基于车辆动态预测模型的横向控制方法及装置与流程

1.本发明涉及自动驾驶技术领域，尤其涉及一种基于车辆动态预测模型的横向控制方法及装置。

背景技术：

2.随着自动驾驶车辆的普及，自动驾驶车辆可作为出租车或公共交通工具使用，乘客在使用自动驾驶车辆时，需要输入目的地，自动驾驶车辆基于当前位置和目的地生成行驶路线，并按照生成的行驶路线行驶。
3.目前大多采用规划控制系统以生成行驶路线，并利用控制控制模块对行驶路线进行追踪。规划控制系统作为车辆安全行驶的充分必要条件，为客户提供安全的驾驶、精确的控制、舒适的乘坐、经济的使用和良好的耐用性这五大价值。
4.然而，控制模块中存在部分相互制约的指标，比如一味追求控制精度，必然导致被控对象更频繁的调整，从而降低执行器的耐久性。

技术实现要素：

5.本发明提供一种基于车辆动态预测模型的横向控制方法及装置，用以解决现有技术中指标间的相互制约以致确保精度的同时造成执行器耐久性降低的缺陷，在保证安全边界的前提下，减少对执行器的调整，从而提高执行器的耐久性。
6.本发明提供一种基于车辆动态预测模型的横向控制方法，包括：将预先获取的目标时间窗内的第一方向盘转角输入至车辆动态预测模型中，所述车辆动态预测模型基于输入的目标时间窗内的第一方向盘转角与所述车辆动态预测模型的单位脉冲响应进行卷积，得到预测横摆角速度；基于所述预测横摆角速度和预先建立的成本函数，得到预测方向盘转角，以根据所述预测方向盘转角控制车辆。
7.根据本发明提供的一种基于车辆动态预测模型的横向控制方法，所述基于所述预测横摆角速度和预先建立的成本函数，得到预测方向盘转角，包括：根据所述预测横摆角速度，并结合预先建立的成本函数，得到多个成本及各个成本对应的第二方向盘转角；基于最小成本和预设约束条件，选择对应的第二方向盘转角，作为预测方向盘转角。
8.根据本发明提供的一种基于车辆动态预测模型的横向控制方法，所述根据所述预测横摆角速度，并结合预先建立的成本函数，得到多个成本及各个成本对应的第二方向盘转角，包括：根据所述预测横摆角速度和预先获取的推测横摆角速度，得到横摆角速度偏移误差；根据所述预测横摆角速度对应的第一方向盘转角，获取目标时间窗内与所述第一方向盘转角对应同一轨迹点的航向角、侧偏角和横向位置；根据所述横向偏移误差、所述航向角和所述侧偏角，得到航向角偏移误差；根据所述横摆角速度偏移误差、所述航向角偏移误差和所述横向位置，得到横向位置偏移误差；根据所述横摆角速度偏移误差、所述航向角偏移误差、所述横向位置偏移误差，并结合预先建立的成本函数，得到多个成本及各个成本对应的第二方向盘转角。
9.根据本发明提供的一种基于车辆动态预测模型的横向控制方法，在所述根据所述预测横摆角速度和预先获取的推测横摆角速度，得到横摆角速度偏移误差之前，包括：获取目标时间窗内的轨迹点；根据所述轨迹点，得到对应每个轨迹点的曲率；基于各所述轨迹点的曲率和所述轨迹点对应的车速，得到推测横摆角速度。
10.根据本发明提供的一种基于车辆动态预测模型的横向控制方法，所述基于最小成本和预设约束条件，选择对应的第二方向盘转角，得到预测方向盘转角，包括：基于所述目标行驶区域，确定横向位置误差约束和方向盘转速约束；根据所述横向位置误差约束和所述方向盘转速约束，选择对应第二方向盘转角；根据选择的第二方向盘转角的成本，选择对应最小成本的第二方向盘转角，作为预测方向盘转角。
11.根据本发明提供的一种基于车辆动态预测模型的横向控制方法，在将预先获取的目标时间窗内的第一方向盘转角输入至车辆动态预测模型中之前，包括：获取所述目标时间窗内的第一方向盘转角和第一横摆角速度；对所述目标时间窗内的第一方向盘转角进行归一化处理；
12.在所述得到预测横摆角速度之后，包括：根据所述预测横摆角速度、所述目标时间窗内的第一横摆角速度和归一化处理后的第一方向盘转角，更新所述车辆动态预测模型。
13.根据本发明提供的一种基于车辆动态预测模型的横向控制方法，在获取所述目标时间窗内的第一方向盘转角和第一横摆角速度之后，还包括：根据所述目标时间窗内的第一方向盘转角和第一横摆角速度，得到对应方向盘转角平均值和横摆角速度平均值；根据所述方向盘转角平均值，分别减小所述目标时间窗内的每个第一方向盘转角；根据所述横摆角速度平均值，分别减小所述目标时间窗内的每个第一横摆角速度。
14.本发明还提供一种基于车辆动态预测模型的横向控制装置，包括：横摆角速度预测模块，将预先获取的目标时间窗内的第一方向盘转角输入至车辆动态预测模型中，所述车辆动态预测模型基于输入的目标时间窗内的第一方向盘转角与所述车辆动态预测模型的单位脉冲响应进行卷积，得到预测横摆角速度；角度预测模块，基于所述预测横摆角速度和预先建立的成本函数，得到预测方向盘转角，以根据所述预测方向盘转角控制车辆。
15.本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于车辆动态预测模型的横向控制方法的步骤。
16.本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于车辆动态预测模型的横向控制方法的步骤。
17.本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述基于车辆动态预测模型的横向控制方法的步骤。
18.本发明提供的基于车辆动态预测模型的横向控制方法及装置，通过车辆动态预测模型基于输入的目标时间窗内的第一方向盘转角与单位脉冲响应进行卷积，得到预测横摆角速度，并基于预测横摆角速度和预先建立的成本函数，得到预测方向盘转角，从而提高预测方向盘转角的准确性，在确保精度的同时，减少对执行器的调整，从而提高执行器的耐久性，降低总拥有成本(tco)；另外，通过大量的运营数据，在算法上迭代最优约束条件，从而使得自动驾驶行为更为精准，提高了控制方法和车辆动态预测模型的适配性，从而可以实
现更好的控制表现。
附图说明
19.为了更清楚地说明本发明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一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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。
20.图1是本发明提供的基于车辆动态预测模型的横向控制方法的流程示意图；
21.图2是本发明提供的基于车辆动态预测模型的横向控制装置的结构示意图；
22.图3是本发明提供的电子设备的结构示意图。
具体实施方式
23.为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
24.图1示出了本发明一种基于车辆动态预测模型的横向控制方法，该方法，包括：
25.s11，将预先获取的目标时间窗内的第一方向盘转角输入至车辆动态预测模型中，车辆动态预测模型基于输入的目标时间窗内的第一方向盘转角与车辆动态预测模型的单位脉冲响应进行卷积，得到预测横摆角速度。
26.s12，基于预测横摆角速度和预先建立的成本函数，得到预测方向盘转角，以根据预测方向盘转角控制车辆。
27.需要说明的是，本说明书中的s1n不代表基于车辆动态预测模型的横向控制方法的先后顺序，下面具体描述本发明的基于车辆动态预测模型的横向控制方法。
28.步骤s11，将预先获取的目标时间窗内的第一方向盘转角输入至车辆动态预测模型中，车辆动态预测模型基于输入的目标时间窗内的第一方向盘转角与车辆动态预测模型的单位脉冲响应进行卷积，得到预测横摆角速度。
29.在一个可选实施例中，在将预先获取的目标时间窗内的第一方向盘转角输入至车辆动态预测模型中之前，包括：获取目标时间窗内的第一方向盘转角。具体包括：获取目标时间窗内的轨迹点；根据每个轨迹点，获取各轨迹点对应的第一方向盘转角。需要说明的是，目标时间窗的长度可以根据实际设计需求设置，比如可以为3s、6s、10s等，此处不作进一步地限定。比如目标时间窗的长度为3秒，则基于目标时间窗对应获取历史3秒内的第一方向盘转角，若系统采样频率为50hz，则取150个轨迹点的第一方向盘转角作为模型输入，其中第一个点的第一方向盘转角为当前时间的模型输入，第2-150个点的第一方向盘转角为历史0.02-历史3秒内的模型输入。通过获取目标时间窗内的第一方向盘转角，以便于在线实时获取数据，进而便于根据当前获取的目标时间窗内第一方向盘转角，预测得到预测横摆角速度。
30.在获取目标时间窗内的第一方向盘转角之后，将目标时间窗内的第一方向盘转角输入至车辆动态预测模型中，得到预测横摆角速度。本实施例中，预测横摆角速度表示为：
[0031][0032]
其中，ωk表示第k时刻的预测横摆角速度，hi表示车辆动态预测模型的单位脉冲响应，当车辆动态预测模型采用fir模型时，hi可采用离散fir函数，将输入的目标时间窗内的第一方向盘转角与车辆动态预测模型单位脉冲响应进行离散卷积，得到预测横摆角速度；m表示车辆动态预测模型的长度，u
k-i
表示目标时间窗内第k-i时刻的第一方向盘转角，b表示横摆角速度的偏置。fir模型具备了传统车辆模型所不具备的优势，使得该控制方法可以完美适配fir模型，从而可以实现更好的控制表现。
[0033]
需要说明的是，车辆动态预测模型输出的预测横摆角速度可以构成数据集，表示为[ωk,ω
k+1
,...,ω
k+n
]，n表示目标时间窗内轨迹的点数。举例而言，若采样时间为10hz，即0.1秒平移一次目标时间窗以获取一个轨迹点，当t＝0.1时，对应的k＝1，同样的，当t＝0.2时，对应的k＝2。假如fir模型长度为3秒，则m＝30，需要通过平移目标时间窗，以获取30个轨迹点的第一方向盘转角作为车辆动态预测模型的输入，并将其与车辆动态预测模型卷积，从而得到车辆动态预测模型输出的预测横摆角速度。
[0034]
在一个可选实施例中，在将预先获取的目标时间窗内的第一方向盘转角输入至车辆动态预测模型中之前，包括：获取目标时间窗内的第一方向盘转角和第一横摆角速度；对目标时间窗内的第一方向盘转角进行归一化处理。相应地，在得到预测横摆角速度之后，包括：根据预测横摆角速度、目标时间窗内的第一横摆角速度和归一化处理后的第一方向盘转角，更新车辆动态预测模型。
[0035]
需要说明的是，可以同时或不同时获取目标时间窗内的第一方向盘转角和第一横摆角速度，获取目标时间窗内的第一方向盘转角仅需在将预先获取的目标时间窗内的第一方向盘转角输入至车辆动态预测模型中之前获取即可，同样的，获取目标时间窗内的第一横摆角速度仅需在根据预测横摆角速度、目标时间窗内的第一横摆角速度和归一化处理后的第一方向盘转角，更新车辆动态预测模型之前获取即可。另外，获取目标时间窗内的第一横摆角速度可参考上文获取目标时间窗内的第一方向盘转角，此处不作重复阐述。
[0036]
具体而言，对目标时间窗内的第一方向盘转角进行归一化处理，包括：获取目标时间窗内的第一方向盘转角对应的扭矩；根据目标时间窗内的第一方向盘转角、第一方向盘转角对应的扭矩和预先建立的第一脉冲响应模型，得到方向盘扭矩中位；根据方向盘扭矩中位和对应的第一方向盘转角，得到归一化处理后的第一方向盘转角。
[0037]
本实施例中，第一脉冲响应模型，表示为：
[0038]
y1＝h
1t
*p+b
[0039]
其中，y1表示第一脉冲响应模型的输出，即第一方向盘转角；p表示第一脉冲响应模型的输入，即目标时间窗内第一方向盘转角对应的扭矩，表示为行向量；h1表示第一脉冲响应模型的单位脉冲响应，h
1t
表示h1的转置，当扭矩为0时，b对应表示方向盘扭矩中位。应当注意的是，由于h1是列向量，为便于计算，因此需要将h1转置成对应的行向量h
1t
。
[0040]
应当注意，第一脉冲响应模型可以采用在线更新的fir模型，在车辆行驶过程中，h1和b均会根据输入的第一方向盘转角和第一方向盘转角对应的扭矩进行更新，具体可参照下文车辆动态预测模型的更新方法，此处不作描述。
[0041]
由于方向盘存在死区，即方向盘中央的一段角度范围内，方向盘的转动不会引起车辆动作，因此需要先确定车辆的方向盘扭矩中位，从而根据第一方向盘转角与方向盘扭矩中位的距离确定死区对方向盘转角的影响，以得到经死区影响后的方向盘转角，即上述经归一化处理后的第一方向盘转角。进一步地，根据方向盘扭矩中位和对应第一方向盘转角，得到归一化处理后的第一方向盘转角，包括：根据方向盘扭矩中位和对应的第一方向盘转角，并结合车重和预设死区灵敏度，得到死区对方向盘转角的影响程度；根据预设死区宽度、第一方向盘转角和死区对方向盘转角的影响程度，得到归一化处理后的第一方向盘转角。
[0042]
另外，归一化处理后的第一方向盘转角，表示为：
[0043][0044]
其中，y2表示归一化处理后的第一方向盘转角，u1表示目标时间窗内获取的第一方向盘转角，c表示方向盘扭矩中位，m表示车重，k1表示死区宽度，k2表示死区灵敏度，表示死区对方向盘转角的影响程度。举例而言，存在则当y2＝y3＝d时，得到对应u1和u2，k1表示u1和u2之间的距离，k2表示点(c,0)处y2曲线的陡峭程度。需要说明的是，tanh函数在(c,0)点的附近变化较快，且在输入比较大的时候趋近于正负1，因此在大角度情况下减去一个k1*1的值，此时，角度变化不在死区范围内；在小角度情况下tanh函数得到的值比较接近原始小角度，减去以后就接近0，从而将死区和方向盘扭矩中位联系起来。
[0045]
在一个可选实施例中，由于部分类型车辆，比如卡车，存在零偏和非线性的情况，因此在获取目标时间窗内的第一方向盘转角和第一横摆角速度之后，还包括：对目标时间窗内的第一方向盘转角和第一横摆角速度进行预处理。具体包括：根据目标时间窗内的第一方向盘转角和第一横摆角速度，得到对应方向盘转角平均值和横摆角速度平均值；根据方向盘转角平均值，分别减小目标时间窗内的每个第一方向盘转角；根据所述横摆角速度平均值，分别减小目标时间窗内的每个第一横摆角速度。
[0046]
需要说明的是，根据方向盘转角平均值，分别减小目标时间窗内的每个第一方向盘转角，即为将目标时间窗内的每个第一方向盘转角分别减去方向盘转角平均值，以实现对获取的目标时间窗内的第一方向盘转角的预处理。
[0047]
同样的，根据横摆角速度平均值，分别减小目标时间窗内的每个第一横摆角速度，即为将目标时间窗内的每个第一横摆角速度分别减去横摆角速度平均值。
[0048]
应当注意，对目标时间窗内的第一方向盘转角和第一横摆角速度进行预处理可以在对目标时间窗内的第一方向盘转角进行归一化处理之前或之后执行，此处不做进一步限定。
[0049]
需要说明的是，若在对目标时间窗内的第一方向盘转角进行归一化处理之前，对目标时间窗内的第一方向盘转角和第一横摆角速度进行预处理，则在对目标时间窗内的第一方向盘转角进行归一处理时，对预处理后的第一方向盘转角进行归一化处理。同样的，若
在对目标时间窗内的第一方向盘转角进行归一化处理之后，对目标时间窗内的第一方向盘转角和第一横摆角速度进行预处理，则在对目标时间窗内的第一方向盘转角和第一横摆角速度进行预处理之后，对归一化后的第一方向盘转角进行预处理。
[0050]
此外，在得到预测横摆角速度之后，包括：根据预测横摆角速度、目标时间窗内的第一横摆角速度和归一化处理后的第一方向盘转角，更新车辆动态预测模型。具体包括：根据预测横摆角速度和目标时间窗内的第一横摆角速度，得到横摆角速度误差；根据归一化处理后的第一方向盘转角、第一预设值和横摆角速度误差，更新车辆动态预测模型；确定更新后的车辆动态预测模型的响应强度，响应强度为更新后的车辆动态预测模型的所有权重值之和；判断响应强度是否位于预设区间内，并根据判断结果确定车辆动态更新模型。
[0051]
更进一步地说，根据归一化处理后的第一方向盘转角、第一预设值和横摆角速度误差，更新车辆动态预测模型的单位脉冲响应，从而实现更新车辆动态预测模型，其中，更新后车辆动态预测模型的单位脉冲响应表示为：
[0052]hnew
(k)＝h(k)+δh
[0053][0054]
其中，h
new
(k)表示更新后车辆动态预测模型的单位脉冲响应，h(k)更新之前车辆动态预测模型的单位脉冲响应，k3表示第一预设值，δ表示第二预设值，e表示横摆角速度误差，u表示目标时间窗内经预处理及归一化处理后的第一方向盘转角。需要说明的是，第一预设值和第二预设值可根据实际设计需求或先验经验设置，此处不作进一步地限定。
[0055]
另外，根据判断结果确定车辆动态更新模型，包括：基于响应强度位于预设区间外，调整第一预设值；利用调整后的第一预设值，结合经归一化处理后的第一方向盘转角和横摆角速度误差，重新更新车辆动态预测模型；根据重新更新后的车辆动态预测模型，重新确定响应强度；重新判断上述重新确定的响应强度是否位于预设区间内，以根据判断结果重新确定车辆动态更新模型。
[0056]
需要说明的是，不依赖于车辆的规格、不依赖于挂箱的质量与质量分布以及不依赖于地面的附着系数等，仅根据车辆的属性，实现自动更新车辆动态模型，避免了一车一调参的情形，自适应各种驾驶环境，适于大规模产量部署。
[0057]
具体地，基于响应强度位于预设区间外，调整第一预设值，包括：基于响应强度大于预设区间的最大边界值，减小第一预设值；基于响应强度小于预设区间的最小边界值，增大第一预设值。通过调整第一预设值的大小，使得更新后的车辆动态预测模型的响应强度位于预设区间内。
[0058]
在一个可选实施例中，根据判断结果确定车辆动态更新模型，还包括：基于响应强度位于预设区间内，确定当前更新后的车辆动态预测模型作为车辆动态更新模型。
[0059]
步骤s12，基于预测横摆角速度和预先建立的成本函数，得到预测方向盘转角，以根据预测方向盘转角控制车辆。
[0060]
在本实施例中，基于预测横摆角速度和预先建立的成本函数，得到预测方向盘转角，包括：根据预测横摆角速度，并结合预先建立的成本函数，得到多个成本及各个成本对应的第二方向盘转角；基于最小成本和预设约束条件，选择对应的第二方向盘转角，作为预测方向盘转角。
[0061]
具体而言，根据预测横摆角速度，并结合预先建立的成本函数，得到多个成本及各个成本对应的第二方向盘转角，包括：
[0062]
首先，根据预测横摆角速度和预先获取的推测横摆角速度，得到横摆角速度偏移误差。
[0063]
需要说明的是，在根据预测横摆角速度和预先获取的推测横摆角速度，得到横摆角速度偏移误差之前，包括：获取目标时间窗内的轨迹点；根据轨迹点，得到对应每个轨迹点的曲率；基于各轨迹点的曲率和轨迹点对应的车速，得到推测横摆角速度。需要补充的是，轨迹点的获取可以在上述获取目标时间窗内的第一方向盘转角时获取，此处不作重复阐述。
[0064]
更进一步地说，根据轨迹点，得到对应每个点的曲率，包括：根据轨迹点，计算其对应的一阶导数和二阶导数；根据一阶导数和二阶导数，求得对应各轨迹点的曲率。
[0065]
举例而言，目标时间窗内的轨迹点构成轨迹线l，表示为y＝f(x)，且f(x)具有二阶导数，则曲线任一点m处的切线的斜率为y’＝tanα，则
[0066][0067][0068][0069]
又则轨迹线l在m点处的曲率k为：
[0070][0071]
假设轨迹线l由参数方程则利用参数方程求导可得曲率κ：需要说明的是，参数方程中(x,y)表示对应t时刻的轨迹点在车身坐标系下的坐标，其中车身坐标系中的x轴正向为车头方向，y轴正向为垂直车头、且位于驾驶员右侧的方向，具体x轴和y轴的正向可根据实际设计确定，比如也可以以车头朝向的反向作为x轴正向，以垂直于x轴、且位于驾驶员左侧的方向为y轴正向，此处不作进一步地限定。
[0072]
另外，如果采样频率为50hz，即轨迹线上任意两个相邻点的时间间隔为0.02秒，结合轨迹线上每个轨迹点的速度即可以把整条轨迹转换为以t为自变量的参数方程:其中t为轨迹上每个轨迹点到当前位置的距离，取任意两个相邻点的坐标都可以算出该点x与y方向的一阶导：
[0073][0074][0075]
同理取任意两个相邻点的一阶导可以算出二阶导：
[0076][0077][0078]
从而算出该点的曲率κ。
[0079]
对应地，推测横摆角速度，表示为：进而便于根据预测横摆角速度和预先获取的推测横摆角速度，得到横摆角速度偏移误差，横摆角速度偏移误差ωe表示为其中，表示由推测横摆角速度构成的矩阵，ω表示由车辆动态预测模型预测得到的预测横摆角速度ω构成的矩阵。
[0080]
其次，根据预测横摆角速度对应的第一方向盘转角，获取目标时间窗内与第一方向盘转角对应同一轨迹点的航向角、侧偏角和横向位置。需要说明的是，由于目标时间窗内包括多个轨迹点，且任一轨迹点对应具有第一方向盘转角、航向角、侧偏角和横向位置等，当根据第一方向盘转角得到对应预测横摆角速度时，可以根据预测横摆角速度对应的第一方向盘转角，确定对应的轨迹点，从而得到该轨迹点的航向角、侧偏角和横向位置。
[0081]
随后，根据横向偏移误差、航向角和侧偏角，得到航向角偏移误差。在本实施例中，航向角偏移误差，表示为：
[0082][0083]
其中，θe表示航向角偏移误差，c1表示预设一阶航向角误差矩阵，表示由推测横摆角速度构成的矩阵，ω表示由车辆动态预测模型预测得到的预测横摆角速度ω构成的矩阵，λ表示预设缩放矩阵；θe表示航向角，β表示侧偏角。需要说明的是，当曲率较大时，可以基于缩放矩阵实现缩放；当曲率较小时，缩放矩阵可以采用单位矩阵，具体采用何种缩放矩阵可根据实际情况确定，此处不做进一步地限定。
[0084]
随后，根据横摆角速度偏移误差、航向角偏移误差和横向位置，得到横向位置偏移误差。在本实施例中，横向位置偏移误差，表示为：
[0085][0086]
其中，ye表示横向位置偏移误差，v表示车辆纵向速度，c1表示预设一阶航向角误差矩阵，c2表示预设二阶航向角误差矩阵，θe表示航向角偏移误差，ωe表示横摆角速度偏移误差，ye表示横向误差，表示由推测横摆角速度构成的矩阵，ω表示由车辆动态预测模型预测得到的预测横摆角速度ω构成的矩阵，λ表示预设缩放矩阵，θe表示航向角误差，β表示侧偏角。
[0087]
最后，根据横摆角速度偏移误差、航向角偏移误差、横向位置偏移误差，并结合预先建立的成本函数，得到多个成本及各个成本对应的第二方向盘转角。
[0088]
在本实施例中，成本函数j，表示为：
[0089][0090]
其中，表示的人方向盘转角的二阶导，即第二方向盘转角对应的方向盘转角加速度，表示第二方向盘转角的一阶导，即第二方向盘转角速度，k
ω
、k
θ
、ky、ks、ka分别表示横摆角速度偏移误差、航向角偏移误差、横向位置偏移误差、方向盘转速和方向盘角加速度在成本函数中的权重，均为正数。
[0091]
需要说明的是，将根据上述方式确定的横摆角速度偏移误差、航向角偏移误差、横向位置偏移误差，代入成本函数j内，并通过调整上述k
ω
、k
θ
、ky、ks和ka等参数，得到对应成本。
[0092]
另外，基于最小成本和预设约束条件，选择对应的第二方向盘转角，得到预测方向盘转角，包括：基于目标行驶区域，确定横向位置误差约束和方向盘转速约束；根据横向位置误差约束和方向盘转速约束，选择对应第二方向盘转角；根据选择的第二方向盘转角的成本，选择对应最小成本的第二方向盘转角，作为预测方向盘转角。具体而言，在实际过程中，通过调整k
ω
、k
θ
、ky、ks和ka等参数，并在横向位置误差约束和方向盘转速约束的约束条件下，选择最小成本j对应的第二方向盘转角，作为预测方向盘转角。
[0093]
需要说明的是，横向位置误差约束表示为y
e,min
≤ye≤y
e,max
，即表示横向位置偏移误差位于预设横向目标行驶区域的左边界和右边界内，目标行驶区域的左边界和右边界内可根据实际道路情况和交通情况确定或先验经验确定，此处不作进一步限定。另外，方向盘转速约束表示即表示第二方向盘转角速度位于预设区间内，以便于以安全的速度实现车辆转向，预设区间可以根据实际行驶条件和实际道路情况或先验经验确定，此处不作进一步限定。
[0094]
应当注意，通过设置目标行驶区域，以将横向的可行驶区域作为模型预测控制算法的约束，从而确保在利用算法计算结果时，以不触碰安全边界作为优先保证，进而保证控制结果的安全性。另外，当横向位置误差约束和方向盘转速约束无法同时满足时，需要优先满足方向盘转速约束，以确保转速位于功能安全限制范围内，从而保证执行机构可以成功响应。
[0095]
需要说明的是，根据上述方式得到的预测方向盘转角控制车辆行驶，在横向控制方面，平均误差距离控制在5.5cm以内，能够确保较好控制精度，保证车辆行驶安全。
[0096]
综上所述，本发明实施例通过车辆动态预测模型基于输入的目标时间窗内的第一方向盘转角与单位脉冲响应进行卷积，得到预测横摆角速度，并基于预测横摆角速度和预先建立的成本函数，得到预测方向盘转角，从而提高预测方向盘转角的准确性，在确保精度的同时，减少对执行器的调整，从而提高执行器的耐久性，降低总拥有成本(tco)；另外，通过大量的运营数据，在算法上迭代最优约束条件，从而使得自动驾驶行为更为精准。
[0097]
下面对本发明提供的基于车辆动态预测模型的横向控制装置进行描述，下文描述的基于车辆动态预测模型的横向控制装置与上文描述的基于车辆动态预测模型的横向控
制方法可相互对应参照。
[0098]
图2示出了一种基于车辆动态预测模型的横向控制装置的结构示意图，该装置，包括：
[0099]
横摆角速度预测模块21，将预先获取的目标时间窗内的第一方向盘转角输入至车辆动态预测模型中，车辆动态预测模型基于输入的目标时间窗内的第一方向盘转角与单位脉冲响应进行卷积，得到预测横摆角速度；
[0100]
角度预测模块22，基于预测横摆角速度和预先建立的成本函数，得到预测方向盘转角，以根据预测方向盘转角控制车辆。
[0101]
在一个可选实施例中，该装置，还包括：数据获取模块，在将预先获取的目标时间窗内的第一方向盘转角输入至车辆动态预测模型中之前，获取目标时间窗内的第一方向盘转角。数据获取模块，包括：轨迹点获取单元，获取目标时间窗内的轨迹点；数据获取单元，根据每个轨迹点，获取各轨迹点对应的第一方向盘转角。
[0102]
在本实施例中，横摆角速度预测模块21，包括：数据输入单元，将预先获取的目标时间窗内的第一方向盘转角输入至车辆动态预测模型中；速度预测单元，通过车辆动态预测模型基于输入的目标时间窗内的第一方向盘转角与单位脉冲响应进行卷积，得到预测横摆角速度。
[0103]
在一个可选实施例中，数据获取模块，还包括：获取目标时间窗内的第一横摆角速度。相应地，该装置还包括：归一化处理模块，在数据获取模块获取目标时间窗内的第一方向盘角速度之后，对目标时间窗内的第一方向盘转角进行归一化处理；模型更新模块，在得到预测横摆角速度之后，根据预测横摆角速度、目标时间窗内的第一横摆角速度和归一化处理后的第一方向盘转角，更新车辆动态预测模型。
[0104]
具体而言，归一化处理模块，包括：扭矩获取单元，获取目标时间窗内的第一方向盘转角对应的扭矩；中位获取单元，根据目标时间窗内的第一方向盘转角、第一方向盘转角对应的扭矩和预先建立的第一脉冲响应模型，得到方向盘扭矩中位；归一化处理单元，根据方向盘扭矩中位和对应的第一方向盘转角，得到归一化处理后的第一方向盘转角。
[0105]
进一步地，归一化处理单元，包括：影响程度确定子单元，根据方向盘扭矩中位和对应的第一方向盘转角，并结合车重和预设死区灵敏度，得到死区对方向盘转角的影响程度；归一化处理子单元，根据预设死区宽度、第一方向盘转角和死区对方向盘转角的影响程度，得到经归一化处理后的第一方向盘转角。
[0106]
在一个可选实施例中，归一化处理模块，还包括：脉冲响应模型更新单元，用于更新第一脉冲响应模型。需要说明的是，脉冲响应模型更新单元可参考下文模型更新模块34，此处不做进一步描述。
[0107]
在一个可选实施例中，由于部分类型车辆，比如卡车，存在零偏和非线性的情况，因此，该装置，还包括：预处理模块，对目标时间窗内的第一方向盘转角和第一横摆角速度进行预处理。进一步地，预处理模块，包括：均值获取单元，根据目标时间窗内的第一方向盘转角和第一横摆角速度，得到对应方向盘转角平均值和横摆角速度平均值；预处理单元，根据方向盘转角平均值，分别减小目标时间窗内的每个第一方向盘转角，以及根据所述横摆角速度平均值，分别减小目标时间窗内的每个第一横摆角速度。
[0108]
应当注意，预处理模块对目标时间窗内的第一方向盘转角和第一横摆角速度进行
预处理可以在归一化处理模块对目标时间窗内的第一方向盘转角进行归一化处理之前或之后执行，此处不做进一步限定。
[0109]
另外，模型更新模块，包括：横摆角速度误差获取单元，根据预测横摆角速度和目标时间窗内的第一横摆角速度，得到横摆角速度误差；模型更新单元，根据归一化处理后的第一方向盘转角、第一预设值和横摆角速度误差，更新车辆动态预测模型；强度确定单元，确定更新后的车辆动态预测模型的响应强度，响应强度为更新后的车辆动态预测模型的所有权重值之和；模型确定单元，判断响应强度是否位于预设区间内，并根据判断结果确定车辆动态更新模型。
[0110]
更进一步地，模型确定单元，包括：判断子单元，判断响应强度是否位于预设区间内；第一模型确定子单元，基于响应强度位于预设区间内，确定当前更新后的车辆动态预测模型作为车辆动态更新模型；调整子单元，基于响应强度位于预设区间外，调整第一预设值；模型更新子单元，利用调整后的第一预设值，结合经归一化处理后的第一方向盘转角和横摆角速度误差，重新更新车辆动态预测模型；强度更新子单元，根据重新更新后的车辆动态预测模型，重新确定响应强度；第二模型确定子单元，重新判断上述重新确定的响应强度是否位于预设区间内，以根据判断结果重新确定车辆动态更新模型。
[0111]
调整子单元，包括：第一调整孙单元，基于响应强度大于预设区间的最大边界值，减小第一预设值；第二调整孙单元，基于响应强度小于预设区间的最小边界值，增大第一预设值。通过调整第一预设值的大小，使得更新后的车辆动态预测模型的响应强度位于预设区间内。
[0112]
角度预测模块22，包括：转角获取单元，根据预测横摆角速度，并结合预先建立的成本函数，得到多个成本及各个成本对应的第二方向盘转角；转角预测单元，基于最小成本和预设约束条件，选择对应的第二方向盘转角，作为预测方向盘转角。
[0113]
具体而言，转角获取单元，包括：第一误差获取子单元，根据预测横摆角速度和预先获取的推测横摆角速度，得到横摆角速度偏移误差；数据获取子单元，根据预测横摆角速度对应的第一方向盘转角，获取目标时间窗内与第一方向盘转角对应同一轨迹点的航向角、侧偏角和横向位置；第二误差获取子单元，根据横向偏移误差、航向角和侧偏角，得到航向角偏移误差；第三误差获取子单元，根据横摆角速度偏移误差、航向角偏移误差和横向位置，得到横向位置偏移误差；转角获取子单元，根据横摆角速度偏移误差、航向角偏移误差、横向位置偏移误差，并结合预先建立的成本函数，得到多个成本及各个成本对应的第二方向盘转角。
[0114]
在一个可选实施例中，角度预测模块22，还包括：横摆角速度推测单元，在根据预测横摆角速度和预先获取的推测横摆角速度，得到横摆角速度偏移误差之前，获取推测横摆角速度。具体地，横摆角速度推测单元，包括：轨迹点获取子单元，获取目标时间窗内的轨迹点；曲率获取子单元，根据轨迹点，得到对应每个轨迹点的曲率；横摆角速度推测子单元，基于各轨迹点的曲率和轨迹点对应的车速，得到推测横摆角速度。
[0115]
进一步地，曲率获取子单元，包括：求导孙单元，根据轨迹点，计算其对应的一阶导数和二阶导数；曲率获取孙单元，根据一阶导数和二阶导数，求得对应各轨迹点的曲率。
[0116]
另外，转角预测单元，包括：约束获取子单元，基于目标行驶区域，确定横向位置误差约束和方向盘转速约束；转角选择子单元，根据横向位置误差约束和方向盘转速约束，选
择对应第二方向盘转角；转角预测子单元根据选择的第二方向盘转角的成本，选择对应最小成本的第二方向盘转角，作为预测方向盘转角。
[0117]
综上所述，本发明实施例通过横摆角速度预测模块基于车辆动态预测模型基于输入的目标时间窗内的第一方向盘转角与单位脉冲响应进行卷积，得到预测横摆角速度，并通过角度预测模块基于预测横摆角速度和预先建立的成本函数，得到预测方向盘转角，从而提高预测方向盘转角的准确性，在确保精度的同时，减少对执行器的调整，从而提高执行器的耐久性，降低总拥有成本(tco)；另外，通过大量的运营数据，在算法上迭代最优约束条件，从而使得自动驾驶行为更为精准。
[0118]
图3示例了一种电子设备的实体结构示意图，如图3所示，该电子设备可以包括：处理器(processor)31、通信接口(communications interface)32、存储器(memory)33和通信总线34，其中，处理器31，通信接口32，存储器33通过通信总线34完成相互间的通信。处理器31可以调用存储器33中的逻辑指令，以执行基于车辆动态预测模型的横向控制方法，该方法包括：将预先获取的目标时间窗内的第一方向盘转角输入至车辆动态预测模型中，车辆动态预测模型基于输入的目标时间窗内的第一方向盘转角与车辆动态预测模型的单位脉冲响应进行卷积，得到预测横摆角速度；基于预测横摆角速度和预先建立的成本函数，得到预测方向盘转角，以根据预测方向盘转角控制车辆。
[0119]
此外，上述的存储器33中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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 access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0120]
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的基于车辆动态预测模型的横向控制方法，该方法包括：将预先获取的目标时间窗内的第一方向盘转角输入至车辆动态预测模型中，车辆动态预测模型基于输入的目标时间窗内的第一方向盘转角与车辆动态预测模型的单位脉冲响应进行卷积，得到预测横摆角速度；基于预测横摆角速度和预先建立的成本函数，得到预测方向盘转角，以根据预测方向盘转角控制车辆。
[0121]
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的基于车辆动态预测模型的横向控制方法，该方法包括：将预先获取的目标时间窗内的第一方向盘转角输入至车辆动态预测模型中，车辆动态预测模型基于输入的目标时间窗内的第一方向盘转角与车辆动态预测模型的单位脉冲响应进行卷积，得到预测横摆角速度；基于预测横摆角速度和预先建立的成本函数，得到预测方向盘转角，以根据预测方向盘转角控制车辆。
[0122]
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。
[0123]
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。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。
[0124]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，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。

技术特征：

1.一种基于车辆动态预测模型的横向控制方法，其特征在于，包括：将预先获取的目标时间窗内的第一方向盘转角输入至车辆动态预测模型中，所述车辆动态预测模型基于输入的目标时间窗内的第一方向盘转角与所述车辆动态预测模型的单位脉冲响应进行卷积，得到预测横摆角速度；基于所述预测横摆角速度和预先建立的成本函数，得到预测方向盘转角，以根据所述预测方向盘转角控制车辆。2.根据权利要求1所述的基于车辆动态预测模型的横向控制方法，其特征在于，所述基于所述预测横摆角速度和预先建立的成本函数，得到预测方向盘转角，包括：根据所述预测横摆角速度，并结合预先建立的成本函数，得到多个成本及各个成本对应的第二方向盘转角；基于最小成本和预设约束条件，选择对应的第二方向盘转角，作为预测方向盘转角。3.根据权利要求2所述的基于车辆动态预测模型的横向控制方法，其特征在于，所述根据所述预测横摆角速度，并结合预先建立的成本函数，得到多个成本及各个成本对应的第二方向盘转角，包括：根据所述预测横摆角速度和预先获取的推测横摆角速度，得到横摆角速度偏移误差；根据所述预测横摆角速度对应的第一方向盘转角，获取目标时间窗内与所述第一方向盘转角对应同一轨迹点的航向角、侧偏角和横向位置；根据所述横向偏移误差、所述航向角和所述侧偏角，得到航向角偏移误差；根据所述横摆角速度偏移误差、所述航向角偏移误差和所述横向位置，得到横向位置偏移误差；根据所述横摆角速度偏移误差、所述航向角偏移误差、所述横向位置偏移误差，并结合预先建立的成本函数，得到多个成本及各个成本对应的第二方向盘转角。4.根据权利要求3所述的基于车辆动态预测模型的横向控制方法，其特征在于，在所述根据所述预测横摆角速度和预先获取的推测横摆角速度，得到横摆角速度偏移误差之前，包括：获取目标时间窗内的轨迹点；根据所述轨迹点，得到对应每个轨迹点的曲率；基于各所述轨迹点的曲率和所述轨迹点对应的车速，得到推测横摆角速度。5.根据权利要求2所述的基于车辆动态预测模型的横向控制方法，其特征在于，所述基于最小成本和预设约束条件，选择对应的第二方向盘转角，得到预测方向盘转角，包括：基于所述目标行驶区域，确定横向位置误差约束和方向盘转速约束；根据所述横向位置误差约束和所述方向盘转速约束，选择对应第二方向盘转角；根据选择的第二方向盘转角的成本，选择对应最小成本的第二方向盘转角，作为预测方向盘转角。6.根据权利要求1所述的基于车辆动态预测模型的横向控制方法，其特征在于，在将预先获取的目标时间窗内的第一方向盘转角输入至车辆动态预测模型中之前，包括：获取所述目标时间窗内的第一方向盘转角和第一横摆角速度；对所述目标时间窗内的第一方向盘转角进行归一化处理；在所述得到预测横摆角速度之后，包括：
根据所述预测横摆角速度、所述目标时间窗内的第一横摆角速度和归一化处理后的第一方向盘转角，更新所述车辆动态预测模型。7.根据权利要求5所述的基于车辆动态预测模型的横向控制方法，其特征在于，在获取所述目标时间窗内的第一方向盘转角和第一横摆角速度之后，还包括：根据所述目标时间窗内的第一方向盘转角和第一横摆角速度，得到对应方向盘转角平均值和横摆角速度平均值；根据所述方向盘转角平均值，分别减小所述目标时间窗内的每个第一方向盘转角；根据所述横摆角速度平均值，分别减小所述目标时间窗内的每个第一横摆角速度。8.一种基于车辆动态预测模型的横向控制装置，其特征在于，包括：横摆角速度预测模块，将预先获取的目标时间窗内的第一方向盘转角输入至车辆动态预测模型中，所述车辆动态预测模型基于输入的目标时间窗内的第一方向盘转角与所述车辆动态预测模型的单位脉冲响应进行卷积，得到预测横摆角速度；角度预测模块，基于所述预测横摆角速度和预先建立的成本函数，得到预测方向盘转角，以根据所述预测方向盘转角控制车辆。9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述基于车辆动态预测模型的横向控制方法的步骤。10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述基于车辆动态预测模型的横向控制方法的步骤。

技术总结

本发明提供一种基于车辆动态预测模型的横向控制方法及装置，方法包括：将预先获取的目标时间窗内的第一方向盘转角输入至车辆动态预测模型中，车辆动态预测模型基于输入的目标时间窗内的第一方向盘转角与车辆动态预测模型的单位脉冲响应进行卷积，得到预测横摆角速度；基于预测横摆角速度和预先建立的成本函数，得到预测方向盘转角。本发明提高了预测方向盘转角的准确性，在确保精度的同时，减少对执行器的调整，从而提高执行器的耐久性，降低总拥有成本(TCO)；另外，通过大量的运营数据，在算法上迭代最优约束条件，从而使得自动驾驶行为更为精准。行为更为精准。行为更为精准。