详情

原文传递车辆行驶平稳性控制方法、装置、设备和存储介质

专利名称：	车辆行驶平稳性控制方法、装置、设备和存储介质
摘要：	本申请公开了一种车辆行驶平稳性控制方法、装置、设备和存储介质，涉及自动驾驶领域领域。具体实现方案为：获取所述车辆在行驶过程中的前方路况预测信息和当前行驶路况信息；根据所述前方路况预测信息和当前行驶路况信息，确定对所述车辆的悬挂系统进行调整的策略信息；根据所述策略信息，对所述车辆的悬挂系统进行调整。本申请实施例能够及时做出对车辆的悬挂系统进行调整的策略信息，以使车辆的悬挂系统及时调整到适应前方路况的状态，使车辆平稳行驶，提高乘坐舒适度。
专利类型：	发明专利
国家地区组织代码：	北京;11
申请人：	北京百度网讯科技有限公司
发明人：	王智;谭日成
专利状态：	有效
申请日期：	2020-03-13T00:00:00+0800
发布日期：	2022-03-08T00:00:00+0800
申请号：	CN202111589268.X
公开号：	CN114148137A
代理机构：	北京同立钧成知识产权代理有限公司
代理人：	朱颖;刘芳
分类号：	B60G17/015;B;B60;B60G;B60G17;B60G17/015
申请人地址：	100085 北京市海淀区上地十街10号百度大厦2层
主权项：	1.一种车辆行驶平稳性控制方法，其特征在于，包括：获取所述车辆在行驶过程中的前方路况预测信息和当前行驶路况信息；根据所述前方路况预测信息和当前行驶路况信息，确定对所述车辆的悬挂系统进行调整的策略信息；根据所述策略信息，对所述车辆的悬挂系统进行调整；所述方法还包括：获取所述车辆的风阻信息；将所述前方路况预测信息、当前行驶路况信息和风阻信息输入预先训练得到的策略确定模型，得到对所述车辆的悬挂系统进行调整的策略信息；所述策略确定模型是采用如下过程对神经网络的训练得到：获取训练样本数据以及所述训练样本数据对应的调整策略标注信息，所述训练样本数据包括前方路况样本数据、当前行驶路况样本数据、速度样本数据和车辆形状结构信息；将所述训练样本数据作为神经网络的输入，将所述调整策略标注信息作为所述神经网络的输出，对所述神经网络进行迭代训练，得到所述策略确定模型。 2.根据权利要求1所述的方法，其特征在于，所述获取所述车辆在行驶过程中的前方路况预测信息，包括：获取所述车辆上的图像采集设备采集的所述车辆周围环境的环境图像；将所述环境图像输入预先训练得到的路况预测模型，得到所述车辆在行驶过程中的前方路况预测信息。 3.根据权利要求2所述的方法，其特征在于，所述路况预测模型是采用如下过程对神经网络的训练得到的：获取车辆行驶过程中周围环境的环境样本图像以及所述环境样本图像对应的路况预测标注信息；将所述环境样本图像作为神经网络的输入，将所述路况预测标注信息作为所述神经网络的输出，对所述神经网络进行迭代训练，得到所述路况预测模型。 4.根据权利要求1-3任一项所述的方法，其特征在于，所述获取所述车辆的当前行驶路况信息，包括：获取所述车辆上的惯性测量单元采集的所述车辆的姿态信息；根据所述车辆的姿态信息，确定所述车辆的当前行驶路况信息。 5.根据权利要求4所述的方法，其特征在于，所述根据所述车辆的姿态信息，确定所述车辆的当前行驶路况信息，包括：根据预设时间段内所述车辆的姿态信息，确定所述姿态信息的变化量；在所述姿态信息的变化量大于预设变化量的情况下，确定当前行驶路况信息为不平稳路段；在所述姿态信息的变化量小于或等于预设变化量的情况下，确定当前行驶路况信息为平稳路段。 6.根据权利要求4所述的方法，其特征在于，所述根据所述车辆的姿态信息，确定所述车辆的当前行驶路况信息，包括：将所述车辆的姿态信息输入预先训练得到的路况检测模型，得到所述车辆的当前行驶路况信息。 7.根据权利要求6所述的方法，其特征在于，所述路况检测模型是采用如下过程对神经网络的训练得到的：获取所述车辆行驶过程中的姿态样本数据以及所述姿态样本数据对应的当前行驶路况标注信息；将所述姿态样本数据作为神经网络的输入，将所述当前行驶路况标注信息作为所述神经网络的输出，对所述神经网络进行迭代训练，得到所述路况检测模型。 8.根据权利要求1-7任一项所述的方法，其特征在于，所述根据所述前方路况预测信息和当前行驶路况信息，确定对所述车辆的悬挂系统进行调整的策略信息，包括：将所述车辆在行驶过程中的前方路况预测信息和当前行驶路况信息输入预先训练得到的策略确定模型，得到对所述车辆的悬挂系统进行调整的策略信息。 9.根据权利要求8所述的方法，其特征在于，所述策略确定模型是采用如下过程对神经网络的训练得到：获取训练样本数据以及所述训练样本数据对应的调整策略标注信息，所述训练样本数据包括前方路况样本数据和当前行驶路况样本数据；将所述训练样本数据作为神经网络的输入，将所述调整策略标注信息作为所述神经网络的输出，对所述神经网络进行迭代训练，得到所述策略确定模型。 10.根据权利要求1-9任一项所述的方法，其特征在于，所述根据所述前方路况预测信息和当前行驶路况信息，确定对所述车辆的悬挂系统进行调整的策略信息，包括：若所述前方路况预测信息指示路面湿滑且所述当前行驶路况信息指示为平稳路段，则确定调低所述车辆的悬挂系统的悬挂高度。 11.根据权利要求1-9任一项所述的方法，其特征在于，所述根据所述前方路况预测信息和当前行驶路况信息，确定对所述车辆的悬挂系统进行调整的策略信息，包括：若所述前方路况预测信息指示路段颠簸且所述当前行驶路况信息指示当前路段的颠簸程度越来越大，则确定调低所述悬挂系统的阻尼系数并调高所述车辆的悬挂系统的悬挂高度。 12.根据权利要求1所述的方法，其特征在于，所述获取所述车辆的风阻信息，包括：获取所述车辆的速度信息和形状结构信息；将所述车辆的速度信息和形状结构信息输入预设的风阻模型，得到所述车辆的风阻信息。 13.根据权利要求1-12任一项所述的方法，其特征在于，所述根据所述前方路况预测信息、当前行驶路况信息和风阻信息，确定对所述车辆的悬挂系统进行调整的策略信息，包括：若所述前方路况预测信息指示路段平稳、当前行驶路况信息指示路段平稳并且风阻信息指示风阻持续增大，则确定调高所述车辆的悬挂系统的阻尼系数和调低悬挂高度。 14.一种车辆行驶平稳性控制装置，其特征在于，包括：获取模块，用于获取所述车辆在行驶过程中的前方路况预测信息和当前行驶路况信息；策略确定模块，根据所述前方路况预测信息和当前行驶路况信息，确定所述车辆的悬挂系统进行调整的策略信息；调整模块，用于根据所述策略信息，对所述车辆的悬挂系统进行调整；所述策略确定模块还用于：获取所述车辆的风阻信息；将所述前方路况预测信息、当前行驶路况信息和风阻信息输入预先训练得到的策略确定模型，得到对所述车辆的悬挂系统进行调整的策略信息；所述策略确定模型是采用如下过程对神经网络的训练得到：获取训练样本数据以及所述训练样本数据对应的调整策略标注信息，所述训练样本数据包括前方路况样本数据、当前行驶路况样本数据、速度样本数据和车辆形状结构信息；将所述训练样本数据作为神经网络的输入，将所述调整策略标注信息作为所述神经网络的输出，对所述神经网络进行迭代训练，得到所述策略确定模型。 15.一种车辆行驶平稳性控制设备，其特征在于，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-13中任一项所述的方法。 16.一种车辆，其特征在于，包括如权利要求15所述的车辆行驶平稳性控制设备。 17.根据权利要求16所述的车辆，其特征在于，所述车辆还包括：图像采集单元，用于在车辆行驶过程中采集车辆周围环境的环境图像；惯性测量单元，用于在车辆行驶过程中采集所述车辆的姿态信息。 18.根据权利要求17所述的车辆，其特征在于，所述车辆还包括：速度传感器，用于在车辆行驶过程中采集所述车辆的速度信息。 19.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-13中任一项所述的方法。
所属类别：	发明专利