一种用于控制无人驾驶车辆的行驶速度的方法与设备

技术领域

本申请涉及驾驶车辆领域，尤其涉及一种用于控制无人驾驶车辆的行驶速度的技术。

背景技术

无人驾驶汽车是智能汽车的一种，也称为轮式移动机器人，主要依靠车内的以计算机系统为主的智能驾驶仪来实现无人驾驶的目的。

随着时代的发展，无人驾驶车辆已经被广泛应用于物流、共享出行、港口码头、矿上开采等领域。在无人驾驶测试或运营过程中，业界正在逐步将安全员由车端移到远程监控端，当在远程监控端向无人驾驶车辆发送指令(例如，急停指令、接管指令等)时，远程监控端与车端之间通常会存在网络延时，当存在网络延时时如何保障无人驾驶汽车的行驶安全成为亟待解决的问题。

发明内容

本申请的一个目的是提供一种用于控制无人驾驶车辆的行驶速度的方法与设备。

根据本申请的一个方面，提供了一种用于控制无人驾驶车辆的行驶速度的方法，该方法包括：获取网络设备与无人驾驶车辆间的网络延时参数；

根据所述网络延时参数，以及所述无人驾驶车辆对应的最大减速度、最大安全距离，确定所述无人驾驶车辆的最大安全速度；根据所述最大安全速度向所述无人驾驶车辆发送速度控制指令。

根据本申请的一个方面，提供了一种用于控制无人驾驶车辆的行驶速度的网络设备，该设备包括：一一模块，用于获取网络设备与无人驾驶车辆间的网络延时参数；一二模块，用于根据所述网络延时参数，以及所述无人驾驶车辆对应的最大减速度、最大安全距离，确定所述无人驾驶车辆的最大安全速度；一三模块，用于根据所述最大安全速度向所述无人驾驶车辆发送速度控制指令。

根据本申请的一个方面，提供了一种用于控制无人驾驶车辆的行驶速度的设备，其中，该设备包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行如上所述任一方法的操作。

根据本申请的一个方面，提供了一种存储指令的计算机可读介质，所述指令在被执行时使得系统进行如上所述任一方法的操作。

根据本申请的一个方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如上所述任一方法的步骤。

与现有技术相比，本申请通过获取网络延时参数，根据所述网络延时参数，以及所述无人驾驶车辆对应的最大减速度、最大安全距离，确定所述无人驾驶车辆的最大安全速度，以根据所述最大安全速度向所述无人驾驶车辆发送速度控制指令。将所述无人驾驶车辆的速度控制在所述最大安全速度(例如，小于或等于所述最大安全速度)，使无人驾驶车辆在收到所述网络设备发送的指令(例如，刹车指令)之时到停车这段时间所实际行驶的距离小于或等于所述最大安全距离，以保障所述无人驾驶车辆的行车安全。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1示出根据本申请一个实施例的一种用于控制无人驾驶车辆的行驶速度的方法流程图；

图2示出根据本申请一个实施例的一种用于控制无人驾驶车辆的网络设备的设备结构图；

图3示出可被用于实施本申请中所述的各个实施例的示例性系统。

附图中相同或相似的附图标记代表相同或相似的部件。

具体实施方式

下面结合附图对本申请作进一步详细描述。

在本申请一个典型的配置中，终端、服务网络的设备和可信方均包括一个或多个处理器(例如，中央处理器(Central Processing Unit，CPU))、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RandomAccess Memory，RAM)和/或非易失性内存等形式，如只读存储器(Read Only Memory，ROM)或闪存(Flash Memory)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(Phase-Change Memory，PCM)、可编程随机存取存储器(Programmable Random Access Memory，PRAM)、静态随机存取存储器(Static Random-Access Memory，SRAM)、动态随机存取存储器(Dynamic Random AccessMemory，DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(Compact Disc Read-Only Memory，CD-ROM)、数字多功能光盘(Digital Versatile Disc,DVD)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。

本申请所指设备包括但不限于终端、网络设备、或终端与网络设备通过网络相集成所构成的设备。所述终端包括但不限于任何一种可与用户进行人机交互(例如通过触摸板进行人机交互)的移动电子产品，例如智能手机、平板电脑等，所述移动电子产品可以采用任意操作系统，如Android操作系统、iOS操作系统等。其中，所述网络设备包括一种能够按照事先设定或存储的指令，自动进行数值计算和信息处理的电子设备，其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑器件(Programmable Logic Device，PLD)、现场可编程门阵列(Field ProgrammableGate Array，FPGA)、数字信号处理器(Digital Signal Processor，DSP)、嵌入式设备等。所述网络设备包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云；在此，云由基于云计算(Cloud Computing)的大量计算机或网络服务器构成，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个虚拟超级计算机。所述网络包括但不限于互联网、广域网、城域网、局域网、VPN网络、无线自组织网络(Ad Hoc网络)等。优选地，所述设备还可以是运行于所述终端、网络设备、或终端与网络设备、网络设备、触摸终端或网络设备与触摸终端通过网络相集成所构成的设备上的程序。

当然，本领域技术人员应能理解上述设备仅为举例，其他现有的或今后可能出现的设备如可适用于本申请，也应包含在本申请保护范围以内，并在此以引用方式包含于此。

在本申请的描述中，“多个”的含义是两个或者更多，除非另有明确具体的限定。

在此，本申请所述的一种用于控制无人驾驶车辆的行驶速度的方法的执行主体包括所述无人驾驶车辆的车载控制器。

图1示出了根据本申请一个方面的一种用于控制无人驾驶车辆的行驶速度的方法，该方法包括步骤S11、步骤S12以及步骤S13。在步骤S11中，所述车载控制器获取网络设备与无人驾驶车辆间的网络延时参数；在步骤S12中，所述车载控制器根据所述网络延时参数，以及所述无人驾驶车辆对应的最大减速度、最大安全距离，确定所述无人驾驶车辆的最大安全速度；在步骤S13中，所述车载控制器根据所述最大安全速度向所述无人驾驶车辆发送速度控制指令。

具体而言，在步骤S11中，所述车载控制器获取网络设备与无人驾驶车辆间的网络延时参数。在一些实施例中，所述网络设备包括所述无人驾驶车辆的远程监控端所对应的网络设备，例如，由所述网络设备向所述无人驾驶车辆发送指令(例如，急停指令、接管指令等)。在一些实施例中，所述网络设备与所述无人驾驶车辆间的网络延时参数包括所述网络设备向所述无人驾驶车辆发送指令时，该指令到达该无人驾驶车辆所需要的时间。在一些实施例中，可以通过所述无人驾驶车辆端向所述网络设备端发送检测包，所述网络设备再返回检测包的方式获取所述网络设备与所述无人驾驶车辆间的网络延时参数。当然，本领域技术人员应能理解，上述获取所述网络延时参数的具体操作仅为举例，其他现有或今后可能出现的操作如能适用于本申请，也应包含在申请保护范围以内，并在此以引用方式包含于此。

在步骤S12中，所述车载控制器根据所述网络延时参数，以及所述无人驾驶车辆对应的最大减速度、最大安全距离，确定所述无人驾驶车辆的最大安全速度。在一些实施例中，所述车载控制器中记录有该无人驾驶车辆对应的最大减速度，在所述无人驾驶车辆的行驶过程中，所述无人驾驶车辆的车载控制器可以基于其记载的最大减速度、获取到的所述网络延时参数以及最大安全距离，确定所述无人驾驶车辆的最大安全速度，以控制该无人驾驶车辆的行驶速度。在另一些实施例中，所述无人驾驶车辆对应的最大减速度是所述车载控制器在确定所述无人驾驶车辆的最大安全速度之前临时确定出来的。关于确定所述无人驾驶车辆的最大减速度的具体步骤，请参见下面的实施例，在此不做赘述。在一些实施例中，所述车载控制器中预设有一个最大安全距离。在另一些实施例中，所述无人驾驶车辆对应的最大安全距离是所述车载控制器根据该无人驾驶车辆当前的实际情况确定出来的，例如，根据所述无人驾驶车辆当前所处的目标场景确定，再例如，根据所述无人驾驶车辆当前所处的目标场景，以及该无人驾驶车辆的当前载重确定所述最大安全距离。

在步骤S13中，所述车载控制器根据所述最大安全速度向所述无人驾驶车辆发送速度控制指令。在一些实施例中，所述车载控制器在确定出所述无人驾驶车辆的最大安全速度后，则可以根据所述最大安全速度向所述无人驾驶车辆发送速度控制指令。例如，基于所述最大安全速度控制所述无人驾驶车辆加速、减速，或者保持匀速行驶。在本实施例中，所述无人驾驶车辆的最大安全速度是根据所述网络延时参数，以及所述无人驾驶车辆对应的最大减速度、最大安全距离确定出来的，以根据所述最大安全速度向所述无人驾驶车辆发送速度控制指令，使得该无人驾驶车辆的行驶速度不超过该最大安全速度，从而使得该无人驾驶车辆在收到所述网络设备发送的刹车指令之时到停车这段时间所实际行驶的距离小于或等于所述最大安全距离。换言之，将所述无人驾驶车辆的行驶速度控制在所述最大安全速度(例如，等于或小于所述最大安全速度)，从而使得该无人驾驶车辆在收到所述刹车指令时能够在所述最大安全距离内顺利停车。

在一些实施例中，所述步骤S13包括：所述车载控制器比较所述最大安全速度与所述无人驾驶车辆的当前行驶速度；若所述最大安全速度大于所述无人驾驶车辆的当前行驶速度，向所述无人驾驶车辆发送加速指令；或者，若所述最大安全速度小于所述无人驾驶车辆的当前行驶速度，向所述无人驾驶车辆发送减速指令。在一些实施例中，所述无人驾驶车辆的当前行驶速度可以由该无人驾驶车辆通过速度传感器获取，并发送给所述车载控制器。例如，所述车载控制器在确定出所述无人驾驶车辆的最大安全速度后，比较所述无人驾驶车辆的当前行驶速度与该最大安全速度，在所述无人驾驶车辆的最大安全速度大于所述当前行驶速度时，则可以向该无人驾驶车辆发送加速指令，提高该无人驾驶车辆的行驶速度，以提高工作效率。在所述无人驾驶车辆的最大安全速度小于所述当前行驶速度时，则说明该无人驾驶车辆没有安全行驶，由于网络延时的存在，若基于当前行驶速度行驶，在接到所述网络设备发送的刹车指令时，可能无法在最大安全距离内停车，存在安全隐患。因此，为保障该无人驾驶车辆的安全，须向所述无人驾驶车辆发送减速指令，以减小该无人驾驶车辆的行驶速度，保障其行车安全。

在一些实施例中，所述方法在步骤S12之前还包括步骤S14(未示出)。在步骤S14中，所述车载控制器根据所述无人驾驶车辆的当前载重确定所述无人驾驶车辆对应的最大减速度。在本实施例中，所述无人驾驶车辆的最大减速度是所述车载控制器在确定该无人驾驶车辆的最大安全速度之前临时确定出来的。在一些实施例中，所述无人驾驶车辆的当前载重为所述无人驾驶车辆的自重与负荷重量之和。例如，当所述无人驾驶车辆空载时，该无人驾驶车辆的当前载重为该无人驾驶车辆的自重。再例如，当所述无人驾驶车辆非空载时，该无人驾驶车辆的载重等于该无人驾驶车辆的自重加上该无人驾驶车辆的负荷重量(例如，直接装载在该无人驾驶车辆上的物品的重量，或者还包括连接在该无人驾驶车辆的拖斗以及该拖斗所承载的物品的重量等)。在一些实施例中，当所述无人驾驶车辆为空载时，所述无人驾驶车辆的当前载重可以直接获取(例如，所述车载控制器中记录有该无人驾驶车辆的自重)。在另一些实施例中，所述无人驾驶车辆的当前载重是所述车载控制器在确定所述无人驾驶车辆的最大减速度之前，由该车载控制器临时确定出来的，关于所述无人驾驶车辆的当前载重的具体介绍请参见下面的实施例，在此不做赘述。

在一些实施例中，所述无人驾驶车辆的当前载重的确定步骤包括步骤S15(未示出)以及步骤S16。在步骤S15中，所述车载控制器向所述无人驾驶车辆发送第一加速指令，以获取所述无人驾驶车辆在执行所述第一加速指令过程中的第一加速度与第一电机转矩；在步骤S16中，所述车载控制器根据所述第一加速度与所述第一电机转矩，以及所述无人驾驶车辆的驱动力矩系数，以及所述无人驾驶车辆在执行所述第一加速指令时所行驶道路的滚动阻力系数确定所述无人驾驶车辆的当前载重。在一些实施例中，所述车载控制器通过向所述无人驾驶车辆发送加速指令来控制该无人驾驶车辆进行对应的加速行驶操作。例如，所述车载控制器向所述无人驾驶车辆发送第一加速指令，所述无人驾驶车辆接收所述第一加速指令，并在执行该第一加速指令的过程中产生对应的第一加速度以及第一电机转矩，由该无人驾驶车辆将所述第一加速度以及所述第一电机转矩发送给所述车载控制器。在一些实施例中，由所述无人驾驶车辆的电机提供该无人驾驶车辆在执行所述第一加速指令过程中的驱动力，并将在执行所述第一加速指令过程中的第一电机转矩传到该无人驾驶车辆的总线上，以便所述车载控制器获取所述第一电机转矩。在一些实施例中，所述无人驾驶车辆包括加速度传感器，并通过该加速度传感器获取所述无人驾驶车辆在执行所述第一加速指令过程中的第一加速度，进而将对应的第一加速度发送给所述车载控制器。当然，本领域技术人员应能理解，上述获取所述第一加速度的具体操作仅为举例，其他现有或今后可能出现的操作如能适用于本申请，也在本申请的保护范围内，并以引用的方式包含于此。例如，根据所述无人驾驶车辆在一定时间内的速度变化量确定该无人驾驶车辆在执行所述第一加速指令过程中的第一加速度。所述驱动力矩系数是确定所述无人驾驶车辆的当前载重的重要参数之一。所述驱动力矩系数表示单位电机转矩所产生的驱动力。在一些实施例中，不同型号、不同使用年限的无人驾驶车辆所对应的驱动力矩系数是不同的。在一些实施例中，所述驱动力矩系数可以通过两种计算方式获取，第一种计算方式为：基于所述无人驾驶车辆的变速器传动比、主减速器传动比、传动系机械效率、轮胎半径确定所述无人驾驶车辆的驱动力矩系数。例如，令

表1滚动阻力系数表

如前所示的第一种驱动力矩系数计算方法，需要得到i

在一些实施例中，所述步骤S18包括：对于所述多条第二加速指令中的每一条第二加速指令，所述车载控制器根据所述无人驾驶车辆在执行该第二加速指令时的已知载重、第二加速度与第二电机转矩，以及所述无人驾驶车辆在执行所述第一加速指令时所行驶道路的滚动阻力系数确定所述无人驾驶车辆在该第二加速指令下对应的候选驱动力矩系数，以获得多个候选驱动力矩系数；所述车载控制器根据所述多个候选驱动力矩系数确定所述无人驾驶车辆的驱动力矩系数。当基于向所述无人驾驶车辆发送多条第二加速指令来确定该无人驾驶车辆的驱动力矩系数时，将每一条第二加速指令确定出来的驱动力矩系数作为候选驱动力矩系数，再从多个候选驱动力矩系数中最终确定出该无人驾驶车辆的驱动力矩系数。在一些实施例中，为了得到尽可能多的候选驱动力矩系数，以提高最终确定出的所述无人驾驶车辆的驱动力矩系数的准确性，每一条第二加速指令对应所述无人驾驶车辆不同的已知载重，以获得多个候选驱动力矩系数。例如，当所述无人驾驶车辆空载时(即所述无人驾驶车辆的已知载重为所述无人驾驶车辆的自重)，向所述无人驾驶车辆发送第二加速指令V1，得到候选驱动力矩系数I1；向所述无人驾驶车辆装载M1的负荷重量，再向该无人驾驶车辆发送所述第二加速指令，得到候选驱动力矩系数I2；再向所述无人驾驶车辆装载不同的负荷重量，以得到多个候选驱动力矩系数。在一些实施例中，同一无人驾驶车辆的同一已知载重对应不同的第二加速指令，例如，当所述无人驾驶车辆空载时，向所述无人驾驶车辆发送第二加速指令V1，得到候选驱动力矩系数I1；再向空载的所述无人驾驶车辆发送第二加速指令V2，得到候选驱动力矩系数I2…以得到多个候选驱动力矩系数，使得计算结果更精确。进一步地，所述车载控制器根据得到的多个候选驱动力矩系数确定所述无人驾驶车辆的驱动力矩系数。例如，所述无人驾驶车辆的驱动力矩系数是所述多个候选驱动力矩系数的平均值。再例如，所述无人驾驶车辆的驱动力矩系数是从所述多个候选驱动力矩系数中随机确定的。又例如，所述车载控制器计算所述多个候选驱动力矩系数的平均值，从所述多个候选驱动力矩系数中去掉与该平均值的差值等于或大于差值阈值的候选驱动力矩系数，再计算筛选之后的一个或多个候选驱动力矩系数的平均值，并将该平均值作为所述无人驾驶车辆的驱动力矩系数。当然，本领域技术人员应能理解，上述从多个候选驱动力矩系数中确定所述无人驾驶车辆的驱动力矩系数的具体操作仅为举例，其他现有或今后可能出现的具体操作如能适用于本申请，也包含在本申请的保护范围内。

在一些实施例中，所述步骤S18包括：所述车载控制器根据所述无人驾驶车辆在执行所述第二加速指令时的已知载重、第二加速度与第二电机转矩、所行驶道路的滚动阻力系数，以及驱动力矩公式，确定所述无人驾驶车辆的驱动力矩系数；其中，所述驱动力矩公式包括：

表2车辆A的驱动力矩系数计算表

在一些实施例中，所述步骤S16包括：所述车载控制器根据所述第一加速度、所述第一电机转矩、所述无人驾驶车辆的驱动力矩系数、所述无人驾驶车辆在执行所述第一加速指令时所行驶道路的滚动阻力系数，以及载重公式确定所述无人驾驶车辆的当前载重；其中，所述载重公式包括：

表3车辆A的载重计算表格之一

表4车辆A的载重计算表格之二

在一些实施例中，所述方法还包括步骤S191(未示出)。在步骤S191中，所述车载控制器获取所述无人驾驶车辆在执行所述第一加速指令时所行驶道路的路面坡度；所述步骤S16包括：所述车载控制器根据所述第一加速度、所述第一电机转矩、所述无人驾驶车辆的驱动力矩系数，以及所述无人驾驶车辆在执行所述第一加速指令时所行驶道路的滚动阻力系数和路面坡度确定所述无人驾驶车辆的当前载重。为了进一步提高临时确定出的所述无人驾驶车辆的当前载重的准确度，在一些实施例中，在确定所述无人驾驶车辆的当前载重时，考虑所述无人驾驶车辆在执行所述第一加速指令时所行驶道路的路面坡度。在一些实施例中，所述路面坡度可以通过相关的传感器获取(例如，惯导传感器、MEMS传感器)。当然，本领域技术人员应能理解，以上所述的获取所述路面坡度的具体操作仅为举例，其他现有的或今后可能出现的操作如能适用于本实施例，也在本申请的保护范围内，并以引用的方式包含于此。例如，所述无人驾驶车辆在获取到所述路面坡度后，将所述路面坡度提供给所述车载控制器，以供所述车载控制器基于所述路面坡度计算所述无人驾驶车辆的当前载重。当需要考虑所述路面坡度时，所述载重公式包括

在一些实施例中，所述方法还包括步骤S192(未示出)。在步骤S192中，所述车载控制器获取所述无人驾驶车辆在执行所述第一加速指令时的空气阻力系数、行驶速度，以及所述无人驾驶车辆的迎风面积；所述步骤S16包括：所述车载控制器根据所述第一加速度、所述第一电机转矩、所述无人驾驶车辆的驱动力矩系数、所述无人驾驶车辆的迎风面积，以及所述无人驾驶车辆在执行所述第一加速指令时所行驶道路的滚动阻力系数、路面坡度、空气阻力系数、行驶速度确定所述无人驾驶车辆的当前载重。在考虑了路面坡度的基础上，为了再更进一步地提高准确度，在一些实施例中，在确定所述无人驾驶车辆的当前载重时，考虑所述无人驾驶车辆在执行所述第一加速指令时的空气阻力系数、行驶速度，以及所述无人驾驶车辆的迎风面积。在此，本领域技术人员应能理解，所述无人驾驶车辆的空气阻力系数是一个无单位的数值，车辆的空气阻力系数通常在0.3-0.6之间，其可以在无人驾驶车辆制造完成后，通过风洞实验获得。车辆的迎风面积通常与无人驾驶车辆的形状有关，作为无人驾驶车辆的汽车参数之一，无人驾驶车辆的迎风面积也是已知的。在一些实施例中，所述无人驾驶车辆的行驶速度可以通过速度传感器获得。当需要进一步考虑所述无人驾驶车辆在执行所述第一加速指令时的空气阻力系数、行驶速度，以及所述无人驾驶车辆的迎风面积时，所述载重公式包括：

在一些实施例中，所述方法还包括步骤S193，在步骤S193中，所述车载控制器获取所述无人驾驶车辆在执行所述第一加速指令时的空气阻力系数、行驶速度，以及所述无人驾驶车辆的迎风面积；所述步骤S16包括：所述车载控制器根据所述第一加速度、所述第一电机转矩、所述无人驾驶车辆的驱动力矩系数、所述无人驾驶车辆的迎风面积，以及所述无人驾驶车辆在执行所述第一加速指令时所行驶道路的滚动阻力系数空气阻力系数行驶速度确定所述无人驾驶车辆的当前载重在本实施例中所述载重公式包括：

在一些实施例中，所述步骤S14包括：所述车载控制器根据所述当前载重、所述无人驾驶车辆当前所行驶道路的当前路面坡度、所述无人驾驶车辆当前所行驶道路的滚动阻力系数，以及所述无人驾驶车辆所对应的最大制动力确定所述无人驾驶车辆的最大减速度。在一些实施例中，所述车载控制器在确定出所述无人驾驶车辆的当前载重后，根据所述无人驾驶车辆的当前载重、所述当前路面坡度、所述无人驾驶车辆所对应的最大制动力确定该无人驾驶车辆的最大减速度。在一些实施例中，所述无人驾驶车辆所对应的最大制动力可以由所述车载控制器通过计算临时确定。在另一些实施例中，所述无人驾驶车辆的车载控制器中记录有该无人驾驶车辆所对应的最大制动力。在一些实施例中，所述路面坡度可以通过相关的传感器获取(例如，惯导传感器、MEMS传感器)。当然，本领域技术人员应能理解，以上所述的获取所述路面坡度的具体操作仅为举例，其他现有的或今后可能出现的操作如能适用于本实施例，也在本申请的保护范围内，并以引用的方式包含于此。在一些实施例中，所述滚动阻力系数可通过上述表1查询获得。

在一些实施例中，所述步骤S14包括：所述车载控制器根据所述当前载重、所述无人驾驶车辆当前所行驶道路的当前路面坡度、所述无人驾驶车辆当前所行驶道路的滚动阻力系数、所述无人驾驶车辆所对应的最大制动力，以及最大减速度公式确定所述无人驾驶车辆的最大减速度；其中，所述最大减速度公式包括：

在一些实施例中，所述无人驾驶车辆的最大制动力的确定步骤包括：所述车载控制器根据所述无人驾驶车辆的制动效能因数、制动轮缸的最大有效压强、轮缸活塞的有效面积、传动系机械效率、制动作用半径、所述无人驾驶车辆的轮胎半径，以及最大制动力公式确定所述无人驾驶车的最大制动力；其中，所述最大制动力公式包括：

在一些实施例中，所述步骤S12包括：所述车载控制器根据所述网络延时参数、所述无人驾驶车辆对应的最大减速度、最大安全距离，以及最大安全速度公式确定所述无人驾驶车辆的最大安全速度；其中，所述最大安全速度公式包括：

在一些实施例中，所述最大安全距离基于所述无人驾驶车辆当前所处的目标场景确定。在一些实施例中，所述目标场景包括但不限于下雨场景、晴天场景、大雾场景、下雪场景等。例如，所述无人驾驶车辆在下雨天行驶时所对应的最大安全距离与在晴天行驶时所对应的最大安全距离是不同的。在一些实施例中，所述车载控制器可以根据所述无人驾驶车辆当前所处的位置获取该无人驾驶车辆当前所处的目标场景(例如，所述无人驾驶车辆包括GPS定位系统，可由所述无人驾驶车辆将其定位位置发送给所述车载控制器)。例如，所述车载控制器可以向可以提供天气预报服务的相关服务器发送查询请求，其中，所述查询请求包括所述无人驾驶车辆当前所处的位置，以便获取所述无人驾驶车辆当前位置所对应的目标场景。当然，本领域技术人员应能理解，以上所述的获取所述无人驾驶车辆当前所处的目标场景的操作仅为举例，其他现有的或今后可能出现的操作如能适用于本实施例，也在本申请的保护范围内，并以引用的方式包含于此。在本实施例中，所述最大安全距离是所述车载控制器根据所述无人驾驶车辆当前所处的目标场景确定出来的。例如，所述车载控制器中建立有如下表5所示的场景表，所述车载控制器根据所述无人驾驶车辆当前所处的目标场景从所述场景表中查询获取该无人驾驶车辆所对应的最大安全距离。

表5场景表

在另一些实施例中，所述最大安全距离除了与所述无人驾驶车辆当前所处的目标场景相关外，还与该无人驾驶车辆的当前载重相关。在本实施例中，所述最大安全距离基于所述无人驾驶车辆当前所处的目标场景，以及所述无人驾驶车辆的当前载重确定。例如，所述车载控制器中建立有如下表6所示的场景表，所述车载控制器根据所述无人驾驶车辆当前所处的目标场景，以及所述无人驾驶车辆的当前载重从所述场景表中查询对应的最大安全距离。

表6场景表

图2示出了根据本申请一个实施例的一种用于控制无人驾驶车辆的行驶速度的设备。该设备包括一一模块、一二模块以及一三模块。所述一一模块，用于获取网络设备与无人驾驶车辆间的网络延时参数；所述一二模块，用于根据所述网络延时参数，以及所述无人驾驶车辆对应的最大减速度、最大安全距离，确定所述无人驾驶车辆的最大安全速度；所述一三模块，用于根据所述最大安全速度向所述无人驾驶车辆发送速度控制指令。

具体而言，所述一一模块，用于获取网络设备与无人驾驶车辆间的网络延时参数。在一些实施例中，所述网络设备包括所述无人驾驶车辆的远程监控端所对应的网络设备，例如，由所述网络设备向所述无人驾驶车辆发送指令(例如，急停指令、接管指令等)。在一些实施例中，所述网络设备与所述无人驾驶车辆间的网络延时参数包括所述网络设备向所述无人驾驶车辆发送指令时，该指令到达该无人驾驶车辆所需要的时间。在一些实施例中，可以通过所述无人驾驶车辆端向所述网络设备端发送检测包，所述网络设备再返回检测包的方式获取所述网络设备与所述无人驾驶车辆间的网络延时参数。当然，本领域技术人员应能理解，上述获取所述网络延时参数的具体操作仅为举例，其他现有或今后可能出现的操作如能适用于本申请，也应包含在申请保护范围以内，并在此以引用方式包含于此。

所述一二模块，用于根据所述网络延时参数，以及所述无人驾驶车辆对应的最大减速度、最大安全距离，确定所述无人驾驶车辆的最大安全速度。在一些实施例中，所述车载控制器中记录有该无人驾驶车辆对应的最大减速度，在所述无人驾驶车辆的行驶过程中，所述无人驾驶车辆的车载控制器可以基于其记载的最大减速度、获取到的所述网络延时参数以及最大安全距离，确定所述无人驾驶车辆的最大安全速度，以控制该无人驾驶车辆的行驶速度。在另一些实施例中，所述无人驾驶车辆对应的最大减速度是所述车载控制器在确定所述无人驾驶车辆的最大安全速度之前临时确定出来的。关于确定所述无人驾驶车辆的最大减速度的具体步骤，请参见下面的实施例，在此不做赘述。在一些实施例中，所述车载控制器中预设有一个最大安全距离。在另一些实施例中，所述无人驾驶车辆对应的最大安全距离是所述车载控制器根据该无人驾驶车辆当前的实际情况确定出来的，例如，根据所述无人驾驶车辆当前所处的目标场景确定，再例如，根据所述无人驾驶车辆当前所处的目标场景，以及该无人驾驶车辆的当前载重确定所述最大安全距离。

所述一三模块，用于根据所述最大安全速度向所述无人驾驶车辆发送速度控制指令。在一些实施例中，所述车载控制器在确定出所述无人驾驶车辆的最大安全速度后，则可以根据所述最大安全速度向所述无人驾驶车辆发送速度控制指令。例如，基于所述最大安全速度控制所述无人驾驶车辆加速、减速，或者保持匀速行驶。在本实施例中，所述无人驾驶车辆的最大安全速度是根据所述网络延时参数，以及所述无人驾驶车辆对应的最大减速度、最大安全距离确定出来的，以根据所述最大安全速度向所述无人驾驶车辆发送速度控制指令，使得该无人驾驶车辆的行驶速度不超过该最大安全速度，从而使得该无人驾驶车辆在收到所述网络设备发送的刹车指令之时到停车这段时间所实际行驶的距离小于或等于所述最大安全距离。换言之，将所述无人驾驶车辆的行驶速度控制在所述最大安全速度(例如，等于或小于所述最大安全速度)，从而使得该无人驾驶车辆在收到所述刹车指令时能够在所述最大安全距离内顺利停车。

在一些实施例中，所述一三模块，用于比较所述最大安全速度与所述无人驾驶车辆的当前行驶速度；若所述最大安全速度大于所述无人驾驶车辆的当前行驶速度，向所述无人驾驶车辆发送加速指令；或者，若所述最大安全速度小于所述无人驾驶车辆的当前行驶速度，向所述无人驾驶车辆发送减速指令。

在此，所述一三模块对应的具体实施方式与所述步骤S13的具体实施例相同或相似，因而不再赘述，以引用的方式包含于此。

在一些实施例中，所述设备还包括一四模块(未示出)。所述一四模块，用于根据所述无人驾驶车辆的当前载重确定所述无人驾驶车辆对应的最大减速度。

在此，所述一四模块对应的具体实施方式与所述步骤S14的具体实施例相同或相似，因而不再赘述，以引用的方式包含于此。

在一些实施例中，所述设备还包括一五模块(未示出)以及一六模块。所述一五模块，用于向所述无人驾驶车辆发送第一加速指令，以获取所述无人驾驶车辆在执行所述第一加速指令过程中的第一加速度与第一电机转矩；所述一六模块，用于根据所述第一加速度与所述第一电机转矩，以及所述无人驾驶车辆的驱动力矩系数，以及所述无人驾驶车辆在执行所述第一加速指令时所行驶道路的滚动阻力系数确定所述无人驾驶车辆的当前载重。

在此，所述一五模块、一六模块对应的具体实施方式与所述步骤S15、步骤S16的具体实施例相同或相似，因而不再赘述，以引用的方式包含于此。

在一些实施例中，所述设备还包括一零模块，所述一零模块用于基于所述无人驾驶车辆的变速器传动比、主减速器传动比、传动系机械效率、轮胎半径确定所述无人驾驶车辆的驱动力矩系数。例如，令

在一些实施例中，所述设备还包括一七模块(未示出)以及一八模块。所述一七模块，用于向所述无人驾驶车辆发送一条或多条第二加速指令，以获取所述无人驾驶车辆在执行每一条第二加速指令过程中的第二加速度与第二电机转矩；所述一八模块，用于根据所述无人驾驶车辆在执行所述第二加速指令时的已知载重、第二加速度与第二电机转矩，以及所述无人驾驶车辆在执行所述第一加速指令时所行驶道路的滚动阻力系数确定所述无人驾驶车辆的驱动力矩系数。

在此，所述一七模块、一八模块对应的具体实施方式与所述步骤S17、步骤S18的具体实施例相同或相似，因而不再赘述，以引用的方式包含于此。

在一些实施例中，所述无人驾驶车辆在执行所述第二加速指令时保持空载；或者，所述无人驾驶车辆在执行所述第二加速指令时的已知载重为所述无人驾驶车辆的自重。在一些实施例中，当所述无人驾驶车辆为空载时，所述无人驾驶车辆的已知载重为该无人驾驶车辆的自重。在一些实施例中，当所述无人驾驶车辆为空载时，惯性对该无人驾驶车辆行驶过程的影响是最小的。因此，在确定所述无人驾驶车辆的驱动力矩系数时，优选使所述无人驾驶车辆保持空载状态。当然，本领域技术人员可以理解，在另一些实施例中，在确定所述无人驾驶车辆的驱动力矩系数时，所述无人驾驶车辆也可以为非空载的状态。例如，可以由用户输入该无人驾驶车辆在执行所述第二加速指令时的已知载重。

在一些实施例中，所述一八模块用于：对于所述多条第二加速指令中的每一条第二加速指令，根据所述无人驾驶车辆在执行该第二加速指令时的已知载重、第二加速度与第二电机转矩，以及所述无人驾驶车辆在执行所述第一加速指令时所行驶道路的滚动阻力系数确定所述无人驾驶车辆在该第二加速指令下对应的候选驱动力矩系数，以获得多个候选驱动力矩系数；根据所述多个候选驱动力矩系数确定所述无人驾驶车辆的驱动力矩系数。

在此，所述一八模块对应的具体实施方式与所述步骤S18的具体实施例相同或相似，因而不再赘述，以引用的方式包含于此。

在一些实施例中，所述步骤一八模块用于：根据所述无人驾驶车辆在执行所述第二加速指令时的已知载重、第二加速度与第二电机转矩、所行驶道路的滚动阻力系数，以及驱动力矩公式，确定所述无人驾驶车辆的驱动力矩系数；其中，所述驱动力矩公式包括：

在此，所述一八模块对应的具体实施方式与所述步骤S18的具体实施例相同或相似，因而不再赘述，以引用的方式包含于此。

在一些实施例中，所述一六模块，用于根据所述第一加速度、所述第一电机转矩、所述无人驾驶车辆的驱动力矩系数、所述无人驾驶车辆在执行所述第一加速指令时所行驶道路的滚动阻力系数，以及载重公式确定所述无人驾驶车辆的当前载重；其中，所述载重公式包括：

在此，所述一六模块对应的具体实施方式与所述步骤S16的具体实施例相同或相似，因而不再赘述，以引用的方式包含于此。

在一些实施例中，所述设备还包括一九一模块(未示出)。一九一模块，用于获取所述无人驾驶车辆在执行所述第一加速指令时所行驶道路的路面坡度；所述一六模块，用于根据所述第一加速度、所述第一电机转矩、所述无人驾驶车辆的驱动力矩系数，以及所述无人驾驶车辆在执行所述第一加速指令时所行驶道路的滚动阻力系数和路面坡度确定所述无人驾驶车辆的当前载重。

在此，所述一九一模块、一六模块对应的具体实施方式与所述步骤S191、步骤S16的具体实施例相同或相似，因而不再赘述，以引用的方式包含于此。

在一些实施例中，所述设备还包括一九二模块(未示出)。一九二模块，用于获取所述无人驾驶车辆在执行所述第一加速指令时的空气阻力系数、行驶速度，以及所述无人驾驶车辆的迎风面积；所述一六模块，用于根据所述第一加速度、所述第一电机转矩、所述无人驾驶车辆的驱动力矩系数、所述无人驾驶车辆的迎风面积，以及所述无人驾驶车辆在执行所述第一加速指令时所行驶道路的滚动阻力系数、路面坡度、空气阻力系数、行驶速度确定所述无人驾驶车辆的当前载重。

在此，所述一九二模块、一六模块对应的具体实施方式与所述步骤S192、步骤S16的具体实施例相同或相似，因而不再赘述，以引用的方式包含于此。

在一些实施例中，所述设备还包括一九三模块，一九三模块，用于获取所述无人驾驶车辆在执行所述第一加速指令时的空气阻力系数、行驶速度，以及所述无人驾驶车辆的迎风面积；所述一六模块，用于根据所述第一加速度、所述第一电机转矩、所述无人驾驶车辆的驱动力矩系数、所述无人驾驶车辆的迎风面积，以及所述无人驾驶车辆在执行所述第一加速指令时所行驶道路的滚动阻力系数、空气阻力系数、行驶速度确定所述无人驾驶车辆的当前载重。

在此，所述一九三模块、一六模块对应的具体实施方式与所述步骤S193、步骤S16的具体实施例相同或相似，因而不再赘述，以引用的方式包含于此。

在一些实施例中，所述一四模块，用于根据所述当前载重、所述无人驾驶车辆当前所行驶道路的当前路面坡度、所述无人驾驶车辆当前所行驶道路的滚动阻力系数，以及所述无人驾驶车辆所对应的最大制动力确定所述无人驾驶车辆的最大减速度。

在此，所述一四模块对应的具体实施方式与所述步骤S14的具体实施例相同或相似，因而不再赘述，以引用的方式包含于此。

在一些实施例中，所述一四模块，用于根据所述当前载重、所述无人驾驶车辆当前所行驶道路的当前路面坡度、所述无人驾驶车辆当前所行驶道路的滚动阻力系数、所述无人驾驶车辆所对应的最大制动力，以及最大减速度公式确定所述无人驾驶车辆的最大减速度；其中，所述最大减速度公式包括：

在此，所述一四模块对应的具体实施方式与所述步骤S14的具体实施例相同或相似，因而不再赘述，以引用的方式包含于此。

在一些实施例中，所述无人驾驶车辆的最大制动力的确定步骤包括：根据所述无人驾驶车辆的制动效能因数、制动轮缸的最大有效压力强、轮缸活塞的有效面积、传动系机械效率、制动作用半径、所述无人驾驶车辆的轮胎半径，以及最大制动力公式确定所述无人驾驶车的最大制动力；其中，所述最大制动力公式包括：

在一些实施例中，所述一二模块，用于根据所述网络延时参数、所述无人驾驶车辆对应的最大减速度、最大安全距离，以及最大安全速度公式确定所述无人驾驶车辆的最大安全速度；其中，所述最大安全速度公式包括：

在此，所述一二模块对应的具体实施方式与所述步骤S12的具体实施例相同或相似，因而不再赘述，以引用的方式包含于此。

在一些实施例中，所述一二模块，用于根据所述网络延时参数、所述无人驾驶车辆对应的最大减速度、最大安全距离、所述无人驾驶车辆与前车之间的预留间距，以及最大安全速度公式确定所述无人驾驶车辆的最大安全速度；其中，所述最大安全速度公式包括：

在此，所述一二模块对应的具体实施方式与所述步骤S12的具体实施例相同或相似，因而不再赘述，以引用的方式包含于此。

在一些实施例中，所述最大安全距离基于所述无人驾驶车辆当前所处的目标场景确定。在一些实施例中，所述目标场景包括但不限于下雨场景、晴天场景、大雾场景、下雪场景等。例如，所述无人驾驶车辆在下雨天行驶时所对应的最大安全距离与在晴天行驶时所对应的最大安全距离是不同的。在一些实施例中，所述车载控制器可以根据所述无人驾驶车辆当前所处的位置获取该无人驾驶车辆当前所处的目标场景(例如，所述无人驾驶车辆包括GPS定位系统，可由所述无人驾驶车辆将其定位位置发送给所述车载控制器)。例如，所述车载控制器可以向可以提供天气预报服务的相关服务器发送查询请求，其中，所述查询请求包括所述无人驾驶车辆当前所处的位置，以便获取所述无人驾驶车辆当前位置所对应的目标场景。当然，本领域技术人员应能理解，以上所述的获取所述无人驾驶车辆当前所处的目标场景的操作仅为举例，其他现有的或今后可能出现的操作如能适用于本实施例，也在本申请的保护范围内，并以引用的方式包含于此。在本实施例中，所述最大安全距离是所述车载控制器根据所述无人驾驶车辆当前所处的目标场景确定出来的。例如，所述车载控制器中建立有如下表5所示的场景表，所述车载控制器根据所述无人驾驶车辆当前所处的目标场景从所述场景表中查询获取该无人驾驶车辆所对应的最大安全距离。

表5场景表

在一些实施例中，所述最大安全距离除了与所述无人驾驶车辆当前所处的目标场景相关外，还与该无人驾驶车辆的当前载重相关。在本实施例中，所述最大安全距离基于所述无人驾驶车辆当前所处的目标场景，以及所述无人驾驶车辆的当前载重确定。例如，所述车载控制器中建立有如下表6所示的场景表，所述车载控制器根据所述无人驾驶车辆当前所处的目标场景，以及所述无人驾驶车辆的当前载重从所述场景表中查询对应的最大安全距离。

表6场景表

除上述各实施例介绍的方法和设备外，本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机代码，当所述计算机代码被执行时，如前任一项所述的方法被执行。

本申请还提供了一种计算机程序产品，当所述计算机程序产品被计算机设备执行时，如前任一项所述的方法被执行。

本申请还提供了一种计算机设备，所述计算机设备包括：

一个或多个处理器；

存储器，用于存储一个或多个计算机程序；

当所述一个或多个计算机程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如前任一项所述的方法。

图3示出了可被用于实施本申请中所述的各个实施例的示例性系统；

如图3所示在一些实施例中，系统300能够作为各所述实施例中的任意一个设备。在一些实施例中，系统300可包括具有指令的一个或多个计算机可读介质(例如，系统存储器或NVM/存储设备320)以及与该一个或多个计算机可读介质耦合并被配置为执行指令以实现模块从而执行本申请中所述的动作的一个或多个处理器(例如，(一个或多个)处理器305)。

对于一个实施例，系统控制模块310可包括任意适当的接口控制器，以向(一个或多个)处理器305中的至少一个和/或与系统控制模块310通信的任意适当的设备或组件提供任意适当的接口。

系统控制模块310可包括存储器控制器模块330，以向系统存储器315提供接口。存储器控制器模块330可以是硬件模块、软件模块和/或固件模块。

系统存储器315可被用于例如为系统300加载和存储数据和/或指令。对于一个实施例，系统存储器315可包括任意适当的易失性存储器，例如，适当的DRAM。在一些实施例中，系统存储器315可包括双倍数据速率类型四同步动态随机存取存储器(DDR4SDRAM)。

对于一个实施例，系统控制模块310可包括一个或多个输入/输出(I/O)控制器，以向NVM/存储设备320及(一个或多个)通信接口325提供接口。

例如，NVM/存储设备320可被用于存储数据和/或指令。NVM/存储设备320可包括任意适当的非易失性存储器(例如，闪存)和/或可包括任意适当的(一个或多个)非易失性存储设备(例如，一个或多个硬盘驱动器(HDD)、一个或多个光盘(CD)驱动器和/或一个或多个数字通用光盘(DVD)驱动器)。

NVM/存储设备320可包括在物理上作为系统300被安装在其上的设备的一部分的存储资源，或者其可被该设备访问而不必作为该设备的一部分。例如，NVM/存储设备320可通过网络经由(一个或多个)通信接口325进行访问。

(一个或多个)通信接口325可为系统300提供接口以通过一个或多个网络和/或与任意其他适当的设备通信。系统300可根据一个或多个无线网络标准和/或协议中的任意标准和/或协议来与无线网络的一个或多个组件进行无线通信。

对于一个实施例，(一个或多个)处理器305中的至少一个可与系统控制模块310的一个或多个控制器(例如，存储器控制器模块330)的逻辑封装在一起。对于一个实施例，(一个或多个)处理器305中的至少一个可与系统控制模块310的一个或多个控制器的逻辑封装在一起以形成系统级封装(SiP)。对于一个实施例，(一个或多个)处理器305中的至少一个可与系统控制模块310的一个或多个控制器的逻辑集成在同一模具上。对于一个实施例，(一个或多个)处理器305中的至少一个可与系统控制模块310的一个或多个控制器的逻辑集成在同一模具上以形成片上系统(SoC)。

在各个实施例中，系统300可以但不限于是：服务器、工作站、台式计算设备或移动计算设备(例如，膝上型计算设备、手持计算设备、平板电脑、上网本等)。在各个实施例中，系统300可具有更多或更少的组件和/或不同的架构。例如，在一些实施例中，系统300包括一个或多个摄像机、键盘、液晶显示器(LCD)屏幕(包括触屏显示器)、非易失性存储器端口、多个天线、图形芯片、专用集成电路(ASIC)和扬声器。

需要注意的是，本申请可在软件和/或软件与硬件的组合体中被实施，例如，可采用专用集成电路(ASIC)、通用目的计算机或任何其他类似硬件设备来实现。在一个实施例中，本申请的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地，本申请的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中，例如，RAM存储器，磁或光驱动器或软磁盘及类似设备。另外，本申请的一些步骤或功能可采用硬件来实现，例如，作为与处理器配合从而执行各个步骤或功能的电路。

另外，本申请的一部分可被应用为计算机程序产品，例如计算机程序指令，当其被计算机执行时，通过该计算机的操作，可以调用或提供根据本申请的方法和/或技术方案。本领域技术人员应能理解，计算机程序指令在计算机可读介质中的存在形式包括但不限于源文件、可执行文件、安装包文件等，相应地，计算机程序指令被计算机执行的方式包括但不限于：该计算机直接执行该指令，或者该计算机编译该指令后再执行对应的编译后程序，或者该计算机读取并执行该指令，或者该计算机读取并安装该指令后再执行对应的安装后程序。在此，计算机可读介质可以是可供计算机访问的任意可用的计算机可读存储介质或通信介质。

通信介质包括藉此包含例如计算机可读指令、数据结构、程序模块或其他数据的通信信号被从一个系统传送到另一系统的介质。通信介质可包括有导的传输介质(诸如电缆和线(例如，光纤、同轴等))和能传播能量波的无线(未有导的传输)介质，诸如声音、电磁、RF、微波和红外。计算机可读指令、数据结构、程序模块或其他数据可被体现为例如无线介质(诸如载波或诸如被体现为扩展频谱技术的一部分的类似机制)中的已调制数据信号。术语“已调制数据信号”指的是其一个或多个特征以在信号中编码信息的方式被更改或设定的信号。调制可以是模拟的、数字的或混合调制技术。

作为示例而非限制，计算机可读存储介质可包括以用于存储诸如计算机可读指令、数据结构、程序模块或其它数据的信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动的介质。例如，计算机可读存储介质包括，但不限于，易失性存储器，诸如随机存储器(RAM,DRAM,SRAM)；以及非易失性存储器，诸如闪存、各种只读存储器(ROM,PROM,EPROM,EEPROM)、磁性和铁磁/铁电存储器(MRAM,FeRAM)；以及磁性和光学存储设备(硬盘、磁带、CD、DVD)；或其它现在已知的介质或今后开发的能够存储供计算机系统使用的计算机可读信息/数据。

在此，根据本申请的一个实施例包括一个装置，该装置包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发该装置运行基于前述根据本申请的多个实施例的方法和/或技术方案。

对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其他的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。

在权利要求书中规定了各个实施例的各个方面。在下列编号条款中规定了各个实施例的这些和其他方面：

1.一种用于控制无人驾驶车辆的行驶速度的方法，其中，该方法包括：

获取网络设备与无人驾驶车辆间的网络延时参数；

根据所述网络延时参数，以及所述无人驾驶车辆对应的最大减速度、最大安全距离，确定所述无人驾驶车辆的最大安全速度；

根据所述最大安全速度向所述无人驾驶车辆发送速度控制指令。

2.根据条款1所述的方法，其中，所述根据所述最大安全速度向所述无人驾驶车辆发送速度控制指令，包括：

比较所述最大安全速度与所述无人驾驶车辆的当前行驶速度；若所述最大安全速度大于所述无人驾驶车辆的当前行驶速度，向所述无人驾驶车辆发送加速指令；或者，若所述最大安全速度小于所述无人驾驶车辆的当前行驶速度，向所述无人驾驶车辆发送减速指令。

3.根据条款1或2所述的方法，其中，所述方法在根据所述网络延时参数，以及所述无人驾驶车辆对应的最大减速度、最大安全距离，确定所述无人驾驶车辆的最大安全速度，之前还包括：

根据所述无人驾驶车辆的当前载重确定所述无人驾驶车辆对应的最大减速度。

4.根据条款3所述的方法，其中，所述无人驾驶车辆的当前载重的确定步骤包括：

向所述无人驾驶车辆发送第一加速指令，以获取所述无人驾驶车辆在执行所述第一加速指令过程中的第一加速度与第一电机转矩；

根据所述第一加速度与所述第一电机转矩，以及所述无人驾驶车辆的驱动力矩系数，以及所述无人驾驶车辆在执行所述第一加速指令时所行驶道路的滚动阻力系数确定所述无人驾驶车辆的当前载重。

5.根据条款4所述的方法，其中，所述无人驾驶车辆的驱动力矩系数是基于所述无人驾驶车辆的变速器传动比、主减速器传动比、传动系机械效率、轮胎半径确定的。

6.根据条款4所述的方法，其中，所述无人驾驶车辆的驱动力矩系数的确定步骤包括：

向所述无人驾驶车辆发送一条或多条第二加速指令，以获取所述无人驾驶车辆在执行每一条第二加速指令过程中的第二加速度与第二电机转矩；

根据所述无人驾驶车辆在执行所述第二加速指令时的已知载重、第二加速度与第二电机转矩，以及所述无人驾驶车辆在执行所述第一加速指令时所行驶道路的滚动阻力系数确定所述无人驾驶车辆的驱动力矩系数。

7.根据条款6所述的方法，其中，所述根据所述无人驾驶车辆在执行所述第二加速指令时的已知载重、第二加速度与第二电机转矩，以及所述无人驾驶车辆在执行所述第一加速指令时所行驶道路的滚动阻力系数确定所述无人驾驶车辆的驱动力矩系数，包括：

对于所述多条第二加速指令中的每一条第二加速指令，根据所述无人驾驶车辆在执行该第二加速指令时的已知载重、第二加速度与第二电机转矩，以及所述无人驾驶车辆在执行所述第一加速指令时所行驶道路的滚动阻力系数确定所述无人驾驶车辆在该第二加速指令下对应的候选驱动力矩系数，以获得多个候选驱动力矩系数；

根据所述多个候选驱动力矩系数确定所述无人驾驶车辆的驱动力矩系数。

8.根据条款6或7所述的方法，其中，所述根据所述无人驾驶车辆在执行所述第二加速指令时的已知载重、第二加速度与第二电机转矩，以及所述无人驾驶车辆在执行所述第一加速指令时所行驶道路的滚动阻力系数确定所述无人驾驶车辆的驱动力矩系数，包括：

根据所述无人驾驶车辆在执行所述第二加速指令时的已知载重、第二加速度与第二电机转矩、所行驶道路的滚动阻力系数，以及驱动力矩公式，确定所述无人驾驶车辆的驱动力矩系数；

其中，所述驱动力矩公式包括：

在此，所述i

9.根据条款6至8中任一项所述的方法，其中，所述无人驾驶车辆在执行所述第二加速指令时保持空载；或者，所述无人驾驶车辆在执行所述第二加速指令时的已知载重为所述无人驾驶车辆的自重。

10.根据条款4所述的方法，其中，所述根据所述第一加速度与所述第一电机转矩，以及所述无人驾驶车辆的驱动力矩系数，以及所述无人驾驶车辆在执行所述第一加速指令时所行驶道路的滚动阻力系数确定所述无人驾驶车辆的当前载重，包括：

根据所述第一加速度、所述第一电机转矩、所述无人驾驶车辆的驱动力矩系数、所述无人驾驶车辆在执行所述第一加速指令时所行驶道路的滚动阻力系数，以及载重公式确定所述无人驾驶车辆的当前载重；

其中，所述载重公式包括：

在此，所述m

11.根据条款4所述的方法，其中，所述方法还包括：

获取所述无人驾驶车辆在执行所述第一加速指令时所行驶道路的路面坡度；

所述根据所述第一加速度与所述第一电机转矩，以及所述无人驾驶车辆的驱动力矩系数，以及所述无人驾驶车辆在执行所述第一加速指令时所行驶道路的滚动阻力系数确定所述无人驾驶车辆的当前载重，包括：

根据所述第一加速度、所述第一电机转矩、所述无人驾驶车辆的驱动力矩系数，以及所述无人驾驶车辆在执行所述第一加速指令时所行驶道路的滚动阻力系数和路面坡度确定所述无人驾驶车辆的当前载重。

12.根据条款11所述的方法，其中，所述方法还包括：

获取所述无人驾驶车辆在执行所述第一加速指令时的空气阻力系数、行驶速度，以及所述无人驾驶车辆的迎风面积；

所述根据所述第一加速度、所述第一电机转矩、所述无人驾驶车辆的驱动力矩系数，以及所述无人驾驶车辆在执行所述第一加速指令时所行驶道路的滚动阻力系数和路面坡度确定所述无人驾驶车辆的当前载重，包括：

根据所述第一加速度、所述第一电机转矩、所述无人驾驶车辆的驱动力矩系数、所述无人驾驶车辆的迎风面积，以及所述无人驾驶车辆在执行所述第一加速指令时所行驶道路的滚动阻力系数、路面坡度、空气阻力系数、行驶速度确定所述无人驾驶车辆的当前载重。

13.根据条款4所述的方法，其中，所述方法还包括：

获取所述无人驾驶车辆在执行所述第一加速指令时的空气阻力系数、行驶速度，以及所述无人驾驶车辆的迎风面积；

所述根据所述第一加速度与所述第一电机转矩，以及所述无人驾驶车辆的驱动力矩系数，以及所述无人驾驶车辆在执行所述第一加速指令时所行驶道路的滚动阻力系数确定所述无人驾驶车辆的当前载重，包括：

根据所述第一加速度、所述第一电机转矩、所述无人驾驶车辆的驱动力矩系数、所述无人驾驶车辆的迎风面积，以及所述无人驾驶车辆在执行所述第一加速指令时所行驶道路的滚动阻力系数、空气阻力系数、行驶速度确定所述无人驾驶车辆的当前载重。

14.根据条款3所述的方法，其中，所述根据所述无人驾驶车辆的当前载重确定所述无人驾驶车辆对应的最大减速度，包括：

根据所述当前载重、所述无人驾驶车辆当前所行驶道路的当前路面坡度、所述无人驾驶车辆当前所行驶道路的滚动阻力系数，以及所述无人驾驶车辆所对应的最大制动力确定所述无人驾驶车辆的最大减速度。

15.根据条款14所述的方法，其中，所述根据所述当前载重、所述无人驾驶车辆当前所行驶道路的当前路面坡度、所述无人驾驶车辆当前所行驶道路的滚动阻力系数，以及所述无人驾驶车辆所对应的最大制动力确定所述无人驾驶车辆的最大减速度，包括：

根据所述当前载重、所述无人驾驶车辆当前所行驶道路的当前路面坡度、所述无人驾驶车辆当前所行驶道路的滚动阻力系数、所述无人驾驶车辆所对应的最大制动力，以及最大减速度公式确定所述无人驾驶车辆的最大减速度；其中，所述最大减速度公式包括：

在此，所述a

16.根据条款14或15所述的方法，其中，所述无人驾驶车辆的最大制动力的确定步骤包括：

根据所述无人驾驶车辆的制动效能因数、制动轮缸的最大有效压强、轮缸活塞的有效面积、传动系机械效率、制动作用半径、所述无人驾驶车辆的轮胎半径，以及最大制动力公式确定所述无人驾驶车的最大制动力；其中，所述最大制动力公式包括：

在此，所述F

17.根据条款1所述的方法，其中，所述根据所述网络延时参数，以及所述无人驾驶车辆对应的最大减速度、最大安全距离，确定所述无人驾驶车辆的最大安全速度，包括：

根据所述网络延时参数、所述无人驾驶车辆对应的最大减速度、最大安全距离，以及最大安全速度公式确定所述无人驾驶车辆的最大安全速度；

其中，所述最大安全速度公式包括：

在此，所述s

18.根据条款17所述的方法，其中，所述根据所述网络延时参数、所述无人驾驶车辆对应的最大减速度、最大安全距离，以及最大安全速度公式确定所述无人驾驶车辆的最大安全速度，包括：

根据所述网络延时参数、所述无人驾驶车辆对应的最大减速度、最大安全距离、所述无人驾驶车辆与前车之间的预留间距，以及最大安全速度公式确定所述无人驾驶车辆的最大安全速度；

其中，所述最大安全速度公式包括：

在此，所述s

19.根据条款1所述的方法，其中，所述最大安全距离基于所述无人驾驶车辆当前所处的目标场景确定。

20.根据条款1所述的方法，其中，所述最大安全距离基于所述无人驾驶车辆当前所处的目标场景，以及所述无人驾驶车辆的当前载重确定。

21.一种用于控制无人驾驶车辆的行驶速度的设备，其中，该设备包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行如条款1至20中任一项所述方法的操作。

22.一种存储指令的计算机可读介质，所述指令在被执行时使得系统进行执行如条款1至20中任一项所述方法的操作。

23.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现如条款1至20中任一项所述方法的步骤。