CN109360438A - 一种基于交通灯的车辆速度决策系统与方法 - Google Patents

Abstract

本发明公开了一种基于交通灯的车辆速度决策系统和方法，系统包括：感知模块、动态决策模块和控制模块。在工作状态下，所述感知模块采集车辆前方道路的行车信息和交通信号信息，所述行车信息和交通信号信息至少包括：车辆的实时速度、车辆与目标的距离、交通灯的颜色和最高限速的一个或多个；所述动态决策模块接收所述行车信息和交通信号信息，并根据所述行车信息和交通信号信息生成行车决策信息；所述控制模块接收所述行车决策信息，并根据所述行车决策信息控制所述车辆执行对应的行驶指令。本发明的系统和方法根据路口的交通灯状态，为车辆通过路口还是路口前停车以及车辆的速度提供合理决策。

Description

一种基于交通灯的车辆速度决策系统与方法

技术领域

本发明涉及自动驾驶技术领域，尤其涉及一种基于交通灯的车辆速度决策系统与方法。

背景技术

随着科技的发展，智能车辆成为未来汽车的重要发展方向。自动驾驶汽车不仅能保障人们的安全出行和舒适体验，还能极大提升人们出行的效率。自动驾驶汽车的决策与控制直接影响其安全性与合理性，因此，自动驾驶汽车想真正走进人们的生活并被广泛接受，还需一段较长的路。

近年来，车辆的急剧膨胀导致城市交通拥堵，因车辆在带有交通灯的交叉路口的通行效率不高，会直接影响道路的通行能力。目前的自动驾驶汽车往往只是通过汽车周围的实况进行分析和控制汽车的行驶模式，但在预测方面还远远不够，例如，无法预估交通灯的情况，包括颜色转换和等待时长等，同时也对车辆造成损耗、且增加了耗油量。

因此，确有必要设计一种新型的决策系统与方法，以解决上述技术问题。

发明内容

本申请披露了一种基于交通灯的车辆速度决策系统与方法，根据路口的交通灯状态，为车辆通过路口或路口前停车以及车辆的速度提供合理决策。

本申请一方面提供一种基于交通灯的车辆速度决策系统，包括：感知模块、动态决策模块和控制模块。在工作状态下，所述感知模块采集车辆前方道路的行车信息和交通信号信息，所述行车信息和交通信号信息至少包括：车辆的实时速度、车辆与目标的距离、交通灯的颜色和最高限速的一个或多个；所述动态决策模块接收所述行车信息和交通信号信息，并根据所述行车信息和交通信号信息生成行车决策信息；所述控制模块接收所述行车决策信息，并根据所述行车决策信息控制所述车辆执行对应的行驶指令。

其中，所述感知模块包括：视觉传感器、距离传感器、速度传感器、加速度传感器、定位单元中的至少一个，在工作状态下：所述视觉传感器识别交通灯的颜色、交通标志线、标示牌和其他车辆中的至少一个，并将其识别的视觉信息传送至所述动态决策模块；所述距离传感器测量所述车辆与目标的距离，并将其测量信息传送给所述动态决策模块；所述速度传感器测量所述车辆的实时速度，并将其测量信息传送给所述动态决策模块；所述加速度传感器测量所述车辆的实时加速度，并将其测量信息传送给所述动态决策模块；所述定位单元定位所述车辆，并将其定位信息传送给所述动态决策模块。

其中，所述标示牌至少包括路口的最高限速和当前路段的最高限速中的一个或多个。

其中，所述目标至少包括路口停车线、所述车辆周围的其他车辆。

其中，所述动态决策模块按照预设时刻生成对应的行车决策信息。

其中，所述预设时刻至少包括：所述车辆与目标的距离达到至少一个预设距离值时所对应的时刻；或与上述时刻间隔至少一个预设时间段时所对应的时刻。

其中，若所述感知模块识别交通灯为绿色时，所述动态决策模块生成的行车决策信息为：向所述车辆下发加速的行驶指令；或若所述感知模块识别交通灯为黄色或红色时，所述动态决策模块基于第一模型生成行车决策信息，所述第一模型的表述为：所述车辆车头与路口停车线的距离是否大于减速区。

其中，向所述车辆下发加速的行驶指令至少包括：以当前的实时速度匀加速，并以当前路段的最高限速为上限；或以当前的实时速度变加速，并以当前路段的最高限速为上限。

其中，所述减速区的表述为：所述车辆以当前的实时速度按照预定减速策略减速到零时所需的滑行距离。

其中，所述预定减速策略至少包括：以当前的实时速度匀减速到零；或以当前的实时速度变减速到零。

其中，所述动态决策模块基于所述第一模型判断：若所述车辆车头与路口停车线的距离大于减速区，则所述动态决策模块基于第二判断模型生成行车决策信息，所述第二判断模的表述为：所述车辆当前的实时速度是否大于滑行速度；或若所述车辆车头与路口停车线的距离小于减速区，则生成的行车决策信息为：向所述车辆下发减速的行驶指令。

其中，所述滑行速度的表述为：设定的介于最高限速与零之间的某一速度。

其中，所述动态决策模块基于所述第二模型判断：若所述车辆当前的实时速度大于滑行速度，则生成的行车决策信息为：向所述车辆下发减速至滑行速度并保持匀速的行驶指令；或若所述车辆当前的实时速度不大于滑行速度，则生成的行车决策信息为：向所述车辆下发保持当前的实时速度匀速的行驶指令。

其中，向所述车辆下发减速至滑行速度并保持匀速的行驶指令至少包括：以当前的实时速度匀减速至滑行速度；或以当前的实时速度变减速至滑行速度。

其中，向所述车辆下发减速的行驶指令至少包括：在所述车辆车头达到路口停车线之前，以当前的实时速度减速到零。

其中，以当前的实时速度减速到零至少包括：以当前的实时速度匀减速到零；或以当前的实时速度变减速到零。

本申请另一方面提供一种基于交通灯的车辆速度决策方法，应用于基于交通灯的车辆速度决策系统，所述基于交通灯的车辆速度决策系统包括：感知模块、动态决策模块、和控制模块；所述方法包括如下步骤：通过感知模块，采集行车信息和交通信号信息，所述行车信息和交通信号信息至少包括：车辆的实时速度、车辆与目标的距离、交通灯的颜色和最高限速的一个或多个；通过动态决策模块，根据所述行车信息和交通信号信息，生成行车决策信息，所述决策信息至少包括：当交通灯分别为绿色、黄色或红色时，向所述车辆下发保持当前的实时速度匀速、加速或减速的行驶指令；通过控制模块，根据所述行车决策信息，控制所述车辆对应执行保持当前的实时速度匀速、加速或减速的行驶指令。

其中，所述感知模块包括：视觉传感器、距离传感器、速度传感器、加速度传感器和定位单元中的至少一个，在工作状态下：所述视觉传感器识别交通灯的颜色、交通标志线、标示牌和其他车辆，并将其识别的视觉信息传送至所述动态决策模块；所述距离传感器测量所述车辆与目标的距离，并将其测量信息传送给所述动态决策模块；所述速度传感器测量所述车辆的实时速度，并将其测量信息传送给所述动态决策模块；所述加速度传感器测量所述车辆的实时加速度，并将其测量信息传送给所述动态决策模块；所述定位单元定位所述车辆，并将其定位信息传送给所述动态决策模块。

其中，所述标示牌至少包括路口的最高限速和当前路段的最高限速中的一个或多个。

其中，所述目标至少包括路口停车线、所述车辆周围的其他车辆。

其中，所述动态决策模块按照预设时刻生成对应的行车决策信息。

其中，所述预设时刻至少包括：所述车辆与目标的距离达到至少一个预设距离值时所对应的时刻；或与上述时刻间隔至少一个预设时间段时所对应的时刻。

其中，若所述感知模块识别交通灯为绿色时，所述动态决策模块生成的行车决策信息为：向所述车辆下发加速的行驶指令；或若所述感知模块识别交通灯为黄色或红色时，所述动态决策模块基于第一模型生成行车决策信息，所述第一模型的表述为：所述车辆车头与路口停车线的距离是否大于减速区。

其中，向所述车辆下发加速的行驶指令至少包括：以当前的实时速度匀加速，并以当前路段的最高限速为上限；或以当前的实时速度变加速，并以当前路段的最高限速为上限。

其中，所述减速区的表述为：所述车辆以当前的实时速度按照预定减速策略减速到零时所需的滑行距离。

其中，所述预定减速策略至少包括：以当前的实时速度匀减速到零；或以当前的实时速度变减速到零。

其中，所述动态决策模块基于所述第一模型判断：若所述车辆车头与路口停车线的距离大于减速区，则所述动态决策模块基于第二判断模型生成行车决策信息，所述第二判断模的表述为：所述车辆当前的实时速度是否大于滑行速度；或若所述车辆车头与路口停车线的距离小于减速区，则生成的行车决策信息为：向所述车辆下发减速的行驶指令。

其中，所述滑行速度的表述为：设定的介于最高限速与零之间的某一速度。

其中，所述动态决策模块基于所述第二模型判断：若所述车辆当前的实时速度大于滑行速度，则生成的行车决策信息为：向所述车辆下发减速至滑行速度并保持匀速的行驶指令；或若所述车辆当前的实时速度不大于滑行速度，则生成的行车决策信息为：向所述车辆下发保持当前的实时速度匀速的行驶指令。

其中，向所述车辆下发减速至滑行速度并保持匀速的行驶指令至少包括：以当前的实时速度匀减速至滑行速度；或以当前的实时速度变减速至滑行速度。

其中，向所述车辆下发减速的行驶指令至少包括：在所述车辆车头达到路口停车线之前，以当前的实时速度减速到零。

其中，以当前的实时速度减速到零至少包括：以当前的实时速度匀减速到零；或以当前的实时速度变减速到零。

本申请另一方面提供一种非暂时性的计算机可读介质，包括可执行指令，所述指令被至少一个处理器执行时，导致所述至少一个处理器实现一种方法，包括：采集行车信息和交通信号信息，所述行车信息和交通信号信息至少包括：车辆的实时速度、车辆与路口的距离、交通灯的颜色和最高限速的一个或多个；根据所述行车信息和交通信号信息，生成决策行车信息，所述行车决策信息至少包括：当交通灯分别为绿色、黄色或红色时，向所述车辆下发保持当前的实时速度匀速、加速或减速的行驶指令；根据所述行车决策信息，控制所述车辆对应执行保持当前的实时速度匀速、加速或减速的行驶指令。

综上，本申请针对现有自动驾驶车辆在带有交通灯的交叉路口的通行效率不高、在行驶过程中的预测能力不足的缺陷，提出了一种基于交通灯的车辆速度决策系统与方法。

本申请中另外的特征将部分地在下面的描述中阐述。通过该阐述，使以下附图和实施例叙述的内容对本领域普通技术人员来说变得显而易见。本申请中的发明点可以通过实践或使用下面讨论的详细示例中阐述的方法、手段及其组合来得到充分阐释。

附图说明

以下附图详细描述了本申请中披露的示例性实施例。其中相同的附图标记在附图的若干视图中表示类似的结构。本领域的一般技术人员将理解这些实施例是非限制性的、示例性的实施例，附图仅用于说明和描述的目的，并不旨在限制本公开的范围，其他方式的实施例也可能同样的完成本申请中的发明意图。应当理解，附图未按比例绘制。其中：

图1是本申请中基于交通灯的车辆速度决策系统的一个实施例的场景示意图。

图2是本申请中具有自动驾驶能力的示例性车辆的一个实施例的结构的示意图。

图3是本申请中信息处理单元的示例性硬件和软件组件的示意图。

图4是本申请中一个基于交通灯的车辆速度决策系统的控制方法流程。

图5是本申请中一个基于交通灯的车辆速度决策系统的控制方法流程。

图6是本申请中一个基于交通灯的车辆速度决策系统的控制方法流程。

图7是本申请中一个基于交通灯的车辆速度决策系统的控制方法流程。

具体实施方式

本申请披露了一种基于交通灯的车辆速度决策系统与方法，根据路口的交通灯状态，自动驾驶车辆的速度决策系统作出相应的决策来控制车辆执行，以满足不闯红灯、不超过道路限速、尽量减少路口前停车次数，为车辆通过路口还是路口前停车以及车辆的速度提供合理决策。

为了给本领域普通技术人员提供相关披露的透彻理解，在以下详细描述中通过示例阐述了本发明的具体细节。然而本申请披露的内容应该理解为与权利要求的保护范围一致，而不限于该具体发明细节。比如，对于本领域普通技术人员来说，对本申请中披露的实施例进行各种修改是显而易见的；并且在不脱离本申请的精神和范围的情况下，本领域的普通技术人员可以将这里定义的一般原理应用于其他实施例和应用。再比如，这些细节如果没有以下披露，对本领域普通技术人员来说也可以在不知道这些细节的情况下实践本申请。另一方面，为了避免不必要地模糊本申请的内容，本申请对公知的方法，过程，系统，组件和/或电路做了一般性概括而没有详细描述。因此，本申请披露的内容不限于所示的实施例，而是与权利要求的组款范围一致。

本申请中使用的术语仅用于描述特定示例实施例的目的，而不是限制性的。比如除非上下文另有明确说明，本申请中如果对某要件使用了单数形式的描述(比如，“一”、“一个”和/或等同性的说明)也可以包括多个该要件。在本申请中使用的术语“包括”和/或“包含”是指开放性的概念。比如A包括/包含B仅仅表示A中有B特征的存在，但并不排除其他要件(比如C)在A中存在或添加的可能性。

应当理解的是，本申请中使用的术语，比如“系统”，“单元”，“模块”和/或“块”，是用于区分不同级别的不同组件，元件，部件，部分或组件的一种方法。但是，如果其他术语可以达到同样的目的，本申请中也可能使用该其他术语来替代上述术语。

本申请中描述的模块(或单元，块，单元)可以实现为软件和/或硬件模块。除非上下文另有明确说明，当某单元或模块被描述为“接通”、“连接到”或“耦合到”另一个单元或模块时，该表达可能是指该单元或模块直接接通、链接或耦合到该另一个单元或模块上，也可能是指该单元或模块间接的以某种形式接通、连接或耦合到该另一个单元或模块上。在本申请中，术语“和/或”包括一个或多个相关所列项目的任何和所有组合。

在本申请中，术语“自动驾驶车辆”可以指能够感知其环境并且在没有人(例如，驾驶员，飞行员等)输入和/或干预的情况下对外界环境自动进行感知、判断并进而做出决策的车辆。术语“自动驾驶车辆”和“车辆”可以互换使用。术语“自动驾驶”可以指没有人(例如，驾驶员，飞行员等)输入的对周边环境进行智能判断并进行导航的能力。

考虑到以下描述，本申请的这些特征和其他特征、以及结构的相关元件的操作和功能、以及部件的组合和制造的经济性可以得到明显提高。参考附图，所有这些形成本申请的一部分。然而，应该清楚地理解，附图仅用于说明和描述的目的，并不旨在限制本申请的范围。应理解，附图未按比例绘制。

本申请中使用的流程图示出了根据本申请中的一些实施例的系统实现的操作。应该清楚地理解，流程图的操作可以不按顺序实现。相反，操作可以以反转顺序或同时实现。此外，可以向流程图添加一个或多个其他操作。可以从流程图中移除一个或多个操作。

本申请中使用的定位技术可以基于全球定位系统(GPS)，全球导航卫星系统(GLONASS)，罗盘导航系统(COMPASS)，伽利略定位系统，准天顶卫星系统(QZSS)，无线保真(WiFi)定位技术等，或其任何组合。一个或多个上述定位系统可以在本申请中互换使用。

此外，尽管本申请中的系统和方法主要描述了关于基于交通灯的车辆速度决策系统与方法，但是应该理解，这仅是示例性实施例。本申请的系统或方法可以应用于任何其他类型的导航系统。例如，本申请的系统或方法可以应用于不同环境的运输系统，包括陆地，海洋，航空航天等，或其任何组合。运输系统的自动驾驶车辆可包括出租车，私家车，挂车，公共汽车，火车，子弹列车，高速铁路，地铁，船只，飞机，宇宙飞船，热气球，无人驾驶车辆等，或其任何组合。在一些实施例中，该系统或方法可以在例如物流仓库，军事事务中找到应用。

图1是本申请中基于交通灯的车辆速度决策系统的一个实施例的场景示意图。如图1所示，自动驾驶车辆130(下文简称“车辆”)可在道路121上沿着其自主设定的路径120行驶，而无需人们输入路径行驶。所述自动驾驶车辆130在道路121上行驶时不得违反所述道路121的交通规则，例如，所述自动驾驶车辆130的速度不得超过所述道路121的最高限速，又例如，行驶至红绿灯路口时不得闯红灯。

所述自动驾驶车辆130可包括非自主车辆所有的一些常规结构，例如，发动机、车轮、方向盘等，还可包括感知模块140、控制模块150和动态决策模块160。

在所述道路121的交叉路口处设有交通灯110、停车线111、斑马线112、标示牌113，所述自动驾驶车辆130可识别和获取交叉路口的信息，包括所述交通灯110状态(例如，交通灯的颜色)、与路口停车线111和斑马线112的距离、标志牌113的内容等。所述标志牌113是显示交通法规及道路信息的图形符号，包括但不限于警告标志、禁令标志、指路标志、旅游区标志、道路施工安全标志、限速标志(例如，最高限速)等。所述自动驾驶车辆130在行驶至交叉路口的过程中，可基于所述交通灯110状态确定车辆的行驶速度，例如，可以基于所述交通灯110的颜色、与所述路口停车线111的距离、当前的实时速度等参数，生成和执行相应的行驶策略，例如，在所述交通灯110为绿色时，所述自动驾驶车辆130加速行驶；又例如，在所述交通灯110为红色时，所述自动驾驶车辆130减速并在所述路口停车线111前停车。

图2是根据本申请的一些实施例的具有自动驾驶能力的示例性车辆和自动驾驶系统200的框图。如图2所示，所述自动驾驶车辆130可包括感知模块140(包括多个传感器，例如，视觉传感器142，距离传感器144，速度传感器146，加速度传感器148，定位单元149)、控制模块150和动态决策模块160，存储器220，网络230，网关模块240，控制器区域网络(CAN)250，发动机管理系统(EMS)260，电动稳定性控制(ESC)270，电力系统(EPS)280，转向柱模块(SCM)290，节流系统265，制动系统275和转向系统295。

所述感知模块140可以采集车辆前方道路的行车信息和交通信号信息，所述行车信息和交通信号信息包括但不限于：车辆的实时速度、车辆与目标的距离、交通灯的颜色和最高限速(例如，当前路段的最高限速、路口的最高限速等)。在一些实施例中，所述感知模块140可以包括视觉传感器142，距离传感器144，速度传感器146，加速度传感器148，定位单元149。所述视觉传感器142可以检测所述交通灯110的状态(例如，所述交通灯110的颜色)、车道线、所述标示牌113和其他车辆等，并将检测的视觉信息传送给所述动态决策模块160。在一些实施例中，所述视觉传感器142可以采用双目摄像头、LIDAR系统等等所有本领域技术人员了解的视觉系统。所述距离传感器144可以测量所述自动驾驶车辆130与目标的距离，例如，所述目标可以是所述路口停车线113、所述自动驾驶车辆130周围的其他车辆等，并将其测量信息传送给所述动态决策模块160。在一些实施例中，所述距离传感器144可基于所述自动驾驶车辆130的定位信息和所述目标在地图上的位置信息，以测量二者的距离。在一些实施例中，所述距离传感器144为激光雷达或毫米波雷达，对所述自动驾驶车辆130的周围环境进行三维建模。所述速度传感器146可以测量所述自动驾驶车辆130的实时行驶速度，并将其测量信息传送给所述动态决策模块160。所述加速度传感器148可以测量所述自动驾驶车辆130的实时加速度，并将其测量信息传送给所述动态决策模块160。所述定位单元149可以对所述自动驾驶车辆130进行实时定位，并将定位信息传送至所述动态决策模块160。在一些实施例中，所述定位单元149为高精度GPS定位单元。

所述动态决策模块160可以接收所述行车信息和交通信号信息，并根据所述行车信息和交通信号信息生成行车决策信息。在一些实施例中，当所述感知模块140识别交通灯110为绿色时，所述动态决策模块160生成的行车决策信息为：向所述车辆130下发加速的行驶指令；在一些实施例中，当所述感知模块140识别交通灯119分别为红色或黄色时，所述动态决策模块基于第一模型生成行车决策信息，所述第一模型的表述为：所述车辆130车头与路口停车线111的距离是否大于减速区。在一些实施例中，向所述车辆130下发加速的行驶指令至少包括：以当前的实时速度匀加速，并以当前路段的最高限速为上限；或以当前的实时速度变加速，并以当前路段的最高限速为上限。

所述动态决策模块160可以按照预设时刻生成对应的行车决策信息，也即连续多次生成对应的行车决策信息，因在不同时刻接收的所述行车信息和交通信号信息可能不同，使得所述动态决策模块160生成的行车决策信息也可能不同。在一些实施例中，所述预设时刻包括但不限于：所述车辆130与目标(例如，所述路口停车线111)的距离达到至少一个预设距离值(例如，所述车辆130与路口停车线111的距离为100米、50米、20米、10米等)时所对应的时刻；或与上述时刻间隔至少一个预设时间段(例如，与上述时刻间隔0.5秒、1秒、1.5秒、2秒等)时所对应的时刻。

所述控制模块150可以处理与车辆驾驶(例如，自动驾驶)有关的信息和/或数据，以执行本申请中描述的一个或多个功能。在一些实施例中，所述控制模块150可以接收所述决策信息，并根据所述决策信息控制所述自动驾驶车辆130执行决策的行驶指令。在一些实施例中，所述控制模块150可以配置成自主地驱动车辆。例如，所述控制模块150可以输出多个控制信号。多个控制信号可以被配置为由多个电子控制模块(electronic controlunits，ECU)接收，以控制车辆的驱动。在一些实施例中，所述控制模块150可基于车辆的环境信息(例如，交通灯110的状态)确定车辆的行驶速度。在一些实施例中，所述控制模块150可以包括一个或多个处理引擎(例如，单核处理引擎或多核处理器)。仅作为示例，所述控制模块150可以包括中央处理单元(central processing unit，CPU)，专用集成电路(application-specific integrated circuit，ASIC)，专用指令集处理器(application-specific instruction-set processor，ASIP)，图形处理单元(graphics processingunit，GPU)，物理处理单元(physics processing unit，PPU)，数字信号处理器(digitalsignal processor，DSP)，场可编程门阵列(field programmable gate array，FPGA)，可编程逻辑器件(programmable logic device，PLD)，控制器，微控制器单元，精简指令集计算机(reduced instruction-set computer，RISC)，微处理器(microprocessor)等，或其任何组合。

所述存储器220可以存储数据和/或指令。在一些实施例中，所述存储器220可以存储从所述自动驾驶车辆130获得的数据(例如，所述感知模块140中各传感器测量的数据)。在一些实施例中，所述存储器220可以存储高精度地图，高精度地图中还包括车道数量、车道宽度、道路曲率、道路坡度、最高速度和推荐行驶速度等信息。在一些实施例中，所述存储器220可以存储所述控制模块150可以执行或使用的数据和/或指令，以执行本申请中描述的示例性方法。在一些实施例中，所述存储器220可以包括大容量存储器，可移动存储器，易失性读写存储器(volatile read-and-write memory)，只读存储器(ROM)等，或其任何组合。作为示例，比如大容量存储器可以包括磁盘，光盘，固态驱动器等；比如可移动存储器可以包括闪存驱动器，软盘，光盘，存储卡，拉链盘，磁带；比如易失性读写存储器可以包括随机存取存储器(RAM)；比如RAM可以包括动态RAM(DRAM)，双倍数据速率同步动态RAM(DDRSDRAM)，静态RAM(SRAM)，可控硅RAM(T-RAM)和零电容器RAM(Z-RAM)；比如ROM可以包括掩模ROM(MROM)，可编程ROM(PROM)，可擦除可编程ROM(EPROM)，电可擦除可编程ROM(EEPROM)，光盘ROM(CD-ROM)，以及数字通用磁盘ROM等。在一些实施例中，存储可以在云平台上实现。仅作为示例，云平台可以包括私有云，公共云，混合云，社区云，分布式云，云间云，多云等，或其任何组合。

在一些实施例中，所述存储器220可以连接到所述网络230以与自动驾驶车辆130的一个或多个组件(例如，控制模块150，传感器142)通信。所述自动驾驶车辆130中的一个或多个组件可以经由所述网络230访问存储在所述存储器220中的数据或指令。在一些实施例中，所述存储器220可以直接连接到所述自动驾驶车辆130中的一个或多个组件或与其通信(例如，控制模块150，传感器142)。在一些实施例中，所述存储器220可以是自动驾驶车辆130的一部分。

所述网络230可以促进信息和/或数据的交换。在一些实施例中，所述自动驾驶车辆130中的一个或多个组件(例如，控制模块150，传感器142)可以经由所述网络230将信息和/或数据发送到所述自动驾驶车辆130中的其他组件。例如。所述控制模块150可以经由所述网络230获得/获取车辆的动态情况和/或车辆周围的环境信息。在一些实施例中，所述网络230可以是任何类型的有线或无线网络，或其组合。仅作为示例，所述网络230可以包括有线网络，有线网络，光纤网络，远程通信网络，内联网，因特网，局域网(LAN)，广域网(WAN)，无线局域网(WLAN)，城域网(MAN)，广域网(WAN)，公共电话交换网(PSTN)，蓝牙网络，ZigBee网络，近场通信(NFC)网络等，或其任何组合。在一些实施例中，所述网络230可以包括一个或多个网络接入点。例如，所述网络230可以包括有线或无线网络接入点，例如基站和/或互联网交换点230-1，…...，230-1。通过该自动驾驶车辆130的一个或多个部件可以连接到网络230以交换数据和/或信息。

所述网关模块240可以基于车辆的当前驾驶状态确定多个ECU(例如，EMS 260，EPS280，ESC 270，SCM 290)的命令源。命令源可以来自人类驾驶员，来自所述控制模块150等，或其任何组合。

所述网关模块240可以确定车辆的当前驾驶状态。车辆的驾驶状态可以包括手动驾驶状态，半自动驾驶状态，自动驾驶状态，错误状态等，或其任何组合。例如，所述网关模块240可以基于来自人类驾驶员的输入将车辆的当前驾驶状态确定为手动驾驶状态。又例如，当前道路状况复杂时，所述网关模块240可以将车辆的当前驾驶状态确定为半自动驾驶状态。作为又一示例，当发生异常(例如，信号中断，处理器崩溃)时，所述网关模块240可以将车辆的当前驾驶状态确定为错误状态。

在一些实施例中，所述网关模块240可以判断车辆的当前驾驶状态是手动驾驶状态做出响应，将人类驾驶员的操作发送到多个ECU。例如，确定了车辆的当前驾驶状态是手动驾驶状态后，所述网关模块240可以做出响应将由人类驾驶员执行的对所述自动驾驶车辆130的加速器的按压操作发送到所述EMS 260。确定了车辆的当前驾驶状态是自动驾驶状态后，所述网关模块240可以做出响应将所述控制模块150的控制信号发送到多个ECU。例如，确定车辆的当前驾驶状态是自动驾驶状态后，网关模块240可以做出响应将与转向操作相关联的控制信号发送到所述SCM 290。所述网关模块240可以响应于车辆的当前驾驶状态是半自动驾驶状态的结论，将人驾驶员的操作和所述控制模块150的控制信号发送到多个ECU。当确定了车辆的当前驾驶状态是错误状态的时候，所述网关模块240可以做出响应将错误信号发送到多个ECU。

所述控制器区域网络(CAN总线)250是个可靠的车辆总线标准(例如，基于消息的协议message-based protocol)，其允许微控制器(例如，控制模块150)和设备(例如，EMS260，EPS 280，ESC 270和/或SCM 290等)在没有主计算机的应用程序中彼此通信。所述CAN250可以被配置为将所述控制模块150与多个ECU(例如，EMS 260，EPS 280，ESC 270，SCM290)连接。

所述EMS 260可以确定所述自动驾驶车辆130的发动机性能。在一些实施例中，所述EMS260可以基于来自所述控制模块150的控制信号确定自动驾驶车辆130的发动机性能。例如。当前驾驶状态是自动驾驶状态时，所述EMS 260可以基于与来自所述控制模块150的加速度相关联的控制信号来确定自动驾驶车辆130的发动机性能。在一些实施例中，所述EMS 260可以基于人类驾驶员的操作来确定所述自动驾驶车辆130的发动机性能。例如，当前驾驶状态是手动驾驶状态时，所述EMS 260可以基于人驾驶员对加速器的按压来确定所述自动驾驶车辆130的发动机性能。

所述EMS 260可以包括多个传感器和至少一个微处理器。多个传感器可以被配置为检测一个或多个物理信号并将一个或多个物理信号转换为电信号以进行处理。在一些实施例中，所述多个传感器可包括各种温度传感器，空气流量传感器，节气门位置传感器，泵压力传感器，速度传感器，氧传感器，负载传感器，爆震传感器等，或其任何组合。所述一个或多个物理信号可包括但不限于发动机温度，发动机进气量，冷却水温度，发动机速度等，或其任何组合。所述微处理器可以基于多个发动机控制参数确定发动机性能。所述微处理器可以基于多个电信号确定多个发动机控制参数，可以确定多个发动机控制参数以优化发动机性能。所述多个发动机控制参数可包括点火时机，燃料输送，空转气流等，或其任何组合。

所述节流系统265可以改变所述自动驾驶车辆130的运动。例如，所述节流系统265可以基于发动机输出确定所述自动驾驶车辆130的速度。又例如，所述节流系统265可以基于发动机输出引起所述自动驾驶车辆130的加速。所述节流系统365可包括燃料喷射器，燃料压力调节器，辅助空气阀，温度开关，节气门，空转速度电动机，故障指示器，点火线圈，继电器等，或其任何组合。在一些实施例中，所述节流系统265可以是EMS 260的外部执行器。所述节流系统265可以被配置为基于由EMS 260确定的多个发动机控制参数来控制发动机输出。

所述ESC 270可以改善车辆的稳定性，所述ESC 270可以通过检测和减少牵引力损失来改善车辆的稳定性。在一些实施例中，所述ESC 270可以所述控制制动系统275的操作以响应于确定所述ESC 270检测到转向控制的损失而帮助操纵车辆。例如，所述ESC 270可以提高所述制动系统275的稳定性。当车辆在上坡启动点火的时候通过刹车制动防止车辆下滑，帮助车辆顺利点火。在一些实施例中，所述ESC 270可以进一步控制发动机性能以改善车辆的稳定性。例如，所述ESC 270可在发生可能的转向控制损失时降低发动机功率。可能发生失去转向控制的场景包括：当车辆在紧急避让转弯期间滑行时，当车辆在湿滑路面上判断不良时转向不足或转向过度等时刻。

所述制动系统275可以控制所述自动驾驶车辆130的运动状态。例如，所述制动系统275可以使所述自动驾驶车辆130减速。作为另一个示例，所述制动系统275可以在一个或多个道路状况(例如，下坡)下使所述自动驾驶车辆130停止前行。作为又一个示例，所述制动系统275可以在下坡上行驶时使所述自动驾驶车辆130保持恒定速度。所述制动系统275可包括机械控制部件，液压单元，动力单元(例如，真空泵)，执行单元等，或其任何组合。机械控制部件可包括踏板，手制动器等。液压单元可包括液压油，液压软管，制动泵等。执行单元可包括制动钳，制动衬块，制动盘，等等。

所述EPS 280可以控制所述自动驾驶车辆130的电力供应。所述EPS 280可以为所述自动驾驶车辆130供应，传输和/或存储电力。例如，所述EPS 280可以包括一个或多个电池和交流发电机。交流发电机可以对电池充电，并且电池可以连接到所述自动驾驶车辆130的其他部分(例如，起动器以提供电力)。在一些实施例中，所述EPS 280可以控制对所述转向系统295的电力供应。例如，当所述自动驾驶车辆130确定需要进行急转弯的时候(例如，将方向盘一直向左打到底或一直向右打到底)，所述EPS 280可以向所述转向系统295提供大电力以响应于所述自动驾驶车辆130产生大的转向扭矩。

所述SCM 290可以控制车辆的方向盘。所述SCM 290可以锁定/解锁车辆的方向盘。所述SCM 290可以基于车辆的当前驾驶状态来锁定/解锁车辆的方向盘。例如，所述SCM 290可以响应于确定当前驾驶状态是自动驾驶状态而锁定车辆的方向盘。响应于确定当前驾驶状态是自动驾驶状态，所述SCM 290可以进一步缩回转向柱轴。作为另一示例，所述SCM 290可以响应于确定当前驾驶状态是半自动驾驶状态，手动驾驶状态和/或错误状态而解锁车辆的方向盘。所述SCM 290可以基于所述控制模块150的控制信号来控制所述自动驾驶车辆130的转向。控制信号可以包括与转弯方向，转弯位置，转弯角度等有关的信息，或其任何组合。

所述转向系统295可以操纵所述自动驾驶车辆130。在一些实施例中，所述转向系统295可以基于从所述SCM 290发送的信号来操纵所述自动驾驶车辆130。例如，所述转向系统295可以响应于确定当前驾驶状态是自动驾驶状态，基于从所述SCM 290发送的所述控制模块150的控制信号来引导所述自动驾驶车辆130。在一些实施例中，所述转向系统295可以基于人类驾驶员的操作来操纵所述自动驾驶车辆130。例如，当人类驾驶员响应于确定当前驾驶状态是手动驾驶状态而将方向盘转向左方向时，所述转向系统295可以将所述自动驾驶车辆130转向左方向。

图3是信息处理单元300的示例性硬件和软件组件的示意图。所述信息处理单元300上可以承载实施所述控制模块150，EMS 360，ESC 270，EPS 280，SCM 290......等等。例如，所述控制模块150可以在信息处理单元300上实现以执行本申请中公开的所述控制模块150的功能。

所述信息处理单元300可以是专门设计用于处理来自所述自动驾驶车辆130的传感器和/或部件的信号并将指令发送到车辆130的传感器和/或部件的专用计算机设备。

例如，所述信息处理单元300可以包括连接到与其连接的网络的COM端口350，以便于数据通信。所述信息处理单元300还可以包括处理器320，处理器320以一个或多个处理器的形式，用于执行计算机指令。计算机指令可以包括例如执行本文描述的特定功能的例程，程序，对象，组件，数据结构，过程，模块和功能。例如，所述处理器320可以获得与车辆相关的一个或多个交通信号信息和行车信息。与车辆相关的一个或多个交通信号信息和行车信息可以包括车辆的实时速度、车辆与目标的距离、交通灯的颜色、最高限速、车辆的加速度等。或类似物，或其任何组合。

在一些实施例中，所述处理器320可以包括一个或多个硬件处理器，例如微控制器，微处理器，精简指令集计算机(RISC)，专用集成电路(ASIC)，特定于应用的指令-集处理器(ASIP)，中央处理单元(CPU)，图形处理单元(GPU)，物理处理单元(PPU)，微控制器单元，数字信号处理器(DSP)，现场可编程门阵列(FPGA)，高级RISC机器(ARM)，可编程逻辑器件(PLD)，能够执行一个或多个功能的任何电路或处理器等，或其任何组合。

所述信息处理单元300可以包括内部通信总线310，程序存储和不同形式的数据存储(例如，磁盘270，只读存储器(ROM)330，或随机存取存储器(RAM)340)用于由计算机处理和/或发送的各种数据文件。所述信息处理单元300还可以包括存储在ROM 330，RAM 340和/或将由处理器320执行的其他类型的非暂时性存储介质中的程序指令。本申请的方法和/或过程可以作为程序指令实现。所述信息处理单元300还包括I/O组件360，支持计算机和其他组件(例如，用户界面元件)之间的输入/输出。所述信息处理单元300还可以通过网络通信接收编程和数据。

仅仅为了说明问题，在本申请中所述信息处理单元300中仅描述了一个处理器。然而，应当注意，本申请中的所述信息处理单元300还可以包括多个处理器，因此，本申请中披露的操作和/或方法步骤可以如本申请所述的由一个处理器执行，也可以由多个处理器联合执行。例如，如果在本申请中信息处理单元300的处理器320执行步骤A和步骤B，则应该理解，步骤A和步骤B也可以由信息处理中的两个不同处理器联合或分开执行(例如，第一处理器执行步骤A，第二处理器执行步骤B，或者第一和第二处理器共同执行步骤A和B)。

图4是本申请中一个基于交通灯的车辆速度决策系统的控制方法流程。如图4所示，应用基于交通灯的车辆速度决策系统，所述基于交通灯的车辆速度决策系统包括感知模块140、动态决策模块160和控制模块150，方法包括如下步骤：

步骤410：通过所述感知模块140，采集所述行车信息和交通信号信息；在一些实施例中，所述行车信息和交通信号信息包括但不限于：所述自动驾驶车辆130的实时速度、所述自动驾驶车辆130与目标(例如，路口停车线111等)的距离、交通灯110的颜色和最高限速(例如，路口的最高限速、当前路段的最高限速等)。

步骤420：通过所述动态决策模块160，根据所述行车信息和交通信号信息，生成行车决策信息。在一些实施例中，当所述感知模块140识别交通灯110为绿色时，所述动态决策模块160生成的行车决策信息为：向所述车辆130下发加速的行驶指令。在一些实施例中，当所述感知模块140识别交通灯110为黄色或红色时，所述动态决策模块基于第一模型生成行车决策信息，所述第一模型的表述为：所述车辆130车头与路口停车线111的距离是否大于减速区。在一些实施例中，所述减速区的表述为：所述车辆130以当前的实时速度按照预定减速策略减速到零时所需的滑行距离。在一些实施例中，所述预定减速策略包括但不限于：以当前的实时速度匀减速到零；或以当前的实时速度变减速到零。

所述动态决策模块160基于所述第一模型判断：若所述车辆130车头与路口停车线111的距离大于减速区，则所述动态决策模块基于第二判断模型生成行车决策信息，所述第二判断模的表述为：所述车辆130当前的实时速度是否大于滑行速度；或若所述车辆130车头与路口停车线111的距离小于减速区，则生成的行车决策信息为：向所述车辆130下发减速的行驶指令。在一些实施例中，向所述车辆130下发减速的行驶指令包括但不限于：在所述车辆130车头达到路口停车线111之前，以当前的实时速度减速到零。在一些实施例中，以当前的实时速度减速到零包括但不限于：以当前的实时速度匀减速到零；或以当前的实时速度变减速到零。

在一些实施例中，所述滑行速度的表述为：为合理规划车辆速度，避免过早减速至零速，或为之后的交通灯变化提供缓冲以减少加速度变化次数所设置的速度，所述滑行速度为一个介于最高限速与零之间的一个较低速度。以所述车辆130进行滑行测试时所确定的某一速度。在一些实施例中，所述动态决策模块160基于所述第二模型判断：若所述车辆130当前的实时速度大于滑行速度，则生成的行车决策信息为：向所述车辆130下发减速至滑行速度并保持匀速的行驶指令；或若所述车辆130当前的实时速度不大于滑行速度，则生成的行车决策信息为：向所述车辆130下发保持当前的实时速度匀速的行驶指令。在一些实施例中，向所述车辆130下发减速至滑行速度并保持匀速的行驶指令包括但不限于：以当前的实时速度匀减速至滑行速度；或以当前的实时速度变减速至滑行速度。

在步骤420中，所述动态决策模块160按照预设时刻生成对应的行车决策信息。在一些实施例中，所述预设时刻包括但不限于：所述车辆130与目标(例如，所述路口停车线111)的距离达到至少一个预设距离值(例如，所述车辆130与路口停车线111的距离为100米、50米、20米、10米等)时所对应的时刻；或与上述时刻间隔至少一个预设时间段(例如，与上述时刻间隔0.5秒、1秒、1.5秒、2秒等)时所对应的时刻。所述感知模块140在不同的预设时刻识别的所述车辆130的实时速度、车辆130与目标的距离、交通灯的颜色和最高限速可能不完全相同，因而所述动态决策模块160按照预设时刻生成对应的行车决策信息也可能不同。因所述交通灯110的颜色随时间会发生改变(例如，所述车辆130在通过所述路口停车线111之前，所述交通灯110的颜色可能分别为绿色、黄色、红色)，当所述感知模块140首次识别的交通灯110分别为绿色、黄色或红色时，对应地，其在第二次、第三次……第N次再识别的交通灯110可能会不同，因此，所述动态决策模块160在不同时刻生成对应的行车决策信息也可能不同(详见图5、6和7)。

步骤430：通过所述控制模块150，根据所述行程决策信息，控制所述自动驾驶车辆130对应执行保持实时速度匀速、加速或减速的行驶指令。

图5是本申请中一个基于交通灯的车辆速度决策系统的控制方法流程。如图5所示，当步骤410中所述感知模块140首次识别交通灯110为绿色后，方法包括如下步骤：

步骤501：在所述车辆130与路口停车线111的距离达到一个预设距离值(例如，100米)时，获取所述感知模块140识别所述交通灯110为绿色的结果。

步骤502：基于步骤501的获取结果，所述动态决策模块160生成的行车决策信息为：向所述车辆130下发加速的行驶指令；在一些实施例中，向所述车辆130下发加速的行驶指令可以包括但不限于：以当前的实时速度匀加速，并以当前路段的最高限速为上限，或以当前的实时速度变加速，并以当前路段的最高限速为上限(比如，以三角函数的方式在制定距离内将加速至当前路段的最高速限)。

步骤503：在所述车辆130与路口停车线111的距离达到另一个预设距离值(例如，50米)时，或在步骤501后间隔一个预设时间段(例如，2秒)时的某一时刻，获取所述感知模块140识别所述交通灯110为黄色的结果。

步骤504：基于步骤503的获取结果，所述动态决策模块160基于第一模型生成行车决策信息，所述第一模型的表述为：所述车辆130车头与路口停车线111的距离是否大于减速区，若是，则进入步骤505，否则，进入步骤506。在一些实施例中，所述减速区的表述为：所述车辆130以当前的实时速度按照预定减速策略减速到零时所需的滑行距离。在一些实施例中，所述预定减速策略包括但不限于：以当前的实时速度匀减速到零；或以当前的实时速度变减速到零(比如，以三角函数的方式在制定距离内将减速至零)。

比如，所述第一模型可以用如下公式表述，判断所述车辆130车头与路口停车线111的距离是否大于减速区：

其中，D为所述车辆车头与路口停车线的距离，V为所述车辆的规定滑行速度，a为停车阶段加速度。

步骤505：所述动态决策模块160基于所述第一模型判断：所述车辆130车头与路口停车线111的距离大于减速区，则所述动态决策模块160基于第二判断模型生成行车决策信息，所述第二判断模的表述为：所述车辆130当前的实时速度是否大于滑行速度，若是，则进入步骤507，否则，进入步骤508。在一些实施例中，所述滑行速度的表述为：以所述车辆130进行滑行测试时所确定的某一速度。

步骤506：所述动态决策模块160基于所述第一模型判断：所述车辆130车头与路口停车线111的距离不大于减速区，则生成的行车决策信息为：向所述车辆130下发减速的行驶指令。在一些实施例中，向所述车辆130下发减速的行驶指令包括但不限于：在所述车辆130车头达到路口停车线111之前，以当前的实时速度减速到零。在一些实施例中，以当前的实时速度减速到零包括但不限于：以当前的实时速度匀减速到零；或以当前的实时速度变减速到零(比如，以三角函数的方式在制定距离内将减速至零)。

步骤507：所述动态决策模块160基于所述第二模型判断：所述车辆130当前的实时速度大于滑行速度，则生成的行车决策信息为：向所述车辆130下发减速至滑行速度并保持匀速的行驶指令。在一些实施例中，向所述车辆130下发减速至滑行速度并保持匀速的行驶指令包括但不限于：以当前的实时速度匀减速至滑行速度；或以当前的实时速度变减速至滑行速度(比如，以三角函数的方式在制定距离内将减速至滑行速度)。

步骤508：所述动态决策模块160基于所述第二模型判断：所述车辆130当前的实时速度不大于滑行速度，则生成的行车决策信息为：向所述车辆130下发保持当前的实时速度匀速的行驶指令。

其中，所述自动驾驶车辆130通过路口停车线111的计算方式可以按照车头经路口停车线111算起，也可以按照车身经过路口停车线111算起，也可以按照车尾经过路口停车线111算起。

图6是本申请中一个基于交通灯的车辆速度决策系统的控制方法流程。如图6所示，当步骤410中所述感知模块140首次识别交通灯110为黄色后，方法包括如下步骤：

步骤601：在所述车辆130与路口停车线111的距离达到一个预设距离值(例如，100米)时，获取所述感知模块140识别所述交通灯110为黄色的结果。

步骤602：基于步骤601的获取结果，所述动态决策模块160基于第一模型生成行车决策信息，所述第一模型的表述为：所述车辆130车头与路口停车线111的距离是否大于减速区，若是，则进入步骤603，否则，进入步骤604。在一些实施例中，所述减速区的表述为：所述车辆130以当前的实时速度按照预定减速策略减速到零时所需的滑行距离。在一些实施例中，所述预定减速策略包括但不限于：以当前的实时速度匀减速到零；或以当前的实时速度变减速到零(比如，以三角函数的方式在制定距离内将减速至零)。

步骤603：所述动态决策模块160基于所述第一模型判断：所述车辆130车头与路口停车线111的距离大于减速区，则所述动态决策模块160基于第二判断模型生成行车决策信息，所述第二判断模的表述为：所述车辆130当前的实时速度是否大于滑行速度，若是，则进入步骤605，否则，进入步骤606。在一些实施例中，所述滑行速度的表述为：以所述车辆130进行滑行测试时所确定的某一速度。

步骤604：所述动态决策模块160基于所述第一模型判断：所述车辆130车头与路口停车线111的距离不大于减速区，则生成的行车决策信息为：向所述车辆130下发减速的行驶指令。在一些实施例中，向所述车辆130下发减速的行驶指令包括但不限于：在所述车辆130车头达到路口停车线111之前，以当前的实时速度减速到零。在一些实施例中，以当前的实时速度减速到零包括但不限于：以当前的实时速度匀减速到零；或以当前的实时速度变减速到零(比如，以三角函数的方式在制定距离内将减速至零)。

步骤605：所述动态决策模块160基于所述第二模型判断：所述车辆130当前的实时速度大于滑行速度，则生成的行车决策信息为：向所述车辆130下发减速至滑行速度并保持匀速的行驶指令。在一些实施例中，向所述车辆130下发减速至滑行速度并保持匀速的行驶指令包括但不限于：以当前的实时速度匀减速至滑行速度；或以当前的实时速度变减速至滑行速度(比如，以三角函数的方式在制定距离内将减速至滑行速度)。

步骤606：所述动态决策模块160基于所述第二模型判断：所述车辆130当前的实时速度不大于滑行速度，则生成的行车决策信息为：向所述车辆130下发保持当前的实时速度匀速的行驶指令。

步骤607：在所述车辆130与路口停车线111的距离达到另一个预设距离值(例如，50米)时，或在步骤601后间隔一个预设时间段(例如，2秒)时的某一时刻，获取所述感知模块140识别所述交通灯110为红色的结果。

步骤608：基于步骤604和607的获取结果，所述动态决策模块160生成的行车决策信息为：向所述车辆130下发减速的行驶指令。在一些实施例中，向所述车辆130下发减速的行驶指令包括但不限于：在所述车辆130车头达到路口停车线111之前，以当前的实时速度减速到零；在一些实施例中，以当前的实时速度减速到零包括但不限于：以当前的实时速度匀减速到零；或以当前的实时速度变减速到零(比如，以三角函数的方式在制定距离内将减速至零)。

步骤609：基于步骤605/606和607的获取结果，所述动态决策模块160基于第一模型生成行车决策信息，所述第一模型的表述为：所述车辆130车头与路口停车线111的距离是否大于减速区，若是，则进入步骤610，否则，进入步骤611。在一些实施例中，所述减速区的表述为：所述车辆130以当前的实时速度按照预定减速策略减速到零时所需的滑行距离。在一些实施例中，所述预定减速策略包括但不限于：以当前的实时速度匀减速到零；或以当前的实时速度变减速到零(比如，以三角函数的方式在制定距离内将减速至零)。

步骤610：所述动态决策模块160基于所述第一模型判断：所述车辆130车头与路口停车线111的距离大于减速区，则生成的行车决策信息为：向所述车辆130下发保持当前的实时速度匀速的行驶指令。

步骤611：所述动态决策模块160基于所述第一模型判断：所述车辆130车头与路口停车线111的距离不大于减速区，则生成的行车决策信息为：向所述车辆130下发减速的行驶指令。在一些实施例中，向所述车辆130下发减速的行驶指令包括但不限于：在所述车辆130车头达到路口停车线111之前，以当前的实时速度减速到零。在一些实施例中，以当前的实时速度减速到零包括但不限于：以当前的实时速度匀减速到零；或以当前的实时速度变减速到零(比如，以三角函数的方式在制定距离内将减速至零)。

图7是本申请中一个基于交通灯的车辆速度决策系统的控制方法流程。如图7所示，当步骤410中所述感知模块140首次识别交通灯110为红色后，方法包括如下步骤：

步骤701：在所述车辆130与路口停车线111的距离达到一个预设距离值(例如，100米)时，获取所述感知模块140识别所述交通灯110为红色的结果。

步骤702：基于步骤701的获取结果，所述动态决策模块160基于第一模型生成行车决策信息，所述第一模型的表述为：所述车辆130车头与路口停车线111的距离是否大于减速区，若是，则进入步骤703，否则，进入步骤704。在一些实施例中，所述减速区的表述为：所述车辆130以当前的实时速度按照预定减速策略减速到零时所需的滑行距离。在一些实施例中，所述预定减速策略包括但不限于：以当前的实时速度匀减速到零；或以当前的实时速度变减速到零(比如，以三角函数的方式在制定距离内将减速至零)。

步骤703：所述动态决策模块160基于所述第一模型判断：所述车辆130车头与路口停车线111的距离大于减速区，则所述动态决策模块160基于第二判断模型生成行车决策信息，所述第二判断模的表述为：所述车辆130当前的实时速度是否大于滑行速度，若是，则进入步骤705，否则，进入步骤706。在一些实施例中，所述滑行速度的表述为：以所述车辆进行滑行测试时所确定的某一速度。

步骤704：所述动态决策模块160基于所述第一模型判断：所述车辆130车头与路口停车线111的距离不大于减速区，则生成的行车决策信息为：向所述车辆130下发减速的行驶指令。在一些实施例中，向所述车辆130下发减速的行驶指令包括但不限于：在所述车辆130车头达到路口停车线111之前，以当前的实时速度减速到零。在一些实施例中，以当前的实时速度减速到零包括但不限于：以当前的实时速度匀减速到零；或以当前的实时速度变减速到零(比如，以三角函数的方式在制定距离内将减速至零)。

步骤705：所述动态决策模块160基于所述第二模型判断：所述车辆130当前的实时速度大于滑行速度，则生成的行车决策信息为：向所述车辆130下发减速至滑行速度并保持匀速的行驶指令。在一些实施例中，向所述车辆130下发减速至滑行速度并保持匀速的行驶指令包括但不限于：以当前的实时速度匀减速至滑行速度；或以当前的实时速度变减速至滑行速度(比如，以三角函数的方式在制定距离内将减速至滑行速度)。

步骤706：所述动态决策模块160基于所述第二模型判断：所述车辆130当前的实时速度不大于滑行速度，则生成的行车决策信息为：向所述车辆130下发保持当前的实时速度匀速的行驶指令。

步骤707：在所述车辆130与路口停车线111的距离达到另一个预设距离值(例如，50米)时，或在步骤701后间隔一个预设时间段(例如，2秒)时的某一时刻，获取所述感知模块140识别所述交通灯110为绿色的结果。

步骤708：基于步骤704/705/706和707的获取结果，所述动态决策模块160生成的行车决策信息为：向所述车辆130下发加速的行驶指令。在一些实施例中，向所述车辆130下发加速的行驶指令可以包括但不限于：以当前的实时速度匀加速，并以当前路段的最高限速为上限，或以当前的实时速度变加速，并以当前路段的最高限速为上限(比如，以三角函数的方式在制定距离内将加速至当前路段的最高速限)。

综上所述，本公开内容披露了如下系统、方法和存储介质：

1.一种基于交通灯的车辆速度决策系统，其特点在于：包括：感知模块，在工作状态下，所述感知模块采集车辆前方道路的行车信息和交通信号信息，所述行车信息和交通信号信息至少包括：车辆的实时速度、车辆与目标的距离、交通灯的颜色和最高限速；动态决策模块，在工作状态下，所述动态决策模块接收所述行车信息和交通信号信息，并根据所述行车信息和交通信号信息生成行车决策信息；控制模块，在工作状态下，所述控制模块接收所述行车决策信息，并根据所述行车决策信息控制所述车辆执行对应的行驶指令。

2.根据标号1所述的基于交通灯的车辆速度决策系统，其特点在于：所述感知模块包括：视觉传感器、距离传感器、速度传感器、加速度传感器、定位单元中的至少一个，在工作状态下：所述视觉传感器识别交通灯的颜色、交通标志线、标示牌和其他车辆中的至少一个，并将其识别的视觉信息传送至所述动态决策模块；所述距离传感器测量所述车辆与目标的距离，并将其测量信息传送给所述动态决策模块；所述速度传感器测量所述车辆的实时速度，并将其测量信息传送给所述动态决策模块；所述加速度传感器测量所述车辆的实时加速度，并将其测量信息传送给所述动态决策模块；所述定位单元定位所述车辆，并将其定位信息传送给所述动态决策模块。

3.根据标号2所述的基于交通灯的车辆速度决策系统，其特点在于：所述标示牌至少包括路口的最高限速和当前路段的最高限速中的一个或多个。

4.根据标号2所述的基于交通灯的车辆速度决策系统，其特点在于：所述目标至少包括路口停车线、所述车辆周围的其他车辆。

5.根据标号1所述的基于交通灯的车辆速度决策系统，其特点在于：所述动态决策模块按照预设时刻生成对应的行车决策信息。

6.根据标号1所述的基于交通灯的车辆速度决策系统，其特点在于：所述预设时刻至少包括：所述车辆与目标的距离达到至少一个预设距离值时所对应的时刻；或与上述时刻间隔至少一个预设时间段时所对应的时刻。

7.根据标号1所述的基于交通灯的车辆速度决策系统，其特点在于：若所述感知模块识别交通灯为绿色时，所述动态决策模块生成的行车决策信息为：向所述车辆下发加速的行驶指令；或若所述感知模块识别交通灯为黄色或红色时，所述动态决策模块基于第一模型生成行车决策信息，所述第一模型的表述为：所述车辆车头与路口停车线的距离是否大于减速区。

8.根据标号7所述的基于交通灯的车辆速度决策系统，其特点在于：向所述车辆下发加速的行驶指令至少包括：以当前的实时速度匀加速，并以当前路段的最高限速为上限；或以当前的实时速度变加速，并以当前路段的最高限速为上限。

9.根据标号7所述的基于交通灯的车辆速度决策系统，其特点在于：所述减速区的表述为：所述车辆以当前的实时速度按照预定减速策略减速到零时所需的滑行距离。

10.根据标号9所述的基于交通灯的车辆速度决策系统，其特点在于：所述预定减速策略至少包括：以当前的实时速度匀减速到零；或以当前的实时速度变减速到零。

11.根据标号7所述的基于交通灯的车辆速度决策系统，其特点在于：所述动态决策模块基于所述第一模型判断：若所述车辆车头与路口停车线的距离大于减速区，则所述动态决策模块基于第二判断模型生成行车决策信息，所述第二判断模的表述为：所述车辆当前的实时速度是否大于滑行速度；或若所述车辆车头与路口停车线的距离小于减速区，则生成的行车决策信息为：向所述车辆下发减速的行驶指令。

12.根据标号11所述的基于交通灯的车辆速度决策系统，其特点在于：所述滑行速度的表述为：以所述车辆进行滑行测试时所确定的某一速度。

13.根据标号12所述的基于交通灯的车辆速度决策系统，其特点在于：所述动态决策模块基于所述第二模型判断：若所述车辆当前的实时速度大于滑行速度，则生成的行车决策信息为：向所述车辆下发减速至滑行速度并保持匀速的行驶指令；或若所述车辆当前的实时速度不大于滑行速度，则生成的行车决策信息为：向所述车辆下发保持当前的实时速度匀速的行驶指令。

14.根据标号13所述的基于交通灯的车辆速度决策系统，其特点在于：向所述车辆下发减速至滑行速度并保持匀速的行驶指令至少包括：以当前的实时速度匀减速至滑行速度；或以当前的实时速度变减速至滑行速度。

15.根据标号11所述的基于交通灯的车辆速度决策系统，其特点在于：向所述车辆下发减速的行驶指令至少包括：在所述车辆车头达到路口停车线之前，以当前的实时速度减速到零。

16.根据标号15所述的基于交通灯的车辆速度决策系统，其特点在于：以当前的实时速度减速到零至少包括：以当前的实时速度匀减速到零；或以当前的实时速度变减速到零。

17.一种基于交通灯的车辆速度决策方法，应用于基于交通灯的车辆速度决策系统，所述基于交通灯的车辆速度决策系统包括：感知模块、动态决策模块和控制模块；其特点在于：所述方法包括如下步骤：通过感知模块，采集行车信息和交通信号信息，所述行车信息和交通信号信息至少包括：车辆的实时速度、车辆与目标的距离、交通灯的颜色和最高限速的一个或多个；通过动态决策模块：根据所述行车信息和交通信号信息，生成行车决策信息，所述行车决策信息至少包括：当交通灯分别为绿色、黄色或红色时，向所述车辆下发保持当前的实时速度匀速、加速或减速的行驶指令；通过控制模块，根据所述行车决策信息，控制所述车辆对应执行保持当前的实时速度匀速、加速或减速的行驶指令。

18.根据标号17所述的基于交通灯的车辆速度决策方法，其特点在于：所述感知模块包括：视觉传感器、距离传感器、速度传感器、加速度传感器和定位单元中的至少一个，在工作状态下：所述视觉传感器识别交通灯的颜色、交通标志线、标示牌和其他车辆，并将其识别的视觉信息传送至所述动态决策模块；所述距离传感器测量所述车辆与目标的距离，并将其测量信息传送给所述动态决策模块；所述速度传感器测量所述车辆的实时速度，并将其测量信息传送给所述动态决策模块；所述加速度传感器测量所述车辆的实时加速度，并将其测量信息传送给所述动态决策模块；所述定位单元定位所述车辆，并将其定位信息传送给所述动态决策模块。

19.根据标号18所述的基于交通灯的车辆速度决策方法，其特点在于：所述标示牌至少包括路口的最高限速和当前路段的最高限速中的一个或多个。

20.根据标号18所述的基于交通灯的车辆速度决策方法，其特点在于：所述目标至少包括路口停车线、所述车辆周围的其他车辆。

21.根据标号17所述的基于交通灯的车辆速度决策系统，其特点在于：所述动态决策模块按照预设时刻生成对应的行车决策信息。

22.根据标号20所述的基于交通灯的车辆速度决策方法，其特点在于：所述预设时刻至少包括：所述车辆与目标的距离达到至少一个预设距离值时所对应的时刻；或与上述时刻间隔至少一个预设时间段时所对应的时刻。

23.根据标号17所述的基于交通灯的车辆速度决策系统，其特点在于：若所述感知模块识别交通灯为绿色时，所述动态决策模块生成的行车决策信息为：向所述车辆下发加速的行驶指令；或若所述感知模块识别交通灯为黄色或红色时，所述动态决策模块基于第一模型生成行车决策信息，所述第一模型的表述为：所述车辆车头与路口停车线的距离是否大于减速区。

24.根据标号23所述的基于交通灯的车辆速度决策方法，其特点在于：向所述车辆下发加速的行驶指令至少包括：以当前的实时速度匀加速，并以当前路段的最高限速为上限；或以当前的实时速度变加速，并以当前路段的最高限速为上限。

25.根据标号23所述的基于交通灯的车辆速度决策方法，其特点在于：所述减速区的表述为：所述车辆以当前的实时速度按照预定减速策略减速到零时所需的滑行距离。

26.根据标号25所述的基于交通灯的车辆速度决策方法，其特点在于：所述预定减速策略至少包括：以当前的实时速度匀减速到零；或以当前的实时速度变减速到零。

27.根据标号23所述的基于交通灯的车辆速度决策系统，其特点在于：所述动态决策模块基于所述第一模型判断：若所述车辆车头与路口停车线的距离大于减速区，则所述动态决策模块基于第二判断模型生成行车决策信息，所述第二判断模的表述为：所述车辆当前的实时速度是否大于滑行速度；或若所述车辆车头与路口停车线的距离小于减速区，则生成的行车决策信息为：向所述车辆下发减速的行驶指令。

28.根据标号27所述的基于交通灯的车辆速度决策系统，其特点在于：所述滑行速度的表述为：以所述车辆进行滑行测试时所确定的某一速度。

29.根据标号28所述的基于交通灯的车辆速度决策系统，其特点在于：所述动态决策模块基于所述第二模型判断：若所述车辆当前的实时速度大于滑行速度，则生成的行车决策信息为：向所述车辆下发减速至滑行速度并保持匀速的行驶指令；或若所述车辆当前的实时速度不大于滑行速度，则生成的行车决策信息为：向所述车辆下发保持当前的实时速度匀速的行驶指令。

30.根据标号29所述的基于交通灯的车辆速度决策系统，其特点在于：向所述车辆下发减速至滑行速度并保持匀速的行驶指令至少包括：以当前的实时速度匀减速至滑行速度；或以当前的实时速度变减速至滑行速度。

31.根据标号27所述的基于交通灯的车辆速度决策方法，其特点在于：向所述车辆下发减速的行驶指令至少包括：在所述车辆车头达到路口停车线之前，以当前的实时速度减速到零。

32.根据标号31所述的基于交通灯的车辆速度决策方法，其特点在于：以当前的实时速度减速到零至少包括：以当前的实时速度匀减速到零；或以当前的实时速度变减速到零。

33.一种非暂时性的计算机可读介质，包括可执行指令，所述指令被至少一个处理器执行时，导致所述至少一个处理器实现一种方法，包括：采集行车信息和交通信号信息，所述行车信息和交通信号信息至少包括：车辆的实时速度、车辆与路口的距离、交通灯的颜色和最高限速；根据所述行车信息和交通信号信息，生成行车决策信息，所述行车决策信息至少包括：当交通灯分别为绿色、黄色或红色时，向所述车辆下发保持当前的实时速度匀速、加速或减速的行驶指令；根据所述行车决策信息，控制所述车辆对应执行保持当前的实时速度匀速、加速或减速的行驶指令。

综上所述，在阅读本详细公开内容之后，本领域技术人员可以明白，前述详细公开内容可以仅以示例的方式呈现，并且可以不是限制性的。尽管这里没有明确说明，本领域技术人员可以理解本申请意图囊括对实施例的各种合理改变，改进和修改。这些改变，改进和修改旨在由本申请提出，并且在本申请的示例性实施例的精神和范围内。

此外，本申请中的某些术语已被用于描述本申请的实施例。例如，“一个实施例”，“实施例”和/或“一些实施例”意味着结合该实施例描述的特定特征，结构或特性可以包括在本申请的至少一个实施例中。因此，可以强调并且应当理解，在本说明书的各个部分中对“实施例”或“一个实施例”或“替代实施例”的两个或更多个引用不一定都指代相同的实施例。此外，特定特征，结构或特性可以在本申请的一个或多个实施例中适当地组合。

应当理解，在本申请的实施例的前述描述中，为了帮助理解一个特征，出于简化本申请的目的，本申请有时将各种特征组合在单个实施例、附图或其描述中。或者，本申请又是将各种特征分散在多个本发明的实施例中。然而，这并不是说这些特征的组合是必须的，本领域技术人员在阅读本申请的时候完全有可能将其中一部分特征提取出来作为单独的实施例来理解。也就是说，本申请中的实施例也可以理解为多个次级实施例的整合。而每个次级实施例的内容在于少于单个前述公开实施例的所有特征的时候也是成立的。

在一些实施方案中，表达用于描述和要求保护本申请的某些实施方案的数量或性质的数字应理解为在某些情况下通过术语“约”，“近似”或“基本上”修饰。例如，除非另有说明，否则“约”，“近似”或“基本上”可表示其描述的值的±20％变化。因此，在一些实施方案中，书面描述和所附权利要求书中列出的数值参数是近似值，其可以根据特定实施方案试图获得的所需性质而变化。在一些实施方案中，数值参数应根据报告的有效数字的数量并通过应用普通的舍入技术来解释。尽管阐述本申请的一些实施方案列出了广泛范围的数值范围和参数是近似值，但具体实施例中都列出了尽可能精确的数值。

本文引用的每个专利，专利申请，专利申请的出版物和其他材料，例如文章，书籍，说明书，出版物，文件，物品等，可以通过引用结合于此。用于所有目的的全部内容，除了与其相关的任何起诉文件历史，可能与本文件不一致或相冲突的任何相同的，或者任何可能对权利要求的最宽范围具有限制性影响的任何相同的起诉文件历史。现在或以后与本文件相关联。举例来说，如果在与任何所包含的材料相关联的术语的描述、定义和/或使用与本文档相关的术语、描述、定义和/或之间存在任何不一致或冲突时，使用本文件中的术语为准。

最后，应理解，本文公开的申请的实施方案是对本申请的实施方案的原理的说明。其他修改后的实施例也在本申请的范围内。因此，本申请披露的实施例仅仅作为示例而非限制。本领域技术人员可以根据本申请中的实施例采取替代配置来实现本申请中的发明。因此，本申请的实施例不限于申请中被精确地描述过的哪些实施例。

Claims (11)

1.一种基于交通灯的车辆速度决策系统，其特征在于：包括：

感知模块，在工作状态下，所述感知模块采集车辆前方道路的行车信息和交通信号信息，所述行车信息和交通信号信息至少包括：车辆的实时速度、车辆与目标的距离、交通灯的颜色和最高限速；

动态决策模块，在工作状态下，所述动态决策模块接收所述行车信息和交通信号信息，并根据所述行车信息和交通信号信息生成行车决策信息；

控制模块，在工作状态下，所述控制模块接收所述行车决策信息，并根据所述行车决策信息控制所述车辆执行对应的行驶指令。

2.根据权利要求1所述的基于交通灯的车辆速度决策系统，其特征在于：所述感知模块包括：视觉传感器、距离传感器、速度传感器、加速度传感器、定位单元中的至少一个，在工作状态下：

所述视觉传感器识别交通灯的颜色、交通标志线、标示牌和其他车辆中的至少一个，并将其识别的视觉信息传送至所述动态决策模块；

所述距离传感器测量所述车辆与目标的距离，并将其测量信息传送给所述动态决策模块；

所述速度传感器测量所述车辆的实时速度，并将其测量信息传送给所述动态决策模块；

所述加速度传感器测量所述车辆的实时加速度，并将其测量信息传送给所述动态决策模块；

所述定位单元定位所述车辆，并将其定位信息传送给所述动态决策模块。

3.根据权利要求2所述的基于交通灯的车辆速度决策系统，其特征在于：所述目标至少包括路口停车线、所述车辆周围的其他车辆。

4.根据权利要求1所述的基于交通灯的车辆速度决策系统，其特征在于：所述动态决策模块按照预设时刻生成对应的行车决策信息。

5.根据权利要求1所述的基于交通灯的车辆速度决策系统，其特征在于：所述预设时刻至少包括：

所述车辆与目标的距离达到至少一个预设距离值时所对应的时刻；或

与上述时刻间隔至少一个预设时间段时所对应的时刻。

6.根据权利要求1所述的基于交通灯的车辆速度决策系统，其特征在于：

若所述感知模块识别交通灯为绿色时，所述动态决策模块生成的行车决策信息为：向所述车辆下发加速的行驶指令；或

若所述感知模块识别交通灯为黄色或红色时，所述动态决策模块基于第一模型生成行车决策信息，所述第一模型的表述为：所述车辆车头与路口停车线的距离是否大于减速区。

7.根据权利要求6所述的基于交通灯的车辆速度决策系统，其特征在于：所述减速区的表述为：所述车辆以当前的实时速度按照预定减速策略减速到零时所需的滑行距离。

8.根据权利要求6所述的基于交通灯的车辆速度决策系统，其特征在于：所述动态决策模块基于所述第一模型判断：

若所述车辆车头与路口停车线的距离大于减速区，则所述动态决策模块基于第二判断模型生成行车决策信息，所述第二判断模的表述为：所述车辆当前的实时速度是否大于滑行速度；或

若所述车辆车头与路口停车线的距离小于减速区，则生成的行车决策信息为：向所述车辆下发减速的行驶指令。

9.根据权利要求8所述的基于交通灯的车辆速度决策系统，其特征在于：所述滑行速度的表述为：设定的介于最高限速与零之间的某一速度。

10.根据权利要求9所述的基于交通灯的车辆速度决策系统，其特征在于：所述动态决策模块基于所述第二模型判断：

若所述车辆当前的实时速度大于滑行速度，则生成的行车决策信息为：向所述车辆下发减速至滑行速度并保持匀速的行驶指令；或

若所述车辆当前的实时速度不大于滑行速度，则生成的行车决策信息为：向所述车辆下发保持当前的实时速度匀速的行驶指令。

11.根据权利要求8所述的基于交通灯的车辆速度决策系统，其特征在于：向所述车辆下发减速的行驶指令至少包括：在所述车辆车头达到路口停车线之前，以当前的实时速度减速到零。