一种高速公路自动驾驶车辆制动间距控制方法及系统

技术领域

本发明属于自动驾驶技术领域，具体涉及一种高速公路自动驾驶车辆制动间距控制方法及系统。

背景技术

高速公路作为目前长途驾车的最主要方式，是等级最高的公路，其设计速度大，道路线性设计指标较高，车辆运行速度也较大。在发生紧急情况时，驾驶员决策时间较短，若处理不当，则易引发严重交通事故，从而导致巨大生命财产损失。因此，高速公路交通安全问题是交通安全问题的重中之重。影响高速公路行车安全的因素众多，道路线形指标是最重要的因素之一。其中，行车视距作为最基本的道路线形设计指标，对行车安全有着重要的影响。在高速公路线形设计中，保证足够的行车视距是保障行车安全性和舒适度的重要举措。若视距不良，则有可能令驾驶员无法做出正确决策，而造成交通事故。

近年来，随着智能化、信息化技术的不断提高，汽车自动驾驶技术正不断发展并逐渐成为未来的主要发展方向。且由于自动驾驶技术及国家政策的制定，未来自动驾驶车辆将以一定的比例逐渐渗入现有的交通流中，形成一定渗透率的异质交通流。自动驾驶车辆的加入会使车辆的反应和制动性能相比于传统人工驾驶车辆产生大的差异，停车视距作为保障行车安全的重要道路线形设计指标，有必要对异质交通流与停车视距的适应性展开研究，并以停车视距为依据控制自动驾驶车辆制动间距，用以保障高速公路的交通安全。

针对停车视距的研究，国内研究者主要聚焦在停车视距模型理论的改进以及道路线形的检验方法。有学者通过重新划分汽车制动过程建立停车视距计算模型，也有部分学者通过运行速度和制动减速度对停车视距进行修正。以上研究针对停车视距进行了较为深入的研究，认为停车视距计算主要包括反应距离和制动距离两部分，并得到了广泛的认可，但均集中于人工驾驶车辆，没有针对自动驾驶车辆进行停车视距研究。此外，在停车视距中涉及到的重要计算“参数—反应时间”研究中，目前的计算均通过经验值进行取值，缺少定量化计算。

车辆在行驶过程中根据跟驰模型与前导车辆以一定的间距跟驰行驶，目前在自动驾驶的跟驰间距中主要利用ACC跟驰模型进行控制。其中，在ACC跟驰模型中对安全停车间距参数仍参照经验值，并未针对前导车发生状态突变情况这一特殊场景进行分析，且车辆跟驰行驶时，车辆之间需保持一定的制动安全间距。在实际车辆行驶时，自动驾驶车辆作为跟随车辆，若按停车视距进行与前车制动安全间距控制会过于保守。因此，急需研发一种能够适应自动驾驶环境下的制动间距控制方法及其系统。

发明内容

本发明的目的在于克服现有技术之缺陷，本发明提高了一种高速公路自动驾驶车辆制动间距控制方法及系统，该制动间距控制系统通过计算异质交通流下自动驾驶车辆停车视距，并以此为自动驾驶在异质交通流运行过程中遇到前导车辆驾驶行为突变提供解决方案。

为了到达预期效果，本发明采用了以下技术方案：

本发明公开了一种高速公路自动驾驶车辆制动间距控制方法，包括：

S1.根据高速公路道路交通场景相关数据，构建制动模型；

S2.根据制动模型，计算自动驾驶车辆的停车视距；

S3.根据自动驾驶车辆的停车视距，进行制动间距控制。

进一步地，所述高速公路道路交通场景相关数据包括车道的方向、数量和各车道的每小时交通量。

进一步地，所述S2具体包括：

S2.1.构建跟驰场景；

S2.2.在跟驰场景里标定自动驾驶车辆的反应时间；

S2.3.根据反应时间计算反应距离；

S2.4.根据反应距离计算停车视距。

进一步地，所述跟驰场景包括跟驰车跟驰前导车，所述跟驰车包括自动驾驶车辆和自然人驾驶车辆，所述前导车包括自动驾驶车辆和自然人驾驶车辆。

进一步地，所述S2.2具体包括：基于跟驰模型，通过交通流仿真的形式，采集实验参数，在实验参数中筛选特定编号的车辆数据作为跟驰车数据，根据跟驰车数据确定其前导车和前导车所在车道，提取跟驰车和前导车的相对速度数据以及跟驰车的加速度数据进行相关性分析，当互相关系数最大时，则跟驰车和前导车的相对速度/跟驰车的加速度＝自动驾驶车辆的反应时间。

进一步地，所述采集实验参数的规则为：在采集数据期间，跟驰车与前导车均处于同一车道，且一直保持跟驰与被跟驰的关系，跟驰车跟驰前导车的最短时间大于第一预设值，跟驰车跟驰前导车的数据记录条数大于第二预设值。

进一步地，所述停车视距＝反应距离+制动距离。

进一步地，所述制动距离＝制动力上升阶段距离+全制动阶段距离。

进一步地，所述S3具体包括：

跟驰车监测前导车的加速度；

当前导车的加速度小于跟驰车的制动加速度时，跟驰车继续行驶；

当前导车的加速度大于跟驰车的制动加速度时，跟驰车根据前导车的车辆属性与前导车保持相应的安全制动间距。

本发明还公开了一种高速公路自动驾驶车辆制动间距控制系统，包括：

采集模块，用于采集高速公路道路交通场景相关数据；

制动间距控制模块，用于根据高速公路道路交通场景相关数据，构建制动模型；根据制动模型，计算自动驾驶车辆的停车视距；根据自动驾驶车辆的停车视距，进行制动间距控制。

与现有技术相比，本发明的有益效果是：本发明公开了一种高速公路自动驾驶车辆制动间距控制方法及系统，该方法包括：S1.根据高速公路道路交通场景相关数据，构建制动模型；S2.根据制动模型，计算自动驾驶车辆的停车视距；S3.根据自动驾驶车辆的停车视距，进行制动间距控制。本发明基于Krause和ACC两种跟驰模型，构建高速公路自动驾驶车辆制动间距控制，能够更加准确、定量地确定自动驾驶车辆停车视距要求。本发明主要应用于高速公路行车安全控制场景，综合自动驾驶实车试验政策的限制以及实车试验带来的不确定附加因素，本发明考虑自动驾驶车辆的引入对现有交通流的影响，分析车辆不同跟驰组合情况，并根据仿真跟驰数据进行反应时间的标定，构建自动驾驶车辆和人工驾驶车辆的制动模型，计算自动驾驶车辆停车视距，并根据自动驾驶停车视距进行制动间距控制。相较于现有研究中仅考虑以人工驾驶车辆为主体的停车视距指标值，跟驰模型中对安全停车间距参数参照经验值，且缺乏针对前导车发生状态突变情况这一特殊场景的研究分析，本发明综合自动驾驶实车试验政策的限制以及实车试验带来的不确定附加因素，考虑自动驾驶车辆的引入对现有交通流的影响，分析车辆不同跟驰组合情况，并根据仿真跟驰数据进行反应时间的标定，构建自动驾驶车辆和人工驾驶车辆的制动模型，计算自动驾驶车辆停车视距，并根据自动驾驶停车视距进行制动间距控制。在停车视距能够保证交通安全的情况下，较大地提高了交通效率。随着自动驾驶技术不断发展成熟，自动驾驶车辆的量产和实际商用将会成为新型高速公路发展的必然结果。依托高速公路领域的技术先进性，本发明可以为目前自动驾驶技术对高速公路关键设计指标影响研究提供技术指引，同时为未来自动驾驶技术全面推广后，应用于新型高速公路路线线形指标设计提供技术支撑，具有广阔的推广应用前景。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1是本发明实施例提供的一种高速公路自动驾驶车辆制动间距控制方法的流程图。

图2是本发明实施例提供的一种高速公路自动驾驶车辆制动间距控制方法的异质交通流下车辆不同跟驰情况的示意图。

图3是本发明实施例提供的一种高速公路自动驾驶车辆制动间距控制方法的自动驾驶车辆制动过程的示意图。

图4是本发明实施例提供的一种高速公路自动驾驶车辆制动间距控制方法的反应时间的互相关系数的示意图。

图5是本发明实施例提供的一种高速公路自动驾驶车辆制动间距控制方法的异质交通流仿真示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

参见图1至图5，本发明公开了一种高速公路自动驾驶车辆制动间距控制方法，具体步骤包括：

S1.根据高速公路道路交通场景相关数据，构建制动模型；

S2.根据制动模型，计算自动驾驶车辆的停车视距；

S3.根据自动驾驶车辆的停车视距，进行制动间距控制。

在一个实施例中，该方法综合自动驾驶实车试验政策的限制以及实车试验带来的不确定附加因素，考虑自动驾驶车辆的引入对现有交通流的影响，分析车辆不同跟驰组合情况，并根据仿真跟驰数据进行反应时间的标定，构建自动驾驶车辆和人工驾驶车辆的制动模型，计算自动驾驶车辆停车视距，并根据自动驾驶停车视距进行制动间距控制。

优选地，所述高速公路道路交通场景相关数据包括车道的方向、数量和各车道的每小时交通量。例如，主线为双向六车道(单向三车道)，设计速度为120km/h；匝道单车道，设计速度为70km/h；道路设计小时交通量为2200veh/h。高速公路道路交通场景相关数据可以通过现有交通系统提取，也可以根据不同应用场景进行实时勘测得到。

进一步地，所述S2具体包括：

S2.1.构建跟驰场景；

S2.2.在跟驰场景里标定自动驾驶车辆的反应时间；

S2.3.根据反应时间计算反应距离；

S2.4.根据反应距离计算停车视距。

一方面，所述跟驰场景包括跟驰车跟驰前导车，所述跟驰车包括自动驾驶车辆和自然人驾驶车辆，所述前导车包括自动驾驶车辆和自然人驾驶车辆。具体地，对于自动驾驶车辆和自然人驾驶车辆混行的异质交通流，自动驾驶车辆和自动驾驶车辆各自的驾驶行为之间将产生相互的影响，且影响程度各不相同，因此，需分情况讨论二者之间的影响。通过对两种类型的车辆之间的组合分析可知，同一车道上的跟驰情况主要有四种，如图2所示。

另一方面，所述S2.2具体包括：基于跟驰模型，通过交通流仿真的形式，采集实验参数，在实验参数中筛选特定编号的车辆数据作为跟驰车数据，根据跟驰车数据确定其前导车和前导车所在车道，提取跟驰车和前导车的相对速度数据以及跟驰车的加速度数据进行相关性分析，当互相关系数最大时，则跟驰车和前导车的相对速度/跟驰车的加速度＝自动驾驶车辆的反应时间。

优选地，所述采集实验参数的规则为：在采集数据期间，跟驰车与前导车均处于同一车道，且一直保持跟驰与被跟驰的关系，跟驰车跟驰前导车的最短时间大于第一预设值，跟驰车跟驰前导车的数据记录条数大于第二预设值。

在一个实施例中，将Krause和ACC自适应巡航控制系统两种跟驰模型分别作为人工驾驶车辆和自动驾驶车辆的跟驰模型，并通过交通流仿真的形式，获取实验参数，本文选取研究数据时运用如下的准则：从数据采集开始时间到结束时间，跟驰车与前导车一直处于同一车道上，且一直保持跟驰与被跟驰的关系，这是为了避免车辆换道行为对跟驰行为的影响；跟驰车跟驰前导车的时间最短为30秒，即数据中至少存在300条跟驰车跟驰前导车的数据记录。本发明基于Krause和ACC两种跟驰模型，构建高速公路自动驾驶车辆制动间距控制，能够更加准确、定量地确定自动驾驶车辆停车视距要求。

以特定编号车辆为例，在仿真数据中筛选此辆车作为跟驰车数据，根据数据找寻其前方的引导车辆和所在车道，提取这两辆车的相对速度数据Δv(t)，与跟驰车的加速度数据a

在一个实施例中，数据库中车辆作为跟驰车共有450条数据，数据显示，这辆车在数据采集时间内，一直跟着编号为X的车辆，在编号为Y的车道上行驶。提取车辆的相对速度数据{Δv(t)}，与跟驰车的加速度数据{a(t)}，使用EVIEWS5.1进行互相关分析，结果如图4所示。从图4中可以看出，反应时间为0.2秒时，自动驾驶车辆的互相关系数最大，则认为0.2秒是自动驾驶车辆的反应时间，同理，反应时间为0.8秒时，自然人驾驶车辆互相关系数最大，则认为0.8秒为自然人驾驶车辆反应时间。

优选地，所述根据反应时间计算反应距离具体包括：

现假设自动驾驶车辆和人工驾驶车辆在感知前方道路、车辆等信息以及做出相关判断和决策的过程中，车辆均保持原先的运行速度匀速行驶，根据上文中不同跟驰情况的分析可知，用i表示第i种跟驰情况，则不同跟驰情况下反应距离为：S

式中，S

优选的实施例中，所述停车视距＝反应距离+制动距离。进一步地，所述制动距离＝制动力上升阶段距离+全制动阶段距离。具体地，自动驾驶车辆的制动过程主要分为以下3个过程：a)自动驾驶车辆感知到前方危险和障碍并处理信息的过程，该过程所需时间称为系统“反应时间”，在反应时间内匀速行驶得到反应距离；b)车辆做出减速决策，制动减速度产生并上升至最大，该过程所需时间称为制动力上升时间，在制动力上升时间进行减速行驶得到制动力上升阶段距离；c)车辆采用最大减速度制动，该过程所需的时间称为全制动时间，在全制动时间内进行减速行驶得到全制动阶段距离。如图3所示为本发明实施例提供的一种高速公路自动驾驶车辆制动间距控制方法的自动驾驶车辆制动过程的示意图。

优选地，所述制动力上升阶段距离S

在制动力上升时间内，任意时刻的制动减速度计算公式为：

式中，a

在制动力上升时间段内任一时刻t的车辆速度计算公式为：

式中，v

在制动力上升时间段内，车辆的行驶距离计算公式为：

优选地，所述全制动阶段距离S

在全制动时间段的起点(即制动力上升时间段终点)的车速计算公式为：

式中，a

则在全制动阶段任意时刻t的车速计算公式为：

v(t)＝v

在全制动时间段内，车辆以最大制动减速度a

因此，制动距离S

式中，v

优选地，异质交通流中不同跟驰情况下自动驾驶车辆停车视距的计算公式为：

式中，v

具体地，在不同初始车速下，自动驾驶车辆和人工驾驶车辆停车视距的计算结果如表1所示。

表1

进一步地，所述S3具体包括：

跟驰车监测前导车的加速度；

当前导车的加速度小于跟驰车的制动加速度时，跟驰车继续行驶；

当前导车的加速度大于跟驰车的制动加速度时，跟驰车根据前导车的车辆属性与前导车保持相应的安全制动间距。

具体地，如图1所示，制动间距控制分为前导车行驶状态判定与控制制动距离两部分。在车辆的行驶过程中，跟驰车通过监测前导车的加速度判断其行驶状态，当其加速度小于制动加速度时，为正常状态下的速度调整，前导车为正常行驶状态，跟驰车可继续行驶；当其加速度大于制动加速度时，前导车为制动状态，此时跟驰车需与前导车保持安全制动间距。当跟驰车判断出前导车处于制动状态后，首先判断前导车的车辆属性，即判断前导车是自动驾驶车辆还是人工驾驶车辆，随后根据前导车的属性与前导车保持相应的安全制动间距。在实际应用中，可以通过以下方法识别前导车的车辆属性：通过驾驶行为或者车道线进行区分，或者通过车辆上的图像标识(如车辆、标签)进行识别等。

根据不同车辆属性的停车视距，计算安全制动间距的公式为：

式中，d为跟驰车与前导车需保持的安全制动间距，单位为m；v

如图5所示，在仿真软件SUMO中，根据道路交通环境搭建异质交通流仿真平台，并以路线设计规范中的规范值和模型计算值标定车辆停车视距，根据停车视距对自动驾驶车辆进行安全间距控制。在此控制方法下，仿真软件可以输出车辆速度、加速度、碰撞事件TTC(Time-To-Collision)等数据。其次利用得到的车辆信息数据对两种交通环境下的交通效率与交通安全作比较，可以验证该控制方法的实用性和有效性。示例性的交通仿真结果对比情况如表2所示。

表2

依据表2中的计算结果可以得出，较于《规范》中的停车视距，应用本发明所确定的停车视距的交通流功率提高了42792km，就即是提高了将近30.44％。因此，本发明所确定的停车视距能够在保证交通安全的情况下，较大地提高交通效率。其中，q为实际交通状况下通过的车辆数；v为实际交通状况下的平均运行速度，km/h；E为交通流功率，单位为km；N

本发明主要应用于高速公路行车安全控制场景，综合自动驾驶实车试验政策的限制以及实车试验带来的不确定附加因素，本发明考虑自动驾驶车辆的引入对现有交通流的影响，分析车辆不同跟驰组合情况，并根据仿真跟驰数据进行反应时间的标定，构建自动驾驶车辆和人工驾驶车辆的制动模型，计算自动驾驶车辆停车视距，并根据自动驾驶停车视距进行制动间距控制。相较于现有研究中仅考虑以人工驾驶车辆为主体的停车视距指标值，跟驰模型中对安全停车间距参数参照经验值，且缺乏针对前导车发生状态突变情况这一特殊场景的研究分析，本发明综合自动驾驶实车试验政策的限制以及实车试验带来的不确定附加因素，考虑自动驾驶车辆的引入对现有交通流的影响，分析车辆不同跟驰组合情况，并根据仿真跟驰数据进行反应时间的标定，构建自动驾驶车辆和人工驾驶车辆的制动模型，计算自动驾驶车辆停车视距，并根据自动驾驶停车视距进行制动间距控制。在停车视距能够保证交通安全的情况下，较大地提高了交通效率。随着自动驾驶技术不断发展成熟，自动驾驶车辆的量产和实际商用将会成为新型高速公路发展的必然结果。依托高速公路领域的技术先进性，本发明可以为目前自动驾驶技术对高速公路关键设计指标影响研究提供技术指引，同时为未来自动驾驶技术全面推广后，应用于新型高速公路路线线形指标设计提供技术支撑，具有广阔的推广应用前景。

本发明还公开了一种高速公路自动驾驶车辆制动间距控制系统，包括：

采集模块，用于采集高速公路道路交通场景相关数据；

制动间距控制模块，用于根据高速公路道路交通场景相关数据，构建制动模型；根据制动模型，计算自动驾驶车辆的停车视距；根据自动驾驶车辆的停车视距，进行制动间距控制。

在一个实施例中，该系统综合自动驾驶实车试验政策的限制以及实车试验带来的不确定附加因素，考虑自动驾驶车辆的引入对现有交通流的影响，分析车辆不同跟驰组合情况，并根据仿真跟驰数据进行反应时间的标定，构建自动驾驶车辆和人工驾驶车辆的制动模型，计算自动驾驶车辆停车视距，并根据自动驾驶停车视距进行制动间距控制。

优选地，所述采集模块采集高速公路道路交通场景相关数据包括车道的方向、数量和各车道的每小时交通量。例如，主线为双向六车道(单向三车道)，设计速度为120km/h；匝道单车道，设计速度为70km/h；道路设计小时交通量为2200veh/h。

进一步地，所述制动间距控制模块根据制动模型，计算自动驾驶车辆的停车视距具体包括：

S2.1.构建跟驰场景；

S2.2.在跟驰场景里标定自动驾驶车辆的反应时间；

S2.3.根据反应时间计算反应距离；

S2.4.根据反应距离计算停车视距。

一方面，所述跟驰场景包括跟驰车跟驰前导车，所述跟驰车包括自动驾驶车辆和自然人驾驶车辆，所述前导车包括自动驾驶车辆和自然人驾驶车辆。具体地，对于自动驾驶车辆和自然人驾驶车辆混行的异质交通流，自动驾驶车辆和自动驾驶车辆各自的驾驶行为之间将产生相互的影响，且影响程度各不相同，因此，需分情况讨论二者之间的影响。通过对两种类型的车辆之间的组合分析可知，同一车道上的跟驰情况主要有四种，如图2所示。

另一方面，所述S2.2具体包括：基于跟驰模型，通过交通流仿真的形式，采集实验参数，在实验参数中筛选特定编号的车辆数据作为跟驰车数据，根据跟驰车数据确定其前导车和前导车所在车道，提取跟驰车和前导车的相对速度数据以及跟驰车的加速度数据进行相关性分析，当互相关系数最大时，则跟驰车和前导车的相对速度/跟驰车的加速度＝自动驾驶车辆的反应时间。

优选地，所述采集实验参数的规则为：在采集数据期间，跟驰车与前导车均处于同一车道，且一直保持跟驰与被跟驰的关系，跟驰车跟驰前导车的最短时间大于第一预设值，跟驰车跟驰前导车的数据记录条数大于第二预设值。

在一个实施例中，将Krause和ACC自适应巡航控制系统两种跟驰模型分别作为人工驾驶车辆和自动驾驶车辆的跟驰模型，并通过交通流仿真的形式，获取实验参数，本文选取研究数据时运用如下的准则：从数据采集开始时间到结束时间，跟驰车与前导车一直处于同一车道上，且一直保持跟驰与被跟驰的关系，这是为了避免车辆换道行为对跟驰行为的影响；跟驰车跟驰前导车的时间最短为30秒，即数据中至少存在300条跟驰车跟驰前导车的数据记录。本发明基于Krause和ACC两种跟驰模型，构建高速公路自动驾驶车辆制动间距控制，能够更加准确、定量地确定自动驾驶车辆停车视距要求。

以特定编号车辆为例，在仿真数据中筛选此辆车作为跟驰车数据，根据数据找寻其前方的引导车辆和所在车道，提取这两辆车的相对速度数据Δv(t)，与跟驰车的加速度数据a

在一个实施例中，数据库中车辆作为跟驰车共有450条数据，数据显示，这辆车在数据采集时间内，一直跟着编号为X的车辆，在编号为Y的车道上行驶。提取车辆的相对速度数据{Δv(t)}，与跟驰车的加速度数据{a(t)}，使用EVIEWS5.1进行互相关分析，结果如图4所示。从图4中可以看出，反应时间为0.2秒时，自动驾驶车辆的互相关系数最大，则认为0.2秒是自动驾驶车辆的反应时间，同理，反应时间为0.8秒时，自然人驾驶车辆互相关系数最大，则认为0.8秒为自然人驾驶车辆反应时间。

优选地，所述根据反应时间计算反应距离具体包括：

现假设自动驾驶车辆和人工驾驶车辆在感知前方道路、车辆等信息以及做出相关判断和决策的过程中，车辆均保持原先的运行速度匀速行驶，根据上文中不同跟驰情况的分析可知，用i表示第i种跟驰情况，则不同跟驰情况下反应距离为：S

式中，S

优选的实施例中，所述停车视距＝反应距离+制动距离。进一步地，所述制动距离＝制动力上升阶段距离+全制动阶段距离。具体地，自动驾驶车辆的制动过程主要分为以下3个过程：a)自动驾驶车辆感知到前方危险和障碍并处理信息的过程，该过程所需时间称为系统“反应时间”，在反应时间内匀速行驶得到反应距离；b)车辆做出减速决策，制动减速度产生并上升至最大，该过程所需时间称为制动力上升时间，在制动力上升时间进行减速行驶得到制动力上升阶段距离；c)车辆采用最大减速度制动，该过程所需的时间称为全制动时间，在全制动时间内进行减速行驶得到全制动阶段距离。如图3所示为本发明实施例提供的一种高速公路自动驾驶车辆制动间距控制方法的自动驾驶车辆制动过程的示意图。

优选地，所述制动力上升阶段距离S

在制动力上升时间内，任意时刻的制动减速度计算公式为：

式中，a

在制动力上升时间段内任一时刻t的车辆速度计算公式为：

式中，v

在制动力上升时间段内，车辆的行驶距离计算公式为：

优选地，所述全制动阶段距离S

在全制动时间段的起点(即制动力上升时间段终点)的车速计算公式为：

式中，a

则在全制动阶段任意时刻t的车速计算公式为：

v(t)＝v

在全制动时间段内，车辆以最大制动减速度a

因此，制动距离S

式中，v

优选地，异质交通流中不同跟驰情况下自动驾驶车辆停车视距的计算公式为：

式中，v

具体地，在不同初始车速下，自动驾驶车辆和人工驾驶车辆停车视距的计算结果如表1所示。

表1

进一步地，所述S3具体包括：

跟驰车监测前导车的加速度；

当前导车的加速度小于跟驰车的制动加速度时，跟驰车继续行驶；

当前导车的加速度大于跟驰车的制动加速度时，跟驰车根据前导车的车辆属性与前导车保持相应的安全制动间距。

具体地，如图1所示，制动间距控制分为前导车行驶状态判定与控制制动距离两部分。在车辆的行驶过程中，跟驰车通过监测前导车的加速度判断其行驶状态，当其加速度小于制动加速度时，为正常状态下的速度调整，前导车为正常行驶状态，跟驰车可继续行驶；当其加速度大于制动加速度时，前导车为制动状态，此时跟驰车需与前导车保持安全制动间距。当跟驰车判断出前导车处于制动状态后，首先判断前导车的车辆属性，即判断前导车是自动驾驶车辆还是人工驾驶车辆，随后根据前导车的属性与前导车保持相应的安全制动间距。

根据不同车辆属性的停车视距，计算安全制动间距的公式为：

式中，d为跟驰车与前导车需保持的安全制动间距，单位为m；v

如图5所示，在仿真软件SUMO中，根据道路交通环境搭建异质交通流仿真平台，并以路线设计规范中的规范值和模型计算值标定车辆停车视距，根据停车视距对自动驾驶车辆进行安全间距控制。在此控制方法下，仿真软件可以输出车辆速度、加速度、碰撞事件TTC(Time-To-Collision)等数据。其次利用得到的车辆信息数据对两种交通环境下的交通效率与交通安全作比较，可以验证该控制方法的实用性和有效性。示例性的交通仿真结果对比情况如表2所示。

表2

依据表2中的计算结果可以得出，较于《规范》中的停车视距，应用本发明所确定的停车视距的交通流功率提高了42792km，就即是提高了将近30.44％。因此，本发明所确定的停车视距能够在保证交通安全的情况下，较大地提高交通效率。其中，q为实际交通状况下通过的车辆数；v为实际交通状况下的平均运行速度，km/h；E为交通流功率，单位为km；N

本发明主要应用于高速公路行车安全控制场景，综合自动驾驶实车试验政策的限制以及实车试验带来的不确定附加因素，本发明考虑自动驾驶车辆的引入对现有交通流的影响，分析车辆不同跟驰组合情况，并根据仿真跟驰数据进行反应时间的标定，构建自动驾驶车辆和人工驾驶车辆的制动模型，计算自动驾驶车辆停车视距，并根据自动驾驶停车视距进行制动间距控制。相较于现有研究中仅考虑以人工驾驶车辆为主体的停车视距指标值，跟驰模型中对安全停车间距参数参照经验值，且缺乏针对前导车发生状态突变情况这一特殊场景的研究分析，本发明综合自动驾驶实车试验政策的限制以及实车试验带来的不确定附加因素，考虑自动驾驶车辆的引入对现有交通流的影响，分析车辆不同跟驰组合情况，并根据仿真跟驰数据进行反应时间的标定，构建自动驾驶车辆和人工驾驶车辆的制动模型，计算自动驾驶车辆停车视距，并根据自动驾驶停车视距进行制动间距控制。在停车视距能够保证交通安全的情况下，较大地提高了交通效率。随着自动驾驶技术不断发展成熟，自动驾驶车辆的量产和实际商用将会成为新型高速公路发展的必然结果。依托高速公路领域的技术先进性，本发明可以为目前自动驾驶技术对高速公路关键设计指标影响研究提供技术指引，同时为未来自动驾驶技术全面推广后，应用于新型高速公路路线线形指标设计提供技术支撑，具有广阔的推广应用前景。

基于同一发明思路，本发明还公开了一种电子设备，该电子设备可以包括：处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信。处理器可以调用存储器中的逻辑指令，以执行一种高速公路自动驾驶车辆制动间距控制方法，该方法包括：

S1.根据高速公路道路交通场景相关数据，构建制动模型；

S2.根据制动模型，计算自动驾驶车辆的停车视距；

S3.根据自动驾驶车辆的停车视距，进行制动间距控制。

此外，上述的存储器中的逻辑指令可以通过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，本发明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)执行本发明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(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

另一方面，本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的一种高速公路自动驾驶车辆制动间距控制方法，该方法包括：

S1.根据高速公路道路交通场景相关数据，构建制动模型；

S2.根据制动模型，计算自动驾驶车辆的停车视距；

S3.根据自动驾驶车辆的停车视距，进行制动间距控制。

又一方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的一种高速公路自动驾驶车辆制动间距控制方法，该方法包括：

S1.根据高速公路道路交通场景相关数据，构建制动模型；

S2.根据制动模型，计算自动驾驶车辆的停车视距；

S3.根据自动驾驶车辆的停车视距，进行制动间距控制。

应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。