CN111192458B - 一种将决策知识库存储于地图的自动驾驶决策方法及系统 - Google Patents

一种将决策知识库存储于地图的自动驾驶决策方法及系统 Download PDF

Info

Publication number
CN111192458B
CN111192458B CN202010297424.4A CN202010297424A CN111192458B CN 111192458 B CN111192458 B CN 111192458B CN 202010297424 A CN202010297424 A CN 202010297424A CN 111192458 B CN111192458 B CN 111192458B
Authority
CN
China
Prior art keywords
decision
map
vehicle
block
real
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
CN202010297424.4A
Other languages
English (en)
Other versions
CN111192458A (zh
Inventor
杨殿阁
江昆
焦新宇
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.)
Tsinghua University
Original Assignee
Tsinghua University
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 Tsinghua University filed Critical Tsinghua University
Priority to CN202010297424.4A priority Critical patent/CN111192458B/zh
Publication of CN111192458A publication Critical patent/CN111192458A/zh
Application granted granted Critical
Publication of CN111192458B publication Critical patent/CN111192458B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Human Resources & Organizations (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Remote Sensing (AREA)
  • Software Systems (AREA)
  • Development Economics (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computational Linguistics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Analytical Chemistry (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Chemical & Material Sciences (AREA)
  • Fuzzy Systems (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及一种将决策知识库存储于地图的自动驾驶决策方法及系统，其步骤：将地图划分成允许重叠但不得遗漏的区块；针对每个区块，根据其具体地理环境，分析他车行为可能性，生成地理特异性决策知识；将地理特异性决策知识加载到地图中，形成带有决策知识库的地图；实际行驶中的车辆可以根据实时定位从地图中提取数据，在加载静态环境信息的同时，也将当地的地理特异性决策知识加载进来，利用车载决策算法实现实时决策。本发明能够对他车行为进行更准确的预测，同时降低了实时决策的复杂度，减轻计算压力。

Description

一种将决策知识库存储于地图的自动驾驶决策方法及系统
技术领域
本发明涉及一种自动驾驶技术领域，特别是关于一种将决策知识库存储于地图的自动驾驶决策方法及系统。
背景技术
自动驾驶技术的最终目标是覆盖所有驾驶环境，以达到完全代替人类驾驶的目的。在复杂多变的实际交通环境中进行自动驾驶决策，要应对感知结果的不完整性、其他车辆和行人等行为的不确定性等困难，这也使得决策算法难以在所有环境下做到通用。针对这一问题，一些研究采用构建场景库的路线，将具体环境归类为场景，并针对各种场景设计决策方法。理论上，建设涵盖所有驾驶场景的场景库就可以实现完全的无人驾驶，但是其在技术、经济可行性上都存在困难。
综上所述，现有的决策研究往往是在某些环境下适用，但不同地理环境中，他车行为模式将不同，即使道路信息、交通规则等静态信息能够准确获取，迁移到陌生地理空间时仍然难以实现安全可靠的决策。从另一个角度看，自动驾驶地图含有大量地理环境的信息，可以很好地反映特定空间位置的特殊性，然而，现有的自动驾驶地图所提供的只有静态信息以及交通流量等宏观动态信息，还不能直接提供局部地理环境下的决策辅助，不能针对性地刻画局部环境中他车的行为可能性。
发明内容
针对自动驾驶决策难以应对多种地理环境的不足，本发明的目的是提供一种将决策知识库存储于地图的自动驾驶决策方法及系统，能够对他车行为进行更准确的预测，同时降低了实时决策的复杂度，减轻计算压力。
为实现上述目的，本发明采取以下技术方案：一种将决策知识库存储于地图的自动驾驶决策方法，其包括以下步骤：1）将地图划分成允许重叠但不得遗漏的区块；2）针对每个区块，根据其具体地理环境，分析他车行为可能性，生成地理特异性决策知识；地理特异性决策知识生成方法包括以下步骤：2.1）提取地图的区块中与决策有关的各种静态地理要素数据；2.2）调用区块中的历史交通数据，以静态地理要素为底图，统计他车在此区块中的行为分布；3）将地理特异性决策知识加载到地图中，形成带有决策知识库的地图；4）实际行驶中的车辆根据实时定位从带有决策知识库的地图中提取数据，在加载静态环境信息的同时，也将实时定位处的地理特异性决策知识加载进来，利用车载决策算法实现实时决策。
进一步，所述步骤1）中，区块的划分方法包括以下步骤：1.1）在道路级地图上进行道路点采样；1.2）以各采样点为中心，沿道路方向选定范围形成区块。
进一步，所述采样需与区块范围的选取共同保证所有区块能覆盖整个地图。
进一步，所述范围的选定规则是使得相邻区块间不存在缝隙，允许重叠，且应超过安全车距要求，不应大于自动驾驶汽车传感器探测范围；若遇到路口、环岛、铁路道口，应拓展区块范围，以保持这些结构的完整性，使其能够完整包含在一个区块内。
进一步，所述步骤3）中，将形成的他车行为统计结果作为数据预先存储于地图中。
进一步，所述步骤4）中，实时决策包括以下步骤：4.1）根据实时定位从地图中提取静态环境信息和他车行为规律；4.2）根据实时感知得到的他车信息，利用当前自车实时定位处的他车行为规律实现他车行为预测，结合地图静态信息，依据车载决策算法实现决策。
一种将决策知识库存储于地图的自动驾驶决策系统，其包括地图区块划分模块、地理特异性决策知识生成模块、带有决策知识库的地图形成模块和实时决策模块；所述地图区块划分模块用于将地图划分成允许重叠但不得遗漏的区块；所述地理特异性决策知识生成模块针对每个区块，根据其具体地理环境，分析他车行为可能性，生成地理特异性决策知识；其中，地理特异性决策知识生成方法包括提取地图的区块中与决策有关的各种静态地理要素数据的步骤，以及调用区块中的历史交通数据，以静态地理要素为底图，统计他车在此区块中的行为分布的步骤；所述带有决策知识库的地图形成模块将地理特异性决策知识加载到地图中，形成带有决策知识库的地图；所述实时决策模块对实际行驶中的车辆根据实时定位从带有决策知识库的地图中提取数据，在加载静态环境信息的同时，也将实时定位处的地理特异性决策知识加载进来，利用车载决策算法实现实时决策。
进一步，所述地图区块划分模块包括道路点采样模块和区块形成模块；所述道路点采样模块在道路级地图上进行道路点采样；所述区块形成模块以各采样点为中心，沿道路方向选定范围形成区块。
进一步，所述范围的选定规则是使得相邻区块间不存在缝隙，允许重叠，且应超过安全车距要求，不应大于自动驾驶汽车传感器探测范围；若遇到路口、环岛、铁路道口，应拓展区块范围，以保持这些结构的完整性，使其能够完整包含在一个区块内。
进一步，所述实时决策模块包括根据实时定位从地图中提取静态环境信息和他车行为规律的模块，以及根据实时感知得到的他车信息，利用当前自车实时定位处的他车行为规律实现他车行为预测，结合地图静态信息，依据车载决策算法实现决策的模块。
本发明由于采取以上技术方案，其具有以下优点：本发明将决策知识库存储于地图，车辆能够根据地图提供的具体地理位置中他车行为的可能性来进行实时决策，相比无先验信息的决策，能够对他车行为进行更准确的预测，同时，先验信息的引入也降低了实时决策的复杂度，减轻计算压力。
附图说明
图1是本发明的整体流程示意图。
图2是地图采样示例。
图3是地图区块划分示例。
图4a是地理特异性的他车行为统计示例中的左车道初始速度分布示意图。
图4b是地理特异性的他车行为统计示例中的加速度分布示意图。
图5是结合地理特异性决策知识进行实时决策的示例。
具体实施方式
下面结合附图和实施例对本发明进行详细的描述。
如图1所示，本发明提供一种将决策知识库存储于地图的自动驾驶决策方法，其包括以下步骤：
1）将自动驾驶地图（以下简称地图）划分成允许重叠但不得遗漏的区块；
区块的划分方法包括以下步骤：
1.1）在地图上进行道路点采样，作为决策存储区块的中心。采样方式可不限，但需与区块范围的选取共同保证所有区块可以覆盖整个地图。
如图2所示，在清华大学局部路网中给出了一个采样实例，在路段上，在道路中心线上采用均匀间隔进行采样，采样间距选取为50m，采样结果即为图中的黑色圆点。
1.2）以各采样点为中心，沿道路方向选定范围形成区块。
范围的选定规则是使得相邻区块间不存在缝隙（允许重叠），且应超过安全车距要求，不应大于自动驾驶汽车传感器探测范围。若遇到路口、环岛、铁路道口等情况，应适当拓展区块范围，以保持这些结构的完整性，使其能够完整包含在一个区块内，尽可能保证车辆在区块内的行为连贯性和完整性。
如图3所示，给出了一个区块划分的实例，图中给出了两个采样点，应沿道路中心线平分二者之间的路段，但考虑到存在铁路道口，适当扩大了区块1的范围。制图阶段就应对区块的划分进行具体的调整和考量。
2）针对每个区块，根据其具体地理环境，分析他车行为可能性，生成地理特异性决策知识；
其中，地理特异性决策知识指的是指定地理环境中他车的行为方式，也即对每一个地理位置，都针对性地分析该位置的车辆行为方式。
地理特异性决策知识具体生成方法包括以下步骤：
2.1）提取地图的区块中与决策有关的各种静态地理要素数据，例如道路边界形状、车道线形状、通行方向等。如图3所示的实例中，还包含红绿灯位置及状态、铁路道口通行状况等。
2.2）调用区块中的历史交通数据，以静态地理要素为底图，统计他车在此区块中的行为分布。
地理特异性决策知识的构建与最终输出的实例，将他车在每一个车道上的横向行为、纵向行为的分布都统计出来，横向行为表征为直行的概率和变道的概率，例如，左车道，直行90%，变道10%；中间车道，直行80%，变道20%；右车道，直行95%，变道5%；纵向行为表征为初始速度分布和加速度分布如图4a所示。初始速度指的是进入此区块的速度，其分布规律应用概率密度函数曲线表达，如图4b所示。加速度分布随空间位置而变，因此根据统计给出加速度-空间位置的联合概率密度函数至此，就得到了他车行为的完整统计模型。
3）将地理特异性决策知识加载到地图中，形成带有决策知识库的地图；
具体为，将上述步骤形成的他车行为统计结果作为数据预先存储于地图中。
本发明中的决策知识库，指的是随地理环境而变化的决策辅助信息库，包含了给定地理环境下的他车可能行为。一般的静态自动驾驶地图能够提供的交通规则、路面材质等，不在本发明的决策知识库范围之内。
4）实际行驶中的车辆可以根据实时定位从地图中提取数据，在加载静态环境信息的同时，也将实时定位处的地理特异性决策知识加载进来，利用车载决策算法实现实时决策；
如图5所示，实时决策包括以下步骤：
4.1）根据实时定位从地图中提取静态环境信息和他车行为规律。
4.2）根据实时感知得到的他车信息，利用当前自车实时定位处的他车行为规律实现他车行为预测，结合地图静态信息，依据车载决策算法实现决策；其中，车载决策算法为自动驾驶汽车上搭载的决策算法，可以是任何一种现有的自动驾驶决策算法。
本发明还提供一种将决策知识库存储于地图的自动驾驶决策系统，其包括地图区块划分模块、地理特异性决策知识生成模块、带有决策知识库的地图形成模块和实时决策模块；
地图区块划分模块用于将地图划分成允许重叠但不得遗漏的区块；
地理特异性决策知识生成模块针对每个区块，根据其具体地理环境，分析他车行为可能性，生成地理特异性决策知识；其中，地理特异性决策知识生成方法包括提取地图的区块中与决策有关的各种静态地理要素数据的步骤，以及调用区块中的历史交通数据，以静态地理要素为底图，统计他车在此区块中的行为分布的步骤；
带有决策知识库的地图形成模块将地理特异性决策知识加载到地图中，形成带有决策知识库的地图；
实时决策模块对实际行驶中的车辆根据实时定位从带有决策知识库的地图中提取数据，在加载静态环境信息的同时，也将实时定位处的地理特异性决策知识加载进来，利用车载决策算法实现实时决策。
上述实施例中，地图区块划分模块包括道路点采样模块和区块形成模块；所述道路点采样模块在道路级地图上进行道路点采样；所述区块形成模块以各采样点为中心，沿道路方向选定范围形成区块。
上述实施例中，范围的选定规则是使得相邻区块间不存在缝隙，允许重叠，且应超过安全车距要求，不应大于自动驾驶汽车传感器探测范围；若遇到路口、环岛、铁路道口，应拓展区块范围，以保持这些结构的完整性，使其能够完整包含在一个区块内。
上述实施例中，实时决策模块包括根据实时定位从地图中提取静态环境信息和他车行为规律的模块，以及根据实时感知得到的他车信息，利用当前自车实时定位处的他车行为规律实现他车行为预测，结合地图静态信息，依据车载决策算法实现决策的模块。
综上，采用本发明的决策方法，车辆能够根据地图提供的具体地理位置中他车行为的可能性来进行实时决策，相比无先验信息的决策，能够对他车行为进行更准确的预测，同时，先验信息的引入也降低了实时决策的复杂度，减轻计算压力。
上述各实施例仅用于说明本发明，各个步骤都是可以有所变化的，在本发明技术方案的基础上，凡根据本发明原理对个别步骤进行的改进和等同变换，均不应排除在本发明的保护范围之外。

Claims (4)

1.一种将决策知识库存储于地图的自动驾驶决策方法，其特征在于包括以下步骤：
1）将地图划分成允许重叠但不得遗漏的区块；
2）针对每个区块，根据其具体地理环境，分析他车行为可能性，生成地理特异性决策知识；
地理特异性决策知识生成方法包括以下步骤：
2.1）提取地图的区块中与决策有关的各种静态地理要素数据；
2.2）调用区块中的历史交通数据，以静态地理要素为底图，统计他车在此区块中的行为分布；
将他车在每一个车道上的横向行为、纵向行为的分布都统计出来，横向行为表征为直行的概率和变道的概率，纵向行为表征为初始速度分布和加速度分布；初始速度指的是进入此区块的速度，其分布规律应用概率密度函数曲线表达，加速度分布随空间位置而变，因此根据统计给出加速度-空间位置的联合概率密度函数，就得到了他车行为的完整统计模型；
3）将地理特异性决策知识加载到地图中，形成带有决策知识库的地图；
4）实际行驶中的车辆根据实时定位从带有决策知识库的地图中提取数据，在加载静态环境信息的同时，也将实时定位处的地理特异性决策知识加载进来，利用车载决策算法实现实时决策；
所述步骤4）中，实时决策包括以下步骤：
4.1）根据实时定位从地图中提取静态环境信息和他车行为规律；
4.2）根据实时感知得到的他车信息，利用当前自车实时定位处的他车行为规律实现他车行为预测，结合地图静态信息，依据车载决策算法实现决策；
所述步骤1）中，区块的划分方法包括以下步骤：
1.1）在道路级地图上进行道路点采样；
1.2）以各采样点为中心，沿道路方向选定范围形成区块；
所述范围的选定规则是使得相邻区块间不存在缝隙，允许重叠，且应超过安全车距要求，不应大于自动驾驶汽车传感器探测范围；若遇到路口、环岛、铁路道口，应拓展区块范围，以保持这些结构的完整性，使其能够完整包含在一个区块内。
2.如权利要求1所述自动驾驶决策方法，其特征在于：所述采样需与区块范围的选取共同保证所有区块能覆盖整个地图。
3.如权利要求1所述自动驾驶决策方法，其特征在于：所述步骤3）中，将形成的他车行为统计结果作为数据预先存储于地图中。
4.一种将决策知识库存储于地图的自动驾驶决策系统，其特征在于：包括地图区块划分模块、地理特异性决策知识生成模块、带有决策知识库的地图形成模块和实时决策模块；
所述地图区块划分模块用于将地图划分成允许重叠但不得遗漏的区块；
所述地理特异性决策知识生成模块针对每个区块，根据其具体地理环境，分析他车行为可能性，生成地理特异性决策知识；其中，地理特异性决策知识生成方法包括提取地图的区块中与决策有关的各种静态地理要素数据的步骤，以及调用区块中的历史交通数据，以静态地理要素为底图，统计他车在此区块中的行为分布的步骤；其中，将他车在每一个车道上的横向行为、纵向行为的分布都统计出来，横向行为表征为直行的概率和变道的概率，纵向行为表征为初始速度分布和加速度分布；初始速度指的是进入此区块的速度，其分布规律应用概率密度函数曲线表达，加速度分布随空间位置而变，因此根据统计给出加速度-空间位置的联合概率密度函数，就得到了他车行为的完整统计模型；
所述带有决策知识库的地图形成模块将地理特异性决策知识加载到地图中，形成带有决策知识库的地图；
所述实时决策模块对实际行驶中的车辆根据实时定位从带有决策知识库的地图中提取数据，在加载静态环境信息的同时，也将实时定位处的地理特异性决策知识加载进来，利用车载决策算法实现实时决策；
所述实时决策模块包括根据实时定位从地图中提取静态环境信息和他车行为规律的模块，以及根据实时感知得到的他车信息，利用当前自车实时定位处的统计规律实现他车行为预测，结合地图静态信息，依据车载决策算法实现决策的模块；
所述地图区块划分模块包括道路点采样模块和区块形成模块；所述道路点采样模块在道路级地图上进行道路点采样；所述区块形成模块以各采样点为中心，沿道路方向选定范围形成区块；
所述范围的选定规则是使得相邻区块间不存在缝隙，允许重叠，且应超过安全车距要求，不应大于自动驾驶汽车传感器探测范围；若遇到路口、环岛、铁路道口，应拓展区块范围，以保持这些结构的完整性，使其能够完整包含在一个区块内。
CN202010297424.4A 2020-04-16 2020-04-16 一种将决策知识库存储于地图的自动驾驶决策方法及系统 Active CN111192458B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010297424.4A CN111192458B (zh) 2020-04-16 2020-04-16 一种将决策知识库存储于地图的自动驾驶决策方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010297424.4A CN111192458B (zh) 2020-04-16 2020-04-16 一种将决策知识库存储于地图的自动驾驶决策方法及系统

Publications (2)

Publication Number Publication Date
CN111192458A CN111192458A (zh) 2020-05-22
CN111192458B true CN111192458B (zh) 2020-09-11

Family

ID=70710909

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010297424.4A Active CN111192458B (zh) 2020-04-16 2020-04-16 一种将决策知识库存储于地图的自动驾驶决策方法及系统

Country Status (1)

Country Link
CN (1) CN111192458B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112991723B (zh) * 2021-02-07 2022-09-30 云控智行(上海)汽车科技有限公司 一种基于地理区域的智能网联计算机任务并行颗粒度的划分方法、系统及终端
CN115713866B (zh) * 2022-10-11 2023-08-22 悉地（苏州）勘察设计顾问有限公司 一种基于车辆运行特征的道路静态信息主动服务方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107521503A (zh) * 2016-06-20 2017-12-29 沃尔沃汽车公司 用于调节驾驶员支持功能的安全裕度阈值的方法和系统
CN108357496A (zh) * 2018-02-12 2018-08-03 北京小马智行科技有限公司 自动驾驶控制方法及装置
WO2019044499A1 (ja) * 2017-09-04 2019-03-07 日本電産株式会社 移動体、位置推定装置、およびコンピュータプログラム
CN110099831A (zh) * 2016-12-28 2019-08-06 本田技研工业株式会社 车辆控制系统、车辆控制方法及车辆控制程序
CN110287276A (zh) * 2019-05-27 2019-09-27 百度在线网络技术（北京）有限公司 高精地图更新方法、装置及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10482761B2 (en) * 2018-04-18 2019-11-19 Here Global B.V. Lane-level geometry and traffic information

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107521503A (zh) * 2016-06-20 2017-12-29 沃尔沃汽车公司 用于调节驾驶员支持功能的安全裕度阈值的方法和系统
CN110099831A (zh) * 2016-12-28 2019-08-06 本田技研工业株式会社 车辆控制系统、车辆控制方法及车辆控制程序
WO2019044499A1 (ja) * 2017-09-04 2019-03-07 日本電産株式会社 移動体、位置推定装置、およびコンピュータプログラム
CN108357496A (zh) * 2018-02-12 2018-08-03 北京小马智行科技有限公司 自动驾驶控制方法及装置
CN110287276A (zh) * 2019-05-27 2019-09-27 百度在线网络技术（北京）有限公司 高精地图更新方法、装置及存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
A Flexible Multi-Layer Map Model Designed for Lane-Level Route Planning in Autonomous Vehicles;Kun Jiang 等;《Engineering》;20190430;第307页 *
Intelligent and connected vehicles: Current status and future perspectives;YANG DianGe 等;《Science China(Technological Sciences) 》;20180921;第1446-1471页 *
自动驾驶地图与定位产业发展若干问题;杨殿阁 等;《卫星导航定位与北斗系统应用2019——北斗服务全球 融合创新应用》;20190831;第9-16页 *

Also Published As

Publication number Publication date
CN111192458A (zh) 2020-05-22

Similar Documents

Publication Publication Date Title
US11131993B2 (en) Methods and systems for trajectory forecasting with recurrent neural networks using inertial behavioral rollout
CN109641589B (zh) 用于自主车辆的路线规划
Baskar et al. Traffic control and intelligent vehicle highway systems: a survey
CN112562409B (zh) 一种基于多接入边缘计算的自主泊车系统及方法
US20190317496A1 (en) Method and apparatus for automatical rule learning for autonomous driving
CN113242958A (zh) 自动运载工具分层规划系统及方法
JP6575612B2 (ja) 運転支援方法及び装置
Kohlhaas et al. Semantic state space for high-level maneuver planning in structured traffic scenes
CN111192458B (zh) 一种将决策知识库存储于地图的自动驾驶决策方法及系统
US9983307B2 (en) Method for providing information about at least one object in a surrounding region of a motor vehicle and system
CN116723970A (zh) 使用界限表示进行自动驾驶拓扑规划的系统、方法和计算机程序产品
CN109643118A (zh) 基于关于车辆的环境的与功能相关的信息来影响车辆的功能
JP7516358B2 (ja) 自動車のための経路および／または軌道を計画するためのデバイス
Artuñedo et al. A decision-making architecture for automated driving without detailed prior maps
Mouhagir et al. Integrating safety distances with trajectory planning by modifying the occupancy grid for autonomous vehicle navigation
CN112710317A (zh) 自动驾驶地图的生成方法、自动驾驶方法及相关产品
CN113511215B (zh) 一种混合自动驾驶决策方法、设备及计算机存储介质
US11287816B2 (en) Navigational constraints for autonomous vehicles
CN102252682A (zh) 具有网格的导航
CN115230719A (zh) 一种行驶轨迹规划方法和装置
US20220135068A1 (en) Method and system for motion planning for an autonmous vehicle
CN117261936A (zh) 用于测试自主车辆意图的原型车道
CN116257058A (zh) 一种园区自动驾驶物流小车智能局部规划方法
CN115892076A (zh) 车道障碍物筛选方法、装置和域控制器
CN117916682A (zh) 使用时空凸形走廊的运动规划

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