CN114911243A - 车路协同自动驾驶的控制方法、装置、设备及车辆 - Google Patents

Abstract

本公开提供了一种车路协同自动驾驶的控制方法、装置、设备及车辆，涉及人工智能领域，尤其涉及自动驾驶和智能交通技术领域。实现方案为：响应于确定在本车的前方存在阻碍本车沿第一车道行驶的障碍，通过第一路侧设备获取与第一车道相邻的第二车道上的行车信息；基于第二车道上的行车信息，确定本车驶入第二车道之后能够在第二车道上行驶的预测车速；以及响应于确定预测车速在预设范围内，发起对本车的变道控制，以使本车能够从第一车道驶入第二车道。

Description

车路协同自动驾驶的控制方法、装置、设备及车辆

技术领域

本公开涉及人工智能技术领域，尤其涉及自动驾驶和智能交通技术领域，具体涉及一种车路协同自动驾驶的控制方法、装置、电子设备、计算机可读存储介质、计算机程序产品、自动驾驶车辆以及车路协同系统。

背景技术

人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术、人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。

自动驾驶目前主要依靠单车智能自动驾驶(Autonomous Driving，AD)。其中AD主要依靠车辆自身的视觉、毫米波雷达、激光雷达等传感器、计算单元、线控系统进行环境感知、计算决策和控制执行。

在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。

发明内容

本公开提供了一种车路协同自动驾驶的控制方法、装置、电子设备、计算机可读存储介质、计算机程序产品、自动驾驶车辆以及车路协同系统。

根据本公开的一方面，提供了一种车路协同自动驾驶的控制方法，包括：响应于确定在本车的前方存在阻碍本车沿第一车道行驶的障碍，通过第一路侧设备获取与第一车道相邻的第二车道上的行车信息；基于第二车道上的行车信息，确定本车驶入第二车道之后能够在第二车道上行驶的预测车速，其中，本车在第二车道上的行驶方向与本车在第一车道上的行驶方向相同；以及响应于确定预测车速在预设范围内，发起对本车的变道控制，以使本车能够从第一车道驶入第二车道。

根据本公开的另一方面，提供了一种车路协同自动驾驶的装置，包括：第一单元，被配置为响应于确定在本车的前方存在阻碍本车沿第一车道行驶的障碍，通过第一路侧设备获取与第一车道相邻的第二车道上的行车信息；第二单元，被配置为基于第二车道上的行车信息，确定本车驶入第二车道之后能够在第二车道上行驶的预测车速，本车在第二车道上的行驶方向与本车在第一车道上的行驶方向相同；以及第三单元响应于确定预测车速在预设范围内，发起对本车的变道控制，以使本车能够从第一车道驶入第二车道。

根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述任一的方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行上述任意一种方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，其中，计算机程序在被处理器执行时实现上述任意一种方法。

根据本公开的另一方面，提供了一种自动驾驶车辆，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述任意一种方法。

根据本公开的另一方面，提供了一种车路协同系统，包括路侧设备和如上述的自动驾驶车辆。

根据本公开的一个或多个实施例，借由第一路侧设备来感测预驶入的第二车道的行车信息，据此执行变道控制，由于第一路侧设备的感测范围广，能够更为准确地预测本车驶入第二车道后所能达到的预测车速，进而能够实现更加准确的变道决策和控制。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。

图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图；

图2示出了根据本公开的实施例的一种车路协同自动驾驶的控制方法的流程图；

图3示出了根据本公开的实施例的一种车路协同自动驾驶的控制方法的示意图；

图4示出了根据本公开的实施例的另一种车路协同自动驾驶的控制方法的示意图；

图5示出了根据本公开的实施例的一种车路协同自动驾驶的控制装置的结构框图；以及

图6示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个元件与另一元件区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。

在本公开中对各种示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。

在相关技术中，自动驾驶车辆在进行变道控制时，往往基于车辆自身的感测系统执行变道控制。由于车辆自身的感测系统的感测范围有限，只能根据车辆可检测范围的行车信息进行变道决策，经常造成变道控制不准确的问题。

基于此，本公开提出一种车路协同自动驾驶的控制方法，响应于在本车的前方存在阻碍本车沿第一车道行驶的障碍，通过第一路侧设备来获取第二车道上的行车信息，并基于该行车信息预测本车驶入第二车道之后能够在第二车道上行驶的预测车速，进而确定是否发起对本车的变道控制。

由此，可以借由第一路侧设备来感测预驶入的第二车道的行车信息，并据此来执行变道控制。由于第一路侧设备的感测范围广，能够更为准确地预测本车驶入第二车道后所能达到的预测车速，进而能够实现更加准确的变道决策和控制。

下面将结合附图详细描述本公开的实施例。

图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1，该系统100包括机动车辆110、服务器120以及将机动车辆110耦接到服务器120的一个或多个通信网络130。

在本公开的实施例中，机动车辆110可以包括根据本公开实施例的计算设备和/或被配置以用于执行根据本公开实施例的方法。

服务器120可以运行使得能够实现自动驾驶的方法的一个或多个服务或软件应用。的方法的一个或多个服务或软件应用。在某些实施例中，服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在图1所示的配置中，服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。机动车辆110的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解，各种不同的系统配置是可能的，其可以与系统100不同。因此，图1是用于实施本文所描述的各种方法的系统的一个示例，并且不旨在进行限制。

服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机，或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中，服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。

服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个，包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。

在一些实施方式中，服务器120可以包括一个或多个应用程序，以分析和合并从机动车辆110接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序，以经由机动车辆110的一个或多个显示设备来显示数据馈送和/或实时事件。

网络130可以是本领域技术人员熟知的任何类型的网络，其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例，一个或多个网络110可以是卫星通信网络、局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、公共交换电话网(PSTN)、红外网络、无线网络(包括例如蓝牙、WiFi)和/或这些与其他网络的任意组合。

系统100还可以包括一个或多个数据库150。在某些实施例中，这些数据库可以用于存储数据和其他信息。例如，数据库150中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据存储库150可以驻留在各种位置。例如，由服务器120使用的数据存储库可以在服务器120本地，或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据存储库150可以是不同的类型。在某些实施例中，由服务器120使用的数据存储库可以是数据库，例如关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。

在某些实施例中，数据库150中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库，例如键值存储库，对象存储库或由文件系统支持的常规存储库。

机动车辆110可以包括传感器111用于感知周围环境。传感器111可以包括下列传感器中的一个或多个：视觉摄像头、红外摄像头、超声波传感器、毫米波雷达以及激光雷达(LiDAR)。不同的传感器可以提供不同的检测精度和范围。摄像头可以安装在车辆的前方、后方或其他位置。视觉摄像头可以实时捕获车辆内外的情况并呈现给驾驶员和/或乘客。此外，通过对视觉摄像头捕获的画面进行分析，可以获取诸如交通信号灯指示、交叉路口情况、其他车辆运行状态等信息。红外摄像头可以在夜视情况下捕捉物体。超声波传感器可以安装在车辆的四周，用于利用超声波方向性强等特点来测量车外物体距车辆的距离。毫米波雷达可以安装在车辆的前方、后方或其他位置，用于利用电磁波的特性测量车外物体距车辆的距离。激光雷达可以安装在车辆的前方、后方或其他位置，用于检测物体边缘、形状信息，从而进行物体识别和追踪。由于多普勒效应，雷达装置还可以测量车辆与移动物体的速度变化。

机动车辆110还可以包括通信装置112。通信装置112可以包括能够从卫星141接收卫星定位信号(例如，北斗、GPS、GLONASS以及GALILEO)并且基于这些信号产生坐标的卫星定位模块。通信装置112还可以包括与移动通信基站142进行通信的模块，移动通信网络可以实施任何适合的通信技术，例如GSM/GPRS、CDMA、LTE等当前或正在不断发展的无线通信技术(例如5G技术)。通信装置112还可以具有车联网或车联万物(Vehicle-to-Everything，V2X)模块，被配置用于实现例如与其它车辆143进行车对车(Vehicle-to-Vehicle，V2V)通信和与基础设施144进行车辆到基础设施(Vehicle-to-Infrastructure，V2I)通信的车与外界的通信。此外，通信装置112还可以具有被配置为例如通过使用IEEE802.11标准的无线局域网或蓝牙与用户终端145(包括但不限于智能手机、平板电脑或诸如手表等可佩戴装置)进行通信的模块。利用通信装置112，机动车辆110还可以经由网络130接入服务器120。

机动车辆110还可以包括控制装置113。控制装置113可以包括与各种类型的计算机可读存储装置或介质通信的处理器，例如中央处理单元(CPU)或图形处理单元(GPU)，或者其他的专用处理器等。控制装置113可以包括用于自动控制车辆中的各种致动器的自动驾驶系统。自动驾驶系统被配置为经由多个致动器响应来自多个传感器111或者其他输入设备的输入而控制机动车辆110(未示出的)动力总成、转向系统以及制动系统等以分别控制加速、转向和制动，而无需人为干预或者有限的人为干预。控制装置113的部分处理功能可以通过云计算实现。例如，可以使用车载处理器执行某一些处理，而同时可以利用云端的计算资源执行其他一些处理。控制装置113可以被配置以执行根据本公开的方法。此外，控制装置113可以被实现为根据本公开的机动车辆侧(客户端)的计算设备的一个示例。

可以理解，机动车不是必须包括上述各种车端传感设备。根据本公开的一些实施例，在机动车辆不具备或者不启用这些车端传感设备的情况下仍可实现安全可靠的自动驾驶。

本公开所涉及的车路协同可以是指采用无线通信和互联网等技术，实施车与车、车与路、车与人之间动态实时信息交互，并在动态交通信息采集与融合的基础上开展车辆主动安全控制和道路协同管理。车路协同自动驾驶则是通过车、道路感知和定位设备(如摄像头、雷达等)对道路交通环境进行实时感知定位，按照约定协议进行数据交互，实现车与车、车与路、车与人之间不同程度的信息交互共享(网络互联化)，并涵盖不同程度的车辆自动化驾驶阶段(车辆自动化)。通过车辆自动化、网络互联化和系统集成化，最终构建一个车路协同自动驾驶系统。

图1的系统100可以以各种方式配置和操作，以使得能够应用根据本公开所描述的各种方法和装置。

本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。

图2示出了根据本公开的实施例的一种车路协同自动驾驶的控制方法200的流程图。方法200可以包括以下步骤：步骤S201、响应于确定在本车的前方存在阻碍本车沿第一车道行驶的障碍，通过第一路侧设备获取与第一车道相邻的第二车道上的行车信息；步骤S202、基于第二车道上的行车信息，确定本车驶入第二车道之后能够在第二车道上行驶的预测车速，其中，本车在第二车道上的行驶方向与本车在第一车道上的行驶方向相同；以及步骤S203、响应于确定预测车速在预设范围内，发起对本车的变道控制，以使本车能够从第一车道驶入第二车道。

由此，可以借由第一路侧设备来感测预驶入的第二车道的行车信息，并据此来执行变道控制。由于第一路侧设备的感测范围广，能够更为准确地预测本车驶入第二车道后所能达到的预测车速，进而能够实现更加准确的变道决策和控制。

其中，在步骤S201中的障碍可以为在第一车道中，位于本车的前方的交通事故、违章占道、道路维修、行人闯入、自然灾害、前方车辆行驶缓慢等影响本车在第一车道中正常行驶的物或事件。

本领域技术人员可以理解，该障碍对本车的阻碍可以是在当前已经发生的，也可以为是会在以后发生的。例如，该障碍是第一车道中距离本车较远的交通事故，当前本车尚能够在第一车道中正常行驶，但可以预测当本车行驶至靠近交通事故位置时，本车将无法以当前车速正常行驶。

根据一些实施例，第一路侧设备可以包括道路工程及配套附属设施，智能感知设施，例如，摄像头、毫米波雷达、激光雷达等，路侧通信设施，例如，直连无线通信设施、蜂窝移动通信设施等，计算控制设施，例如，边缘计算节点、MEC或各级云平台，高精度地图与辅助定位设施，以及电力功能等配套附属设备等。

在一种实施例中，路侧感知设备是路侧视频设备和激光雷达的组合。通过激光雷达来提供点云，再融合摄像头提供的图像，使得车辆均可以通过追踪像素，获得相邻车道的行车信息。

根据一些实施例，在本车行驶过程中，可以通过设置在自身的车载单元OBU(OnBoard Unit)识别行驶前方存在的障碍。

根据一些实施例，阻碍本车沿第一车道行驶的障碍通过第二路侧设备而检测得到。

由于本车自身的感测范围有限，难以在早期检测到此后将会阻碍本车正常行驶的障碍，例如上述第一车道中距离本车较远的交通事故等。这导致在本车检测到障碍时，本车已经无法执行变道。例如，本车检测到障碍时，障碍附近的多条车道均出现拥堵。又如，本车检测到障碍时，行驶处的交通规则不允许本车变道。

通过第二路侧设备执行对障碍的检测，能够显著地扩大对障碍的检测范围，使本车尽早地获知可能阻碍本车正常行驶的障碍，进而能够留给本车充分的时间来获取第二车道上的行车信息，以及执行变道的决策和控制。

在获取到第二车道上的行车信息之后，可以基于该第二车道上的行车信息，确定本车驶入第二车道之后能够在第二车道上行驶的预测车速。

其中，基于该第二车道上的行车信息来确定预测车速的可以是本车、第一路侧设备和云端服务器中的一种或多种。

在一种行驶场景中，第二车道与第一车道同向。

根据一些实施例，第二车道与第一车道同向，行车信息包括第二车道上位于本车和障碍之间的至少一个参考车辆中的每一者的车速。由此，根据同向的第二车道中的参考车辆的车速，可以判断本车变道至第二车道后是否能够以正常速度行驶。

图3示出了根据本公开的实施例的应用车路协同自动驾驶的控制方法的场景300的示意图。

如图3所示，第二车道305和第一车道306同向。本车301在第一车道306上行驶，参考车辆304在第二车道305上行驶，本车301与参考车辆304的行驶方向相同。

在第一车道306中，障碍车辆302违章占道导致本车301在第一车道306中无法正常行驶，本车301通过第一路侧设备303获取第二车道305中的参考车辆304的车速。

在该示例中，为了便于表述，参考车辆304位于本车301的检测范围之内。本领域技术人员知晓，基于第一路侧设备303所提供的大范围的行车信息，所获取的第二车道305中的参考车辆的车速也可以包括在本车301的检测范围之外的一个或多个。

基于第二车道305中的参考车辆304的车速，可以便于本车301确定是否驶入从第一车道306驶入第二车道305中行驶。

根据一些实施例，基于第二车道上的行车信息，确定本车驶入第二车道之后能够在第二车道上行驶的预测车速包括：基于至少一个参考车辆中的每一者的车速的均值，确定预测车速。

在一个示例中，假设本车的当前车速是30km/h，第二车道上的参考车辆A的车速是2km/h，参考车辆B的车速是10km/h，由此计算得到预测车速为车速2km/h和车速10km/h的均值6km/h，即预测当本车驶入第二车道行驶后，可以达到的行驶速度为6km/h。在此基础上，可以判断在第二车道中可能已经先于第一车道出现了拥堵的情况，并不适宜使本车改道至第二车道行驶。

在另一种行驶场景中，第二车道与第一车道反向。

根据一些实施例，第二车道与第一车道反向，行车信息包括第二车道上位于本车的前方且最靠近本车的参考车辆的车速以及参考车辆和本车之间沿行驶方向的第一距离，基于第二车道上的行车信息，确定本车驶入第二车道之后能够在第二车道上行驶的预测车速可以包括：响应于确定第一距离大于障碍和本车之间的第二距离，基于第一距离、第二距离以及参考车辆的车速，确定本车能够在第二车道上行驶的预测车速，预测车速能够使本车在与参考车辆相撞之前，从障碍的前方驶回第一车道。

由此，根据对向的第二车道中的参考车辆的车速和距离，可以判断本车是否能够在不与参考车辆相撞的情况下，借道第二车道来绕过前方的障碍。

图4示出了根据本公开的实施例的应用车路协同自动驾驶的控制方法的场景400的示意图。

在图4中，第二车道405和第一车道406反向。本车401行驶在第一车道406中，参考车辆404行驶在第二车道405中，本车401与参考车辆404的行驶方向相反，并且参考车辆404是在第二车道405上行驶的最靠近本车401的车辆。

在第一车道406中，障碍车辆402违章占道导致本车401在第一车道406中无法正常行驶，本车401通过第一路侧设备403获取第二车道405中的参考车辆404的车速v’、本车401和参考车辆404之间沿行驶方向的第一距离L1，以及障碍车辆402和本车401之间的第二距离L2。

本领域技术人员可以理解，为了提升计算的准确性，在确定第一距离L1和第二距离L2时，应当考虑本车401、参考车辆404和障碍402本身的长度。如图4所示，第一距离L1为对向行驶的本车401的车头和参考车辆404的车头之间沿行驶方向的距离，第二距离L2为本车401的车尾和障碍车辆402的车头之间的距离。

如图4所示，本车401和参考车辆404之间沿行驶方向的第一距离L1大于障碍车辆402和本车401之间的第二距离L2，可以通过以下计算来确定预测车速v的最小值：

换言之，如果本车401从第一车道406的当前位置驶入第二车道405，并在第二车道405中逆向行驶时，需要以高于

的车速行驶，才能够保证本车401能够在与参考车辆404相撞之前，从障碍车辆402的前方驶回第一车道。

根据一些实施例，响应于确定第一距离不大于障碍和本车之间的第二距离，将预测车速设置为极大值或极小值。

在确定第一距离不大于障碍和本车之间的第二距离的情况下，本车不具有借道第二车道来绕过前方障碍的可能，因此，为了提升决策和控制的效率，可以之间将预测车速设置为极大值或极小值。

在确定了预测车速之后，响应于确定预测车速在预设范围内，发起对本车的变道控制，以使本车能够从第一车道驶入第二车道。

其中，预设范围的速度下限为本车所能忍受的最小行驶车速，当本车以小于该速度下限的车速行驶时，可以认为该本车处于拥堵状态。该预设范围的上限为本车安全行驶的最大行驶车速，当本车以大于该速度上限的车速行驶时，可以认为该本车的当前行驶不安全。

根据一些实施例，响应于确定预测车速在预设范围内，发起对本车的变道控制包括以下至少一种操作：生成变道提示信息；和生成变道控制指令。

在一种实施方式中，生成变道提示信息，并将变道提示信息提供给司机，由此，司机可以参考变道提示信息来做出是否执行变道的决策和控制。这种控制方式适用于辅助型自动驾驶模式，即本车仅提供提示信息，而对车辆的控制由司机来执行。

在另一种实施方式中，生成变道控制指令，并基于该变道控制指令直接控制本车执行变道或继续在第一车道中行驶。这种控制方式适用于自主型自动驾驶模式，即本车自动执行变道控制，无需司机操作。

根据本公开的实施例，还提供了一种车路协同自动驾驶的控制装置500。如图5所示，装置500包括：第一确定单元501，被配置为响应于确定在本车的前方存在阻碍本车沿第一车道行驶的障碍，通过第一路侧设备获取与第一车道相邻的第二车道上的行车信息；第二确定单元502，被配置为基于第二车道上的行车信息，确定本车驶入第二车道之后能够在第二车道上行驶的预测车速，其中，本车在第二车道上的行驶方向与本车在第一车道上的行驶方向相同；以及控制单元503，被配置为响应于确定预测车速在预设范围内，发起对本车的变道控制，以使本车能够从第一车道驶入第二车道。

根据一些实施例，第二车道与第一车道同向，行车信息包括第二车道上位于本车和障碍之间的至少一个参考车辆中的每一者的车速。

根据一些实施例，第二确定单元包括：第一确定子单元，被配置为基于至少一个参考车辆中的每一者的车速的均值，确定预测车速。

根据一些实施例，第二车道与第一车道反向，行车信息包括第二车道上位于本车的前方且最靠近本车的参考车辆的车速以及参考车辆和本车之间沿行驶方向的第一距离，并且其中，第二确定单元包括：第二确定子单元，被配置为响应于确定第一距离大于障碍和本车之间的第二距离，基于第一距离、第二距离以及参考车辆的车速，确定本车能够在第二车道上行驶的预测车速，其中，预测车速能够使本车在与参考车辆相撞之前，从障碍的前方驶回第一车道。

根据一些实施例，第二确定单元还包括：第三确定子单元，被配置为响应于确定第一距离不大于障碍和本车之间的第二距离，将预测车速设置为极大值或极小值。

根据一些实施例，响应于确定预测车速在预设范围内，发起对本车的变道控制包括以下至少一种操作：生成变道提示信息；和生成变道控制指令。

根据一些实施例，阻碍本车沿第一车道行驶的障碍通过第二路侧设备而检测得到。

根据本公开的实施例，还提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述任意一种方法。

根据本公开的实施例，还提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行上述任意一种方法。

根据本公开的实施例，还提供了一种计算机程序产品，包括计算机程序，其中，计算机程序在被处理器执行时实现上述任意一种方法。

根据本公开的实施例，还提供了一种自动驾驶车辆，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述任意一种方法。

根据本公开的实施例，还提供了一种车路协同系统，包括路侧设备和上述自动驾驶车辆。

本公开所采用的车路协同自动驾驶技术可以包括以下技术中的一种或多种：协同感知技术，例如，传感器高精度标定技术、环境感知技术、融合与预测技术等；高精度地图与高精度定位技术，例如，高精度地图、路侧辅助定位技术等；协同决策与协同控制技术，例如，意图预测、博弈仲裁、引导调度等协同决策、车辆、设施、人类等协同控制引导等；高可靠低时延网络通信技术，例如，直连无线通信技术、蜂窝移动通信技术、交通系统集成优化与有线网络传输技术等；云计算技术，例如，边缘计算MEC技术、多级云控平台技术、大数据和人工智能平台技术等；功能安全与预期功能安全；物联网IoT技术；网络安全技术等。

基于本公开所实现的车路协同自动驾驶能够实现数据高维、算力高维和算法高维。

其中，高维数据特性，可以分成新的空间、时间、类型以及其他维度特性的几方面类别的高维数据。

空间方面，主要是单车设备和路侧设备的部署位置和角度可选范围有差异，分成范围、视角、盲区的三个小分类。相比单车智能的数据，路侧智能具备另一套维度的空间数据。范围方面，车载设备的部署位置是单车局部范围覆盖，且在使用同等设备的前提下可以更致密、更精确地采集局部数据；路侧设备的部署位置是多点位，从而进行全局范围的超视距覆盖，且有条件投入更多种类和数量的设备进行更加因地制宜的布设。视角方面，车载设备是第一视角，有一定的优势，也易于被视距问题影响；路侧设备安装于路侧杆架上，可以具备多视角能力，且目前部署形态多为车载设备所不具备的俯视视角。盲区方面，车载设备传感器在车上安装存在静态盲区也容易发生动态遮挡盲区，且一旦发生车辆或建筑物等导致遮挡产生盲区，车载的多传感器融合的各冗余传感器同时会被遮挡，只有通过更加复杂的移动视角对盲区进行推理做一定弥补；路侧传感器一方面安装高于交通参与者，另一方面有多个点位间不同角度交叉覆盖的条件，所以不易被遮挡产生盲区，即使被遮挡时，还可以由持续的连续空间检测解决；值得单独提出的是车路协同融合后具备车载和路侧双方面设备的优势，交叉检测下遮挡小，还可以由车载和路侧连续空间检测来推导遮挡范围内存在怎样的交通参与者，从而为遮挡区域会产生交通风险进行反应。

时间方面，主要是位置和时间构成的动静态属性和数据处理的时间轴属性差异。相比单车智能的数据，有条件成为时间方面新的高维数据。动静态方面，观测设备位置与时间属性叠加构成动静态观测点的差异。车载设备的观测点动态移动的，有观测点变化的复杂度，也有第一视角关注点可测量地变化从而时间上前后印证的优势；路侧设备的观测点静态的，可长时间持续观测同一位置分辨差异。时间范围方面，车载设备的观测和处理一般是基于单车的实时数据，由于不具备长时间针对目标和场景的观测和处理条件，历史数据或体现为模型，或体现为类似马尔可夫过程的较短时的状态信息；路侧设施具备长时间持续观测，结合路侧和云端基础设施的数据，以较长期数据做推理，具备以本地化个性化方式预测一段时间未来的能力。

类型方面是多源、多层的数据特性，车端智能的数据类型是单车传感器，优点是实时一手数据；路侧智能除了路侧传感器以外，还可以广泛地对接交通交管、场景方系统、用户方系统等多源多层数据，全面且易做灾害异常等高等级推理。

设备能力方面，车载设备藏于车内须体积和能耗较小、耐高温振动电磁，因此能力受限；路侧设备架设于路侧或计算中心，可选择不同的形态种类，因此上限更高。

从以上介绍的数据特性，可以看到车路协同引入了高维度且与单车有正交属性的数据。在这样的数据基础上，由路侧差异性算力以及引入的差异性算法，无论是实时在线的处理系统，还是离线的挖掘训练系统都可以收益，可以车路协同融合后的智能系统会具备新的智能特性达到新的智能高度。

算力高维包括：在移动属性上，固定设备，端边云多层，端的设备须防震、防热、防电磁、防尘等，云的设备有较好IDG环境；在电源属性上，电网供电，能耗不受限；在解耦调度上，多种解耦调度形态，如忙闲调度、多点位空间调度、时间调度、步骤配合调度、在线与离线调度；在通信上，车路无线通信，路云间是有线传输。

配合高维度数据，车路协同也带来了相匹配的更强算力可能性，也使得算法和机制有了更广的空间。算力的特性，可以分成移动和电源属性、解耦调度属性、通信属性的几方面类别的特性。

移动属性方面，单车智能的算力需要车载移动，所以有移动一线计算的收益，也有移动算力受限；路侧智能的算力由于是固定的，即使在在路侧边缘；网络是有线供给，边缘机房和数据中心的条件就更加优越，所以算力的上限高自由度大。

电源属性方面，单车智能的算力使用电池，使得能耗受限从而算力受限；路侧智能由于电网供电，所以能耗不受限，有条件使用强大的算力。

解耦调度方面，单车智能的算力是专注绑定在车载计算资源内的，繁忙时有更多计算需求也无法扩张，空闲时计算需求是也无法收缩转让；路侧智能的算力由于有计算基础设施的解耦作用，所以可以根据繁忙空闲，按需进行资源单元间的空间调度、对于高峰低谷的时间调度，在线处理和离线处理的调度，持久化和还原的调度；车路协同综合单车智能和路侧智能的能力，可以结合车载绑定的专用算力和路侧加新基建的MEC、云算力，可以提供兼顾专用和共享灵活的算力。

通信方面，单车智能算力的通信网络分成车内和车云两段。车内是以车载以太网和CAN等车载形态通信网络，所以传感器和计算单元等车载设备间的通信是简单直接的。单车智能的车云通信是未经面向车路通信优化的普通手机运营商网络，成本低廉普及率高，但是网络通信质量不够可靠、延迟无保障、带宽无保障、接入设备数无保障、覆盖无保障。路侧智能的通信有两段，车路间的通信是通过LTE-V 5G NR-V2X等车路协同通信方式，具备相对的高可靠、低延迟、高带宽、大并发特性，而路云之间的通信一般是有线网络，可选用光纤等高速率通信方式，从而将端管云连成一体，提供灵活的计算平台。这样使得平台具有广泛的作用。一方面可以为在线协同以及建管养运的深层业务提供支持。另一方面也可以为离线挖掘、训练、仿真提供支持，还可以帮助系统建设成为大数据学习成长型体系提供基础。

算法高维包括：场景化高精，即具备基础设施设计参与度，可动态处理；分工服务化，即交通运营商服务；全局大数据，即端边云融合大数据分析处理；协同智能，即多方多层次协同。算法和协同特性有场景化高精、分工服务化、全局大数据、协同智能的几个方面。1)场景化高精方面，单车智能的算法和机制依赖推理高级语义和地图部分，由于自动驾驶的场景策略推理能力以及高精地图已经在研发阶段模型和地图发布时确定下来，所以策略处理能力偏静态，以一套复杂场景策略处理所有场景；路侧智能具备基础设施的设计和参与度，可以直接按照场景下需求细粒度地因场景制宜调度算法配合协同机制进行处理；车路协同结合单车智能和路侧智能可以在车和路选择更合理的算法和协同机制。2)分工服务化方面，单车智能的能力会在单车完成闭环，专用且直接；路侧智能可以以基础设施的形态为交通参与者提供分布式算法和协同服务，灵活且广泛；车路协同可以结合单车智能和路侧智能提供更大自由度的分工服务能力。3)全局大数据方面，单车智能算法是实时处理，有低延时等优势，但是在海量资源的使用能力上仅具备使用地图和模型等离线资源能力；路侧智能具备边端云融合的大数据分析处理能力，一方面可以将路、车以及环境的海量数据汇聚到集群，可以使用在线离线挖掘训练仿真机制，使得系统可以学习和迭代，并通过路侧和新基建设施提供服务以及OTA赋能提升自动驾驶能力。4)协同智能方面，单车智能的协同是单向的按照预先设定的博弈推理；路侧智能是全面层次的协同，可以是信息状态协同(如状态、事件、感知、定位)、意图预测协同(如轨迹规划交互)、决策规划协同(如引导、调度)、控制协同(如编队、脱困)，特别是在道路上的参与者未达到100％的高等级自动驾驶渗透率时，只要可以遵循路侧智能的引导，依然可以形成高等级的协同网络；车路协同结合单车智能和路侧智能，可以提供灵活的协同智能机制。

参考图6，现将描述可以作为本公开的服务器或客户端的电子设备600的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图6所示，电子设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM603中，还可存储电子设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

电子设备600中的多个部件连接至I/O接口605，包括：输入单元606、输出单元607、存储单元608以及通信单元609。输入单元606可以是能向电子设备600输入信息的任何类型的设备，输入单元606可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元607可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元608可以包括但不限于磁盘、光盘。通信单元609允许电子设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙TM设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。

计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如方法200。例如，在一些实施例中，方法200可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到电子设备600上。当计算机程序加载到RAM 603并由计算单元601执行时，可以执行上文描述的方法200的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法200。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、系统和设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。

Claims (19)

1.一种车路协同自动驾驶的控制方法，包括：

响应于确定在本车的前方存在阻碍所述本车沿第一车道行驶的障碍，通过第一路侧设备获取与所述第一车道相邻的第二车道上的行车信息；

基于所述第二车道上的行车信息，确定所述本车驶入所述第二车道之后能够在所述第二车道上行驶的预测车速，其中，所述本车在所述第二车道上的行驶方向与所述本车在所述第一车道上的行驶方向相同；以及

响应于确定所述预测车速在预设范围内，发起对所述本车的变道控制，以使所述本车能够从所述第一车道驶入所述第二车道。

2.根据权利要求1所述的方法，其中，所述第二车道与所述第一车道同向，所述行车信息包括所述第二车道上位于所述本车和所述障碍之间的至少一个参考车辆中的每一者的车速。

3.根据权利要求2所述的方法，其中，所述基于所述第二车道上的行车信息，确定所述本车驶入所述第二车道之后能够在所述第二车道上行驶的预测车速包括：

基于所述至少一个参考车辆中的每一者的车速的均值，确定所述预测车速。

4.根据权利要求1所述的方法，其中，所述第二车道与所述第一车道反向，所述行车信息包括所述第二车道上位于所述本车的前方且最靠近所述本车的参考车辆的车速以及所述参考车辆和所述本车之间沿所述行驶方向的第一距离，

并且其中，所述基于所述第二车道上的行车信息，确定所述本车驶入所述第二车道之后能够在所述第二车道上行驶的预测车速包括：

响应于确定所述第一距离大于所述障碍和所述本车之间的第二距离，基于所述第一距离、所述第二距离以及所述参考车辆的车速，确定所述本车能够在所述第二车道上行驶的预测车速，

其中，所述预测车速能够使所述本车在与所述参考车辆相撞之前，从所述障碍的前方驶回所述第一车道。

5.根据权利要求4所述的方法，还包括：

响应于确定所述第一距离不大于所述障碍和所述本车之间的第二距离，将所述预测车速设置为极大值或极小值。

6.根据权利要求1至5中任意一项所述的方法，其中，所述响应于确定所述预测车速在预设范围内，发起对所述本车的变道控制包括以下至少一种操作：

生成变道提示信息；和

生成变道控制指令。

7.根据权利要求1至6中任意一项所述的方法，其中，所述阻碍所述本车沿所述第一车道行驶的所述障碍通过第二路侧设备而检测得到。

8.一种车路协同自动驾驶的控制装置，包括：

第一确定单元，被配置为响应于确定在所述本车的前方存在阻碍所述本车沿所述第一车道行驶的障碍，通过第一路侧设备获取与所述第一车道相邻的第二车道上的行车信息；

第二确定单元，被配置为基于所述第二车道上的行车信息，确定所述本车驶入所述第二车道之后能够在所述第二车道上行驶的预测车速，其中，所述本车在所述第二车道上的行驶方向与所述本车在所述第一车道上的行驶方向相同；以及

控制单元，被配置为响应于确定所述预测车速在预设范围内，发起对所述本车的变道控制，以使所述本车能够从所述第一车道驶入所述第二车道。

9.根据权利要求8所述的装置，其中，所述第二车道与所述第一车道同向，所述行车信息包括所述第二车道上位于所述本车和所述障碍之间的至少一个参考车辆中的每一者的车速。

10.根据权利要求9所述的装置，其中，所述第二确定单元包括：

第一确定子单元，被配置为基于所述至少一个参考车辆中的每一者的车速的均值，确定所述预测车速。

11.根据权利要求8所述的装置，其中，所述第二车道与所述第一车道反向，所述行车信息包括所述第二车道上位于所述本车的前方且最靠近所述本车的参考车辆的车速以及所述参考车辆和所述本车之间沿所述行驶方向的第一距离，并且其中，所述第二确定单元包括：

第二确定子单元，被配置为响应于确定所述第一距离大于所述障碍和所述本车之间的第二距离，基于所述第一距离、所述第二距离以及所述参考车辆的车速，确定所述本车能够在所述第二车道上行驶的预测车速，

其中，所述预测车速能够使所述本车在与所述参考车辆相撞之前，从所述障碍的前方驶回所述第一车道。

12.根据权利要求11所述的装置，其中，所述第二确定单元还包括：

第三确定子单元，被配置为响应于确定所述第一距离不大于所述障碍和所述本车之间的第二距离，将所述预测车速设置为极大值或极小值。

13.根据权利要求8至12中任一项所述的装置，其中，所述响应于确定所述预测车速在预设范围内，发起对所述本车的变道控制包括以下至少一种操作：

生成变道提示信息；和

生成变道控制指令。

14.根据权利要求8至13中任一项所述的装置，其中，所述阻碍所述本车沿所述第一车道行驶的所述障碍通过第二路侧设备而检测得到。

15.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。

16.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。

17.一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现权利要求1-7中任一项所述的方法。

18.一种自动驾驶车辆，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。

19.一种车路协同系统，包括路侧设备和如权利要求18中所述的自动驾驶车辆。

Images