CN113129624A - 交通堵塞情况下的最快车道确定算法 - Google Patents

交通堵塞情况下的最快车道确定算法 Download PDF

Info

Publication number
CN113129624A
CN113129624A CN202010455563.5A CN202010455563A CN113129624A CN 113129624 A CN113129624 A CN 113129624A CN 202010455563 A CN202010455563 A CN 202010455563A CN 113129624 A CN113129624 A CN 113129624A
Authority
CN
China
Prior art keywords
time
vehicle
representative
lane
representative vehicle
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
CN202010455563.5A
Other languages
English (en)
Other versions
CN113129624B (zh
Inventor
朱帆
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.)
Baidu USA LLC
Original Assignee
Baidu USA LLC
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 Baidu USA LLC filed Critical Baidu USA LLC
Publication of CN113129624A publication Critical patent/CN113129624A/zh
Application granted granted Critical
Publication of CN113129624B publication Critical patent/CN113129624B/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
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • 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
    • 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
    • B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
    • B60W60/00276—Planning or execution of driving tasks using trajectory prediction for other traffic participants for two or more other traffic participants
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/0088—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • G05D1/228—
    • G05D1/646—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q50/40—
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
    • 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
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096775—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a central station
    • 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
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • 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
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B60W2556/50—External transmission of data to or from the vehicle for navigation systems

Abstract

公开了用于确定平均车道行进速度的方法、装置和系统。识别在多个车道中以与ADV相同的方向行进的多个车辆。在第一时间段内，跟踪多个车辆。识别多个车辆中的、表示在第一时间段内在车道中行进的车辆的至少第一数量的代表性车辆。对于多个车道中的每个，确定与车道相关联的代表性车辆在第一时间段上的平均速度。规划ADV的轨迹，其中，规划的轨迹朝向其代表性车辆具有最快平均速度的车道移动。此后，基于规划的轨迹生成控制信号以控制ADV的操作。

Description

交通堵塞情况下的最快车道确定算法
技术领域
本公开的实施方式总体涉及操作自动驾驶车辆。更具体地，本公开的实施方式涉及确定每条车道的平均行进速度。
背景技术
以自动驾驶模式运行(例如，无人驾驶)的车辆可将乘员、尤其是驾驶员从一些驾驶相关的职责中解放出来。当以自动驾驶模式运行时，车辆可使用车载传感器导航到各个位置，从而允许车辆在最少人机交互的情况下或在没有任何乘客的一些情况下行驶。
在道路交通繁忙的情况下，识别具有更快平均行进速度的车道可能具有挑战性。穿梭于不同的车道以找到最佳车道可能会进一步加剧拥堵。
发明内容
根据本公开的一方面，提供了一种用于操作自动驾驶车辆的计算机实施的方法，所述方法包括：
在从第一时刻至第二时刻的第一时间段内跟踪在多个车道中行进的多个车辆，包括在每个感知周期并针对所述多个车辆中的每个，确定车辆正行进的车道和在该车辆正行进的车道内的位置；
在所述第二时刻之后并针对所述多个车道中的每个，识别所述多个车辆中的、表示在所述第一时间段内在该车道中行进的车辆的至少第一数量的代表性车辆；
针对所述多个车道中的每个，确定与该车道相关联的代表性车辆在所述第一时间段上的平均速度；以及
基于与所述多个车道中的每个相关联的代表性车辆的平均速度来规划所述自动驾驶车辆的轨迹，以用于可能的车道变更。
根据本申请的某些示例性实施方式，所述第二时刻大约在所述第一时刻之后2分钟，并且为所述车道中的每个识别至少5个代表性车辆。
根据本申请的某些示例性实施方式，与车道相关联的代表性车辆满足：
1)在所述第一时间段内能够跟踪所述代表性车辆的总时间满足或超过阈值，以及
2)在能够跟踪所述代表性车辆的每个感知周期，所述代表性车辆在所相关联的车道中行进。
根据本申请的某些示例性实施方式，所述阈值约等于所述第一时间段的90％。
根据本申请的某些示例性实施方式，基于代表性车辆在第一感知周期的第一跟踪结果和所述代表性车辆在第二感知周期的第二跟踪结果来确定所述代表性车辆的平均速度，所述第一感知周期是能够跟踪所述代表性车辆的在时间上最接近所述第一时刻的感知周期，所述第二感知周期是能够跟踪所述代表性车辆的在时间上最接近所述第二时刻的感知周期。
根据本申请的某些示例性实施方式，其中，所述第一感知周期与第三时刻相关联，所述第二感知周期与第四时刻相关联，所述代表性车辆的所述第一跟踪结果包括所述代表性车辆的第一位置，以及所述代表性车辆的所述第二跟踪结果包括所述代表性车辆的第二位置，以及其中，将所述代表性车辆的平均速度确定为所述第一位置与所述第二位置之间的距离除以从所述第三时刻至所述第四时刻的第二时间段。
根据本申请的某些示例性实施方式，当能够为车道识别出少于所述第一数量的代表性车辆时，不为该车道确定代表性车辆在所述第一时间段上的平均速度。
根据本公开的另一方面，提供了一种存储有指令的非暂时性机器可读介质，所述指令在由处理器执行时致使所述处理器执行操作自动驾驶车辆的操作，所述操作包括：
在从第一时刻至第二时刻的第一时间段内跟踪在多个车道中行进的多个车辆，包括在每个感知周期并针对所述多个车辆中的每个确定车辆正行进的车道和在该车辆正行进的车道内的位置；
在所述第二时刻之后并针对所述多个车道中的每个，识别所述多个车辆中的、表示在所述第一时间段内在该车道中行进的车辆的至少第一数量的代表性车辆；
针对所述多个车道中的每个，确定与该车道相关联的代表性车辆在所述第一时间段上的平均速度；以及
基于与所述多个车道中的每个相关联的代表性车辆的平均速度来规划所述自动驾驶车辆的轨迹，以用于可能的车道变更。
根据本申请的某些示例性实施方式，所述第二时刻在所述第一时刻之后2分钟，并且为所述车道中的每个识别至少5个代表性车辆。
根据本申请的某些示例性实施方式，与车道相关联的代表性车辆满足：
1)在所述第一时间段内能够跟踪所述代表性车辆的总时间满足或超过阈值，以及
2)在能够跟踪所述代表性车辆的每个感知周期，所述代表性车辆在所相关联的车道中行进。
根据本申请的某些示例性实施方式，所述阈值等于所述第一时间段的90％。
根据本申请的某些示例性实施方式，基于代表性车辆在第一感知周期的第一跟踪结果和所述代表性车辆在第二感知周期的第二跟踪结果来确定所述代表性车辆的平均速度，所述第一感知周期是能够跟踪所述代表性车辆的在时间上最接近所述第一时刻的感知周期，所述第二感知周期是能够跟踪所述代表性车辆的在时间上最接近所述第二时刻的感知周期。
根据本申请的某些示例性实施方式，其中，所述第一感知周期与第三时刻相关联，所述第二感知周期与第四时刻相关联，所述代表性车辆的第一跟踪结果包括所述代表性车辆的第一位置，以及所述代表性车辆的第二跟踪结果包括所述代表性车辆的第二位置，以及其中，将所述代表性车辆的平均速度确定为所述第一位置与所述第二位置之间的距离除以从所述第三时刻至所述第四时刻的第二时间段。
根据本申请的某些示例性实施方式，当能够为车道识别出少于所述第一数量的代表性车辆时，不为所述车道确定代表性车辆在所述第一时间段上的平均速度。
根据本公开的又一方面，提供了一种数据处理系统，包括：
处理器；以及
存储器，联接至所述处理器以存储指令，所述指令在由所述处理器执行时致使所述处理器执行操作自动驾驶车辆的操作，所述操作包括：
在从第一时刻至第二时刻的第一时间段内跟踪在多个车道中行进的多个车辆，包括在每个感知周期并针对所述多个车辆中的每个确定车辆正行进的车道和在该车辆正行进的车道内的位置；
在所述第二时刻之后并针对所述多个车道中的每个，识别所述多个车辆中的、表示在所述第一时间段内在该车道中行进的车辆的至少第一数量的代表性车辆；
针对所述多个车道中的每个，确定与该车道相关联的代表性车辆在所述第一时间段上的平均速度；以及
基于与所述多个车道中的每个相关联的代表性车辆的平均速度来规划所述自动驾驶车辆的轨迹，以用于可能的车道变更。
根据本申请的某些示例性实施方式，所述第二时刻在所述第一时刻之后2分钟，并且为所述车道中的每个识别至少5个代表性车辆。
根据本申请的某些示例性实施方式，与车道相关联的代表性车辆满足：
1)在所述第一时间段内能够跟踪所述代表性车辆的总时间满足或超过阈值，以及
2)在能够跟踪所述代表性车辆的每个感知周期，所述代表性车辆在所相关联的车道中行进。
根据本申请的某些示例性实施方式，所述阈值等于所述第一时间段的90％。
根据本申请的某些示例性实施方式，基于代表性车辆在第一感知周期的第一跟踪结果和所述代表性车辆在第二感知周期的第二跟踪结果来确定所述代表性车辆的平均速度，所述第一感知周期是能够跟踪所述代表性车辆的在时间上最接近所述第一时刻的感知周期，所述第二感知周期是最接近能够跟踪所述代表性车辆的在时间上所述第二时刻的感知周期。
根据本申请的某些示例性实施方式，其中，所述第一感知周期与第三时刻相关联，所述第二感知周期与第四时刻相关联，所述代表性车辆的第一跟踪结果包括所述代表性车辆的第一位置，以及所述代表性车辆的第二跟踪结果包括所述代表性车辆的第二位置，以及其中，将所述代表性车辆的平均速度确定为所述第一位置与所述第二位置之间的距离除以从所述第三时刻至所述第四时刻的第二时间段。
附图说明
本公开的实施方式在附图的各图中以举例而非限制的方式示出，附图中的相同参考标记指示相似元件。
图1是示出根据一个实施方式的网络化系统的框图。
图2是示出根据一个实施方式的自动驾驶车辆的示例的框图。
图3A至图3B是示出根据一个实施方式的与自动驾驶车辆一起使用的感知与规划系统的示例的框图。
图4是示出可实践本公开的实施方式的环境的图示。
图5是示出根据一个实施方式的用于确定平均车道行进速度的示例性方法的流程图。
图6是示出可与本发明的实施方式一起使用的各种模块的框图。
图7示出根据一个实施方式的用于跟踪车辆数据的数据结构。
具体实施方式
将参考以下所讨论的细节来描述本公开的各种实施方式和方面，附图将示出所述各种实施方式。下列描述和附图是本公开的说明，而不应当解释为对本公开进行限制。描述了许多特定细节以提供对本公开的各种实施方式的全面理解。然而，在某些情况下，并未描述众所周知的或常规的细节，以提供对本公开的实施方式的简洁讨论。
本说明书中对“一个实施方式”或“实施方式”的提及意味着结合该实施方式所描述的特定特征、结构或特性可包括在本公开的至少一个实施方式中。短语“在一个实施方式中”在本说明书中各个地方的出现不必全部指同一实施方式。
根据一些实施方式，可基于对在每个车道中行进的车辆的感知来确定与每个车道相关联的平均行进速度。可识别与最快行进速度相关联的车道，以及自动驾驶车辆(ADV)可利用该信息变更到最快车道中。
具体地，在一个实施方式中，在第一时刻和自动驾驶车辆(ADV)的感测范围内，识别在多个车道中以与ADV相同的方向行进的多个车辆。在从第一时刻至第二时刻的第一时间段内，跟踪多个车辆。该跟踪包括在每个感知周期并针对多个车辆中的每个，确定车辆正行进的车道以及在车辆正行进的车道内的位置。每个感知周期均与时刻相关联。在第二时刻之后，并且针对多个车道中的每个，识别多个车辆中的、表示在第一时间段内在车道中行进的车辆的至少第一数量的代表性车辆。针对多个车道中的每个，确定与车道相关联的代表性车辆在第一时间段上的平均速度。基于与多个车道中的每个相关联的代表性车辆的平均速度，规划ADV的轨迹。规划的轨迹朝向其代表性车辆具有最快平均速度的车道移动。此后，基于规划的轨迹生成控制信号以控制ADV的操作。
在一个实施方式中，第二时刻在第一时刻之后2分钟，以及为车道中的每个识别至少5个代表性车辆。在一个实施方式中，与车道相关联的代表性车辆满足两个条件：1)在第一时间段内可跟踪代表性车辆的总时间满足或超过阈值，以及2)在可跟踪代表性车辆的每个感知周期，代表性车辆在相关联的车道中行进。
在一个实施方式中，阈值等于第一时间段的90％。在一个实施方式中，基于代表性车辆在第一感知周期的第一跟踪结果和代表性车辆在第二感知周期的第二跟踪结果来确定代表性车辆的平均速度，第一感知周期是可跟踪代表性车辆的在时间上最接近第一时刻的感知周期，第二感知周期是可跟踪代表性车辆的在时间上最接近第二时刻的感知周期。
在一个实施方式中，第一感知周期与第三时刻相关联。第二感知周期与第四时刻相关联。代表性车辆的第一跟踪结果包括代表性车辆的第一位置。代表性车辆的第二跟踪结果包括代表性车辆的第二位置。代表性车辆的平均速度确定为第一位置与第二位置之间的距离除以从第三时刻至第四时刻的第二时间段。在一个实施方式中，当可为车道识别出少于第一数量的代表性车辆时，不为车道确定代表性车辆在第一时间段上的平均速度。
图1是示出根据本公开的一个实施方式的自动驾驶车辆网络配置的框图。参考图1，网络配置100包括可通过网络102通信地联接到一个或多个服务器103至104的自动驾驶车辆101。尽管示出一个自动驾驶车辆，但多个自动驾驶车辆可通过网络102联接到彼此和/或联接到服务器103至104。网络102可以是任何类型的网络，例如，有线或无线的局域网(LAN)、诸如互联网的广域网(WAN)、蜂窝网络、卫星网络或其组合。服务器103至104可以是任何类型的服务器或服务器群集，诸如，网络或云服务器、应用服务器、后端服务器或其组合。服务器103至104可以是数据分析服务器、内容服务器、交通信息服务器、地图和兴趣点(MPOI)服务器或位置服务器等。
自动驾驶车辆是指可配置成处于自动驾驶模式下的车辆，在所述自动驾驶模式下车辆在极少或没有来自驾驶员的输入的情况下导航通过环境。这种自动驾驶车辆可包括传感器系统，所述传感器系统具有配置成检测与车辆运行环境有关的信息的一个或多个传感器。所述车辆和其相关联的控制器使用所检测的信息来导航通过所述环境。自动驾驶车辆101可在手动模式下、在全自动驾驶模式下或者在部分自动驾驶模式下运行。
在一个实施方式中，自动驾驶车辆101包括，但不限于，感知与规划系统110、车辆控制系统111、无线通信系统112、用户接口系统113和传感器系统115。自动驾驶车辆101还可包括普通车辆中包括的某些常用部件，诸如：发动机、车轮、方向盘、变速器等，所述部件可由车辆控制系统111和/或感知与规划系统110使用多种通信信号和/或命令进行控制，该多种通信信号和/或命令例如，加速信号或命令、减速信号或命令、转向信号或命令、制动信号或命令等。
部件110至115可经由互连件、总线、网络或其组合通信地联接到彼此。例如，部件110至115可经由控制器局域网(CAN)总线通信地联接到彼此。CAN总线是设计成允许微控制器和装置在没有主机的应用中与彼此通信的车辆总线标准。它是最初是为汽车内的复用电气布线设计的基于消息的协议，但也用于许多其它环境。
现在参考图2，在一个实施方式中，传感器系统115包括但不限于一个或多个摄像机211、全球定位系统(GPS)单元212、惯性测量单元(IMU)213、雷达单元214以及光探测和测距(LIDAR)单元215。GPS单元212可包括收发器，所述收发器可操作以提供关于自动驾驶车辆的位置的信息。IMU单元213可基于惯性加速度来感测自动驾驶车辆的位置和定向变化。雷达单元214可表示利用无线电信号来感测自动驾驶车辆的本地环境内的对象的系统。在一些实施方式中，除感测对象之外，雷达单元214可另外感测对象的速度和/或前进方向。LIDAR单元215可使用激光来感测自动驾驶车辆所处环境中的对象。除其它系统部件之外，LIDAR单元215还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。摄像机211可包括用来采集自动驾驶车辆周围环境的图像的一个或多个装置。摄像机211可以是静物摄像机和/或视频摄像机。摄像机可以是可机械地移动的，例如，通过将摄像机安装在旋转和/或倾斜平台上。
传感器系统115还可包括其它传感器，诸如：声纳传感器、红外传感器、转向传感器、油门传感器、制动传感器以及音频传感器(例如，麦克风)。音频传感器可配置成从自动驾驶车辆周围的环境中采集声音。转向传感器可配置成感测方向盘、车辆的车轮或其组合的转向角度。油门传感器和制动传感器分别感测车辆的油门位置和制动位置。在一些情形下，油门传感器和制动传感器可集成为集成式油门/制动传感器。
在一个实施方式中，车辆控制系统111包括但不限于转向单元201、油门单元202(也称为加速单元)和制动单元203。转向单元201用来调整车辆的方向或前进方向。油门单元202用来控制电动机或发动机的速度，电动机或发动机的速度进而控制车辆的速度和加速度。制动单元203通过提供摩擦使车辆的车轮或轮胎减速而使车辆减速。应注意，如图2所示的部件可以以硬件、软件或其组合实施。
返回参考图1，无线通信系统112允许自动驾驶车辆101与诸如装置、传感器、其它车辆等外部系统之间的通信。例如，无线通信系统112可以与一个或多个装置直接无线通信，或者经由通信网络进行无线通信，诸如，通过网络102与服务器103至104通信。无线通信系统112可使用任何蜂窝通信网络或无线局域网(WLAN)，例如，使用WiFi，以与另一部件或系统通信。无线通信系统112可例如使用红外链路、蓝牙等与装置(例如，乘客的移动装置、显示装置、车辆101内的扬声器)直接通信。用户接口系统113可以是在车辆101内实施的外围装置的部分，包括例如键盘、触摸屏显示装置、麦克风和扬声器等。
自动驾驶车辆101的功能中的一些或全部可由感知与规划系统110控制或管理，尤其当在自动驾驶模式下操作时。感知与规划系统110包括必要的硬件(例如，处理器、存储器、存储装置)和软件(例如，操作系统、规划和路线安排程序)，以从传感器系统115、控制系统111、无线通信系统112和/或用户接口系统113接收信息，处理所接收的信息，规划从起始点到目的地点的路线或路径，随后基于规划和控制信息来驾驶车辆101。可替代地，感知与规划系统110可与车辆控制系统111集成在一起。
例如，作为乘客的用户可例如经由用户接口来指定行程的起始位置和目的地。感知与规划系统110获得行程相关数据。例如，感知与规划系统110可从MPOI服务器中获得位置和路线信息，所述MPOI服务器可以是服务器103至104的一部分。位置服务器提供位置服务，并且MPOI服务器提供地图服务和某些位置的POI。可替代地，此类位置和MPOI信息可本地高速缓存在感知与规划系统110的永久性存储装置中。
当自动驾驶车辆101沿着路线移动时，感知与规划系统110也可从交通信息系统或服务器(TIS)获得实时交通信息。应注意，服务器103至104可由第三方实体进行操作。可替代地，服务器103至104的功能可与感知与规划系统110集成在一起。基于实时交通信息、MPOI信息和位置信息以及由传感器系统115检测或感测的实时本地环境数据(例如，障碍物、对象、附近车辆)，感知与规划系统110可规划最佳路线并且根据所规划的路线例如经由控制系统111来驾驶车辆101，以安全且高效到达指定目的地。
服务器103可以是数据分析系统，从而为各种客户执行数据分析服务。在一个实施方式中，数据分析系统103包括数据收集器121和机器学习引擎122。数据收集器121从各种车辆(自动驾驶车辆或由人类驾驶员驾驶的常规车辆)收集驾驶统计数据123。驾驶统计数据123包括指示所发出的驾驶指令(例如，油门、制动、转向指令)以及由车辆的传感器在不同的时间点捕捉到的车辆的响应(例如，速度、加速、减速、方向)的信息。驾驶统计数据123还可包括描述不同时间点下的驾驶环境的信息，例如，路线(包括起始位置和目的地位置)、MPOI、道路状况、天气状况等。
基于驾驶统计数据123，出于各种目的，机器学习引擎122生成或训练一组规则、算法和/或预测模型124。算法124包括用于在操作ADV期间可能改变车道的目的而跟踪不同车道中的车辆的算法。然后算法124可上传到ADV上，以在自动驾驶期间实时使用。
图3A和图3B是示出根据一个实施方式的与自动驾驶车辆一起使用的感知与规划系统的示例的框图。系统300可实施为图1的自动驾驶车辆101的一部分，包括但不限于感知与规划系统110、控制系统111和传感器系统115。参考图3A至图3B，感知与规划系统110包括但不限于定位模块301、感知模块302、预测模块303、决策模块304、规划模块305、控制模块306、路线安排模块307、车道速度检测模块308。
模块301至308中的一些或全部可以以软件、硬件或其组合实施。例如，这些模块可安装在永久性存储装置352中、加载到存储器351中，并且由一个或多个处理器(未示出)执行。应注意，这些模块中的一些或全部可通信地联接到图2的车辆控制系统111的一些或全部模块或者与它们集成在一起。模块301至308中的一些可一起集成为集成模块。
定位模块301确定自动驾驶车辆300的当前位置(例如，利用GPS单元212)以及管理与用户的行程或路线相关的任何数据。定位模块301(又称作为地图与路线模块)管理与用户的行程或路线相关的任何数据。用户可例如经由用户接口登录并且指定行程的起始位置和目的地。定位模块301与自动驾驶车辆300的诸如地图与路线信息311的其它部件通信，以获得行程相关数据。例如，定位模块301可从位置服务器和地图与POI(MPOI)服务器获得位置和路线信息。位置服务器提供位置服务，并且MPOI服务器提供地图服务和某些位置的POI，从而可作为地图与路线信息311的一部分高速缓存。当自动驾驶车辆300沿着路线移动时，定位模块301也可从交通信息系统或服务器获得实时交通信息。
基于由传感器系统115提供的传感器数据和由定位模块301获得的定位信息，感知模块302确定对周围环境的感知。感知信息可表示普通驾驶员在驾驶员正驾驶的车辆周围将感知到的东西。感知可包括例如采用对象形式的车道配置、交通灯信号、另一车辆的相对位置、行人、建筑物、人行横道或其它交通相关标志(例如，停止标志、让行标志)等。车道配置包括描述一个或多个车道的信息，诸如，例如车道的形状(例如，直线或弯曲)、车道的宽度、道路中的车道数量、单向或双向车道、合并或分开车道、出口车道等。
感知模块302可包括计算机视觉系统或计算机视觉系统的功能，以处理并分析由一个或多个摄像机采集的图像，从而识别自动驾驶车辆环境中的对象和/或特征。所述对象可包括交通信号、道路边界、其它车辆、行人和/或障碍物等。计算机视觉系统可使用对象识别算法、视频跟踪以及其它计算机视觉技术。在一些实施方式中，计算机视觉系统可绘制环境地图，跟踪对象，以及估算对象的速度等。感知模块302也可基于由诸如雷达和/或LIDAR的其它传感器提供的其它传感器数据来检测对象。
针对每个对象，预测模块303预测对象在这种情况下将如何表现。预测是基于感知数据执行的，该感知数据在考虑一组地图/路线信息311和交通规则312的时间点感知驾驶环境。例如，如果对象为相反方向上的车辆且当前驾驶环境包括十字路口，则预测模块303将预测车辆是否可能会笔直向前移动或转弯。如果感知数据表明十字路口没有交通灯，则预测模块303可能会预测车辆在进入十字路口之前可能需要完全停车。如果感知数据表明车辆目前处于左转唯一车道或右转唯一车道，则预测模块303可能预测车辆将更可能分别左转或右转。
针对每个对象，决策模块304作出关于如何处置对象的决定。例如，针对特定对象(例如，交叉路线中的另一车辆)以及描述对象的元数据(例如，速度、方向、转弯角度)，决策模块304决定如何与所述对象相遇(例如，超车、让行、停止、超过)。决策模块304可根据诸如交通规则或驾驶规则312的规则集来作出此类决定，所述规则集可存储在永久性存储装置352中。
路线安排模块307配置成提供从起始点到目的地点的一个或多个路线或路径。对于从起始位置到目的地位置的给定行程，例如从用户接收的给定行程，路线安排模块307获得路线与地图信息311，并确定从起始位置至到达目的地位置的所有可能路线或路径。路线安排模块307可生成地形图形式的参考线，它确定了从起始位置至到达目的地位置的每个路线。参考线是指不受其它诸如其它车辆、障碍物或交通状况的任何干扰的理想路线或路径。即，如果道路上没有其它车辆、行人或障碍物，则ADV应精确地或紧密地跟随参考线。然后，将地形图提供至决策模块304和/或规划模块305。决策模块304和/或规划模块305检查所有可能的路线，以根据由其它模块提供的其它数据选择和更改最佳路线中的一个，其中，其它数据诸如为来自定位模块301的交通状况、由感知模块302感知到的驾驶环境以及由预测模块303预测的交通状况。根据时间点下的特定驾驶环境，用于控制ADV的实际路径或路线可能接近于或不同于由路线安排模块307提供的参考线。
基于针对所感知到的对象中的每个的决定，规划模块305使用由路线安排模块307提供的参考线作为基础，为自动驾驶车辆规划路径或路线以及驾驶参数(例如，距离、速度和/或转弯角度)。换言之，针对给定的对象，决策模块304决定对该对象做什么，而规划模块305确定如何去做。例如，针对给定的对象，决策模块304可决定超过所述对象，而规划模块305可确定在所述对象的左侧还是右侧超过。规划和控制数据由规划模块305生成，包括描述车辆300在下一移动循环(例如，下一路线/路径段)中将如何移动的信息。例如，规划和控制数据可指示车辆300以30英里每小时(mph)的速度移动10米，随后以25mph的速度变到右侧车道。
基于规划和控制数据，控制模块306根据由规划和控制数据限定的路线或路径通过将适当的命令或信号发送到车辆控制系统111来控制并驾驶自动驾驶车辆。所述规划和控制数据包括足够的信息，以沿着路径或路线在不同的时间点使用适当的车辆设置或驾驶参数(例如，油门、制动、转向命令)将车辆从路线或路径的第一点驾驶到第二点。
在一个实施方式中，规划阶段在多个规划周期(也称作为驾驶周期)中执行，例如，在每个时间间隔为100毫秒(ms)的周期中执行。对于规划周期或驾驶周期中的每个，将基于规划和控制数据发出一个或多个控制命令。即，对于每100ms，规划模块305规划下一个路线段或路径段，例如，包括目标位置和ADV到达目标位置所需要的时间。可替代地，规划模块305还可规定具体的速度、方向和/或转向角等。在一个实施方式中，规划模块305为下一个预定时段(诸如，5秒)规划路线段或路径段。对于每个规划周期，规划模块305基于在前一周期中规划的目标位置规划用于当前周期(例如，下一个5秒)的目标位置。控制模块306然后基于当前周期的规划和控制数据生成一个或多个控制命令(例如，油门、制动、转向控制命令)。
应注意，决策模块304和规划模块305可集成为集成模块。决策模块304/规划模块305可包括导航系统或导航系统的功能，以确定自动驾驶车辆的驾驶路径。例如，导航系统可确定用于影响自动驾驶车辆沿着以下路径移动的一系列速度和前进方向：所述路径在使自动驾驶车辆沿着通往最终目的地的基于车行道的路径前进的同时，基本上避免感知到的障碍物。目的地可根据经由用户接口系统113进行的用户输入来设定。导航系统可在自动驾驶车辆正在运行的同时动态地更新驾驶路径。导航系统可将来自GPS系统和一个或多个地图的数据合并，以确定用于自动驾驶车辆的驾驶路径。
在一个实施方式中，车道速度检测模块308配置为确定与ADV正行驶的当前车道相邻的车道的交通流模式。车道速度检测模块308可实施为规划模块305的一部分。在一个实施方式中，车道速度检测模块308配置为跟踪在车道中行进一段时间(例如，两分钟)的车辆中的每个。对于规划周期中的每个，车道速度检测模块308为每个车辆记录该车辆正行进的车道及其位置。所记录的数据可作为车辆跟踪数据313的一部分存储在永久性存储装置352中。
基于跟踪数据，车道速度检测模块308周期性地将多个车辆(例如，五个车辆)识别为在一段时间内在同一车道中一致行进的代表性车辆。基于代表性车辆，计算车辆的平均速度，以表示车道的车道速度。然后可基于车道的平均速度来识别快速移动车道。系统可利用这种信息来确定是否是改变车道的时间，或者可替代地，可通知ADV的乘客。
参考图4，示出了说明可实践本公开的实施方式的环境400的图示。ADV 401在第一方向上在多车道道路上行进。其它车辆402在道路的各个车道中以与ADV 401相同的方向行进。基于这里描述的实施方式，ADV 401可基于其它车辆402的感知确定车道中的每个(左、中、右等)的平均行进速度。在一个实施方式中，ADV 401可变更到确定为与最快平均行进速度相关联的车道中。图7示出了由车道速度检测模块308记录的车辆跟踪数据313的示例。参考图7，表700被维护以用于由ADV感知到的车辆中的每个。针对每个记录时间(例如，规划周期)，记录相应车辆正行进的车道及其位置。基于存储在表700中的信息，可确定相应车辆在内部停留的时间及其平均速度。
参考图5，示出了说明根据一个实施方式的用于确定平均车道行进速度的示例性方法500的流程图。方法500可以以硬件、软件或其组合来实施。在框510处，在第一时刻和自动驾驶车辆(ADV)的感测范围内，识别在多个车道中以与ADV相同的方向行进的多个车辆。在框520处，在从第一时刻至第二时刻的第一时间段内，跟踪多个车辆。该跟踪包括在每个感知周期并针对多个车辆中的每个，确定车辆正行进的车道以及在车辆正行进的车道内的位置。每个感知周期均与时刻相关联。在一个实施方式中，第二时刻在第一时刻之后2分钟(即，第一时间段为2分钟长)。应当理解，第一时间段的长度不限制本公开。
在框530处，在第二时刻之后并针对多个车道中的每个，识别多个车辆中的、表示在第一时间段内在车道中行进的车辆的至少第一数量的代表性车辆。在一个实施方式中，为车道中的每个识别至少5个代表性车辆。在一个实施方式中，与车道相关联的代表性车辆需要满足两个条件：1)在第一时间段内可跟踪代表性车辆的总时间满足或超过阈值，以及2)在可跟踪代表性车辆的每个感知周期，代表性车辆在相关联的车道中行进。在一个实施方式中，在第一时间段内可跟踪代表性车辆的总时间应满足或超过第一时间段的90％。应当理解，实际阈值/百分比不限制本公开。
在框540处，针对多个车道中的每个，确定与车道相关联的代表性车辆在第一时间段上的平均速度。在一个实施方式中，基于代表性车辆在第一感知周期的第一跟踪结果和代表性车辆在第二感知周期的第二跟踪结果来确定代表性车辆的平均速度，第一感知周期是可跟踪代表性车辆的在时间上最接近第一时刻的(以及在第一时刻之后)感知周期，第二感知周期是可跟踪代表性车辆的在时间上最接近第二时刻(以及在第二时刻之前)的感知周期。
在一个实施方式中，第一感知周期与第三时刻相关联。第二感知周期与第四时刻相关联。代表性车辆的第一跟踪结果包括代表性车辆的第一位置。代表性车辆的第二跟踪结果包括代表性车辆的第二位置。代表性车辆的平均速度确定为第一位置与第二位置之间的距离除以从第三时刻至第四时刻的第二时间段。
在一个实施方式中，当可为车道识别出少于第一数量的代表性车辆时，不为车道确定代表性车辆在第一时间段上的平均速度。
在框550处，基于与多个车道中的每个相关联的代表性车辆的平均速度，规划ADV的轨迹。规划的轨迹朝向其代表性车辆具有最快平均速度的车道移动。此后，在框560处，基于规划的轨迹生成控制信号以控制ADV的操作。
应当理解，方法500可周期性地或时常地重复，以考虑包括平均车道行进速度的交通状况的变化。
参考图6，示出了说明可与本公开的实施方式一起使用的各种模块的框图600。模块可以以硬件、软件或其组合来实施。车辆识别模块610在第一时刻并且在自动驾驶车辆(ADV)的感测范围内识别在多个车道中以与ADV相同的方向行进的多个车辆。车辆跟踪模块620在从第一时刻至第二时刻的第一时间段跟踪多个车辆，包括在每个感知周期并针对多个车辆中的每个，确定车辆正行进的车道以及在车辆正行进的车道内的位置。每个感知周期均与时刻相关联。代表性车辆识别模块630在第二时刻之后并且针对多个车道中的每个，识别多个车辆中的、表示在第一时间段内在车道中行进的车辆的至少第一数量的代表性车辆。平均车道速度确定模块640为多个车道中的每个确定与车道相关联的代表性车辆在第一时间段上的平均速度。规划模块650基于与多个车道中的每个相关联的代表性车辆的平均速度来规划ADV的轨迹。规划的轨迹朝向其代表性车辆具有最快平均速度的车道移动。控制模块660基于规划的轨迹生成控制信号以控制ADV的操作。
应注意，如上文示出和描述的部件中的一些或全部可在软件、硬件或其组合中实施。例如，此类部件可实施为安装并存储在永久性存储装置中的软件，所述软件可通过处理器(未示出)加载在存储器中并在存储器中执行以实施贯穿本申请所述的过程或操作。可替代地，此类部件可实施为编程或嵌入到专用硬件(诸如，集成电路(例如，专用集成电路或ASIC)、数字信号处理器(DSP)或现场可编程门阵列(FPGA))中的可执行代码，所述可执行代码可经由来自应用的相应驱动程序和/或操作系统来访问。此外，此类部件可实施为处理器或处理器内核中的特定硬件逻辑，作为可由软件部件通过一个或多个特定指令访问的指令集的一部分。
前述详细描述中的一些部分已经根据在计算机存储器内对数据位的运算的算法和符号表示而呈现。这些算法描述和表示是数据处理领域中的技术人员所使用的方式，以将他们的工作实质最有效地传达给本领域中的其他技术人员。本文中，算法通常被认为是导致所期望结果的自洽操作序列。这些操作是指需要对物理量进行物理操控的操作。
然而，应当牢记，所有这些和类似的术语均旨在与适当的物理量关联，并且仅仅是应用于这些量的方便标记。除非在以上讨论中以其它方式明确地指出，否则应当了解，在整个说明书中，利用术语(诸如所附权利要求书中所阐述的术语)进行的讨论是指计算机系统或类似电子计算装置的动作和处理，所述计算机系统或电子计算装置操控计算机系统的寄存器和存储器内的表示为物理(电子)量的数据，并将所述数据变换成计算机系统存储器或寄存器或者其它此类信息存储装置、传输或显示装置内类似地表示为物理量的其它数据。
本公开的实施方式还涉及用于执行本文中的操作的设备。这种计算机程序存储在非暂时性计算机可读介质中。机器可读介质包括用于以机器(例如，计算机)可读的形式存储信息的任何机构。例如，机器可读(例如，计算机可读)介质包括机器(例如，计算机)可读存储介质(例如，只读存储器(“ROM”)、随机存取存储器(“RAM”)、磁盘存储介质、光存储介质、闪存存储器装置)。
前述附图中所描绘的过程或方法可由处理逻辑来执行，所述处理逻辑包括硬件(例如，电路、专用逻辑等)、软件(例如，体现在非暂时性计算机可读介质上)或两者的组合。尽管所述过程或方法在上文是依据一些顺序操作来描述的，但是应当了解，所述操作中的一些可按不同的顺序执行。此外，一些操作可并行地执行而不是顺序地执行。
本公开的实施方式并未参考任何特定的编程语言进行描述。应认识到，可使用多种编程语言来实施如本文描述的本公开的实施方式的教导。
在以上的说明书中，已经参考本公开的具体示例性实施方式对本公开的实施方式进行了描述。将显而易见的是，在不脱离所附权利要求书中阐述的本公开的更宽泛精神和范围的情况下，可对本发明作出各种修改。因此，应当在说明性意义而不是限制性意义上来理解本说明书和附图。

Claims (20)

1.一种用于操作自动驾驶车辆的计算机实施的方法，所述方法包括：
在从第一时刻至第二时刻的第一时间段内跟踪在多个车道中行进的多个车辆，包括在每个感知周期并针对所述多个车辆中的每个，确定车辆正行进的车道和在该车辆正行进的车道内的位置；
在所述第二时刻之后并针对所述多个车道中的每个，识别所述多个车辆中的、表示在所述第一时间段内在该车道中行进的车辆的至少第一数量的代表性车辆；
针对所述多个车道中的每个，确定与该车道相关联的代表性车辆在所述第一时间段上的平均速度；以及
基于与所述多个车道中的每个相关联的代表性车辆的平均速度来规划所述自动驾驶车辆的轨迹，以用于可能的车道变更。
2.如权利要求1所述的方法，其中，所述第二时刻大约在所述第一时刻之后2分钟，并且为所述车道中的每个识别至少5个代表性车辆。
3.如权利要求1所述的方法，其中，与车道相关联的代表性车辆满足：
1)在所述第一时间段内能够跟踪所述代表性车辆的总时间满足或超过阈值，以及
2)在能够跟踪所述代表性车辆的每个感知周期，所述代表性车辆在所相关联的车道中行进。
4.如权利要求3所述的方法，其中，所述阈值约等于所述第一时间段的90％。
5.如权利要求1所述的方法，其中，基于代表性车辆在第一感知周期的第一跟踪结果和所述代表性车辆在第二感知周期的第二跟踪结果来确定所述代表性车辆的平均速度，所述第一感知周期是能够跟踪所述代表性车辆的在时间上最接近所述第一时刻的感知周期，所述第二感知周期是能够跟踪所述代表性车辆的在时间上最接近所述第二时刻的感知周期。
6.如权利要求5所述的方法，
其中，所述第一感知周期与第三时刻相关联，所述第二感知周期与第四时刻相关联，所述代表性车辆的所述第一跟踪结果包括所述代表性车辆的第一位置，以及所述代表性车辆的所述第二跟踪结果包括所述代表性车辆的第二位置，以及
其中，将所述代表性车辆的平均速度确定为所述第一位置与所述第二位置之间的距离除以从所述第三时刻至所述第四时刻的第二时间段。
7.如权利要求1所述的方法，其中，当能够为车道识别出少于所述第一数量的代表性车辆时，不为该车道确定代表性车辆在所述第一时间段上的平均速度。
8.一种存储有指令的非暂时性机器可读介质，所述指令在由处理器执行时致使所述处理器执行操作自动驾驶车辆的操作，所述操作包括：
在从第一时刻至第二时刻的第一时间段内跟踪在多个车道中行进的多个车辆，包括在每个感知周期并针对所述多个车辆中的每个确定车辆正行进的车道和在该车辆正行进的车道内的位置；
在所述第二时刻之后并针对所述多个车道中的每个，识别所述多个车辆中的、表示在所述第一时间段内在该车道中行进的车辆的至少第一数量的代表性车辆；
针对所述多个车道中的每个，确定与该车道相关联的代表性车辆在所述第一时间段上的平均速度；以及
基于与所述多个车道中的每个相关联的代表性车辆的平均速度来规划所述自动驾驶车辆的轨迹，以用于可能的车道变更。
9.如权利要求8所述的非暂时性机器可读介质，其中，所述第二时刻在所述第一时刻之后2分钟，并且为所述车道中的每个识别至少5个代表性车辆。
10.如权利要求8所述的非暂时性机器可读介质，其中，与车道相关联的代表性车辆满足：
1)在所述第一时间段内能够跟踪所述代表性车辆的总时间满足或超过阈值，以及
2)在能够跟踪所述代表性车辆的每个感知周期，所述代表性车辆在所相关联的车道中行进。
11.如权利要求10所述的非暂时性机器可读介质，其中，所述阈值等于所述第一时间段的90％。
12.如权利要求8所述的非暂时性机器可读介质，其中，基于代表性车辆在第一感知周期的第一跟踪结果和所述代表性车辆在第二感知周期的第二跟踪结果来确定所述代表性车辆的平均速度，所述第一感知周期是能够跟踪所述代表性车辆的在时间上最接近所述第一时刻的感知周期，所述第二感知周期是能够跟踪所述代表性车辆的在时间上最接近所述第二时刻的感知周期。
13.如权利要求12所述的非暂时性机器可读介质，
其中，所述第一感知周期与第三时刻相关联，所述第二感知周期与第四时刻相关联，所述代表性车辆的第一跟踪结果包括所述代表性车辆的第一位置，以及所述代表性车辆的第二跟踪结果包括所述代表性车辆的第二位置，以及
其中，将所述代表性车辆的平均速度确定为所述第一位置与所述第二位置之间的距离除以从所述第三时刻至所述第四时刻的第二时间段。
14.如权利要求8所述的非暂时性机器可读介质，其中，当能够为车道识别出少于所述第一数量的代表性车辆时，不为所述车道确定代表性车辆在所述第一时间段上的平均速度。
15.一种数据处理系统，包括：
处理器；以及
存储器，联接至所述处理器以存储指令，所述指令在由所述处理器执行时致使所述处理器执行操作自动驾驶车辆的操作，所述操作包括：
在从第一时刻至第二时刻的第一时间段内跟踪在多个车道中行进的多个车辆，包括在每个感知周期并针对所述多个车辆中的每个确定车辆正行进的车道和在该车辆正行进的车道内的位置；
在所述第二时刻之后并针对所述多个车道中的每个，识别所述多个车辆中的、表示在所述第一时间段内在该车道中行进的车辆的至少第一数量的代表性车辆；
针对所述多个车道中的每个，确定与该车道相关联的代表性车辆在所述第一时间段上的平均速度；以及
基于与所述多个车道中的每个相关联的代表性车辆的平均速度来规划所述自动驾驶车辆的轨迹，以用于可能的车道变更。
16.如权利要求15所述的数据处理系统，其中，所述第二时刻在所述第一时刻之后2分钟，并且为所述车道中的每个识别至少5个代表性车辆。
17.如权利要求15所述的数据处理系统，其中，与车道相关联的代表性车辆满足：
1)在所述第一时间段内能够跟踪所述代表性车辆的总时间满足或超过阈值，以及
2)在能够跟踪所述代表性车辆的每个感知周期，所述代表性车辆在所相关联的车道中行进。
18.如权利要求17所述的数据处理系统，其中，所述阈值等于所述第一时间段的90％。
19.如权利要求15所述的数据处理系统，其中，基于代表性车辆在第一感知周期的第一跟踪结果和所述代表性车辆在第二感知周期的第二跟踪结果来确定所述代表性车辆的平均速度，所述第一感知周期是能够跟踪所述代表性车辆的在时间上最接近所述第一时刻的感知周期，所述第二感知周期是最接近能够跟踪所述代表性车辆的在时间上所述第二时刻的感知周期。
20.如权利要求19所述的数据处理系统，
其中，所述第一感知周期与第三时刻相关联，所述第二感知周期与第四时刻相关联，所述代表性车辆的第一跟踪结果包括所述代表性车辆的第一位置，以及所述代表性车辆的第二跟踪结果包括所述代表性车辆的第二位置，以及
其中，将所述代表性车辆的平均速度确定为所述第一位置与所述第二位置之间的距离除以从所述第三时刻至所述第四时刻的第二时间段。
CN202010455563.5A 2019-12-30 2020-05-26 交通堵塞情况下的最快车道确定算法 Active CN113129624B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/730,197 US11880201B2 (en) 2019-12-30 2019-12-30 Fastest lane determination algorithm under traffic jam
US16/730,197 2019-12-30

Publications (2)

Publication Number Publication Date
CN113129624A true CN113129624A (zh) 2021-07-16
CN113129624B CN113129624B (zh) 2023-07-25

Family

ID=76546218

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010455563.5A Active CN113129624B (zh) 2019-12-30 2020-05-26 交通堵塞情况下的最快车道确定算法

Country Status (2)

Country Link
US (1) US11880201B2 (zh)
CN (1) CN113129624B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114889611A (zh) * 2022-05-25 2022-08-12 重庆长安汽车股份有限公司 基于自学习的路口车道选择的控制系统及方法
CN114889611B (zh) * 2022-05-25 2024-05-14 重庆长安汽车股份有限公司 基于自学习的路口车道选择的控制系统及方法

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11904890B2 (en) * 2020-06-17 2024-02-20 Baidu Usa Llc Lane change system for lanes with different speed limits
KR20220056923A (ko) * 2020-10-28 2022-05-09 현대자동차주식회사 자율주행 제어 장치 및 방법
CN114299712B (zh) * 2021-11-26 2024-03-01 腾讯科技（深圳）有限公司 一种数据处理方法、装置、设备以及可读存储介质
US20230339394A1 (en) * 2022-04-22 2023-10-26 Velo.Ai, Inc Artificially intelligent mobility safety system

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002334393A (ja) * 2001-05-11 2002-11-22 Nissan Motor Co Ltd 車線選択装置
WO2010045903A1 (de) * 2008-10-21 2010-04-29 Continental Teves Ag & Co. Ohg Vorrichtung und verfahren zur steuerung und/oder regelung eines fahrzeugs unter verwendung von informationen über fahrzeuge benachbarter fahrspuren
US20160363935A1 (en) * 2015-06-15 2016-12-15 Gary Shuster Situational and predictive awareness system
US20180043897A1 (en) * 2016-08-10 2018-02-15 Toyota Jidosha Kabushiki Kaisha Autonomous driving system
CN107943016A (zh) * 2016-10-13 2018-04-20 百度（美国）有限责任公司 用于自主车辆的群体驾驶风格学习框架
US20190100211A1 (en) * 2017-09-29 2019-04-04 Neusoft Corporation Vehicle lane-changing control method, vehicle lanechanging control device and related equipment
US20190180626A1 (en) * 2017-12-13 2019-06-13 Hyundai Motor Company Apparatus and method for determining intention to cut in
CN110488802A (zh) * 2019-08-21 2019-11-22 清华大学 一种网联环境下的自动驾驶车辆动态行为决策方法
US20190382018A1 (en) * 2018-06-18 2019-12-19 Valeo Schalter Und Sensoren Gmbh Proactive safe driving for an automated vehicle

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6394554B2 (ja) * 2014-10-31 2018-09-26 株式会社デンソー 運転支援装置
RU2721635C1 (ru) * 2016-07-25 2020-05-21 Ниссан Мотор Ко., Лтд. Способ помощи при смене полосы движения и устройство помощи при смене полосы движения
JP6572847B2 (ja) * 2016-08-10 2019-09-11 トヨタ自動車株式会社 自動運転システム
JP6583185B2 (ja) * 2016-08-10 2019-10-02 トヨタ自動車株式会社 自動運転システム及び自動運転車両
JP6520862B2 (ja) * 2016-08-10 2019-05-29 トヨタ自動車株式会社 自動運転システム
US10803740B2 (en) * 2017-08-11 2020-10-13 Cubic Corporation System and method of navigating vehicles
US11377101B2 (en) * 2017-11-20 2022-07-05 Sony Corporation Information processing apparatus, information processing method, and vehicle
DE102018000101A1 (de) * 2018-01-09 2019-07-11 Lucas Automotive Gmbh Ein Steuerungssystem und ein Steuerungsverfahren für ein Kraftfahrzeug mit einer Datenbank
US20200361471A1 (en) * 2019-05-14 2020-11-19 GM Global Technology Operations LLC Method and apparatus for controlling a vehicle to execute an automatic lane change maneuver

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002334393A (ja) * 2001-05-11 2002-11-22 Nissan Motor Co Ltd 車線選択装置
WO2010045903A1 (de) * 2008-10-21 2010-04-29 Continental Teves Ag & Co. Ohg Vorrichtung und verfahren zur steuerung und/oder regelung eines fahrzeugs unter verwendung von informationen über fahrzeuge benachbarter fahrspuren
US20160363935A1 (en) * 2015-06-15 2016-12-15 Gary Shuster Situational and predictive awareness system
US20180043897A1 (en) * 2016-08-10 2018-02-15 Toyota Jidosha Kabushiki Kaisha Autonomous driving system
CN107943016A (zh) * 2016-10-13 2018-04-20 百度（美国）有限责任公司 用于自主车辆的群体驾驶风格学习框架
US20190100211A1 (en) * 2017-09-29 2019-04-04 Neusoft Corporation Vehicle lane-changing control method, vehicle lanechanging control device and related equipment
US20190180626A1 (en) * 2017-12-13 2019-06-13 Hyundai Motor Company Apparatus and method for determining intention to cut in
US20190382018A1 (en) * 2018-06-18 2019-12-19 Valeo Schalter Und Sensoren Gmbh Proactive safe driving for an automated vehicle
CN110488802A (zh) * 2019-08-21 2019-11-22 清华大学 一种网联环境下的自动驾驶车辆动态行为决策方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114889611A (zh) * 2022-05-25 2022-08-12 重庆长安汽车股份有限公司 基于自学习的路口车道选择的控制系统及方法
CN114889611B (zh) * 2022-05-25 2024-05-14 重庆长安汽车股份有限公司 基于自学习的路口车道选择的控制系统及方法

Also Published As

Publication number Publication date
CN113129624B (zh) 2023-07-25
US11880201B2 (en) 2024-01-23
US20210200222A1 (en) 2021-07-01

Similar Documents

Publication Publication Date Title
CN111775945B (zh) 用于自动驾驶的用于检测最接近的路径内对象的方法和装置
CN112572451A (zh) 用于自主驾驶车辆执行的方法和装置
CN112363492A (zh) 用于操作自动驾驶车辆的计算机实施的方法以及数据处理系统
CN112498365A (zh) 基于置信度水平和距离、响应于障碍物的自动驾驶车辆的延迟决策
US11485360B2 (en) Dynamic speed limit adjustment system based on perception results
CN113448329B (zh) 减少用于规划自主驾驶车辆的路径的障碍物的方法及系统
CN113129624B (zh) 交通堵塞情况下的最快车道确定算法
CN113495560A (zh) 基于场景的自动驾驶车辆控制
CN112180912A (zh) 用于为自动驾驶车辆规划路径的分级路径决策系统
CN113442945A (zh) 用于自动驾驶车辆的使用反馈的增量式侧向控制系统
CN112230646A (zh) 设计用于单车运行的自动驾驶系统下的车辆队列实施
CN113748059A (zh) 离线和在线解决方案相结合的停车轨迹生成方法
CN113247017B (zh) 用于确保自动驾驶车辆的稳定绕行的双缓冲系统
CN113815640A (zh) 用于具有不同速度限制的车道的车道变更系统
CN112829770A (zh) 基于车道边界和车辆速度的绕行决策
CN112985435A (zh) 用于操作自主驾驶车辆的方法及系统
CN113060140A (zh) 基于中心线移位的变道前路径规划
CN113428173A (zh) 用于自动驾驶车辆的静态曲率误差补偿控制逻辑
CN113002534A (zh) 碰撞后减损制动系统
CN115871712A (zh) 操作自主驾驶车辆的方法和系统
EP3889944A1 (en) A vehicle, fleet management and traffic light interaction architecture design via v2x
US11288528B2 (en) Differentiation-based traffic light detection
CN112598914B (zh) 基于历史的预计到达时间
US20210284195A1 (en) Obstacle prediction system for autonomous driving vehicles
CN212391730U (zh) 用于自动驾驶车辆的光探测和测距装置

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