CN111483463A - 基于车载单元和路侧单元的预判超车方法、存储介质 - Google Patents

基于车载单元和路侧单元的预判超车方法、存储介质 Download PDF

Info

Publication number
CN111483463A
CN111483463A CN202010128689.1A CN202010128689A CN111483463A CN 111483463 A CN111483463 A CN 111483463A CN 202010128689 A CN202010128689 A CN 202010128689A CN 111483463 A CN111483463 A CN 111483463A
Authority
CN
China
Prior art keywords
vehicle
overtaking
mounted unit
information
anticipation
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
Application number
CN202010128689.1A
Other languages
English (en)
Other versions
CN111483463B (zh
Inventor
杨敬锋
王立
蓝飞腾
刘晓松
魏忠伟
杨峰
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.)
Guangdong Zhongke Zhenheng Information Technology Co ltd
Original Assignee
Guangdong Zhongke Zhenheng Information 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 Guangdong Zhongke Zhenheng Information Technology Co ltd filed Critical Guangdong Zhongke Zhenheng Information Technology Co ltd
Priority to CN202010128689.1A priority Critical patent/CN111483463B/zh
Publication of CN111483463A publication Critical patent/CN111483463A/zh
Application granted granted Critical
Publication of CN111483463B publication Critical patent/CN111483463B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/18—Propelling the vehicle
    • B60W30/18009—Propelling the vehicle related to particular drive situations
    • B60W30/18163—Lane change; Overtaking manoeuvres
    • 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
    • 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
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • B60W60/0016—Planning or execution of driving tasks specially adapted for safety of the vehicle or its occupants
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • B60W2050/0001—Details of the control system
    • B60W2050/0019—Control system elements or transfer functions
    • B60W2050/0028—Mathematical models, e.g. for simulation
    • 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
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/403—Image sensing, e.g. optical camera
    • 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
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/408—Radar; Laser, e.g. lidar

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及一种基于车载单元和路侧单元的预判超车方法、存储介质，其中方法包括：步骤S1.获取车主的超车意愿；步骤S2.启动车载单元以本车为中心采集设定范围内的超车预判信息，所述超车预判信息包括所述设定范围内的各车辆及其他障碍物的速度与位置；步骤S3.启动车载单元向邻近的路侧单元通讯获取当前道路的路况信息及限速信息；步骤S4.将超车预判信息、路况信息及限速信息作为输入量送入事先训练好的神经网络模型，并获取所述神经网络模型输出超车预判结果；步骤S5.基于所述超车预判结果及所述超车意愿控制车载单元实施超车行为。本发明的方法能提升自动驾驶过程中执行超车行为时的车辆安全保障系数及车主体验度。

Description

基于车载单元和路侧单元的预判超车方法、存储介质
技术领域
本发明涉及自动驾驶领域，尤其涉及一种基于车载单元和路侧单元的预判超车方法、存储介质。
背景技术
自动驾驶技术越来越成熟，已初步进入实用阶段，其依靠神经网络算法、视觉计算、雷达监控和全球定位系统协同合作，让主控电脑能根据道路车辆之间的相对位置及速度，自动操控车辆进行行驶并做出超车行为。
然而目前的超车预判算法，仅考虑车辆之间的相对位置及速度，安全保障系数较弱，且无考虑车主意愿度，存在违背车主驾驶习惯的可能，造成车主的自动驾驶体验差的不良结果。
发明内容
本发明旨在提升自动驾驶过程中执行超车行为时的车辆安全保障系数及车主体验度。
为此，提供一种基于车载单元和路侧单元的预判超车方法，所述车载单元为由自动驾驶车辆上的激光传感器、视觉传感器、位置传感器、前后雷达、主控电脑所组成的自动驾驶系统，所述路侧单元为等间距排列于道路旁侧的网联通信设备，包括在进入自动驾驶模式之前所执行的下述步骤S1以及在进入自动驾驶模式之后所执行的下述步骤S2-S5：
步骤S1.获取车主的超车意愿；
步骤S2.启动车载单元以本车为中心采集设定范围内的超车预判信息，所述超车预判信息包括所述设定范围内的各车辆及其他障碍物的速度与位置；
步骤S3.启动车载单元向邻近的路侧单元通讯获取当前道路的路况信息及限速信息；
步骤S4.将超车预判信息、路况信息及限速信息作为输入量送入事先训练好的神经网络模型，并获取所述神经网络模型输出超车预判结果；
步骤S5.基于所述超车预判结果及所述超车意愿控制车载单元实施超车行为。
作为优选方案，步骤S1进一步包括：
向车主发送超车意愿设置请求，所述请求中邀约车主择一选择自动驾驶过程中所需执行的安全驾驶等级，根据所设置的安全驾驶等级判定车主的超车意愿。
作为优选方案，仅在自身车速低于所述安全驾驶等级对应设置的车速时，才允许车载单元实施超车行为。
作为优选方案，所述安全驾驶等级越高则其对应设置的车速越低。
作为优选方案，所述安全驾驶等级由高到低设置有等级A、等级B、等级C，所述等级A仅允许车载单元在自身车速低于每小时80公里以下时实施超车行为，所述等级B仅允许车载单元在自身车速低于每小时120公里以下时实施超车行为，所述等级C仅允许车载单元在自身车速低于每小时180公里以下时实施超车行为。
作为优选方案，所述路况信息进一步包括当前天气，所述神经网络模型以当前天气为输入量之一进行决策。
作为优选方案，根据所述当前天气自动修改驾驶过程中执行的安全驾驶等级。
作为优选方案，所述超车预判结果具体为允许超车和禁止超车，以二进制数值进行表征从而提高逻辑处理速度。
还提供一种电子设备，其中，该电子设备包括：
控制器；以及，
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述控制器实现上述的方法。
还提供一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被控制器执行时，实现上述的方法。
有益效果：
本发明的自动驾驶预判超车方法，通过考量各车辆及其他障碍物的速度与位置、路况、限速等多种因素，采用神经网络算法实施智能决策，保障决策结果的合理性，且通过将决策结果与车主超车意愿结合，人性化顾忌车主的驾驶习惯，在确保超车安全的前提下，保障车主的行车体验。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了本发明实施例所述方法的实施流程图；
图2为本发明的电子设备的结构示意图；
图3为本发明的计算机可读存储介质的结构示意图。
具体实施方式
本实施例中，车载单元指代由常规自动驾驶车辆上的激光传感器(Ibeo)、视觉传感器(双目视觉摄像头)、位置传感器(GPS)、前后雷达、主控电脑(Nuvo-5095GC工控机)所组成的自动驾驶系统，路侧单元指代等间距排列于道路旁侧的多个网联通信设备，各个网联通信设备均与交通控制中心联网通信。
本实施例的自动驾驶预判超车方法基于所述车载单元和路侧单元执行，具体包括如图1所示的以下步骤：
步骤S1.获取车主的超车意愿。
具体地，在进入自动驾驶模式之前，主控电脑通过车辆上的触控显示装置向车主发送一超车意愿设置请求，请求包含进入自动驾驶模式的确认信息及自动驾驶时的安全驾驶等级设置，由车主通过点选实施人机交互，车载单元根据确认信息启动执行自动驾驶模式，并根据所设置的安全驾驶等级判定车主的驾驶习惯，如偏爱超车还是谨慎拒绝超车，从而获知车主在该段自动驾驶旅途中的超车意愿。
上述中，所指安全驾驶等级可设置多个级别，如由高到低设置有等级A、等级B、等级C，并为每个级别设置对应车速，安全驾驶等级越高则其对应设置的车速越低，如所述等级A对应设置车速每小时80公里，所述等级B应设置车速每小时120公里，所述等级C应设置车速每小时180公里。
安全驾驶等级的设定用于确定后续自动驾驶模式的行车基本准则，即仅在自身车速低于所设置的安全驾驶等级设置的车速时，才允许车载单元实施超车行为。结合上述示例，也就是说，若安全等级设置为等级A，则在后续自动驾驶时仅允许车载单元在自身车速低于每小时80公里以下时实施超车行为；若安全等级设置为等级B，则在后续自动驾驶时仅允许车载单元在自身车速低于每小时120公里以下时实施超车行为；若安全等级设置为等级C，则在后续自动驾驶时仅允许车载单元在自身车速低于每小时180公里以下时实施超车行为。其中，80、120、180这三个值为根据实验数据测算的标准临界值，可根据实际车辆性能做出相应调整。
步骤S2.启动车载单元以本车为中心采集设定范围内的超车预判信息，所述超车预判信息包括所述设定范围内的各车辆及其他障碍物的速度与位置。
具体地，进入自动驾驶模式后，车载单元实时以本车为中心，设定长度为半径圈定标准圆，以标准圆作为设定范围，采集设定范围内各个车辆(包含本车)及其他障碍物(包含体积略大的人或物)的位置及速度，将上述信息作为向量以地图形式进行数据库存储并经由路侧单元上传至交通控制中心作为实时更新。
步骤S3.启动车载单元向邻近的路侧单元通讯获取当前道路的路况信息及限速信息。
同样，启动车载单元与路侧单元进行无线通讯，通讯方式不作限定，从交通控制中心处实时获取当前道路的路况信息及限速信息，其中路况信息具体包含当前天气(风速、天气、地面湿度等)、当前道路行车数量、拥堵情况等，限速信息具体包含当前路段限速、是否禁止通行等。
步骤S4.将上述超车预判信息、路况信息及限速信息作为输入量送入事先训练好的神经网络模型，并获取所述神经网络模型输出超车预判结果。
具体地，以超车预判信息、路况信息及限速信息三组数据的历史数据作为训练样本，采用神经网络算法构建训练模型进行训练，训练输出二级制结果0和1，其中0表征禁止超车，1表征允许超车，通过以二进制数值进行表征，减少工控机对结果的形式转换过程，提高算法逻辑处理速度。
神经网络模型训练好后，在进行自动驾驶模式时，实时将超车预判信息、路况信息及限速信息作为输入量，送入神经网络模型中进行决策，从而输出超车预判结果。
步骤S5.基于所述超车预判结果及所述超车意愿控制车载单元实施超车行为。
具体地，若超车预判结果为禁止超车，则直接停止实施超车行为；
若超车预判结果为允许超车，则查看当前的自身车速及所设定的安全驾驶等级，当自身车速低于安全驾驶等级所对应车速时，允许实施超车行为，否则停止超车。
所述超车行为具体指在检测到左前方无车辆的情况下，车载单元控制自身车辆以高出前车速度一个档位的速度，从左侧实施超车，并在超车完毕后恢复原本速度。
本实施例的自动驾驶预判超车方法，通过考量各车辆及其他障碍物的速度与位置、路况、天气、限速、交通管制等多种因素，采用神经网络算法实施智能决策，保障决策结果的合理性，且通过将决策结果与车主超车意愿结合，人性化顾忌车主的驾驶习惯，在确保超车安全的前提下，保障车主的行车体验。
进一步地，在步骤S3中，车载单元获得当前天气信息后，可根据当前天气自动修改驾驶过程中执行的安全驾驶等级，如在天气恶劣的情况下自动提升安全驾驶等级，实现自适应调整。
优选地，在实施超车行为的过程中，暂停安全驾驶等级的变更操作，以免发生程序冲突。
需要说明的是：
本实施例所用的方法，可转化为可存储于计算机存储介质中的程序步骤及装置，通过被控制器调用执行的方式进行实施。
在此提供的算法和显示不与任何特定计算机、虚拟装置或者其它设备固有相关。各种通用装置也可以与基于在此的示教一起使用。根据上面的描述，构造这类装置所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的检测电子设备的佩戴状态的装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
例如，图2示出了根据本发明一个实施例的电子设备的结构示意图。该电子设备传统上包括处理器21和被安排成存储计算机可执行指令(程序代码)的存储器22。存储器22可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。存储器22具有存储用于执行实施例中的任何方法步骤的程序代码24的存储空间23。例如，用于程序代码的存储空间23可以包括分别用于实现上面的方法中的各种步骤的各个程序代码24。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。这些计算机程序产品包括诸如硬盘，紧致盘(CD)、存储卡或者软盘之类的程序代码载体。这样的计算机程序产品通常为例如图3所述的计算机可读存储介质。该计算机可读存储介质可以具有与图2的电子设备中的存储器22类似布置的存储段、存储空间等。程序代码可以例如以适当形式进行压缩。通常，存储单元存储有用于执行根据本发明的方法步骤的程序代码31，即可以由诸如21之类的处理器读取的程序代码，当这些程序代码由电子设备运行时，导致该电子设备执行上面所描述的方法中的各个步骤。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

Claims (9)

1.基于车载单元和路侧单元的预判超车方法，所述车载单元为由自动驾驶车辆上的激光传感器、视觉传感器、位置传感器、前后雷达、主控电脑所组成的自动驾驶系统，所述路侧单元为等间距排列于道路旁侧的网联通信设备，其特征在于，包括在进入自动驾驶模式之前所执行的下述步骤S1以及在进入自动驾驶模式之后所执行的下述步骤S2-S5：
步骤S1.获取车主的超车意愿；
步骤S2.启动车载单元以本车为中心采集设定范围内的超车预判信息，所述超车预判信息包括所述设定范围内的各车辆及其他障碍物的速度与位置；
步骤S3.启动车载单元向邻近的路侧单元通讯获取当前道路的路况信息及限速信息；
步骤S4.将超车预判信息、路况信息及限速信息作为输入量送入事先训练好的神经网络模型，并获取所述神经网络模型输出的超车预判结果；
步骤S5.基于所述超车预判结果及所述超车意愿控制车载单元实施超车行为。
2.根据权利要求1所述的方法，其特征在于，步骤S1进一步包括：
向车主发送超车意愿设置请求，所述请求中邀约车主择一选择自动驾驶过程中所需执行的安全驾驶等级，根据所设置的安全驾驶等级判定车主的超车意愿。
3.根据权利要求2所述的方法，其特征在于：仅在自身车速低于所述安全驾驶等级对应设置的车速时，才允许车载单元实施超车行为。
4.根据权利要求3所述的方法，其特征在于：所述安全驾驶等级越高则其对应设置的车速越低。
5.根据权利要求4所述的方法，其特征在于：所述安全驾驶等级由高到低设置有等级A、等级B、等级C，所述等级A仅允许车载单元在自身车速低于每小时80公里以下时实施超车行为，所述等级B仅允许车载单元在自身车速低于每小时120公里以下时实施超车行为，所述等级C仅允许车载单元在自身车速低于每小时180公里以下时实施超车行为。
6.根据权利要求2所述的方法，其特征在于：所述路况信息进一步包括当前天气，所述神经网络模型以当前天气为输入量之一进行决策。
7.根据权利要求6所述的方法，其特征在于：根据所述当前天气自动修改驾驶过程中执行的安全驾驶等级。
8.根据权利要求1所述的方法，其特征在于，所述超车预判结果具体为允许超车和禁止超车，以二进制数值进行表征从而提高逻辑处理速度。
9.存储介质，其存储有计算机程序，该程序被处理器执行时实现如权利要求1-8任一项所述的方法。
CN202010128689.1A 2020-02-28 2020-02-28 基于车载单元和路侧单元的预判超车方法、存储介质 Active CN111483463B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010128689.1A CN111483463B (zh) 2020-02-28 2020-02-28 基于车载单元和路侧单元的预判超车方法、存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010128689.1A CN111483463B (zh) 2020-02-28 2020-02-28 基于车载单元和路侧单元的预判超车方法、存储介质

Publications (2)

Publication Number Publication Date
CN111483463A true CN111483463A (zh) 2020-08-04
CN111483463B CN111483463B (zh) 2021-09-07

Family

ID=71791420

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010128689.1A Active CN111483463B (zh) 2020-02-28 2020-02-28 基于车载单元和路侧单元的预判超车方法、存储介质

Country Status (1)

Country Link
CN (1) CN111483463B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111994076A (zh) * 2020-09-02 2020-11-27 中国第一汽车股份有限公司 自动驾驶车辆的控制方法及装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103782192A (zh) * 2011-09-05 2014-05-07 罗伯特·博世有限公司 用于机动车的安全装置
CN106874597A (zh) * 2017-02-16 2017-06-20 北理慧动（常熟）车辆科技有限公司 一种应用于自动驾驶车辆的高速公路超车行为决策方法
US20180061253A1 (en) * 2016-09-01 2018-03-01 Samsung Electronics Co., Ltd. Autonomous driving method and apparatus
CN107901909A (zh) * 2017-10-31 2018-04-13 北京新能源汽车股份有限公司 一种车道自动更换的控制方法、装置及控制器
CN109466474A (zh) * 2018-11-23 2019-03-15 北京车和家信息技术有限公司 行车安全辅助驾驶系统、车载设备及车辆
US20190176841A1 (en) * 2017-12-13 2019-06-13 Luminar Technologies, Inc. Training multiple neural networks of a vehicle perception component based on sensor settings
CN110239550A (zh) * 2019-05-28 2019-09-17 浙江吉利控股集团有限公司 一种车辆自动变道方法
CN110356408A (zh) * 2019-07-31 2019-10-22 百度在线网络技术（北京）有限公司 自动驾驶车辆行驶方案的确定方法及装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103782192A (zh) * 2011-09-05 2014-05-07 罗伯特·博世有限公司 用于机动车的安全装置
US20180061253A1 (en) * 2016-09-01 2018-03-01 Samsung Electronics Co., Ltd. Autonomous driving method and apparatus
CN106874597A (zh) * 2017-02-16 2017-06-20 北理慧动（常熟）车辆科技有限公司 一种应用于自动驾驶车辆的高速公路超车行为决策方法
CN107901909A (zh) * 2017-10-31 2018-04-13 北京新能源汽车股份有限公司 一种车道自动更换的控制方法、装置及控制器
US20190176841A1 (en) * 2017-12-13 2019-06-13 Luminar Technologies, Inc. Training multiple neural networks of a vehicle perception component based on sensor settings
CN109466474A (zh) * 2018-11-23 2019-03-15 北京车和家信息技术有限公司 行车安全辅助驾驶系统、车载设备及车辆
CN110239550A (zh) * 2019-05-28 2019-09-17 浙江吉利控股集团有限公司 一种车辆自动变道方法
CN110356408A (zh) * 2019-07-31 2019-10-22 百度在线网络技术（北京）有限公司 自动驾驶车辆行驶方案的确定方法及装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111994076A (zh) * 2020-09-02 2020-11-27 中国第一汽车股份有限公司 自动驾驶车辆的控制方法及装置

Also Published As

Publication number Publication date
CN111483463B (zh) 2021-09-07

Similar Documents

Publication Publication Date Title
CN106652515B (zh) 车辆自动控制方法、装置和系统
US20200257300A1 (en) Method and system for risk modeling in autonomous vehicles
CN112781887B (zh) 测试车辆性能的方法、装置和系统
CN106891893B (zh) 车辆模式确定
CN110843789B (zh) 一种基于时序卷积网络的车辆换道意图预测方法
CN110562258A (zh) 一种车辆自动换道决策的方法、车载设备和存储介质
CN112249032A (zh) 一种自动驾驶决策方法、系统、设备及计算机存储介质
CN113844451B (zh) 行驶设备控制方法、装置、电子设备及存储介质
CN113548054B (zh) 基于时序的车辆变道意图预测方法及系统
CN112699721A (zh) 离开道路扫视时间的情境相关调整
CN111483464B (zh) 基于路侧单元的动态自动驾驶换道方法、设备、存储介质
CN114194190A (zh) 车道机动意图检测系统和方法
CN114239927A (zh) 一种基于深度学习的区域交通事故预警方法及系统
JP2024530216A (ja) 車両を監視するためのシステムおよび方法
CN113771881A (zh) 车辆换道控制方法、装置、电子设备及存储介质
CN111483463B (zh) 基于车载单元和路侧单元的预判超车方法、存储介质
AU2022218458A1 (en) Scene security level determination method, device and storage medium
CN113942364B (zh) 用于控制驻车空调的方法、装置及驻车空调
CN114274980B (zh) 轨迹控制方法、装置、车辆及存储介质
CN111612140B (zh) 基于路侧单元的自动驾驶安全判别方法、设备、存储介质
EP4209854A1 (en) Overtaking planning method and apparatus, and electronic device and storage medium
CN114104005B (zh) 自动驾驶设备的决策方法、装置、设备及可读存储介质
US20230256994A1 (en) Assessing relative autonomous vehicle performance via evaluation of other road users
CN115092181A (zh) 车辆的控制方法、装置、存储介质和处理器
CN112362076B (zh) 非推荐路段的导航信息智能显示方法及相关装置

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