CN116564097B - 车辆的路口通行决策方法、装置及系统、电子设备 - Google Patents
车辆的路口通行决策方法、装置及系统、电子设备 Download PDFInfo
- Publication number
- CN116564097B CN116564097B CN202310841982.6A CN202310841982A CN116564097B CN 116564097 B CN116564097 B CN 116564097B CN 202310841982 A CN202310841982 A CN 202310841982A CN 116564097 B CN116564097 B CN 116564097B
- Authority
- CN
- China
- Prior art keywords
- region
- feasible
- information
- traffic
- lane
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000008859 change Effects 0.000 claims abstract description 165
- 230000006399 behavior Effects 0.000 claims abstract description 52
- 108091006146 Channels Proteins 0.000 claims description 77
- 238000010845 search algorithm Methods 0.000 claims description 19
- 230000008447 perception Effects 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 description 22
- 238000010586 diagram Methods 0.000 description 17
- 238000003860 storage Methods 0.000 description 15
- 238000004590 computer program Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- AZFKQCNGMSSWDS-UHFFFAOYSA-N MCPA-thioethyl Chemical compound CCSC(=O)COC1=CC=C(Cl)C=C1C AZFKQCNGMSSWDS-UHFFFAOYSA-N 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- 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
- G08G1/0125—Traffic data processing
-
- 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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种车辆的路口通行决策方法、装置及系统、电子设备，该方法包括：获取路侧设备发送的预设路口区域的可通行信息和交通流量信息；根据当前车辆的在预设路口区域的交通行为信息对可通行信息进行修正；根据修正后的可通行信息构建可行换道序列搜索模型，根据可行换道序列搜索模型确定当前车辆的可行换道序列集合；根据当前车辆的可行换道序列集合和交通流量信息，确定当前车辆在路口区域的最优换道序列，以此实现在预设路口区域的通行。本申请结合路侧信息和车辆的交通行为建立了临近路口的可行换道序列搜索模型，以此确定最优换道序列，有效解决了智能网联车辆在具有多车道的临近路口区域的换道难题，方案高效可行，易于实现工程部署。
Description
技术领域
本申请涉及智慧交通技术领域，尤其涉及一种车辆的路口通行决策方法、装置及系统、电子设备。
背景技术
随着通信技术和人工智能技术的发展，车路云体系成为智能汽车示范应用的重要方案。车路云体系通过V2V（Vehicle-to-Vehicle，车-车通信）和V2I（Vehicle-to-Infrastructure，车-路通信）技术实现车与车、车与路侧设备之间的信息交互。
交叉路口是智能网联车辆在公开道路行驶的难点区域，现有研究多默认车辆在进入路口前已处于期望车道即符合车辆交通行为的车道上，交通行为通常包括直行、左转和右转，并聚焦于设计交叉路口内部的通行方法，但随着城市建设的发展，部分交叉路口车道数量众多、交通规则时变，且不再局限于从左至右是“左转-直行-右转”的方向设计，临近路口区域的换道决策问题也颇具难点。
现有路口通行相关研究对临近路口区域的换道决策问题关注较少，换道决策相关研究则聚焦路段同方向车道之间的换道，未能从交通行为的层面研究如何设计换道决策，且现有换道决策技术均没有综合考虑交通行为、道路情况和交通流情况等因素的影响。
发明内容
本申请实施例提供了一种车辆的路口通行决策方法、装置及系统、电子设备，以解决智能网联车辆在具有多车道的临近路口区域的换道难题。
本申请实施例采用下述技术方案：
第一方面，本申请实施例提供一种车辆的路口通行决策方法，其中，所述方法包括：
获取路侧设备发送的预设路口区域的可通行信息和交通流量信息；
根据当前车辆的在所述预设路口区域的交通行为信息对所述预设路口区域的可通行信息进行修正，得到修正后的可通行信息；
根据所述修正后的可通行信息构建可行换道序列搜索模型，并根据所述可行换道序列搜索模型确定当前车辆在预设路口区域的可行换道序列集合；
根据所述当前车辆在预设路口区域的可行换道序列集合和所述预设路口区域的交通流量信息，确定所述当前车辆在所述路口区域的最优换道序列，以根据所述最优换道序列实现在所述预设路口区域的通行。
可选地，所述预设路口区域包括最接近路口位置的目标子区域，所述预设路口区域的可通行信息包括预设路口区域的各个车道的交通行为信息，所述根据当前车辆的在所述预设路口区域的交通行为信息对所述预设路口区域的可通行信息进行修正，得到修正后的可通行信息包括：
将当前车辆的在所述预设路口区域的交通行为信息与所述目标子区域的各个车道的交通行为信息进行比较；
根据比较结果修正所述目标子区域的各个车道的可通行信息。
可选地，所述预设路口区域包括当前车辆所在的当前子区域以及当前车辆即将驶入的目标子区域，所述根据所述修正后的可通行信息构建可行换道序列搜索模型包括：
根据所述当前车辆在所述当前子区域所在的当前车道确定可行路线的起点集合；
根据所述当前车辆即将驶入的目标子区域对应的各个车道的可通行信息确定可行路线的终点集合；
根据所述可行路线的起点集合和所述可行路线的终点集合构建当前子区域到目标子区域的可行换道序列搜索模型。
可选地，所述根据所述可行换道序列搜索模型确定当前车辆在预设路口区域的可行换道序列集合包括：
利用预设搜索算法对所述可行换道序列搜索模型进行求解，得到所述当前车辆在预设路口区域的可行路线集合；
根据所述当前车辆在预设路口区域的可行路线集合确定所述当前车辆在预设路口区域的可行换道序列集合。
可选地，所述当前车辆即将驶入的目标子区域包括当前车辆即将依次驶入的第一目标子区域和第二目标子区域，所述可行换道序列搜索模型包括当前子区域到第二目标子区域的可行换道序列搜索模型、当前子区域到第一目标子区域的可行换道序列搜索模型以及当前子区域的可行换道序列搜索模型，所述根据所述可行换道序列搜索模型确定当前车辆在预设路口区域的可行换道序列集合包括：
若第二目标子区域对应的可行路线的终点集合为非空，则利用预设搜索算法对所述当前子区域到第二目标子区域的可行换道序列搜索模型进行求解，得到当前子区域到第二目标子区域的可行路线集合；
若所述当前子区域到第二目标子区域的可行路线集合为非空，则直接将当前子区域到第二目标子区域的可行路线集合转化为当前子区域到第二目标子区域的可行换道序列集合；
若当前子区域到第二目标子区域的可行路线集合或者第二目标子区域对应的可行路线的终点集合为空，则利用预设搜索算法对所述当前子区域到第一目标子区域的可行换道序列搜索模型进行求解，得到当前子区域到第一目标子区域的可行路线集合；
若所述当前子区域到第一目标子区域的可行路线集合为非空，则将当前子区域到第一目标子区域的可行路线集合转化为当前子区域到第一目标子区域的可行换道序列集合；
若所述当前子区域到第一目标子区域的可行路线集合或者第一目标子区域对应的可行路线的终点集合为空，则利用预设搜索算法对所述当前子区域的可行换道序列搜索模型进行求解，得到当前子区域的可行换道序列集合。
可选地，所述可行换道序列集合包括多个可行换道序列，所述根据所述当前车辆在预设路口区域的可行换道序列集合和所述预设路口区域的交通流量信息，确定所述当前车辆在所述路口区域的最优换道序列包括：
根据所述预设路口区域的交通流量信息确定各个可行换道序列对应的总通行成本；
根据各个可行换道序列对应的总通行成本确定所述当前车辆在所述路口区域的最优换道序列。
可选地，所述根据所述预设路口区域的交通流量信息确定各个可行换道序列对应的总通行成本包括：
根据所述预设路口区域的交通流量信息确定各个可行换道序列对应的交通效率成本；
根据各个可行换道序列对应的换道次数和单次换道成本确定各个可行换道序列对应的总换道成本；
根据各个可行换道序列对应的交通效率成本和总换道成本确定各个可行换道序列对应的总通行成本。
第二方面，本申请实施例还提供一种车辆的路口通行决策装置，其中，所述装置包括：
获取单元，用于获取路侧设备发送的预设路口区域的可通行信息和交通流量信息；
修正单元，用于根据当前车辆的在所述预设路口区域的交通行为信息对所述预设路口区域的可通行信息进行修正，得到修正后的可通行信息；
第一确定单元，用于根据所述修正后的可通行信息构建可行换道序列搜索模型，并根据所述可行换道序列搜索模型确定当前车辆在预设路口区域的可行换道序列集合；
第二确定单元，用于根据所述当前车辆在预设路口区域的可行换道序列集合和所述预设路口区域的交通流量信息，确定所述当前车辆在所述路口区域的最优换道序列，以根据所述最优换道序列实现在所述预设路口区域的通行。
第三方面，本申请实施例还提供一种车辆的路口通行决策系统，其中，所述车辆的路口通行决策系统包括当前车辆和路侧设备，所述当前车辆用于执行前述之任一所述方法，所述路侧设备具体用于执行：
获取路侧感知信息和云平台发送的交通信息；
根据所述路侧感知信息和所述云平台发送的交通信息确定所述预设路口区域的可通行信息；
根据所述路侧感知信息确定所述预设路口区域的交通流量信息；
将预设路口区域的可通行信息和交通流量信息发送给所述当前车辆。
第四方面，本申请实施例还提供一种电子设备，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行前述之任一所述方法。
第五方面，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行前述之任一所述方法。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：本申请实施例的一种车辆的路口通行决策方法，先获取路侧设备发送的预设路口区域的可通行信息和交通流量信息；然后根据当前车辆的在预设路口区域的交通行为信息对预设路口区域的可通行信息进行修正，得到修正后的可通行信息；之后根据修正后的可通行信息构建可行换道序列搜索模型，并根据可行换道序列搜索模型确定当前车辆在预设路口区域的可行换道序列集合；最后根据当前车辆在预设路口区域的可行换道序列集合和预设路口区域的交通流量信息，确定当前车辆在路口区域的最优换道序列，以根据最优换道序列实现在预设路口区域的通行。本申请实施例的车辆的路口通行决策方法结合路侧信息和当前车辆的交通行为建立了临近路口的可行换道序列搜索模型，以此确定最优换道序列，有效解决了智能网联车辆在具有多车道的临近路口区域的换道难题，该方案高效可行，易于实现工程部署。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请实施例中一种车辆的路口通行决策方法的流程示意图；
图2为本申请实施例中一种预设路口区域的划分示意图；
图3为本申请实施例中一种可行换道序列的示意图；
图4为本申请实施例中一种车辆的路口通行决策装置的结构示意图；
图5为本申请实施例中一种车辆的路口通行决策系统的结构示意图；
图6为本申请实施例中一种车辆的路口通行决策系统的决策流程示意图；
图7为本申请实施例中一种电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
以下结合附图，详细说明本申请各实施例提供的技术方案。
本申请实施例的一种车辆的路口通行决策方法，如图1所示，提供了本申请实施例中一种车辆的路口通行决策方法的流程示意图，所述方法至少包括如下的步骤S110至步骤S140：
步骤S110，获取路侧设备发送的预设路口区域的可通行信息和交通流量信息。
本申请实施例的车辆的路口通行决策方法可以由车辆来执行，在进行路口通行决策时，需要先基于V2I通信获取路侧设备发送的预设路口区域的可通行信息和交通流量信息，预设路口区域可以理解为是根据路口附近设置的路侧设备的通信范围事先定义好的临近路口路段的区域范围，例如目前路侧设备的通信范围普遍可达200m，因此可以将距离路口200m的区域范围定义为预设路口区域，为了在预设路口区域内实现精细化的换道决策，任意预设路口区域均可根据一定划分策略划分为多个子区域。
预设路口区域的可通行信息主要包括预设路口区域各个车道是否可以通行的状况，当预设路口区域被划分为多个子区域时，可通行信息具体可以包括各个子区域内的各个车道的可通行状况。可通行信息可以基于路侧设备的感知信息以及云平台提供的交通信息确定出，实时分析每个区域的各车道是否存在交通事故、交通管制、道路施工等情况，若存在，则认为该情况所在区域的相关车道不可通行，若不存在，则该区域的某条车道可通行。交通流量信息主要是指预设路口区域各个车道的车流量大小，具体可以包括各个车道的车辆数量和平均车速等。
步骤S120，根据当前车辆的在所述预设路口区域的交通行为信息对所述预设路口区域的可通行信息进行修正，得到修正后的可通行信息。
由于上述预设路口区域的可通行信息是路侧设备基于道路中各车道的客观情况确定出的各车道本身是否可以通行的情况，并未考虑当前车辆的交通行为，这里的交通行为主要是指车辆在路口通行的方向，例如是左转、直行还是右转，如果当前车辆的交通行为是直行，而预设路口区域的某车道为左转车道或右转车道，那么即使从车道本身来看该车道是可以通行的，但由于不符合当前车辆的交通行为，因此也需要修正为不可通行，由此可以得到修正后的可通行信息。
步骤S130，根据所述修正后的可通行信息构建可行换道序列搜索模型，并根据所述可行换道序列搜索模型确定当前车辆在预设路口区域的可行换道序列集合。
在得到上述预设路口区域的修正后的可通行信息后，可以以此建立起预设路口区域的可行换道序列搜索模型，通过求解可行换道序列搜索模型，可以确定出当前车辆在预设路口区域的所有可行换道序列，构成可行换道序列集合。可行换道序列表示的是车辆在预设路口区域依次执行的换道顺序，例如可以表示为第3车道-第2车道-第4车道，即从第3车道换道至第2车道，再从第2车道换道至第4车道。可行换道序列考虑了路侧设备提供的各个车道的可通行信息以及当前车辆的交通行为，有效解决了智能网联车辆在具有多车道的临近路口区域的换道难题。
步骤S140，根据所述当前车辆在预设路口区域的可行换道序列集合和所述预设路口区域的交通流量信息，确定所述当前车辆在所述路口区域的最优换道序列，以根据所述最优换道序列实现在所述预设路口区域的通行。
可行换道序列集合中可能会包含有多个可行换道序列，不同可行换道序列对应的交通流量情况不同，进而导致通行代价也不同，因此本申请实施例需要进一步结合预设路口区域的交通流量信息确定各个可行换道序列的通行代价，从而选取通行代价最小的可行换道序列作为最优换道序列，从而实现当前车辆在预设路口区域的高效、安全通行。
本申请实施例的车辆的路口通行决策方法结合路侧信息和当前车辆的交通行为建立了临近路口的可行换道序列搜索模型，以此确定最优换道序列，有效解决了智能网联车辆在具有多车道的临近路口区域的换道难题，该方案高效可行，易于实现工程部署。
在本申请的一些实施例中，所述可通行信息包括可通行矩阵，所述交通流量信息包括交通流量矩阵。
本申请实施例可以以矩阵的形式表示预设路口区域的各个车道的可通行状况以及交通流量情况。可通行信息对应的可通行矩阵具体可以表示为，其中，m表示预设路口区域被划分的子区域数量，k表示各个子区域对应的车道数量，/>。该矩阵可以为零一矩阵，若某子区域的某车道不可通行，则对应的矩阵元素为0，否则为1。特别地，部分路口区域存在车道数量变化的情况，则将/>区域内的车道补齐为/>条车道，补充部分视作不可通行，即对应的矩阵元素为0。
交通流量信息对应的交通流量矩阵具体可以表示为，其中，该矩阵第1行中各元素代表对应车道的车辆数量，第2行中各元素代表各车道当前的平均车速，k表示预设路口区域的车道数量。
为便于对本申请实施例的理解，如图2所示，提供了本申请实施例中一种预设路口区域的划分示意图。考虑到当前路侧设备的通信范围普遍可达200m，本申请实施例可以将预设路口区域划分为三个子区域，三个子区域长度相对于路口由远至近分别为100m、50m和50m，分别对应当前车辆所在的当前子区域3、当前车辆即将驶入的第一目标子区域2和第二目标子区域1，每个区域包含（/>）条车道，其中/>均为给定正整数。
路侧设备收集云平台交通信息并结合路侧设备搭载的视觉/激光雷达等感知设备，确定预设路口区域内存在两处施工，分别占据区域1的第1车道和区域3的第4车道，因此基于图2所示的预设路口区域可以生成如下形式的可通行矩阵：
，（1）
此外，还可以生成交通流量矩阵。
在本申请的一些实施例中，所述预设路口区域包括最接近路口位置的目标子区域，所述预设路口区域的可通行信息包括预设路口区域的各个车道的交通行为信息，所述根据当前车辆的在所述预设路口区域的交通行为信息对所述预设路口区域的可通行信息进行修正，得到修正后的可通行信息包括：将当前车辆的在所述预设路口区域的交通行为信息与所述目标子区域的各个车道的交通行为信息进行比较；根据比较结果修正所述目标子区域的各个车道的可通行信息。
在预设路口区域被划分为多个子区域的情况下，本申请实施例的当前车辆的交通行为信息主要用于修正距离路口最近也即距离当前车辆最远的那个子区域的可通行信息，因为该子区域可以看作是当前车辆在临近路口路段进行换道决策的最后一个区域，如果最后一个区域的通行方向与当前车辆的交通行为不符，那么由于该区域与路口已经非常接近，车辆很难再换道至符合自身交通行为的车道，而在该区域之前的其他子区域，当前车辆即使未在符合自身交通行为的车道上行驶，仍然可以有足够的换道余地。
进一步结合前述实施例中的图2进行说明，假设当前车辆位于当前子区域3的第3车道上，属于直行车辆，当前车辆需要在行驶到区域1时换道至直行车道上，因此对于区域1内的左转车道和右转车道对应的矩形元素均需要修正为0，保证自车能进入到区域1中可通行的前进方向车道，由此得到如下修正后的可通行矩阵：
，（2）
在本申请的一些实施例中，所述预设路口区域包括当前车辆所在的当前子区域以及当前车辆即将驶入的目标子区域，所述根据所述修正后的可通行信息构建可行换道序列搜索模型包括：根据所述当前车辆在所述当前子区域所在的当前车道确定可行路线的起点集合；根据所述当前车辆即将驶入的目标子区域对应的各个车道的可通行信息确定可行路线的终点集合；根据所述可行路线的起点集合和所述可行路线的终点集合构建当前子区域到目标子区域的可行换道序列搜索模型。
在基于修正后的可通行矩阵建立可行换道序列搜索问题时，可以通过如下方式实现：
本申请实施例认为当前车辆进入区域3时所处的车道是可通行车道，这是合理的，因为车辆会在更远处就分析出区域3内的通行情况，并提前换道至可通行车道上。不失一般性地，设当前进入区域3时处于第车道（/>），则/>，记/>中非零元素即可通行车道的集合为/>。
给定一个含有个顶点的无向图，矩阵/>为该无向图的邻接矩阵（代表顶点之间的连通性），若有一条以/>为起点，以/>中某一元素为终点的路线，则该路线即为一个可行换道序列，由此可构建得到可行换道序列搜索模型。
在本申请的一些实施例中，所述根据所述可行换道序列搜索模型确定当前车辆在预设路口区域的可行换道序列集合包括：利用预设搜索算法对所述可行换道序列搜索模型进行求解，得到所述当前车辆在预设路口区域的可行路线集合；根据所述当前车辆在预设路口区域的可行路线集合确定所述当前车辆在预设路口区域的可行换道序列集合。
在得到前述实施例构建的可行换道序列搜索模型后，可以采取深度优先搜索算法（depth first search）求解可行换道路线，得到可行换道路线集合，最后将可行换道路线集合中的可行换道路线转化为可行换道序列，得到当前车辆在预设路口区域的可行换道序列集合。
为便于对本申请实施例的理解，如图3所示，提供了本申请实施例中一种可行换道序列的示意图。两个可行换道序列分别为：
区域3的第3车道-区域3的第2车道-区域2的第2车道-区域2的第1车道-区域1的第1车道。
区域3的第3车道-区域3的第4车道-区域2的第4车道-区域2的第5车道-区域1的第5车道。
在本申请的一些实施例中，所述当前车辆即将驶入的目标子区域包括当前车辆即将依次驶入的第一目标子区域和第二目标子区域，所述可行换道序列搜索模型包括当前子区域到第二目标子区域的可行换道序列搜索模型、当前子区域到第一目标子区域的可行换道序列搜索模型以及当前子区域的可行换道序列搜索模型，所述根据所述可行换道序列搜索模型确定当前车辆在预设路口区域的可行换道序列集合包括：若第二目标子区域对应的可行路线的终点集合为非空，则利用预设搜索算法对所述当前子区域到第二目标子区域的可行换道序列搜索模型进行求解，得到当前子区域到第二目标子区域的可行路线集合；若所述当前子区域到第二目标子区域的可行路线集合为非空，则直接将当前子区域到第二目标子区域的可行路线集合转化为当前子区域到第二目标子区域的可行换道序列集合；若当前子区域到第二目标子区域的可行路线集合或者第二目标子区域对应的可行路线的终点集合为空，则利用预设搜索算法对所述当前子区域到第一目标子区域的可行换道序列搜索模型进行求解，得到当前子区域到第一目标子区域的可行路线集合；若所述当前子区域到第一目标子区域的可行路线集合为非空，则将当前子区域到第一目标子区域的可行路线集合转化为当前子区域到第一目标子区域的可行换道序列集合；若所述当前子区域到第一目标子区域的可行路线集合或者第一目标子区域对应的可行路线的终点集合为空，则利用预设搜索算法对所述当前子区域的可行换道序列搜索模型进行求解，得到当前子区域的可行换道序列集合。
由于本申请实施例最终所要求解得到的最优可行换道序列应该是一个整体最优解，因此如果区域1对应的非零元素集合为非空集合，可以先以当前车辆所在区域即区域3的各个车道为起点，以最接近路口的第二目标子区域即区域1的各个可通行车道为终点建立可行换道序列搜索模型，并采用深度优先搜索算法方法求解可行路线，得到可行路线集合/>。
如果非空，则将可行路线集合/>转化为对应的可行换道序列集合，如果区域1不存在可通行车道即/>为空，或者可行路线集合/>为空，说明当前车辆无法到达区域1中的可通行车道，此时可以退一步考虑求解区域3到区域2的可行路线，记/>中非零元素的集合为/>，如果/>为非空集合，则考察含有/>个顶点的无向图（对应区域2和区域3各顶点），对应的邻接矩阵为/>，得到可行路线集合/>。
如果非空，则将可行路线集合/>转化为对应的可行换道序列集合，车辆在区域2和区域1边界处停车等待。如果/>为空或者/>为空，则表明当前车辆无法到达区域2中的可通行车道，此时可以记/>中非零元素的集合为/>，由于当前车辆进入区域3是所在的车道，因此该车道一定是可通行的，因此/>必定非空，则考察含有/>个顶点的无向图（对应区域3各顶点），对应的邻接矩阵为/>，得到可行路线集合/>，/>必定非空，则将可行路线集合/>转化为对应的可行换道序列集合，车辆在区域3和区域2边界处停车等待。最终记得到的可行换道序列集合为/>。
在本申请的一些实施例中，所述可行换道序列集合包括多个可行换道序列，所述根据所述当前车辆在预设路口区域的可行换道序列集合和所述预设路口区域的交通流量信息，确定所述当前车辆在所述路口区域的最优换道序列包括：根据所述预设路口区域的交通流量信息确定各个可行换道序列对应的总通行成本；根据各个可行换道序列对应的总通行成本确定所述当前车辆在所述路口区域的最优换道序列。
在从多个可行换道序列中确定最优换道序列时，可以结合预设路口区域的交通流量信息确定各个可行换道序列对应的总通行成本，这里的总通行成本可以由换道成本和各个车道的通行效率成本构成。总通行成本越小，通行效率越高，因此可以将总通行成本最小的可行换道序列作为最优换道序列。
本申请实施例综合考虑了临近路口区域的各种通行情况，均给出了对应情况下车辆的可行换道序列，进一步结合交通流量情况在可行换道序列中确定出了最优换道序列，所涉及的求解算法均高效可行，易于实现工程部署，使智能网联车辆在进入路口前就换至期望车道，提高路口通行效率。
在本申请的一些实施例中，所述根据所述预设路口区域的交通流量信息确定各个可行换道序列对应的总通行成本包括：根据所述预设路口区域的交通流量信息确定各个可行换道序列对应的交通效率成本；根据各个可行换道序列对应的换道次数和单次换道成本确定各个可行换道序列对应的总换道成本；根据各个可行换道序列对应的交通效率成本和总换道成本确定各个可行换道序列对应的总通行成本。
本申请实施例的总通行成本主要包括两个方面，具体可通过如下方式计算得到：
1）设完成一次换道的成本为，每条车道交通效率成本为/>，其中，/>和/>均为给定常数，/>代表第/>条车道，/>为车道内车辆数量，/>为正的权重系数，/>为当前车道平均车速，/>和/>来自于交通流情况矩阵/>；
2）对中某个可行换道序列而言，完成该可行换道序列的总通行成本可以表示为：
，（3）
其中，为集合/>中的某个元素，代表一个可行换道序列，/>为该可行换道序列所涉及的车道，/>为总的换道次数。
最后，选取作为最优换道序列。
本申请实施例还提供了一种车辆的路口通行决策装置400，如图4所示，提供了本申请实施例中一种车辆的路口通行决策装置的结构示意图，所述装置400包括：获取单元410、修正单元420、第一确定单元430以及第二确定单元440，其中：
获取单元410，用于获取路侧设备发送的预设路口区域的可通行信息和交通流量信息；
修正单元420，用于根据当前车辆的在所述预设路口区域的交通行为信息对所述预设路口区域的可通行信息进行修正，得到修正后的可通行信息；
第一确定单元430，用于根据所述修正后的可通行信息构建可行换道序列搜索模型，并根据所述可行换道序列搜索模型确定当前车辆在预设路口区域的可行换道序列集合；
第二确定单元440，用于根据所述当前车辆在预设路口区域的可行换道序列集合和所述预设路口区域的交通流量信息，确定所述当前车辆在所述路口区域的最优换道序列，以根据所述最优换道序列实现在所述预设路口区域的通行。
在本申请的一些实施例中，所述预设路口区域包括最接近路口位置的目标子区域，所述预设路口区域的可通行信息包括预设路口区域的各个车道的交通行为信息，所述修正单元420具体用于：将当前车辆的在所述预设路口区域的交通行为信息与所述目标子区域的各个车道的交通行为信息进行比较；根据比较结果修正所述目标子区域的各个车道的可通行信息。
在本申请的一些实施例中，所述预设路口区域包括当前车辆所在的当前子区域以及当前车辆即将驶入的目标子区域，所述第一确定单元430具体用于：根据所述当前车辆在所述当前子区域所在的当前车道确定可行路线的起点集合；根据所述当前车辆即将驶入的目标子区域对应的各个车道的可通行信息确定可行路线的终点集合；根据所述可行路线的起点集合和所述可行路线的终点集合构建当前子区域到目标子区域的可行换道序列搜索模型。
在本申请的一些实施例中，所述第一确定单元430具体用于：利用预设搜索算法对所述可行换道序列搜索模型进行求解，得到所述当前车辆在预设路口区域的可行路线集合；根据所述当前车辆在预设路口区域的可行路线集合确定所述当前车辆在预设路口区域的可行换道序列集合。
在本申请的一些实施例中，所述当前车辆即将驶入的目标子区域包括当前车辆即将依次驶入的第一目标子区域和第二目标子区域，所述可行换道序列搜索模型包括当前子区域到第二目标子区域的可行换道序列搜索模型、当前子区域到第一目标子区域的可行换道序列搜索模型以及当前子区域的可行换道序列搜索模型，所述第一确定单元430具体用于：若第二目标子区域对应的可行路线的终点集合为非空，则利用预设搜索算法对所述当前子区域到第二目标子区域的可行换道序列搜索模型进行求解，得到当前子区域到第二目标子区域的可行路线集合；若所述当前子区域到第二目标子区域的可行路线集合为非空，则直接将当前子区域到第二目标子区域的可行路线集合转化为当前子区域到第二目标子区域的可行换道序列集合；若当前子区域到第二目标子区域的可行路线集合或者第二目标子区域对应的可行路线的终点集合为空，则利用预设搜索算法对所述当前子区域到第一目标子区域的可行换道序列搜索模型进行求解，得到当前子区域到第一目标子区域的可行路线集合；若所述当前子区域到第一目标子区域的可行路线集合为非空，则将当前子区域到第一目标子区域的可行路线集合转化为当前子区域到第一目标子区域的可行换道序列集合；若所述当前子区域到第一目标子区域的可行路线集合或者第一目标子区域对应的可行路线的终点集合为空，则利用预设搜索算法对所述当前子区域的可行换道序列搜索模型进行求解，得到当前子区域的可行换道序列集合。
在本申请的一些实施例中，所述可行换道序列集合包括多个可行换道序列，所述第二确定单元440具体用于：根据所述预设路口区域的交通流量信息确定各个可行换道序列对应的总通行成本；根据各个可行换道序列对应的总通行成本确定所述当前车辆在所述路口区域的最优换道序列。
在本申请的一些实施例中，所述第二确定单元440具体用于：根据所述预设路口区域的交通流量信息确定各个可行换道序列对应的交通效率成本；根据各个可行换道序列对应的换道次数和单次换道成本确定各个可行换道序列对应的总换道成本；根据各个可行换道序列对应的交通效率成本和总换道成本确定各个可行换道序列对应的总通行成本。
能够理解，上述车辆的路口通行决策装置，能够实现前述实施例中提供的车辆的路口通行决策方法的各个步骤，关于车辆的路口通行决策方法的相关阐释均适用于车辆的路口通行决策装置，此处不再赘述。
本申请实施例还提供了一种车辆的路口通行决策系统，如图5所示，提供了本申请实施例中一种车辆的路口通行决策系统的结构示意图，所述车辆的路口通行决策系统包括当前车辆、当前车辆以外的其它车辆和路侧设备，所述当前车辆用于执行前述之任一所述方法，所述路侧设备具体用于执行：获取路侧感知信息和云平台发送的交通信息；根据所述路侧感知信息和所述云平台发送的交通信息确定所述预设路口区域的可通行信息；根据所述路侧感知信息确定所述预设路口区域的交通流量信息；将预设路口区域的可通行信息和交通流量信息发送给所述当前车辆。
本申请实施例的车辆的路口通行决策系统可以由预设路口区域内的车辆和路侧设备构成，车辆可以用于执行前述任一实施例的车辆的路口通行决策方法，对于路侧设备，其主要用于向车辆提供可通行信息和交通流量信息。
一方面，路侧设备通过收集云平台的交通信息并结合路侧设备搭载的视觉/激光雷达等感知设备，实时分析预设路口区域中的每个子区域的各车道是否存在因交通事故、交通管制、道路施工等因素而导致的无法通行的情况，若存在，则认为该因素所在区域的相关车道不可通行，不存在，则某区域的某条车道可通行，由此得到预设路口区域的可通行信息。另一方面，路侧设备可以通过视觉/激光雷达等感知设备，实时分析各条车道的车辆数量和平均车速，作为预设路口区域的交通流量信息。最后基于V2I通信将预设路口区域的可通行信息和交通流量信息广播给通信范围内的车辆。
为了便于对本申请前述各实施例的理解，如图6所示，提供了本申请实施例中一种车辆的路口通行决策系统的决策流程示意图。首先，路侧设备一方面通过收集云平台的交通信息并结合路侧设备搭载的视觉/激光雷达等感知设备，实时分析预设路口区域中的每个子区域的各车道的可通行信息，另一方面通过视觉/激光雷达等感知设备，实时分析各条车道的交通流量信息。然后基于V2I通信将可通行信息和交通流量信息广播给通信范围内的车辆。
当前车辆在接收到路侧设备发送的可通行信息和交通流量信息后，结合自身的交通行为对可通行信息进行修正，得到修正后的可通行矩阵，根据修正后的可通行矩阵/>，建立以临近路口区域1-3的各车道为顶点、矩阵/>为邻接矩阵的无向图，然后利用深度优先搜索算法求解，判断是否有解也即可行路线集合是否为空，如果无解，则依次分析临近路口区域2-3的各车道为顶点，矩阵/>为邻接矩阵的无向图以及临近路口区域1的各车道为顶点，矩阵/>为邻接矩阵的无向图并判断是否有解。如果有解，则根据单次换道成本和交通通行效率成本计算各个可行换道序列的总通行成本，最后选择总通行成本最小的可行换道序列作为最优换道序列。
本申请建立了结合云端信息、路侧信息和车辆交通行为的临近路口区域的换道决策问题模型，并利用深度优先搜索方法求解该问题，有效解决了车辆在具有多车道的临近路口区域的换道难题。本申请综合考虑了临近路口区域的各种通行情况，均给出了对应情况下车辆的可行换道序列，同时结合交通流量信息在可行换道序列中确定出最优换道序列，所涉及的求解算法均高效可行，易于实现工程部署。
图7是本申请的一个实施例电子设备的结构示意图。请参考图7，在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器（non-volatile memory），例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构）总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构）总线等。所述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7中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成车辆的路口通行决策装置。处理器，执行存储器所存放的程序，并具体用于执行以下操作：
获取路侧设备发送的预设路口区域的可通行信息和交通流量信息；
根据当前车辆的在所述预设路口区域的交通行为信息对所述预设路口区域的可通行信息进行修正，得到修正后的可通行信息；
根据所述修正后的可通行信息构建可行换道序列搜索模型，并根据所述可行换道序列搜索模型确定当前车辆在预设路口区域的可行换道序列集合；
根据所述当前车辆在预设路口区域的可行换道序列集合和所述预设路口区域的交通流量信息，确定所述当前车辆在所述路口区域的最优换道序列，以根据所述最优换道序列实现在所述预设路口区域的通行。
上述如本申请图1所示实施例揭示的车辆的路口通行决策装置执行的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器（Central ProcessingUnit，CPU）、网络处理器（Network Processor，NP）等；还可以是数字信号处理器（DigitalSignal Processor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（Field－Programmable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
该电子设备还可执行图1中车辆的路口通行决策装置执行的方法，并实现车辆的路口通行决策装置在图1所示实施例的功能，本申请实施例在此不再赘述。
本申请实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的电子设备执行时，能够使该电子设备执行图1所示实施例中车辆的路口通行决策装置执行的方法，并具体用于执行：
获取路侧设备发送的预设路口区域的可通行信息和交通流量信息；
根据当前车辆的在所述预设路口区域的交通行为信息对所述预设路口区域的可通行信息进行修正，得到修正后的可通行信息；
根据所述修正后的可通行信息构建可行换道序列搜索模型，并根据所述可行换道序列搜索模型确定当前车辆在预设路口区域的可行换道序列集合；
根据所述当前车辆在预设路口区域的可行换道序列集合和所述预设路口区域的交通流量信息，确定所述当前车辆在所述路口区域的最优换道序列，以根据所述最优换道序列实现在所述预设路口区域的通行。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器 (CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器 (RAM) 和/或非易失性内存等形式，如只读存储器 (ROM) 或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体 (transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (9)
1.一种车辆的路口通行决策方法，其中，所述方法包括：
获取路侧设备发送的预设路口区域的可通行信息和交通流量信息；
根据当前车辆的在所述预设路口区域的交通行为信息对所述预设路口区域的可通行信息进行修正，得到修正后的可通行信息；
根据所述修正后的可通行信息构建可行换道序列搜索模型，并根据所述可行换道序列搜索模型确定当前车辆在预设路口区域的可行换道序列集合；
根据所述当前车辆在预设路口区域的可行换道序列集合和所述预设路口区域的交通流量信息，确定所述当前车辆在所述路口区域的最优换道序列，以根据所述最优换道序列实现在所述预设路口区域的通行；
所述预设路口区域包括最接近路口位置的目标子区域，所述预设路口区域的可通行信息包括预设路口区域的各个车道的交通行为信息，所述根据当前车辆的在所述预设路口区域的交通行为信息对所述预设路口区域的可通行信息进行修正，得到修正后的可通行信息包括：
将当前车辆的在所述预设路口区域的交通行为信息与所述最接近路口位置的目标子区域的各个车道的交通行为信息进行比较；
根据比较结果确定所述最接近路口位置的目标子区域的各个车道的交通行为信息与所述当前车辆的在所述预设路口区域的交通行为信息是否相符；
若相符，则确定所述最接近路口位置的目标子区域的车道的可通行信息为可通行；
否则，则确定所述最接近路口位置的目标子区域的车道的可通行信息为不可通行。
2.如权利要求1所述方法，其中，所述预设路口区域包括当前车辆所在的当前子区域以及当前车辆即将驶入的目标子区域，所述根据所述修正后的可通行信息构建可行换道序列搜索模型包括：
根据所述当前车辆在所述当前子区域所在的当前车道确定可行路线的起点集合；
根据所述当前车辆即将驶入的目标子区域对应的各个车道的可通行信息确定可行路线的终点集合；
根据所述可行路线的起点集合和所述可行路线的终点集合构建当前子区域到目标子区域的可行换道序列搜索模型。
3.如权利要求1所述方法，其中，所述根据所述可行换道序列搜索模型确定当前车辆在预设路口区域的可行换道序列集合包括：
利用预设搜索算法对所述可行换道序列搜索模型进行求解，得到所述当前车辆在预设路口区域的可行路线集合；
根据所述当前车辆在预设路口区域的可行路线集合确定所述当前车辆在预设路口区域的可行换道序列集合。
4.如权利要求2所述方法，其中，所述当前车辆即将驶入的目标子区域包括当前车辆即将依次驶入的第一目标子区域和第二目标子区域，所述可行换道序列搜索模型包括当前子区域到第二目标子区域的可行换道序列搜索模型、当前子区域到第一目标子区域的可行换道序列搜索模型以及当前子区域的可行换道序列搜索模型，所述根据所述可行换道序列搜索模型确定当前车辆在预设路口区域的可行换道序列集合包括：
若第二目标子区域对应的可行路线的终点集合为非空，则利用预设搜索算法对所述当前子区域到第二目标子区域的可行换道序列搜索模型进行求解，得到当前子区域到第二目标子区域的可行路线集合；
若所述当前子区域到第二目标子区域的可行路线集合为非空，则直接将当前子区域到第二目标子区域的可行路线集合转化为当前子区域到第二目标子区域的可行换道序列集合；
若所述当前子区域到第二目标子区域的可行路线集合或者第二目标子区域对应的可行路线的终点集合为空，则利用预设搜索算法对所述当前子区域到第一目标子区域的可行换道序列搜索模型进行求解，得到当前子区域到第一目标子区域的可行路线集合；
若所述当前子区域到第一目标子区域的可行路线集合为非空，则将当前子区域到第一目标子区域的可行路线集合转化为当前子区域到第一目标子区域的可行换道序列集合；
若所述当前子区域到第一目标子区域的可行路线集合或者第一目标子区域对应的可行路线的终点集合为空，则利用预设搜索算法对所述当前子区域的可行换道序列搜索模型进行求解，得到当前子区域的可行换道序列集合。
5.如权利要求1所述方法，其中，所述可行换道序列集合包括多个可行换道序列，所述根据所述当前车辆在预设路口区域的可行换道序列集合和所述预设路口区域的交通流量信息，确定所述当前车辆在所述路口区域的最优换道序列包括：
根据所述预设路口区域的交通流量信息确定各个可行换道序列对应的总通行成本；
根据各个可行换道序列对应的总通行成本确定所述当前车辆在所述路口区域的最优换道序列。
6.如权利要求5所述方法，其中，所述根据所述预设路口区域的交通流量信息确定各个可行换道序列对应的总通行成本包括：
根据所述预设路口区域的交通流量信息确定各个可行换道序列对应的交通效率成本；
根据各个可行换道序列对应的换道次数和单次换道成本确定各个可行换道序列对应的总换道成本；
根据各个可行换道序列对应的交通效率成本和总换道成本确定各个可行换道序列对应的总通行成本。
7.一种车辆的路口通行决策装置，其中，所述装置包括：
获取单元，用于获取路侧设备发送的预设路口区域的可通行信息和交通流量信息；
修正单元，用于根据当前车辆的在所述预设路口区域的交通行为信息对所述预设路口区域的可通行信息进行修正，得到修正后的可通行信息；
第一确定单元，用于根据所述修正后的可通行信息构建可行换道序列搜索模型，并根据所述可行换道序列搜索模型确定当前车辆在预设路口区域的可行换道序列集合；
第二确定单元，用于根据所述当前车辆在预设路口区域的可行换道序列集合和所述预设路口区域的交通流量信息，确定所述当前车辆在所述路口区域的最优换道序列，以根据所述最优换道序列实现在所述预设路口区域的通行；
所述预设路口区域包括最接近路口位置的目标子区域，所述预设路口区域的可通行信息包括预设路口区域的各个车道的交通行为信息，所述修正单元具体用于：
将当前车辆的在所述预设路口区域的交通行为信息与所述最接近路口位置的目标子区域的各个车道的交通行为信息进行比较；
根据比较结果确定所述最接近路口位置的目标子区域的各个车道的交通行为信息与所述当前车辆的在所述预设路口区域的交通行为信息是否相符；
若相符，则确定所述最接近路口位置的目标子区域的车道的可通行信息为可通行；
否则，则确定所述最接近路口位置的目标子区域的车道的可通行信息为不可通行。
8.一种车辆的路口通行决策系统，其中，所述车辆的路口通行决策系统包括当前车辆和路侧设备，所述当前车辆用于执行权利要求1~6之任一所述方法，所述路侧设备具体用于执行：
获取路侧感知信息和云平台发送的交通信息；
根据所述路侧感知信息和所述云平台发送的交通信息确定所述预设路口区域的可通行信息；
根据所述路侧感知信息确定所述预设路口区域的交通流量信息；
将预设路口区域的可通行信息和交通流量信息发送给所述当前车辆。
9.一种电子设备，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行所述权利要求1~6之任一所述方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310841982.6A CN116564097B (zh) | 2023-07-11 | 2023-07-11 | 车辆的路口通行决策方法、装置及系统、电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310841982.6A CN116564097B (zh) | 2023-07-11 | 2023-07-11 | 车辆的路口通行决策方法、装置及系统、电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116564097A CN116564097A (zh) | 2023-08-08 |
| CN116564097B true CN116564097B (zh) | 2023-10-03 |
Family
ID=87503922
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310841982.6A Active CN116564097B (zh) | 2023-07-11 | 2023-07-11 | 车辆的路口通行决策方法、装置及系统、电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116564097B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116834563B (zh) * | 2023-09-01 | 2023-11-10 | 中国电建集团昆明勘测设计研究院有限公司 | 一种有轨电车的通行优化方法、装置、设备及存储介质 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106327896A (zh) * | 2016-09-06 | 2017-01-11 | 中国第汽车股份有限公司 | 一种面向自动驾驶车辆的车道选择系统和方法 |
| CN110648549A (zh) * | 2019-09-24 | 2020-01-03 | 北京星云互联科技有限公司 | 基于车路协同的交通引导方法、设备、系统及存储介质 |
| CN110667578A (zh) * | 2018-12-29 | 2020-01-10 | 长城汽车股份有限公司 | 自动驾驶车辆的横向决策系统及横向决策确定方法 |
| CN112455445A (zh) * | 2020-12-04 | 2021-03-09 | 苏州挚途科技有限公司 | 自动驾驶的变道决策方法、装置和车辆 |
| CN114333354A (zh) * | 2021-11-30 | 2022-04-12 | 华人运通(上海)自动驾驶科技有限公司 | 路口调度方法和系统 |
| CN114613142A (zh) * | 2022-03-24 | 2022-06-10 | 长沙理工大学 | 一种基于规则的自动驾驶交叉口车辆换道控制方法 |
| CN115042788A (zh) * | 2022-06-01 | 2022-09-13 | 智道网联科技(北京)有限公司 | 交通路口通行方法、装置及电子设备、存储介质 |
| CN115402323A (zh) * | 2022-10-11 | 2022-11-29 | 华人运通(上海)自动驾驶科技有限公司 | 换道决策方法和电子设备 |
| CN115662131A (zh) * | 2022-10-26 | 2023-01-31 | 合肥工业大学 | 网联环境下道路事故路段的多车道协同换道方法 |
| CN116252817A (zh) * | 2023-04-25 | 2023-06-13 | 中国第一汽车股份有限公司 | 一种自动驾驶换道决策方法、装置、设备及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102491537B1 (ko) * | 2021-07-08 | 2023-01-26 | 포티투닷 주식회사 | 차량의 이동경로를 차선 레벨로 네비게이션하는 장치, 방법 및 서버 |
-
2023
- 2023-07-11 CN CN202310841982.6A patent/CN116564097B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106327896A (zh) * | 2016-09-06 | 2017-01-11 | 中国第汽车股份有限公司 | 一种面向自动驾驶车辆的车道选择系统和方法 |
| CN110667578A (zh) * | 2018-12-29 | 2020-01-10 | 长城汽车股份有限公司 | 自动驾驶车辆的横向决策系统及横向决策确定方法 |
| CN110648549A (zh) * | 2019-09-24 | 2020-01-03 | 北京星云互联科技有限公司 | 基于车路协同的交通引导方法、设备、系统及存储介质 |
| CN112455445A (zh) * | 2020-12-04 | 2021-03-09 | 苏州挚途科技有限公司 | 自动驾驶的变道决策方法、装置和车辆 |
| CN114333354A (zh) * | 2021-11-30 | 2022-04-12 | 华人运通(上海)自动驾驶科技有限公司 | 路口调度方法和系统 |
| CN114613142A (zh) * | 2022-03-24 | 2022-06-10 | 长沙理工大学 | 一种基于规则的自动驾驶交叉口车辆换道控制方法 |
| CN115042788A (zh) * | 2022-06-01 | 2022-09-13 | 智道网联科技(北京)有限公司 | 交通路口通行方法、装置及电子设备、存储介质 |
| CN115402323A (zh) * | 2022-10-11 | 2022-11-29 | 华人运通(上海)自动驾驶科技有限公司 | 换道决策方法和电子设备 |
| CN115662131A (zh) * | 2022-10-26 | 2023-01-31 | 合肥工业大学 | 网联环境下道路事故路段的多车道协同换道方法 |
| CN116252817A (zh) * | 2023-04-25 | 2023-06-13 | 中国第一汽车股份有限公司 | 一种自动驾驶换道决策方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116564097A (zh) | 2023-08-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7047089B2 (ja) | セルラーネットワークベース運転支援方法及び交通制御ユニット | |
| CN116564097B (zh) | 车辆的路口通行决策方法、装置及系统、电子设备 | |
| US20230070760A1 (en) | Method for generating real-time relative map, intelligent driving device, and computer storage medium | |
| CN111341136A (zh) | 一种基于车路协同的代客泊车方法、系统及存储介质 | |
| US20130179056A1 (en) | System for Constructing a Spanning Forest in a Vehicular Network | |
| CN115042788A (zh) | 交通路口通行方法、装置及电子设备、存储介质 | |
| CN112406905B (zh) | 基于交通工具的数据处理方法、装置、计算机及存储介质 | |
| CN104875740B (zh) | 用于管理跟随空间的方法、主车辆以及跟随空间管理单元 | |
| CN113409598A (zh) | 区域道路交通信号灯协同联动自适应配时方法及装置 | |
| CN113511215B (zh) | 一种混合自动驾驶决策方法、设备及计算机存储介质 | |
| Boubakri et al. | High definition map update for autonomous and connected vehicles: A survey | |
| CN114926988A (zh) | 一种路段拥堵疏导方法及设备 | |
| CN114915940B (zh) | 一种车路通信链路匹配方法、系统、设备及介质 | |
| CN114842659B (zh) | 一种交通拥堵疏导方法及装置 | |
| CN114964293A (zh) | 车辆的路径规划方法、装置及电子设备、存储介质 | |
| CN116167235A (zh) | 路网模型生成方法、装置及设备 | |
| CN113838285A (zh) | 一种车路协同环境下实现车辆群体决策的方法及装置 | |
| CN114677836A (zh) | 基于最小团覆盖的交叉路口多车协同方法及系统 | |
| CN113470353A (zh) | 一种交通等级确定方法、装置、存储介质及电子设备 | |
| CN113422797A (zh) | 一种用于车联网的更新地图的方法及系统 | |
| CN118025235B (zh) | 自动驾驶场景理解方法、装置及系统、电子设备 | |
| CN116847401B (zh) | 车联网测试方法、设备和可读存储介质 | |
| CN111486857A (zh) | 一种路网预测树构建方法、装置、电子设备及存储介质 | |
| WO2016177101A1 (zh) | 车与车通信的管理方法和装置 | |
| CN112525212B (zh) | 一种交通道路最可能路径生成方法及系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |