CN109643496B - 车辆控制系统 - Google Patents

车辆控制系统 Download PDF

Info

Publication number
CN109643496B
CN109643496B CN201780053066.9A CN201780053066A CN109643496B CN 109643496 B CN109643496 B CN 109643496B CN 201780053066 A CN201780053066 A CN 201780053066A CN 109643496 B CN109643496 B CN 109643496B
Authority
CN
China
Prior art keywords
vehicle
lane
determining
headway
target lane
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
Application number
CN201780053066.9A
Other languages
English (en)
Other versions
CN109643496A (zh
Inventor
S·埃奈
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Apple Inc
Original Assignee
Apple Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Apple Inc filed Critical Apple Inc
Publication of CN109643496A publication Critical patent/CN109643496A/zh
Application granted granted Critical
Publication of CN109643496B publication Critical patent/CN109643496B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/18—Propelling the vehicle
    • B60W30/18009—Propelling the vehicle related to particular drive situations
    • B60W30/18163—Lane change; Overtaking manoeuvres
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60K—ARRANGEMENT OR MOUNTING OF PROPULSION UNITS OR OF TRANSMISSIONS IN VEHICLES; ARRANGEMENT OR MOUNTING OF PLURAL DIVERSE PRIME-MOVERS IN VEHICLES; AUXILIARY DRIVES FOR VEHICLES; INSTRUMENTATION OR DASHBOARDS FOR VEHICLES; ARRANGEMENTS IN CONNECTION WITH COOLING, AIR INTAKE, GAS EXHAUST OR FUEL SUPPLY OF PROPULSION UNITS IN VEHICLES
    • B60K31/00—Vehicle fittings, acting on a single sub-unit only, for automatically controlling vehicle speed, i.e. preventing speed from exceeding an arbitrarily established velocity or maintaining speed at a particular velocity, as selected by the vehicle operator
    • B60K31/0066—Vehicle fittings, acting on a single sub-unit only, for automatically controlling vehicle speed, i.e. preventing speed from exceeding an arbitrarily established velocity or maintaining speed at a particular velocity, as selected by the vehicle operator responsive to vehicle path curvature
    • 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
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/04—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units
    • 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
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/18—Conjoint control of vehicle sub-units of different type or different function including control of braking systems
    • 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
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/20—Conjoint control of vehicle sub-units of different type or different function including control of steering systems
    • 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/14—Adaptive cruise control
    • B60W30/16—Control of distance between vehicles, e.g. keeping a distance to preceding vehicle
    • 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
    • B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
    • B60W60/00276—Planning or execution of driving tasks using trajectory prediction for other traffic participants for two or more other traffic participants
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D15/00—Steering not otherwise provided for
    • B62D15/02—Steering position indicators ; Steering position determination; Steering aids
    • B62D15/025—Active steering aids, e.g. helping the driver by actively influencing the steering system after environment evaluation
    • B62D15/0255—Automatic changing of lane, e.g. for passing another vehicle
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/161—Decentralised systems, e.g. inter-vehicle communication
    • G08G1/162—Decentralised systems, e.g. inter-vehicle communication event-triggered
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
    • 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
    • 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
    • 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
    • B60W2554/80—Spatial relation or speed relative to objects
    • 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
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/801—Lateral distance
    • 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
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/802—Longitudinal distance
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2013/9315—Monitoring blind spots

Abstract

本发明公开了用于车辆变道操纵的自动化控制的系统和方法。一些具体实施可包括基于来自第一车辆中的传感器的数据检测正在道路的目标车道中移动的一个或多个其他车辆。一些具体实施可包括基于车辆的运动学状态以及对目标车道中的一个或多个其他车辆的运动的预测来确定相对于目标车道中的一个或多个其他车辆中的至少一者的车间时距的估值。一些具体实施可包括至少部分地基于车间时距的估值确定针对在目标车道中行进的一个或多个其他车辆的超车决策。一些具体实施可包括基于超车决策确定将使第一车辆从当前车道变换至目标车道的运动规划。

Description

车辆控制系统
相关申请的交叉引用
本申请要求2016年9月21日提交的名称为“Vehicle Control System”的美国临时申请62/397,461的权益，其全文以引用方式并入本文。
技术领域
本文档总体涉及车辆的自动化控制。
背景技术
自动化车辆控制系统处于不断的开发当中，其将承担越来越多的车辆操纵工作。自动化车辆控制系统能够访问并整合操作人在实践当中不可用的大量信息，诸如，来自各种传感器的数据或者接收自其他车辆或交通控制系统的通信，这从根本上改变了车辆控制问题，并提供了以安全得多并且更有效率的方式自动操纵车辆的机会。然而，现实世界是高度复杂的，而且设计能够稳健地处理在伴有其他自动化车辆和/或人操作车辆的道路上可能遇到的各种各样情况的自动化控制系统是很困难的。
发明内容
在第一方面中，可以通过各种方法体现本说明书中描述的主题，方法包括确定在道路的当前车道中移动的第一车辆的运动学状态。方法可包括至少部分地基于来自第一车辆中的传感器的数据检测正在道路的与当前车道相邻的目标车道中移动的一个或多个其他车辆。方法可包括至少部分地基于运动学状态以及对目标车道中的一个或多个其他车辆的运动的预测来确定相对于目标车道中的一个或多个其他车辆中的至少一者的车间时距的估值。方法可包括至少部分地基于车间时距的估值确定第一车辆能否从当前车道变换至目标车道而不违反包括最小车间时距约束条件的一组约束条件。方法可包括至少部分地基于车间时距的估值确定针对在目标车道中行进的一个或多个其他车辆的一个或多个超车决策。方法可包括至少部分地基于确定第一车辆能够变换至目标车道而不违反一组约束条件，而至少部分地基于一个或多个超车决策确定将使第一车辆从当前车道变换至目标车道的运动规划。方法可包括使用运动规划操纵第一车辆进入目标车道。
在第二方面中，可以通过车辆体现本说明书中描述的主题，车辆包括能够与具有车道的道路交互的车轮。车辆可包括通过传动系统连接至车轮的能够使车辆沿道路移动的动力源。车辆可包括连接至车轮的用于使车辆减慢或停止的制动系统。车辆可包括连接至车轮的能够指引车轮中的一者或多者从而指引车辆的运动的转向系统。车辆可包括被配置为检测车辆附近的其他车辆的传感器。车辆可包括自动化控制器，自动化控制器被配置为随着车辆沿道路上的当前车道移动而确定车辆的运动学状态。自动化控制器可被配置为至少部分地基于来自传感器的数据检测正在道路的与当前车道相邻的目标车道中移动的一个或多个其他车辆。车辆可包括决策制定器，决策制定器被配置为至少部分地基于运动学状态以及对目标车道中的一个或多个其他车辆的运动的预测来确定相对于目标车道中的一个或多个其他车辆中的至少一者的车间时距的估值。决策制定器可被配置为至少部分地基于车间时距的估值确定车辆能否从当前车道变换至目标车道而不违反包括最小车间时距约束条件的一组约束条件。决策制定器可被配置为至少部分地基于车间时距的估值确定针对在目标车道中行进的一个或多个其他车辆的一个或多个超车决策。车辆可包括运动规划器，运动规划器被配置为至少部分地基于来自决策制定器的一个或多个超车决策来确定将使车辆从当前车道变换到目标车道的运动规划。自动化控制器可被配置为运行决策制定器。自动化控制器可被配置为响应于决策制定器确定车辆能够变换至目标车道而不违反一组约束条件，而以来自决策制定器的超车决策为输入运行运动规划器。自动化控制器可被配置为基于来自运动规划器的运动规划控制动力源、转向系统和制动系统，从而操纵车辆进入目标车道。
在第三方面中，可以通过系统体现本说明书中描述的主题，所述系统包括数据处理装置和存储可由数据处理装置执行的指令的数据存储设备，所述指令在由数据处理装置执行时使数据处理装置执行包括确定在道路的当前车道中移动的第一车辆的运动学状态在内的操作。操作可包括至少部分地基于来自第一车辆中的传感器的数据检测正在道路的与当前车道相邻的目标车道中移动的一个或多个其他车辆。操作可包括至少部分地基于运动学状态以及对目标车道中的一个或多个其他车辆的运动的预测来确定相对于目标车道中的一个或多个其他车辆中的至少一者的车间时距的估值。操作可包括至少部分地基于车间时距的估值确定第一车辆能否从当前车道变换至目标车道而不违反包括最小车间时距约束条件的一组约束条件。操作可包括至少部分地基于车间时距的估值确定针对在目标车道中行进的一个或多个其他车辆的一个或多个超车决策。操作可包括至少部分地基于确定第一车辆能够变换至目标车道而不违反一组约束条件，而至少部分地基于一个或多个超车决策确定将使第一车辆从当前车道变换至目标车道的运动规划。操作可包括使用运动规划操纵第一车辆进入目标车道。
本文档中描述的系统和方法的一些具体实施可以提供各种优点，包括：提供稳健的运动规划，运动规划避免了可能施加不必要的约束条件以及限制成功变道的能力的任意假设；提供针对变道的专门规划器，可以针对这些情形对规划器进行优化；或者提供针对运动规划的分级方案，其可以避免使用复杂的状态机以及避免对离散的规划片段进行拼接或者使其平顺的必要性。
附图说明
图1是用于控制车辆在道路上的车道之间的运动的示例性过程的流程图。
图2是用于确定车间时距的估值和超车决策的示例性过程的流程图。
图3是用于确定另一辆车前面的车间时距的估值的示例性过程的流程图。
图4是用于确定另一车辆后面的车间时距的估值的示例性过程的流程图。
图5是用于确定运动规划的示例性过程的流程图。
图6是示例性车辆的框图。
图7是车辆控制器的示例性硬件配置的框图。
图8是车辆的示例性操纵的图示。
具体实施方式
本文档描述了用于自动执行有关车辆的变道操纵的整合决策制定和运动规划解决方案。决策制定部件可以确定将由自主或自动化车辆遵循的行为模式，并且运动规划部件可以确定用于执行变道操纵的实际变道轨迹。这些部件可一起操作，从而有效率地实现从当前车道向目标车道的成功变换(例如，生成遵守车辆的动力学和乘客舒适性约束条件的免碰撞轨迹)。例如，决策制定部件可以确定约束条件和/或目标，运动规划模块可以采用约束条件和/或目标收窄或集中其搜索，以获得成功的变道轨迹。这样的高效性可以使车辆控制系统作为整体能够考虑的可能变道运动的范围或类别比否则可能或切实可行的变道运动的范围或类别更宽。
车间时距是在道路的同一车道中行进的两个车辆之间的距离(例如，从保险杠到保险杠)。还可以将车间时距表达为车辆以尾随车辆的当前速度行进两车之间的距离所用的时间。最小车间时距约束条件指定了车辆之间应当保持的最小车间时距。最小车间时距约束条件可以是车辆速度的函数，例如，车辆移动得越快，应当保持的车间时距越大。最小车间时距约束条件可以由道路适用的法规确定。最小车间时距约束条件可以是为了增强安全性而增加的车辆控制系统的设计特征。针对处于受控车辆(自我意识车辆)之前的车辆要保持一定的车间时距，针对处于自我意识车辆之后的车辆也要保持一定的车间时距，对这两种车间时距而言，最小车间时距约束条件可以是不同的。例如，自我意识车辆可承担相关责任，使与自我意识车辆之前的车辆保持的车间时距大于与自我意识车辆之后的车辆保持的车间时距。
速度分布指定所考虑时间间隔的一个或多个时间步长或子间隔的每一者对应的车辆速度范围。例如，速度分布可包括对应于运动规划时间窗口内的每一时间步长的一系列成对的最大和最小车辆预期或期望速度。
图1示出了用于控制车辆(即，自我意识车辆)的运动的示例性过程100。过程100可以开始于接收到110自我意识车辆要变道的意图时。在一些具体实施中，变道意图可以接收110自在自我意识车辆内的控制模块上运行的导航例程，例如，当导航例程确定必须变道才能进入某一出口时。在一些具体实施中，变道意图可以接收110自自我意识车辆的操作者，例如，经由自我意识车辆内的用户接口。在一些具体实施中，可通过与自我意识车辆的远程控制器之间的无线通信链路接收110变道意图。变道意图可以指定自我意识车辆应尝试变换到的目标车道。目标车道可与自我意识车辆当前正在行进的当前车道相邻。
在一些具体实施中，车道之间的变换的开始时间和结束时间是作为所接收到110的变道意图的一部分加以指定的，而且只考虑用于变换的该特定时间间隔。在一些具体实施中，接收到110的意图可能仅部分地指定了车道之间的变换的时间间隔，例如，仅指定了必须完成向目标车道的变换的结束时间。在一些具体实施中，根本未将变换的时间间隔作为意图的一部分来指定。例如，作为意图的一部分指定的结束时间可被施加成对过程100的约束条件，该约束条件充当车辆必须在其内完成从当前车道变换至目标车道的时间限制。
确定120车辆的运动学状态。例如，运动学状态可包括自我意识车辆的位置、方向、速度、加速度和曲率。在一些具体实施中，运动学状态是使用运动传感器(例如，加速度计、陀螺仪和/或磁力仪)确定120的。在一些具体实施中，运动学状态是使用全球定位系统(GPS)接收器确定120的。在一些具体实施中，运动学状态是基于反映自我意识车辆的车轮的运动和对准的传感器数据来确定的。在一些具体实施中，运动学状态是通过融合(例如，使用卡尔曼滤波器)来自各种各样的不同类型的传感器和/或定位系统的信息而确定120的。
检测130目标车道中的车辆。在一些具体实施中，通过处理来自安装在自我意识车辆上的相机的数据来检测130目标车道中的车辆。在一些具体实施中，通过处理来自安装在自我意识车辆上的无线电探测和测距(RADAR)系统的数据来检测130目标车道中的车辆。在一些具体实施中，通过处理来自安装在自我意识车辆上的光探测和测距(LADAR或LIDAR)系统的数据来检测130目标车道中的车辆。在一些具体实施中，通过经由无线通信接收来自这些车辆的信标或存在信号并处理这些信号来检测130目标车道中的车辆。在一些具体实施中，通过经由无线通信接收来自中央交通协管器的交通描述消息并处理这些消息来检测130目标车道中的车辆。
确定140对于变道而言可以实现的相对于目标车道中的车辆的车间时距的估值。可以至少部分地基于自我意识车辆的运动学状态以及对目标车道中的车辆的运动的预测来确定140车间时距的估值。在一些具体实施中，所确定140的车间时距的估值包括在对应于从当前车道向目标车道的变换的时间间隔内车间时距的最小值的经过所容许的运动得到的最大值的估值。关于图2描述了用于确定140车间时距的估值的示例性过程。
确定150针对目标车道中的车辆的超车决策。针对目标车道中的车辆的超车决策是一种有关自我意识车辆将在目标车道中的这一其他车辆之前还是在这一其他车辆之后变换到目标车道中的二元决策。对目标车道中的特定车辆超车的超车决策可以隐含地表明还将对目标车道中处于该车辆之后的所有车辆超车。超车决策可以是部分地基于车间时距的估值确定150的。在一些具体实施中，可以确定150超车决策，以指示运动规划器将自我意识车辆引导到目标车道中的车辆之间的间隙内，所述间隙对应于与自我意识车辆从当前车道向目标车道的变换相对应的时间间隔内的最大可取得最小车间时距。关于图2描述了用于确定140车间时距的估值的示例性过程。
自我意识车辆的运动要经受约束条件，所述约束条件包括最小车间时距约束条件，例如，自我意识车辆在所有时间均应至少保持相对于道路上的其他车辆的最小车间时距。如果155所确定150的车间时距的估值未显示出满足这一最小车间时距约束条件的一组超车决策，则过程100返回“失败”160，这意味着将放弃在所考虑时间间隔内使自我意识车辆从当前车道变换至目标车道的尝试。
如果155车间时距的估值表明将不会违反车间时距约束条件，将确定170运动规划。运动规划可以是使用比确定140车间时距的估值所使用的较简单的运动学模型更加完善的车辆动态模型确定170的。运动规划可以是部分地基于先前确定150的超车决策确定170的。这样可以使搜索集中在满足所选择的一组超车决策的运动规划上，由此降低运动规划确定的复杂性。在一些具体实施中，运动规划是使用约束迭代线性二次调节器(LQR)优化器来确定170的。关于图5描述了用于确定170运动规划的示例性过程。
检查180所得到的运动规划的可行性。检查180运动规划中的每一运动状态，以确定是否违反运动约束条件。例如，所检查180的约束条件可包括动态约束条件、舒适性约束条件和碰撞约束条件。还可以对规划进行检查180，以确认其在自我意识车辆从当前车道变换至目标车道之前、期间和之后均根据要求遵循车道边界。在附录5中提供了用于实施针对运动规划的示例可行性检查的伪代码。
如果185在运动规划的任何阶段中违反了约束条件，则过程100返回“失败”160。否则185，采纳运动规划并且可以开始对自我意识车辆的操纵190，以准备和/或开始向目标车道的变换。在一些具体实施中，自我意识车辆内的车辆控制器通过向自我意识车辆的动力源和传动系统、转向系统和/或制动系统发出控制信号而操纵190自我意识车辆，从而使车辆从当前车道变换到目标车道当中。
过程100可以用于确定变道的初始运动规划。在确定这一规划之后，可以在以初始运动规划作为种子运动规划的情况下使用过程100在每一规划时间步长内对运动规划予以更新，以减少收敛时间以及运动规划确定操作170的复杂性。对于这些重新规划迭代中的每一者而言，可以确定140车间时距的估值，直到自我意识车辆跨入目标车道为止，在该点处，超车决策变得不相关，因为在目标车道中处于自我意识车辆前面的任何车辆不再能够被超越，而处于自我意识车辆后面的任何车辆仍将保持在后面。在一些具体实施中，重新规划迭代以大约10Hz的频率执行。
当过程100返回“失败”160时，过程100可以重复，以考虑针对车道之间的变换的替代时间间隔。在用于变换的时间间隔尚未指定或仅被部分指定的情况下，可以按照迭代方式使用过程100搜索进行变换的最合适的起始时间和结束时间。在一些具体实施中，过程100可首先用于考虑与零起始时间(即，当前时间或规划所针对的下一时间步长)和自我意识车辆控制系统的最大运动规划持续时间的结束时间相对应的时间间隔。可以在每次迭代中按照时间步长调整起始时间和结束时间。对于所考虑用于变换的每一时间间隔而言，可以确定并且比较对应运动规划的相对容限，以选择最佳或最合适的时间间隔。例如，运动规划的容限可包括基于自我意识车辆的运动所保持的车间时距和/或超出舒适性约束条件(例如，最大加加速度)的容限。
在附录1中提供了用于实施过程100的示例的伪代码。
图2示出了用于针对自我意识车辆从当前车道向目标车道的所建议的变换确定车间时距估值的示例性过程200。过程200可以开始于确定210当前车道中的最大速度。最大速度可以由道路上最大允许速度(例如，这一速度限制可被作为输入传送至实施过程200的控制器系统)限定。最大速度还可以由在当前车道中处于自我意识车辆之前的最接近车辆的速度分布限定。如果前方最近车辆正在缓慢移动，如果自我意识车辆移动过快，则在离开当前车道之前，自我意识车辆就可能会违反相对于其他车辆的最小车间时距约束条件。在一些具体实施中，最大速度是基于对在当前车道中处于自我意识车辆之前的车辆的速度分布的预测来确定210的。
可以确定212当前车道中的最小速度。最小速度可以由道路上允许的最小速度(例如，这一速度限制可被作为输入传送至实施过程200的控制器系统)限定。最小速度还可以由在当前车道中处于自我意识车辆之后的最接近车辆的速度分布限定。如果后方最近车辆正在快速移动，如果自我意识车辆移动过慢，则在离开当前车道之前，自我意识车辆就可能会违反相对于其他车辆的最小车间时距约束条件。在一些具体实施中，最小速度是基于对在当前车道中处于自我意识车辆之后的车辆的速度分布的预测来确定210的。
对目标车道数据进行初始化216。可以确定对在目标车道中检测到的车辆的运动的预测。例如，预测可包括目标车道中的车辆中的每一者的位置和速度分布。可以基于目标车道车辆的相应运动预测按照从目标车道中的前面最远到目标车道的后面最远对目标车道车辆进行分类。之后，过程200可以开始考虑目标车道中位于最前的车辆。例如，在以下论述中，假定目标车道中有n辆车，并且对其分类并按照1到n编号，其中车辆n在前，并且车辆1在后。
确定220所考虑目标车辆之前和之后的最大车间时距的估值。这些车间时距的估值可以部分地基于自我意识车辆的运动学状态和所考虑目标车道车辆的运动预测。可以部分地基于最大速度(例如，针对当前车道确定210的最大速度)确定220目标车道车辆前面的车间时距的估值h_f(i)。关于图3描述了用于确定220h_f(i)的示例性过程。可以部分地基于最小速度(例如，针对当前车道确定212的最小速度)确定220目标车道车辆后面的车间时距的估值h_b(i)。关于图4描述了用于确定220h_b(i)的示例性过程。
确定230对应于超过目标车道中的第i辆车(以及其后的所有车辆)并且与此同时不超过第i辆车之前的所有车辆的总车间时距，并且可以将其标示为h(i)。在一些具体实施中，针对这一组超车决策的总车间时距h(i)可以被确定为第i辆车之前的估算车间时距和在第i辆车的前面的下一车辆之后的车间时距的估值中的最小者。可以应用下述边缘条件确定总车间时距估值h(i)：h_b(n+1)＝∞；h_f(0)＝∞。
如果245目标车道中第i辆车前面的车间时距的估值小于第i辆车后面的车间时距的估值，则在给定不超越第i辆车的超车决策(即OD(i)＝false)的情况下确定250目标车道中的最大速度。在一些具体实施中，这一最大速度是基于对目标车道中的第i辆车的运动的预测以及自我意识车辆运动的运动学模型确定250的。可以将这一最大速度V_max(i-1)确定250为使得就行驶于第i辆车之后而言将满足最小车间时距约束条件。
在考虑255目标车道中的在后的下一车辆(即车辆i-1)时，可采用新的最大速度V_max(i-1)来确定220这一接下来的目标车辆的最大车间时距的估值。通过这种方式，可以依次向后考虑目标车道中的每一车辆，直到满足条件245为止。
如果245目标车道中的第i辆车前面的车间时距的估值大于或等于第i辆车后面的车间时距的估值，则分析完成。确定260总车间时距h(i)的最大值。可以仅考虑所计算出的车间时距估值，或者当它们在过程200的开始曾被初始化216为零时可以对它们全部等同地加以考虑。
在已经确定260了最大总车间时距h(i_maxh)时，可以采用这一信息确定270对目标车道中的车辆的超车决策。例如，对于i＜＝i_maxh而言，可以将超车决策设定为OD(i)＝true；对于i＞i_maxh而言，OD(i)＝false。
可以确定280自我意识车辆的预期速度分布。自我意识车辆的速度分布可以是部分地基于车间时距的估值确定280的。在一些具体实施中，速度分布可以被指定为在用于实施从当前车道向目标车道的变换的起始时间和结束时间之间的间隔内的每一时间步长上自我意识车辆的最大速度和最小速度。
过程200可以将最大车间时距h(i_maxh)的估值返回290给调用它的过程，例如，返回给过程100。这一最大车间时距的估值可以被调用过程用来评估所建议的变道操纵。超车决策OD(i)和速度分布还可以被过程200返回290并且用来促进至少部分地基于前述分析确定运动规划。
在附录2中提供了用于实施过程200的示例的伪代码。
在一些具体实施中，用于确定针对目标车道中的车辆的超车决策的决策流程如下：
·如果只有超车是可行的，则返回“成功”连同超越所有车辆(包括所考虑目标车道中的车辆和其后的车辆)的超车决策。
·如果只有等待是可行的，则调整速度分布(最大值)，并处理目标车道中处于更后面的其余车辆，从而了解自我意识车辆是否应当超越这些车辆。
·如果超车和等待都是可行的，则确定超车车间时距估值和等待速度分布，并且此时处理目标车道中处于更后面的其余车辆，以获得其余这些车辆的车间时距的估值。之后，将超车车间时距估值与等待车间时距估值进行比较，以挑选最大者(因为最大者将为运动规划器提供最大的灵活性)。
·如果超车或等待都不可行，则返回“失败”。
图3示出了用于确定目标车道中某一车辆之前的车间时距的估值的示例性过程300。如果305自我意识车辆的当前速度(v_cur)大于自我意识车辆的最大速度(V_max)，则对加速度分布(Acc_Profile)加以选择310，其对应于使自我意识车辆的速度尽可能缓慢地下降，与此同时仍能及时降至最大速度，以符合所建议的变道的约束条件及针对目标车道中进一步在前的先前所考虑车辆采取的任何超车决策的约束条件。例如，最大速度V_max可以是按照关于图2的操作210描述的方式确定的当前车道中的最大速度，或者V_max可以是按照关于图2的操作250描述的方式确定的目标车道中的最大速度。在一些具体实施中，加速度分布是被传送至运动学控制器模块或例程的离散模式选择参数，所述模块或例程选择将部分地确定自我意识车辆的运动学状态在运动学仿真过程中将如何演变的行为模式。
如果305自我意识车辆的当前速度小于或者等于自我意识车辆的最大速度，则选择312对应于尽可能快速地提高自我意识车辆的速度与此同时仍然满足所建议的变道的所有约束条件(包括例如动力学约束条件和乘客舒适性约束条件)的加速度分布(Acc_Profile)。
对可以用于确定车间时距估值的使用运动学模型的时间仿真进行初始化320。仿真的时间可以被设定为自我意识车辆从当前车道向目标车道的变换的起始时间(T_start)。目标车道中的所考虑车辆之前的车间时距的估值可以被初始化320为最大值(例如，控制器系统的∞的表示)。
在运动学仿真的每一时间步长中，采用运动学控制器模块或例程确定330自我意识车辆的下一运动学状态。在一些具体实施中，自我意识车辆的运动学状态具有六个自由度。例如，运动学状态可包括两个位置坐标、偏航角、角速度或路径曲率、速度以及横向加速度。运动学控制器可使用加加速度控制来调整运动学状态的加速度，其中加加速度是加速度的时间导数(d(acc)/dt)，其为与乘客舒适度相关联的参数。例如，如果已经选择了实现最快提高的加速度分布，则运动学控制器将根据可包括乘客舒适度约束条件的约束条件使加加速度最大化。可以在不违反包括最大速度、最大加速度和/或最大加加速度的约束条件的情况下尽可能快地提高速度。例如，如果选择了实现最慢下降的加速度分布，则运动学控制器将使用可行的最低加加速度以所要求的时间窗口来实现目标速度(V_max)。
在仿真时间步长中所考虑目标车道车辆之前的车间时距可以是基于自我意识车辆在该时间步长上的运动学状态以及对目标车道车辆在该时间步长内的运动的预测确定340的。在一些具体实施中，这一目标车道车辆之前的车间时距是通过计算该时间步长中自我意识车辆与目标车道内的车辆之间的距离而确定340的，计算可以考虑两个车辆的大致尺寸和形状(例如，以确定保险杠到保险杠距离估值)。当目标车道车辆前面的车间时距已确定340时，更新350目标车道车辆之前的车间时距的在对应于从当前车道向目标车道的变换的时间间隔内的最小值的估值，例如，h_f_min(t)＝min[h_f(t)，h_f_min(t-1)]。
如果355经过更新的目标车道车辆之前的最小车间时距的估值小于适用的最小车间时距约束条件，则可以使不合规的车间时距归零360，从而将所有对约束条件的违反等同起来。一旦确定了不合规的车间时距，过程就可以终止并且返回370所考虑目标车道车辆之前的不合规的车间时距的估值。
如果355经过更新的目标车道车辆之前的最小车间时距的估值大于或者等于适用的最小车间时距约束条件，可以将时间与对应于从当前车道向目标车道的变换的时间间隔的结束时间(T_end)进行比较375。如果375时间短于T_end，则使时间步长递增380(例如，t＝t+Δt)，并且可以针对下一时间步长运行运动学仿真，其开始于确定330自我意识车辆的下一运动学状态。这一时间仿真按照这种方式迭代地继续，直到达到时间间隔的末尾(t＞＝T_end)或者出现了最小车间时距约束条件违反(h_f_min＜H_constraint)为止，在该点处，仿真将终止，并且可以返回370h_f_min的最新值作为所考虑目标车道中车辆前面的车间时距的估值。
在附录3中提供了用于实施过程300的示例的伪代码。
图4示出了用于确定目标车道中某一车辆之后的车间时距的估值的示例性过程400。如果405自我意识车辆的当前速度(v_cur)低于自我意识车辆的最小速度(V_min)，则对加速度分布(Acc_Profile)加以选择410，使其对应于使自我意识车辆的速度尽可能缓慢地提高，与此同时仍能及时提高到最小速度，以符合所建议的变道的约束条件。例如，最小速度V_min可以是按照关于图2的操作212描述的方式确定的当前车道中的最小速度。在一些具体实施中，加速度分布是被传送至运动学控制器模块或例程的离散模式选择参数，所述模块或例程选择将部分地确定自我意识车辆的运动学状态在运动学仿真过程中将如何演变的行为模式。
如果405自我意识车辆的当前速度大于或者等于自我意识车辆的最小速度，则选择412对应于尽可能快速地降低自我意识车辆的速度与此同时仍然满足所建议的变道的所有约束条件(例如，动力学约束条件和乘客舒适性约束条件)的加速度分布(Acc_Profile)。
对可以用于确定车间时距估值的使用运动学模型的时间仿真进行初始化420。仿真的时间可以被设定为自我意识车辆从当前车道向目标车道的变换的起始时间(T_start)。目标车道中的所考虑车辆之后的车间时距的估值可以被初始化420为最大值(例如，控制器系统的∞的表示)。
在运动学仿真的每一时间步长中，采用运动学控制器模块或例程确定430自我意识车辆的下一运动学状态。在一些具体实施中，自我意识车辆的运动学状态具有六个自由度。例如，运动学状态可包括两个位置坐标、偏航角、角速度或路径曲率、速度以及横向加速度。运动学控制器可以使用加加速度控制来调整运动学状态的加速度。例如，如果已经选择了实现最快下降的加速度分布，则运动学控制器将根据可包括乘客舒适度约束条件的约束条件使加加速度最大化。可以在不违反包括最小速度、最大加速度和/或最大加加速度的约束条件的情况下尽可能快地提高速度。例如，如果选择了实现最慢提高的加速度分布，则运动学控制器将使用可行的最低加加速度以所要求的时间窗口来实现目标速度(V_min)。
在仿真时间步长中所考虑目标车道车辆之后的车间时距可以是基于自我意识车辆在该时间步长上的运动学状态以及对目标车道车辆在该时间步长内的运动的预测确定440的。在一些具体实施中，这一目标车道车辆之后的车间时距是通过计算该时间步长中自我意识车辆与目标车道中的车辆之间的距离而确定440的，计算可以考虑两个车辆的大致尺寸和形状(例如，以确定保险杠到保险杠距离估值)。当目标车道车辆之后的车间时距已确定440时，更新450目标车道车辆之后的车间时距的在对应于从当前车道向目标车道的变换的时间间隔内的最小值的估值，例如，h_b_min(t)＝min[h_b(t)，h_b_min(t-1)]。
如果455经过更新的目标车道车辆之后的最小车间时距的估值小于适用的最小车间时距约束条件，则可以使不合规的车间时距归零460，从而将所有对约束条件的违反等同起来。一旦确定了不合规的车间时距，过程就可以终止并且返回470所考虑目标车道车辆之后的不合规的车间时距的估值。
如果455经过更新的目标车道车辆之后的最小车间时距的估值大于或者等于适用的最小车间时距约束条件，则可以将时间与对应于从当前车道向目标车道的变换的时间间隔的结束时间(T_end)进行比较375。如果375时间短于T_end，则使时间步长递增380(例如，t＝t+Δt)，并且可以针对下一时间步长运行运动学仿真，其开始于确定430自我意识车辆的下一运动学状态。这一时间仿真按照这种方式迭代地继续，直到达到时间间隔的末尾(t＞＝T_end)或者出现了最小车间时距约束条件违反(h_b_min＜H_constraint)为止，在该点处，仿真将终止，并且可以返回470h_b_min的最新值作为所考虑目标车道中车辆之后的车间时距的估值。
在附录4中提供了用于实施过程400的示例的伪代码。
图5示出了用于确定自我意识车辆的运动规划的示例性过程500。在一些具体实施中，运动规划的确定560方式是使用优化模块或例程搜索运动规划的空间，以获得规划时间间隔内的符合一个或多个约束条件并且得到指定代价函数的有利评分的运动规划。例如，运动规划可以使用约束迭代LQR优化器作为优化模块或例程来确定560。
为了设置获取良好运动规划的搜索，可以调整510被传送至优化模块或例程的一个或多个约束条件，以反映在用以使自我意识车辆从当前车道变换至目标车道的运动规划的不同阶段内的变化车道边界。在一些具体实施中，可调整510车道边界，从而在从当前时间截止到变换开始的准备阶段内(0＜＝t＜T_start)只有当前车道(以及其内的车辆和任何其他物体)可用于运动规划的考虑；在从开始时间到变换结束时间的执行阶段内(T_start＜＝t＜＝T_end)，当前车道和目标车道两者均可用于运动规划；并且在从变换结束时间到运动规划时间窗口结束的完成阶段内(T_end＜t＜＝T_plan)，只有目标车道可用于运动规划。请参见图8以及下文对图8的相关论述，从而得到对变道的运动规划的这些阶段的更加详细的描述。
可以将被设计为将自我意识车辆引向当前车道和目标车道的中心线或者将自我意识车辆从中心线驱离的一个或多个项引入520、530、540到优化模块或例程使用的代价函数内，从而在用以使自我意识车辆从当前车道变换至目标车道的运动规划的不同阶段内对自我意识车辆予以引导。在一些具体实施中，在代价函数内引入520用以在从当前时间截止到变换开始的准备阶段内(0＜＝t＜T_start)将自我意识车辆引向当前车道的中心线的项；引入530用以在从变换开始时间到运动规划时间窗口结束的执行阶段和完成阶段内(T_start＜＝t＜T_plan)将自我意识车辆引向目标车道的中心线的项；并且在代价函数内引入540用以在从变换的开始时间到变换的结束时间的执行阶段内(T_start＜＝t＜T_end)将自我意识车辆驱离当前车道的中心线的项。
可以在运动规划优化模块或例程的代价函数中引入550反映自我意识车辆在运动规划窗口内的预期速度分布的一个或多个项。例如，可以在代价函数中引入基于所确定(如关于图2的过程200中的操作280所论述的)的自我意识车辆的速度分布的一个或多个项。这些代价函数项(一个或多个)可以起到引导运动规划器从而指引自我意识车辆保持在运动规划的每一时间步长中的速度分布的范围之内的作用，而不会对运动规划施加任何可能导致无法找到有效的运动规划的苛刻约束条件。在一些具体实施中，反映预期速度分布的一个或多个项对游离到速度分布的速度限制之外施加二次惩罚，并且它们包括保持在速度分布的速度限制之内并且远离速度限制(例如，接近每一速度范围的中心)的线性奖励。
例如，可以通过将代价函数项加到代价函数的零项或者更多的附加项上而将代价函数项引入到代价函数内。在一些具体实施中，可以在所引入的项中包含加权系数或者可以使加权系数与项相乘，以控制该项相对于代价函数内的其他项的重要性或影响。可以在代价函数中引入与所述那些类似的上述代价函数项的很多不同组合，并且可以为每一项分配很多不同的加权，以平衡各项的相对重要性，并且由运动规划优化模块或例程取得期望性能。
一旦更新了约束条件并且在运动规划模块或例程的代价函数中引入了所有项，就可以采用优化模块或例程确定560满足约束条件并且实现代价函数的有利值的运动规划。例如，可以将迭代LQR优化器模块或例程与代价函数一起使用，代价函数包括代价项的向量，其被选择为优化由所得到的运动规划指定的自我意识车辆的轨迹。之后返回570所得到的运动规划，以供由更高级别的车辆控制器模块或例程加以考虑和/或实施。
在附录5中提供了用于实施过程500的示例的伪代码。
图6示出了被配置为实施自动化变道操纵的示例车辆600。车辆600包括车辆主体610，车辆主体610包含或附接到车辆600的其他系统和部件。车辆600包括能够充当车辆与道路之间的接口的车轮620。车轮提供可用于沿道路上的路径引导车辆的控制表面。车辆600包括经由传动系统622连接至车轮的动力源(例如，内燃机和/或电池)，所述传动系统能够使车轮旋转，从而使车辆沿道路加速。车辆600包括能够使车轮620相对于车辆主体610转向(例如，通过控制车辆的偏航角和角速度或路径曲率)以指引车辆的运动的转向系统624。车辆600包括传感器模块630，所述传感器模块被配置为检测车辆600附近的其他车辆。在一些具体实施中，传感器模块630包括安装在车辆600周围的一个或多个相机。在一些具体实施中，传感器模块630包括雷达系统。在一些具体实施中，传感器模块630包括LADAR或LIDAR系统。在一些具体实施中，传感器模块630包括针对道路上的其他车辆广播的无线信标或存在信号的接收器。在一些具体实施中，传感器模块630包括针对来自中央交通协管器的交通描述消息的无线接收器。
车辆600包括自动化控制模块640，所述自动化控制模块被配置为接收来自传感器模块230以及可能的其他来源(例如，车辆乘客/操作员控制接口)的数据，并对数据进行处理，从而通过向动力源及传动系统622、转向系统624以及经由车轮620受到这些系统致动的制动系统626发送控制信号来实现对车辆600的运动的自动化控制。在一些具体实施中，自动化控制模块640被配置为在车辆600沿道路上的当前车道移动时确定车辆600的运动学状态，并且至少部分地基于来自传感器模块的数据，检测正在道路的与当前车道相邻的目标车道中移动的一个或多个其他车辆。例如，自动化控制模块640可被配置为实施关于图1描述的过程200。自动化控制模块640可包括专门的数据处理和控制硬件和/或在具有附加能力的数据处理装置上运行的软件。
自动化控制模块640可包括决策制定模块650或者与之交互，所述决策制定模块被配置为至少部分地基于车辆600的运动学状态和对目标车道中的一个或多个其他车辆的运动的预测来确定相对于目标车道中的一个或多个其他车辆中的至少一者的车间时距的估值。决策制定模块650可被配置为至少部分地基于车间时距的估值确定车辆600能否从当前车道变换至目标车道而不违反包括最小车间时距约束条件的一组约束条件。决策制定模块650可被配置为至少部分地基于车间时距的估值确定针对在目标车道中行进的一个或多个其他车辆的一个或多个超车决策。例如，决策制定模块650可被配置为实施关于图2描述的过程200。决策制定模块650可包括专门的数据处理和控制硬件和/或在具有附加能力的数据处理装置上运行的软件。
自动化控制模块640可包括运动规划模块660或者与之交互，所述运动规划模块被配置为至少部分地基于来自决策制定模块650的一个或多个超车决策来确定将使车辆600从当前车道变换到目标车道的运动规划。例如，运动规划模块660可以被配置为实施关于图5描述的过程500。运动规划模块660可包括专门的数据处理和控制硬件和/或在具有附加能力的数据处理装置上运行的软件。
自动化控制模块640可包括可行性检查模块670或者与之交互，所述可行性检查模块被配置为检查运动规划对包括动力学、舒适性和碰撞约束条件的约束条件的违反。例如，可行性检查模块670可被配置为实施关于图1描述的过程100的操作180。可行性检查模块670可包括专门的数据处理和控制硬件和/或在具有附加能力的数据处理装置上运行的软件。
图7示出了被配置为控制如车辆600的车辆的自动化变道操纵的车辆控制器700的示例硬件配置。硬件配置可包括数据处理装置710、数据存储设备720、操作者接口730、控制器接口740以及互连件750，数据处理装置710可通过互连件750访问其他部件。数据处理装置710可操作为执行存储在数据存储设备720中的指令。在一些具体实施中，数据处理装置710是具有随机存取存储器的处理器，该随机存取存储器用于在读取自数据存储设备720的指令被执行时暂时存储这些指令。例如，数据存储设备720可以是非易失性信息存储设备，诸如硬盘驱动器或固态驱动器。操作者接口730促进与车辆内的操作者或乘客的通信，并且可包括任何类型的人机接口，诸如按钮、开关、键盘、鼠标、触摸屏输入设备、手势输入设备、音频输入设备、显示器和/或扬声器。控制器接口740允许向车辆内其他系统输入信息以及由其输出信息，以促进车辆的自动化控制。例如，控制器接口740可包括串行端口(例如，RS-232或USB)，其用于向车辆内的致动器发出控制信号以及接收来自传感器模块的传感器数据。例如，互连件750可以是系统总线或者有线或无线网络。
图8示出了诸如车辆600的车辆的例示性变道操纵800。将在通过分道线816分成两条车道的道路810上执行变道操纵800。车辆处于分道线816之下的当前车道中的当前位置820上。确定使车辆从当前车道变换至分道线816之上的目标车道的运动规划。操纵的总规划分为三个阶段，即i)准备阶段：其中自我意识车辆调整其速度/加速度等，以执行变道；ii)执行阶段：其中执行实际车道变换；以及iii)完成阶段：其中自我意识车辆完全处于目标车道中，并且其针对车道中运动调整其速度/加速度分布等。规划问题可以完整地或者部分地定义这些阶段的持续时间，完整地是指整个规划范围，即执行阶段的起始和结束。在开始时间830(T_start)，车辆将开始其从当前车道向目标车道的变换，从而沿路径840移动，并且随着其跨越分道线816而占据将来位置850和852。截止到结束时间832(T_end)变换将完成，在该点处，车辆将沿着路径840继续移动，从而占据目标车道中的将来位置(例如，位置854)。在一些具体实施中，可以在运动规划模块用来确定车道变换的运动规划的优化例程的代价函数中引入与目标车道的中心线862和/或当前车道的中心线864有关的项。
附录1
Figure BDA0001980441560000171
附录2
Figure BDA0001980441560000181
附录3
Figure BDA0001980441560000191
附录4
Figure BDA0001980441560000192
附录5
Figure BDA0001980441560000201

Claims (18)

1.一种用于车辆控制的方法，包括：
确定在道路的当前车道中移动的第一车辆的运动学状态；
至少部分地基于来自所述第一车辆中的传感器的数据，检测正在所述道路的与所述当前车道相邻的目标车道中移动的一个或多个其他车辆；
至少部分地基于所述运动学状态以及对所述目标车道中的所述一个或多个其他车辆的运动的预测，确定相对于所述目标车道中的所述一个或多个其他车辆中的至少一者的车间时距的估值，其中所述车间时距的估值包括对所述目标车道中的车辆之前的车间时距的估值以及所述目标车道中的车辆之后的车间时距的估值，并且其中确定所述车间时距的估值包括：部分地基于对所述当前车道中处于所述第一车辆之前的第二车辆的运动的预测，确定所述当前车道中的最大速度，部分地基于对所述当前车道中处于所述第一车辆之后的第三车辆的运动的预测，确定所述当前车道中的最小速度，以及部分地基于所述当前车道中的最大速度和所述当前车道中的最小速度，确定所述目标车道中的所述一个或多个其他车辆中的第一个前面的最大车间时距和其后面的最大车间时距；
至少部分地基于所述车间时距的估值，确定所述第一车辆能否从所述当前车道变换至所述目标车道而不违反包括最小车间时距约束条件的一组约束条件；
至少部分地基于所述车间时距的估值，确定针对在所述目标车道中行进的所述一个或多个其他车辆的一个或多个超车决策；
至少部分地基于确定所述第一车辆能够变换至所述目标车道而不违反所述一组约束条件，而至少部分地基于所述一个或多个超车决策确定将使所述第一车辆从所述当前车道变换至所述目标车道的运动规划；以及
使用所述运动规划操纵所述第一车辆进入所述目标车道。
2.根据权利要求1所述的方法，还包括：
至少部分地基于所述车间时距的估值确定所述第一车辆的速度分布，其中在输入至用于确定所述运动规划的优化器的代价函数中引入基于所述速度分布的项。
3.根据权利要求1所述的方法，还包括：
假设针对所述目标车道中的所述一个或多个其他车辆中的所述第一个的超车决策是不超车，确定所述目标车道中的第二最大速度；以及
部分地基于所述目标车道中的所述第二最大速度，确定所述目标车道中的所述一个或多个其他车辆中的第二个前面的最大车间时距。
4.根据权利要求1所述的方法，其中所述一组约束条件包括时间限制，所述第一车辆必须在所述时间限制内完成从所述当前车道向所述目标车道的变换。
5.根据权利要求1所述的方法，其中所述车间时距的估值包括在对应于从所述当前车道向所述目标车道的变换的时间间隔内的车间时距的最小值的经过所容许的运动得到的最大值的估值。
6.根据权利要求1所述的方法，还包括：
至少部分地基于所述车间时距的估值，确定所述第一车辆从所述当前车道向所述目标车道的变换的起始时间；以及
至少部分地基于所述车间时距的估值，确定所述第一车辆从所述当前车道向所述目标车道的变换的结束时间。
7.根据权利要求1所述的方法，其中确定所述运动规划包括：
在输入至用于确定所述运动规划的优化器的代价函数中引入在用于从所述当前车道向所述目标车道的变换的时间间隔内将所述第一车辆驱离所述当前车道的中心线的第一项；以及
在输入至用于确定所述运动规划的所述优化器的所述代价函数中引入在用于从所述当前车道向所述目标车道的变换的时间间隔内将所述第一车辆引向所述目标车道的中心线的第二项。
8.根据权利要求1所述的方法，还包括：
检查所述运动规划对包括动力学、舒适性和碰撞约束条件的约束条件的违反。
9.一种车辆，包括：
车轮，所述车轮能够与具有车道的道路交互；
动力源，所述动力源通过传动系统连接至所述车轮，能够使所述车辆沿所述道路移动；
制动系统，所述制动系统连接至所述车轮，用于使所述车辆减慢或停止；
转向系统，所述转向系统连接至所述车轮，能够指引所述车轮中的一者或多者从而指引所述车辆的运动；
传感器，所述传感器被配置为检测所述车辆附近的其他车辆；
自动化控制器，所述自动化控制器用以：
随着所述车辆沿所述道路上的当前车道移动而确定所述车辆的运动学状态；以及
至少部分地基于来自所述传感器的数据，检测正在所述道路的与所述当前车道相邻的目标车道中移动的一个或多个其他车辆；
决策制定器，所述决策制定器用以：
至少部分地基于所述运动学状态以及对所述目标车道中的所述一个或多个其他车辆的运动的预测，确定相对于所述目标车道中的所述一个或多个其他车辆中的至少一者的车间时距的估值，其中所述车间时距的估值包括对所述目标车道中的车辆之前的车间时距的估值以及所述目标车道中的车辆之后的车间时距的估值，并且其中确定所述车间时距的估值包括：部分地基于对所述当前车道中处于第一车辆之前的第二车辆的运动的预测，确定所述当前车道中的最大速度，部分地基于对所述当前车道中处于所述第一车辆之后的第三车辆的运动的预测，确定所述当前车道中的最小速度，以及部分地基于所述当前车道中的最大速度和所述当前车道中的最小速度，确定所述目标车道中的所述一个或多个其他车辆中的第一个前面的最大车间时距和其后面的最大车间时距；
至少部分地基于所述车间时距的估值，确定所述车辆能否从所述当前车道变换至所述目标车道而不违反包括最小车间时距约束条件的一组约束条件；以及
至少部分地基于所述车间时距的估值，确定针对在所述目标车道中行进的所述一个或多个其他车辆的一个或多个超车决策；
运动规划器，所述运动规划器至少部分地基于来自所述决策制定器的所述一个或多个超车决策，确定将使所述车辆从所述当前车道变换到所述目标车道的运动规划；并且
其中所述自动化控制器进一步用以：
运行所述决策制定器；
响应于所述决策制定器确定所述车辆能够变换至所述目标车道而不违反所述一组约束条件，以来自所述决策制定器的超车决策为输入运行所述运动规划器；以及
基于来自所述运动规划器的所述运动规划控制所述动力源、转向系统和制动系统，从而操纵所述车辆进入所述目标车道。
10.根据权利要求9所述的车辆，还包括：
可行性检查器，所述可行性检查器检查运动规划对包括动力学、舒适性和碰撞约束条件的约束条件的违反；并且
其中所述自动化控制器将进一步运行所述可行性检查器，以验证来自所述运动规划器的所述运动规划。
11.一种电子系统，包括：
数据处理装置；和
数据存储设备，所述数据存储设备存储能够由所述数据处理装置执行的指令，所述指令在由所述数据处理装置执行时使所述数据处理装置执行包括以下的操作：
确定在道路的当前车道中移动的第一车辆的运动学状态；
至少部分地基于来自所述第一车辆中的传感器的数据，检测正在所述道路的与所述当前车道相邻的目标车道中移动的一个或多个其他车辆；
至少部分地基于所述运动学状态以及对所述目标车道中的所述一个或多个其他车辆的运动的预测，确定相对于所述目标车道中的所述一个或多个其他车辆中的至少一者的车间时距的估值，其中所述车间时距的估值包括对所述目标车道中的车辆之前的车间时距的估值以及所述目标车道中的车辆之后的车间时距的估值，并且其中确定所述车间时距的估值包括：部分地基于对所述当前车道中处于所述第一车辆之前的第二车辆的运动的预测，确定所述当前车道中的最大速度，部分地基于对所述当前车道中处于所述第一车辆之后的第三车辆的运动的预测，确定所述当前车道中的最小速度，以及部分地基于所述当前车道中的所述最大速度和所述当前车道中的所述最小速度，确定所述目标车道中的所述一个或多个其他车辆中的第一个前面的最大车间时距和其后面的最大车间时距；
至少部分地基于所述车间时距的估值，确定所述第一车辆能否从所述当前车道变换至所述目标车道而不违反包括最小车间时距约束条件的一组约束条件；
至少部分地基于所述车间时距的估值，确定针对在所述目标车道中行进的所述一个或多个其他车辆的一个或多个超车决策；
至少部分地基于确定所述第一车辆能够变换至所述目标车道而不违反所述一组约束条件，而至少部分地基于所述一个或多个超车决策确定将使所述第一车辆从所述当前车道变换至所述目标车道的运动规划；以及
使用所述运动规划操纵所述第一车辆进入所述目标车道。
12.根据权利要求11所述的系统，所述操作还包括：
至少部分地基于所述车间时距的估值确定所述第一车辆的速度分布，其中在输入至用于确定所述运动规划的优化器的代价函数中引入基于所述速度分布的项。
13.根据权利要求11所述的系统，所述操作还包括：
假设针对所述目标车道中的所述一个或多个其他车辆中的所述第一个的超车决策是不超车，确定所述目标车道中的第二最大速度；以及
部分地基于所述目标车道中的所述第二最大速度，确定所述目标车道中的所述一个或多个其他车辆中的第二个前面的最大车间时距。
14.根据权利要求11所述的系统，其中所述一组约束条件包括时间限制，所述第一车辆必须在所述时间限制内完成从所述当前车道向所述目标车道的变换。
15.根据权利要求11所述的系统，其中所述车间时距的估值包括在对应于从所述当前车道向所述目标车道的变换的时间间隔内的车间时距的最小值的经过所容许的运动得到的最大值的估值。
16.根据权利要求11所述的系统，所述操作还包括：
至少部分地基于所述车间时距的估值，确定所述第一车辆从所述当前车道向所述目标车道的变换的起始时间；以及
至少部分地基于所述车间时距的估值，确定所述第一车辆从所述当前车道向所述目标车道的变换的结束时间。
17.根据权利要求11所述的系统，其中确定所述运动规划包括：
在输入至用于确定所述运动规划的优化器的代价函数中引入在用于从所述当前车道向所述目标车道的变换的时间间隔内将所述第一车辆驱离所述当前车道的中心线的第一项；以及
在输入至用于确定所述运动规划的所述优化器的所述代价函数中引入在用于从所述当前车道向所述目标车道的变换的时间间隔内将所述第一车辆引向所述目标车道的中心线的第二项。
18.根据权利要求11所述的系统，所述操作还包括：
检查所述运动规划对包括动力学、舒适性和碰撞约束条件的约束条件的违反。
CN201780053066.9A 2016-09-21 2017-09-18 车辆控制系统 Active CN109643496B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201662397461P 2016-09-21 2016-09-21
US62/397,461 2016-09-21
PCT/US2017/052038 WO2018057455A1 (en) 2016-09-21 2017-09-18 Vehicle control system

Publications (2)

Publication Number Publication Date
CN109643496A CN109643496A (zh) 2019-04-16
CN109643496B true CN109643496B (zh) 2021-08-20

Family

ID=60009714

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780053066.9A Active CN109643496B (zh) 2016-09-21 2017-09-18 车辆控制系统

Country Status (3)

Country Link
US (1) US10800416B2 (zh)
CN (1) CN109643496B (zh)
WO (1) WO2018057455A1 (zh)

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA3068898A1 (en) * 2017-07-03 2019-01-10 Nissan Motor Co., Ltd. Method and device for generating target vehicle speed of driving-assisted vehicle
US10754339B2 (en) * 2017-09-11 2020-08-25 Baidu Usa Llc Dynamic programming and quadratic programming based decision and planning for autonomous driving vehicles
US11580859B1 (en) * 2017-09-28 2023-02-14 Apple Inc. Vehicle lane change
JP6600671B2 (ja) * 2017-10-12 2019-10-30 本田技研工業株式会社 車両制御装置
US11360475B2 (en) * 2017-12-05 2022-06-14 Waymo Llc Real-time lane change selection for autonomous vehicles
US20190220016A1 (en) * 2018-01-15 2019-07-18 Uber Technologies, Inc. Discrete Decision Architecture for Motion Planning System of an Autonomous Vehicle
US11231715B2 (en) * 2018-05-22 2022-01-25 King Fahd University Of Petroleum And Minerals Method and system for controlling a vehicle
US11237564B2 (en) * 2018-08-23 2022-02-01 Uatc, Llc Motion planning system of an autonomous vehicle
JP6827026B2 (ja) * 2018-11-19 2021-02-10 本田技研工業株式会社 車両制御装置、車両制御方法、及びプログラム
FR3093052A1 (fr) * 2019-02-27 2020-08-28 Psa Automobiles Sa Assistance à la conduite d’un véhicule, par prise de décision à partir d’informations d’environnement généralisables
CN110304074B (zh) * 2019-06-28 2020-07-31 电子科技大学 一种基于分层状态机的混合式驾驶方法
US11608083B2 (en) * 2019-09-18 2023-03-21 Honda Motor Co., Ltd. System and method for providing cooperation-aware lane change control in dense traffic
US20210155244A1 (en) * 2019-11-22 2021-05-27 Here Global B.V. Method, apparatus, and computer program product for automated lane merging assistance
US11491985B2 (en) * 2019-11-26 2022-11-08 GM Global Technology Operations LLC Process and system for sensor sharing for an autonomous lane change
JP7185191B2 (ja) * 2020-02-13 2022-12-07 マツダ株式会社 車両制御装置
US11807240B2 (en) * 2020-06-26 2023-11-07 Toyota Research Institute, Inc. Methods and systems for evaluating vehicle behavior
CN113183962A (zh) * 2021-05-31 2021-07-30 重庆长安汽车股份有限公司 用于创造换道条件的自动驾驶纵向规划方法、系统及车辆
US20230009173A1 (en) * 2021-07-12 2023-01-12 GM Global Technology Operations LLC Lane change negotiation methods and systems
US20230057652A1 (en) 2021-08-19 2023-02-23 Geotab Inc. Mobile Image Surveillance Systems
US20230182740A1 (en) * 2021-12-09 2023-06-15 GM Global Technology Operations LLC Method for completing overtake maneuvers in variant traffic conditions
CN114670872B (zh) * 2022-04-21 2023-06-30 广州小鹏自动驾驶科技有限公司 自动驾驶的速度规划方法、装置、车辆及存储介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5521579A (en) * 1993-04-26 1996-05-28 Mercedes-Benz Ag Method for providing guiding assistance for a vehicle in changing lane
CN103069466A (zh) * 2010-06-18 2013-04-24 本田技研工业株式会社 用于预测驾驶员的变线意图的系统
JP2014019387A (ja) * 2012-07-23 2014-02-03 Nissan Motor Co Ltd 走行制御装置及び走行制御方法
CN103587467A (zh) * 2013-11-21 2014-02-19 中国科学院合肥物质科学研究院 一种危险超车预警提示方法及系统
CN103754224A (zh) * 2014-01-24 2014-04-30 清华大学 一种车辆多目标协调换道辅助自适应巡航控制方法
CN104290753A (zh) * 2014-09-29 2015-01-21 长安大学 一种前方车辆运动状态追踪预测装置及其预测方法
CN104590259A (zh) * 2015-01-07 2015-05-06 福州华鹰重工机械有限公司 一种轨迹搜寻方法和系统
CN104648402A (zh) * 2013-11-18 2015-05-27 罗伯特·博世有限公司 用于支持机动车的车道转换或者超车策略的方法和驾驶员辅助装置
CN104960524A (zh) * 2015-07-16 2015-10-07 北京航空航天大学 基于车车通信的多车协同换道控制系统及其方法
CN105015545A (zh) * 2015-07-03 2015-11-04 内蒙古麦酷智能车技术有限公司 一种无人驾驶汽车的自主变道决策系统
CN105810013A (zh) * 2014-12-30 2016-07-27 中国移动通信集团公司 一种基于车群风险的车辆防撞控制方法和装置

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8170739B2 (en) 2008-06-20 2012-05-01 GM Global Technology Operations LLC Path generation algorithm for automated lane centering and lane changing control system
WO2012089357A2 (fr) 2010-12-29 2012-07-05 Siemens S.A.S. Système et méthode d'aide active au changement de voie pour un véhicule automobile
US8706417B2 (en) 2012-07-30 2014-04-22 GM Global Technology Operations LLC Anchor lane selection method using navigation input in road change scenarios
DE102012214979A1 (de) 2012-08-23 2014-02-27 Robert Bosch Gmbh Spurwahlassistent zur Optimierung des Verkehrsflusses (Verkehrsflussassistent)
US9096267B2 (en) 2013-01-21 2015-08-04 GM Global Technology Operations LLC Efficient data flow algorithms for autonomous lane changing, passing and overtaking behaviors
KR101509995B1 (ko) 2013-12-03 2015-04-07 현대자동차주식회사 Jc 진출입 판단 장치 및 그 방법
KR101480652B1 (ko) 2013-12-11 2015-01-09 현대자동차주식회사 차선 변경 제어 장치 및 그 변경 제어 방법
EP2942765B1 (en) 2014-05-07 2018-12-26 Honda Research Institute Europe GmbH Method and system for predictive lane change assistance, program software product and vehicle
US9428187B2 (en) 2014-06-05 2016-08-30 GM Global Technology Operations LLC Lane change path planning algorithm for autonomous driving vehicle
DE112016003174T5 (de) * 2015-07-15 2018-03-29 Honda Motor Co., Ltd. Fahrzeug-Regel-/Steuervorrichtung, Fahrzeug-Regel-/Steuerverfahren und Fahrzeug-Regel-/Steuerprogramm
US20190016339A1 (en) * 2016-02-16 2019-01-17 Honda Motor Co., Ltd. Vehicle control device, vehicle control method, and vehicle control program

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5521579A (en) * 1993-04-26 1996-05-28 Mercedes-Benz Ag Method for providing guiding assistance for a vehicle in changing lane
CN103069466A (zh) * 2010-06-18 2013-04-24 本田技研工业株式会社 用于预测驾驶员的变线意图的系统
JP2014019387A (ja) * 2012-07-23 2014-02-03 Nissan Motor Co Ltd 走行制御装置及び走行制御方法
CN104648402A (zh) * 2013-11-18 2015-05-27 罗伯特·博世有限公司 用于支持机动车的车道转换或者超车策略的方法和驾驶员辅助装置
CN103587467A (zh) * 2013-11-21 2014-02-19 中国科学院合肥物质科学研究院 一种危险超车预警提示方法及系统
CN103754224A (zh) * 2014-01-24 2014-04-30 清华大学 一种车辆多目标协调换道辅助自适应巡航控制方法
CN104290753A (zh) * 2014-09-29 2015-01-21 长安大学 一种前方车辆运动状态追踪预测装置及其预测方法
CN105810013A (zh) * 2014-12-30 2016-07-27 中国移动通信集团公司 一种基于车群风险的车辆防撞控制方法和装置
CN104590259A (zh) * 2015-01-07 2015-05-06 福州华鹰重工机械有限公司 一种轨迹搜寻方法和系统
CN105015545A (zh) * 2015-07-03 2015-11-04 内蒙古麦酷智能车技术有限公司 一种无人驾驶汽车的自主变道决策系统
CN104960524A (zh) * 2015-07-16 2015-10-07 北京航空航天大学 基于车车通信的多车协同换道控制系统及其方法

Also Published As

Publication number Publication date
CN109643496A (zh) 2019-04-16
WO2018057455A1 (en) 2018-03-29
US20180079420A1 (en) 2018-03-22
US10800416B2 (en) 2020-10-13

Similar Documents

Publication Publication Date Title
CN109643496B (zh) 车辆控制系统
US11713006B2 (en) Systems and methods for streaming processing for autonomous vehicles
US11714417B2 (en) Initial trajectory generator for motion planning system of autonomous vehicles
CN111986514B (zh) 基于交通工具的数据处理方法、装置、设备以及介质
CN111775961B (zh) 自动驾驶车辆规划方法、装置、电子设备及存储介质
US11644835B2 (en) Game-theoretic planning for risk-aware interactive agents
US8788134B1 (en) Autonomous driving merge management system
EP2615598B1 (en) Vehicle with computing means for monitoring and predicting traffic participant objects
EP3642092A2 (en) Systems and methods for navigating a vehicle
IL293713B2 (en) Navigation based on vehicle activity
EP3686864A1 (en) Information processing device, autonomous moving apparatus, method, and program
CN113071487B (zh) 自动驾驶车辆控制方法、装置及云端设备
CN113165670A (zh) 一种智能驾驶方法、装置、存储介质及计算机程序
Chae et al. Design and vehicle implementation of autonomous lane change algorithm based on probabilistic prediction
US20220392276A1 (en) Vehicle behavior evaluation device, vehicle behavior evaluation method, and vehicle behavior evaluation program product
CN113428137A (zh) 泊车控制方法、装置及存储介质
CN114932901A (zh) 一种自适应速度规划方法、装置和域控制器
Yan et al. A hierarchical motion planning system for driving in changing environments: Framework, algorithms, and verifications
EP4045370A1 (en) Adaptive cruise control
CN115056783A (zh) 车辆换道方法、装置以及设备
Kim et al. Facilitating cooperative and distributed multi-vehicle lane change maneuvers
JP6599817B2 (ja) 演算装置、演算方法およびプログラム
US20240083419A1 (en) Processing method, processing system and storage medium for storing processing program
Wang et al. High‐level decision‐making for autonomous overtaking: An MPC‐based switching control approach
Niu et al. Lane Change Trajectory Planning of Intelligent Vehicles Based on Polynomial and Rolling Horizon

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