CN114019959B - 一种确定无人驾驶设备纵向决策的方法及装置 - Google Patents
一种确定无人驾驶设备纵向决策的方法及装置 Download PDFInfo
- Publication number
- CN114019959B CN114019959B CN202111213184.6A CN202111213184A CN114019959B CN 114019959 B CN114019959 B CN 114019959B CN 202111213184 A CN202111213184 A CN 202111213184A CN 114019959 B CN114019959 B CN 114019959B
- Authority
- CN
- China
- Prior art keywords
- obstacle
- unmanned
- determining
- unmanned equipment
- weight
- 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 61
- 230000033001 locomotion Effects 0.000 claims abstract description 95
- 238000003860 storage Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 15
- 238000005457 optimization Methods 0.000 claims description 10
- 230000000875 corresponding effect Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 230000001276 controlling effect Effects 0.000 description 8
- 230000006872 improvement Effects 0.000 description 8
- 230000001133 acceleration Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000004888 barrier function Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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
- G05D1/0217—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with energy consumption, time reduction or distance reduction criteria
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本说明书公开了一种确定无人驾驶设备纵向决策的方法及装置，当无人驾驶设备的行驶路径与障碍物的行驶路径存在交点时，根据无人驾驶设备的行驶路径以及障碍物的行驶路径确定双方的通行优先级，根据通行优先级分别确定无人驾驶设备以及障碍物的权重，构建通过该交点时，无人驾驶设备的加权时间与障碍物的加权时间的时间和最小的最优解问题，根据求解结果预测障碍物在其对应行驶路径上的运动状态以及规划无人驾驶设备的纵向决策，通过考虑无人驾驶设备与障碍物通过交点时的博弈，提高了纵向决策准确性以及通行效率。
Description
技术领域
本申请涉及自动驾驶技术领域，尤其涉及一种确定无人驾驶设备纵向决策的方法及装置。
背景技术
目前，随着自动驾驶技术的发展，如何在保证无人驾驶设备安全性的情况下，提高无人驾驶设备的通行效率是需要重点考虑的问题之一。例如在交叉口，无人驾驶设备规划行驶轨迹时，既要避免与障碍物碰撞，又要保证在交叉口的通过效率。
现有技术中，一般在控制无人驾驶设备行驶时，先预测障碍物的行驶路径，以通过横向决策和横向规划，确定无人驾驶设备即将行驶的各位置点，确定行驶路径的形状，然后再基于预设规则进行纵向决策，确定无人驾驶设备在该行驶路径上各时刻的运动状态。其中，基于预设规则进行纵向决策时，可通过比较无人驾驶设备和障碍物车头时距与预设的安全时距，确定无人驾驶设备的纵向决策是优先通过或让行通过。
但是，在实际情况中，障碍物一般为路面上的其他交通参与者(如，驾驶员驾驶的车辆)，而驾驶员通常会根据实际情况主动调整驾驶策略，导致预测的障碍物的行驶轨迹不准确，进一步导致纵向决策的准确性较低，使得无人驾驶设备的通行效率降低。
发明内容
本说明书实施例提供的一种确定无人驾驶设备纵向决策的方法及装置，用于至少部分的解决现有技术中存在的问题。
本说明书采用下述技术方案：
本说明说提供了一种确定无人驾驶设备纵向决策的方法，包括：
确定无人驾驶设备的第一行驶路径，以及障碍物的第二行驶路径；
当所述第一行驶路径与所述第二行驶路径存在交点时，根据所述第一行驶路径以及所述第二行驶路径，分别确定所述无人驾驶设备以及所述障碍物的通行优先级；
根据确定出的通行优先级，确定所述无人驾驶设备的第一权重以及所述障碍物的第二权重，其中，通行优先级与权重正相关；
构建通过所述交点时，所述无人驾驶设备的第一权重加权时间与所述障碍物的第二权重加权时间的时间和的最优解问题；
以所述无人驾驶设备和所述障碍物车头时距不小于预设安全时距为约束，所述时间和最小为优化目标，求解所述最优解问题，确定第一行驶路径的纵向决策；
根据得到的纵向决策，控制所述无人驾驶设备通过所述交点。
可选地，确定无人驾驶设备的第一行驶路径，以及障碍物的第二行驶路径，具体包括：
根据所述无人驾驶设备的当前位置与目的位置进行横向决策和横向规划，确定所述无人驾驶设备的第一行驶路径；以及
根据所述障碍物的历史运动状态信息，确定所述障碍物的第二行驶路径。
可选地，所述第一行驶路径或所述第二行驶路径位于交叉口内；
根据所述第一行驶路径以及所述第二行驶路径，分别确定所述无人驾驶设备以及所述障碍物的通行优先级之前，所述方法还包括：
根据所述第一行驶路径以及所述第二行驶路径，分别确定所述无人驾驶设备与所述障碍物所在的车道，确定存在任一车道未受交通信号灯专用相位指挥通行。
可选地，根据所述第一行驶路径以及所述第二行驶路径，分别确定所述无人驾驶设备以及所述障碍物的通行优先级，具体包括：
根据所述第一行驶路径，确定所述无人驾驶设备所在车道的第一车道类型；
根据所述第二行驶路径，确定所述障碍物所在车道的第二车道类型；
根据预设的各车道类型的优先级、所述第一车道类型以及所述第二车道类型，分别确定所述无人驾驶设备以及所述障碍物的通行优先级。
可选地，根据确定出的通行优先级，确定所述无人驾驶设备的第一权重以及所述障碍物的第二权重，具体包括：
确定预设的所述无人驾驶设备的第一权重；
判断所述无人驾驶设备的通行优先级是否大于所述障碍物的通行优先级；
若是，则确定小于所述预设的第一权重的预设第一数值作为第二权重；
若否，则确定大于所述预设的第一权重的预设第二数值作为第二权重；
其中，所述预设的第一权重大于零，所述预设第一数值与所述预设第二数值的乘积不小于所述预设的第一权重的平方。
可选地，构建通过所述交点时，所述无人驾驶设备的第一权重加权时间与所述障碍物的第二权重加权时间的时间和的最优解问题，具体包括：
根据所述第一行驶路径上各位置点的待解运动状态，确定所述无人驾驶设备通过各位置点的待解时间；
根据所述第二行驶路径上各位置点的待解运动状态，确定所述障碍物通过各位置点的待解时间；
根据所述第一权重对所述无人驾驶设备通过所述交点的待解时间进行加权，以及根据所述第二权重对所述障碍物通过所述交点的待解时间进行加权；
构建所述无人驾驶设备的第一权重加权时间与所述障碍物的第二权重加权时间的时间和对应的最优解问题。
可选地，以所述无人驾驶设备和所述障碍物车头时距不小于预设安全时距为约束，求解所述最优解问题，确定第一行驶路径的纵向决策，具体包括：
先求解所述无人驾驶设备在所述第一行驶路径上各位置点的运动状态作为第一最优解，以所述无人驾驶设备和所述障碍物车头时距不小于预设安全时距为约束，再求解所述障碍物在所述第二行驶路径上各位置点的运动状态，以确定所述无人驾驶设备优先通过所述交点时，所述无人驾驶设备的第一权重加权时间与所述障碍物的第二权重加权时间的第一候选时间和；
先求解所述障碍物在所述第二行驶路径上各位置点的运动状态，以所述无人驾驶设备和所述障碍物车头时距不小于预设安全时距为约束，再求解所述无人驾驶设备在所述第一行驶路径上各位置点的运动状态作为第二最优解，以确定所述无人驾驶设备让行通过所述交点时，所述无人驾驶设备的第一权重加权时间与所述障碍物的第二权重加权时间的第二候选时间和；
判断所述第一候选时间和是否小于所述第二候选时间和；
若是，则确定所述第一最优解作为第一行驶路径的纵向决策；
若否，则确定所述第二最优解作为第一行驶路径的纵向决策。
本说明书提供了一种确定无人驾驶设备纵向决策的装置，包括：
第一确定模块，用于确定无人驾驶设备的第一行驶路径，以及障碍物的第二行驶路径；
第二确定模块，用于当所述第一行驶路径与所述第二行驶路径存在交点时，根据所述第一行驶路径以及所述第二行驶路径，分别确定所述无人驾驶设备以及所述障碍物的通行优先级；
第三确定模块，用于根据确定出的通行优先级，确定所述无人驾驶设备的第一权重以及所述障碍物的第二权重，其中，通行优先级与权重正相关；
构建模块，用于构建通过所述交点时，所述无人驾驶设备的第一权重加权时间与所述障碍物的第二权重加权时间的时间和的最优解问题；
求解模块，用于以所述无人驾驶设备和所述障碍物车头时距不小于预设安全时距为约束，所述时间和最小为优化目标，求解所述最优解问题，确定第一行驶路径的纵向决策；
控制模块，用于根据得到的纵向决策，控制所述无人驾驶设备通过所述交点。
本说明书提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述确定无人驾驶设备纵向决策的方法。
本说明书提供了一种电子设备，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上述确定无人驾驶设备纵向决策的方法。
本说明书采用的上述至少一个技术方案能够达到以下有益效果：
在本说明书提供的确定无人驾驶设备纵向决策的方法，当无人驾驶设备的行驶路径与障碍物的行驶路径存在交点时，根据无人驾驶设备的行驶路径以及障碍物的行驶路径确定双方的通行优先级，根据通行优先级分别确定无人驾驶设备以及障碍物的权重，构建通过该交点时，无人驾驶设备的加权时间与障碍物的加权时间的时间和最小的最优解问题，根据求解结果预测障碍物在其对应行驶路径上的运动状态以及规划无人驾驶设备的纵向决策，通过考虑无人驾驶设备与障碍物通过交点时的博弈，提高了纵向决策准确性以及通行效率。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1a～d为本说明书提供的确定无人驾驶设备纵向决策的交叉口示意图；
图2为本说明书提供的一种确定无人驾驶设备纵向决策的方法流程示意图；
图3为本说明书提供的一种求解最优解问题的流程示意图；
图4为本说明书提供的一种确定无人驾驶设备纵向决策的装置示意图；
图5为本说明书提供的一种实现确定无人驾驶设备纵向决策的方法的电子设备示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于说明书中的实施例，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，都属于本申请保护的范围。
目前，在无人驾驶设备进行轨迹规划时，要确定该无人驾驶设备在未来各时刻行驶到的具体位置，以及在各位置上的速度、加速、朝向等运动状态。由于直接规划的复杂度较高且计算量较大，所要求的计算装置成本较高，因此，考虑到无人驾驶设备的成本因素，轨迹规划一般先通过横向决策和横向规划，确定无人驾驶设备即将行驶的各位置点，确定行驶路径的形状，然后再进行纵向决策和纵向规划，确定无人驾驶设备在该路径上各位置点的运动状态，行驶路径与运动状态共同形成无人驾驶设备的行驶轨迹。
其中，若不确定即将行驶的各位置点，则无法确定各位置点的运动状态，所以，轨迹规划一般先通过横向决策和横向规划，确定该无人驾驶设备从当前位置到未来时刻要到达的位置的行驶路径形状，再通过纵向决策和纵向规划确定在该路径上各位置点的运动状态，以避免在某一位置点发生碰撞，即，确保该无人驾驶设备与障碍物不会同一时刻出现在同一位置，与此同时，也要使得该无人驾驶设备能够用较短的时间尽快通过，保证道路的通行效率，显然，纵向决策对无人驾驶设备的安全性与通过效率影响较大。
当预测障碍物的行驶路径与无人驾驶设备的行驶路径存在交点时，通常基于两种假设进行纵向决策：其一为假设无人驾驶设备会按横向决策得到的路径匀速行驶，其二为假设障碍物会按预测路径匀速行驶。在此基础上根据预设规则确定驾驶策略，例如，无人驾驶设备到达交点时，先确定该无人驾驶设备与该障碍物的车头时距，当车头时距大于预设安全时距时，该无人驾驶设备会选择优先通过，而当车头时距小于预设安全时距时，则该无人驾驶设备会选择让行通过。
然而，在实际情况中，当障碍物为驾驶员驾驶的车辆时，驾驶员通常会根据未来时刻要到达的位置确定行驶轨迹、并根据预测的对方的行驶轨迹以及交通规则等等信息，确定驾驶策略。例如，在交叉口，若无人驾驶设备要直行，而驾驶员驾驶的车辆要左转，若无人驾驶设备和障碍物车头时距小于预设安全时距时，则无人驾驶设备会根据规则选择让行通过，但是驾驶员会根据交通规则(即，转弯的车辆让直行的车辆先行)同时选择让行通过，由此双方都选择让行通过，大大降低了道路的通行效率。
可见由于没有根据交通规则等等信息，考虑无人驾驶设备与障碍物驾驶策略之间的博弈，导致预测障碍物的驾驶策略不准确，进而预测障碍物在对应行驶路径上的运动状态也不准确，由此无人驾驶设备的纵向决策准确性较低，降低了道路的通行效率。
上述情况容易出现在无人驾驶设备行驶路径与障碍物行驶路径可能交汇的场景，例如，主路与辅路的出入口、环岛的出入口等等，尤其是在交通信号灯同时指挥车辆直行与左转的交叉口，如图1a～d所示。
图1a～d为本说明书提供的确定无人驾驶设备纵向决策的交叉口示意图，当交通信号灯同时指挥车辆直行与左转时，则可能会出现图1a中无人驾驶设备直行与相对方向障碍物左转同时进行且行驶路径存在交点的情况，也有可能会出现图1b中无人驾驶设备左转与相对方向障碍物直行同时进行且行驶路径存在交点的情况，还有可能会出现图1d中无人驾驶设备掉头与相对方向障碍物直行同时进行且行驶路径存在交点的情况。此外，当没有交通信号灯指挥车辆右转时，则可能会出现图1c中无人驾驶设备右转与左侧方向障碍物直行同时进行且行驶路径存在交点的情况。
上述交叉口的情况尤为常见，因此，为了方便描述，本说明书后续以交叉口为例进行说明。
以下结合附图，详细说明本申请各实施例提供的技术方案。
图2为本说明书中一种确定无人驾驶设备纵向决策的方法流程示意图，具体包括以下步骤：
S100：确定无人驾驶设备的第一行驶路径，以及障碍物的第二行驶路径。
在实际应用中，无人驾驶设备在规划轨迹时，可以先规划即将行驶的各位置点，以各位置点连接得到的路径作为即将行驶的路径。当检测到周围环境存在障碍物时，可以对该障碍物即将行驶的路径做出预测，以在后续确定纵向决策时能够避开该障碍物保证安全行驶。
在本说明书一个或多个实施例中，该无人驾驶设备可以根据预设距离，确定该无人驾驶设备的第一行驶路径以及障碍物的第二行驶路径。本说明书对确定该第一行驶路径和该第二行驶路径的先后次序不做限制。其中，该预设长度可以根据无人驾驶设备的周围环境确定，例如，当该无人驾驶设备处于交叉口时，则该预设长度至少为能够通过该交叉口的路径长度，或者该当无人驾驶设备周围存在其他车辆时，则该预设长度至少为该无人驾驶设备与该其他车辆的距离。可见在本说明书中，该预设长度可根据需要实时确定。该第一行驶路径是指无人驾驶设备即将行驶的路径，该第二行驶路径是指预测障碍物即将行驶的路径。
具体的，本说明书提供的确定纵向决策的方法，可由无人驾驶设备执行。则该无人驾驶设备，可按照预设的时间间隔，确定横向决策和横向规划以及纵向决策和纵向规划，并控制无人驾驶设备行驶。首先，该无人驾驶设备可以根据自身当前位置以及目的位置进行横向决策和横向规划，确定该无人驾驶设备的第一行驶路径，以及根据障碍物历史运动状态信息，确定该障碍物的第二行驶路径。其中，障碍物的历史运动状态信息可以通过无人驾驶设备的感知系统采集，例如可以实时采集障碍物的当前位置，车道、速度、加速度等信息，并根据此预测障碍物即将行驶的路径。
本说明书中提到的无人驾驶设备可以是指无人乘用车、无人配送设备等能够实现自动驾驶的设备。障碍物可以是指路面上的行人、驾驶员驾驶的车辆等其他交通参与者。为了方便说明，下面仅以无人驾驶设备为执行主体，交叉口为应用场景进行说明。
S102：当所述第一行驶路径与所述第二行驶路径存在交点时，根据所述第一行驶路径以及所述第二行驶路径，分别确定所述无人驾驶设备以及所述障碍物的通行优先级。
在本说明书一个或多个实施例中，当交叉口中，预测障碍物的行驶路径与无人驾驶设备的行驶路径存在交点时，由于步骤S100中，只确定了该无人驾驶设备的行驶路径与该障碍物的行驶路径，并没有确定双方在对应行驶路径上的运动状态，因此该无人驾驶设备的行驶轨迹与该障碍物的行驶轨迹可能存在冲突，由此可知该无人驾驶设备在通过该交叉口时，需避开该障碍物。此时，该无人驾驶设备可根据该第一行驶路径以及该第二行驶路径，分别确定该无人驾驶设备以及该障碍物的通行优先级，从而更准确地预测该障碍物的驾驶策略，进而准确预测该障碍物在第一行驶路径上的运动状态。
具体的，首先，该无人驾驶设备可以根据该第一行驶路径以及该第二行驶路径，分别确定该无人驾驶设备与该障碍物所在的车道，判断该无人驾驶设备与该障碍物所在的车道是否受到交通信号灯专用相位指挥通行。其中，交通信号灯相位是指对各车道不同引导方向所显示的不同灯色的组合，车道是否受到交通信号灯专用相位指挥通行是指，是否存在某一交通信号灯相位仅指挥该车道通行。例如，当交叉口的交通信号灯分别控制车辆的左转与直行时，以左转-直行为顺序，则存在绿-红的交通信号灯相位，且在此相位时，仅左转车道的车辆才能够通行，此时，该左转车道受到交通信号灯专用相位指挥通行。
若各车道都受到各自交通控制信号指挥通行，则以该无人驾驶设备通过该交叉口的时间最短为目标，求解该无人驾驶设备在该第一行驶路径上各位置点的运动状态，直接确定该无人驾驶设备在该第一行驶路径上的纵向决策即可。若存在任一车道未受交通信号灯专用相位指挥通行，则可能在沿第一行驶路径行驶时，与该障碍物发生冲突，因此可继续执行后续步骤，确定纵向决策以控制无人驾驶设备安全快速的通过交点。
其次，根据该第一行驶路径，确定该无人驾驶设备所在车道的第一车道类型，并根据该第二行驶路径，确定该障碍物所在车道的第二车道类型。其中，车道类型是指车道中导向车道线对车辆的方向引导类型，本说明书对确定无人驾驶设备所在车道的车道类型和障碍物所在车道的车道类型的先后次序不做限制。
最后，根据预设的各车道类型的优先级以及该第一车道类型确定该无人驾驶设备的通行优先级，并根据该预设的各车道类型的优先级以及该第二车道类型确定该障碍物的通行优先级。各车道类型的优先级可以根据交通规则进行预设，通行优先级是指博弈双方通过交点的次序，通行优先级高的一方应优先通过交点。
例如，假设根据无人驾驶设备的行驶路径，确定无人驾驶设备处于直行车道，然后根据障碍物的行驶路径，确定障碍物处于左转车道，而根据交叉口的交通信号灯，发现其同时指挥交叉口的直行与左转，即无人驾驶设备所在的直行车道与障碍物所在的左转车道均未受交通信号灯专用相位指挥通行，也就是说障碍物左转与无人驾驶设备直行可以同时进行。根据转弯的车辆让直行的车辆先行的交通规则，预设左转车道类型的优先级为1，直行车道类型的优先级为2，此时，可确定无人驾驶设备的通行优先级为2，障碍物的通行优先级为1。
S104：根据确定出的通行优先级，确定所述无人驾驶设备的第一权重以及所述障碍物的第二权重，其中，通行优先级与权重正相关。
在本说明书一个或多个实施例中，该无人驾驶设备在确定出通行优先级之后，便可根据确定出的通行优先级，确定该无人驾驶设备在进行纵向决策时，该无人驾驶设备的重要程度以及该障碍物的重要程度。即，可确定该无人驾驶设备的第一权重以及该障碍物的第二权重，其中，通行优先级与权重正相关。也就是说，优先级越高权重越大，则后续步骤中为了提高通行效率，优先级越高的车辆应尽早通过交点。
具体的，可以首先确定预设的无人驾驶设备的第一权重，其次根据步骤S102中确定出的通行优先级，确定第二权重为小于预设的第一权重的预设第一数值或大于预设的第一权重的预设第二数值。
其中，预设的第一权重、预设第一数值以及预设第二数值均大于零，预设第一数值与预设第二数值的乘积不小于预设的第一权重的平方。此处的权重表示纵向决策中相对重要程度，而预设第一数值与预设第二数值的乘积不小于预设的第一权重的平方限制了预设第一数值与预设第二数值的取值范围，优选的，可以取其乘积接近或等于预设的第一权重的平方的值。
例如，预设的第一权重λ1＝1，则上述预设第一数值与预设第二数值的关系，可由公式λhp×λlp≥1，0＜λhp＜1，λlp>1约束。其中，公式中的λhp为第一预设数值，λlp为预设第二数值。可取预设第一数值为0.5，预设第二数值为2。若步骤S102中确定出的无人驾驶设备的通行优先级大于障碍物的通行优先级，则确定第二权重为预设第一数值0.5，也就是说障碍物的通行优先级较小，所以进行纵向决策时，障碍物的重要程度要小于无人驾驶设备的重要程度。若步骤S102中确定出的无人驾驶设备的通行优先级小于障碍物的通行优先级，则确定第二权重为预设第二数值2，此时，由于障碍物的通行优先级较大，所以进行纵向决策时，障碍物的重要程度要大于无人驾驶设备的重要程度。
本说明书中，预设的第一权重、预设第一数值以及预设第二数值只要满足约束条件即可，对具体数值不做限制。例如，也可以预设的第一权重为2，预设第一数值为1，预设第二数值为4。
S106：构建通过所述交点时，所述无人驾驶设备的第一权重加权时间与所述障碍物的第二权重加权时间的时间和的最优解问题。
S108：以所述无人驾驶设备和所述障碍物车头时距不小于预设安全时距为约束，所述时间和最小为优化目标，求解所述最优解问题，确定第一行驶路径的纵向决策。
通过上述得到该无人驾驶设备的第一权重以及该障碍物的第二权重，即，确定两者参与纵向决策时的重要程度后，在本说明书一个或多个实施例中，可构建通过该交点时，该无人驾驶设备的第一权重加权时间与该障碍物的第二权重加权时间的时间和的最优解问题，以通过求解该最优解问题确定该无人驾驶设备的纵向决策。
具体的，可先根据第一行驶路径上各位置点的待解运动状态，确定该无人驾驶设备通过各位置点的待解时间，再根据第二行驶路径上各位置点的待解运动状态，确定该障碍物通过各位置点的待解时间。
然后，根据上述得到的第一权重和第二权重对该无人驾驶设备通过交点的待解时间以及该障碍物通过交点的待解时间进行加权。
最后，构建该无人驾驶设备的第一权重加权时间与该障碍物的第二权重加权时间的时间和对应的最优解问题。其中，待解运动状态可以包括通过此位置点的速度与加速度。
具体构建该最优解问题时，该无人驾驶设备可设{xi|1≤i≤N}为该无人驾驶设备从第i-1个位置点到第i个位置点的行驶路径，相同的，设vi为该无人驾驶设备在xi上的行驶速度，ai为该无人驾驶设备在xi上的行驶加速度，ti表示该无人驾驶设备在xi上的行驶时间，再设该第一行驶路径中第n个位置点为交点，则由运动定律可知ti＝f1(xi,vi,ai)，此时，该无人驾驶设备在该第一行驶路径上各位置点的待解运动状态可表示为{(vi,ai)|1≤i≤N}，该无人驾驶设备通过交点的待解时间可表示为
同理，可设{xj|1≤j≤M}为该障碍物从第j-1个位置点到第j个位置点的行驶路径，相同的，设vi为该障碍物在xj上的行驶速度，aj为该障碍物在xj上的行驶加速度，tj表示该障碍物在xj上的行驶时间，再设第二行驶路径中第m个位置点为交点，则由运动定律可知tj＝f2(xj,vj,aj)，此时，该障碍物在该第二行驶路径上各位置点的待解运动状态可表示为{(vj,aj)|1≤j≤M}，该障碍物通过交点的待解时间可表示为
若步骤S104中确定出的第一权重为1，第二权重为0.5，则该无人驾驶设备的第一权重加权时间为T1，该障碍物的第二权重加权时间为0.5T2，最后可得该无人驾驶设备的第一权重加权时间与该障碍物的第二权重加权时间的时间和为T＝T1+0.5T2。根据此时间和表达式可进一步构建时间和最小的最优解问题,即，
对于上述得到的最优解问题，为了保证安全，可以无人驾驶设备和障碍物车头时距不小于预设安全时距为约束，通过交点的时间和最小为优化目标，对此问题进行求解以得到无人驾驶设备在第一行驶路径上各位置点的运动状态，进而确定无人驾驶设备在第一行驶路径的纵向决策。
其中，车头时距是指该无人驾驶设备与该障碍物通过交点的时间差，预设安全时距是指求解过程中，允许出现的最小车头时距，具体数值可以根据交通调查设定。纵向决策是指确定该无人驾驶设备的驾驶策略，即，优先通过还是让行通过，以及确定该无人驾驶设备在该第一行驶路径上的运动状态。
此外，考虑到该障碍物的实际运动状态与预测的运动状态存在偏差，因此，该无人驾驶设备可每隔预设时间间隔的时间，采集该障碍物历史运动状态信息，并根据该最近采集的历史运动状态信息对上述最优解问题进行求解，以根据该障碍物的实际运动状态调整对该障碍物的预测的运动状态，进而确定出更为准确的该无人驾驶设备在该第一行驶路径的纵向决策。
本说明书中，预设时间间隔可以根据具体情况进行确定，对具体数值不做限制，例如每6毫秒或每10毫秒。
在每一次的求解过程中，具体的，可以根据步骤S102确定的通行优先级，确定该无人驾驶设备是优先通过还是让行通过。若确定该无人驾驶设备优先通行，则先以该无人驾驶设备通过交点的时间最短为目标，根据该第一行驶路径以及该无人驾驶设备的当前运动状态，求解该无人驾驶设备在该第一行驶路径上各位置点的运动状态，再以该无人驾驶设备和该障碍物车头时距不小于预设安全时距为约束，该障碍物通过交点的时间最短为目标，根据该第二行驶路径以及该障碍物历史运动状态信息，求解该障碍物在第二行驶路径上各位置点的运动状态。
其中，在求解该障碍物在第二行驶路径上各位置点的运动状态时，若不能满足该无人驾驶设备和该障碍物车头时距不小于预设安全时距的约束，则对该无人驾驶设备在该第一行驶路径上各位置点的运动状态进行调整，直到使得该障碍物能够以该无人驾驶设备和该障碍物车头时距不小于预设安全时距为约束时，求解出在该第二行驶路径上各位置点的运动状态，以最后调整得到的该无人驾驶设备在该第一行驶路径上各位置点的运动状态作为最优解，并根据该最优解确定第一行驶路径的纵向决策。
若确定该无人驾驶设备让行通过，则先以该障碍物通过交点的时间最短为目标，根据该第二行驶路径以及该障碍物历史运动状态信息，求解该障碍物在该第二行驶路径上各位置点的运动状态。再以该无人驾驶设备和该障碍物车头时距不小于预设安全时距为约束，该无人驾驶设备通过交点的时间最短为目标，根据该第一行驶路径以及该无人驾驶设备的当前运动状态，求解该无人驾驶设备在第一行驶路径上各位置点的运动状态。
相同的，在求解该无人驾驶设备在第一行驶路径上各位置点的运动状态时，若不能满足该无人驾驶设备和该障碍物车头时距不小于预设安全时距的约束，则对该障碍物在该第二行驶路径上各位置点的运动状态进行调整，直到使得该无人驾驶设备能够以该无人驾驶设备和该障碍物车头时距不小于预设安全时距为约束时，求解出在该第一行驶路径上各位置点的运动状态，以最后求解得到的该无人驾驶设备在该第一行驶路径上各位置点的运动状态作为最优解，并根据该最优解确定第一行驶路径的纵向决策。
S110：根据得到的纵向决策，控制所述无人驾驶设备通过所述交点。
通过上述过程获得该无人驾驶设备在第一行驶路径各位置点的运动状态，即纵向决策后，可根据该纵向决策，控制该无人驾驶设备通过交点，以安全且高效的通过交叉口。
具体的，由上述得到的纵向决策可得到该无人驾驶设备在该第一行驶路径上各位置点的运动状态，由此，可通过控制无人驾驶设备的驱动装置执行该运动状态。其中，驱动装置可以包括控制无人驾驶设备的加速以及减速的装置。
基于图2所示的确定无人驾驶设备纵向决策的方法，当无人驾驶设备的行驶路径与障碍物的行驶路径存在交点时，根据无人驾驶设备的行驶路径以及障碍物的行驶路径确定双方的通行优先级，根据通行优先级分别确定无人驾驶设备以及障碍物的权重，构建通过该交点时，无人驾驶设备的加权时间与障碍物的加权时间的时间和最小的最优解问题，根据求解结果预测障碍物在其对应行驶路径上的运动状态以及规划无人驾驶设备的纵向决策，通过考虑无人驾驶设备与障碍物通过交点时的博弈，提高了纵向决策准确性以及通行效率。
此外，在本说明书一个或多个实施例中，步骤S100中提到的感知系统具体包含何种传感器，本说明书不做限制，例如，该无人驾驶设备的感知系统可包含激光雷达，并通过历史上各时刻采集的点云数据，确定该障碍物的历史运动状态信息，或者该感知系统可包含图像传感器，通过历史上各时刻采集的图像，通过目标物追踪，确定该障碍物的历史运动状态信息，等等，本说明书不做限制。
进一步的，在本说明书一个或多个实施例中，步骤S100中，确定无人驾驶设备的第一行驶路径时，为了得到较为平滑的第一行驶路径，还可以根据无人驾驶设备当前的运动状态、自身当前位置以及目的位置进行横向决策和横向规划，确定该无人驾驶设备的第一行驶路径。由此，可以避免在横向决策时，得到无人驾驶设备难以执行或无法执行的行驶路径，保证了无人驾驶设备行驶的稳定性。
此外，在本说明书一个或多个实施例中，步骤S102中，对于图1c所示，无人驾驶设备右转与左侧方向障碍物直行的场景，分别确定无人驾驶设备以及障碍物的通行优先级时，可以根据左侧方向交通控制信号、预设的各车道类型的优先级、第一车道类型以及第二车道类型，分别确定该无人驾驶设备以及该障碍物的通行优先级。例如，当左侧方向控制车辆直行的交通控制信号为红灯时，则根据交通规则可知，左侧方向障碍物不能通行，此时以该无人驾驶设备通过该交叉口的时间最短为目标，求解该无人驾驶设备在该第一行驶路径上各位置点的运动状态，直接确定该无人驾驶设备在该第一行驶路径上的纵向决策即可。当左侧方向控制车辆直行的交通控制信号为绿灯时，根据转弯的车辆让直行的车辆先行的交通规则，预设右转车道类型的优先级为1，直行车道类型的优先级为2，此时，可确定无人驾驶设备的通行优先级为1，障碍物的通行优先级为2。
另外，在本说明书一个或多个实施例中，步骤S108中，考虑到无人驾驶设备以及障碍物与交点的距离因为到交叉口有先后顺序而不同的情况，因此，存在不根据通行优先级决定该无人驾驶设备的驾驶策略，而是根据使先到交叉口的一方优先通过决定该无人驾驶设备的驾驶策略，进而使得该无人驾驶设备与该障碍物能够以最短的加权时间和通过的可能。所以，在求解最优解问题时，可同时求解该无人驾驶设备优先通过和让行通过两种情况下的最优解，进而通过比较两种情况下哪种策略加权时间和更小，以此确定第一行驶路径的纵向决策，如图3所示。
图3为本说明书提供的一种求解最优解问题的流程示意图。
S300：求解无人驾驶设备在第一行驶路径上各位置点的运动状态作为第一最优解。
在每一次的求解过程中，具体的，可先以该无人驾驶设备通过交点的时间最短为优化目标，根据第一行驶路径以及该无人驾驶设备的当前运动状态，求解该无人驾驶设备在该路径各位置点的运动状态，以确定该无人驾驶设备优先通过交点的时间。
S302：求解障碍物在第二行驶路径上各位置点的运动状态。
再以该无人驾驶设备和该障碍物车头时距不小于预设安全时距为约束，该障碍物通过交点的时间最短为优化目标，根据该障碍物的历史运动状态信息以及第二行驶路径，求解该障碍物在该路径各位置点的运动状态，以确定该障碍物让行通过交点的时间。
S304：确定无人驾驶设备的第一权重加权时间与障碍物的第二权重加权时间的第一候选时间和
而后根据第一权重以及第二权重，确定该无人驾驶设备优先通过交点时，该无人驾驶设备的第一权重加权时间与该障碍物的第二权重加权时间的第一候选时间和。
其中，在求解该障碍物在第二行驶路径上各位置点的运动状态时，若不能满足该无人驾驶设备和该障碍物车头时距不小于预设安全时距的约束，则对该无人驾驶设备在该第一行驶路径上各位置点的运动状态进行调整，直到使得该障碍物能够以该无人驾驶设备和该障碍物车头时距不小于预设安全时距为约束时，求解出在该第二行驶路径上各位置点的运动状态，以最后调整得到的该无人驾驶设备在该第一行驶路径上各位置点的运动状态作为第一最优解。
S306：求解障碍物在第二行驶路径上各位置点的运动状态。
接着以该障碍物通过交点的时间最短为优化目标，根据该障碍物的历史运动状态信息以及该第二行驶路径，求解该障碍物在该路径各位置点的运动状态，以确定该障碍物优先通过交点的时间。
S308：求解无人驾驶设备在第一行驶路径上各位置点的运动状态作为第二最优解。
然后以该无人驾驶设备和该障碍物车头时距不小于预设安全时距为约束，该无人驾驶设备通过交点的时间最短为优化目标，根据该第一行驶路径以及该无人驾驶设备的当前运动状态，求解该无人驾驶设备在该路径各位置点的运动状态，以确定该无人驾驶设备让行通过交点的时间。
S310：确定无人驾驶设备的第一权重加权时间与障碍物的第二权重加权时间的第二候选时间和。
进而根据第一权重以及第二权重，确定该无人驾驶设备让行通过交点时，该无人驾驶设备的第一权重加权时间与该障碍物的第二权重加权时间的第二候选时间和。
相同的，在求解该无人驾驶设备在第一行驶路径上各位置点的运动状态时，若不能满足该无人驾驶设备和该障碍物车头时距不小于预设安全时距的约束，则对该障碍物在该第二行驶路径上各位置点的运动状态进行调整，直到使得该无人驾驶设备能够以该无人驾驶设备和该障碍物车头时距不小于预设安全时距为约束时，求解出在该第一行驶路径上各位置点的运动状态，以最后求解得到的该无人驾驶设备在该第一行驶路径上各位置点的运动状态作为第二最优解。
S312：判断第一候选时间和是否小于第二候选时间和。
最后判断第一候选时间和是否小于第二候选时间和，若是，则执行步骤S314确定第一最优解作为无人驾驶设备在第一行驶路径的纵向决策，若否，则执行步骤S316确定第二最优解作为无人驾驶设备在第一行驶路径的纵向决策。
在最后确定该无人驾驶设备纵向决策时，其实质上就是以最小的候选时间和所对应的最优解作为该无人驾驶设备在第一行驶路径的纵向决策，因此，判断时也可以使用取最小的方法，例如：min{第一候选时间，第二候选时间}。进而根据确定出的最小候选时间和所对应的最优解作为该无人驾驶设备在该第一行驶路径的纵向决策。
通过上述方法求解最优解问题时，能够充分考虑到该无人驾驶设备以及该障碍物与交点的距离因为到交叉口有先后顺序而不同的情况，并基于这种情况做出更为准确的纵向决策，提高通行效率。
上述内容均是以交叉口为例进行说明的，但是前述也提及了多种可能存在交汇的场景，实际上均可适用本说明书提供的确定纵向决策的方法，在保证安全性的前提下，提高道路的通行效率。
例如，当应用场景为环岛时，步骤S102中，第一行驶路径或第二行驶路径位于环岛内，根据该第一行驶路径以及该第二行驶路径，分别确定该无人驾驶设备以及该障碍物的通行优先级之前，要根据该第一行驶路径以及该第二行驶路径，分别确定该无人驾驶设备与该障碍物所在的车道，确定存在任一车道未受交通信号灯专用相位指挥通行，具体实现方式，可参考上述相应步骤的描述，本说明书不再赘述。
另外，上述内容均是以无人驾驶设备为执行主体进行说明的，但是本说明书对执行主体不做限制。例如，执行主体也可以是服务器，此时，可通过服务器执行上述方案确定无人驾驶设备纵向决策，或者执行主体为能够执行上述方案的其他装置，等等，本说明书不做限制。
本说明书提供的确定无人驾驶设备纵向决策的方法，可应用于无人驾驶设备的配送过程中，如，使用无人驾驶设备进行快递、外卖等配送的场景中。当无人驾驶设备应用于配送领域时，可通过本说明书确定无人驾驶设备纵向决策的方法，确定无人驾驶设备执行配送任务的纵向决策，以根据纵向决策确定无人驾驶设备的行驶轨迹。
以上为本说明书的一个或多个实施例提供的方法，基于同样的思路，本说明书还提供了相应的确定无人驾驶设备纵向决策的装置，如图4所示。
图4为本说明书提供的一种确定无人驾驶设备纵向决策的装置示意图，包括：
第一确定模块400，用于确定无人驾驶设备的第一行驶路径，以及障碍物的第二行驶路径；
第二确定模块402，用于当所述第一行驶路径与所述第二行驶路径存在交点时，根据所述第一行驶路径以及所述第二行驶路径，分别确定所述无人驾驶设备以及所述障碍物的通行优先级；
第三确定模块404，用于根据确定出的通行优先级，确定所述无人驾驶设备的第一权重以及所述障碍物的第二权重，其中，通行优先级与权重正相关；
构建模块406，用于构建通过所述交点时，所述无人驾驶设备的第一权重加权时间与所述障碍物的第二权重加权时间的时间和的最优解问题；
求解模块408，用于以所述无人驾驶设备和所述障碍物车头时距不小于预设安全时距为约束，所述时间和最小为优化目标，求解所述最优解问题，确定第一行驶路径的纵向决策；
控制模块410，用于根据得到的纵向决策，控制所述无人驾驶设备通过所述交点。
可选地，所述第一确定模块400，根据所述无人驾驶设备的当前位置与目的位置进行横向决策，确定所述无人驾驶设备的第一行驶路径以及，根据所述障碍物的历史运动状态信息，确定所述障碍物的第二行驶路径。
可选地，所述第二确定模块402，所述第一行驶路径或所述第二行驶路径位于交叉口内，根据所述第一行驶路径以及所述第二行驶路径，分别确定所述无人驾驶设备与所述障碍物所在的车道，确定存在任一车道未受交通控制信号指挥通行。
可选地，所述第二确定模块402，根据所述第一行驶路径，确定所述无人驾驶设备所在车道的第一车道类型，根据所述第二行驶路径，确定所述障碍物所在车道的第二车道类型，根据预设的各车道类型的优先级、所述第一车道类型以及所述第二车道类型，分别确定所述无人驾驶设备以及所述障碍物的通行优先级。
可选地，所述第三确定模块404，确定预设的所述无人驾驶设备的第一权重，判断所述无人驾驶设备的通行优先级是否大于所述障碍物的通行优先级，若是，则确定小于所述预设的第一权重的预设第一数值作为第二权重，若否，则确定大于所述预设的第一权重的预设第二数值作为第二权重，其中，所述预设的第一权重大于零，所述预设第一数值与所述预设第二数值的乘积不小于所述预设的第一权重的平方。
可选地，所述构建模块406，根据所述第一行驶路径上各位置点的待解运动状态，确定所述无人驾驶设备通过各位置点的待解时间，根据所述第二行驶路径上各位置点的待解运动状态，确定所述障碍物通过各位置点的待解时间，根据所述第一权重对所述无人驾驶设备通过所述交点的待解时间进行加权，以及根据所述第二权重对所述障碍物通过所述交点的待解时间进行加权，构建所述无人驾驶设备的第一权重加权时间与所述障碍物的第二权重加权时间的时间和对应的最优解问题。
可选地，所述求解模块408，先求解所述无人驾驶设备在所述第一行驶路径上各位置点的运动状态作为第一最优解，再求解所述障碍物在所述第二行驶路径上各位置点的运动状态，以确定所述无人驾驶设备优先通过所述交点时，所述无人驾驶设备的第一权重加权时间与所述障碍物的第二权重加权时间的第一候选时间和；先求解所述障碍物在所述第二行驶路径上各位置点的运动状态，再求解所述无人驾驶设备在所述第一行驶路径上各位置点的运动状态作为第二最优解，以确定所述无人驾驶设备让行通过所述交点时，所述无人驾驶设备的第一权重加权时间与所述障碍物的第二权重加权时间的第二候选时间和；判断所述第一候选时间和是否小于所述第二候选时间和，若是，则确定所述第一最优解作为第一行驶路径的纵向决策，若否，则确定所述第二最优解作为第一行驶路径的纵向决策。
本说明书还提供了一种计算机可读存储介质，该存储介质存储有计算机程序，计算机程序可用于执行上述图2提供的确定无人驾驶设备纵向决策的方法。
本说明书还提供了图5所示的电子设备的结构示意图。如图5所述，在硬件层面，该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器，当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，以实现上述图2所述的确定无人驾驶设备纵向决策的方法。
当然，除了软件实现方式之外，本说明书并不排除其他实现方式，比如逻辑器件异或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。
Claims (9)
1.一种确定无人驾驶设备纵向决策的方法，其特征在于，包括：
确定无人驾驶设备的第一行驶路径，以及障碍物的第二行驶路径；
当所述第一行驶路径与所述第二行驶路径存在交点时，根据所述第一行驶路径以及所述第二行驶路径，分别确定所述无人驾驶设备以及所述障碍物的通行优先级；
根据确定出的通行优先级，确定所述无人驾驶设备的第一权重以及所述障碍物的第二权重，其中，通行优先级与权重正相关；
构建通过所述交点时，所述无人驾驶设备的第一权重加权时间与所述障碍物的第二权重加权时间的时间和的最优解问题；
以所述无人驾驶设备和所述障碍物车头时距不小于预设安全时距为约束，所述时间和最小为优化目标，求解所述最优解问题，确定第一行驶路径的纵向决策，所述车头时距是指所述无人驾驶设备与所述障碍物通过交点的时间差；
根据得到的纵向决策，控制所述无人驾驶设备通过所述交点。
2.如权利要求1所述的方法，其特征在于，确定无人驾驶设备的第一行驶路径，以及障碍物的第二行驶路径，具体包括：
根据所述无人驾驶设备的当前位置与目的位置进行横向决策和横向规划，确定所述无人驾驶设备的第一行驶路径；以及
根据所述障碍物的历史运动状态信息，确定所述障碍物的第二行驶路径。
3.如权利要求1所述的方法，其特征在于，所述第一行驶路径或所述第二行驶路径位于交叉口内；
根据所述第一行驶路径以及所述第二行驶路径，分别确定所述无人驾驶设备以及所述障碍物的通行优先级之前，所述方法还包括：
根据所述第一行驶路径以及所述第二行驶路径，分别确定所述无人驾驶设备与所述障碍物所在的车道，确定任一车道未受交通信号灯专用相位指挥通行。
4.如权利要求3所述的方法，其特征在于，根据所述第一行驶路径以及所述第二行驶路径，分别确定所述无人驾驶设备以及所述障碍物的通行优先级，具体包括：
根据所述第一行驶路径，确定所述无人驾驶设备所在车道的第一车道类型；
根据所述第二行驶路径，确定所述障碍物所在车道的第二车道类型；
根据预设的各车道类型的优先级、所述第一车道类型以及所述第二车道类型，分别确定所述无人驾驶设备以及所述障碍物的通行优先级，其中所述车道类型是指车道中导向车道线对车辆的方向引导类型。
5.如权利要求1所述的方法，其特征在于，根据确定出的通行优先级，确定所述无人驾驶设备的第一权重以及所述障碍物的第二权重，具体包括：
确定预设的所述无人驾驶设备的第一权重；
判断所述无人驾驶设备的通行优先级是否大于所述障碍物的通行优先级；
若是，则确定小于所述预设的第一权重的预设第一数值作为第二权重；
若否，则确定大于所述预设的第一权重的预设第二数值作为第二权重；
其中，所述预设的第一权重大于零，所述预设第一数值与所述预设第二数值的乘积不小于所述预设的第一权重的平方。
6.如权利要求1所述的方法，其特征在于，构建通过所述交点时，所述无人驾驶设备的第一权重加权时间与所述障碍物的第二权重加权时间的时间和的最优解问题，具体包括：
根据所述第一行驶路径上各位置点的待解运动状态，确定所述无人驾驶设备通过各位置点的待解时间；
根据所述第二行驶路径上各位置点的待解运动状态，确定所述障碍物通过各位置点的待解时间；
根据所述第一权重对所述无人驾驶设备通过所述交点的待解时间进行加权，以及根据所述第二权重对所述障碍物通过所述交点的待解时间进行加权；
构建所述无人驾驶设备的第一权重加权时间与所述障碍物的第二权重加权时间的时间和对应的最优解问题。
7.如权利要求6所述的方法，其特征在于，以所述无人驾驶设备和所述障碍物车头时距不小于预设安全时距为约束，求解所述最优解问题，确定第一行驶路径的纵向决策，具体包括：
先求解所述无人驾驶设备在所述第一行驶路径上各位置点的运动状态作为第一最优解，以所述无人驾驶设备和所述障碍物车头时距不小于预设安全时距为约束，再求解所述障碍物在所述第二行驶路径上各位置点的运动状态，以确定所述无人驾驶设备优先通过所述交点时，所述无人驾驶设备的第一权重加权时间与所述障碍物的第二权重加权时间的第一候选时间和；
先求解所述障碍物在所述第二行驶路径上各位置点的运动状态，以所述无人驾驶设备和所述障碍物车头时距不小于预设安全时距为约束，再求解所述无人驾驶设备在所述第一行驶路径上各位置点的运动状态作为第二最优解，以确定所述无人驾驶设备让行通过所述交点时，所述无人驾驶设备的第一权重加权时间与所述障碍物的第二权重加权时间的第二候选时间和；
判断所述第一候选时间和是否小于所述第二候选时间和；
若是，则确定所述第一最优解作为第一行驶路径的纵向决策；
若否，则确定所述第二最优解作为第一行驶路径的纵向决策。
8.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1~7任一项所述的方法。
9.一种电子设备，其特征在于，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上述权利要求1~7任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111213184.6A CN114019959B (zh) | 2021-10-19 | 2021-10-19 | 一种确定无人驾驶设备纵向决策的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111213184.6A CN114019959B (zh) | 2021-10-19 | 2021-10-19 | 一种确定无人驾驶设备纵向决策的方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114019959A CN114019959A (zh) | 2022-02-08 |
| CN114019959B true CN114019959B (zh) | 2023-11-21 |
Family
ID=80056634
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111213184.6A Active CN114019959B (zh) | 2021-10-19 | 2021-10-19 | 一种确定无人驾驶设备纵向决策的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114019959B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2280386A1 (en) * | 2009-07-27 | 2011-02-02 | Clarion Co., Ltd. | Method and a device for scheduling vehicles at intersections |
| CN108216259A (zh) * | 2016-12-13 | 2018-06-29 | 福特全球技术公司 | 自主车辆故障后操作 |
| CN109664885A (zh) * | 2017-10-13 | 2019-04-23 | 福特全球技术公司 | 车载交通辅助 |
| CN109739246A (zh) * | 2019-02-19 | 2019-05-10 | 百度在线网络技术（北京）有限公司 | 一种变换车道过程中的决策方法、装置、设备及存储介质 |
| CN111133277A (zh) * | 2017-09-19 | 2020-05-08 | 赫尔环球有限公司 | 使用时间和空间生成路线的方法、设备和计算机程序产品 |
| US10769946B1 (en) * | 2017-04-24 | 2020-09-08 | Ronald M Harstad | Incentive-compatible, asymmetric-information, real-time traffic-routing differential-advice |
| CN113341941A (zh) * | 2021-08-04 | 2021-09-03 | 北京三快在线科技有限公司 | 一种无人驾驶设备的控制方法及装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9898759B2 (en) * | 2014-03-28 | 2018-02-20 | Joseph Khoury | Methods and systems for collecting driving information and classifying drivers and self-driving systems |
-
2021
- 2021-10-19 CN CN202111213184.6A patent/CN114019959B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2280386A1 (en) * | 2009-07-27 | 2011-02-02 | Clarion Co., Ltd. | Method and a device for scheduling vehicles at intersections |
| CN108216259A (zh) * | 2016-12-13 | 2018-06-29 | 福特全球技术公司 | 自主车辆故障后操作 |
| US10769946B1 (en) * | 2017-04-24 | 2020-09-08 | Ronald M Harstad | Incentive-compatible, asymmetric-information, real-time traffic-routing differential-advice |
| CN111133277A (zh) * | 2017-09-19 | 2020-05-08 | 赫尔环球有限公司 | 使用时间和空间生成路线的方法、设备和计算机程序产品 |
| CN109664885A (zh) * | 2017-10-13 | 2019-04-23 | 福特全球技术公司 | 车载交通辅助 |
| CN109739246A (zh) * | 2019-02-19 | 2019-05-10 | 百度在线网络技术（北京）有限公司 | 一种变换车道过程中的决策方法、装置、设备及存储介质 |
| CN113341941A (zh) * | 2021-08-04 | 2021-09-03 | 北京三快在线科技有限公司 | 一种无人驾驶设备的控制方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114019959A (zh) | 2022-02-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11231286B2 (en) | Dynamic routing for self-driving vehicles | |
| US20230041319A1 (en) | Data processing method and apparatus, device, and storage medium | |
| US10479362B2 (en) | Autonomous driving assistance system, autonomous driving assistance method, and computer program | |
| JP2017154554A (ja) | 車両制御装置及び車両制御方法 | |
| JP7347523B2 (ja) | 車両制御装置及び車両制御方法 | |
| WO2021075454A1 (ja) | 車載装置及び運転支援方法 | |
| CA3077128A1 (en) | Driving assistance method and driving assistance device | |
| CN113341941B (zh) | 一种无人驾驶设备的控制方法及装置 | |
| US11586209B2 (en) | Differential dynamic programming (DDP) based planning architecture for autonomous driving vehicles | |
| CN112400096B (zh) | 行驶辅助方法和行驶辅助装置 | |
| CN115107808A (zh) | 一种车辆行驶轨迹规划方法及设备 | |
| EP3854647B1 (en) | Automatic driving control method and automatic driving control system | |
| CN114019959B (zh) | 一种确定无人驾驶设备纵向决策的方法及装置 | |
| JP2021196874A (ja) | 走行支援方法及び走行支援装置 | |
| US11485365B2 (en) | Vehicle control method and vehicle control device | |
| JP7202982B2 (ja) | 運転支援方法及び運転支援装置 | |
| US20230252899A1 (en) | Traffic control device, traffic control system, and traffic control method | |
| US20230391356A1 (en) | Dynamic scenario parameters for an autonomous driving vehicle | |
| CN114750782A (zh) | 路径规划方法、装置、设备及车辆控制方法、装置、设备 | |
| CN114590249A (zh) | 一种无人设备控制方法、装置、设备及存储介质 | |
| CN113848913A (zh) | 一种无人驾驶设备的控制方法及控制装置 | |
| CN114019971A (zh) | 一种无人设备控制方法、装置、存储介质及电子设备 | |
| JP2021152488A (ja) | 追い越し支援装置、追い越し支援方法、追い越し支援プログラム | |
| JP7458743B2 (ja) | 車両制御方法及び車両制御装置 | |
| CN113815651B (zh) | 一种无人设备控制方法、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 |