一种车辆控制方法及装置

本申请是分案申请，原申请的申请号是202180000826.6，原申请日是2021年03月31日，原申请的全部内容通过引用结合在本申请中。

技术领域

本申请涉及智能汽车技术领域，尤其涉及一种车辆控制方法及装置。

背景技术

随着自动驾驶、车路协同和车云协同等技术的不断发展，车辆可以通过车载传感器、路侧设备和云端服务器获取车辆周围的感知信息。城市交通环境中，红绿灯路口通行是车辆面对的工况之一，车辆的车载传感器对红绿灯的感知易受光照、遮挡、距离等因素的影响，且无法获得红绿灯描述信息。

随着车路协同、车云协同等技术的发展，车辆可以通过路侧设备或云端服务器获取更全面和准确的感知信息，车辆可以提前根据红绿灯的状态和秒数，以及车辆的车速和车辆与红绿灯路口的距离，对车辆的行驶提前进行规划，使车辆安全平稳通过红绿灯路口。

目前基于车路协同的红绿灯路口车速控制方法，多为针对燃油汽车，而对于以电源作为动力的车辆的控制场景未给出解决方案。

发明内容

本申请实施例提供一种车辆控制方法及装置，用以实现对车辆的控制，以及在制动工况下尽可能多的回收制动能量，提高车辆的能量利用率，延长车辆的续航里程。

第一方面，提供一种车辆控制方法，包括：获取车辆的行驶信息以及所述车辆所在区域的道路交通信息，预测所述车辆通过红绿灯路口的工况和所述车辆通过红绿灯路口的第一车速v

其中，所述车辆可以是纯电动汽车，或者可以是油电混合的车辆，或者可以是其他具有储能设备的车辆，在此不做限制。

通过上述方法，在对车辆进行车速规划控制时，在制动工况下考虑制动能量回收的因素，尽可能多的回收制动能量，提高车辆的能量利用率，延长车辆的续航里程。

在一个可能的设计中，在获取车辆的行驶信息以及所述车辆所在区域的道路交通信息，预测所述车辆通过红绿灯路口的工况和所述车辆通过红绿灯路口的第一车速v

在一个可能的设计中，所述车辆控制模型包括以下一种或多种：车辆动力学模型，物理约束模型，边界约束模型和所述车辆控制模型的优化目标。在车辆控制中考虑不同的模型和优化目标，可以提高乘客乘车的舒适度和安全性，以及提高道路的整体通行效率。

所述物理约束模型包括所述车辆的车速约束模型，和/或所述车辆的加速度约束模型。

所述边界约束模型用于约束所述车辆不与所述车辆行驶前方车辆相撞。

所述车辆模型的优化目标包括以下一种或多种：所述车辆通过红绿灯路口的效率评价指标，安全评价指标，舒适度评价指标，和车辆能量回收指标。

在一个可能的设计中，在获取车辆的行驶信息以及所述车辆所在区域的道路交通信息时，可以获取所述车辆的采集模块采集到的行驶信息，以及在路侧设备或云端服务器中获取所述车辆所在区域的道路交通信息。这样可以获取到更加精准、实时、可靠的路况信息，提高所述车辆的感知范围，增强所述车辆的感知能力。

在一个可能的设计中，在工况为制动工况时，所述车辆模型的优化目标包括所述车辆能量回收指标。通过考虑所述车辆能量回收指标，可以提高车辆的能量利用率，延长车辆的续航里程。

在一个可能的设计中，在工况为制动工况时，所述车辆的制动加速度a(t)满足以下条件：a

在一个可能的设计中，所述车辆控制模型的优化目标与以下一个或多个信息有关：所述车辆的速度、所述车辆的位置、所述车辆的加速度、或所述车辆通过红绿灯路口的时刻。

例如车辆通过红绿灯路口的效率评价指标可以与车辆的速度有关。车辆通过红绿灯路口的安全评价指标可以与车辆的速度和车辆的位置有关。车辆通过红绿灯路口的舒适度评价指标可以与车辆的加速度有关。车辆能量回收指标可以与车辆通过红绿灯路口的时刻和车辆的速度有关。可见车辆控制中考虑不同的因素对优化目标的影响，可以车辆通过红绿灯路口的时刻。

在一个可能的设计中，所述车辆模型的优化目标满足以下公式：

在一个可能的设计中，所述G(v(t

在一个可能的设计中，在工况为制动工况时，所述G(v(t

在工况为非制动工况时，所述G(v(t

其中，ω

在该设计中，在车辆控制中考虑不同的优化目标，可以提高乘客乘车的舒适度和安全性，以及提高道路的整体通行效率。

在一个可能的设计中，所述G

在一个可能的设计中，所述G

在一个可能的设计中，所述车辆通过红绿灯路口的效率评价指标与所述车辆的速度有关。

在一个可能的设计中，所述车辆通过红绿灯路口的效率评价指标满足以下公式：L

在一个可能的设计中，所述车辆通过红绿灯路口的安全评价指标与所述车辆的速度和所述车速的位置有关。

在一个可能的设计中，所述车辆通过红绿灯路口的安全评价指标满足以下公式：L

在一个可能的设计中，所述边界约束模型与所述车辆的速度和所述车速的位置有关。可选的，所述边界约束模型与以下一个或多个信息有关：所述车辆的速度、所述车辆行驶前方车辆的车速、或所述车辆与所述车辆行驶前方车辆的距离。

在一个可能的设计中，所述边界约束模型满足以下公式：

在一个可能的设计中，所述车辆通过红绿灯路口的舒适度评价指标与所述车辆的加速度有关。

在一个可能的设计中，所述车辆通过红绿灯路口的舒适度评价指标满足以下公式：L

在该设计中，在车辆控制中考虑不同的优化目标，可以提高乘客乘车的舒适度和安全性，以及提高道路的整体通行效率。

在一个可能的设计中，所述车辆动力学模型与所述车辆的速度有关。

在一个可能的设计中，所述车辆动力学模型满足以下公式：

在一个可能的设计中，所述车辆的行驶信息包括以下一种或多种：所述车辆当前行驶的第二车速v(t)，所述车辆当前行驶的加速度a(t)，所述车辆当前行驶的位置。

在一种可能的情况下，在车辆控制的初始时刻，所述车辆当前行驶的车速可以为初始车速v

所述车辆所在区域的道路交通信息包括以下一种或多种：红绿灯颜色，红绿灯秒数，所述车辆与红绿灯的距离，所述车辆所在区域的限速，所述车辆行驶前方车辆的车速，所述车辆与所述车辆行驶前方车辆的距离。

在该设计中可以获取到更加全面、精准的车辆行驶信息和路况信息，提高所述车辆的感知范围，增强所述车辆的感知能力，更好对车速进行规划控制。

第二方面，提供一种车辆控制方法，包括：获取车辆的行驶信息以及所述车辆所在区域的道路交通信息，预测所述车辆通过红绿灯路口的工况和所述车辆通过红绿灯路口的第一车速v

其中非制动工况包括加速通过红绿灯路口，或匀速通过红绿灯路口。

其中匀速通过红绿灯路口可以为控制车辆以第一车速v

在一个可能的设计中，在获取车辆的行驶信息以及所述车辆所在区域的道路交通信息，预测所述车辆通过红绿灯路口的工况和所述车辆通过红绿灯路口的第一车速v

在一个可能的设计中，所述车辆控制模型包括以下一种或多种：车辆动力学模型，物理约束模型，边界约束模型和所述车辆控制模型的优化目标。

所述物理约束模型包括所述车辆的车速约束模型，和/或所述车辆的加速度约束模型。

所述边界约束模型用于约束所述车辆不与所述车辆行驶前方车辆相撞。

所述车辆模型的优化目标包括以下一种或多种：所述车辆通过红绿灯路口的效率评价指标，安全评价指标，舒适度评价指标，和车辆能量回收指标。

在非制动工况下，所述车辆模型的优化目标可以不包括车辆能量回收指标。

在一个可能的设计中，在获取车辆的行驶信息以及所述车辆所在区域的道路交通信息时，可以获取所述车辆的采集模块采集到的行驶信息，以及在路侧设备或云端服务器中获取所述车辆所在区域的道路交通信息。

在一个可能的设计中，所述车辆控制模型的优化目标与以下一个或多个信息有关：所述车辆的速度、所述车辆的位置、所述车辆的加速度、或所述车辆通过红绿灯路口的时刻。

在一个可能的设计中，所述车辆模型的优化目标满足以下公式：

在一个可能的设计中，所述G(v(t

在一个可能的设计中，在工况为非制动工况时，所述G(v(t

其中，ω

在一个可能的设计中，所述G

在一个可能的设计中，所述车辆通过红绿灯路口的效率评价指标与所述车辆的速度有关。

在一个可能的设计中，所述车辆通过红绿灯路口的效率评价指标满足以下公式：L

在一个可能的设计中，所述车辆通过红绿灯路口的安全评价指标与所述车辆的速度和所述车速的位置有关。

所述车辆通过红绿灯路口的安全评价指标满足以下公式：L

在一个可能的设计中，所述边界约束模型与以下一个或多个信息有关：所述车辆的速度、所述车辆行驶前方车辆的车速、或所述车辆与所述车辆行驶前方车辆的距离。

在一个可能的设计中，所述边界约束模型满足以下公式

在一个可能的设计中，所述车辆通过红绿灯路口的舒适度评价指标与所述车辆的加速度有关。

在一个可能的设计中，所述车辆通过红绿灯路口的舒适度评价指标满足以下公式：L

在一个可能的设计中，所述车辆动力学模型与所述车辆的速度有关。

在一个可能的设计中，所述车辆动力学模型满足以下公式：

在一个可能的设计中，所述车辆的行驶信息包括以下一种或多种：所述车辆当前行驶的第二车速v(t)，所述车辆当前行驶的加速度a(t)，所述车辆当前行驶的位置。

在一种可能的情况下，在车辆控制的初始时刻，所述车辆当前行驶的车速可以为初始车速v

所述车辆所在区域的道路交通信息包括以下一种或多种：红绿灯颜色，红绿灯秒数，所述车辆与红绿灯的距离，所述车辆所在区域的限速，所述车辆行驶前方车辆的车速，所述车辆与所述车辆行驶前方车辆的距离。

第三方面，提供一种车辆控制方法，包括：获取车辆的行驶信息以及所述车辆所在区域的道路交通信息，预测所述车辆通过红绿灯路口的工况和所述车辆通过红绿灯路口的第一车速v

第四方面，提供一种车辆控制装置，该车辆控制装置具有实现上述第一方面、第二方面或第三方面的车辆控制方法的功能。所述功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。所述硬件或软件包括一个或多个与上述功能相对应的模块。

在一个可能的设计中，所述车辆控制装置的结构中包括获取单元和处理单元，这些单元可以执行上述第一方面、第二方面或第三方面方法示例中的相应功能，具体参见方法示例中的详细描述，此处不做赘述。

在一种可能的设计中，所述车辆控制装置的结构中包括处理器和存储器。所述处理器被配置为支持所述车辆控制装置执行上述第一方面、第二方面或第三方面方法中相应的功能。所述存储器与所述处理器耦合，其保存所述目标距离确定装置必要的程序指令和数据。所述处理器用于读取并执行所述存储器中存储的程序指令，执行上述第一方面、第二方面或第三方面中任一可能的设计中所提及的方法。

第五方面，本申请实施例还提供了一种自动驾驶车辆，所述自动驾驶车辆中可以包括上述第四方面所提及的车辆控制装置。

第六方面，本申请实施例还提供了一种自动驾驶辅助系统，所述自动驾驶辅助系统中可以包括上述第四方面所提及的车辆控制装置。

第七方面，本申请实施例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中存储有计算机可执行指令，所述计算机可执行指令在被所述计算机调用时用于使所述计算机执行上述第一方面、第二方面、第三方面、或第一方面、第二方面、第三方面中任一可能的设计中所提及的方法。示例性的，计算机可读存储介质可以是计算机能够存取的任何可用介质。以此为例但不限于：计算机可读介质可以包括非瞬态计算机可读介质、随机存取存储器(random-access memory，RAM)、只读存储器(read-only memory，ROM)、电可擦除可编程只读存储器(electrically EPROM，EEPROM)、CD-ROM或其他光盘存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质。

第八方面，本申请实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得所述计算机执行上述第一方面、第二方面、第三方面、或第一方面、第二方面中任一可能的设计中所提及的方法。

第九方面，本申请实施例还提供了一种芯片，所述芯片与存储器相连，用于读取并执行所述存储器中存储的程序指令，以实现上述第一方面、第二方面、或第一方面、第二方面、第三方面中任一可能的设计中所提及的方法。

上述第二方面至第九方面中的各个方面以及各个方面可能达到的技术效果请参照上述针对第一方面或第一方面中的各种可能方案可以达到的技术效果说明，这里不再重复赘述。

附图说明

图1为本申请实施例提供的一种车辆控制方法的流程图；

图2为本申请实施例提供的另一种车辆控制方法的流程图；

图3为本申请实施例提供的又一种车辆控制方法的流程图；

图4为本申请实施例提供的一种车辆控制方法的框图；

图5为本申请实施例提供的又一种车辆控制方法的流程图；

图6为本申请实施例提供的一种通信装置的结构示意图；

图7为本申请实施例提供的一种通信装置的结构示意图。

具体实施方式

下面将结合附图对本申请作进一步地详细描述。

本申请实施例的技术方案可以应用于各种通信系统，例如：第四代(4thGeneration，4G)系统，4G系统包括LTE系统，全球互联微波接入(worldwideinteroperability for microwave access，WiMAX)通信系统，第五代(5th Generation，5G)系统，如NR，6G系统，及未来的通信系统等。

本申请实施例的技术方案可以应用于无人驾驶(unmanned driving)、辅助驾驶(driver assistance，ADAS)、智能驾驶(intelligent driving)、网联驾驶(connecteddriving)、智能网联驾驶(Intelligent network driving)、汽车共享(car sharing)、智能汽车(smart/intelligent car)、数字汽车(digital car)、无人汽车(unmanned car/driverless car/pilotless car/automobile)、车联网(internet of vehicles，IoV)、自动汽车(self-driving car、autonomous car)、车路协同(cooperative vehicleinfrastructure，CVIS)、智能交通(intelligent transport system，ITS)、车载通信(vehicular communication)等技术领域。

本申请实施例的技术方案可以应用于无人驾驶(unmanned driving)、辅助驾驶(driver assistance，ADAS)、智能驾驶(intelligent driving)、网联驾驶(connecteddriving)、智能网联驾驶(Intelligent network driving)、汽车共享(car sharing)、智能汽车(smart/intelligent car)、数字汽车(digital car)、无人汽车(unmanned car/driverless car/pilotless car/automobile)、车联网(internet of vehicles，IoV)、自动汽车(self-driving car、autonomous car)、车路协同(cooperative vehicleinfrastructure，CVIS)、智能交通(intelligent transport system，ITS)、车载通信(vehicular communication)等技术领域。

以下对本申请实施例的部分用语进行解释说明，以便于本领域技术人员理解。

1)纯电动汽车(battery electric vehicle，BEV)，也称电动汽车，以车载电源为动力，用电机驱动车轮行驶。也就是说，纯电动汽车的电源可以提供电能，纯电动汽车的电动机可以将电源的电能转化为机械能，驱动车轮行驶。根据用途不同，纯电动汽车可以包括电动轿车，电动货车和电动客车。

在本申请实施例中主要以车辆为纯电动汽车为例进行说明。需要说明的是，对于具有储能设备的车辆都适用于本申请实施例提供的车辆控制方法，例如包括以电源为动力的其它车辆，或者油电混合的车辆等。

2)制动能量回收，利用车辆在制动减速时将制动效能转变为电能存储并回收到电池中，相当于扩充了车辆的电池的容量，增加了车辆的续航里程。此外，制动能量回收还可以减少车辆的磨损，提高车辆行驶的稳定性。

3)路侧设备，包括路侧单元(road side unit，RSU)，路侧智能设施(包括摄像头、毫米波雷达、少量激光雷达、环境感知设备、以及智能红绿灯、智能化标志标识等)等。所述路侧设备还可以包括多接入边缘计算(multi-access edge computing，MEC)设备等。

所述路侧设备可以获取所述路侧设备所在区域内车辆的位置和速度信息，也可以检测所述路侧设备所在区域内的车流量。所述路侧设备(如RSU)可以与其所在区域内的红绿灯(也称交通灯或信号灯)连接，获取到红绿灯的颜色和秒数(一般为倒计时的秒数)。所述路侧设备(如RSU)可以与其所在区域内的摄像头/激光雷达连接，检测道路是否存在异常情况(交通事故、大雾天气等)。可选的，所述路侧设备也可以承担一部分数据处理运算功能。

所述路侧设备可以与车辆进行交互，例如车辆可以将行驶信息上报给所述路侧设备，所述路侧设备可以将车辆所在区域内的道路交通信息下发给所述车辆。

4)云端服务器，即云端管理平台或智能车云服务平台，也称云端设备，可以对海量车辆的信息进行分析和处理，从而规划车辆的行驶路线、车速和安排信号灯的周期等。所述云端服务器可以与路侧设备、车辆进行交互，例如所述车辆可以将行驶信息上报给所述云端服务器，所述云端服务器可以将规划的行驶路线和车速等信息下发给所述车辆，或者所述云端服务器可以直接将车辆所在区域内的道路交通信息下发给所述车辆。一种可能的，所述云端服务器为交通中心。

5)车辆的行驶信息，与所述车辆行驶过程相关的信息，包括但不限于以下一种或多种：车辆行驶的速度/车辆的速度(即车速)、车辆行驶的加速度/车辆的加速度、或车辆行驶的位置/车辆的位置。可选的，所述车辆的行驶信息可以由车辆自身的车载传感器、摄像头等采集模块采集到。或者所述车辆的行驶信息可以由车辆所在区域内的路侧设备采集到。在一些场景中，车辆还可以采集并上报所在区域内的道路交通信息，例如可以采集并上报所在区域内的红绿灯信息，和/或异常情况等。

在本申请实施例中，所述车辆的车速可能包括：v

所述车辆的加速度可能包括：a

需要说明的是，所述车辆从某一位置行驶到红绿灯路口的时长内，可以进行一次或多次车辆控制，以及可以包括一个或多个t

可以理解的是，在本申请实施例中，除特别说明外，“时间”和“时刻”的概念可以相互替换。

6)道路交通信息，指车辆所在区域的道路交通信息，包括但不限于以下一种或多种：红绿灯颜色，红绿灯秒数，所述车辆与红绿灯的距离，所述车辆所在区域的限速，所述车辆行驶前方车辆的车速，所述车辆与所述车辆行驶前方车辆的距离，所述车辆所在区域的车流量，所述车辆所在区域的天气信息，所述车辆所在区域的拥堵情况。

可以理解的是，除特别说明外，本申请实施例中涉及的车辆为智能车，可以与路侧设备、云端服务器等进行交互。

7)本申请实施例中的术语“系统”和“网络”可被互换使用。“多个”是指两个或两个以上，鉴于此，本申请实施例中也可以将“多个”理解为“至少两个”。“至少一个”，可理解为一个或多个，例如理解为一个、两个或更多个。例如，包括至少一个，是指包括一个、两个或更多个，而且不限制包括的是哪几个。例如，包括A、B和C中的至少一个，那么包括的可以是A、B、C，A和B，A和C，B和C，或A和B和C。同理，对于“至少一种”等描述的理解，也是类似的。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，字符“/”，如无特殊说明，一般表示前后关联对象是一种“或”的关系。

除非有相反的说明，本申请实施例提及“第一”、“第二”等序数词用于对多个对象进行区分，不用于限定多个对象的顺序、时序、优先级或者重要程度，并且“第一”、“第二”的描述也并不限定对象一定不同。

随着自动驾驶、车路协同(车辆与路侧设备之间协同)和车云协同(车辆与云端服务器之间协同)等技术的不断发展，车辆(如智能车)可以通过车载传感器、路侧设备和云端服务器更全面的获得车辆周围的感知信息。城市交通环境中，红绿灯路口通行是车辆面对的工况之一，车辆的车载传感器对红绿灯的感知易受光照、遮挡、距离等因素的影响，且无法获得红绿灯描述信息。随着车路协同、车云协同等技术的发展，车辆可以通过路侧设备或云端服务器获取更全面和准确的感知信息，车辆可以提前根据红绿灯的状态和秒数，以及车辆的车速和车辆与红绿灯路口的距离，对车辆的行驶提前进行规划，使车辆安全平稳通过红绿灯路口。

一般的，车辆通过车与外界任何事物(vehicle to everything，V2X)通信，获得红绿灯及其他车辆信息，然后进行车速规划控制，以燃油经济性、通行效率、舒适度中的一个或多个作为优化目标，计算得到车辆的车速控制结果。基于车路协同的红绿灯路口车速控制方法，多为针对燃油汽车实现，在车速规划时的优化目标考虑燃油经济性、通行效率、舒适度中的一个或多个，不适用于以电源作为动力的车辆。

基于此，本申请实施例提供一种车辆规划方法，在该方法中，可以根据车辆的行驶信息以及车辆所在区域的道路交通信息，规划车辆通过红绿灯路口的工况和第一车速，若规划出所述车辆通过红绿灯路口的工况为制动工况，可以根据车辆通过红绿灯路口的第一车速和车辆当前行驶的第二车速，确定车辆回收的制动能量，可以根据所述车辆回收的能量，控制车辆进行制动，从而提高纯车辆的制动能量回收。

本申请实施例提供的一种可能的车辆控制过程如图1所示，包括以下步骤：

S101：第一设备获取车辆的行驶信息以及所述车辆所在区域的道路交通信息，预测所述车辆通过红绿灯路口的工况和所述车辆通过红绿灯路口的第一车速v

本申请实施例涉及的所述第一设备可以为所述车辆本身，或者可以为路侧设备，或者可以为云端服务器，或者也可以为其他设备，在此不做限制。

可选的，所述车辆上可以安装有采集模块，所述车辆通过安装的采集模块采集所述车辆的行驶信息。所述第一设备(例如非所述车辆)可以在所述车辆中获取所述行驶信息，或者所述第一设备(例如所述车辆)可以通过所述采集模块获取所述行驶信息。

可选的，所述第一设备可以在路侧设备或云端服务器中获取所述车辆所在区域的道路交通信息。以所述第一设备为所述车辆为例进说明，当所述车辆进入到路侧设备的通信范围内，和/或所述车辆进入到云端服务器的广播范围内时，所述路侧设备或所述云端服务器可以向所述车辆发送所述道路交通信息。即在本申请实施例中，所述第一设备在车辆控制过程中也考虑到了从云端服务器中获取到的信息。

一种可能的实现中，所述第一设备可以根据红绿灯剩余时间，以及所述车辆与所述红绿灯路口的距离，预测所述车辆通过所述红绿灯路口的第一车速v

所述第一设备根据所述车辆与所述红绿灯路口的距离，以及所述红绿灯剩余时间，确定所述车辆在所述红绿灯剩余时间为0(或者所述红绿灯颜色改变)时，通过所述红绿灯路口的速度v

例如所述红绿灯为红灯时，若所述车辆当前行驶的第二车速v(t)

又如，所述红绿灯为绿灯时，若所述车辆当前行驶的第二车速v(t)

另一种可能的实现中，所述第一设备根据所述车辆的行驶信息以及所述车辆所在区域的道路交通信息，构建车辆控制模型；所述第一设备基于所述车辆控制模型，预测所述车辆通过红绿灯路口的工况和所述车辆通过红绿灯路口的第一车速v

所述车辆模型包括但不限于以下一种或多种：车辆动力学模型，物理约束模型，边界约束模型，所述车辆控制模型的优化目标，或车辆状态变化矩阵。也就是说，构建所述车辆模型时可以考虑车辆动力学模型，物理约束模型，边界约束模型，所述车辆控制模型的优化目标，或车辆状态变化矩阵中的一种或多种。或者所述车辆模型与以下一种或多种有关：车辆动力学模型，物理约束模型，边界约束模型，所述车辆控制模型的优化目标，或车辆状态变化矩阵。

所述车辆动力学模型即为车辆动力学约束。所述车辆动力学模型可以与以下一种或多种信息有关：所述车辆的速度，所述车辆的驱动力(可以由所述车辆的电动机提供)，道路的坡阻力，风的阻力，空气阻力，或所述车辆的迎风面积(指所述车辆在行驶方向上的投影面积，可以通过数码照相法或工程绘图等方法计算)等。可选的，所述车辆动力学模型可以满足以下公式：

所述物理约束模型包括所述车辆的车速约束模型，和/或所述车辆的加速度约束模型。所述物理约束模型与车辆的速度和/或车辆的加速度有关。所述车速约束模型中速度的最大值(v

所述边界约束模型用于约束所述车辆与所述车辆行驶前方车辆(简称前车)不发生碰撞。所述边界约束模型与以下一个或多个信息有关：所述车辆的速度、所述车辆行驶前方车辆的车速、或所述车辆与所述车辆行驶前方车辆的距离。所述边界约束模型可以用于分析所述车辆的安全性。可选的，所述边界约束模型可以约束所述车辆与前车的碰撞时间TCC(t)不小于最小碰撞时间TCC

所述车辆控制模型的优化目标包括但不限于以下一种或多种：所述车辆通过红绿灯路口的效率评价指标，安全评价指标，舒适度评价指标，或车辆能量回收指标。一种可能的场景中，在所述车辆通过红绿灯路口的工况为制动工况时，所述车辆控制模型包括所述车辆能量回收指标。

所述车辆控制模型的优化目标可以与以下一个或多个信息有关：所述车辆的速度、所述车辆的位置、所述车辆的加速度、或所述车辆通过红绿灯路口的时刻。

例如，所述车辆控制模型的优化目标满足以下公式：

L(v,x,a)与所述效率评价指标、所述安全评价指标或所述舒适度评价指标中的一项或多项有关。可选的，可以对所述效率评价指标、所述安全评价指标和所述舒适度评价指标进行归一化，使各指标的值位于范围[0,1]之间。例如L(v,x,a)＝ω

所述车辆通过红绿灯路口的效率评价指标为车速维度的评价指标，可以与所述车辆的速度有关。可选的，所述效率评价指标与所述车辆在t时刻的速度v(t)，所述车辆在所述车辆控制的结束时刻的速度，或所述车辆通过红绿灯路口的速度中的一项或多项有关。所述车辆通过红绿灯路口的效率评价指标与所述车辆的速度有关。例如所述车辆通过红绿灯路口的效率评价指标满足以下公式：L

所述车辆通过红绿灯路口的安全评价指标与所述车辆的速度和所述车速的位置有关。例如所述车辆通过红绿灯路口的安全评价指标可以和所述车辆与前车的碰撞时间有关。可选的所述车辆通过红绿灯路口的安全评价指标满足以下公式：L

所述车辆通过红绿灯路口的舒适度评价指标可以与所述车辆的加速度有关。可选的，所述舒适度评价指标与所述车辆在t时刻的加速度a(t)有关。例如所述车辆通过红绿灯路口的舒适度评价指标满足以下公式：L

在通信红绿灯路口的场景下，所述车辆通过红绿灯路口的工况包括制动工况和非制动工况。其中制动工况包括减速通过红绿灯路口或减速停车。非制动工况包括车速不变(即匀速)通过红绿灯路口或加速通过红绿灯路口。

可选的，在所述工况为制动工况时，a(t)表示所述车辆的制动加速度。所述车辆的制动加速度a(t)满足以下条件：a

所述G(v(t

在所述工况为制动工况时，所述G(v(t

G

G

在所述工况为非制动工况时，所述G(v(t

可选的，所述车辆状态变化矩阵与所述车辆的位置和所述车辆的速度有关。例如所述车辆状态变化矩阵满足以下公式：[x(t)v(t)]

S102：若所述车辆通过红绿灯路口的工况为制动工况，所述第一设备根据所述第一车速v

示例的，所述第一设备可以根据车辆控制模型计算得到的车速(如第一车速v

在本申请实施例中对所述车辆回收制动能量的过程不做限制。例如所述车辆根据所述第一车速v

可选的，所述车辆可以将所述制动能量转换为电能，存储在所述车辆的蓄电池中，实现制动能量的回收。

S103：所述第一设备根据所述车辆回收的制动能量，控制所述车辆进行制动。

在该S103中，所述第一设备控制所述车辆由v

在所述第一设备非所述车辆时，所述第一设备可以将v

可选的，若所述工况为非制动工况时，所述第一设备控制所述车辆维持当前车速v

一种可能的实现中，所述第一设备可以每隔时间T执行S101-S103，可以及时对所述车辆进行控制，及时响应所述车辆行驶过程中出现的突发情况。

本申请实施例提供的车辆控制方法中，考虑到车辆的制动能量回收，当车辆在红绿灯路口通行场景下制动时，在保证车辆的制动稳定性和安全性的前提下，尽可能多的回收制动能量，提高车辆的能量利用率，延长车辆行驶的续航里程。

图2为本申请实施例提供的另一种可能的车辆控制过程，包括如下步骤：

S201：第一设备获取车辆行驶信息以及所述车辆所在区域的道路交通信息，预测所述车辆通过红绿灯路口的工况和所述车辆通过红绿灯路口的第一车速v

该S201的实现过程可以参见上述S101，相似之处不做赘述。

S202：若所述车辆通过红绿灯路口的工况为非制动工况，所述第一设备控制所述车辆以所述第一车速v

其中非制动工况下，所述第一设备可以控制所述车辆以所述第一车速v

或者非制动工况下，第一设备可以控制所述车辆以所述第一车速v

一种可能的实现中，所述第一设备可以每隔时间T执行S101-S103，可以及时对所述车辆进行控制，及时响应所述车辆行驶过程中出现的突发情况。

在本申请实施例提供的车辆控制方法中，考虑到更全面的路况信息，可以提高车辆的感知范围，增强车辆的感知能力，并且可以提高乘客乘车的舒适度和安全性，以及提高道路的整体通行效率。

图3为本申请实施例提供的又一种可能的车辆控制过程，包括如下步骤：

S301：第一设备获取车辆的行驶信息以及所述车辆所在区域的道路交通信息，预测所述车辆通过红绿灯路口的工况和所述车辆通过红绿灯路口的第一车速v

S302：若所述车辆通过红绿灯路口的工况为制动工况，所述第一设备根据所述第一车速v

S301～S302的实现过程可以参见上述S101～S103，相似之处不做赘述。

S303：若所述车辆通过红绿灯路口的工况为非制动工况，所述第一设备控制所述车辆以所述第一车速v

S303的实现过程可以参见上述S202，相似之处不做赘述。

在本申请实施例提供的车辆控制方法中，考虑到更全面的路况信息，可以提高车辆的感知范围，增强车辆的感知能力，并且可以提高乘客乘车的舒适度和安全性，以及提高道路的整体通行效率。以及当车辆在红绿灯路口通行场景下制动时，考虑到车辆的制动能量回收，在保证车辆的制动稳定性和安全性的前提下，尽可能多的回收制动能量，提高车辆的能量利用率，延长车辆行驶的续航里程。

下面以一个具体实施例对上述实施例进行说明，图4为车辆控制过程的框图，具体步骤参见图5所示：

S501：车辆通过采集装置采集行驶信息。

所述车辆上安装有所述采集装置。所述采集装置可以为车载传感器和/或摄像头等。可选的，所述车辆可以通过所述摄像头获取红绿灯的颜色和秒数等信息。

S502：所述车辆在路侧设备或云端服务器中获取道路交通信息。

路侧设备或云端服务器可以从交通中心、红绿灯和路侧摄像头等中获取道路交通信息，并下发到通信区域内的智能车。

例如在所述车辆通过红绿灯路口的场景下，当所述车辆进入到路侧设备的通信范围内时，所述路侧设备向所述车辆发送所述道路交通信息；当所述车辆进入到所在区域的云端服务器的广播范围内时，所述云端服务器向所述车辆发送道路交通信息。

S503：所述车辆根据行驶信息和道路交通信息，基于车辆动力学模型、物理约束模型和边界约束模型，以所述车辆通过红绿灯路口的效率、舒适度、安全性和能量回收(可选)为优化目标，建立车辆控制模型。

其中在制动工况下，所述车辆控制模型可以考虑能量回收指标。在非制动工况下，所述车辆控制模型可以不考虑能量回收指标。

S504：所述车辆基于所述车辆控制模型，提前规划所述车辆通过红绿灯路口的工况和车速。

S505：非制动工况下，所述车辆根据规划的车速对油门进行控制。

在制动工况下，基于制动能量回收控制策略，最大限度的回收制动能量。

S506：制动工况下，所述车辆基于制动能量回收算法，回收制动能量，并对刹车进行控制。

在该S506中，所述车辆回收的制动能量可以为最大限度回收的制动能量。

S507：所述车辆按照时间间隔T重复S501-S506的步骤，对车速进行规划控制。

在该实施例中，车辆在路侧设备或云端服务器中获得道路交通信息，可以获取到更加精准、实时、可靠的路况信息，提高所述车辆的感知范围，增强所述车辆的感知能力。所述车辆基于获取到的车辆行驶信息和道路交通信息，提前对车辆的工况和车速进行规划，在车速规划中考虑到不同的优化目标，可以提高乘客乘车的舒适度和安全性，以及提高道路的整体通行效率，以及可以提高车辆的能量利用率，延长车辆的续航里程。

可以理解的是，本申请实施例主要针对车联网环境下，红绿灯场景下对车辆的车速控制。当然也可以适用其他道路交通场景，例如匝道、车辆拥堵路段等车辆制动工况场景中。

以上结合图1至图5，详细说明了本申请实施例的车辆控制方法。基于与上述车辆控制方法的同一技术构思，本申请实施例还提供了一种通信装置。如图6所示，该通信装置600包括获取单元601和处理单元602。

在一个实施例中，具体的：

获取单元601，用于获取车辆的行驶信息以及所述车辆所在区域的道路交通信息，预测所述车辆通过红绿灯路口的工况和所述车辆通过红绿灯路口的第一车速v

处理单元602，用于若所述车辆通过红绿灯路口的工况为制动工况，根据所述第一车速v

在一种可选的实施方式中，所述处理单元602，具体用于根据所述车辆的行驶信息以及所述车辆所在区域的道路交通信息，构建车辆控制模型；基于所述车辆控制模型，预测所述车辆通过红绿灯路口的工况和所述车辆通过红绿灯路口的第一车速v

在一种可选的实施方式中，所述车辆控制模型包括以下一种或多种：车辆动力学模型，物理约束模型，边界约束模型和所述车辆控制模型的优化目标；

所述物理约束模型包括所述车辆的车速约束模型，和/或所述车辆的加速度约束模型；

所述边界约束模型用于约束所述车辆不与所述车辆行驶前方车辆相撞；

所述车辆控制模型的优化目标包括以下一种或多种：所述车辆通过红绿灯路口的效率评价指标，安全评价指标，舒适度评价指标，和车辆能量回收指标。

在一种可选的实施方式中，所述获取单元601，具体用于获取所述车辆的采集模块采集到的行驶信息，以及在路侧设备或云端服务器中获取所述车辆所在区域的道路交通信息。

在一种可选的实施方式中，在工况为制动工况时，所述车辆控制模型的优化目标包括所述车辆能量回收指标。

在一种可选的实施方式中，在工况为制动工况时，所述车辆的制动加速度a(t)满足以下条件：a

在一种可选的实施方式中，所述车辆控制模型的优化目标与以下一个或多个信息有关：所述车辆的速度、所述车辆的位置、所述车辆的加速度、或所述车辆通过红绿灯路口的时刻。

在一种可选的实施方式中，所述车辆控制模型的优化目标满足以下公式：

在一种可选的实施方式中，所述G(v(t

在一种可选的实施方式中，在工况为制动工况时，所述G(v(t

G(v(t

在工况为非制动工况时，所述G(v(t

G(v(t

其中，ω

在一种可选的实施方式中，所述G

G

在一种可选的实施方式中，所述G

G

在一种可选的实施方式中，所述车辆通过红绿灯路口的效率评价指标与所述车辆的速度有关。

在一种可选的实施方式中，所述车辆通过红绿灯路口的效率评价指标满足以下公式：L

在一种可选的实施方式中，所述车辆通过红绿灯路口的安全评价指标与所述车辆的速度和所述车速的位置有关。

在一种可选的实施方式中，所述车辆通过红绿灯路口的安全评价指标满足以下公式：L

在一种可选的实施方式中，所述车辆通过红绿灯路口的舒适度评价指标与所述车辆的加速度有关。

在一种可选的实施方式中，所述车辆通过红绿灯路口的舒适度评价指标满足以下公式：L

在一种可选的实施方式中，所述车辆动力学模型与所述车辆的速度有关。

在一种可选的实施方式中，所述车辆动力学模型满足以下公式：

在一种可选的实施方式中，所述边界约束模型与所述车辆的速度和所述车速的位置有关。可选的，所述边界约束模型与以下一个或多个信息有关：所述车辆的速度、所述车辆行驶前方车辆的车速、或所述车辆与所述车辆行驶前方车辆的距离。

在一种可选的实施方式中，所述边界约束模型满足以下公式：

在一种可选的实施方式中，所述车辆的行驶信息包括以下一种或多种：所述车辆当前行驶的第二车速v(t)，所述车辆当前行驶的加速度v(t)，所述车辆当前行驶的位置。

所述车辆所在区域的道路交通信息包括以下一种或多种：红绿灯颜色，红绿灯秒数，所述车辆与红绿灯的距离，所述车辆所在区域的限速，所述车辆行驶前方车辆的车速，所述车辆与所述车辆行驶前方车辆的距离。

另一个实施例中，具体的：

获取单元601，用于获取车辆的行驶信息以及所述车辆所在区域的道路交通信息，预测所述车辆通过红绿灯路口的工况和所述车辆通过红绿灯路口的第一车速v

处理单元602，用于若所述车辆通过红绿灯路口的工况为非制动工况，控制所述车辆以所述第一车速v

又一个实施例中，具体的：

获取单元601，用于获取车辆的行驶信息以及所述车辆所在区域的道路交通信息，预测所述车辆通过红绿灯路口的工况和所述车辆通过红绿灯路口的第一车速v

处理单元602，用于若所述车辆通过红绿灯路口的工况为制动工况，根据所述第一车速v

需要说明的是，本申请实施例中对单元的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。在本申请的实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以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，本申请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全部或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)或处理器(processor)执行本申请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(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

基于以上实施例，本申请实施例还提供了一种通信装置，所述通信装置可以实现上述实施例。参阅图7所示，所述通信装置700可以包括处理器701和存储器702，其中：

其中，处理器701可以是中央处理器(central processing unit，CPU)，网络处理器(network processor，NP)或者CPU和NP的组合等等。处理器701还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路(application-specific integrated circuit，ASIC)，可编程逻辑器件(programmable logic device，PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(complex programmable logic device，CPLD)，现场可编程逻辑门阵列(field-programmable gate array，FPGA)，通用阵列逻辑(generic array logic，GAL)或其任意组合。处理器701在实现上述功能时，可以通过硬件实现，当然也可以通过硬件执行相应的软件实现。

处理器701和存储器702之间相互连接。可选的，处理器701和存储器702可以通过总线703相互连接；总线703可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图7中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

在一种可选的实施方式中，存储器702，与处理器701耦合，用于存放程序等。具体地，程序可以包括程序代码，该程序代码包括计算机操作指令。存储器702可能包括RAM，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。处理器701执行存储器702所存放的应用程序，实现上述功能，从而实现通信装置700的功能，即实现车辆控制方法。

一个实施例中，具体的，所述通信装置700在实现车辆控制方法时，可以包括：

所述处理器701用于调用所述存储器702中的程序指令执行：

获取车辆的行驶信息以及所述车辆所在区域的道路交通信息，预测所述车辆通过红绿灯路口的工况和所述车辆通过红绿灯路口的第一车速v

若所述车辆通过红绿灯路口的工况为制动工况，根据所述第一车速v

根据所述车辆回收的制动能量，控制所述车辆进行制动。

在一种可选的实施方式中，所述处理器701具体用于：根据所述车辆的行驶信息以及所述车辆所在区域的道路交通信息，构建车辆控制模型；基于所述车辆控制模型，预测所述车辆通过红绿灯路口的工况和所述车辆通过红绿灯路口的第一车速v

在一种可选的实施方式中，所述车辆控制模型包括以下一种或多种：车辆动力学模型，物理约束模型，边界约束模型和所述车辆控制模型的优化目标；

所述物理约束模型包括所述车辆的车速约束模型，和/或所述车辆的加速度约束模型；

所述边界约束模型用于约束所述车辆不与所述车辆行驶前方车辆相撞；

所述车辆控制模型的优化目标包括以下一种或多种：所述车辆通过红绿灯路口的效率评价指标，安全评价指标，舒适度评价指标，和车辆能量回收指标。

在一种可选的实施方式中，所述处理器701具体用于：获取所述车辆的采集模块采集到的行驶信息，以及在路侧设备或云端服务器中获取所述车辆所在区域的道路交通信息。

在一种可选的实施方式中，在工况为制动工况时，所述车辆控制模型的优化目标包括所述车辆能量回收指标。

在一种可选的实施方式中，在工况为制动工况时，所述车辆的制动加速度a(t)满足以下条件：a

在一种可选的实施方式中，所述车辆控制模型的优化目标与以下一个或多个信息有关：所述车辆的速度、所述车辆的位置、所述车辆的加速度、或所述车辆通过红绿灯路口的时刻。

在一种可选的实施方式中，所述车辆控制模型的优化目标满足以下公式：

在一种可选的实施方式中，所述G(v(t

在一种可选的实施方式中，在工况为制动工况时，所述G(v(t

G(v(t

在工况为非制动工况时，所述G(v(t

G(v(t

其中，ω

在一种可选的实施方式中，所述G

G

在一种可选的实施方式中，G

G

在一种可选的实施方式中，所述车辆通过红绿灯路口的效率评价指标与所述车辆的速度有关。

在一种可选的实施方式中，所述车辆通过红绿灯路口的效率评价指标满足以下公式：L

在一种可选的实施方式中，所述车辆通过红绿灯路口的安全评价指标与所述车辆的速度和所述车速的位置有关。

在一种可选的实施方式中，所述车辆通过红绿灯路口的安全评价指标满足以下公式：L

所述车辆通过红绿灯路口的舒适度评价指标满足以下公式：L

在一种可选的实施方式中，所述车辆通过红绿灯路口的舒适度评价指标与所述车辆的加速度有关。

在一种可选的实施方式中，在一种可选的实施方式中，所述车辆动力学模型满足以下公式：

在一种可选的实施方式中，所述边界约束模型与所述车辆的速度和所述车速的位置有关。可选的，所述边界约束模型与以下一个或多个信息有关：所述车辆的速度、所述车辆行驶前方车辆的车速、或所述车辆与所述车辆行驶前方车辆的距离。

在一种可选的实施方式中，所述边界约束模型满足以下公式：

在一种可选的实施方式中，所述车辆的行驶信息包括以下一种或多种：所述车辆当前行驶的第二车速v(t)，所述车辆当前行驶的加速度v(t)，所述车辆当前行驶的位置；

所述车辆所在区域的道路交通信息包括以下一种或多种：红绿灯颜色，红绿灯秒数，所述车辆与红绿灯的距离，所述车辆所在区域的限速，所述车辆行驶前方车辆的车速，所述车辆与所述车辆行驶前方车辆的距离。

另一个实施例中，具体的，所述通信装置700在实现车辆控制方法时，可以包括：

所述处理器701用于调用所述存储器702中的程序指令执行：

获取车辆的行驶信息以及所述车辆所在区域的道路交通信息，预测所述车辆通过红绿灯路口的工况和所述车辆通过红绿灯路口的第一车速v

若所述车辆通过红绿灯路口的工况为非制动工况，控制所述车辆以所述第一车速v

又一个实施例中，具体的，所述通信装置700在实现车辆控制方法时，可以包括：

所述处理器701用于调用所述存储器702中的程序指令执行：

获取车辆的行驶信息以及所述车辆所在区域的道路交通信息，预测所述车辆通过红绿灯路口的工况和所述车辆通过红绿灯路口的第一车速v

若所述车辆通过红绿灯路口的工况为制动工况，根据所述第一车速v

若所述车辆通过红绿灯路口的工况为非制动工况，控制所述车辆以所述第一车速v

基于以上实施例，本申请实施例还提供了一种自动驾驶车辆，所述自动驾驶车辆中可以包括上述图6或图7所示的通信装置，实现上述各实施例。

本申请实施例还提供了一种自动驾驶辅助系统，所述自动驾驶辅助系统中可以包括上述图6或图7所示的通信装置，实现上述各实施例。

基于以上实施例，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机程序，该计算机程序被计算机执行时，所述计算机可以实现上述方法实施例提供的车辆控制方法。

本申请实施例还提供一种计算机程序产品，所述计算机程序产品用于存储计算机程序，该计算机程序被计算机执行时，所述计算机可以实现上述方法实施例提供的车辆控制方法。

本申请实施例还提供一种芯片，所述芯片与存储器耦合，所述芯片用于实现上述方法实施例提供的车辆控制方法。

在本申请中，多个指两个或者两个以上。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

显然，本领域的技术人员可以对本申请实施例进行各种改动和变型而不脱离本申请实施例的范围。这样，倘若本申请实施例的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。