CN114964286A - 轨迹规划信息生成方法、装置、电子设备以及存储介质 - Google Patents

轨迹规划信息生成方法、装置、电子设备以及存储介质 Download PDF

Info

Publication number
CN114964286A
CN114964286A CN202210506461.0A CN202210506461A CN114964286A CN 114964286 A CN114964286 A CN 114964286A CN 202210506461 A CN202210506461 A CN 202210506461A CN 114964286 A CN114964286 A CN 114964286A
Authority
CN
China
Prior art keywords
information
road
vehicle
optimized
cloud
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.)
Pending
Application number
CN202210506461.0A
Other languages
English (en)
Inventor
李赓
郭正龙
张健
王鲲
杨凡
张雯
胡茂洋
骆乃瑞
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.)
Apollo Intelligent Connectivity Beijing Technology Co Ltd
Original Assignee
Apollo Intelligent Connectivity Beijing Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Apollo Intelligent Connectivity Beijing Technology Co Ltd filed Critical Apollo Intelligent Connectivity Beijing Technology Co Ltd
Priority to CN202210506461.0A priority Critical patent/CN114964286A/zh
Publication of CN114964286A publication Critical patent/CN114964286A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34Route searching; Route guidance
    • G01C21/3446Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30Map- or contour-matching
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34Route searching; Route guidance
    • G01C21/3453Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3492Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047Optimisation of routes or paths, e.g. travelling salesman problem

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

本公开提供了一种轨迹规划信息生成方法、装置、电子设备以及存储介质,涉及人工智能技术领域,尤其涉及自动驾驶、智能交通、高精地图、和自主泊车、云服务、车联网和智能座舱技术领域。具体实现方案为:根据决策评估信息以及与自动驾驶车辆对应的车路云协同感知信息和全局优化路径规划信息,从行为决策信息集合中确定自动驾驶车辆的优化行为决策信息,车路云协同感知信息是根据与自动驾驶车辆相关的车端感知信息、路端感知信息和云端感知信息中的至少之一确定的;根据轨迹评估信息以及与自动驾驶车辆对应的车路云协同感知信息和优化行为决策信息,生成自动驾驶车辆的优化轨迹规划信息。

Description

轨迹规划信息生成方法、装置、电子设备以及存储介质
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、智能交通、高精地图、和自主泊车、云服务、车联网和智能座舱技术领域。具体地,涉及一种轨迹规划信息生成方法、装置、电子设备以及存储介质。
背景技术
随着人工智能技术的发展,自动驾驶技术也得到了发展。自动驾驶技术是指依靠计算机与人工智能技术在没有人为操纵的情况下,可以协助或代替驾驶员转向和保持在道路上行驶,基于决策规划实现跟车、制动和变道等一系列操作的技术。
发明内容
本公开提供了一种轨迹规划信息生成方法、装置、电子设备以及存储介质。
根据本公开的一方面,提供了一种轨迹规划信息生成方法,包括:根据决策评估信息以及与自动驾驶车辆对应的车路云协同感知信息和全局优化路径规划信息,从行为决策信息集合中确定上述自动驾驶车辆的优化行为决策信息,其中,上述车路云协同感知信息是根据与上述自动驾驶车辆相关的车端感知信息、路端感知信息和云端感知信息中的至少之一确定的,上述自动驾驶车辆的全局优化路径规划信息是根据全局路径规划相关信息和自动驾驶车辆集合的行驶需求信息生成的,上述自动驾驶车辆集合包括上述自动驾驶车辆;以及,根据轨迹评估信息以及与上述自动驾驶车辆对应的车路云协同感知信息和优化行为决策信息,生成上述自动驾驶车辆的优化轨迹规划信息。
根据本公开的另一方面,提供了一种轨迹规划信息生成装置,包括:确定模块,用于根据决策评估信息以及与自动驾驶车辆对应的车路云协同感知信息和全局优化路径规划信息,从行为决策信息集合中确定上述自动驾驶车辆的优化行为决策信息,其中,上述车路云协同感知信息是根据与上述自动驾驶车辆相关的车端感知信息、路端感知信息和云端感知信息中的至少之一确定的,上述自动驾驶车辆的全局优化路径规划信息是根据全局路径规划相关信息和自动驾驶车辆集合的行驶需求信息生成的,上述自动驾驶车辆集合包括上述自动驾驶车辆;以及,生成模块,用于根据轨迹评估信息以及与上述自动驾驶车辆对应的车路云协同感知信息和优化行为决策信息,生成上述自动驾驶车辆的优化轨迹规划信息。
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;以及与上述至少一个处理器通信连接的存储器;其中,上述存储器存储有可被上述至少一个处理器执行的指令,上述指令被上述至少一个处理器执行,以使上述至少一个处理器能够执行根据本公开所述的方法。
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,上述计算机指令用于使上述计算机执行根据本公开所述的方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括上述计算机程序在被处理器执行时实现根据本公开所述的方法。
根据本公开的另一方面,提供了一种自动驾驶车辆,包括本公开所述的电子设备。
根据本公开的另一方面,提供了一种路侧设备,包括本公开所述的电子设备。
根据本公开的另一方面,提供了一种路侧设备,包括本公开所述的电子设备。
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
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1示意性示出了根据本公开实施例的可以应用轨迹规划信息生成方法及装置的示例性系统架构;
图2示意性示出了根据本公开实施例的轨迹规划信息生成方法的流程图;
图3示意性示出了根据本公开实施例的轨迹规划信息生成方法的原理示意图;
图4示意性示出了根据本公开实施例的全局优化路径规划信息的生成过程的示意示意图;
图5A示意性示出了根据本公开实施例的动态地图信息的生成过程的示意示例图;
图5B示意性示出了根据本公开实施例的基于限速标识信息的动态地信息的更新过程的示例示意图;
图5C示意性示出了根据本公开实施例的基于施工事件信息的动态地信息的更新过程的示例示意图;
图6示意性示出了根据本公开实施例的通信方式处理流程的示例示意图;
图7示意性示出了根据本公开实施例的动态编队的示例示意图;
图8A示意性示出了根据本公开实施例的针对对向车辆借道超车与主车冲突场景的行为决策的示例示意图;
图8B示意性示出了根据本公开实施例的主车所在车道单点阻塞场景的行为决策的示例示意图;
图8C示意性示出了根据本公开实施例的主车所在车道连续阻塞场景的行为决策的示例示意图;
图8D示意性示出了根据本公开实施例的主车所在车道阻塞且同向车道车辆形成排队场景的行为决策的示例示意图;
图9A示意性示出了根据本公开实施例的无车道区域阻塞场景的运动规划的示例示意图;
图9B示意性示出了根据本公开实施例的通行断面狭窄且对向车流密集场景的运动规划的示例示意图;
图9C示意性示出了根据本公开实施例的遥控驾驶轨迹规划场景的运动规划的示例示意图;
图10示意性示出了根据本公开实施例的轨迹规划信息生成装置的框图;以及
图11示意性示出了根据本公开实施例的适于实现轨迹规划信息生成方法的电子设备的框图。
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和精神。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。
决策规划是自动驾驶技术的主要部分之一。决策规划可以包括全局路径规划(即Routing)部分、行为决策(即Decision)部分和运动规划(即Planning)部分。全局路径规划部分实现得到全局优化路径规划信息。行为决策部分和运动规划部分是在全局优化路径规划信息的基础上,得到局部优化路径规划信息。局部优化路径规划信息可以指优化轨迹规划信息。
本公开实施例提出了一种基于车路云一体化的轨迹规划信息生成方案。例如,根据决策评估信息以及与自动驾驶车辆对应的车路云协同感知信息和全局优化路径规划信息,从行为决策信息集合中确定自动驾驶车辆的优化行为决策信息。车路云协同感知信息是根据与自动驾驶车辆相关的车端感知信息、路端感知信息和云端感知信息中的至少之一确定的。自动驾驶车辆的全局优化路径规划信息是根据全局路径规划相关信息和自动驾驶车辆集合的行驶需求信息生成的。自动驾驶车辆集合包括自动驾驶车辆。根据轨迹评估信息以及与自动驾驶车辆对应的车路云协同感知信息和优化行为决策信息,生成自动驾驶车辆的优化轨迹规划信息。
根据本公开的实施例,由于车路云协同感知信息是根据与自动驾驶车辆相关的车端感知信息、路端感知信息和云端感知信息中的至少之一确定,因此,车路云协同感知信息融合了多个维度信息,由此,基于车路云协同感知信息,结合决策评估信息和全局优化路径规划信息,从行为决策信息集合中确定自动驾驶车辆的优化行为决策信息,再结合根据轨迹评估信息和优化行为决策信息,生成自动驾驶车辆的优化轨迹规划信息,能够提高生成的优化轨迹规划信息的准确性和精确性。
图1示意性示出了根据本公开实施例的可以应用轨迹规划信息生成方法及装置的示例性系统架构。
图1示意性示出了根据本公开实施例的可以应用轨迹规划信息生成方法及装置的示例性系统架构。
需要注意的是,图1所示仅为可以应用本公开实施例的系统架构的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。可以根据实现需要,本公开实施例的系统架构还可以是其他实现方式。
如图1所示,根据该实施例的系统架构100可以是车路云一体化系统架构。车路云一体化系统架构可以包括车端101、路端102和云端103。车端101、路端102和云端103彼此之间可以通过各种通信连接类型实现通信连接。例如,通信连接类型可以包括以下至少之一:有线通信和无线通信。例如,无线通信可以包括车用无线通信(Vehicle to X,V2X)。例如,车用无线通信可以包括以下至少之一:基于专用短距离通信(Dedicated Short RangeCommunication,DSRC)的车用无线通信和基于蜂窝移动通信的车用无线通信(CellularV2X,C-V2X)。基于蜂窝移动通信的车用无线通信可以包括以下至少之一:基于LTE-V2X(Long Term Evolution V2X,长期演进的车用无线通信)、基于第四代移动通信的车用无线通信(The 4th Generation Mobile Communication Technology,4G)和基于第五代移动通信(The 5th Generation Mobile Communication Technology,5G)的车用无线通信。
车端101可以包括N个自动驾驶车辆,自动驾驶车辆可以指被配置为处于自动驾驶模式的车辆。自动驾驶车辆可以包括车端传感器单元、车端感知单元、车端定位单元和车端决策单元。例如,车端传感器单元可以包括以下至少之一:车端视觉传感器、车端激光雷达和车端雷达。视觉传感器可以包括摄像头。车端雷达可以包括以下至少之一:车端毫秒波雷达和车端超声波雷达。车端感知单元可以包括硬件子单元和软件子单元。硬件子单元可以包括处理器和存储器。软件子单元可以包括操作系统以及规划和路线安排线程。车端定位单元可以包括以下至少之一:全球定位系统(Global Positioning System,GPS)、北斗卫星导航系统(BeiDou Navigation Satellite System,BDS)、全球导航卫星系统(GlobalNavigation Satellite System,GNSS)格洛纳斯(GLObal NAvigation Sarwllite System,GLONASS)、惯性测量单元(Inertial Measurement Unit,IMU)、视觉传感器、车端激光雷达和车端雷达。此外,自动驾驶车辆还可以包括软件应用。软件应用可以包括以下至少之一:导航类型应用、娱乐类应用和即时通讯类应用。例如,N个自动驾驶车辆可以包括自动驾驶车辆101_1、自动驾驶车辆101_2、......、自动驾驶车辆101_n、......、自动驾驶车辆101_(N-1)和自动驾驶车辆101_N。N可以是大于或等于1的整数。n∈{1,2,......,(N-1),N}。
路端102可以包括M个路侧设备(Road Side Computing,RSC)和各种类型的应用服务系统。路侧设备可以包括路侧传感器单元、路侧感知单元和路侧计算单元(Road SideComputing Unit,RSCU)。路侧计算单元可以是经过改良后满足路侧灯杆的电压低、温度高和湿度大等极端条件的小型服务器。此外,路侧计算单元可以被替换为边缘计算单元。路侧设备的部署方式可以根据实际业务需求来确定。例如,路侧传感器可以包括以下至少之一:路侧视觉传感器、路侧雷达和路侧激光雷达。路侧感知单元可以包括处理器和存储器。在另一种系统架构中,路侧感知单元自身可以包括计算功能。例如,M个路侧设备可以包括路侧设备102_1、......、自动驾驶车辆102_m、,.....、自动驾驶车辆102_M。M可以是大于或等于1的整数。M可以与N相等或不等。m∈{1,2,......,(M-1),M}。
云端103可以包括以下至少之一:云控平台103_1和第三方平台103_2。云控平台103_1可以包括以下至少之一:边缘云控平台、区域云控平台和中心云控平台。云控平台103_1可以是云端服务器或云端服务器集合。云端服务器是云计算服务体系中的一项主机产品,解决了传统物理主机与VPS服务(Virtual Private Server,VPS)中,存在的管理难度大,业务扩展性弱的缺陷。第三方平台103_2可以包括以下至少之一:交管平台、地图平台、出行服务平台、车辆管理平台和原设备生产商(Original Entrusted Manufacture,OEM)平台。
需要说明的是,本公开实施例所提供的轨迹规划信息生成方法可以由车端101执行。相应地,本公开实施例所提供的轨迹规划信息生成装置也可以设置于车端101中。
或者,本公开实施例所提供的轨迹规划信息生成方法可以由路端102执行。相应地,本公开实施例所提供的轨迹规划信息生成装置也可以设置于路端102中。
或者,本公开实施例所提供的轨迹规划信息生成方法也可以由云端103执行。相应地,本公开实施例所提供的轨迹规划信息生成装置可以设置于云端103中。例如,云端103中的云控平台103_1。
或者,本公开实施例所提供的轨迹规划信息生成方法也可以由车路云一体化系统执行。相应地,本公开实施例所提供的轨迹规划信息生成装置也可以设置于车路云一体化系统。
应注意,以下方法中各个操作的序号仅作为该操作的表示以便描述,而不应被看作表示该各个操作的执行顺序。除非明确指出,否则该方法不需要完全按照所示顺序来执行。
图2示意性示出了根据本公开实施例的轨迹规划信息生成方法的流程图。
如图2所示,该方法200包括操作S210~S220。
在操作S210,根据决策评估信息以及与自动驾驶车辆对应的车路云协同感知信息和全局优化路径规划信息,从行为决策信息集合中确定自动驾驶车辆的优化行为决策信息。车路云协同感知信息是根据与自动驾驶车辆相关的车端感知信息、路端感知信息和云端感知信息中的至少之一确定的。自动驾驶车辆的全局优化路径规划信息是根据全局路径规划相关信息和自动驾驶车辆集合的行驶需求信息生成的。自动驾驶车辆集合包括自动驾驶车辆。
在操作S220,根据轨迹评估信息以及与自动驾驶车辆对应的车路云协同感知信息和优化行为决策信息,生成自动驾驶车辆的优化轨迹规划信息。
根据本公开的实施例,自动驾驶车辆的全局优化路径规划信息可以是在使得全局的路径影响要素满足预定条件的情况下确定的路径规划信息。全局优化路径规划信息可以是车道级的全局优化路径规划信息。车道级的全局优化路径规划信息可以是自动驾驶车辆基于车道级路径评估信息,根据车端高精地图信息和全局优化路径规划信息生成的。路径影响要素信息可以包括以下至少之一:超视距事件信息和交通资源博弈信息。超视距事件信息可以包括以下至少之一:通信信息、道路环境信息和交通事件信息。通信信息可以用于表征自动驾驶车辆位于目标区域的通信稳定性。交通资源博弈信息可以包括以下至少之一:交通资源信息和道路交通态势信息。
根据本公开的实施例,行驶需求信息可以包括出发地信息和目标地信息。全局路径规划相关信息可以包括以下至少之一:动态地图信息和路径影响要素信息。动态地图信息可以包括以下至少之一:标准路网地图信息和高精地图信息。
根据本公开的实施例,决策评估信息可以用于评估行为决策信息。决策评估信息可以包括以下至少一项:与驾驶任务相关的评估信息、与驾驶先验知识相关的评估信息、与交通规则相关的评估信息和与历史行为决策信息相关的评估信息。行为决策信息集合可以包括以下至少之一:绕行策略、变道策略、跟车策略、停车策略、避让策略、通行策略、转弯策略、调头策略、通行次序仲裁策略和申请接管脱困策略。绕行策略可以包括以下至少之一:借车道绕行策略和基于推荐轨迹绕行策略。变道策略可以包括以下至少之一:提前变道策略和连续变道策略。
根据本公开的实施例,轨迹评估信息可以用于评估候选轨迹规划信息。轨迹评估信息可以包括以下至少之一:与驾驶舒适度相关的评估信息、与可达性相关的评估信息、与安全性相关的评估信息和与通行效率相关的评估信息。轨迹规划信息可以包括局部路径规划信息和行驶速度。候选轨迹规划信息可以包括候选局部路径规划信息和候选行驶速度。优化轨迹规划信息可以包括优化局部路径规划信息和优化行驶速度。
根据本公开的实施例,行为决策相关信息可以指与用于生成自动驾驶车辆的优化行为决策信息相关的信息。行为决策相关信息可以包括车路协同感知信息。此外,行为决策相关信息还可以包括以下至少之一:车辆状态信息、车辆定位信息、云端接入信息和交通规则信息。云端接入信息可以指云端接收到的来自第三方的与自动驾驶相关的信息。
根据本公开的实施例,感知信息可以是根据传感器信息确定的。传感器信息可以指利用传感器采集的与感知对象相关的信息。例如,感知信息可以是利用感知算法处理传感器信息得到的。传感器可以包以下至少之一:视觉传感器、激光雷达和雷达。雷达可以包括以下至少之一:毫米波雷达和超声波雷达。传感器信息可以包括以下至少之一:视觉传感器信息、激光雷达信息和雷达信息。视觉传感器信息可以包括图像信息。激光雷达信息可以包括激光点云信息。感知算法可以包括以下至少之一:基于点云信息的感知算法和基于视觉信息的感知算法。
根据本公开的实施例,感知对象可以包括以下至少之一:自动驾驶车辆、交互对象、与行驶路径相关的对象和与行驶环境相关的对象。交互对象可以指与自动驾驶车辆具有交互关系的对象。交互关系可以包括以下至少之一:交互冲突和道路阻塞。可以将交互对象称为障碍物。交互对象可以包括以下至少之一:静态交互对象和动态交互对象。静态交互对象可以指处于静止状态的交互对象。动态交互对象可以指处于运动状态的交互对象。与行驶路径相关的对象可以包括以下至少之一:可通行道路、标识牌、交通信号灯和车道线。与行驶环境相关的对象可以包括以下至少之一:道路信息和天气信息。
根据本公开的实施例,针对传感器可以包括车端传感器和路侧传感器,传感器信息可以包括车端传感器信息和路端传感器信息。车端传感器信息可以是利用车端传感器采集的与感知对象相关的信息。路端传感器信息可以是利用路侧传感器采集的与感知对象相关的信息。车端传感器信息可以包括以下至少之一:自动驾驶车辆自身的传感器信息和其他自动驾驶车辆的传感器信息。
根据本公开的实施例,感知信息可以包括以下至少之一:对象信息、道路事件信息和道路交通态势信息。道路事件信息可以包括以下至少之一:道路事件类型、道路事件位置和事件影响范围信息。对象信息可以包括以下至少之一:对象状态信息和对象意图信息。对象状态信息可以包括以下至少之一:对象类型、对象位置和对象速度。对象可以包括以下至少之一:自动驾驶车辆和交互对象。
根据本公开的实施例,针对车路云一体化系统,车路云协同感知信息可以是根据车端感知信息和路端感知信息确定的。车端感知信息可以是对车端传感器信息进行处理得到的。路端感知信息可以是对路端传感器信息进行处理得到的。
根据本公开的实施例,车路云协同感知信息可以包括以下至少之一:车端相关感知信息、路端相关感知信息和云端相关感知信息。车端相关感知信息可以包括以下至少之一:自动驾驶车辆的感知信息、其他自动驾驶车辆的感知信息、路端感知信息、云端感知信息和车端融合感知信息。车端融合感知信息可以将自动驾驶车辆的感知信息、其他自动驾驶车辆的感知信息、路端感知信息和云端感知信息中的至少两项进行融合得到的。
根据本公开的实施例,路端相关感知信息可以包括以下至少之一:路端感知信息、自动驾驶车辆的感知信息、其他自动驾驶车辆的感知信息、云端感知信息和路端融合感知信息。路端融合感知信息可以是将路端感知信息、自动驾驶车辆的感知信息、其他自动驾驶车辆的感知信息和云端感知信息中的至少两项进行融合得到的。
根据本公开的实施例,云端相关感知信息可以包括以下至少之一:云端感知信息和云端融合感知信息。云端感知信息可以包括以下至少一项:自动驾驶车辆的感知信息、其他自动驾驶处理的感知信息和路端感知信息。云端融合感知信息可以是将自动驾驶车辆的感知信息、其他自动驾驶车辆的感知信息和路端感知信息中的至少两项进行融合得到的。
根据本公开的实施例,可以根据行为决策相关信息,构建车端状态空间信息。根据行为决策相关信息和云端接入信息,构建路云状态空间信息。车端状态空间信息可以包括以下至少之一:关键障碍物行为轨迹预测信息、参考轨迹线信息和场景树信息等。路云状态空间信息可以包括以下至少之一:关键障碍物意图信息、场景语义理解信息、冲突仲裁策略和多车协作策略等。场景树信息可以包括多个层级各自的场景分类信息。层级划分可以根据实际业务需求进行配置,在此不作限定。例如,场景树信息可以包括多个第一层级场景分类信息、与第一层级场景分类信息对应的至少一个第二层级场景分类信息和与第二层级场景分类信息对应的至少一个第三层级场景分类信息。例如,多个第一层级场景分类信息可以包括超视距感知信息、交通资源博弈信息、交互冲突类场景信息和道路阻塞类场景信息。
根据本公开的实施例,超视距感知信息可以包括以下至少之一:施工区域阻塞信息、道路静态标识变化信息、通信干扰信息、低能见度信息和路口停车时间耗费信息。交通资源博弈信息可以包括以下至少之一:道路拥堵信息和专用道路权信息。
根据本公开的实施例,交互冲突类场景信息可以包括以下至少之一:直行类冲突信息、调头类冲突信息、进站类冲突信息、出站类冲突信息、环岛汇入类冲突信息、环岛汇出类冲突信息、违章行为类冲突信息、主车与非机动车类冲突信息和主车与行人类冲突信息。例如,违章行为类冲突信息可以包括以下至少之一:压线、闯红灯、超速、逆行和转向切弯。
根据本公开的实施例,道路阻塞类场景信息可以包括以下至少之一:车辆阻塞通行类信息、交通事故阻塞通行类信息、施工区域阻塞类通行信息和道路封闭阻塞类通行信息。例如,车辆阻塞通行类信息可以包括以下至少之一:排队、拥挤和停滞车辆。
根据本公开的实施例,自动驾驶车辆集合可以包括自动驾驶车辆和其他自动驾驶车辆。自动驾驶车辆的全局优化路径规划信息可以是云端根据全局路径规划相关信息和自动驾驶车辆集合的行驶需求信息生成的。车道级的全局优化路径规划信息可以是车端响应于接收到来自云端的全局优化路径规划信息,根据车端的高精地图信息和全局优化路径规划信息生成的。此外,在自动驾驶车辆的行驶过程中,云端可以更新动态地图信息和更新全局优化路径规划信息。
根据本公开的实施例,可以基于行为决策算法,根据决策评估信息、行为决策相关信息和全局优化路径规划信息,从行为决策信息集合中确定自动驾驶车辆的优化行为决策信息。例如,行为决策算法可以包括以下之一:基于有限状态机模型的行为决策算法、基于决策树模型的行为决策算法、基于知识推理决策模型的行为决策算法和基于价值模型的行为决策算法。例如,基于价值模型的行为决策算法可以包括基于马尔可夫决策过程的行为决策算法。
根据本公开的实施例,可以基于行为决策算法,根据决策评估信息、车端状态空间信息、路云状态空间信息和全局优化路径规划信息,从行为决策信息集合中确定自动驾驶车辆的优化行为决策信息。
根据本公开的实施例,可以根据与自动驾驶车辆对应的车路云协同感知信息和优化行为决策信息,生成自动驾驶车辆的至少一个候选轨迹规划信息。根据轨迹评估信息,从至少一个候选轨迹规划信息中确定自动驾驶车辆的优化轨迹规划信息。
根据本公开的实施例,本公开实施例所提供的轨迹规划信息生成方法可以由以下之一执行:车端、路端和云端。
根据本公开的实施例,在由车端执行的情况下,自动驾驶车辆的车道级的全局优化路径规划信息可以是车端根据车端高精地图信息和接收到的来自第一其他端的全局优化路径规划信息生成的。全局优化路径规划信息可以是第一其他端根据全局路径规划相关信息和自动驾驶车辆集合的行驶需求信息生成的。第一其他端可以包括以下至少:云端和路端。
根据本公开的实施例,在由车端执行的情况下,根据决策评估信息以及与自动驾驶车辆对应的车路云协同感知信息和全局优化路径规划信息,从行为决策信息集合中确定优化行为决策信息,可以包括:车端可以基于决策评估信息,根据车路云协同感知信息和车道级的全局优化路径规划信息,从行为决策信息集合中确定优化行为决策信息。车端可以基于决策评估信息,根据车路云协同感知信息和车道级的全局优化路径规划信息,从行为决策信息集合中确定优化行为决策信息,可以包括:车端可以基于决策评估信息,根据车端状态空间信息、车道级的全局优化路径规划信息和接收到的来自第一其他端的路云状态空间信息,从行为决策信息集合中确定优化行为决策信息。车端状态空间信息可以是车端根据行为决策相关信息构建的。备选地,车端状态空间信息可以是第一其他端根据行为决策相关信息构建的。行为决策相关信息包括车路云协同感知信息。路云状态空间信息可以是第一其他端根据车路云协同感知信息构建的。基于决策评估信息,根据车端状态空间信息、车道级的全局优化路径规划信息和接收到的来自第一其他端的路云状态空间信息,从行为决策信息集合中确定优化行为决策信息,可以包括:基于决策评估信息,根据接收到来自第一其他端的车端状态空间信息、车道级的全局优化路径规划信息和接收到来自第一其他端的路云状态空间信息,从行为决策信息集合中确定优化行为决策信息。
根据本公开的实施例,在由车端执行的情况下,根据轨迹评估信息以及与自动驾驶车辆对应的车路云协同感知信息和优化行为决策信息,生成自动驾驶车辆的优化轨迹规划信息,可以包括:车端可以基于轨迹评估信息,根据车路云协同感知信息和优化行为决策信息,生成自动驾驶车辆的优化轨迹规划信息。车端可以基于轨迹评估信息,根据车路云协同感知信息和优化行为决策信息,生成自动驾驶车辆的优化轨迹规划信息,可以包括:车端可以基于轨迹评估信息,根据优化行为决策信息、车路云协同感知信息和接收到的来自第一其他端的至少一个候选轨迹规划信息,生成自动驾驶车辆的优化轨迹规划信息。
根据本公开的实施例,在由云端执行的情况下,自动驾驶车辆的车道级的全局优化路径规划信息可以是云端根据全局优化路径规划信息和接收到的来自第二其他端的车端高精地图信息生成的。备选地,自动驾驶车辆的车道级的全局优化路径规划信息可以是云端接收到的来自第二其他端的车道级的全局优化路径规划信息。全局优化路径规划信息可以是云端根据全局路径规划相关信息和自动驾驶车辆集合的行驶需求信息生成的。第二其他端可以包括以下至少:路端和车端。
根据本公开的实施例,在由云端执行的情况下,根据决策评估信息以及与自动驾驶车辆对应的车路云协同感知信息和全局优化路径规划信息,从行为决策信息集合中确定优化行为决策信息,可以包括:云端可以基于决策评估信息,根据车路云协同感知信息和车道级的全局优化路径规划信息,从行为决策信息集合中确定优化行为决策信息。云端可以基于决策评估信息,根据车路云协同感知信息和车道级的全局优化路径规划信息,从行为决策信息集合中确定优化行为决策信息,可以包括:云端可以基于决策评估信息,根据接收到的来自车端的车端状态空间信息、车道级的全局优化路径规划信息和路云状态空间信息,从行为决策信息集合中确定优化行为决策信息。车端状态空间信息可以是车端根据行为决策相关信息构建的。行为决策相关信息包括车路云协同感知信息。路云状态空间信息可以是云端根据车路云协同感知信息构建的。备选地,路云状态空间信息可以是接收到的来自第二其他端根据车路云协同感知信息构建的。
根据本公开的实施例,在由云端执行的情况下,根据轨迹评估信息以及与自动驾驶车辆对应的车路云协同感知信息和优化行为决策信息,生成自动驾驶车辆的优化轨迹规划信息,可以包括:云端可以基于轨迹评估信息,根据车路云协同感知信息和优化行为决策信息,生成自动驾驶车辆的优化轨迹规划信息。云端可以基于轨迹评估信息,根据车路云协同感知信息和优化行为决策信息,生成自动驾驶车辆的优化轨迹规划信息,可以包括:云端可以基于轨迹评估信息,根据优化行为决策信息、车路云协同感知信息和至少一个候选轨迹规划信息,生成自动驾驶车辆的优化轨迹规划信息。
根据本公开的实施例,在由路端执行的情况下,自动驾驶车辆的车道级的全局优化路径规划信息可以是路端根据全局优化路径规划信息和接收到的来自第三其他端的车端高精地图信息生成的。备选地,自动驾驶车辆的车道级的全局优化路径规划信息可以是路端接收到的来自第三其他端的车道级的全局优化路径规划信息。全局优化路径规划信息可以是路端根据全局路径规划相关信息和自动驾驶车辆集合的行驶需求信息生成的。第三其他端可以包括以下至少:车端和云端。
根据本公开的实施例,在由路端执行的情况下,根据决策评估信息以及与自动驾驶车辆对应的车路云协同感知信息和全局优化路径规划信息,从行为决策信息集合中确定优化行为决策信息,可以包括:路端可以基于决策评估信息,根据车路云协同感知信息和车道级的全局优化路径规划信息,从行为决策信息集合中确定优化行为决策信息。路端可以基于决策评估信息,根据车路云协同感知信息和车道级的全局优化路径规划信息,从行为决策信息集合中确定优化行为决策信息,可以包括:路端可以基于决策评估信息,根据接收到的来自车端的车端状态空间信息、车道级的全局优化路径规划信息和路云状态空间信息,从行为决策信息集合中确定优化行为决策信息。路云状态空间信息可以是接收到来自第三其他端的路云状态空间信息。车端状态空间信息可以是车端根据行为决策相关信息构建的。行为决策相关信息包括车路云协同感知信息。路云状态空间信息可以是路端根据车路云协同感知信息构建的。备选地,路云状态空间信息可以是接收到的来自第三其他端根据车路云协同感知信息构建的。
根据本公开的实施例,在由路端执行的情况下,根据轨迹评估信息以及与自动驾驶车辆对应的车路云协同感知信息和优化行为决策信息,生成自动驾驶车辆的优化轨迹规划信息,可以包括:路端可以基于轨迹评估信息,根据车路云协同感知信息和优化行为决策信息,生成自动驾驶车辆的优化轨迹规划信息。路端可以基于轨迹评估信息,根据车路云协同感知信息和优化行为决策信息,生成自动驾驶车辆的优化轨迹规划信息,可以包括:路端可以基于轨迹评估信息,根据优化行为决策信息、车路云协同感知信息和至少一个候选轨迹规划信息,生成自动驾驶车辆的优化轨迹规划信息。
例如,车端可以响应于接收到来自第一其他端的全局优化路径规划信息,根据车端高精地图信息和全局优化路径规划信息,生成车道级的全局优化路径规划信息。
车端可以基于决策评估信息,根据车路云协同感知信息和车道级的全局优化路径规划信息,从行为决策信息集合中确定自动驾驶车辆的优化行为决策信息。例如,车端可以基于决策评估信息,根据车道级的全局优化路径规划信息、车端状态空间信息和接收到的来自第一其他端的路云状态空间信息,从行为决策信息集合中确定自动驾驶车辆的优化行为决策信息。车端状态空间信息可以是车端根据车路云协同感知信息构建的。路云状态空间信息可以是第一其他端根据车路云协同感知信息构建的。
车端可以基于轨迹评估信息,根据车路云协同感知信息和优化行为决策信息,生成自动驾驶车辆的优化轨迹规划信息。例如,车端可以基于轨迹评估信息,根据优化行为决策信息和接收到的来自第一其他端的至少一个候选轨迹规划信息,生成自动驾驶车辆的优化轨迹规划信息。至少一个候选轨迹规划信息可以是第一其他端根据路云状态空间信息和车路云协同感知信息生成的。
根据本公开的实施例,由于车路云协同感知信息是根据与自动驾驶车辆相关的车端感知信息、路端感知信息和云端感知信息中的至少之一确定,因此,车路云协同感知信息融合了多个维度信息,由此,基于车路云协同感知信息,结合决策评估信息和全局优化路径规划信息,从行为决策信息集合中确定自动驾驶车辆的优化行为决策信息,再结合根据轨迹评估信息和优化行为决策信息,生成自动驾驶车辆的优化轨迹规划信息,能够提高生成的优化轨迹规划信息的准确性和精确性。
下面参考图3、图4、图5A~图5C、图6、图7、图8A~图8D和图9A~图9C,结合具体实施例对根据本公开所述的轨迹规划信息生成方法做进一步说明。图3针对本公开实施例的整体方案进行说明。图4、图5A~图5C、图6和图7针对全局路径规划部分进行说明。图8A~图8D针对行为决策部分进行说明。图9A~9C针对运动规划部分进行说明。
图3示意性示出了根据本公开实施例的轨迹规划信息生成方法的原理示意图。
如图3所示,在300中,针对全局路径规划部分,可以根据全局路径规划相关信息301和包括自动驾驶车辆的自动驾驶车辆集合的行驶需求信息302,生成自动驾驶车辆的全局优化路径规划信息303。
针对行为决策部分,可以根据与自动驾驶车辆对应的行为决策相关信息304,构建车端状态空间信息305和路云状态空间信息306。行为决策相关信息304可以包括车路云协同感知信息311。状态空间信息包括车端状态空间信息305和路云状态空间信息306。可以根据决策评估信息308、状态空间信息和全局优化路径规划信息303,从行为决策信息集合307中确定自动驾驶车辆的优化行为决策信息309。
针对运动规划部分,可以根据轨迹评估信息310以及与自动驾驶车辆对应的车路云协同感知信息311和优化行为决策信息309,确定自动驾驶车辆的优化轨迹规划信息312。
根据本公开的实施例,全局路径规划部分可以用于解决超视距感知和交通资源博弈的问题,实现全局路径优化。行为决策部分和运动规划部分可以用于解决交互冲突类场景和道路阻塞类场景中的问题,实现局部路径优化。下面将参考附图和表并结合具体实施例对上述内容进行说明。
表1示意性示出了全局路径规划部分所适用的场景以及针对相应场景的决策规划策略。下面参考图4、图5A~图5C、图6和图7,结合具体实施例对表1所涉及的本公开实施例所述的全局路径规划部分进行说明。图4、图5A~图5C是全局路径规划部分的全局路径规划生成和更新部分。图7是全局路径规划部分的基于全局路径规划生成部分的应用部分。
Figure BDA0003636323570000171
表1
下面结合具体实施例对根据本公开实施例所述的全局路径规划部分的全局路径规划生成部分进行说明。
根据本公开的实施例,全局路径规划相关信息可以包括动态地图信息和路径影响要素信息。动态地图信息可以是根据车端传感器信息和路端传感器信息中的至少之一生成的。
根据本公开的实施例,自动驾驶车辆的全局优化路径规划信息可以是根据全局路径规划相关信息和自动驾驶车辆集合的行驶需求信息生成的,可以包括:
自动驾驶车辆的全局优化路径规划信息可以是根据全局优化路径评估信息,从自动驾驶车辆集合的至少一个全局候选路径规划信息中确定的。自动驾驶车辆集合的至少一个全局候选路径规划信息是根据动态地图信息、路径影响要素信息和自动驾驶车辆集合的行驶需求信息生成的。
根据本公开的实施例,准确实时的动态地图信息是车路云协同实现全局路径优化的前提。全局优化路径评估信息可以用于对全局候选路径规划信息进行评估。自动驾驶车辆集合可以包括自动驾驶车辆和其他自动驾驶车辆。路径影响要素信息可以用于作为确定全局优化路径规划信息的参考信息。
根据本公开的实施例,全局优化路径规划信息可以是车道级的全局优化路径规划信息。车道级的全局优化路径规划信息可以是自动驾驶车辆根据全局优化路径规划信息和车端高精地图信息生成的。
根据本公开的实施例,根据动态地图信息和可行驶范围内的行驶需求信息,并结合路径影响要素信息对单车运行的安全性和交通效率以及对全局的交通效率的影响,生成既能够保证单车的自动驾驶能力,也能够保证全局交通秩序化的全局优化路径规划信息。
根据本公开的实施例,云端可以基于路径影响要素信息、历史车端传感器信息和历史路端传感器信息来生成动态地图信息。例如,云端可以根据动态地图信息来生成自动驾驶车辆的已经避开故障事件路段的全局优化路径规划信息。云端还可以根据动态地图信息以及根据与自动驾驶车辆具有相同或类似地行驶需求的第二自动驾驶车辆信息集合,来生成全局优化路径规划信息,以使得生成的全局优化路径规划信息在指导自动驾驶车辆避开故障事件路段的基础上,合理占用交通资源,避免自动驾驶车辆与第二自动驾驶车辆集合中的自动驾驶车辆在同一时段汇聚至同一路段,造成拥堵。
下面参考图4,结合具体实施例对上述全局优化路径规划信息的生成过程做进一步说明。
图4示意性示出了根据本公开实施例的全局优化路径规划信息的生成过程的示意示意图。
如图4所示,在400中,云端可以根据动态地图信息401、路径影响要素信息402和包括自动驾驶车辆的自动驾驶车辆集合的行驶需求信息403,生成自动驾驶车辆的全局优化路径规划信息404。
云端可以向自动驾驶车辆发送自动驾驶车辆的全局优化路径规划信息404。自动驾驶车辆可以根据车端高精地图信息405和全局优化路径规划信息404,生成车道级的全局优化路径规划信息406。
车路云一体化动态地图更新保障高精地图信息的实时性和准确性,支撑全局路径规划。针对不断变化的道路情况,实时精准的地图信息是自动驾驶进行合理的全局路径规划的充分必要条件。
表2示意性示出了普通导航和本公开实施例的全局路径规划需要的动态信息的对比。
Figure BDA0003636323570000191
表2
表3示意性示出了本公开实施例所述的全局路径规划方案的有益效果以及与基于单车的全局路径规划的优势。
Figure BDA0003636323570000201
表3
根据本公开的实施例,动态地图信息可以是根据车端传感器信息和路端传感器信息生成的。此外,在车端传感器信息和路端传感器信息的基础上,还可以结合来自第三方平台的相关信息来生成动态地图信息。路侧传感器作为固定位置的传感器,在信息的时间连续性上具有优势。此外,由于车端传感器信息、路端传感器信息和第三方平台的相关信息的精度不同,不同精度的信息可以进行校验,因此,提高了动态地图信息的时间和空间的分辨率。
根据本公开的实施例,动态地图信息可以包括动态图层和静态图层。动态图层可以是根据与动态信息相关的信息生成的。静态图层可以是根据与静态信息相关的信息生成的。与动态信息相关的信息可以包括以下至少之一:交通参与者信息、信号灯的信号信息、电子情报板信息、交通事故信息、施工事件信息、道路湿滑信息、道路拥堵信息和低质量信号信息。与静态信息相关的信息可以包括以下至少之一:高精地图标识信息、车道级拓扑关系信息、普通地图路网信息、交通静态标志牌信息、交通专用道信息、交通设施信息和建筑物信息。高精地图标识信息可以包括以下至少之一:车道线信息、停止线信息、通行方向信息和限速标识信息。
下面结合图5A~图5C,结合具体实施例对根据本公开实施例所述的动态地图信息的生成和更新部分进行说明。图5A是动态地图信息的生成部分。图5B是与静态信息相关的信息的更新部分。图5C是与动态信息相关的信息的更新部分。
图5A示意性示出了根据本公开实施例的动态地图信息的生成过程的示意示例图。
如图5A所示,在500A中,云控平台503可以向高精地图平台505(即地图厂商)发送接收到的来自车端501的信息和路端502的信息。此外,第三方平台504可以向高精地图平台505发送信息。信息可以包括与静态信息相关的信息506和与动态信息相关的信息507。高精地图平台505可以根据来自云控平台503和第三方平台504的信息生成图层信息。图层信息可以包括静态图层508和动态图层509。根据图层信息,生成动态地图信息510。
下面以动态地图信息中与静态信息相关的信息中的高精地图标识信息的更新过程为例,对动态地图信息的更新过程做进一步说明。
根据本公开的实施例,路端可以利用路侧设备实现较为快速地检测出道路静态标识信息的变化,得到变化后的道路静态标识信息。可以向车端和云端发送变化后的道路静态标识信息。车端可以根据变化后的道路静态标识信息进行安全行驶。云端可以向高精地图平台发送变化后的道路静态标识信息,以便高精地图平台可以根据变化后的道路静态标识标识信息,更新动态地图信息中与道路静态标识信息对应的高精地图标识信息。备选地,路端可以直接向高精地图平台发送变化后的道路静态标识信息,以便高精地图平台可以根据变化后的道路静态标识标识信息,更新动态地图信息中与道路静态标识信息对应的高精地图标识信息。
根据本公开的实施例,路侧设备的路段全覆盖保证了变化的道路静态标识信息的分钟级检测,实现了对车道线虚实属性、车道的可通行方向、车道隔离、车道优先路权和道路限速中的至少之一进行较为快速地更新。地图厂商根据变化后的道路静态标识信息进行动态地图信息的更新,保证了自动驾驶车辆能够符合交规行驶。
下面参考图5B,结合具体实施例对根据高精地图标识信息中的限速标识信息,更新动态地图信息做进一步说明。
图5B示意性示出了根据本公开实施例的基于限速标识信息的动态地信息的更新过程的示例示意图。
如图5B所示,在500B中,道路限速标识信息由需要由第一道路限速标识信息501_1更新为第二道路限速标识信息501_2。第一道路限速标识信息501_1表征最高限速为30km/h的道路限速标识信息。第二道路限速标识信息501_2表征最高限速为60km/h的道路限速标识信息。动态地图信息中当前限速标识信息为与第一道路限速标识信息501_1对应的第一限速标识信息502_1。
路端的路侧设备可以对利用路侧传感器采集得到的路端传感器信息进行感知处理,得到路端感知信息。路端感知信息包括第二道路限速标识信息501_2。
路端可以向云端发送第二道路限速标识信息501_2,以便云端可以向地图厂商发送第二道路限速标识信息501_2。地图厂商可以根据第二道路限速标识信息501_2对动态地图信息进行地图编译,将第一限速标识信息502_1更新为与第二道路限速标识信息501_2对应的第二限速标识信息502_2,得到更新后的动态地图信息。
路端可以向车端发送第二道路限速标识信息501_2,以便车端可以在地图厂商未发布更新后的动态地图信息之前,车端可以根据第二道路限速标识信息501_2进行安全行驶。
根据本公开的实施例,高精地图平台实现了道路限速标识信息的实时检测和实时更新。
下面以动态地图信息中与动态信息相关的信息中的施工事件信息的更新过程为例,对动态地图信息的更新过程做进一步说明。
根据本公开的实施例,施工事件信息对自动驾驶车辆的安全性影响较大。如果通过自动驾驶车辆自身的车端传感器来采集与施工事件信息对应的车端传感器信息,则会导致预留处理时间和处理空间不足,影响车辆行驶安全或行驶效率。
为此,路端可以利用路侧设备来获取与自动驾驶车辆相关的路端感知信息,路端感知信息可以包括施工区域。路端可以向云控平台发送路端感知信息。车端可以获取与自动驾驶车辆相关的车端感知信息。车端可以向云控平台发送车端感知信息。云控平台可以向高精地图平台发送路端感知信息和车端感知信息。第三方平台可以向高精地图平台发送第三方平台感知信息。
高精地图平台可以对车端感知信息、路端感知信息和第三方平台感知信息进行融合,得到云端融合感知信息。高精地图平台可以根据云端融合感知信息来更新动态地图信息。
高精地图平台可以向云控平台发送更新后的动态地图信息,以便云控平台可以利用更新后的动态地图信息进行全局路径规划。
根据本公开的实施例,可以提供高于普通地图的基于高精地图的车道级事件信息,从而能够更为精确地评估自动驾驶车辆的可通过性。
图5C示意性示出了根据本公开实施例的基于施工事件信息的动态地信息的更新过程的示例示意图。
如图5C所示,在500C中,云端确定原全局优化路径规划信息中涉及与施工事件信息对应的路段,则云端可以基于更新后的动态地图信息来修正自动驾驶车辆503的原全局优化路径规划信息,得到修正后的全局优化路径规划信息。云端可以在自动驾驶车辆503行驶至与施工事件信息对应的施工区域之前,向自动驾驶车辆503发送修正后的全局优化路径规划信息,以便自动驾驶车辆503能够提前绕开与施工事件信息对应的施工区域。
下面参考图6,结合具体实施例对根据本公开实施例所述的对结合路径影响要素信息来确定全局优化路径规划信息做进一步说明。
根据本公开的实施例,路径影响要素信息可以包括以下至少之一:超视距事件信息和交通资源博弈信息。
根据本公开的实施例,超视距事件信息可以包括以下至少之一:通信信息、道路环境信息和交通事件信息。通信信息可以用于表征自动驾驶车辆位于目标道路区域的通信稳定性。目标道路区域可以指通信稳定性小于或等于预定稳定性阈值的区域。预定稳定性阈值可以根据实际业务需求进行配置,在此不作限定。
根据本公开的实施例,超视距事件信息可以包括以下至少之一:通信信息、道路环境信息和交通事件信息。此外,超视距事件信息还可以包括以下至少之一:交通管制信息和道路标识变化信息。
根据本公开的实施例,交通资源博弈信息可以包括以下至少之一:交通资源信息和道路交通态势信息。
根据本公开的实施例,针对自动驾驶车辆,全局路径规划不仅需要考虑物理维度的路径影响要素信息,还需要考虑硬件设备维度和环境维度的路径影响要素信息。硬件设备维度的路径影响要素信息可以体现为用于表征自动驾驶车辆位于第一目标道路区域(即目标道路区域)的通信稳定性的通信信息。
图6示意性示出了根据本公开实施例的通信方式处理流程的示例示意图。
如图6所示,在600中,在城市道路中,高楼大厦对于高精定位和车云通信将产生不利影响。例如,会导致自动驾驶车辆的定位精度降低和车云通信的延迟,进而影响车辆行驶安全。
为此,云端可以获取自动驾驶车辆经由第一目标道路区域的设备状态信息601,根据设备状态信息601,生成至少一个维度的动态图层602。根据至少一个维度的动态图层602,构建针对通信稳定性的车道级态势图603。
云端可以根据动态地图信息604、车道级态势图603、自动驾驶车辆集合的行驶需求信息605生成自动驾驶车辆的全局优化路径规划信息606。云端可以根据车道级态势图603,确定第一目标道路区域。第一目标道路区域可以指通信稳定性小于或等于预定稳定性阈值的区域。
云端可以根据全局优化路径规划信息606,确定自动驾驶车辆是否经过第一目标道路区域。云端在确定自动驾驶车辆经过第一目标道路区域的情况下,确定自动驾驶车辆具有近场通讯和定位功能?如果确定自动驾驶车辆具有近场通讯和定位功能,则可以生成通信方式切换指令。云端向自动驾驶车辆发送通信方式切换指令,以便自动驾驶车辆响应于接收到来自云端的通信方式切换指令,将当前通信方式切换为预期通信方式,以提前开启辅助通讯和定位设备。预期通信方式可以指具有近场定位和近场通讯能力的通信方式。
如果确定自动驾驶车辆不具有近场通讯和定位功能,则云端可以在生成自动驾驶车辆的全局优化路径规划信息过程中,规避第一目标道路区域。
此外,云端可以生成针对第一目标道路区域的设备添加请求,设备添加请求用于请求向第一目标道路区域添加近场定位和近场通讯设备。云端可以向路端发送设备添加请求,以便路端响应于接收到设备添加请求,路端管理者添加近场定位和近场通讯设备。
根据本公开的实施例,云端可以根据自动驾驶车辆自身情况提供规避第一目标道路区域、提前开启辅助定位和通讯设备和切换通信方式中的至少之一来保证车辆行驶安全。
下面结合具体实施例对根据本公开实施例所述的全局路径规划部分的全局路径规划应用部分进行说明。
编队(即Platooning)行驶,又称列队行驶或结队行驶,可以是自动驾驶车辆在复杂多变的交通环境下,通过调节行驶速度和转向,使得与附近行驶的多个自动驾驶车辆之间保持相对稳定的几何位姿及运动状态的行驶行为。采用编队行驶的方式,可以在满足任务需求和适应周边环境约束的基础上,提高道路的通行能力和自动驾驶的安全性。
根据本公开的实施例,还提供了一种自动驾驶车辆的编队行驶方法,应用于云端,该方法可以包括如下操作。
响应于接收到动态编队请求,确定多个车辆的行驶信息,得到多个行驶信息。行驶信息可以包括全局优化路径规划信息和行驶时段。根据时空重叠范围划分策略和多个行驶信息,确定具有时空重叠关系的车辆,得到至少一个车辆信息集合。创建与至少一个车辆信息集合对应的至少一个第一动态编队信息。向多个车辆发送与多个车辆对应的第一动态编队信息,以便车辆根据第一动态编队信息和全局优化路径规划信息进行编队行驶。
根据本公开的实施例,可以通过云端对多个自动驾驶车辆的行驶信息进行时空聚类,为多个具有时空重叠关系的自动驾驶车辆生成动态编队信息,进而提高自动驾驶车辆的行驶效率、道路的通行能力和车辆行驶安全性,以及降低油耗和缓解拥堵等。
根据本公开的实施例,多个车辆可以包括多个自动驾驶车辆。全局优化路径规划信息可以是根据本公开实施例所述的轨迹规划信息生成方法生成的。自动驾驶车辆的编队行驶方法可以由云端执行。
根据本公开的实施例,创建与至少一个车辆信息集合对应的至少一个第一动态编队信息,可以包括如下操作。
根据道路行驶影响信息和至少一个车辆信息集合中车辆的全局优化路径规划信息,确定与至少一个车辆信息集合对应的编队行驶信息,得到至少一个编队行驶信息。根据至少一个车辆信息集合和与至少一个车辆信息集合对应的编队行驶信息,创建与至少一个车辆信息集合对应的第一动态编队信息。
根据本公开的实施例,通过云端基于多个自动驾驶车辆各自的全局路径规划信息来对多个自动驾驶车辆进行时空聚类,并基于道路行驶影响信息来进行编队行驶信息的确定,能够提高道路利用率的同时提高交通的秩序化程度和车辆的运行效率。
根据本公开的实施例,道路行驶影响信息可以包括道路类型信息和道路环境信息。编队行驶信息可以包括编队行驶速度。
根据本公开的实施例,根据道路行驶影响信息和至少一个车辆信息集合中车辆的全局优化路径规划信息,确定与至少一个车辆信息集合对应的编队行驶信息,得到至少一个编队行驶信息,可以包括如下操作。
针对至少一个车辆信息集合中的车辆信息集合,根据车辆信息集合中车辆的全局优化路径规划信息,确定车辆信息集合的集合路径规划信息。在根据集合规划路径信息,确定车辆信息集合经由第二目标道路区域的情况下,确定与车辆信息集合对应的编队行驶速度为预期编队行驶速度。目标道路区域是道路类型信息是预定道路类型信息且道路环境信息满足预定道路环境条件的道路区域。在根据集合规划路径信息,确定车辆信息集合未经由目标道路区域的情况下,确定与车辆信息集合对应的编队行驶速度为其他编队行驶速度。
根据本公开的实施例,预定道路类型信息可以包括高速道路类型信息。预定道路环境条件可以包括能见度小于或等于预定能见度阈值的道路环境条件。
根据本公开的实施例,云端可以实时计算动态编队的合理的动态编队信息,并且进行车道级的引导,保持道路持续通行能力。以便在雾天、雨天等能见度低以及路面湿滑的道路环境下,也能安全的在高速公路上行驶,提高交通资源的可用率。
根据本公开的其他实施例,云端可以对多个具有时空重叠关系的自动驾驶车辆动态下发用于组成动态编队的编队指令。自动驾驶车辆接收到编队指令。响应于该编队指令,根据动态编队信息,并入编队。云端实时对自动驾驶车辆进行指引,使得自动驾驶车辆按照动态编队信息,在低速编队的行驶模式下运行。在自动驾驶车辆的全局规划路径信息与动态编队信息不一致时,自动驾驶车辆可以脱离动态编队。
根据本公开的其他实施例,通过云端控制自动驾驶车辆的动态编队,以高速团雾的交通场景为例,在道路环境信息为例如雾天且自动驾驶车辆为单车行驶的情况下,受道路环境影响,自动驾驶车辆的反应时间和刹车距离都会延长,将导致自动驾驶车辆难以在高速路段行驶,进而导致可用交通资源减少。在此情况下,云端可以利用动态编队的方式,将经由同一高速路段的多个自动驾驶车辆启用强制的低速编队,以使得在恶劣道路环境条件下,高速路段由关闭状态改为可用状态。
根据本公开的实施例,在驶入高速入口之前,自动驾驶车辆可以自检,以保证自动驾驶车辆具有车道级定位和毫秒级通讯能力。云端控制高速入口对于符合要求的自动驾驶车辆放行以便进入高速路段。云端引导自动驾驶车辆加入低速的动态编队。云端实时监测全高速路段的事件信息,并将发生故障事件的车道信息实时下发给自动驾驶车辆,引导自动驾驶车辆进行车道级导航,以便提前变道。在安全通过团雾区域后,云端可解散低速的动态编队。
根据本公开的实施例,根据时空重叠范围划分策略和多个行驶信息,确定具有时空重叠关系的车辆,得到至少一个车辆信息集合,可以包括如下操作。
根据时空重叠范围划分策略,确定至少一个时空重叠范围。时空重叠范围可以包括预定行驶时段和预定行驶区域。根据多个车辆各自的全局优化路径规划信息,确定多个车辆各自的行驶区域。根据至少一个时空重叠范围和多个车辆各自的行驶区域和行驶时段,确定多个车辆各自所属的时空重叠范围。将所属相同时空重叠范围的车辆确定为具有时空重叠关系的车辆,得到至少一个车辆信息集合。
根据本公开的实施例,还提供了一种自动驾驶车辆的编队行驶方法,应用于车端,该方法可以包括如下操作。
响应于接收到来自云端的第一动态编队信息,根据全局优化路径规划信息和第一动态编队信息进行编队行驶。第一动态编队信息是云端根据至少一个车辆信息集合创建的。至少一个车辆信息集合是根据时空重叠范围划分策略和多个车辆的行驶信息确定具有时空重叠关系的车辆得到的。行驶信息可以包括全局优化路径规划信息和行驶时段。
根据本公开的实施例,第一动态编队信息可以包括编队路径规划信息。
根据本公开的实施例,根据全局优化路径规划信息和第一动态编队信息进行编队行驶,可以包括如下操作。
根据全局优化路径规划信息和编队路径规划信息,确定路径重叠信息。路径重叠信息可以包括重叠路径。在根据全局优化路径规划信息行驶至与重叠路径对应的行驶区域的情况下,加入与第一动态编队信息对应的动态编队进行编队行驶。
根据本公开的实施例,路径重叠信息可以包括未重叠路径。
根据本公开的实施例,上述自动驾驶车辆的编队行驶方法还可以包括如下操作。
在根据全局优化路径规划信息由与重叠路径对应的行驶区域行驶至与未重叠路径对应的行驶区域的情况下,退出与第一动态编队信息对应的动态编队。
下面参考图7,结合具体实施例对根据本公开实施例所述的自动驾驶车辆的编队行驶方法做进一步说明。
图7示意性示出了根据本公开实施例的动态编队的示例示意图。
如图7所示,在700中,云端可以确定自动驾驶车辆701、自动驾驶车辆702、自动驾驶车辆703、自动驾驶车辆704和自动驾驶车辆705是具有时空重叠关系的自动驾驶车辆。根据自动驾驶车辆701、自动驾驶车辆702、自动驾驶车辆703、自动驾驶车辆704和自动驾驶车辆705是具有时空重叠关系的自动驾驶车,生成车辆信息集合。创建与车辆信息集合对应的动态编队信息。
云端可以向自动驾驶车辆701、自动驾驶车辆702、自动驾驶车辆703、自动驾驶车辆704和自动驾驶车辆705发送动态编队信息。上述各个自动驾驶车辆可以根据动态编队信息和各自的全局优化路径规划信息进行编队行驶。
自动驾驶车辆701和自动驾驶车辆702可以在根据全局优化路径规划信息由与重叠路径对应的行驶区域行驶至与未重叠路径对应的行驶区域的情况下,退出与动态编队信息对应的动态编队。
根据本公开的实施例,还提供了另一种自动驾驶车辆的编队行驶方法,应用于是头车的自动驾驶车辆,该方法可以包括如下操作。
响应于接收到编队创建请求,确定第二动态编队信息。向其他自动驾驶车辆广播第二动态编队信息,以便其他自动驾驶车辆响应于接收到第二动态编队信息,在确定加入与第二动态编队信息对应的动态编队的情况下,根据第二动态编队信息进行编队行驶。
根据本公开的实施例,第二动态编队信息可以包括以下至少之一:目的地、编队标识、编队速度和跟车距离。
根据本公开的实施例,上述自动驾驶车辆的编队行驶方法还可以包括如下操作。
响应于接收到动态协调信息,向其他自动驾驶车辆发送动态协调信息,以便其他自动驾驶车辆根据动态协调信息调整行驶状态。
根据本公开的实施例,上述自动驾驶车辆的编队行驶方法还可以包括如下操作。
响应于接收到来自其他自动驾驶车辆的编队加入请求,确定编队加入信息。向云端或路端发送编队加入信息,以便云端或路端响应于接收到编队加入信息,根据编队加入信息确定编队路径规划信息。响应于接收到来自云端和路端之一的编队路径规划信息,向其他自动驾驶车辆发送编队路径规划信息,以便其他自动驾驶车辆根据编队路径规划信息进行编队行驶。
根据本公开的实施例,上述自动驾驶车辆的编队行驶方法还可以包括如下操作。
响应于接收到编队解散请求,向其他自动驾驶车辆广播编队解散请求,以便其他自动驾驶车辆响应于接收到编队解散请求,退出与第二动态编队信息对应的动态编队。
根据本公开的实施例,还提供了另一种自动驾驶车辆的编队行驶方法,应用于云端和路端之一,该方法可以包括以下操作。
向头车发送编队创建请求,以便头车响应于接收到编队创建请求,确定第二动态编队信息,以及向其他自动驾驶车辆广播第二动态编队信息,以便其他自动驾驶车辆响应于接收到第二动态编队信息,在确定加入与第二动态编队信息对应的动态编队的情况下,根据第二动态编队信息进行编队行驶。
根据本公开的实施例,上述自动驾驶车辆的编队行驶方法还可以包括如下操作。
响应于接收到来自头车的编队加入信息,根据编队加入信息确定编队路径规划信息。向头车发送编队路径规划信息,以便头车响应于接收到编队路径规划信息,向其他自动驾驶车辆发送编队路径规划信息,以便其他自动驾驶车辆根据编队路径规划信息进行编队行驶。
根据本公开的实施例,上述自动驾驶车辆的编队行驶方法还可以包括如下操作。
向头车发送编队解散请求,以便头车响应于接收到编队解散请求,向其他自动驾驶车辆广播编队解散请求,以便其他自动驾驶车辆响应于接收到编队解散请求,退出与第二动态编队信息对应的动态编队。
根据本公开的实施例,上述自动驾驶车辆的编队行驶方法可以应用于高速场景中的自动驾驶,可以利用算力强和智能化程度高的自动驾驶车辆作为头车组建编队。在形成编队之后,可以提高成员车辆的自动驾驶安全系数,降低成员车辆的风阻,并提高整体道路的秩序化程度。
至此,完成了针对全局路径规划部分的说明。下面将针对行为决策部分进行说明。
行为决策部分可以基于全局优化路径规划信息和车路云协同感知信息进行行为决策。
为了应对复杂的动态交通场景,行为决策部分需要根据外部环境的变化,快速确定行驶决策,避免危险情况的发生。此外,需要确保车辆行驶目标的可达性。车路云一体化系统在车端状态空间信息的基础上额外增加路云状态空间信息,结合决策评估信息进行融合决策,确定自动驾驶车辆的优化行为决策信息。
表4示意性示出了行为决策部分所适用的场景以及针对相应场景的决策规划策略。下面参考图8A~8D,结合具体实施例对表4所涉及的本公开实施例所述的行为决策部分进行说明。图8A是针对交互冲突类场景的说明。图8B~8D是针对道路阻塞类场景的说明。
Figure BDA0003636323570000311
Figure BDA0003636323570000321
Figure BDA0003636323570000331
表4
根据本公开的实施例,车路云协同感知信息可以包括对象信息和道路事件信息。道路事件信息可以包括道路事件类型信息和第一道路事件位置信息。
根据本公开的实施例,操作S210可以包括如下操作。
根据道路事件类型信息,确定事件处理策略。基于事件处理策略,根据决策评估信息、第一道路事件位置信息、对象信息和全局优化路径规划信息,从行为决策信息集合中确定自动驾驶车辆的优化行为决策信息。
根据本公开的实施例,对象信息可以包括以下至少之一:对象状态信息和对象意图信息。道路事件类型可以表征道路事件的类型信息。例如,道路事件类型可以包括以下之一:交互冲突事件类型和道路阻塞事件类型。第一道路事件位置信息可以表征道路事件发生区域。例如,第一道路事件位置信息可以包括以下之一:交互冲突事件发生区域和道路阻塞事件发生区域。
根据本公开的实施例,具有与道路事件类型对应的事件处理策略。事件处理策略可以指用于处理与道路事件类型对应的道路事件的策略。例如,在道路事件类型是交互冲突事件类型的情况下,可以调用交互冲突事件处理策略。交互冲突事件处理策略可以指针对交互冲突事件,如何从行为决策信息集合中确定优化行为决策信息的策略。在道路事件类型是道路阻塞事件类型的情况下,可以调用道路阻塞事件处理策略。道路阻塞事件处理策略可以指针对道路阻塞事件,如何从行为决策信息集合中确定优化行为决策信息的策略。
根据本公开的实施例,可以根据道路事件类型确定事件处理策略,再利用事件处理策略和决策评估信息,根据对象信息、第一道路事件位置和全局优化路径规划信息,从行为决策信息集合中确定优化行为决策信息。
下面参考图8A,结合具体实施例对根据本公开实施例所述的针对交互冲突类场景的行为决策做进一步说明。
根据本公开的实施例,道路事件类型可以包括交互冲突事件类型。交互冲突事件类型可以表征自动驾驶车辆与交互对象之间存在交互冲突的事件类型。
根据本公开的实施例,对象信息包括交互冲突对象意图信息和交互冲突对象状态信息。
根据本公开的实施例,交互冲突对象意图信息可以包括自动驾驶车车辆意图信息和交互对象意图信息。交互冲突对象状态信息可以包括自动驾驶车辆状态信息和交互对象状态信息。状态信息可以包括以下至少之一:位置和速度。交互对象可以称为障碍物。交互对象可以包括以下之一:机动车、非机动车、行人和建筑物。机动车可以包括以下至少之一:其他自动驾驶车辆和用户驾驶车辆。
根据本公开的实施例,交互对象可以包括机动车。
根据本公开的实施例,基于事件处理策略,根据决策评估信息、第一道路事件位置信息、对象信息和全局优化路径规划信息,从行为决策信息集合中确定自动驾驶车辆的优化行为决策信息,可以包括如下操作。
根据决策评估信息、第一道路事件位置信息、交互冲突对象意图信息、交互冲突对象状态信息和全局优化路径规划信息,从行为决策信息集合中确定交互对象的行为决策信息和自动驾驶车辆的行为决策信息。根据交互对象的行为决策信息和自动驾驶车辆的行为决策信息,得到自动驾驶车辆的优化行为决策信息。优化行为决策信息可以包括自动驾驶车辆和交互对象之间的通行次序仲裁策略。
根据本公开的实施例,决策评估信息可以包括与交通规则相关的评估信息。
根据本公开的实施例,可以根据交互冲突对象状态信息和第一道路事件位置信息,确定自动驾驶车辆位置和第一道路事件发生位置之间的第一距离信息以及交互对象位置和道路事件发生位置之间的第二距离信息。根据与交通规则相关的评估信息、自动驾驶车辆意图信息、交互对象意图信息、自动驾驶车辆状态信息、交互对象状态信息、第一距离信息、第二距离信息和全局优化路径规划信息,从行为决策信息集合中确定自动驾驶车车辆的行为决策信息和交互对象的行为决策信息。再根据自动驾驶车辆的行为决策信息和交互对象的行为决策信息,确定包括自动驾驶车辆和交互对象之间的通行次序仲裁策略的优化行为决策信息。例如,自动驾驶车辆的行为决策信息是正常行驶通过策略,交互对象的行为决策信息是提前减速策略。自动驾驶车辆和交互对象之间的通行次序仲裁策略是自动驾驶车辆先正常行驶通过第一道路事件发生位置,交互对象提前减速。
图8A示意性示出了根据本公开实施例的针对对向车辆借道超车与主车冲突场景的行为决策的示例示意图。
如图8A所示,在800A中,自动驾驶车辆803是临时停车。自动驾驶车辆801在直行车道上行驶的情况下,交互对象802(即对向车辆)避让施工区域而借用主车车道超车,产生压实线逆行行为,与主车产生行驶路径的冲突并导致主车急刹或接管。
针对上述情况,云端可以根据与自动驾驶车辆801对应的车路云协同感知信息,得到交互冲突对象与冲突位置之间的距离信息、交互冲突对象意图信息和交互冲突对象状态信息。交互冲突对象意图信息可以包括自动驾驶车辆801的意图信息和交互对象802的意图信息。交互冲突对象状态信息可以包括自动驾驶车辆801的状态信息和交互对象802的状态信息。自动驾驶车辆801的状态信息可以包括以下至少之一:自动驾驶车辆801的速度和位置。交互对象802的状态信息可以包括以下至少之一:交互对象802的速度和位置。
云端可以根据交通规则、交互冲突对象状态信息和交互冲突对象与冲突位置之间的距离信息,包括自动驾驶车辆和交互对象之间的通行次序仲裁策略的优化行为决策信息。通行次序仲裁策略可以是自动驾驶车辆801不减速通过路口,交互对象802在主车车道外提前减速,待直行车辆通过路口之后,对向车辆压实线借道超车通过,使得自动驾驶车辆801可以沿路径804行驶,交互对象802可以沿路径805行驶。
根据本公开的实施例,通过车路云一体化协同,直行车辆与逆行车辆按次序通过,避免了交互冲突造成路口车流阻塞及碰撞风险。
根据本公开的实施例,交互对象可以包括以下至少之一:非机动车和行人。
根据本公开的实施例,在交互对象可以包括非机动车和行人中的至少之一的情况下,优化行为决策信息包括以下至少之一:减速避让策略、绕行通过策略和正常行驶通过策略。
根据本公开的实施例,根据本公开的实施例,在交互对象是非机动车和行为中的之一的情况下,确定自动驾驶车辆的优化行为策略信息包括减速避让策略、绕行通过策略和正常行驶通过策略中的至少之一。
根据本公开的实施例,在自动驾驶车辆所在车道前方有道路阻塞类事件发生的情况下,自动驾驶车辆需要正确决策通行策略。但由于道路阻塞类场景发生位置和影响区域大小均不相同,此外,受前方车流的视野遮挡,自动驾驶车辆较难以制定出合适的行进路线,容易造成车辆不合理停滞或接管。
为此,车路云一体化感知对道路阻塞区域、阻塞影响车道区域范围、阻塞区域分布情况、障碍物或交通参与者类型以及交通态势进行精确判断。如果阻塞区域所在位置的车道组织区域清晰明确,则车路云一体化决策系统结合交通规则及道路交通态势信息,确定优化行为决策信息。
下面参考图8B~图8D,结合具体实施例对根据本公开实施例所述的针对道路阻塞类场景的行为决策做进一步说明。
根据本公开的实施例,道路事件类型可以包括道路阻塞事件类型。道路阻塞事件类型可以表征在自动驾驶车辆的前方预定范围内存在道路阻塞的事件类型。车路云协同感知信息可以包括道路交通态势信息。
根据本公开的实施例,基于事件处理策略,根据决策评估信息、第一道路事件位置信息、对象信息和全局优化路径规划信息,从行为决策信息集合中确定自动驾驶车辆的优化行为决策信息,可以包括如下操作。
在确定与第一道路事件位置信息对应的车道划分信息满足预定划分条件的情况下,根据决策评估信息、第一道路事件位置信息、对象信息、道路交通态势信息和全局优化路径规划信息,从行为决策信息集合中确定自动驾驶车辆的优化行为决策信息。
根据本公开的实施例,车道划分信息可以指各个车道彼此之间的关联关系信息。预定划分条件可以用于作为评估各个车道彼此之间的关联关系是否满足清晰度的标准。
根据本公开的实施例,可以确定与道路事件位置信息对应的车道划分信息。确定与第一道路事件位置信息对应的车道划分信息是否满足预定划分条件。在确定与第一道路事件位置信息对应的车道划分信息满足预定划分条件的情况下,可以根据决策评估信息、第一道路事件位置信息、对象信息、道路交通态势信息和全局优化路径规划信息,从行为决策信息集合中确定优化行为决策信息。
根据本公开的实施例,道路阻塞事件类型可以包括以下至少之一:车辆阻塞通行事件类型、交通事故阻塞通行事件类型、施工区域阻塞通行事件类型和道路封闭阻塞通行事件类型。此外,道路阻塞事件类型还可以包括以下至少之一:停滞车辆阻塞进站事件类型和停滞车辆阻塞调头事件类型。
根据本公开的实施例,在道路阻塞事件类型是车辆阻塞通行事件类型的情况下,优化行为决策信息可以包括主车通行策略。主车通行策略可以包括以下至少之一:跟随前方车辆排队策略和绕行前方车辆策略。
根据本公开的实施例,在道路阻塞事件类型可以包括交通事故阻塞通行事件类型、施工区域阻塞通行事件类型和道路封闭阻塞通行事件类型中的至少之一的情况下,优化行为决策信息可以包括主车绕行策略。主车绕行策略可以包括以下至少之一:提前变道策略、连续变道策略、借对向车道绕行策略、基于推荐轨迹绕行策略和申请接管脱困策略。
根据本公开的实施例,在道路阻塞事件类型可以包括停滞车辆阻塞进站事件类型的情况下,优化轨迹规划信息可以包括以下至少之一:主车变更路径规划终点策略和申请接管通过策略。在道路阻塞事件类型可以包括停滞车辆阻塞调头事件类型的情况下,优化轨迹规划信息可以包括以下至少之一:参考推荐轨迹调头通过策略、申请接管通过策略和提前变更路径规划绕行策略。
根据本公开的实施例,车辆道路阻塞通行事件类型可以包括以下至少之一:排队事件类型、拥堵事件类型和停滞车辆事件类型。
图8B示意性示出了根据本公开实施例的主车所在车道单点阻塞场景的行为决策的示例示意图。
如图8B所示,在800B中,在自动驾驶车辆806所在车道前方因单一障碍物阻塞车道且旁边车道可以供主车绕行通过的情况下,优化行为决策信息可以是主车绕行前方车辆通过策略,以便自动驾驶车辆806可以沿路径808行驶。单一障碍物可以包括以下之一:单车故障、违章停车和抛洒物等。
图8C示意性示出了根据本公开实施例的主车所在车道连续阻塞场景的行为决策的示例示意图。
如图8C所示,在800C中,在自动驾驶车辆809所在车道前方阻塞区域连续存在的情况下,如果自动驾驶车辆809按照多次绕行策略,例如,沿路径812通过,则会产生明显行为顿挫,影响驾驶体验。优化行为决策信息可以是在阻塞区域前方连续变道,选择通畅路线行驶,例如,自动驾驶车辆809可以沿路径813行驶。交互对象810和交互对象811可以是影响自动驾驶车辆801的行驶路线的对象。主车所在车道连续阻塞场景可以包括以下至少之一:不定间隔的停车阻挡行驶路线和连续施工区域占用车道等。
图8D示意性示出了根据本公开实施例的主车所在车道阻塞且同向车道车辆形成排队场景的行为决策的示例示意图。
如图8D所示,在800D中,在自动驾驶车辆814所在车道前方形成阻塞区域且旁边同向车道形成排队的情况下,如果自动驾驶车辆814正常行驶,并在接近阻塞区域的情况下绕行,例如,自动驾驶车辆沿路径815行驶,则将难以切入绕行车道,造成停滞。优化行为决策信息可以是自动驾驶车辆814提前变道,跟随排队队列等待通过。自动驾驶车辆814可以沿路径816行驶。
此外,本公开实施例针对主车所在车道车辆排队阻塞场景,如果自动驾驶车辆所在流向前方车道因车辆排队阻塞通行,则优化行为决策信息可以是主车跟随排队车辆,等待通过。车辆排队阻塞通行可以包括以下至少之一:排队等红灯、车道拥堵和前车礼让行人。
基于上述内容,针对交互冲突类场景,车路云一体化决策在以下方面具有优势。
针对交互冲突类场景的交互冲突仲裁策略。在交互对象是机动车的情况下,自动驾驶车辆与交互对象之间存在交互博弈或路权博弈,需要车路云一体化辅助仲裁机制基于交互冲突对象意图信息,完成交互博弈场景中交互冲突对象的行驶方向、行驶速度和行驶次序中的至少之一的协调决策建议。在交互对象包括非机动车和行人中的至少之一的情况下,针对混行的无序化场景,需要车路云一体化感知与决策的协同,基于行人和非机动车的意图信息,确定自动驾驶车辆的避让方式的决策建议。
针对道路阻塞类场景,自动驾驶车辆在道路中遇到道路阻塞事件会产生不合理停滞,为了确保行驶路径的可达性,需要车路云一体化部分基于道路阻塞类场景的语义理解和交通态势信息,合理选择绕行或通过策略。
至此,完成了针对行为决策部分的说明。下面将针对运动规划部分进行说明。
运动规划可以根据优化行为决策信息,规划生成满足约束条件的优化轨迹规划信息。该优化轨迹规划信息可以作为控制模块的输入决定自动驾驶车辆最终行驶路径。
为了应对复杂的道路阻塞场景,需要基于优化行为决策信息结合车辆动力学模型、运动学模型约束,以轨迹评估信息作为评估指标,确定优轨迹规划信息。
表4示意性示出了运动规划部分所适用的场景以及针对相应场景的决策规划策略。下面参考图9A~9C,结合具体实施例对表4所涉及的本公开实施例所述的运动规划部分进行说明。
根据本公开的实施例,操作S220可以包括如下操作。
根据与自动驾驶车辆对应的车路云协同感知信息和优化行为决策信息,生成自动驾驶车辆的至少一个候选轨迹规划信息。根据轨迹评估信息,从至少一个候选轨迹规划信息中确定自动驾驶车辆的优化轨迹规划信息。
根据本公开的实施例,与自动驾驶车辆对应的车路云协感知信息,确定辅助车流轨迹信息。根据车路云协同感知信息、辅助车流轨迹轨迹信息和优化行为决策信息,生成至少一个候选轨迹规划信息。根据再根据轨迹评估信息从至少一个候选轨迹规划信息中确定优化轨迹规划信息。自动驾驶车辆可以根据优化轨迹规划信息行驶。
例如,在由车端执行的情况下,车端可以根据轨迹评估信息,从接收到来的来自第一其他端的至少一个候选轨迹规划信息中确定自动驾驶车辆的优化轨迹规划信息。至少一个候选轨迹规划信息可以是第一其他端根据与自动驾驶车辆对应的车路云协同感知信息和优化行为决策信息生成的。
根据本公开的实施例,车辆云协同感知信息可以包括道路交通态势信息和第二道路事件位置信息。
根据与自动驾驶车辆对应的车路云协同感知信息和优化行为决策信息,生成自动驾驶车辆的至少一个候选轨迹规划信息,可以包括如下操作。
根据第二道路事件位置信息,获取与自动驾驶车辆对应的辅助车流轨迹信息。根据辅助车流轨迹信息和道路交通态势信息,生成自动驾驶车辆的至少一个候选轨迹规划信息。
根据本公开的实施例,道路交通态势信息可以用于表征与自动驾驶车辆相关的行驶道路的交通态势信息。第二道路事件位置信息可以表征道路事件发生区域。例如,第二道路事件位置信息可以包括以下之一:交互冲突事件发生区域和道路阻塞事件发生区域。
根据本公开的实施例,辅助车流轨迹信息可以表征自动驾驶车辆前方预定区域的周边车流轨迹信息。辅助车流轨迹信息可以包括以下至少之一:自动驾驶车流轨迹信息和非自动驾驶车流轨迹信息。自动驾驶车流轨迹信息可以是历史自动驾驶车辆经由与第二道路事件位置信息对应的区域形成的车流轨迹信息。非自动驾驶车流轨迹信息可以是非自动驾驶车辆经由与第二道路事件位置信息对应的区域形成的车流轨迹信息。
根据本公开的实施例,可以根据第二道路事件位置,从历史辅助车流轨迹信息中获取辅助车流轨迹信息。再根据道路交通态势信息和辅助车流轨迹信息,生成至少一个候选轨迹规划信息。
根据本公开的实施例,根据第二道路事件位置信息,获取与自动驾驶车辆对应的辅助车流轨迹信息,可以包括如下操作。
从历史车路云协同感知信息中确定与第二道路事件位置信息相关的待分析车路云协同感知信息。根据待分析车路云协同感知信息,得到与自动驾驶车辆对应的辅助车流轨迹信息。
根据本公开的实施例,历史车路云协同感知信息可以包括在预定时段范围内和预定道路区域范围内的车路云协同感知信息。待分析车路云协同感知信息可以指与第二道路事件位置信息相关的历史车路云协同感知信息。
根据本公开的实施例,在获得待分析车路云协同感知信息之后,可以对待分析车路云协同感知信息进行分析,得到包括至少一个辅助轨迹的辅助车流轨迹信息。
根据本公开的实施例,根据待分析车路云协同感知信息,得到与自动驾驶车辆对应的辅助车流轨迹信息,可以包括如下操作。
根据待分析车路云协同感知信息,得到与自动驾驶车辆对应的候选车辆轨迹信息。候选车流轨迹信息可以包括多个候选轨迹。确定多个候选轨迹之间的相似度,得到多个相似度。根据多个相似度,从多个候选轨迹中确定至少一个辅助轨迹,得到与自动驾驶车辆对应的辅助车辆轨迹信息
根据本公开的实施例,可以对待分析车路云协同感知信息进行分析,得到包括多个候选轨迹的候选车流轨迹信息。可以确定多个候选轨迹彼此之间的相似度,得到多个相似度。可以根据对多个相似度进行排序得到的排序结果,从多个候选轨迹中确定至少一个辅助轨迹,得到辅助车流轨迹信息。备选地,可以根据多个相似度和预定相似度阈值,从多个候选轨迹中确定至少一个辅助轨迹,得到辅助车流轨迹信息。预定相似度阈值可以根据实际业务需求进行配置,在此不作限定。
根据本公开的实施例,车路云协同感知信息可以包括道路状态信息。
根据本公开的实施例,根据辅助车流轨迹信息和道路交通态势信息,生成自动驾驶车辆的至少一个候选轨迹规划信息,可以包括如下操作。
在根据道路状态信息确定道路阻塞事件发生在预期道路区域的情况下,根据辅助车流轨迹信息确定路径可达性。路径可达性表征自动驾驶车辆基于当前路径通过与道路阻塞事件对应的阻塞区域的可能性。在确定路径可达的情况下,根据道路交通态势信息,生成建议自动驾驶车辆参考推荐轨迹绕行通过阻塞区域的决策信息。响应于接收到决策信息,根据辅助车流轨迹信息,生成针对自动驾驶车辆的至少一个候选轨迹规划信息。
根据本公开的实施例,预期道路区域可以包括以下至少之一:道路阻塞事件发生在通行断面狭窄区域、对向车流密集道路区域和无车道线刻画的道路区域。
根据本公开的实施例,可以根据与自动驾驶车辆对应的车路云协同感知信息,确定道路阻塞区域类型、阻塞区域范围和阻塞区域分布情况。在根据道路阻塞区域类型、阻塞区域范围和阻塞区域分布情况确定阻塞区域是预期道路区域的情况下。获取自动驾驶车辆前方阻塞区域的周边车流轨迹信息,通过大数据积累生成辅助车流轨迹信息。在根据辅助车流轨迹信息确定阻塞区域在自动驾驶车辆不借道的情况下具有可通达性的情况下,可以根据道路交通态势信息,生成推荐轨迹绕行通过决策信息。在确定决策信息的情况下,根据辅助车流轨迹信息,确定优化轨迹规划信息可以是参考推荐轨迹绕行通过。
根据本公开的实施例,根据轨迹评估信息,从至少一个候选轨迹规划信息中确定自动驾驶车辆的优化轨迹规划信息,可以包括如下操作。
根据轨迹评估信息对至少一候选轨迹规划信息进行评估,得到至少一个评估结果。轨迹评估信息可以包括以下至少之一:与驾驶舒适度相关的评估信息、与可达性相关的评估信息、与安全性相关的评估信息和与通行效率相关的评估信息。根据至少一个评估结果,确定优化评估结果。将与优化评估结果对应的候选轨迹规划信息确定为自动驾驶车辆的优化轨迹规划信息。
根据本公开的实施例,针对至少一个候选轨迹规划信息中的候选轨迹规划信息,可以利用轨迹评估信息对候选轨迹规划信息进行评估,得到评估结果。评估结果可以是评估值。由此,可以获得与至少一个候选轨迹规划信息各自对应的评估结果。
根据本公开的实施例,在获得与至少一个候选轨迹规划信息各自对应的评估结果之后,可以根据至少一个评估结果和预定评估条件,从至少一个评估结果中确定优化评估结果。例如,可以对至少一个评估结果进行排序,得到排序结果。根据排序结果,从至少一个评估结果中确定优化评估结果。备选地,可以根据至少一个评估结果和预定评估阈值,从至少一个评估结果中确定优化评估结果。预定评估阈值可以根据实际业务需求进行配置,在此不作限定。
根据本公开的实施例,根据至少一个评估结果,确定优化评估结果,可以包括如下操作。
对至少一个评估结果进行排序,得到排序结果。根据排序结果,从至少一个评估结果中确定优化评估结果。
根据本公开的实施例,可以对至少一个评估结果进行排序,得到排序结果。根据排序结果,从至少一个评估结果中确定优化评估结果。排序可以按照评估结果由小到大的顺序排序或按照由大到小的顺序排序。例如,如果排序按照评估结果由小到大的顺序,则可以将排序末位的评估结果确定为优化评估结果。
下面参考图9A~图9C,结合具体实施例对根据本公开实施例所述的针对交互冲突类场景的行为决策做进一步说明。
图9A示意性示出了根据本公开实施例的无车道区域阻塞场景的运动规划的示例示意图。
如图9A所示,在900A中,在阻塞事件所在位置为无车道线刻画的道路区域的情况下,车路云一体化系统确定优化轨迹规划信息之后,主车较难完成变道或绕行策略的轨迹路线规划的情况下,容易造成车辆不合理停滞或接管。无车道线刻画的道路区域可以包括路口中央区域。
为此,根据与自动驾驶车辆901对应的车路云协同感知信息,确定道路阻塞区域类型、阻塞区域范围和阻塞区域分布情况。根据道路阻塞区域类型、阻塞区域范围和阻塞区域分布情况确定阻塞发生在无车道线的路口内区域。获取自动驾驶车辆901前方阻塞区域的周边车流轨迹信息,通过大数据积累形成辅助车流轨迹信息。根据道路交通态势信息和辅助车流轨迹信息,确定优化轨迹规划信息可以是参考推荐轨迹绕行通过。
自动驾驶车辆901可以沿路径902行驶顺利通过路口阻塞区域。
图9B示意性示出了根据本公开实施例的通行断面狭窄且对向车流密集场景的运动规划的示例示意图。
如图9B所示,在900B中,在阻塞事件发生在通行断面狭窄且对向车流密集的道路上,可通行空间有限的情况下,如果采用变道或绕行方式通过,则对对向车流产生较大影响。
为此,根据与自动驾驶车辆903对应的车路云协同感知信息,确定道路阻塞区域类型、阻塞区域范围和阻塞区域分布情况。根据道路阻塞区域类型、阻塞区域范围和阻塞区域分布情况确定阻塞发生在通行断面狭窄且对向车流较为密集。获取自动驾驶车辆903前方阻塞区域的周边车流轨迹信息,通过大数据积累形成辅助车流轨迹信息。根据辅助车流轨迹信息确定阻塞区域在自动驾驶车辆903不借道的情况下具有可通达性。根据道路交通态势信息,确定推荐轨迹绕行通过决策。在确定推荐轨迹绕行通过决策的情况下,根据辅助车流轨迹信息,确定优化轨迹规划信息可以是参考推荐轨迹绕行通过。
在不影响对向车道车流的情况下,自动驾驶车辆903可以沿路径904行驶顺利通过车道阻塞区域。
图9C示意性示出了根据本公开实施例的遥控驾驶轨迹规划场景的运动规划的示例示意图。
如图9C所示,在900C中,在5G网络条件不具备的情况下,车端难以实时将车载视频上传至云端,遥控驾驶的远程安全员难以获得有效接管车辆所需的车端视角视频参考,因此,需要通过下发轨迹引导线方式协助车辆完成行驶行为。
例如,图9C中自动驾驶车辆905所在车道前方同一流向车道均阻塞,主车需要借助对向车道脱困,遥控驾驶决策系统给出两次跨实线变道脱困轨迹建议。车道前方同一流向车道均阻塞可以包括半幅道路封闭。
为此,自动驾驶车辆905生成针对车辆遇到道路封闭情况的脱困请求。自动驾驶车辆905向云端发送脱困请求,以便云端响应于脱困请求,遥控驾驶安全员根据路端上传视频中自动驾驶车辆905所处道路环境及交通态势,确定车辆脱困的安全路径。云端遥控驾驶安全员根据安全路径,完成针对局部轨迹引导线的人工绘制,得到推荐轨迹。在确定推荐轨迹校验通过的情况下,云端向自动驾驶车辆905发送推荐轨迹。自动驾驶车辆905可以按照推荐轨迹完成脱困行驶。例如,自动驾驶车辆905可以沿路径906行驶。
至此,完成了针对运动规划部分的说明。
基于上述内容,针对交互冲突类场景,车路云一体化规划在以下方面具有优势。
在道路阻塞类场景中,阻塞区域本身场景构成较为复杂,并且受车流的频繁遮挡影响,有效识别道路阻塞状态和道路事件类型,需要更多维度信息的支持。本公开实施例提供的轨迹规划信息生成方法可以提供多维度信息。
部分道路阻塞事件所在位置无车道线刻画行驶区域和路径,阻塞区域复杂度对驾驶员通过也有难度,因此,需要确定可达的路径通过。例如,无车道线刻画行驶区域可以包括路口中央区域无车道作为参考。
部分道路阻塞事件发生在在车流密集或通行断面狭窄的道路上,可通行空间有限,在遇到变道或绕行的情况下,难以借助对方车道通行,需要精细化确定阻塞区域影响范围宽度,确定车辆是否可以有效通过。
基于上述内容,车路云一体化系统能够有效发挥路侧长时观测、信息多维及全局视角的优势,通过一体化感知手段对道路交通态势和周围交通参与者进行全量感知定位,准确捕捉主车前方阻塞区域周边车流轨迹,通过大数据积累形成候选轨迹引导线路及速度,作为主车的全局优化通行建议。通过引入驾驶员行为的输入作为参考,引导主车按照驾驶员的驾驶行为指导通过车道阻塞区域。
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。
以上仅是示例性实施例,但不限于此,还可以包括本领域已知的其他轨迹规划信息生成方法,只要能够生成优化轨迹规划信息即可。
图10示意性示出了根据本公开实施例的轨迹规划信息生成装置的框图。
如图10所示,轨迹规划信息生成装置1000可以包括确定模块1010和生成模块1020。
确定模块1010,用于根据决策评估信息以及与自动驾驶车辆对应的车路云协同感知信息和全局优化路径规划信息,从行为决策信息集合中确定自动驾驶车辆的优化行为决策信息。车路云协同感知信息是根据与自动驾驶车辆相关的车端感知信息、路端感知信息和云端感知信息中的至少之一确定的。自动驾驶车辆的全局优化路径规划信息是根据全局路径规划相关信息和自动驾驶车辆集合的行驶需求信息生成的。自动驾驶车辆集合包括自动驾驶车辆。
生成模块1020,用于根据轨迹评估信息以及与自动驾驶车辆对应的车路云协同感知信息和优化行为决策信息,生成自动驾驶车辆的优化轨迹规划信息。
根据本公开的实施例,车路云协同感知信息包括对象信息和道路事件信息。道路事件信息包括道路事件类型信息和第一道路事件位置信息。
根据本公开的实施例,确定模块1010可以包括第一确定子模块和第二确定子模块。
第一确定子模块,用于根据道路事件类型信息,确定事件处理策略。
第二确定子模块,用于基于事件处理策略,根据决策评估信息、第一道路事件位置信息、对象信息和全局优化路径规划信息,从行为决策信息集合中确定自动驾驶车辆的优化行为决策信息。
根据本公开的实施例,道路事件类型包括交互冲突事件类型。交互冲突事件类型表征自动驾驶车辆与交互对象之间存在交互冲突的事件类型。
根据本公开的实施例,对象信息包括交互冲突对象意图信息和交互冲突对象状态信息。
根据本公开的实施例,交互对象包括机动车。
根据本公开的实施例,第二确定子模块可以包括第一确定单元和第一获得单元。
第一确定单元,用于根据决策评估信息、第一道路事件位置信息、交互冲突对象意图信息、交互冲突对象状态信息和全局优化路径规划信息,从行为决策信息集合中确定交互对象的行为决策信息和自动驾驶车辆的行为决策信息。
第一获得单元,用于根据交互对象的行为决策信息和自动驾驶车辆的行为决策信息,得到自动驾驶车辆的优化行为决策信息,其中,优化行为决策信息包括自动驾驶车辆和交互对象之间的通行次序仲裁策略。
根据本公开的实施例,交互对象包括以下至少之一:非机动车和行人。
根据本公开的实施例,在交互对象包括非机动车和行人中的至少之一的情况下,优化行为决策信息包括以下至少之一:减速避让策略、绕行通过策略和正常行驶通过策略。
根据本公开的实施例,道路事件类型包括道路阻塞事件类型,道路阻塞事件类型表征在自动驾驶车辆的前方预定范围内存在道路阻塞的事件类型。车路云协同感知信息包括道路交通态势信息。
根据本公开的实施例,第二确定子模块可以包括第二确定单元。
第二确定单元,用于在确定与第一道路事件位置信息对应的车道划分信息满足预定划分条件的情况下,根据决策评估信息、第一道路事件位置信息、对象信息、道路交通态势信息和全局优化路径规划信息,从行为决策信息集合中确定自动驾驶车辆的优化行为决策信息。
根据本公开的实施例,道路阻塞事件类型包括以下至少之一:车辆阻塞通行事件类型、交通事故阻塞通行事件类型、施工区域阻塞通行事件类型和道路封闭阻塞通行事件类型。
根据本公开的实施例,在道路阻塞事件类型是车辆阻塞通行事件类型的情况下,优化行为决策信息包括主车通行策略。主车通行策略包括以下至少之一:跟随前方车辆排队策略和绕行前方车辆策略。
根据本公开的实施例,在道路阻塞事件类型包括交通事故阻塞通行事件类型、施工区域阻塞通行事件类型和道路封闭阻塞通行事件类型中的至少之一的情况下,优化行为决策信息包括主车绕行策略。主车绕行策略包括以下至少之一:提前变道策略、连续变道策略、借对向车道绕行策略、基于推荐轨迹绕行策略和申请接管脱困策略。
根据本公开的实施例,生成模块1020可以生成子模块和第三确定子模块。
生成子模块,用于根据与自动驾驶车辆对应的车路云协同感知信息和优化行为决策信息,生成自动驾驶车辆的至少一个候选轨迹规划信息。
第三确定子模块,用于根据轨迹评估信息,从至少一个候选轨迹规划信息中确定自动驾驶车辆的优化轨迹规划信息。
根据本公开的实施例,车辆云协同感知信息包括道路交通态势信息和第二道路事件位置信息。
根据本公开的实施例,生成子模块可以包括获取单元和生成单元。
获取单元,用于根据第二道路事件位置信息,获取与自动驾驶车辆对应的辅助车流轨迹信息。
生成单元,用于根据辅助车流轨迹信息和道路交通态势信息,生成自动驾驶车辆的至少一个候选轨迹规划信息。
根据本公开的实施例,获取单元可以包括第一确定子单元和第一获得子单元。
第一确定子单元,用于从历史车路云协同感知信息中确定与第二道路事件位置信息相关的待分析车路云协同感知信息。
第一获得子单元,用于根据待分析车路云协同感知信息,得到与自动驾驶车辆对应的辅助车流轨迹信息。
根据本公开的实施例,第一获得子单元可以用于:
根据待分析车路云协同感知信息,得到与自动驾驶车辆对应的候选车辆轨迹信息。候选车流轨迹信息包括多个候选轨迹。确定多个候选轨迹之间的相似度,得到多个相似度。根据多个相似度,从多个候选轨迹中确定至少一个辅助轨迹,得到与自动驾驶车辆对应的辅助车辆轨迹信息。
根据本公开的实施例,车路云协同感知信息包括道路状态信息。
根据本公开的实施例,生成单元可以包括第二确定子单元、第一生成子单元和第二生成子单元。
第二确定子单元,用于在根据道路状态信息确定道路阻塞事件发生在预期道路区域的情况下,根据辅助车流轨迹信息确定路径可达性。路径可达性表征自动驾驶车辆基于当前路径通过与道路阻塞事件对应的阻塞区域的可能性。
第一生成子单元,用于在确定路径可达的情况下,根据道路交通态势信息,生成建议自动驾驶车辆参考推荐轨迹绕行通过阻塞区域的决策信息。
第二生成子单元,用于响应于接收到决策信息,根据辅助车流轨迹信息,生成针对自动驾驶车辆的至少一个候选轨迹规划信息。
根据本公开的实施例,第三确定子模块可以包括第二获得单元。
第二获得单元,用于根据轨迹评估信息对至少一候选轨迹规划信息进行评估,得到至少一个评估结果。轨迹评估信息包括以下至少之一:与驾驶舒适度相关的评估信息、与可达性相关的评估信息、与安全性相关的评估信息和与通行效率相关的评估信息。
第三确定单元,用于根据至少一个评估结果,确定优化评估结果。
第四确定单元,用于将与优化评估结果对应的候选轨迹规划信息确定为自动驾驶车辆的优化轨迹规划信息。
根据本公开的实施例,第三确定单元可以包括第二获得子单元和第二确定子单元。
第二获得子单元,用于对至少一个评估结果进行排序,得到排序结果。
第三确定子单元,用于根据排序结果,从至少一个评估结果中确定优化评估结果。
根据本公开的实施例,全局路径规划相关信息包括动态地图信息和路径影响要素信息。动态地图信息是根据车端传感器信息和路端传感器信息中的至少之一生成的。
根据本公开的实施例,自动驾驶车辆的全局优化路径规划信息是根据全局路径规划相关信息和自动驾驶车辆集合的行驶需求信息生成的,可以包括:
自动驾驶车辆的全局优化路径规划信息是根据全局优化路径评估信息,从自动驾驶车辆集合的至少一个全局候选路径规划信息中确定的。
自动驾驶车辆集合的至少一个全局候选路径规划信息是根据动态地图信息、路径影响要素信息和自动驾驶车辆集合的行驶需求信息生成的。
根据本公开的实施例,路径影响要素信息包括以下至少之一:超视距事件信息和交通资源博弈信息。
根据本公开的实施例,超视距事件信息包括以下至少之一:通信信息、道路环境信息和交通事件信息,通信信息用于表征自动驾驶车辆位于目标道路区域的通信稳定性。
根据本公开的实施例,车路云协同感知信息是根据与自动驾驶车辆相关的车端感知信息、路端感知信息和云端感知信息中的至少之一确定的,可以包括:
车路云协同感知信息包括车端相关感知信息、路端相关感知信息和所述云端相关感知信息。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质、一种计算机程序产品、一种自动驾驶车辆、一种路侧设备和一种云端服务器。
根据本公开的实施例,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如上所述的方法。
根据本公开的实施例,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如上所述的方法。
根据本公开的实施例,一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现如上所述的方法。
图11示意性示出了根据本公开实施例的适于实现轨迹规划信息生成方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,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11所示,电子设备1100包括计算单元1101,其可以根据存储在只读存储器(ROM)1102中的计算机程序或者从存储单元1108加载到随机访问存储器(RAM)1103中的计算机程序,来执行各种适当的动作和处理。在RAM 1103中,还可存储电子设备1100操作所需的各种程序和数据。计算单元1101、ROM 1102以及RAM 1103通过总线1104彼此相连。输入/输出(I/O)接口1105也连接至总线1104。
电子设备1100中的多个部件连接至I/O接口1105,包括:输入单元1106,例如键盘、鼠标等;输出单元1107,例如各种类型的显示器、扬声器等;存储单元1108,例如磁盘、光盘等;以及通信单元1109,例如网卡、调制解调器、无线通信收发机等。通信单元1109允许电子设备1100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。
计算单元1101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1101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1101执行上文所描述的各个方法和处理,例如轨迹规划信息生成方法。例如,在一些实施例中,轨迹规划信息生成方法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1108。在一些实施例中,计算机程序的部分或者全部可以经由ROM 1102和/或通信单元1109而被载入和/或安装到设备1100上。当计算机程序加载到RAM 1103并由计算单元1101执行时,可以执行上文描述的轨迹规划信息生成方法的一个或多个步骤。备选地,在其他实施例中,计算单元1101可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行轨迹规划信息生成方法。
根据本公开的实施例,提供了一种自动驾驶车辆,自动驾驶车辆可以包括本公开实施例所述的电子设备。
根据本公开的实施例,提供了一种路侧设备,路侧设备可以包括本公开实施例所述的电子设备。
根据本公开的实施例,提供了一种云端服务器,云端服务器可以包括本公开实施例所述的电子设备。
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,也可以是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,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,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。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。

Claims (40)

1.一种轨迹规划信息生成方法,包括:
根据决策评估信息以及与自动驾驶车辆对应的车路云协同感知信息和全局优化路径规划信息,从行为决策信息集合中确定所述自动驾驶车辆的优化行为决策信息,其中,所述车路云协同感知信息是根据与所述自动驾驶车辆相关的车端感知信息、路端感知信息和云端感知信息中的至少之一确定的,所述自动驾驶车辆的全局优化路径规划信息是根据全局路径规划信息和自动驾驶车辆集合的行驶需求信息生成的,所述自动驾驶车辆集合包括所述自动驾驶车辆;以及
根据轨迹评估信息以及与所述自动驾驶车辆对应的车路云协同感知信息和优化行为决策信息,生成所述自动驾驶车辆的优化轨迹规划信息。
2.根据权利要求1所述的方法,其中,所述车路云协同感知信息包括对象信息和道路事件信息,所述道路事件信息包括道路事件类型信息和第一道路事件位置信息;
其中,所述根据决策评估信息以及与所述自动驾驶车辆对应的车路云协同感知信息和全局优化路径规划信息,从行为决策信息集合中确定所述自动驾驶车辆的优化行为决策信息,包括:
根据所述道路事件类型信息,确定事件处理策略;以及
基于所述事件处理策略,根据所述决策评估信息、所述第一道路事件位置信息、所述对象信息和所述全局优化路径规划信息,从所述行为决策信息集合中确定所述自动驾驶车辆的优化行为决策信息。
3.根据权利要求2所述的方法,其中,所述道路事件类型包括交互冲突事件类型,所述交互冲突事件类型表征所述自动驾驶车辆与交互对象之间存在交互冲突的事件类型;
其中,所述对象信息包括交互冲突对象意图信息和交互冲突对象状态信息。
4.根据权利要求3所述的方法,其中,所述交互对象包括机动车;
其中,所述基于所述事件处理策略,根据所述决策评估信息、所述第一道路事件位置信息、所述对象信息和所述全局优化路径规划信息,从所述行为决策信息集合中确定所述自动驾驶车辆的优化行为决策信息,包括:
根据所述决策评估信息、所述第一道路事件位置信息、所述交互冲突对象意图信息、所述交互冲突对象状态信息和所述全局优化路径规划信息,从所述行为决策信息集合中确定所述交互对象的行为决策信息和所述自动驾驶车辆的行为决策信息;以及
根据所述交互对象的行为决策信息和所述自动驾驶车辆的行为决策信息,得到所述自动驾驶车辆的优化行为决策信息,其中,所述优化行为决策信息包括所述自动驾驶车辆和所述交互对象之间的通行次序仲裁策略。
5.根据权利要求3所述的方法,其中,所述交互对象包括以下至少之一:非机动车和行人;
其中,在所述交互对象包括所述非机动车和所述行人中的至少之一的情况下,所述优化行为决策信息包括以下至少之一:减速避让策略、绕行通过策略和正常行驶通过策略。
6.根据权利要求2所述的方法,其中,所述道路事件类型包括道路阻塞事件类型,所述道路阻塞事件类型表征在所述自动驾驶车辆的前方预定范围内存在道路阻塞的事件类型,所述车路云协同感知信息包括道路交通态势信息;
其中,所述基于所述事件处理策略,根据所述决策评估信息、所述第一道路事件位置信息、所述对象信息和所述全局优化路径规划信息,从所述行为决策信息集合中确定所述自动驾驶车辆的优化行为决策信息,包括:
在确定与所述第一道路事件位置信息对应的车道划分信息满足预定划分条件的情况下,根据所述决策评估信息、所述第一道路事件位置信息、所述对象信息、所述道路交通态势信息和所述全局优化路径规划信息,从所述行为决策信息集合中确定所述自动驾驶车辆的优化行为决策信息。
7.根据权利要求6所述的方法,其中,所述道路阻塞事件类型包括以下至少之一:车辆阻塞通行事件类型、交通事故阻塞通行事件类型、施工区域阻塞通行事件类型和道路封闭阻塞通行事件类型;
其中,在所述道路阻塞事件类型是所述车辆阻塞通行事件类型的情况下,所述优化行为决策信息包括主车通行策略,其中,所述主车通行策略包括以下至少之一:跟随前方车辆排队策略和绕行所述前方车辆策略;
其中,在所述道路阻塞事件类型包括所述交通事故阻塞通行事件类型、所述施工区域阻塞通行事件类型和所述道路封闭阻塞通行事件类型中的至少之一的情况下,所述优化行为决策信息包括主车绕行策略,其中,所述主车绕行策略包括以下至少之一:提前变道策略、连续变道策略、借对向车道绕行策略、基于推荐轨迹绕行策略和申请接管脱困策略。
8.根据权利要求1~7中任一项所述的方法,其中,所述根据轨迹评估信息以及与所述自动驾驶车辆对应的车路云协同感知信息和优化行为决策信息,生成所述自动驾驶车辆的优化轨迹规划信息,包括:
根据与所述自动驾驶车辆对应的车路云协同感知信息和优化行为决策信息,生成所述自动驾驶车辆的至少一个候选轨迹规划信息;以及
根据所述轨迹评估信息,从所述至少一个候选轨迹规划信息中确定所述自动驾驶车辆的优化轨迹规划信息。
9.根据权利要求8所述的方法,其中,所述车辆云协同感知信息包括道路交通态势信息和第二道路事件位置信息;
其中,所述根据与自动驾驶车辆对应的车路云协同感知信息和优化行为决策信息,生成所述自动驾驶车辆的至少一个候选轨迹规划信息,包括:
根据所述第二道路事件位置信息,获取与所述自动驾驶车辆对应的辅助车流轨迹信息;以及
根据所述辅助车流轨迹信息和所述道路交通态势信息,生成所述自动驾驶车辆的至少一个候选轨迹规划信息。
10.根据权利要求9所述的方法,其中,所述根据所述第二道路事件位置信息,获取与所述自动驾驶车辆对应的辅助车流轨迹信息,包括:
从历史车路云协同感知信息中确定与所述第二道路事件位置信息相关的待分析车路云协同感知信息;以及
根据所述待分析车路云协同感知信息,得到与所述自动驾驶车辆对应的辅助车流轨迹信息。
11.根据权利要求10所述的方法,其中,所述根据所述待分析车路云协同感知信息,得到与所述自动驾驶车辆对应的辅助车流轨迹信息,包括:
根据所述待分析车路云协同感知信息,得到与所述自动驾驶车辆对应的候选车辆轨迹信息,其中,所述候选车流轨迹信息包括多个候选轨迹;
确定所述多个候选轨迹之间的相似度,得到多个相似度;以及
根据所述多个相似度,从所述多个候选轨迹中确定至少一个辅助轨迹,得到与所述自动驾驶车辆对应的辅助车辆轨迹信息。
12.根据权利要求9~11中任一项所述的方法,其中,所述车路云协同感知信息包括道路状态信息;
其中,所述根据所述辅助车流轨迹信息和所述道路交通态势信息,生成所述自动驾驶车辆的至少一个候选轨迹规划信息,包括:
在根据所述道路状态信息确定道路阻塞事件发生在预期道路区域的情况下,根据所述辅助车流轨迹信息确定路径可达性,其中,路径可达性表征所述自动驾驶车辆基于当前路径通过与所述道路阻塞事件对应的阻塞区域的可能性;
在确定所述路径可达的情况下,根据所述道路交通态势信息,生成建议所述自动驾驶车辆参考推荐轨迹绕行通过所述阻塞区域的决策信息;以及
响应于接收到所述决策信息,根据所述辅助车流轨迹信息,生成针对所述自动驾驶车辆的至少一个候选轨迹规划信息。
13.根据权利要求8~12中任一项所述的方法,其中,所述根据所述轨迹评估信息,从所述至少一个候选轨迹规划信息中确定所述自动驾驶车辆的优化轨迹规划信息,包括:
根据所述轨迹评估信息对所述至少一候选轨迹规划信息进行评估,得到至少一个评估结果,其中,所述轨迹评估信息包括以下至少之一:与驾驶舒适度相关的评估信息、与可达性相关的评估信息、与安全性相关的评估信息和与通行效率相关的评估信息;
根据所述至少一个评估结果,确定优化评估结果;以及
将与所述优化评估结果对应的候选轨迹规划信息确定为所述自动驾驶车辆的优化轨迹规划信息。
14.根据权利要求13所述的方法,其中,所述根据所述至少一个评估结果,确定优化评估结果,包括:
对所述至少一个评估结果进行排序,得到排序结果;以及
根据所述排序结果,从所述至少一个评估结果中确定所述优化评估结果。
15.根据权利要求1~14中任一项所述的方法,其中,所述全局路径规划相关信息包括动态地图信息和路径影响要素信息,所述动态地图信息是根据车端传感器信息和路端传感器信息中的至少之一生成的;
其中,所述自动驾驶车辆的全局优化路径规划信息是根据全局路径规划相关信息和自动驾驶车辆集合的行驶需求信息生成的,包括:
所述自动驾驶车辆的全局优化路径规划信息是根据全局优化路径评估信息,从所述自动驾驶车辆集合的至少一个全局候选路径规划信息中确定的;
所述自动驾驶车辆集合的至少一个全局候选路径规划信息是根据所述动态地图信息、所述路径影响要素信息和所述自动驾驶车辆集合的行驶需求信息生成的。
16.根据权利要求15述的方法,其中,所述路径影响要素信息包括以下至少之一:超视距事件信息和交通资源博弈信息;
其中,所述超视距事件信息包括以下至少之一:通信信息、道路环境信息和交通事件信息,所述通信信息用于表征所述自动驾驶车辆位于目标道路区域的通信稳定性。
17.根据权利要求1~16中任一项所述的方法,其中,所述所述车路云协同感知信息是根据与所述自动驾驶车辆相关的车端感知信息、路端感知信息和云端感知信息中的至少之一确定的,包括:
所述车路云协同感知信息包括车端相关感知信息、路端相关感知信息和云端相关感知信息。
18.一种轨迹规划信息生成装置,包括:
确定模块,用于根据决策评估信息以及与自动驾驶车辆对应的车路云协同感知信息和全局优化路径规划信息,从行为决策信息集合中确定所述自动驾驶车辆的优化行为决策信息,其中,所述车路云协同感知信息是根据与所述自动驾驶车辆相关的车端感知信息、路端感知信息和云端感知信息中的至少之一确定的,所述自动驾驶车辆的全局优化路径规划信息是根据全局路径规划相关信息和自动驾驶车辆集合的行驶需求信息生成的,所述自动驾驶车辆集合包括所述自动驾驶车辆;以及
生成模块,用于根据轨迹评估信息以及与所述自动驾驶车辆对应的车路云协同感知信息和优化行为决策信息,生成所述自动驾驶车辆的优化轨迹规划信息。
19.根据权利要求18所述的装置,其中,所述车路云协同感知信息包括对象信息和道路事件信息,所述道路事件信息包括道路事件类型信息和第一道路事件位置信息;
其中,所述确定模块,包括:
第一确定子模块,用于根据所述道路事件类型信息,确定事件处理策略;以及
第二确定子模块,用于基于所述事件处理策略,根据所述决策评估信息、所述第一道路事件位置信息、所述对象信息和所述全局优化路径规划信息,从所述行为决策信息集合中确定所述自动驾驶车辆的优化行为决策信息。
20.根据权利要求19所述的装置,其中,所述道路事件类型包括交互冲突事件类型,所述交互冲突事件类型表征所述自动驾驶车辆与交互对象之间存在交互冲突的事件类型;
其中,所述对象信息包括交互冲突对象意图信息和交互冲突对象状态信息。
21.根据权利要求20所述的装置,其中,所述交互对象包括机动车;
其中,所述第二确定子模块,包括:
第一确定单元,用于根据所述决策评估信息、所述第一道路事件位置信息、所述交互冲突对象意图信息、所述交互冲突对象状态信息和所述全局优化路径规划信息,从所述行为决策信息集合中确定所述交互对象的行为决策信息和所述自动驾驶车辆的行为决策信息;以及
第一获得单元,用于根据所述交互对象的行为决策信息和所述自动驾驶车辆的行为决策信息,得到所述自动驾驶车辆的优化行为决策信息,其中,所述优化行为决策信息包括所述自动驾驶车辆和所述交互对象之间的通行次序仲裁策略。
22.根据权利要求21所述的装置,其中,所述交互对象包括以下至少之一:非机动车和行人;
其中,在所述交互对象包括所述非机动车和所述行人中的至少之一的情况下,所述优化行为决策信息包括以下至少之一:减速避让策略、绕行通过策略和正常行驶通过策略。
23.根据权利要求19所述的装置,其中,所述道路事件类型包括道路阻塞事件类型,所述道路阻塞事件类型表征在所述自动驾驶车辆的前方预定范围内存在道路阻塞的事件类型,所述车路云协同感知信息包括道路交通态势信息;
其中,所述第二确定子模块,包括:
第二确定单元,用于在确定与所述第一道路事件位置信息对应的车道划分信息满足预定划分条件的情况下,根据所述决策评估信息、所述第一道路事件位置信息、所述对象信息、所述道路交通态势信息和所述全局优化路径规划信息,从所述行为决策信息集合中确定所述自动驾驶车辆的优化行为决策信息。
24.根据权利要求23所述的装置,其中,所述道路阻塞事件类型包括以下至少之一:车辆阻塞通行事件类型、交通事故阻塞通行事件类型、施工区域阻塞通行事件类型和道路封闭阻塞通行事件类型;
其中,在所述道路阻塞事件类型是所述车辆阻塞通行事件类型的情况下,所述优化行为决策信息包括主车通行策略,其中,所述主车通行策略包括以下至少之一:跟随前方车辆排队策略和绕行所述前方车辆策略;
其中,在所述道路阻塞事件类型包括所述交通事故阻塞通行事件类型、所述施工区域阻塞通行事件类型和所述道路封闭阻塞通行事件类型中的至少之一的情况下,所述优化行为决策信息包括主车绕行策略,其中,所述主车绕行策略包括以下至少之一:提前变道策略、连续变道策略、借对向车道绕行策略、基于推荐轨迹绕行策略和申请接管脱困策略。
25.根据权利要求18~24中任一项所述的装置,其中,所述生成模块,包括:
生成子模块,用于根据与所述自动驾驶车辆对应的车路云协同感知信息和优化行为决策信息,生成所述自动驾驶车辆的至少一个候选轨迹规划信息;以及
第三确定子模块,用于根据所述轨迹评估信息,从所述至少一个候选轨迹规划信息中确定所述自动驾驶车辆的优化轨迹规划信息。
26.根据权利要求25所述的装置,其中,所述车辆云协同感知信息包括道路交通态势信息和第二道路事件位置信息;
其中,所述生成子模块,包括:
获取单元,用于根据所述第二道路事件位置信息,获取与所述自动驾驶车辆对应的辅助车流轨迹信息;以及
生成单元,用于根据所述辅助车流轨迹信息和所述道路交通态势信息,生成所述自动驾驶车辆的至少一个候选轨迹规划信息。
27.根据权利要求26所述的装置,其中,所述获取单元,包括:
第一确定子单元,用于从历史车路云协同感知信息中确定与所述第二道路事件位置信息相关的待分析车路云协同感知信息;以及
第一获得子单元,用于根据所述待分析车路云协同感知信息,得到与所述自动驾驶车辆对应的辅助车流轨迹信息。
28.根据权利要求27所述的装置,其中,所述第一获得子单元,用于:
根据所述待分析车路云协同感知信息,得到与所述自动驾驶车辆对应的候选车辆轨迹信息,其中,所述候选车流轨迹信息包括多个候选轨迹;
确定所述多个候选轨迹之间的相似度,得到多个相似度;以及
根据所述多个相似度,从所述多个候选轨迹中确定至少一个辅助轨迹,得到与所述自动驾驶车辆对应的辅助车辆轨迹信息。
29.根据权利要求26~28中任一项所述的装置,其中,所述车路云协同感知信息包括道路状态信息;
其中,所述生成单元,包括:
第二确定子单元,用于在根据所述道路状态信息确定道路阻塞事件发生在预期道路区域的情况下,根据所述辅助车流轨迹信息确定路径可达性,其中,路径可达性表征所述自动驾驶车辆基于当前路径通过与所述道路阻塞事件对应的阻塞区域的可能性;
第一生成子单元,用于在确定所述路径可达的情况下,根据所述道路交通态势信息,生成建议所述自动驾驶车辆参考推荐轨迹绕行通过所述阻塞区域的决策信息;以及
第二生成子单元,用于响应于接收到所述决策信息,根据所述辅助车流轨迹信息,生成针对所述自动驾驶车辆的至少一个候选轨迹规划信息。
30.根据权利要求25~28中任一项所述的装置,其中,所述第三确定子模块,包括:
第二获得单元,用于根据所述轨迹评估信息对所述至少一候选轨迹规划信息进行评估,得到至少一个评估结果,其中,所述轨迹评估信息包括以下至少之一:与驾驶舒适度相关的评估信息、与可达性相关的评估信息、与安全性相关的评估信息和与通行效率相关的评估信息;
第三确定单元,用于根据所述至少一个评估结果,确定优化评估结果;以及
第四确定单元,用于将与所述优化评估结果对应的候选轨迹规划信息确定为所述自动驾驶车辆的优化轨迹规划信息。
31.根据权利要求30所述的装置,其中,所述第三确定单元,包括:
第二获得子单元,用于对所述至少一个评估结果进行排序,得到排序结果;以及
第三确定子单元,用于根据所述排序结果,从所述至少一个评估结果中确定所述优化评估结果。
32.根据权利要求18~31中任一项所述的装置,其中,所述全局路径规划相关信息包括动态地图信息和路径影响要素信息,所述动态地图信息是根据车端传感器信息和路端传感器信息中的至少之一生成的;
其中,所述自动驾驶车辆的全局优化路径规划信息是根据全局路径规划相关信息和自动驾驶车辆集合的行驶需求信息生成的,包括:
所述自动驾驶车辆的全局优化路径规划信息是根据全局优化路径评估信息,从所述自动驾驶车辆集合的至少一个全局候选路径规划信息中确定的;
所述自动驾驶车辆集合的至少一个全局候选路径规划信息是根据所述动态地图信息、所述路径影响要素信息和所述自动驾驶车辆集合的行驶需求信息生成的。
33.根据权利要求32述的装置,其中,所述路径影响要素信息包括以下至少之一:超视距事件信息和交通资源博弈信息;
其中,所述超视距事件信息包括以下至少之一:通信信息、道路环境信息和交通事件信息,所述通信信息用于表征所述自动驾驶车辆位于目标道路区域的通信稳定性。
34.根据权利要求18~33中任一项所述的装置,其中,所述所述车路云协同感知信息是根据与所述自动驾驶车辆相关的车端感知信息、路端感知信息和云端感知信息中的至少之一确定的,包括:
所述车路云协同感知信息包括车端相关感知信息、路端相关感知信息和云端相关感知信息。
35.一种电子设备,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1~17中任一项所述的方法。
36.一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1~17中任一项所述的方法。
37.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1~17中任一项所述的方法。
38.一种自动驾驶车辆,包括如权利要求35所述的电子设备。
39.一种路侧设备,包括如权利要求35所述的电子设备。
40.一种云端服务器,包括如权利要求35所述的电子设备。
CN202210506461.0A 2022-05-10 2022-05-10 轨迹规划信息生成方法、装置、电子设备以及存储介质 Pending CN114964286A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210506461.0A CN114964286A (zh) 2022-05-10 2022-05-10 轨迹规划信息生成方法、装置、电子设备以及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210506461.0A CN114964286A (zh) 2022-05-10 2022-05-10 轨迹规划信息生成方法、装置、电子设备以及存储介质

Publications (1)

Publication Number Publication Date
CN114964286A true CN114964286A (zh) 2022-08-30

Family

ID=82982364

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210506461.0A Pending CN114964286A (zh) 2022-05-10 2022-05-10 轨迹规划信息生成方法、装置、电子设备以及存储介质

Country Status (1)

Country Link
CN (1) CN114964286A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115662167A (zh) * 2022-10-14 2023-01-31 北京百度网讯科技有限公司 自动驾驶地图构建方法、自动驾驶方法及相关装置
CN115691218A (zh) * 2022-10-24 2023-02-03 江铃汽车股份有限公司 一种适用于高速公路的施工区域避让的车路协同自动驾驶控制方案
CN116129641A (zh) * 2023-02-13 2023-05-16 中南大学 一种基于多端协同辨识的车辆安全态势计算方法及系统
CN117894201A (zh) * 2024-03-11 2024-04-16 湘江实验室 基于全局交通信息的道路交通引导方法、装置及相关设备
CN118298655A (zh) * 2024-04-03 2024-07-05 深圳云存科技有限公司 基于大数据的智慧城市交通管理方法及装置

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105989746A (zh) * 2015-02-17 2016-10-05 戴姆勒大中华区投资有限公司 用于自动驾驶的辅助通信方法
CN109703568A (zh) * 2019-02-19 2019-05-03 百度在线网络技术(北京)有限公司 自动驾驶车辆行驶策略实时学习的方法、装置和服务器
JP2019185293A (ja) * 2018-04-06 2019-10-24 日産自動車株式会社 車両遠隔制御方法及び車両遠隔制御装置
CN112829769A (zh) * 2020-09-15 2021-05-25 百度(美国)有限责任公司 自动驾驶车辆的混合规划系统
WO2021147748A1 (zh) * 2020-01-22 2021-07-29 华为技术有限公司 一种自动驾驶方法及相关设备
CN113335310A (zh) * 2021-07-21 2021-09-03 新石器慧通(北京)科技有限公司 基于决策的运动规划方法、装置、电子设备及存储介质
CN113485319A (zh) * 2021-06-08 2021-10-08 中兴智能汽车有限公司 基于5g车路协同的自动驾驶系统
CN113799797A (zh) * 2021-07-27 2021-12-17 北京三快在线科技有限公司 轨迹规划方法、装置、存储介质及电子设备
CN114429715A (zh) * 2022-01-27 2022-05-03 中国第一汽车股份有限公司 车路云协同的路径确定方法、装置、系统、设备和介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105989746A (zh) * 2015-02-17 2016-10-05 戴姆勒大中华区投资有限公司 用于自动驾驶的辅助通信方法
JP2019185293A (ja) * 2018-04-06 2019-10-24 日産自動車株式会社 車両遠隔制御方法及び車両遠隔制御装置
CN109703568A (zh) * 2019-02-19 2019-05-03 百度在线网络技术(北京)有限公司 自动驾驶车辆行驶策略实时学习的方法、装置和服务器
WO2021147748A1 (zh) * 2020-01-22 2021-07-29 华为技术有限公司 一种自动驾驶方法及相关设备
CN112829769A (zh) * 2020-09-15 2021-05-25 百度(美国)有限责任公司 自动驾驶车辆的混合规划系统
CN113485319A (zh) * 2021-06-08 2021-10-08 中兴智能汽车有限公司 基于5g车路协同的自动驾驶系统
CN113335310A (zh) * 2021-07-21 2021-09-03 新石器慧通(北京)科技有限公司 基于决策的运动规划方法、装置、电子设备及存储介质
CN113799797A (zh) * 2021-07-27 2021-12-17 北京三快在线科技有限公司 轨迹规划方法、装置、存储介质及电子设备
CN114429715A (zh) * 2022-01-27 2022-05-03 中国第一汽车股份有限公司 车路云协同的路径确定方法、装置、系统、设备和介质

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115662167A (zh) * 2022-10-14 2023-01-31 北京百度网讯科技有限公司 自动驾驶地图构建方法、自动驾驶方法及相关装置
CN115662167B (zh) * 2022-10-14 2023-11-24 北京百度网讯科技有限公司 自动驾驶地图构建方法、自动驾驶方法及相关装置
CN115691218A (zh) * 2022-10-24 2023-02-03 江铃汽车股份有限公司 一种适用于高速公路的施工区域避让的车路协同自动驾驶控制方案
CN116129641A (zh) * 2023-02-13 2023-05-16 中南大学 一种基于多端协同辨识的车辆安全态势计算方法及系统
CN116129641B (zh) * 2023-02-13 2024-06-04 中南大学 一种基于多端协同辨识的车辆安全态势计算方法及系统
CN117894201A (zh) * 2024-03-11 2024-04-16 湘江实验室 基于全局交通信息的道路交通引导方法、装置及相关设备
CN118298655A (zh) * 2024-04-03 2024-07-05 深圳云存科技有限公司 基于大数据的智慧城市交通管理方法及装置

Similar Documents

Publication Publication Date Title
US10794720B2 (en) Lane-level vehicle navigation for vehicle routing and traffic management
JP6451847B2 (ja) 運転計画装置、走行支援装置、運転計画方法
JP6443550B2 (ja) シーン評価装置、走行支援装置、シーン評価方法
US10829116B2 (en) Affecting functions of a vehicle based on function-related information about its environment
CN114964286A (zh) 轨迹规划信息生成方法、装置、电子设备以及存储介质
JP6451848B2 (ja) 運転計画装置、走行支援装置、運転計画方法
US9805598B2 (en) Management of mobile objects
JP6443552B2 (ja) シーン評価装置、走行支援装置、シーン評価方法
JP2021113049A (ja) 自動運転車両計画方法、装置、電子機器及び記憶媒体
CN109643118B (zh) 基于关于车辆的环境的与功能相关的信息来影响车辆的功能
KR20220110070A (ko) 자율 주행 차량을 위한 호모토피 기반의 플래너
CN114852079A (zh) 行为决策信息生成方法、装置、电子设备以及存储介质
CN113906486A (zh) 智能车辆通过信息共享
CN115112138A (zh) 轨迹规划信息生成方法、装置、电子设备以及存储介质
EP4258189A1 (en) Autonomous vehicle fleet scheduling to maximize efficiency
CN114964274A (zh) 地图更新方法、路径规划方法、装置、电子设备及介质
WO2023155041A1 (zh) 一种智能驾驶方法、装置及包括该装置的车辆
JP6443551B2 (ja) シーン評価装置、走行支援装置、シーン評価方法
CN117935597A (zh) 一种交叉路口智能协同路径规划系统
CN115447612A (zh) 一种窄路会车方法、装置、设备及存储介质
CN118732678A (zh) 自动驾驶方法及装置、车辆

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