CN116416810A - 高速公路场景下网联自动驾驶车辆的决策规划架构和实现方法 - Google Patents

高速公路场景下网联自动驾驶车辆的决策规划架构和实现方法 Download PDF

Info

Publication number
CN116416810A
CN116416810A CN202111672276.0A CN202111672276A CN116416810A CN 116416810 A CN116416810 A CN 116416810A CN 202111672276 A CN202111672276 A CN 202111672276A CN 116416810 A CN116416810 A CN 116416810A
Authority
CN
China
Prior art keywords
vehicle
track
planning
automatic driving
target
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
CN202111672276.0A
Other languages
English (en)
Inventor
邓晨
阿拉坦
杨轩
常雪阳
李海峰
陈潮龙
陈东
郭晓野
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.)
Yunkong Zhixing Technology Co Ltd
Original Assignee
Yunkong Zhixing 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 Yunkong Zhixing Technology Co Ltd filed Critical Yunkong Zhixing Technology Co Ltd
Priority to CN202111672276.0A priority Critical patent/CN116416810A/zh
Publication of CN116416810A publication Critical patent/CN116416810A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/012—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from other sources than vehicle or roadside beacons, e.g. mobile networks
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/096805—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Atmospheric Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及车辆自动驾驶技术领域，且公开了高速公路场景下网联自动驾驶车辆的决策规划架构和实现方法，包括：交通道路环境以及云端的规划器算法，其中交通道路环境包含路侧感知设备以及自动驾驶车辆；其中云端的规划器算法包括车道选择以及轨迹规划，其规划架构包括以下内容：S1、通过路侧感知设备采集实时交通状况信息，高速公路场景下网联自动驾驶车辆规划决策的架构中，通过云端服务器实时规划车辆的行驶轨迹并下发至自动驾驶车辆，完整的车道选择和轨迹规划功能被放置在云端服务器上执行，降低了自动驾驶车辆上单车智能系统的复杂度，充分发挥了车路协同自动驾驶降低成本和单车技术难度的优势。

Description

高速公路场景下网联自动驾驶车辆的决策规划架构和实现 方法
技术领域
本发明涉及车辆自动驾驶技术领域，更具体地涉及高速公路场景下网联自动驾驶车辆的决策规划架构和实现方法。
背景技术
实现自动驾驶可以通过两种技术路线，分别是单车智能自动驾驶和网联式自动驾驶，在单车智能自动驾驶中，车辆装备的传感器对周围环境进行探测，根据传感器感知数据和自车定位结果，全局路径规划、局部路径规划被进行，它们决定了车辆当前及未来的行驶轨迹，最终通过对电机、制动器等执行器进行控制来完成目标动作，在网联自动驾驶中，自动驾驶所需的感知、规划和控制三大模块的部分功能可以在云端实现，通过V2X方式将感知结果或者规划控制的指令发送至自动驾驶车辆。
相比于单车智能自动驾驶，网联式智能驾驶在环境感知方面提供了降低成本和提高准确性的可能，网联式智能驾驶下，路侧感知设备的探测结果可以为道路上所有具备车联网能力的自动驾驶车辆所用，而单车自动驾驶需要单个车辆具备完整的感知能力，装备大量昂贵的传感器，其感知的范围也比较有限，此外，网联式智能驾驶能够降低实现自动驾驶所需的单车智能的技术难度，在自动驾驶的规划功能由云端实现的情况下，车辆只需要执行目标轨迹的跟踪，车辆架构的开发难度和数据处理的难度降低了，有助于自动驾驶的快速实现。
在高速公路这一比城市道路更简单的情境下实现网联自动驾驶，可以作为试点和推广车路协同自动驾驶的第一步。
现有技术：
一种具有避免拥堵功能的网联自动驾驶系统中，云端服务器和路侧子系统对城市道路的拥堵情况进行实时监控，对处于拥堵路段的自动驾驶车辆重新进行路径规划和车道规划，使车辆及时避开拥堵路段，路径的规划以及目标车道的选择在云端服务器上被执行，并通过5G网络下发至车辆，自动驾驶车辆上的车辆控制系统和执行器负责规划的执行；
一种用于景区观光车的网联自动驾驶系统中，根据车载传感器的感知结果以及观光车上乘客输入的目的地信息，路径和轨迹的实时规划在云端被执行，并向车辆下发目标转向角和期望车速。；
一种适用于微型巴士的网联自动驾驶系统中，作为车载的高精度地图和传感器的补充，实时路况、道路信息、行人信息等一系列交通信息被发送到自动驾驶车辆上。根据这些环境信息与单车感知的融合结果，车辆的规划和控制在自动驾驶微型巴士上被进行；
现有技术的不足之处在于：一、具有避免拥堵功能的网联自动驾驶系统中，云端服务器上进行的是车道级别的路径规划，目标车道被选择之后，车辆行驶的轨迹仍然需要在自动驾驶车辆的规划模块上被生成，轨迹生成依然依赖于车载传感器对周围环境的感知，路侧感知设备的作用没有被充分发挥，二、用于景区观光车的网联自动驾驶系统中，车辆控制算法在云端服务器上运行，计算得出的控制量被下发至自动驾驶车辆，相比于规划，车辆控制系统需要更高的运行速度和更低的延迟时间，否则难以实现目标轨迹的精确跟踪，车辆控制模块布置在云端的方式无法满足这样的要求，在行驶速度较低的景区观光车上，对车辆控制的要求比较低，对于封闭场地之外的自动驾驶场景，车辆控制算法在自动驾驶车辆上运行的方式更为合适，此外，由于缺少路侧感知，自动驾驶系统只有对车辆附近环境的感知能力，其规划缺少全局性，三、适用于微型巴士的网联自动驾驶系统中，网联自动驾驶系统没有充分发挥车路协同自动驾驶的潜力，其中来自云端服务器的环境信息只用于提升自动驾驶车辆定位和感知的能力，单车智能自动驾驶车辆轨迹规划的架构并没有被改变，四、现有技术中几乎都没有处理网联自动驾驶中的时间延迟问题，从路侧设备或者车载传感器上传数据，再到自动驾驶车辆接收到云端的指令或信息，这中间经过的时间为传输和处理数据的时间，如果这个时间比较大又没有处理措施，自动驾驶车辆的规划和控制会受到影响，网联智能驾驶的安全性不能得到保证。
发明内容
为了克服现有技术的上述缺陷，本发明提供了高速公路场景下网联自动驾驶车辆的决策规划架构和实现方法，以解决上述背景技术中存在的问题。
本发明提供如下技术方案：高速公路场景下网联自动驾驶车辆的决策规划架构，包括：交通道路环境以及云端的规划器算法，其中交通道路环境包含路侧感知设备以及自动驾驶车辆；其中云端的规划器算法包括车道选择以及轨迹规划，其规划架构包括以下内容：
S1、通过路侧感知设备采集实时交通状况信息，同时将此时的交通状况上传至云端，在上传到云端服务器后，执行下步操作；
S2、车道选择模块会根据路侧感知设备反馈的实时交通状况信息进行车道选择，以确定目标车道序列，同时路侧感知设备采集到自动驾驶车辆周围的环境信息并上传；
S3、云端服务器中的轨迹规划模块计算得出目标轨迹。目标轨迹被下发到自动驾驶车辆，自动驾驶车辆根据轨迹进行跟踪控制。
进一步的，所述S2车道选择模块每分钟运行一次，更新车道序列。
进一步的，所述S3轨迹规划模块每0.1秒运行一次，实时更新车辆接收的目标轨迹。
进一步的，所述的高速公路场景下网联自动驾驶车辆的决策规划架构的实现方法，包含以下步骤：
S1、数据上传后，通过PlanActive是否为1来判断自动驾驶车辆是否请求下发轨迹，PlanActive为0代表不请求下发轨迹，PlanActive为1代表请求下发轨迹，这种情况下云端服务器上规划算法开始运行，车道选择模块每分钟运行一次，之后轨迹规划模块根据车道选择模块输出的目标车道序列，每0.1秒进行目标轨迹的更新，如果目标车道序列的更新时刻到达，则车道选择算法被重新执行；
S2、车辆接收的目标轨迹是从当前时刻开始4秒钟内的预期车辆行驶轨迹，目标轨迹为预期的行驶路径附加上时间信息，也就是未来4秒内各个时刻下车辆的目标位置、目标航向、目标速度和角速度，未来的4秒包含80个时刻，各个时刻间隔0.05秒，组成了完整的需要被下发的轨迹；
S3、下发轨迹的条件在于，当车速大于5m/s，并且驾驶员主动点击按键激活云控自动驾驶功能的时候，车辆上传信息中的PlanActive字段会从0变为1，云端服务器进行决策规划并下发轨迹，车辆进入云控自动驾驶模式，车辆减速到车速低于5m/s会导致车辆上传信息中的PlanActive字段从1变为0，云端服务器的轨迹下发停止，车辆上的自动驾驶系统发出语音和振动提醒，提示驾驶员接管车辆；
S4、当云端服务器出现故障，或者下发轨迹的数据传输/处理速度过慢，车辆在连续0.5秒内没有收到云端下发的目标轨迹时，PlanActive字段从1变为0，自动驾驶系统利用语音和振动的方式提示驾驶员接管车辆；
S5、由于云端每一次进行轨迹规划后都会下发未来4秒的目标轨迹，包含每隔0.05秒车辆的目标位置和速度，因此车辆如果没有收到新的轨迹，在驾驶员接管之前自动驾驶车辆将会沿着最后一次收到的目标轨迹行驶，高速公路上的交通状况瞬息万变，如果车辆行驶的目标轨迹在0.5秒内没有进行更新，很可能这样的轨迹已经不匹配当前时刻车辆周围的交通环境，所以这时驾驶员应当立刻接管车辆，此外，云端服务器如果识别到感知失效，会下发失效报警信息到自动驾驶车辆提示驾驶员接管，如果驾驶员收到失效提示后或者主动在云控自动驾驶模式下操纵方向盘、油门或者制动踏板，那么PlanActive字段从1变为0，云端服务器的轨迹下发停止，因为自动驾驶车辆已经被驾驶员接管。
进一步的，所述80个时刻下车辆的轨迹点信息包括目标位置、航向、速度和角速度。
进一步的，所述轨迹规划算法的交通环境信息来自路侧感知设备，具体为：通过路侧感知模块以及单车感知模块进行感知数据上传，感知数据上传后进行感知数据融合，融合后进行轨迹规划算法。
进一步的，所述路侧、单车感知融合的失效处理，具体为：当路侧感知和单车感知都可以正常上传数据，那么它们的数据融合之后的感知结果会作为周围车辆的运动状态，被输入轨迹规划算法，如果路侧、单车感知中只有一方可以正常上传数据，那么正常上传的感知数据会不经融合，直接作为环境信息被云端服务器使用，当两方都无法正常上传数据，则感知处于失效状态，云端会下发信息到自动驾驶车辆，使自动驾驶系统发出感知失效报警，提醒驾驶员接管车辆。
进一步的，所述轨迹规划的算法为：如果当前车道不是车道选择模块规划出的目标车道，那么换道决策模块会对变道的可能性做出判断。如果换道条件满足，则换道下的路径规划和轨迹规划被执行，否则自适应巡航下的路径规划和轨迹规划被执行，车辆会接收到沿着当前车道直行的目标轨迹。
进一步的，包含轨迹重规划功能，所述轨迹重规划功能具体为：车辆接收到云端下发的目标轨迹之后，会通过车载自动驾驶系统中的车辆控制模块进行轨迹的跟踪。车辆控制算法计算得到控制量，车辆上的执行器根据这些控制量做出相应的动作，由于车辆控制系统、执行器的不完美或者道路环境施加在车辆上的扰动，车辆行驶的实际轨迹与云端下发的目标轨迹有偏差。如果偏差过大，车辆控制模块会输出较大的控制量以矫正这个偏差，这样的控制量会造成车辆行驶时的危险。当目标轨迹与实际轨迹的偏差过大时，云端会根据车辆的当前位置和速度重新规划轨迹并下发。重新规划轨迹之后，车辆会沿着平缓的路径曲线回到正常的行驶路线上，而不是粗暴地通过激烈的转向回到正常行驶路线上，突发扰动下，轨迹重规划可以避免车辆控制的振荡。
进一步的，包含网联自动驾驶车辆决策规划中延迟的处理模块，具体为：根据自动驾驶车辆和周围车辆的预测位置，云端服务器进行目标轨迹的规划和下发，以消除延迟对网联自动驾驶安全性和实时性的影响。
本发明的技术效果和优点：
1.本发明中，高速公路场景下网联自动驾驶车辆规划决策的架构中，通过云端服务器实时规划车辆的行驶轨迹并下发至自动驾驶车辆，完整的车道选择和轨迹规划功能被放置在云端服务器上执行，降低了自动驾驶车辆上单车智能系统的复杂度，充分发挥了车路协同自动驾驶降低成本和单车技术难度的优势。
2.本发明提出的网联自动驾驶系统中，路侧感知设备将高速公路上的交通状况上传至云端服务器，以进行车道选择并提高通行效率。环境感知的范围更广，规划的全局性得到保证，同时自动驾驶车辆上不需要具备完整的环境感知能力，网联自动驾驶的实现更容易。
3.本发明中，车辆的行驶轨迹在云端被规划并下发到自动驾驶车辆，自动驾驶车辆根据目标轨迹进行跟踪控制。车辆控制模块放置于自动驾驶车辆上的方式更能满足车辆控制高频率运算和低延时的要求。
4.本发明提出了解决网联自动驾驶系统中数据传输/处理时间延迟问题的方法，通过对自动驾驶车辆和周围车辆状态的预测，实现了轨迹规划依据当前自车和周围车辆状态进行的要求。
附图说明
图1为本发明的网联自动驾驶车辆的决策规划架构示意图。
图2为本发明的自动驾驶车辆决策规划的流程示意图。
图3为本发明的自动驾驶车辆请求下发轨迹的条件示意图。
图4为本发明的路侧、单车感知融合的流程示意图。
图5为本发明的路侧、单车感知融合的失效处理示意图。
图6为本发明的轨迹规划算法流程示意图。
图7为本发明的轨迹重规划功能的流程示意图。
图8为本发明的突发扰动下轨迹重规划功能的效果示意图。
图9为本发明的网联自动驾驶车辆决策规划中延迟的处理示意图。
图10为本发明的自动驾驶车辆和周围车辆状态预测示例示意图。
具体实施方式
下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，另外，在以下的实施方式中记载的各结构的形态只不过是例示，本发明所涉及的高速公路场景下网联自动驾驶车辆的决策规划架构和实现方法并不限定于在以下的实施方式中记载的各结构，在本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施方式都属于本发明保护的范围。
参照图1，本发明提供了高速公路场景下网联自动驾驶车辆的决策规划架构，包括：交通道路环境以及云端的规划器算法，其中交通道路环境包含路侧感知设备以及自动驾驶车辆；其中云端的规划器算法包括车道选择以及轨迹规划，其规划架构包括以下内容：
S1、通过路侧感知设备采集实时交通状况信息，同时将此时的交通状况上传至云端，在上传到云端服务器后，执行下步操作；
S2、车道选择模块会根据路侧感知设备反馈的实时交通状况信息进行车道选择，以确定目标车道序列，同时路侧感知设备采集到自动驾驶车辆周围的环境信息并上传；
S3、云端服务器中的轨迹规划模块计算得出目标轨迹。目标轨迹被下发到自动驾驶车辆，自动驾驶车辆根据轨迹进行跟踪控制。
参照图1，S2车道选择模块每分钟运行一次，更新车道序列。
参照图1，S3轨迹规划模块每0.1秒运行一次，实时更新车辆接收的目标轨迹。
参照图2，高速公路场景下网联自动驾驶车辆的决策规划架构的实现方法，包含以下步骤：
S1、数据上传后，通过PlanActive是否为1来判断自动驾驶车辆是否请求下发轨迹，PlanActive为0代表不请求下发轨迹，PlanActive为1代表请求下发轨迹，这种情况下云端服务器上规划算法开始运行，车道选择模块每分钟运行一次，之后轨迹规划模块根据车道选择模块输出的目标车道序列，每0.1秒进行目标轨迹的更新，如果目标车道序列的更新时刻到达，则车道选择算法被重新执行；
S2、车辆接收的目标轨迹是从当前时刻开始4秒钟内的预期车辆行驶轨迹，目标轨迹为预期的行驶路径附加上时间信息，也就是未来4秒内各个时刻下车辆的目标位置、目标航向、目标速度和角速度，未来的4秒包含80个时刻，各个时刻间隔0.05秒，组成了完整的需要被下发的轨迹；
S3、参照图3，下发轨迹的条件在于，当车速大于5m/s，并且驾驶员主动点击按键激活云控自动驾驶功能的时候，车辆上传信息中的PlanActive字段会从0变为1，云端服务器进行决策规划并下发轨迹，车辆进入云控自动驾驶模式，车辆减速到车速低于5m/s会导致车辆上传信息中的PlanActive字段从1变为0，云端服务器的轨迹下发停止，车辆上的自动驾驶系统发出语音和振动提醒，提示驾驶员接管车辆；
S4、当云端服务器出现故障，或者下发轨迹的数据传输/处理速度过慢，车辆在连续0.5秒没有收到云端下发的目标轨迹时，PlanActive字段从1变为0，自动驾驶系统利用语音和振动的方式提示驾驶员接管车辆；
S5、由于云端每一次进行轨迹规划后都会下发未来4秒的目标轨迹，包含每隔0.05秒车辆的目标位置和速度，因此车辆如果没有收到新的轨迹，在驾驶员接管之前自动驾驶车辆将会沿着最后一次收到的目标轨迹行驶，高速公路上的交通状况瞬息万变，如果车辆行驶的目标轨迹在0.5秒内没有进行更新，很可能这样的轨迹已经不匹配当前时刻车辆周围的交通环境，所以这时驾驶员应当立刻接管车辆，此外，云端服务器如果识别到感知失效，会下发失效报警信息到自动驾驶车辆提示驾驶员接管，如果驾驶员收到失效提示后或者主动在云控自动驾驶模式下操纵方向盘、油门或者制动踏板，那么PlanActive字段从1变为0，云端服务器的轨迹下发停止，因为自动驾驶车辆已经被驾驶员接管。
80个时刻下车辆的轨迹点信息包括目标位置、航向、速度和角速度。
参照图4，轨迹规划算法的交通环境信息来自路侧感知设备，具体为：通过路侧感知模块以及单车感知模块进行感知数据上传，感知数据上传后进行感知数据融合，融合后进行轨迹规划算法。
参照图1以及图5，路侧、单车感知融合的失效处理，具体为：当路侧感知和单车感知都可以正常上传数据，那么它们的数据融合之后的感知结果会作为周围车辆的运动状态，被输入轨迹规划算法，如果路侧、单车感知中只有一方可以正常上传数据，那么正常上传的感知数据会不经融合，直接作为环境信息被云端服务器使用，当两方都无法正常上传数据，则感知处于失效状态，云端会下发信息到自动驾驶车辆，使自动驾驶系统发出感知失效报警，提醒驾驶员接管车辆。
参照图6，轨迹规划的算法为：如果当前车道不是车道选择模块规划出的目标车道，那么换道决策模块会对变道的可能性做出判断，如果换道条件满足，则换道下的路径规划和轨迹规划被执行，否则自适应巡航下的路径规划和轨迹规划被执行，车辆会接收到沿着当前车道直行的目标轨迹。
参照图7-8，高速公路场景下网联自动驾驶车辆规划决策包含轨迹重规划功能，轨迹重规划功能具体为：车辆接收到云端下发的目标轨迹之后，会通过车载自动驾驶系统中的车辆控制模块进行轨迹的跟踪，车辆控制算法计算得到控制量，车辆上的执行器根据这些控制量做出相应的动作，由于车辆控制系统、执行器的不完美或者道路环境施加在车辆上的扰动，车辆行驶的实际轨迹与云端下发的目标轨迹有偏差，如果偏差过大，车辆控制模块会输出较大的控制量以矫正这个偏差，这样的控制量会造成车辆行驶时的危险，当目标轨迹与实际轨迹的偏差过大时，云端会根据车辆的当前位置和速度重新规划轨迹并下发，重新规划轨迹之后，车辆会沿着平缓的路径曲线回到正常的行驶路线上，而不是粗暴地通过激烈的转向回到正常行驶路线上，突发扰动下，轨迹重规划可以避免车辆控制的振荡。
参照图9-10，高速公路场景下网联自动驾驶车辆规划决策包含延迟的处理模块，具体为：根据自动驾驶车辆和周围车辆的预测位置，云端服务器进行目标轨迹的规划和下发，以消除延迟对网联自动驾驶安全性和实时性的影响，云端下发的目标轨迹为每隔0.05秒车辆的预期位置和速度，为了与之匹配，车辆上轨迹跟踪控制算法运行的频率也是每0.05秒一次，即20赫兹，网联自动驾驶中，轨迹规划算法需考虑到数据传输和处理的时间延迟，路侧感知设备上报交通环境信息时的时刻为Tsend_env，经过数据上传、数据处理、算法运行、数据下发，车辆接收到目标轨迹的时刻为Treceive，这时车辆需要跟踪的目标轨迹却是根据之前的感知结果运算得到的，同样的，自动驾驶车辆上报本车状态的时刻为Tsend_veh，经过数据传输和处理，车辆接收到并需要跟踪的目标轨迹却是根据一段时间(Treceive-Tsend_veh)之前的车辆状态运算得到的，无延迟的情况下，Treceive时刻车辆接收到的目标轨迹应为轨迹规划算法根据Treceive时刻的路侧感知结果和自动驾驶车辆状态得到的，而Treceive时刻的路侧感知结果和自动驾驶车辆状态可以根据Treceive时刻之前上传到云端的数据进行预测，预测的方式为，根据Tsend_env时刻的路侧感知结果对Treceive时刻的周围车辆状态进行预测，同时根据Tsend_veh时刻自动驾驶车辆上传的数据对Treceive时刻的自动驾驶车辆状态进行预测，之后将预测得出的周围车辆和本车状态作为轨迹规划算法的输入，这样的方式将时间延迟考虑在内，可以近似实现，自动驾驶车辆的目标轨迹基于本车和周围车辆当前的状态被规划，而不是一段时间之前的状态。为了实现自动驾驶车辆和周围车辆的状态预测，路侧感知设备和自动驾驶车辆在上报数据的同时发送了时间戳，即上报时刻Tsend_veh和Tsend_env，为了计算路侧感知设备上传数据到车辆接收目标轨迹的时间间隔Tpercept2control，这段过程被分为两段，分别是路侧感知设备上传数据到预测算法开始运行以及预测算法开始运行到车辆接收目标轨迹。路侧感知设备上传数据到预测算法开始运行的时间Tpercept2predict可以被精确计算，也就是，预测算法开始运行时刻的时间戳Tpredict_start与路侧感知设备上报数据的时间戳Tsend_env相减，如数学式1所示。预测算法开始运行到车辆接收目标轨迹的时间间隔Tpredict2control无法被准确得到，因为车辆接收到目标轨迹之前，Treceive是一个未知数，但是，预测算法、轨迹规划算法运行和目标轨迹传输所用的时间大致是稳定的，因此这些耗时组成的Tpredict2control也是一个稳定的值，对实际车联网架构中，预测算法、轨迹规划算法运行和目标轨迹传输的总耗时进行统计并求平均值，便可以得到Tpredict2control的统计值，如数学式2所示，其中i为统计的次数，Tpredict_start,i和Treceive,i为第i次统计中预测算法开始运行和车辆接收目标轨迹的时刻。路侧感知设备上传数据到预测算法开始运行的时间间隔以及预测算法开始运行到车辆接收目标轨迹的时间间隔相加，得到的是路侧感知设备上传数据到车辆接收目标轨迹的时间间隔，如数学式3所示：
数学式1：
Tpercept2predict＝Tpredict_start-Tsend_env
数学式2：
Figure BDA0003450213180000121
数学式3：
Tpercept2control＝Treceive-Tsend_env＝Tpercept2predict+Tpredict2control
同样的，利用时间戳，自动驾驶车辆上传数据到预测算法开始运行的时间间隔Tselfaware2predict可以被精确计算，如数学式4所示，自动驾驶车辆上传数据到预测算法开始运行的时间间隔以及预测算法开始运行到车辆接收目标轨迹的时间间隔相加，得到的是自动驾驶车辆上传数据到车辆接收目标轨迹的时间间隔Tselfaware2control，如数学式5所示：
数学式4：
Tselfaware2predict＝Tpredict_start-Tsend_veh
数学式5：
Tselfaware2control＝Tselfaware2predict+Tpredict2control
得到路侧感知设备和自动驾驶车辆上传数据到车辆接收目标轨迹的时间间隔Tpercept2predict和Tselfaware2control之后，云端服务器上的自动驾驶车辆和周围车辆状态预测模块会对Treceive时刻的车辆状态进行预测，以消除数据传输、处理等环节时间延迟的影响，状态预测模块中，预测自动驾驶车辆从上报的位置以上报的速度vveh继续行驶一段时间(Tselfaware2control)，到达自动驾驶车辆接收到目标轨迹时刻的预测位置；预测周围车辆从路侧感知设备上报的位置以上报的速度vveh_env继续行驶一段时间(Tpercept2control)，到达Treceive时刻周围车辆的预测位置。根据自动驾驶车辆和周围车辆的预测位置而不是路侧感知设备和自动驾驶车辆上报的原始数据，云端服务器进行目标轨迹的规划和下发，以消除延迟对网联自动驾驶安全性和实时性的影响。
最后应说明的几点是：首先，在本申请的描述中，需要说明的是，除非另有规定和限定，术语“安装”、“相连”、“连接”应做广义理解，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变，则相对位置关系可能发生改变；
其次：本发明公开实施例附图中，只涉及到与本公开实施例涉及到的结构，其他结构可参考通常设计，在不冲突情况下，本发明同一实施例及不同实施例可以相互组合；
最后：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.高速公路场景下网联自动驾驶车辆的决策规划架构，其特征在于，包括：交通道路环境以及云端的规划器算法，其中交通道路环境包含路侧感知设备以及自动驾驶车辆；其中云端的规划器算法包括车道选择以及轨迹规划，其规划架构包括以下内容：
S1、通过路侧感知设备采集实时交通状况信息，同时将此时的交通状况上传至云端，在上传到云端服务器后，执行下步操作；
S2、车道选择模块会根据路侧感知设备反馈的实时交通状况信息进行车道选择，以确定目标车道序列，同时路侧感知设备采集到自动驾驶车辆周围的环境信息并上传；
S3、云端服务器中的轨迹规划模块计算得出目标轨迹。目标轨迹被下发到自动驾驶车辆，自动驾驶车辆根据轨迹进行跟踪控制。
2.根据权利要求1所述的高速公路场景下网联自动驾驶车辆的决策规划架构和实现方法，其特征在于：所述S2车道选择模块每分钟运行一次，更新车道序列，以实现避免进入拥堵的车道的局部路径规划。
3.根据权利要求1所述的高速公路场景下网联自动驾驶车辆的决策规划架构和实现方法，其特征在于：所述S3轨迹规划模块每0.1秒运行一次，实时更新车辆接收的目标轨迹。
4.根据权利要求1-3任一项所述的高速公路场景下网联自动驾驶车辆的决策规划架构的实现方法，其特征在于，包含以下步骤：
S1、数据上传后，通过PlanActive是否为1来判断自动驾驶车辆是否请求下发轨迹，PlanActive为0代表不请求下发轨迹，PlanActive为1代表请求下发轨迹，这种情况下云端服务器上规划算法开始运行，车道选择模块每分钟运行一次，之后轨迹规划模块根据车道选择模块输出的目标车道序列，每0.1秒进行目标轨迹的更新，如果目标车道序列的更新时刻到达，则车道选择算法被重新执行；
S2、车辆接收的目标轨迹是从当前时刻开始4秒钟内的预期车辆行驶轨迹，目标轨迹为预期的行驶路径附加上时间信息，也就是未来4秒内各个时刻下车辆的目标位置、目标航向、目标速度和角速度，未来的4秒包含80个时刻，各个时刻间隔0.05秒，组成了完整的需要被下发的轨迹；
S3、下发轨迹的条件在于，当车速大于5m/s，并且驾驶员主动点击按键激活云控自动驾驶功能的时候，车辆上传信息中的PlanActive字段会从0变为1，云端服务器进行决策规划并下发轨迹，车辆进入云控自动驾驶模式，车辆减速到车速低于5m/s会导致车辆上传信息中的PlanActive字段从1变为0，云端服务器的轨迹下发停止，车辆上的自动驾驶系统发出语音和振动提醒，提示驾驶员接管车辆；
S4、当云端服务器出现故障，或者下发轨迹的数据传输/处理速度过慢，车辆在连续0.5秒没有收到云端下发的目标轨迹时，PlanActive字段从1变为0，自动驾驶系统利用语音和振动的方式提示驾驶员接管车辆；
S5、由于云端每一次进行轨迹规划后都会下发未来4秒的目标轨迹，包含每隔0.05秒车辆的目标位置和速度，因此车辆如果没有收到新的轨迹，在驾驶员接管之前自动驾驶车辆将会沿着最后一次收到的目标轨迹行驶，高速公路上的交通状况瞬息万变，如果车辆行驶的目标轨迹在0.5秒内没有进行更新，很可能这样的轨迹已经不匹配当前时刻车辆周围的交通环境，所以这时驾驶员应当立刻接管车辆，此外，云端服务器如果识别到感知失效，会下发失效报警信息到自动驾驶车辆提示驾驶员接管，如果驾驶员收到失效提示后或者主动在云控自动驾驶模式下操纵方向盘、油门或者制动踏板，那么PlanActive字段从1变为0，云端服务器的轨迹下发停止，因为自动驾驶车辆已经被驾驶员接管。
5.根据权利要求4所述的高速公路场景下网联自动驾驶车辆的决策规划架构的实现方法，其特征在于：所述80个时刻下车辆的轨迹点信息包括目标位置、航向、速度和角速度。
6.根据权利要求4所述的高速公路场景下网联自动驾驶车辆的决策规划架构的实现方法，其特征在于，所述轨迹规划算法的交通环境信息来自路侧感知设备，具体为：通过路侧感知模块以及单车感知模块进行感知数据上传，感知数据上传后进行感知数据融合，数据融合后进行轨迹规划算法。
7.根据权利要求4所述的高速公路场景下网联自动驾驶车辆的决策规划架构的实现方法，其特征在于，所述路侧、单车感知融合的失效处理，具体为：当路侧感知和单车感知都可以正常上传数据，那么它们的数据融合之后的感知结果会作为周围车辆的运动状态，被输入轨迹规划算法，如果路侧、单车感知中只有一方可以正常上传数据，那么正常上传的感知数据会不经融合，直接作为环境信息被云端服务器使用，当两方都无法正常上传数据，则感知处于失效状态，云端会下发信息到自动驾驶车辆，使自动驾驶系统发出感知失效报警，提醒驾驶员接管车辆。
8.根据权利要求4所述的高速公路场景下网联自动驾驶车辆的决策规划架构的实现方法，其特征在于，所述轨迹规划的算法为：如果当前车道不是车道选择模块规划出的目标车道，那么换道决策模块会对变道的可能性做出判断。如果换道条件满足，则换道下的路径规划和轨迹规划被执行，否则自适应巡航下的路径规划和轨迹规划被执行，车辆会接收到沿着当前车道直行的目标轨迹。
9.根据权利要求4所述的高速公路场景下网联自动驾驶车辆的决策规划架构的实现方法，其特征在于，包含轨迹重规划功能，所述轨迹重规划功能具体为：车辆接收到云端下发的目标轨迹之后，会通过车载自动驾驶系统中的车辆控制模块进行轨迹的跟踪。车辆控制算法计算得到控制量，车辆上的执行器根据这些控制量做出相应的动作，由于车辆控制系统、执行器的不完美或者道路环境施加在车辆上的扰动，车辆行驶的实际轨迹与云端下发的目标轨迹有偏差。如果偏差过大，车辆控制模块会输出较大的控制量以矫正这个偏差，这样的控制量会造成车辆行驶时的危险。当目标轨迹与实际轨迹的偏差过大时，云端会根据车辆的当前位置和速度重新规划轨迹并下发。重新规划轨迹之后，车辆会沿着平缓的路径曲线回到正常的行驶路线上，而不是粗暴地通过激烈的转向回到正常行驶路线上，突发扰动下，轨迹重规划可以避免车辆控制的振荡。
10.根据权利要求4所述的高速公路场景下网联自动驾驶车辆的决策规划架构的实现方法，其特征在于，包含网联自动驾驶车辆决策规划中延迟的处理模块，具体为：根据自动驾驶车辆和周围车辆的预测位置，云端服务器进行目标轨迹的规划和下发，以消除延迟对网联自动驾驶安全性和实时性的影响。
CN202111672276.0A 2021-12-31 2021-12-31 高速公路场景下网联自动驾驶车辆的决策规划架构和实现方法 Pending CN116416810A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111672276.0A CN116416810A (zh) 2021-12-31 2021-12-31 高速公路场景下网联自动驾驶车辆的决策规划架构和实现方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111672276.0A CN116416810A (zh) 2021-12-31 2021-12-31 高速公路场景下网联自动驾驶车辆的决策规划架构和实现方法

Publications (1)

Publication Number Publication Date
CN116416810A true CN116416810A (zh) 2023-07-11

Family

ID=87050037

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111672276.0A Pending CN116416810A (zh) 2021-12-31 2021-12-31 高速公路场景下网联自动驾驶车辆的决策规划架构和实现方法

Country Status (1)

Country Link
CN (1) CN116416810A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117565892A (zh) * 2023-11-17 2024-02-20 上海智能汽车融合创新中心有限公司 一种接力型自动驾驶系统和方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117565892A (zh) * 2023-11-17 2024-02-20 上海智能汽车融合创新中心有限公司 一种接力型自动驾驶系统和方法

Similar Documents

Publication Publication Date Title
JP7406215B2 (ja) 自律走行車動作管理のための方向調整アクション
CN110871799B (zh) 自动驾驶辅助装置
CN110431037B (zh) 包括运用部分可观察马尔可夫决策过程模型示例的自主车辆操作管理
CN110603497B (zh) 自主车辆操作管理控制的自主车辆和方法
JP7216534B2 (ja) 自動運転支援装置
KR20190082712A (ko) 차량의 예상 주행 의도에 관한 정보를 제공하는 방법
KR20190108638A (ko) 자율주행 차량 운용 관리 차단 모니터링
CN110422177A (zh) 一种车辆控制方法、装置及系统
KR20200111978A (ko) 내비게이션 시스템 및 그의 경로 탐색 방법
CN112640332B (zh) 一种通信方法及装置
US11685398B2 (en) Lane based routing system for autonomous driving vehicles
CN113168762A (zh) 车辆的行驶辅助方法、车辆行驶辅助装置以及自动驾驶系统
CN110568847B (zh) 一种车辆的智能控制系统、方法，车载设备和存储介质
CN113844465B (zh) 一种自动驾驶方法及系统
JP2019069711A (ja) 自動運転システム
US20220223038A1 (en) Vehicle control system and server device
EP4258189A1 (en) Autonomous vehicle fleet scheduling to maximize efficiency
WO2021147070A1 (en) A feedback based real time steering calibration system
WO2021097844A1 (zh) 基于多传感器数据融合的护栏估计方法和车载设备
EP4026747A1 (en) Sound source detection and localization for autonomous driving vehicle
CN116416810A (zh) 高速公路场景下网联自动驾驶车辆的决策规划架构和实现方法
CN115892034A (zh) 一种公交车到站的控制方法及服务器
US12017681B2 (en) Obstacle prediction system for autonomous driving vehicles
WO2021102958A1 (zh) 一种交通拥堵辅助驾驶方法、系统、车载设备和存储介质
CN112461251A (zh) 自动驾驶车队的路点信息传输方法、装置及系统

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