CN111383474B - 自动驾驶车辆的决策系统及方法 - Google Patents

自动驾驶车辆的决策系统及方法 Download PDF

Info

Publication number
CN111383474B
CN111383474B CN201811641955.XA CN201811641955A CN111383474B CN 111383474 B CN111383474 B CN 111383474B CN 201811641955 A CN201811641955 A CN 201811641955A CN 111383474 B CN111383474 B CN 111383474B
Authority
CN
China
Prior art keywords
vehicle
lane
target
distance
speed
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
CN201811641955.XA
Other languages
English (en)
Other versions
CN111383474A (zh
Inventor
张凯
甄龙豹
和林
葛建勇
王天培
常仕伟
刘洪亮
刘宏伟
高健
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.)
Haomo Zhixing Technology Co Ltd
Original Assignee
Haomo Zhixing Technology Co Ltd
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 Haomo Zhixing Technology Co Ltd filed Critical Haomo Zhixing Technology Co Ltd
Priority to CN201811641955.XA priority Critical patent/CN111383474B/zh
Publication of CN111383474A publication Critical patent/CN111383474A/zh
Application granted granted Critical
Publication of CN111383474B publication Critical patent/CN111383474B/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
    • 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
    • G08G1/0965—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages responding to signals from another vehicle, e.g. emergency vehicle
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及自动驾驶技术领域，提供一种自动驾驶车辆的决策系统及方法。所述决策系统包括：横向决策系统，用于根据道路特征信息、目标线和环境物体目标，评估车辆进行横向决策所需的目标车道和车道异常情况，并根据评估结果，判断并输出车辆的预期横向行为；以及纵向决策系统，用于从所述环境物体目标中提取出与所述车辆处于同一车道中的前车的信息，计算所述车辆相对于所述前车的距离参数，并根据所述距离参数进行纵向行驶状态的切换，并根据切换结果，确定并输出所述车辆当前所处的纵向行驶状态。本发明所述的自动驾驶车辆的决策系统能够针对车辆进行横纵向解耦分析，正确判断车辆的横、纵向车辆行为。

Description

自动驾驶车辆的决策系统及方法
技术领域
本发明涉及自动驾驶技术领域，特别涉及一种自动驾驶车辆的决策系统 及方法。
背景技术
自动驾驶车辆是指通过车载传感系统感知道路环境，自动规划行车路线 并控制车辆到达预定目的地的一种智能车辆，其依靠自动驾驶系统 (Autonomous DrivingSystem简称ADS)实现其功能。根据ADS的开发设 计过程，可将ADS分为：环境感知系统、数据融合系统、决策系统、控制 系统、执行系统五部分。具体地，环境感知系统用于通过车载传感系统提取 车辆、行人、道路、交通标示等车辆当前行驶环境信息；数据融合系统用于 将不同传感器数据信息进行筛选、关联、追踪、过滤等处理以便获得更为精 确的道路、环境物体目标等信息；决策系统用于根据数据融合系统输出的不 同环境车辆行驶状态、道路、环境信息等，通过逻辑判断输出自动驾驶车辆 的车辆行为；控制系统用于根据数据融合系统及决策系统输出的信息实时计 算输出当前车辆横纵向控制变化量；执行系统用于根据控制系统输出的转向、 加速等控制量取代驾驶员对车辆方向盘、加、减速踏板操作过程。
更为具体地，决策系统根据输入的环境物体目标、道路等信息判断并输 出自动驾驶车辆的横、纵向车辆行为，其中横向车辆行为表现为车道保持、 换道、异常换道等，纵向车辆行为表现为通过加、减速实现的巡航、跟随和 紧急制动(Autonomous EmergencyBraking，自动紧急制动，简称紧急制动)。 控制系统根据决策系统输出的横、纵向车辆行为，输出对应的横纵向控制量 以控制车辆安全行驶。因此，可知，决策系统对车辆的横、纵向车辆行为的 正确判断对车辆安全行驶是非常重要的，在进行决策系统设计时必须考虑解 决如何正确判断车辆的横、纵向车辆行为的问题。
发明内容
有鉴于此，本发明旨在提出一种自动驾驶车辆的决策系统，以解决如何 正确判断车辆的横、纵向车辆行为的问题。
为达到上述目的，本发明的技术方案是这样实现的：
一种自动驾驶车辆的决策系统，包括：横向决策系统，用于根据道路特 征信息、目标线和环境物体目标，评估所述自动驾驶车辆进行横向决策所需 的目标车道和车道异常情况，并根据评估结果，判断并输出所述自动驾驶车 辆的预期横向行为；以及纵向决策系统，用于从所述环境物体目标中提取出 与所述自动驾驶车辆处于同一车道中的前车的信息，计算所述自动驾驶车辆 相对于所述前车的距离参数，并根据所述距离参数进行纵向行驶状态的切换， 并根据切换结果，确定并输出所述自动驾驶车辆当前所处的纵向行驶状态。
相对于现有技术，本发明所述的自动驾驶车辆的决策系统能够针对车辆 进行横纵向解耦分析，正确判断车辆的横、纵向车辆行为。
本发明的另一目的在于提出一种自动驾驶车辆的决策方法，以解决如何 正确判断车辆的横、纵向车辆行为的问题。
为达到上述目的，本发明的技术方案是这样实现的：
一种自动驾驶车辆的决策方法，包括：横向决策步骤，根据道路特征信 息、目标线和环境物体目标，评估所述自动驾驶车辆进行横向决策所需的目 标车道和车道异常情况，并根据评估结果，判断并输出所述自动驾驶车辆的 预期横向行为；以及纵向决策步骤，从所述环境物体目标中提取出与所述自 动驾驶车辆处于同一车道中的前车的信息，计算所述自动驾驶车辆相对于所 述前车的距离参数，并根据所述距离参数进行纵向行驶状态的切换，并根据 切换结果，确定并输出所述自动驾驶车辆当前所处的纵向行驶状态。
本发明的另一目的在于提出一种机器可读存储介质，以解决如何正确判 断车辆的横、纵向车辆行为的问题。
为达到上述目的，本发明的技术方案是这样实现的：
一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令用 于使得机器执行上述的自动驾驶车辆的决策方法。
所述自动驾驶车辆的决策方法及所述机器可读存储介质与上述自动驾 驶车辆的决策系统相对于现有技术所具有的优势相同，在此不再赘述。
本发明的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的 示意性实施方式及其说明用于解释本发明，并不构成对本发明的不当限定。 在附图中：
图1是本发明实施例在车体坐标系下对本车环境进行区域划分的示意图；
图2是本发明实施例的一种自动驾驶车辆的决策系统的结构示意图；
图3(a)是本发明实施例的示例中生成本车道动态目标线的示意图；
图3(b)是本发明实施例的示例中生成左车道动态目标线的示意图；
图4是本发明实施例的示例中生成安全偏移线的示意图；
图5是本发明实施例中正常行驶车道的目标车道选择的示例图；。
图6是本发明实施例中车道异常判断的示例图；
图7是本发明实施例中本车道多静态障碍物车道异常识别的示例图；
图8是本发明实施例中车辆进行避障的示意图；以及
图9是本发明实施例的自动驾驶车辆的硬件布置示意图。
具体实施方式
需要说明的是，在不冲突的情况下，本发明中的实施方式及实施方式中 的特征可以相互组合。
本发明实施例中提到的“环境物体目标”有时也简称为“目标”，可以 指在车辆前方、后方或侧方的移动的或静止的任意物体，例如，车辆、人、 建筑物等。另外，图1是本发明实施例在车体坐标系下对本车环境进行区域 划分的示意图，下文均以图1的区域划分来说明环境物体目标等所处的位置。
下面将参考附图并结合实施方式来详细说明本发明。
图2是本发明实施例的一种自动驾驶车辆的决策系统的结构示意图，其 中所述自动驾驶车辆结合下文中的具体场景，也可称为本车。该决策系统包 括：横向决策系统300，用于根据道路特征信息、目标线和环境物体目标， 评估本车进行横向决策所需的目标车道和车道异常情况，并根据评估结果， 判断并输出本车的预期横向行为；以及纵向决策系统400，用于从所述环境 物体目标中提取出与本车处于同一车道中的前车的信息，计算本车相对于所 述前车的距离参数，并根据所述距离参数进行纵向行驶状态的切换，并根据 切换结果，确定并输出本车当前所处的纵向行驶状态。
其中，所述预期横向行为包括车道保持、换道和异常换道中的任意一者， 所述距离参数包括动作距离、AEB距离、期望跟车距离和最高车速极限距离 中的一者或多者，所述纵向行驶状态包括巡航状态、跟随状态和AEB状态。
据此，本发明实施例的决策系统实现了针对车辆进行横纵向解耦分析， 并给出了对应的预期横向行为及纵向行驶状态，便于自动驾驶车辆的控制系 统对车辆进行横纵向解耦控制。
在优选的实施例中，所述自动驾驶车辆的决策系统还可以包括以下任意 一者或多者：目标线获取单元100，用于获取所述目标线；目标获取单元200， 用于获取所述环境物体目标，并在设定道路区域内存在多个环境物体目标时， 提取所述多个环境物体目标中的最小速度与相对于所述自动驾驶车辆的最 小距离来生成虚拟目标；最高车速管理单元500，用于获取对应于驾驶场景 信息、行驶环境信息以及道路条件信息的车辆纵向最高行驶速度以形成最高 速度集合，并选择所述最高速度集合中的最小车速输出至所述纵向决策系统 400。
下面具体介绍本发明实施例的决策系统的这五个部分。
一、目标线获取单元100
所述目标线包括车道中心线、动态目标线和安全偏移线，车道中心线分 为本车道中心线和相邻左右侧车道中心线，主要用于车道保持及换道功能。 动态目标线分为车道内动态目标线、左右侧跨车道动态目标线，主要用于异 常换道行驶。安全偏移线分为左右侧安全偏移线，主要用于强制驶离工况。
优选地，所述目标线获取单元100包括车道中心线获取模块110、动态 目标线生成模块120和安全偏移线生成模块130中的一者或多者。
进一步地，车道中心线获取模块110被配置用于获取本车道中心线和相 邻左右侧车道中心线。其中，根据环境感知系统获取的地图信息等就可以确 定车道中心线。
进一步地，动态目标线生成模块120被配置用于在当前行驶车道中存在 一个或多个所述环境物体目标时，根据各个环境物体目标与本车之间的纵向 最近距离确定本车在当前行驶车道的第一可行驶安全域或者在相邻车道的 第二可行驶安全域，并将所述第一可行驶安全域或第二可行驶安全域的横向 中心线作为相应的动态目标线。这里，横向中心线可结合图3(a)和图3(b) 的示例来进行理解。
图3(a)是本发明实施例的示例中生成本车道动态目标线的示意图。当 本车道内存在多个目标车辆，如目标1和目标2，获取目标1与自动驾驶车 辆之间纵向最近点O1，目标2与自动驾驶车辆之间纵向最近点O2，将车道 线L1平移通过O1点获得本车与目标1之间的纵向最近距离AB，将车道线 L1平移通过O2点获得本车与目标2之间的纵向最近距离CD，得到车辆在 本车道内的第一可行驶安全域ABCD，取AB、CD中点E、F，将车道线L1 平移通过E、F点获取动态目标线EF，可知该动态目标线EF为第一可行驶 安全域ABCD的横向中心线。车辆通过跟随动态目标线EF，可在本车道行 驶即可规避环境车辆。
但是，当AD、BC宽度距离小于设定值(例如2.4m，1.2*车辆宽度) 时，车辆会与目标将会发生碰撞，这就涉及换道，从而需要得到相邻车道的 动态目标线。
图3(b)是本发明实施例的示例中生成左车道动态目标线的示意图。可 知，在本车基于第一可行驶安全域ABCD无法通过本车道时，获取相邻车道 纵向最近点O5，通过车道线L1平移通过O5点获得本车在左车道与物体目 标之间纵向最近距离O5O6，从而得到第二可行驶安全域A1B1C1D1，将平 移车道线L1过A1D1与B1C1的中点获得动态目标线E1F1，可知该动态目 标线E1F1为第二可行驶安全域A1B1C1D1的横向中心线。
若本车道内动态目标线与左右跨车道动态目标线具有相同车辆控制功 能，正常工况下优先选择本车道动态目标线，其次是左侧跨车道动态目标线， 当本车道及左侧跨车道动态目标线都不满足要求时，选择右侧跨车道动态目 标线，特殊工况下，以上三种情况都不满足时，车辆输出本车道动态目标线 车辆纵向减速行驶。
在此，通过纵向最近距离，本发明实施例定义影响车辆行驶的危险等级 较高的目标为动态目标线生成目标，相较于常规的栅格法、遗传算法等，适 用范围更广，可以适用于不同曲率弯曲道路及笔直道路下的ADS。
进一步地，所述安全偏移线生成模块130被配置用于：获取通过目标车 道中的所述环境物体目标上相对于所述自动驾驶车辆的横向最近距离点、且 平行于车道线的第一车线；获取通过当前行驶车道中的所述环境物体目标上 的相对于所述自动驾驶车辆的纵向最近距离点、且与所述车道线的矢量方向 垂直的第三车线；将所述第一车线平移预设安全距离至当前行驶车道以得到 第二车线；根据所述第一车线、所述第二车线、所述第三车线以及所述纵向 最近距离点确定所述自动驾驶车辆向目标车道行驶的第三可行驶安全域，并 所述第三可行驶安全域的横向中心线作为相应的动态目标线。
图4是本发明实施例的示例中生成安全偏移线的示意图，该示例是针对 车辆准备驶入匝道，但因右车道拥堵而无法驶入匝道的场景。有效探测区域 内，获取目标车道内的环境物体目标与本车之间横向最近距离点O1(O1O2为横向最近距离)，获取通过O1点且平行于L1曲线lane1(即第一车线)， 提取本车道内的环境物体目标与本车之间纵向最近距离点g，获取过g点且 与L1矢量方向垂直曲线lane3(即第三车线)，将曲线lane1沿道路矢量方向向本车道平移(平移值优先取为2.8m，即车辆宽度2m与冗余阈值80cm 之和)获取曲线lane2(即第二车线)，得到第三可行驶安全域为abcd，取 ab中点e及bc中点f，获取过e、f点且平行于L1曲线的曲线，该曲线ef 为第三可行驶安全域abcd的横向中心线，在此作为要生成的安全偏移线。
在此，本发明实施例的安全偏移线生成方法相较于神经网络算法、蚁群 算法等能够提高系统运行效率及实时性，且能够在道路维修、拥堵等工况下 (无法驶入目标车道)，避免车辆切入相邻车道内与邻车发生碰撞。
二、目标获取单元200
结合图1，本发明实施例中，所述目标获取单元200对前方、侧方、后 方不同区域的环境物体目标进行分类处理，并通过提取虚拟目标来降低本车 在行驶过程中的换道频率，能够提前预瞄相邻车道内的速度最慢车辆，减少 本车不必要的换道动作。下面具体介绍前方、侧方和后面的目标获取。
1、前方区域的虚拟目标提取。
首先提取左前(正前/右前)方区域的目标，其次将目标按速度由小到 大排列获取速度序列Vely_Array1，纵向距离由近及远进行排列获取距离序 列Dis_Array1。再次提取Vely_Array1序列中速度最小目标G2(例如速度为 90kph)，提取Dis_Array1序列中距离最近目标G1(例如距离为65m)，根 据提取出的最小速度与最近距离确定物体虚拟目标G0，易知该虚拟目标距 离本车之间的距离为65m，虚拟目标的速度90kph。最后，可根据虚拟目标计算车辆TTC(Time to collision碰撞时间)值。
2、侧方区域的虚拟目标提取。
首先提取左(右)侧方区域的目标，其次将目标按纵向距离由近及远进 行排列获取距离序列Dis_Array2。目标(左右相邻车道)横向距离由近及远 进行排列获取距离序列Dis_Array3，再次，提取Dis_Array2侧方区域纵向距 离最小目标G1，提取Dis_Array3横向距离最小目标G2，根据横、纵向最小 距离获取虚拟目标G0。
3、后方区域的目标提取。
首先提取左后(后/右后)方区域的目标，其次根据车辆行驶工况危险 等级TTC，确定不同目标对本车行驶过程影响严重程度根据危险等级对目标 序列进行排序获取TTC序列。再次，提取TTC序列中危险等级最高的目物 体作为目标。为提供后方环境车辆驾驶员足够反应时间TTC推荐值2.5当 TTC值大于2.5小于属于危险工况，大于2.5时属安全工况。
三、横向决策系统300
在优选的实施例中，所述横向决策系统300包括：目标车道管理模块310， 用于根据所述道路特征信息选择所述自动驾驶车辆的目标车道；车道异常管 理模块320，用于根据所述道路特征信息识别异常车道，并提供针对异常车 道的避障策略以引导所述自动驾驶车辆进行避障；以及判断模块330，用于 结合所述道路特征信息，根据所述目标车道、所述异常车道以及所述避障策 略，判断并输出所述自动驾驶车辆的预期横向行为。
1、目标车道管理模块310
其中，所述目标车道的选择原则包括遵循道路场景的原则、遵循车道属 性的原则、不选择异常车道的原则以及车道异常时选择相邻车道和依次靠右 选择的原则，且所述道路特征信息包括道路类型、道路特征点及所述车道属 性，且所述车道属性包括车道特征点属性和车道数属性。举例而言，遵循道 路场景的原则是指选择目标车道是要考虑道路是主道还是匝道，遵循车道属 性的原则是指选择目标车道时要考虑车道类型变化(通过车道特征点判断， 例如驶入加速车道)和车道数变化，不选择异常车道的原则是指不能将异常车道作为目标车道，车道异常时选择相邻车道和依次靠右选择的原则是指在 车道异常时，优先选择其相邻车道，若多条车道异常，则依次向右选择相邻 车道。
结合实际，在进行目标车道选择时，主要涉及主道常规场景、主道特殊 场景和匝道场景。
其中，主道常规场景包括加速车道、正常行驶车道和减速车道。当自动 驾驶车辆驶入加速车道时，目标车道应选择最右侧车道，当目标车道异常时， 应选择原目标车道相邻车道，并根据加速车道在道路右侧(遵循道路场景) 的特点，尽量靠右选择目标车道；当自动驾驶车辆驶入减速车道时，根据减 速车道在道路最右侧(遵循道路场景)的特点，应将目标车道置换为最右侧 车道，为进入减速车道及匝道部分提前做好准备。当目标车道异常时，应选 择原目标车道相邻车道，并尽量靠右，便于车辆选取适当的时机尽快进入减 速车道及匝道部分驶离该路段。
图5是本发明实施例中正常行驶车道的目标车道选择的示例图，结合该 图，可知正常行驶车道目标车道选择的原则主要有以下几点：
1)两车道(例如只有C3、C4两条车道)：两条车道均正常，右侧车 道为目标车道；只有一条车道正常(例如C3正常)，正常车道为目标车道。
2)三车道(例如只有C2、C3、C4三条车道)：三条车道均正常，中 间车道为目标车道；中间车道不正常，右侧车道为目标车道；只有一条车道 正常，正常车道为目标车道。
3)车道数大于三：左侧第二车道为目标车道，例如C1-C4都正常时， 选择C2为目标车道。
4)目标车道异常时，本着逐步向右的原则选择目标车道，当异常消失 时，回到原目标车道。如当前的图5所示，目标车道本应为C2，然而C2存 在静态障碍物导致C2车道异常，无法通过，此时将目标车道置为C3车道， 当车辆超过障碍物，且C2车道正常时，目标车道仍然变为C2车道。同理 若C2车道、C3车道前方同样异常无法通过，则将目标车道置于C4车道， 当车道数更多时，依次类推。这是因为当车道数较多时，目标车道选择靠近 左侧，因为高速路况中，左侧车速更快(符合遵循道路场景的原则)，车辆 能够在以一个较快的车速行驶，而当原目标车道出现异常时，目标车道选择 右侧相邻车道，并依次向右选择，这有利于在前方道路出现异常时候更加快 速的将自动驾驶车辆停在应急车道上或者驶离高速公路。
5)目标车道异常，而当前车辆所在车道正常，则当前车道为目标车道。
6)本车道异常，选取最近的正常车道为目标车道。当左右侧相同时， 选取右侧为目标车道。结合图5，原目标车道为C2，此时前方C2和C3异 常，因此时车辆在C2，距离C1较近，故将目标车道置于C1。
进一步地，主道特殊场景主要包括主道变窄、主道变宽、主道分叉(分 离式路基)和/或隧道。
其中，主道变窄情景下的目标车道选择原则为：提前1000m(标定量) 变更车道属性(正常车道→变窄车道)；若原目标车道为道路变窄车道，置 原目标车道相邻正常车道为目标车道。
主道变宽情景下的目标车道选择原则为：提前500m(标定值)变更车 道属性(正常车道→变宽车道)；车辆沿着当前目标车道行驶，直至进入变 宽区域，车道数量发生变化，重新选择目标车道。
主道分叉情景下的目标车道选择原则包括：提前500m(标定值)变更 车道属性(正常车道→主道分叉)；以4车道目标方向为右(为左的情景与 此类似)为例，当目标侧前方1条车道时，该车道为目标车道，当目标侧前 方2条车道时，右侧车道为目标车道，当目标侧前方3条车道时，中间车道 为目标车道。
隧道目标车道的选择原则与上述的图5所对应的正常行驶车道相同或相 似，在此不再赘述。
进一步地，所述匝道场景包括常规匝道、匝道变窄、匝道变宽、匝道分 叉和/或匝道交汇。需说明的是，针对匝道变窄、匝道变宽、匝道分叉的目标 车道选择与上述主道变窄、主道变宽、主道分叉的目标车道选择相同或相似， 区别主要在于主道变为匝道，故在此不再赘述。
对于常规匝道，当车辆驶入匝道时，目标车道选择最右侧车道。当最右 侧车道异常时，目标车道选择临近最右侧车道，目标车道选择原则遵从尽量 靠右原则。
对于匝道交汇，车辆行驶在匝道上，提前500m(标定值)变更车道属 性(普通匝道→交汇匝道)，匝道车道数属性发生变化，车辆沿着当前目标 车道行驶汇入交汇匝道，当车道数属性变化后，按照新的车道数，重新选择 目标车道。
2、车道异常管理模块320
优选地，车道异常管理模块320用于根据所述道路特征信息识别异常车 道可以包括：分析道路特征信息以筛选出所述自动驾驶车辆的前方道路的静 态障碍目标，并基于所述静态障碍目标识别是否车道异常。
具体地，首先选取静态障碍目标。静态障碍目标选取原则包括：提取车 辆当前行驶路段的道路特征信息(车道数、各车道宽度等)、道路附属物信 息、环境物体目标信息。在各车道内，以距离车辆最近的环境物体目标为参 考，筛选一定范围内各车道静态障碍目标(也称为静态障碍物)，静态障碍 目标主要是路锥、路障、故障车辆等静态物体目标，也包含目标速度小于某 一阈值时的动态目标。并且，可按车道提取各静态障碍目标相对于本车的横 纵向距离信息等。
其次，判断车道异常。图6是本发明实施例中车道异常判断的示例图， 其以车辆所在的本车道为例，而其他车道的异常判断原则与此类似。由于静 态目标1与静态目标2的作用，在D2范围内，自动驾驶车辆可行驶区域如 ABCE所示，可行驶宽度D，其为D2范围内静态目标1与本车道中心线横 向距离最近的点距离值l1(正值左)，与静态目标2与本车道中心线横向距 离最近的点距离值l2(负值右)绝对值的和(l1为本车道中心线横向距离-E 点横向距离；l2为本车道中心线横向距离-C点横向距离)。如果没有横向最 近点，即前方没有静态障碍目标，则l1和l2取固定值(选确定的标定量，可 称为TBD)。当车道的可行驶宽度D小于TBD时，认为车道异常，车辆无 法通行，若可行驶宽度D大于TBD时，认为道路正常，车辆可以正常通过。 另外，当车辆行驶于隧道口时，还需要识别隧道入口各车道红绿灯情况，当 车道为红灯时，则把该车道置为异常车道(从入口到出口均为异常状态)； 直到自动驾驶车辆驶出隧道，系统重新识别道路状态是否为隧道，并重新识 别红绿灯。
另外，还涉及本车道多静态障碍物车道异常识别。图7是本发明实施例 中本车道多静态障碍物车道异常识别的示例图。参考图7，车道存在静态目 标1、2其中两者之间距离D3，可行驶宽度D＝(abs(l1)+abs(l2))大于设 定阈值TBD(优先取值2.8m)，车辆可安全通过静态目标1；当D3大于设 定阈值TBD1(TBD1的取值与当前车速线性相关K*V，最小取值25m，其 中K为比例系数，V为车速)时，可行驶宽度D4＝(abs(l1’)+abs(l2’)) 大于设定阈值TBD(优先取值2.8m)，车辆可安全通过静态目标2。因此， 虽车道异常，但车辆仍可安全通过。
更为优选地，所述车道异常管理模块320用于引导所述自动驾驶车辆进 行避障的避障策略包括：根据静态障碍目标以及设定区域存在的动态的所述 环境物体目标确定避障目标，并确定所述避障目标相对于所述自动驾驶车辆 的静态特性和动态特性；基于所述避障目标的静态特性和动态特性建立适应 于道路特性的避障区域；基于所述避障目标的静态特性和动态特性，判断所 述避障区域的可通行性；对所述自动驾驶车辆正常换道时的相关环境物体目 标进行碰撞风险评估，并根据所述碰撞风险评估的结果确定换道可行性；以 及根据所述换道可行性和所述避障区域的可通行性，控制所述自动驾驶车辆 进行换道或在当前行驶车道绕开所述避障目标行驶。
举例而言，在此的“避障策略”主要涉及以下部分：
1)避障目标选取
避障目标包括静态障碍物和动态障碍物。选取原则以区域内距离自动驾 驶车辆最近物体目标为参考。静态障碍物主要是路锥、路障、故障车辆等静 态物体目标，避障目标包括：①正前方区域静态物体目标；②左前方区域静 态物体目标；③右前方区域静态物体目标；④左侧方区域静态物体目标；⑤ 右侧方区域的静态物体目标。动态障碍物主要是运动的物体目标，避障目标 包括：①正前方区域低于自动驾驶车辆速度的动态物体目标；②左前方区域 低于自动驾驶车辆速度的动态物体目标；③右前方区域低于自动驾驶车辆速度的动态物体目标；④左侧方区域的动态物体目标；⑤右侧方区域的动态物 体目标；⑥左后方区域高于自动驾驶车辆速度的动态物体目标；⑦右后方区 域高于自动驾驶车辆速度的动态物体目标。
2)避障区域建立
传统避障区域建立方法通常建立扇形区域，以扇形角度的1/2作为偏转 姿态，躲避障碍物成功后再进行跟随，这种方法适用于无车道线的城市/乡村 道路等低速自动驾驶车辆。本发明实施例中，避障区域的建立除了考虑避障 目标外，还应考虑道路特性，使自动驾驶的避障行为符合高速公路对于驾驶 员的行为要求(如在本车道内行驶，除超车外不压线；不画龙行驶；速度不 忽快忽慢等)。
图8是本发明实施例中车辆进行避障的示意图，其中ABCD构成的区 域这里的避障区域，弧AC和弧BD的弧长等于200米，曲率等于车道线L2 的曲率，即AC与BD平行于道路，该区域的尺寸大小通过避障目标G1和 G2确定。
目标G1为正前方区域的动态物体目标，G1与本车之间的关系包括外轮 廓点，即横向最近点G11和纵向最近点G12，经G11构建平行于道路的曲 线s1，纵向最近点G12到曲线s1垂线的交点为G13，将G13作为目标G1 进行避障的外轮廓点，考虑避障安全加入d2＝0.3米的安全距离生成BD曲线。
目标G2为左前方区域的静态物体目标(修路路障)，G2最终选取的外 轮廓点为G21，考虑避障安全加入d1＝0.1米的安全距离生成AC曲线。
3)避障区域可通行性判断
根据图8生成避障区域ABCD后，车辆是否能够通过该区域则需要进 行判断，车辆宽度W+安全距离d3最为可通行性判断的条件，当避障区域宽 度大于(W+d3)时，自动驾驶车辆可以进行避障；否则自动驾驶车辆重新 判断其它避障区域(如右侧是否可以生成避障区域)。
进一步地，针对上述避障策略，若换道可行，则控制所述自动驾驶车辆 进行换道，否则判断所述避障区域的可通行性，若所述避障区域可通行，则 确定所述自动驾驶车辆在当前行驶车道绕开所述避障目标行驶。具体地，需 要进行以下的换道意图产生分析(即碰撞风险评估)、换道方向判断和换道 可行性判断。
1)换道意图产生
车辆正常行驶时，探测区域前方出现低于车辆最高限速非静态物体目标 时，自动驾驶车辆根据本车与前车相对距离、速度权衡确定车辆是否需要换 道，降低自动驾驶车辆换道频率。
假设换道意图期望因子阈值设定为η，自动驾驶车辆速度V_auto,目标 车辆速度V_trg,自动驾驶车辆与目标车辆之间相对距离Dis_rely,自动驾驶车 辆期望安全行车距离K*V_auto其中K优先取0.8。
换道意图期望因子β＝K1*(V_auto/V_trg)+K2*(Dis_rely/K*V_auto)， 其中K1+K2＝1当换道意图期望因子β小于η时自动驾驶车辆意图满足。
自动驾驶车辆正常行驶时，探测区域前方出现静态物体目标时，自动驾 驶车辆应提前换道避免与前方静态物体发生碰撞。
假设换道意图期望因子阈值设定为ηs，自动驾驶车辆速度V_auto,自动 驾驶车辆与静态障碍物之间相对距离Dis_s，自动驾驶车辆期望安全行车距 离K*V_auto，其中K优先取1。
换道意图期望因子βs＝K1*(Dis_s/K*V_auto)，其中K1优先取值1， 当换道意图期望因子βs小于ηs时自动驾驶车辆意图满足。
2)换道方向判断
自动驾驶车辆换道方向判断需满足以下条件：
a)前方区域(左前方、正前方、右前方)存在非静态物体目标。
b)左前或右前方区域物体目标速度与本车道前车速度之差大于速度阈 值ΔV，ΔV优先取值5km/h。
c)车辆与左前或右前车之间距离大于车辆期望安全行车距离K3*V_auto， 其中K3优先取0.6。
d)车辆正侧方无车。
e)根据后方区域(左后方、右后方)环境车辆与自动驾驶车辆之间关 系进行碰撞风险评估，根据自动驾驶车辆与环境物体目标TTC值(TTC即自 动驾驶车辆与前方车辆碰撞时间，TTC＝相对速度/相对距离；相对速度＝本车 速度-前车速度)确定自动驾驶车辆换道可行性，优先推荐选取TTC值大于2。
f)后方区域(左后方、右后方)环境车辆与自动驾驶车辆之间相对距 离大于自动驾驶车辆期望安全行车距离K4*V_auto，其中K4优先取0.3。
g)换到条件判断中自动驾驶车辆左换道优先，即当左前、右前区域同 时满足a～f条件时，优先选择左侧车道为目标车道。
自动驾驶车辆根据上述条件a)～g)确定换道的目标车道。
3)换道可行性判断
车辆须谨遵道路交通法规，如：虚实线、限速、灯光、喇叭、红绿灯、 禁止掉头等。
本发明实施例的避障策略可避免人工驾驶可能因盲区引起车辆碰撞，且 其换道功能能够提高车辆行驶效率降低驾驶员工作量，且涉及的自动换道方 法适用范围广，可以适用于较大曲率弯曲道路及笔直道路下的ADS，尤其是 结构化道路下的ADS。
3、判断模块330
如上所述，该判断模块330结合道路特征信息，根据目标车道、异常车 道以及避障策略，判断并输出车辆的车道保持、换道等预期横向行为。
本发明实施例的横向决策系统能够评估出目标车道及车道异常情况，并 据此作出符合道路特性的车道保持、换道或异常换道的横向决策，以便于车 辆的控制系统可基于该横向决策进行适应性的横向控制，以保证车辆的行驶 安全。
四、纵向决策系统400
在优选的实施例中，所述纵向决策系统400包括：距离计算模块410， 用于确定所述动作距离、所述AEB距离、所述期望跟车距离和所述最高车 速极限距离中的一者或多者；状态切换模块420，用于根据所述距离参数和 所述本车的环境信息进行纵向行驶状态的切换；以及状态确定模块430，用 于根据所述状态切换模块的切换结果，确定并输出所述本车的当前所处的纵 向行驶状态。
1、距离计算模块410。
其中，所述动作距离在此定义为自动驾驶车辆相对于前车从巡航状态切 换到跟随状态的距离阈值，其与本车车速和前车车速相关。所述AEB距离 在此定义为进入AEB状态的切换的距离阀值；所述期望跟车距离在此定义 为本车在稳定跟随前车行车过程中期望与跟随的前车之间保持的安全距离； 所述最高车速极限距离在此定义为车辆从跟随状态切换到巡航状态的距离 阀值，定义最高车速极限距离的目的是防止两车之间的距离与动作距离相差 不大时，避免巡航状态与跟随状态的来回跳换，影响车内乘客的舒适性。
所述距离计算模块410用于确定所述动作距离包括：根据本车车速和前 车车速的大小关系，在预先配置的动作距离表中匹配出相应的动作距离。优 选地，所述动作距离表被配置为示出所述本车车速与所述前车车速之间的大 小关系与所述动作距离之间的关联关系。
具体地，根据世界公认的高速行车3s原则(即在行车过程中，本车道 内存在前车，本车与前车需保持的行车距离为本车行驶3秒钟以上的车程)， 结合驾驶员反应时间等因素，可分析出该关联关系包括：若所述前车车速高 于所述本车车速，则按照所述本车车速与所述前车车速之间的速度差值缩短 所述动作距离的值；若所述前车车速等于所述本车车速，则所述动作距离的 值与所述本车车速或所述前车车速的值相等；以及若所述前车车速低于所述 本车车速，则按照所述本车车速与所述前车车速之间的速度差值增大所述动作距离的值。在优选的实施例中，还可通过参数修正将在此的所述动作距离 随所述速度差值的“缩短”和“增大”调整为成比例的“缩短”和“增大”， 以使动作距离表具有一定的规律性。
本发明实施例通过查表的方法计算两车之间的动作距离，具有实时性， 且兼顾了舒适性及安全性。因不同的驾驶员及乘客有不同的乘坐体验，此动 作距离还可以做一定的修正，驾驶员需要激进驾驶时，可以成比例的缩小动 作距离表值以满足此类驾驶员的驾驶需求，当驾驶员保守驾驶时，同时也可 以成比例的增大这个动作距离表值以满足此类驾驶员的驾驶需求，因此本发 明实施例的动作距离表可以应用于不同的驾驶风格。
进一步地，对于AEB距离，可通过以下两个公式计算
Figure BDA0001931311010000181
AEBDis_m＝(VehSpd_kph-FroVehSpd_kph)*TTC/3.6
式中，VehSpd_kph为本车车速，FroVehSpd_kph为前车车速，RelaDis_m 为两车之间的实际距离。可知，只有在本车道内存在前车，且前车车速低于 本车车速时，AEBDis_m及TTC才有意义。
进一步地，对于期望跟车距离，根据其定义，其可根据所述本车车速、 所述前车车速以及两车之间的预设安全距离来确定，以使本车在稳定跟随前 车行车过程中期望与前车之间保持的预设安全距离。
进一步地，对于最高车速极限距离，根据其被定义的目的，可根据本车 与前车之间的实际距离以及当前的动作距离来确定。
2、状态切换模块420
本发明实施例中，状态切换模块420根据本车当前所处的纵向行为，具 体有以下三种切换方式
1)针对本车当前处于所述巡航状态的情况。
具体地，在所述本车与所述前车的实际距离小于所述动作距离时，控制 所述本车由所述巡航状态切换到所述跟随状态；以及在所述TTC小于第一 设定值K1时，或者同时满足所述实际距离小于所述动作距离的第一设定倍 数以及所述本车车速与所述前车车速的速度差值小于第二设定值K2时，控 制所述本车由所述巡航状态切换到所述AEB状态。其中K1，K2均为实车 测试标定值，所述第一设定倍数为0至1之间的倍数(例如为0.1)。
2)针对本车当前处于所述跟随状态的情况。
具体地，在所述最高车速极限距离小于所述实际距离时，控制所述本车 由所述跟随状态切换到所述巡航状态；以及在所述TTC小于K1时或者同时 满足所述实际距离小于所述动作距离的所述第一设定倍数以及所述本车车 速与所述前车车速的速度差值小于所述K2时，控制所述本车由所述跟随状 态切换到所述AEB状态。
3)针对本车当前处于所述AEB状态的情况。
具体地，在所述TTC大于K1以及所述实际距离大于所述动作距离的第 二设定倍数时，控制所述本车由所述AEB状态切换到所述跟随状态，其中 所述第二设定倍数为0至1之间的倍数(例如为0.2)。
3、状态确定模块430
如上所述，根据所述状态切换模块420的切换结果，确定并输出所述本 车的当前所处的纵向行驶状态，以供纵向控制使用。
本发明实施例的自动驾驶车辆的纵向决策系统利用距离参数，特别是动 作距离，可以在保证安全的前提下，有效地提高道路通行率，适用于全速路 况，同时距离参数可调，适用于不同驾驶风格的驾驶员。
五、最高车速管理单元500
下面分别针对驾驶场景、行驶环境以及道路条件来具体介绍最高车速管 理单元500的功能。
1)针对不同驾驶场景，最高车速受以下条件影响：①ADS预设最高车 速V1；②自动驾驶车辆行驶前方可行驶区域(例如图6中的可行驶安全域)， 不同宽度设定不同最高车速V2；③自动驾驶车辆当前行驶相邻车道(非应 急车道)的设定范围内存在行人，车辆降速，设定最高车速V3；④自动驾 驶车辆距离高速公路出口距离(匝道出口距离、收费站距离等)，根据不同 的距离设定不同的最高限速值V4；⑤自动驾驶车辆在距离汇入点设定距离时时，开始减速至最高车速V5；⑥自动驾驶车辆在特定工况下(如：并流、 分流、驶离高速、岔道口等)，需要强制切入相邻车道，根据左右前方区域 车辆速度，设定自动驾驶车辆最高车速V6；⑦自动驾驶车辆在换道过程中， 依据自动驾驶车辆正前方目标设定最高车速V7；8)自动驾驶车辆存在并排 行驶车辆，自动驾驶车辆超越相邻车道并排行驶车辆时最高车速V8。
2)针对不同行驶环境，最高车速受以下条件影响：①不同行驶道路， 路段会有不同的道路限速，根据高精度地图(HDM)、视觉传感器识别输 出道路最高限速V9；②自动驾驶车辆行驶环境因素(光线明暗程度、雾、 雨雪、冰雹等)，根据不同环境条件限定自动驾驶车辆最高车速V10。
3)针对不同道路条件，最高车速受以下条件影响：①道路曲率，根据 不同的道路完全程度，限定车辆最高车速V11；②路面不平度，根据车辆的 动态信息(如:垂直加速度、横向力、坡度等)限定车辆最高车速V12；③路 面附着系数，根据自动驾驶车辆自身所带传感器检测当前道路路面附着系数， 限定车辆最高车速V13。
据此，得到最高速度集合{V1，……，V13}，取其中的最小值V0作为 自动驾驶车辆在当前道路行驶时允许的最高车速V。另外，若V0是由于环 境因素(雨雪雾等)或者路面附着系数引起，若此时车辆周围存在邻车，此 时主动将V0降低10％，系统最高车速V＝0.9*V0；若上述V0非环境因素(雨 雪雾等)、路面附着系数引起，若此时车辆周围存在邻车，此时系统最高车 速V＝V8，否则V＝V0。
本发明实施例提供的自动驾驶车辆在不同驾驶场景、环境条件及道路条 件下能行驶的最高车速，与常规法相比具有更强的实用性，涵盖更多的场景， 更符合人的驾驶习惯，避免自动驾驶车辆由于行驶速度过高而出现违章或发 生碰撞、车辆打滑等事故，保障自动驾驶车辆行车安全及驾驶员安全及乘坐 舒适性。
需说明的是，车辆的决策系统与环境感知系统及它们各自的功能模块可 对应理解为车辆上的控制单元，下面将基于这一理解来说明本发明实施例的 自动驾驶车辆的硬件布置。图9是本发明实施例的自动驾驶车辆的硬件布置 示意图，控制单元1、控制单元2、控制单元4构成环境感知系统，控制单 元3构成本发明实施例的决策系统。控制单元1为自动驾驶车辆提供准确位 置信息，优先选用高精度GPS+IMU设备，横向定位偏差10cm以内，纵向 定位偏差30cm以内。控制单元2用于存储、输出自动驾驶车辆前后方200m 范围内高精度车道线、车道数、车道宽度等信息，优先使用存储空间大于50G， 处理内存大于1G硬件设备。控制单元4用于探测提取自动驾驶车辆周围360° 范围内出现的物体目标，优先选用全天候传感器探测设备避免因雨、雪、雾、 光照等引起物体目标误检、漏检等。其中，控制单元4不仅仅局限于当前安 装位置也不局限于当前数量，为提高物体探测准确性在车身周围布置若干雷 达传感器(激光雷达或毫米波雷达设备等)、视觉传感器，通过设备冗余提 高物体目标检测准确、稳定性。
其中，控制单元2获取控制单元1提供自动驾驶车辆准确位置信息，处 理运算后实时输出自动驾驶车辆前后方200m范围内高精度地图数据，包括： 车道线离散点经纬度(经纬度以地心为原点)、离散点航向角(以正北方向 为0°顺时针为证)、车道线类型、车道宽度、车道数量、道路边界等信息， 控制单元3将通过以太网方式接收到车道线离线数据通过坐标转换至平面车 辆坐标系下，提供车辆换道过程中所需的道路特征信息，控制单元4同时将 探测区域内物体目标信息以CAN通讯方式传输至控制单元3，控制单元3 执行上述的决策系统的功能。
由此可知，本发明实施例的决策系统是易于通过硬件来实现的。需注意 的是，控制单元3可被配置为包括多个独立控制模块，每一控制模块分别对 应上述的目标线获取单元100、目标获取单元200、横向决策系统300、纵向 决策系统400及最高车速管理单元500，从而更加有利于对各部分进行解耦 分析和解耦控制。
综上所述，本发明实施例的决策系统能够针对车辆进行横纵向解耦分析， 且涉及的横纵向分析、目标获取方法、目标线获取方法及最高车速确定方法， 都各具优点，这些优点已在上文中进行了描述，在此不再进行赘述。
本发明实施例还提供了一种自动驾驶车辆的决策方法，该决策方法与上 述的决策系统是基于同样的发明思路的，且该决策方法可以包括以下步骤 S100及S200。
横向决策步骤S100，包括：根据道路特征信息、目标线和环境物体目 标，评估所述自动驾驶车辆进行横向决策所需的目标车道和车道异常情况， 并根据评估结果，判断并输出所述自动驾驶车辆的预期横向行为。
纵向决策步骤S200，包括：从所述环境物体目标中提取出与所述自动 驾驶车辆处于同一车道中的前车的信息，计算所述自动驾驶车辆相对于所述 前车的距离参数，并根据所述距离参数进行纵向行驶状态的切换，并根据切 换结果，确定并输出所述自动驾驶车辆当前所处的纵向行驶状态。
在优选的实施例中，所述自动驾驶车辆的决策方法还包括以下步骤 S300-S500中的任意一者或多者。
目标线获取步骤S300，包括：获取所述目标线，其中所述目标线包括 车道中心线、动态目标线和安全偏移线。
目标获取步骤S400，包括：获取所述环境物体目标，并在设定道路区 域内存在多个环境物体目标时，提取所述多个环境物体目标中的最小速度与 相对于所述自动驾驶车辆的最小距离来生成虚拟目标。
最高车速管理步骤S500，包括：获取对应于驾驶场景信息、行驶环境 信息以及道路条件信息的车辆纵向最高行驶速度以形成最高速度集合，并选 择所述最高速度集合中的最小车速输出至所述纵向决策系统。
更为优选地，目标获取步骤S400包括以下子步骤中的任意一者或多者： 车道中心线获取子步骤，获取当前行驶车道及相邻两侧车道的车道中心线； 动态目标线生成子步骤，在当前行驶车道中存在一个或多个所述环境物体目 标时，根据各个环境物体目标与所述自动驾驶车辆之间的纵向最近距离确定 所述自动驾驶车辆在当前行驶车道的第一可行驶安全域或者在相邻车道的 第二可行驶安全域，并所述第一可行驶安全域或第二可行驶安全域的横向中 心线作为相应的动态目标线；安全偏移线生成子步骤。
其中，该安全偏移线生成子步骤又包括：获取通过目标车道中的所述环 境物体目标上相对于所述自动驾驶车辆的横向最近距离点、且平行于车道线 的第一车线；获取通过当前行驶车道中的所述环境物体目标上的相对于所述 自动驾驶车辆的纵向最近距离点、且与所述车道线的矢量方向垂直的第三车 线；将所述第一车线平移预设安全距离至当前行驶车道以得到第二车线；根 据所述第一车线、所述第二车线、所述第三车线以及所述纵向最近距离点确 定所述自动驾驶车辆向目标车道行驶的第三可行驶安全域，并所述第三可行 驶安全域的横向中心线作为相应的动态目标线。
进一步地，所述横向决策步骤S100具体包括根据所述道路特征信息选 择所述自动驾驶车辆的目标车道，其中所述目标车道的选择原则包括遵循道 路场景的原则、遵循车道属性的原则、不选择异常车道的原则以及车道异常 时选择相邻车道和依次靠右选择的原则，其中所述道路特征信息包括道路类 型、道路特征点及所述车道属性，且所述车道属性包括车道特征点属性和车 道数属性；根据所述道路特征信息识别异常车道，并提供针对异常车道的避 障策略以引导所述自动驾驶车辆进行避障；以及结合所述道路特征信息，根据所述目标车道、所述异常车道以及所述避障策略，判断并输出所述自动驾 驶车辆的预期横向行为，其中所述预期横向行为包括车道保持、换道和异常 换道中的任意一者。
其中，所述引导所述自动驾驶车辆进行避障包括：根据静态障碍目标以 及设定区域存在的动态的所述环境物体目标确定避障目标，并确定所述避障 目标相对于所述自动驾驶车辆的静态特性和动态特性；基于所述避障目标的 静态特性和动态特性建立适应于道路特性的避障区域；基于所述避障目标的 静态特性和动态特性，判断所述避障区域的可通行性；对所述自动驾驶车辆 正常换道时的相关环境物体目标进行碰撞风险评估，并根据所述碰撞风险评 估的结果确定换道可行性；以及根据所述换道可行性和所述避障区域的可通 行性，若换道可行，则控制所述自动驾驶车辆进行换道，否则判断所述避障 区域的可通行性，若所述避障区域可通行，则确定所述自动驾驶车辆在当前 行驶车道绕开所述避障目标行驶。
进一步地，所述纵向决策步骤S200具体包括：确定所述动作距离、所 述AEB距离、所述期望跟车距离和所述最高车速极限距离中的一者或多者； 根据所述距离参数和所述本车的环境信息进行纵向行驶状态的切换，其中所 述纵向行驶状态包括巡航状态、跟随状态和AEB状态；以及根据所述进行 纵向行驶状态的切换的结果，确定并输出所述本车的当前所处的纵向行驶状 态。其中，所述确定所述动作距离包括：根据本车车速和前车车速的大小关 系，在预先配置的动作距离表中匹配出相应的动作距离。
需说明的是，本发明实施例的自动驾驶车辆的决策方法与上述自动驾驶 车辆的决策系统的实施例的具体实施细节及效果相同，在此则不再赘述。
本发明另一实施例还提供一种机器可读存储介质，该机器可读存储介质 上存储有指令，该指令用于使得机器执行上述的自动驾驶车辆的决策方法。 所述机器可读存储介质包括但不限于相变内存(相变随机存取存储器的简 称，Phase Change Random AccessMemory，PRAM，亦称为RCM/PCRAM)、 静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的 随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体(Flash Memory)或其他内存技术、只读光盘只读 存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带， 磁带磁磁盘存储或其他磁性存储设备等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施方式而已，并不用以限制本发明，凡在 本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含 在本发明的保护范围之内。

Claims (11)

1.一种自动驾驶车辆的决策系统，其特征在于，所述自动驾驶车辆的决策系统包括：
横向决策系统，用于根据道路特征信息、目标线和环境物体目标，评估所述自动驾驶车辆进行横向决策所需的目标车道和车道异常情况，并根据评估结果，判断并输出所述自动驾驶车辆的预期横向行为；以及
纵向决策系统，用于从所述环境物体目标中提取出与所述自动驾驶车辆处于同一车道中的前车的信息，计算所述自动驾驶车辆相对于所述前车的距离参数，并根据所述距离参数进行纵向行驶状态的切换，并根据切换结果，确定并输出所述自动驾驶车辆当前所处的纵向行驶状态，其中所述距离参数包括动作距离以及紧急制动AEB距离、期望跟车距离和最高车速极限距离中的一者或多者，且所述纵向行驶状态包括巡航状态、跟随状态和AEB状态；
其中，所述动作距离是所述自动驾驶车辆相对于前车从巡航状态切换到跟随状态的距离阈值，所述AEB距离是进入AEB状态的切换的距离阀值，所述最高车速极限距离是所述自动驾驶车辆从跟随状态切换到巡航状态的距离阀值；
其中，所述纵向决策系统包括：
距离计算模块，用于确定所述动作距离、所述AEB距离、所述期望跟车距离和所述最高车速极限距离中的一者或多者，包括根据本车车速和前车车速的大小关系在预先配置的动作距离表中匹配出相应的动作距离，其中所述动作距离表被配置为示出所述本车车速与所述前车车速之间的大小关系与所述动作距离之间的关联关系，且该关联关系包括：
若所述前车车速高于所述本车车速，则按照所述本车车速与所述前车车速之间的速度差值缩短所述动作距离的值；
若所述前车车速等于所述本车车速，则所述动作距离的值与所述本车车速或所述前车车速的值相等；以及
若所述前车车速低于所述本车车速，则按照所述本车车速与所述前车车速之间的速度差值增大所述动作距离的值；
状态切换模块，用于根据所述距离参数和所述本车的环境信息进行纵向行驶状态的切换；以及
状态确定模块，用于根据所述状态切换模块的切换结果，确定并输出所述本车的当前所处的纵向行驶状态。
2.根据权利要求1所述的自动驾驶车辆的决策系统，其特征在于，所述自动驾驶车辆的决策系统还包括以下任意一者或多者：
目标线获取单元，用于获取所述目标线，其中所述目标线包括车道中心线、动态目标线和安全偏移线；
目标获取单元，用于获取所述环境物体目标，并在设定道路区域内存在多个环境物体目标时，提取所述多个环境物体目标中的最小速度与相对于所述自动驾驶车辆的最小距离来生成虚拟目标；
最高车速管理单元，用于获取对应于驾驶场景信息、行驶环境信息以及道路条件信息的车辆纵向最高行驶速度以形成最高速度集合，并选择所述最高速度集合中的最小车速输出至所述纵向决策系统。
3.根据权利要求2所述的自动驾驶车辆的决策系统，其特征在于，所述目标线获取单元包括以下任意一者或多者：
车道中心线获取模块，被配置用于获取当前行驶车道及相邻两侧车道的车道中心线；
动态目标线生成模块，被配置用于在当前行驶车道中存在一个或多个所述环境物体目标时，根据各个环境物体目标与所述自动驾驶车辆之间的纵向最近距离确定所述自动驾驶车辆在当前行驶车道的第一可行驶安全域或者在相邻车道的第二可行驶安全域，并将所述第一可行驶安全域或第二可行驶安全域的横向中心线作为相应的动态目标线；
安全偏移线生成模块，被配置用于：
获取通过目标车道中的所述环境物体目标上相对于所述自动驾驶车辆的横向最近距离点、且平行于车道线的第一车线；
将所述第一车线平移预设安全距离至当前行驶车道以得到第二车线；
获取通过当前行驶车道中的所述环境物体目标上的相对于所述自动驾驶车辆的纵向最近距离点、且与所述车道线的矢量方向垂直的第三车线；
根据所述第一车线、所述第二车线、所述第三车线以及所述纵向最近距离点确定所述自动驾驶车辆向目标车道行驶的第三可行驶安全域，并将所述第三可行驶安全域的横向中心线作为相应的动态目标线。
4.根据权利要求1或2所述的自动驾驶车辆的决策系统，其特征在于，所述横向决策系统包括：
目标车道管理模块，用于根据所述道路特征信息选择所述自动驾驶车辆的目标车道，其中所述目标车道的选择原则包括遵循道路场景的原则、遵循车道属性的原则、不选择异常车道的原则以及车道异常时选择相邻车道和依次靠右选择的原则，其中所述道路特征信息包括道路类型、道路特征点及所述车道属性，且所述车道属性包括车道特征点属性和车道数属性；
车道异常管理模块，用于根据所述道路特征信息识别异常车道，并提供针对异常车道的避障策略以引导所述自动驾驶车辆进行避障；以及
判断模块，用于结合所述道路特征信息，根据所述目标车道、所述异常车道以及所述避障策略，判断并输出所述自动驾驶车辆的预期横向行为，其中所述预期横向行为包括车道保持、换道和异常换道中的任意一者。
5.根据权利要求4所述的自动驾驶车辆的决策系统，其特征在于，所述车道异常管理模块用于引导所述自动驾驶车辆进行避障包括：
根据静态障碍目标以及设定区域存在的动态的所述环境物体目标确定避障目标，并确定所述避障目标相对于所述自动驾驶车辆的静态特性和动态特性；
基于所述避障目标的静态特性和动态特性建立适应于道路特性的避障区域；
基于所述避障目标的静态特性和动态特性，判断所述避障区域的可通行性；
对所述自动驾驶车辆正常换道时的相关环境物体目标进行碰撞风险评估，并根据所述碰撞风险评估的结果确定换道可行性；以及
根据所述换道可行性和所述避障区域的可通行性，若换道可行，则控制所述自动驾驶车辆进行换道，否则判断所述避障区域的可通行性，若所述避障区域可通行，则确定所述自动驾驶车辆在当前行驶车道绕开所述避障目标行驶。
6.一种自动驾驶车辆的决策方法，其特征在于，所述自动驾驶车辆的决策方法包括：
横向决策步骤，根据道路特征信息、目标线和环境物体目标，评估所述自动驾驶车辆进行横向决策所需的目标车道和车道异常情况，并根据评估结果，判断并输出所述自动驾驶车辆的预期横向行为；以及
纵向决策步骤，从所述环境物体目标中提取出与所述自动驾驶车辆处于同一车道中的前车的信息，计算所述自动驾驶车辆相对于所述前车的距离参数，并根据所述距离参数进行纵向行驶状态的切换，并根据切换结果，确定并输出所述自动驾驶车辆当前所处的纵向行驶状态，其中所述距离参数包括动作距离以及紧急制动AEB距离、期望跟车距离和最高车速极限距离中的一者或多者，且所述纵向行驶状态包括巡航状态、跟随状态和AEB状态；
其中，所述动作距离是所述自动驾驶车辆相对于前车从巡航状态切换到跟随状态的距离阈值，所述AEB距离是进入AEB状态的切换的距离阀值，所述最高车速极限距离是所述自动驾驶车辆从跟随状态切换到巡航状态的距离阀值；
其中，所述纵向决策步骤包括：
确定所述动作距离、所述AEB距离、所述期望跟车距离和所述最高车速极限距离中的一者或多者，包括根据本车车速和前车车速的大小关系在预先配置的动作距离表中匹配出相应的动作距离，其中所述动作距离表被配置为示出所述本车车速与所述前车车速之间的大小关系与所述动作距离之间的关联关系，且该关联关系包括：
若所述前车车速高于所述本车车速，则按照所述本车车速与所述前车车速之间的速度差值缩短所述动作距离的值；
若所述前车车速等于所述本车车速，则所述动作距离的值与所述本车车速或所述前车车速的值相等；以及
若所述前车车速低于所述本车车速，则按照所述本车车速与所述前车车速之间的速度差值增大所述动作距离的值；
根据所述距离参数和所述本车的环境信息进行纵向行驶状态的切换，其中所述纵向行驶状态包括巡航状态、跟随状态和AEB状态；以及
根据所述进行纵向行驶状态的切换的结果，确定并输出所述本车的当前所处的纵向行驶状态。
7.根据权利要求6所述的自动驾驶车辆的决策方法，其特征在于，所述自动驾驶车辆的决策方法还包括以下步骤中的任意一者或多者：
目标线获取步骤，获取所述目标线，其中所述目标线包括车道中心线、动态目标线和安全偏移线；
目标获取步骤，获取所述环境物体目标，并在设定道路区域内存在多个环境物体目标时，提取所述多个环境物体目标中的最小速度与相对于所述自动驾驶车辆的最小距离来生成虚拟目标；
最高车速管理步骤，获取对应于驾驶场景信息、行驶环境信息以及道路条件信息的车辆纵向最高行驶速度以形成最高速度集合，并选择所述最高速度集合中的最小车速输出至所述纵向决策系统。
8.根据权利要求7所述的自动驾驶车辆的决策方法，其特征在于，所述目标线获取步骤包括以下子步骤中的任意一者或多者：
车道中心线获取子步骤，获取当前行驶车道及相邻两侧车道的车道中心线；
动态目标线生成子步骤，在当前行驶车道中存在一个或多个所述环境物体目标时，根据各个环境物体目标与所述自动驾驶车辆之间的纵向最近距离确定所述自动驾驶车辆在当前行驶车道的第一可行驶安全域或者在相邻车道的第二可行驶安全域，并将所述第一可行驶安全域或第二可行驶安全域的横向中心线作为相应的动态目标线；
安全偏移线生成子步骤，包括：
获取通过目标车道中的所述环境物体目标上相对于所述自动驾驶车辆的横向最近距离点、且平行于车道线的第一车线；
将所述第一车线平移预设安全距离至当前行驶车道以得到第二车线；
获取通过当前行驶车道中的所述环境物体目标上的相对于所述自动驾驶车辆的纵向最近距离点、且与所述车道线的矢量方向垂直的第三车线；
根据所述第一车线、所述第二车线、所述第三车线以及所述纵向最近距离点确定所述自动驾驶车辆向目标车道行驶的第三可行驶安全域，并将所述第三可行驶安全域的横向中心线作为相应的动态目标线。
9.根据权利要求6或7所述的自动驾驶车辆的决策方法，其特征在于，所述横向决策步骤具体包括：
根据所述道路特征信息选择所述自动驾驶车辆的目标车道，其中所述目标车道的选择原则包括遵循道路场景的原则、遵循车道属性的原则、不选择异常车道的原则以及车道异常时选择相邻车道和依次靠右选择的原则，其中所述道路特征信息包括道路类型、道路特征点及所述车道属性，且所述车道属性包括车道特征点属性和车道数属性；
根据所述道路特征信息识别异常车道，并提供针对异常车道的避障策略以引导所述自动驾驶车辆进行避障；以及
结合所述道路特征信息，根据所述目标车道、所述异常车道以及所述避障策略，判断并输出所述自动驾驶车辆的预期横向行为，其中所述预期横向行为包括车道保持、换道和异常换道中的任意一者。
10.根据权利要求9所述的自动驾驶车辆的决策方法，其特征在于，所述引导所述自动驾驶车辆进行避障包括：
根据静态障碍目标以及设定区域存在的动态的所述环境物体目标确定避障目标，并确定所述避障目标相对于所述自动驾驶车辆的静态特性和动态特性；
基于所述避障目标的静态特性和动态特性建立适应于道路特性的避障区域；
基于所述避障目标的静态特性和动态特性，判断所述避障区域的可通行性；
对所述自动驾驶车辆正常换道时的相关环境物体目标进行碰撞风险评估，并根据所述碰撞风险评估的结果确定换道可行性；以及
根据所述换道可行性和所述避障区域的可通行性，若换道可行，则控制所述自动驾驶车辆进行换道，否则判断所述避障区域的可通行性，若所述避障区域可通行，则确定所述自动驾驶车辆在当前行驶车道绕开所述避障目标行驶。
11.一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令用于使得机器执行权利要求6至10中任意一项所述的自动驾驶车辆的决策方法。
CN201811641955.XA 2018-12-29 2018-12-29 自动驾驶车辆的决策系统及方法 Active CN111383474B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811641955.XA CN111383474B (zh) 2018-12-29 2018-12-29 自动驾驶车辆的决策系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811641955.XA CN111383474B (zh) 2018-12-29 2018-12-29 自动驾驶车辆的决策系统及方法

Publications (2)

Publication Number Publication Date
CN111383474A CN111383474A (zh) 2020-07-07
CN111383474B true CN111383474B (zh) 2022-01-25

Family

ID=71222267

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811641955.XA Active CN111383474B (zh) 2018-12-29 2018-12-29 自动驾驶车辆的决策系统及方法

Country Status (1)

Country Link
CN (1) CN111383474B (zh)

Families Citing this family (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111862604B (zh) * 2020-07-20 2022-03-04 北京京东乾石科技有限公司 无人车的控制方法及装置、计算机存储介质、电子设备
CN111619560B (zh) * 2020-07-29 2020-11-03 北京三快在线科技有限公司 车辆控制方法及装置
CN112068559B (zh) * 2020-08-28 2022-10-11 重庆长安汽车股份有限公司 无人驾驶车辆的偏移控制方法、系统、车辆及存储介质
CN112115819B (zh) * 2020-09-03 2022-09-20 同济大学 基于目标检测及tet扩展指标的行车危险场景识别方法
CN112130152B (zh) * 2020-09-16 2023-09-05 东风汽车集团有限公司 一种汽车与目标物横向距离修正的方法
CN114506324B (zh) * 2020-10-23 2024-03-15 上海汽车集团股份有限公司 一种车道决策方法及相关装置
CN114537381B (zh) * 2020-11-24 2024-05-31 宇通客车股份有限公司 一种自动驾驶车辆的车道避障方法及装置
CN114550474B (zh) * 2020-11-24 2023-03-03 华为技术有限公司 一种横向规划约束确定方法及装置
CN112455439B (zh) * 2020-11-25 2022-07-08 重庆长安汽车股份有限公司 基无人驾驶车辆环境认知及决策控制方法、系统及车辆
CN112793576B (zh) * 2021-01-26 2022-04-01 北京理工大学 一种基于规则与机器学习融合的换道决策方法及系统
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
CN112896166A (zh) * 2021-03-01 2021-06-04 苏州挚途科技有限公司 车辆换道方法、装置和电子设备
EP4296133A4 (en) * 2021-03-01 2024-04-24 Huawei Tech Co Ltd INTELLIGENT DRIVE METHOD AND DEVICE AS WELL AS STORAGE MEDIUM AND COMPUTER PROGRAM
CN112947390B (zh) 2021-04-02 2022-09-06 清华大学 基于环境风险评估的智能网联汽车安全控制方法和系统
CN113320545A (zh) * 2021-07-01 2021-08-31 江苏理工学院 一种基于线控智能车辆的预路口行为决策方法
CN113428140A (zh) * 2021-07-06 2021-09-24 安徽海博智能科技有限责任公司 一种无人驾驶的紧急停车控制方法及系统
CN113487901B (zh) * 2021-07-30 2022-05-17 重庆长安汽车股份有限公司 基于摄像头感知的车道宽度校验方法及系统
CN113619602B (zh) * 2021-08-20 2023-03-10 华为技术有限公司 引导车辆行驶的方法及相关系统、存储介质
CN113741440B (zh) * 2021-08-24 2024-05-03 中国第一汽车股份有限公司 一种切入车辆的危险目标识别方法、装置、介质及设备
CN113859231B (zh) * 2021-09-23 2023-10-03 中寰卫星导航通信有限公司 一种碰撞风险的确定方法、装置、电子设备及存储介质
CN114194204A (zh) * 2021-11-30 2022-03-18 际络科技(上海)有限公司 自动驾驶车辆体感数据处理方法及系统
CN114347984B (zh) * 2021-12-23 2023-05-23 北京国家新能源汽车技术创新中心有限公司 基于车路感知融合技术在前车切入场景的控制决策方法
CN114170805B (zh) * 2021-12-23 2024-04-23 南京理工大学 基于aeb碰撞速度的车辆路径规划方法
CN115100866B (zh) * 2022-07-18 2023-08-18 北京邮电大学 一种基于分层强化学习的车路协同自动驾驶决策方法
CN115447637A (zh) * 2022-10-13 2022-12-09 交控科技股份有限公司 基于前车预期停车位置的后车追踪方法和装置
CN115995163B (zh) * 2023-03-23 2023-06-27 江西通慧科技集团股份有限公司 一种车辆碰撞预警方法及系统
CN116774711B (zh) * 2023-08-23 2023-10-31 天津旗领机电科技有限公司 一种减速控制系统及方法
CN117666559A (zh) * 2023-11-07 2024-03-08 北京理工大学前沿技术研究院 自主车辆横纵向决策路径规划方法、系统、设备及介质

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102013003187A1 (de) * 2013-02-26 2014-09-11 Audi Ag Verfahren zum Betrieb eines kraftfahrzeugseitigen Fahrerassistenzsystems mit einer kombinierten Längs- und Querführungsfunktion
DE102015226217A1 (de) * 2015-12-21 2017-06-22 Robert Bosch Gmbh Verfahren und System zum assistierten Notbremsen
CN107797534B (zh) * 2017-09-30 2019-05-28 安徽江淮汽车集团股份有限公司 一种纯电动自动驾驶系统
CN108427417B (zh) * 2018-03-30 2020-11-24 北京图森智途科技有限公司 自动驾驶控制系统及方法、计算机服务器和自动驾驶车辆
CN108445885A (zh) * 2018-04-20 2018-08-24 鹤山东风新能源科技有限公司 一种基于纯电动物流车的自动驾驶系统及其控制方法
CN108717268A (zh) * 2018-06-22 2018-10-30 南京航空航天大学 基于最优控制与安全距离的自动驾驶最速操纵控制系统及其控制方法

Also Published As

Publication number Publication date
CN111383474A (zh) 2020-07-07

Similar Documents

Publication Publication Date Title
CN111383474B (zh) 自动驾驶车辆的决策系统及方法
CN110667578B (zh) 自动驾驶车辆的横向决策系统及横向决策确定方法
US11720116B1 (en) Collision mitigation static occupancy grid
CN110488802B (zh) 一种网联环境下的自动驾驶车辆动态行为决策方法
US10877481B2 (en) Autonomous driving control system and control method using the same
US7791459B2 (en) Vehicle light control system
EP3211374B1 (en) Travel route calculation device
GB2592461A (en) Traffic light detection system for vehicle
US11932244B2 (en) Apparatus and method for controlling autonomous driving of vehicle
JP7119365B2 (ja) 運転行動データ生成装置、運転行動データベース
US20120296539A1 (en) Driver assistance system
US11402843B2 (en) Semantic object clustering for autonomous vehicle decision making
CN111391830B (zh) 自动驾驶车辆的纵向决策系统及纵向决策确定方法
RU2660425C1 (ru) Устройство вычисления маршрута движения
CN111731294A (zh) 行驶控制装置、行驶控制方法以及存储程序的存储介质
CN112660128A (zh) 用于确定自动驾驶车辆的车道变更路径的设备及其方法
KR20210005395A (ko) 자율주행차량의 유턴 전략 결정 장치 및 그 방법
CN114103993A (zh) 车辆的驾驶控制装置及方法
CN109425861B (zh) 本车位置可信度运算装置
CN114475649A (zh) 自动驾驶控制装置和自动驾驶控制方法
CN111717213A (zh) 自动驾驶车辆的巡航控制方法及装置
KR20220136679A (ko) 주행 제어 장치 및 방법
US11919519B2 (en) Method and device for operating an assistance system of a vehicle, and a vehicle
WO2023067879A1 (ja) 車両制御装置、車両制御方法、及び車両制御システム
JP7431697B2 (ja) 車両の走行制御装置及び車両の走行制御システム

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
TA01 Transfer of patent application right

Effective date of registration: 20210514

Address after: 100055 1802, 18 / F, building 3, yard 9, Guang'an Road, Fengtai District, Beijing

Applicant after: Momo Zhixing Technology Co.,Ltd.

Address before: 071000 No. 2266 Chaoyang South Street, Hebei, Baoding

Applicant before: Great Wall Motor Co.,Ltd.

GR01 Patent grant
GR01 Patent grant