[发明专利]一种面向车车协同信息不确定度的跟驰车辆控制方法

说明书

本发明公开了一种面向车车协同信息不确定度的跟驰车辆控制方法。在车车协同环境中，跟驰状态下的车辆控制需要考虑运动状态信息的不确定度。具体流程为：采集车辆的GPS和惯性导航数据，并通过卡尔曼联合滤波对车辆的运动状态数据包括位置、速度和加速度进行估计并得到其近似分布，应用蒙特卡罗法计算得到跟驰工况下的安全评价指标的不确定度和其近似分布，从而对车辆进行控制。

技术领域：

本发明属于车车协同环境下的信息处理领域，特别涉及车辆位置、速度、加速度等运动 状态信息的不确定度估计，以对车车协同环境下的跟驰车辆进行控制。

背景技术：

随着智能车辆技术和无线通信技术的飞速发展，车路协同系统成为交通领域研究的热门 方向，是未来智能交通系统的重要组成部分。车车协同(Vehicle-to-vehiclecooperative)是车 路协同系统的核心组成部分之一。作为车路协同控制中较为重要的子系统，车车协同控制重 点研究两个方面，其一是自车的车载设备自主检测到的自车与他车的信息，其二是通过车车 信息交互接收到的由他车传播来的信息，通过这两个方面，实现协同化交通系统中车辆运动 状态控制、车车间冲突预防和消解以及车辆安全预警的关键技术。

车载定位单元是车车协同控制车载系统的核心部分。车辆的运动状态信息，对于车车协 同控制的实现起到至关重要的作用。要使驾驶人获得车辆位置信息，或需要向驾驶人进行操 作指示，车载定位单元就必须精准地定位到车辆的位置。因此对于所有合格的车载定位单元 来说，精确度高、可靠性强的车辆定位能力都是必要条件。

测量是按照某种规律，对被测事物做出量化描述的过程。真值是量的定义的完整的体现， 无论采用何种测量方法，使用何种测量仪器，都无法得到真值。因此，误差，反映测量值偏 离约定真值大小的参数，是客观存在的、不可避免的。由于误差的存在，被测量的真值以某 种概率分布于一定区域内，其分散程度反映了测量值的可信度，由此，引入测量不确定度的 概念。测量不确定度，是从概率意义上表示被测量的真值落在某个量值范围内的一个客观评 述，其大小决定了测量值的可信度和使用价值。测量不确定度是对测量结果质量的定量表征。

在车车协同系统中，无论是自车自主检测的信息，还是车车交互的信息，都是由车辆装 有的各类车载传感器采集而来的，所以车辆运动状态数据的准确性，很大程度上影响了后续 的信息交互以及在车车协同控制中各系数的计算准确度，是车车协同控制中最为重要的关键 技术之一。

在国内外的各项研究中，都将重点放在了如何输出更加准确的车辆定位信息，车辆速度 信息，车辆加速度信息，车辆航向角信息等，采用的方法包括：对于测量得到的原始数据进 行滤波处理，使得数据更加平滑和稳定，尽可能地消除测量误差对于数据整体性的影响。因 为卡尔曼滤波可以仅依赖部分状态量的量测量而计算得出全部的状态量的特性，成为了此类 滤波方法中最为常用的最优估计方法。除此之外，还包括不仅仅依赖单一的传感器进行测量， 使用多种传感器对相同状态量进行测量，相互补偿和校正。但是，无论是哪种方法，对于物 理系统中的各个状态量来说，输出量均为单一数值。无论是对于可以直接测量得到的车辆位 置信息，经过简单计算后得到的车辆速度信息、车辆加速度信息、车辆航向角信息，还是根 据车辆的各个状态信息计算得出的各类车车协同安全评价指标，或是对于在车车协同中尤为 重要的对于车辆的各控制输出量，均忽略了滤波或数据融合也无法避免的数据误差或不确定 度的影响。可是在面向车车协同控制的系统中，误差和不确定度是无法被完全忽略的。

本发明方法在对车辆GPS直接采集到车辆位置数据和差分计算得到的车辆速度数据、车 辆加速度数据、车辆航向角数据进行扩展卡尔曼滤波处理后，在可信的假设条件下，对每一 时刻的每一个数据都近似得到该数据在一定置信度下的置信区间以及其近似分布。由此，使 用蒙特卡罗方法，计算得出车车协同安全评价指标及其不确定度，具体表现为在一定置信度 下的的置信区间。车车协同安全评价指标包括：距离碰撞的时间(time tocollision)、车头时 距(time headway)、安全裕度(safety margin)等。