[发明专利]一种自动驾驶车队跟车行驶控制方法、装置及系统

权利要求书

1.一种自动驾驶车队跟车行驶控制方法，其特征在于，所述方法包括：

实时获取头车、前车以及本车的车辆运行相关信息；

依据获取的头车、前车以及本车的车辆运行相关信息，基于纵向预测模型，预测与当前时刻对应的未来至少一个时刻本车在纵向上的加速度，得到当前时刻对应的加速度模型预测序列，所述纵向为车辆的行驶方向；

依据获取的头车、前车以及本车的车辆运行相关信息，基于横向预测模型，预测与当前时刻对应的未来至少一个时刻本车在横向上的车辆前轮转角，得到当前时刻对应的前轮转角模型预测序列，所述横向为与车辆行驶方向垂直的方向；

依据所述当前时刻对应的加速度模型预测序列以及前轮转角模型预测序列，生成所述本车在当前时刻对应的加速度指令以及方向盘指令；

依据所述本车在当前时刻对应的加速度指令以及方向盘指令，向所述本车下发运行控制指令；

所述纵向预测模型包括：

约束条件：

其中，min L1为纵向预测模型的成本函数，t为时间，T为规划时域，为t时刻本车的纵向运行状态序列，为的转置，为t时刻对应的加速度模型预测序列，为的转置，为t+Δt时刻本车的纵向运行状态序列，Q_t为的权重矩阵，R_t为的权重矩阵，

其中，h^*为本车分别与头车或前车的期望空间间距，h为本车分别与头车或前车的实际空间间距，Δv为本车分别与头车或前车的实际速度差，Δa为本车分别与头车或前车的实际加速度差，I_3*3为单位矩阵，τ_a为加减速的一阶惯性延迟参数，a_l为头车或前车的未来轨迹预测加速度，Δt为控制的时间步长；

所述横向预测模型包括：

约束条件：

其中，min L2为横向预测模型的成本函数，t为时间，T为规划时域，为t时刻本车的横向运行状态序列，为的转置，为t时刻对应的前轮转角模型预测序列，为的转置，为t+Δt时刻本车的横向运行状态序列，Q^*_t为的权重矩阵，R^*_t为的权重矩阵，

其中，Δf为本车当前时刻所在纵向位置分别与头车或前车在该纵向位置处的横向偏移误差；为头车或前车在本车当前时刻所在位置处时的航向角，为本车当前时刻的航向角，δ为本车当前时刻的前轮转角，I_3*3为单位矩阵，τ_δ为转向系统的一阶惯性延迟参数，L为本车轴距，v为本车当前时刻的速度，Δt为控制的时间步长。

2.根据权利要求1所述的方法，其特征在于，所述依据获取的头车、前车以及本车的车辆运行相关信息，基于纵向预测模型，预测与当前时刻对应的未来至少一个时刻本车在纵向上的加速度，得到当前时刻对应的加速度模型预测序列包括：

将获取的头车、前车以及本车的车辆运行相关信息，输入到纵向预测模型中；

所述纵向预测模型至少基于获取的头车、前车以及本车的车辆运行相关信息，构建纵向预测模型的成本函数；所述纵向预测模型的成本函数至少是关于加速度模型预测序列的函数；

所述纵向预测模型利用动态规划算法，通过多次迭代运算对所述纵向预测模型的成本函数进行优化，直到得到所述纵向预测模型的成本函数呈现收敛状况时的加速度模型预测序列，作为当前时刻对应的加速度模型预测序列。

3.根据权利要求1所述的方法，其特征在于，所述头车或前车的未来轨迹预测加速度的获取过程包括：

依据获取的头车的车辆运行相关信息，对头车的未来驾驶意图进行预测，得到头车的未来驾驶意图；

对所述头车的未来驾驶意图进行分析，得到头车的未来轨迹预测加速度；

或，

依据获取的前车的车辆运行相关信息，对前车的未来驾驶意图进行预测，得到前车的未来驾驶意图；

对所述前车的未来驾驶意图进行分析，得到前车的未来轨迹预测加速度。