CN112937605B - 无人车行驶数据确定方法、装置、无人车及存储介质 - Google Patents

无人车行驶数据确定方法、装置、无人车及存储介质 Download PDF

Info

Publication number
CN112937605B
CN112937605B CN202110303818.0A CN202110303818A CN112937605B CN 112937605 B CN112937605 B CN 112937605B CN 202110303818 A CN202110303818 A CN 202110303818A CN 112937605 B CN112937605 B CN 112937605B
Authority
CN
China
Prior art keywords
unmanned vehicle
driving
cost
time
polynomial curve
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
CN202110303818.0A
Other languages
English (en)
Other versions
CN112937605A (zh
Inventor
郑杰
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.)
Jingdong Kunpeng Jiangsu Technology Co Ltd
Original Assignee
Jingdong Kunpeng Jiangsu 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 Jingdong Kunpeng Jiangsu Technology Co Ltd filed Critical Jingdong Kunpeng Jiangsu Technology Co Ltd
Priority to CN202110303818.0A priority Critical patent/CN112937605B/zh
Publication of CN112937605A publication Critical patent/CN112937605A/zh
Application granted granted Critical
Publication of CN112937605B publication Critical patent/CN112937605B/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
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Human Computer Interaction (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本发明实施例公开了一种无人车行驶数据确定方法、装置、无人车及存储介质，该方法包括：确定无人车沿当前ST(时间路程)路径行驶预设采集时长时的可选行驶参数集合，可选行驶参数集合中的各可选行驶参数包括无人车在距离当前时刻预设采集时长时的行驶路程和行驶速度；确定每个可选行驶参数与无人车的当前行驶参数对应的多项式曲线；根据成本最低原则确定所有可选行驶参数对应的多项式曲线中的目标多项式曲线，且目标多项式曲线的障碍物距离成本、速度成本以及加速度成本均小于相应预设成本阈值；根据目标多项式曲线控制无人车沿当前ST路径行驶。解决了现有技术在面对障碍物的违规超车时，存在无法兼顾无人车行驶安全与行驶平稳性的技术问题。

Description

无人车行驶数据确定方法、装置、无人车及存储介质
技术领域
本发明实施例涉及自动控制领域，尤其涉及一种无人车行驶数据确定方法、装置、无人车及存储介质。
背景技术
现有无人车的ST曲线(时间-路程曲线)确定方法通常是在障碍物的ST图中，通过搜索算法为无人车找到一条最优的ST曲线。该ST曲线可以让无人车应对大部分的场景，却无法应对所有场景。因为无人车对与其运行方向平行的障碍物的感知不理想，因此无法准确检测其侧面并排行驶的障碍物的大小、障碍物的行驶速度和行驶方向，这就导致无人车无法第一时间获知障碍物的突然超车行为，并及时通过速度优化来避险。示例性的，由于无人车仅能在障碍物进入到其ST路径时才能检测到障碍物的超车行为，因此当障碍物超车进入无人车的ST路径，且进入该ST路径的位置与无人车的当前位置之间的距离小于安全超车距离时，无人车只能采取紧急大幅降速的措施来进行避险，该大幅降速的操作会使无人车出现明显的卡顿现象。而且，在一些危险场景下，无人车在出现明显卡顿现象的同时还会遭遇剐蹭事故。
综上，本申请人在实现本发明实施例的过程中发现，在面对障碍物的违规超车时，现有技术至少存在无法兼顾无人车行驶安全与行驶平稳性的技术问题。
发明内容
本发明实施例提供了一种无人车行驶数据确定方法，解决了现有技术在面对障碍物的违规超车时，存在无法兼顾无人车行驶安全与行驶平稳性的技术问题。
第一方面，本发明实施例提供了一种无人车行驶数据确定方法，包括：
确定无人车沿当前ST(时间路程)路径行驶预设采集时长时的可选行驶参数集合，所述可选行驶参数集合中的各可选行驶参数包括无人车在距离当前时刻预设采集时长时的行驶路程和行驶速度；
确定每个可选行驶参数与无人车的当前行驶参数对应的多项式曲线，所述多项式曲线用于表示无人车行驶路程与行驶时间之间的对应关系；
根据成本最低原则确定所有可选行驶参数对应的多项式曲线中的目标多项式曲线，且所述目标多项式曲线的障碍物距离成本、速度成本以及加速度成本均小于相应预设成本阈值；
根据所述目标多项式曲线确定无人车的行驶速度与行驶时间之间的对应关系，并根据该对应关系控制无人车沿当前ST路径行驶。
第二方面，本发明实施例还提供了一种无人车行驶数据确定装置，包括：
行驶参数模块，用于确定无人车沿当前ST(时间路程)路径行驶预设采集时长时的可选行驶参数集合，所述可选行驶参数集合中的各可选行驶参数包括无人车在距离当前时刻预设采集时长时的行驶路程和行驶速度；
曲线确定模块，用于确定每个可选行驶参数与无人车的当前行驶参数对应的多项式曲线，所述多项式曲线用于表示无人车行驶路程与行驶时间之间的对应关系；
曲线选择模块，用于根据成本最低原则确定所有可选行驶参数对应的多项式曲线中的目标多项式曲线，且所述目标多项式曲线的障碍物距离成本、速度成本以及加速度成本均小于相应预设成本阈值；
运行控制模块，用于根据所述目标多项式曲线确定无人车的行驶速度与行驶时间之间的对应关系，并根据该对应关系控制无人车沿当前ST路径行驶。
第三方面，本发明实施例还提供了一种无人车，其特征在于，所述无人车包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如任意所述的无人车行驶数据确定方法。
第四方面，本发明实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如任意实施例所述的无人车行驶数据确定方法
本发明实施例提供的无人车行驶数据确定方法的技术方案，通过每个可选行驶参数对应的多项式曲线表示无人车行驶路程与行驶时间之间的对应关系；通过成本最低原则确定所有可选行驶参数对应的多项式曲线中的目标多项式曲线，并使该目标多项式曲线的障碍物距离成本、速度成本和加速度成本均小于相应预设成本阈值；可以理解的是，在障碍物距离成本和速度成本均小于相应预设成本阈值时，可以保证无人车的行驶安全性，在无人车的加速度成本小于相应预设成本阈值时，可以保证无人车的行驶平稳性，因此根据该目标多项式曲线确定的无人车的行驶速度与行驶时间之间的对应关系，控制无人车沿当前ST路径行驶时，可以在保证无人车行驶安全性的同时，保证无人车的行驶的平稳性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图做一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的无人车行驶数据确定方法的流程图；
图2A是本发明实施例一提供的可选行驶路程确定方式示意图；
图2B是本发明实施例一提供的可选行驶路程对应的可选行驶速度确定方式示意图；
图3是本发明实施例二提供的无人车行驶数据确定装置示意图；
图4是本发明实施例三提供的无人车的结构框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，以下将参照本发明实施例中的附图，通过实施方式清楚、完整地描述本发明的技术方案，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一
图1是本发明实施例一提供的无人车行驶数据确定方法的流程图。本实施例的技术方案适用于基于成本最低原则，从各个候选行驶参数对应的多项式曲线中选择目标多项式曲线，根据该目标多项式曲线控制无人车行驶的情况。该方法可以由本发明实施例提供的无人车行驶数据确定装置来执行，该装置可以采用软件和/或硬件的方式实现，并配置在无人车处理器中应用。该方法具体包括如下步骤：
S101、确定无人车沿当前ST(时间路程)路径行驶预设采集时长时的可选行驶参数集合，该可选行驶参数集合中的各可选行驶参数包括无人车在距离当前时刻预设采集时长时的行驶路程和行驶速度。
其中，ST路径为无人车的时间路程路径，其在每一时刻的导数，为无人车在该时刻的行驶速度。
其中，预设采集时长可根据实际需求进行设置，比如5s、6s等，本实施例在此不作具体限定。
其中，可选行驶参数集合，是指无人车沿ST路径行驶预设采集时长后的所有可能行驶参数的集合。该可选行驶参数集合的确定方法包括：确定无人从当前时刻开始，沿ST路径行驶预设采集时长可完成的至少两个行驶路程，且该至少两个行驶路程中的最大行驶路程值对应无人车的最大允许行驶速度；为该至少两个行驶路程中的每个行驶路程配置至少一个备用行驶速度，且该备用行驶速度对应预设采集时长；将该至少两个行驶路程中的每个行驶路程与每个备用行驶速度进行组合以得到可选行驶参数；将所有可选行驶参数进行汇总以得到可选行驶参数集合。
其中，该至少两个行驶路程的确定方法包括：如图2A所示，在ST图的T轴上确定预设采集时长对应的时间点，在该时间点对应的S轴方向上等间隔采集至少两个路程值，以作为该预设采集时长对应的至少两个行驶路程。其中，该至少两个行驶路程中的最大行驶路程小于或等于无人车的最大允许行驶速度与该预设采集时长的乘积。
其中，该至少一个备用行驶速度的确定方法包括：如图2B所示，在VS(路程速度)图中的S轴上确定每个可选行驶路程，对于每个可选行驶路程，在V轴方向上等间隔采样至少两个行驶速度，该至少两个行驶速度的最大值为无人车最大允许行驶速度。可以理解的是，如果可选行驶路程为0，那么为其配置的备用行驶速度只能为零。
S102、确定每个可选行驶参数与无人车的当前行驶参数对应的多项式曲线，该多项式曲线用于表示无人车行驶路程与行驶时间之间的对应关系。
其中，当前行驶参数包括无人车在当前时刻的行驶速度和行驶路程。
在一个实施例中，多项式曲线的确定方法包括：确定无人车的每个可选行驶参数与当前行驶参数对应的无人车的时间路程参数和时间速度参数，将时间路程参数输入三次多项式曲线方程，以及将时间速度参数输入三次多项式曲线方程的导数方程，以确定每个可选行驶参数对应的多项式曲线。其中，时间路程参数包括当前时刻与目标时刻分别对应的行驶路程；时间速度参数包括当前时刻与目标时刻分别对应的行驶速度，其中，目标时刻距离当前时刻预设采集时长。
示例性的，当前行驶参数包括(s0，v0)，目标时刻对应的每个可选行驶参数可表示为(si，vi)。设定当前时刻的时间为t0，目标时刻的时间为t0+T，那么，当前时刻的时间路程参数为(t0，s0)，目标时刻的时间路程参数为(t0+T，si)；当前时刻的时间速度参数为(t0，v0)，目标时刻的时间速度参数为(t0+T，vi)；将上述当前时刻的时间路程参数(t0，s0)和目标时刻的时间路程参数(t0+T，si)输入三次多项式曲线方程f(t)＝at3+bt2+ct+d中，同时将当前时刻的时间速度参数为(t0，v0)和目标时刻的时间速度参数(t0+T，si)输入三次多项式曲线方程的导数方程f(t)′＝3at2+2bt+c中，以得到以下方程组：
Figure BDA0002987328620000071
对每个可选行驶参数对应的方程组进行求解，以确定对应的a、b、c和d，从而确定每个可选行驶参数对应的三次多项式曲线的表达式。
在一个实施例中，可选行驶参数还包括行驶加速度，多项式曲线的确定方法包括：确定无人车的每个可选行驶参数与当前行驶参数对应的无人车的时间路程参数、时间速度参数和时间加速度参数；将时间路程参数输入五次多项式曲线方程，将时间速度参数输入五次多项式曲线方程的导数方程，以及将时间加速度参数输入五次多项式曲线方程的二次导数方程，以确定每个可选行驶参数对应的多项式曲线。其中，时间路程参数包括当前时刻与目标时刻分别对应的行驶路程，时间速度参数包括当前时刻与目标时刻分别对应的行驶速度，时间加速度参数包括当前时刻与目标时刻分别对应的加速度，目标时刻距离当前时刻预设采集时长；
示例性的，当前行驶参数包括(s0，v0，a0)，目标时刻对应的每个可选行驶参数可表示为(si，vi，ai)。设定当前时刻的时间为t0，目标时刻的时间为t0+T，那么，当前时刻的时间路程参数为(t0，s0)，目标时刻的时间路程参数为(t0+T，si)；当前时刻的时间速度参数为(t0，v0)，目标时刻的时间速度参数为(t0+T，vi)，当前时刻的时间加速度参数(t0，a0)，目标时刻的时间加速度参数(t0+T，ai)；将当前时刻的时间路程参数为(t0，s0)和目标时刻的时间路程参数(t0+T，si)输入五次多项式曲线方程f(t)＝at5+bt4+ct3+dt2+et+/中，将当前时刻的时间速度参数(t0，v0)和目标时刻的时间速度参数(t0+T，vi)输入五次多项式曲线方程的导数方程f(t)′＝5at4+4bt3+3ct2+2dt+e中，将当前时刻的时间加速度参数(t0，a0)和目标时刻的时间加速度参数(t0+T，ai)输入五次多项式曲线的二次导数方程f(t)″＝20at3+12bt2+6ct+2d中，以得到以下方程组：
Figure BDA0002987328620000081
对每个可选行驶参数方程组进行求解，以确定对应的a、b、c、d、e和f，从而确定每个可选行驶参数对应的五次多项式曲线的表达式。
S103、根据成本最低原则确定所有可选行驶参数对应的多项式曲线中的目标多项式曲线，且目标多项式曲线的障碍物距离成本、速度成本以及加速度成本均小于相应预设成本阈值。
在确定完所有可选行驶参数对应的多项式曲线后，根据预设成本函数计算每个可选行驶参数对应的多项式曲线的成本，并将符合成本最低原则的多项式曲线作为目标多项式曲线。
其中，成本最低原则包括总成本最低原则和子成本原则，该子成本原则是指总成本所包含的各个子成本均需小于相应预设成本阈值。比如，如果多项式曲线为三次多项式曲线，那么该三次多项式曲线的总成本包括障碍物距离成本、速度成本和加速度成本，因此障碍物距离成本、速度成本和加速度成本均需小于相应预设成本阈值。通过障碍物距离成本和速度成本均小于相应的预设成本阈值来保证无人车行驶的安全性，通过加速度成本小于相应的预设成本阈值来保证无人车行驶过程中的平稳性。如果多项式曲线为五次多项式曲线，那么该五次多项式曲线的总成本包括障碍物距离成本、速度成本、加速度成本和急动度成本，因此障碍物距离成本、速度成本、加速度成本和急动度成本也均需小于相应预设成本阈值。由于急动度为加速度的导数，因此其可以衡量加速度在单位时间内的改变量，也可以衡量无人车的卡顿程度或平稳程度。因此对于任一多项式曲线来说，如果其加速度成本与急动度成本均小于相应预设成本阈值，即可保证无人车在行驶过程中具有较高的平稳性。
采用子成本原则进行曲线筛选的方法包括：根据子成本原则，如果任一可选行驶参数对应的多项式曲线的障碍物距离成本、速度成本、加速度成本和急动度成本中的任一子成本大于或等于相应预设成本阈值，则将该多项式曲线对应的可选行驶参数标识为无效参数，并更新当前所有可选行驶参数对应的多项式曲线。
示例性的，计算每个可选行驶参数对应的多项式曲线的障碍物距离成本，如果该障碍物距离成本大于或等于预设障碍物距离成本阈值，则将该多项式曲线对应的可选行驶参数标识为无效参数；如果该障碍物距离成本小于预设障碍物距离成本阈值，则计算该多项式曲线的速度成本；如果该速度成本大于或等于预设速度成本阈值，则将该多项式曲线对应的可选行驶参数标识为无效参数；如果该速度成本小于预设速度成本阈值，则计算该多项式曲线的加速度成本；如果该加速度成本大于或等于预设加速度成本阈值，则将该多项式曲线对应的可选行驶参数标识为无效参数；如果该及速度成本小于预设加速度成本阈值，则计算该多项式曲线的急动度成本，如果该急动度成本大于或等于预设急动度成本阈值，则将该多项式曲线对应的可选行驶参数标识为无效参数，如果该急动度成本小于预设急动度成本阈值，则将该多项式标识为有效曲线。需要说明的是，本实施例不对障碍物距离成本、速度成本、加速度成本和急动度成本的计算顺序进行限定，实际使用时可根据具体情况自行设定。
在一个实施例中，对于任一可选行驶参数对应的多项式曲线，若预设采集时长对应的无人车的行驶路程大于或等于障碍物与当前无人车之间的距离；或者任一时刻无人车的行驶速度超过无人车的最大允许速度；或者任一时刻无人车的加速度超过无人车的最大允许加速度，或者任一时刻无人车的急动度超过无人车的最大允许加速度，则将该行驶参数标识为无效行驶参数，并更新当前所有可选行驶参数对应的多项式曲线。可以理解的是，如果预设采集时长对应的无人车的行驶路程大于或等于障碍物与当前无人车之间的距离，则无人车会出现剐蹭；如果无人车的行驶速度超过最大允许加速度，那么其行驶危险性为大大增加；如果无人车的加速度超过其最大允许加速度，那么无人车的行驶安全性会增加，而且其会出现明显的卡顿，如果无人车的急动度超过其最大允许加速度，那么无人车会出现明显的卡顿。
其中，障碍物包括出现在预设采集时长对应的无人车行驶路程中的动态障碍物和静态障碍物。因此障碍物距离成本包括动态障碍物距离成本和静态障碍物距离成本。可以理解的是，动态障碍物是指影响无人车运行的运动性障碍物，静态障碍物是指影响无人车运行的静止性障碍物。
在确定了所有符合子成本原则的多项式曲线之后，根据以下公式确定每个可选行驶参数对应的多项式曲线的总成本，并将最低总成本对应的多项式曲线作为目标多项式曲线。
根据以下公式计算所有符合子成本原则的三次多项式曲线分别对应的总成本，并将最低总成本对应的三次多项式曲线作为目标多项式曲线。
Figure BDA0002987328620000111
其中，cost为总成本，
Figure BDA0002987328620000112
为动态障碍物距离成本，
Figure BDA0002987328620000113
为静态障碍物距离成本，
Figure BDA0002987328620000114
为速度成本，
Figure BDA0002987328620000115
为加速度成本，wdynamic为动态障碍物权重，wstatic为静态障碍物权重，wspeed为速度权重，wacc为加速度权重，di为无人车在ti时刻与动态障碍物之间的距离，d′i为无人车在ti时刻与静态障碍物之间的距离，vi为无人车在ti时刻的速度，vmax为无人车的最大允许速度，ai为无人车在ti时刻的加速度，σ1为动态障碍物对应的高斯函数曲线协方差，σ2为静态障碍物对应的高斯函数曲线协方。
可以理解的是，障碍物距离成本对无人车的安全性的影响较大，加速度成本对无人车运行的平稳性影响较大，因此可以通过调整障碍物距离成本与加速度成本的权重来实现二者的平衡或是侧重。
可以理解的是，如果出现在无人车预设采集时长可行驶的行驶路程中的障碍物仅包含动态障碍物，那么静态障碍物距离成本中的d′i不存在，此时该三次多项式成本的静态障碍物距离成本为零；同样地，如果仅包含静态障碍物，那么动态障碍物距离成本中的di不存在，此时该三次多项式曲线的动态障碍物距离成本为零。
在一个实施例中，根据以下公式计算所有符合子成本原则的五次多项式曲线分别对应的总成本，并将最低总成本对应的五次多项式曲线作为目标多项式曲线。
Figure BDA0002987328620000121
其中，cost为总成本，
Figure BDA0002987328620000122
为动态障碍物距离成本，
Figure BDA0002987328620000123
为静态障碍物距离成本，
Figure BDA0002987328620000124
为速度成本，
Figure BDA0002987328620000125
为加速度成本，
Figure BDA0002987328620000126
为无人车的急动度成本，wdynamic为动态障碍物权重，wstatic为静态障碍物权重，wspeed为速度权重，wacc为加速度权重，wjerk为急动度权重，di为无人车在ti时刻与动态障碍物之间的距离，d′i为无人车在ti时刻与静态障碍物之间的距离，vi为无人车在ti时刻的速度，vmax为无人车的最大允许速度，ai为无人车在ti时刻的加速度，ji为无人车在ti时刻的急动度，σ1为动态障碍物对应的高斯函数曲线协方差，σ2为静态障碍物对应的高斯函数曲线协方。
可以理解的是，如果出现在无人车预设采集时长可行驶的行驶路程中的障碍物仅包含动态障碍物，那么静态障碍物距离成本中的d′i不存在，此时该五次多项式成本的静态障碍物距离成本为零；同样地，如果仅包含静态障碍物，那么动态障碍物距离成本中的di不存在，此时该五次多项式曲线的动态障碍物距离成本为零。
在一个实施例中，对于三次多项式曲线或五次多项式曲线，均设置三个总成本计算公式，第一个总成本计算公式中的障碍物距离成本仅包含动态障碍物距离成本；第二个总成本计算公式中的障碍物距离成本仅包含静态障碍物距离成本；第三个总成本计算公式中的障碍物距离成本包括动态障碍物距离成本和静态障碍物距离成本。如果检测到在预设采集时长对应的无人车行驶路程中仅存在动态障碍物，则采用相应的第一总成本计算公式计算对应多项式曲线对应的总成本；如果检测到在预设采集时长对应的无人车行驶路程中仅存在静态障碍物，则采用相应的第二总成本计算公式计算对应的多项式曲线对应的总成本；如果检测到在预设采集时长对应的无人车行驶路程中同时包含动态障碍物和静态障碍物，则采用相应的第三总成本计算公式计算对应的多项式曲线对应的总成本。
在一个实施例中，根据成本最低原则确定所有可选行驶参数对应的多项式曲线中的目标多项式曲线包括：计算所有可选行驶参数对应的多项式曲线的总成本；如果最低总成本对应一条多项式曲线，则将该多项式曲线作为目标多项式曲线；如果最低总成本对应至少两条多项式曲线，则将该至少两条多项式曲线中的一条作为目标多项式曲线，或者将该至少两条多项式曲线中加速度成本最低的多项式曲线作为目标多项式曲线。可以理解的是，将该至少两条多项式曲线中加速度成本最低的多项式曲线作为目标多项式曲线，可以在保证无人车行驶安全性的同时，最大限度地降低无人车的加速度，从而最大限度地提高无人车行驶的平稳性。
需要说明的是，本实施例先根据子成本原则对所有可选行驶参数对应的多项式曲线进行初步筛选，以使筛选后的各个多项式曲线均符合子成本原则，然后根据总成本最低原则从筛选后的多项式曲线中确定目标多项式曲线。实际使用时，也可以采用子成本原则与总成最低原则的其他结合方式，本实施例在此不作具体限定。示例性的，计算所有多项式曲线的总成本，并确定当前最低总成本对应的多项式曲线的各个子成本是否均小于相应预设成本阈值，若是，则将当前最低总成本对应的多项式曲线作为目标多项式曲线，若否，则将该多项式曲线标识为无效多项式曲线；然后确定所有剩余有效多项式曲线中最低总成本对应的多项式曲线的各个子成本是否均小于相应预设成本阈值，直至确定出总成本最低且各个子成本均小于相应成本阈值的多项式曲线，并将该多项式曲线作为目标多项式曲线。
S104、根据目标多项式曲线确定无人车的行驶速度与行驶时间之间的对应关系，并根据该对应关系控制无人车沿当前ST路径行驶。
由于目标多项式曲线用于表示无人车的行驶路程与行驶时间之间的对应关系，因此其导数用于表示无人车的行驶速度与行驶时间之间的对应关系。为此本实施例在确定了目标多项式曲线之后，计算该目标多项式曲线的导数，根据该导数确定无人车的行驶速度与行驶时间之间的对应关系，并根据该对应关系控制无人车沿当前ST路径行驶。
本发明实施例提供的无人车行驶数据确定方法的技术方案，通过每个可选行驶参数对应的多项式曲线表示无人车行驶路程与行驶时间之间的对应关系；通过成本最低原则确定所有可选行驶参数对应的多项式曲线中的目标多项式曲线，并使该目标多项式曲线的障碍物距离成本、速度成本和加速度成本均小于相应预设成本阈值；可以理解的是，在障碍物距离成本和速度成本均小于相应预设成本阈值时，可以保证无人车的行驶安全性，在无人车的加速度成本小于相应预设成本阈值时，可以保证无人车的行驶平稳性，因此根据该目标多项式曲线确定的无人车的行驶速度与行驶时间之间的对应关系，控制无人车沿当前ST路径行驶时，可以在保证无人车行驶安全性的同时，保证无人车的行驶的平稳性。
实施例二
图3是本发明实施例提供的无人车行驶数据确定装置的结构框图。该装置用于执行上述任意实施例所提供的无人车行驶数据确定方法，该装置可选为软件或硬件实现。该装置包括：
行驶参数模块21，用于确定无人车沿当前ST(时间路程)路径行驶预设采集时长时的可选行驶参数集合，可选行驶参数集合中的各可选行驶参数包括无人车在距离当前时刻预设采集时长时的行驶路程和行驶速度；
曲线确定模块22，用于确定每个可选行驶参数与无人车的当前行驶参数对应的多项式曲线，多项式曲线用于表示无人车行驶路程与行驶时间之间的对应关系；
曲线选择模块23，用于根据成本最低原则确定所有可选行驶参数对应的多项式曲线中的目标多项式曲线，且目标多项式曲线的障碍物距离成本、速度成本以及加速度成本均小于相应预设成本阈值；
运行控制模块24，用于根据目标多项式曲线确定无人车的行驶速度与行驶时间之间的对应关系，并根据该对应关系控制无人车沿当前ST路径行驶。
可选地，行驶参数模块21用于确定无人车从当前时刻开始，沿ST路径行驶预设采集时长可完成的至少两个行驶路程，至少两个行驶路程中的最大行驶路程值对应无人车的最大允许行驶速度；为该至少两个行驶路程中的每个行驶路程配置至少一个备用行驶速度，该备用行驶速度对应预设采集时长；将该至少两个行驶路程中的每个行驶路程与每个备用行驶速度进行组合以得到可选行驶参数；将所有可选行驶参数进行汇总以得到可选行驶参数集合。
曲线确定模块22用于确定无人车的每个可选行驶参数与当前行驶参数对应的无人车的时间路程参数和时间速度参数，时间路程参数包括当前时刻与目标时刻分别对应的行驶路程；时间速度参数包括当前时刻与目标时刻分别对应的行驶速度，其中，目标时刻距离当前时刻预设采集时长；将时间路程参数输入三次多项式曲线方程，以及将时间速度参数输入三次多项式曲线方程的导数方程，以确定每个可选行驶参数对应的多项式曲线。
曲线确定模块22用于确定无人车的每个可选行驶参数与当前行驶参数对应的无人车的时间路程参数、时间速度参数和时间加速度参数，时间路程参数包括当前时刻与目标时刻分别对应的行驶路程，时间速度参数包括当前时刻与目标时刻分别对应的行驶速度，时间加速度参数包括当前时刻与目标时刻分别对应的加速度，其中，目标时刻距离当前时刻预设采集时长；将时间路程参数输入五次多项式曲线方程，将时间速度参数输入五次多项式曲线方程的导数方程，以及将时间加速度参数输入五次多项式曲线方程的二次导数方程，以确定每个可选行驶参数对应的多项式曲线。
曲线选择模块23还用于根据子成本原则，如果任一可选行驶参数对应的多项式曲线的障碍物距离成本、速度成本和加速度成本中的任一子成本大于或等于相应预设成本阈值，则将该多项式曲线对应的可选行驶参数标识为无效参数，并更新当前所有可选行驶参数对应的多项式曲线；或者
对于任一可选行驶参数对应的多项式曲线，若所述预设采集时长对应的无人车的行驶路程大于障碍物与当前无人车之间的距离，或者任一时刻无人车的行驶速度超过无人车的最大允许速度，或者任一时刻无人车的加速度超过无人车的最大允许加速度，则将该行驶参数标识为无效行驶参数，并更新当前所有可选行驶参数对应的多项式曲线。
曲线选择模块23用于，计算所有可选行驶参数对应的多项式曲线的总成本；如果最低总成本对应一条多项式曲线，则将该多项式曲线作为目标多项式曲线；如果最低总成本对应至少两条多项式曲线，则将该至少两条多项式曲线中加速度成本最低的多项式曲线作为目标多项式曲线。
曲线选择模块23用于根据以下公式确定每个可选行驶参数对应的三次多项式曲线的总成本：
Figure BDA0002987328620000171
将最低总成本对应的三次多项式曲线作为目标多项式曲线；
其中，cost为总成本，
Figure BDA0002987328620000172
为动态障碍物距离成本，
Figure BDA0002987328620000173
为静态障碍物距离成本，
Figure BDA0002987328620000174
为速度成本，
Figure BDA0002987328620000175
为加速度成本，wdynamic为动态障碍物权重，wstatic为静态障碍物权重，wspeed为速度权重，wacc为加速度权重，di为无人车在ti时刻与动态障碍物之间的距离，d′i为无人车在ti时刻与静态障碍物之间的距离，vi为无人车在ti时刻的速度，vmax为无人车的最大允许速度，ai为无人车在ti时刻的加速度，σ为动态障碍物对应的高斯函数曲线协方差，σ2为静态障碍物对应的高斯函数曲线协方。
曲线选择模块23用于根据以下公式确定每个可选行驶参数对应的五次多项式曲线的总成本：
Figure BDA0002987328620000181
将最低总成本对应的五次多项式曲线作为目标多项式曲线；
其中，cost为总成本，
Figure BDA0002987328620000182
为无人车的动态障碍物距离成本，
Figure BDA0002987328620000183
为无人车的静态障碍物距离成本，
Figure BDA0002987328620000184
为无人车的速度成本，
Figure BDA0002987328620000185
为无人车的加速度成本，
Figure BDA0002987328620000186
为无人车的急动度成本，wdynamic为动态障碍物权重，wstatic为静态障碍物权重，wspeed为速度权重，wacc为加速度权重，wjerk为急动度权重，di为无人车在ti时刻与动态障碍物之间的距离，d′i为无人车在ti时刻与静态障碍物之间的距离，vi为无人车在ti时刻的速度，vmax为无人车的最大允许速度，ai为无人车在ti时刻的加速度，ji为无人车在ti时刻的急动度，σ1为动态障碍物对应的高斯函数曲线协方差，σ2为静态障碍物对应的高斯函数曲线协方差。
本发明实施例提供的无人车行驶数据确定装置的技术方案，通过每个可选行驶参数对应的多项式曲线表示无人车行驶路程与行驶时间之间的对应关系；通过成本最低原则确定所有可选行驶参数对应的多项式曲线中的目标多项式曲线，并使该目标多项式曲线的障碍物距离成本、速度成本和加速度成本均小于相应预设成本阈值；可以理解的是，在障碍物距离成本和速度成本均小于相应预设成本阈值时，可以保证无人车的行驶安全性，在无人车的加速度成本小于相应预设成本阈值时，可以保证无人车的行驶平稳性，因此根据该目标多项式曲线确定的无人车的行驶速度与行驶时间之间的对应关系，控制无人车沿当前ST路径行驶时，可以在保证无人车行驶安全性的同时，保证无人车的行驶的平稳性。
本发明实施例所提供的无人车行驶数据确定装可执行本发明任意实施例所提供的无人车行驶数据确定方法，具备执行方法相应的功能模块和有益效果。
实施例三
图4为本发明实施例三提供的无人车的结构示意图，如图4所示，该无人车包括处理器301、存储器302、输入装置303以及输出装置304；无人车中处理器301的数量可以是一个或多个，图4中以一个处理器301为例；无人车中的处理器301、存储器302、输入装置303以及输出装置304可以通过总线或其他方式连接，图4中以通过总线连接为例。
存储器302作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的无人车行驶数据确定方法对应的程序指令/模块(例如，行驶参数模块21、曲线确定模块22、曲线选择模块23以及运行控制模块24)。处理器301通过运行存储在存储器302中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述的无人车行驶数据确定方法。
存储器302可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器302可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器302可进一步包括相对于处理器301远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置303可用于接收输入的数字或字符信息，以及产生与设备的用户设置以及功能控制有关的键信号输入。
输出装置304可包括显示屏等显示设备，例如，用户终端的显示屏。
实施例四
本发明实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种无人车行驶数据确定方法，该方法包括：
确定无人车沿当前ST(时间路程)路径行驶预设采集时长时的可选行驶参数集合，所述可选行驶参数集合中的各可选行驶参数包括无人车在距离当前时刻预设采集时长时的行驶路程和行驶速度；
确定每个可选行驶参数与无人车的当前行驶参数对应的多项式曲线，所述多项式曲线用于表示无人车行驶路程与行驶时间之间的对应关系；
根据成本最低原则确定所有可选行驶参数对应的多项式曲线中的目标多项式曲线，且所述目标多项式曲线的障碍物距离成本、速度成本以及加速度成本均小于相应预设成本阈值；
根据所述目标多项式曲线确定无人车的行驶速度与行驶时间之间的对应关系，并根据该对应关系控制无人车沿当前ST路径行驶
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的无人车行驶数据确定方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明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，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(RandomAccess Memory，简称RAM)、闪存(FLASH)、硬盘或光盘等，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)执行本发明各个实施例所述的无人车行驶数据确定方法。
值得注意的是，上述无人车行驶数据确定装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (11)

1.一种无人车行驶数据确定方法，其特征在于，包括：
确定无人车沿当前时间路程路径行驶预设采集时长时的可选行驶参数集合，所述可选行驶参数集合中的各可选行驶参数包括无人车在距离当前时刻预设采集时长时的行驶路程和行驶速度，且至少两个可选行驶参数中的行驶路程不同，至少两个可选行驶参数中的行驶速度不同；
确定每个可选行驶参数与无人车的当前行驶参数对应的多项式曲线，所述多项式曲线用于表示无人车行驶路程与行驶时间之间的对应关系；
根据成本最低原则确定所有可选行驶参数对应的多项式曲线中的目标多项式曲线，且所述目标多项式曲线的障碍物距离成本、速度成本以及加速度成本均小于相应预设成本阈值；
根据所述目标多项式曲线确定无人车的行驶速度与行驶时间之间的对应关系，并根据该对应关系控制无人车沿当前时间路程路径行驶。
2.根据权利要求1所述的方法，其特征在于，所述确定无人车沿当前时间路程路径行驶预设采集时长时的可选行驶参数集合，包括：
确定无人车从当前时刻开始，沿时间路程路径行驶预设采集时长可完成的至少两个行驶路程，所述至少两个行驶路程中的最大行驶路程值对应无人车的最大允许行驶速度；
为所述至少两个行驶路程中的每个行驶路程配置至少一个行驶速度，所述行驶速度对应预设采集时长；
将所述至少两个行驶路程中的每个行驶路程与每个行驶速度进行组合以得到可选行驶参数；
将所有可选行驶参数进行汇总以得到可选行驶参数集合。
3.根据权利要求1所述的方法，其特征在于，所述多项式曲线为三次多项式曲线，所述确定每个可选行驶参数与无人车的当前行驶参数对应的多项式曲线，包括：
确定无人车的每个可选行驶参数与当前行驶参数对应的无人车的时间路程参数和时间速度参数，所述时间路程参数包括当前时刻与目标时刻分别对应的行驶路程；所述时间速度参数包括当前时刻与目标时刻分别对应的行驶速度，其中，所述目标时刻距离当前时刻预设采集时长；
将所述时间路程参数输入所述三次多项式曲线方程，以及将所述时间速度参数输入所述三次多项式曲线方程的导数方程，以确定每个可选行驶参数对应的多项式曲线。
4.根据权利要求1所述的方法，其特征在于，所述多项式曲线为五次多项式曲线，所述可选行驶参数还包括行驶加速度，所述确定每个可选行驶参数与无人车的当前行驶参数对应的多项式曲线，包括：
确定无人车的每个可选行驶参数与当前行驶参数对应的无人车的时间路程参数、时间速度参数和时间加速度参数，所述时间路程参数包括当前时刻与目标时刻分别对应的行驶路程，所述时间速度参数包括当前时刻与目标时刻分别对应的行驶速度，所述时间加速度参数包括当前时刻与目标时刻分别对应的加速度，其中，所述目标时刻距离当前时刻预设采集时长；
将所述时间路程参数输入所述五次多项式曲线方程，将所述时间速度参数输入所述五次多项式曲线方程的导数方程，以及将所述时间加速度参数输入所述五次多项式曲线方程的二次导数方程，以确定每个可选行驶参数对应的多项式曲线。
5.根据权利要求1所述的方法，其特征在于，在所述根据成本最低原则确定所有可选行驶参数对应的多项式曲线中的目标多项式曲线之前，还包括：
如果任一可选行驶参数对应的多项式曲线的障碍物距离成本、速度成本和加速度成本中的任一子成本大于或等于相应预设成本阈值，则将该多项式曲线对应的可选行驶参数标识为无效参数，并更新当前所有可选行驶参数对应的多项式曲线；或者
对于任一可选行驶参数对应的多项式曲线，若所述预设采集时长对应的无人车的行驶路程大于障碍物与当前无人车之间的距离，或者任一时刻无人车的行驶速度超过无人车的最大允许速度，或者任一时刻无人车的加速度超过无人车的最大允许加速度，则将该行驶参数标识为无效行驶参数，并更新当前所有可选行驶参数对应的多项式曲线。
6.根据权利要求1所述的方法，其特征在于，所述根据成本最低原则确定所有可选行驶参数对应的多项式曲线中的目标多项式曲线，包括：
计算所有可选行驶参数对应的多项式曲线的总成本；
如果最低总成本对应一条多项式曲线，则将该多项式曲线作为目标多项式曲线；
如果最低总成本对应至少两条多项式曲线，则将该至少两条多项式曲线中加速度成本最低的多项式曲线作为目标多项式曲线。
7.根据权利要求3所述的方法，其特征在于，所述根据成本最低原则确定所有可选行驶参数对应的多项式曲线中的目标多项式曲线，包括：
根据以下公式确定每个可选行驶参数对应的三次多项式曲线的总成本：
Figure FDA0003938001370000031
将最低总成本对应的三次多项式曲线作为目标多项式曲线；
其中，cost为总成本，
Figure FDA0003938001370000041
为动态障碍物距离成本，
Figure FDA0003938001370000042
为静态障碍物距离成本，
Figure FDA0003938001370000043
为速度成本，
Figure FDA0003938001370000044
为加速度成本，wdynamic为动态障碍物权重，wstatic为静态障碍物权重，wspeed为速度权重，wacc为加速度权重，di为无人车在ti时刻与动态障碍物之间的距离，di'为无人车在ti时刻与静态障碍物之间的距离，vi为无人车在ti时刻的速度，vmax为无人车的最大允许速度，ai为无人车在ti时刻的加速度，σ为动态障碍物对应的高斯函数曲线协方差，σ2为静态障碍物对应的高斯函数曲线协方。
8.根据权利要求4所述的方法，其特征在于，所述根据成本最低原则确定所有可选行驶参数对应的五次多项式曲线中的目标多项式曲线，包括：
根据以下公式确定每个可选行驶参数对应的五次多项式曲线的总成本：
Figure FDA0003938001370000045
将最低总成本对应的五次多项式曲线作为目标多项式曲线；
其中，cost为总成本，
Figure FDA0003938001370000046
为无人车的动态障碍物距离成本，
Figure FDA0003938001370000047
为无人车的静态障碍物距离成本，
Figure FDA0003938001370000048
为无人车的速度成本，
Figure FDA0003938001370000049
为无人车的加速度成本，
Figure FDA00039380013700000410
为无人车的急动度成本，wdynamic为动态障碍物权重，wstatic为静态障碍物权重，wspeed为速度权重，wacc为加速度权重，wjerk为急动度权重，di为无人车在ti时刻与动态障碍物之间的距离，di'为无人车在ti时刻与静态障碍物之间的距离，vi为无人车在ti时刻的速度，vmax为无人车的最大允许速度，ai为无人车在ti时刻的加速度，ji为无人车在ti时刻的急动度，σ1为动态障碍物对应的高斯函数曲线协方差，σ2为静态障碍物对应的高斯函数曲线协方差。
9.一种无人车行驶数据确定装置，其特征在于，包括：
行驶参数模块，用于确定无人车沿当前时间路程路径行驶预设采集时长时的可选行驶参数集合，所述可选行驶参数集合中的各可选行驶参数包括无人车在距离当前时刻预设采集时长时的行驶路程和行驶速度，且至少两个可选行驶参数中的行驶路程不同，至少两个可选行驶参数中的行驶速度不同；
曲线确定模块，用于确定每个可选行驶参数与无人车的当前行驶参数对应的多项式曲线，所述多项式曲线用于表示无人车行驶路程与行驶时间之间的对应关系；
曲线选择模块，用于根据成本最低原则确定所有可选行驶参数对应的多项式曲线中的目标多项式曲线，且所述目标多项式曲线的障碍物距离成本、速度成本以及加速度成本均小于相应预设成本阈值；
运行控制模块，用于根据所述目标多项式曲线确定无人车的行驶速度与行驶时间之间的对应关系，并根据该对应关系控制无人车沿当前ST路径行驶。
10.一种无人车，其特征在于，所述无人车包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8中任一所述的无人车行驶数据确定方法。
11.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-8中任一所述的无人车行驶数据确定方法。
CN202110303818.0A 2021-03-22 2021-03-22 无人车行驶数据确定方法、装置、无人车及存储介质 Active CN112937605B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110303818.0A CN112937605B (zh) 2021-03-22 2021-03-22 无人车行驶数据确定方法、装置、无人车及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110303818.0A CN112937605B (zh) 2021-03-22 2021-03-22 无人车行驶数据确定方法、装置、无人车及存储介质

Publications (2)

Publication Number Publication Date
CN112937605A CN112937605A (zh) 2021-06-11
CN112937605B true CN112937605B (zh) 2023-03-10

Family

ID=76227516

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110303818.0A Active CN112937605B (zh) 2021-03-22 2021-03-22 无人车行驶数据确定方法、装置、无人车及存储介质

Country Status (1)

Country Link
CN (1) CN112937605B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117553800B (zh) * 2024-01-04 2024-03-19 深圳市乐骑智能科技有限公司 Agv定位与路径规划方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107357168A (zh) * 2017-06-01 2017-11-17 同济大学 一种基于机会约束模型预测控制的无人车避障方法
CN109712421A (zh) * 2019-02-22 2019-05-03 百度在线网络技术（北京）有限公司 自动驾驶车辆的速度规划方法、装置和存储介质
CN112498366A (zh) * 2020-11-20 2021-03-16 苏州智加科技有限公司 自动驾驶车辆、控制方法、装置、设备及存储介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11208096B2 (en) * 2018-11-02 2021-12-28 Zoox, Inc. Cost scaling in trajectory generation
US10809736B2 (en) * 2018-12-27 2020-10-20 Baidu Usa Llc ST-graph learning based decision for autonomous driving vehicle

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107357168A (zh) * 2017-06-01 2017-11-17 同济大学 一种基于机会约束模型预测控制的无人车避障方法
CN109712421A (zh) * 2019-02-22 2019-05-03 百度在线网络技术（北京）有限公司 自动驾驶车辆的速度规划方法、装置和存储介质
CN112498366A (zh) * 2020-11-20 2021-03-16 苏州智加科技有限公司 自动驾驶车辆、控制方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN112937605A (zh) 2021-06-11

Similar Documents

Publication Publication Date Title
US10824153B2 (en) Cost design for path selection in autonomous driving technology
CN109739230B (zh) 驾驶轨迹生成方法、装置及存储介质
US11480967B2 (en) Pass route planning method and apparatus, device and readable storage medium
CN113071520A (zh) 车辆行驶控制方法及装置
EP3667638A1 (en) Traffic lane information management method, running control method, and traffic lane information management device
CN113071505B (zh) 驾驶行为习惯的确定、车辆行驶控制方法、装置及设备
CN111186443A (zh) 变道路径规划方法、装置、电子设备和计算机可读介质
CN113734201B (zh) 车辆冗余控制方法、装置、电子设备及介质
EP3964417A2 (en) Method, device, and computer program for controlling stop of autonomous vehicle using speed profile
CN110341710B (zh) 一种自适应巡航控制方法、装置及设备
CN114750759A (zh) 一种跟车目标确定方法、装置、设备及介质
CN112937605B (zh) 无人车行驶数据确定方法、装置、无人车及存储介质
JP2023523350A (ja) 乗り物に基づくデータ処理方法、データ処理装置、コンピュータ機器、及びコンピュータプログラム
CN115675534A (zh) 车辆轨迹预测方法、装置、电子设备及存储介质
CN113353083B (zh) 车辆行为识别方法
CN105109485A (zh) 一种驾驶方法及系统
CN114426023A (zh) 一种目标巡航速度的确定方法、装置、设备及存储介质
CN111951552B (zh) 一种自动驾驶中风险管理的方法以及相关装置
CN113538909A (zh) 一种自动驾驶车辆交通事件预测方法及装置
KR20220137996A (ko) 경로 구간 평가 방법
EP4209854A1 (en) Overtaking planning method and apparatus, and electronic device and storage medium
CN111145570A (zh) 车辆的控制方法、控制装置、存储介质和处理器
CN111123948A (zh) 车辆多维感知融合控制方法、系统及汽车
CN115214722A (zh) 自动驾驶方法、装置、电子设备、存储介质及车辆
CN115469669A (zh) 一种窄路会车方法、装置、设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant