CN115366921A - 自动驾驶车辆的行为决策方法、装置、车辆及存储介质 - Google Patents

自动驾驶车辆的行为决策方法、装置、车辆及存储介质 Download PDF

Info

Publication number
CN115366921A
CN115366921A CN202211175711.3A CN202211175711A CN115366921A CN 115366921 A CN115366921 A CN 115366921A CN 202211175711 A CN202211175711 A CN 202211175711A CN 115366921 A CN115366921 A CN 115366921A
Authority
CN
China
Prior art keywords
probability
target
cut
sampling period
preset
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
CN202211175711.3A
Other languages
English (en)
Inventor
魏铖磊
张欢庆
孔周维
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.)
Chongqing Changan Automobile Co Ltd
Original Assignee
Chongqing Changan Automobile 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 Chongqing Changan Automobile Co Ltd filed Critical Chongqing Changan Automobile Co Ltd
Priority to CN202211175711.3A priority Critical patent/CN115366921A/zh
Publication of CN115366921A publication Critical patent/CN115366921A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • B60W60/0018—Planning or execution of driving tasks specially adapted for safety by employing degraded modes, e.g. reducing speed, in response to suboptimal conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4043—Lateral speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/801—Lateral distance

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Human Computer Interaction (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请涉自动驾驶技术领域，特别涉及一种自动驾驶车辆的行为决策方法、装置、车辆及存储介质，其中，方法包括：获取车辆周围至少一个目标的横向速度和/或距离本车道的横向距离；根据横向距离和/或横向速度计算每个目标在当前采样周期进入本车道的切入概率，并在任一目标的切入概率大于第一预设概率时，判定任一目标为闪烁危险目标；根据闪烁危险目标在当前采样周期和/或上一个采样周期的切入概率匹配惩罚权重，并根据匹配惩罚权重计算闪烁危险目标的加权平均概率，利用与加权平均概率匹配的减速度控制车辆执行预设减速动作。由此，解决了环境目标随机性较大时导致感知算法错误输出闪烁目标，输出结果准确性不完全可信，影响行车稳定性等问题。

Description

自动驾驶车辆的行为决策方法、装置、车辆及存储介质
技术领域
本申请涉及自动驾驶技术领域，特别涉及一种自动驾驶车辆的行为决策方法、装置、车辆及存储介质。
背景技术
在车辆高级辅助驾驶系统决策部分的前端的环境感知及目标识别、目标检测算法，其准确性直接影响着行车的决策结果。当前在自动或高级辅助驾驶领域，感知侧主要的研究目标是设计出能覆盖更多复杂场景的识别、检测及跟踪算法。
然而，若环境中目标的随机性较大，感知算法输出结果的准确性仍无法完全置信。特别是在一些复杂场景，如具有人行横道的交通路口、车道一侧具有路障的路段等，感知算法可能会输出处于或即将进入本车道的闪烁目标，从而影响行车的稳定性。
发明内容
本申请提供一种自动驾驶车辆的行为决策方法、装置、车辆及存储介质，以解决当环境的目标的随机性较大时，感知算法可能会输出处于或即将进入本车道的闪烁目标，导致感知算法输出的结果的准确性无法完全置信，从而影响行车稳定性等问题。
本申请第一方面实施例提供一种自动驾驶车辆的行为决策方法，包括以下步骤：获取车辆周围至少一个目标的横向速度和/或距离本车道的横向距离；根据所述横向距离和/或所述横向速度计算每个目标在当前采样周期进入所述本车道的切入概率，并在任一目标的切入概率大于第一预设概率时，判定所述任一目标为闪烁危险目标；根据闪烁危险目标在所述当前采样周期和/或上一个采样周期的切入概率匹配惩罚权重，并根据所述匹配惩罚权重计算所述闪烁危险目标的加权平均概率，利用与所述加权平均概率匹配的减速度控制所述车辆执行预设减速动作。
根据上述技术手段，本申请实施例通过对闪烁危险目标进行判断及筛选，进行指数加权平均，抑制闪烁危险目标的切入概率，可以有效降低处于或即将进入本车道的闪烁目标对于自动驾驶决策的影响程度，从而可以有效保证感知算法输出结果的准确性，确保行车的稳定性。
可选地，所述根据闪烁危险目标在所述当前采样周期和/或上一个采样周期的切入概匹配惩罚权重，包括：当所述上一个采样周期的切入概率为第一预设值时，根据所述当前采样周期的切入概率匹配得到所述惩罚权重；当所述上一个采样周期的切入概率处于第一概率区间时，根据第一概率区间匹配得到所述切入概率为第一惩罚权重，其中，所述第一惩罚权重大于与所述当前采样周期的切入概率匹配的任意惩罚权重。
根据上述技术手段，本申请实施例可以通过不同的切入概率匹配与其相对应的惩罚权重，从而准确计算闪烁危险目标的加权平均概率，保证了车辆行驶的稳定性。
可选地，根据所述当前采样周期的切入概率匹配得到所述惩罚权重，包括：当所述当前采样周期的切入概率处于第二概率区间时，根据所述第二概率区间匹配得到所述切入概率为第二惩罚权重；当所述当前采样周期的切入概率处于第三概率区间时，根据所述第三概率区间匹配得到所述切入概率为第三惩罚权重，其中，所述第三概率区间的最小值大于所述第二概率区间的最大值，所述第三惩罚权重大于所述第二惩罚权重；当所述当前采样周期的切入概率处于第四概率区间时，根据所述第四概率区间匹配得到所述切入概率为第四惩罚权重，其中，所述第四概率区间的最小值大于所述第三概率区间的最大值，所述第四惩罚权重大于所述第三惩罚权重。
根据上述技术手段，本申请实施例通过判断当前采样周期的切入概率所处的概率区间，匹配与其相对应的惩罚权重，对闪烁危险目标进行分类，计算加权平均概率，以便于控制车辆执行预设减速动作，减弱闪烁危险目标对决策系统的决策影响。
进一步地，利用与所述加权平均概率匹配的减速度控制所述车辆执行预设减速动作之后，还包括：在所述预设数量的采样周期内，判断任意采样周期内所述闪烁危险目标的切入概率是否小于或等于第二预设概率时；如果任意采样周期内所述闪烁危险目标的切入概率小于或等于第二预设概率，则对所述闪烁危险目标执行预设出栈动作，否则继续进行下一个采样周期的概率采样，其中，所述第二预设概率小于所述第一预设概率。
根据上述技术手段，本申请实施例在控制车辆执行预设减速动作后需要判断闪烁危险目标的切入概率的大小，从而判断是否需要对其执行出栈动作或继续下一个采样周期的概率采样，能够更加准确的筛选出闪烁危险目标。
进一步地，在利用与所述加权平均概率匹配的减速度控制所述车辆执行预设减速动作之后，还包括：当所述闪烁危险目标在预设栈中存在的连续周期数大于所述预设数量时，则计算所述闪烁危险目标在当前采样周期的切入概率与上一采样周期的切入概率的差值；当所述差值小于或等于第三预设值时，对所述闪烁危险目标执行预设出栈动作，否则继续进行下一个采用周期的概率采样。
根据上述技术手段，本申请实施例计算并判断闪烁危险目标在当前采样周期的切入概率与上一采样周期的切入概率的差值是否小于或等于第三预设值，从而判断是否需进行下一个采样周期的概率采样，避免了反复采样，节省了时间。
进一步地，在利用与所述加权平均概率匹配的减速度控制所述车辆执行预设减速动作之后，还包括：根据所述加权平均概率与所述减速度的乘积作为与下一个采样周期的上一个采样周期的切入概率。
本申请第二方面实施例提供一种自动驾驶车辆的行为决策装置，包括：获取模块，用于获取车辆周围至少一个目标的横向速度和/或距离本车道的横向距离；计算模块，用于根据所述横向距离和/或所述横向速度计算每个目标在当前采样周期进入所述本车道的切入概率，并在任一目标的切入概率大于第一预设概率时，判定所述任一目标为闪烁危险目标；决策模块，用于根据闪烁危险目标在所述当前采样周期和/或上一个采样周期的切入概匹配惩罚权重，并根据所述匹配惩罚权重计算所述闪烁危险目标的加权平均概率，利用与所述加权平均概率匹配的减速度控制所述车辆执行预设减速动作。
本申请第三方面实施例提供一种车辆，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述实施例所述的自动驾驶车辆的行为决策方法。
本申请第四方面实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行，以用于实现如上述实施例所述的自动驾驶车辆的行为决策方法。
由此，本申请至少具有如下有益效果：
(1)本申请实施例通过对闪烁危险目标进行判断及筛选，进行指数加权平均，抑制闪烁危险目标的切入概率，可以有效降低处于或即将进入本车道的闪烁目标对于自动驾驶决策的影响程度，从而可以有效保证感知算法输出结果的准确性，确保行车的稳定性。
(2)本申请实施例可以通过不同的切入概率匹配与其相对应的惩罚权重，从而准确计算闪烁危险目标的加权平均概率，保证了车辆行驶的稳定性。
(3)本申请实施例通过判断当前采样周期的切入概率所处的概率区间，匹配与其相对应的惩罚权重，对闪烁危险目标进行分类，计算加权平均概率，以便于控制车辆执行预设减速动作，减弱闪烁危险目标对决策系统的决策影响。
(4)本申请实施例在控制车辆执行预设减速动作后需要判断闪烁危险目标的切入概率的大小，从而判断是否需要对其执行出栈动作或继续下一个采样周期的概率采样，能够更加准确的筛选出闪烁危险目标。
(5)本申请实施例计算并判断闪烁危险目标在当前采样周期的切入概率与上一采样周期的切入概率的差值是否小于或等于第三预设值，从而判断是否需进行下一个采样周期的概率采样，避免了反复采样，节省了时间。
本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为根据本申请实施例提供的自动驾驶车辆的行为决策方法的流程图；
图2为根据本申请实施例提供的一种自动驾驶车辆的行为决策方法的流程图；
图3为根据本申请实施例提供的自动驾驶车辆的行为决策装置的示例图；
图4为根据本申请实施例提供的车辆的结构示意图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
环境感知及目标识别、目标检测算法作为高级辅助驾驶系统决策部分的前端，其准确性直接影响着行车的决策结果。当前在自动或高级辅助驾驶领域，感知侧主要的研究目标是设计出能覆盖更多复杂场景的识别、检测及跟踪算法，相关研究中，取得了一定的成果。
虽然如此，若环境中目标的随机性较大，感知算法输出结果的准确性仍无法完全置信。特别是在一些复杂场景，如具有人行横道的交通路口、车道一侧具有路障的路段等，感知算法可能会输出处于或即将进入本车道的闪烁目标，从而严重影响行车稳定性。鉴于感知算法输出结果的准确性无法得到完全的保证，因此需要对闪烁目标的变化行为进行分析，并针对性的采用一定的策略。就虚目标而言，其切入本车道的概率存在某个时刻之前处于较低的值，但在该时刻之后极短时间内，切入概率会突然变得很大，相应的虚目标的横向位置或者横向速度会有较大突变。因此结合虚目标的这一特点，可从感知算法输出的所有目标中筛选出闪烁目标，并对闪烁目标使用合适的方案削弱其对行车的影响。
相关技术中，直接对飞机航管代码及高度不匹配的虚假目标进行抑制，然而汽车并没有相关的表示代码，因此在汽车自动驾驶并不符合应用的条件。因此本技术针对汽车闪烁目标进行着重探讨，更具体设计包含闪烁危险目标判断逻辑设计及多阈值指数加权平均决策方法设计。
下面参考附图描述本申请实施例的自动驾驶车辆的行为决策方法、装置、车辆及存储介质。针对上述背景技术中提到的当车辆行驶环境中目标随机性较大时，感知算法输出的结果不一定准确，可能会输出处于或即将进入本车道的闪烁目标，从而影响行车的稳定性的问题，本申请提供了一种自动驾驶车辆的行为决策方法，在该方法中，通过对闪烁危险目标进行等级设定，从感知算法输出的所有目标中筛选出闪烁目标，并对闪烁目标使用其合适的多阈值指数加权平均决策方法进行设计，削弱其对行车的影响。由此，解决了当车辆行驶环境中目标随机性较大时，感知算法输出的闪烁目标不准确，影响行车的稳定性等问题。
具体而言，图1为本申请实施例所提供的一种自动驾驶车辆的行为决策方法的流程示意图。
如图1所示，该自动驾驶车辆的行为决策方法包括以下步骤：
在步骤S101中，获取车辆周围至少一个目标的横向速度和/或距离本车道的横向距离。
其中，目标的横向速度和/或距离本车道的横向距离可以通过车身系统的一些装置进行获得，对此不做具体限定。
在步骤S102中，根据横向距离和/或横向速度计算每个目标在当前采样周期进入本车道的切入概率，并在任一目标的切入概率大于第一预设概率时，判定任一目标为闪烁危险目标。
其中，采样周期是指获取车辆周围目标的信息的周期，此值依据具体情况设定，对此不做具体限定。切入概率是指目标侵入本车道的概率，可以根据横向距离和/或横向速度计算得到。预设概率是指预先设定的目标侵入本车道的概率，依据具体情况进行设定。
可以理解的是，在切入概率大于第一预设概率时，判定目标为闪烁危险目标。比如，计算得到其中一个目标的切入概率为0.7，预设概率为0.6，此时由于切入概率0.7大于预设概率0.6，所以判定此目标为闪烁危险目标。
在步骤S103中，根据闪烁危险目标在当前采样周期和/或上一个采样周期的切入概率匹配惩罚权重，并根据匹配惩罚权重计算闪烁危险目标的加权平均概率，利用与加权平均概率匹配的减速度控制车辆执行预设减速动作。
其中，惩罚权重根据切入概率匹配得到。加权平均概率可以通过计算得到，计算公式为
Figure BDA0003864258820000051
比如，上一时刻侵入本车道的概率PT-1为0，当前时刻该物体侵入本车道概率PT为0.9，此时PT处于(0.8,1]区间内，惩罚权重β＝0.9，根据计算
Figure BDA0003864258820000052
在本申请实施例中，根据闪烁危险目标在当前采样周期和/或上一个采样周期的切入概匹配惩罚权重，包括：当上一个采样周期的切入概率为第一预设值时，根据当前采样周期的切入概率匹配得到惩罚权重；当上一个采样周期的切入概率处于第一概率区间时，根据第一概率区间匹配得到切入概率为第一惩罚权重，其中，第一惩罚权重大于与当前采样周期的切入概率匹配的任意惩罚权重。
其中，第一概率区间是指规定的切入概率的区间，可以依据具体情况设定，对此不做限定。第一惩罚权重是根据第一概率区间匹配得到的，且第一惩罚权重大于与当前采样周期的切入概率匹配的任意惩罚权重，可以设置为1。
在本申请实施例中，根据当前采样周期的切入概率匹配得到惩罚权重，包括：当当前采样周期的切入概率处于第二概率区间时，根据第二概率区间匹配得到切入概率为第二惩罚权重；当当前采样周期的切入概率处于第三概率区间时，根据第三概率区间匹配得到切入概率为第三惩罚权重，其中，第三概率区间的最小值大于第二概率区间的最大值，第三惩罚权重大于第二惩罚权重；当当前采样周期的切入概率处于第四概率区间时，根据第四概率区间匹配得到切入概率为第四惩罚权重，其中，第四概率区间的最小值大于第三概率区间的最大值，第四惩罚权重大于第三惩罚权重。
可以理解的是，根据当前采样周期的切入概率处于的区间匹配对应的惩罚权重，且概率区间是不断增大的，惩罚权重随着切入概率所处的概率区间的增大随之增大。比如，第二概率区间可以设置为(0.6,0.7]，此时设定第二惩罚权重为0.75，第三概率区间可以设置为(0.7,0.8]，此时设定第三惩罚权重为0.85，第四概率区间可以设置为(0.8,1]，此时设定惩罚权重为0.9。
在本申请实施例中，在利用与加权平均概率匹配的减速度控制车辆执行预设减速动作之前，还包括：判断闪烁危险目标在预设栈中存在的连续周期数是否小于或等于预设数量，其中，在任意采样周期判定任意目标为闪烁危险目标时，将闪烁危险目标加入预设栈中；如果连续周期数小于或等于预设周期，则根据预设限制策略将加权平均概率降低至小于第二预设值的目标值，否则保持加权平均概率不变。
其中，预设周期是指闪烁目标可以在预设栈中存在的周期，此值可以依据具体情况设定，对此不做具体限制。
可以理解的是，在采样周期内判定的闪烁危险目标需要将其加入预设栈中，判断其在预设栈中存在的周期是否小于或等于预设周期，从而判断是否需要对加权平均概率进行限制。
举例而言，预设周期为15，第二预设值的目标值为0.5，若该闪烁目标的存在的周期为16，将
Figure BDA0003864258820000061
限定在0.5之下，若该闪烁目标的存在的周期为14，解除0.5的上限限制，
Figure BDA0003864258820000062
不变。
在本申请实施例中，在利用与加权平均概率匹配的减速度控制车辆执行预设减速动作之后，还包括：在预设数量的采样周期内，判断任意采样周期内闪烁危险目标的切入概率是否小于或等于第二预设概率时；如果任意采样周期内闪烁危险目标的切入概率小于或等于第二预设概率，则对闪烁危险目标执行预设出栈动作，否则继续进行下一个采样周期的概率采样，其中，第二预设概率小于第一预设概率。
可以理解的是，在控制车辆执行预设减速动作之后，仍需判断闪烁危险目标的切入概率，如果小于或者等于第二预设概率值，则执行出栈动作，否则仍需进行下一个采样周期的概率采样，从而在最大程度上减弱闪烁危险目标对决策系统的决策影响。
在本申请实施例中，在利用与加权平均概率匹配的减速度控制车辆执行预设减速动作之后，还包括：当闪烁危险目标在预设栈中存在的连续周期数大于预设数量时，则计算闪烁危险目标在当前采样周期的切入概率与上一采样周期的切入概率的差值；当差值小于或等于第三预设值时，对闪烁危险目标执行预设出栈动作，否则继续进行下一个采用周期的概率采样。
可以理解的是，本申请实施例需计算并判断闪烁危险目标在当前采样周期的切入概率与上一采样周期的切入概率的差值是否小于或等于第三预设值，从而判断是否需进行下一个采样周期的概率采样，避免了反复采样，节省了时间。
在本申请实施例中，在利用与加权平均概率匹配的减速度控制车辆执行预设减速动作之后，还包括：根据加权平均概率与减速度的乘积作为与下一个采样周期的上一个采样周期的切入概率。
可以理解的是，本申请实施例可以将当前周期输出的加权平均概率与依据闪烁危险目标计算出的减速度相乘，从而减弱闪烁危险目标对决策系统的决策影响。
下面将通过一个具体实施例来阐述自动驾驶车辆的行为决策方法，如图2所示，主要包括：首先为闪烁危险目标进行等级设定；然后对闪烁危险目标进行判断及筛选；最后对确定为闪烁目标的物体，进行指数加权平均，抑制闪烁危险目标的切入概率。具体而言，步骤如下：
步骤1、划分闪烁目标处于本车道危险等级：具体为记录由感知算法输出的各目标在上一时刻(T-1)时侵入本车道的概率PT-1；同时刷新当前时刻T各感知出的物体侵入本车道的概率PT；
步骤2、依据各感知物体相邻采样时刻侵入本车道概率的变化，将物体的抑制等级划分为4种；
第一种：上一时刻物体侵入本车道的概率PT-1为0，当前时刻该物体侵入本车道的概率PT处于(0.6,0.7]区间内，设定惩罚权重β＝0.75，并为该物体分配闪烁目标的标志位Fake_Level＝1；
第二种：上一时刻侵入本车道概率PT-1为0，当前时刻该物体侵入本车道概率PT处于(0.7,0.8]区间内，设定惩罚权重β＝0.85，并为该物体分配闪烁目标的标志位Fake_Level＝2；
第三种：上一时刻侵入本车道概率PT-1为0，当前时刻该物体侵入本车道概率PT处于(0.8,1]区间内，设定惩罚权重β＝0.9，并为该物体分配闪烁目标的标志位Fake_Level＝3；
第四种：上一时刻侵入本车道概率PT-1处于(0,0.6]，设置惩罚权重β＝1，物体闪烁目标标志位Fake_Level＝0；
对于具有闪烁目标标志位的目标，为其添加属性Trigger_P_i＝PT,i，i为目标索引。同时使闪烁目标存在周期数cnt加1，之后将该目标存入栈中；
步骤3、根据闪烁危险目标侵入本车道的概率变化情况，划分闪烁目标的种类，并选择对应的惩罚权重及闪烁危险目标标志位；
步骤4、使用步骤3得到的权重，对闪烁危险目标侵入本车道的概率进行指数加权平均，获得当前时刻经过惩罚权重的闪烁危险目标侵入本车道的概率
Figure BDA0003864258820000071
具体计算公式为
Figure BDA0003864258820000072
之后，若该闪烁目标cnt小于等于15，将
Figure BDA0003864258820000073
限定在0.5之下，否则解除0.5的上限限制；
步骤5、更新PT-1＝T，并输出给下游减速度决策部分；
步骤6、令本模块输出的
Figure BDA0003864258820000074
与依据闪烁危险目标计算出的减速度相乘，从而减弱闪烁危险目标对决策系统的决策影响；
步骤7、下一个周期时更新各物体侵入本车道的概率PT＝T+1，根据物体的轨迹index，匹配找到上一个运行周期被判定为闪烁危险目标的对象在新一周期T+1时刻侵入本车道的概率PT,i。针对具有闪烁目标标志位的物体，持续按照步骤4到步骤7运行15个采样周期。特别的，若在15个周期中，某闪烁危险目标侵入本车道的概率处于[0，0.2]之间，通过出栈方式取消该目标的15次的采样循环与抑制，并置零Fake_Level、Trigger_P_i和周期计数，之后令该闪烁目标其在下一次采样中，执行步骤1到3；
步骤8、在第16个采样周期，对仍处于栈中的目标进行判断，即在获得此时各闪烁物体侵入本车道概率矩阵后，依靠闪烁物体的轨迹ID匹配到闪烁目标在第16个周期时侵入本车道的概率PT+16,i，并计算PT+16,i-Trigger_P_i，若结果>-0.2,cnt+1；否则，通过出栈方式取消该目标的15次采样循环与抑制，并置零Fake_Level、Trigger_P_i和周期计数，之后令该闪烁目标其在下一次采样中，执行步骤1到步骤3。
根据本申请实施例提出的自动驾驶车辆的行为决策方法，通过对闪烁危险目标进行判断及筛选，进行指数加权平均，抑制闪烁危险目标的切入概率，可以有效降低处于或即将进入本车道的闪烁目标对于自动驾驶决策的影响程度，从而可以有效保证感知算法输出结果的准确性，确保行车的稳定性；可以通过不同的切入概率匹配与其相对应的惩罚权重，从而准确计算闪烁危险目标的加权平均概率，保证了车辆行驶的稳定性；通过判断当前采样周期的切入概率所处的概率区间，匹配与其相对应的惩罚权重，对闪烁危险目标进行分类，计算加权平均概率，以便于控制车辆执行预设减速动作，减弱闪烁危险目标对决策系统的决策影响；在控制车辆执行预设减速动作后需要判断闪烁危险目标的切入概率的大小，从而判断是否需要对其执行出栈动作或继续下一个采样周期的概率采样，能够更加准确的筛选出闪烁危险目标；计算并判断闪烁危险目标在当前采样周期的切入概率与上一采样周期的切入概率的差值是否小于或等于第三预设值，从而判断是否需进行下一个采样周期的概率采样，避免了反复采样，节省了时间。
其次参照附图描述根据本申请实施例提出的自动驾驶车辆的行为决策装置。
图3是本申请实施例的自动驾驶车辆的行为决策装置的方框示意图。
如图3所示，该自动驾驶车辆的行为决策装置10包括：获取模块100、计算模块200和决策模块300。
其中，获取模块100用于获取车辆周围至少一个目标的横向速度和/或距离本车道的横向距离；计算模块200用于根据横向距离和/或横向速度计算每个目标在当前采样周期进入本车道的切入概率，并在任一目标的切入概率大于第一预设概率时，判定任一目标为闪烁危险目标；决策模块300用于根据闪烁危险目标在当前采样周期和/或上一个采样周期的切入概匹配惩罚权重，并根据匹配惩罚权重计算闪烁危险目标的加权平均概率，利用与加权平均概率匹配的减速度控制车辆执行预设减速动作。
需要说明的是，前述对自动驾驶车辆的行为决策方法实施例的解释说明也适用于该实施例的自动驾驶车辆的行为决策装置，此处不再赘述。
根据本申请实施例提出的自动驾驶车辆的行为决策装置，通过对闪烁危险目标进行判断及筛选，进行指数加权平均，抑制闪烁危险目标的切入概率，可以有效降低处于或即将进入本车道的闪烁目标对于自动驾驶决策的影响程度，从而可以有效保证感知算法输出结果的准确性，确保行车的稳定性；可以通过不同的切入概率匹配与其相对应的惩罚权重，从而准确计算闪烁危险目标的加权平均概率，保证了车辆行驶的稳定性；通过判断当前采样周期的切入概率所处的概率区间，匹配与其相对应的惩罚权重，对闪烁危险目标进行分类，计算加权平均概率，以便于控制车辆执行预设减速动作，减弱闪烁危险目标对决策系统的决策影响；在控制车辆执行预设减速动作后需要判断闪烁危险目标的切入概率的大小，从而判断是否需要对其执行出栈动作或继续下一个采样周期的概率采样，能够更加准确的筛选出闪烁危险目标；计算并判断闪烁危险目标在当前采样周期的切入概率与上一采样周期的切入概率的差值是否小于或等于第三预设值，从而判断是否需进行下一个采样周期的概率采样，避免了反复采样，节省了时间。
图4为本申请实施例提供的车辆的结构示意图。该车辆可以包括：
存储器401、处理器402及存储在存储器401上并可在处理器402上运行的计算机程序。
处理器402执行程序时实现上述实施例中提供的自动驾驶车辆的行为决策方法。
进一步地，车辆还包括：
通信接口403，用于存储器401和处理器402之间的通信。
存储器401，用于存放可在处理器402上运行的计算机程序。
存储器401可能包含高速RAM(Random Access Memory，随机存取存储器)存储器，也可能还包括非易失性存储器，例如至少一个磁盘存储器。
如果存储器401、处理器402和通信接口403独立实现，则通信接口403、存储器401和处理器402可以通过总线相互连接并完成相互间的通信。总线可以是ISA(IndustryStandard Architecture，工业标准体系结构)总线、PCI(Peripheral Component，外部设备互连)总线或EISA(Extended Industry Standard Architecture，扩展工业标准体系结构)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
可选的，在具体实现上，如果存储器401、处理器402及通信接口403，集成在一块芯片上实现，则存储器401、处理器402及通信接口403可以通过内部接口完成相互间的通信。
处理器402可能是一个CPU(Central Processing Unit，中央处理器)，或者是ASIC(Application Specific Integrated Circuit，特定集成电路)，或者是被配置成实施本申请实施例的一个或多个集成电路。
本申请实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上的自动驾驶车辆的行为决策方法。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不是必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或N个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“N个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更N个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，N个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列，现场可编程门阵列等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种自动驾驶车辆的行为决策方法，其特征在于，包括以下步骤：
获取车辆周围至少一个目标的横向速度和/或距离本车道的横向距离；
根据所述横向距离和/或所述横向速度计算每个目标在当前采样周期进入所述本车道的切入概率，并在任一目标的切入概率大于第一预设概率时，判定所述任一目标为闪烁危险目标；
根据闪烁危险目标在所述当前采样周期和/或上一个采样周期的切入概率匹配惩罚权重，并根据所述匹配惩罚权重计算所述闪烁危险目标的加权平均概率，利用与所述加权平均概率匹配的减速度控制所述车辆执行预设减速动作。
2.根据权利要求1所述的方法，其特征在于，所述根据闪烁危险目标在所述当前采样周期和/或上一个采样周期的切入概匹配惩罚权重，包括：
当所述上一个采样周期的切入概率为第一预设值时，根据所述当前采样周期的切入概率匹配得到所述惩罚权重；
当所述上一个采样周期的切入概率处于第一概率区间时，根据第一概率区间匹配得到所述切入概率为第一惩罚权重，其中，所述第一惩罚权重大于与所述当前采样周期的切入概率匹配的任意惩罚权重。
3.根据权利要求2所述的方法，其特征在于，根据所述当前采样周期的切入概率匹配得到所述惩罚权重，包括：
当所述当前采样周期的切入概率处于第二概率区间时，根据所述第二概率区间匹配得到所述切入概率为第二惩罚权重；
当所述当前采样周期的切入概率处于第三概率区间时，根据所述第三概率区间匹配得到所述切入概率为第三惩罚权重，其中，所述第三概率区间的最小值大于所述第二概率区间的最大值，所述第三惩罚权重大于所述第二惩罚权重；
当所述当前采样周期的切入概率处于第四概率区间时，根据所述第四概率区间匹配得到所述切入概率为第四惩罚权重，其中，所述第四概率区间的最小值大于所述第三概率区间的最大值，所述第四惩罚权重大于所述第三惩罚权重。
4.根据权利要求1所述的方法，其特征在于，在利用与所述加权平均概率匹配的减速度控制所述车辆执行预设减速动作之前，还包括：
判断所述闪烁危险目标在预设栈中存在的连续周期数是否小于或等于预设数量，其中，在任意采样周期判定任意目标为所述闪烁危险目标时，将所述闪烁危险目标加入所述预设栈中；
如果所述连续周期数小于或等于所述预设周期，则根据预设限制策略将所述加权平均概率降低至小于第二预设值的目标值，否则保持所述加权平均概率不变。
5.根据权利要求4所述的方法，其特征在于，在利用与所述加权平均概率匹配的减速度控制所述车辆执行预设减速动作之后，还包括：
在所述预设数量的采样周期内，判断任意采样周期内所述闪烁危险目标的切入概率是否小于或等于第二预设概率时；
如果任意采样周期内所述闪烁危险目标的切入概率小于或等于第二预设概率，则对所述闪烁危险目标执行预设出栈动作，否则继续进行下一个采样周期的概率采样，其中，所述第二预设概率小于所述第一预设概率。
6.根据权利要求4所述的方法，其特征在于，在利用与所述加权平均概率匹配的减速度控制所述车辆执行预设减速动作之后，还包括：
当所述闪烁危险目标在预设栈中存在的连续周期数大于所述预设数量时，则计算所述闪烁危险目标在当前采样周期的切入概率与上一采样周期的切入概率的差值；
当所述差值小于或等于第三预设值时，对所述闪烁危险目标执行预设出栈动作，否则继续进行下一个采用周期的概率采样。
7.根据权利要求1-6任意一项所述的方法，其特征在于，在利用与所述加权平均概率匹配的减速度控制所述车辆执行预设减速动作之后，还包括：
根据所述加权平均概率与所述减速度的乘积作为与下一个采样周期的上一个采样周期的切入概率。
8.一种自动驾驶车辆的行为决策装置，其特征在于，包括以下步骤：
获取模块，用于获取车辆周围至少一个目标的横向速度和/或距离本车道的横向距离；
计算模块，用于根据所述横向距离和/或所述横向速度计算每个目标在当前采样周期进入所述本车道的切入概率，并在任一目标的切入概率大于第一预设概率时，判定所述任一目标为闪烁危险目标；
决策模块，用于根据闪烁危险目标在所述当前采样周期和/或上一个采样周期的切入概匹配惩罚权重，并根据所述匹配惩罚权重计算所述闪烁危险目标的加权平均概率，利用与所述加权平均概率匹配的减速度控制所述车辆执行预设减速动作。
9.一种车辆，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如权利要求1-7任一项所述的自动驾驶车辆的行为决策方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行，以用于实现如权利要求1-7任一项所述的自动驾驶车辆的行为决策方法。
CN202211175711.3A 2022-09-26 2022-09-26 自动驾驶车辆的行为决策方法、装置、车辆及存储介质 Pending CN115366921A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211175711.3A CN115366921A (zh) 2022-09-26 2022-09-26 自动驾驶车辆的行为决策方法、装置、车辆及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211175711.3A CN115366921A (zh) 2022-09-26 2022-09-26 自动驾驶车辆的行为决策方法、装置、车辆及存储介质

Publications (1)

Publication Number Publication Date
CN115366921A true CN115366921A (zh) 2022-11-22

Family

ID=84072807

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211175711.3A Pending CN115366921A (zh) 2022-09-26 2022-09-26 自动驾驶车辆的行为决策方法、装置、车辆及存储介质

Country Status (1)

Country Link
CN (1) CN115366921A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116749960A (zh) * 2023-08-18 2023-09-15 新石器慧通（北京）科技有限公司 自动驾驶车辆的控制方法、装置、设备及存储介质
CN116749968A (zh) * 2023-08-16 2023-09-15 知行汽车科技(苏州)股份有限公司 一种目标车辆的检测方法、装置、设备及介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116749968A (zh) * 2023-08-16 2023-09-15 知行汽车科技(苏州)股份有限公司 一种目标车辆的检测方法、装置、设备及介质
CN116749968B (zh) * 2023-08-16 2023-11-03 知行汽车科技(苏州)股份有限公司 一种目标车辆的检测方法、装置、设备及介质
CN116749960A (zh) * 2023-08-18 2023-09-15 新石器慧通（北京）科技有限公司 自动驾驶车辆的控制方法、装置、设备及存储介质
CN116749960B (zh) * 2023-08-18 2023-11-21 新石器慧通（北京）科技有限公司 自动驾驶车辆的控制方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN115366921A (zh) 自动驾驶车辆的行为决策方法、装置、车辆及存储介质
CN112339758B (zh) 一种多工况自适应的预警制动系统
CN110641461B (zh) 一种车辆预警的方法、车路协同系统及存储介质
CN111971724B (zh) 行动选择装置、计算机能读取的存储介质和行动选择方法
US20170021864A1 (en) Device and method for operating a vehicle
CN110940982B (zh) 一种车辆前方目标识别方法以及相应的设备
CN115649195A (zh) 前方目标汇流切入预测方法、装置、电子设备及存储介质
US20220343637A1 (en) Traffic flow machine-learning modeling system and method applied to vehicles
CN113353083B (zh) 车辆行为识别方法
CN113176562A (zh) 多目标跟踪方法、装置、电子设备及可读存储介质
CN111038503B (zh) 车辆自适应巡航控制方法、装置、车辆及存储介质
CN110940981B (zh) 一种用于判断车辆前方目标的位置是否处于本车道内的方法
CN109885943B (zh) 行车决策的预测方法、装置、存储介质和终端设备
CN111626537A (zh) 评价装置
CN116394892A (zh) 车辆的横向制动方法、装置、设备及存储介质
CN116148860A (zh) 静止障碍物的识别方法、装置、车辆及存储介质
CN115431961A (zh) 车辆的控制方法、装置、车辆及存储介质
CN112937605A (zh) 无人车行驶数据确定方法、装置、无人车及存储介质
CN117842073B (zh) 目标车辆换道意图识别方法、装置及车辆
CN114312813B (zh) 切入自车道的车辆确认方法、装置和电子设备
CN116142228B (zh) 车道偏离预警方法、装置、设备及存储介质
CN116080656A (zh) 一种抑制车辆加速的方法、装置及电子设备
WO2024135201A1 (ja) 走行支援装置、及び走行支援装置の走行支援方法
CN111739340B (zh) 评价装置
CN118220134A (zh) 基于驾驶行为状态的前方碰撞预警控制方法及系统

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