[发明专利]一种智能化程度高的无人驾驶车辆在审
申请号: | 201810477012.1 | 申请日: | 2018-05-18 |
公开(公告)号: | CN108572651A | 公开(公告)日: | 2018-09-25 |
发明(设计)人: | 肖哲睿 | 申请(专利权)人: | 肖哲睿 |
主分类号: | G05D1/02 | 分类号: | G05D1/02 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 030600 山西省*** | 国省代码: | 山西;14 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 行驶工况 环境感知系统 无人驾驶车辆 行驶环境信息 构建系统 控制系统 智能化 构建 无人驾驶 智能 | ||
1.一种智能化程度高的无人驾驶车辆,其特征在于,包括环境感知系统、行驶工况构建系统和控制系统,所述环境感知系统用于获取行驶环境信息,所述行驶工况构建系统用于构建当前城市行驶工况,所述控制系统用于根据行驶环境信息和城市行驶工况对车辆进行控制。
2.根据权利要求1所述的智能化程度高的无人驾驶车辆,其特征在于,所述行驶工况构建系统包括工况数据采集模块、工况数据预处理模块、工况数据处理模块、行驶工况构建模块,所述工况数据采集模块用于确定城市行驶工况数据并对行驶工况数据的采集,所述工况数据预处理模块用于对采集的行驶工况数据进行预处理,所述工况数据处理模块用于对于经过预处理的行驶工况数据进行处理,所述行驶工况构建模块用于根据经过处理的行驶工况数据构建城市行驶工况。
3.根据权利要求2所述的智能化程度高的无人驾驶车辆,其特征在于,所述工况数据采集模块采集的行驶工况数据为车辆行驶速度,所述工况数据预处理模块包括一次去噪模块和二次去噪模块,所述一次去噪模块用于去除行驶工况数据的脉冲噪声,所述二次去噪模块用于去除行驶工况数据的高频噪声;
所述一次去噪模块用于去除行驶工况数据的脉冲噪声,采用下式进行:
式中,v1(t)表示经过一次去噪后车辆在t时刻的行驶速度,v(t)表示车辆在t时刻的行驶速度。
4.根据权利要求3所述的智能化程度高的无人驾驶车辆,其特征在于,所述二次去噪模块用于去除行驶工况数据的高频噪声,采用下式进行:
式中,v2(t)表示经过二次去噪后车辆在t时刻的行驶速度。
5.根据权利要求4所述的智能化程度高的无人驾驶车辆,其特征在于,所述工况数据处理模块包括一次处理模块和二次处理模块,所述一次处理模块用于将预处理后的行驶工况数据划分为工况子块,所述二次处理模块用于选择工况子块特征参数并对工况子块进行分类处理。
6.根据权利要求5所述的智能化程度高的无人驾驶车辆,其特征在于,所述一次处理模块用于将预处理后的行驶工况数据划分为工况子块,具体为:将相邻两个停车点之间的车辆行驶过程作为一个工况子块。
7.根据权利要求6所述的智能化程度高的无人驾驶车辆,其特征在于,所述二次处理模块包括特征选择子模块和分类子模块,所述特征选择子模块用于确定工况子块的特征向量,所述分类子模块用于根据特征向量对工况子块进行分类;
所述特征选择子模块用于确定工况子块的特征向量,具体为:采用下式确定工况子块的第一特征参数:
式中,T1表示工况子块的第一特征参数,n表示工况子块的时间长度,vi表示车辆在工况子块内i时刻的车速;
采用下式确定工况子块的第二特征参数:
式中,T2表示工况子块的第二特征参数,n1表示工况子块内速度为0的时间长度;
所述工况子块的特征向量为:T=[T1,T2],式中,T表示工况子块的特征向量。
8.根据权利要求7所述的智能化程度高的无人驾驶车辆,其特征在于,所述分类子模块用于根据特征向量对工况子块进行分类,具体为:以第一特征参数和第二特征参数为坐标轴确定工况子块的二维散点图,每个点代表一个工况子块,采用K-means聚类,根据散点图位置将工况子块划分为城市中心工况、城市郊区工况和高速公路工况三类。
9.根据权利要求8所述的智能化程度高的无人驾驶车辆,其特征在于,所述行驶工况构建模块用于根据经过处理的行驶工况数据构建城市行驶工况,具体为:计算各类工况子块中各工况子块持续时间之和占工况数据中所有工况子块总时间的比例,将该比例作为各类工况子块在构建城市行驶工况中所占的时间比例;将距离聚类中心最近的工况子块作为该类的代表工况子块;将城市行驶工况时间确定为2000秒,根据时间比例确定各类工况的时间,将各类代表工况子块循环达到所述各类工况的时间;将达到所述各类工况的时间的各类工况连接,得到城市行驶工况。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于肖哲睿,未经肖哲睿许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810477012.1/1.html,转载请声明来源钻瓜专利网。