CN107784852A - 用于车辆的电子控制装置及方法 - Google Patents

Abstract

本申请涉及用于车辆的电子控制装置及方法。本申请提供了一种用于车辆的电子控制装置，包括：判断单元，用于判断车辆前方的交通信号灯是否为红灯状态；获取单元，用于响应于交通信号灯被判断为红灯状态，获取针对车辆的多条可用车道以及与这些可用车道中等待的每个对象有关的对象信息；计算单元，用于基于对象信息，计算每条可用车道的预测等待时间；以及输出单元，用于基于每条可用车道的预测等待时间，输出车道选择信息。根据本申请实施例的用于车辆的电子控制装置和方法提供了一种可以在车辆遇到红灯时从多条可用车道中为车辆选择一条能够更快速行驶的车道的方式。

Description

用于车辆的电子控制装置及方法

技术领域

本申请总体涉及车辆领域，更具体地，涉及用于车辆的电子控制装置及方法。

背景技术

随着机动车数量的快速增长，道路交通拥堵越来越普遍，尤其在遇到红灯时，车辆需要跟随在其前方等待红灯的车辆后面，待其前方车辆开始行进时才可继续行进。然而，在车辆遇到红灯时，车辆前方往往有多个队列在多条可用车道中等待，驾驶员通过简单观察或完全凭直觉来在这多条可用车道中选择一条车道停下来等红灯，这不仅增加了驾驶员的负担，而且这种选择车道的方式非常盲目，不一定能够选择到交通信号灯变为绿灯后车辆能够更快速行驶的一条车道。

发明内容

根据本申请的一个方面，提供了一种用于车辆的电子控制装置，包括：判断单元，用于判断车辆前方的交通信号灯是否为红灯状态；获取单元，用于响应于交通信号灯被判断为红灯状态，获取针对车辆的多条可用车道以及与这些可用车道中等待的每个对象有关的对象信息；计算单元，用于基于对象信息，计算每条可用车道的预测等待时间；以及输出单元，用于基于每条可用车道的预测等待时间，输出车道选择信息。

根据本申请的另一方面，提供了一种用于车辆的电子控制方法，包括：判断所述车辆前方的交通信号灯是否为红灯状态；响应于所述交通信号灯被判断为红灯状态，获取针对所述车辆的多条可用车道以及与这些可用车道中等待的每个对象有关的对象信息；基于所述对象信息，计算每条可用车道的预测等待时间；以及基于每条可用车道的预测等待时间，输出车道选择信息。

根据本申请实施例的用于车辆的电子控制装置和方法提供了一种可以在车辆遇到红灯时从多条可用车道中为车辆选择一条能够更快速行驶的车道的方式。

附图说明

从下面结合附图对本发明的具体实施方式的描述中可以更好地理解本发明，其中，相似的标号指示相同或功能类似的元件：

图1是包括根据本申请实施例的电子控制装置的汽车的简化示意图。

图2是根据本申请的实施例，汽车的电子控制装置工作时的一种示例性场景。

图3示出了根据本申请的实施例，用于车辆的电子控制方法的流程图。

图4示出了可以实现本申请的实施例中的电子控制装置的信息处理设备的结构示意图。

具体实施方式

下面将详细描述本发明的各个方面的特征和示例性实施例。在下面的详细描述中，提出了许多具体细节，以便提供对本发明的全面理解。但是，对于本领域技术人员来说很明显的是，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明的更好的理解。本发明决不限于下面所提出的任何具体配置和算法，而是在不脱离本发明的精神的前提下覆盖了元素、部件和算法的任何修改、替换和改进。在附图和下面的描述中，没有示出公知的结构和技术，以便避免对本发明造成不必要的模糊。

图1是汽车100的简化示意图，根据本申请实施例的电子控制装置可以用于汽车100中。虽然以汽车作为示例，但是本申请不限于应用在汽车中，而是也可以应用于其他的机动车辆，例如以内燃机、电动机等作为动力机构的各种车辆。如图1所示，汽车100包括电子控制装置110、车载传感器120、辅助驾驶系统130、导航系统140，它们可以彼此连接，例如分别连接到汽车100的控制器局域网(CAN)总线。为了简明起见，汽车100中公知的动力和操纵装置、传动系统等部件未在图1中示出。

电子控制装置110例如可以包括电子控制单元(ECU)。ECU可以通过处理器(例如，微处理器)、控制器(例如，微控制器)、可编程逻辑电路(例如，现场可编程门阵列(FPGA))、和专用集成电路(ASIC)等来实现。在一种实施例中，ECU还包括一个或多个存储器，例如，随机存取存储器(RAM)、只读存储器(ROM)、可擦可编程存储器(EPROM)、电可擦可编程存储器(EEPROM)等。存储器可以用于存储数据、指令、软件、代码等，这些指令被执行以执行本申请中所描述的动作。

根据一种实施例，电子控制装置110可以包括判断单元112、获取单元114、计算单元116和输出单元118，下文中会对这些单元的操作进行详细描述。

车载传感器120例如可以包括以下各项中的一项或多项：一个或多个摄像头、一个或多个超声波传感器、一个或多个雷达装置、一个或多个激光装置等。摄像头可以安装在车辆的前方、后方或其他位置，并且可以包括一般摄像头、红外摄像头等。一般摄像头能够实时捕获(例如，以60°左右的角度工作)车辆内外的情况并呈现给驾驶员和/或乘客。此外，通过对摄像头捕获的画面进行分析，可以获取诸如交通信号灯指示、交叉路口情况、其他车辆运行状态等信息。红外摄像头可以在夜视情况下精确捕捉物体。超声波传感器可以安装在车辆的四周，其利用超声波方向性强等特点，可以准确地测量车外物体距车辆的距离。由于空气衰减作用，超声波传感器通常对近距离物体比远距离物体的测距精度更高。雷达装置可以安装在车辆的前方、后方或其他位置。雷达装置利用电磁波的特性，可以准确地测量车外物体距车辆的距离，并且通常对金属物体敏感度更高。由于多普勒效应，雷达装置还可以测量车辆与移动物体的速度变化。激光装置可以安装在车辆的前方、后方或其他位置。激光装置可以检测到精确的物体边缘、形状信息，从而进行精确的物体识别和追踪。

辅助驾驶系统130连接到电子控制装置110和未示出的传动系统。辅助驾驶系统例如具有以下功能中的一项或多项：车灯控制；喇叭控制；车道保持；自动泊车；诸如倒车、刹车、加速、减速、转向之类的致动控制；自适应巡航控制(ACC)等。

导航系统140连接到电子控制装置110和未示出的传动系统。导航系统例如具有以下功能中的一项或多项：定位、地图查询(例如，查询附近的加油站、取款机等)、路线规划(例如，根据驾驶员设定的起始点和目的地来自动规划一条线路)、自动导航(例如，包括语音导航、画面导航等)等。

图2是根据本申请的实施例，汽车100的电子控制装置110工作时的一种示例性场景200。如图2所示，汽车100沿从南向北的方向行驶，其前方是交叉路口210。交叉路口210处可以安装有一个或多个交通信号灯220。在汽车100的行驶方向上可以具有一条或多条可用车道，每条可用车道上可以具有一辆或多辆汽车。例如，如图2所示，在汽车100的行驶方向上具有两条可用车道201和202，并且在可用车道201上，汽车100前方的队列从北到南依次可以包括车辆201-1、201-2和201-3，在可用车道202上，汽车100前方的队列从北到南依次可以包括车辆202-1、202-2以及202-3。此外，如图2所示，针对汽车100还可以具有一条不可用车道203，在车道203上的队列从南到北依次可以包括与汽车100相对行驶(从北向南行驶)的车辆203-1、203-2、...、203-N。应当理解的是，图2所示的针对汽车100的可用车道和不可用车道的数量以及每条可用车道和不可用车道上的汽车数量仅仅是示例性的，针对汽车100可以具有任意数量的可用车道和不可用车道并且每条可用车道和不可用车道上可以具有任意数量的汽车。

当汽车100在道路上行驶时，电子控制装置110中的判断单元112可以被配置成判断汽车100前方的交通信号灯(例如，交通信号灯220)是否为红灯状态。在一种实施例中，判断单元112可以被配置成使用计算机视觉算法和/或模式识别算法，基于由汽车100的车载传感器120针对交通信号灯检测到的图像数据判断汽车100前方的交通信号灯是否为红灯状态。例如，如果汽车100的车载传感器120检测到交通信号灯图像数据表明交通信号灯为红灯，则判断单元112可以判断汽车100前方的交通信号灯是红灯状态。在一种实施例中，判断单元112可以被配置成基于从汽车100外部接收的关于交通信号灯的信息判断汽车100前方的交通信号灯是否为红灯状态。例如，如果判断单元112从汽车100外部(例如，云端服务器或交通设施)接收到关于交通信号灯为红灯的信息(也称为车联网或Car-2-X技术)，则判断单元112可以判断汽车100前方的交通信号灯是红灯状态。

响应于交通信号灯被判断为红灯状态，电子控制装置110中的获取单元114可以被配置成获取针对汽车100的多条可用车道以及与这些可用车道中等待的每个对象有关的对象信息。在一种实施例中，针对汽车100的可用车道可以包括以下各项中的至少一项：直行车道、左转车道、右转车道、以及掉头车道等。例如，如图2所示，针对汽车100的可用车道可以是车道201和202，其中车道201可以是左转车道，车道202可以是直行车道。在一种实施例中，对象信息可以包括以下各项中的至少一项：对象所处的车道类型、对象的位置、对象的种类、对象的形状、对象的偏航角、以及对象的灯光状态等。在图2所示的实施例中，在这些可用车道中等待的对象有车辆201-1、201-2、201-3、202-1、202-2以及202-3，其中一些对象(例如，车辆201-1、201-2以及201-3)所处的车道类型是左转车道，一些对象(例如，车辆202-1、202-2以及202-3)所处的车道类型是直行车道。对象的种类例如可以是不同的车辆类型，如小轿车、面包车、卡车、货车、跑车等。例如，在图2所示的实施例中，在左转车道201中，车辆201-1可以是小轿车，车辆201-2可以是面包车，车辆201-3可以是货车；在直行车道202中，车辆202-1可以是卡车，车辆202-2可以是跑车，车辆202-3可以是小轿车。对象的形状例如可以表征为体积较大的、体积较小的、车身较长的、车身较短的、车身高度较低的、车身高度较高的等。例如，在左转车道201中等待的车辆201-1体积较小、车身较短、车身高度较低，而在直行车道202中等待的车辆202-1体积较大、车身较长、车身高度较高。在一种实施例中，在这些可用车道中等待的对象可以相对所处车道的车道分界线具有一定的偏航角。例如，如图2所示，在直行车道202中等待的对象202-2相对所处直行车道202的车道分界线240具有偏航角α(即车辆202-2与车道分界线240的夹角)，该车辆202-2的驾驶员期望从当前所处直行车道202切换到左转车道201中继续行驶。

电子控制装置110中的计算单元116可以被配置成基于由获取单元114所获取的对象信息，计算每条可用车道的预测等待时间。在一种实施例中，计算单元116可以被配置成针对每条可用车道计算该可用车道中等待的全部对象的预测加速度信息，从而计算出该可用车道的预测等待时间。其中，预测加速度不一定表示实际的物理加速度含义，其可以是相对加速度，用于反映或表示对象的相对加速能力，例如，对象的预测加速度较大可以用于表示该对象的加速能力较强，对象的预测加速度较小可以用于表示该对象的加速能力较弱。在一种实施例中，计算单元116可以被配置成基于由获取单元114所获取的对象信息，采用各种方法(包括但不限于加权算法、神经网络算法、高斯算法等)针对每条可用车道分别计算该可用车道中等待的各个对象的预测加速度信息，进而可计算该可用车道中等待的全部对象的预测加速度信息。下面以加权算法为例来说明计算单元116如何计算对象的预测加速度信息。

在一种实施例中，在采用加权算法来计算对象的预测加速度信息的情况下，计算单元116可以被配置成首先确定所获取的对象信息中影响对象的预测加速度的所有对象信息，然后可以计算所确定的各个对象信息的评分参数并且针对所确定的各个对象信息设置相应的权重，从而用加权算法计算得到各个对象的预测加速度信息。其中，评分参数用于将对象信息数值化，以供进行直观的比较和计算。例如，针对对象的种类，可以使用较高的评分参数来表示小轿车，可以使用较低的评分参数来表示卡车。这些评分参数可以是根据对象的种类预先设定的值，也可以是根据获取单元114所获取的对象信息采用更精确的模型和算法计算得到的值。类似地，权重值可以是预先设定的固定值或可以根据诸如神经网络算法之类的算法进行实时训练更新，也可以由操作者根据具体需要进行配置。为了便于说明，下面例如可以选取对象的种类和对象的形状这两项对象信息作为影响对象的预测加速度的因素。在该实施例中，计算单元116可以被配置成针对所获取的对象的种类和对象的形状分别设置评分参数C和S，并且可以将对象的种类的权重设置为w₁，将对象的形状的权重设置为w₂。例如，针对左转车道201中的车辆201-1(例如为小轿车)、201-2(例如为面包车)和201-3(例如为货车)，计算单元116可以被配置成将其对象的种类的评分参数分别设置为C_201-1＝8、C_201-2＝6、C_201-3＝3，并且可以将其对象的形状的评分参数分别设置为S_201-1＝8、S_201-2＝6、S_201-3＝3。此外，计算单元116可以被配置成将对象的种类的权重值设置为w₁＝1/3、w₂＝2/3。因此，计算单元116可以被配置成使用加权等式a＝w₁*C+w₂*S来计算各个对象的预测加速度a。在该实施例中，在左转车道201中的各个对象(即车辆201-1、201-2和201-3)的预测加速度可以通过下式分别计算得出：

a_201-1＝w₁*C_201-1+w₂*S_201-1＝1/3*8+2/3*8＝8；

a_201-2＝w₁*C_201-2+w₂*S_201-2＝1/3*6+2/3*6＝6；

a_201-3＝w₁*C_201-3+w₂*S_201-3＝1/3*3+2/3*3＝3；

即可计算得到在左转车道201中的各个对象的预测加速度信息分别为：车辆201-1的预测加速度为a_201-1＝8，车辆201-2的预测加速度为a_201-2＝6，车辆201-3的预测加速度为a_201-3＝3，同理可以得到在直行车道202中的各个对象(即车辆202-1、202-2和202-3)的预测加速度信息分别为：车辆202-1的预测加速度为a_202-1＝4，车辆202-2的预测加速度为a_202-2＝9，车辆202-3的预测加速度为a_202-3＝8。应该理解的是，上述计算等式中对象信息的类别和数量仅仅是示例性的，可以在对象信息中选取一个或多个对象信息作为计算预测加速度的因子并相应设置其权重。

在一种实施例中，在计算得到可用车道中等待的各个对象的预测加速度信息后，可以采用各种方法(包括但不限于加权算法、神经网络算法、高斯算法等)针对每条可用车道基于该可用车道中等待的各个对象的预测加速度信息，计算该可用车道中等待的全部对象的预测加速度信息。在一种实施例中，在计算可用车道中等待的全部对象的预测加速度信息时，除了考虑各个对象的单独预测加速度信息外，还可以基于获取单元114所获取的对象信息考虑各种其它因素，包括但不限于：对象的偏航角、对象所处的车道类型、对象的位置、对象的灯光状态等。在一种实施例中，可以采用下述加权等式来计算可用车道中等待的全部对象的预测加速度信息：

其中，a可以表示可用车道中等待的全部对象的预测加速度，n表示可用车道中等待的全部对象的数目，a₁-a_n可以分别表示可用车道中等待的各个对象的预测加速度，h₁-h_n可以分别表示与可用车道中等待的各个对象的偏航角有关的权重参数，f₁-f_n可以分别表示与影响预测加速度a的其它对象信息有关的各个参数。为了便于说明，下面例如可以选取对象的偏航角和对象所处的车道类型作为影响全部对象的预测加速度a的因素。

例如，针对可用车道201，在可用车道201中等待的对象有三个(即，车辆201-1、201-2和201-3)，并且可以假设除各个对象的预测加速度a_201-1-a_201-3外，对象的偏航角和对象所处的车道类型会影响全部对象的预测加速度，则上述等式(1)可以变为：

其中，h_201-1-h_201-3可以分别表示与可用车道201中等待的各个对象的偏航角有关的权重参数，f₁可以表示与可用车道201中等待的各个对象所处的车道类型(即，当前可用车道201的车道类型)有关的参数。在一种实施例中，可以基于获取单元114所获取的对象偏航角信息来计算或设置权重参数h_201-1-h_201-3。例如，如图2所示，针对汽车100的可用车道201中等待的各个对象，由于车辆201-1、201-2和201-3的偏航角都为0°，因此可以将其权重参数分别设置为h_201-1＝h_201-2＝h_201-3＝1，这可以表示这三个对象的偏航角不会对其各自的预测加速度造成影响，因此也不会影响全部对象的预测加速度。在一种实施例中，可以基于获取单元114所获取的车道类型信息来计算或设置参数f₁。例如，如图2所示，该可用车道201可以是左转车道，由于随时可能有车辆(例如，打算左转的车辆)从其它车道(例如，直行车道202)并入该可用车道201，从而可能会影响该可用车道201中等待的全部对象的预测加速度，因此可以将针对该可用车道201的参数f₁设置为f₁＝0.8，这可以表示该可用车道201的车道类型可能会对该可用车道201中等待的全部对象的预测加速度a₂₀₁产生影响，例如使得a₂₀₁降低。在该实施例中，将上述作为示例计算或设置的各个参数值代入等式(2)，可以计算该可用车道201中等待的全部对象的预测加速度

同理，针对可用车道202，在可用车道202中等待的对象有三个(即，车辆202-1、202-2和202-3)，并且可以假设除各个对象的预测加速度a_202-1-a_202-3外，对象的偏航角和对象所处的车道类型会影响全部对象的预测加速度，则上述等式(1)可以变为：

其中，h_202-1-h_202-3可以分别表示与可用车道202中等待的各个对象的偏航角有关的权重参数，f₁可以分别表示与可用车道202中等待的各个对象所处的车道类型(即，当前可用车道202的车道类型)有关的参数。在一种实施例中，可以基于获取单元114所获取的对象偏航角信息来计算或设置权重参数h_202-1-h_202-3。例如，如图2所示，针对汽车100的可用车道202中等待的各个对象，车辆202-1和202-3的偏航角为0°，而车辆202-2具有偏航角α＝30°，因此可以将其权重参数分别设置为h_202-1＝1、h_202-2＝0.7、h_202-3＝1。该权重参数的设置可以表示车辆202-1和202-3的偏航角不会对其各自的预测加速度造成影响，因此也不会影响全部对象的预测加速度；而车辆202-2由于具有30°的偏航角，因此在并入左转车道201的过程中可能由于无法及时并入而停止在该可用车道202上，从而可能阻挡和影响车辆202-2后方的车辆的行驶(即，车辆的预测加速度)，因此可能会影响全部对象的预测加速度。在一种实施例中，可以基于获取单元114所获取的车道类型信息来计算或设置参数f₁。例如，如图2所示，该可用车道202可以是直行车道，由于该直行车道左边具有一条左转车道(车道201)，因此该可用车道202中随时可能有车辆(例如，打算左转的车辆)从该车道并入左转车道201，而在车辆更换车道的过程中车辆可能由于无法及时并入而停止在该可用车道202上，从而可能阻挡和影响更换车道的车辆后方的车辆的行驶(即，车辆的预测加速度)，进而可能会影响该可用车道202中等待的全部对象的预测加速度，因此可以将针对该可用车道202的参数f₁设置为f₁＝0.9，这可以表示该可用车道202的车道类型可能会对该可用车道202中等待的全部对象的预测加速度a₂₀₂产生影响，例如使得a₂₀₂降低。在该实施例中，将上述作为示例计算或设置的各个参数值代入等式(3)，可以计算该可用车道202中等待的全部对象的预测加速度

在一种实施例中，在针对每条可用车道计算出该可用车道中等待的全部对象的预测加速度信息后，计算单元116可以被配置成基于所计算的预测加速度信息来计算该可用车道的预测等待时间。在一种实施例中，例如可以采用如下等式来计算每条可用车道的预测等待时间：

其中，L可以是该可用车道中汽车100前方的车辆队列长度(可由车载传感器检测得到)，即车辆队列末尾距停止线230的距离，a可以是该可用车道中等待的全部对象的预测加速度。例如，如图2中所示，针对可用车道201的队列长度是L＝L₁，针对可用车道202的队列长度是L＝L₂。此外，可以结合利用上面描述的方法计算得出的每条可用车道中等待的全部对象的预测加速度a₂₀₁和a₂₀₂，将这些参数代入等式(4)中即可计算得到每条可用车道的预测等待时间t₂₀₁和t₂₀₂，即应该理解的是，上述计算每条可用车道的预测等待时间的方法仅仅是示例性的，可以采用任意适当的方法进行计算。

在计算单元116计算出每条可用车道的预测等待时间之后，输出单元118可以被配置成基于每条可用车道的预测等待时间，输出车道选择信息。在一个实施例中，输出单元118可以将车道选择信息输出给汽车100的显示单元从而以可视方式供驾驶员查看。例如，可以在显示单元中将所选择的车道高亮表示。显示单元例如可以作为仪表盘的一部分，也可以结合到导航系统的显示界面中，还可以结合到车载音视频显示单元中。在一个实施例中，输出单元118可以将车道选择信息输出给汽车100的音频输出单元从而以语音方式报告给驾驶员。音频输出单元例如可以是车载扬声器，也可以结合到导航系统的音频输出设备中，还可以结合到车载音视频声音单元中。在一个实施例中，输出单元118可以将车道选择信息输出给汽车100的触觉单元从而以产生触感的方式报告驾驶员。触觉单元例如可以被安装或一体集成到方向盘，在输出车道选择信息时，方向盘可以采用不同频率、不同程度地膨胀或微振动等，以使驾驶员的手感受到该信号。触觉单元也可以被安装或一体集成到驾驶员座椅，在输出车道选择信息时，座椅(例如，背部和/或臀部)以不同频率、不同程度轻敲驾驶员，以使得驾驶员的背部和/或臀部感受到该信号。此外，触觉单元也可以安装到脚踏板等位置。

在一种实施例中，输出单元118还可以将车道选择信息输出到车辆的辅助驾驶系统和/或导航系统。例如，输出单元118可以将车道选择信息输出到车辆的辅助驾驶系统，以辅助驾驶员选择能够最快速行驶的一条车道。或者，在辅助驾驶系统的自适应巡航控制(ACC)功能启动的情况下，可以使得辅助驾驶系统自动选择能够最快速行驶的一条车道。例如，输出单元118还可以将车道选择信息输出到车辆的导航系统，以辅助导航系统根据车道选择信息重新规划行车路线等。

图3示出了根据本申请的实施例，用于车辆的电子控制方法300的流程图。在步骤301中，判断车辆前方的交通信号灯是否为红灯状态。在一种实施例中，可以使用计算机视觉算法和/或模式识别算法，基于由车辆的车载传感器针对交通信号灯检测到的图像数据进行判断。例如，如果车辆的车载传感器检测到交通信号灯图像数据表明交通信号灯为红灯，则可以判断车辆前方的交通信号灯是红灯状态。在一种实施例中，可以基于从车辆外部接收的关于交通信号灯的信息进行判断。例如，如果从车辆外部(例如，云端服务器或交通设施)接收到关于交通信号灯为红灯的信息(也称为车联网或Car-2-X技术)，则可以判断车辆前方的交通信号灯是红灯状态。

在步骤302中，响应于交通信号灯被判断为红灯状态，获取针对车辆的多条可用车道以及与这些可用车道中等待的每个对象有关的对象信息。在一种实施例中，针对车辆的可用车道可以包括以下各项中的至少一项：直行车道、左转车道、右转车道、以及掉头车道等。在一种实施例中，对象信息可以包括以下各项中的至少一项：对象所处的车道类型、对象的位置、对象的种类、对象的形状、对象的偏航角、以及对象的灯光状态等。在一种实施例中，在这些可用车道中等待的对象所处的车道类型可以不同。在一种实施例中，在这些可用车道中等待的对象的位置可以不同。在一种实施例中，在这些可用车道中等待的对象的种类可以不同，例如可以是不同的车辆类型，如小轿车、面包车、卡车、货车、跑车等。在一种实施例中，在这些可用车道中等待的对象的形状可以是不同的，例如可以是体积较大的、体积较小的、车身较长的、车身较短的、车身高度较低的、车身高度较高的等。在一种实施例中，在这些可用车道中等待的对象可以相对所处车道的车道分界线具有一定的偏航角。

在步骤303中，基于对象信息，计算每条可用车道的预测等待时间。在一种实施例中，可以针对每条可用车道计算该可用车道中等待的全部对象的预测加速度信息，从而计算出该可用车道的预测等待时间。其中，预测加速度不一定表示实际的物理加速度含义，其可以是相对加速度，用于反映或表示对象的相对加速能力，例如，对象的预测加速度较大可以用于表示该对象的加速能力较强，对象的预测加速度较小可以用于表示该对象的加速能力较弱。在一种实施例中，可以基于所获取的对象信息，采用各种方法(包括但不限于加权算法、神经网络算法、高斯算法等)针对每条可用车道分别计算该可用车道中等待的各个对象的预测加速度信息，进而可计算该可用车道中等待的全部对象的预测加速度信息，从而计算出该可用车道的预测等待时间。

在步骤304中，基于每条可用车道的预测等待时间，输出车道选择信息。在一种实施例中，可以将车道选择信息输出给车辆的显示单元从而以可视方式供驾驶员查看。例如，可以在显示单元中将所选择的车道高亮表示。显示单元例如可以作为仪表盘的一部分，也可以结合到导航系统的显示界面中，还可以结合到车载音视频显示单元中。在一个实施例中，可以将车道选择信息输出给车辆的音频输出单元从而以语音方式报告给驾驶员。音频输出单元例如可以是车载扬声器，也可以结合到导航系统的音频输出设备中，还可以结合到车载音视频声音单元中。在一个实施例中，可以将车道选择信息输出给车辆的触觉单元从而以产生触感的方式报告驾驶员。触觉单元例如可以被安装或一体集成到方向盘，在输出车道选择信息时，方向盘可以采用不同频率、不同程度地膨胀或微振动等，以使驾驶员的手感受到该信号。触觉单元也可以被安装或一体集成到驾驶员座椅，在输出车道选择信息时，座椅(例如，背部和/或臀部)以不同频率、不同程度轻敲驾驶员，以使得驾驶员的背部和/或臀部感受到该信号。此外，触觉单元也可以安装到脚踏板等位置。

在一种实施例中，还可以将车道选择信息输出到车辆的辅助驾驶系统和/或导航系统。例如，可以将车道选择信息输出到车辆的辅助驾驶系统，以辅助驾驶员选择能够最快速行驶的一条车道。或者，在辅助驾驶系统的自适应巡航控制(ACC)功能启动的情况下，可以使得辅助驾驶系统自动选择能够最快速行驶的一条车道。例如，还可以将车道选择信息输出到车辆的导航系统，以辅助导航系统根据车道选择信息重新规划行车路线等。

图4示出了信息处理设备400的结构示意图，本申请的实施例中的电子控制装置110可以由信息处理设备400来实现。如图4所示，设备400可以包括以下组件中的一项或多项：处理器420、存储器430、电源组件440、输入/输出(I/O)接口460、通信接口480，这些组件例如可以通过总线410以可通信的方式连接。

处理器420在整体上控制设备400的操作，例如与数据通信和计算处理等相关联的操作。处理器420可以包括一个或多个处理核心，并能够执行指令以实现本申请中所述方法的全部或部分步骤。处理器420可以包括具有处理功能的各种装置，包括但不限于通用处理器、专用处理器、微处理器、微控制器、图形处理器(GPU)、数字信号处理器(DSP)、专用集成电路(ASIC)、可编程逻辑器件(PLD)、现场可编程逻辑门阵列(FPGA)等。处理器420可以包括缓存425或可以与缓存425通信，以提高数据的访问速度。

存储器430被配置为存储各种类型的指令和/或数据以支持设备400的操作。数据的示例包括用于在设备400上操作的任何应用程序或方法的指令、数据等。存储器430可以由任何类型的易失性或非易失性存储设备或者它们的组合实现。存储器430可以包括半导体存储器，例如随机存储器(RAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、只读存储器(ROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)、快闪存储器等。存储器430也可以包括例如使用纸介质、磁介质和/或光介质的任何存储器，如纸带、硬盘、磁带、软盘、磁光盘(MO)、CD、DVD、Blue-ray等。

电源组件440为设备400的各种组件提供电力。电源组件440可以包括内部电池和/或外部电源接口，并可以包括电源管理系统以及其他与为设备400生成、管理和分配电力相关联的组件。

I/O接口460提供了使用户能够与设备400进行交互的接口。I/O接口460例如可以包括基于PS/2、RS-232、USB、FireWire、Lightening、VGA、HDMI、DisplayPort等技术的接口，使用户能够通过键盘、鼠标器、触摸板、触摸屏、操纵杆、按钮、麦克风、扬声器、显示器、摄像头、投影端口等周边装置与设备400进行交互。

通信接口480被配置来使设备400能够与其他设备以有线或无线方式进行通信。设备400可以通过通信接口480接入基于一种或多种通信标准的无线网络，例如Wi-Fi、蓝牙、3G、4G通信网络。在一种示例性实施例中，通信接口480还可以经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。示例性的通信接口480可以包括基于近场通信(NFC)技术、射频识别(RFID)技术、红外数据协会(IrDA)技术、超宽带(UWB)技术、蓝牙(BT)技术等通信方式的接口。

以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时，本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。

本发明可以以其他的具体形式实现，而不脱离其精神和本质特征。例如，特定实施例中所描述的算法可以被修改，而系统体系结构并不脱离本发明的基本精神。因此，当前的实施例在所有方面都被看作是示例性的而非限定性的，本发明的范围由所附权利要求而非上述描述定义，并且，落入权利要求的含义和等同物的范围内的全部改变从而都被包括在本发明的范围之中。

Claims (10)

1.一种用于车辆的电子控制装置，包括：

判断单元，用于判断所述车辆前方的交通信号灯是否为红灯状态；

获取单元，用于响应于所述交通信号灯被判断为红灯状态，获取针对所述车辆的多条可用车道以及与这些可用车道中等待的每个对象有关的对象信息；

计算单元，用于基于所述对象信息，计算每条可用车道的预测等待时间；以及

输出单元，用于基于每条可用车道的预测等待时间，输出车道选择信息。

2.根据权利要求1所述的电子控制装置，其中，所述判断单元被配置成使用计算机视觉算法和/或模式识别算法，基于由所述车辆的车载传感器针对所述交通信号灯检测到的图像数据进行所述判断。

3.根据权利要求1所述的电子控制装置，其中，所述判断单元被配置成基于从所述车辆外部接收的关于所述交通信号灯的信息进行所述判断。

4.根据权利要求1所述的电子控制装置，其中，所述对象信息包括以下各项中的至少一项：对象所处的车道类型、对象的位置、对象的种类、对象的形状、对象的偏航角、以及对象的灯光状态。

5.根据权利要求1所述的电子控制装置，其中，所述计算单元被配置成针对每条可用车道计算所述可用车道中等待的全部对象的预测加速度信息，从而计算出所述可用车道的预测等待时间。

6.根据权利要求1所述的电子控制装置，其中，所述车道选择信息被输出到所述车辆的以下各项中的至少一项：显示单元、音频输出单元、以及触觉单元。

7.根据权利要求1所述的电子控制装置，其中，所述车道选择信息被输出到所述车辆的辅助驾驶系统和/或导航系统。

8.一种用于车辆的电子控制方法，包括：

判断所述车辆前方的交通信号灯是否为红灯状态；

响应于所述交通信号灯被判断为红灯状态，获取针对所述车辆的多条可用车道以及与这些可用车道中等待的每个对象有关的对象信息；

基于所述对象信息，计算每条可用车道的预测等待时间；以及

基于每条可用车道的预测等待时间，输出车道选择信息。

9.根据权利要求8所述的电子控制方法，其中，判断所述车辆前方的交通信号灯是否为红灯状态包括：使用计算机视觉算法和/或模式识别算法，基于由所述车辆的车载传感器针对所述交通信号灯检测到的图像数据进行所述判断。

10.根据权利要求8所述的电子控制方法，其中，所述对象信息包括以下各项中的至少一项：对象所处的车道类型、对象的位置、对象的种类、对象的形状、对象的偏航角、以及对象的灯光状态。