为零时,处理单元用以反复执行以下操作,直到处理单元所计算的预测速度为零:将预测速度乘上该单位时间以计算行驶距离并将行驶距离储存在储存装置中;通过查询制动减速度映射表,根据预测速度以及制动强度决定预测制动减速度;根据预测速度及预测制动减速度计算再一个单位时间后车辆的预测速度。当预测速度为零时,处理单元用以加总所有储存在储存装置中的行驶距离,以计算制动距离。

8、在一些实施例中,处理单元还用以将制动距离传送至自动紧急制动模块、自动驾驶模块,或是高级驾驶辅助系统。

9、本揭露一个方面提供一种实时计算制动距离的方法,该方法包括:使用一储存装置储存一制动减速度映射表;使用一数据采集设备测量一车辆的一实时速度以及一制动强度;使用一动态调整单元依据真实车辆数据与一学习率更新一初始制动减速度映射表,生成更新后的制动减速度映射表;使用一处理单元通过查询该更新后的制动减速度映射表,根据该实时速度以及该制动强度决定一预测制动减速度;以及使用该处理单元根据该预测制动减速度计算一制动距离。

10、初始制动减速度表是在离线的情况下完成更新的,一般是指在车辆出厂前或售后维修后,因为离线可以在受控环境(如标定间、试验场)中进行,并可以通过专业设备和标准流程完成参数校准的过程。而车辆在使用过程中往往会因为载重、胎压、制动器磨损等导致自身参数变化,但这些变化尚未达到需要售后维修的程度,却已足以导致制动减速表和车辆实际状态不匹配,本揭露所提供的实时计算制动距离的方法和系统可以使制动减速度映射表持续适配车辆参数(比如载重、胎压、制动器磨损、轮胎磨损)以及行驶环境参数(路面摩擦因数、风速和风向)变化。由此,能够提升制动距离估算的精确性以及车辆的自适应性。

1.一种实时计算制动距离的系统,其特征在于,包括:

2.根据权利要求1所述的实时计算制动距离的系统,其中该初始制动减速度映射表,通过获取车辆历史真实驾驶数据,再依据离线训练得到。

3.根据权利要求2所述的实时计算制动距离的系统,其中,在所述车辆历史真实驾驶数据的数量低于阈值或无法取得部分驾驶工况下的车辆历史真实驾驶数据的情况下,得到该初始制动减速度映射表所用的驾驶数据使用人工智能模型产生。

4.根据权利要求3所述的实时计算制动距离的系统,得到该初始制动减速度映射表所用的驾驶数据使用人工智能模型产生,是指利用该人工智能模型,基于有限的真实驾驶数据为训练样本,生成涵盖多种驾驶工况的模拟制动减速度数据,随后通过预设的筛选条件删除不合理的模拟数据,再将真实驾驶数据与筛选后的模拟驾驶数据合并为训练数据集。

5.根据权利要求1所述的实时计算制动距离的系统,其中该数据采集设备还用于采集该车辆的实际制动减速度。

6.根据权利要求5所述的实时计算制动距离的系统,

7.根据权利要求6所述的实时计算制动距离的系统,其中,利用以下公式来根据该实际制动减速度计算更新后的预测制动减速度:

8.根据权利要求7所述的实时计算制动距离的系统,其中该学习率r为大于0且小于或等于1的数值,或为基于车辆运动状态调整的函数。

9.根据权利要求1所述的实时计算制动距离的系统,其中该处理单元用以:

10.根据权利要求1所述的实时计算制动距离的系统,其中该处理单元用以:

11.根据权利要求1所述的实时计算制动距离的系统,其中该处理单元还用以将该制动距离传送至自动紧急制动模块即aeb、自动驾驶模块、或高级驾驶辅助系统即adas。

12.一种实时计算制动距离的方法,其特征在于,包括:

13.根据权利要求12所述的实时计算制动距离的方法,其中该制动减速度映射表,首先通过获取车辆历史真实驾驶数据,再依据离线训练来得到。

14.根据权利要求13所述的实时计算制动距离的方法,其中,在所述车辆历史真实驾驶数据的数量低于阈值或无法取得部分驾驶工况下的车辆历史真实驾驶数据的情况下,得到该初始制动减速度映射表所用的驾驶数据使用人工智能模型产生。

15.根据权利要求14所述的实时计算制动距离的方法,得到该初始制动减速度映射表所用的驾驶数据使用人工智能模型产生,是指利用该人工智能模型,基于有限的真实驾驶数据为训练样本,生成涵盖多种驾驶工况的模拟制动减速度数据,随后通过预设的筛选条件删除不合理的模拟数据,再将真实驾驶数据与筛选后的模拟驾驶数据合并为训练数据集。

16.根据权利要求12所述的实时计算制动距离的方法,还包括:

17.根据权利要求16所述的实时计算制动距离的方法,其中,当该实际制动减速度与该预测制动减速度存在偏差且偏差大于一阈值时,该动态调整单元用以根据该实际制动减速度更新该初始制动减速度映射表以生成该更新后的制动减速度映射表。

18.根据权利要求17所述的实时计算制动距离的方法,其中,利用以下公式来根据该实际制动减速度计算更新后的预测制动减速度:

19.根据权利要求18所述的实时计算制动距离的方法,其中该学习率r为大于0且小于或等于1的数值,或为基于车辆运动状态调整的函数。

20.根据权利要求12所述的实时计算制动距离的方法,还包括使用该处理单元执行以下操作:

21.根据权利要求12所述的实时计算制动距离的方法,还包括使用该处理单元执行以下操作: