在使用关于第二交通工具的轨迹信息的情况下基于MPC确定第一交通工具的轨迹的制作方法

在使用关于第二交通工具的轨迹信息的情况下基于mpc确定第一交通工具的轨迹
技术领域
1.本发明涉及借助基于模型的预测性调节(英文：model predictive control，或简称mpc)来确定第一交通工具的轨迹。在此，特别地，使用关于在第一交通工具前方区域中行驶的第二交通工具的轨迹信息。在此背景下，尤其是要求保护处理器单元、驾驶员辅助系统、交通工具、方法及计算机程序产品。


背景技术：

2.众所周知，在自适应巡航控制(英文：adaptive cruise control，简称acc)中，在规划速度轨迹时也会考虑效率标准。在此，一种快速发展的方法是借助所谓的mpc求解器来进行轨迹规划。在这种方法中，可以关于整体效率地评价虚拟界域上大量可能的轨迹。在此，其它交通参与方也会对最终选出的轨迹的整体效率产生影响。例如，当前方行驶的交通工具导入制动过程或行驶速度更慢时就会出现这种情况并由此缩小了本交通工具的mpc求解器的解空间，因此本交通工具被迫采用不那么最优的轨迹。这里的基本问题在于，本交通工具通常不了解前方行驶的交通工具将会采取何种行为。


技术实现要素：

3.本发明的任务可以被视为：为第一机动车辆提供mpc调节，其中，考虑在第一交通工具前方行驶的第二机动车辆的行为。
4.该任务通过独立权利要求的主题来解决。有利的实施方案是从属权利要求、下述说明及附图的主题。
5.根据本发明，提出了不同交通工具之间关于它们的规划速度轨迹方面的交换。在此，特别地，在基于mpc的纵向行驶策略中可以采用针对使用v2v信息的v2v通信过程。v2v通信可以理解为交通工具之间的信息和数据交换。其目的在于，提早向交通工具和/或其驾驶员报告严重和危险的情况。v2v信息可以集成到基于mpc的行驶策略中，其中，v2v信息以削减mpc解空间的形式被使用。其结果是能够改进对最优纵向速度轨迹的选出。
6.换言之，本发明提出了识别允许整合到模型预测性调节中的与其它交通参与方的通信策略。特别地，可以在本交通工具和前方行驶的交通工具都遵循纵向行驶策略的假设下提出上述解决方案，由此多个mpc求解器可以进行交互。在此，本发明的主题是不同交通工具之间关于规划速度轨迹的交换。为此，基于mpc的行驶策略被考虑作为基础。在该策略的范畴中，在本交通工具中生成虚拟行驶界域。针对该界域可以引入所谓的硬性辅助条件，所述硬性辅助条件会削减mpc求解器的解空间。这特别是通过沿着虚拟界域在不同的所谓离散点处说明最小抵达时间或最大抵达时间来实现。
7.在该意义中，根据本发明的第一方面，提供了第一交通工具的处理器单元。该处理器单元被设置成用于借助基于模型的预测性调节来确定第一交通工具的轨迹，更确切地说是在使用关于在第一交通工具前方区域中行驶的第二交通工具的轨迹信息的情况下。第二
交通工具是相对于第一交通工具在前方行驶的交通工具。特征“第一交通工具的轨迹”可以理解为第一交通工具未来(例如在接下来的几秒钟内)应当遵循的路径。在此，可以将速度曲线配属给该路径，其中，该速度曲线可以针对沿着路径的每个道路点或离散点预定第一交通工具的目标速度。路径与速度的这种相配属得出了第一交通工具的速度轨迹。
8.第一交通工具的处理器单元被设置成用于从处于第一交通工具的基于模型的预测性调节的虚拟行驶界域内的所有可能的离散点中选出第一离散点，并将这些第一离散点传输给第二交通工具的处理器单元，其中，选出的第一离散点不处于第二交通工具后方。
9.离散点特别是虚拟行驶界域内的道路点，特别是在交通工具前方区域中。虚拟行驶界域尤其可理解为第一交通工具的基于模型的预测性调节的预测界域。在第一选择步骤中，由第一交通工具的处理器单元分选出处于第二交通工具后方的那些离散点。可以在第一交通工具与第二交通工具之间的间距上对离散点进行分选。选出的第一离散点被传输给第二交通工具的处理器单元。
10.选出的第一离散点处于第二交通工具的后端的前方。第二交通工具的后端可以形成第二交通工具的尾侧的终止部。第二交通工具的后端例如可以是第二交通工具尾部的保险杠。第一离散点还可以处于第二交通工具的后端和前端的前方，其中，第二交通工具的前端可以形成第二交通工具的车头侧或前侧的终止部。第一离散点还可以位于第二交通工具的后端与前端之间。
11.在第一交通工具的处理器单元已选出第一离散点之后，该第一交通工具的处理器单元可以将所选出的第一离散点传输给第二交通工具的处理器单元。为此，第一交通工具的处理器单元例如可以包括相应设置的通信接口，该通信接口又能够接收数据，特别是来自第二交通工具的处理器单元的数据，如下详述那样。
12.第一交通工具的处理器单元被设置成用于：针对由第二处理器单元从第一离散点中选出的第二离散点，从第二交通工具的处理器单元分别得到由第二交通工具的处理器单元所确定的第二交通工具抵达相关的第二离散点的抵达时间，其中，所有选出的第二离散点处于第二交通工具的前方。
13.第二交通工具的处理器单元可以包括通信接口，借助该通信接口可以从第一交通工具的处理器单元接收所选出的第一离散点以及上面所描述的第二交通工具抵达第二离散点的抵达时间，并且可以将关于第二交通工具的长度的信息传输给第一处理器单元。第二交通工具的处理器单元从第一离散点中选出处于第二交通工具前方的那些离散点。为此，第二交通工具的处理器单元可以访问关于第二交通工具的长度的信息，其中，该长度例如可以被添加到第二交通工具的后端。此外，第二交通工具的处理器单元针对每个所选出的第二离散点都确定第二交通工具的抵达时间，即，第二交通工具何时抵达相关的第二离散点。第二交通工具的长度和由第二交通工具的处理器单元所选出的第二离散点连同所属的抵达时间可以传输给第一交通工具的处理器单元。
14.第一交通工具的处理器单元又被设置成用于生成第一交通工具的轨迹数据集。该轨迹数据集包含由第二处理器单元从第一离散点中选出的第二离散点以及由第二处理器单元所确定的第二交通工具抵达相关的第二离散点的抵达时间。轨迹数据集还包含归零值对，其中，归零值对分别包含不处于第二交通工具前方的第一离散点和零秒值。因此，由第二交通工具的处理器单元确定的第二交通工具抵达第二离散点的抵达时间被重复使用于
第一交通工具的轨迹数据集。但是，这些值仍须由位于前方行驶的交通工具与本交通工具之间的离散点来进行补充，以便mpc算法能够处理这些值。
15.第一交通工具的处理器单元被设置成用于：借助执行包含第一交通工具的纵向动力学模型和待最小化的成本函数的相应的mpc算法，借助基于模型的预测性调节来确定第一交通工具的轨迹，以使成本函数最小化，其中，轨迹数据集在确定轨迹期间被考虑作为辅助条件。可以从轨迹数据集来确定用于基于模型的预测性调节的至少一个辅助条件，其中，该辅助条件描述前方行驶的交通工具的行驶行为。通过该辅助条件来削减基于模型的预测性调节的解空间。第一交通工具的处理器单元因此被设置成用于当其(即第一交通工具的处理器单元)执行mpc算法并由此确定第一交通工具的轨迹时考虑轨迹数据集作为辅助条件。描述前方行驶的交通工具的轨迹的轨迹数据集可以预定mpc逻辑作为硬性辅助条件。硬性辅助条件可以理解为在确定第一交通工具的轨迹时必须遵守的辅助条件。可以针对虚拟行驶界域引入硬性辅助条件，从而削减mpc求解器的解空间。如下详述那样，这例如可以通过沿着虚拟行驶界域在不同的离散点处说明最小抵达时间或最大抵达时间来实现。
16.换言之，轨迹数据集可以被转发给mpc逻辑，用于规划第一交通工具的最优行驶轨迹。mpc逻辑在考虑路线拓扑、交通和其它环境信息的情况下针对前方路段为第一交通工具规划最优的速度轨迹。在识别该速度轨迹时，现在可使用缩减或削减的解空间作为基础。换言之，第一交通工具的速度轨迹可以在考虑描述前方行驶的交通工具的轨迹的轨迹数据集内的值对的情况下来细化并由此得以改进。以这种方式，也可以对不同的自由度进行集中优化，这造成整体上最优的行驶行为。可以按预先规定的节拍时间重复上述过程。由此能够确保始终使用前方行驶的第二交通工具的最新行驶信息来规划第一交通工具的轨迹。
17.基于模型的预测性调节(mpc)的方法能够在每种状况中在给出边界条件和限制的情况下针对所谓的“行车效率”行驶功能找到最优解，该最优解提供了高效的行驶方式。mpc方法基于描述系统行为的系统模型，在本发明中基于第一交通工具的纵向动力学模型。此外，mpc方法基于描述优化问题并确定应使哪些状态参量最小化的目标函数或成本函数。
18.纵向动力学模型可以描绘交通工具的动力总成并可以包括具有交通工具参数和动力总成损失的交通工具模型(有时是近似的综合特性曲线)。关于前方路线地形(例如弯道和坡度)的讯息也可以纳入动力总成的纵向动力学模型中。此外，可以将关于前方路段限速的讯息纳入动力总成的动力学模型中。mpc算法可以包括软件模块形式的mpc求解器。mpc求解器可以包含指令或程序代码，由此指示处理器单元根据特别是第一交通工具以及第二交通工具的纵向动力学模型来确定相关交通工具的轨迹，以使成本函数最小化。
19.处理器单元可以将第一交通工具的优化轨迹转发给软件模块(“目标生成器”)。借助该软件模块，处理器单元可以将所有可用自由度的数学最优规划转换成实际可用的分量信号。作为示例，可以通过基于模型的预测性调节为接下来的5000米最优地规划第一交通工具的速度轨迹。在此情况中，目标生成器例如将该轨迹的第一(＝当前所需的)速度值“换算”成第一交通工具的电机的所需转矩。然后，组件软件可以利用该值进行处理并调控出所需速度。
20.根据另一实施方式，成本函数的第一项包含用第一加权因子加权且根据动力学模型预测的、由第一交通工具的动力总成的电池在预测界域内提供用以驱动电机的电能。此外，成本函数可以包含用第二加权因子加权且根据纵向动力学模型预测的、第一交通工具
驶过在预测界域内预测的整个路程所需的行驶时间作为第二项。处理器单元可以被设置成用于通过执行mpc算法根据第一项和第二项来确定用于电机的输入参量，以使成本函数最小化。
21.因此，用于行车效率行驶功能的状态参量例如可以是车速或动能、电池剩余电量和行驶时间。对能耗和行驶时间的优化例如可以基于前方路段的坡度以及对速度和驱动力的限制并基于当前的系统状态。除了整体损失或能耗之外，还可以借助目标函数或借助行车效率行驶策略的成本函数来使行驶时间最小化。这造成：根据加权因子的选择，低速并非始终被评价为最优的，并且不再出现所得到的速度始终处于允许的速度下限处的问题。可以实现驾驶员的影响对于第一交通工具的能耗和行驶时间不再是重要的，这是因为可以由处理器单元基于通过执行mpc算法所确定的输入参量来控制电机。特别地，可以借助输入参量来调整电机的最优的马达运行点。由此直接调控出第一交通工具的最优速度。
22.特别地，成本函数可以仅具有线性项和平方项。由此，整体问题具有带线性辅助条件的平方优化形式并得到可以良好且快速解决的凸问题。目标函数或成本函数可以配设权重(加权因子)，其中，特别是计算和加权能效、行驶时间和行驶舒适度。针对前方界域，可以在处理器单元上在线计算能量优化的速度轨迹，该处理器单元特别是可以构成第一交通工具的中央控制器的组成部分。通过使用mpc方法，还可以基于当前的行驶状态和前方路段信息来周期性重新计算第一交通工具的目标速度。
23.可以测量当前的状态参量，可以记录相应的数据并将其输送给mpc算法。因此，特别是可以周期性升级或更新来自电子地图的针对第一交通工具前方的前瞻界域或预测界域(例如400米)的路段数据。路段数据例如可以包含坡度信息、弯道信息和关于限速的信息。此外，可以通过最大允许的横向加速度将弯道曲率换算成第一交通工具的限速。还可以实现对第一交通工具定方位，特别是通过gnss信号在电子地图上进行精确的定位。
24.在一种实施方式中，由第二交通工具的处理器单元确定的第二交通工具抵达所选出的第二离散点的抵达时间规定了最小时长，第一交通工具不允许在该最小时长结束之前到达相关的第二离散点。相关的最小时长规定了交通工具不允许在该最小时长结束之前抵达与该最小时长相配属的道路点或离散点。以这种方式，根据环境条件限制求解器的解空间。在一个简单示例中，处理器单元可以确定第一交通工具在第一时间点(例如当前的时间点)处于第一离散点(例如当前的离散点)，而在第二时间点(例如5秒后)处于50米远的离散点。
25.第二交通工具的处理器单元现在可以确定第二交通工具抵达第一离散点的第一抵达时间以及第二交通工具抵达第二离散点的第二抵达时间。例如，所确定的第一抵达时间可以为0秒，而所确定的第二抵达时间可以为将来5秒。这些抵达时间可以是最小抵达时间，即第一交通工具不允许在所确定的第一最小抵达时间之前(或在直至所确定的第一抵达时间的相应长的最小第一时长结束之前)抵达第一离散点。以类似方式，在所确定的第二最小抵达时间的情况中，第一交通工具不允许在所确定的第二最小抵达时间之前(或在直至所确定的第一抵达时间的相应长的最小第二时长、例如5秒结束之前)抵达第二离散点。mpc求解器不允许为第一交通工具选择与前方行驶的第二交通工具同时或在其之前抵达相关的道路点或离散点的轨迹，这是因为否则会发生第一交通工具驶达(碰撞)第二交通工具的危险。换言之，为了避免与第二交通工具发生碰撞，规定第一交通工具应当经过至少5秒
才抵达直至50米远的第二道路点。
26.在另一实施方式中，第一交通工具的处理器单元被设置成用于从所有可能的离散点中选出距第一交通工具的距离大于第一交通工具与第二交通工具之间的间距的那些第一离散点。例如，第二交通工具的后端可以由第一交通工具的传感器例如雷达传感器来检测。替选地或附加地，第二交通工具的后端可以通过测定第二交通工具的定位来确定，例如基于卫星支持的定位测定，如gps。这种定位测定可以由第二交通工具执行，例如由第二交通工具的处理器单元执行。以类似方式，第一交通工具的处理器单元也可以测定其定位。第一交通工具的处理器单元可以被设置成用于访问第二交通工具的测定的定位，并根据第二交通工具的定位和第一交通工具的定位来确定第一交通工具与第二交通工具之间的间距。
27.此外，第一交通工具的处理器单元可以被设置成用于从第二交通工具的第二处理器单元接收关于第二交通工具的长度的信息，从第一离散点中选出距第一交通工具的距离小于交通工具的长度和第一交通工具与第二交通工具之间的间距之和的那些第三离散点，并且将每个第三离散点分别与零值相配属并作为另外的归零值对存储在轨迹数据集中。本实施方式实现了删除不在两个交通工具前方的所有离散点。本实施方式与例如应用“过滤和替换/删除”的方法相比，能够显著节省计算耗费。计算时间对于借助基于模型的预测性调节进行优化而言非常重要，这是因为所找到的解的质量直接依赖于mpc求解器的可用计算能力。
28.在又一实施方式中，第一交通工具的处理器单元被设置成用于从位于第一交通工具前方区域中的光信号设施的处理器单元接收定位和切换时间点，其中，该切换时间点说明光信号设施何时从第一交替光讯号(例如“绿色”)变成第二交替光讯号(例如“红色”)。光信号设施特别是交通灯设施。交通灯设施可以被设置成用于给出交替光讯号，例如“红色”、“绿色”和可选地“黄色”或“红色和黄色”。第一交通工具的处理器单元被设置成用于将光信号设施的定位和切换时间点添加到第一交通工具的轨迹数据集。第二交通工具的处理器单元可以包括通信接口，借助该通信接口可以将光信号设施的定位和切换时间点传输给第一处理器单元。
29.由光信号设施的处理器单元接收到的光信号设施的切换时间点特别是可以规定最大时长，第一交通工具必须在该最大时长结束之前到达光信号设施所处的定位。最大时长规定了交通工具不允许在最大时长结束后抵达与该最大时长相配属的道路点或离散点。以这种方式，根据环境条件限制求解器的解空间。交通灯例如可以处于50米远的道路点或离散点处，并且在20秒的最大时长中给出“绿色”的交替光讯号。在此情况中，最大时长例如可以规定为20秒。这意味着：mpc求解器不允许为第一交通工具确定和选出第一交通工具需要超过20秒才能行驶到交通灯的轨迹，这是因为否则会发生第一交通工具闯红灯的风险。
30.根据本发明的第二方面，提供了用于执行第一交通工具的驾驶员辅助功能的驾驶员辅助系统，其中，该驾驶员辅助系统被设置成用于：
[0031]-访问由根据本发明的第一方面的处理器单元确定的第一交通工具的轨迹；以及
[0032]-在使用第一交通工具的轨迹的情况下执行第一交通工具的驾驶员辅助功能。
[0033]
驾驶员辅助功能包括自主或半自主行驶功能。自主行驶功能使交通工具能够自行行驶，即无需交通工具乘员控制交通工具。驾驶员已将对交通工具的控制移交给驾驶员辅助系统。因此，自主行驶功能包括：特别是借助用于确定交通工具轨迹的处理器单元或驾驶
员辅助系统的处理器单元，交通工具被设置成用于无需人工干预地执行例如转向、闪灯、加速和制动操作，例如特别是控制交通工具的如闪光灯那样的外部灯和信号输出。半自主行驶功能可以理解为支持交通工具驾驶员控制交通工具的行驶功能，特别是在转向、闪灯、加速和制动操作中，其中，驾驶员仍对交通工具具有控制。
[0034]
根据本发明的第三方面提供了第一交通工具，其包括根据本发明的第一方面的处理器单元和根据本发明的第二方面的驾驶员辅助系统。该交通工具特别是机动车辆，例如汽车(例如重量不到3.5t的乘用车)、摩托车、小型摩托车、轻型摩托车、自行车、电动自行车、公共汽车或载重车(例如重量超过3.5t)，或者有轨车辆、船舶、如直升机或飞机那样的飞行器。本发明还可用于微型移动的小型、轻便的电动车，其中，这些电动车特别是用于城市交通和农村地区的首尾行程。首尾行程可以理解为在移动链的首尾环节中的所有路段和路程。这例如是从家到火车站的路程或从火车站到工作场所的路段。换言之，本发明可用于汽车、航空、航海、航天等所有运输领域。
[0035]
根据本发明的第四方面，提供了用于借助基于模型的预测性调节在使用关于在第一交通工具前方行驶的第二交通工具的轨迹信息的情况下确定第一交通工具的轨迹的方法。该方法包括如下步骤：
[0036]-从处于第一交通工具的基于模型的预测性调节的虚拟行驶界域内的所有可能的离散点中选出第一离散点，其中，借助第一交通工具的处理器单元来进行选出，并且其中，选出的第一离散点处于第二交通工具的后端的前方；
[0037]-借助第一交通工具的处理器单元将选出的第一离散点传输给第二交通工具的处理器单元；
[0038]-借助第二交通工具的处理器单元从第一离散点中选出第二离散点，其中，所有选出的第二离散点处于第二交通工具的前方；
[0039]-借助第二交通工具的处理器单元生成所选出的值对，其中，所选出的值对分别包含一个所选出的第二离散点以及一个由第二交通工具的处理器单元所确定的第二交通工具抵达所选出的第二离散点的抵达时间；
[0040]-借助第二交通工具的处理器单元从第一离散点中选出第二离散点，从而使所有选出的第二离散点处于第二交通工具的前方；
[0041]-借助第二交通工具的处理器单元确定第二交通工具抵达每个所选出的第二离散点的抵达时间；
[0042]-借助第二交通工具的处理器单元传输第二交通工具抵达每个所选出的第二离散点的抵达时间；
[0043]-借助第一交通工具的处理器单元生成第一交通工具的轨迹数据集，其中，该轨迹数据集包含由第二处理器单元从第一离散点中选出的第二离散点以及由第二处理器单元确定的第二交通工具抵达相关的第二离散点的抵达时间，并且其中，该轨迹数据集还包含归零值对，其中，这些归零值对分别包含不处于第二交通工具前方的第一离散点和零秒值；以及
[0044]-通过执行包含第一交通工具的纵向动力学模型和待最小化的成本函数的mpc算法，借助基于模型的预测性调节来确定第一交通工具的轨迹，从而使成本函数最小化，其中，轨迹数据集在确定轨迹期间被考虑作为辅助条件，并且其中，借助第一交通工具的处理
器单元来进行轨迹确定。
[0045]
根据本发明的第五方面，提供了用于借助基于模型的预测性调节在使用关于第二交通工具的轨迹信息的情况下确定第一交通工具的轨迹的计算机程序产品，其中，该计算机程序产品在第一交通工具的处理器单元上执行时指示处理器单元：
[0046]-从处于第一交通工具的基于模型的预测性调节的虚拟行驶界域内的所有可能的离散点中选出第一离散点并将之传输给在第一交通工具前方区域中行驶的第二交通工具的处理器单元，其中，选出的第一离散点处于第二交通工具的后端的前方；
[0047]-针对由第二处理器单元从第一离散点中选出的第二离散点，从第二交通工具的处理器单元分别得到由第二交通工具的处理器单元确定的第二交通工具抵达相关的第二离散点的抵达时间，其中，所有选出的第二离散点处于第二交通工具的前方；
[0048]-生成第一交通工具的轨迹数据集，其中，该轨迹数据集包含由第二处理器单元从第一离散点中选出的第二离散点以及由第二处理器单元确定的第二交通工具抵达相关的第二离散点的抵达时间，并且其中，该轨迹数据集还包含归零值对，其中，这些归零值对分别包含不处于第二交通工具前方的第一离散点和零秒值；以及
[0049]-通过执行包含第一交通工具的纵向动力学模型和待最小化的成本函数的mpc算法，借助基于模型的预测性调节来确定第一交通工具的轨迹，从而使成本函数最小化，其中，轨迹数据集在确定轨迹期间被考虑作为辅助条件。
[0050]
有关根据本发明第一方面的处理器单元的说明同样合理地适用于根据本发明第二方面的驾驶员辅助系统、根据本发明第三方面的第一交通工具、根据本发明第四方面的方法以及根据本发明第五方面的计算机程序产品。
附图说明
[0051]
下面结合示意性附图详细阐述本发明实施例，其中，相同或相似的元件标有相同的附图标记。其中：
[0052]
图1示出第一交通工具的示意图；
[0053]
图2示出第二交通工具在道路第一路段上在根据图1的第一交通工具前方行驶的俯视图；
[0054]
图3示出往图2中第一交通工具与第二交通工具之间的第一离散点的矢量；
[0055]
图4示出往图2中第二交通工具的区域中的第二离散点的矢量；
[0056]
图5示出往图2中第二交通工具前方的第三离散点的矢量；
[0057]
图6示出对解空间的削减的示意图；以及
[0058]
图7至图8示出借助基于模型的预测性调节的后续优化。
具体实施方式
[0059]
图1示出第一交通工具1。在所示的实施例中，第一交通工具1是机动车辆，例如乘用车。第一交通工具1包括mpc系统2用于借助基于模型的预测性调节在使用关于第二交通工具18的轨迹信息的情况下确定第一交通工具1的轨迹，第二交通工具在图2中示出，其中，第二交通工具18在第一交通工具1前方行驶。在所示的实施例中，第二交通工具18例如也是机动车辆，例如同样是乘用车。第一机动车辆1还包括具有处理器单元19和通信接口20的驾
驶员辅助系统16。第二交通工具18可以具有与第一交通工具1相同的元件和功能。
[0060]
在所示的实施例中，mpc系统2包括处理器单元3、存储器单元4、通信接口5以及用于检测有关第一机动车辆1的环境数据和状态数据的检测单元6。第一机动车辆1还包括动力总成7，该动力总成例如可以包括可作为马达和发电机运行的电机8、电池9和传动装置10。在马达运行中，电机8可以通过传动装置10驱动机动车辆1的车轮，该传动装置例如可以具有恒定的传动比。电池9可以提供为此所需的电能。当电机8在发电机运行中运行(回收)时，可以由电机8给电池9充电。电池9也可以可选地在外部充电站充电。机动车辆1的动力总成也可以可选地具有内燃机17，该内燃机可以作为电机8的替代或补充来驱动机动车辆1。内燃机17也可以驱动电机8，以便给电池9充电。
[0061]
在存储器单元4上可以存储有计算机程序产品11。计算机程序产品11可以在处理器单元3上执行，为此，处理器单元3与存储器单元4借助通信接口5相互连接。当计算机程序产品11在处理器单元3上执行时，计算机程序产品指示处理器单元3实现结合附图描述的功能或执行方法步骤。
[0062]
计算机程序产品11包含mpc算法13。mpc算法13又包含第一机动车辆1的动力总成7的纵向动力学模型14。mpc算法13还包含待最小化的成本函数15。处理器单元3执行mpc算法13，并基于纵向动力学模型14来确定第一机动车辆1的最优的速度轨迹，从而使成本函数15最小化。
[0063]
对于在前瞻界域内的离散点还可以得出电机8的最优转速和最优转矩作为通过mpc算法13优化的输出。为此，处理器单元3可以确定用于电机8的输入参量，从而调整出最优转速和最优转矩。处理器单元3可以基于所确定的输入参量来控制电机8。然而，这也可以由驾驶员辅助系统16来实现。
[0064]
检测单元6可以测量第一机动车辆1的当前状态参量，记录相应的数据并将其输送给mpc算法13。此外，特别是可以周期性升级或更新来自电子地图的针对机动车辆1前方的前瞻界域或预测界域(例如400m)的路段数据。路段数据例如可以包含坡度信息、弯道信息和关于限速的信息。此外，可以通过最大允许的横向加速度将弯道曲率换算成机动车辆1的限速。还可以借助检测单元6来对第一机动车辆1定方位，特别是通过由gnss传感器12生成的信号在电子地图上精确地定方位。另外，检测单元6可以具有雷达传感器22，特别是用于确定前方行驶的交通工具18(图2)的定位和/或速度。处理器单元3例如可以通过通信接口5访问所提到的元件的信息。这些信息可以流入机动车辆1的纵向模型14，特别是作为限制或辅助条件。
[0065]
根据图2的极为简化的二维(x,y维度)示例示出道路21上的第一机动车辆1。在上述驾驶员辅助功能的支持下，第一机动车辆1在第一行驶方向x1上以第一速度v1自主行驶。第二机动车辆18同样在道路21上位于第一机动车辆1的前方。第二机动车辆1在第二行驶方向x2上以第二速度v2在第一机动车辆1前方行驶。在所示的实施例中，第一路段22笔直地延伸，并且第一机动车辆1的第一行驶方向x1对应于第二机动车辆18的第二行驶方向x2。然而，这是纯粹示例性而非强制性的。第一机动车辆1的第一速度v1可以等于第二机动车辆18的第二速度v2(v1＝v2)，但这也仅是示例性而非强制性的。第一机动车辆1的第一速度v1也可以不等于第二机动车辆18的第二速度v2(v1≠v2)。第二机动车辆18在第一机动车辆1前方行驶。第一机动车辆1跟随第二机动车辆18。
[0066]
第一交通工具1的处理器单元3生成第一交通工具1的虚拟行驶界域或预测界域。虚拟行驶界域包括大量可能的离散点p
x
，图2示出其中的第一离散点p1、第二离散点p2和第三离散点p3。离散点p
x
是第一交通工具1前方区域中的道路点p1、p2、p3。n个可能的离散点p
x
可以如下地保存在输出数据数组中：
[0067][0068]
例如，借助雷达传感器22可以连续地或在紧接着彼此的离散时间点确定第一交通工具1的前端23到第二交通工具18的尾端或后端24(例如到第二交通工具18的尾侧的保险杠)的距离第一交通工具1的处理器单元3可以借助通信接口5访问雷达传感器22的相应的距离数据。距离d可以纯示例性地是20米并被指定为矢量同样地，三个离散点p1、p2、p3被指定为方位矢量这些方位矢量例如从第一交通工具1的前端23延伸至相关的离散点p1、p2、p3。输出数据数组因此可以表示如下：
[0069][0070]
处理器单元3从每个方位矢量减去间距矢量第一离散点p1例如位于第一交通工具1的前端23前方15m处并且处于第二交通工具18的后端24后方。如图3所示，由此得出差矢量其关于第一交通工具1的前进方向x具有负值(x方向上的负矢量分量；在本示例中的值为-5m)。第二离散点p2例如处于第一交通工具1的前端23前方21m处并因此处于第二交通工具18的后端24与第二交通工具18的前端25之间，该第二交通工具18例如具有5m的长度l。第二交通工具18的长度l也可以被指定为矢量(长度矢量其在所示的示例中仅具有x方向上的分量)。如图4所示，由此得出差矢量其关于第一交通工具1的前进方向x具有正值(x方向上的正矢量分量，在本示例中的值为 1m)。第三离散点p3处于第一交通工具1的前端23前方28m处，并因此处于第二交通工具18的前端25前方。如图5所示，由此得出差矢量其关于第一交通工具1的前进方向x具有正值(x方向上的正矢量分量，在本示例中的值为 8m)。
[0071]
作为矢量条目的替代，输出数据数组可以具有方位矢量p1、p2、p3在x方向(第一交通工具1的前进方向)上的上述分量：
[0072][0073]
处理器单元3还将差矢量在x方向上的分量值存储在离散化数据数组中，其例如表示如下：
[0074][0075]
随后，处理器单元3删除离散化数据数组中的所有负条目。以这种方式，第一交通工具的处理器单元3选出包含在对于v2v通信重要的离散化数据数组中的第一离散点，其表示如下：
[0076][0077]
处理器单元3借助通信接口5将该经一次变换的离散化数据数组经由第二交通工具18的通信接口5'传输到其处理器单元3'。
[0078]
第二交通工具18的处理器单元3'从经一次变换的离散化数据数组的每个值中减去第二交通工具18的长度l＝5m。这在图4和图5中以矢量方式示出。如图4所示，得出差矢量其关于第一交通工具1的前进方向x具有负值(x方向上的负矢量分量；在本示例中的值为-4m)。如图5所示，得出另一差矢量其关于第一交通工具1的前进方向x具有正值(x方向上的正矢量分量；在本示例中的值为3m)。第二交通工具18的处理器单元3'将这些差存储在经两次变换的离散化数据数组中，其包括如下条目：
[0079][0080]
随后，第二交通工具18的处理器单元3'删除经两次变换的离散化数据数组中的所有负条目(选出第二离散点)，由此在所示的示例中得出经三次变换的离散化数据数组其表示如下：
[0081][0082]
以这种方式，经一次变换的离散化数据数组变换为对于第二交通工具18的处理器单元3'重要的离散化数据数组
[0083]
随后，第二交通工具18的处理器单元3'通过插值计算第二交通工具18抵达经三次变换的离散化数据数组中的每个离散点的规划抵达时间，在本示例中仅针对唯一的条目“3”(米)。插值的类型取决于前方行驶的第二交通工具18。如果第二交通工具18按照acc规划其轨迹，则通常已存在按照多项式拟合的插值。这可直接继续用于计算第二交通工具抵达3米远的第三离散点p3的抵达时间。如果它例如是2级或更高级别的交通工具(例如基于ai)，则可以有利地采用线性插值。
[0084]
随后，第二交通工具18的处理器单元3'生成抵达数据数组其包含所选出的值对，这些值对分别由经三次变换的离散化数据数组中的离散点以及第二交通工具18抵达经三次变换的离散化数据数组中的相关离散点的规划抵达时间组成。在所示的示例中，仅计算第二交通工具18抵达处于第二交通工具2的前端25前方3m处的第三离散点p3的规划抵达时间，并且与第三离散点p3一起存储在抵达数据数组中。当第二交通工具18例如以每小时30公里的恒定速度前行时，第二交通工具18的处理器单元3'可以计算出第二交通工具18抵达3米远的离散点p3的规划抵达时间t3＝0.36s。
[0085]
在所示的实施例中，抵达数据数组就表示如下：
[0086][0087]
第二交通工具18的处理器单元3'借助第二交通工具18的通信接口5'将该抵达数据数组和第二交通工具18的长度l经由第一交通工具1的通信接口5传输到其处理器单元3。
[0088]
随后，第一交通工具1的处理器单元3借助第二交通工具18的长度l并借助第一交通工具1的前端23到第二交通工具18的后端24的上述距离识别出处于第二交通工具18的前端25的前方的那些离散点。这可以采取与结合第二交通工具18的处理器单元3'描述并由图4和图5针对离散点p2和p3图示出的相同方式来实现。对于已经事先由第一交通工具1的处理器单元3分选出的离散点p1可以省略该步骤。
[0089]
第一交通工具1的处理器单元3还会为第一交通工具1生成最小抵达数据数组形式的轨迹数据集。一方面，该轨迹数据集包含用于处于第二交通工具18的前端25的后方的所有离散点的归零值对。在所示的示例中，零秒值分别配属给第一离散点p1和第二离散点p2(0s或第一交通工具1的在最小抵达数据数组中的“0”)。第一交通工具1的处理器单元3可以将值0s规定为第一交通工具1不允许在此之前抵达第一离散点p1和第二离散点p2的最小时长。值0s表示第一交通工具1允许在未来任意时间点抵达第一离散点p1和第二离散点p2，这是因为第一交通工具1的轨迹与第二交通工具18的轨迹在这些离散点p1、p2处不会相遇。
[0090]
第一交通工具1的处理器单元3还将第二交通工具18的最小抵达数据数组中的值对的抵达时间传输到第一交通工具1的最小抵达数据数组中，更确切地说，针对处于第二交通工具18的前端25的前方的所有离散点。在所示的示例中，这只是第三离散点p3。在此，第一交通工具1的处理器单元3也将所确定的0.36秒的抵达时间规定为第一交通工具1不允许在此之前抵达第三离散点p3的最小时长。因此确保了第二交通工具18比第一交通工具1更早地驶过第三离散点p3。以这种方式，能够防止第一交通工具1与第二交通工具2的碰撞。因此，第一交通工具1的最小抵达数据数组就例如可以包含如下值对：
[0091][0092]
随后，通过执行mpc算法13，处理器单元3借助基于模型的预测性调节来确定第一交通工具的轨迹。在此，抵达数据数组被考虑作为辅助条件。确定第一交通工具1的轨迹以使成本函数15最小化。此外，特别是还考虑到路线拓扑、交通和其它环境信息，以便针对前方路段确定第一交通工具1的最优的速度轨迹。
[0093]
在第一交通工具1前方区域中的第四离散点处，例如在第一交通工具1前方40m的定位p4上，存在交通灯26形式的光信号设施，该光信号设施例如可以交替显示“绿色”和“红色”的交替光讯号。第一交通工具1的处理器单元3可以访问该定位p4。交通灯26例如可以包括处理器单元3”和通信接口5”。交通灯26的处理器单元3”可以借助其通信接口5”将其定位p4和切换时间点传输到第一交通工具1的处理器单元3，例如交通灯26在20秒内从“绿色”切
换到“红色”。第一交通工具1的处理器单元3可以将定位p4与切换时间点一起作为值对存储在第一交通工具1的抵达数据数组中。在此，光信号设施26的切换时间点作为另外的辅助条件规定了最大时长，第一交通工具1必须在该最大时长结束之前到达光信号设施26的定位p4。替选地，第一交通工具1的处理器单元3可以将定位p4与切换时间点一起作为值对存储在第一交通工具1的新的抵达数据数组中，该新的抵达数据数组与抵达数据数组相比包含了最大的抵达时间。
[0094]
驾驶员辅助系统16的处理器单元19借助通信接口20访问由mpc系统2的处理器单元3所确定的第一机动车辆1的轨迹，并且在使用第一机动车辆1的轨迹的情况下执行第一机动车辆1的自主行驶功能。替选地，mpc系统2的处理器单元3也可以在使用第一机动车辆1的轨迹的情况下执行第一机动车辆1的自主行驶功能。在此情况中，驾驶员辅助系统16集成到mpc系统2中或者mpc系统2形成驾驶员辅助系统16。
[0095]
下面详细描述纵向动力学模型14的和成本函数15的可行实施方式，它们是用于确定第一机动车辆1的轨迹的mpc算法13的组成部分。
[0096]
因此，机动车辆1的纵向动力学模型14的数学表达如下：
[0097][0098]
在此：
[0099]vꢀꢀꢀꢀꢀꢀꢀꢀ
机动车辆的速度；
[0100]ftrac
ꢀꢀꢀꢀ
由马达或制动器施加到机动车辆的车轮上的牵引力；
[0101]fr
ꢀꢀꢀꢀꢀꢀꢀ
滚动阻力，该滚动阻力是轮胎在滚动时的变形效应并且依赖于车轮的负载(车轮与道路之间的法向力)并因此依赖于道路的倾斜角度；
[0102]fgr
ꢀꢀꢀꢀꢀꢀ
坡阻力，该坡阻力描述了在上坡或下坡行驶时作用到机动车辆上的重力的纵向分量，依赖于车道的坡度；
[0103]
fdꢀꢀꢀꢀꢀꢀꢀ
机动车辆的空气阻力；
[0104]meq
ꢀꢀꢀꢀꢀꢀ
机动车辆的等效质量；等效质量特别是包含经受机动车辆加速度的动力总成的转动部件(马达、传动装置驱动轴、车轮)的惯性。
[0105]
消除空气阻力中的速度平方项，通过从关于时间到关于路程的转换和坐标变换并利用来得到：
[0106][0107]
为了能够通过mpc算法13快速和简单地解决该问题，可以对纵向动力学模型14的动力学方程进行线性化，其方式是将速度通过坐标变换由动能de
kin
来表达。由此，用于计算空气阻力fd的平方项被替换为线性项，并且同时机动车辆1的纵向动力学模型14不再如通常那样被描述为时间的函数，而是被描述为路程的函数。就这方面而言，这与优化问题良好匹配，这是因为电界域的前瞻信息是基于路程的。
[0108]
除了动能之外还存在两个另外的状态参量，这两个另外的状态参量在简单的优化问题的意义上同样可以线性地且依赖于路程地被描述。一方面，动力总成7的电能消耗通常
以依赖于转矩和马达转速的综合特性曲线的形式被描述。在所示的实施例中，机动车辆1具有在电机8和机动车辆1在其上运动的道路之间的固定传动比。由此，电机8的转速可以直接被换算为机动车辆1的速度或机动车辆1的动能。此外，电机8的电功率可以通过除以相对应的速度来换算为每米的能耗。为了能够使用相应的综合特性曲线进行优化，它被线性近似：针对所有i，energy
permeter
≥ai*e
kin
bi*f
trac
,(energy
permeter
：能量
每米
)。
[0109]
例如，待最小化的成本函数15的数学表达可以如下：
[0110][0111]
在此：
[0112]wbat
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
用于电池的能耗的加权因子；
[0113]ebat
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
电池的能耗；
[0114]sꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
路程；
[0115]se-1
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
预测界域结束前的时间步长的路程；
[0116]
faꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
由电机提供的驱动力，该驱动力通过传动装置被恒定地转换并且被施加到机动车辆的车轮上；
[0117]wtem
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
转矩梯度的加权因子；
[0118]wtemstart
ꢀꢀꢀꢀꢀ
力矩突变的加权因子；
[0119]
t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
交通工具驶过预测界域内的整个预测的路程所需的时间；
[0120]wtime
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
时间t的加权因子；
[0121]
seꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
界域结束时的路程；
[0122]wslack
ꢀꢀꢀꢀꢀꢀꢀꢀ
松弛变量的加权因子；
[0123]
var
slack
ꢀꢀꢀꢀꢀꢀ
松弛变量；
[0124]
在所示的实施例中，成本函数15仅具有线性项和平方项。由此，整个问题具有带线性辅助条件的平方优化的形式并且得到了可以被良好且快速解决的凸问题。
[0125]
成本函数15包含用第一加权因子w
bat
加权的且根据纵向动力学模型预测的电能e
bat
作为第一项，该电能在预测界域内由动力总成7的电池9提供以用于驱动电机8。
[0126]
成本函数15包含用第二加权因子w
time
加权的且根据纵向动力学模型14预测的行驶时间t作为另一项，该行驶时间是机动车辆1为了驶过预测的路程所需的。这导致：根据加权因子的选择，并非始终将低的速度评价为最优，并且因此不再出现所得到的速度始终处在允许的速度下限处的问题。
[0127]
能耗和行驶时间均可分别在界域结束时被评估和加权。因此，这些项仅对于界域的最后一个点有效。
[0128]
界域内的过高的转矩梯度是不利的。因此，转矩梯度已在成本函数15中被惩罚，即通过项被惩罚。将每米驱动力的平方偏差用加权因子w
tem
加
权并且在成本函数中最小化。作为每米驱动力fa的替代，也可以使用由电机8提供的转矩m
em
并用加权因子w
tem
加权，从而得出替代项由于传动装置10的恒定传动比，驱动力与转矩直接互成正比。
[0129]
为了确保舒适的行驶，在成本函数15中引入另一个用于惩罚力矩突变的项，即w
temstart
·
(fa(s1)-fa(s0))2。作为驱动力fa的替代，这里也可以使用由电机8提供的转矩m
em
，从而得出替代项w
temstart
·
(m
em
(s1)-m
em
(s0))2。对于预测界域中的第一个点而言，与最后设定的力矩的偏差被评价为负面的并且用加权因子w
temstart
加权，以确保在旧轨迹与新轨迹之间切换时存在无缝且无顿挫的过渡。
[0130]
限速对于优化来说是不允许被超过的硬性限制。事实上，总是允许稍微超过限速，尤其从一个速度区过渡到第二个速度区时是正常情况。在其中限速从一个计算周期转移到下一个计算周期的动态环境中，可能发生的是：在完全的硬性限制的情况下不再能够找到针对速度曲线的有效解。为了提高计算算法的稳定性，可以将限制(软约束)引入成本函数15。在此，在达到硬性限速之前，用加权因子w
slack
加权的松弛变量var
slack
在预定的窄范围内变成有效的。非常接近该限速的解，也就是其速度轨迹与硬性限制保持一定距离的解，被更差地评价。
[0131]
在图6至图8中，水平的x轴对应于路程s。在该路程上选择预测界域的离散点。图6中的阶跃曲线是与这些点相对应的硬性辅助条件的图示。辅助条件可以具有不同的维度。作为示例，可以假设将限速视为辅助条件(基于模型的预测性调节不允许找到在其中所选择的速度高于限速的解)。在此情况下，竖直的y轴对应于速度，而阶跃曲线对应于不同离散点处的最大允许的速度。
[0132]
图7中示出基于模型的预测性调节在削减的解空间(低于限速)中按顺序考虑所选择的辅助条件的情况下搜索并找到最优解(红色速度曲线)。在第三步骤中，将最优解传输到交通工具调节装置并付诸实施，这通过图8示出。
[0133]
附图标记
[0134]dꢀꢀꢀꢀꢀꢀꢀꢀ
第一交通工具与第二交通工具之间的距离
[0135]
ꢀꢀꢀꢀꢀꢀꢀ
距离矢量
[0136]
l
ꢀꢀꢀꢀꢀꢀꢀꢀ
第二交通工具的长度
[0137]
ꢀꢀꢀꢀꢀꢀꢀ
第二交通工具的长度矢量
[0138]
p1ꢀꢀꢀꢀꢀꢀꢀ
第一离散点
[0139]
p2ꢀꢀꢀꢀꢀꢀꢀ
第二离散点
[0140]
p3ꢀꢀꢀꢀꢀꢀꢀ
第三离散点
[0141]
p4ꢀꢀꢀꢀꢀꢀꢀ
光信号设施的定位
[0142]
ꢀꢀꢀꢀ
第一离散点-距离矢量的差矢量
[0143]
ꢀꢀꢀꢀ
第二离散点-距离矢量的差矢量
[0144]
ꢀꢀꢀꢀ
第三离散点-距离矢量的差矢量
[0145]
ꢀꢀꢀꢀꢀꢀ
第一离散点的方位矢量
[0146]
ꢀꢀꢀꢀꢀꢀ
第二离散点的方位矢量
[0147]
ꢀꢀꢀꢀꢀꢀ
第三离散点的方位矢量
[0148]
v1ꢀꢀꢀꢀꢀꢀꢀ
第一交通工具的速度
[0149]
x1ꢀꢀꢀꢀꢀꢀꢀ
第一交通工具的行驶方向
[0150]
v2ꢀꢀꢀꢀꢀꢀꢀ
第二交通工具的速度
[0151]
x2ꢀꢀꢀꢀꢀꢀꢀ
第二交通工具的行驶方向
[0152]1ꢀꢀꢀꢀꢀꢀꢀꢀ
第一交通工具
[0153]2ꢀꢀꢀꢀꢀꢀꢀꢀ
mpc系统
[0154]3ꢀꢀꢀꢀꢀꢀꢀꢀ
第一交通工具的处理器单元
[0155]
3'
ꢀꢀꢀꢀꢀꢀꢀ
第二交通工具的处理器单元
[0156]3”ꢀꢀꢀꢀꢀꢀ
光信号设施的处理器单元
[0157]4ꢀꢀꢀꢀꢀꢀꢀꢀ
存储器单元
[0158]5ꢀꢀꢀꢀꢀꢀꢀꢀ
第一交通工具的通信接口
[0159]
5'
ꢀꢀꢀꢀꢀꢀꢀ
第二交通工具的通信接口
[0160]5”ꢀꢀꢀꢀꢀꢀ
光信号设施的通信接口
[0161]6ꢀꢀꢀꢀꢀꢀꢀꢀ
检测单元
[0162]7ꢀꢀꢀꢀꢀꢀꢀꢀ
动力总成
[0163]8ꢀꢀꢀꢀꢀꢀꢀꢀ
电机
[0164]9ꢀꢀꢀꢀꢀꢀꢀꢀ
电池
[0165]
10
ꢀꢀꢀꢀꢀꢀꢀ
传动装置
[0166]
11
ꢀꢀꢀꢀꢀꢀꢀ
计算机程序产品
[0167]
12
ꢀꢀꢀꢀꢀꢀꢀ
gnss传感器
[0168]
13
ꢀꢀꢀꢀꢀꢀꢀ
mpc算法
[0169]
14
ꢀꢀꢀꢀꢀꢀꢀ
纵向动力学模型
[0170]
15
ꢀꢀꢀꢀꢀꢀꢀ
成本函数
[0171]
16
ꢀꢀꢀꢀꢀꢀꢀ
驾驶员辅助系统
[0172]
17
ꢀꢀꢀꢀꢀꢀꢀ
内燃机
[0173]
18
ꢀꢀꢀꢀꢀꢀꢀ
第二交通工具
[0174]
19
ꢀꢀꢀꢀꢀꢀꢀ
驾驶员辅助系统的处理器单元
[0175]
20
ꢀꢀꢀꢀꢀꢀꢀ
驾驶员辅助系统的通信接口
[0176]
21
ꢀꢀꢀꢀꢀꢀꢀ
道路
[0177]
22
ꢀꢀꢀꢀꢀꢀꢀ
雷达传感器
[0178]
23
ꢀꢀꢀꢀꢀꢀꢀ
第一交通工具的前端
[0179]
24
ꢀꢀꢀꢀꢀꢀꢀ
第二交通工具的后端
[0180]
25
ꢀꢀꢀꢀꢀꢀ
第二交通工具的前端
[0181]
26
ꢀꢀꢀꢀꢀꢀꢀ
光信号设施