CN111038497A - 自动驾驶控制方法、装置、车载终端及可读存储介质 - Google Patents
自动驾驶控制方法、装置、车载终端及可读存储介质 Download PDFInfo
- Publication number
- CN111038497A CN111038497A CN201911356783.6A CN201911356783A CN111038497A CN 111038497 A CN111038497 A CN 111038497A CN 201911356783 A CN201911356783 A CN 201911356783A CN 111038497 A CN111038497 A CN 111038497A
- Authority
- CN
- China
- Prior art keywords
- target
- vehicles
- gap
- vehicle
- target vehicle
- 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 70
- 230000006399 behavior Effects 0.000 claims abstract description 247
- 230000002452 interceptive effect Effects 0.000 claims abstract description 18
- 230000015654 memory Effects 0.000 claims description 15
- 230000008676 import Effects 0.000 claims description 9
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 230000004941 influx Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 abstract description 19
- 230000003993 interaction Effects 0.000 description 12
- 230000002093 peripheral effect Effects 0.000 description 10
- 238000012545 processing Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000009471 action Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 239000010410 layer Substances 0.000 description 4
- 239000003795 chemical substances by application Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000000919 ceramic Substances 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 239000000126 substance Substances 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
-
- 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
-
- 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
-
- 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
- B60W40/10—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 vehicle motion
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供了一种自动驾驶控制方法、装置、车载终端及可读存储介质，属于自动驾驶技术领域。本公开根据获取到的目标范围内的多台第一车辆的行驶行为信息，确定各个间隙的汇入成功率，进而确定第一目标间隙，根据其对应的两台第一车辆的驾驶行为信息的概率，确定目标车辆下一时刻的目标驾驶控制行为，并控制目标车辆汇入第一目标间隙，在确定两台第一车辆的驾驶行为信息对应的概率时，考虑两台第一车辆与目标车辆的交互行为信息，可以增加该方法能处理的场景的复杂度，进而可以提高目标车辆在拥挤车流下的汇入成功率，确定第一目标间隙对应的两台第一车辆的驾驶行为信息对应的概率，可以在决策过程中考虑到车辆的各种可能行为，提高决策准确性。
Description
技术领域
本公开涉及自动驾驶技术领域，特别涉及一种自动驾驶控制方法、装置、车载终端及可读存储介质。
背景技术
随着科技的不断发展，自动驾驶汽车的数量逐渐增加，成为日常出行的重要方式之一。自动驾驶车辆如果想要在拥挤车流下汇入其他车道，不得不与道路上的其他车辆进行实时的交互，在交互中不断调整策略并最终汇入目标车道。
目前自动驾驶车辆在拥挤车流下汇入车道时，可以对自动驾驶车辆和其他车辆的行为进行建模，对所有存在的间隙基于博弈树进行搜索，根据搜索结果来对汇入的间隙和下一步的具体行为进行选择，控制自动驾驶车辆在拥挤车流下汇入车道。
目前已有的在拥挤车流下汇入车道的方法，主要是通过简化其他车辆的行为模型，或者仅对车辆的意图进行建模，而不考虑车辆之间的交互行为，以降低计算复杂度，这种方法限制了其所能处理场景的复杂度，导致自动驾驶车辆在拥挤车流这种复杂环境下的汇入成功率较低，而且在决策过程中没有考虑到其他车辆的随机性，决策准确性较低。
发明内容
本公开实施例提供了一种自动驾驶控制方法、装置、车载终端及可读存储介质，可以解决相关技术中所能处理场景的复杂度有限、决策准确性低、拥挤车流下汇入成功率低的问题。该技术方案如下：
一方面，提供了一种自动驾驶控制方法，该方法包括：
在目标车辆处于自动驾驶状态下汇入目标车道时，获取目标范围内的多台第一车辆的行驶行为信息；
根据该多台第一车辆的行驶行为信息，确定该目标范围内任意两台相邻第一车辆的间隙的汇入成功率，根据该汇入成功率，确定第一目标间隙；
根据确定该第一目标间隙的两台第一车辆的行驶行为信息，结合该两台第一车辆与该目标车辆的交互行为信息，确定该两台第一车辆的驾驶行为信息对应的概率；
根据该两台第一车辆的驾驶行为信息对应的概率，确定该目标车辆在下一时刻的目标驾驶控制行为；
根据该目标车辆在下一时刻的目标驾驶控制行为，控制该目标车辆汇入该第一目标间隙。
在一种可能的实现方式中，该根据该多台第一车辆的行驶行为信息，确定该目标范围内任意两台相邻第一车辆的间隙的汇入成功率包括：
根据该多台第一车辆避让该目标车辆的概率、该任意两台相邻第一车辆的间隙大小以及该任意两台相邻第一车辆的间隙与该目标车辆的距离，确定该目标范围内任意两台相邻第一车辆的间隙的汇入成功率。
在一种可能的实现方式中，该根据该汇入成功率，确定第一目标间隙包括：
按照该目标范围内任意两台相邻第一车辆的间隙与该目标车辆的距离由大到小的顺序，以树结构的形式对该任意两台相邻第一车辆的间隙进行排列，将该目标车辆的位置作为根节点；
根据该汇入成功率对该树结构进行搜索，将该树结构中满足第一目标条件的间隙确定为该第一目标间隙。
在一种可能的实现方式中，该根据该目标车辆在下一时刻的目标驾驶控制行为，控制该目标车辆汇入该第一目标间隙之后，该方法还包括：
若该目标车辆未成功汇入该第一目标间隙，则在该树结构中，将满足第二目标条件的节点对应的间隙确定为第二目标间隙；
根据确定该第二目标间隙的两台第一车辆的行驶行为信息，结合该两台第一车辆与该目标车辆的交互行为信息，确定该两台第一车辆的驾驶行为信息对应的概率；
根据该两台第一车辆的驾驶行为信息对应的概率，确定该目标车辆在下一时刻的目标驾驶控制行为；
根据该目标车辆在下一时刻的目标驾驶控制行为，控制该目标车辆汇入该第二目标间隙。
在一种可能的实现方式中，该根据该两台第一车辆的驾驶行为信息对应的概率，确定该目标车辆在下一时刻的目标驾驶控制行为包括：
根据该两台第一车辆的驾驶行为信息对应的概率，确定该目标车辆在下一时刻的驾驶控制行为对应的概率；
根据该目标车辆在下一时刻的驾驶控制行为对应的概率，确定该目标车辆在下一时刻的目标驾驶控制行为，该目标驾驶控制行为的概率大于其他驾驶控制行为的概率。
在一种可能的实现方式中，该根据该目标车辆在下一时刻的目标驾驶控制行为，控制该目标车辆汇入该第一目标间隙之后，该方法还包括：
获取下一时刻该两台第一车辆的驾驶行为信息；
根据下一时刻该两台第一车辆的驾驶行为信息，更新目标概率，该目标概率为该两台第一车辆避让该目标车辆的概率。
一方面，提供了一种自动驾驶控制装置，该装置包括：
行驶行为信息获取模块，用于在目标车辆处于自动驾驶状态下汇入目标车道时，获取目标范围内的多台第一车辆的行驶行为信息；
汇入成功率确定模块，用于根据该多台第一车辆的行驶行为信息，确定该目标范围内任意两台相邻第一车辆的间隙的汇入成功率；
第一目标间隙确定模块，用于根据该汇入成功率，确定第一目标间隙；
第一概率确定模块，用于根据确定该第一目标间隙的两台第一车辆的行驶行为信息，结合该两台第一车辆与该目标车辆的交互行为信息，确定该两台第一车辆的驾驶行为信息对应的概率；
驾驶控制行为确定模块，用于根据该两台第一车辆的驾驶行为信息对应的概率，确定该目标车辆在下一时刻的目标驾驶控制行为；
控制模块，用于根据该目标车辆在下一时刻的目标驾驶控制行为，控制该目标车辆汇入该第一目标间隙。
在一种可能的实现方式中，该汇入成功率确定模块，还用于根据该多台第一车辆避让该目标车辆的概率、该任意两台相邻第一车辆的间隙大小以及该任意两台相邻第一车辆的间隙与该目标车辆的距离，确定该目标范围内任意两台相邻第一车辆的间隙的汇入成功率。
在一种可能的实现方式中，该装置包括：
排序模块，用于按照该目标范围内任意两台相邻第一车辆的间隙与该目标车辆的距离由大到小的顺序，以树结构的形式对该任意两台相邻第一车辆的间隙进行排列，将该目标车辆的位置作为根节点；
搜索模块，用于根据该汇入成功率对该树结构进行搜索；
该第一目标间隙确定模块，还用于将该树结构中满足第一目标条件的节点对应的间隙确定为该第一目标间隙。
在一种可能的实现方式中，该装置还包括：
第二目标间隙确定模块，用于若该目标车辆未成功汇入该第一目标间隙，则在该树结构中，将满足第二目标条件的节点对应的间隙确定为第二目标间隙；
该第一概率确定模块，还用于根据确定该第二目标间隙的两台第一车辆的行驶行为信息，结合该两台第一车辆与该目标车辆的交互行为信息，确定该两台第一车辆的驾驶行为信息对应的概率；
该驾驶控制行为确定模块，还用于根据该两台第一车辆的驾驶行为信息对应的概率，确定该目标车辆在下一时刻的目标驾驶控制行为；
该控制模块，还用于根据该目标车辆在下一时刻的目标驾驶控制行为，控制该目标车辆汇入该第二目标间隙。
在一种可能的实现方式中，该装置还包括：
第二概率确定模块，用于根据该两台第一车辆的驾驶行为信息对应的概率，确定该目标车辆在下一时刻的驾驶控制行为对应的概率；
该驾驶控制行为确定模块，还用于根据该目标车辆在下一时刻的驾驶控制行为对应的概率，确定该目标车辆在下一时刻的目标驾驶控制行为，该目标驾驶控制行为的概率大于其他驾驶控制行为的概率。
在一种可能的实现方式中，该装置还包括：
驾驶行为信息模块，用于获取下一时刻该两台第一车辆的驾驶行为信息；
更新模块，用于根据下一时刻该两台第一车辆的驾驶行为信息，更新目标概率，该目标概率为该两台第一车辆避让该目标车辆的概率。
一方面，提供了一种车载终端，该车载终端包括一个或多个处理器和一个或多个存储器，该一个或多个存储器中存储有至少一条程序代码，该程序代码由该一个或多个处理器加载并执行以实现该自动驾驶控制方法所执行的操作。
一方面，提供了一种计算机可读存储介质，该计算机可读存储介质中存储有至少一条程序代码，该程序代码由处理器加载并执行以实现该自动驾驶控制方法所执行的操作。
根据获取到的目标范围内的多台第一车辆的行驶行为信息，来确定各个间隙的汇入成功率，根据汇入成功率进行第一目标间隙的确定，进而根据确定出的第一目标间隙对应的两台第一车辆的驾驶行为信息对应的概率，确定目标车辆在下一时刻的目标驾驶控制行为，并控制目标车辆汇入第一目标间隙，在确定两台第一车辆的驾驶行为信息对应的概率时，考虑两台第一车辆与目标车辆的交互行为信息，可以增加该方法能处理的场景的复杂度，进而可以提高目标车辆在拥挤车流下的汇入成功率，确定第一目标间隙对应的两台第一车辆的驾驶行为信息对应的概率，可以在决策过程中考虑到车辆的各种可能行为，提高决策准确性。
附图说明
为了更清楚地说明本公开实施例中的技术方案，下面将对实施例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公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本公开实施例提供的一种自动驾驶控制方法的实施环境示意图；
图2是本公开实施例提供的一种自动驾驶控制方法的总流程图；
图3是本公开实施例提供的一种自动驾驶控制方法的基本流程图；
图4是本公开实施例提供的一种自动驾驶控制方法的具体流程图；
图5是本公开实施例提供的一种博弈树搜索过程的示意图；
图6是本公开实施例提供的一种自动驾驶控制装置的结构示意图；
图7是本公开实施例提供的一种车载终端的结构示意图。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚，下面将结合附图对本公开实施方式作进一步地详细描述。
图1是本公开实施例提供的一种自动驾驶控制方法的实施环境示意图，参见图1，该实施环境包括：车载终端101。
车载终端101可以与车辆中的其他硬件设备，如视频摄像头、雷达传感器、激光测距器等硬件设备进行通信，对其他硬件设备获取到的道路信息和车辆信息进行分析处理，根据道路信息和车辆信息，确定车辆后续的驾驶行为等。
车载终端101可以泛指多个车载终端中的一个，本实施例仅以车载终端101来举例说明。本领域技术人员可以知晓，上述车载终端的数量可以更多或更少。比如上述车载终端可以仅为几个，或者上述车载终端为几十个或几百个，或者更多数量，本公开实施例对车载终端的数量和设备类型不加以限定。
图2是本公开实施例提供的一种自动驾驶控制方法的总流程图，参见图2，当目标车辆处于自动驾驶状态时，车载终端可以基于目标车辆当前所处的道路信息和车辆的驾驶行为意图，来对目标车辆所处的场景进行确认，当确认该目标车辆所在的场景为非汇入场景时，对于目标范围内的第一车辆的行为，采用传统的智能司机模型进行预测，对于目标车辆的行为，采用传统的决策过程，来确定目标车辆所要采取的行为；当确认该目标车辆所在的场景为汇入场景时，车载终端可以基于规则的随机决策模型，来对道路上的第一车辆的行为进行预测，该随机决策模型的决策规则基于司机的驾驶经验得到，而对于目标的行为，车载终端可以初始化本方案所提出的随机博弈树模型，通过该随机博弈树模型，来确定目标车辆所要采取的行为，并对最终的汇入情况进行观测，根据不同的观测结果对随机博弈树模型进行调整。
上述图2所示为本方案的总流程，在具体实现过程中，通过该随机博弈树模型，来确定目标车辆所要采取的行为的基本过程可以参见图3所示的流程图，图3是本公开实施例提供的一种自动驾驶控制方法的基本流程图，车载终端可以基于粗略搜索选择一个意图类别(如汇入车道时选择汇入成功率最大的间隙)，根据搜索到的意图类别确定跟目标车辆直接交互的第一车辆，预测第一车辆的可能意图，评估目标根据其第一车辆的可能意图采取的不同意图的回报，择优意图采取行动，根据变化更新概率模型。
上述图3所示为本方案的基本流程，下面基于一种具体实现过程来对本公开实施例提供的方案进行说明，参见图4，图4是本公开实施例提供的一种自动驾驶控制方法的具体流程图，参见图4，该方法包括：
401、在目标车辆处于自动驾驶状态下汇入目标车道时，车载终端获取目标范围内的多台第一车辆的行驶行为信息。
需要说明的是，该目标范围可以为与在该目标车辆的运动方向上、与该目标车辆的距离小于目标距离的范围，该多台第一车辆与该目标车辆的距离均小于目标距离，本公开实施例对目标距离的具体取值和第一车辆的数量均不加以限定。该行驶行为信息可以包括第一车辆的速度信息、位置信息、运动方向以及各个第一车辆避让其他车辆的历史行为信息等，可选地，该行驶行为信息还可以包括其他类型的信息，本公开实施例对此不加以限定。
在一种可能的实现方式中，在目标车辆处于自动驾驶状态下汇入目标车道时，目标车辆上的雷达传感器可以对道路上目标范围内的第一车辆进行检测，以获知目标范围内第一车辆的数量和大致方位，激光测距器用于对该目标车辆与各台第一车辆之间的距离进行检测，以进一步确定目标范围内各台第一车辆的具体位置，进而根据各个时刻各台第一车辆的具体位置，确定各台第一车辆的速度信息和运动方向等，实现第一车辆的行驶行为信息的获取。
402、车载终端根据该多台第一车辆避让该目标车辆的概率、该任意两台相邻第一车辆的间隙大小以及该任意两台相邻第一车辆的间隙与该目标车辆的距离，确定该目标范围内任意两台相邻第一车辆的间隙的汇入成功率。
需要说明的是，车载终端可以通过雷达探测器对目标车辆与各台第一车辆的速度进行检测，根据检测到的速度信息，确定第一车辆避让目标车辆的概率，还可以通过雷达探测器对各台第一车辆的车头与目标车辆车头的距离和方位信息、第一车辆的车尾与目标车辆的车头的距离和方位信息，根据三角函数公式确定任意两台相邻第一车辆的间隙大小，进而根据确定出的间隙大小，确定该间隙的中间位置与目标车辆的车头之间的距离，作为该任意两台相邻第一车辆的间隙与该目标车辆的距离。上述仅为一种可选的确定方式，在其他一些可能的实现方式中，还可以采用其他方式来进行多台第一车辆避让该目标车辆的概率、该任意两台相邻第一车辆的间隙大小以及该任意两台相邻第一车辆的间隙与该目标车辆的距离的确定，本公开实施例对此不加以限定。
在一种可能的实现方式中，车载终端可以根据各台第一车辆避让目标车辆的概率、任意两台相邻第一车辆的间隙大小以及任意两台相邻第一车辆的间隙与目标车辆的距离，确定目标车辆汇入各个间隙的汇入成功率。例如，车载终端可以基于贝叶斯理论，将目标车辆汇入车道的汇入成功率建模为：
P(m|y，d，g)∝P(m|y)P(m|d)P(m|g)/P(m)
其中，y可以表示第一车辆避让目标车辆的概率，g可以表示第一车辆与前车的间隙大小，d可以表示该间隙相对目标车辆的距离，m可以表示要汇入的间隙，y、g、d对于汇入车道的影响相互独立。P(m|y)可以表示第一车辆避让本目标车辆的概率下目标车辆成功汇入间隙m的概率，在决策开始时可以将各台第一车辆避让目标车辆的概率初始化为同样的先验值，并伴随着与他车交互、自身行为决策、控制执行、周围环境的新观测而迭代更新，例如，可以将各台第一车辆避让目标车辆的概率初始化为0.5，可选地，还可以将各台第一车辆避让目标车辆的概率初始化为其他值，本公开实施例对此不加以限定。P(m|d)可以表示目标车辆到达该间隙时该间隙还存在的概率，可以采用高斯分布来建模该间隙还存在的概率，例如，可将定间隙下成功的概率建模为P(m|d)∝exp(-(d-d0)2/σ2)，其中，d可以表示该间隙相对目标车辆的距离，d0可以表示高斯分布的均值，σ可以表示高斯分布的方差，d0和σ的取值可以根据具体情况设置，本公开实施例对此不加以限定。P(m|g)可以表示不同间隙大小下的汇入成功率，可以在标准化间隙大小后采用逻辑函数将其建模为
其中，
可以表示标准化后的斜率。P(m)可以表示目标车辆汇入间隙成功的概率。
需要说明的是，在进行汇入成功率的确定时，可以不考虑各台第一车辆之间和第一车辆与目标车辆之间的交互行为，以便对模型进行简化，降低模型计算量。
403、车载终端按照该目标范围内任意两台相邻第一车辆的间隙与该目标车辆的距离由大到小的顺序，以树结构的形式对该任意两台相邻第一车辆的间隙进行排列，将该目标车辆的位置作为根节点。
在一种可能的实现方式中，车载终端在确定各个间隙的汇入成功率后，可以对各个间隙的汇入成功率进行比较，按照目标范围内任意两台相邻第一车辆的间隙与该目标车辆的距离由大到小的顺序，以树结构的形式将目标车辆的位置确定为根节点，将目标范围内的所有间隙确定为该根节点的子节点，对于该根节点的每一个子节点，确定各个间隙与目标车辆之间的距离，将该距离小于该子节点对应的间隙对应距离的间隙确定为该子节点的下一级节点，以此类推，基于所有的间隙来生成树结构中的各个节点。需要说明的是，车载终端可以将检测到的间隙进行编号，例如，与目标车辆的距离最大的间隙编号为1，与目标车辆的距离最小的间隙编号为5，编号为2、3、4的间隙与目标车辆的距离一次减小，则该根节点的子节点有1、2、3、4、5，编号为1的子节点的下一级节点有2、3、4、5，编号为2的子节点的下一级节点为3、4、5，以此类推，编号为5的子节点没有下一级节点。
404、车载终端根据汇入成功率对该树结构进行搜索，将该树结构中满足第一目标条件的节点对应的间隙确定为该第一目标间隙。
需要说明的是，该第一目标条件可以为汇入成功率最大，可选地，该目标条件还可以为其他条件，本公开实施例对此不加以限定。
在一种可能的实现方式中，车载终端可以对树结构中各个节点上标注的汇入成功率进行检测，对检测到的各个汇入成功率进行比较，将汇入成功率最大的间隙确定为第一目标间隙。
需要说明的是，车载终端在检测到汇入成功率最大的节点不存在子节点时，可以放弃该汇入成功率最大的节点，将汇入成功率次之的节点对应的间隙作为第一目标间隙，保证在第一目标间隙汇入失败时，仍可以从其他间隙汇入目标车道。例如，当车载终端选择了步骤403中编号为5的节点对应的间隙作为第一目标间隙时，车载终端检测到编号为5的节点没有下一级节点，则车载终端放弃选择编号为5的节点，根据编号为1、2、3、4的节点对应的间隙的汇入成功率，选择其中汇入成功率最大的节点对应的间隙作为第一目标间隙。
405、车载终端根据确定该第一目标间隙的两台第一车辆的行驶行为信息，结合该两台第一车辆与该目标车辆的交互行为信息，确定该两台第一车辆的驾驶行为信息对应的概率。
在一种可能的实现方式中，车载终端在确定汇入成功率最大的第一目标间隙后，可以对确定该第一目标间隙的两台第一车辆，也即是第一目标间隙前后的直接关联车辆的行为进行建模，根据第一目标间隙前后的直接关联车辆的行驶行为信息，以及这两台第一车辆与目标车辆的交互行为信息，确定这两台第一车辆的驾驶行为信息对应的概率，该驾驶行为信息可以为这两台第一车辆下一时刻可能采取的行为，例如，加速、减速、左转、右转等。
其中，在对第一目标间隙前后的直接关联车辆的行为进行建模时，车载终端可以组合使用基于车辆动力学和道路几何结构的传统预测模型，以及考虑行为变化的交互预测模型，来对第一目标间隙前后的直接关联车辆进行全面的分析，保证确定的这两台第一车辆的驾驶行为信息对应的概率的准确性。需要强调的是，在拥挤车流情况下，如果仅使用车辆动力学模型而不考虑交互，目标车辆很可能始终无法找到准确的汇入时机。
需要说明的是，在考虑基于交互的车辆行为时，可以采用反事实推理，即考虑目标车辆不存在的情况下第一车辆可能采取的行为，进而可以将建模得到的结果与实际情况的差异看作是由目标车辆所引起的。车载终端可以基于马尔科夫假设将步骤405所示的预测过程建模为：
其中，上标υ可以代表第一车辆，上标e可以代表目标车辆，t可以代表本时刻，t-1可以代表上一时刻，
可以代表第一车辆在其当前状态s下继续保持当前行为a的概率，该项可以为基于车辆动力学和道路几何结构的传统预测模型做出的预测。
可以表示第一车辆在目标车辆处于状态s下采取某行动的概率，可以体现目标车辆对第一车辆的影响，考虑了第一车辆与目标车辆的交互行为，对该项进行建模时可以采用专家启发式的简单直接的方式，也可以采用机器学习的数据驱动的方式，可选地，还可以采用其他方式，本公开实施例对此不加以限定。
需要说明的是，上述步骤405中在传统预测模型的基础上加入了交互预测模型，可以在决策过程中考虑第一车辆的意图的同时，考虑目标车辆对第一车辆的影响，进而可以提高决策的准确性。
406、车载终端根据该两台第一车辆的驾驶行为信息对应的概率，确定该目标车辆在下一时刻的驾驶控制行为对应的概率。
在一种可能的实现方式中，车载终端可以根据汇入第一目标间隙这个目标，寻找满足一系列约束的驾驶控制行为，并根据第一车辆的驾驶行为信息对应的概率，确定目标车辆下一时刻的驾驶控制行为对应的概率。
其中，在寻找满足一系列约束的驾驶控制行为时，可以通过借鉴传统行为规划(Motion Planning)的方法获得，其约束项可以包括风险性、成功性、舒适性等，可选地，还可以采用其他的方法和其他的约束项，本公开实施例对此均不加以限定，其中，该风险性约束项可以为与第一车辆的碰撞时间(Time-to-Collision，TTC)，该成功性约束项可以为汇入成功率，该舒适性约束项可以为驾驶控制行为的激进程度。
407、车载终端根据该目标车辆在下一时刻的驾驶控制行为对应的概率，确定该目标车辆在下一时刻的目标驾驶控制行为，该目标驾驶控制行为的概率大于其他驾驶控制行为的概率。
在一种可能的实现方式中，车载终端可以对确定出的给目标车辆在下一时刻的驾驶控制行为对应的概率进行比较，将概率最大的驾驶控制行为确定为该目标车辆在下一时刻的目标驾驶控制行为。
需要说明的是，由于目标车辆无法控制第一车辆，因此，在进行目标驾驶控制行为的选择时，目标车辆的车载终端还可以根据第一车辆的驾驶行为信息及对应的概率，对该目标车辆在下一时刻的驾驶控制行为进行合理权衡，来进行目标驾驶控制行为的选择，例如，采用博弈树搜索来对目标驾驶控制行为进行选择，参见图5，图5是本公开实施例提供的一种博弈树搜索过程的示意图，其中，a可以表示一类动作，其取值可以有0和1两种情况，0和1可以分别代表不同的具体动作，P可以代表第一车辆采取行动，E可以代表目标车辆采取行动，COLLISION可以代表井行为规划发现第一车辆与目标车辆可能出现碰撞，车载终端如果在开始选择了E[a＝1]＝COLLISION这种可能发生碰撞的交互行为，则车载终端在检测到该碰撞可能性时，可以自动过滤掉所有E[a＝1]的交互行为，回溯到次优的另一种交互行为上，也即是，图5中所示的E[a＝0]上。在实际应用中，如果单层搜索即可满足需求，则可以直接用博弈矩阵的形式来对该博弈树进行表示，该图5所示的博弈树对应的博弈矩阵如下表1所示：
表1
此外，目标车辆必须保证对所有第一车辆的行为均有回应，例如，即使在步骤402中得到的第一车辆避让该目标车辆的概率很大，但第一车辆还是有可能不避让目标车辆，所以目标车辆的车载终端可以设置有回溯策略，来对第一车辆不避让目标车辆的行为做出反应。例如，该回溯策略可以为减速、重新回到原来的车道等，可选地，该回溯策略还可以有其他方式，本公开实施例对此不加以限定。
需要说明的是，上述步骤402至步骤407所提供的建模方法可以统称为基于随机博弈树的建模方法，与传统的随机博弈树有所不同的是，本公开实施例提供的方案，将传统的随机博弈树划分为确定第一目标间隙、确定该第一目标间隙对应的两台第一车辆的驾驶行为信息对应的概率以及确定目标车辆的目标驾驶控制行为三个层次，实现了随机博弈树的分层结构，可以有效克服相关技术计算代价高的缺点，使得拥挤车流下多智能体博弈变得可行。而且，通过决策过程中的各种概率建模，可以使决策过程变得更加灵活，提高决策结果的准确性，使目标车辆可以应对拥挤车流下的高动态性和多可能性。此外，该博弈树搜索过程可以累计目标车辆与第一车辆在未来交互过程中的似然性，进而可以根据该似然性，来对第一车辆避让该目标车辆的概率进行更新。
需要说明的是，在步骤406至步骤407中采用多种约束项进行目标驾驶行为信息的确定时，可以仅考虑分布于帕累托边界上的结果，从而在保证目标车辆所选择的目标驾驶控制行为最优的前提下，不会损害道路上其他车辆的利益。
408、车载终端根据该目标车辆在下一时刻的目标驾驶控制行为，控制该目标车辆汇入该第一目标间隙。
在一种可能的实现方式中，车载终端可以根据确定出的目标驾驶控制行为，向自动驾驶控制器发送与目标驾驶控制行为对应的控制信号，自动驾驶控制器根据接收到的信号，控制方向盘扭转一定角度来进行转向，控制刹车踏板和油门踏板实现减速和加速，进而使该目标车辆汇入第一目标间隙。
需要说明的是，若该目标车辆未成功汇入该第一目标间隙，则在该树结构中，将满足第二目标条件的间隙确定为第二目标间隙，根据确定该第二目标间隙的两台第一车辆的驾驶行为信息，结合该两台第一车辆与该目标车辆的交互行为信息，确定该两台第一车辆的驾驶行为信息对应的概率，根据该两台第一车辆的驾驶行为信息对应的概率，确定该目标车辆在下一时刻的目标驾驶控制行为，根据该目标车辆在下一时刻的目标驾驶控制行为，控制该目标车辆汇入该第二目标间隙，也即是，在重新确定目标间隙后，执行与下述步骤405至步骤410类似的步骤，来汇入新确定的第二目标间隙。其中，该第二目标条件可以为该节点的汇入成功率小于第一目标间隙对应的节点的汇入成功率，大于其他间隙对应的节点的汇入成功率。上述步骤403以树结构的形式将所有可能的间隙展开，而不是直接从若干间隙中找一个汇入成功率最大的间隙，可以保证在通过动态规划搜索到汇入成功率最大的第一目标间隙后，如果目标车辆汇入第一目标间隙失败，车载终端也可以回溯之前搜索的次优解，保证目标车辆仍可以成功汇入车道。
409、车载终端获取下一时刻该两台第一车辆的驾驶行为信息。
在一种可能的实现方式中，车载终端可以通过雷达探测器来检测两台第一车辆的速度变化情况，通过激光测距器来检测这两台第一车辆的位置信息，进而确定这两台第一车辆的驾驶行为信息。
410、车载终端根据下一时刻该两台第一车辆的驾驶行为信息，更新目标概率，该目标概率为该两台第一车辆避让该目标车辆的概率。
在一种可能的实现方式中，车载终端可以根据获取到的这两台第一车辆的驾驶行为信息，来对这两台第一车辆避让该目标车辆的概率，也即是，目标概率进行更新。例如，车载终端可以对于这两台第一车辆避让目标车辆、目标车辆成功汇入第一目标间隙的情况，采用差分方程，对目标概率进行更新，该差分方程可以为：
P(m|y)t＝αP(m|y)t-1+(1-α)Ot
其中，P(m|y)可以表示第一车辆避让本目标车辆的概率，t可以代表本时刻，t-1可以代表上一时刻，O可以表示第一车辆是否避让了目标车辆的行为，α可以表示更新的速率。
本公开实施例提供的方案，针对拥挤车流下如何更好地对第一车辆的行为进行建模，如何让目标车辆与第一车辆实时交互，实时决策并汇入目标车道的难题，提出一种基于随机博弈树的自动驾驶控制方法。根据获取到的目标范围内的多台第一车辆的行驶行为信息，来确定各个间隙的汇入成功率，根据汇入成功率进行第一目标间隙的确定，进而根据确定出的第一目标间隙对应的两台第一车辆的驾驶行为信息对应的概率，确定目标车辆在下一时刻的目标驾驶控制行为，并控制目标车辆汇入第一目标间隙，在确定两台第一车辆的驾驶行为信息对应的概率时，考虑两台第一车辆与目标车辆的交互行为信息，可以增加该方法能处理的场景的复杂度，进而可以提高目标车辆在拥挤车流下的汇入成功率，确定第一目标间隙对应的两台第一车辆的驾驶行为信息对应的概率，可以在决策过程中考虑到车辆的各种可能行为，提高决策准确性。本公开实时例所采用的随机博弈树方法可以看作将马尔科夫决策过程扩展到了多智能体的场景下，每个智能体都有自己的决策策略和回报函数。本公开实施例通过采用不同的概率模型来进行汇入成功率最大的间隙的选择、刻画第一车辆的驾驶行为信息，避免对第一车辆有假设，并将行为序列抽形成满足一定概率分布的行为意图，通过上述方法，可以将随机博弈树变成随机的分层次的博弈树，离散化了行为空间，降低了博弈树深度，进一步地，本公开实施例还可以通过解耦搜索目标为若干子目标，在确定子目标下搜索行为序列的方式来近似求得最优解。
上述所有可选技术方案，可以采用任意结合形成本公开的可选实施例，在此不再一一赘述。
图6是本公开实施例提供的一种自动驾驶控制装置的结构示意图，参见图6，该装置包括：
行驶行为信息获取模块601，用于在目标车辆处于自动驾驶状态下汇入目标车道时，获取目标范围内的多台第一车辆的行驶行为信息；
汇入成功率确定模块602，用于根据该多台第一车辆的行驶行为信息，确定该目标范围内任意两台相邻第一车辆的间隙的汇入成功率；
第一目标间隙确定模块603，用于根据该汇入成功率，确定第一目标间隙；
第一概率确定模块604，用于根据确定该第一目标间隙的两台第一车辆的行驶行为信息，结合该两台第一车辆与该目标车辆的交互行为信息，确定该两台第一车辆的驾驶行为信息对应的概率；
驾驶控制行为确定模块605，用于根据该两台第一车辆的驾驶行为信息对应的概率，确定该目标车辆在下一时刻的目标驾驶控制行为；
控制模块606，用于根据该目标车辆在下一时刻的目标驾驶控制行为，控制该目标车辆汇入该第一目标间隙。
上述装置根据获取到的目标范围内的多台第一车辆的行驶行为信息，来确定各个间隙的汇入成功率，根据汇入成功率进行第一目标间隙的确定，进而根据确定出的第一目标间隙对应的两台第一车辆的驾驶行为信息对应的概率，确定目标车辆在下一时刻的目标驾驶控制行为，并控制目标车辆汇入第一目标间隙，在确定两台第一车辆的驾驶行为信息对应的概率时，考虑两台第一车辆与目标车辆的交互行为信息，可以增加该方法能处理的场景的复杂度，进而可以提高目标车辆在拥挤车流下的汇入成功率，确定第一目标间隙对应的两台第一车辆的驾驶行为信息对应的概率，可以在决策过程中考虑到车辆的各种可能行为，提高决策准确性。
在一种可能的实现方式中，该汇入成功率确定模块602，还用于根据该多台第一车辆避让该目标车辆的概率、该任意两台相邻第一车辆的间隙大小以及该任意两台相邻第一车辆的间隙与该目标车辆的距离，确定该目标范围内任意两台相邻第一车辆的间隙的汇入成功率。
在一种可能的实现方式中，该装置包括：
排序模块，用于按照该目标范围内任意两台相邻第一车辆的间隙与该目标车辆的距离由大到小的顺序，以树结构的形式对该任意两台相邻第一车辆的间隙进行排列，将该目标车辆的位置作为根节点；
搜索模块，用于根据该汇入成功率对该树结构进行搜索；
该第一目标间隙确定模块603，还用于将该树结构中满足第一目标条件的节点对应的间隙确定为该第一目标间隙。
在一种可能的实现方式中，该装置还包括：
第二目标间隙确定模块，用于若该目标车辆未成功汇入该第一目标间隙，则在该树结构中，将满足第二目标条件的节点对应的间隙确定为第二目标间隙；
该第一概率确定模块604，还用于根据确定该第二目标间隙的两台第一车辆的行驶行为信息，结合该两台第一车辆与该目标车辆的交互行为信息，确定该两台第一车辆的驾驶行为信息对应的概率；
该驾驶控制行为确定模块605，还用于根据该两台第一车辆的驾驶行为信息对应的概率，确定该目标车辆在下一时刻的目标驾驶控制行为；
该控制模块606，还用于根据该目标车辆在下一时刻的目标驾驶控制行为，控制该目标车辆汇入该第二目标间隙。
在一种可能的实现方式中，该装置还包括：
第二概率确定模块，用于根据该两台第一车辆的驾驶行为信息对应的概率，确定该目标车辆在下一时刻的驾驶控制行为对应的概率；
该驾驶控制行为确定模块605，还用于根据该目标车辆在下一时刻的驾驶控制行为对应的概率，确定该目标车辆在下一时刻的目标驾驶控制行为，该目标驾驶控制行为的概率大于其他驾驶控制行为的概率。
在一种可能的实现方式中，该装置还包括：
驾驶行为信息模块，用于获取下一时刻该两台第一车辆的驾驶行为信息；
更新模块，用于根据下一时刻该两台第一车辆的驾驶行为信息，更新目标概率，该目标概率为该两台第一车辆避让该目标车辆的概率。
需要说明的是：上述实施例提供的自动驾驶控制装置在控制车辆在自动驾驶状态下汇入目标车道时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将车载终端的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的自动驾驶控制装置与自动驾驶控制方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
图7是本公开实施例提供的一种车载终端的结构示意图。该车载终端700可以是：智能手机、平板电脑、MP3播放器(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、笔记本电脑或台式电脑。车载终端700还可能被称为用户设备、便携式车载终端、膝上型车载终端、台式车载终端等其他名称。
通常，车载终端700包括有：一个或多个处理器701和一个或多个存储器702。
处理器701可以包括一个或多个处理核心，比如4核心处理器、7核心处理器等。处理器701可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器701也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central ProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器701可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器701还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。
存储器702可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器702还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器702中的非暂态的计算机可读存储介质用于存储至少一个程序代码，该至少一个程序代码用于被处理器701所执行以实现本公开中方法实施例提供的自动驾驶控制方法。
在一些实施例中，车载终端700还可选包括有：外围设备接口703和至少一个外围设备。处理器701、存储器702和外围设备接口703之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口703相连。具体地，外围设备包括：射频电路704、显示屏705、音频电路706、和电源707中的至少一种。
外围设备接口703可被用于将I/O(Input/Output，输入/输出)相关的至少一个外围设备连接到处理器701和存储器702。在一些实施例中，处理器701、存储器702和外围设备接口703被集成在同一芯片或电路板上；在一些其他实施例中，处理器701、存储器702和外围设备接口703中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。
射频电路704用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路704通过电磁信号与通信网络以及其他通信设备进行通信。射频电路704将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路704包括：天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路704可以通过至少一种无线通信协议来与其它车载终端进行通信。该无线通信协议包括但不限于：城域网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity，无线保真)网络。在一些实施例中，射频电路704还可以包括NFC(Near Field Communication，近距离无线通信)有关的电路，本公开对此不加以限定。
显示屏705用于显示UI(User Interface，用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏705是触摸显示屏时，显示屏705还具有采集在显示屏705的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器701进行处理。此时，显示屏705还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏705可以为一个，设置车载终端700的前面板；在另一些实施例中，显示屏705可以为至少两个，分别设置在车载终端700的不同表面或呈折叠设计；在再一些实施例中，显示屏705可以是柔性显示屏，设置在车载终端700的弯曲表面上或折叠面上。甚至，显示屏705还可以设置成非矩形的不规则图形，也即异形屏。显示屏705可以采用LCD(Liquid Crystal Display，液晶显示屏)、OLED(Organic Light-Emitting Diode，有机发光二极管)等材质制备。
音频电路706可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波，并将声波转换为电信号输入至处理器701进行处理，或者输入至射频电路704以实现语音通信。出于立体声采集或降噪的目的，麦克风可以为多个，分别设置在车载终端700的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器701或射频电路704的电信号转换为声波。扬声器可以是传统的薄膜扬声器，也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时，不仅可以将电信号转换为人类可听见的声波，也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中，音频电路706还可以包括耳机插孔。
电源707用于为车载终端700中的各个组件进行供电。电源707可以是交流电、直流电、一次性电池或可充电电池。当电源707包括可充电电池时，该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。
本领域技术人员可以理解，图7中示出的结构并不构成对车载终端700的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。
在示例性实施例中，还提供了一种计算机可读存储介质，例如包括程序代码的存储器，上述程序代码可由处理器执行以完成上述实施例中的自动驾驶控制方法。例如，该计算机可读存储介质可以是只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、只读光盘(Compact Disc Read-Only Memory，CD-ROM)、磁带、软盘和光数据存储设备等。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来程序代码相关的硬件完成，该程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
上述仅为本公开的可选实施例，并不用以限制本公开，凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。
Claims (14)
1.一种自动驾驶控制方法，其特征在于，所述方法包括：
在目标车辆处于自动驾驶状态下汇入目标车道时，获取目标范围内的多台第一车辆的行驶行为信息；
根据所述多台第一车辆的行驶行为信息，确定所述目标范围内任意两台相邻第一车辆的间隙的汇入成功率，根据所述汇入成功率，确定第一目标间隙；
根据确定所述第一目标间隙的两台第一车辆的行驶行为信息，结合所述两台第一车辆与所述目标车辆的交互行为信息，确定所述两台第一车辆的驾驶行为信息对应的概率；
根据所述两台第一车辆的驾驶行为信息对应的概率，确定所述目标车辆在下一时刻的目标驾驶控制行为；
根据所述目标车辆在下一时刻的目标驾驶控制行为，控制所述目标车辆汇入所述第一目标间隙。
2.根据权利要求1所述的方法，其特征在于，所述根据所述多台第一车辆的行驶行为信息，确定所述目标范围内任意两台相邻第一车辆的间隙的汇入成功率包括：
根据所述多台第一车辆避让所述目标车辆的概率、所述任意两台相邻第一车辆的间隙大小以及所述任意两台相邻第一车辆的间隙与所述目标车辆的距离，确定所述目标范围内任意两台相邻第一车辆的间隙的汇入成功率。
3.根据权利要求1所述的方法，其特征在于，所述根据所述汇入成功率，确定第一目标间隙包括：
按照所述目标范围内任意两台相邻第一车辆的间隙与所述目标车辆的距离由大到小的顺序，以树结构的形式对所述任意两台相邻第一车辆的间隙进行排列，将所述目标车辆的位置作为根节点；
根据所述汇入成功率对所述树结构进行搜索，将所述树结构中满足第一目标条件的节点对应的间隙确定为所述第一目标间隙。
4.根据权利要求3所述的方法，其特征在于，所述根据所述目标车辆在下一时刻的目标驾驶控制行为，控制所述目标车辆汇入所述第一目标间隙之后，所述方法还包括：
若所述目标车辆未成功汇入所述第一目标间隙，则在所述树结构中，将满足第二目标条件的节点对应的间隙确定为第二目标间隙；
根据确定所述第二目标间隙的两台第一车辆的行驶行为信息，结合所述两台第一车辆与所述目标车辆的交互行为信息，确定所述两台第一车辆的驾驶行为信息对应的概率；
根据所述两台第一车辆的驾驶行为信息对应的概率，确定所述目标车辆在下一时刻的目标驾驶控制行为；
根据所述目标车辆在下一时刻的目标驾驶控制行为，控制所述目标车辆汇入所述第二目标间隙。
5.根据权利要求1所述的方法，其特征在于，所述根据所述两台第一车辆的驾驶行为信息对应的概率，确定所述目标车辆在下一时刻的目标驾驶控制行为包括：
根据所述两台第一车辆的驾驶行为信息对应的概率，确定所述目标车辆在下一时刻的驾驶控制行为对应的概率；
根据所述目标车辆在下一时刻的驾驶控制行为对应的概率，确定所述目标车辆在下一时刻的目标驾驶控制行为，所述目标驾驶控制行为的概率大于其他驾驶控制行为的概率。
6.根据权利要求1所述的方法，其特征在于，所述根据所述目标车辆在下一时刻的目标驾驶控制行为，控制所述目标车辆汇入所述第一目标间隙之后，所述方法还包括：
获取下一时刻所述两台第一车辆的驾驶行为信息；
根据下一时刻所述两台第一车辆的驾驶行为信息，更新目标概率，所述目标概率为所述两台第一车辆避让所述目标车辆的概率。
7.一种自动驾驶控制装置，其特征在于，所述装置包括：
行驶行为信息获取模块，用于在目标车辆处于自动驾驶状态下汇入目标车道时，获取目标范围内的多台第一车辆的行驶行为信息；
汇入成功率确定模块，用于根据所述多台第一车辆的行驶行为信息，确定所述目标范围内任意两台相邻第一车辆的间隙的汇入成功率；
第一目标间隙确定模块，用于根据所述汇入成功率，确定第一目标间隙；
第一概率确定模块，用于根据确定所述第一目标间隙的两台第一车辆的行驶行为信息，结合所述两台第一车辆与所述目标车辆的交互行为信息，确定所述两台第一车辆的驾驶行为信息对应的概率；
驾驶控制行为确定模块，用于根据所述两台第一车辆的驾驶行为信息对应的概率，确定所述目标车辆在下一时刻的目标驾驶控制行为；
控制模块，用于根据所述目标车辆在下一时刻的目标驾驶控制行为，控制所述目标车辆汇入所述第一目标间隙。
8.根据权利要求7所述的装置，其特征在于，所述汇入成功率确定模块，还用于根据所述多台第一车辆避让所述目标车辆的概率、所述任意两台相邻第一车辆的间隙大小以及所述任意两台相邻第一车辆的间隙与所述目标车辆的距离，确定所述目标范围内任意两台相邻第一车辆的间隙的汇入成功率。
9.根据权利要求7所述的装置，其特征在于，所述装置包括：
排序模块，用于按照所述目标范围内任意两台相邻第一车辆的间隙与所述目标车辆的距离由大到小的顺序，以树结构的形式对所述任意两台相邻第一车辆的间隙进行排列，将所述目标车辆的位置作为根节点；
搜索模块，用于根据所述汇入成功率对所述树结构进行搜索；
所述第一目标间隙确定模块，还用于将所述树结构中满足第一目标条件的节点对应的间隙确定为所述第一目标间隙。
10.根据权利要求9所述的装置，其特征在于，所述装置还包括：
第二目标间隙确定模块，用于若所述目标车辆未成功汇入所述第一目标间隙，则在所述树结构中，将满足第二目标条件的节点对应的间隙确定为第二目标间隙；
所述第一概率确定模块，还用于根据确定所述第二目标间隙的两台第一车辆的行驶行为信息，结合所述两台第一车辆与所述目标车辆的交互行为信息，确定所述两台第一车辆的驾驶行为信息对应的概率；
所述驾驶控制行为确定模块，还用于根据所述两台第一车辆的驾驶行为信息对应的概率，确定所述目标车辆在下一时刻的目标驾驶控制行为；
所述控制模块，还用于根据所述目标车辆在下一时刻的目标驾驶控制行为，控制所述目标车辆汇入所述第二目标间隙。
11.根据权利要求7所述的装置，其特征在于，所述装置还包括：
第二概率确定模块，用于根据所述两台第一车辆的驾驶行为信息对应的概率，确定所述目标车辆在下一时刻的驾驶控制行为对应的概率；
所述驾驶控制行为确定模块，还用于根据所述目标车辆在下一时刻的驾驶控制行为对应的概率，确定所述目标车辆在下一时刻的目标驾驶控制行为，所述目标驾驶控制行为的概率大于其他驾驶控制行为的概率。
12.根据权利要求7所述的装置，其特征在于，所述装置还包括：
驾驶行为信息模块，用于获取下一时刻所述两台第一车辆的驾驶行为信息；
更新模块，用于根据下一时刻所述两台第一车辆的驾驶行为信息，更新目标概率，所述目标概率为所述两台第一车辆避让所述目标车辆的概率。
13.一种车载终端，其特征在于，所述车载终端包括一个或多个处理器和一个或多个存储器，所述一个或多个存储器中存储有至少一条程序代码，所述程序代码由所述一个或多个处理器加载并执行以实现如权利要求1至权利要求6任一项所述的自动驾驶控制方法所执行的操作。
14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有至少一条程序代码，所述程序代码由处理器加载并执行以实现如权利要求1至权利要求6任一项所述的自动驾驶控制方法所执行的操作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911356783.6A CN111038497B (zh) | 2019-12-25 | 2019-12-25 | 自动驾驶控制方法、装置、车载终端及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911356783.6A CN111038497B (zh) | 2019-12-25 | 2019-12-25 | 自动驾驶控制方法、装置、车载终端及可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111038497A true CN111038497A (zh) | 2020-04-21 |
| CN111038497B CN111038497B (zh) | 2021-04-06 |
Family
ID=70239528
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911356783.6A Active CN111038497B (zh) | 2019-12-25 | 2019-12-25 | 自动驾驶控制方法、装置、车载终端及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111038497B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112269939A (zh) * | 2020-11-17 | 2021-01-26 | 苏州智加科技有限公司 | 自动驾驶的场景搜索方法、装置、终端、服务器及介质 |
| WO2022227827A1 (zh) * | 2021-04-26 | 2022-11-03 | 华为技术有限公司 | 一种决策方法、装置和车辆 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102010020047A1 (de) * | 2010-05-11 | 2011-01-05 | Daimler Ag | Verfahren zur Anpassung eines für ein Abstandsregelsystem eines Fahrzeugs vorgegebenen Soll-Abstandes an eine momentane Verkehrssituation |
| CN103996287A (zh) * | 2014-05-26 | 2014-08-20 | 江苏大学 | 一种基于决策树模型的车辆强制换道决策方法 |
| CN108248606A (zh) * | 2016-12-29 | 2018-07-06 | 乐视汽车（北京）有限公司 | 车辆控制方法、装置、以及车辆 |
| CN108595823A (zh) * | 2018-04-20 | 2018-09-28 | 大连理工大学 | 一种联合驾驶风格和博弈理论的自主车换道策略的计算方法 |
| CN110111605A (zh) * | 2019-06-12 | 2019-08-09 | 吉林大学 | 基于动态博弈的自动驾驶车辆出入口匝道行驶决策方法 |
| CN110379193A (zh) * | 2019-07-08 | 2019-10-25 | 华为技术有限公司 | 自动驾驶车辆的行为规划方法及行为规划装置 |
-
2019
- 2019-12-25 CN CN201911356783.6A patent/CN111038497B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102010020047A1 (de) * | 2010-05-11 | 2011-01-05 | Daimler Ag | Verfahren zur Anpassung eines für ein Abstandsregelsystem eines Fahrzeugs vorgegebenen Soll-Abstandes an eine momentane Verkehrssituation |
| CN103996287A (zh) * | 2014-05-26 | 2014-08-20 | 江苏大学 | 一种基于决策树模型的车辆强制换道决策方法 |
| CN108248606A (zh) * | 2016-12-29 | 2018-07-06 | 乐视汽车（北京）有限公司 | 车辆控制方法、装置、以及车辆 |
| CN108595823A (zh) * | 2018-04-20 | 2018-09-28 | 大连理工大学 | 一种联合驾驶风格和博弈理论的自主车换道策略的计算方法 |
| CN110111605A (zh) * | 2019-06-12 | 2019-08-09 | 吉林大学 | 基于动态博弈的自动驾驶车辆出入口匝道行驶决策方法 |
| CN110379193A (zh) * | 2019-07-08 | 2019-10-25 | 华为技术有限公司 | 自动驾驶车辆的行为规划方法及行为规划装置 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112269939A (zh) * | 2020-11-17 | 2021-01-26 | 苏州智加科技有限公司 | 自动驾驶的场景搜索方法、装置、终端、服务器及介质 |
| CN112269939B (zh) * | 2020-11-17 | 2023-05-30 | 苏州智加科技有限公司 | 自动驾驶的场景搜索方法、装置、终端、服务器及介质 |
| WO2022227827A1 (zh) * | 2021-04-26 | 2022-11-03 | 华为技术有限公司 | 一种决策方法、装置和车辆 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111038497B (zh) | 2021-04-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11003414B2 (en) | Acoustic control system, apparatus and method | |
| CN109299315B (zh) | 多媒体资源分类方法、装置、计算机设备及存储介质 | |
| CN111114554B (zh) | 行驶轨迹预测方法、装置、终端及存储介质 | |
| US9501693B2 (en) | Real-time multiclass driver action recognition using random forests | |
| US20220172737A1 (en) | Speech signal processing method and speech separation method | |
| CN110795523B (zh) | 车辆定位方法、装置以及智能车辆 | |
| US11164586B2 (en) | Artificial intelligence apparatus and method for recognizing utterance voice of user | |
| WO2022105395A1 (en) | Data processing method, apparatus, and system, computer device, and non-transitory storage medium | |
| US11669781B2 (en) | Artificial intelligence server and method for updating artificial intelligence model by merging plurality of pieces of update information | |
| CN111038497B (zh) | 自动驾驶控制方法、装置、车载终端及可读存储介质 | |
| CN113763933B (zh) | 语音识别方法、语音识别模型的训练方法、装置和设备 | |
| CN110516113B (zh) | 一种视频分类的方法、视频分类模型训练的方法及装置 | |
| CN111753498B (zh) | 文本处理方法、装置、设备及存储介质 | |
| US11755644B2 (en) | Video query method, apparatus, and device, and storage medium | |
| CN113158349A (zh) | 车辆换道仿真方法、装置、电子设备及存储介质 | |
| CN108627176A (zh) | 屏幕亮度调节方法及相关产品 | |
| CN114333774B (zh) | 语音识别方法、装置、计算机设备及存储介质 | |
| CN110248401B (zh) | WiFi的扫描控制方法、装置、存储介质及移动终端 | |
| CN115848377A (zh) | 一种不同交通环境下的变道控制方法、系统、设备和介质 | |
| CN112269939B (zh) | 自动驾驶的场景搜索方法、装置、终端、服务器及介质 | |
| CN113110487A (zh) | 车辆仿真控制方法、装置、电子设备及存储介质 | |
| CN114281936A (zh) | 分类方法、装置、计算机设备及存储介质 | |
| US11465287B2 (en) | Robot, method of operating same, and robot system including same | |
| CN112849144A (zh) | 车辆控制方法、装置及存储介质 | |
| CN116956561A (zh) | 仿真环境配置方法、装置、计算机设备及存储介质 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20200610 Address after: 215100 16 / F, Lingyu Business Plaza, 66 qinglonggang Road, high speed rail new town, Xiangcheng District, Suzhou City, Jiangsu Province Applicant after: SUZHOU ZHIJIA TECHNOLOGY Co.,Ltd. Applicant after: Zhijia (Cayman) Company Applicant after: Zhijia (USA) Address before: 215100 16 / F, Lingyu Business Plaza, 66 qinglonggang Road, high speed rail new town, Xiangcheng District, Suzhou City, Jiangsu Province Applicant before: SUZHOU ZHIJIA TECHNOLOGY Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20210310 Address after: 16 / F, Lingyu Business Plaza, 66 qinglonggang Road, high speed rail new town, Xiangcheng District, Suzhou City, Jiangsu Province Applicant after: SUZHOU ZHIJIA TECHNOLOGY Co.,Ltd. Applicant after: Zhijia (USA) Address before: 215100 16 / F, Lingyu Business Plaza, 66 qinglonggang Road, high speed rail new town, Xiangcheng District, Suzhou City, Jiangsu Province Applicant before: SUZHOU ZHIJIA TECHNOLOGY Co.,Ltd. Applicant before: Zhijia (Cayman) Company Applicant before: Zhijia (USA) |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |