CN110304066A - 自动驾驶模式下的路线选择方法、系统、设备及存储介质 - Google Patents
自动驾驶模式下的路线选择方法、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN110304066A CN110304066A CN201910660185.1A CN201910660185A CN110304066A CN 110304066 A CN110304066 A CN 110304066A CN 201910660185 A CN201910660185 A CN 201910660185A CN 110304066 A CN110304066 A CN 110304066A
- Authority
- CN
- China
- Prior art keywords
- section
- driver
- navigation routine
- driving mode
- automatic 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000012549 training Methods 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 claims description 4
- 239000000446 fuel Substances 0.000 claims description 4
- 239000000295 fuel oil Substances 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 2
- 230000003993 interaction Effects 0.000 abstract description 6
- 238000012545 processing Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000005291 magnetic effect Effects 0.000 description 2
- 235000008331 Pinus X rigitaeda Nutrition 0.000 description 1
- 235000011613 Pinus brutia Nutrition 0.000 description 1
- 241000018646 Pinus brutia Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 210000000352 storage cell Anatomy 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road 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
- 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
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
-
- 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
- B60W2530/00—Input parameters relating to vehicle conditions or values, not covered by groups B60W2510/00 or B60W2520/00
-
- 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
- B60W2552/00—Input parameters relating to infrastructure
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/80—Technologies aiming to reduce greenhouse gasses emissions common to all road transportation technologies
- Y02T10/84—Data processing systems or methods, management, administration
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Navigation (AREA)
Abstract
本发明提供了一种自动驾驶模式下的路线选择方法、系统、设备及存储介质，所述方法包括：获取当前的导航路线，确定当前位置到目的地的剩余行驶距离；预测车辆当前的续航里程；根据所述续航里程与所述剩余行驶距离的比较结果，确定是否对驾驶员进行路线选择提醒。通过采用本发明的方案，基于车辆续航能力和导航路线的实际比较确定是否对驾驶员进行路线选择提醒，在导航路线比较拥堵或者路线比较长而使得车辆续航能力可能无法满足驾驶时，对驾驶员进行更换导航路线的提醒，从而实现智能人机交互。
Description
技术领域
本发明涉及汽车控制技术领域，尤其涉及一种自动驾驶模式下的路线选择方法、系统、设备及存储介质。
背景技术
自动驾驶车辆可以实现点到点的自动驾驶，到驾驶者上车选择好行驶路线后，自动驾驶车辆按照既定的路线行驶，在公开的专利申请CN107745711A中，提出一种到交叉路口就进行提醒的控制方法，该方法可以在自动驾驶模式下给与驾驶者以控制权，但是该方法在所有的交叉路口对驾驶者进行提醒，甚至在交叉路口会关闭自动驾驶系统，驾驶员不得不在每个交叉路口都重新掌握控制权，重新根据当前的驾驶状态和路线情况进行选择，加大了驾驶员的工作量，会大大降低驾驶员的自动驾驶体验，而没有很好地起到自动驾驶辅助的效果。
发明内容
针对现有技术中的问题，本发明的目的在于提供一种自动驾驶模式下的路线选择方法、系统、设备及存储介质，基于车辆续航能力和导航路线的实际比较确定是否对驾驶员进行路线选择提醒，实现智能人机交互。
本发明实施例提供一种自动驾驶模式下的路线选择方法，基于电动助力制动系统和电子驻车制动系统实现电动汽车的停车控制，所述方法包括如下步骤：
获取当前的导航路线，确定当前位置到目的地的剩余行驶距离；
预测车辆当前的续航里程；
根据所述续航里程与所述剩余行驶距离的比较结果，确定是否对驾驶员进行路线选择提醒。
可选地，所述预测车辆当前的续航里程，包括如下步骤：
获取车辆前方各个交叉路口的车辆平均速度，将各个交叉路口的车辆平均速度作为该交叉路口对应的路段的车辆平均速度；
根据各个路段的车辆平均速度预测车辆的续航里程。
可选地，基于V2X技术获取车辆前方各个交叉路口的车辆平均速度。
可选地，采用如下公式，预测车辆的续航里程：
其中，L为续航里程，B为车辆当前的剩余电量或剩余油量，Ci为导航路线的第i个路段中的车辆平均速度下的百公里耗电量或百公里耗油量，i∈(1，m)，m为当前的导航路线中的路段数量。
可选地，所述根据所述续航里程与所述剩余行驶距离的比较结果，确定是否对驾驶员进行路线选择提醒，包括如下步骤：
判断所述续航里程是否小于所述剩余行驶距离；
如果是，则在车辆行驶至前方交叉路口时，提醒驾驶员续航里程不足。
可选地，所述提醒驾驶员续航里程不足之后，还包括如下步骤：
判断是否接收到驾驶员更换导航路线的指令；
如果是，则根据驾驶员的指令替换当前的导航路线；
否则，选择一备选导航路线，替换当前的导航路线。
可选地，所述判断所述续航里程是否小于所述剩余行驶距离之后，还包括如下步骤：
如果所述续航里程大于等于所述剩余行驶距离，则计算车辆沿当前导航路线行驶至目的地的剩余行驶时间，并计算车辆沿各个备选导航路线行驶至目的地的剩余行驶时间；
比较各个备选导航路线的剩余行驶时间和当前导航路线的剩余行驶时间；
如果存在一备选导航路线，当前导航路线的剩余行驶时间与该备选导航路线的剩余行驶时间的差值大于预设时间阈值，则在车辆行驶至前方交叉路口时，提醒驾驶员是否需要更换导航路线。
可选地，采用如下公式计算车辆沿一导航路线行驶至目的地的剩余行驶时间：
其中，T为剩余行驶时间，L为续航里程，vi为该导航路线中第i个路段的车辆平均速度，i∈(1，m)，m为该导航路线中的路段数量。
可选地，所述提醒驾驶员是否需要更换导航路线之后，还包括如下步骤：
判断是否接收到驾驶员更换导航路线的指令；
如果是，则根据驾驶员的指令替换当前的导航路线；
否则，不更换当前的导航路线。
可选地，所述方法还包括如下步骤：
记录一次自动驾驶行程中驾驶员对各个路段的选择，将驾驶员选择的路段数据和驾驶员未选择的路段数据作为驾驶员的历史驾驶数据；
提取所述历史驾驶数据中的路段特征数据，加入训练集，将驾驶员选择的路段的路段特征数据标记为选择，未选择的路段的路段特征数据标记为未选择，采用所述训练集训练得到路段选择模型，所述路段选择模型的输入为路段特征数据，所述路线选择模型的输出为驾驶员选择该路段的概率。
可选地，所述方法还包括如下步骤：
获取驾驶员设定的导航起始地和导航目的地；
获取可选的导航路线以及各个导航路线中各个路段的路段特征数据；
将所述各个路段的路段特征数据输入所述路段选择模型，得到各个路段被选择的概率；
将一导航路线中各个路段的被选择的概率相加得到该导航路线被选择的概率；
选择概率最高的导航路线作为推荐导航路线或默认导航路线。
可选地，所述路段特征数据包括路段的长度、路段的车辆平均速度、路面特征数据、路段车道数量、路段限速、路段监控数量和路段图像数据中的至少一种。
本发明实施例还提供一种自动驾驶模式下的路线选择系统，应用于所述的自动驾驶模式下的路线选择方法，所述系统包括：
剩余距离计算模块，用于获取当前的导航路线，确定当前位置到目的地的剩余行驶距离；
续航里程预测模块，用于预测车辆当前的续航里程；
续航能力判断模块，用于比较所述续航里程与所述剩余行驶距离，并根据比较结果，确定是否对驾驶员进行路线选择提醒。
本发明实施例还提供一种自动驾驶模式下的路线选择设备，包括：
处理器；
存储器，其中存储有所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行所述的自动驾驶模式下的路线选择方法的步骤。
本发明实施例还提供一种计算机可读存储介质，用于存储程序，所述程序被执行时实现所述的自动驾驶模式下的路线选择方法的步骤。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
本发明所提供的自动驾驶模式下的路线选择方法、系统、设备及存储介质具有下列优点：
本发明解决了现有技术中的问题，基于车辆续航能力和导航路线的实际比较确定是否对驾驶员进行路线选择提醒，在导航路线比较拥堵或者路线比较长而使得车辆续航能力可能无法满足驾驶时，对驾驶员进行更换导航路线的提醒，从而实现智能人机交互，避免在任意交叉路口均给驾驶员以控制权，能够更好地体现自动驾驶的优势，减轻驾驶员在行车过程中的负担，提升驾驶员的驾驶体验。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显。
图1是本发明一实施例的自动驾驶模式下的路线选择方法的流程图；
图2是本发明一具体实例的自动驾驶模式下的路线选择方法的流程图；
图3是本发明一实施例的自动驾驶模式下自动推荐路线的流程图；
图4是本发明一实施例的自动驾驶模式下的路线选择系统的结构示意图；
图5是本发明一实施例的自动驾驶模式下的路线选择设备的示意图；
图6是本发明一实施例的计算机可读存储介质的示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
如图1所示，本发明实施例提供一种自动驾驶模式下的路线选择方法，基于电动助力制动系统和电子驻车制动系统实现电动汽车的停车控制，所述方法包括如下步骤：
S100：获取当前的导航路线，确定当前位置到目的地的剩余行驶距离，即从当前位置沿当前的导航路线行驶到目的地的行驶距离；
S200：预测车辆当前的续航里程；
S300：根据所述续航里程与所述剩余行驶距离的比较结果，确定是否对驾驶员进行路线选择提醒。
因此，本发明的自动驾驶模式下的路线选择方法基于车辆续航能力和导航路线的实际比较确定是否对驾驶员进行路线选择提醒，在导航路线比较拥堵或者路线比较长而使得车辆续航能力可能无法满足驾驶时，对驾驶员进行更换导航路线的提醒，从而实现智能人机交互，避免在任意交叉路口均给驾驶员以控制权而给驾驶员造成困扰。
在该实施例中，所述预测车辆当前的续航里程，包括如下步骤：
获取车辆前方各个交叉路口的车辆平均速度，将各个交叉路口的车辆平均速度作为该交叉路口对应的路段的车辆平均速度，此处，各个交叉路口对应的路段指的是在该交叉路口前方的路段；
根据各个路段的车辆平均速度预测车辆的续航里程。
在该实施例中，基于V2X技术获取车辆前方各个交叉路口的车辆平均速度。V2X是指vehicle to everything，即车对外界的信息交换。对于自动驾驶的车辆来说，通过V2X技术可以获取到实时交通信息，并且通过采用本发明的方法，可以结合V2X技术获取到的交通信息进行路线决策。此处，各个交叉路口的车辆平均速度可以是各个交叉路口的车流平均通过速度。
在该实施例中，采用如下公式，预测车辆的续航里程：
其中，L为续航里程，B为车辆当前的剩余电量或剩余油量，Ci为导航路线的第i个路段中的车辆平均速度下的百公里耗电量或百公里耗油量，i∈(1，m)，m为当前的导航路线中的路段数量。即对于电动汽车来说，B为车辆当前的剩余电量，Ci为导航路线的第i个路段中的车辆平均速度下的百公里耗电量，对于非电动汽车来说，B为车辆当前的剩余油量，Ci为导航路线的第i个路段中的车辆平均速度下的百公里耗油量。
在该实施例中，所述根据所述续航里程与所述剩余行驶距离的比较结果，确定是否对驾驶员进行路线选择提醒，包括如下步骤：
判断所述续航里程是否小于所述剩余行驶距离；
如果是，则在车辆行驶至前方交叉路口时，提醒驾驶员续航里程不足，并询问驾驶员是否更换路线。
在该实施例中，所述提醒驾驶员续航里程不足之后，还包括如下步骤：
判断是否接收到驾驶员更换导航路线的指令；
如果是，则根据驾驶员的指令替换当前的导航路线；
否则，选择一备选导航路线，替换当前的导航路线。此处备选导航路线指的是从当前位置到目的地的其他可选的导航路线。并且此处选择用来替换当前导航路线的备选导航路线需要满足剩余行驶距离小于预测的续航里程的条件。
如图2所示，为本发明一具体实例的自动驾驶模式下的路线选择方法的流程图。在该实施例中，在判断续航里程能够满足当前导航路线的情况下，还进一步增加了路线时间的判断。具体地，在该实施例中，所述判断所述续航里程是否小于所述剩余行驶距离之后，还包括如下步骤：
如果所述续航里程大于等于所述剩余行驶距离，则计算车辆沿当前导航路线行驶至目的地的剩余行驶时间，并计算车辆沿各个备选导航路线行驶至目的地的剩余行驶时间；
比较各个备选导航路线的剩余行驶时间和当前导航路线的剩余行驶时间；
如果存在一备选导航路线，当前导航路线的剩余行驶时间与该备选导航路线的剩余行驶时间的差值大于预设时间阈值，即该备选导航路线的剩余行驶时间相比于当前导航路线能够节省很多，则在车辆行驶至前方交叉路口时，提醒驾驶员是否需要更换导航路线。此处预设时间阈值可以根据需要设定，例如设定为30分钟、40分钟等等，从而可以辅助驾驶员选择更加方便快捷的导航路线。
在该实施例中，采用如下公式计算车辆沿一导航路线行驶至目的地的剩余行驶时间：
其中，T为剩余行驶时间，L为续航里程，vi为该导航路线中第i个路段的车辆平均速度，i∈(1，m)，m为该导航路线中的路段数量。
在该实施例中，所述提醒驾驶员是否需要更换导航路线之后，还包括如下步骤：
判断是否接收到驾驶员更换导航路线的指令；
如果是，则根据驾驶员的指令替换当前的导航路线；
否则，不更换当前的导航路线。
在该实施例中，所述自动驾驶模式下的路线选择方法中，还可以根据高清地图提供的高精定位和车道信息，记录每次驾驶员行驶到对应交叉路口所选择的路段信息，每次自动驾驶行程结束后，存储完整的道路路线数据。进一步地，所述自动驾驶模式下的路线选择方法中，还可以将记录的驾驶员的历史数据经过深度学习提炼出驾驶员的爱好，将点到点路段最多的路段组合成新的道路路线，在驾驶员再次设定好目的地之后作为推荐路线给驾驶员或作为自动驾驶车辆行驶的默认导航路线。
具体地，所述自动驾驶模式下的路线选择方法还包括如下步骤：
记录一次自动驾驶行程中驾驶员对各个路段的选择，将驾驶员选择的路段数据和驾驶员未选择的路段数据作为驾驶员的历史驾驶数据；
提取所述历史驾驶数据中的路段特征数据，加入训练集，将驾驶员选择的路段的路段特征数据标记为选择，未选择的路段的路段特征数据标记为未选择，采用所述训练集训练得到路段选择模型，所述路段选择模型的输入为路段特征数据，所述路线选择模型的输出为驾驶员选择该路段的概率。该路段选择模型可以采用深度学习模型，例如卷积神经网络等等，用以形成一个反应驾驶员驾驶偏好的历史数据模型。
如图3所示，在该实施例中，所述自动驾驶模式下的路线选择方法还包括如下步骤：
获取驾驶员设定的导航起始地和导航目的地；
获取可选的导航路线以及各个导航路线中各个路段的路段特征数据；
将所述各个路段的路段特征数据输入所述路段选择模型，得到各个路段被选择的概率；
将一导航路线中各个路段的被选择的概率相加得到该导航路线被选择的概率；
选择概率最高的导航路线作为推荐导航路线或默认导航路线。
在该实施例中，所述路段特征数据包括路段的长度、路段的车辆平均速度、路面特征数据、路段车道数量、路段限速、路段监控数量和路段图像数据中的至少一种。因此，建立的路段选择模型可以反映驾驶员的驾驶偏好。该实施例的路线选择方法可以为驾驶员提供更符合自己偏好的驾驶路线。
如图4所示，本发明实施例还提供一种自动驾驶模式下的路线选择系统，应用于所述的自动驾驶模式下的路线选择方法，所述系统包括：
剩余距离计算模块M100，用于获取当前的导航路线，确定当前位置到目的地的剩余行驶距离；
续航里程预测模块M200，用于预测车辆当前的续航里程；
续航能力判断模块M300，用于比较所述续航里程与所述剩余行驶距离，并根据比较结果，确定是否对驾驶员进行路线选择提醒。
因此，本发明的自动驾驶模式下的路线选择系统基于车辆续航能力和导航路线的实际比较确定是否对驾驶员进行路线选择提醒，在导航路线比较拥堵或者路线比较长而使得车辆续航能力可能无法满足驾驶时，对驾驶员进行更换导航路线的提醒，从而实现智能人机交互，避免在任意交叉路口均给驾驶员以控制权而给驾驶员造成困扰。
本发明实施例还提供一种自动驾驶模式下的路线选择设备，包括处理器；存储器，其中存储有所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行所述的自动驾驶模式下的路线选择方法的步骤。
本发明的自动驾驶模式下的路线选择设备通过方向盘的驾驶切换按键实现自动驾驶和手动驾驶的切换，在车辆处于手动驾驶状态，且驾驶员通过驾驶切换按键发送切换信号时，如果需要从手动驾驶状态切换至自动驾驶状态，在状态切换完成前，驾驶员无需松开方向盘，在状态切换过程中，仍然可以掌握控制权，从而消除在切换过程中的安全隐患。
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“平台”。
下面参照图5来描述根据本发明的这种实施方式的电子设备600。图5显示的电子设备600仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示，电子设备600以通用计算设备的形式表现。电子设备600的组合可以包括但不限于：至少一个处理单元610、至少一个存储单元620、连接不同平台组合(包括存储单元620和处理单元610)的总线630、显示单元640等。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元610执行，使得所述处理单元610执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元610可以执行如图1中所示的步骤。
所述存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元(ROM)6203。
所述存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204，这样的程序模块6205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且，电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储平台等。
本发明实施例还提供一种计算机可读存储介质，用于存储程序，所述程序被执行时实现所述的自动驾驶模式下的路线选择方法的步骤。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。
参考图6所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品800，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
综上所述，与现有技术相比，本发明所提供的自动驾驶模式下的路线选择方法、系统、设备及存储介质具有下列优点：
本发明解决了现有技术中的问题，基于车辆续航能力和导航路线的实际比较确定是否对驾驶员进行路线选择提醒，在导航路线比较拥堵或者路线比较长而使得车辆续航能力可能无法满足驾驶时，对驾驶员进行更换导航路线的提醒，从而实现智能人机交互，避免在任意交叉路口均给驾驶员以控制权，能够更好地体现自动驾驶的优势，减轻驾驶员在行车过程中的负担，提升驾驶员的驾驶体验。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。
Claims (15)
1.一种自动驾驶模式下的路线选择方法，其特征在于，包括如下步骤：
获取当前的导航路线，确定当前位置到目的地的剩余行驶距离；
预测车辆当前的续航里程；
根据所述续航里程与所述剩余行驶距离的比较结果，确定是否对驾驶员进行路线选择提醒。
2.根据权利要求1所述的自动驾驶模式下的路线选择方法，其特征在于，所述预测车辆当前的续航里程，包括如下步骤：
获取车辆前方各个交叉路口的车辆平均速度，将各个交叉路口的车辆平均速度作为该交叉路口对应的路段的车辆平均速度；
根据各个路段的车辆平均速度预测车辆的续航里程。
3.根据权利要求2所述的自动驾驶模式下的路线选择方法，其特征在于，基于V2X技术获取车辆前方各个交叉路口的车辆平均速度。
4.根据权利要求2所述的自动驾驶模式下的路线选择方法，其特征在于，采用如下公式，预测车辆的续航里程：
其中，L为续航里程，B为车辆当前的剩余电量或剩余油量，Ci为导航路线的第i个路段中的车辆平均速度下的百公里耗电量或百公里耗油量，i∈(1，m)，m为当前的导航路线中的路段数量。
5.根据权利要求1所述的自动驾驶模式下的路线选择方法，其特征在于，所述根据所述续航里程与所述剩余行驶距离的比较结果，确定是否对驾驶员进行路线选择提醒，包括如下步骤：
判断所述续航里程是否小于所述剩余行驶距离；
如果是，则在车辆行驶至前方交叉路口时，提醒驾驶员续航里程不足。
6.根据权利要求5所述的自动驾驶模式下的路线选择方法，其特征在于，所述提醒驾驶员续航里程不足之后，还包括如下步骤：
判断是否接收到驾驶员更换导航路线的指令；
如果是，则根据驾驶员的指令替换当前的导航路线；
否则，选择一备选导航路线，替换当前的导航路线。
7.根据权利要求6所述的自动驾驶模式下的路线选择方法，其特征在于，所述判断所述续航里程是否小于所述剩余行驶距离之后，还包括如下步骤：
如果所述续航里程大于等于所述剩余行驶距离，则计算车辆沿当前导航路线行驶至目的地的剩余行驶时间，并计算车辆沿各个备选导航路线行驶至目的地的剩余行驶时间；
比较各个备选导航路线的剩余行驶时间和当前导航路线的剩余行驶时间；
如果存在一备选导航路线，当前导航路线的剩余行驶时间与该备选导航路线的剩余行驶时间的差值大于预设时间阈值，则在车辆行驶至前方交叉路口时，提醒驾驶员是否需要更换导航路线。
8.根据权利要求7所述的自动驾驶模式下的路线选择方法，其特征在于，采用如下公式计算车辆沿一导航路线行驶至目的地的剩余行驶时间：
其中，T为剩余行驶时间，L为续航里程，vi为该导航路线中第i个路段的车辆平均速度，i∈(1，m)，m为该导航路线中的路段数量。
9.根据权利要求7所述的自动驾驶模式下的路线选择方法，其特征在于，所述提醒驾驶员是否需要更换导航路线之后，还包括如下步骤：
判断是否接收到驾驶员更换导航路线的指令；
如果是，则根据驾驶员的指令替换当前的导航路线；
否则，不更换当前的导航路线。
10.根据权利要求9所述的自动驾驶模式下的路线选择方法，其特征在于，所述方法还包括如下步骤：
记录一次自动驾驶行程中驾驶员对各个路段的选择，将驾驶员选择的路段数据和驾驶员未选择的路段数据作为驾驶员的历史驾驶数据；
提取所述历史驾驶数据中的路段特征数据，加入训练集，将驾驶员选择的路段的路段特征数据标记为选择，未选择的路段的路段特征数据标记为未选择，采用所述训练集训练得到路段选择模型，所述路段选择模型的输入为路段特征数据，所述路线选择模型的输出为驾驶员选择该路段的概率。
11.根据权利要求10所述的自动驾驶模式下的路线选择方法，其特征在于，所述方法还包括如下步骤：
获取驾驶员设定的导航起始地和导航目的地；
获取可选的导航路线以及各个导航路线中各个路段的路段特征数据；
将所述各个路段的路段特征数据输入所述路段选择模型，得到各个路段被选择的概率；
将一导航路线中各个路段的被选择的概率相加得到该导航路线被选择的概率；
选择概率最高的导航路线作为推荐导航路线或默认导航路线。
12.根据权利要求11所述的自动驾驶模式下的路线选择方法，其特征在于，所述路段特征数据包括路段的长度、路段的车辆平均速度、路面特征数据、路段车道数量、路段限速、路段监控数量和路段图像数据中的至少一种。
13.一种自动驾驶模式下的路线选择系统，其特征在于，应用于权利要求1至12中任一项所述的自动驾驶模式下的路线选择方法，所述系统包括：
剩余距离计算模块，用于获取当前的导航路线，确定当前位置到目的地的剩余行驶距离；
续航里程预测模块，用于预测车辆当前的续航里程；
续航能力判断模块，用于比较所述续航里程与所述剩余行驶距离，并根据比较结果，确定是否对驾驶员进行路线选择提醒。
14.一种自动驾驶模式下的路线选择设备，其特征在于，包括：
处理器；
存储器，其中存储有所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1至12中任一项所述的自动驾驶模式下的路线选择方法的步骤。
15.一种计算机可读存储介质，用于存储程序，其特征在于，所述程序被执行时实现权利要求1至12中任一项所述的自动驾驶模式下的路线选择方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910660185.1A CN110304066B (zh) | 2019-07-22 | 2019-07-22 | 自动驾驶模式下的路线选择方法、系统、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910660185.1A CN110304066B (zh) | 2019-07-22 | 2019-07-22 | 自动驾驶模式下的路线选择方法、系统、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110304066A true CN110304066A (zh) | 2019-10-08 |
| CN110304066B CN110304066B (zh) | 2021-07-20 |
Family
ID=68081058
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910660185.1A Active CN110304066B (zh) | 2019-07-22 | 2019-07-22 | 自动驾驶模式下的路线选择方法、系统、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110304066B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111002978A (zh) * | 2019-12-03 | 2020-04-14 | 湖北文理学院 | 一种车库自动泊车方法及终端、存储介质 |
| CN111613076A (zh) * | 2020-04-09 | 2020-09-01 | 吉利汽车研究院（宁波）有限公司 | 辅助驾驶方法、系统、服务器及存储介质 |
| CN112053553A (zh) * | 2019-12-30 | 2020-12-08 | 李明霞 | 用户路线可行性分析系统及方法 |
| CN111267836B (zh) * | 2020-01-19 | 2021-11-26 | 北京四维智联科技有限公司 | 一种弯道驾驶方法、装置、电子设备及存储介质 |
| CN114467009A (zh) * | 2019-10-09 | 2022-05-10 | 宝马股份公司 | 用于为行驶而准备机动车的方法 |
| CN116136409A (zh) * | 2023-04-18 | 2023-05-19 | 安徽蔚来智驾科技有限公司 | 驾驶控制方法、系统、控制装置及计算机可读存储介质 |
| WO2024082084A1 (zh) * | 2022-10-17 | 2024-04-25 | 华为技术有限公司 | 一种显示续航信息的方法以及相关设备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090009305A1 (en) * | 2005-05-27 | 2009-01-08 | Toyota Jidosha Kabushiki Kaisha | Vehicle Derailing Prevention Device |
| JP2009029279A (ja) * | 2007-07-27 | 2009-02-12 | Toyota Motor Corp | 自動車およびその走行状態判定方法 |
| CN104316068A (zh) * | 2014-11-14 | 2015-01-28 | 国家电网公司 | 基于电动汽车的导航的方法、装置及系统 |
| CN106394278A (zh) * | 2016-08-26 | 2017-02-15 | 北京长城华冠汽车科技股份有限公司 | 基于模糊控制的汽车续航里程计算方法 |
| CN108731694A (zh) * | 2017-04-20 | 2018-11-02 | 董思言 | 一种中途建议改道的导航方法 |
| CN109739216A (zh) * | 2019-01-25 | 2019-05-10 | 深圳普思英察科技有限公司 | 自动驾驶系统实际路测的测试方法及系统 |
-
2019
- 2019-07-22 CN CN201910660185.1A patent/CN110304066B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090009305A1 (en) * | 2005-05-27 | 2009-01-08 | Toyota Jidosha Kabushiki Kaisha | Vehicle Derailing Prevention Device |
| JP2009029279A (ja) * | 2007-07-27 | 2009-02-12 | Toyota Motor Corp | 自動車およびその走行状態判定方法 |
| CN104316068A (zh) * | 2014-11-14 | 2015-01-28 | 国家电网公司 | 基于电动汽车的导航的方法、装置及系统 |
| CN106394278A (zh) * | 2016-08-26 | 2017-02-15 | 北京长城华冠汽车科技股份有限公司 | 基于模糊控制的汽车续航里程计算方法 |
| CN108731694A (zh) * | 2017-04-20 | 2018-11-02 | 董思言 | 一种中途建议改道的导航方法 |
| CN109739216A (zh) * | 2019-01-25 | 2019-05-10 | 深圳普思英察科技有限公司 | 自动驾驶系统实际路测的测试方法及系统 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114467009A (zh) * | 2019-10-09 | 2022-05-10 | 宝马股份公司 | 用于为行驶而准备机动车的方法 |
| CN111002978A (zh) * | 2019-12-03 | 2020-04-14 | 湖北文理学院 | 一种车库自动泊车方法及终端、存储介质 |
| CN111002978B (zh) * | 2019-12-03 | 2021-11-23 | 湖北文理学院 | 一种车库自动泊车方法及终端、存储介质 |
| CN112053553A (zh) * | 2019-12-30 | 2020-12-08 | 李明霞 | 用户路线可行性分析系统及方法 |
| CN111267836B (zh) * | 2020-01-19 | 2021-11-26 | 北京四维智联科技有限公司 | 一种弯道驾驶方法、装置、电子设备及存储介质 |
| CN111613076A (zh) * | 2020-04-09 | 2020-09-01 | 吉利汽车研究院（宁波）有限公司 | 辅助驾驶方法、系统、服务器及存储介质 |
| WO2024082084A1 (zh) * | 2022-10-17 | 2024-04-25 | 华为技术有限公司 | 一种显示续航信息的方法以及相关设备 |
| CN116136409A (zh) * | 2023-04-18 | 2023-05-19 | 安徽蔚来智驾科技有限公司 | 驾驶控制方法、系统、控制装置及计算机可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110304066B (zh) | 2021-07-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110304066A (zh) | 自动驾驶模式下的路线选择方法、系统、设备及存储介质 | |
| US10262471B2 (en) | Autonomous vehicle degradation level monitoring | |
| US10379533B2 (en) | System and method for autonomous vehicle fleet routing | |
| US10884902B2 (en) | Software version verification for autonomous vehicles | |
| US11282009B2 (en) | Fleet utilization efficiency for on-demand transportation services | |
| US11288612B2 (en) | Generalized risk routing for human drivers | |
| EP3631366B1 (en) | Path segment risk regression system for on-demand transportation services | |
| US20210139048A1 (en) | Tree policy planning for autonomous vehicle driving solutions | |
| KR101769723B1 (ko) | 이동 지원 장치, 이동 지원 방법, 및 구동 지원 시스템 | |
| CN103158714A (zh) | 辅助驾驶者以高环境效率方式驾驶电动车的系统和方法 | |
| CN110779530B (zh) | 车辆路径生成方法、装置和存储介质 | |
| US11577723B2 (en) | Object trajectory association and tracking | |
| CN109920263A (zh) | 分叉路口提醒方法、系统、设备及存储介质 | |
| US11945433B1 (en) | Risk mitigation in speed planning | |
| CN116259185B (zh) | 停车场场景下融合预测算法的车辆行为决策方法及装置 | |
| CN114993335A (zh) | 一种自动驾驶路径规划方法、装置、电子设备及存储介质 | |
| CN110009119A (zh) | 出行运力接续方法、计算机可读存储介质和电子设备 | |
| CN104021664A (zh) | 汽车协同编队行驶的动态路径规划方法 | |
| JP2024514078A (ja) | マップを改良するために新しい道路を探索するためのルートプランナ及び意思決定 | |
| US11608081B2 (en) | Autonomous vehicle low battery management | |
| JP2024511928A (ja) | 車線レベルルートプランナにおける学習 | |
| CN114103713A (zh) | 用于预测针对车辆的充电站的可用性的方法和驾驶员辅助系统 | |
| CN113968242B (zh) | 自动驾驶场景生成方法、装置及系统 | |
| US20230368673A1 (en) | Autonomous fleet recovery scenario severity determination and methodology for determining prioritization | |
| WO2016114191A1 (ja) | 乗客ドッキング位置を使用した自律走行車両のルーティング及びナビゲーション |
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 | ||
| PP01 | Preservation of patent right |
Effective date of registration: 20230131 Granted publication date: 20210720 |
|
| PP01 | Preservation of patent right | ||
| PD01 | Discharge of preservation of patent |
Date of cancellation: 20240108 Granted publication date: 20210720 |
|
| PD01 | Discharge of preservation of patent | ||
| PP01 | Preservation of patent right |
Effective date of registration: 20240227 Granted publication date: 20210720 |
|
| PP01 | Preservation of patent right |