CN110228473B - 一种智能车换道决策方法、装置、存储介质和智能车 - Google Patents
一种智能车换道决策方法、装置、存储介质和智能车 Download PDFInfo
- Publication number
- CN110228473B CN110228473B CN201910446724.1A CN201910446724A CN110228473B CN 110228473 B CN110228473 B CN 110228473B CN 201910446724 A CN201910446724 A CN 201910446724A CN 110228473 B CN110228473 B CN 110228473B
- Authority
- CN
- China
- Prior art keywords
- lane
- lane change
- decision
- intelligent vehicle
- change decision
- 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
- 230000008859 change Effects 0.000 title claims abstract description 286
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000007613 environmental effect Effects 0.000 claims description 8
- 230000004888 barrier function Effects 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 20
- 230000008569 process Effects 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 5
- 241000282414 Homo sapiens Species 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 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
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/18163—Lane change; Overtaking manoeuvres
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本申请实施例涉及一种智能车换道决策方法、装置、存储介质和智能车。该智能车换道决策方法,包括:确定智能车当前行驶的环境信息,所述环境信息包括轨迹信息和车道信息;基于第一决策规则和所述环境信息,生成第一换道决策;基于所述第一换道决策和第二决策规则,生成第二换道决策。基于该智能车换道决策方法,不同换道决策之间耦合,不同换道决策之间的决策规则解耦合,从而减少决策规则,避免决策效率下降;同时,由不同的换道决策处理不同的换道需求,提高智能车换道的合理性。
Description
技术领域
本申请实施例涉及自动驾驶技术领域,具体涉及一种智能车换道决策方法、装置、存储介质和智能车。
背景技术
随着车辆智能化技术的发展,智能车自动驾驶技术逐渐成为车辆研究领域的一个热点。智能车在行驶过程中需要面对复杂的道路环境,如何在复杂多变的环境下做出合理的换道决策,一直以来都是智能车技术领域的一个难点问题。
现有的智能车换道决策方法大致可以分为两类:基于规则的换道决策和基于学习的换道决策。基于规则的换道决策,一般根据交通规则以及人类的驾驶习惯制定换道规则,通过有限状态机实现智能车的自主换道决策。该类方法稳定性好并且易于实现,但是由于需要考虑各种环境因素,因此制定的规则数量会越来越庞大,所有状态耦合在一起,有限状态机越来越臃肿,会导致决策效率下降;同时,由于部分换道决策间的功能关联性或相近性可能会导致频繁换道。
发明内容
为了解决现有技术存在的问题,本申请的至少一个实施例提供了一种智能车换道决策方法、装置、存储介质和智能车。
第一方面,本申请提供一种智能车换道决策方法,包括:
确定智能车当前行驶的环境信息,所述环境信息包括轨迹信息和车道信息;
基于第一决策规则和所述环境信息,生成第一换道决策;
基于所述第一换道决策和第二决策规则,生成第二换道决策。
第二方面,本申请提供一种智能车换道决策装置,用于上述的所述智能车换道决策方法,包括:
采集模块,用于确定智能车当前行驶的环境信息,所述环境信息包括轨迹信息和车道信息;
第一决策模块,基于第一决策规则和所述环境信息,生成第一换道决策;
第二决策模块,基于所述第一换道决策和第二决策规则,生成第二换道决策。
第三方面,本申请提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使计算机执行上述的所述智能车换道决策方法。
第四方面,本申请提供一种智能车,包括上述的所述智能车换道决策装置;或者,包括上述的所述非暂态计算机可读存储介质。
本申请提供的智能车换道决策方法,基于环境信息和第一决策规则,生成第一换道决策,基于第一换道决策生成第二换道决策,不同换道决策之间耦合,不同换道决策之间的决策规则之间不存在关联,从而减少决策规则之间的强耦合,避免决策效率下降;同时,由不同的换道决策处理不同的换道需求,提高智能车换道的合理性。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的智能车换道场景示意图之一;
图2为本申请实施例提供的智能车换道场景示意图之二;
图3为本申请实施例提供的一种智能车换道决策方法的流程图;
图4为本申请实施例提供的在frenet坐标系统,智能车的参考轨迹和车道的示意图;
图5为本申请实施例提供的第一换道决策的示意图;
图6为本申请实施例提供的生成保持当前参考轨迹的第一换道决策之一的示意图;
图7为本申请实施例提供的生成保持当前车道的第一换道决策之一的示意图;
图8为本申请实施例提供的生成保持当前车道的第一换道决策之二的示意图;
图9为本申请实施例提供的生成保持当前车道的第一换道决策之三的示意图;
图10为本申请实施例提供的生成保持自由换道的第一换道决策之一的示意图;
图11为本申请实施例提供的生成保持自由换道的第一换道决策之二的示意图;
图12为本申请实施例提供的生成保持自由换道的第一换道决策之三的示意图;
图13为本申请实施例提供的生成保持自由换道的第一换道决策之四的示意图;
图14为本申请实施例提供的生成强制换道的第一换道决策的示意图;
图15为本申请实施例提供的第二换道决策的示意图;
图16为本申请实施例提供的生成保持中间车道行驶的第二换道决策的示意图;
图17为本申请实施例提供的生成换至目标车道的第二换道决策之一的示意图;
图18为本申请实施例提供的生成换至目标车道的第二换道决策之二的示意图;
图19为本申请实施例提供的生成换至目标车道的第二换道决策之三的示意图;
图20为本申请实施例提供的生成换至目标车道的第二换道决策之四的示意图;
图21为本申请实施例提供的生成取消换道的第二换道决策之一的示意图;
图22为本申请实施例提供的生成取消换道的第二换道决策之二的示意图;
图23为本申请实施例提供的一种智能车换道决策装置的结构示意图。
具体实施方式
本申请公开了一种智能车换道决策方法、装置、存储介质和智能车,减少决策规则,避免决策效率下降,提高智能车换道的合理性。
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
智能车在行驶过程中需要面对复杂的道路环境,如何在复杂的道路环境下进行高效、合理的换道决策,是智能车自动驾驶技术存在的一个重要问题。如图1所示,示出了智能车行驶的场景之一,包括三条车道R11、R12和R13,智能车处于中间车道R12,左侧车道R11有障碍物1,中间车道有障碍物2,智能车直接在中间车道R12向右侧车道R11换道,或者在中间车道R12行驶一段距离后,离开障碍物1,向左侧车道11或右侧车道13换道。如图2所示,示出了智能车行驶的场景之二,道路1包括三条车道R11、R12和R13,道路2包括两条车道R21和R22,智能车处于道路1的右侧车道R11,道路2的车道R21有障碍物1,此时可以将道路的截断部分视为障碍物,在到达该截断部分之前换到中间车道12或右侧车道13,当然也可以换到中间车道12后,在到达障碍物1之前,再换道到车道R22。
以上场景仅是更方便的理解本申请实施例,并不对本申请构成限制。在实施过程中,行人、车辆、建筑物、截断的道路、道路辅助设施等对智能车行驶造成阻挡结果的,均可以视为障碍物。需要说明的是,移动的目标(例如行人或行驶的车辆)并不影响本申请的实施,本领域技术人员可以理解,本申请可以进行实时的数据处理和判断,并得到相应的换道决策。
本申请中,智能车的位置的定位,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。
本申请中,获取车道,可以是基于传感设备完成,也可以是基于上述的定位结合坐标系统完成。例如基于摄像装置、激光雷达获取车道,或者基于定位的位置、大地坐标系统和frenet坐标系统中的任意组合完成。相应的,障碍物也可以基于摄像装置、激光雷达、毫米波雷达等确定,在此不再赘述。
在以场景1和场景2为例进行场景描述中,可以了解车辆进行换道时,由驾驶员的角度可以较容易的进行换道决策,但是智能车与驾驶员存在较大的区别。现有技术中,通常采用基于规则的换道决策或基于学习的换道决策,后者构建难度较高。前者提供各种换道决策规则,并且耦合在一起,随着规则数量越来越庞大,会导致决策效率下降,且部分换道决策规则间的功能关联性或相近性可能会导致频繁换道。基于现有技术存在的问题,本申请提供一种智能车换道决策方法,如图3所示,包括以下步骤301至303:
301,确定智能车当前行驶的环境信息,环境信息包括轨迹信息和车道信息。
302,基于第一决策规则和环境信息,生成第一换道决策。
303,基于第一换道决策和第二决策规则,生成第二换道决策。
在一些实施例中,本申请可应用于多层状态机,例如,双层状态机,所述双层状态机可以包括上层状态机和下层状态机。其中上层状态机基于第一决策规则和环境信息,生成第一换道决策;下层状态机基于第一换道决策和第二决策规则,生成第二换道决策。其中上层状态机和下层状态机之间耦合,第一决策规则和第二决策规则之间可以不存在关联。当然,状态机可以不限于上层状态机和下层状态机,也可以包括多层;也可以包括一个上层状态机和几个下层状态机;也可以是在一个状态机中,采用多个子状态机来实现,本申请不以此为限。
可能的实现方式中,轨迹信息包括轨迹截断信息,其中轨迹截断信息是基于智能车的多条参考轨迹和障碍物信息确定。
以基于frenet坐标系统确定环境信息进行说明,如图4所示,基于智能车的位置和大地坐标系统,将智能车转换为frenet坐标系下的坐标,使用三次样条曲线,生成智能车的参考轨迹L11、L12和L13,以及道路1包括的车道R11、R12和R13。基于参考轨迹L11、L12和L13的横向偏差,将智能车划分至相应的车道,例如将智能车划分到中间车道R12。由图4可知,在左侧车道R11有障碍物1,因此参考轨迹L11被障碍物1截断。
显然,图1、图2或图4所示的场景仅是智能车可能遇到的情形的一部分,还存在更多的或简单、或困难、或可以有多种选择的换道的情形,因此可以根据不同的情形设计第一决策规则和第二决策规则。本申请中,在可能的实现方式中,以第一换道决策快速处理简单或困难(须强制性换道)的情形,以第二换道决策进行最优化换道的情形。
在可能的实现方式中,第一换道决策可以包括强制换道、保持当前参考轨迹、保持当前车道和自由换道。
一些实施例中,生成第一换道决策的流程,可以如图5所示,包括如下步骤501至512、521至524:
501,是否存在未被障碍物截断的参考轨迹;若是,执行502;否则,执行512。
502,是否位于中间车道;若是,执行503;否则,执行509。
503,当前参考轨迹是否为中心轨迹;若是,执行504;否则,执行507。
504,当前参考轨迹是否未被障碍物截断;若是,执行505;否则,执行523。
505,其他参考轨迹也未被障碍物截断;若是,执行506;否则,执行523。
506,是否处于非换道状态;若是,执行521;否则,执行523。
507,是否满足通过条件;若是,执行508;否则,执行523。
508,是否处于非换道状态;若是,执行522;否则,执行523。
509,当前参考轨迹未被障碍物截断;若是,执行510;否则,执行523。
510,中间车道是否满足通过条件;若是,执行511;否则,执行508。
511,换至中间车道是否不需要绕过障碍物;若是,执行523;否则,执行508。
512,当前车道可行驶距离是否小于相邻车道N倍;若是,执行524;否则,执行523
521,生成保持当前参考轨迹的第一换道决策。
522,生成保持当前车道的第一换道决策。
523,生成保持自由换道的第一换道决策。
524,生成保持强制换道的第一换道决策。
本申请图5从整体上揭示了一些实施例中,生成不同的第一换道决策的方式,下面的描述将结合图6至图12,对生成的每一种第一换道决策进行说明:
一些实施例中,生成保持当前参考轨迹的第一换道决策,可以包括图5所示的步骤501、步骤502、步骤503、步骤504、步骤505、步骤506和步骤521构成的流程,在条件满足时,执行步骤521。具体的,如图6所示,生成保持当前参考轨迹的第一换道决策可包括以下步骤601至606:
601,确定存在未被障碍物截断的参考轨迹。
602,确定智能车位于中间车道。
603,确定当前参考轨迹为中心轨迹且未被截断。
604,确定其他参考轨迹也未被障碍物截断。
605,确定智能车处于非换道状态。
606,生成保持当前参考轨迹的第一换道决策。
一些实施例中,生成保持当前车道的第一换道决策,包括步骤501、步骤502、步骤503、步骤507、步骤508、和步骤522构成的流程;以及步骤501、步骤502、步骤509、步骤510、步骤511、步骤508和步骤522构成的流程,在条件满足时,执行步骤522。具体的,如图7所示,生成保持当前车道的第一换道决策可包括以下步骤701至706:
701,确定存在未被障碍物截断的参考轨迹。
702,确定智能车位于中间车道。
703,确定当前参考轨迹非中心轨迹。
704,确定中间车道满足通过条件。
705,确定智能车处于非换道状态。
706,生成保持当前车道的第一换道决策。
又例如,如图8所示,生成保持当前车道的第一换道决策可包括以下步骤801至806:
801,确定存在未被障碍物截断的参考轨迹。
802,确定智能车位于左/右车道。
803,确定当前参考轨迹未被障碍物截断。
804,确定中间车道满足通过条件。
805,确定换至中间车道需要绕过障碍物。
806,生成保持当前车道的第一换道决策。
又例如,如图9所示,生成保持当前车道的第一换道决策可包括以下步骤901至906:
901,确定存在未被障碍物截断的参考轨迹。
902,确定智能车位于左/右车道。
903,确定当前参考轨迹未被障碍物截断。
904,确定中间车道不满足通过条件。
905,确定智能车处于非换道状态。
906,生成保持当前车道的第一换道决策。
一些实施例中,生成保持自由换道的第一换道决策,包括步骤501、步骤502、步骤503、步骤507、步骤508、和步骤523构成的流程;以及步骤501、步骤502、步骤509、步骤510、步骤511和步骤523构成的流程;以及步骤501、步骤512和步骤523构成的流程;在条件满足时,执行步骤523。具体的,如图10所示,生成保持自由换道的第一换道决策可包括以下步骤1001至1006:
1001,确定存在未被障碍物截断的参考轨迹。
1002,确定智能车位于中间车道。
1003,确定当前参考轨迹非中心轨迹。
1004,确定中间车道满足通过条件。
1005,确定智能车处于换道状态。
1006,生成保持自由换道的第一换道决策。
又例如,如图11所示,生成保持自由换道的第一换道决策可包括以下步骤1101至1105:
1101,确定存在未被障碍物截断的参考轨迹。
1102,确定智能车位于中间车道。
1103,确定当前参考轨迹为中心轨迹。
1104,确定当前参考轨迹被截断。
1105,生成保持自由换道的第一换道决策。
又例如,如图12所示,生成保持自由换道的第一换道决策可包括以下步骤1201至1205:
1201,确定存在未被障碍物截断的参考轨迹。
1202,确定智能车位于中间车道。
1203,确定当前参考轨迹为中心轨迹。
1204,确定当前参考轨迹未被截断但其他参考轨迹被障碍物截断。
1205,生成保持自由换道的第一换道决策。
又例如,如图13所示,生成保持自由换道的第一换道决策可包括以下步骤1301至1305:
1301,确定存在未被障碍物截断的参考轨迹。
1302,确定智能车位于中间车道。
1303,确定当前参考轨迹为中心轨迹。
1304,确定智能车处于换道状态。
1305,生成保持自由换道的第一换道决策。
一些实施例中,生成强制换道的第一换道决策,包括步骤501、步骤512、和步骤524构成的流程;在条件满足时,执行步骤524。具体的,如图14所示,生成强制换道的第一换道决策包括以下步骤1401至1403:
1401,确定所有参考轨迹被障碍物截断。
1402,确定当前车道可行驶距离小于相邻车道N倍。
1403,生成强制换道的第一换道决策。
需要说明的是,在实际的应用中,可能仅采用其中一部分步骤,或者某一流程的起始点是其中任一个步骤;或者,对于仅有两个车道或者多个车道的情形,中间车道或中心轨迹可以由预定的规则设定,例如两车道时,可以设定左车道为中间车道,左侧参考轨迹为中心轨迹。以上情况并不影响本申请的实施。同时,中心轨迹和中间车道,在某种情形下可以视为不同的存在,在某种情形下可以视为同一存在。例如,智能车行驶于三车道的中间车道,其中心轨迹和中间车道可以视为同一存在;又例如,智能车行驶于三车道的右车道,且正在向中间车道换道,其中心轨迹和中间车道可以视为不同的存在。
基于图5至图14,生成第一换道决策可以有如下的逻辑:
一些施例中,生成保持当前参考轨迹的第一换道决策,需要满足下述条件:
轨迹截断信息包括未被障碍物截断的参考轨迹;
当前参考轨迹为中心轨迹;
智能车位于中间车道;
轨迹截断信息中所有参考轨迹未被截断;
智能车处于非换道状态。
一些施例中,生成保持当前车道的第一换道决策,需要满足以下任一条件:
轨迹截断信息包括未被障碍物截断的参考轨迹,智能车位于中间车道,中间车道满足通过条件且智能车辆处于非换道状态;
轨迹截断信息包括当前参考轨迹未被障碍物截断,智能车辆位于左/右车道,中间车道不满足通过条件且智能车辆处于非换道状态。
一些施例中,生成强制换道的第一换道决策,需要满足下述条件:
轨迹截断信息包括所有参考轨迹被截断;
当前车道的可行驶距离,小于相邻车道的可行驶距离N倍。
一些施例中,生成自由换道的第一换道决策,需要满足以下任一条件:
当前车道的可行驶距离,大于或等于相邻车道的可行驶距离N倍;
智能车处于中间车道,所有参考轨迹未被截断,且车辆处于换道状态;
智能车处于中间车道且不满足车道通过条件;
智能车处于中间车道且任一参考轨迹被障碍物截断;
智能车处于左/右车道且当前参考轨迹被障碍物截断;
智能车处于左/右车道,中间车道满足通过条件且不需要绕过障碍物。
本申请实施例中,基于第一决策规则和环境信息,生成第一换道决策,例如基于参考轨迹是否被截断、智能车处于的参考轨迹、智能车处于的车道、是否换道状态、当前车道的可行驶距离等等,对相对简单或相对困难的情形进行判断,生成第一换道决策,同时为生成第二换道决策提供参考。
对于第二换道决策,可能的实现方式中,在生成第一换道决策后,可以基于第一换道决策和第二决策规则,生成第二换道决策包括:
若第一换道决策为自由换道,则基于第二决策规则生成第二换道决策;
若第一换道决策不为自由换道,则以第一换道决策作为第二换道决策。
可能的实现方式中,第二换道决策包括保持在中间车道行驶、换至目标车道和取消换道。
一些实施例中,智能的生成第一换道决策的情形,可以如图15所示,包括以下步骤1501至1509、1521至1523:
1501,计算各车道代价。
1502,是否处于中间车道。
1503,车道价值是否大于设定阈值;若是,执行1521;否则,执行1505。
1504,处于左/右车道。
1505,相邻车道价值是否大于本车道N倍;若是,执行1508;否则,执行1506。
1506,取消换道计数器加1。
1507,取消换换道计数是否超过设定阈值;若是,执行1522;否则,执行1509。
1508,选择车道价值最高的车道作为目标车道,换道计数器加1。
1509,换道计数是否超过设定阈值;若是,执行1523;否则,执行1501。
1521,保持中间车道。
1522,取消换道。
1523,换道至目标车道。
本申请图15从整体上揭示了一些实施例中,生成不同的第二换道决策的方式,下面的描述将结合图16至图22,对生成的每一种第二换道决策进行说明:
一些实施例中,生成保持在中间车道行驶的第二换道决策,可以包括步骤1501、步骤1502、步骤1503和步骤1521构成的流程,在条件满足时,执行1521。例如,如图16所示,生成保持在中间车道行驶的第二换道决策可包括以下步骤1601至1604:
1601,计算各车道代价。
1602,确定智能车处于中间车道。
1603,确定车道价值大于设定阈值。
1604,生成保持中间车道行驶的第二换道决策。
一些实施例中,生成换至目标车道的第二换道决策,可以包括步骤1501、步骤1502、步骤1503、步骤1505、步骤1506、步骤1507、步骤1509;在条件满足时,执行1523。例如,如图17所示,生成换至目标车道的第二换道决策可包括以下步骤1701至1708:
1701,计算各车道代价。
1702,确定智能车处于中间车道。
1703,确定车道价值小于或等于设定阈值。
1704,确定相邻车道价值小于或等于本车道N倍。
1705,取消换道计数器加1。
1706,取消换道计数未超过设定阈值。
1707,确定换道计数超过设定阈值。
1708,生成换至目标车道的第二换道决策。
一些实施例中,生成换至目标车道的第二换道决策,可以包括步骤1501、步骤1502、步骤1503、步骤1505、步骤1508、步骤1509;在条件满足时,执行步骤1523。例如,如图18所示,生成换至目标车道的第二换道决策可包括以下步骤1801至1807:
1801,计算各车道代价。
1802,确定智能车处于中间车道。
1803,确定车道价值小于或等于设定阈值。
1804,确定相邻车道价值大于本车道N倍。
1805,选择车道价值最高的车道作为目标车道,换道计数器加1。
1806,换道计数超过设定阈值。
1807,生成换至目标车道的第二换道决策。
一些实施例中,生成换至目标车道的第二换道决策,可以包括步骤1501、步骤1504、步骤1505、步骤1506、步骤1507、步骤1509;在条件满足时,执行步骤1523。例如,如图19所示,生成换至目标车道的第二换道决可包括以下步骤1901至1907:
1901,计算各车道代价。
1902,确定智能车处于左/右车道。
1903,确定相邻车道价值小于或等于本车道N倍。
1904,取消换道计数器加1。
1905,取消换道计数未超过设定阈值。
1906,确定换道计数超过设定阈值。
1907,生成换至目标车道的第二换道决策。
一些实施例中,生成换至目标车道的第二换道决策,可以包括步骤1501、步骤1504、步骤1505、步骤1508、步骤1509构成的流程;在条件满足时,执行步骤1523。例如,如图20所示,生成换至目标车道的第二换道决策可包括以下步骤2001至2006:
2001,计算各车道代价。
2002,确定智能车处于左/右车道。
2003,确定相邻车道价值大于本车道N倍。
2004,选择车道价值最高的车道作为目标车道,换道计数器加1。
2005,换道计数超过设定阈值。
2006,生成换至目标车道的第二换道决策。
一些实施例中,生成取消换道的第二换道决策,可以包括步骤1501、步骤1502、步骤1503、步骤1505、步骤1506、步骤1507构成的流程,在条件满足时,执行步骤1522。例如,如图21所示,生成取消换道的第二换道决策可包括以下步骤2101至2107:
2101,计算各车道代价。
2102,确定智能车处于中间车道。
2103,确定车道价值小于或等于设定阈值。
2104,确定相邻车道价值小于或等于本车道N倍。
2105,取消换道计数器加1。
2106,取消换道计数超过设定阈值。
2107,生成取消换道的第二换道决策。
又例如,如图22所示,一些实施例中,生成取消换道的第二换道决策,可以包括步骤1501、步骤1504、步骤1505、步骤1506、步骤1507构成的流程,在条件满足时,执行步骤1522。例如,如图22所示,生成取消换道的第二换道决策可包括以下步骤2201至2206:
2201,计算各车道代价。
2202,确定智能车处于左/右车道。
2203,确定相邻车道价值大于本车道N倍。
2204,取消换道计数器加1。
2205,取消换道计数超过设定阈值。
2206,生成取消换道的第二换道决策。
基于图15至图22,生成第二换道决策可以有如下的逻辑:
可能的实现方式中,生成保持在中间车道行驶的第二换道决策,满足下述条件:
智能车处于中间车道;
车道价值大于设定阈值。
可能的实现方式中,生成换至目标车道的第二换道决策,满足下述任一条件:
智能车处于中间车道,车道价值小于或等于设定阈值,相邻车道价值大于当前车道的N倍,车道价值最高的车道的换道计数超过设定阈值;
智能车处于左/右车道,相邻车道的车道价值大于当前车道的N倍,车道价值最高的车道的换道计数超过设定阈值。
可能的实现方式中,生成取消换道的第二换道决策,满足下述任一条件:
智能车处于中间车道,车道价值小于或等于设定阈值,相邻车道价值小于或等于当前车道的N倍,取消换道计数超过设定阈值;
智能车处于左/右车道,相邻车道价值小于或等于当前车道的N倍,取消换道计数超过设定阈值。
可能的实现方式中,车道价值表征车道的可行驶性,可行驶性包括安全性和舒适性。
本申请实施例中的N倍或设定阈值,可以根据实际的需求进行变化。本领域技术人员应该理解,对于不同的车辆、不同的应用或不同的智能级别要求,第一换道决策和第二换道决策中所采用的参数可以进行调整。
本申请提供的智能车换道决策方法,基于环境信息和第一决策规则,生成第一换道决策,基于第一换道决策生成第二换道决策,不同换道决策之间耦合,不同换道决策之间的决策规则之间不存在关联,从而减少决策规则之间的强耦合,避免决策效率下降;同时,由不同的换道决策处理不同的换道需求,提高智能车换道的合理性。
在本申请所提供的实施例中,应该理解到,方法实施例的步骤之间除非存在明确的先后顺序,否则执行顺序可任意调整。
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。本申请中的“第一”或“第二”并不限制仅有两种,例如本申请中的第一换道决策和第二换道决策,也可以具有多种换道决策。在本申请中使用的术语″包括″和/或″包含″是指开放性的概念。比如环境信息包括轨迹信息和车道信息,仅仅表示环境信息中有轨迹信息和车道信息特征的存在,但并不排除其他特征在环境信息中存在或添加的可能性。
本申请还提供一种智能车换道决策装置,用于执行如上所述的方法,如图23所示,该装置包括:
采集模块2301,用于确定智能车当前行驶的环境信息,环境信息包括轨迹信息和车道信息;
第一决策模块2302,基于第一决策规则和环境信息,生成第一换道决策;
第二决策模块2303,基于第一换道决策和第二决策规则,生成第二换道决策。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请中,术语“智能车”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。“智能车”可以具有没有人(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。
本申请还提供一种非暂态计算机可读存储介质,非暂态计算机可读存储介质存储计算机指令,计算机指令使计算机执行如上各实施例所述的智能车换到决策方法。
本申请还提供一种智能车,包括如图23所示的智能车换道决策装置;或者,包括如上所述的非暂态计算机可读存储介质。
此外,尽管本申请中的系统和方法主要描述了关于智能车换道决策的方法和装置,但是应该理解,这仅是示例性实施例。本申请的方法和装置可以应用于任何其他类型的运输系统。例如,本申请的方法和装置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。运输系统的智能车可包括出租车,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,热气球等,或其任何组合。在一些实施例中,该方法和装置可以在例如物流仓储、救援、军事事务或农用作业等领域中找到应用。
应当理解的是,本申请中使用的术语,比如“模块”,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可以实现为软件和/或硬件模块。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。
本领域技术人员可以意识到,结合本文中所公开的实施例描述的各示例的模块及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本申请的范围之内并且形成不同的实施例。
虽然结合附图描述了本申请的实施方式,但是本领域技术人员可以在不脱离本申请的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (15)
1.一种智能车换道决策方法,其特征在于,包括:
确定智能车当前行驶的环境信息,所述环境信息包括轨迹信息和车道信息;
基于第一决策规则和所述环境信息,生成第一换道决策;所述第一换道决策包括自由换道;
若所述第一换道决策为自由换道,则基于第二决策规则生成第二换道决策;
若所述第一换道决策不为自由换道,则以所述第一换道决策作为所述第二换道决策。
2.如权利要求1所述的方法,其特征在于,所述轨迹信息包括轨迹截断信息,其中所述轨迹截断信息是基于所述智能车的多条参考轨迹和障碍物信息确定。
3.如权利要求2所述的方法,其特征在于,所述第一换道决策还包括强制换道、保持当前所述参考轨迹和保持当前车道。
4.如权利要求3所述的方法,其特征在于,生成保持当前参考轨迹的所述第一换道决策,满足下述条件:
所述轨迹截断信息包括未被障碍物截断的所述参考轨迹;
当前所述参考轨迹为中心轨迹;
所述智能车位于中间车道;
所述轨迹截断信息中所有所述参考轨迹未被截断;
所述智能车处于非换道状态。
5.如权利要求3所述的方法,其特征在于,生成保持当前车道的所述第一换道决策,满足以下任一条件:
所述轨迹截断信息包括未被障碍物截断的所述参考轨迹,所述智能车位于中间车道,中间车道满足通过条件且所述智能车处于非换道状态;
所述轨迹截断信息包括当前所述参考轨迹未被障碍物截断,所述智能车位于左/右车道,中间车道不满足通过条件且所述智能车处于非换道状态。
6.如权利要求3所述的方法,其特征在于,生成强制换道的所述第一换道决策,满足下述条件:
所述轨迹截断信息包括所有所述参考轨迹被截断;
当前车道的可行驶距离,小于相邻车道的可行驶距离N倍。
7.如权利要求3所述的方法,其特征在于,生成自由换道的所述第一换道决策,满足以下任一条件:
当前车道的可行驶距离,大于或等于相邻车道的可行驶距离N倍;
所述智能车处于中间车道,所有所述参考轨迹未被截断,且车辆处于换道状态;
所述智能车处于中间车道且不满足车道通过条件;
所述智能车处于中间车道且任一所述参考轨迹被障碍物截断;
所述智能车处于左/右车道且当前所述参考轨迹被障碍物截断;
所述智能车处于左/右车道,中间车道满足通过条件且不需要绕过障碍物。
8.如权利要求1所述的方法,其特征在于,所述第二换道决策包括保持在中间车道行驶、换至目标车道和取消换道。
9.如权利要求8所述的方法,其特征在于,生成保持在中间车道行驶的所述第二换道决策,满足下述条件:
所述智能车处于中间车道;
车道价值大于设定阈值。
10.如权利要求8所述的方法,其特征在于,生成换至目标车道的所述第二换道决策,满足下述任一条件:
所述智能车处于中间车道,车道价值小于或等于设定阈值,相邻车道价值大于当前车道的N倍,所述车道价值最高的车道的换道计数超过设定阈值;
所述智能车处于左/右车道,相邻车道的所述车道价值大于当前车道的N倍,所述车道价值最高的车道的换道计数超过设定阈值。
11.如权利要求8所述的方法,其特征在于,生成取消换道的所述第二换道决策,满足下述任一条件:
所述智能车处于中间车道,车道价值小于或等于设定阈值,相邻车道价值小于或等于当前车道的N倍,取消换道计数超过设定阈值;
所述智能车处于左/右车道,相邻车道价值小于或等于当前车道的N倍,取消换道计数超过设定阈值。
12.如权利要求10或11所述的方法,其特征在于,所述车道价值表征车道的可行驶性,可行驶性包括安全性和舒适性。
13.一种智能车换道决策装置,用于执行权利要求1至12任意一项所述方法,其特征在于,包括:
采集模块,用于确定智能车当前行驶的环境信息,所述环境信息包括轨迹信息和车道信息;
第一决策模块,基于第一决策规则和所述环境信息,生成第一换道决策;所述第一换道决策包括自由换道;
第二决策模块,用于若所述第一换道决策为自由换道,则基于第二决策规则生成第二换道决策;若所述第一换道决策不为自由换道,则以所述第一换道决策作为所述第二换道决策。
14.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使计算机执行如权利要求1至12所述方法。
15.一种智能车,其特征在于,包括如权利要求13所述的智能车换道决策装置;或者,包括如权利要求14所述的非暂态计算机可读存储介质。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910446724.1A CN110228473B (zh) | 2019-05-27 | 2019-05-27 | 一种智能车换道决策方法、装置、存储介质和智能车 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910446724.1A CN110228473B (zh) | 2019-05-27 | 2019-05-27 | 一种智能车换道决策方法、装置、存储介质和智能车 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110228473A CN110228473A (zh) | 2019-09-13 |
CN110228473B true CN110228473B (zh) | 2021-07-02 |
Family
ID=67858493
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910446724.1A Active CN110228473B (zh) | 2019-05-27 | 2019-05-27 | 一种智能车换道决策方法、装置、存储介质和智能车 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110228473B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111267857B (zh) * | 2020-02-19 | 2021-08-24 | 三一重工股份有限公司 | 一种自动驾驶车辆的变道轨迹生成方法及装置 |
CN111413973A (zh) * | 2020-03-26 | 2020-07-14 | 北京汽车集团有限公司 | 车辆的换道决策方法及装置、电子设备、存储介质 |
CN112396183A (zh) * | 2021-01-21 | 2021-02-23 | 国汽智控(北京)科技有限公司 | 自动驾驶决策的方法、装置、设备及计算机存储介质 |
CN113034971B (zh) * | 2021-02-28 | 2023-04-14 | 重庆长安汽车股份有限公司 | 一种车辆自动换道中的偏移控制方法、装置及汽车 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101633358A (zh) * | 2008-07-24 | 2010-01-27 | 通用汽车环球科技运作公司 | 具有集成驾驶风格识别的自适应车辆控制系统 |
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 |
CN107709122A (zh) * | 2015-07-15 | 2018-02-16 | 康蒂-特米克微电子有限公司 | 机动车辆的前瞻性控制系统 |
KR20180089717A (ko) * | 2017-02-01 | 2018-08-09 | 주식회사 만도 | 차량의 주행 지원 장치 및 이의 구동 방법 |
DE102017216505A1 (de) * | 2017-09-18 | 2019-03-21 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zur Optimierung der automatisierten Spurführung von Fahrzeugen |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105015545B (zh) * | 2015-07-03 | 2018-06-26 | 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方法 |
DE102015224008B3 (de) * | 2015-12-02 | 2017-06-01 | Volkswagen Aktiengesellschaft | Verfahren und Vorrichtung zum automatisierten Fahren eines Kraftfahrzeuges |
US10747234B1 (en) * | 2016-01-22 | 2020-08-18 | State Farm Mutual Automobile Insurance Company | Method and system for enhancing the functionality of a vehicle |
US9645577B1 (en) * | 2016-03-23 | 2017-05-09 | nuTonomy Inc. | Facilitating vehicle driving and self-driving |
CN106114507B (zh) * | 2016-06-21 | 2018-04-03 | 百度在线网络技术(北京)有限公司 | 用于智能车辆的局部轨迹规划方法和装置 |
KR102033884B1 (ko) * | 2016-12-30 | 2019-10-18 | 현대자동차주식회사 | 차선 변경 결정 지원 시스템을 구현하는 장치 및 방법 |
DE102016218121A1 (de) * | 2016-09-21 | 2018-03-22 | Bayerische Motoren Werke Aktiengesellschaft | Steuervorrichtung zur Planung einer zumindest teilautomatischen Längs- und/oder Querführung |
US10267911B2 (en) * | 2017-03-31 | 2019-04-23 | Ford Global Technologies, Llc | Steering wheel actuation |
JP2019003234A (ja) * | 2017-06-09 | 2019-01-10 | トヨタ自動車株式会社 | 運転支援装置 |
JP6666883B2 (ja) * | 2017-09-01 | 2020-03-18 | 株式会社Subaru | 走行支援装置 |
US10611371B2 (en) * | 2017-09-14 | 2020-04-07 | Toyota Motor Engineering & Manufacturing North America, Inc. | System and method for vehicle lane change prediction using structural recurrent neural networks |
CN108313054B (zh) * | 2018-01-05 | 2019-08-02 | 北京智行者科技有限公司 | 自动驾驶自主换道决策方法和装置及自动驾驶车辆 |
JP6613332B2 (ja) * | 2018-03-05 | 2019-11-27 | 株式会社Subaru | 車両用運転支援装置 |
CN109649393B (zh) * | 2018-11-30 | 2021-03-16 | 福瑞泰克智能系统有限公司 | 一种自动驾驶变换车道的路径规划方法及装置 |
CN109739246B (zh) * | 2019-02-19 | 2022-10-11 | 阿波罗智能技术(北京)有限公司 | 一种变换车道过程中的决策方法、装置、设备及存储介质 |
-
2019
- 2019-05-27 CN CN201910446724.1A patent/CN110228473B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101633358A (zh) * | 2008-07-24 | 2010-01-27 | 通用汽车环球科技运作公司 | 具有集成驾驶风格识别的自适应车辆控制系统 |
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 |
CN107709122A (zh) * | 2015-07-15 | 2018-02-16 | 康蒂-特米克微电子有限公司 | 机动车辆的前瞻性控制系统 |
KR20180089717A (ko) * | 2017-02-01 | 2018-08-09 | 주식회사 만도 | 차량의 주행 지원 장치 및 이의 구동 방법 |
DE102017216505A1 (de) * | 2017-09-18 | 2019-03-21 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zur Optimierung der automatisierten Spurführung von Fahrzeugen |
Also Published As
Publication number | Publication date |
---|---|
CN110228473A (zh) | 2019-09-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110228473B (zh) | 一种智能车换道决策方法、装置、存储介质和智能车 | |
CN108062094B (zh) | 基于处理器实现车辆行驶轨迹规划的自主系统和方法 | |
González et al. | Continuous curvature planning with obstacle avoidance capabilities in urban scenarios | |
US11414130B2 (en) | Methods and systems for lane changes using a multi-corridor representation of local route regions | |
US10074279B1 (en) | Inference-aware motion planning | |
KR102053552B1 (ko) | 운전 계획 장치, 주행 지원 장치, 운전 계획 방법 | |
EP3288005B1 (en) | Occlusion control device | |
IL288191B1 (en) | A navigation system with forced commitment constraints | |
US10274961B2 (en) | Path planning for autonomous driving | |
CN109987092A (zh) | 一种车辆避障换道时机的确定方法及避障换道的控制方法 | |
KR20190112866A (ko) | 씬 평가 장치, 주행 지원 장치, 씬 평가 방법 | |
US20210074162A1 (en) | Methods and systems for performing lane changes by an autonomous vehicle | |
Jo et al. | Overall reviews of autonomous vehicle a1-system architecture and algorithms | |
EP3626570B1 (en) | Driving assistance method and driving assistance apparatus | |
CN112445226A (zh) | 针对自主驾驶围绕停放车辆导航的机动计划的方法 | |
DE112022003223T5 (de) | Komplementäres steuersystem für ein autonomes fahrzeug | |
CN115257726B (zh) | 车辆控制的方法、装置、车辆和存储介质 | |
CN112829762A (zh) | 一种车辆行驶速度生成方法以及相关设备 | |
WO2023039707A1 (en) | Motion planning using spatio-temporal convex corridors | |
Kim et al. | Behavior and path planning algorithm of autonomous vehicle A1 in structured environments | |
McWilliams et al. | Evaluation of autonomy in recent ground vehicles using the autonomy levels for unmanned systems (ALFUS) framework | |
US20240092358A1 (en) | Systems and methods for scene understanding | |
CN114217601B (zh) | 自驾车的混合决策方法及其系统 | |
US20240101106A1 (en) | Systems and methods for scene understanding | |
US11827245B2 (en) | Systems and methods for estimating motion of an automated vehicle for cooperative driving |
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 |