CN109582022B - 一种自动驾驶策略决策系统与方法 - Google Patents
一种自动驾驶策略决策系统与方法 Download PDFInfo
- Publication number
- CN109582022B CN109582022B CN201811563812.1A CN201811563812A CN109582022B CN 109582022 B CN109582022 B CN 109582022B CN 201811563812 A CN201811563812 A CN 201811563812A CN 109582022 B CN109582022 B CN 109582022B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- state
- party
- current
- driving
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000003860 storage Methods 0.000 claims abstract description 10
- 230000008901 benefit Effects 0.000 claims description 39
- 238000004590 computer program Methods 0.000 claims description 10
- 230000001133 acceleration Effects 0.000 description 22
- 230000008447 perception Effects 0.000 description 16
- 230000010365 information processing Effects 0.000 description 14
- 238000013500 data storage Methods 0.000 description 12
- 230000004044 response Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 230000033001 locomotion Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 230000000670 limiting effect Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 239000000446 fuel Substances 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 102100029469 WD repeat and HMG-box DNA-binding protein 1 Human genes 0.000 description 2
- 101710097421 WD repeat and HMG-box DNA-binding protein 1 Proteins 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008092 positive effect Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 239000000498 cooling water Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000010720 hydraulic oil Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000007858 starting material Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/0097—Predicting future conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0015—Planning or execution of driving tasks specially adapted for safety
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
- B60W60/00274—Planning or execution of driving tasks using trajectory prediction for other traffic participants considering possible movement changes
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
- G05D1/0289—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling with means for avoiding collisions between vehicles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
- B60W2520/105—Longitudinal acceleration
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4041—Position
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4042—Longitudinal speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4045—Intention, e.g. lane change or imminent movement
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Human Computer Interaction (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提出了一种通过交叉路口的自动驾驶策略决策方法、装置、计算机系统和可读存储介质,其中该方法包括:自动驾驶车辆的车载电子设备获取所述自动驾驶车辆的当前状态和周围第三方车辆的当前状态;根据所述自动驾驶车辆的路径和第三方车辆的预测路径,预测一个路径重叠点,进而确定两车距离重叠点的距离以及分别通过该重叠点的时间差;所述车载电子设备根据所述第三方车辆的当前状态以及车辆状态的统计数据预测第三方车辆的行驶意图,进而结合两车状态确定一个自动驾驶车辆的行驶策略;最后根据该行驶策略向自动驾驶车辆的控制设备发送控制指令。
Description
技术领域
本申请涉及自动驾驶技术领域,具体而言,涉及一种自动驾驶车辆的行驶策略决策系统与方法。
背景技术
自动驾驶汽车是新时代的产品,是未来汽车的发展趋势。然而,在现有人工驾驶汽车占绝大部分的交通行驶环境,自动驾驶汽车还有非常多的难点需要克服,其中一项即是对人类驾驶员意图的判断。根据路上情况,人类驾驶员会随时准备切换驾驶行为,不同的驾驶风格大大影响着人类的驾驶意图与动作,进而影响自动驾驶汽车的决策判断。因此,自动驾驶汽车若想在如此环境下平衡安全性与可通行性的要求,随时判断周围车辆的意图并作出相应的动作是必要的。
自动驾驶汽车是主观视角的参与者,基于此的交叉路口通行算法站在交通参与者角度来应对环境,但为了简化算法环境,大多假设周围的交通参与者都是匀速行驶或是同为自动驾驶,忽略真实环境带有的不确定性与交互影响,造成算法难以于现实交通环境实现的缺陷。
发明内容
本申请正是基于上述问题,提出了一种新的技术方案,可以解决真实环境中第三方车辆或其他交通参与者的不确定性影响自动驾驶安全的技术问题。
本申请的第一方面提出了一种通过交叉路口的自动驾驶策略决策方法,包括:自动驾驶车辆的车载电子设备获取所述自动驾驶车辆的当前状态和周围第三方车辆的当前状态,所述自动驾驶车辆的当前状态包括自动驾驶车辆的路径、当前位置和当前速度,所述第三方车辆的当前状态包括第三方车辆的预测路径、当前位置和当前速度;根据所述自动驾驶车辆的路径和第三方车辆的预测路径,所述车载电子设备预测一个路径重叠点;根据所述路径重叠点的位置、自动驾驶车辆的当前状态和第三方车辆的当前状态,所述车载电子设备确定自动驾驶车辆距离路径重叠点的当前距离,第三方车辆距离路径重叠点的当前距离,以及所述自动驾驶车辆和所述第三方车辆分别通过所述路径重叠点的的时刻差值(当前时间差),所述自动驾驶车辆的当前状态进一步包括所述自动驾驶车辆距离路径重叠点的当前距离和所述当前时间差,所述第三方车辆的当前状态进一步包括所述第三方车辆距离路径重叠点的当前距离和所述当前时间差;根据所述第三方车辆的当前状态以及车辆状态的统计数据,所述车载电子设备预测第三方车辆的行驶意图,所述车辆的统计数据包括当前时刻之前的多个时刻对应的多个第三方车辆的状态,所述当前时刻为所述第三方车辆当前状态对应的时刻;根据所述第三方车辆的行驶意图、自动驾驶车辆的当前状态和第三方车辆的当前状态,所述车载电子设备确定所述自动驾驶车辆的行驶策略;以及所述车载电子设备根据所述自动驾驶车辆的行驶策略向所述自动驾驶车辆的控制设备发送控制指令。
在一些实施例中,所述电子设备可以预先根据所述交叉路口的道路信息确定所述第三方车辆的预测路径。
在一些实施例中,所述车载电子设备可以确定所述第三方车辆的观测状态,所述第三方车辆的当前状态进一步包括所述第三方车辆的观测状态。
在一些实施例中,对于所述当前时刻之前的多个时刻中的每一个时刻:所述车载电子设备可以获取该时刻下对应的第三方车辆当前状态;以及将所述该时刻下对应的第三方车辆当前状态存储到存储设备中。
在一些实施例中,所述根据所述第三方车辆的当前状态以及人工车辆的历史状态确定第三方车辆的行驶意图可以包括:所述电子设备将所述第三方车辆的当前状态以及人工车辆的历史状态输入一个训练好的意图判断模型以确定所述第三方车辆的行驶意图。
在一些实施例中,所述根据所述第三方车辆的行驶意图、自动驾驶车辆的当前状态和第三方车辆的当前状态,确定所述自动驾驶车辆的行驶策略可以包括:确定多种候选行驶策略;对于每一种候选行驶策略:所述车载电子设备根据该候选行驶策略和所述第三方车辆的行驶意图、所述自动驾驶车辆的当前状态和第三方车辆的当前状态预测当前时刻后的第一时刻的车辆状态,所述车辆状态包括所述自动驾驶车辆状态和所述第三方车辆状态;根据所述第一时刻的车辆状态确定该候选行驶策略对应的第一收益;以及根据每种候选行驶策略对应的第一收益确定所述自动驾驶车辆的行驶策略。
在一些实施例中,所述根据所述第一时刻的车辆状态确定该候选行驶策略对应的第一收益可以包括:对于每一个第一时刻的车辆状态:所述车载电子设备根据该第一时刻的车辆状态预测所述第一时刻的第三方车辆的行驶意图;对于每一种候选行驶策略:所述车载电子设备根据该候选行驶策略、所述第一时刻的第三方车辆的行驶意图和该第一时刻的车辆状态预测第一时刻之后的第二时刻的车辆状态;根据所述第二时刻的车辆状态确定该行驶策略对应的第二收益;以及根据所述每种候选行驶策略对应的第二收益确定该第一时刻的车辆状态对应的第一收益。
在一些实施例中,所述第一时刻的车辆状态可以包括自动驾驶车辆和第三方车辆在第一时刻的时间差,所述第一时刻的时间差为所述自动驾驶车辆和第三方车辆在第一时刻时预测的自动驾驶车辆和第三方车辆分别通过所述路径重叠点的时间差。所述根据所述第一时刻的车辆状态确定该候选行驶策略对应的第一收益可以包括:判断所述第一时刻的时间差大于第一阈值;以及根据安全性参数,快速性参数和舒适性参数确定所述第一收益。
在一些实施例中,所述车载电子设备可以判断所述第一时刻的时间差小于第一阈值,确定所述自动驾驶车辆的行驶策略为减速策略。
本申请的第二方面提出一种自动驾驶决策装置。所述自动驾驶决策装置包括数据获取单元,信息转化单元,数据存储单元,意图确定单元,速度决策单元以及指令发送单元。
所述数据获取单元可以用于获取所述自动驾驶车辆的当前状态和周围第三方车辆的当前状态,所述自动驾驶车辆的当前状态包括自动驾驶车辆的路径、当前位置和当前速度,所述第三方车辆的当前状态包括第三方车辆的预测路径、当前位置和当前速度。
所述信息转化单元可以用于根据所述自动驾驶车辆的路径和第三方车辆的预测路径,预测一个路径重叠点;以及根据所述路径重叠点的位置、自动驾驶车辆的当前状态和第三方车辆的当前状态,确定自动驾驶车辆距离路径重叠点的当前距离,第三方车辆距离路径重叠点的当前距离,以及所述自动驾驶车辆和所述第三方车辆分别通过所述路径重叠点的的时刻差值(当前时间差),所述自动驾驶车辆的当前状态进一步包括所述自动驾驶车辆距离路径重叠点的当前距离和所述当前时间差,所述第三方车辆的当前状态进一步包括所述第三方车辆距离路径重叠点的当前距离和所述当前时间差。
所述意图确定单元根据所述第三方车辆的当前状态以及车辆状态的统计数据,预测第三方车辆的行驶意图,所述车辆的统计数据包括当前时刻之前的多个时刻对应的多个第三方车辆的状态,所述当前时刻为所述第三方车辆当前状态对应的时刻。
所述数据存储单元可以用于存储所述车辆的统计数据。
所述速度决策单元可以用于根据所述第三方车辆的行驶意图、自动驾驶车辆的当前状态和第三方车辆的当前状态,确定所述自动驾驶车辆的行驶策略。
所述指令发送单元可以用于根据所述自动驾驶车辆的行驶策略向所述自动驾驶车辆的控制设备发送控制指令。
本申请的第三方面提出了一种车载电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序。所述处理器执行所述计算机程序时可以实现如前文所述的自动驾驶策略决策方法的步骤。
本申请的第四方面提出了一种计算机可读存储介质,其上存储有计算机程序。所述计算机程序被处理器执行时可以实现如前文所述的自动驾驶策略决策方法的步骤。
本申请提出的自动驾驶策略决策装置和方法等,通过实时地探测周围第三方车辆的行驶状态,判断出该第三方车辆的行驶意图,进而通过不同的策略推演确定一种当前时刻较为安全、高效率、稳定的行驶策略,达到人工与自动驾驶混行环境下的情况认知与行为交互预测能力,改善现有技术难以实现的缺陷。
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,并不旨在限制本申请的范围,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。其中:
图1是本申请中在交叉路口进行自动驾驶车辆行驶策略决策的一个实施例的场景示意图;
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的框图;
图3是信息处理单元的示例性硬件和软件组件的示意图;
图4是本申请中的一种自动驾驶策略决策方法的示例性流程图;
图5是本申请中的一种存储车辆统计数据的示例性流程图;
图6是本申请中根据车辆状态和第三方车辆行驶意图确定自动驾驶车辆行驶策略的示例性流程图;
图7是本申请中的确定第一收益的示例性流程图;
图8是本申请中的一种车辆状态推演方法示意图;
图9是本申请中的一种确定所述第一收益的方法示意图;以及
图10是本申请中的一种自动驾驶决策装置的示意图。
具体实施方式
本申请披露了一种交叉路口的自动驾驶车辆行驶策略的决策系统与方法,根据自动驾驶车辆上的车载电子设备获取的周围第三方车辆的状态数据,判断出该第三方车辆的行驶意图,结合自动驾驶车辆自身既定的行驶路径进一步确定当下时刻自动驾驶车辆的行驶策略,以有效地避免与该第三方车辆的碰撞。上述系统和方法也可以应用于其他自动驾驶设备的策略决策。比如上述系统和方法可以用于空中飞行器、水面船只、水下舰艇等设备的行驶策略决策。
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自动驾驶车辆行驶策略的决策的系统与方法,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运输系统。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,自动驾驶车辆等,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是本申请中在交叉路口进行自动驾驶车辆行驶策略决策的一个实施例的场景示意图。如图1所示,自动驾驶车辆130可在道路121上沿着其自主决定的路径120-1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,行驶至交叉路口时不得闯红灯。
道路121上同时有其他第三方车辆110行驶。在图中所示的交叉路口处,该第三方车辆从右往左行驶。
所述自动驾驶车辆130可包括非自动驾驶车辆所有的一些常规结构,例如,发动机、车轮、方向盘等,还可以包括自动驾驶车辆特有的电子设备,所述电子设备可以包括感知模块140、决策模块150和控制模块160。所述感知模块140可以获取自动驾驶车辆130周围的环境信息,比如周围道路情况,障碍物情况,其他车辆情况,天气情况等。所述决策模块150可以根据感知模块140获取的数据进行行驶策略的决策,比如感知模块140探测到前方有障碍物,决策模块150可以做出刹停车辆的决策,也可以做出绕开障碍物的决策等。所述决策模块150可以将做出的决策传输给控制模块160。所述控制模块160可以根据收到的决策控制车辆的机械结构以实现决策的效果。
在本申请中,自动驾驶车辆130沿路径120-1行驶,在行驶过程中感知模块探测到一段时间内第三方车辆110的运动状态。所述第三方车辆可以是人工驾驶的车辆,也可以使与自动驾驶车辆130之间没有信息沟通的其他自动驾驶车辆,也可以是其他交通参与者(例如自行车,电助力车等)。所述感知模块140可以根据探测到的第三方车辆110的运动状态预测其之后的行驶轨迹120-2。在判断出路径120-1和路径120-2之间有重叠点179时,即表示自动驾驶车辆130和第三方车辆110之间可能存在碰撞的风险。此时决策模块150即根据两车行进趋势对是否需要调整自动驾驶车辆的行驶策略进行决策并通过控制模块执行。
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)、决策模块150和控制模块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环境信息,例如道路信息,其他车辆信息和交通信号信息等,所述其他车辆信息和交通信号信息包括但不限于:其他车辆的实时速度、位置和加速度等、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决策模块150。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决策模块150。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以及第三方车辆110的实时行驶速度,并将其测量信息传送给所述决策模块150。所述加速度传感器148可以测量所述自动驾驶车辆130和第三方车辆110的实时加速度,并将其测量信息传送给所述决策模块150。所述定位单元149可以对所述自动驾驶车辆130和第三方车辆110进行实时定位,并将定位信息传送至所述决策模块150。在一些实施例中,所述定位单元149为高精度GPS定位单元。
所述决策模块150可以接收所述感知模块140获取的信息,并生成行驶决策信息。在一些实施例中,当所述感知模块140识别到路径重叠点170时,决策模块150生成的行驶决策信息可以为:向所述车辆130下发加速通过,保持当前速度,或减速的行驶指令。
所述控制模块160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160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160可以配置成自主地驱动车辆。例如,所述控制模块160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160可基于车辆的环境信息(例如,周围第三方车辆的行驶状况)确定车辆的行驶速度。在一些实施例中,所述控制模块160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160可以包括中央处理单元(centralprocessingunit,CPU),专用集成电路(application-specificintegrated 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160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160,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160,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160,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160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160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160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160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160)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160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EMS 260可以基于来自所述控制模块160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160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160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160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决策模块150和所述控制模块160,EMS 360,ESC 270,EPS 280,SCM290......等等。例如,所述控制模块160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160的功能和所述决策模块150的决策。
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可以获得自动驾驶车辆以及周围第三方车辆的位置,速度,加速度。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370,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是本申请中的一种自动驾驶策略决策方法的示例性流程图。该方法主要包括由车载电子设备探测一段时间内自动驾驶车辆的周围第三方车辆的行驶状态,预测所述第三方车辆的行驶意图,进而根据所述行驶意图来调整所述自动驾驶车辆当前的行驶策略。所述自动驾驶策略的决策方法可以由装载在汽车上的车载电子设备执行。比如,所述汽车可以是自动驾驶汽车也可以是人工驾驶车辆。所述车辆可以包括汽车、摩托车、电动车、飞行器、水面舰船等等各种行驶。所述自动驾驶汽车可以采取L1~L5中任何一个级别的自动驾驶技术。仅仅作为展示之用,本披露将以自动驾驶车辆为例描述本申请中的发明点,然而本领域的普通技术人员会了解本披露中的发明点也可以应用在人工驾驶的车辆中。所述车载电子设备可以具有图3所示的结构。所述车载电子设备可以包括所述决策模块150。所述车载电子设备可以从所述感知模块140获取所述自动驾驶车辆和第三方车辆的信息。
在410中,所述自动驾驶车辆的车载电子设备可以获取所述自动驾驶车辆的当前状态和周围第三方车辆的当前状态。所述第三方车辆可以是行驶在所述自动驾驶车辆周围的任何车辆,比如所述第三方车辆可以是人工驾驶车辆,也可以包括自动驾驶车辆。
所述自动驾驶车辆的当前状态可以包括自动驾驶车辆的路径、当前位置和当前速度等。所述自动驾驶车辆的路径可以是预先设定好的,比如该自动驾驶车辆在行驶前,所述电子设备预先将路径设定好并传送给控制系统160。又例如,在一些实施例中,所述路径可以是当前时刻之前的时刻所述车载电子设备决策的结果。比如当前时刻为T1,所述自动驾驶车辆的路径是所述车载电子设备在之前的T0时刻根据周围环境情况决策的一个路径。所述自动驾驶车辆的当前位置可以通过感知模块140中的各种传感器来获取,比如通过接收GPS卫星信号来定位所述自动驾驶车辆的当前位置。所述自动驾驶车辆的当前速度可以通过感知模块140中的速度传感器来获取。
所述第三方车辆的当前状态可以包括第三方车辆的预测路径、当前位置和当前速度。所述第三方车辆的预测路径可以通过感知模块140中的传感器来获取。比如在一些实施例中,感知模块140根据自动驾驶车辆的当前位置和高精度地图,首先判断出周围的道路情况。在图1所示的场景下,所述周围道路情况为一交叉路口(本申请同样适用于丁字路口、环岛等更多出口类型的道路情况)。所述感知模块140中的传感器(如激光雷达、毫米波雷达、视觉传感器等)可以进一步获取一段时间内所述第三方车辆的运动轨迹。所述感知模块140可以根据所述第三方车辆的运动轨迹和所述交叉路口的路况来预测所述第三方车辆的预测路径。比如在图1所示的场景中,所述第三方车辆110从右向左行驶,并且在接近交叉路口的一段时间内仍然保持直线行驶,即没有持续的向左转弯或向右转弯的迹象。所述感知模块140可以预测所述第三方车辆110的预测路径为直行通过所述交叉路口。所述感知模块140中的传感器可以同时获取所述第三方车辆的当前位置。比如所述感知模块140中的激光雷达可以获取所述第三方车辆相对于所述自动驾驶车辆的相对位置。在一些实施例中,所述感知模块可以进一步根据所述第三方车辆的相对位置、自动驾驶车辆的GPS定位信息来确定所述第三方车辆的绝对位置。所述感知模块140中的传感器(如激光雷达、视觉传感器等)同样可以获取所述第三方车辆的当前速度。
在420中,所述车载电子设备可以根据所述自动驾驶车辆的路径和第三方车辆的预测路径预测一个路径重叠点。
比如在图1所述的场景中,所述自动驾驶车辆130的行驶路径为路径120-1,所述第三方车辆110的预测路径为路径120-2。所述路径120-1和路径120-2在图中所示交叉路口存在一个路径重叠点170。所述路径重叠点170为所述自动驾驶车辆130和第三方车辆110可能发生碰撞的位置点。在一些实施例中,可以用两车通过该路径重叠点170的时间差来衡量两车发生碰撞的危险程度。所述通过路径重叠点的时间差是指所述自动驾驶车辆和第三方车辆分别通过该路径重叠点的时刻的差值。该时间差越小则表明两车可能同时通过该路径重叠点,即可能在该路径重叠点发生碰撞。在实际场景中,还需要考虑车辆的物理体积等因素,所以所述时间差小于一定阈值时,即可认为两车在该路径重叠点会发生碰撞。
由于所述时间差大于一定数值即可认为两车不会发生碰撞,所以所述自动驾驶车辆可以通过调整速度,先于第三方车辆或后于第三方车辆通过该路径重叠点即可避免碰撞。
在430中,所述车载电子设备可以根据所述路径重叠点的位置、自动驾驶车辆的当前状态和第三方车辆的当前状态确定自动驾驶车辆距离路径重叠点的当前距离(距离S1)以及第三方车辆距离路径重叠点的当前距离(距离S2)。所述车载电子设备可以根据所述自动驾驶车辆的当前位置、第三方车辆的当前位置(绝对位置或相对于自动驾驶车辆的位置)以及所述路径重叠点的位置来确定所述距离S1和距离S2。所述车载电子设备可以进一步根据所述距离S1、距离S2以及自动驾驶车辆的当前速度、第三方车辆的当前速度预测两车分别通过所述路径重叠点的时刻,并确定两时刻的差值为当前时间差。所述自动驾驶车辆的当前状态可以进一步包括所述所述距离S1和所述当前时间差。所述第三方车辆的当前状态可以进一步包括所述S2和所述当前时间差。
所述第三方车辆的当前状态可以进一步包括第三方车辆的观测状态。所述观测状态包括将状态参数离散化的状态描述方式。比如在一些实施例中,关于速度的观测状态可以包括低速(0~20km/h),中速(20~50km/h)以及高速(大于50km/h)等。如所述第三方车辆的速度为40km/h,则该第三方车辆的观测状态可以为中速。所述观测状态可以进一步包括其他维度的参数,例如转向(大角度左转,小角度左转,直行,小角度右转,大角度右转等),加速(加速,匀速,减速等)等。则对应第三方车辆的观测状态在一些情况下可以描述为小角度匀速低速转向的观测状态。所述车载电子设备可以包括一个量化器,用来将从感知模块140获取的第三方车辆状态数据进行量化以获取对应的观测状态。所述第三方车辆的观测状态可以进一步用于对该第三方车辆行驶意图的判断。
在440中,所述车载电子设备可以根据所述第三方车辆的当前状态以及车辆状态的统计数据预测该第三方车辆的行驶意图。所述第三方车辆的行驶意图可以包括加速、匀速、减速、转向等。所述车辆的统计数据可以包括当前时刻之前的多个时刻对应的多个第三方车辆的状态。比如在一些实施例中,在当前时刻前的一段时间内,所述自动驾驶车辆的感知模块140已经对所述第三方车辆进行了一段时间的探测。该段时间对应多个历史时刻,在每一个历史时刻,感知模块140都可以获取在该历史时刻下的第三方车辆状态并传输给所述车载电子设备(如决策模块150)。所述车载电子设备中可以包括一个数据存储器(如存储器220、磁盘370,ROM 330,或随机存取存储器RAM 340等)。如图5所示,所述车载电子设备将所述车辆统计数据存入所述数据存储器中。在510中,所述车载电子设备可以对从感知模块140获取第三方车辆状态数据。在520中所述电子设备将从140获取的第三方状态数据或进一步处理后的数据(例如补充距离S2、时间差、观测状态等)存入所述数据存储器中。所述车辆状态的统计数据即包括所述数据存储器中存储的多个历史时刻的车辆状态数据。
所述数据存储器可以存储一个训练好的意图判断模型用来判断第三方车辆的行驶意图。将所述第三方车辆的当前状态以及车辆的统计数据输入该训练好的意图判断模型后,该意图判断模型可以输出所述第三方车辆的行驶意图。所述意图判断模型的参数可以包括隐形状态、观测状态、隐形状态转移矩阵A、隐形-观测状态转移矩阵B以及最初隐形状态概率Pi。
在需要作出决策的当前时刻,所述车载电子设备可以从所述数据存储器中调取所述意图判断模型以及所述车辆统计数据,并将所述车辆统计数据以及从所述感知模块140获取的第三方车辆当前状态输入所述意图判断模型以预测出第三方车辆的行驶意图。
在450中,所述车载电子设备可以根据所述第三方车辆的行驶意图、自动驾驶车辆的当前状态和所述第三方车辆的当前状态(下文将自动驾驶车辆状态和所述第三方车辆状态合称为″车辆状态″)确定所述自动驾驶车辆在当前时刻所要采取的行驶策略。所述车载电子设备可以根据预先设定好的一些候选策略结合所述第三方车辆的行驶意图以及所述车辆状态进行一段时间的车辆状态推演。所述车载电子设备可以对不同候选策略对应的车辆状态推演结果进行评价并从候选策略中选择一个作为所述自动驾驶车辆的行驶策略。关于确定行驶策略的方法,详见图6、图7、图8和图9的相关描述。
在460中,所述车载电子设备可以根据所述自动驾驶车辆的行驶策略向所述自动驾驶车辆的控制设备发送控制指令。比如当450中确定的行驶策略为加速时,所述车载电子设备可以向所述控制模块160发送一个电信号,所述控制模块160进一步向所述发动机管理系统260发送一个请求增大油门开度的电信号以达到加速行驶的目的。
图6是本申请中根据车辆状态和第三方车辆行驶意图确定自动驾驶车辆行驶策略的示例性流程图。该流程包括根据候选行驶策略对车辆状态和所述第三方车辆行驶意图进行推演,根据推演结果来决定自动驾驶车辆的行驶策略。图8是本申请中的一种车辆状态推演方法示意图。图6先针对T=0时刻和T=1时刻进行描述,应当知晓的是,所述推演可以无限层级地进行下去,即推演出T=2时刻的车辆状态,T=3时刻的车辆状态等(详见图7及其描述)。
在610中,所述车载电子设备可以确定多种候选行驶策略。比如所述多种候选行驶策略可以预先存储在所述数据存储器内,所述车载电子设备可以访问所述数据存储器以调取所述多种候选行驶策略。所述多种候选行驶策略可以包括加速、速度保持、减速、改变行驶路径,或者类似策略及其组合。下文中可能仅以加速、速度保持和减速作为说明,并不构成对本申请范围的限制。对应到图8中,圆圈符号表示候选策略,圆圈1表示加速,圆圈0表示速度保持,圆圈-1表示减速。
在620中,所述车载电子设备对于每一种候选行驶策略分别进行推演。620进一步包括620-1和620-2。在620-1中,在选定的一种候选行驶策略下,所述车载电子设备可以根据该候选行驶策略和所述第三方车辆的行驶意图,以及当前车辆状态(包括自动驾驶车辆和所述第三方车辆)预测(或称为推演)出当前时刻之后的第一时刻的车辆状态。
对应到图8中,矩形表示所述第三方车辆行驶意图,六边形表示车辆状态。在T=0的时刻,即当前时刻,所述车载电子设备根据当前时刻的车辆状态S0,以及第三方车辆行驶意图I1,针对三种策略1、0和-1分别进行推演,推演结果为在T=1时刻,即所述第一时刻,车辆状态分别为S1、S2和S3。以策略1为例,所述自动驾驶车辆在T=0时刻加速行驶,则在T=1时刻,所述自动驾驶车辆和所述第三方车辆可能出现在新的位置上并分别具有相应速度等状态。所述自动驾驶车辆的新的位置和速度等可以是根据所述策略1控制车辆实现的。所述第三方车辆的新的位置和速度等状态可以是根据其原有的行驶状态确定的,也可以是受到在策略1控制下的自动驾驶车辆的变化行驶状态的影响而调整其自身行驶策略而确定的。比如所述第三方车辆的司机在看到所述自动驾驶车辆加速行驶后可能会采取刹车措施。再比如所述第三方车辆也是具有自动驾驶功能的车辆,其在T=0到T=1的时间内也根据所述自动驾驶车辆的状态变化调整了其自身的行驶策略(比如减速)。
在620-2中,所述车载电子设备可以根据所述第一时刻的车辆状态确定该候选行驶策略对应的第一收益。所述第一收益可以为所述车载电子设备对所述第一时刻的车辆状态这一推演结果的评价。例如,在图8中,R1表示对依据策略1推演的结果S1的评价。所述评价可以包括安全性、快速性以及舒适性。
图9是本申请中的一种确定所述第一收益的方法示意图。在该实施例中,首先包括一个安全性前置判断。对应到图8中,以车辆状态S1为例,所述车载电子设备可以根据前述方法,预测在S1状态下两车未来到达路径重叠点的时间差(第一时刻的时间差)。如果该第一时间差小于第一阈值(如3秒),则将策略1的第一收益值确定为固定值(如-1),该固定值表示在该策略1下,两车可能有碰撞的风险。如果该第一时间差大于第一阈值,则所述车载电子设备进一步从安全性、快速性和舒适性的角度确定策略1对应的第一收益。例如,自动驾驶车辆从T=0时刻的状态在策略1下行驶至T=2时刻的状态。在安全性对应的坐标图中(横坐标表示时间),所述第一时间差在3秒内时,对应的纵坐标值为-1,所述第一时间差在3到5秒内时,纵坐标从0增大到1,所述第一时间差大于5秒时,纵坐标值为1。在快速性对应的坐标图中,加速度越大,对应的纵坐标值也就越大。在所述自动驾驶车辆从T=0时刻的状态在策略1下行驶至T=2时刻的状态时,其加速度为正值,所以其在快速性要求的坐标图中对应的纵坐标值大于0.5,表示该策略1对快速性具有积极的作用。此外根据策略1中对应的加速度大小,其在舒适性要求的示意图中也为正值,加速度的绝对值越小,即越接近0时,其对舒适性的积极作用越大。α、β和γ分别为安全性要求、快速性要求和舒适性要求用来确定第一收益时对应的权重,可以由用户预先设定。例如,用户对自动驾驶车辆的舒适性要求较高,则可以调高权重γ的数值,使得舒适性要求对第一收益的影响更大。
在630中,所述车载电子设备可以根据每种候选行驶策略对应的第一收益确定所述自动驾驶车辆的行驶策略。具体的,所述车载电子设备可以挑选第一收益值最大(即R1、R2和R3中最大的)的候选行驶策略作为最终的行驶策略。
图7是本申请中的确定第一收益的示例性流程图。在图6所示的流程中,所述车载电子设备可以进一步在T=1时刻的推演结果的基础上进一步推演出T=2时刻的车辆状态,以及根据T=2时刻的车辆状态进一步推演出T=3时刻的车辆状态,依次类推。图7以推演T=2时刻的车辆状态为例,之后时刻(如T=3)的车辆状态推演同理。
在710中,对于每一个第一时刻的车辆状态,所述车载电子设备可以根据该第一时刻的车辆状态预测所述第一时刻的所述第三方车辆的行驶意图。以图8中的S1为例,车辆状态S1中包括自动驾驶车辆和所述第三方车辆在T=1时刻的状态,基于前述方法,所述车载电子设备可以预测出所述第三方车辆在T=1时刻的行驶意图I2。
在720中,所述车载电子设备再根据所述的每一种候选行驶策略,对T=1时刻每个车辆状态进行分别推演。
在720-1中,所述车载电子设备可以根据该候选行驶策略、所述第一时刻的所述第三方车辆的行驶意图和该第一时刻的车辆状态预测第一时刻之后的第二时刻的车辆状态。对应到图8中,以车辆状态S1为例,所述车载电子设备基于车辆状态S1和行驶意图I2,分别根据策略1、0和-1进行车辆状态的推演,对应推演出的T=2时刻的车辆状态分别为S4、S5和S6。
在720-2中,所述车载电子设备可以根据所述第二时刻的车辆状态确定该行驶策略对应的第二收益。所述第二收益值为根据第二时刻的车辆状态依据前述确定第一收益的方法针对每个第二时刻的车辆状态的评价。例如,图中车辆状态S4的第二收益为R4。
在730中,所述车载电子设备可以根据所述每种候选行驶策略对应的第二收益确定该第一时刻的车辆状态对应的第一收益。比如在一些实施例中,所述第一收益为第一时刻车辆状态的收益与第二时刻车辆状态的收益之和。对应到图8中,以R1为例,在进行两次推演的情况下(即推演到T=2的情况下)
R1=R1+Max(R4,R5,R6), (1)
表示对于车辆状态S1,其第一收益值更新为其自身的第一收益值加上根据其推演出的车辆状态中最大的第二收益值。同样的,如果进行三次推演(即推演到T=3的情况下),以R4为例,上述公式(1)中的R4为:
R4=R4+Max(R7,R8,R9)。 (2)
在一些实施例中,也可以对第一时刻后多个时刻的车辆状态推演结果对应收益值乘以一个权重,来降低远期推演结果的准确性降低问题对当前策略决策过程的影响。比如说该权重值为0.9时,公式(1)和公式(2)可以分别变更为:
R1=R1+0.9*Max(R4,R5,R6), (3)
R4=R4+0.9*Max(R7,R8,R9)。 (4)
根据上述方法,即可以确定在第一时刻每个车辆状态对应的第一收益值。
图10是本申请中的一种自动驾驶决策装置1000的示意图。所述自动驾驶决策装置1000包括数据获取单元1010,信息转化单元1020,数据存储单元1030,意图确定单元1040,速度决策单元1050以及指令发送单元1060。
所述数据获取单元1010可以用于获取所述自动驾驶车辆的当前状态和周围第三方车辆的当前状态,所述自动驾驶车辆的当前状态包括自动驾驶车辆的路径、当前位置和当前速度,所述第三方车辆的当前状态包括所述第三方车辆的预测路径、当前位置和当前速度。
所述信息转化单元1020可以用于根据所述自动驾驶车辆的路径和第三方车辆的预测路径,预测一个路径重叠点;以及根据所述路径重叠点的位置、自动驾驶车辆的当前状态和第三方车辆的当前状态,确定自动驾驶车辆距离路径重叠点的当前距离,第三方车辆距离路径重叠点的当前距离,以及所述自动驾驶车辆和所述第三方车辆分别通过所述路径重叠点的的时刻差值(当前时间差),所述自动驾驶车辆的当前状态进一步包括所述自动驾驶车辆距离路径重叠点的当前距离和所述当前时间差,所述第三方车辆的当前状态进一步包括所述第三方车辆距离路径重叠点的当前距离和所述当前时间差。
所述意图确定单元1040根据所述第三方车辆的当前状态以及车辆状态的统计数据,预测所述第三方车辆的行驶意图,所述车辆的统计数据包括当前时刻之前的多个时刻对应的多个第三方车辆的状态,所述当前时刻为所述第三方车辆当前状态对应的时刻。
所述数据存储单元1030可以用于存储所述车辆的统计数据。
所述速度决策单元1050可以用于根据所述第三方车辆的行驶意图、自动驾驶车辆的当前状态和所述第三方车辆的当前状态,确定所述自动驾驶车辆的行驶策略。
所述指令发送单元1060可以用于根据所述自动驾驶车辆的行驶策略向所述自动驾驶车辆的控制设备发送控制指令。
本申请还提出了一种车载电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序。所述处理器执行所述计算机程序时可以实现如前文所述的自动驾驶策略决策方法的步骤。
本申请还提出了一种计算机可读存储介质,其上存储有计算机程序。所述计算机程序被处理器执行时可以实现如前文所述的自动驾驶策略决策方法的步骤。
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 (9)
1.一种通过交叉路口的自动驾驶策略决策方法,其特征在于,所述方法包括:
自动驾驶车辆的车载电子设备获取所述自动驾驶车辆的当前状态和周围第三方车辆的当前状态,所述自动驾驶车辆的当前状态包括自动驾驶车辆的路径、当前位置和当前速度,所述第三方车辆的当前状态包括第三方车辆的预测路径、当前位置和当前速度;
根据所述自动驾驶车辆的路径和第三方车辆的预测路径,所述车载电子设备预测一个路径重叠点;
根据所述路径重叠点的位置、自动驾驶车辆的当前状态和第三方车辆的当前状态,所述车载电子设备确定自动驾驶车辆距离路径重叠点的当前距离,第三方车辆距离路径重叠点的当前距离,以及所述自动驾驶车辆和所述第三方车辆分别通过所述路径重叠点的时刻差值,其中所述时刻差值为当前时间差,所述自动驾驶车辆的当前状态进一步包括所述自动驾驶车辆距离路径重叠点的当前距离和所述当前时间差,所述第三方车辆的当前状态进一步包括所述第三方车辆距离路径重叠点的当前距离和所述当前时间差;
根据所述第三方车辆的当前状态以及车辆状态的统计数据,所述车载电子设备预测第三方车辆的行驶意图,所述车辆的统计数据包括当前时刻之前的多个时刻对应的多个第三方车辆的状态,所述当前时刻为所述第三方车辆当前状态对应的时刻;
根据所述第三方车辆的行驶意图、自动驾驶车辆的当前状态和第三方车辆的当前状态,所述车载电子设备确定所述自动驾驶车辆的行驶策略包括:
确定多种候选行驶策略;
对于每一种候选行驶策略:
所述车载电子设备根据该候选行驶策略和所述第三方车辆的行驶意图、所述自动驾驶车辆的当前状态和第三方车辆的当前状态预测当前时刻后的第一时刻的车辆状态;根据所述第一时刻的车辆状态确定该行驶策略对应的第一收益包括:
对于每一个第一时刻的车辆状态:
所述车载电子设备根据该第一时刻的车辆状态预测所述第一时刻的第三方车辆的行驶意图;
对于每一种候选行驶策略:
所述车载电子设备根据该候选行驶策略、所述第一时刻的第三方车辆的行驶意图和该第一时刻的车辆状态预测第一时刻之后的第二时刻的车辆状态;
根据所述第二时刻的车辆状态确定该行驶策略对应的第二收益;以及
根据所述每一种候选行驶策略对应的第二收益确定该第一时刻的车辆状态对应的第一收益;
所述车载电子设备根据所述自动驾驶车辆的行驶策略向所述自动驾驶车辆的控制设备发送控制指令。
2.根据权利要求1所述的方法,其特征在于,所述方法进一步包括:
所述电子设备预先根据所述交叉路口的道路信息确定所述第三方车辆的预测路径。
3.根据权利要求1所述的方法,其特征在于,所述方法进一步包括:
所述车载电子设备确定所述第三方车辆的观测状态,所述第三方车辆的当前状态进一步包括所述第三方车辆的观测状态,其中所述观测状态包括状态参数速度和转向。
4.根据权利要求3所述的方法,其特征在于,所述方法进一步包括:
对于所述当前时刻之前的多个时刻中的每一个时刻:
所述车载电子设备获取该时刻下对应的第三方车辆当前状态;以及
将所述该时刻下对应的第三方车辆当前状态存储到存储设备中。
5.根据权利要求1所述的方法,其特征在于,根据所述第三方车辆的当前状态以及车辆状态的统计数据确定第三方车辆的行驶意图包括:
所述电子设备将所述第三方车辆的当前状态以及车辆状态的统计数据输入一个训练好的意图判断模型以确定所述第三方车辆的行驶意图。
6.根据权利要求1所述的方法,其特征在于,所述车辆状态包括所述自动驾驶车辆状态和所述第三方车辆状态;以及
根据每种候选行驶策略对应的第一收益确定所述自动驾驶车辆的行驶策略。
7.根据权利要求6所述的方法,其特征在于,所述第一时刻的车辆状态包括自动驾驶车辆和第三方车辆在第一时刻的时间差,所述第一时刻的时间差为所述自动驾驶车辆和第三方车辆在第一时刻时预测的自动驾驶车辆和第三方车辆分别通过所述路径重叠点的时间差;
所述根据所述第一时刻的车辆状态确定该候选行驶策略对应的第一收益包括:
判断所述第一时刻的时间差大于第一阈值;以及
根据安全性参数,快速性参数和舒适性参数确定所述第一收益。
8.根据权利要求7所述的方法,其特征在于,所述方法进一步包括:
判断所述第一时刻的时间差小于第一阈值,确定所述自动驾驶车辆的行驶策略为减速策略。
9.一种装载在自动驾驶车辆上的电子设备,其特征在于,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至8中任一项所述的通过交叉路口的自动驾驶策略决策方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811563812.1A CN109582022B (zh) | 2018-12-20 | 2018-12-20 | 一种自动驾驶策略决策系统与方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811563812.1A CN109582022B (zh) | 2018-12-20 | 2018-12-20 | 一种自动驾驶策略决策系统与方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109582022A CN109582022A (zh) | 2019-04-05 |
CN109582022B true CN109582022B (zh) | 2021-11-02 |
Family
ID=65930245
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811563812.1A Active CN109582022B (zh) | 2018-12-20 | 2018-12-20 | 一种自动驾驶策略决策系统与方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109582022B (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110532846B (zh) * | 2019-05-21 | 2022-09-16 | 华为技术有限公司 | 自动换道方法、装置及存储介质 |
CN110398968B (zh) * | 2019-07-24 | 2020-06-05 | 清华大学 | 一种智能车多目标驾驶控制方法及决策系统 |
CN112349086B (zh) * | 2019-08-06 | 2022-03-11 | 财团法人车辆研究测试中心 | 路口车速决策方法及其系统 |
CN112415904B (zh) * | 2019-08-23 | 2023-07-25 | 宇通客车股份有限公司 | 一种自动驾驶车辆的远程控制方法、装置及系统 |
CN110673602B (zh) * | 2019-10-24 | 2022-11-25 | 驭势科技(北京)有限公司 | 一种强化学习模型、车辆自动驾驶决策的方法和车载设备 |
CN110850874A (zh) * | 2019-11-11 | 2020-02-28 | 驭势科技(北京)有限公司 | 一种智能驾驶车辆的控制方法、装置、系统及存储介质 |
CN110932932A (zh) * | 2019-11-13 | 2020-03-27 | 上海博泰悦臻电子设备制造有限公司 | 自动驾驶云服务平台的可靠性确定方法及相关装置 |
CN112257486B (zh) * | 2019-12-23 | 2023-12-29 | 北京国家新能源汽车技术创新中心有限公司 | 算力分配方法、装置、计算机设备和存储介质 |
CN113160547B (zh) * | 2020-01-22 | 2023-02-03 | 华为技术有限公司 | 一种自动驾驶方法及相关设备 |
CN111459164A (zh) * | 2020-04-10 | 2020-07-28 | 三一智矿科技有限公司 | 自动驾驶矿车的调整方法、装置、设备及存储介质 |
CN111474947A (zh) * | 2020-05-07 | 2020-07-31 | 北京云迹科技有限公司 | 机器人避障的方法、装置及系统 |
CN111775961B (zh) * | 2020-06-29 | 2022-01-04 | 阿波罗智能技术(北京)有限公司 | 自动驾驶车辆规划方法、装置、电子设备及存储介质 |
CN114771560B (zh) * | 2022-03-28 | 2023-04-25 | 小米汽车科技有限公司 | 车辆行驶控制方法、装置、设备及存储介质 |
CN115457783B (zh) * | 2022-08-30 | 2023-08-11 | 重庆长安汽车股份有限公司 | 无信号灯交叉口通行、协同、协作通行方法及系统 |
CN115993257B (zh) * | 2023-03-23 | 2023-05-30 | 禾多科技(北京)有限公司 | 自动驾驶系统的可靠性确定方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106355948A (zh) * | 2015-07-17 | 2017-01-25 | 本田技研工业株式会社 | 转弯预测 |
CN106564496A (zh) * | 2016-10-19 | 2017-04-19 | 江苏大学 | 基于前向车辆驾驶行为的智能车辆安全环境包络重构方法 |
CN106846901A (zh) * | 2015-12-03 | 2017-06-13 | 财团法人资讯工业策进会 | 回避异常车辆的系统与方法 |
CN107094321A (zh) * | 2017-03-31 | 2017-08-25 | 南京邮电大学 | 一种基于多智能体q学习的车载通信mac层信道接入方法 |
CN107945574A (zh) * | 2017-10-25 | 2018-04-20 | 东软集团股份有限公司 | 一种车辆碰撞预警方法、装置及设备 |
CN108010388A (zh) * | 2018-01-04 | 2018-05-08 | 北京瑞腾中天科技有限公司 | 基于车联网络的碰撞检测预警方法及碰撞检测预警系统 |
CN108919795A (zh) * | 2018-06-01 | 2018-11-30 | 中国北方车辆研究所 | 一种自动驾驶汽车换道决策方法及装置 |
-
2018
- 2018-12-20 CN CN201811563812.1A patent/CN109582022B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106355948A (zh) * | 2015-07-17 | 2017-01-25 | 本田技研工业株式会社 | 转弯预测 |
CN106846901A (zh) * | 2015-12-03 | 2017-06-13 | 财团法人资讯工业策进会 | 回避异常车辆的系统与方法 |
CN106564496A (zh) * | 2016-10-19 | 2017-04-19 | 江苏大学 | 基于前向车辆驾驶行为的智能车辆安全环境包络重构方法 |
CN107094321A (zh) * | 2017-03-31 | 2017-08-25 | 南京邮电大学 | 一种基于多智能体q学习的车载通信mac层信道接入方法 |
CN107945574A (zh) * | 2017-10-25 | 2018-04-20 | 东软集团股份有限公司 | 一种车辆碰撞预警方法、装置及设备 |
CN108010388A (zh) * | 2018-01-04 | 2018-05-08 | 北京瑞腾中天科技有限公司 | 基于车联网络的碰撞检测预警方法及碰撞检测预警系统 |
CN108919795A (zh) * | 2018-06-01 | 2018-11-30 | 中国北方车辆研究所 | 一种自动驾驶汽车换道决策方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109582022A (zh) | 2019-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109582022B (zh) | 一种自动驾驶策略决策系统与方法 | |
CN109693668B (zh) | 一种自动驾驶车辆速度控制系统与方法 | |
CN109709965B (zh) | 一种自动驾驶车辆的控制方法和自动驾驶系统 | |
AU2020104467A4 (en) | Systems and methods for path determination | |
CN109360438B (zh) | 一种基于交通灯的车辆速度决策系统与方法 | |
US11208103B2 (en) | Vehicle control device | |
CN112896169B (zh) | 一种智能驾驶多模式控制系统及方法 | |
CN110103959A (zh) | 一种自适应巡航控制方法 | |
CN113525373B (zh) | 一种车辆的变道控制系统、控制方法以及变道控制装置 | |
US20200216067A1 (en) | System and method for providing a driver a recommendation for controlling vehicle propulsion | |
WO2018173966A1 (ja) | 走行制御装置、車両および走行制御方法 | |
EP3875324B1 (en) | System and method for vehicle coast control | |
CN111409636B (zh) | 用于控制车辆推进的系统和方法 | |
US11358585B2 (en) | System and method for torque split arbitration | |
CN112423228A (zh) | 用于交通工具路线选择的系统和方法 | |
WO2016194168A1 (ja) | 走行制御装置及び方法 | |
US20230182770A1 (en) | Vehicle management device and vehicle management method | |
CN112519777B (zh) | 自动驾驶车队的控制方法、车载装置、车辆及系统 | |
JP7222259B2 (ja) | 車両の輪荷重制御方法及び輪荷重制御装置 | |
US20230009173A1 (en) | Lane change negotiation methods and systems | |
CN111688686A (zh) | 一种自动驾驶车队的跟车控制方法、装置、系统及车辆 | |
JP2023512548A (ja) | 車両を制御する方法 | |
Jin et al. | Design of unmanned vehicle advanced braking system using smart motor | |
CN112797151A (zh) | 档位决定装置、方法及仿真装置 | |
CN113246949B (zh) | 自动跟随距离的巡航控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |