CN113212454B - 车辆行驶状态的调整方法、装置、计算机设备和存储介质 - Google Patents
车辆行驶状态的调整方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN113212454B CN113212454B CN202110551266.5A CN202110551266A CN113212454B CN 113212454 B CN113212454 B CN 113212454B CN 202110551266 A CN202110551266 A CN 202110551266A CN 113212454 B CN113212454 B CN 113212454B
- Authority
- CN
- China
- Prior art keywords
- driving
- vehicle
- data
- determining
- obstacle
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000008447 perception Effects 0.000 claims abstract description 29
- 230000006399 behavior Effects 0.000 claims description 26
- 230000001133 acceleration Effects 0.000 claims description 6
- 241001465754 Metazoa Species 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 230000004888 barrier function Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- B60W60/0015—Planning or execution of driving tasks specially adapted for safety
- B60W60/0016—Planning or execution of driving tasks specially adapted for safety of the vehicle or its occupants
-
- B60W2420/408—
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
-
- 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
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/53—Road markings, e.g. lane marker or crosswalk
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4042—Longitudinal speed
-
- 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
- B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
- B60W2555/60—Traffic rules, e.g. speed limits or right of way
-
- 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
- B60W2720/00—Output or target parameters relating to overall vehicle dynamics
- B60W2720/10—Longitudinal speed
Abstract
本发明公开了一种车辆行驶状态的调整方法、装置、计算机设备和存储介质。该方法包括:实时获取本车行驶数据和驾驶场景描述数据,并将本车行驶数据和驾驶场景描述数据以三元组结构进行存储;所述驾驶场景描述数据包括感知数据和/或意图预测数据;若根据本车行驶数据和驾驶场景描述数据确定满足驾驶事件触发条件,则根据驾驶知识数据库确定车辆行驶状态的调整策略;所述驾驶知识数据库包括交通规则库和驾驶案例库。使用本发明的技术方案,可以实现根据交通规则和驾驶经验对车辆的行驶状态进行及时调整,提高自动驾驶车辆对动态交通场景的适应性。
Description
技术领域
本发明实施例涉及自动驾驶技术领域,尤其涉及一种车辆行驶状态的调整方法、装置、计算机设备和存储介质。
背景技术
自动驾驶车辆是一种典型的复杂人工智能系统,自动驾驶车辆在车联网技术和人工智能技术的支持下,能够协调出行路线与规划时间,从而大程度提高出行效率,减少安全隐患。
现有的自动驾驶研究中,自动驾驶车辆基本上依赖于传感器数据和预定规则完成特定的任务,无法像驾驶员一样进行行为决策,从而无法适应具有高动态性和强随机性的开放交通场景。
发明内容
本发明实施例提供一种车辆行驶状态的调整方法、装置、计算机设备和存储介质,以实现根据交通规则和驾驶经验对车辆的行驶状态进行及时调整,提高自动驾驶车辆对动态交通场景的适应性。
第一方面,本发明实施例提供了一种车辆行驶状态的调整方法,该方法包括:
实时获取本车行驶数据和驾驶场景描述数据,并将本车行驶数据和驾驶场景描述数据以三元组结构进行存储;所述驾驶场景描述数据包括感知数据和/或意图预测数据;
若根据本车行驶数据和驾驶场景描述数据确定满足驾驶事件触发条件,则根据驾驶知识数据库确定车辆行驶状态的调整策略;所述驾驶知识数据库包括交通规则库和驾驶案例库。
第二方面,本发明实施例还提供了一种车辆行驶状态的调整装置,该装置包括:
数据获取模块,用于实时获取本车行驶数据和驾驶场景描述数据,并将本车行驶数据和驾驶场景描述数据以三元组结构进行存储;所述驾驶场景描述数据包括感知数据和/或意图预测数据;
调整策略确定模块,用于若根据本车行驶数据和驾驶场景描述数据确定满足驾驶事件触发条件,则根据驾驶知识数据库确定车辆行驶状态的调整策略;所述驾驶知识数据库包括交通规则库和驾驶案例库。
第三方面,本发明实施例还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如本发明实施例中任一所述的车辆行驶状态的调整方法。
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本发明实施例中任一所述的车辆行驶状态的调整方法。
本发明实施例通过预先设置包括规则库和驾驶案例库的驾驶知识数据库,实时获取本车行驶数据和驾驶场景描述数据,对本车行驶数据和驾驶场景描述数据进行三元组结构的存储,当根据本车行驶数据和驾驶场景描述数据确定满足驾驶事件触发条件时,根据驾驶知识数据库确定车辆行驶状态的调整策略。解决了现有技术中自动驾驶车辆依赖于传感器数据和预定规则完成特定的任务,无法像驾驶员一样进行行为决策,从而无法适应具有高动态性和强随机性的开放交通场景的问题,实现了根据交通规则和驾驶经验对车辆的行驶状态进行及时调整,提高了自动驾驶车辆对动态交通场景的适应性。
附图说明
图1是本发明实施例一中的一种车辆行驶状态的调整方法的流程图;
图2是本发明实施例二中的一种车辆行驶状态的调整方法的流程图;
图3是本发明实施例三中的一种车辆行驶状态的调整装置的结构示意图;
图4是本发明实施例四中的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一提供的一种车辆行驶状态的调整方法的流程图,本实施例可适用于在复杂的交通场景中,辅助自动驾驶车辆调整车辆行驶状态的情况,该方法可以由车辆行驶状态的调整装置来执行,该装置可以由软件和/或硬件来实现,并一般集成在计算机设备中,典型的,计算机设备可以是车载设备,并与车载摄像机、车载传感器等装置配合使用。
如图1所示,本发明实施例的技术方案,具体包括如下步骤:
S110、实时获取本车行驶数据和驾驶场景描述数据,并将本车行驶数据和驾驶场景描述数据以三元组结构进行存储。
其中,所述驾驶场景描述数据包括感知数据和/或意图预测数据。
本车行驶数据是当前车辆在行驶过程中产生的数据,例如,速度、加速度、当前位置等。驾驶场景描述数据用于表示当前车辆的驾驶场景,感知数据是当前车辆的传感器、相机等数据采集装置获取的数据,以及对获取的数据进行处理得到的数据。例如,感知数据可以是车载相机采集到的车辆前方的交通标志、车道线、地标等,可以是车载激光雷达传感器探测得到的车辆前方的车辆、行人等,可以是根据车载相机采集到的车辆前方图像检测得到的车辆前方障碍物,还可以是根据激光雷达传感器探测得到的动态障碍物的速度等数据。
意图预测数据是根据感知数据中的车辆障碍物的速度、距离等数据,预测得到的车辆障碍物的下一步行为,或者根据感知数据中的行人障碍物的行动轨迹等数据,预测得到的行人障碍物是否过马路等的下一步行为。示例性的,当根据感知数据确定存在动态障碍物时,将该动态障碍物相关的感知数据输入至意图预测模型,从而获取意图预测模型输出的意图预测数据。意图预测模型可以根据多个动态障碍物的历史感知数据和下一步行为,对预先设置的机器学习模型进行训练得到。
可选的,所述三元组结构包括实体类、对象属性和数据属性,其中,所述实体类包括本车、障碍物以及道路;其中,本车对应的行为包括横向行为和纵向行为,其中,所述横向行为包括以下至少一项:左换道、右换道以及车道保持,所述纵向行为包括以下至少一项:加速、减速、车速保持以及停止;障碍物对应的对象包括以下至少一项:静态障碍物和动态障碍物,其中,所述动态障碍物包括以下至少一项:行人、动物以及车辆;道路对应的对象包括以下至少一项:道路边界、车道、人行道、道路线、道路交界、交通信号灯、交通标志以及停止线。
实体类用于存储和管理系统内部的信息,在本发明实施例中,实体类包括本车、障碍物以及道路,也即,将本车行驶数据和驾驶场景描述数据分为本车、障碍物以及道路三类进行存储。需要进行说明的是,本实施例对实体类的数量和种类,以及各实体类对应的行为或对象的数量和种类不进行限制。
对象属性用于表示实体类之间的关联关系,示例性的,本车具备与障碍物之间的相对位置的属性,可以定义为hasxxxObstacle,例如hasLeftFrontObstacle,意味着本车左前方具有障碍物。当车道具有左车道和右车道时,可以定义为hasleftlane和hasrightlane。
数据属性用于表示实体类的属性,例如,本车具有当前速度、当前车道等数据属性,车道具有最右车道和最左车道等数据属性。
在本发明实施例中,将本车行驶数据和驾驶场景描述数据以三元组结构进行存储,可以根据各实体类之间的关联关系形成拓扑图,从而使本车与障碍物和道路之间、障碍物与障碍物之间以及道路与道路之间的关联关系更形象具体,并且,以三元组结构的形式存储本车行驶数据和驾驶场景描述数据,便于进行数据回溯以及驾驶知识数据库的更新。
S120、若根据本车行驶数据和驾驶场景描述数据确定满足驾驶事件触发条件,则根据驾驶知识数据库确定车辆行驶状态的调整策略。
满足驾驶事件触发条件,也即出现了新的驾驶事件,从而使本车的驾驶环境发生了变化,需要重新判断本车的行驶状态是否需要调整以及调整时的策略。
所述驾驶知识数据库包括交通规则库和驾驶案例库。交通规则库保存了多条交通规则,例如,如果当前车道限速30km/h,当前车速大于30km/h时需要降速。本实施例对交通规则库中保存的具体规则不进行限制,交通规则库可以根据法律法规、交通政策,以及本实施例在应用过程中获取的数据进行调整和更新。
驾驶案例库中保存多个历史驾驶案例,驾驶案例可以由驾驶场景描述、本车行为以及其他交通参与者行为三部分组成。示例性的,当驾驶案例为“检测到一辆公共汽车在本车左前方20m,以30km/h的速度行驶”时,驾驶案例的格式可以为{特殊事件;目标:公共汽车;距离:20m,左前;速度:本车20km/h,公共汽车30km/h;策略:(加速,本车,40km/h)}。但本实施例对驾驶案例的具体格式不进行限制。
在本发明实施例中,当满足驾驶事件触发条件时,根据本车行驶数据和驾驶场景描述数据以及驾驶知识数据库,确定车辆行驶状态的调整策略,可以实现模拟驾驶员的行为决策过程,将交通规则和驾驶经验进行结合调整车辆行驶状态,从而可以应对各种复杂动态的交通场景。
本实施例的技术方案,通过预先设置包括规则库和驾驶案例库的驾驶知识数据库,实时获取本车行驶数据和驾驶场景描述数据,对本车行驶数据和驾驶场景描述数据进行三元组结构的存储,当根据本车行驶数据和驾驶场景描述数据确定满足驾驶事件触发条件时,根据驾驶知识数据库确定车辆行驶状态的调整策略。解决了现有技术中自动驾驶车辆依赖于传感器数据和预定规则完成特定的任务,无法像驾驶员一样进行行为决策,从而无法适应具有高动态性和强随机性的开放交通场景的问题,实现了根据交通规则和驾驶经验对车辆的行驶状态进行及时调整,提高了自动驾驶车辆对动态交通场景的适应性。
实施例二
图2是本发明实施例二提供的一种车辆行驶状态的调整方法的流程图,本发明实施例在上述实施例的基础上,对满足驾驶事件触发条件的判定过程以及确定车辆行驶状态调整策略的过程进行了进一步的具体化,并加入了生成驾驶案例的步骤。
相应的,如图2所示,本发明实施例的技术方案,具体包括如下步骤:
S210、实时获取本车行驶数据和驾驶场景描述数据,并将本车行驶数据和驾驶场景描述数据以三元组结构进行存储。
在本发明实施例中,驾驶场景描述数据包括感知数据和意图预测数据。
S220、判断根据感知数据是否确定存在障碍物,如果是,则执行S230,否则执行S270。
示例性的,障碍物可以是车载激光雷达传感器探测得到,也可以是根据车载相机拍摄的图像识别得到的等等,本实施例对此不进行限制。
S230、生成与所述障碍物对应的驾驶案例。
所述驾驶案例包括以下至少一项内容:驾驶案例类型、障碍物类型、所述障碍物与本车的距离以及方位、本车当前车速、所述障碍物的当前车速以及障碍物意图;其中,所述障碍物意图为根据意图预测数据确定。
当存在障碍物时,生成一个与该障碍物对应的驾驶案例。驾驶案例类型可以用于描述该驾驶案例的紧急程度,障碍物类型可以是行人、车辆等,车辆又可以细分为公交车、救护车、私家车等类型。障碍物与本车的距离、障碍物方位、障碍物车速等可以由车载激光雷达传感器探测得到,也可以根据车载相机拍摄的图像进行识别得到,本实施例对此不进行限制。本车当前车速可以直接根据本车系统获得,障碍物意图根据意图预测数据确定,具体的,可以将障碍物相关的感知数据输入至意图预测模型,从而获取意图预测模型输出的意图预测数据。
S240、判断是否存在当前驾驶案例,如果是,则执行S250,否则,执行S270。
当当前存在驾驶案例时,出发基于驾驶案例的调整策略确定方式,将当前驾驶案例和驾驶案例库中的各预设驾驶案例进行匹配。
S250、在驾驶案例库中确定与所述当前驾驶案例匹配的预设驾驶案例。
示例性的,可以分别计算当前驾驶案例和驾驶案例库中的各预设驾驶案例的相似度,如果相似度最大值大于等于预设阈值,则确定相似度最大值对应的预设驾驶案例与当前驾驶案例匹配。还可以依次计算当前驾驶案例和驾驶案例库中的各预设驾驶案例的相似度,如果确定存在预设驾驶案例与当前驾驶案例的相似度大于预设阈值,就将该预设驾驶案例确定为与当前驾驶案例匹配的预设驾驶案例,并停止继续计算相似度。本实施例对确定与当前驾驶案例匹配的预设驾驶案例的具体方式不进行限制。
S260、根据所述当前驾驶案例与所述预设驾驶案例的相似度,以及所述预设驾驶案例对应的预设调整策略,确定车辆行驶状态的调整策略。
确定与当前驾驶案例匹配的预设驾驶案例之后,即可获取预设驾驶案例中的预设调整策略,根据当前驾驶案例与预设驾驶案例的相似度,可以确定调整程度,从而根据预设调整策略和调整程度确定调整策略。
示例性的,当前驾驶案例的含义为“检测到一辆公共汽车在本车右前方20m,以30km/h的速度行驶”时,与预设驾驶案例“检测到一辆公共汽车在本车右前方20m,以32km/h的速度行驶”相匹配,则相似度为93.75%。预设驾驶案例的预设调整策略是将速度从20km/h升至40km/h,则当前驾驶案例从20km/h升至(40-20)*93.75%=38.75≈39km/h。
S270、判断根据本车行驶数据是否确定本车中心位置在当前行驶车道偏移预设距离,如果是,则执行S280,否则执行S2130。
当本车中心位置在本车当前行驶车道上偏移了预设距离时,说明此时本车有进行变道的倾向。还可以通过本车在当前行驶车道上偏移的距离与当前行驶车道的宽度之间的比值是否超过预设比值,来判断本车是否想要变道,其中,当前行驶车道的宽度可以根据感知数据获得。还可以通过是否接收到本车系统中转向灯系统的变道信号,来判断本车是否想要变道,本实施例对此不进行限制。
S280、判断根据感知数据是否确定当前行驶车道沿本车偏移方向存在目标车道,如果是,则执行S290,否则执行S2120。
当确定本车想要进行变道时,首先需要判断本车偏移方向是否存在目标车道,以供本车变道。如果本车偏移方向不存在目标车道,则只能使本车保持在当前车道行驶,如果本车向相反方向进行偏移,则继续判断相反方向是否存在目标车道。
S290、判断所述目标车道中是否存在目标障碍物,如果是,则执行S2100,否则执行S2120。
如果目标车道不存在障碍物,则本车根据在交通规则库中的交通规则,可以直接进行变道。如果目标车道存在目标障碍物,则需要结合驾驶案例库,判断此时变道是否安全。目标障碍物可以是车辆前方或者后方一定距离范围内的障碍物。
可选的,还可以判断当前行驶车道中是否存在障碍物,并在存在障碍物时,结合驾驶案例库,判断此时变道是否安全。
S2100、根据所述目标障碍物对应的目标驾驶案例以及驾驶案例库,确定安全状态结果。
当目标车道中存在目标障碍物时,确定目标障碍物对应的目标驾驶案例,在驾驶案例库中获取与目标驾驶案例匹配的预设驾驶案例,并根据预设驾驶案例的预设调整策略以及目标驾驶案例和预设驾驶案例的相似度,确定安全状态结果。
示例性的,如果目标车道为当前车道的右车道,目标驾驶案例的含义为“检测到一辆公共汽车在本车右前方20m,以30km/h的速度行驶,本车速度为40km/h”时,如果预设调整策略为本车加速至50km/h,则说明需要先进行超车,此时直接进行变道是不安全的,因此安全状态结果为不安全,并且本车需要进行提速,本车需提高的速度可以根据目标驾驶案例和预设驾驶案例的相似度,以及预设调整策略进行计算。
S2110、根据所述安全状态结果,在交通规则库中确定车辆行驶状态的调整策略。
如果安全状态结果为安全,则根据交通规则库中的交通规则,可以直接进行变道。如果安全状态结果为不安全,则根据交通规则库中的交通规则、目标驾驶案例和预设驾驶案例的相似度,以及预设调整策略确定当前调整策略。
以S2100中的示例为例,如果本车当前车速为39km/h,则目标驾驶案例与预设驾驶案例的相似度为97.5%。当预设调整策略为将本车加速至50km/h时,当前调整策略可以为将本车加速至50km/h*97.5%=48.75≈49km/h。当前调整策略还可以为保持当前车速,直至本车已超过目标障碍物,并且根据新的目标驾驶案例以及驾驶案例库,确定安全状态结果为安全。
S2120、在交通规则库中确定车辆行驶状态的调整策略。
S2130、判断根据所述感知数据是否确定存在限速标志,如果是,则执行S2140,否则执行S2160。
根据感知数据确定存在限速标志,可以通过对本车的车载相机拍摄得到的图像进行交通标志识别进行判断,也可以通过本车当前位置与地图上标注的限速标志的位置之间的距离是否小于或者等于预设距离进行判断,还可以通过车载激光雷达传感器探测得到,本实施例对此不进行限制。
S2140、判断根据本车行驶数据是否确定当前车速大于或者等于限速值,如果是,则执行S2150,否则执行S2160。
根据限速标志可以获取限速值,如果当前车速小于限速值,则本车只需保持当前车速通过限速区域即可。如果当前车速大于或者等于限速值,则需要将本车速度降至限速值以下。
S2150、确定车辆行驶状态的调整策略为减少本车速度,直至当前车速小于限速值。
可选的,还可以根据本车当前位置与限速标志的位置之间的距离,确定本车的减速时间,并根据减速时间和需要降低的速度值,计算本车加速度。
S2160、判断根据所述感知数据是否确定存在交通信号灯,如果是,则执行S2170,否则返回执行S210。
根据感知数据确定存在交通信号灯,同样可以根据S2130中的车载相机、地图距离以及车载激光雷达传感器等方式进行实现,本实施例对此不进行赘述。
S2170、判断根据本车行驶数据是否确定当前本车到交通信号灯的距离小于或者等于制动距离,如果是,则执行S2180,否则返回执行S2170。
其中,制动距离可以根据本车当前车速和本车重量进行计算。
S2180、判断根据所述感知数据是否确定所述交通信号灯的颜色为红色,如果是,则执行S2200,否则执行S2190。
交通信号灯的颜色,可以根据对本车的车载相机拍摄得到的图像进行识别得到。当交通信号灯为红灯,并且当前本车到交通信号灯的距离小于或者等于制动距离时,需要对车辆进行减速,直至车辆停止或者交通信号灯变为绿灯。
S2190、判断根据所述感知数据是否确定所述交通信号灯的颜色为绿色,如果是,则执行S2210,否则返回执行S2180。
当交通信号灯为绿灯,并且当前本车到交通信号灯的距离小于或者等于制动距离时,可以对车辆进行加速,从而驶过当前路口。
S2200、确定车辆行驶状态的调整策略为减少本车速度。返回执行S210。
S2210、确定车辆行驶状态的调整策略为提高本车速度。返回执行S210。
实施例三
图3是本发明实施例三中的一种车辆行驶状态的调整装置的结构示意图,该装置可以集成在计算机设备中,典型的,可以集成在车载设备中,与车载相机、车载传感器等配合使用。该装置包括:数据获取模块310和调整策略确定模块320。其中:
数据获取模块310,用于实时获取本车行驶数据和驾驶场景描述数据,并将本车行驶数据和驾驶场景描述数据以三元组结构进行存储;所述驾驶场景描述数据包括感知数据和/或意图预测数据;
调整策略确定模块320,用于若根据本车行驶数据和驾驶场景描述数据确定满足驾驶事件触发条件,则根据驾驶知识数据库确定车辆行驶状态的调整策略;所述驾驶知识数据库包括交通规则库和驾驶案例库。
本实施例的技术方案,通过预先设置包括规则库和驾驶案例库的驾驶知识数据库,实时获取本车行驶数据和驾驶场景描述数据,对本车行驶数据和驾驶场景描述数据进行三元组结构的存储,当根据本车行驶数据和驾驶场景描述数据确定满足驾驶事件触发条件时,根据驾驶知识数据库确定车辆行驶状态的调整策略。解决了现有技术中自动驾驶车辆依赖于传感器数据和预定规则完成特定的任务,无法像驾驶员一样进行行为决策,从而无法适应具有高动态性和强随机性的开放交通场景的问题,实现了根据交通规则和驾驶经验对车辆的行驶状态进行及时调整,提高了自动驾驶车辆对动态交通场景的适应性。
在上述实施例的基础上,所述三元组结构包括实体类、对象属性和数据属性,其中,所述实体类包括本车、障碍物以及道路;
其中,本车对应的行为包括横向行为和纵向行为,其中,所述横向行为包括以下至少一项:左换道、右换道以及车道保持,所述纵向行为包括以下至少一项:加速、减速、车速保持以及停止;
障碍物对应的对象包括以下至少一项:静态障碍物和动态障碍物,其中,所述动态障碍物包括以下至少一项:行人、动物以及车辆;
道路对应的对象包括以下至少一项:道路边界、车道、人行道、道路线、道路交界、交通信号灯、交通标志以及停止线。
在上述实施例的基础上,所述装置,还包括:
驾驶案例生成模块,用于若根据感知数据确定存在障碍物,则生成与所述障碍物对应的驾驶案例;
所述驾驶案例包括以下至少一项内容:
驾驶案例类型、障碍物类型、所述障碍物与本车的距离以及方位、本车当前车速、所述障碍物的当前车速以及障碍物意图;
其中,所述障碍物意图为根据意图预测数据确定。
在上述实施例的基础上,所述调整策略确定模块320,包括:
当前驾驶案例判定单元,用于若确定存在当前驾驶案例,则确定满足驾驶事件触发条件;
预设驾驶案例确定单元,用于在驾驶案例库中确定与所述当前驾驶案例匹配的预设驾驶案例;
驾驶案例调整策略确定单元,用于根据所述当前驾驶案例与所述预设驾驶案例的相似度,以及所述预设驾驶案例对应的预设调整策略,确定车辆行驶状态的调整策略。
在上述实施例的基础上,所述调整策略确定模块320,包括:
变道判定单元,用于若根据本车行驶数据确定本车中心位置在当前行驶车道偏移预设距离,并且根据感知数据确定当前行驶车道沿本车偏移方向存在目标车道,则确定满足驾驶事件触发条件;
安全状态结果确定单元,用于若确定所述目标车道中存在目标障碍物,则根据所述目标障碍物对应的目标驾驶案例以及驾驶案例库,确定安全状态结果;
变道调整策略确定单元,用于根据所述安全状态结果,在交通规则库中确定车辆行驶状态的调整策略。
在上述实施例的基础上,所述调整策略确定模块320,包括:
限速判定单元,用于若根据所述感知数据确定存在限速标志,并且根据本车行驶数据确定当前车速大于或者等于限速值,则确定满足驾驶事件触发条件;
限速调整策略确定单元,用于确定车辆行驶状态的调整策略为减少本车速度,直至当前车速小于限速值。
在上述实施例的基础上,所述调整策略确定模块320,包括:
交通信号灯判定单元,用于若根据所述感知数据确定存在交通信号灯,并且根据本车行驶数据确定当前本车到交通信号灯的距离小于或者等于制动距离,则确定满足驾驶事件触发条件;
红灯调整策略确定单元,用于若根据所述感知数据确定所述交通信号灯的颜色为红色,则确定车辆行驶状态的调整策略为减少本车速度;
绿灯调整策略确定单元,用于若根据所述感知数据确定所述交通信号灯的颜色为绿色,则确定车辆行驶状态的调整策略为提高本车速度。
本发明实施例所提供的车辆行驶状态的调整装置可执行本发明任意实施例所提供的车辆行驶状态的调整方法,具备执行方法相应的功能模块和有益效果。
实施例四
图4为本发明实施例四提供的一种计算机设备的结构示意图,如图4所示,该计算机设备包括处理器70、存储器71、输入装置72和输出装置73;计算机设备中处理器70的数量可以是一个或多个,图4中以一个处理器70为例;计算机设备中的处理器70、存储器71、输入装置72和输出装置73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71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车辆行驶状态的调整方法对应的模块(例如,车辆行驶状态的调整装置中的数据获取模块310和调整策略确定模块320)。处理器70通过运行存储在存储器71中的软件程序、指令以及模块,从而执行计算机设备的各种功能应用以及数据处理,即实现上述的车辆行驶状态的调整方法。该方法包括:
实时获取本车行驶数据和驾驶场景描述数据,并将本车行驶数据和驾驶场景描述数据以三元组结构进行存储;所述驾驶场景描述数据包括感知数据和/或意图预测数据;
若根据本车行驶数据和驾驶场景描述数据确定满足驾驶事件触发条件,则根据驾驶知识数据库确定车辆行驶状态的调整策略;所述驾驶知识数据库包括交通规则库和驾驶案例库。
存储器71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71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71可进一步包括相对于处理器70远程设置的存储器,这些远程存储器可以通过网络连接至计算机设备。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72可用于接收输入的数字或字符信息,以及产生与计算机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73可包括显示屏等显示设备。
实施例五
本发明实施例五还提供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车辆行驶状态的调整方法,该方法包括:
实时获取本车行驶数据和驾驶场景描述数据,并将本车行驶数据和驾驶场景描述数据以三元组结构进行存储;所述驾驶场景描述数据包括感知数据和/或意图预测数据;
若根据本车行驶数据和驾驶场景描述数据确定满足驾驶事件触发条件,则根据驾驶知识数据库确定车辆行驶状态的调整策略;所述驾驶知识数据库包括交通规则库和驾驶案例库。
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车辆行驶状态的调整方法中的相关操作。
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,ROM)、随机存取存储器(RandomAccess Memory,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方法。
值得注意的是,上述车辆行驶状态的调整装置的实施例中,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 (8)
1.一种车辆行驶状态的调整方法,其特征在于,包括:
实时获取本车行驶数据和驾驶场景描述数据,并将本车行驶数据和驾驶场景描述数据以三元组结构进行存储;所述驾驶场景描述数据包括感知数据和/或意图预测数据;
若根据本车行驶数据和驾驶场景描述数据确定满足驾驶事件触发条件,则根据驾驶知识数据库确定车辆行驶状态的调整策略;所述驾驶知识数据库包括交通规则库和驾驶案例库;
其中,根据本车行驶数据和驾驶场景描述数据确定满足驾驶事件触发条件,包括:
若根据本车行驶数据确定本车中心位置在当前行驶车道偏移预设距离,并且根据感知数据确定当前行驶车道沿本车偏移方向存在目标车道,则确定满足驾驶事件触发条件;
相应的,根据驾驶知识数据库确定车辆行驶状态的调整策略,包括:
若确定所述目标车道中不存在目标障碍物,则直接根据交通规则库确定车辆行驶状态的调整策略;
若确定所述目标车道中存在目标障碍物,则根据所述目标障碍物对应的目标驾驶案例以及驾驶案例库,确定安全状态结果;
根据所述安全状态结果,在交通规则库中确定车辆行驶状态的调整策略;
其中,在根据驾驶知识数据库确定车辆行驶状态的调整策略之前,还包括:
若根据感知数据确定存在障碍物,则生成与所述障碍物对应的驾驶案例;
相应的,根据本车行驶数据和驾驶场景描述数据确定满足驾驶事件触发条件,还包括:
若确定存在当前驾驶案例,则确定满足驾驶事件触发条件;
根据驾驶知识数据库确定车辆行驶状态的调整策略,还包括:
在驾驶案例库中确定与所述当前驾驶案例匹配的预设驾驶案例;
根据所述当前驾驶案例与所述预设驾驶案例的相似度,以及所述预设驾驶案例对应的预设调整策略,确定车辆行驶状态的调整策略。
2.根据权利要求1所述的方法,其特征在于,所述三元组结构包括实体类、对象属性和数据属性,其中,所述实体类包括本车、障碍物以及道路;
其中,本车对应的行为包括横向行为和纵向行为,其中,所述横向行为包括以下至少一项:左换道、右换道以及车道保持,所述纵向行为包括以下至少一项:加速、减速、车速保持以及停止;
障碍物对应的对象包括以下至少一项:静态障碍物和动态障碍物,其中,所述动态障碍物包括以下至少一项:行人、动物以及车辆;
道路对应的对象包括以下至少一项:道路边界、车道、人行道、道路线、道路交界、交通信号灯、交通标志以及停止线。
3.根据权利要求2所述的方法,其特征在于,所述驾驶案例包括以下至少一项内容:
驾驶案例类型、障碍物类型、所述障碍物与本车的距离以及方位、本车当前车速、所述障碍物的当前车速以及障碍物意图;
其中,所述障碍物意图为根据意图预测数据确定。
4.根据权利要求2所述的方法,其特征在于,根据本车行驶数据和驾驶场景描述数据确定满足驾驶事件触发条件,包括:
若根据所述感知数据确定存在限速标志,并且根据本车行驶数据确定当前车速大于或者等于限速值,则确定满足驾驶事件触发条件;
根据驾驶知识数据库确定车辆行驶状态的调整策略,包括:
确定车辆行驶状态的调整策略为减少本车速度,直至当前车速小于限速值。
5.根据权利要求2所述的方法,其特征在于,根据本车行驶数据和驾驶场景描述数据确定满足驾驶事件触发条件,包括:
若根据所述感知数据确定存在交通信号灯,并且根据本车行驶数据确定当前本车到交通信号灯的距离小于或者等于制动距离,则确定满足驾驶事件触发条件;
根据驾驶知识数据库确定车辆行驶状态的调整策略,包括:
若根据所述感知数据确定所述交通信号灯的颜色为红色,则确定车辆行驶状态的调整策略为减少本车速度;
若根据所述感知数据确定所述交通信号灯的颜色为绿色,则确定车辆行驶状态的调整策略为提高本车速度。
6.一种车辆行驶状态的调整装置,其特征在于,包括:
数据获取模块,用于实时获取本车行驶数据和驾驶场景描述数据,并将本车行驶数据和驾驶场景描述数据以三元组结构进行存储;所述驾驶场景描述数据包括感知数据和/或意图预测数据;
调整策略确定模块,用于若根据本车行驶数据和驾驶场景描述数据确定满足驾驶事件触发条件,则根据驾驶知识数据库确定车辆行驶状态的调整策略;所述驾驶知识数据库包括交通规则库和驾驶案例库;
其中,所述调整策略确定模块,包括:
变道判定单元,用于若根据本车行驶数据确定本车中心位置在当前行驶车道偏移预设距离,并且根据感知数据确定当前行驶车道沿本车偏移方向存在目标车道,则确定满足驾驶事件触发条件;
直接调整策略确定单元,用于若确定所述目标车道中不存在目标障碍物,则直接根据交通规则库确定车辆行驶状态的调整策略;
安全状态结果确定单元,用于若确定所述目标车道中存在目标障碍物,则根据所述目标障碍物对应的目标驾驶案例以及驾驶案例库,确定安全状态结果;
变道调整策略确定单元,用于根据所述安全状态结果,在交通规则库中确定车辆行驶状态的调整策略;
其中,所述装置,还包括:
驾驶案例生成模块,用于若根据感知数据确定存在障碍物,则生成与所述障碍物对应的驾驶案例;
相应的,所述调整策略确定模块,还包括:
当前驾驶案例判定单元,用于若确定存在当前驾驶案例,则确定满足驾驶事件触发条件;
预设驾驶案例确定单元,用于在驾驶案例库中确定与所述当前驾驶案例匹配的预设驾驶案例;
驾驶案例调整策略确定单元,用于根据所述当前驾驶案例与所述预设驾驶案例的相似度,以及所述预设驾驶案例对应的预设调整策略,确定车辆行驶状态的调整策略。
7.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-5中任一所述的车辆行驶状态的调整方法。
8.一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1-5中任一所述的车辆行驶状态的调整方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110551266.5A CN113212454B (zh) | 2021-05-20 | 2021-05-20 | 车辆行驶状态的调整方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110551266.5A CN113212454B (zh) | 2021-05-20 | 2021-05-20 | 车辆行驶状态的调整方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113212454A CN113212454A (zh) | 2021-08-06 |
CN113212454B true CN113212454B (zh) | 2023-05-12 |
Family
ID=77093234
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110551266.5A Active CN113212454B (zh) | 2021-05-20 | 2021-05-20 | 车辆行驶状态的调整方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113212454B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023016268A1 (zh) * | 2021-08-09 | 2023-02-16 | 华为技术有限公司 | 一种车辆控制方法及装置 |
CN113370997A (zh) * | 2021-08-11 | 2021-09-10 | 北京赛目科技有限公司 | 车辆自动驾驶的控制方法、装置、电子设备及存储介质 |
CN114407918B (zh) * | 2021-12-30 | 2023-03-14 | 广州文远知行科技有限公司 | 接管场景分析方法、装置、设备及存储介质 |
CN114407922A (zh) * | 2022-01-18 | 2022-04-29 | 上汽通用五菱汽车股份有限公司 | 智能车辆自动驾驶方法、装置、设备及可读存储介质 |
CN114863707A (zh) * | 2022-05-07 | 2022-08-05 | 中国第一汽车股份有限公司 | 车辆信息的处理方法、装置、存储介质和车辆 |
CN115100892B (zh) * | 2022-05-17 | 2024-03-19 | 中国第一汽车股份有限公司 | 一种防止公交司机或乘客异常造成车辆失控的自动驾驶方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107826102A (zh) * | 2016-09-16 | 2018-03-23 | 通用汽车环球科技运作有限责任公司 | 用于无乘员自主车辆的控制策略 |
JP2018128710A (ja) * | 2017-02-06 | 2018-08-16 | パイオニア株式会社 | 制御装置、制御方法、および、制御装置用プログラム |
CN110244728A (zh) * | 2019-06-17 | 2019-09-17 | 北京三快在线科技有限公司 | 确定无人驾驶控制策略的方法、装置、设备及存储介质 |
CN110825093A (zh) * | 2019-11-28 | 2020-02-21 | 安徽江淮汽车集团股份有限公司 | 自动驾驶策略生成方法、装置、设备及存储介质 |
CN111824143A (zh) * | 2020-07-22 | 2020-10-27 | 中国第一汽车股份有限公司 | 一种车辆横向控制方法、装置、计算机设备和存储介质 |
CN111862662A (zh) * | 2020-07-21 | 2020-10-30 | 上海晨擎信息科技有限公司 | 一种基于公交运行数据的公交线路调整监测方法 |
CN112776799A (zh) * | 2021-01-13 | 2021-05-11 | 北京小马慧行科技有限公司 | 车辆的控制方法、计算机可读存储介质、处理器和车辆 |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6761967B2 (ja) * | 2015-04-21 | 2020-09-30 | パナソニックIpマネジメント株式会社 | 運転支援方法およびそれを利用した運転支援装置、自動運転制御装置、車両、プログラム |
US9934688B2 (en) * | 2015-07-31 | 2018-04-03 | Ford Global Technologies, Llc | Vehicle trajectory determination |
JP6708535B2 (ja) * | 2016-11-24 | 2020-06-10 | 株式会社デンソー | 車両軌道用グラフ生成装置 |
US10569772B2 (en) * | 2017-04-12 | 2020-02-25 | Hrl Laboratories, Llc | Cognitive behavior prediction system for autonomous systems |
CN110678914A (zh) * | 2017-06-02 | 2020-01-10 | 本田技研工业株式会社 | 用于自动驾驶车的控制的车辆控制装置及方法 |
US11545033B2 (en) * | 2017-06-22 | 2023-01-03 | Apollo Intelligent Driving Technology (Beijing) Co., Ltd. | Evaluation framework for predicted trajectories in autonomous driving vehicle traffic prediction |
CN110015306B (zh) * | 2018-01-10 | 2020-12-04 | 华为技术有限公司 | 驾驶轨迹获取方法及装置 |
JP7073880B2 (ja) * | 2018-04-19 | 2022-05-24 | トヨタ自動車株式会社 | 進路決定装置 |
WO2020100539A1 (ja) * | 2018-11-15 | 2020-05-22 | ソニーセミコンダクタソリューションズ株式会社 | 情報処理装置、移動装置、および方法、並びにプログラム |
CN109760675B (zh) * | 2019-03-12 | 2021-05-25 | 百度在线网络技术(北京)有限公司 | 预测车辆轨迹的方法、装置、存储介质和终端设备 |
JP7201550B2 (ja) * | 2019-07-29 | 2023-01-10 | 本田技研工業株式会社 | 車両制御装置、車両制御方法、およびプログラム |
CN112477878B (zh) * | 2019-09-11 | 2023-01-10 | 北京百度网讯科技有限公司 | 自动驾驶车辆的驾驶决策共享方法、装置、设备和介质 |
CN110658820A (zh) * | 2019-10-10 | 2020-01-07 | 北京京东乾石科技有限公司 | 无人驾驶车辆的控制方法及装置、电子设备、存储介质 |
CN114394093A (zh) * | 2020-09-25 | 2022-04-26 | 阿波罗智能技术(北京)有限公司 | 车辆控制方法、装置、电子设备及存储介质 |
CN112141110A (zh) * | 2020-09-30 | 2020-12-29 | 中国第一汽车股份有限公司 | 一种车辆变道方法、装置、设备及存储介质 |
CN112416004B (zh) * | 2020-11-19 | 2021-12-14 | 腾讯科技(深圳)有限公司 | 一种基于自动驾驶的控制方法、装置、车辆以及相关设备 |
CN112540365B (zh) * | 2020-12-10 | 2022-07-12 | 中国第一汽车股份有限公司 | 一种评估方法、装置、设备及存储介质 |
CN112793586B (zh) * | 2021-02-24 | 2022-05-03 | 奇瑞汽车股份有限公司 | 汽车的自动驾驶控制方法、装置及计算机存储介质 |
-
2021
- 2021-05-20 CN CN202110551266.5A patent/CN113212454B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107826102A (zh) * | 2016-09-16 | 2018-03-23 | 通用汽车环球科技运作有限责任公司 | 用于无乘员自主车辆的控制策略 |
JP2018128710A (ja) * | 2017-02-06 | 2018-08-16 | パイオニア株式会社 | 制御装置、制御方法、および、制御装置用プログラム |
CN110244728A (zh) * | 2019-06-17 | 2019-09-17 | 北京三快在线科技有限公司 | 确定无人驾驶控制策略的方法、装置、设备及存储介质 |
CN110825093A (zh) * | 2019-11-28 | 2020-02-21 | 安徽江淮汽车集团股份有限公司 | 自动驾驶策略生成方法、装置、设备及存储介质 |
CN111862662A (zh) * | 2020-07-21 | 2020-10-30 | 上海晨擎信息科技有限公司 | 一种基于公交运行数据的公交线路调整监测方法 |
CN111824143A (zh) * | 2020-07-22 | 2020-10-27 | 中国第一汽车股份有限公司 | 一种车辆横向控制方法、装置、计算机设备和存储介质 |
CN112776799A (zh) * | 2021-01-13 | 2021-05-11 | 北京小马慧行科技有限公司 | 车辆的控制方法、计算机可读存储介质、处理器和车辆 |
Non-Patent Citations (1)
Title |
---|
面向车联网环境的车辆移动模型研究进展;唐蕾;段宗涛;康军;马峻岩;刘若辰;;长安大学学报(自然科学版)(05);71-82 * |
Also Published As
Publication number | Publication date |
---|---|
CN113212454A (zh) | 2021-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113212454B (zh) | 车辆行驶状态的调整方法、装置、计算机设备和存储介质 | |
US20190143992A1 (en) | Self-driving learning apparatus and method using driving experience information | |
US10943133B2 (en) | Vehicle control device, vehicle control method, and storage medium | |
CN106660552B (zh) | 行驶控制装置及行驶控制方法 | |
JP6676697B2 (ja) | 車両制御装置、車両制御方法、及びプログラム | |
JP6885462B2 (ja) | 運転支援装置及び運転支援方法 | |
US20220169214A1 (en) | Emergency braking for autonomous vehicles | |
WO2017126250A1 (ja) | 運転支援方法及び装置 | |
KR20180086632A (ko) | 자율주행 차량의 행동 결정 장치 및 방법 | |
JP6575612B2 (ja) | 運転支援方法及び装置 | |
CN112885145B (zh) | 路口风险预警的方法和装置 | |
WO2019106789A1 (ja) | 処理装置及び処理方法 | |
CN114126940A (zh) | 电子控制装置 | |
JP6451211B2 (ja) | 走行制御装置 | |
JP2021127002A (ja) | 車両制御装置、車両制御方法、およびプログラム | |
CN114037964A (zh) | 自主驾驶对象的分类和优先级化 | |
JP2017001596A (ja) | 停車位置設定装置及び方法 | |
JP2018190026A (ja) | 自動運転車両の制御システムおよび制御方法 | |
CN112829762A (zh) | 一种车辆行驶速度生成方法以及相关设备 | |
KR20210005393A (ko) | 자율주행차량의 유턴 제어 장치 및 그 방법 | |
CN115092186A (zh) | 一种车辆自动驾驶方法及装置、电子设备、存储介质 | |
WO2021006210A1 (ja) | 電子制御装置 | |
CN115593429A (zh) | 自动驾驶车辆对紧急车辆的响应 | |
EP4145420A1 (en) | Hierarchical processing of traffic signal face states | |
EP4353560A1 (en) | Vehicle control method and apparatus |
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 |