CN112677952B - 一种智能驾驶控制方法及系统 - Google Patents

Abstract

本申请公开了一种智能驾驶控制方法及系统，基于本车车辆状态及前车车辆状态建立安全距离模型，基于安全距离模型确定需求加速度，基于需求加速度及预先存储的本车的换挡曲线特性信息确定预估功率，基于预估功率、本车发动机外特性曲线及本车发动机的当前状态确定期望驱动扭矩，并将期望驱动扭矩发送至本车发动机的控制器，以使本车发动机的控制器输出实际响应扭矩至本车的执行装置。本方案通过基于安全距离模型确定需求加速度，并基于需求加速度及换挡曲线特性信息确定预估功率，实现了基于变速箱换挡时的曲线特性信息计算预估功率，使得在执行装置对获得的数据进行响应时更符合换挡特性，保证了换挡的平滑性和舒适性，提高了用户体验。

Description

一种智能驾驶控制方法及系统

技术领域

本申请涉及控制领域，尤其涉及一种智能驾驶控制方法及系统。

背景技术

无人驾驶汽车代表了汽车技术和产业化的重要发展方向，无人驾驶系统基于环境感知技术对车辆周围环境进行感知，并根据感知所获得的信息，通过车载智能驾驶中央决策控制器iECU自主的控制车辆的转向和速度，使车辆能够安全、可靠的行驶，并到达目的地。

但是目前，无人驾驶智能车在智能驾驶模式的行车过程中，通常会因为变速箱换挡和请求扭矩波动而引起驾驶体验不舒适感，降低了用户体验。

发明内容

有鉴于此，本申请提供一种智能驾驶控制方法及系统，其具体方案如下：

一种智能驾驶控制方法，包括：

基于本车车辆状态及前车车辆状态建立安全距离模型，基于所述安全距离模型确定需求加速度，其中，所述前车为本车前方的车辆；

基于需求加速度及预先存储的本车的换挡曲线特性信息确定预估功率；

基于所述预估功率、本车发动机外特性曲线及本车发动机的当前状态确定期望驱动扭矩，并将所述期望驱动扭矩发送至所述本车发动机的控制器，以使所述本车发动机的控制器输出实际响应扭矩至本车的执行装置。

进一步的，所述基于所述预估功率、本车发动机外特性曲线及本车发动机的当前状态确定期望驱动扭矩，包括：

确定本车当前的驾驶模式，基于所述当前的驾驶模式确定与所述当前的驾驶模式匹配的驾驶模式调试系数；

基于所述驾驶模式调试系数及所述预估功率得到本车的期望功率；

基于所述期望功率、本车发动机外特性曲线及本车发动机的当前状态确定期望驱动扭矩。

进一步的，所述基于需求加速度及预先存储的本车的换挡曲线特性信息确定预估功率，包括：

基于所述需求加速度确定本车当前的加速场景；

基于所述本车当前的加速场景、需求加速度及预先存储的本车的换挡曲线特性信息确定当前的加速场景下的预估功率。

进一步的，所述将所述期望驱动扭矩发送至所述本车发动机的控制器，包括：

在确定本车当前未检测到故障信息时，将所述期望驱动扭矩发送至所述本车发动机的控制器；

在确定本车当前检测到故障信息时，确定所述故障信息的故障等级，基于所述故障等级对所述故障信息进行分级处理。

进一步的，所述基于本车车辆状态及前车车辆状态建立安全距离模型，包括：

至少基于本车速度、前车速度、本车与前车的相对距离建立安全距离模型，其中，所述安全距离模型为：所述前车速度、所述本车速度、所述本车与前车的相对距离之间的第一关系等于所述需求加速度。

进一步的，还包括：

预先确定本车当前的车辆模式，若所述车辆模式为跟车模式，则基于本车车辆状态及前车车辆状态建立安全距离模型。

一种智能驾驶控制装置，包括：

建立单元，用于基于本车车辆状态及前车车辆状态建立安全距离模型，基于所述安全距离模型确定需求加速度，其中，所述前车为本车前方的车辆；

第一确定单元，用于基于需求加速度及预先存储的本车的换挡曲线特性信息确定预估功率；

第二确定单元，用于基于所述预估功率、本车发动机外特性曲线及本车发动机的当前状态确定期望驱动扭矩，并将所述期望驱动扭矩发送至所述本车发动机的控制器，以使所述本车发动机的控制器输出实际响应扭矩至本车的执行装置。

进一步的，所述第二确定单元用于基于所述预估功率、本车发动机外特性曲线及本车发动机的当前状态确定期望驱动扭矩，包括：

所述第二确定单元确定本车当前的驾驶模式，基于所述当前的驾驶模式确定与所述当前的驾驶模式匹配的驾驶模式调试系数；基于所述驾驶模式调试系数及所述预估功率得到本车的期望功率；基于所述期望功率、本车发动机外特性曲线及本车发动机的当前状态确定期望驱动扭矩。

进一步的，所述第一确定单元用于基于需求加速度及预先存储的本车的换挡曲线特性信息确定预估功率，包括：

所述第一确定单元基于所述需求加速度确定本车当前的加速场景；

基于所述本车当前的加速场景、需求加速度及预先存储的本车的换挡曲线特性信息确定当前的加速场景下的预估功率。

一种智能驾驶控制系统，应用于上述任意一项所述的方法，包括：

传感器装置，包括不少于一个传感器，至少用于检测本车速度、前车速度及本车与前车的相对距离；

智能驾驶控制装置，用于基于所述传感器装置检测到的数据及预先存储的数据输出实际响应扭矩至本车的执行装置；

执行装置，用于获取所述实际响应扭矩，并进行响应。

从上述技术方案可以看出，本申请公开的智能驾驶控制方法及系统，基于本车车辆状态及前车车辆状态建立安全距离模型，基于安全距离模型确定需求加速度，其中，前车为本车前方的车辆，基于需求加速度及预先存储的本车的换挡曲线特性信息确定预估功率，基于预估功率、本车发动机外特性曲线及本车发动机的当前状态确定期望驱动扭矩，并将期望驱动扭矩发送至本车发动机的控制器，以使本车发动机的控制器输出实际响应扭矩至本车的执行装置。本方案通过基于安全距离模型确定需求加速度，并基于需求加速度及换挡曲线特性信息确定预估功率，实现了基于变速箱换挡时的曲线特性信息计算预估功率，使得在执行装置对获得的数据进行响应时更符合换挡特性，保证了换挡的平滑性和舒适性，提高了用户体验。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例公开的一种智能驾驶控制方法的流程图；

图2为本申请实施例公开的一种智能驾驶控制方法的流程图；

图3为本申请实施例公开的一种智能驾驶控制方法的流程图；

图4为本申请实施例公开的一种智能驾驶控制装置的结构示意图；

图5为本申请实施例公开的一种智能驾驶控制系统的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请公开了一种智能驾驶控制方法，其流程图如图1所示，包括：

步骤S11、基于本车车辆状态及前车车辆状态建立安全距离模型，基于安全距离模型确定需求加速度，其中，前车为本车前方的车辆；

本实施例所公开的智能驾驶控制方法是基于智能驾驶中央决策控制器iECU实现的。

通过多个传感器组成传感器装置，由传感器装置检测环境参数，以确定本车车辆状态及前车车辆状态。iECU能够根据多个传感器检测到的环境参数进行决策规划。

其中，传感器装置至少包括：GPS模块、惯导模块、雷达模块、摄像头等

具体的，iECU能够根据各传感器检测到的信号确定本车速度、前车速度、本车与前车相对距离等数据，另外，本车车辆状态可以基于本车速度、本车与前车相对距离及相关数据确定，前车车辆状态可以基于前车速度及相关数据确定。

其中，本车车辆状态可以包括：本车正在加速、正在减速、正在匀速行驶、正在向左侧车道变道、正在向右侧车道变道、已经停止或正在倒车等；本车车辆状态还可以包括：本车的车体当前位姿信息，车体的当前位姿信息可以包括：航向角、与道路中心线偏差等信息。

前车车辆状态可以包括：前车正在加速、正在减速、正在匀速行驶、正在向左侧车道变道、正在向右侧车道变道、已经停止或正在倒车等；另外，前车车辆状态还可以包括：反馈的本车与前车的相对角度等信息，如：本车与前车是否行驶在同一条直线上，如：本车与前车均行驶在道路中心线上，或者，前车相对于本车向左偏移一定角度。

在确定与本车车辆状态及前车车辆状态相关的多个数据后，可基于确定的多个数据建立安全距离模型，其中，通过安全距离模型能够得到需求加速度，若依照安全距离模型进行车辆的行驶，能够使本车与前车保持一定的安全距离，避免车距过近或过远可能导致的意外的发生。

其中，安全距离模型可以为：前车速度、本车速度、本车与前车的相对距离之间的第一关系等于需求加速度，即基于安全距离模型能够确定需求加速度，而需求加速度是基于前车速度、本车速度、本车与前车的相对距离之间的第一关系确定的。

该第一关系可以为逻辑关系或数学关系，具体的，可以为：需求加速度为基于本车与前车之间的速度差计算得到的。因此，在确定本车速度、前车速度、本车与前车的相对距离后，即可计算得到需求加速度。

具体的，安全距离模型的公式如公式(1)所示，可以为：

a1＝(ν1-ν2)*ν2*k1+L*ν2*k1 公式(1)

其中，a1为需求加速度，ν1为前车速度，ν2为本车速度，k1为影响因子，L为本车与前车的相对距离。

其中，前车为本车正前方的车辆，在此处并不包括本车侧前方的车辆。

步骤S12、基于需求加速度及预先存储的本车的换挡曲线特性信息确定预估功率；

在本车的控制系统中预先存储有本车的换挡曲线特性信息，以便在确定预估功率时能够直接从存储的数据中调用。

预先存储的本车的换挡曲线特性信息至少可以包括：发动机外特性曲线特性、变速箱换挡曲线、道路摩擦阻力、道路坡道阻力、车辆风阻、车辆载重等相关信息。

其中，道路摩擦阻力及道路坡道阻力可以为依据本车所行驶的不同道路的相关信息确定，在本车到达该道路时就获取与该道路相关的道路摩擦阻力及道路坡道阻力，或者，在本车到达该道路之前的第一预定时长或第一预定距离时，获取与该道路相关的道路摩擦阻力及道路坡道阻力。

将上述与本车的换挡曲线特性信息相关的各信息综合考虑之后，可确定预估功率。具体的，该预估功率能够根据汽车理论行驶功率平衡公式与换挡曲线特性信息相乘得到。

步骤S13、基于预估功率、本车发动机外特性曲线及本车发动机的当前状态确定期望驱动扭矩，并将期望驱动扭矩发送至本车发动机的控制器，以使本车发动机的控制器输出实际响应扭矩至本车的执行装置。

iECU能够基于预估功率，同时考虑发动机的当前状态、道路坡度补偿、轮胎非线性补偿、功率平衡等因素，计算得到纵向控制输出驱动扭矩请求值，即期望驱动扭矩。

在确定期望驱动扭矩后，将期望驱动扭矩输出至发动机的控制器ECU，以便发动机控制器能够基于期望驱动扭矩输出实际响应扭矩至本车的传动系统，传动系统能够将实际响应扭矩传动至本车的执行装置，即经过变速箱和传动轴传递至驱动轮端，控制本车按照规划轨迹行进；并且，在计算预估功率时，将本车的当前车辆状态和发动机外特性曲线特性、变速箱换挡曲线等作为参数参与预估功率的确定，保证了驱动期望扭矩较平滑，即虚拟油门踏板开度曲线较平滑，且在传递过程中不会引起变速箱的频繁换挡，避免了无人驾驶车辆行驶过程中因变速箱换挡和请求扭矩波动引起的驾驶体验不舒适的问题。

本实施例公开的智能驾驶控制方法，基于本车车辆状态及前车车辆状态建立安全距离模型，基于安全距离模型确定需求加速度，其中，前车为本车前方的车辆，基于需求加速度及预先存储的本车的换挡曲线特性信息确定预估功率，基于预估功率、本车发动机外特性曲线及本车发动机的当前状态确定期望驱动扭矩，并将期望驱动扭矩发送至本车发动机的控制器，以使本车发动机的控制器输出实际响应扭矩至本车的执行装置。本方案通过基于安全距离模型确定需求加速度，并基于需求加速度及换挡曲线特性信息确定预估功率，实现了基于变速箱换挡时的曲线特性信息计算预估功率，使得在执行装置对获得的数据进行响应时更符合换挡特性，保证了换挡的平滑性和舒适性，提高了用户体验。

本实施例公开了一种智能驾驶控制方法，其流程图如图2所示，包括：

步骤S21、基于本车车辆状态及前车车辆状态建立安全距离模型，基于安全距离模型确定需求加速度，其中，前车为本车前方的车辆；

步骤S22、基于需求加速度及预先存储的本车的换挡曲线特性信息确定预估功率；

步骤S23、确定本车当前的驾驶模式，基于当前的驾驶模式确定与当前的驾驶模式匹配的驾驶模式调试系数；

步骤S24、基于驾驶模式调试系数及预估功率得到本车的期望功率；

步骤S25、基于期望功率、本车发动机外特性曲线及本车发动机的当前状态确定期望驱动扭矩，并将期望驱动扭矩发送至本车发动机的控制器，以使本车发动机的控制器输出实际响应扭矩至本车的执行装置。

驾驶模式包括：激进型驾驶模式，居中型驾驶模式及缓和型驾驶模式，不同的驾驶模式对应不同的驾驶模式调试系数。

当本车处于不同的驾驶模式时，基于预估功率得到的期望功率是不同的。在本车处于相同的本车车辆状态及前车车辆状态时，即使本车的车辆处于不同的驾驶模式，其预估功率都是相同的，而期望功率会根据驾驶模式的不同而不同。预估功率的获得仅与本车车辆状态、前车车辆状态及本车的换挡曲线特性信息相关，而与其他信息无关，因此，预估功率并不会受到驾驶模式的影响。

基于驾驶模式调试系数及预估功率得到本车的期望功率，具体的，可以为：期望功率等于预估功率与驾驶模式调试系数的乘积。即在相同的预估功率的基础上，期望功率的不同仅与驾驶模式的不同相关，不会受到其他参数的影响。

基于不同驾驶模式下的期望功率得到的期望驱动扭矩是与本车的驾驶员的驾驶模式相匹配的，能够满足不同风格的驾驶员乘坐无人驾驶车辆时的加速体验需求，以更进一步提高用户体验。

本实施例公开的智能驾驶控制方法，基于本车车辆状态及前车车辆状态建立安全距离模型，基于安全距离模型确定需求加速度，其中，前车为本车前方的车辆，基于需求加速度及预先存储的本车的换挡曲线特性信息确定预估功率，基于预估功率、本车发动机外特性曲线及本车发动机的当前状态确定期望驱动扭矩，并将期望驱动扭矩发送至本车发动机的控制器，以使本车发动机的控制器输出实际响应扭矩至本车的执行装置。本方案通过基于安全距离模型确定需求加速度，并基于需求加速度及换挡曲线特性信息确定预估功率，实现了基于变速箱换挡时的曲线特性信息计算预估功率，使得在执行装置对获得的数据进行响应时更符合换挡特性，保证了换挡的平滑性和舒适性，提高了用户体验。

本实施例公开了一种智能驾驶控制方法，其流程图如图3所示，包括：

步骤S31、基于本车车辆状态及前车车辆状态建立安全距离模型，基于安全距离模型确定需求加速度，其中，前车为本车前方的车辆；

步骤S32、基于需求加速度确定本车当前的加速场景；

步骤S33、基于本车当前的加速场景、需求加速度及预先存储的本车的换挡曲线特性信息确定当前的加速场景下的预估功率；

步骤S34、基于预估功率、本车发动机外特性曲线及本车发动机的当前状态确定期望驱动扭矩，并将期望驱动扭矩发送至本车发送机的控制器，以使本车发动机的控制器输出实际响应扭矩至本车的执行装置。

加速场景包括：紧急加速驱动、缓加速驱动、匀速驱动等。

不同的加速度大小对应不同的加速场景，从而实现在不同的加速场景下确定不同的预估功率，从而能够给执行装置输送不同的扭矩，保证输送至执行装置的扭矩与其对应的加速场景匹配。

进一步的，将期望驱动扭矩发送至本车发动机的控制器，包括：

在确定本车当前未检测到故障信息时，将期望驱动扭矩发送至本车发动机的控制器；在确定本车当前检测到故障信息时，确定故障信息的故障等级，基于故障等级对故障信息进行分级处理。

在确定期望驱动扭矩之后，进一步判断车辆是否存在故障，如果车辆没有存在故障，即iECU未检测到故障信息，则继续进行上述流程，即将期望驱动扭矩发送至本车发动机的控制器；如果iECU检测到故障信息，则确定车辆存在故障，此时，停止上述流程，进行故障处理。

在进行故障处理时，首先基于故障信息确定故障等级，从预先存储的故障等级处理信息中确定当前故障信息对应的故障等级所对应的处理方式。

具体的，故障等级可分为三级：一级为最低级故障，表示车辆出现故障单仅存储故障码，不做故障处理动作；二级表示车辆出现故障，存储故障码的同时退出智能驾驶模式；三级故障触发时空之车辆退出智能驾驶模式，存储故障码并紧急停车下高压电，语音提示驾驶员停驶车辆。

基于上述故障等级进行故障处理，在故障处理结束后，可继续进入智能驾驶模式，或者若故障等级为一级，则继续上述将期望驱动扭矩发送至本车发动机的控制器的步骤。

进一步的，还可以包括：

预先确定本车当前的车辆模式，若车辆模式为跟车模式，则基于本车车辆状态及前车车辆状态建立安全距离模型。

车辆模式至少包括：巡航模式、跟车模式及紧急制动模式，只有在跟车模式中才需要建立安全距离模型。

进一步的，本实施例公开的方案是基于进入退出机制实现的，当驾驶员按下智驾开关，智驾开关处于Active状态，此时，系统接收到进入智能驾驶模式的启动指令，系统判断车辆是否满足进入智能驾驶模式的条件。

若确定车辆不满足进入智能驾驶模式的条件，则将驾驶模式DriveMode置为0不进行后续步骤；若确定车辆满足进入智能驾驶模式的条件，则将驾驶模式DriveMode置为1；继续检测车辆档位是否处于D档、制动系统是否处于压力释放状态、电子驻车制动系统是否被关闭、驱动系统是否处于行车状态，若是则驾驶控制DriveCondition置为1，否则置为0不进行后续步骤；继续判断车辆系统是否存在故障，若存在故障则进入故障处理模式，若无故障则计算期望驱动扭矩，并输出驱动扭矩至发动机控制器，或者直接将计算得到的期望驱动扭矩输出至发动机控制器。

在系统处于运行状态时，若出现智驾开关不处于Active状态、DriveMode为0的情况，则退出智能驾驶模式，若出现DriveCondition我0的情况则不进入车辆控制行车模式，若出现车辆故障则进入故障处理模式。

本实施例公开的智能驾驶控制方法，基于本车车辆状态及前车车辆状态建立安全距离模型，基于安全距离模型确定需求加速度，其中，前车为本车前方的车辆，基于需求加速度及预先存储的本车的换挡曲线特性信息确定预估功率，基于预估功率、本车发动机外特性曲线及本车发动机的当前状态确定期望驱动扭矩，并将期望驱动扭矩发送至本车发动机的控制器，以使本车发动机的控制器输出实际响应扭矩至本车的执行装置。本方案通过基于安全距离模型确定需求加速度，并基于需求加速度及换挡曲线特性信息确定预估功率，实现了基于变速箱换挡时的曲线特性信息计算预估功率，使得在执行装置对获得的数据进行响应时更符合换挡特性，保证了换挡的平滑性和舒适性，提高了用户体验。

本实施例公开了一种智能驾驶控制装置，其结构示意图如图4所示，包括：

建立单元41，第一确定单元42及第二确定单元43。

其中，建立单元41用于基于本车车辆状态及前车车辆状态建立安全距离模型，基于安全距离模型确定需求加速度，其中，前车为本车前方的车辆；

第一确定单元42用于基于需求加速度及预先存储的本车的换挡曲线特性信息确定预估功率；

第二确定单元43用于基于预估功率、本车发动机外特性曲线及本车发动机的当前状态确定期望驱动扭矩，并将期望驱动扭矩发送至本车发动机的控制器，以使本车发动机的控制器输出实际响应扭矩至本车的执行装置。

本实施例所公开的智能驾驶控制方法是基于智能驾驶中央决策控制器iECU实现的。

通过多个传感器组成传感器装置，由传感器装置检测环境参数，以确定本车车辆状态及前车车辆状态。iECU能够根据多个传感器检测到的环境参数进行决策规划。

其中，传感器装置至少包括：GPS模块、惯导模块、雷达模块、摄像头等

具体的，iECU能够根据各传感器检测到的信号确定本车速度、前车速度、本车与前车相对距离等数据，另外，本车车辆状态可以基于本车速度、本车与前车相对距离及相关数据确定，前车车辆状态可以基于前车速度及相关数据确定。

其中，本车车辆状态可以包括：本车正在加速、正在减速、正在匀速行驶、正在向左侧车道变道、正在向右侧车道变道、已经停止或正在倒车等；本车车辆状态还可以包括：本车的车体当前位姿信息，车体的当前位姿信息可以包括：航向角、与道路中心线偏差等信息。

前车车辆状态可以包括：前车正在加速、正在减速、正在匀速行驶、正在向左侧车道变道、正在向右侧车道变道、已经停止或正在倒车等；另外，前车车辆状态还可以包括：反馈的本车与前车的相对角度等信息，如：本车与前车是否行驶在同一条直线上，如：本车与前车均行驶在道路中心线上，或者，前车相对于本车向左偏移一定角度。

在确定与本车车辆状态及前车车辆状态相关的多个数据后，可基于确定的多个数据建立安全距离模型，其中，通过安全距离模型能够得到需求加速度，若依照安全距离模型进行车辆的行驶，能够使本车与前车保持一定的安全距离，避免车距过近或过远可能导致的意外的发生。

其中，安全距离模型可以为：前车速度、本车速度、本车与前车的相对距离之间的第一关系等于需求加速度，即基于安全距离模型能够确定需求加速度，而需求加速度是基于前车速度、本车速度、本车与前车的相对距离之间的第一关系确定的。

该第一关系可以为逻辑关系或数学关系，具体的，可以为：需求加速度为基于本车与前车之间的速度差计算得到的。因此，在确定本车速度、前车速度、本车与前车的相对距离后，即可计算得到需求加速度。

具体的，安全距离模型的公式如公式(1)所示，可以为：

a1＝(ν1-ν2)*ν2*k1+L*ν2*k1 公式(1)

其中，a1为需求加速度，ν1为前车速度，ν2为本车速度，k1为影响因子，L为本车与前车的相对距离。

其中，前车为本车正前方的车辆，在此处并不包括本车侧前方的车辆。

在本车的控制系统中预先存储有本车的换挡曲线特性信息，以便在确定预估功率时能够直接从存储的数据中调用。

预先存储的本车的换挡曲线特性信息至少可以包括：发动机外特性曲线特性、变速箱换挡曲线、道路摩擦阻力、道路坡道阻力、车辆风阻、车辆载重等相关信息。

其中，道路摩擦阻力及道路坡道阻力可以为依据本车所行驶的不同道路的相关信息确定，在本车到达该道路时就获取与该道路相关的道路摩擦阻力及道路坡道阻力，或者，在本车到达该道路之前的第一预定时长或第一预定距离时，获取与该道路相关的道路摩擦阻力及道路坡道阻力。

将上述与本车的换挡曲线特性信息相关的各信息综合考虑之后，可确定预估功率。具体的，该预估功率能够根据汽车理论行驶功率平衡公式与换挡曲线特性信息相乘得到。

iECU能够基于预估功率，同时考虑发动机的当前状态、道路坡度补偿、轮胎非线性补偿、功率平衡等因素，计算得到纵向控制输出驱动扭矩请求值，即期望驱动扭矩。

在确定期望驱动扭矩后，将期望驱动扭矩输出至发动机的控制器ECU，以便发动机控制器能够基于期望驱动扭矩输出实际响应扭矩至本车的传动系统，传动系统能够将实际响应扭矩传动至本车的执行装置，即经过变速箱和传动轴传递至驱动轮端，控制本车按照规划轨迹行进；并且，在计算预估功率时，将本车的当前车辆状态和发动机外特性曲线特性、变速箱换挡曲线等作为参数参与预估功率的确定，保证了驱动期望扭矩较平滑，即虚拟油门踏板开度曲线较平滑，且在传递过程中不会引起变速箱的频繁换挡，避免了无人驾驶车辆行驶过程中因变速箱换挡和请求扭矩波动引起的驾驶体验不舒适的问题。

进一步的，第二确定单元基于预估功率、本车发动机外特性曲线及本车发动机的当前状态确定期望驱动扭矩，包括：

第二确定单元确定本车当前的驾驶模式，基于当前的驾驶模式确定与当前的驾驶模式匹配的驾驶模式调试系数；基于驾驶模式调试系数及预估功率得到本车的期望功率；基于期望功率、本车发动机外特性曲线及本车发动机的当前状态确定期望驱动扭矩。

驾驶模式包括：激进型驾驶模式，居中型驾驶模式及缓和型驾驶模式，不同的驾驶模式对应不同的驾驶模式调试系数。

当本车处于不同的驾驶模式时，基于预估功率得到的期望功率是不同的。在本车处于相同的本车车辆状态及前车车辆状态时，即使本车的车辆处于不同的驾驶模式，其预估功率都是相同的，而期望功率会根据驾驶模式的不同而不同。预估功率的获得仅与本车车辆状态、前车车辆状态及本车的换挡曲线特性信息相关，而与其他信息无关，因此，预估功率并不会受到驾驶模式的影响。

基于驾驶模式调试系数及预估功率得到本车的期望功率，具体的，可以为：期望功率等于预估功率与驾驶模式调试系数的乘积。即在相同的预估功率的基础上，期望功率的不同仅与驾驶模式的不同相关，不会受到其他参数的影响。

基于不同驾驶模式下的期望功率得到的期望驱动扭矩是与本车的驾驶员的驾驶模式相匹配的，能够满足不同风格的驾驶员乘坐无人驾驶车辆时的加速体验需求，以更进一步提高用户体验。

进一步的，第一确定单元基于需求加速度及预先存储的本车的换挡曲线特性信息确定预估功率，包括：

第一确定单元基于需求加速度确定本车当前的加速场景；基于本车当前的加速场景、需求加速度及预先存储的本车的换挡曲线特性信息确定当前的加速场景下的预估功率。

加速场景包括：紧急加速驱动、缓加速驱动、匀速驱动等。

不同的加速度大小对应不同的加速场景，从而实现在不同的加速场景下确定不同的预估功率，从而能够给执行装置输送不同的扭矩，保证输送至执行装置的扭矩与其对应的加速场景匹配。

进一步的，将期望驱动扭矩发送至本车发动机的控制器，包括：

在确定本车当前未检测到故障信息时，将期望驱动扭矩发送至本车发动机的控制器；在确定本车当前检测到故障信息时，确定故障信息的故障等级，基于故障等级对故障信息进行分级处理。

在确定期望驱动扭矩之后，进一步判断车辆是否存在故障，如果车辆没有存在故障，即iECU未检测到故障信息，则继续进行上述流程，即将期望驱动扭矩发送至本车发动机的控制器；如果iECU检测到故障信息，则确定车辆存在故障，此时，停止上述流程，进行故障处理。

在进行故障处理时，首先基于故障信息确定故障等级，从预先存储的故障等级处理信息中确定当前故障信息对应的故障等级所对应的处理方式。

具体的，故障等级可分为三级：一级为最低级故障，表示车辆出现故障单仅存储故障码，不做故障处理动作；二级表示车辆出现故障，存储故障码的同时退出智能驾驶模式；三级故障触发时空之车辆退出智能驾驶模式，存储故障码并紧急停车下高压电，语音提示驾驶员停驶车辆。

基于上述故障等级进行故障处理，在故障处理结束后，可继续进入智能驾驶模式，或者若故障等级为一级，则继续上述将期望驱动扭矩发送至本车发动机的控制器的步骤。

进一步的，还可以包括：

预先确定本车当前的车辆模式，若车辆模式为跟车模式，则基于本车车辆状态及前车车辆状态建立安全距离模型。

车辆模式至少包括：巡航模式、跟车模式及紧急制动模式，只有在跟车模式中才需要建立安全距离模型。

进一步的，本实施例公开的方案是基于进入退出机制实现的，当驾驶员按下智驾开关，智驾开关处于Active状态，此时，系统接收到进入智能驾驶模式的启动指令，系统判断车辆是否满足进入智能驾驶模式的条件。

若确定车辆不满足进入智能驾驶模式的条件，则将驾驶模式DriveMode置为0不进行后续步骤；若确定车辆满足进入智能驾驶模式的条件，则将驾驶模式DriveMode置为1；继续检测车辆档位是否处于D档、制动系统是否处于压力释放状态、电子驻车制动系统是否被关闭、驱动系统是否处于行车状态，若是则驾驶控制DriveCondition置为1，否则置为0不进行后续步骤；继续判断车辆系统是否存在故障，若存在故障则进入故障处理模式，若无故障则计算期望驱动扭矩，并输出驱动扭矩至发动机控制器，或者直接将计算得到的期望驱动扭矩输出至发动机控制器。

在系统处于运行状态时，若出现智驾开关不处于Active状态、DriveMode为0的情况，则退出智能驾驶模式，若出现DriveCondition我0的情况则不进入车辆控制行车模式，若出现车辆故障则进入故障处理模式。

本实施例公开的智能驾驶控制装置，基于本车车辆状态及前车车辆状态建立安全距离模型，基于安全距离模型确定需求加速度，其中，前车为本车前方的车辆，基于需求加速度及预先存储的本车的换挡曲线特性信息确定预估功率，基于预估功率、本车发动机外特性曲线及本车发动机的当前状态确定期望驱动扭矩，并将期望驱动扭矩发送至本车发动机的控制器，以使本车发动机的控制器输出实际响应扭矩至本车的执行装置。本方案通过基于安全距离模型确定需求加速度，并基于需求加速度及换挡曲线特性信息确定预估功率，实现了基于变速箱换挡时的曲线特性信息计算预估功率，使得在执行装置对获得的数据进行响应时更符合换挡特性，保证了换挡的平滑性和舒适性，提高了用户体验。

本实施例公开了一种智能驾驶控制系统，其结构示意图如图5所示，包括：

传感器装置51，智能驾驶控制装置52及执行装置53。

其中，传感器装置51包括不少于一个传感器，至少用于检测本车速度、前车速度及本车与前车的相对距离；

智能驾驶控制装置52用于基于传感器装置检测到的数据及预先存储的数据输出实际响应扭矩至本车的执行装置；

执行装置53用于获取实际响应扭矩，并进行响应。

本实施例公开的智能驾驶控制装置是基于上述实施例公开的智能驾驶控制方法实现的，在此不再赘述。

其中，执行装置至少包括：驱动结构、制动结构及转向结构，驱动结构如：发动机。

本实施例公开的智能驾驶控制系统，基于本车车辆状态及前车车辆状态建立安全距离模型，基于安全距离模型确定需求加速度，其中，前车为本车前方的车辆，基于需求加速度及预先存储的本车的换挡曲线特性信息确定预估功率，基于预估功率、本车发动机外特性曲线及本车发动机的当前状态确定期望驱动扭矩，并将期望驱动扭矩发送至本车发动机的控制器，以使本车发动机的控制器输出实际响应扭矩至本车的执行装置。本方案通过基于安全距离模型确定需求加速度，并基于需求加速度及换挡曲线特性信息确定预估功率，实现了基于变速箱换挡时的曲线特性信息计算预估功率，使得在执行装置对获得的数据进行响应时更符合换挡特性，保证了换挡的平滑性和舒适性，提高了用户体验。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种智能驾驶控制方法，其特征在于，包括：

基于本车车辆状态及前车车辆状态建立安全距离模型，基于所述安全距离模型确定需求加速度，其中，所述前车为本车前方的车辆；

基于需求加速度及预先存储的本车的换挡曲线特性信息确定预估功率；所述预先存储的本车的换挡曲线特性信息至少包括：发动机外特性曲线特性、变速箱换挡曲线；

基于所述预估功率、本车发动机外特性曲线及本车发动机的当前状态确定期望驱动扭矩，并将所述期望驱动扭矩发送至所述本车发动机的控制器，以使所述本车发动机的控制器输出实际响应扭矩至本车的执行装置。

2.根据权利要求1所述的方法，其特征在于，所述基于所述预估功率、本车发动机外特性曲线及本车发动机的当前状态确定期望驱动扭矩，包括：

确定本车当前的驾驶模式，基于所述当前的驾驶模式确定与所述当前的驾驶模式匹配的驾驶模式调试系数；

基于所述驾驶模式调试系数及所述预估功率得到本车的期望功率；

基于所述期望功率、本车发动机外特性曲线及本车发动机的当前状态确定期望驱动扭矩。

3.根据权利要求1所述的方法，其特征在于，所述基于需求加速度及预先存储的本车的换挡曲线特性信息确定预估功率，包括：

基于所述需求加速度确定本车当前的加速场景；

基于所述本车当前的加速场景、需求加速度及预先存储的本车的换挡曲线特性信息确定当前的加速场景下的预估功率。

4.根据权利要求1所述的方法，其特征在于，所述将所述期望驱动扭矩发送至所述本车发动机的控制器，包括：

在确定本车当前未检测到故障信息时，将所述期望驱动扭矩发送至所述本车发动机的控制器；

在确定本车当前检测到故障信息时，确定所述故障信息的故障等级，基于所述故障等级对所述故障信息进行分级处理。

5.根据权利要求1所述的方法，其特征在于，所述基于本车车辆状态及前车车辆状态建立安全距离模型，包括：

至少基于本车速度、前车速度、本车与前车的相对距离建立安全距离模型，其中，所述安全距离模型为：所述前车速度、所述本车速度、所述本车与前车的相对距离之间的第一关系等于所述需求加速度。

6.根据权利要求1所述的方法，其特征在于，还包括：

预先确定本车当前的车辆模式，若所述车辆模式为跟车模式，则基于本车车辆状态及前车车辆状态建立安全距离模型。

7.一种智能驾驶控制装置，其特征在于，包括：

建立单元，用于基于本车车辆状态及前车车辆状态建立安全距离模型，基于所述安全距离模型确定需求加速度，其中，所述前车为本车前方的车辆；

第一确定单元，用于基于需求加速度及预先存储的本车的换挡曲线特性信息确定预估功率；所述预先存储的本车的换挡曲线特性信息至少包括：发动机外特性曲线特性、变速箱换挡曲线；

第二确定单元，用于基于所述预估功率、本车发动机外特性曲线及本车发动机的当前状态确定期望驱动扭矩，并将所述期望驱动扭矩发送至所述本车发动机的控制器，以使所述本车发动机的控制器输出实际响应扭矩至本车的执行装置。

8.根据权利要求7所述的装置，其特征在于，所述第二确定单元用于基于所述预估功率、本车发动机外特性曲线及本车发动机的当前状态确定期望驱动扭矩，包括：

所述第二确定单元确定本车当前的驾驶模式，基于所述当前的驾驶模式确定与所述当前的驾驶模式匹配的驾驶模式调试系数；基于所述驾驶模式调试系数及所述预估功率得到本车的期望功率；基于所述期望功率、本车发动机外特性曲线及本车发动机的当前状态确定期望驱动扭矩。

9.根据权利要求7所述的装置，其特征在于，所述第一确定单元用于基于需求加速度及预先存储的本车的换挡曲线特性信息确定预估功率，包括：

所述第一确定单元基于所述需求加速度确定本车当前的加速场景；

基于所述本车当前的加速场景、需求加速度及预先存储的本车的换挡曲线特性信息确定当前的加速场景下的预估功率。

10.一种智能驾驶控制系统，应用于权利要求1-6中任意一项所述的方法，其特征在于，包括：

传感器装置，包括不少于一个传感器，至少用于检测本车速度、前车速度及本车与前车的相对距离；

智能驾驶控制装置，用于基于所述传感器装置检测到的数据及预先存储的数据输出实际响应扭矩至本车的执行装置；

执行装置，用于获取所述实际响应扭矩，并进行响应。

Images