阅读说明：本技术 纵向控制模型参数确认方法、车辆控制方法、存储介质和电子设备 (Longitudinal control model parameter confirmation method, vehicle control method, storage medium, and electronic device ) 是由 张昭 冯成浩 汪留辉 于 2020-11-19 设计创作，主要内容包括：本申请公开了一种纵向控制模型参数确认方法、车辆控制方法、存储介质和电子设备,其包括获取路试数据的状态特征；对所述状态特征聚类,划分控制区间；确定各控制区间的时距模型；根据时距模型计算所有控制区间的整体拟合加速度偏差；将符合预定条件的整体拟合加速度偏差所对应的各控制区间的时距模型的模型参数,作为纵向控制模型参数。利用本申请不仅能够减少主观因素的干扰,增加控制区间的划分和纵向控制模型参数的确定的客观性,还可节省时间,提高效率,降低成本,而且还可使得纵向控制模型参数的设定更加符合实际驾驶,进而使得自动驾驶系统的控制更贴近驾驶员的驾驶习惯,改善各控制区间逻辑切换的平滑性,提高自动驾驶的体验效果。(The application discloses a longitudinal control model parameter confirmation method, a vehicle control method, a storage medium and electronic equipment, which comprise the steps of obtaining the state characteristics of road test data; clustering the state features and dividing control intervals; determining a time distance model of each control interval; calculating integral fitting acceleration deviations of all control intervals according to the time distance model; and taking the model parameters of the time distance model of each control interval corresponding to the integral fitting acceleration deviation meeting the preset conditions as the longitudinal control model parameters. By the aid of the method and the device, interference of subjective factors can be reduced, the division of control intervals and the objectivity of determination of longitudinal control model parameters are increased, time can be saved, efficiency is improved, cost is reduced, setting of the longitudinal control model parameters can be more in line with actual driving, driving habits of drivers are more closely attached to control of an automatic driving system, smoothness of logic switching of the control intervals is improved, and experience effects of automatic driving are improved.)

纵向控制模型参数确认方法、车辆控制方法、存储介质和电子 设备

技术领域

本申请涉及汽车技术领域，具体涉及一种纵向控制模型参数确认方法、车辆控制方法、存储介质和电子设备。

背景技术

ACC(Adaptive Cruise Control,智能巡航控制系统)系统,不仅能够保持驾驶人预先设定的车速，还能够在特定驾驶条件下随时根据需要降低车速，甚至自动制动，以适应交通状况。目前，现有的ACC系统根据人为经验划分控制模式，然后确认各控制模式下对应的模型参数，主观因素较大，不能客观地划分控制模式以及确定模型参数，而且人为划分，耗费时间较长，效率低，成本高。

发明内容

有鉴于此，本申请提出一种纵向控制模型参数确认方法、车辆控制方法、存储介质和电子设备，以解决上述技术问题。

本申请提出一种纵向控制模型参数确认方法，其包括：获取路试数据的状态特征；对所述状态特征聚类，划分控制区间；确定各控制区间的时距模型；根据时距模型计算所有控制区间的整体拟合加速度偏差；将符合预定条件的整体拟合加速度偏差所对应的各控制区间的时距模型的模型参数，作为纵向控制模型参数。

可选地，对所述状态特征聚类，划分控制区间包括：确定聚类算法；确定路试数据与聚类中心的带权重距离D的权重参数；将聚类算法的输入值N以及权重参数作为划分控制区间的划分参数；根据权重参数和输入值的取值范围，确定划分参数的选择范围；在划分参数的选择范围内选取划分参数；利用聚类算法根据选取的划分参数对所述状态特征聚类，划分控制区间。

可选地，确定路试数据与聚类中心的带权重距离D的权重参数包括：选择状态特征中的一个或者多个特征量；获取路试数据的每个特征量与聚类中心对应的特征量的特征量差值；根据每个特征量差值在计算带权重距离D中的影响比例，确定与特征量差值一一对应的权重参数。

可选地，将符合预定条件的整体拟合加速度偏差所对应的各控制区间的时距模型的模型参数，作为纵向控制模型参数，包括：将整体拟合加速度偏差与预定加速度偏差进行比较；若整体拟合加速度偏差小于预定加速度偏差，则将小于预定加速度偏差的整体拟合加速度偏差所对应的各个控制区间的时距模型的模型参数，作为纵向控制模型参数；若整体拟合加速度偏差大于预定加速度偏差，则选取新的划分参数，根据新的划分参数重新对状态特征聚类，重新划分控制区间，重新确定各控制区间的时距模型，根据新的时距模型计算所有控制区间的整体拟合加速度偏差，直至所述整体拟合加速度偏差小于预定加速度偏差或者遍历完所有划分参数；若遍历完所有划分参数后，得到的整体拟合加速度偏差均大于预定加速度偏差，则将与预定加速度偏差差值最小的整体拟合加速度偏差所对应的各个控制区间的时距模型的模型参数，作为纵向控制模型参数。

可选地，所述状态特征的特征量包括主车车速V_e、主车与前车的相对速度V_r,相对距离D_r以及车辆纵向加速度a_路，其中，所述前车与所述主车同车道且距离所述主车最近。

可选地，获取时距原始模型a＝-k₁(D_h-D_r)-k₂V_r，其中，k₁、k₂为常数，D_h为本车与前车的期望间距；确定D_h的计算公式为D_h＝V_e*t_h+D₀，t_h为固定时距，D₀为本车与前车停车后两车的间距；根据时距原始模型以及期望间距D_h的计算公式，利用路试数据基于约束线性最小二乘方法拟合得到各控制区间的时距模型，所述时距模型为a＝c₁*v_r+c₂*d_r+c₃*v_e+c₄，其中，a为期望加速度，c₁、c₂、c₃、c₄为模型参数。

本申请还提供一种基于如上所述的纵向控制模型参数确认方法的车辆控制方法，其包括：实时获取当前车辆的状态特征；利用所述状态特征和纵向控制模型计算车辆期望纵向加速度；根据车辆期望纵向加速度控制车辆。

可选地，利用所述状态特征和纵向控制模型计算车辆期望纵向加速度包括：计算状态特征与各控制区间的聚类中心的带权重距离D_i，i＝1,2,3……N；将带权重距离D_i升序排列，选取距离最小的前n个控制区间，根据前n个控制区间的时距模型计算对应的期望加速度a_i，n≤N；将距离最小的前n个带权重距离D_i转化为加权权重P_i；根据计算车辆期望纵向加速度a_控。

本申请还提供一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为如上所述的纵向控制模型参数确认方法或者如上所述的车辆控制方法。

本申请还提供一种电子设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的纵向控制模型参数确认方法或者如上所述的车辆控制方法。

本申请提供的纵向控制模型参数确认方法、车辆控制方法、存储介质和电子设备通过对路试数据的状态特征聚类划分控制区间，根据确定的各控制区间的时距模型计算整体拟合加速度偏差，将符合预定条件的整体拟合加速度偏差所对应的各个控制区间的时距模型的模型参数，作为纵向控制模型参数，不仅能够减少主观因素的干扰，增加控制区间的划分和纵向控制模型参数的确定的客观性，还可节省时间，提高效率，降低成本，而且还可使得纵向控制模型参数的设定更加符合实际驾驶，进而使得自动驾驶系统的控制更贴近驾驶员的驾驶习惯，避免各控制区间逻辑切换的平滑性，提高自动驾驶的体验效果。

附图说明

图1是本申请的纵向控制模型参数确认方法的流程图。

图2是本申请的S200的流程图。

图3是本申请的车辆控制方法的流程图。

图4是本申请的电子设备的硬件结构示意图。

具体实施方式

以下结合附图以及具体实施例，对本申请的技术方案进行详细描述。其中相同的零部件用相同的附图标记表示。需要说明的是，下面描述中使用的词语“前”、“后”、“左”、“右”、“上”和“下”指的是附图中的方向，词语“内”和“外”分别指的是朝向或远离特定部件几何中心的方向。

图1示出了本申请的纵向控制模型参数确认方法的流程图，如图1所示，本申请提供的纵向控制模型参数确认方法，其包括：

S100，获取路试数据的状态特征；

在一个具体实施例中，状态特征可以包括主车车速V_e、主车与前车的相对速度V_r以及相对距离D_r以及车辆纵向加速度a_路，其中，前车与主车同车道且距离主车最近。

S200，对所述状态特征聚类，划分控制区间；

在本实施例中，可采用K-means聚类算法对状态特征进行聚类，根据输入值N划分成N个控制区间。

S300，确定各控制区间的时距模型；

每个控制区间对应一个时距模型。每个控制区间的期望加速度可以根据时距模型计算得到。

S400，根据时距模型计算所有控制区间的整体拟合加速度偏差；

每次划分控制区间，都可根据时距模型基于所有控制区间得到一个整体拟合加速度偏差。

在一个具体实施例中，根据时距模型计算所有控制区间的整体拟合加速度偏差，包括：

根据时距模型计算每个控制区间的区间拟合加速度a_区；

利用所有控制区间的区间拟合加速度a_区加权计算整体拟合加速度a_整；

根据整体拟合加速度a_整和路试数据中的车辆加速度a_路作差得到整体拟合加速度偏差。

S500，将符合预定条件的整体拟合加速度偏差所对应的各个控制区间的时距模型的模型参数，作为纵向控制模型参数。

本申请提供的纵向控制模型参数确认方法通过对路试数据的状态特征聚类划分控制区间，根据确定的各控制区间的时间模型计算整体拟合加速度偏差，将符合预定条件的整体拟合加速度偏差所对应的各个控制区间的时距模型的模型参数，作为纵向控制模型参数，不仅能够减少主观因素的干扰，增加控制区间的划分和纵向控制模型参数的确定的客观性，还可节省时间，提高效率，降低成本，而且还可使得纵向控制模型参数的设定更加符合人类驾驶风格，进而使得自动驾驶系统的控制更贴近驾驶员的驾驶习惯，改善各控制区间逻辑切换的平滑性，提高自动驾驶的体验效果。

进一步地，S200，对所述状态特征聚类，划分控制区间包括：

S210，确定聚类算法；

在本实施例中，聚类算法可采用K-Means聚类算法(K均值聚类算法，K-Meansclustering algorithm)。

S220，确定路试数据与聚类中心的带权重距离D的权重参数；

在一个具体实施例中，带权重距离D可以采用带权重的欧氏距离，也可采用带权重的马氏距离。

S230，将聚类算法的输入值N以及权重参数作为划分控制区间的划分参数；

例如，权重参数W1、W2、W3，则划分参数为[N,W1,W2,W3]。输入值N为预先设定的聚类中心数目，即设定的控制区间数目。利用聚类算法根据不同的划分参数可划分为不同数量的控制区间。

S240，根据权重参数和输入值的取值范围，确定划分参数的选择范围；

例如，在[N,W1,W2,W3]中，N可介于3-15之间，W1,W2,W3均可介于[0-3]之间。

S250，在划分参数的选择范围内选取划分参数；

例如，选取的划分参数[N,W1,W2,W3]＝[12,1,1,2]。

S260，利用聚类算法根据选取的划分参数对所述状态特征聚类，划分控制区间。

采用K-Means聚类算法根据[12,1,1,2]，划分N＝12个控制区间。每个控制区间内包含了与聚类中心的间距小于等于带权重距离D的所有路试数据。K-Means聚类算法迭代N轮，在每轮迭代中，计算所有路试数据与所有聚类中心的带权重距离D。

将K-Means聚类算法的输入值和带权重欧式距离D的权重参数作为划分控制区间的参数，可更好地划分控制区间，从而节约划分时间，提高划分效率。而且，设定权重参数，可调整不同维度的路试数据对聚类结果的影响比例，同时还可平衡数据量纲。

进一步地，S220，确定路试数据与聚类中心的带权重距离D的权重参数包括：

S2201，选择状态特征中的一个或者多个特征量；

权重参数的数量与选取的特征量的数量相同。例如，有三个特征量V_r、D_r、V_e对应三个权重参数W1、W2、W3。特征量的数量也可选择两个，也可选择三个以上。

S2202，获取路试数据的每个特征量与聚类中心对应的特征量的特征量差值；

每个控制区间具有一个聚类中心。例如，为V_r与聚类中心对应的相对速度的差值，为D_r与聚类中心的相对距离的差值，为V_e与聚类中心对应的主车速度的差值。

S2203，根据每个特征量差值在计算带权重距离D中的影响比例，确定与特征量差值相一一对应的权重参数。

在本申请的一个具体实施例中，采用三个特征量的带权重距离D的计算公式为

通过选择状态特征的特征量，根据每个特征量的特征量差值确定权重参数，不仅可平衡数据量纲，而且还可根据不同特征量对聚类结果的影响比例调整权重参数，以便更好地划分控制区间。

在一个具体实施例中，S500，将符合预定条件的整体拟合加速度偏差所对应的各个控制区间的时距模型的模型参数，作为纵向控制模型参数，包括：

S510，将整体拟合加速度偏差与预定加速度偏差进行比较；

S520，若整体拟合加速度偏差小于预定加速度偏差，则将小于预定加速度偏差的整体拟合加速度偏差所对应的各个控制区间的时距模型的模型参数，作为纵向控制模型参数；

例如，整体拟合加速度偏差为10m/s²，预定加速度偏差为12m/s²，则将该整合拟合加速度偏差为10m/s²对应的各个控制区间的时距模型的模型参数作为纵向控制模型参数。

S530，若整体拟合加速度偏差大于预定加速度偏差，则选取新的划分参数，根据新的划分参数重新对状态特征聚类，重新划分控制区间，重新确定各控制区间的时距模型，根据新的时距模型计算所有控制区间的整体拟合加速度偏差，直至所述整体拟合加速度偏差小于预定加速度偏差或者遍历完所有划分参数；

其中，划分参数与整体拟合加速度偏差一一对应。当整体拟合加速度偏差大于预定加速度偏差时，选取新的划分参数，重复S200-S400的操作。

S540，若遍历完所有划分参数后，得到的整体拟合加速度偏差均大于预定加速度偏差，则将与预定加速度偏差差值最小的整体拟合加速度偏差所对应的各个控制区间的时距模型的模型参数，作为纵向控制模型参数。

通过上述操作，可使得纵向控制模型参数的获取，尽量贴合驾驶员的驾驶习惯，有利于提高自动驾驶系统的驾驶性能。

进一步地，S300，确定各控制区间的时距模型包括：

S310，获取时距原始模型a＝-k₁(D_h-D_r)-k₂(V_q-V_e)＝-k₁(D_h-D_r)-k₂V_r，其中，k₁、k₂为常数，D_h为本车与前车的期望间距，V_q为前车的速度；

S320，确定D_h的计算公式为D_h＝V_e*t_h+D₀，t_h为固定时距，D₀为本车与前车停车后两车的间距；

S330，根据时距原始模型以及本车与前车的期望间距D_h的计算公式，利用路试数据基于约束线性最小二乘方法拟合得到各个控制区间的时距模型，时距模型为a＝c₁*v_r+c₂*d_r+c₃*v_e+c₄，其中，a为期望加速度，C₁，c₂，c₃，c₄为模型参数。

在时距原始模型的基础上，利用路试数据拟合得到各控制区间的时距模型，可简化时距模型的计算步骤，节省计算时间，提高确认效率。

本申请还提供一种基于如上所述的纵向控制模型参数确认方法的车辆控制方法，如图3所示，其包括：

S600，实时获取当前车辆的状态特征；

如上所述，状态特征可以为主车车速V_e、主车与前车的相对速度V_r以及相对距离D_r。

S610，利用所述状态特征和纵向控制模型计算车辆期望纵向加速度；

利用a＝c₁*v_r+c₂*d_r+c₃*v_e+c₄和实时获取的状态特征，计算得到车辆期望纵向加速度a控。

S620，根据车辆期望纵向加速度控制车辆。

本申请提供的车辆控制方法据得到的纵向控制模型计算车辆期望纵向加速度，可使得驾驶更加贴合实际，更好地缩小与人工驾驶的差距，更好地提高自动驾驶的舒适性。

可选地，S620，利用所述状态特征和纵向控制模型计算车辆期望纵向加速度包括：

S6201，计算状态特征与各控制区间的聚类中心的带权重距离D_i，i＝1，2，3……N；

例如，根据划分参数，划分为N＝12个控制区间。计算输入的状态特征与每个控制区间的聚类中心的带权重距离D_i，得到D₁到D₁₂。

S6202，将带权重距离D_i升序排列，选取距离最小的前n个控制区间，根据前n个控制区间的时距模型计算对应的期望加速度a_i，n≤N；

将带权重欧式距离D_i按照升序排列，选取距离最小的前n(例如n＝3)个控制区间的时距模型的模型参数C₁，c₂，c₃，c₄，计算期望加速度a₁，a₂，a₃，可减小计算量，提高计算速率。

S6203，将距离最小的前n个带权重距离D_i转化为加权权重P_i；

可利用Softmax函数将带权重欧式距离D_i转化为加权权重P_i。其中，Softmax函数为

例如，[P1,P2,P3]＝Softmax(K/D1,K/D2,K/D3)，其中，K为函数控制输出加速度加权平均程度，K值越小，说明函数更为均匀地考虑各个期望加速度。

S6204，根据计算整体拟合加速度a_控；

以n＝3为例，a_控＝P1*a1+P2*a2+P3*a3。

通过对带权重欧式距离升序排列，选取距离最小的前n个控制区间，然后利用前n个控制区间的期望加速度以及带权重欧式距离转化的加权权重计算车辆期望纵向加速度，使得各控制区间切换时速度更加平滑，车辆驾驶更加平稳。

本申请还提供一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为如上所述的纵向控制模型参数确认方法或者如上所述的车辆控制方法。

本申请还提供一种电子设备，如图4所示，其包括：

至少一个处理器701；以及，

与所述至少一个处理器701通信连接的存储器702；其中，

所述存储器702存储有可被所述至少一个处理器701执行的指令，所述指令被所述至少一个处理器701执行，以使所述至少一个处理器701能够执行如上所述的纵向控制模型参数确认方法或者如上所述的车辆控制方法。

执行如上所述的纵向控制模型参数确认方法的设备还可以包括：输入装置703和输出装置704。处理器701、存储器702、输入装置703和输出装置704可以通过总线或者其他方式连接。

存储器702作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。处理器701通过运行存储在存储器702中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的纵向控制模型参数确认方法。

存储器702可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据纵向控制模型参数确认方法的使用所创建的数据等。此外，存储器702可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。

输入装置703可接收输入的数字或字符信息，以及产生与纵向控制模型参数确认方法相关的用户设置以及功能控制有关的键信号输入。输出装置704可包括显示屏等显示设备。

所述一个或者多个模块存储在所述存储器702中，当被所述一个或者多个处理器执行时，执行上述任意方法实施例中的纵向控制模型参数确认方法。

上述产品可执行本发明实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明实施例所提供的方法。

本发明实施例的电子设备以多种形式存在，包括但不限于：

(1)移动通信设备：这类设备的特点是具备移动通信功能，并且以提供话音、数据通信为主要目标。这类终端包括：智能手机(例如iPhone)、多媒体手机、功能性手机，以及低端手机等。

(2)超移动个人计算机设备：这类设备属于个人计算机的范畴，有计算和处理功能，一般也具备移动上网特性。这类终端包括：PDA、MID和UMPC设备等，例如iPad。

(3)便携式娱乐设备：这类设备可以显示和播放多媒体内容。该类设备包括：音频、视频播放器(例如iPod)，掌上游戏机，电子书，以及智能玩具和便携式车载导航设备。

(4)服务器：提供计算服务的设备，服务器的构成包括处理器、硬盘、内存、系统总线等，服务器和通用的计算机架构类似，但是由于需要提供高可靠的服务，因此在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面要求较高。

(5)其他具有数据交互功能的电子装置。

基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台移动终端(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random AccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本发明实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件实现。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明实施例的技术方案，而非对其限制；尽管参照前述实施例对本发明实施例进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。