A Method of Velocity Control for Automated Vehicles Based on Driving Comfort 【技术领域】

本发明属于自动驾驶技术和车速自动控制技术 领域，涉及保证由行驶振动影响的乘客 舒适度的车速控制方法。

【背景技术】

21 世纪,随着高速公路和汽车产业的不断扩大， 汽车成为人们出行的必备交通工具之 一， 为人类的日常生产生活带来极大的方便。 但是,汽车过度使用的同时也带来了环境污 染、 交通堵塞、 交通事故等问题。 为了缓解汽车过度使用问题， 将人从交通系统中脱离出 来，自动驾驶汽车渐渐成为未来汽车发展的重 要方向。自动驾驶汽车是一种将探测、识别、 判断、 决策、 优化、 优选、 执行、 反馈和纠控等功能融为一体， 会学习、 会总结、 会提高 技能， 集微电脑、 微电机、 绿色环保动力系统、 新型结构材料等顶尖科技成果为一体的智 慧型汽车。 它从根本上改变了传统的 "人 _车_路" 闭环控制方式， 将不可控的驾驶员从 该闭环系统中请出去， 从而提高了交通系统的效率和安全性。 自动驾驶汽车尤其适合从事 旅游、 应急救援、 长途高速客货运输、 军事用途， 以发挥可靠、 安全、 便利及高效的性能 优势， 减少事故， 弥补有人驾驶汽车的不足 。 自动驾驶汽车在交通领域的应用， 从根本 上改变了传统汽车的控制方式， 可大大提高交通系统的效率和安全性。 然而传统的自动驾驶策略大都利用多传感器实 现车辆避撞和车道保持，却忽视了驾驶 过程中路面不平整等道路工况对于乘客的舒适 度影响。传统的驾驶速度调节方式可以有效 保证行车安全和驾驶效率， 但在颠簸路面行驶时， 缺乏对驾驶员与乘客的舒适度考虑。 据 The Motley Fool报道， 谷歌进军无人驾驶汽车领域的主要阻碍之一是 糟糕路况下 （如坑洼 路面） 难以保证行车的舒适度。 我们都知道谷歌无人驾驶汽车在道路行驶前， 都在特定的 路线上进行了复杂的准备， 如对车道也进行了广泛仔细的地图测绘。 从装有各种传感器的 汽车里收集的大量数据要经过计算机和人工的 "米" 级的细化确认。 但是， 这些 "米" 级 的精确也无法预测前方路段平整与否以及釆取 合适的方法驶过坑洼路段。 美国目前 65 岁 或以上的人口已经超过 4300多万，这个数字还在以每天 1万的幅度增加。加上美国有 79% 的老年人居住在郊区和农村， 购物、 看病、 探亲访友等出行需求离不开汽车。 谷歌公司把 目光瞄准了老年客户， 无人驾驶汽车在技术成熟后， 在人口老龄化社会中舒适度的要求将 凸显重要。 在如下场景中： 自动驾驶车辆在一路面质量较差的公路上行驶 ， 周围无其他社会车辆 及障碍物遮挡。 由于无安全隐患， 自动驾驶车辆则会依照最高的限速进行行驶， 而这势必 会造成糟糕的行驶舒适体验。 因此， 本发明提出基于舒适度的自动驾驶车速控制策 略。 这 种驾驶策略是以安全驾驶策略为基础， 保证安全车速的同时， 考虑车-路作用的影响， 进 而提出更符合驾驶规律的速度控制策略。 另一方面， 当路面具有明显错台， 如桥头跳车或减速带等， 这类障碍虽然可以被车辆 自动识别， 但由于设备检测距离有限， 车辆往往缺乏足够的减速距离， 从而产生急减速或 急刹车等情况， 严重影响乘客体验。 在自动驾驶的环境下， 车辆可以与道路设施或其他车 辆进行交互， 这样就可以 "提前" 感知路面的异常问题， 从而选择合适的控制策略保证车 辆安全平稳的通过。

在行车舒适性的研究方面， 主要是由汽车厂商进行主动的调整控制， 通过检测车辆的 振动情况， 调整座椅的角度和方向为乘客缓解颠簸的冲击 ， 但这种细微的调整只能在一定 范围内缓解不舒适， 当振动比较明显的时候， 仍然需要司机主动降速 /自动车辆主动减速 来保证驾驶体验。行车舒适性评价方法大致可 分为主观评价法和客观评价法。 主观评价法 依靠评价人员乘坐的主观感觉进行评价， 其主要考虑人的因素。 客观评价法是借助于仪器 设备来完成随机振动数据的釆集、 记录和处理， 通过得到相关的分析值与对应的限制指标 相比较， 作出客观评价。 近年来， 综合运用主、 客观评价方法进行平顺性评价的研究取得 了很大进展， 成为当前研究的一个重点。 路面的平整度是路面的中微观特征， 与较大的障碍物不同， 不易被图像分析技术或雷 达技术识别。 因此需通过车路的交互对车辆驾驶速度进行调 整， 进而保证行车舒适性。 路 面平整度指的是路表面纵向的凹凸量的偏差值 。路面平整度是评定路面质量的一个重要技 术指标， 主要反映的是路面纵断面剖面曲线的平整性， 它关系到行车的安全、 舒适以及路 面所受冲击力的大小。 不平整的路表面会增大行车阻力， 并使车辆产生附加的振动作用。 这种振动作用会造成行车颠簸， 影响行车的速度和安全， 影响驾驶的平稳和乘客的舒适。 当路面纵断面剖面曲线相对平滑时， 则表示路面相对平整， 或平整度相对好， 反之则表示 平整度相对差。 用于车速控制的现代控制策略主要包括自适应 控制、 变结构控制、 鲁棒控制和预测控 制。 自适应控制是在系统运行中， 依靠不断釆集控制过程信息， 确定被控对象的当前实际 工作状态， 优化性能准则， 产生自适应控制规律， 从而实时的调整控制器结构或参数， 使 系统始终自动的工作在最优或次优的运行状态 下。 目前经常使用的自适应策略有模型参考 自适应控制、 参数辨识自校正控制和非线性自适应控制， 这些方法可以保证车辆应对复杂 的交通环境， 自动调整车辆状态以保证安全。 变结构控制是当系统状态穿越状态空间不同 连续曲面时， 反馈控制器的结构将按照一定规律发生变化， 使得控制系统对被控对象的内 在参数变化和外部环境扰动等因素具有一定适 应能力，从而保证系统性能达到期望的标准。 鲁棒控制是一种在解决确定性对象控制问题时 ，在控制性能和鲁棒性之间进行的谨慎而合 理的折衷控制方法。鲁棒控制器应使得当一定 范围的参数不确定及一定限度的未建模动态 存在时， 系统仍能够保持稳定， 并保证一定的动态性能品质。 预测控制是其不需要被控对 象的精确数学模型， 利用数字计算机的计算能力实行在线的滚动优 化计算， 从而取得良好 的综合控制效果。

这四种控制模式在自动驾驶方面的应用广泛， 同时也是生成速度曲线的主要依据。 本 专利在现有控制的基础上， 加入舒适度控制模型， 结合外部环境信息输入， 在既定速度控 制策略的基础上进行改善， 保证其变化特征符合舒适性要求。 因当车辆以自动模式行驶时， 表示不需要驾驶者执行操作， 车辆通常取决于作为输入 的多个数据源以执行自动驾驶， 例如周围车辆的检测、 行车车道、 障碍物、 来自导航系统 的数据等等， 这些参数来源于不同的设施环境， 一类是车载设备， 如 GPS 设备、 雷达、 传感器、 红外装置等， 另一类来源于车体数据库， 如道路地图数据， 信号机周期数据等。 对于后者来说， 数据库的更新成为了重要的研究问题之一， 只有实时的根据外部环境更新 数据库中的交通信息， 才能保证车辆在既定的轨迹中稳定运营。 目前， 车辆信息数据库的更新主要依靠于车路通讯技 术， 车辆既是道路环境釆集的发 送端， 又是交通信息的接收端。 例如当前车在行驶过程中发现一交通事故， 就可以将这个 信息传送至路侧设备中， 路侧设备再将这个信息传送给下一辆车体中， 这样就可以提高后 续车辆的运行效率， 避免交通事故。

先进的地理信息系统 (GIS)为自动驾驶技术提供了良好的数据平台， 交通管理部门可 以通过 GPS标签等， 将实测的路面损坏， 道路状况， 异常交通信息等赋予 GIS 图层。 地 理信息系统 （GIS) 是一种基于计算机的工具， 它可以对空间信息进行分析和处理。 GIS 技术把地图这种独特的视觉化效果和地理分析 功能与一般的数据库操作（例如查询和统计 分析等） 集成在一起。 随着 GIS技术的不断发展， 它可以将釆集到的道路信息与空间地图 相结合， 从而将道路状况， 异端问题釆集至地理信息系统中， 通过车路通讯技术， 将这些 信息传送到自动驾驶车辆中， 进而指导车辆行驶， 这种方法可以解决车辆检测系统距离有 限等问题， 为自动车辆提供更超前的数据进行下一段行驶 过程的速度决策。 它是在计算机 硬、 软件系统支持下， 对整个或部分地球表层 (包括大气层)空间中的有关地理分布数据进 行釆集、 存储、 管理、 运算、 分析、 显示和描述的技术系统。 GIS通常和 GPS结合使用。 对于大范围的、 露天的巡更巡检， 巡更人员手持 GPS巡检器， 实时接收 GPS卫星定位消 息 (时间、 经纬度)， 并按预先设定的时间间隔自动发送或者在特定 地点手动发送定位信息 到无线通讯前置机。 无线通讯前置机在收到定位信息后将数据传输 到管理系统平台， 系统 软件釆用 GIS 电子地图技术， 动态显示和回放巡检轨迹， 交由 GIS分析可得该巡逻点的 详细信息。 现有技术 1

一件美国专利 WO2016126317(1 ) ,展示了 自动驾驶车辆在多种状况下的车辆控制行为， 包括车辆的制动、 转向和动力等。 其中分析了车辆行驶过程尤其是在城市道路行 驶中所能遇见的多种状况，包括限速标 志、 道路维修、 交叉口信号灯等道路工况； 道路含有急救车辆、 维修车辆等车辆； 以及超 车等驾驶行为。 然而其没有给出具体可行速度控制策略即如何 加减速， 匀速时怎么确定速度， 以及没 有考虑保证乘客舒适度的问题。

现有技术 2 专利文件 CN104391504A从驾驶员行为习惯分析的角度出发， 结合车辆所在区域的区 域驾驶习惯模型和路况模型生成当前车辆的自 动驾驶控制策略，从而使自动驾驶控制策略 与车辆及其驾驶环境相适应， 提高自动驾驶的舒适性。 其中车辆驾驶习惯模型包括： 本车车速指数、 本车刹车指数、 本车车距指数和本车变 线超车指数； 区域驾驶习惯模型包括： 区域车速指数、 区域刹车指数、 区域车距指数和区 域变线超车指数；路况模型包括：路段车辆密 度指数、路段平均车速指数、路段弯道指数、 路段路面指数、 路段事故率指数和路段红灯路口指数。 环境信息包括： 周边车辆信息、 行 人信息、 车道线信息、 交通标示信息和 /或交通信号信息； 主动驾驶信息包括： 油门踏板 开度、 加速度、 制动减速度、 方向盘转角和 /或车辆横摆角。 然而其所建立的模型中没有涉及乘客不舒适的 根本原因： 路面质量， 所以不能主动地 并有针对性地保证乘客舒适。

现有技术 3 专利文件 CN104583039A提出了一个用于控制能够在各种不同 的地形和条件上行驶的 车辆的速度的方法和系统， 并且这样做的目的是致力于提高车辆的乘员的 舒适度。 该专利 分析了现有的巡航控制系统的车速控制系统， 系统尽量保持车速在用户 （例如驾驶员） 初 始设定的速度附近， 却忽视了当行车环境和车辆的占用情况 （例如车辆乘员的数目和他们 各自在车辆内的位置） 的变化。 当忽略这些变化时， 仍保持初始设定速度则可能会显著地 影响车辆乘员的舒适度以及车辆的稳定度。于 是该专利提出了一种将以上缺点的一个或更 多个缺点限制到最小或消除的速度控制系统和 其使用方法。 该系统中考虑了车辆所行驶的地形、 车辆本体的移动和车辆的占用情况 （例如车辆乘 员的数目和他们各自在车辆内的位置） 等诸多情况。 尤其是综合考虑车内所有乘客的舒适 程度， 较考虑某一单一位置或只考虑车辆本体振动的 速度控制更人性化。 但是其舒适度水 平中的等级划分较模糊， 缺乏科学的计算方法。 从而导致具体保持的速度很难科学有效的 计算出来。

现有技术 4 专利文件 CN105739534A 提出来基于车联网的无人驾驶车多车协同驾驶 方法及装置。 所述方法的具体实施方式包括： 实时获取本车当前行车数据与路况信息； 接收预定距离内 的多辆其他无人驾驶车发送共享的当前行车数 据与路况信息；根据所述本车以及所述多辆 其他无人驾驶车的当前行车数据与路况信息,� �过分析规划本车的行车决策方案，所述行车 决策方案包括行车优先级以及行车路线； 根据所述行车决策方案生成本车行车指令。 该方 法使得每辆无人驾驶车可以实时根据本车及周 围其他无人驾驶车的当前行车数据及路况 信息规划行车决策方案,提高了公共道路使用� �以及各无人驾驶车的行车安全等级。 该系统中考虑了在同一道路中的多辆车辆协同 控制，从而提高车辆的安全性和效率性 但是多车协同的范围较小 , 很难上升的全网车路协同， 无法到达全路网的统一协调控制， 无法实现社会效益最大化 现有技术 5 专利 CN105679030A提出了一种基于现有道路路网及车辆 的中央口控制的无人驾驶交 通系统， 由车载远程控制设备、 道路监控设备、 中央控制系统三部分组成。 中央控制系统 通过安装于每辆车上的车载远程控制设备， 统一调度整个路网里的所有车辆， 道路监控设 备则辅助信息的釆集和传输。 在现有道路车辆基础上渐进的进行全局自动调 度。 该系统在 现有道路车辆存量上进行改造， 所以与地铁对比， 该系统具有明显的性价比优势， 建设成 本仅为地铁的 1 /60。 该专利提出了全路网统一协调调度， 并用道路监控设备辅助信息釆集， 这样虽能实行 全局优化控制， 却忽视了一个重要的数据源就是车辆本身。 车辆是道路的真正使用者， 拥 有道路最准确的资料。如果不能很好的利用车 辆本身釆集的信息即使实现了全路网控制也 很难做到准确。

【发明内容】

本发明的目的在于， 提供一种辅助的基于舒适度的自动驾驶车辆速 度控制方法， 通过 解析路面质量与车辆振动的作用机理， 利用 GIS与车路通讯技术获得道路工况参数， 基于 参数的变化情况， 分别设计车辆的加速、 减速与匀速过程。 通过车辆自身振动情况不断更 新 GIS数据库数据特征， 提高后行车辆的驾驶舒适度， 并结合历史车辆的振动状态优化行 驶路径， 规避道路病害， 从而提高乘客的行驶舒适性。 本发明具体要解决的技术问题主要包括以下七 个方面， 分别为：

1) 基于车路通讯技术的车路状态交互技术；

2) 车辆行驶舒适度预测模型；

3) 基于道路工况信息的舒适速度生成策略；

4) 有限条件下的舒适速度曲线参数优化；

5) 自动驾驶车辆异常交通状态数据预警机制；

6) 基于自动车辆传感数据的 GIS路况信息更新与纠偏技术；

7) 基于历史数据的车辆不利振动主动规避技术。 成果的操作过程与成果如图 1所示 本发明专利解决其技术问题所釆用的技术方案 如下所述： 车路通讯技术是实现舒适驾驶的基础，其目的 是将公路管理部门以及其他车辆釆集到 的路况数据发送至当前车辆， 从而指导车辆行驶， 通过速度控制减少车辆振动对乘客驾驶 体验影响。 (1) 所述的车路通讯技术主要依靠于后台地理信息 系统 GIS数据库和短程无线传输技 术实现， 如图 2所所示。 其中①为路侧电源输入， 根据实际系统需要可选择 220V/110V交 流电压； ②为网线输入， 主要为实现路侧设备与远程数据库相连； ③为路侧通讯设施， 主 要包括数据储存部分和短程无线通讯部分； ④为无线通讯链路， 该链路为双向通讯， 即车 辆至设施，设施至车辆都可以进行数据通讯交 流；⑤为路侧通讯设施的无线网络覆盖范围， 当车辆行驶至该范围内时， 短程无线通讯设施自动连接， 进行数据交换， 当车辆驶过该范 围外， 通讯链路自动中断； ⑥为自动行驶车辆； ⑦， ⑧分别为路段一、 二， 本专利中道路 分段依据相邻两个路侧通讯设施的布设距离， 城市道路中路侧通讯设施分别布置在每个交 叉口位置， 高速公路中路侧通讯设施已 1km 间距布置， 根据实际交通组织情况可适当调 整布置间距。 另外， 路侧通讯设施的布置距离也受到短程传输装置 影响， 如 WIFI的覆盖 范围较大， 则两通讯设施间距离较远， 而 RFID的覆盖范围较小， 则两通讯设施间的距离 较小， 布置过程中需保证两通讯覆盖范围⑤不存在重 叠， 避免出现数据传输混叠， 从而造 成数据失效。 所述的车路通讯技术的通讯流程为： 当车辆⑥驶入路段一时， 通讯设施③与 车辆⑥自动搭建连接，进行数据交互，通讯设 施将前方路段的平整度情况、异常路面损坏、 事故信息等发布至车辆⑥。 与此同时， 车辆⑥将上一路段釆集的振动信息经处理后的 结果 发送至通讯设施③中， 通过有线网络②同步更新数据库。 当车辆行驶至路段二中， 其与新 的路侧设施进行数据交互， 过程与路段一相同。

所述的路侧车路通讯技术中短程无线传输模块 可釆用 WIFI, ZIGBEE, RFID等技术。 在城市道路环境中建议釆用 ZIGBEE 短程无线传输模块， ZIGBEE 模块可以实现定向的 数据传输， 同时两模块间建立通讯连接的时间为毫秒级， 为数据交互提供了足够的通讯时 间。 所述的道路工况参数是指包含路面质量、道路 车流状况以及异常状况在内的道路信息。 其中所述的路面质量是指路面的平曲线要素、 纵坡参数以及平整度信息等。其中所述的异 常状况是指道路损坏例如坑槽、 错台、 突起拥包、 车辙、 减速带以及交通事故等状况。

(2) 所述的车辆舒适度预测模型主要是建立行驶舒 适度、速度和路面质量之间的关系， 通过调整车辆的行驶速度以适应不同的路面工 况状态， 从而满足舒适度要求。 其中所述的 路面质量指道路路面的平整度信息。 车辆舒适度检测与评价是进行预测模型搭建的 基础， 本发明釆用三轴加速度传感器， 通过釆集车内不同位置的振动信息， 利用功率谱密度分析的方法计算和国际标准 IS02631 所提供的加权函数计算加权加速度均方根值作 为评价自动驾驶车辆舒适度的指标，具体技 术流程如下： 选定测试自动驾驶车型， 将三轴加速度传感器分别安装至车辆座椅位置 的靠背中心、 座垫中心， 和平坐状态下双脚摆放位置中心。 所选择安装的座椅为主驾位置。 将传感器固 定在三个位置保证不产生额外的晃动。 利用测试车辆在不同平整度的测试路段的路面 上行驶，釆集车辆的三轴振动加速度数 值。 为保证标定结果的可靠性， 测试路段均釆用不小于 300米的直线段， 测试路段的路面 平整度分别釆用 lm/km, 2m/km, 3km/h, 4m/km, 5m/km, 6m/km不同梯度， 以测试不同平 整度下的车辆振动反馈，以上 6个平整度梯度均为期望值，在实际选取时可� �有一定误差， 但需保证数值处于不同梯度之间。

在同一梯度下， 使车辆分别以 20,30,40,50,60,70,80,90,100,110,120 km/h行驶， 分别记录 三轴加速度的振动大小， 釆样频率为 100Hz , 覆盖人体感知 0-80HZ区间， 量程为 ± 8g ( l g - 9.8m/s-2) ₀ 舒适度预测模型处理流程如图 3。 首先求解时间序列下的加速度序列自相关函数 ，然后通过求解自相关函数的傅里叶变 化获得振动的功率谱密度函数： 式中， ( 是振动的自相关函数， ^(iy )是振动的功率谱密度函数， 《是角频率， j为 虛数单位。由于人体对于振动的感知在相邻频 率间比较类似，但在不同频率段中差异较大， 因此釆用三分之一倍频程带通滤波， 分别求解每个倍频带的功率谱密度积分。 考虑到不同 频率对于人体舒适的影响并不相同， 因此对每个频率带进行加权平均， 获得单轴加权加速 度均方根值， 如公式 (2): „ = [ O(/)#]。 ⁵ ₍₂₎ 式中， 为单轴加权加速度均方根值， "'， ^/; 为第 i个频率带的上下限频率值， ^ω '为 第 i个倍频带的权重， f 为频率。 在获得单轴加权加速度均方根值的基础上， 考虑不同位 置， 如椅背、 座垫、 脚踏， 以及不同轴向， 如 x, y, z轴振动的影响， 计算综合的加权加速 度均方根值， 如公式 (3): 式中， 是综合加权加速度均方根值， 为位置加权系数， m=l ,2,3 分别代表座垫、 椅背和脚踏位置， 为轴向加权系数， _n =l ,2,3分别代表 x, y, z轴， ^α ™是在 m位置 n轴向 的单轴加权加速度均方根值。 通过公式 1 -3即可获得在不同平整度测试路段及不同速度� �� 度下的综合加权加速度均方根值， 作为评价舒适性的指标， 其中具体权值权重参考国际标 准 IS02631-1997中的设定。不同速度梯度的检测试验 每组进行 3次， 计算 3次的综合加权 加速度均方根值作为在该速度、 该平整度下的舒适性。 利用对比试验数据， 建立多元线性回归， 以路段舒适度作为因变量， 行驶速度和国际 平整度指数 IRI值作为因变量， 如式 (4) a _v = p-v + q - IRI - 1 (4) 式中， 为综合加权加速度均方根值， v为行驶速度， /R/为国际平整度指数， p q , ⁷ 为模型拟合参数。

(3) 根据 (1)中所述车路通讯技术， 车辆可以从路侧设施获得前方路段的道路信息 包括 路面平整度与异常工况，所述的异常工况主要 是指不易检测且安全性影响较低但舒适性影 响较大的道路自身属性， 包括： 桥头跳车 (路桥衔接处错台)、 坑槽、 车辙、 减速带等。 当车辆接收到这些数据后会根据前方道路信息 情况， 结合车辆当前行驶数据， 分析是 否需要进行车辆变速。 若前方路段的平整度与当前位置平整度差值在 10%范围内， 且不存 在异常工况， 如条件 (5)

\IRI _r , - IRI I

(5) 式中， ^?/ 。 为前方道路平整度数值， 为当前路面平整度， P 代表异常工况是 否发生， 若为 0则不发生， 反之为 1。 如果满足条件 (5)则不需要对车辆速度进行调整， 依 照公式 (4)获得的速度上限继续匀速行驶即可； 若前方路段的平整度与当前位置平整度差值超 过 10%范围， 或存在异常工况， 则进入 变速阶段， 即满足条件 （6) :

10% ΡΡ = 1

(6) 由于路面平整度在不断变化， 所以为了保证乘客在自动驾驶车辆行驶全程的 舒适性， 车辆需要根据前方道路信息不断地进行速度调 整，不同平整度的路段釆取不同的速度匀速 行驶。 这样， 在不同路段之间的速度变化， 即加速与减速过程， 就需要一个基于舒适度的 速度变化曲线， 从而保证在过程中用户感知到的舒适性保持在 合理范围内。 匀速行驶阶段乘客的舒适度主要由垂向振动决 定，而在变速阶段还需考虑因加减速带 来的纵向（即行驶方向)加速度变化。 因此， 速度变化曲线需要保证自动驾驶车辆在变速过 程中纵向行驶加速度与垂向振动加速度不超过 某一阈值， 以保证总加权加速度均方根值在 相应类型乘客的期望舒适度值范围内。 故釆用基于双曲正切函数的速度变化曲线模型 ， 调 整车辆速度， 双曲正切函数模型如式 (7) , 其函数图像如图 4。

b ,… 、、 b

V =—— tm (k(t - p))—— + v„

2 2 (7) 式中， ^v 是目标速度， νθ是当前车速， b为速度差值， p为模型常量， t为时间， k为 平稳系数。 在控制策略下， 车辆行驶方向的加速度变化如式 (8) , 其图像如图 5。

² (8) 式中， 为加减速的加速度值， 减速过程中， 如果减速度过大， 同样会造成整体的 不舒适， 因此需要将减速过程的速度变化和不平整产生 的纵向振动协同考虑， 保证整体的 振动情况不超过舒适度阈值 0.63 m S ² , 如式 ₍₉₎

• max I a _v |) + (w _d . max | a _d |) ≤ 0.63

(9) 式中， ^w 和 w _rf 是减速度与振动加速度的影响权重， 为垂向的加权加速度均方 根值， 可以基于公式 (4)实时速度 V以及路面状况 IRI计算而得。 解上述不等式 (9) , 即可计 算 k值的取值上限， 该计算过程均在自动驾驶车辆中心处理器 CPU中完成。 所述双曲正切函数图像 (公式 (7》如图 4所示， 该过程模拟了驾驶员的实际减速行为， 即出现减速意图时逐渐增加减加速度， 而减速过程结束时又逐渐减少减加速度， 呈反 S型 态。 图 4 中， ^k i ^{> k} 可看出 曲线更为平缓， 因此， 计算时取 k值的选取上限。 在实 际操作中， 公式 (7)所述的双曲正切函数当时间趋近于 0 , 或无穷大时， 函数因变量只能无 限的趋近于 ^V 。和 ^V o— , 因此， 在速度生成过程中加入一影响微弱的微小正变 量 ^f =0.01 , 即在计算过程时， 将初始速度定 + 可获得车辆的减速时间为： artanh(— ^ ~ ) - artanh(- ~―)

△ _r = b + 2ε b + 2ε

k (10)

因此， 通过求解 (9) , 计算 k值的情况下，一般取计算结果上限的 95%为实施参数， 即 可依照公式 (7)确定速度生成曲线。 当检测到前方道路存在异常工况时， 例如桥头跳车现象， 则需要进行异常工况的速度 曲线生成。在这类异常工况下主要会产生一个 局部明显的颠簸从而导致舒适度较大程度的 下降。 与路面平整度不同， 道路异常工况出现较为随机， 因此可能在某些情况下， 车辆减 速距离较短， 因此需要有效调整车速， 降低减速过程与振动过程共同的影响。 异常工况对于舒适性的影响主要体现在两个方 面，一是加速度本身的变化对舒适度产 生的影响， 另一部分是加加速度变化对舒适度产生的影响 。 在行车过程中， 预期舒适程度 下加加速度不应超过 2.94m/s3 , 在双曲函数变速过程中， 加加速度如式 (11) ^ = bk ³ -(l- tan ² {k{t - p))) · (1 _ 3 tanh ² (k(t - p)))

dt (11) 保证式 (11)< 2.94m/s3, 则 k值上限为： 保证加加速度的同时， 也要保证振动加速度在合理范围内。 在加速度振动方面， 与变 速阶段釆用相同的控制条件， 最低综合的加权加速度均方根值。 不同在于， 由于异常工况 的随机性效果， 可能车辆不具有足够的减速距离， 进行最佳的减速曲线设计， 因此， 通过 求解非线性的最优化方程组获得， 如式 (13)-(16) mina^, = (w _k ·α _ν ) ² + (w _d · max | a _d

(13) 约束于

2 _r 、 、， b 、 b + 2ε、 ， ε 、

s,≥-(ν ₀ +ε)- artanh(- ~―) +——In (- )

k b + 2ε 2k b + ε (14) vo -* ^{≥ 0} (15)

6,h0 ₍₁₆₎ 为自动驾驶车辆离最近的异常工况的距离， 如果该距离较长， 则约束 （ ) 为无效 约束， 求解 k值的过程与变速阶段相同； 若 较小， 则需求解非线性最优化方程组获得 k 的上限。 进而， 在求解的 k值条件下， 即可依照公式 7确定速度生成曲线。 在实际进行速度控制时， 选取不等式 (9) , 不等式 (12)以及非线性规划 (13)-(16)的解的阈 值下限， 使得三种舒适度均满足驾驶要求。

(5) 根据 （4) 中的舒适速度曲线参数优化可以获取自动驾驶 车辆在道路信息已知情 况下车辆速度的具体变化曲线， 从而保证乘客能感知的舒适度在合理的范围内 。 对于自动 驾驶车辆来说， 前方道路的道路信息就是其运行过程中一切操 作变换的基础与前提。 所以 车辆需要尽可能快地获取尽可能全面的道路信 息。 前面 （υ中详述了车路通讯的具体细节， 主要涉及道路信息数据库的数据基础以及 道路信息的传递。 但是道路行驶是一个高度随机变化的过程， 异常交通状况随时都可能发 生， 一旦发生需要一个稳定快速的传输机制实现异 常状况信息的传输与发布。 异常交通状况预警机制包含三个部分， 一为事故发生之后的及时发现； 二位事故信息 的及时发布； 三为事故处理完成后的及时解除。 当道路中发生事故时， 及时发布事故信息的前提是能够及时地发现事 故， 而任何被动 预警机制的检测都会晚于事故车辆自身发出信 息提醒事故。 现有的事故预警分为两类，一 类为基于大量的监控实现对公路自身和周边环 境的实时检测， 当发生事故时通过人为分辨 监控画面发现事故或视频自动检测公路状态进 行事故发现与预警；第二类釆用定性与定量 相结合的方法， 对公路交通安全发展态势进行过程描述、 追踪分析和警情预报。 首先建立 一个能够综合评价交通事故发展状况的 "公路事故预警指标体系"， 然后利用统计部门数 据或其他途径手机的数据计算指标， 运用模型计算综合指数进行预测。 在定量分析的基础 上结合定性分析， 综合评价公路交通事故发展变化趋势， 当多数指标值接近警戒线时应发 出警报， 实现预警。 然而这些方法都是建立在大量实时的监控基础 之上的， 现仅在少数高 速公路使用， 较难推广。 且现有事故动态预警通过事故发生后道路的使 用状态发生改变从 而发现事故， 判断标准是多辆车辆受事故影响之后的情境， 但是如果以车辆自身为主体， 则可以在第一时间发现事故并且上传事故信息 。 异常交通状况发生之后，及时地发布能够让后 续的驾驶员提前釆取规避措施或重新规 划路线， 从而减少二次事故的可能。 现有的突发事件的发布方式有八类： 交通广播、 限速 标志、 可变信息板、 互联网、 车载终端、 短信平台、 路旁广播和公共信息终端。 交通广播 信息面广、 影响范围大、 技术简单、 成熟、 易于推广但对于交通状况在时间和地点上的动 态变化难， 可以及时跟踪， 信息的提供时间与驾驶员的需要时间不协调， 信息的内容和驾 驶员需要的内容不协调，对跨越多个行政区的 公路发布信息协调难度较大应用于省域公路; 限速标志的优点是驾驶员对限速标志比较熟悉 能偶灵活的进行车速控制，但是限速标志的 发布信息较单一只适用于一条公路的特殊路段 ； 可变信息板文字型的容易看明白， 能很快 地从中获得所需信息， 图形式的更容易理解， 能够提供整个路网的服务水平和旅行时间等 信息， 但是缺点是能提供的信息量不大， 信息受用的驾驶员有限， 不适合于网络环境， 在 一些交通流量大、 路网复杂的城市快速路或高速公路中能发挥的 作用有限； 互联网发布的 信息量大， 更新及时能满足驾驶员的不同需求， 但是需要网络和计算机终端属于出行前的 信息发布， 对路上驾驶员帮助有限； 车载终端提供信息量大， 针对性强， 能够根据驾驶员 的需要提供信息， 但是其投资大技术难度高； 短信平台信息量大， 能够根据驾驶员的需要 提供信息， 但是对行车安全有一定的影响， 技术难度较高， 仍处于试验阶段； 路旁广播可 以告诉驾驶员限速理由， 驾驶员会对这一限速更加重视， 但是初期投资大， 维护成本高； 公共信息终端信息量大， 更新及时， 但是属于出行前的信息发布， 对于路上驾驶员的帮助 有限。 本专利提出的自动驾驶车辆异常交通状况数据 预警机制可以实现事故的早发现、早发 布与早解决。 当事故发生时， 车载预警系统能够通过传感器及时检测出发生 的事故， 于是将事故情 况、 事故车辆信息、 事故时间和车辆 GPS信息打包保存为一个事故数据标签， 并同时开 始搜索周围数据接收端。 在数据传输过程中有以下三种情况： 第一类： 事故车辆在一段道路的始末位置附近， 此时事故车辆在路侧通讯设备传输范 围内， 事故车辆可以通过 ZIGBEE 将车内保存的事故信息标签上传到道路信息的 数据库 中， 实现事故信息的快速发布。 如图 6中的⑥： 第二类： 事故车辆不在路侧通讯设备的传输范围内， 即事故车辆无法直接将事故信息 上传到数据库中， 但附近有其余车辆， 如图 7所示。 此时利用 RFID技术将小容量的事故 信息标签传递给周围车辆，周围车辆再传递给 其周围车辆，如此循环通过车辆相互之间 "接 力" 传递。 RFID技术通过射频信号自动识别目标对象并获� �相关数据， 识别工作无须人 工干预， 可工作于各种恶劣环境。 通过 RFID获取事故信息的车辆在传递信息的同时开� � 搜索路侧通讯设备，如果在道路侧通讯设备传 输范围内则将信息上传至路侧通讯设备并终 止传递。

第三类： 事故车辆不在路侧通讯设备的传输范围内并且 附近没有其他车辆时 （此处默 认事故车辆丧失移动能力），如图 8所示。事故车辆保存事故信息标签， 并不断进行搜索， 当发现可接受设备时立即传输事故信息。

通过上述三种不同情况下事故车辆的相应处理 方法可以实现事故信息快速的上传至 路侧通讯设备的数据库中。之后利用车路通讯 技术将数据库中的事故信息发送给在道路中 行驶中的车辆。 在获取事故信息的车辆中， 分为两类， 一为数据库更新事故信息时仍未到达该路段起 始位置的车辆， 这类车辆可以通过车路通讯获取事故信息并釆 取规避措施； 二为数据库更 新事故信息时已进入该路段的车辆， 这类车辆已经完成路段信息的获取， 无法通过路侧通 讯设备获取数据库中更新的事故信息。 所以这类车辆需要通过路段内的车一车 RFID通讯 技术获取事故信息以便提前釆取躲避措施。 如图 10所示， ⑥为第一类车辆， ⑨为第二类 车辆。 这样事故信息就能够传输至每一辆将要经过事 故路段的车辆上， 避免连环事故的发 生。 在事故现场处理完毕之后， 预警信息的及时解除同样重要。 当车辆通过事故信息标注 的路段时， 车内传感器数据显示与正常行驶状态差别较小 则表示事故现场已恢复， 则在收 到的事故信息标签中增加解除标记。釆取同样 的机制将事故解除信息上传至路侧通讯装置 即可实现预警解除。 异常交通状况除了交通事故外还有灾害类天气 和交通拥堵等。 灾害类天气条件下的异常交通状态也是影响交 通安全的潜在因素。灾害性天气条件下 公路交通事故频发，单位时间内灾害性天气所 引发的交通事故次数是晴天的好几倍甚至几 十倍，且多为重大和恶性事故。气候变化引发 的极端天气给交通行业带来较大的负面影响， 为了应对灾害性天气对交通运输的不良影响， 许多学者开展了相关研究，大多集中在暴雨、 暴雪、 冰冻、 高温、 雾霾等灾害性天气对公路交通安全影响研究， 相应的提出了不同在灾 害性天气下非公路安全运行的预报预警指标、 方案及应对措施。 但由于灾害性天气受地形 影响明显， 并具有突发性， 因此在交通气象预报服务中， 灾害性天气预报预警一直是难 点， 尤其是大雾的生消时间及其浓度、 暴雨 （雪） 的定量和定点预报等。 各类灾害性天气对公路交通安全都影响巨大。 雾天交通事故发生的频次最高， 雾天能 见度下降， 妨碍驾驶员的视觉。 特别是团雾天气， 驾驶员的实力下降更多、 更突然， 严重 影响其观察和判断力， 更易引发交通事故； 强降雨时影响公路路况最频繁的气象因素， 降 水不仅引起路面附着系数降低， 易发生车辆侧滑和控制失灵， 还会使能见度降低， 引起司 机视线模糊， 导致车祸； 降雪不仅使能见度降低， 同时冰雪附着的路面易引发车轮侧滑、 尾部失控， 从而导致事故发生。 另外， 在雪后的晴天， 积雪引起的雪盲现象还会使驾驶员 视力下降， 成为安全行车的潜在危险。 现行高速公路灾害性天气所引起的异常交通状 态主要通过气象检测实现发现与预警。 但是气象检测实时性差，计算要求高、准确性 低，无法实现特定区段特定时间的精准预测。 本专利提出的异常交通状态数据传输机制可利 用车内传感器釆集道路信息，及时发现灾害 性天气对道路通行的影响程度、 影响位置， 并实现及时的上传发布， 从而大大的减少灾害 性天气引起的异常交通状态所带来的安全隐患 。 道路车辆慢行、 拥堵常常造成直接的经济损失以及引发交通事 故。 在动态交通中， 道 路交通的拥堵判别是智能交通领域中的研究重 点。 交通拥堵是一个感觉量， 在确定交通拥 堵时存在模糊性， 难以直接测量， 也很难用一两个交通参数来判定。 在早期的道路交通拥 堵状态的自动化检测研究中， 比较经典的算法有： （υ 加州算法， 该算法于上世界六七十 年代由美国加州运输部开发， 在算法中， 观测路段被分为上游检测段和下游检测段， 通过 观察上、 下游检测截面的车道占有率的变化并总结拥挤 规律， 最终对交通拥堵状态进行判 断， 加州算法一般作为评价新算法的参考； （2) McMaster算法， 该算法是由 McMaster算 法大学土木工程系的研究人员开发， 该算法的前提是获得某一观测点的流量、 车速和车道 占有率，然后建立这三个交通基本参数与交通 拥挤之间的关系，最后对拥挤进行判别；（3 ) 标准差算法， 该算法于 20世纪 70年代由 Texas交通协会的研究人员开发， 其基本思想是 通过观察交通流量或占有率等交通基本参数的 标准偏差值的大小和持续时间来判别交通 拥堵事件是否发生， 该算法当时主要用于休斯顿海湾公路突发交通 事件的判别； （4) 双指 数平滑算法， 该算法同样用于对突发交通事件的判别， 于 1974年由 Cook开发， 算法的基 本思想是对历史交通数据 （如占有率） 进行平滑处理， 然后将当前时刻的交通参数预测值 与实际值进行对比， 判断是否发生拥挤。 与 SND算法相比， 该算法的预测更为复杂， 因 此处理时间更长。 目前的交通拥堵状况的判别主要依靠识别处理 方法，且判别是以交通状态参数的获取 为前提， 拥堵判别滞后于交通状态参数的检测， 而且拥堵判别的准确性受到相关参数获取 准确性的影响。 当道路发生拥堵， 行驶在道路上的车辆行驶速度与制动会发生改 变。 这些状态的变化 可以被车内检测器所记录，综合处理分析相同 路段的多辆车辆行驶状态即可判断道路的拥 堵状态。 利用本专利的异常交通状态传输机制即可实现 交通拥堵的快速发布。 基于本专利的异常交通状况信息传输机制可实 现交通事故、灾害性天气和交通拥堵等 异常交通状况的快速检测与及时发布， 具体如图 11 :

(6) GIS 系统获取的数据是存在误差的， 而在道路上行驶通过的车辆所获取的振动 数据可以实现 GIS路况信息的更新和纠偏。安置在车内的传感 器可以实时记录车辆行驶过 程中的振动数据， 通过对振动数据的处理分析可以有效地还原行 驶路面的工况信息， 因此 可以利用低功耗的短程无线传输 ZIGBEE 技术在路段末， 车辆将振动数据传输给中央处 理器从而还原其测量的路况信息，对比筛选多 辆车辆的信息从而实现对 GIS路况信息的更 新和纠偏。

在 （υ 中我们讲到， 通过路侧通讯装置实现车路通讯技术， 在路段开始处将前方路 段的平整度情况、 异常路面损坏、 事故信息等发布至车辆， 指导车辆提前计算行驶参数， 包含速度、方向等。其中路段的平整度情况、 异常路面损坏等信息是由地理信息系统（ G I S ) 将搜集到的道路信息与空间地图相结合而建立 的数据库。 地理信息系统的处理精度与更新速度是有限的 。 然而路面性能却是在不断变化的。 路 面性能是一个覆盖面很宽的技术术语， 泛指路面的各种技术表现， 如路面行驶质量、 损坏 状况、 结构的力学反应、 行驶安全性以及路面材料的疲劳、 变形、 开裂、 老化、 表面飞散 等各方面的含义， 是一个泛指路面和材料各种技术表现的术语。 路面的这些使用性能涵盖 了两个方面， 一方面是路面的功能性， 描述了路面的使用性能， 如路面的行驶质量 （行驶 舒适性） 和行驶安全性； 另一方面是路面的结构性， 描述了路面的结构状况 （潜力）， 如 路面的损坏状况、 结构的力学反应等。 实际上这两个方面并不是孤立的， 而是具有内在的 联系； 路面结构状况的变化是路面功能变化的内在原 因。 与功能性能和结构性能相对应， 路面的损坏也分为功能性损坏和结构性损坏， 前者是指影响路面行驶质量和行车安全性的 表面损坏， 后者是指影响路面结构特性的损坏。 路面的磨光、 麻面和泛油等损坏类型主要 影响路面的形式安全和噪声等特性， 而裂缝、 坑槽和变形以及工程的不平整度则影响路面 的行驶舒适性等特性。 随着路面使用时间和荷载作用次数的增加， 路面的结构状况将不断 恶化。结构状况的不断恶化将反映到路面的服 务水平上来，导致路面的功能特性不断衰减。 路面功能特性的不断衰减意味着路面信息的不 断变化，城市地理信息系统的核心就是 数据， 地理信息数据的现势性是衡量其使用价值的重 要标志之一。 现势、 准确的数据才有 生命力， 然而数据更新的现状却不容乐观。 据统计， 全球地形图的更新率不超过 3%。 现有的城市基础地理信息更新数据源的选择有 以下三种： 1、 根据已有的规划图进行 地理信息数据更新。 对照规划图的改变， 在计算机上对地理信息数据库做出相应的更新 。 在变更结果最终农耕确认之前，在电子地图的 相应位置注明 "正在施工"或"正在修建中"。 此外道路维修养护部门对于道路的维修也会大 幅度的改变道路工况信息，在维修之后由道 路维修养护部门提供维修的具体信息来对数据 库系统的信息进行更新。这都需要规划部门 与数据库系统间保持信息同步。 2、 利用摄影与遥感数据。 近年来， 极高分辨率遥感数据 成为城市 GI S数据釆集与更新的重要数据源，典型范例是� �影测量与遥感在土地利用动态 监测中的成功应用。 对于城市中人类活动影响大、 环境变化较快的重点区域， 可釆用定期 和不定期预购高分辨率遥感影像 （如 Qukkbkd) 来解决， 相对来说成本并不高， 也可釆 用低空平台遥感技术获取信息。 总的看来， 影像数据逐渐成为基础地理信息更新的主要数 据来源， 但海量地理信息的快速更新尚未解决。 3、 利用数字测图， 即常规的测绘方法。 随着社会经济与高科技的不断发展， 测量技术逐步从地面向空中进军。 航空摄影、 卫星遥 感、 GPS定位等先进技术正逐渐成为数据获取的主流 手段。 但是， 在一段时间内， 小区域 的， 零星的数字测绘扔将在日常补测和地理信息数 据更新中起着重要作用。 就目前我国城 市经济技术发展水平而言， 不是每个城市都能达到利用航摄、 遥感手段的程度， 普通的中 小城市还得依靠测绘手段来完成地理信息系统 的数据更新。 城市中一些常见的普通工程， 如道路改造、 小区建筑、 管道修建等引起的数据更新， 常规测绘方法更能显出其灵活、 方 便性。 此外地理信息系统测量的数据精度尚未满足自 动驾驶车辆计算舒适度所需的要求。公 认的， 其数据精度包括位置精度、 属性精度、 时间精度等。 位置精度是地理信息系统数据 质量重要的评价指标之一， 矢量 GIS数据位置精度的研究对象主要是点、 线、 面的几何精 度。 这些数据的误差主要来源于 GIS数据库中各项基础数据的误差和建立 GIS数据库各 个步骤中产生的误差。因此本专利提出了以车 辆传感数据为基础的 GIS系统数据纠偏机制， 来弥补原有数据库数据精度不足的问题， 从而更精确的保证乘客的舒适度。

前面提到交通管理部门通过 GPS 标签等， 将实测的路面损坏， 道路状况， 异常交通 信息等赋予 GIS图层， 然而 GPS定位测量存在着误差。 GPS测量时通过地面接收设备接 收卫星传送来的信号， 计算同一时刻地面接收设备到多颗卫星之间的 伪距离， 釆用空间距 离后方交会方法， 来确定地面点的三维坐标。 因此， 对于 GPS 卫星、 卫星信号传播过程 和地面接收设备都会对 GPS测量产生误差。主要误差来源可分为与 GPS卫星有关的误差、 与信号传播有关的误差、 与接收设备有关的误差。 与卫星有关的误差包括卫星星历误差， 卫星钟差、 SA 干扰误差以及相对论效应的影 响； 与传播途径有关的误差包括电离层折射、 对流层折射、 以及多路径效应； 与 GPS 接 收机有关的误差包括接收机钟差、 接收机的位置误差以及接收机天线相位中心偏 差。 在车路通讯的技术支持下， 成千上万的车辆都可以成为数据库系统的数据 源。 车载传 感器可以获取车辆在行驶过程中的振动、 摩擦等数据， 而这些数据都是车辆在一定速度、 方向行驶过程中， 道路工况在车辆上的响应。 通过响应以及影响机理就可以还原出道路工 况这一输入， 从而更加准确的还原出道路工况信息。 通过路段终点处车辆返回的振动信息， 中央处理器经过处理还原车辆行驶过程中的路 面信息，从而对原有数据库数据进行更新和纠 偏。主要操作包含三个部分：增加路面信息、 删减路面信息和修改路面信息。 增加路面信息发生在车辆在驶入路段钱获取路 段内的路面信息做出行驶规划， 当出现 预期之外的振动或响应时即为路面发生了未在 数据库中出现的信息，此时车辆记录响应与 车辆位置信息， 在路段终点处上传给路侧通讯装置作为增加数 据信息。 删减路面信息发生在车辆在驶入路段钱获取路 段内的路面信息做出行驶规划， 当车辆 行驶在本应发生响应却未发生响应时即为数据 库原有信息在路面中消失了，例如路面养护 部门的维修使路面的裂缝等损害被修补，此时 车辆记录响应与车辆位置信息， 在路段终点 处上传给路侧通讯装置作为删减数据信息。 车辆在路段初获取道路信息， 从而规划计算行驶速度和方向。 当路面信息发生变化车 辆自身的响应 R也会发生变化。 若行驶相应与预期响应差值在 10%范围内， 如条件 (17) 式中， R _n 。 _w 为车辆实际驶过测得响应， R _exp 为原有路面信息条件下车辆驶过应有的响 应。 如果满足条件 （17) 则理解为车辆自身因素影响不计入路面信息改 变。

若车辆实际驶过测得响应与预期响应差值超过 10% , 即满足条件 （18) 则表示该车测 得路面信息发生变化， 需要进行更新或纠正。 当车辆驶过发现路面信息发生变化， 则立刻将该处的车辆信息、 响应信息以及 GPS 信息打包成数据标签定义为路面信息更新，待 行驶至路侧通讯设施传输范围内时将打包数 据传输给数据库系统。当系统发现在同一位置 超过一辆车辆上传更新信息则处理响应信息 还原道路信息并更新到数据库系统中。从而实 现基于自动车辆传感数据的 GIS路况信息更 新与纠偏。

(7) 在 （3) 中我们提出了由于道路信息中的路面平整度在 不断变化， 所以为了保证 乘客在自动驾驶车辆行驶全程的舒适性，车辆 需要根据前方路面信息不断地进行速度调整, 不同平整度的路段釆取不同的速度匀速行驶。 也就是说在已知道路信息的条件下， 车辆会 根据舒适度要求计算所需的行驶速度。但是如 果能够适当的改变方向或者变换车道可以绕 过裂缝或选取造成振动最小的一侧行驶则可以 减少降低车速所带来的效率降低问题，称之 为不利振动的主动规避。 所述的不利振动的主动规避包含获取异常状况 信息的位置、 高程 和宽度，之后建立基于车辆轴距与振动预估模 型，从而可以计算产生最小振动的预期轨迹。

众所周知路面的高程变化以及路面裂缝、错台 等损害在道路横向上的变化并非一致的。 例如路面裂缝， 路面的裂缝包括 纵向裂缝、 横向裂缝、 块状裂缝和龟裂。 纵向裂缝是指 与道路中线平行或大致平行的长直裂缝， 有时伴有少量裂缝。 产生纵向裂缝的原因， 大多 是路面施工时纵向搭接质量差， 道路拓宽造成的路基或基层的不均匀沉降、 侧向滑移或顶 面拉伸； 横向裂缝是指道路中线垂直或大体垂直的路面 裂缝， 贯穿部分或整个路幅宽度， 有时伴有少量支缝。造成横向裂缝的原因，大 多是低温收缩、基层裂缝的反射和施工搭接； 块状裂缝是指交错的、 将路面分割成近似矩形块的裂缝， 产生块状裂缝的原因，一般是温 度收缩、 沥青老化和反射裂缝， 以及每日周期性变化的环境因素造成的路面结 构内应力。 同一条裂缝可以在方向上不同、 在其延伸方向上宽度、 深度也是在不断变化的。 车辆行驶过程中产生的振动与路面的高程变化 绝对值是正相关关系。车辆在行驶过程 中，通过轮胎路面接触并产生和传递振动。当 路面发生快速的高程变化例如裂缝、错台等， 车辆通过时由于速度较快轮胎会与路面脱离， 在重力的作用下会重新回到路面。 这一过程 产生了振动， 且裂缝和错台宽度越大， 深度越大， 轮胎脱离的时间越长， 产生的振动则越 大。 即振动 A为以错台深度 h、 以及宽度 ci的双变量函数， 如函数 （19) 所示：

A = A _x (d, h) = 13.25in (2 ² + 7d _x + e) (19) 式中 x表示位置信息， 为其中一侧车轴中点与车道边缘的距离， d表示为错台的宽度， h表示为错台的高差大小。 如图 12所示： 将式 （ ) 代入式 （ ⁴ ) 中可得式 （ ² 0)：

a _v = f{A) = f [A _x (d, h)] (20) 其中函数 /(x)为单调递增函数， 及振动响应越大， 乘客越不舒适， 具体计算如式 ( 1 ) (2) ( 3 ) 所示。 当损害为裂缝时， 通常其深度较小， 不予考虑即 h = 0 ; 当损害为错台或拥包时， 深 度与宽度都要考虑， 即 ^ /ι≠ 0。 具体的方程计算结果可由两部分推导出， 其中一个部分 是由具体的数学振动方程算得， 另一部分通过车辆通过的历史数据统计拟合而 成。 车辆在 通过时记录速度， 宽度， 深度和振动， 通过大量历史数据的统计拟合可得。 此处以错台为例， 详述车辆主动规避不利振动的算法。 错台的延伸方向分两种， 一种 沿道路横向发展， 这时车辆同一根轴的两侧轮胎同时经过错台同 时产生振动； 另一种情况 错台与道路横向存在一定夹角， 这时车辆同一根轴的两侧轮胎不同时经过错台 ， 不同时产 生振动。 第一种情况时， 车辆车轴两侧的轮胎同时经过错台同时产生振 动， 如图 13所示。 此时车辆两侧振动， 为了保证经过错台时乘客的舒适度需保证两侧 振动综合最小， 即 如式 (21 ) (22) 所示： min{[l3.25 l n(2.3h _x ² + 7d _x + e)] + [13.25/ n(2.3h _x+z ² + 7d _x+z + e)]} (21 ) 即： min{a _v (x) + a _v (x + z)} (22) 式中 z为驶过车辆的轴距大小， 即同一车轴两侧车轮中点的距离， 满足式 （23 ) 与 （24) :

0 ≤ X≤ / (23 )

0≤ x + z≤ f (24) 式中 /为车道的宽度， 当车辆在获取道路信息后在自动驾驶车辆中心 处理器 CPU 中计算。 从车道边缘开始向车道内侧搜索计算直至计算 出在满足式 （23 ) 和 （24) 的前提 下， 式 （21 ) (22) 取最小值时 X的取值为最小振动的行驶轨迹。 第二种情况时， 错台与道路横向存在一定夹角， 这时车辆同一根轴的两侧轮胎不 同时经过错台， 不同时产生振动， 如图 14所示。 此时车辆两侧先后振动，为了保证经过错台时 乘客的舒适度需保证两侧振动的最大值 最小， 如式 (25) (26)所示: min{max[l3.25l η(2.3/ι _χ1 ² + 7d _xl + e) , 13.25/ n{23h _x2 ² + 7d _x2 + e)]} (25) 即： min{max[a _v (xl), _ν (χ2)]} (26) 其中 ₁ 和 ₂ 为两侧车轮中点与车道边缘的距离， 满足式（27), x ₂ 满足式（28) :

0≤ x ₁ ≤ f - Z (27) 式中 s为车轮第一次经过错台结束到另一侧车轮接� �错台开始这段时间内车辆行 驶的距离。式（28)表示为当两次振动间隔的距 离越远车辆可转向的角度就越大，那么 ₂ 就 越靠近 ^， 但由于车辆无法实现车轮的过大转角， 故需满足式 （29) x ₂ > x _t (29) 此外由于另一侧车轮仍在车道内， 故需满足式 （30) : x ₂ -z > 0 (30) 同样当车辆在获取道路信息后在自动驾驶车辆 中心处理器 CPU 中计算。 从车道边缘 开始向车道内侧搜索计算直至计算出在满足式 （27) (28) (29) (30) 的前提下， 式 （25) ( 26 ) 取最小值时 X i与 X ₂ 的取值为最小振动的车辆先后经过错台的 位置。

【附图说明】

图 1为所述的具体操作过程与成果

图 2为所述的路侧通讯设施机理图； 图 3为所述的舒适度预测模型计算流程图； 图 4为所述的双曲正切函数速度变化曲线图； 图 5为所述的双曲正切函数加速度变化图；

图 6为所述的事故发生时事故车辆在路段始末位� �处的场景图； 图 7为所述的事故发生时事故车辆可以搜索到其� �车辆的场景图; 图 8为所述的事故发生时事故车辆无法搜索到其� �车辆的场景图; 图 9为所述的事故信息传输机制图； 图 10为所述的接收事故信息时接收信息车辆的行� ��位置场景图； 图 11为所述的异常交通状态信息快速发布流程图� ��

图 12为所述的车轮经过错台的细节示意图； 图 13为所述的错台沿道路横向发展示意图； 图 14为所述的错台发展方向与道路横向有一定夹� ��示意图；

【具体实施方式】

依照专利说明要求， 布置车路通讯设备： 相邻设备的布置间距为 1000米， 路侧通讯 设备中包含前方路段的平整度和异常数据情况 ， 所示测试路段国际平整度指数值 IRI分别 为 1.2m/k _m 与 2.7m/k _m ,且路段二中存在一处桥头跳车位置，路侧通� �设施距离为 100米， 路段限速 70km/h。 当车辆行驶至控制路段后， 接收路面状况数据， 进行基于舒适度的速 度控制策略。

Step 1判断车辆是否处于安全驾驶状态 利用自动驾驶车辆的传感器、 摄像及探针等技术釆集到的环境信息， 利用传统技术生 成安全速度曲线， 由于路段流量低， 测试车辆可以釆用最高限速进行全速行驶， 即车速为 70km/h _o

Step 2 自动驾驶车辆当前舒适性判断 根据公式 (4)获得的行车舒适性、 车辆速度、 平整度 IRI之间的相关关系， 预测行车舒 适性， 如下式： α _ν = 0.008 · v + 0.298 -/i?7 - 1.246 计算可得加权加速度均方根值为 0.3412 m/s2 , 满足舒适度要求小于 0.63 m/ _S 2 , 因此 车辆可以以 70km/h的速度继续行驶。

Step 3道路状况改变下的速度策略 当车辆进入即将驶入第二段道路时，路侧车路 通讯系统会将前方道路的平整度和异常 情况发至车辆， 当车辆接收到平整度为 3.7 m/km且存在桥头跳车时， 会进行速度改变保 证驾驶舒适性。

由于舒适性计算后， 发现在平整度为 3.7m/km 的情况下， 车辆振动的加权加速度方 根值为 1.9087 m/km , 超过了舒适性的上限， 因此需要进行降速处理， 为保证舒适度在范 围内， 即 ^{≤ a63} m/s2, 则计算可得符合要求的速度不得高于 55 km/h, 则 b 值为 70-55=15km/h _o 式中， ^ l' ¹ ^ ^ ⁸ , 通过公式 (9)可获得 k值的舒适上限为 0.3712。 另一方面， 为 了防止加加速度超过舒适界限， 通过公式 (12)可以求得 k值的舒适上限为 0.9400, 因此双 曲曲线 k值选择 0.3712*0.95=0.3526o 另外， 由于桥头跳车距离较近， 减速距离只有 100米， 经 GIS显示， 该桥头跳车的物 理特征将导致的车辆振动大小为： a _v = 0.5621 瞧 将上式带入非线性规划中，可以获得双曲正切 函数最优的 k和 b值， b=31.05 km/h, k= 0.6762。 因此， 自动驾驶车辆通过 k=0.6762的双曲正切函数， 将速度降至 39km/h左右会 实现最佳的舒适情况。