CN112829762A - 一种车辆行驶速度生成方法以及相关设备 - Google Patents

Abstract

本申请实施例公开一种车辆行驶速度生成方法以及相关设备，该方法可用于人工智能中的自动驾驶领域，通过软件的方法在盲区内设置虚拟移动体，并基于虚拟移动体对生成自动驾驶车辆的第一行驶速度，提供了一种低成本的盲区应对方案，方法可以包括：获取自动驾驶车辆周围的环境信息，根据环境信息中的实际障碍体，生成自动驾驶车辆的感知盲区，并根据环境信息中道路的道路拓扑，从感知盲区中选取所在道路与自动驾驶车辆的预估行驶路线存在交汇点的有效盲区；在有效盲区内设置虚拟移动体，并基于虚拟移动体和自动驾驶车辆周围的环境信息，生成自动驾驶车辆的目标行驶速度。

Description

一种车辆行驶速度生成方法以及相关设备

技术领域

本申请涉及自动驾驶领域，尤其涉及一种车辆行驶速度生成方法以及相关设备。

背景技术

人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。人工智能领域的研究包括机器人，自然语言处理，计算机视觉，决策与推理，人机交互，推荐与搜索，AI基础理论等。

自动驾驶是人工智能领域的一种主流应用，在自动驾驶领域，由于自动驾驶车辆的感知范围有限，在通过具有较多障碍体的道路环境时，传感器会存在大量的感知盲区。感知盲区内突然窜出的障碍体存在与自动驾驶车辆发生碰撞的风险，为了提高自动驾驶车辆的安全性，现有应对措施主要是通过在自动驾驶车辆上布置大量的车载传感器来减少感知盲区。

但布置大量的车载传感器所需成本较大，因此亟需推出一种成本更低的盲区应对方案。

发明内容

本申请提供了一种车辆行驶速度生成方法以及相关设备，通过软件的方法在盲区内设置虚拟移动体，并基于虚拟移动体对生成自动驾驶车辆的第一行驶速度，提供了一种低成本的盲区应对方案。

为解决上述技术问题，本申请提供以下技术方案：

第一方面，本申请提供一种车辆行驶速度生成方法，可用于人工智能领域的自动驾驶领域中，自动驾驶车辆的处理器可以实时获取到车辆周围的环境信息，其中，自动驾驶车辆周围的环境信息中包括自动驾驶车辆周围的实际障碍体和周围道路的道路拓扑，实际障碍体指的是妨碍自动驾驶车辆的传感器对周围环境信息进行信息感知的客体，可以包括移动体和静止体，环境信息中实际障碍体的数量可以为一个或多个；之后自动驾驶车辆的处理器可以根据自动驾驶车辆周围的一个或多个实际障碍体信息，生成自动驾驶车辆的一个或多个感知盲区，并从一个或多个感知盲区中选取一个或多个有效盲区，其中，感知盲区指的是自动驾驶车辆周围环境中一个或多个未被传感器感知到的区域，有效盲区所在道路与自动驾驶车辆的预估行驶路线存在交汇点，有效盲区所在道路为车行道路和/或人行道路；在每个有效盲区内设置一个或多个虚拟移动体，并基于虚拟移动体和自动驾驶车辆周围的环境信息，生成自动驾驶车辆的目标行驶速度，其中，虚拟移动体可以设置于有效盲区所在道路的道路中心线处，也可以设置于有效盲区所在道路的道路左侧，也可以设置于有效盲区所在道路的道路右侧，目标行驶速度指的是自动驾驶车辆预设时长后需要达到的行驶速度。本实现方式中，在获取到自动驾驶车辆周围的环境信息之后，可以根据自动驾驶车辆周围的实际障碍体，生成自动驾驶车辆的感知盲区，并根据自动驾驶车辆周围道路的道路拓扑，从感知盲区中选取有效盲区，有效盲区为所在道路与自动驾驶车辆的预估行驶路线存在交汇点的盲区，在有效盲区内设置虚拟移动体，基于虚拟移动体和自动驾驶车辆周围的环境信息，生成自动驾驶车辆的第一行驶速度，通过软件的方法在盲区内设置虚拟移动体，并基于虚拟移动体对生成自动驾驶车辆的第一行驶速度，提供了一种低成本的盲区应对方案；利用道路拓扑从感知盲区中选取有效盲区，避免了无效盲区造成的误刹操作，提高本方案的用户粘度。

在第一方面的一种可能实现方式中，自动驾驶车辆的处理器基于虚拟移动体和自动驾驶车辆周围的环境信息，生成自动驾驶车辆的第一行驶速度，可以包括：自动驾驶车辆的处理器从自动驾驶车辆周围的环境信息中获取到虚拟移动体周围的环境信息，也即从自动驾驶车辆周围的环境信息中获取有效盲区周围的环境信息，并根据虚拟移动体周围的环境信息，生成虚拟移动体的预估移动路线和虚拟移动体的预估移动速度，具体的，对于虚拟移动体的预估移动路线，处理器可以根据虚拟移动体周围的环境信息获取到虚拟移动体所在道路的道路路线，将虚拟移动体所在道路的道路路线向前延伸并汇入自动驾驶车辆的预估行驶路线作为虚拟移动体的预估移动路线，或者，处理器可以根据虚拟移动体周围的环境信息，选取与虚拟移动体位于相同道路且行驶于虚拟移动体前面的实际障碍体，并根据实际障碍体的移动路线确定虚拟移动体的预估移动路线，对于虚拟移动体的预估移动速度，处理器可以根据虚拟移动体周围的环境信息，选取与虚拟移动体位于相同道路且行驶于虚拟移动体前面的实际障碍体，并将实际障碍体的移动速度确定为虚拟移动体的预估移动速度，或者，处理器可以根据虚拟移动体周围的环境信息，获取虚拟移动体所在道路的道路限速值，将前述道路限速值确定为虚拟移动体的预估移动速度；之后基于虚拟移动体的预估移动路线和虚拟移动体的预估移动速度，通过速度规划算法，生成自动驾驶车辆的目标行驶速度，其中，速度规划算法为位移-时间规划算法、虚拟缝隙规划算法或可通行时间窗口规划算法等。本实现方式中，通过前述方式，提供了在实际障碍体中不存在实际移动体的情况下，也即仅根据虚拟移动体生成自动驾驶车辆的目标行驶速度的具体实现方式，提高了本方案的可执行性。

在第一方面的一种可能实现方式中，自动驾驶车辆的处理器基于虚拟移动体的预估移动路线和虚拟移动体的预估移动速度，通过速度规划算法，生成自动驾驶车辆的目标行驶速度之后，在目标行驶速度小于预设速度阈值的情况下，将自动驾驶车辆的目标行驶速度更新为预设速度阈值，得到更新后的自动驾驶车辆的目标行驶速度，其中，预设行驶速度阈值的取值为80Km/h、70Km/h、60Km/h、10Km/h、8Km/h、或5Km/h。本实现方式中，由于第一行驶速度是基于有效盲区内设置的虚拟移动体生成的，而有效盲区内可能并不存在移动体，将根据虚拟移动体生成的速度的最低值限定为预设速度阈值，避免了自动驾驶车辆刹车至停止的情况，而是以预设速度阈值的速度试探性前行，方便随着自动驾驶车辆的移动对车辆的形式速度作进一步调整，提高了速度规划过程的灵活性。

在第一方面的一种可能实现方式中，自动驾驶车辆的处理器基于虚拟移动体和自动驾驶车辆周围的环境信息，生成自动驾驶车辆的目标行驶速度，可以包括：自动驾驶车辆的处理器根据虚拟移动体周围的环境信息，生成虚拟移动体的预估移动路线和虚拟移动体的预估移动速度，虚拟移动体周围的环境信息包括于自动驾驶车辆周围的环境信息中，在自动驾驶车辆周围的实际障碍体中存在至少一个第一实际移动体的情况下，针对每个第一实际移动体，自动驾驶车辆的处理器可以从自动驾驶车辆周围的环境信息中获取第一实际移动体周围的环境信息，并根据第一实际移动体周围的环境信息，生成第一实际移动体的预估移动路线和第一实际移动体的预估移动速度；基于虚拟移动体的预估移动路线和虚拟移动体的预估移动速度，通过速度规划算法，生成自动驾驶车辆的第一行驶速度，并基于第一实际移动体的预估移动路线和第一实际移动体的预估移动速度，通过速度规划算法，生成自动驾驶车辆的第二行驶速度，其中，第一行驶速度是仅基于所有虚拟移动体生成的自动驾驶车辆在预设时长之后的行驶速度，第二行驶速度是仅基于所有实际移动体生成的自动驾驶车辆在预设时长之后的行驶速度；进而从第一行驶速度和第二行驶速度中选取较小的行驶速度，并确定为目标行驶速度，具体的，若第一行驶速度和第二行驶速度均为正数，则从第一行驶速度和第二行驶速度中选取速度值的绝对值较小的行驶速度，若第一行驶速度和第二行驶速度均为负数，则从第一行驶速度和第二行驶速度中选取速度值的绝对值较大的行驶速度。本实现方式中，在基于虚拟移动体的预估移动路线和虚拟移动体的预估移动速度，通过速度规划算法，生成第一行驶速度，并基于第一实际移动体的预估移动路线和第一实际移动体的预估移动速度，通过速度规划算法，生成第二行驶速度之后，从第一行驶速度和第二行驶速度中选取较小的行驶速度，从而保证了自动驾驶车辆行驶的安全性。

在第一方面的一种可能实现方式中，自动驾驶车辆的处理器获取自动驾驶车辆周围的环境信息，可以包括：通过传感器感知自动驾驶车辆周围的实际障碍体信息，以及通过定位系统从地图中获取自动驾驶车辆周围道路的道路拓扑，具体的，处理器可以通过传感部件实时采集周围的环境信息，进而可以通过计算机视觉系统和障碍规避系统从周围的环境信息中获取实际障碍体信息，处理器可以通过定位系统对自动驾驶车辆在地图中进行定位，进而从地图中获取自动驾驶车辆周围道路的道路拓扑，其中，地图可以为自动驾驶车辆的存储器中预先存储的，也可以为从地图类应用的后台服务器获取的。本实现方式中，提供了自动驾驶车辆周围环境信息的一种实现方式，提高了方案的可行性；从地图中获取自动驾驶车辆周围道路的道路拓扑，方便快捷，且准确率高。

在第一方面的一种可能实现方式中，自动驾驶车辆的处理器获取自动驾驶车辆周围的环境信息，可以包括：通过传感器感知自动驾驶车辆周围的实际障碍体信息和自动驾驶车辆周围道路的道路拓扑，具体的，处理器可以通过传感器对周围道路线进行检测，从而通过识别到的部分道路线进行预测推理得到自动驾驶车辆周围道路的道路拓扑。本实现方式中，提供了自动驾驶车辆周围环境信息的另一种实现方式，提高了方案的灵活性；且通过传感器获取自动驾驶车辆周围道路的道路拓扑的方式，拓宽了本方案的应用场景，提高了方案的全面性。

在第一方面的一种可能实现方式中，传感器包括以下一项或多项：相机、雷达和激光测距仪。

在第一方面的一种可能实现方式中，自动驾驶车辆的处理器基于虚拟移动体和自动驾驶车辆周围的环境信息，生成自动驾驶车辆的目标行驶速度，可以包括：处理器基于虚拟移动体和信号灯信息，生成自动驾驶车辆的目标行驶速度，信号灯信息包括于自动驾驶车辆周围的环境信息中，具体的，若虚拟移动体的预估行驶路线中存在路口，则根据虚拟移动体周围的环境信息和路口的信号灯信息，生成虚拟移动体的预估行驶速度，若实际障碍体中存在第一实际移动体且第一实际移动体的预估行驶路线中存在路口，则根据第一实际移动体周围的环境信息和路口的信号灯信息，生成第一实际移动体的预估行驶速度；若自动驾驶车辆体的预估行驶路线中存在路口，则在生成自动驾驶车辆体的预估行驶速度时可以结合路口的信号灯信息，其中，路口的信号灯信息指的是到达路口时的信号灯信息。本实现方式中，在生成自动驾驶车辆的目标行驶速度的过程中结合了信号灯信息，使得整个行驶速度预估过程更为准确，提高本方案的准确率。

在第一方面的一种可能实现方式中，自动驾驶车辆的处理器生成自动驾驶车辆的第一行驶速度之后，方法还可以包括：处理器获取自动驾驶车辆移动后周围的环境信息，移动后周围的环境信息中包括一个或多个有效盲区的环境信息，在根据有效盲区内的环境信息确定有效盲区内存在第二实际移动体的情况下，基于第二实际移动体和自动驾驶车辆移动后周围的环境信息，通过速度规划算法，生成自动驾驶车辆移动后的目标行驶速度，其中，第二实际移动体也是一个泛指的概念，指的是自动驾驶车辆移动后采集的环境信息中位于有效盲区内的实际感知到的移动体。本实现方式中，若有效盲区内存在实际移动体，自动驾驶车辆的处理器可以及时根据有效盲区内出现的实际移动体，生成自动驾驶车辆移动后的目标行驶速度，保证了本方案的连续性和安全性。

在第一方面的一种可能实现方式中，自动驾驶车辆的处理器生成自动驾驶车辆的第一行驶速度之后，方法还可以包括：处理器获取自动驾驶车辆移动后周围的环境信息，移动后周围的环境信息中包括有效盲区的环境信息，在根据有效盲区内的环境信息确定有效盲区内不存在第二实际移动体的情况下，基于自动驾驶车辆移动后周围的环境信息，通过速度规划算法，生成自动驾驶车辆的移动后的目标行驶速度。本实现方式中，若有效盲区内不存在实际移动体，自动驾驶车辆的处理器可以及时更新自动驾驶车辆的行驶速度，从而避免自动驾驶车辆一直保持低速行驶状态，提高用户粘度。

在第一方面的一种可能实现方式中，虚拟移动体包括以下一项或多项：车辆和行人。

第二方面，本申请提供了一种车辆行驶速度生成装置，可用于人工智能领域的自动驾驶领域中，装置可以包括：获取单元、生成单元和选取单元，其中，获取单元，用于获取自动驾驶车辆周围的环境信息，其中，环境信息中包括自动驾驶车辆周围的实际障碍体和自动驾驶车辆周围道路的道路拓扑；生成单元，用于根据获取单元获取的自动驾驶车辆周围的实际障碍体，生成自动驾驶车辆的感知盲区；选取单元，用于根据自动驾驶车辆周围道路的道路拓扑，从生成单元生成的感知盲区中选取有效盲区，其中，有效盲区所在道路与自动驾驶车辆的预估行驶路线存在交汇点；生成单元，还用于在选取单元选取的有效盲区内设置虚拟移动体，并基于虚拟移动体和自动驾驶车辆周围的环境信息，生成自动驾驶车辆的目标行驶速度。

在第二方面的一种可能实现方式中，生成单元，具体用于：根据虚拟移动体周围的环境信息，生成虚拟移动体的预估移动路线和虚拟移动体的预估移动速度，虚拟移动体周围的环境信息包括于自动驾驶车辆周围的环境信息中；基于虚拟移动体的预估移动路线和虚拟移动体的预估移动速度，通过速度规划算法，生成自动驾驶车辆的目标行驶速度。

在第二方面的一种可能实现方式中，车辆行驶速度生成装置还包括：更新单元，用于在生成单元生成的目标行驶速度小于预设速度阈值的情况下，将自动驾驶车辆的目标行驶速度更新为预设速度阈值，得到更新后的自动驾驶车辆的目标行驶速度。

在第二方面的一种可能实现方式中，生成单元，具体用于：根据虚拟移动体周围的环境信息，生成虚拟移动体的预估移动路线和虚拟移动体的预估移动速度，虚拟移动体周围的环境信息包括于自动驾驶车辆周围的环境信息中；在自动驾驶车辆周围的实际障碍体中存在第一实际移动体的情况下，根据第一实际移动体周围的环境信息，生成第一实际移动体的预估移动路线和第一实际移动体的预估移动速度，第一实际移动体周围的环境信息包括于自动驾驶车辆周围的环境信息中；基于虚拟移动体的预估移动路线和虚拟移动体的预估移动速度，通过速度规划算法，生成自动驾驶车辆的第一行驶速度；基于第一实际移动体的预估移动路线和第一实际移动体的预估移动速度，通过速度规划算法，生成自动驾驶车辆的第二行驶速度；从第一行驶速度和第二行驶速度中选取较小的行驶速度，并确定为目标行驶速度。

在第二方面的一种可能实现方式中，获取单元，具体用于通过传感器感知自动驾驶车辆周围的实际障碍体信息，以及通过定位系统从地图中获取自动驾驶车辆周围道路的道路拓扑。

在第二方面的一种可能实现方式中，获取单元，具体用于通过传感器感知自动驾驶车辆周围的实际障碍体信息和自动驾驶车辆周围道路的道路拓扑。

在第二方面的一种可能实现方式中，传感器包括以下一项或多项：相机、雷达和激光测距仪。

在第二方面的一种可能实现方式中，生成单元，具体用于基于虚拟移动体和信号灯信息，生成自动驾驶车辆的目标行驶速度，信号灯信息包括于自动驾驶车辆周围的环境信息中。

在第二方面的一种可能实现方式中，获取单元，还用于获取自动驾驶车辆移动后周围的环境信息，移动后周围的环境信息中包括有效盲区的环境信息；生成单元，还用于在根据获取单元获取的有效盲区内的环境信息确定有效盲区内存在第二实际移动体的情况下，基于第二实际移动体和自动驾驶车辆移动后周围的环境信息，生成自动驾驶车辆移动后的目标行驶速度。

在第二方面的一种可能实现方式中，获取单元，还用于获取自动驾驶车辆移动后周围的环境信息，移动后周围的环境信息中包括有效盲区的环境信息；生成单元，还用于在根据获取单元获取的有效盲区内的环境信息确定有效盲区内不存在第二实际移动体的情况下，基于自动驾驶车辆移动后周围的环境信息，生成自动驾驶车辆的移动后的目标行驶速度。

在第二方面的一种可能实现方式中，虚拟移动体包括以下一项或多项：车辆和行人。

对于本申请第二方面以及第二方面的各种可能实现方式的具体实现步骤，以及每种可能实现方式所带来的有益效果，均可以参考第一方面中各种可能的实现方式中的描述，此处不再一一赘述。

第三方面，本申请提供了一种自动驾驶车辆，可以包括处理器，处理器和存储器耦合，存储器存储有程序指令，当存储器存储的程序指令被处理器执行时实现上述第一方面所述的车辆行驶速度生成方法。对于处理器执行第一方面的各个可能实现方式中自动驾驶车辆执行的步骤，具体均可以参阅第一方面，此处不再赘述。

第四方面，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，当其在计算机上行驶时，使得计算机执行上述第一方面所述的车辆行驶速度生成方法。

第五方面，本申请提供了一种电路系统，所述电路系统包括处理电路，所述处理电路配置为执行上述第一方面所述的车辆行驶速度生成方法。

第六方面，本申请提供了一种计算机程序，当其在计算机上行驶时，使得计算机执行上述第一方面所述的车辆行驶速度生成方法。

第七方面，本申请提供了一种芯片系统，该芯片系统包括处理器，用于支持服务器或车辆行驶速度生成装置实现上述方面中所涉及的功能，例如，发送或处理上述方法中所涉及的数据和/或信息。在一种可能的设计中，所述芯片系统还包括存储器，所述存储器，用于保存服务器或通信设备必要的程序指令和数据。该芯片系统，可以由芯片构成，也可以包括芯片和其他分立器件。

附图说明

图1为本申请实施例提供的自动驾驶车辆的一种结构示意图；

图2为本申请实施例提供的车辆行驶速度生成方法的一种流程示意图；

图3为本申请实施例提供的车辆行驶速度生成方法中感知盲区的一种示意图；

图4为本申请实施例提供的车辆行驶速度生成方法中有效盲区的一种示意图；

图5为本申请实施例提供的车辆行驶速度生成方法中虚拟移动体的一种示意图；

图6为本申请实施例提供的车辆行驶速度生成方法中位移-时间图的一种示意图；

图7为本申请实施例提供的车辆行驶速度生成方法中位移-时间图的另一种示意图；

图8为本申请实施例提供的车辆行驶速度生成方法中应用场景的一种示意图；

图9为本申请实施例提供的车辆行驶速度生成方法中应用场景的另一种示意图；

图10为本申请实施例提供的车辆行驶速度生成装置的一种结构示意图；

图11为本申请实施例提供的车辆行驶速度生成装置的另一种结构示意图；

图12为本申请实施例提供的自动驾驶车辆的另一种结构示意图；

图13为本申请实施例提供的芯片的一种结构示意图。

具体实施方式

本申请实施例提供了一种车辆行驶速度生成方法以及相关设备，通过软件的方法在盲区内设置虚拟移动体，并基于虚拟移动体对生成自动驾驶车辆的第一行驶速度，提供了一种低成本的盲区应对方案。

本申请的说明书和权利要求书及上述附图中的术语“第一”、第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换，这仅仅是描述本申请的实施例中对相同属性的对象在描述时所采用的区分方式。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，以便包含一系列单元的过程、方法、系统、产品或设备不必限于那些单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它单元。

本申请实施例可以应用于对各种自动行驶的智能体进行速度规划的场景中，作为示例，例如本申请实施例可以应用于对自动驾驶车辆进行速度规划的场景中，具体的，由于自动驾驶车辆的传感器的感知能力有限，当自动驾驶车辆通过阻碍信息感知的障碍体较多的道路环境时，例如路边停放有大量车辆、交通拥挤、路过公交车站、修路时的路边护栏、遇到恶劣天气或其他存在大量阻碍信息感知的障碍体的道路环境时，自动驾驶车辆会存在感知盲区，则在自动驾驶车辆行驶于前述道路中，会需要通过一种成本更低的盲区应对方案来对自动驾驶车辆进行速度规划。作为另一示例，例如本申请实施例也可以应用于对各种类型的机器人进行速度规划的场景中，例如货运机器人、探测机器人、扫地机器人或其他类型的机器人，此处以货运机器人为例对应用场景作进一步描述，由于货运机器人的传感器的感知能力有限，当多个货运机器人同时工作时，或者，货运机器人从货架之间穿梭时，其他货运机器人和货架都会成为阻碍货运机器人进行信息感知的障碍体，从而当货运机器人行驶于前述货运环境中时，为了减少货运机器人之间以及货运机器人与人之间的碰撞，需要通过一种成本更低的盲区应用方案来对货运机器人进行速度规划。应当理解，此处举例仅为方便对本申请实施例的应用场景进行理解，不对本申请实施例的应用场景进行穷举，本申请实施例中仅以应用于对自动驾驶车辆进行速度规划为例，进行详细介绍。

下面结合附图，对本申请的实施例进行描述。本领域普通技术人员可知，随着技术的发展和新场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。

为了便于理解本方案，本申请实施例中首先结合图1对自动驾驶车辆的结构进行介绍，请先参阅图1，图1为本申请实施例提供的自动驾驶车辆的一种结构示意图，自动驾驶车辆100配置为完全或部分地自动驾驶模式，例如，自动驾驶车辆100可以在处于自动驾驶模式中的同时控制自身，并且可通过人为操作来确定车辆及其周边环境的当前状态，确定周边环境中的至少一个其他车辆的可能行为，并确定其他车辆执行可能行为的可能性相对应的置信水平，基于所确定的信息来控制自动驾驶车辆100。在自动驾驶车辆100处于自动驾驶模式中时，也可以将自动驾驶车辆100置为在没有和人交互的情况下操作。

自动驾驶车辆100可包括各种子系统，例如行进系统102、传感器系统104、控制系统106、一个或多个外围设备108以及电源110、计算机系统112和用户接口116。可选地，自动驾驶车辆100可包括更多或更少的子系统，并且每个子系统可包括多个部件。另外，自动驾驶车辆100的每个子系统和部件可以通过有线或者无线互连。

行进系统102可包括为自动驾驶车辆100提供动力运动的组件。在一个实施例中，行进系统102可包括引擎118、能量源119、传动装置120和车轮(也可以称为轮胎)121。

其中，引擎118可以是内燃引擎、电动机、空气压缩引擎或其他类型的引擎组合，例如，汽油发动机和电动机组成的混动引擎，内燃引擎和空气压缩引擎组成的混动引擎。引擎118将能量源119转换成机械能量。能量源119的示例包括汽油、柴油、其他基于石油的燃料、丙烷、其他基于压缩气体的燃料、乙醇、太阳能电池板、电池和其他电力来源。能量源119也可以为自动驾驶车辆100的其他系统提供能量。传动装置120可以将来自引擎118的机械动力传送到车轮121。传动装置120可包括变速箱、差速器和驱动轴。在一个实施例中，传动装置120还可以包括其他器件，比如离合器。其中，驱动轴可包括可耦合到一个或多个车轮121的一个或多个轴。

传感器系统104可包括感测关于自动驾驶车辆100周边的环境的信息的若干个传感器。例如，传感器系统104可包括定位系统122(定位系统可以是全球定位系统GPS，也可以是北斗系统或者其他定位系统)、惯性测量单元(inertial measurement unit，IMU)124、雷达126、激光测距仪128以及相机130。传感器系统104还可包括被监视自动驾驶车辆100的内部系统的传感器(例如，车内空气质量监测器、燃油量表、机油温度表等)。来自这些传感器中的一个或多个的传感数据可用于检测对象及其相应特性(位置、形状、方向、速度等)。这种检测和识别是自主自动驾驶车辆100的安全操作的关键功能。

其中，定位系统122可用于估计自动驾驶车辆100的地理位置。IMU 124用于基于惯性加速度来感知自动驾驶车辆100的位置和朝向变化。在一个实施例中，IMU 124可以是加速度计和陀螺仪的组合。雷达126可利用无线电信号来感知自动驾驶车辆100的周边环境内的物体，具体可以表现为毫米波雷达或激光雷达。在一些实施例中，除了感知物体以外，雷达126还可用于感知物体的速度和/或前进方向。激光测距仪128可利用激光来感知自动驾驶车辆100所位于的环境中的物体。在一些实施例中，激光测距仪128可包括一个或多个激光源、激光扫描器以及一个或多个检测器，以及其他系统组件。相机130可用于捕捉自动驾驶车辆100的周边环境的多个图像。相机130可以是静态相机或视频相机。

控制系统106为控制自动驾驶车辆100及其组件的操作。控制系统106可包括各种部件，其中包括转向系统132、油门134、制动单元136、计算机视觉系统140、线路控制系统142以及障碍避免系统144。

其中，转向系统132可操作来调整自动驾驶车辆100的前进方向。例如在一个实施例中可以为方向盘系统。油门134用于控制引擎118的操作速度并进而控制自动驾驶车辆100的速度。制动单元136用于控制自动驾驶车辆100减速。制动单元136可使用摩擦力来减慢车轮121。在其他实施例中，制动单元136可将车轮121的动能转换为电流。制动单元136也可采取其他形式来减慢车轮121转速从而控制自动驾驶车辆100的速度。计算机视觉系统140可以操作来处理和分析由相机130捕捉的图像以便识别自动驾驶车辆100周边环境中的物体和/或特征。所述物体和/或特征可包括交通信号、道路边界和障碍体。计算机视觉系统140可使用物体识别算法、运动中恢复结构(Structure from Motion，SFM)算法、视频跟踪和其他计算机视觉技术。在一些实施例中，计算机视觉系统140可以用于为环境绘制地图、跟踪物体、估计物体的速度等等。线路控制系统142用于确定自动驾驶车辆100的行驶路线以及行驶速度。在一些实施例中，线路控制系统142可以包括横向规划模块1421和纵向规划模块1422，横向规划模块1421和纵向规划模块1422分别用于结合来自障碍避免系统144、GPS 122和一个或多个预定地图的数据为自动驾驶车辆100确定行驶路线和行驶速度。障碍避免系统144用于识别、评估和避免或者以其他方式越过自动驾驶车辆100的环境中的障碍体，前述障碍体具体可以表现为实际障碍体和可能与自动驾驶车辆100发生碰撞的虚拟移动体。在一个实例中，控制系统106可以增加或替换地包括除了所示出和描述的那些以外的组件。或者也可以减少一部分上述示出的组件。

自动驾驶车辆100通过外围设备108与外部传感器、其他车辆、其他计算机系统或用户之间进行交互。外围设备108可包括无线通信系统146、车载电脑148、麦克风150和/或扬声器152。在一些实施例中，外围设备108为自动驾驶车辆100的用户提供与用户接口116交互的手段。例如，车载电脑148可向自动驾驶车辆100的用户提供信息。用户接口116还可操作车载电脑148来接收用户的输入。车载电脑148可以通过触摸屏进行操作。在其他情况中，外围设备108可提供用于自动驾驶车辆100与位于车内的其它设备通信的手段。例如，麦克风150可从自动驾驶车辆100的用户接收音频(例如，语音命令或其他音频输入)。类似地，扬声器152可向自动驾驶车辆100的用户输出音频。无线通信系统146可以直接地或者经由通信网络来与一个或多个设备无线通信。例如，无线通信系统146可使用3G蜂窝通信，例如码分多址(code division multiple access，CDMA)、EVD0、全球移动通信系统(globalsystem for mobile communications，GSM)/通用无线分组服务(general packet radioservice，GPRS)，或者4G蜂窝通信，例如长期演进技术(long term evolution，LTE)。或者5G蜂窝通信。无线通信系统146可利用无线局域网(wireless localarea network，WLAN)通信。在一些实施例中，无线通信系统146可利用红外链路、蓝牙或ZigBee与设备直接通信。其他无线协议，例如各种车辆通信系统，例如，无线通信系统146可包括一个或多个专用短程通信(dedicated short range communications，DSRC)设备，这些设备可包括车辆和/或路边台站之间的公共和/或私有数据通信。

电源110可向自动驾驶车辆100的各种组件提供电力。在一个实施例中，电源110可以为可再充电锂离子或铅酸电池。这种电池的一个或多个电池组可被配置为电源为自动驾驶车辆100的各种组件提供电力。在一些实施例中，电源110和能量源119可一起实现，例如一些全电动车中那样。

自动驾驶车辆100的部分或所有功能受计算机系统112控制。计算机系统112可包括至少一个处理器113，处理器113执行存储在例如存储器114这样的非暂态计算机可读介质中的指令115。计算机系统112还可以是采用分布式方式控制自动驾驶车辆100的个体组件或子系统的多个计算设备。处理器113可以是任何常规的处理器，诸如商业可获得的中央处理器(central processing unit，CPU)。可选地，处理器113可以是诸如专用集成电路(application specific integrated circuit，ASIC)或其它基于硬件的处理器的专用设备。尽管图1功能性地图示了处理器、存储器、和在相同块中的计算机系统112的其它部件，但是本领域的普通技术人员应该理解该处理器、或存储器实际上可以包括不存储在相同的物理外壳内的多个处理器、或存储器。例如，存储器114可以是硬盘驱动器或位于不同于计算机系统112的外壳内的其它存储介质。因此，对处理器113或存储器114的引用将被理解为包括可以并行操作或者可以不并行操作的处理器或存储器的集合的引用。不同于使用单一的处理器来执行此处所描述的步骤，诸如转向组件和减速组件的一些组件每个都可以具有其自己的处理器，所述处理器只执行与特定于组件的功能相关的计算。

在此处所描述的各个方面中，处理器113可以位于远离自动驾驶车辆100并且与自动驾驶车辆100进行无线通信。在其它方面中，此处所描述的过程中的一些在布置于自动驾驶车辆100内的处理器113上执行而其它则由远程处理器113执行，包括采取执行单一操纵的必要步骤。

在一些实施例中，存储器114可包含指令115(例如，程序逻辑)，指令115可被处理器113执行来执行自动驾驶车辆100的各种功能，包括以上描述的那些功能。存储器114也可包含额外的指令，包括向行进系统102、传感器系统104、控制系统106和外围设备108中的一个或多个发送数据、从其接收数据、与其交互和/或对其进行控制的指令。除了指令115以外，存储器114还可存储数据，例如道路地图、路线信息，车辆的位置、方向、速度以及其它这样的车辆数据，以及其他信息。这种信息可在自动驾驶车辆100在自主、半自主和/或手动模式中操作期间被自动驾驶车辆100和计算机系统112使用。用户接口116，用于向自动驾驶车辆100的用户提供信息或从其接收信息。可选地，用户接口116可包括在外围设备108的集合内的一个或多个输入/输出设备，例如无线通信系统146、车载电脑148、麦克风150和扬声器152。

计算机系统112可基于从各种子系统(例如，行进系统102、传感器系统104和控制系统106)以及从用户接口116接收的输入来控制自动驾驶车辆100的功能。例如，计算机系统112可利用来自控制系统106的输入以便控制转向系统132来避免由传感器系统104和障碍避免系统144检测到的障碍体。在一些实施例中，计算机系统112可操作来对自动驾驶车辆100及其子系统的许多方面提供控制。

可选地，上述这些组件中的一个或多个可与自动驾驶车辆100分开安装或关联。例如，存储器114可以部分或完全地与自动驾驶车辆100分开存在。上述组件可以按有线和/或无线方式来通信地耦合在一起。

可选地，上述组件只是一个示例，实际应用中，上述各个模块中的组件有可能根据实际需要增添或者删除，图1不应理解为对本申请实施例的限制。在道路行进的自动驾驶车辆，如上面的自动驾驶车辆100，可以识别其周围环境内的物体以确定对当前速度的调整。所述物体可以是其它车辆、交通控制设备、或者其它类型的物体。在一些示例中，可以独立地考虑每个识别的物体，并且基于物体的各自的特性，诸如它的当前速度、加速度、与车辆的间距等，可以用来确定自动驾驶车辆所要调整的速度。

可选地，自动驾驶车辆100或者与自动驾驶车辆100相关联的计算设备如图1的计算机系统112、计算机视觉系统140、存储器114可以基于所识别的物体的特性和周围环境的状态(例如，交通、雨、道路上的冰、等等)来预测所识别的物体的行为。可选地，每一个所识别的物体都依赖于彼此的行为，因此还可以将所识别的所有物体全部一起考虑来预测单个识别的物体的行为。自动驾驶车辆100能够基于预测的所识别的物体的行为来调整它的速度。换句话说，自动驾驶车辆100能够基于所预测的物体的行为来确定车辆将需要调整到(例如，加速、减速、或者停止)什么稳定状态。在这个过程中，也可以考虑其它因素来确定自动驾驶车辆100的速度，诸如，自动驾驶车辆100在行驶的道路中的横向位置、道路的曲率、静态和动态物体的接近度等等。除了提供调整自动驾驶车辆的速度的指令之外，计算设备还可以提供修改自动驾驶车辆100的转向角的指令，以使得自动驾驶车辆100遵循给定的轨迹和/或维持与自动驾驶车辆100附近的物体(例如，道路上的相邻车道中的轿车)的安全横向和纵向距离。

上述自动驾驶车辆100可以为轿车、卡车、摩托车、公共汽车、船、飞机、直升飞机、割草机、娱乐车、游乐场车辆、施工设备、电车、高尔夫球车、火车、和手推车等，本申请实施例不做特别的限定。

结合上述描述，本申请实施例提供了一种车辆行驶速度生成方法，可应用于图1中示出的自动驾驶车辆100中，请参阅图2，图2为本申请实施例提供的车辆行驶速度生成方法的一种流程示意图，本申请实施例提供的车辆行驶速度生成方法可以包括：

201、自动驾驶车辆获取自动驾驶车辆周围的环境信息。

本申请实施例中，自动驾驶车辆的处理器可以实时获取自动驾驶车辆周围的环境信息，其中，自动驾驶车辆周围的环境信息中包括自动驾驶车辆周围的实际障碍体和自动驾驶车辆周围道路的道路拓扑，环境信息中还可以包括信号灯信息或其他环境信息等，此处不做限定。进一步地，实际障碍体指的是妨碍自动驾驶车辆的传感器对周围环境信息进行信息感知的客体，可以包括移动体和静止体，具体可以表现为车辆、行人、护栏、石柱、浓雾、大雨或大雪等，自动驾驶车辆周围的环境信息中实际障碍体的数量可以为一个或多个，此处不对实际障碍体的具体表现形态以及数量进行限定。自动驾驶车辆周围的实际障碍体信息包括自动驾驶车辆周围的实际障碍体的类型、大小、运动形态等字体信息以及实际障碍体周围的环境信息。自动驾驶车辆周围道路的道路拓扑指的是基于自动驾驶车辆周围的道路形成的道路形状图。

具体的，在一种实现方式中，自动驾驶车辆的处理器可以通过传感器感知自动驾驶车辆周围的实际障碍体信息，以及通过定位系统从地图中获取自动驾驶车辆周围道路的道路拓扑。更具体的，对于自动驾驶车辆周围的实际障碍体信息，处理器可以通过相机、雷达和/或激光测距仪等传感部件实时采集周围的环境信息，进而可以通过计算机视觉系统和障碍规避系统识别出周围环境中有多少实际障碍体，每个实际障碍体的类型、形状等。对于自动驾驶车辆周围道路的道路拓扑，在一种情况下，若自动驾驶车辆的存储器中存储有自动驾驶车辆周围环境对应的地图，则处理器可以通过定位系统对自动驾驶车辆在地图中进行定位，进而从地图中获取自动驾驶车辆周围道路的道路拓扑；在另一种情况下，若自动驾驶车辆的存储器中未存储自动驾驶车辆周围环境对应的地图，但自动驾驶车辆的计算机系统中安装有地图类应用，则处理器可以利用定位系统进行定位，并向地图类应用的后台服务器发送与当前位置对应的地图获取请求，进而从后台服务器发送的地图中获取自动驾驶车辆周围道路的道路拓扑。通过前述方式，提供了自动驾驶车辆周围环境信息的一种实现方式，提高了方案的可行性；从地图中获取自动驾驶车辆周围道路的道路拓扑，方便快捷，且准确率高。

在另一种实现方式中，自动驾驶车辆的处理器可以通过传感器感知自动驾驶车辆周围的实际障碍体信息和自动驾驶车辆周围道路的道路拓扑。更具体的，处理器通过传感器获取自动驾驶车辆周围的实际障碍体信息的方式与上一种实现方式类似，此处不再赘述。对于自动驾驶车辆周围道路的道路拓扑，处理器可以通过相机和/或雷达等传感器对周围道路线进行检测，从而通过识别到的部分道路线进行预测推理得到自动驾驶车辆周围道路的道路拓扑，作为示例，例如即使存在部分感知盲区，也可以通过相机识别出汇入自动驾驶车辆所在车道的车道线，此处举例仅为方便理解本方案。通过前述方式，提供了自动驾驶车辆周围环境信息的另一种实现方式，提高了方案的灵活性；且通过传感器获取自动驾驶车辆周围道路的道路拓扑的方式，拓宽了本方案的应用场景，提高了方案的全面性。

更具体的，自动驾驶车辆的处理器可以实时获取自动驾驶车辆周围的预设区域内的环境信息。其中，预设区域指的是以自动驾驶车辆实时位置为中心的一个矩形区域、方形区域、扇形区域或其他形状的区域等；进一步的，预设区域的形状和大小可以为预先设定好的，也可以为根据传感器的信息感知性能极限确定；若预设区域的形状和大小是预先设定好的，则具体预设区域的形状、大小可以结合具体道路环境类型、自动驾驶车辆当前行驶速度、传感器的性能等因素确定，作为示例，例如在高速道路等高速环境中，预设区域的区域大小较大，在行驶于有严格限速的道路环境中时，预设区域的区域大小较小。

202、自动驾驶车辆根据自动驾驶车辆周围的实际障碍体，生成自动驾驶车辆的感知盲区。

本申请实施例中，自动驾驶车辆的处理器在获取到周围的环境信息之后，可以根据自动驾驶车辆周围的一个或多个实际障碍体，生成自动驾驶车辆的一个或多个感知盲区。

具体的，自动驾驶车辆的处理器可以生成与获取到的环境信息对应的地图；可选地，在部分实施例中，可以将前述地图栅格化，得到与自动驾驶车辆周围环境对应的栅格地图。栅格地图的栅格分辨率可根据预设区域的大小、自动驾驶车辆的处理器算力或其他因素进行适配，但栅格分辨率应当小于或等于自动驾驶车辆车长的1/15。自动驾驶车辆的处理器将传感器感知到的一个或多个实际障碍体在栅格地图中的对应位置标记为已占据，从而将自动驾驶车辆周围环境中一个或多个未被传感器感知到的区域定义为感知盲区。更具体的，实际障碍体在栅格地图中的形态可以结合实际障碍体的实际形态确定，作为示例，例如实际障碍体具体表现为人，则自动驾驶车辆的处理器可以在栅格地图的相应位置上放置人形标记；若实际障碍体具体表现为车辆，则自动驾驶车辆的处理器可以在栅格地图的相应位置上放置车辆标记等；当然，处理器也可以通过长方体、正方体等块状物来代替障碍体此处不做穷举。

为进一步理解本方案，请参阅图3，图3为本申请实施例提供的车辆行驶速度生成方法中感知盲区的一种示意图，图3中以传感器感知到的两个实际障碍体均为车辆为例，图3中的两个社会车指的是传感器感知到的两个实际障碍体，盲区一和盲区二为自车(也即当前自动驾驶车辆)的两个感知盲区，盲区一和盲区二分别指的是黑线以内社会车辆后方的区域，应理解，图3中示例仅为方便理解本方案，不用于限定本方案。

可选地，自动驾驶车辆的处理器在将与一个或多个实际障碍体在栅格地图中的对应位置标记为已占据之后，需要描绘感知盲区的轮廓，则在对感知盲区的轮廓进行处理时，可以过滤掉无法通过的狭小区域，再通过连通区域分析及轮廓提取得到描述盲区的轮廓点。

203、自动驾驶车辆根据自动驾驶车辆周围道路的道路拓扑，从感知盲区中选取有效盲区。

本申请实施例中，自动驾驶车辆的处理器在生成自动驾驶车辆的一个或多个感知盲区之后，需要根据周围道路的道路拓扑，从一个或多个感知盲区中选取一个或多个有效盲区，其中，有效盲区所在道路与自动驾驶车辆的预估行驶路线存在交汇点，有效盲区所在道路具体可以表现为车行道路、人行道路或其他类型的道路。具体的，可以为自动驾驶车辆的处理器控制横向规划模块先对自动驾驶车辆的行驶路线进行预估，进而处理器控制纵向规划模块对自动驾驶车辆的预估行驶路线上的每个行驶点的速度进行规划，从而处理器在通过纵向规划模块进行速度规划之前可以获取到自动驾驶车辆的预估行驶路线。针对通过步骤202标注的一个或多个感知盲区，自动驾驶车辆的处理器结合周围道路的道路拓扑，可以获取到每个感知盲区所在道路的道路拓扑，进而从所有感知盲区中选取所在道路与自动驾驶车辆的预估行驶路线存在交汇点的一个或多个盲区，并将其确定为有效盲区。

为进一步理解本方案，请参阅图4，图4为本申请实施例提供的车辆行驶速度生成方法中有效盲区的一种示意图，图4中以自车(也即当前自动驾驶车辆)的预估行驶路线为向右转为例，图4中示出的盲区一和盲区二为自车的两个感知盲区，由于盲区一所在道路与自车的预估行驶路线存在交汇点，盲区二所在道路与自车的预估行驶路线不存在交汇点，处理器在执行从自车的两个感知盲区选取有效盲区的过程中，将盲区二筛掉，保留盲区一，应当理解，图4中示例仅为方便理解本方案，不用于限定本方案。

204、自动驾驶车辆在有效盲区内设置虚拟移动体。

本申请实施例中，自动驾驶车辆的处理器在与自动驾驶车辆周围的环境对应的地图中选取出一个或多个有效盲区之后，可以在每个有效盲区内设置一个或多个虚拟移动体；具体的，自动驾驶车辆的处理器可以在有效盲区所在道路的道路中心线处设置虚拟移动体，也可以在有效盲区所在道路的道路左侧设置虚拟移动体，还可以在有效盲区所在道路的道路右侧设置虚拟移动体等，具体此处不做限定。更具体的，步骤202至步骤204可以为自动驾驶车辆的处理器通过上述障碍规避系统执行的。

其中，虚拟移动体具体可以包括以下一项或多项：车辆和行人，虚拟移动体的类型可以结合有效盲区的位置确定，作为示例，例如实际障碍体是公交车，有效盲区的位置是公交车右侧的公交车站，则虚拟移动体可以设置为人；作为另一示例，例如实际障碍体是车行道路右侧的护栏，有效盲区的位置是护栏右侧的自行车道路和行人道路的混合道路，则虚拟移动体可以设置为自行车和/或行人等，此处不做穷举，虚拟移动体的数量也可以结合有效盲区的面积大小或其他因素确定。

自动驾驶车辆的处理器在有效盲区内设置虚拟移动体之后，需要基于虚拟移动体和自动驾驶车辆周围的环境信息，生成自动驾驶车辆的目标行驶速度。可选地，在实际障碍体中存在第一实际移动体的情况下，处理器需要基于虚拟移动体、第一实际移动体和自动驾驶车辆周围的环境信息，生成自动驾驶车辆的目标行驶速度；具体的，处理器需要先生成所有虚拟移动体的预估行驶路线和预估行驶速度，以及，所有第一实际移动体的预估行驶路线和预估行驶速度，进而生成自动驾驶车辆的目标行驶速度。进一步可选地，处理器可以基于虚拟移动体、第一实际移动体和信号灯信息，生成自动驾驶车辆的目标行驶速度。具体的，若虚拟移动体的预估行驶路线中存在路口，则在生成虚拟移动体的预估行驶速度时可以结合路口的信号灯信息；若第一实际移动体的预估行驶路线中存在路口，则在生成第一实际移动体的预估行驶速度时可以结合路口的信号灯信息；若自动驾驶车辆体的预估行驶路线中存在路口，则在生成自动驾驶车辆体的预估行驶速度时可以结合路口的信号灯信息。对于生成自动驾驶车辆的目标行驶速度的详细实现方式，请参阅如下描述。

205、自动驾驶车辆根据虚拟移动体周围的环境信息，生成虚拟移动体的预估移动路线和虚拟移动体的预估移动速度。

本申请实施例中，自动驾驶车辆的处理器在有效盲区内设置一个或多个虚拟障碍体之后，针对前述一个或多个虚拟障碍体中的每个虚拟障碍体，处理器可以从自动驾驶车辆周围的环境信息中获取到虚拟移动体周围的环境信息，也即从自动驾驶车辆周围的环境信息中获取有效盲区周围的环境信息，并需要根据虚拟移动体周围的环境信息，生成虚拟移动体的预估移动路线和虚拟移动体的预估移动速度。

具体的，对于虚拟移动体的预估移动路线，在一种实现方式中，自动驾驶车辆的处理器可以根据虚拟移动体周围的环境信息获取到虚拟移动体所在道路的道路路线，将虚拟移动体所在道路的道路路线向前延伸并汇入自动驾驶车辆的预估行驶路线作为虚拟移动体的预估移动路线；在另一种实现方式中，处理器可以根据虚拟移动体周围的环境信息，选取与虚拟移动体位于相同道路且行驶于虚拟移动体前面的实际障碍体，并根据实际障碍体的移动路线确定虚拟移动体的预估移动路线；在另一种实现方式中，处理器可以根据虚拟移动体周围的环境类型，设定虚拟移动体的预估移动路线，例如虚拟移动体周围的环境为公交车站，虚拟移动体为行人，预估移动路线为行人从公交车之间横穿；在另一种实现方式中，处理器可以将虚拟移动体周围的环境信息以及虚拟移动体的类型输入到神经网络中，由神经网络对虚拟移动体的移动路线进行预估；当然，自动驾驶车辆的处理器可以同时结合上述多种方式中的任两种或全部方式对虚拟移动体的移动路线进行预估，或者，处理器还可以采用其他方式对虚拟移动体的移动路线进行预估，此处均不做限定。

对于虚拟移动体的预估移动速度，在一种实现方式中，自动驾驶车辆的处理器可以根据虚拟移动体周围的环境信息，选取与虚拟移动体位于相同道路且行驶于虚拟移动体前面的实际障碍体，并将实际障碍体的移动速度确定为虚拟移动体的预估移动速度；在另一种实现方式中，处理器可以根据虚拟移动体周围的环境信息，获取虚拟移动体所在道路的道路限速值，将前述道路限速值确定为虚拟移动体的预估移动速度；在另一种实现方式中，处理器可以根据虚拟移动体周围的环境类型，设定虚拟移动体的预估移动速度，例如虚拟移动体周围的环境为公交车站，可以设定虚拟移动体为行人，行人的速度大约为5-10km/h；在另一种实现方式中，处理器可以虚拟移动体周围的环境信息以及虚拟移动体的类型输入到神经网络中，由神经网络对虚拟移动体的预估移动速度进行预估；当然，自动驾驶车辆的处理器可以同时结合上述多种方式中的任两种或全部方式对虚拟移动体的预估移动速度进行预估，或者，处理器还可以采用其他方式对虚拟移动体的预估移动速度进行预估，此处均不做限定。

为进一步理解本方案，请参阅图5，图5为本申请实施例提供的车辆行驶速度生成方法中虚拟移动体的一种示意图，图5中以自车(也即当前自动驾驶车辆)的预估行驶路线为向右转为例。由于有效盲区所在道路为车行道路，则虚拟移动体设置(也即图5中的A1)为车辆，虚拟移动体前方没有实际障碍体，将虚拟移动体的预估行驶路线确定为沿着所在道路向前，直至与自车的预估行驶路线交汇；虚拟移动体所在道路的道路限速为40Km/h，则将虚拟移动体的预估行驶速度确定为40Km/h，应理解，图5中的示例仅为方便理解本方案，不用于限定本方案。

可选地，在虚拟移动体的预估移动路线中存在路口的情况下，自动驾驶车辆的处理器还可以结合虚拟移动体到达路口时的信号灯信息对虚拟移动体的预估行驶速度进行预估。具体的，自动驾驶车辆的处理器可以从已存储的地图中获取未来一段时间内路口信号灯的变化情况；也可以从自动驾驶车辆周围的环境信息中获取虚拟移动体的预估移动路线中路口的当前信号灯，进而对未来一段时间内路口信号灯的变化情况进行预测。若虚拟移动体到达路口时的信号灯为红灯，则虚拟移动体需要提前进行减速；若虚拟移动体到达路口时的信号等为绿灯，则虚拟移动体无需提前减速。

206、自动驾驶车辆判断自动驾驶车辆周围的实际障碍体中是否存在第一实际移动体，若存在第一实际移动体，则进入步骤207；若不存在第一实际移动体，则进入步骤208。

本申请实施例中，由于阻碍自动驾驶车辆的传感器进行信息感知的实际障碍体可以为移动体也可以为静止体，则自动驾驶车辆的处理器在获取到周围的实际障碍体之后，可以判断自动驾驶车辆周围的一个或多个实际障碍体中是否存在一个或多个第一实际移动体，第一实际移动体是一个泛指的概念，指的是自动驾驶车辆当前采集的环境信息中的实际感知到的移动体，由于在步骤201的描述中已经对移动体进行举例，此处不再赘述。

207、自动驾驶车辆根据第一实际移动体周围的环境信息，生成第一实际移动体的预估移动路线和第一实际移动体的预估移动速度。

本申请的一些实施例中，在自动驾驶车辆周围的实际障碍体中存在至少一个第一实际移动体的情况下，针对每个第一实际移动体，自动驾驶车辆的处理器可以从自动驾驶车辆周围的环境信息中获取第一实际移动体周围的环境信息，并根据第一实际移动体周围的环境信息，生成第一实际移动体的预估移动路线和第一实际移动体的预估移动速度。

具体的，对于第一实际移动体的预估移动路线，在一种实现方式中，自动驾驶车辆的处理器可以从第一实际移动体周围的环境信息获取到第一实际移动体所在道路的道路路线，结合第一实际移动体的历史移动路线确定第一实际移动体的预估移动路线，作为示例，例如将第一实际移动体的历史移动路线的延伸方向且符合第一实际移动体所在道路的道路路线约束的移动路线确定为第一实际移动体的预估移动路线；在另一种实现方式中，处理器可以结合第一实际移动体周围的环境类型确定第一实际移动体的预估移动路线，作为示例，例如第一实际移动体周围的环境类型为公交车站，则可以将第一实际移动体的预估移动路线确定为驶出公交车站；在另一种实现方式中，处理器还可以结合第一实际移动体的转向灯等信息来确定第一实际移动体的预估移动路线；在另一种实现方式中，处理器可以将第一实际移动体周围的环境信息以及第一实际移动体的类型输入到神经网络中，由神经网络对虚拟移动体的移动路线进行预估；当然，处理器可以同时结合上述多种方式中的任两种或全部方式对第一实际移动体的移动路线进行预估，或者，处理器还可以采用其他方式对第一实际移动体的移动路线进行预估，此处均不做限定。

对于第一实际移动体的预估移动速度，在一种实现方式中，自动驾驶车辆的处理器可以获取第一实际移动体的历史平均移动速度，并将其确定为第一实际移动体的预估移动速度，但前述预估移动速度应该符合自动驾驶车辆所在道路的速度限制；在另一种实现方式中，自动驾驶车辆的处理器可以获取第一实际移动体的当前移动速度和加速度，进而确定第一实际移动体的预估移动速度；当然，处理器还可以采用其他方式对虚拟移动体的移动路线进行预估，此处均不做限定。

可选地，若第一实际移动体的预估移动路线中存在路口的情况下，自动驾驶车辆的处理器还可以结合第一实际移动体到达路口时的信号灯信息对第一实际移动体的预估行驶速度进行预估。具体的，处理器可以从已存储的地图中获取未来一段时间内路口信号灯的变化情况；也可以从自动驾驶车辆周围的环境信息中获取第一实际移动体的预估移动路线中路口的当前信号灯，进而对未来一段时间内路口信号灯的变化情况进行预测。

应当理解，本申请实施例不限定步骤206至207与步骤205之间的执行顺序，可以先执行步骤205，再执行步骤206至207；也可以先执行步骤206至207，再执行步骤205；还可以同时执行步骤206至207和步骤205。

208、自动驾驶车辆基于虚拟移动体的预估移动路线和虚拟移动体的预估移动速度，通过速度规划算法，生成自动驾驶车辆的第一行驶速度。

本申请实施例中，自动驾驶车辆的处理器在获取到每个虚拟移动体的预估移动路线和虚拟移动体的预估移动速度之后，可以通过速度规划算法，生成自动驾驶车辆的第一行驶速度。其中，第一行驶速度是仅基于所有虚拟移动体生成的自动驾驶车辆在预设时长之后的行驶速度，预设时长的取值可以为0.4秒、0.5秒或其他数值等；若第一行驶速度大于当前行驶速度，则处理器的处理方式为加速通过，若第一行驶速度小于当前行驶速度，则处理器的处理方式为减速通过。速度规划算法可以为位移-时间(displacement-time，ST)规划算法、虚拟缝隙(Gap)规划算法、可通行时间窗口规划算法或其他速度规划算法等，此处不做穷举，以下仅以通过速度规划算法生成自动驾驶车辆的第一行驶速度为例，进行说明。

具体的，在通过ST规划算法生成自动驾驶车辆的第一行驶速度的情况下，自动驾驶车辆的处理器可以通过ST规划器将虚拟移动体的预估移动路线和虚拟移动体的预估移动速度投影到ST规划图中，ST规划图中的原点为当前时刻自动驾驶车辆所在的位置，ST规划图的纵轴为S，指的是距离自车的绝对位移；ST规划图的横轴为T，指的是未来t秒。ST规划图中的每个点又包含一个布尔(Bool)类型的值，表明该点是否被占据，如果占据则记为1，如果未被占据则记为0。ST规划器根据每个虚拟移动体的初始位置、预估移动路线和预估移动速度，将所有虚拟移动体的预估移动轨迹映射到ST规划图中。可选地，由于虚拟移动体的预估移动路线和虚拟移动体的预估移动速度与实际情况可能有所偏差，自动驾驶车辆的处理器在通过ST规划器生成ST规划图时，可以将虚拟移动体的占据去进行膨胀，也即将ST规划图中与每个虚拟移动体对应的线条在横向和纵向上作拉长处理。进而ST规划器根据所有虚拟移动体的线条轨迹，结合自动驾驶车辆的预估行驶路线，在ST规划图上生成一条与自动驾驶车辆对应的线条，进而ST规划器会输出自动驾驶车辆的第一行驶速度。可选地，若自动驾驶车辆的预估行驶路线中存在路口，ST规划器在生成驾驶车辆的第一行驶速度时，还需要结合路口的信号灯信息，生成第一行驶速度，具体路口信号灯信息的获取方式可以参考步骤205中的描述，此处不做赘述。

更具体的，ST规划器在输出第一行驶速度之前，自动驾驶车辆的处理器会向ST规划器中输入自动驾驶车辆的加减速性能极限、参考速度或其他限制因素，以使输出的第一行驶速度符合前述各种因素的限制，其中，参考速度是预先通过一个或多个背景速度规划器生成的，背景速度规划器指的是根据自动驾驶车辆的行驶速度、自动驾驶车辆的加速度和自动驾驶车辆周围的环境信息得出自动驾驶车辆当前允许速度上限的速度规划器，作为示例，例如在弯道处，根据自动驾驶车辆的行驶速度、自动驾驶车辆的加速度和弯道曲率计算出的自动驾驶车辆行驶过弯道的最大速度上限。

为进一步理解本方案，请参阅图6，图6为本申请实施例提供的车辆行驶速度生成方法中位移-时间图的一种示意图，图6包括两个子示意图，图6中以实际障碍体中不存在实际移动体且存在一个有效盲区为例，图6左侧的子示意图中为不设置虚拟移动体的ST规划图，因为不存在实际移动体将要汇入自动驾驶车辆所在车道，所以自动驾驶车辆以正常速度通过；图6右侧的子示意图中为在有效盲区内设置虚拟移动体的ST规划图，图中的白色长条形块状物对应于设置于有效盲区内的虚拟移动体，是根据虚拟移动体的预估行驶路线和预估行驶速度在ST规划图中生成对应的线条，并对前述线条在横向和纵向上作拉长处理后得到的，如图所示，ST规划器选择通过减速的方式来避让虚拟移动体，应理解，图6中的示例仅为方便理解本方案，不用于限定本方案。

209、自动驾驶车辆判断第一行驶速度是否小于预设行驶速度阈值，若小于预设行驶速度阈值，则进入步骤210；若大于或等于预设行驶阈值，则进入步骤211。

本申请的一些实施例中，自动驾驶车辆的存储器中可以预先存储有与第一行驶速度对应的预设行驶速度阈值，在自动驾驶车辆的处理器在通过速度规划算法生成自动驾驶车辆的第一行驶速度之后，可以得知处理器的处理方式是加速通过还是减速通过，若处理器的处理方式是减速通过，则处理器可以从存储器中获取预设行驶速度阈值，进而判断第一行驶速度是否小于预设行驶速度阈值。其中，预设行驶速度阈值的取值可以结合有效盲区所处的位置、自动驾驶车辆的减速性能极限或其他因素确定，具体的，自动驾驶车辆周围的环境危险度越高，预设行驶阈值的取值应该越低，作为示例，例如有效盲区所处的位置为学校门口、公交车站或有绿化遮挡的行人道路，则危险度较高，预设行驶阈值的取值就较低，自动驾驶车辆周围的环境为高速公路，则危险度较低，预设行驶阈值的取值可以较高，作为示例，例如预设行驶速度阈值可以为80Km/h、70Km/h、60Km/h、10Km/h、8Km/h、5Km/h或其他数值等，具体可以此处不做限定。

210、自动驾驶车辆将自动驾驶车辆的第一行驶速度更新为预设速度阈值，得到更新后的自动驾驶车辆的第一行驶速度。

本申请的一些实施例中，自动驾驶车辆的处理器在确定第一行驶速度小于预设行驶速度预置的情况下，可以将第一行驶速度更新为预设速度阈值，得到更新后的自动驾驶车辆的第一行驶速度。由于第一行驶速度是基于有效盲区内设置的虚拟移动体生成的，而有效盲区内可能并不存在移动体，将根据虚拟移动体生成的速度的最低值限定为预设速度阈值，避免了自动驾驶车辆刹车至停止的情况，而是以预设速度阈值的速度试探性前行，方便随着自动驾驶车辆的移动对车辆的形式速度作进一步调整，提高了速度规划过程的灵活性。

211、自动驾驶车辆基于第一实际移动体的预估移动路线和第一实际移动体的预估移动速度，通过速度规划算法，生成自动驾驶车辆的第二行驶速度。

本申请的一些实施例中，若自动驾驶车辆的处理器在通过步骤206确定自动驾驶车辆周围的实际障碍体中存在一个或多个第一实际移动体的情况下，会生成所有第一实际移动的预估移动路线和预估移动速度，并通过速度规划算法，生成自动驾驶车辆的第二行驶速度，其中，第二行驶速度与第一行驶速度对应，第二行驶速度是仅基于所有实际移动体生成的自动驾驶车辆在预设时长之后的行驶速度。自动驾驶车辆基于第一实际移动体的预估移动路线和第一实际移动体的预估移动速度，通过速度规划算法，生成自动驾驶车辆的第二行驶速度的具体实现方式与生成自动驾驶车辆的第一行驶速度的具体实现方式类似，此处不做赘述。为进一步理解本方案，请参阅图7，图7为本申请实施例提供的车辆行驶速度生成方法中位移-时间图的一种示意图，图7包括两个子示意图，图7左侧的子示意图中以自动驾驶车辆周围存在一个第一实际移动体为例，图7左侧的子示意图中以一个块状物代表自动驾驶车辆右侧的实际移动体，自动驾驶车辆即将向左转，第一实际移动体直行，从而第一实际移动体的行驶路线会与自动驾驶车辆的行驶路线交汇；将图7右侧的子示意图是与图7左侧示意图中的第一实际移动体和自动驾驶车辆的预估行驶路线和预估行驶速度对应的两个线条，其中，如箭头所示，右下方的线条为与第一实际移动体的行驶路线对应的线条，线条在纵向和横向上做了拉长处理，左上方的线条是与自动驾驶车辆的行驶路线对应的线条，如图所示，ST规划器选择通过加速强行的方式来避让虚拟移动体，应理解，图7中的示例仅为方便理解本方案，不用于限定本方案。

应当理解，本申请实施例不限定步骤208和步骤211的执行顺序，可以先执行步骤208，再执行步骤211，也可以先执行步骤211，再执行步骤208。需要说明的是，虽然生成第一行驶速度和第二行驶速度有先后顺序，但自动驾驶车辆的处理器可以将与自动驾驶车辆的处理器基于虚拟移动体的预估移动路线和虚拟移动体的预估移动速度对应的线条和与第一实际移动体的预估移动路线和第一实际移动体的预估移动速度对应的线条投影到同一速度规划图中，例如示例中的ST规划图中，再分别生成第一行驶速度和第二行驶速度。

212、自动驾驶车辆从第一行驶速度和第二行驶速度中选取较小的行驶速度，并确定为目标行驶速度。

本申请实施例中，自动驾驶车辆在获取到第一行驶速度和第二行驶速度之后，会从第一行驶速度和第二行驶速度中选取较小的行驶速度，并将其确定为目标行驶速度，目标行驶速度指的是自动驾驶车辆预设时长后需要达到的行驶速度。具体的，若第一行驶速度和第二行驶速度均为正数，也即自动驾驶车辆需要前进，则从第一行驶速度和第二行驶速度中选取速度值的绝对值较小的行驶速度，并将其确定为目标行驶速度；若第一行驶速度和第二行驶速度均为负数，也即自动驾驶车辆需要后退，则从第一行驶速度和第二行驶速度中选取速度值的绝对值较大的行驶速度，并将其确定为目标行驶速度。进一步的，步骤205至步骤212可以为自动驾驶车辆的处理器通过上述线路控制系统执行的。

更具体的，若执行步骤209和210，则自动驾驶车辆的处理器需要从通过步骤210获得的更新后的第一行驶速度和通过步骤211获得的第二行驶速度中选取较小的行驶速度，并确定为目标行驶速度；若不执行步骤209和210，则自动驾驶车辆的处理器需要从通过步骤208获得的第一行驶速度和通过步骤211获得的第二行驶速度中选取较小的行驶速度。可选地，若不执行步骤209和210，也可以将步骤208和步骤211合并为一个步骤，无需执行步骤212，也即自动驾驶车辆的处理器基于虚拟移动体的预估移动路线和虚拟移动体的预估移动速度和第一实际移动体的预估移动路线和第一实际移动体的预估移动速度，通过速度规划算法，直接生成自动驾驶车辆的目标行驶速度。

需要说明的是，步骤212为可选步骤，若通过步骤206确定自动驾驶车辆周围的实际障碍体中存在一个或多个第一实际移动体，则需要执行步骤207和211，从而自动驾驶车辆的处理器需要从第一行驶速度和第二行驶速度中选取较小的行驶速度；若自动驾驶车辆周围的实际障碍体中不存在第一实际移动体，则不需要执行步骤207和211，从而自动驾驶车辆的处理器可以将通过步骤208获取到的第一行驶速度确定为目标行驶速度，或者，将通过步骤211获取到的更新后的第一行驶速度确定为目标行驶速度。通过前述方式，提供了在实际障碍体中不存在实际移动体的情况下，也即仅根据虚拟移动体生成自动驾驶车辆的目标行驶速度的具体实现方式，提高了本方案的可执行性。

本申请实施例中，通过上述方式，在基于虚拟移动体的预估移动路线和虚拟移动体的预估移动速度，通过速度规划算法，生成第一行驶速度，并基于第一实际移动体的预估移动路线和第一实际移动体的预估移动速度，通过速度规划算法，生成第二行驶速度之后，从第一行驶速度和第二行驶速度中选取较小的行驶速度，从而保证了自动驾驶车辆行驶的安全性。

进一步的，在生成虚拟移动体和第一实际移动体的预估移动速度的过程中结合了信号灯信息，进而在生成第一行驶速度和第二行驶速度时也结合了信号灯信息，使得整个行驶速度预估过程更为准确，提高本方案的准确率。

213、自动驾驶车辆获取自动驾驶车辆移动后周围的环境信息。

本申请实施例中，自动驾驶车辆的处理器在获取到目标行驶速度之后，会控制自动驾驶车辆的控制系统和行进系统对自动驾驶车辆的行进速度进行调整，从而在预设时长后，自动驾驶车辆的行驶速度会达到目标行驶速度，进而可以保持目标行驶速度前行。由于自动驾驶车辆的传感系统是实时采集自动驾驶车辆周围的环境信息的，随着自动驾驶车辆的移动，传感系统可以采集到一个或多个有效盲区的环境信息，对应的，自动驾驶车辆的处理器可以通过传感系统获取到自动驾驶车辆移动后周围的环境信息，移动后周围的环境信息中包括一个或多个有效盲区的环境信息。其中，自动驾驶车辆移动后周围的环境信息与步骤201中描述的自动驾驶车辆周围的环境信息中包括相同类型的信息，区别在于步骤201中描述的自动驾驶车辆周围的环境信息中包括的是自动驾驶车辆移动前周围的信息，此处是自动驾驶车辆移动后周围的信息。

214、自动驾驶车辆判断有效盲区内是否存在第二实际移动体，若存在第二实际移动体，则进入步骤215；若不存在实际移动体，则进入步骤216。

本申请实施例中，自动驾驶车辆的处理器在获取到移动后周围的环境信息之后，可以根据获取到的每个盲区的环境信息，判断每个有效盲区内是否存在一个或多个第二实际移动体，其中，第二实际移动体也是一个泛指的概念，区别在于，第一实际移动体指的是自动驾驶车辆移动前采集的环境信息中的实际感知到的移动体，第二实际移动体指的是自动驾驶车辆移动后采集的环境信息中位于有效盲区内的实际感知到的移动体，对应的，由于在步骤201的描述中已经对移动体进行举例，此处不再赘述。

215、自动驾驶车辆基于第二实际移动体和自动驾驶车辆移动后周围的环境信息，生成自动驾驶车辆移动后的目标行驶速度。

本申请的一些实施例中，若至少一个有效盲区内存在一个或多个第二实际移动体，则自动驾驶车辆的处理器需要基于第二实际移动体和自动驾驶车辆移动后周围的环境信息，通过速度规划算法，生成自动驾驶车辆移动后的目标行驶速度，进而控制自动驾驶车辆的控制系统和行进系统对自动驾驶车辆的行进速度进行调整，从而在预设时长后，自动驾驶车辆的行驶速度达到移动后的目标行驶速度，以避免与第二实际移动体发生碰撞。具体的，若自动驾驶车辆移动后周围的环境信息之中依旧存在至少一个有效盲区，则自动驾驶车辆的处理器需要基于所有虚拟移动体和所有实际移动体，前述所有实际移动体包括有效盲区内的第二实际移动体和有效盲区外的实际移动体，通过速度规划算法，生成自动驾驶车辆移动后的目标行驶速度，具体可以参阅步骤205以及步骤207至212的描述。若自动驾驶车辆移动后周围的环境信息之中不再存在有效盲区，则处理器仅需要基于所有实际移动体，通过速度规划算法，生成自动驾驶车辆移动后的目标行驶速度，具体可以参阅步骤205以及步骤211的描述，此处均不再赘述。通过前述方式，若有效盲区内存在实际移动体，自动驾驶车辆的处理器可以及时根据有效盲区内出现的实际移动体，生成自动驾驶车辆移动后的目标行驶速度，保证了本方案的连续性和安全性。

可选地，自动驾驶车辆的处理器在生成移动后的目标行驶速度之后，可以将移动后的目标行驶速度与通过步骤212获得的移动前的目标行驶速度进行对比，并从中选取较小的行驶速度作为最终行驶速度，从而保证自动驾驶车辆驾驶过程的安全性。

216、自动驾驶车辆基于自动驾驶车辆移动后周围的环境信息，生成自动驾驶车辆移动后的目标行驶速度。

本申请的一些实施例中，若所有有效盲区内均不存在第二实际移动体，则自动驾驶车辆的处理器可以基于自动驾驶车辆移动后周围的环境信息，获取到所有实际移动体的位置、预估行驶路线和预估行驶速度，通过速度规划算法，生成自动驾驶车辆移动后的目标行驶速度，具体可以参阅步骤205以及步骤211的描述，此处均不再赘述。进而控制自动驾驶车辆的控制系统和行进系统对自动驾驶车辆的行进速度进行调整，从而在预设时长后，自动驾驶车辆的行驶速度达到移动后的目标行驶速度。通过前述方式，若有效盲区内不存在实际移动体，自动驾驶车辆的处理器可以及时更新自动驾驶车辆的行驶速度，从而避免自动驾驶车辆一直保持低速行驶状态，提高用户粘度。

本申请实施例中，自动驾驶车辆在获取到周围的环境信息之后，可以根据自动驾驶车辆周围的实际障碍体，生成自动驾驶车辆的感知盲区，并根据自动驾驶车辆周围道路的道路拓扑，从感知盲区中选取有效盲区，有效盲区为所在道路与自动驾驶车辆的预估行驶路线存在交汇点的盲区，在有效盲区内设置虚拟移动体，基于虚拟移动体和自动驾驶车辆周围的环境信息，生成自动驾驶车辆的第一行驶速度，通过软件的方法在盲区内设置虚拟移动体，并基于虚拟移动体对生成自动驾驶车辆的第一行驶速度，提供了一种低成本的盲区应对方案；利用道路拓扑从感知盲区中选取有效盲区，避免了无效盲区造成的误刹操作，提高本方案的用户粘度。

为了对本申请实施例所带来的有益效果有更为直观的认识，以下结合图8和图9对本申请实施例所带来的有益效果作进一步的介绍，其中，图8和图9分别为本申请实施例提供的车辆行驶速度生成方法中应用场景的一种示意图。请先参阅图8，本实施例中以自动驾驶车辆(也即图8中的B1)通过路口为例，此时路边有4辆停放的车辆(也即图8中的B2和B3)，从而形成自动驾驶车辆的两个感知盲区，由于B3所在车道为左转车道，自动驾驶车辆的预估行驶路线也是左转，从图8中可以看出，B3所在车道与自动驾驶车辆的预估行驶路线不存在交汇点，也即B2形成的感知盲区为有效盲区，B3形成的感知盲区不属于有效盲区，请参阅图9，在采用了本申请实施例提供的车辆行驶速度生成方法，在B2形成的有效盲区内设置了虚拟移动体(也即图9中的B4)，由于此时位于十字路口，有效盲区内出现的虚拟移动体大概率为车辆，将其预估行驶速度确定为道路限速值，预估行驶路线为直行通过路口。接下来通过表格展示未采用本申请中的车辆行驶速度生成方法的自动驾驶车辆和采用了本本申请中的车辆行驶速度生成方法的自动驾驶车辆的数据差别。

表1

参见上述表格，由于未采用本申请中的车辆行驶速度生成方法，不能对有效盲区内的移动体进行提前减速，导致感知到实际移动体时的速度为20.3km/h，与有效盲区内冲出的车辆发生碰撞。对于采用本申请中的车辆行驶速度生成方法，在还没实际感知到有效盲区内移动体时就提前进行减速，当真正感知到有效盲区内实际移动体时的速度为8.55km/h，从而安全的通过有效盲区，通过软件的方法在盲区内设置虚拟移动体，并基于虚拟移动体对生成自动驾驶车辆的第一行驶速度，提供了一种低成本的盲区应对方案。

在图1至图9所对应的实施例的基础上，为了更好的实施本申请实施例的上述方案，下面还提供用于实施上述方案的相关设备。具体参阅图10，图10为本申请实施例提供的车辆行驶速度生成装置的一种结构示意图。车辆行驶速度生成装置1000包括可以包括获取单元1001、生成单元1002和选取单元1003，其中，获取单元1001，用于获取自动驾驶车辆周围的环境信息，其中，环境信息中包括自动驾驶车辆周围的实际障碍体和自动驾驶车辆周围道路的道路拓扑；生成单元1002，用于根据获取单元1001获取的自动驾驶车辆周围的实际障碍体，生成自动驾驶车辆的感知盲区；选取单元1003，用于根据自动驾驶车辆周围道路的道路拓扑，从生成单元1002生成的感知盲区中选取有效盲区，其中，有效盲区所在道路与自动驾驶车辆的预估行驶路线存在交汇点；生成单元1002，还用于在选取单元1003选取的有效盲区内设置虚拟移动体，并基于虚拟移动体和自动驾驶车辆周围的环境信息，生成自动驾驶车辆的目标行驶速度。

本申请实施例中，获取单元1001在获取到周围的环境信息之后，生成单元1002可以根据自动驾驶车辆周围的实际障碍体，生成自动驾驶车辆的感知盲区，选取单元1003根据自动驾驶车辆周围道路的道路拓扑，从感知盲区中选取有效盲区，有效盲区为所在道路与自动驾驶车辆的预估行驶路线存在交汇点的盲区，生成单元1002在有效盲区内设置虚拟移动体，基于虚拟移动体和自动驾驶车辆周围的环境信息，生成自动驾驶车辆的第一行驶速度，通过软件的方法在盲区内设置虚拟移动体，并基于虚拟移动体对生成自动驾驶车辆的第一行驶速度，提供了一种低成本的盲区应对方案；利用道路拓扑从感知盲区中选取有效盲区，避免了无效盲区造成的误刹操作，提高本方案的用户粘度。

在一种可能的设计中，生成单元1002，具体用于：根据虚拟移动体周围的环境信息，生成虚拟移动体的预估移动路线和虚拟移动体的预估移动速度，虚拟移动体周围的环境信息包括于自动驾驶车辆周围的环境信息中；基于虚拟移动体的预估移动路线和虚拟移动体的预估移动速度，通过速度规划算法，生成自动驾驶车辆的目标行驶速度。

本申请实施例中，通过上述方式，提供了在实际障碍体中不存在实际移动体的情况下，也即仅根据虚拟移动体生成自动驾驶车辆的目标行驶速度的具体实现方式，提高了本方案的可执行性。

在一种可能的设计中，请参阅图11，图11为本申请实施例提供的车辆行驶速度生成装置的一种结构示意图，车辆行驶速度生成装置还包括：更新单元1004，用于在生成单元1002生成的目标行驶速度小于预设速度阈值的情况下，将自动驾驶车辆的目标行驶速度更新为预设速度阈值，得到更新后的自动驾驶车辆的目标行驶速度。

本申请实施例中，由于第一行驶速度是基于有效盲区内设置的虚拟移动体生成的，而有效盲区内可能并不存在移动体，通过上述方式，将根据虚拟移动体生成的速度的最低值限定为预设速度阈值，避免了自动驾驶车辆刹车至停止的情况，而是以预设速度阈值的速度试探性前行，方便随着自动驾驶车辆的移动对车辆的形式速度作进一步调整，提高了速度规划过程的灵活性。

在一种可能的设计中，生成单元1002，具体用于：根据虚拟移动体周围的环境信息，生成虚拟移动体的预估移动路线和虚拟移动体的预估移动速度，虚拟移动体周围的环境信息包括于自动驾驶车辆周围的环境信息中；在自动驾驶车辆周围的实际障碍体中存在第一实际移动体的情况下，根据第一实际移动体周围的环境信息，生成第一实际移动体的预估移动路线和第一实际移动体的预估移动速度，第一实际移动体周围的环境信息包括于自动驾驶车辆周围的环境信息中；基于虚拟移动体的预估移动路线和虚拟移动体的预估移动速度，通过速度规划算法，生成自动驾驶车辆的第一行驶速度；基于第一实际移动体的预估移动路线和第一实际移动体的预估移动速度，通过速度规划算法，生成自动驾驶车辆的第二行驶速度；从第一行驶速度和第二行驶速度中选取较小的行驶速度，并确定为目标行驶速度。

本申请实施例中，通过上述方式，生成单元1002在基于虚拟移动体的预估移动路线和虚拟移动体的预估移动速度，通过速度规划算法，生成第一行驶速度，并基于第一实际移动体的预估移动路线和第一实际移动体的预估移动速度，通过速度规划算法，生成第二行驶速度之后，从第一行驶速度和第二行驶速度中选取较小的行驶速度，从而保证了自动驾驶车辆行驶的安全性。

在一种可能的设计中，获取单元1001，具体用于通过传感器感知自动驾驶车辆周围的实际障碍体信息，以及通过定位系统从地图中获取自动驾驶车辆周围道路的道路拓扑。

本申请实施例中，通过上述方式，提供了自动驾驶车辆周围环境信息的一种实现方式，提高了方案的可行性；从地图中获取自动驾驶车辆周围道路的道路拓扑，方便快捷，且准确率高。

在一种可能的设计中，获取单元1001，具体用于通过传感器感知自动驾驶车辆周围的实际障碍体信息和自动驾驶车辆周围道路的道路拓扑。

本申请实施例中，通过上述方式，提供了自动驾驶车辆周围环境信息的另一种实现方式，提高了方案的灵活性；且通过传感器获取自动驾驶车辆周围道路的道路拓扑的方式，拓宽了本方案的应用场景，提高了方案的全面性。

在一种可能的设计中，传感器包括以下一项或多项：相机、雷达和激光测距仪。

在一种可能的设计中，生成单元1002，具体用于基于虚拟移动体和信号灯信息，生成自动驾驶车辆的目标行驶速度，信号灯信息包括于自动驾驶车辆周围的环境信息中。

本申请实施例中，在生成自动驾驶车辆的目标行驶速度的过程中结合了信号灯信息，使得行驶速度预估过程更为准确，提高本方案的准确率。

在一种可能的设计中，获取单元1001，还用于获取自动驾驶车辆移动后周围的环境信息，移动后周围的环境信息中包括有效盲区的环境信息；生成单元1002，还用于在根据获取单元1001获取的有效盲区内的环境信息确定有效盲区内存在第二实际移动体的情况下，基于第二实际移动体和自动驾驶车辆移动后周围的环境信息，生成自动驾驶车辆移动后的目标行驶速度。

本申请实施例中，通过上述方式，若有效盲区内存在实际移动体，生成单元1002可以及时根据有效盲区内出现的实际移动体，生成自动驾驶车辆移动后的目标行驶速度，保证了本方案的连续性和安全性。

在一种可能的设计中，获取单元1001，还用于获取自动驾驶车辆移动后周围的环境信息，移动后周围的环境信息中包括有效盲区的环境信息；生成单元1002，还用于在根据获取单元1001获取的有效盲区内的环境信息确定有效盲区内不存在第二实际移动体的情况下，基于自动驾驶车辆移动后周围的环境信息，生成自动驾驶车辆的移动后的目标行驶速度。

本申请实施例中，通过上述方式，若有效盲区内不存在实际移动体，生成单元1002可以及时更新自动驾驶车辆的行驶速度，从而避免自动驾驶车辆一直保持低速行驶状态，提高用户粘度。

在一种可能的设计中，虚拟移动体包括以下一项或多项：车辆和行人。

需要说明的是，车辆行驶速度生成装置1000中各模块/单元之间的信息交互、执行过程等内容，与本申请中图2至图9对应的各个方法实施例基于同一构思，具体内容可参见本申请前述所示的方法实施例中的叙述，此处不再赘述。

本申请实施例还提供了一种自动驾驶车辆，结合上述对图1的描述，请参阅图12，图12为本申请实施例提供的自动驾驶车辆的一种结构示意图，其中，自动驾驶车辆100上可以部署有图10和图11对应实施例中所描述的车辆行驶速度生成装置1000，用于实现图2至图9对应实施例中自动驾驶车辆的功能。由于在部分实施例中，自动驾驶车辆100还可以包括通信功能，则自动驾驶车辆100除了包括图1中所示的组件，还可以包括：接收器1201和发射器1202，其中，处理器113可以包括应用处理器1131和通信处理器1132。在本申请的一些实施例中，接收器1201、发射器1202、处理器113和存储器114可通过总线或其它方式连接。

处理器113控制自动驾驶车辆的操作。具体的应用中，自动驾驶车辆100的各个组件通过总线系统耦合在一起，其中总线系统除包括数据总线之外，还可以包括电源总线、控制总线和状态信号总线等。但是为了清楚说明起见，在图中将各种总线都称为总线系统。

接收器1201可用于接收输入的数字或字符信息，以及产生与自动驾驶车辆的相关设置以及功能控制有关的信号输入。发射器1202可用于通过第一接口输出数字或字符信息；发射器1202还可用于通过第一接口向磁盘组发送指令，以修改磁盘组中的数据；发射器1202还可以包括显示屏等显示设备。

本申请实施例中，应用处理器1131，用于执行图2对应实施例中的自动驾驶车辆执行的车辆行驶速度生成方法。具体的，应用处理器1131用于执行如下步骤：

获取自动驾驶车辆周围的环境信息，其中，环境信息中包括自动驾驶车辆周围的实际障碍体和自动驾驶车辆周围道路的道路拓扑；

根据自动驾驶车辆周围的实际障碍体，生成自动驾驶车辆的感知盲区；

根据自动驾驶车辆周围道路的道路拓扑，从感知盲区中选取有效盲区，其中，有效盲区所在道路与自动驾驶车辆的预估行驶路线存在交汇点；

在有效盲区内设置虚拟移动体，并基于虚拟移动体和自动驾驶车辆周围的环境信息，生成自动驾驶车辆的目标行驶速度。

可选地，应用处理器1131具体用于：

根据虚拟移动体周围的环境信息，生成虚拟移动体的预估移动路线和虚拟移动体的预估移动速度，虚拟移动体周围的环境信息包括于自动驾驶车辆周围的环境信息中；

基于虚拟移动体的预估移动路线和虚拟移动体的预估移动速度，通过速度规划算法，生成自动驾驶车辆的目标行驶速度。

可选地，应用处理器1131，还用于在目标行驶速度小于预设速度阈值的情况下，将自动驾驶车辆的目标行驶速度更新为预设速度阈值，得到更新后的自动驾驶车辆的目标行驶速度。

可选地，应用处理器1131具体用于：

根据虚拟移动体周围的环境信息，生成虚拟移动体的预估移动路线和虚拟移动体的预估移动速度，虚拟移动体周围的环境信息包括于自动驾驶车辆周围的环境信息中；

在自动驾驶车辆周围的实际障碍体中存在第一实际移动体的情况下，根据第一实际移动体周围的环境信息，生成第一实际移动体的预估移动路线和第一实际移动体的预估移动速度，第一实际移动体周围的环境信息包括于自动驾驶车辆周围的环境信息中；

基于虚拟移动体的预估移动路线和虚拟移动体的预估移动速度，通过速度规划算法，生成自动驾驶车辆的第一行驶速度；

基于第一实际移动体的预估移动路线和第一实际移动体的预估移动速度，通过速度规划算法，生成自动驾驶车辆的第二行驶速度；

从第一行驶速度和第二行驶速度中选取较小的行驶速度，并确定为目标行驶速度。

可选地，应用处理器1131，具体用于通过传感器感知自动驾驶车辆周围的实际障碍体信息，以及通过定位系统从地图中获取自动驾驶车辆周围道路的道路拓扑。

可选地，应用处理器1131，具体用于通过传感器感知自动驾驶车辆周围的实际障碍体信息和自动驾驶车辆周围道路的道路拓扑。

可选地，应用处理器1131，具体用于基于虚拟移动体和信号灯信息，生成自动驾驶车辆的目标行驶速度，信号灯信息包括于自动驾驶车辆周围的环境信息中。

可选地，应用处理器1131，还用于：

获取自动驾驶车辆移动后周围的环境信息，移动后周围的环境信息中包括有效盲区的环境信息；

在根据有效盲区内的环境信息确定有效盲区内存在第二实际移动体的情况下，基于第二实际移动体和自动驾驶车辆移动后周围的环境信息，生成自动驾驶车辆移动后的目标行驶速度。

可选地，应用处理器1131，还用于：

获取自动驾驶车辆移动后周围的环境信息，移动后周围的环境信息中包括有效盲区的环境信息；

在根据有效盲区内的环境信息确定有效盲区内不存在第二实际移动体的情况下，基于自动驾驶车辆移动后周围的环境信息，生成自动驾驶车辆的移动后的目标行驶速度。

可选地，虚拟移动体包括以下一项或多项：车辆和行人。

需要说明的是，对于应用处理器1131执行车辆行驶速度生成方法的具体实现方式以及带来的有益效果，均可以参考图2至图9对应的各个方法实施例中的叙述，此处不再一一赘述。

本申请实施例中还提供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用于生成车辆行驶速度的程序，当其在计算机上行驶时，使得计算机执行如前述图2至图9所示实施例描述的方法中自动驾驶车辆所执行的步骤。

本申请实施例中还提供一种包括计算机程序产品，当其在计算机上行驶时，使得计算机执行如前述图2至图9所示实施例描述的方法中自动驾驶车辆所执行的步骤。

本申请实施例中还提供一种电路系统，所述电路系统包括处理电路，所述处理电路配置为执行如前述图2至图9所示实施例描述的方法中自动驾驶车辆所执行的步骤。

本申请实施例提供的车辆行驶速度生成装置或自动驾驶车辆具体可以为芯片，芯片包括：处理单元和通信单元，所述处理单元例如可以是处理器，所述通信单元例如可以是输入/输出接口、管脚或电路等。该处理单元可执行存储单元存储的计算机执行指令，以使服务器内的芯片执行上述图2至图9所示实施例描述的车辆行驶速度生成方法。可选地，所述存储单元为所述芯片内的存储单元，如寄存器、缓存等，所述存储单元还可以是所述无线接入设备端内的位于所述芯片外部的存储单元，如只读存储器(read-only memory，ROM)或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器(random accessmemory，RAM)等。

具体的，请参阅图13，图13为本申请实施例提供的芯片的一种结构示意图，所述芯片可以表现为神经网络处理器NPU 130，NPU 130作为协处理器挂载到主CPU(Host CPU)上，由Host CPU分配任务。NPU的核心部分为运算电路1303，通过控制器1304控制运算电路1303提取存储器中的矩阵数据并进行乘法运算。

在一些实现中，运算电路1303内部包括多个处理单元(Process Engine,PE)。在一些实现中，运算电路1303是二维脉动阵列。运算电路1303还可以是一维脉动阵列或者能够执行例如乘法和加法这样的数学运算的其它电子线路。在一些实现中，运算电路1303是通用的矩阵处理器。

举例来说，假设有输入矩阵A，权重矩阵B，输出矩阵C。运算电路从权重存储器1302中取矩阵B相应的数据，并缓存在运算电路中每一个PE上。运算电路从输入存储器1301中取矩阵A数据与矩阵B进行矩阵运算，得到的矩阵的部分结果或最终结果，保存在累加器(accumulator)1308中。

统一存储器1306用于存放输入数据以及输出数据。权重数据直接通过存储单元访问控制器(Direct Memory Access Controller，DMAC)1305，DMAC被搬运到权重存储器1302中。输入数据也通过DMAC被搬运到统一存储器1306中。

BIU为Bus Interface Unit即，总线接口单元1310，用于AXI总线与DMAC和取指存储器(Instruction Fetch Buffer，IFB)1309的交互。

总线接口单元1310(Bus Interface Unit，简称BIU)，用于取指存储器1309从外部存储器获取指令，还用于存储单元访问控制器1305从外部存储器获取输入矩阵A或者权重矩阵B的原数据。

DMAC主要用于将外部存储器DDR中的输入数据搬运到统一存储器1306或将权重数据搬运到权重存储器1302中或将输入数据数据搬运到输入存储器1301中。

向量计算单元1307包括多个运算处理单元，在需要的情况下，对运算电路的输出做进一步处理，如向量乘，向量加，指数运算，对数运算，大小比较等等。主要用于神经网络中非卷积/全连接层网络计算，如Batch Normalization(批归一化)，像素级求和，对特征平面进行上采样等。

在一些实现中，向量计算单元1307能将经处理的输出的向量存储到统一存储器1306。例如，向量计算单元1307可以将线性函数和/或非线性函数应用到运算电路1303的输出，例如对卷积层提取的特征平面进行线性插值，再例如累加值的向量，用以生成激活值。在一些实现中，向量计算单元1307生成归一化的值、像素级求和的值，或二者均有。在一些实现中，处理过的输出的向量能够用作到运算电路1303的激活输入，例如用于在神经网络中的后续层中的使用。

控制器1304连接的取指存储器(instruction fetch buffer)1309，用于存储控制器1304使用的指令；

统一存储器1306，输入存储器1301，权重存储器1302以及取指存储器1309均为On-Chip存储器。外部存储器私有于该NPU硬件架构。

其中，循环神经网络中各层的运算可以由运算电路1303或向量计算单元1307执行。

其中，上述任一处提到的处理器，可以是一个通用中央处理器，微处理器，ASIC，或一个或多个用于控制上述第一方面方法的程序执行的集成电路。

另外需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本申请提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。

通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件的方式来实现，当然也可以通过专用硬件包括专用集成电路、专用CLU、专用存储器、专用元器件等来实现。一般情况下，凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现，而且，用来实现同一功能的具体硬件结构也可以是多种多样的，例如模拟电路、数字电路或专用电路等。但是，对本申请而言更多情况下软件程序实现是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在可读取的存储介质中，如计算机的软盘、U盘、移动硬盘、ROM、RAM、磁碟或者光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述的方法。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。

所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘(Solid State Disk，SSD))等。

Claims (25)

1.一种车辆行驶速度生成方法，其特征在于，所述方法包括：

获取自动驾驶车辆周围的环境信息，其中，所述自动驾驶车辆周围的环境信息中包括自动驾驶车辆周围的实际障碍体和自动驾驶车辆周围道路的道路拓扑；

根据所述自动驾驶车辆周围的实际障碍体，生成自动驾驶车辆的感知盲区；

根据所述自动驾驶车辆周围道路的道路拓扑，从所述感知盲区中选取有效盲区，其中，所述有效盲区所在道路与自动驾驶车辆的预估行驶路线存在交汇点；

在所述有效盲区内设置虚拟移动体，并基于所述虚拟移动体和所述自动驾驶车辆周围的环境信息，生成自动驾驶车辆的目标行驶速度。

2.根据权利要求1所述的方法，其特征在于，所述基于所述虚拟移动体和所述自动驾驶车辆周围的环境信息，生成自动驾驶车辆的目标行驶速度，包括：

根据所述虚拟移动体周围的环境信息，生成所述虚拟移动体的预估移动路线和所述虚拟移动体的预估移动速度，所述虚拟移动体周围的环境信息包括于所述自动驾驶车辆周围的环境信息中；

基于所述虚拟移动体的预估移动路线和所述虚拟移动体的预估移动速度，通过速度规划算法，生成所述自动驾驶车辆的目标行驶速度。

3.根据权利要求2所述的方法，其特征在于，所述基于所述虚拟移动体的预估移动路线和所述虚拟移动体的预估移动速度，通过速度规划算法，生成所述自动驾驶车辆的目标行驶速度之后，所述方法还包括：

在所述自动驾驶车辆的目标行驶速度小于预设速度阈值的情况下，将所述自动驾驶车辆的目标行驶速度更新为所述预设速度阈值，得到更新后的所述自动驾驶车辆的目标行驶速度。

4.根据权利要求1所述的方法，其特征在于，所述基于所述虚拟移动体和所述自动驾驶车辆周围的环境信息，生成自动驾驶车辆的目标行驶速度，包括：

根据所述虚拟移动体周围的环境信息，生成所述虚拟移动体的预估移动路线和所述虚拟移动体的预估移动速度，所述虚拟移动体周围的环境信息包括于所述自动驾驶车辆周围的环境信息中；

在所述自动驾驶车辆周围的实际障碍体中存在第一实际移动体的情况下，根据所述第一实际移动体周围的环境信息，生成所述第一实际移动体的预估移动路线和所述第一实际移动体的预估移动速度，所述第一实际移动体周围的环境信息包括于所述自动驾驶车辆周围的环境信息中；

基于所述虚拟移动体的预估移动路线和所述虚拟移动体的预估移动速度，通过速度规划算法，生成自动驾驶车辆的第一行驶速度；

基于所述第一实际移动体的预估移动路线和所述第一实际移动体的预估移动速度，通过速度规划算法，生成自动驾驶车辆的第二行驶速度；

从所述第一行驶速度和所述第二行驶速度中选取较小的行驶速度，并确定为所述目标行驶速度。

5.根据权利要求1至4任一项所述的方法，其特征在于，所述获取自动驾驶车辆周围的环境信息，包括：

通过传感器感知所述自动驾驶车辆周围的实际障碍体信息，以及通过定位系统从地图中获取所述自动驾驶车辆周围道路的道路拓扑。

6.根据权利要求1至4任一项所述的方法，其特征在于，所述获取自动驾驶车辆周围的环境信息，包括：

通过传感器感知所述自动驾驶车辆周围的实际障碍体信息和所述自动驾驶车辆周围道路的道路拓扑。

7.根据权利要求5或6所述的方法，其特征在于，所述传感器包括以下一项或多项：相机、雷达和激光测距仪。

8.根据权利要求1至4任一项所述的方法，其特征在于，所述基于所述虚拟移动体和所述自动驾驶车辆周围的环境信息，生成自动驾驶车辆的目标行驶速度，包括：

基于所述虚拟移动体和信号灯信息，生成所述自动驾驶车辆的目标行驶速度，所述信号灯信息包括于所述自动驾驶车辆周围的环境信息中。

9.根据权利要求1至4任一项所述的方法，其特征在于，所述生成自动驾驶车辆的目标行驶速度之后，所述方法还包括：

获取自动驾驶车辆移动后周围的环境信息，所述自动驾驶车辆移动后周围的环境信息中包括所述有效盲区的环境信息；

在根据所述有效盲区内的环境信息确定所述有效盲区内存在第二实际移动体的情况下，基于所述第二实际移动体和所述自动驾驶车辆移动后周围的环境信息，生成自动驾驶车辆移动后的目标行驶速度。

10.根据权利要求1至4任一项所述的方法，其特征在于，所述生成自动驾驶车辆的目标行驶速度之后，所述方法还包括：

获取自动驾驶车辆移动后周围的环境信息，所述自动驾驶车辆移动后周围的环境信息中包括所述有效盲区的环境信息；

在根据所述有效盲区内的环境信息确定所述有效盲区内不存在第二实际移动体的情况下，基于所述自动驾驶车辆移动后周围的环境信息，生成自动驾驶车辆的移动后的目标行驶速度。

11.根据权利要求1至4任一项所述的方法，其特征在于，所述虚拟移动体包括以下一项或多项：车辆和行人。

12.一种车辆行驶速度生成装置，其特征在于，所述装置包括：

获取单元，用于获取自动驾驶车辆周围的环境信息，其中，所述自动驾驶车辆周围的环境信息中包括自动驾驶车辆周围的实际障碍体和自动驾驶车辆周围道路的道路拓扑；

生成单元，用于根据所述自动驾驶车辆周围的实际障碍体，生成自动驾驶车辆的感知盲区；

选取单元，用于根据所述自动驾驶车辆周围道路的道路拓扑，从所述感知盲区中选取有效盲区，其中，所述有效盲区所在道路与自动驾驶车辆的预估行驶路线存在交汇点；

所述生成单元，还用于在所述有效盲区内设置虚拟移动体，并基于所述虚拟移动体和所述自动驾驶车辆周围的环境信息，生成自动驾驶车辆的目标行驶速度。

13.根据权利要求12所述的装置，其特征在于，所述生成单元，具体用于：

根据所述虚拟移动体周围的环境信息，生成所述虚拟移动体的预估移动路线和所述虚拟移动体的预估移动速度，所述虚拟移动体周围的环境信息包括于所述自动驾驶车辆周围的环境信息中；

基于所述虚拟移动体的预估移动路线和所述虚拟移动体的预估移动速度，通过速度规划算法，生成所述自动驾驶车辆的目标行驶速度。

14.根据权利要求13所述的装置，其特征在于，

所述装置还包括：更新单元，用于在所述自动驾驶车辆的目标行驶速度小于预设速度阈值的情况下，将所述自动驾驶车辆的目标行驶速度更新为所述预设速度阈值，得到更新后的所述自动驾驶车辆的目标行驶速度。

15.根据权利要求12所述的装置，其特征在于，所述生成单元，具体用于：

根据所述虚拟移动体周围的环境信息，生成所述虚拟移动体的预估移动路线和所述虚拟移动体的预估移动速度，所述虚拟移动体周围的环境信息包括于所述自动驾驶车辆周围的环境信息中；

在所述自动驾驶车辆周围的实际障碍体中存在第一实际移动体的情况下，根据所述第一实际移动体周围的环境信息，生成所述第一实际移动体的预估移动路线和所述第一实际移动体的预估移动速度，所述第一实际移动体周围的环境信息包括于所述自动驾驶车辆周围的环境信息中；

基于所述虚拟移动体的预估移动路线和所述虚拟移动体的预估移动速度，通过速度规划算法，生成自动驾驶车辆的第一行驶速度；

基于所述第一实际移动体的预估移动路线和所述第一实际移动体的预估移动速度，通过速度规划算法，生成自动驾驶车辆的第二行驶速度；

从所述第一行驶速度和所述第二行驶速度中选取较小的行驶速度，并确定为所述目标行驶速度。

16.根据权利要求12至15任一项所述的装置，其特征在于，

所述获取单元，具体用于通过传感器感知所述自动驾驶车辆周围的实际障碍体信息，以及通过定位系统从地图中获取所述自动驾驶车辆周围道路的道路拓扑。

17.根据权利要求12至15任一项所述的装置，其特征在于，

所述获取单元，具体用于通过传感器感知所述自动驾驶车辆周围的实际障碍体信息和所述自动驾驶车辆周围道路的道路拓扑。

18.根据权利要求16或17所述的装置，其特征在于，所述传感器包括以下一项或多项：相机、雷达和激光测距仪。

19.根据权利要求12至15任一项所述的装置，其特征在于，

所述生成单元，具体用于基于所述虚拟移动体和信号灯信息，生成所述自动驾驶车辆的目标行驶速度，所述信号灯信息包括于所述自动驾驶车辆周围的环境信息中。

20.根据权利要求12至15任一项所述的装置，其特征在于，

所述获取单元，还用于获取自动驾驶车辆移动后周围的环境信息，所述自动驾驶车辆移动后周围的环境信息中包括所述有效盲区的环境信息；

所述生成单元，还用于在根据所述有效盲区内的环境信息确定所述有效盲区内存在第二实际移动体的情况下，基于所述第二实际移动体和所述自动驾驶车辆移动后周围的环境信息，生成自动驾驶车辆移动后的目标行驶速度。

21.根据权利要求12至15任一项所述的装置，其特征在于，

所述获取单元，还用于获取自动驾驶车辆移动后周围的环境信息，所述自动驾驶车辆移动后周围的环境信息中包括所述有效盲区的环境信息；

所述生成单元，还用于在根据所述有效盲区内的环境信息确定所述有效盲区内不存在第二实际移动体的情况下，基于所述自动驾驶车辆移动后周围的环境信息，生成自动驾驶车辆的移动后的目标行驶速度。

22.根据权利要求12至15任一项所述的装置，其特征在于，所述虚拟移动体包括以下一项或多项：车辆和行人。

23.一种自动驾驶车辆，其特征在于，包括处理器，所述处理器和存储器耦合，所述存储器存储有程序指令，当所述存储器存储的程序指令被所述处理器执行时实现权利要求1至11中任一项所述的方法。

24.一种计算机可读存储介质，包括程序，当其在计算机上运行时，使得计算机执行如权利要求1至11中任一项所述的方法。

25.一种电路系统，其特征在于，所述电路系统包括处理电路，所述处理电路配置为执行如权利要求1至11中任一项所述的方法。

Images