用于增强机动性的预测性车辆系统性能选择的方法和系统

摘要

本发明公开了一种预测性增强机动性的系统，其针对预测的潜在安全碰撞提供了对底盘和转向模式的车辆性能选择的增强的及时传递。本发明的主输入包括对在前车辆接近度的判定、周围交通的密度、前方的碰撞警示性警报、以及用于车辆模式选择的预测性增强机动性的决策子系统。本发明的系统提供了客制化的车辆动力学底盘和转向动态模式输出，其基于对于车辆碰撞可能性的预测性决策，用来改善驾驶员的操控性和安全性。另外，本发明提供了改进的系统和方法，其整合了与时间相关的车间时距、前方碰撞警示性警报、以及交通密度，以用于嵌入底盘碰撞模式的决策制定。该预测性增强机动性的决策模块允许车辆动力学模式选择基于与潜在碰撞的接近度被定制。

说明书

技术领域

本发明总体上涉及用于机动车辆的自适应系统。尤其是，本公开的发 明涉及一种预测性增强机动性的装置，其针对预测的潜在安全碰撞提供底 盘和转向模式之间的车辆性能选择的及时传递。

背景技术

能够基于驾驶员、车辆和环境状况传递自动车辆模式调整的自动技术 是正在发展的技术领域。自适应技术的变化是已知的，在一些已知的例子 中，该自动的车辆模式展示了自适应车辆动力学和动力传动系统的模式选 择以增强整体的驾驶体验，该模式选择来自于，举例来说，运动、标准以 及舒适。

然而，自适应技术的发展仍然处于早期阶段并且存在着其他加强已知 的自适应车辆系统的机会。这些进步可以通过利用预测传感和车辆上的信 息能力来完成，以覆盖用于改进驾驶员便利和安全性的更多情况。

挑战在于开发出能够实时预测状况以增强用于车辆的自动模式选择 的附加方法。举例来说，具有如下方法是有益的，即，对于预测的潜在碰 撞能够智能地选择用于增强机动性的底盘转向和悬架组合。

创新性的车辆技术提供了用于使增强自适应车辆系统满足定制的车 辆性能与客制化服务的需求的显著机会。

发明内容

本发明通过提供一种预测性增强机动性的系统的形式的改进的方法 和系统克服了现有技术中的多个问题，该预测性增强机动性的系统包括增 强已知的自适应车辆系统的专用模块。按照本发明的预测性增强机动性的 系统针对预测的潜在安全碰撞提供了底盘和转向模式的车辆性能选择的 增强的及时传递。

本发明的主输入包括对在前车辆的接近度的判定、周围交通的密度、 前方的碰撞警告性警报、以及用于车辆模式选择的预测性增强机动性的决 策子系统。

本发明的预测性增强机动性的系统提供了多个相比现有技术的明显 优势。特别地，基于对车辆碰撞可能性的预测决策，本发明的系统提供了 客制化的车辆动力学底盘和转向动态模式输出，以实现改进的驾驶机动性 和安全性。

另外，本公开的发明提供了一种改进的系统和方法，其结合了与时间 相关的车间时距（headway）、前方碰撞警告性警报、以及交通密度，以用 于嵌入底盘碰撞模式的决策制定。该预测性增强机动性的决策模块允许车 辆动力学模式选择基于潜在碰撞的接近度被定制。

当本发明的系统运行时，自纵向位置的预测性高度风险情况被给予针 对驾驶安全的优先级。另外，自环境传感器计算的周围的交通密度被用于 交通密度输入，该环境传感器包括盲点信息系统。另外，该与时间相关的 车间时距和前方碰撞警示性警报决策等级的组合提供附加的可靠性，以当 需要增强的车辆机动性时确保可靠的模式转换。

上述优点和其他优点与特性通过结合附图对以下优选实施例的详细 描述是显而易见的。

附图说明

为了更完整的理解本发明，应参考将在附图中示出的更详细的实施例 和通过本发明的实施例的方式描述如下：

图1示出了本发明的预测性增强机动性系统的框图；

图2示出了车辆可能遇到的潜在碰撞情况，其中驾驶员需要操控远离 （maneuver from）前方车辆；

图3示出了在车辆可能遇到的交通情况下的潜在碰撞情况，其中驾驶 员需要操控远离前方车辆；

图4为描述标准化的悬架模式输出的预测性增强机动性的决策制定曲 面图；并且

图5为描述标准化的转向模式输出的决策制定曲面图。

具体实施方式

在以下数字中，相同的附图标记将被用于指代相同部件。在以下说明 中，针对不同构造的实施例描述了不同的运行参数和部件。这些具体参数 和部件被包括作为实例而非限制。

总体上，该公开的发明提供了不同车辆、驾驶员和环境情况下的定制 的自适应车辆系统。本发明的预测性增强机动性（PEM）的系统智能地选 择底盘转向和悬架的组合，以用于针对预测的潜在碰撞的增强的机动性。

参考图1，其示出了预测性增强机动性的决策制定系统的框图，该系 统总体上由10来表示。预测性增强机动性的决策制定系统10接收多个输 入，其包括与时间相关的车间时距（TDH）输入12，交通密度（TRD）输入 14，以及前方碰撞的警告性警报（FCWA）输入16。与时间相关的车间时距 输入12、交通密度输入14、以及前方碰撞警告性警报输入16代表了车辆 环境状况特征。

预测性增强机动性的决策制定模块18从与时间相关的车间时距输入 12、交通密度输入14、以及前方碰撞警告性警报输入16接收信息并决定 底盘悬架和转向模式20。预测性增强机动性的决策制定模块18也从车辆 系统22接收状态信息。用于预测性增强机动性的决策模块18的可靠输入 对于确保正确模式选择决策是有重大意义的。

预测性增强机动性的模式选择仅在需要关键性对抗操控来避免潜在 碰撞的状况下被执行。预测性增强机动性的决策制定模块可以使用基于规 则的计算方法来确定对于潜在碰撞的定制模式选择。如图1所示，预测性 增强机动性的基于规则的子系统10包括用于决定被推荐的底盘和转向模 式20的知识库（knowledge base）和事实。

例如，每个预测性增强机动性的规则指定了输出底盘模式的建议，并 具有IF（如果）（状况）、THEN（则）（动作）结构。当规则的状况部分被 满足时，动作部分被执行。每个规则可以指定输出底盘模式（原始、标准、 运动）的建议。原始意味着模式未被改变并保持上一模式。

依据预测性增强机动性被实施的一般性规则为下列形式

{如果TDH为x_i以及TDR为y_i并且FCWA为z_i

                 则底盘模式为mi}  (1)

{如果TDH为x_i以及TDR为y_i并且FCWA为z_i

                则悬架模式为s_i}  (2)

TDH由当前和平均的与时间相关的车间时距的递归计算可得。

${\mathrm{TDH}}_{\mathrm{curr}}=\frac{(r_p\left(k\right)-r_f\left(k\right))}{v_f\left(k\right)}---\left(3\right)$

其中r_p(k)为在前车辆在任何时间点k的位置，rf(k)为后方车辆的位 置并且vf(k)为后方车辆的速度。平均的与时间相关的车间时距TDH_m(k) 可以由下得出

TDH_M(k)=TDH_M(k-1)+α(TDH_curr-TDH_M(k-1))   (4)

选择Alpha（α）以获取与前方碰撞警告性警报响应相比较更长期的 车间时距信息。前方碰撞警告性警报由相关车辆上的前方碰撞警告性警报 系统来得到。该前方碰撞警告性警报可以由以下得到

$\mathrm{FCWA}=\left(\begin{array}{cc}1·z^{-D}& \mathrm{ifFCW><mo>=</mo><mn>1</mn>}\\ 0& \mathrm{otherwise}\end{array}\right)---\left(5\right)$

D为当FCW警报产生时样本延迟的数量。

当FCW警报被产生时，将结合入延迟传递路径（delay pipeline）， 以在万一发生重复警报时，避免极限循环，并保持用于有效决策制定的信 号。通过结合TDH和FCWA到决策制定中，获得了针对预测性增强的机动 性的预测性紧密跟随的增加的保障。该预测性增强机动性的决策制定系统 接着避免对伪的前方碰撞警告性警报的反应。

由TRD提供的交通状况基于连续不断获取的信息，其来自于，举例来 说，盲点决策系统或侧面检测系统，下列假设被作出：

(i)环绕所操作车辆的交通密度与经过主车辆的车辆是高度相关 的；

(ii)交通密度通过对指示进入或退出盲点的车辆的输入信号的信号 处理和实时计算被估算与定量。

用于车辆左侧和右侧的实时指数信号生成函数（exponential signal  generation function）通过下列等式给出：

R_TDE_new=ff·R_TDE_old+(1-ff)·y_r  (6)

L_TDE_new=ff·L_TDE_old+(1-ff)·y_l  (7)

其中R_TDE_new和L_TDE_new分别为车辆右侧和车辆左侧的交通密度估 算，其值在0和1之间。R_TDE_old和L_TDE_old分别为R_TDE_new和L_TDE_new的先前一个样本估算。当前的右和左盲点信息系统（BLIS）警报输入信号 分别通过y_r和y_l给出，并且ff为指数遗忘因子（exponential forgetting  factor）。R_TDE_new和L_TDE_new的值接近1，表示交通密度高。

本发明的预测性增强机动性的决策制定系统10在许多不同碰撞情况 下的车辆操作中可以起作用。在图2中示出了一个这样的状况，其中潜在 的碰撞情况在道路30上被描述，其中所示的车辆32涉及在前的车辆34 和相邻车辆36。

主车辆32包括近程传感器38和远程传感器40。近程传感器38具有 近程视野42同时远程传感器40具有远程视野44。主车辆32也包括第一 侧面传感器46和第二侧面传感器48。该第一侧面传感器46具有近程视野 50并且第二侧面传感器48具有近程视野52。在近程传感器38的运行中， 每当主车辆32在运行中，远程传感器40、第一侧面传感器46和第二侧面 传感器48是激活的。

在图2所示的情况中，主车辆32的驾驶员需要操控远离前方的在前 车辆34。在前车辆32的接近度在远程视野44中由远程传感器40感知。

随着本发明的预测性增强机动性的决策制定系统10识别潜在碰撞情 况，如果在前的碰撞警告性警报是开启的并且与时间相关的车间时距 （TDH）和交通密度（TDR）均如图2所示的那样低，那么底盘和转向都被 指定为运动模式。

图3所示为本发明的预测性增强机动性的决策制定系统10在车辆运 行中起作用的另一情况。在本图中，道路53上的潜在碰撞情况被描述， 其中关于近处的在前车辆54和远处的在前车辆56来示出主车辆32。另外， 邻近车辆58、60以及62示出为处在道路53上。如关于图2以上所讨论 的，每当主车辆32在运行中，近程传感器38、远程传感器40、第一侧面 传感器46以及第二侧面传感器48都是激活的。

图3所示的主车辆52的驾驶员需要操控远离前方的在前车辆54和 56，并特别考虑邻近车辆58。在这样潜在碰撞情况中，近处的在前车辆 54的相对接近通过近程传感器38被感知，同时邻近车辆58的接近通过第 一侧传感器46被感知。所有信息通过本发明的预测性增强机动性的决策 制定系统10被整合。如图3所示，如果前方碰撞警告性警报是开启并且 与时间相关的车间时距（TDH）是低的而且交通密度（TDR）是高的，那么 底盘处于运动模式同时转向被指定为标准模式。

图4示出了针对悬架模式输出的预测性增强机动性的决策制定曲面 图，其基于与时间相关的车间时距（TDH）、交通密度（TRD），以及固定的 高前方碰撞警示性警报（FCWA）（1.0）。与时间相关的车间时距接近0.0 代表预测的主车辆与时间相关的车间时距相对接近在前车辆的状况，同时 接近1的值代表车辆进一步远离在前车辆。交通密度值接近1代表预计的 更高交通密度。

相应地，当与时间相关的车间时距低，并且对于预测潜在碰撞情况的 交通密度高时，运动模式（输出>0.7）被选中用于悬架模式。

图5示出了针对转向模式输出的预测性增强机动性的决策制定曲面 图，其基于与时间相关的车间时距（TDH）、交通密度（TRD）以及固定的 高的前方碰撞警示性警报（FCWA）（1.0）。当交通密度低并且与时间相关 的车间时距低时，运动转向模式（转向模式值>0.7）被选中用于预测的 潜在碰撞。如果主车辆进一步远离在前车辆，则该转向模式留在原始模式 或标准模式中。

如上文所述的本发明的预测性增强机动性的系统提供了智能系统和 手段，其利用预测的环境情况输入来选择用于增强的机动性的底盘转向和 悬架组合。

上述讨论公开并描述了本发明的示例性实施例。本技术领域内的技术 人员由此讨论和附图以及权利要求可以认识到，各种的改变、修改和变化 在不脱离如权利要求所限定的本发明的真正精神和合理范围的情况下被 做出。