CN117382674A - 车辆行驶路径规划方法、设备及存储介质 - Google Patents
车辆行驶路径规划方法、设备及存储介质 Download PDFInfo
- Publication number
- CN117382674A CN117382674A CN202311589521.0A CN202311589521A CN117382674A CN 117382674 A CN117382674 A CN 117382674A CN 202311589521 A CN202311589521 A CN 202311589521A CN 117382674 A CN117382674 A CN 117382674A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- simulation
- state data
- vehicles
- vehicle state
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 95
- 238000013507 mapping Methods 0.000 claims abstract description 19
- 238000004088 simulation Methods 0.000 claims description 248
- 238000012545 processing Methods 0.000 claims description 42
- 238000012360 testing method Methods 0.000 claims description 32
- 230000008569 process Effects 0.000 claims description 22
- 238000011156 evaluation Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 7
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 24
- 238000004422 calculation algorithm Methods 0.000 description 22
- 238000005516 engineering process Methods 0.000 description 9
- 230000005540 biological transmission Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013499 data model Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
-
- 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
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/0097—Predicting future conditions
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供一种车辆行驶路径规划方法、设备及存储介质，通过获取本车辆的车辆状态数据、以及本车辆周围预设范围内其他车辆的车辆状态数据；根据所述本车辆的车辆状态数据、以及所述其他车辆的车辆状态数据，采用预设路径规划模型获取本车辆未来预设时长内的局部路径；将所述局部路径映射为车辆控制参数，并根据所述车辆控制参数控制本车辆的行驶。本申请在自动驾驶的实时路径规划中，考虑到本车辆周围预设范围内其他车辆的车辆状态数据，从而可以有效的规避本车辆与其他车辆在未来预设时长内可能发生的碰撞等事故，从而提高行驶的安全性。
Description
技术领域
本申请涉及车辆控制技术领域，尤其涉及一种车辆行驶路径规划方法、设备及存储介质。
背景技术
自动驾驶技术近些年来飞速发展，其核心目标是让车辆在没有人类干预的情况下自主地进行驾驶。要实现自动驾驶需要借助多种不同技术，包括传感器技术、计算机视觉等技术用于感知车辆周围环境，机器学习、深度学习、决策算法等方法用于车辆行为决策。
然而现有自动驾驶技术仍存在一定的安全性风险，多车局部路径规划算法作为自动驾驶技术决策层的重要算法类型之一能够确保车辆在复杂的交通环境中安全、高效地行驶，但是多车博弈算法需要多车辆之间的相互配合与数据计算，现有技术中很难实现多车辆之间的相互配合，尤其是多车辆之间无法通信，无法准确获取到其他车辆的车辆状态，影响自动驾驶技术的安全性。提高自动驾驶技术的安全性是亟待解决的问题。
发明内容
本申请提供一种车辆行驶路径规划方法、设备及存储介质，以提高自动驾驶的安全性。
第一方面，本申请提供一种车辆行驶路径规划方法，包括：
获取本车辆的车辆状态数据、以及本车辆周围预设范围内其他车辆的车辆状态数据；
根据所述本车辆的车辆状态数据、以及所述其他车辆的车辆状态数据，采用预设路径规划模型获取本车辆未来预设时长内的局部路径；
将所述局部路径映射为车辆控制参数，并根据所述车辆控制参数控制本车辆的行驶。
第二方面，本申请提供一种车辆行驶路径规划方法，应用于仿真环境中任一仿真车辆对应的客户端，所述方法包括：
在仿真环境中，获取本仿真车辆的车辆状态数据、以及本仿真车辆周围预设范围内其他仿真车辆的车辆状态数据；
根据本仿真车辆的车辆状态数据、以及所述其他仿真车辆的车辆状态数据，采用预设路径规划模型获取本仿真车辆未来预设时长内的局部路径；
将所述局部路径映射为车辆控制参数，并根据所述车辆控制参数控制本仿真车辆的行驶。
第三方面，本申请提供一种仿真系统，包括仿真环境的服务端、以及仿真环境中一辆或多辆仿真车辆对应的客户端；
其中任一仿真车辆对应的客户端可用于执行如第二方面所述的方法，且各仿真车辆所采用的预设路径规划模型相同或不相同。
第四方面，本申请提供一种车辆行驶路径规划装置，包括：
获取模块，用于获取本车辆的车辆状态数据、以及本车辆周围预设范围内其他车辆的车辆状态数据；
路径规划模块，用于根据所述本车辆的车辆状态数据、以及所述其他车辆的车辆状态数据，采用预设路径规划模型获取本车辆未来预设时长内的局部路径；
控制模块，用于将所述局部路径映射为车辆控制参数，并根据所述车辆控制参数控制本车辆的行驶。
第五方面，本申请提供一种车辆行驶路径规划装置，应用于仿真环境中任一仿真车辆对应的客户端，所述装置包括：
获取模块，用于在仿真环境中，获取本仿真车辆的车辆状态数据、以及本仿真车辆周围预设范围内其他仿真车辆的车辆状态数据；
路径规划模块，用于根据本仿真车辆的车辆状态数据、以及所述其他仿真车辆的车辆状态数据，采用预设路径规划模型获取本仿真车辆未来预设时长内的局部路径；
控制模块，用于将所述局部路径映射为车辆控制参数，并根据所述车辆控制参数控制本仿真车辆的行驶。
第六方面，本申请提供一种电子设备，包括：处理器，以及与所述处理器通信连接的存储器；
所述存储器存储计算机执行指令；
所述处理器执行所述存储器存储的计算机执行指令，以实现如第一方面所述的方法。
第七方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如第一方面所述的方法。
第八方面，本申请提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如第一方面所述的方法。
本申请提供的车辆行驶路径规划方法、设备及存储介质，通过获取本车辆的车辆状态数据、以及本车辆周围预设范围内其他车辆的车辆状态数据；根据所述本车辆的车辆状态数据、以及所述其他车辆的车辆状态数据，采用预设路径规划模型获取本车辆未来预设时长内的局部路径；将所述局部路径映射为车辆控制参数，并根据所述车辆控制参数控制本车辆的行驶。本申请在自动驾驶的实时路径规划中，考虑到本车辆周围预设范围内其他车辆的车辆状态数据，可以预测并不断更新当前时刻的未来预设时长内的局部路径，并基于当前时刻的未来预设时长内的局部路径及时做出相应的反应，从而可以有效的规避本车辆与其他车辆在未来预设时长内可能发生的碰撞等事故，从而提高行驶的安全性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
图1a为本申请一实施例提供的车辆行驶路径规划方法的应用场景示意图；
图1b为本申请另一实施例提供的车辆行驶路径规划方法的应用场景示意图；
图2为本申请一实施例提供的车辆行驶路径规划方法的流程图；
图3为本申请另一实施例提供的车辆行驶路径规划方法的流程图；
图4为本申请另一实施例提供的车辆行驶路径规划方法的流程图；
图5为本申请另一实施例提供的车辆行驶路径规划方法的流程图；
图6为本申请一实施例提供的车辆行驶路径规划装置的结构图；
图7为本申请一实施例提供的电子设备的结构图。
通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
本申请提供一种车辆行驶路径规划方法，可以应用于真实场景中，本申请通过获取本车辆的车辆状态数据、以及本车辆周围预设范围内其他车辆的车辆状态数据；根据所述本车辆的车辆状态数据、以及所述其他车辆的车辆状态数据，采用预设路径规划模型获取本车辆未来预设时长内的局部路径；将所述局部路径映射为车辆控制参数，并根据所述车辆控制参数控制本车辆的行驶。在自动驾驶的实时路径规划中，考虑到本车辆周围预设范围内其他车辆的车辆状态数据，可以预测并不断更新当前时刻的未来预设时长内的局部路径，并基于当前时刻的未来预设时长内的局部路径及时做出相应的反应，从而可以有效的规避本车辆与其他车辆在未来预设时长内可能发生的碰撞等事故，从而提高行驶的安全性。
本申请提供的车辆行驶路径规划方法，也可应用在仿真环境中，由于多车博弈算法需要多车辆之间的相互配合与数据计算，使用实际车辆进行测试在算法研发初期阶段往往不具备可行性，因此需要使用仿真软件实现多车局部路径规划算法的测试，并逐步优化提升。另一方面，利用仿真软件进行测试能够从全局视角准确获取每一辆车的坐标、速度、车辆前轮转角等信息，也即在仿真软件中任一仿真车辆均可准确到获取到本仿真车辆以及本仿真车辆周围预设范围内其他仿真车辆的车辆状态数据，作为本仿真车辆的路径规划模型的输入，使得研发人员能够专注于路径规划模型算法求解上，默认数据来源具有准确性。
而考虑到现有的自动驾驶的仿真软件中，通常会预先配置好特定的自动驾驶场景环境，包括除了待测试的仿真车辆之外每一其他仿真车的行驶轨迹等，而待测试的仿真车辆采用局部路径规划算法来规划局部路径，来测试待测试的仿真车辆是否与其他仿真车辆发生碰撞，现有仿真软件中其他车辆无法自由灵活控制，无法很好的模拟真实场景中人为控制的真实车辆，影响测试的准确性和鲁棒性，为了解决上述问题，本申请中仿真环境中不同仿真车辆可对应不同的客户端，由不同的客户端进行控制，可采用相同或不同的路径规划模型，对于任一仿真车辆对应的客户端，通过获取本仿真车辆的车辆状态数据、以及本仿真车辆周围预设范围内其他仿真车辆的车辆状态数据；根据本仿真车辆的车辆状态数据、以及所述其他仿真车辆的车辆状态数据，采用预设路径规划模型获取本仿真车辆未来预设时长内的局部路径；将所述局部路径映射为车辆控制参数，并根据所述车辆控制参数控制本仿真车辆的行驶。在自动驾驶的仿真测试中，考虑到本仿真车辆周围预设范围内其他仿真车辆的车辆状态数据，从而可有效的规避本仿真车辆与其他仿真车辆在未来预设时长内可能发生的碰撞等事故，仿真环境中不同仿真车辆可对应不同的客户端，可以更好的模拟实际道路中人为控制的真实车辆，提高仿真效果，并且充分利用仿真测试低成本、可复现、数据采集分析容易等特点，可支持大规模测试以及从多个方面进行数据分析和模型测评。
本申请提供的车辆行驶路径规划方法在应用于真实场景时，具体的应用场景的一个实施例如图1a所示，在真实场景中本车辆的电控单元(ECU)等电子设备可以基于本车辆上搭载有各类传感器，如摄像头、激光雷达等等，采集周围环境数据，通过目标识别、视觉定位等算法对周围环境数据进行处理，获取本车辆周围预设范围内其他车辆的车辆状态数据，或者也可以从服务端获取本车辆周围预设范围内其他车辆的车辆状态数据，进而根据本车辆的车辆状态数据、本车辆周围预设范围内其他车辆的车辆状态数据以及预设路径规划模型，获取本车辆未来预设时长内的局部路径；再将局部路径映射为车辆控制参数，并根据车辆控制参数控制本车辆的行驶。
在一些优选实施例中，真实场景下的系统可以为包括一辆或多辆车辆的分布式系统；其中在分布式系统中的车辆间可以进行车对车通信，本车辆可以通过车对车通信从本车辆周围预设范围内其他车辆获取其各自的车辆状态数据。其中车对车通信可以是实时建立的，也可以预先建立，或者通过其他可能的方式建立车对车通信，本申请中不限定如何建立车对车通信的方式，也不限定车对车通信采用何种通信方式。
在一些优选实施例中，本车辆周围预设范围内其他车辆的车辆状态数据，也可采用上述各种获取方式的组合来获取，可选的，针对不同的车辆可能采用不同的方式；可选的，在本车辆周围预设范围内其他车辆的车辆状态数据中，针对不同种类的车辆状态数据也可能采用不同的方式，例如一些种类的车辆状态数据可通过传感器的方式获取，一些种类的车辆状态数据可通过车对车通信的方式获取，一些种类的车辆状态数据可从服务端获取。当然，各种获取方式的组合并不限于上述举例，还可以存在其他可能的组合，如不同车辆的不同种类的车辆数据采用不同的获取方式等等，其他任意可能的组合方式均在本申请的保护范围内。
本申请提供的车辆行驶路径规划方法在应用于仿真环境时，具体的仿真系统的一个实施例如图1b所示，包括仿真环境的服务端、以及仿真环境中一辆或多辆仿真车辆对应的客户端，服务端可提供仿真环境，客户端可根据仿真环境提供的自定义API接口完成仿真车辆在仿真环境道路中的构建，还可获取本仿真车辆的车辆状态数据、以及本仿真车辆周围预设范围内其他仿真车辆的车辆状态数据；根据本仿真车辆的车辆状态数据、本仿真车辆周围预设范围内其他仿真车辆的车辆状态数据以及预设路径规划模型，获取本仿真车辆未来预设时长内的局部路径；再将局部路径映射为车辆控制参数，并根据车辆控制参数控制本仿真车辆的行驶。
可选的，预设路径规划模型可部署在客户端上，也可运行在处理设备中，客户端可以将本车辆的车辆状态数据、以及其他车辆的车辆状态数据通过Socket接口等传输方式传输给处理设备，处理设备上部署有预设路径规划模型，处理设备可根据客户端传输的本车辆的车辆状态数据、以及其他车辆的车辆状态数据，采用预设路径规划模型获取本车辆未来预设时长内的局部路径，再通过Socket接口等传输方式传输给客户端。其中，每一客户端可对一个处理设备，当然可以多个客户端对应一个处理设备。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。
图2为本申请的一个实施例的车辆行驶路径规划方法流程图。本实施例提供了一种车辆行驶路径规划方法，执行主体可以为真实场景中车辆的电控单元(ECU)等电子设备，该车辆行驶路径规划方法具体步骤如下：
S201、获取本车辆的车辆状态数据、以及本车辆周围预设范围内其他车辆的车辆状态数据。
在本实施例中，在真实的自动驾驶场景中，本车辆的电控单元(ECU)可以获取到本车辆的车辆状态数据，也需要获取本车辆周围预设范围内其他车辆(还可包括行人、障碍物等)的车辆状态数据，其中车辆状态数据包括但不限于以下一项或多项：车辆位置、车辆移动速度、车辆前轮转角等。
可选的，本车辆的车辆状态数据可从车辆的电控单元(ECU)自身获取。
可选的，本车辆周围预设范围内其他车辆的车辆状态数据，可基于本车辆上搭载有各类传感器，如摄像头、激光雷达等等，采集周围环境数据，通过目标识别、视觉定位等算法对周围环境数据进行处理，获取本车辆周围预设范围内其他车辆的车辆状态数据，其中目标识别、视觉定位等算法可采用任意可实现的算法，此处不做限定，预设范围可以是固定范围，也可以动态变化，例如根据路况、天气、时间等因素动态调整预设范围。
可选的，本车辆也可从服务端获取本车辆周围预设范围内其他车辆的车辆状态数据，服务端中可以维护每一车辆的车辆状态数据，可以是由每一车辆的电控单元(ECU)将本车辆和/或其他车辆的状态数据上传到服务端，也可以是服务端通过道路中设置的传感器(例如设置在道路上的摄像头、激光雷达等)采集得到每一车辆的车辆状态数据，当然也可采用其他方法获取每一车辆的车辆状态数据，此处不做限制。
可选的，本车辆与本车辆周围预设范围内其他车辆的车辆之间存在车对车通信，本车辆可以通过车对车通信从本车辆周围预设范围内其他车辆获取其各自的车辆状态数据。其中车对车通信可以是实时建立的，也可以预先建立，或者通过其他可能的方式建立车对车通信，本实施例中不限定如何建立车对车通信的方式，也不限定车对车通信采用何种通信方式。
可选的，在不冲突的情况下，本车辆周围预设范围内其他车辆的车辆状态数据，也可采用上述各种获取方式的组合来获取，可选的，针对不同的车辆可能采用不同的方式，例如本车辆周围预设范围内的车辆A的车辆状态数据可以通过传感器的方式获取，车辆B的车辆状态数据可以通过车对车通信的方式获取；可选的，本车辆周围预设范围内其他车辆的车辆状态数据中，针对不同种类的车辆状态数据也可能采用不同的方式，例如车辆位置(如与本车辆的相对位置)可通过传感器的方式获取，车辆移动速度以及车辆前轮转角可以通过车对车通信的方式获取等。当然，基于上述实施例中的各种获取方式的组合并不限于上述举例，其他任意可能的组合方式均在本申请的保护范围内。
S202、根据所述本车辆的车辆状态数据、以及所述其他车辆的车辆状态数据，采用预设路径规划模型获取本车辆未来预设时长内的局部路径。
在本实施例中，在获取到本车辆的车辆状态数据、以及本车辆周围预设范围内其他车辆的车辆状态数据后，可基于预设路径规划模型进行局部路径规划，其中局部路径相对于全局路径而言的，全局路径是本车辆从起点到终点所选择的道路(例如常规的导航)，而局部路径是在本车辆基于全局路径行驶时根据周围预设范围内其他车辆来选择行驶路线以避让周围其他车辆(还可包括行人、障碍物等)，例如正常行驶、变道、超车等行驶路线。其中，预设路径规划模型可以为博弈论算法模型、深度学习模型或其他轨迹求解算法模型，此处不做限制，可以使用但不限于Julia、Python、Java等语言开发。预设路径规划模型可以预测本车辆周围预设范围内其他车辆未来预设时长内的轨迹，也可规划本车辆未来预设时长内的局部路径。
可选的，若本车辆周围预设范围内没有其他车辆时，无需通过预设路径规划模型来规划局部路径，本车辆可根据全局路径进行行驶，或者根据其他可行的路径进行行驶；若本车辆周围预设范围内有其他车辆时，也就代表着本车辆可能与其他车辆存在碰撞非风险，需要通过预设路径规划模型来规划局部路径以进行规避。
可选的，由于自动驾驶车辆在实际行驶过程中具备一定行驶速度，对于突发情况，预设路径规划模型需要做出快速反映，因此可以使用高性能的处理设备运行预设路径规划模型，其中本车辆的电控单元(ECU)可以与处理设备部署于同一主机中，也可以分别部署，通过网络链路等方式进行数据通信，例如通过Socket接口进行数据通信，所传输的数据可采用特定的格式规范。具体的，本车辆的电控单元(ECU)可以将本车辆的车辆状态数据、以及其他车辆的车辆状态数据通过Socket接口等传输方式传输给处理设备，处理设备上部署有预设路径规划模型，处理设备可根据电控单元(ECU)传输的本车辆的车辆状态数据、以及其他车辆的车辆状态数据，采用预设路径规划模型获取本车辆未来预设时长内的局部路径，再通过Socket接口等传输方式传输给本车辆的电控单元(ECU)。
S203、将所述局部路径映射为车辆控制参数，并根据所述车辆控制参数控制本车辆的行驶。
在本实施例中，由于局部路径通常为轨迹，因此本车辆的电控单元(ECU)还需要将局部路径映射为车辆控制参数，例如将局部路径通过PID(Proportional IntegralDerivative，比例+积分+微分)、MPC(Model Predictive Control，模型预测控制)或者映射表等方式转化为油门、前轮转角、刹车等车辆控制参数，进而根据车辆控制参数控制本车辆的行驶。
需要说明的是，上述实施例中在获取本车辆的车辆状态数据、以及本车辆周围预设范围内其他车辆的车辆状态数据时，可获取本车辆的实时车辆状态数据、以及本车辆周围预设范围内其他车辆的实时车辆状态数据，进而根据本车辆的实时车辆状态数据、以及本车辆周围预设范围内其他车辆的实时车辆状态数据，采用预设路径规划模型可以实时更新本车辆未来预设时长内的局部路径，而基于不断更新的未来预设时长内的局部路径，本车辆可不断调整车辆控制参数，调整本车辆的行驶，从而及时响应本车辆的实时车辆状态数据、以及本车辆周围预设范围内其他车辆的实时车辆状态数据的变化，实现本车辆实时的控制，有效的规避本车辆与其他车辆在未来预设时长内可能发生的碰撞等事故，从而提高行驶的安全性。
本实施例提供的车辆行驶路径规划方法，通过获取本车辆的车辆状态数据、以及本车辆周围预设范围内其他车辆的车辆状态数据；根据所述本车辆的车辆状态数据、以及所述其他车辆的车辆状态数据，采用预设路径规划模型获取本车辆未来预设时长内的局部路径；将所述局部路径映射为车辆控制参数，并根据所述车辆控制参数控制本车辆的行驶。本实施例在自动驾驶的路径规划中，考虑到本车辆周围预设范围内其他车辆的车辆状态数据，可以预测并不断更新当前时刻的未来预设时长内的局部路径，并基于当前时刻的未来预设时长内的局部路径及时做出相应的反应，从而可以有效的规避本车辆与其他车辆在未来预设时长内可能发生的碰撞等事故，从而提高行驶的安全性。
图3为本申请的一个实施例的车辆行驶路径规划方法流程图。本实施例提供了一种车辆行驶路径规划方法，其应用场景为仿真场景，可采用仿真系统，仿真系统可以如图1b所示，包括仿真环境的服务端(或仿真测试平台)、以及仿真环境中一辆或多辆仿真车辆对应的客户端。
其中仿真环境的服务端(或仿真测试平台)，提供仿真环境下自动驾驶的测试功能，仿真环境可采用任意可行的仿真软件，在仿真环境中需要具备一些车辆模型、传感器以及对应的控制接口，提供给车辆客户端调用，完成车辆的构建、控制、状态读取以及销毁。仿真车辆模型与传感器可以是仿真软件本身具备的，也可以通过自主设计构建的模型再嵌入到仿真环境中作为仿真软件的一部分。
仿真车辆对应的客户端，根据仿真环境提供的自定义API接口或者仿真软件具备的API接口完成待测试的仿真车辆在仿真环境道路中的构建。每一个客户端接入到仿真环境中，都代表着一个仿真车辆的生成，在生成仿真车辆时还可指定仿真车辆的生成位置(起始位置)等信息，而客户端断开连接也就代表着仿真车辆的销毁，不同的仿真车辆可对应不同的客户端，用于模拟实际道路中人为控制的真实车辆；并且通过API接口，客户端可以获得仿真环境的所有参数信息，特别是客户端对应的本仿真车辆的车辆状态数据，也可获取由其他客户端创建的仿真车辆的车辆状态数据，包括车辆坐标、车辆移动速度、车辆前轮转角等参数。客户端根据需求，对本仿真车辆周围预设范围内其他仿真车辆，或者同向运行的仿真车辆的车辆状态数据进行采集，之后再通过预设路径规划模型，规划本仿真车辆未来预设时长内的局部路径，客户端再根据局部路径，利用仿真环境对外接口，通过油门、前轮转角或者其他控制参数实现仿真车辆的控制。
可选地，每一客户端对应一辆仿真车辆，不同的仿真车辆所采用的预设路径规划模型可以相同，也可不相同，从而实现对称/非对称算法测试，客户端可根据实际测试需求选择所使用的预设路径规划模型。
可选的，预设路径规划模型可部署在客户端上，但是考虑到由于仿真车辆在仿真测试过程中具备一定行驶速度，对于突发情况，预设路径规划模型需要做出快速反映，因此可以使用高性能的处理设备运行预设路径规划模型，其中客户端可以与处理设备部署于同一主机中，也可以分别部署，通过网络链路等方式进行数据通信，例如通过Socket接口进行数据通信，所传输的数据可采用特定的格式规范。具体的，客户端可以将本车辆的车辆状态数据、以及其他车辆的车辆状态数据通过Socket接口等传输方式传输给处理设备，处理设备上部署有预设路径规划模型，处理设备可根据客户端传输的本车辆的车辆状态数据、以及其他车辆的车辆状态数据，采用预设路径规划模型获取本车辆未来预设时长内的局部路径，再通过Socket接口等传输方式传输给客户端。其中，每一客户端可对一个处理设备，当然可以多个客户端对应一个处理设备。
本实施例提供的车辆行驶路径规划方法，可应用于仿真环境中任一仿真车辆对应的客户端，该车辆行驶路径规划方法具体步骤如下：
S301、在仿真环境中，获取本仿真车辆的车辆状态数据、以及本仿真车辆周围预设范围内其他仿真车辆的车辆状态数据。
在本实施例中，在仿真环境中，当前的客户端接入仿真环境创建本仿真车辆后，客户端可以获取到本仿真车辆的车辆状态数据，也需要获取本仿真车辆周围预设范围内其他仿真车辆(还可包括仿真行人、仿真障碍物等)的车辆状态数据，其中车辆状态数据包括但不限于以下一项或多项：车辆位置、车辆移动速度、车辆前轮转角等。
可选的，本仿真车辆的车辆状态数据可在仿真环境中获取。
可选的，本仿真车辆周围预设范围内其他仿真车辆的车辆状态数据，可基于本仿真车辆上搭载有各类传感器，如摄像头、激光雷达等等，采集周围仿真环境数据，通过目标识别、视觉定位等算法对周围仿真环境数据进行处理，获取本仿真车辆周围预设范围内其他仿真车辆的车辆状态数据，其中目标识别、视觉定位等算法可采用任意可实现的算法，此处不做限定，预设范围可以是固定范围，也可以动态变化，例如根据路况、天气、时间等因素动态调整预设范围。
可选的，也可从服务端获取本仿真车辆周围预设范围内其他仿真车辆的车辆状态数据，其中服务端可以获取仿真环境中每一仿真车辆的车辆状态数据，客户端可通过仿真环境提供的接口获取本仿真车辆周围预设范围内其他仿真车辆的车辆状态数据，也可获取到其他的当前道路数据。
S302、根据本仿真车辆的车辆状态数据、以及所述其他仿真车辆的车辆状态数据，采用预设路径规划模型获取本仿真车辆未来预设时长内的局部路径。
在本实施例中，在获取到本仿真车辆的车辆状态数据、以及本仿真车辆周围预设范围内其他仿真车辆的车辆状态数据后，可基于预设路径规划模型进行局部路径规划，其中局部路径相对于全局路径而言的，全局路径是本仿真车辆从起点到终点所选择的道路(例如常规的导航)，而局部路径是在本仿真车辆基于全局路径行驶时根据周围预设范围内其他仿真车辆来选择行驶路线以避让周围其他仿真车辆(还可包括仿真行人、仿真障碍物等)，例如正常行驶、变道、超车等行驶路线。其中，预设路径规划模型可以为博弈论算法模型、深度学习模型或其他轨迹求解算法模型，此处不做限制。预设路径规划模型可以预测本仿真车辆周围预设范围内其他仿真车辆未来预设时长内的轨迹，也可规划本仿真车辆未来预设时长内的局部路径。
可选的，若本仿真车辆周围预设范围内没有其他仿真车辆时，无需通过预设路径规划模型来规划局部路径，本仿真车辆可根据全局路径进行行驶，或者根据其他可行的路径进行行驶；若本仿真车辆周围预设范围内有其他仿真车辆时，也就代表着本仿真车辆可能与其他仿真车辆存在碰撞非风险，需要通过预设路径规划模型来规划局部路径以进行规避。
可选的，在通过单独的处理设备运行预设路径规划模型的情况中，如图4所示，客户端可以通过网络链路等方式与处理设备进行数据通信，例如通过Socket接口进行数据通信，所传输的数据可采用特定的格式规范。具体的，客户端可以将本仿真车辆的车辆状态数据、以及其他仿真车辆的车辆状态数据通过Socket接口等传输方式传输给处理设备，处理设备上部署有预设路径规划模型，处理设备可根据本仿真车辆的车辆状态数据、以及其他仿真车辆的车辆状态数据，采用预设路径规划模型获取本仿真车辆未来预设时长内的局部路径，再通过Socket接口等传输方式传输给客户端。
需要说明的是，预设路径规划模型对于其他仿真车辆后续轨迹虽然同样具备预测能力，但是自动驾驶车辆并不一定具备控制其他车辆或者与其他车辆进行网络通信的能力，因此这些数据将只会被用于模型预测能力以及安全性分析。
S303、将所述局部路径映射为车辆控制参数，并根据所述车辆控制参数控制本仿真车辆的行驶。
在本实施例中，由于局部路径通常为轨迹，因此客户端还需要将局部路径映射为车辆控制参数，例如将局部路径通过PID(Proportional Integral Derivative，比例+积分+微分)、MPC(Model Predictive Control，模型预测控制)或者映射表等方式转化为油门、前轮转角、刹车等车辆控制参数，进而利用仿真环境对外接口，根据车辆控制参数控制本仿真车辆的行驶。
在本仿真车辆行驶过程中客户端可对本仿真车辆的各种数据(如各种车辆状态数据)进行记录，以用于后续数据分析和模型测评，此外也会检测本仿真车辆是否已经到达目标位置，或者是否已经发生碰撞。
本实施例提供的车辆行驶路径规划方法，通过在仿真环境中，获取本仿真车辆的车辆状态数据、以及本仿真车辆周围预设范围内其他仿真车辆的车辆状态数据；根据本仿真车辆的车辆状态数据、以及所述其他仿真车辆的车辆状态数据，采用预设路径规划模型获取本仿真车辆未来预设时长内的局部路径；将所述局部路径映射为车辆控制参数，并根据所述车辆控制参数控制本仿真车辆的行驶。本实施例在自动驾驶的仿真测试中，考虑到本仿真车辆周围预设范围内其他仿真车辆的车辆状态数据，从而可有效的规避本仿真车辆与其他仿真车辆在未来预设时长内可能发生的碰撞等事故，仿真环境中不同仿真车辆可对应不同的客户端，可以更好的模拟实际道路中人为控制的真实车辆，提高仿真效果，并且充分利用仿真测试低成本、可复现、数据采集分析容易等特点，可支持大规模测试以及从多个方面进行数据分析和模型测评。
在上述实施例的基础上，在本仿真车辆行驶过程中所述方法还可包括：
检测本仿真车辆是否已经到达目标位置，或者是否已经发生碰撞；
若检测到本仿真车辆已经到达目标位置，或者已经发生碰撞，则结束本次测试；
调整所述预设路径规划模型的参数，重新开始测试。
在本实施例中，在单次测试中，若检测到本仿真车辆已经到达目标位置，或者已经发生碰撞，则作为本次测试结束的标识，否则，继续执行上述车辆行驶路径规划方法的过程，直至本仿真车辆已经到达目标位置，或者已经发生碰撞。在本次测试结束后，可调整预设路径规划模型的参数，包括但不限于模型参数、模型中各类约束函数的权重值、本仿真车辆的起始位置、调整模型的干扰噪声等，然后重新开始测试，也即重新执行S301-S303。
在本实施例中，客户端可通过仿真环境提供的接口跟踪本仿真车辆的轨迹，检测本仿真车辆是否已经到达目标位置，或者是否已经发生碰撞。
在上述任一实施例的基础上，所述方法还包括：
根据对本仿真车辆行驶过程的测试结果以及行驶过程中获取到的各种数据，获取对所述预设路径规划模型的评价指标。
在本实施例中，在经过多轮测试后，可根据测试结果以及行驶过程中获取到的各种数据，进行数据分析，获取对预设路径规划模型的评价指标，所述评价指标包括但不限于以下至少一项：在易碰撞道路环境下车辆安全通过率、碰撞规避比例、车辆之间安全距离、行驶过程中加速度变化情况、行驶过程中速度变化情况，再次基础上，还可进行模型参数的调整。
图5为本申请的一个实施例的车辆行驶路径规划装置的结构图。本实施例提供的车辆行驶路径规划装置可以执行车辆行驶路径规划方法实施例提供的处理流程，如图5所示，所述车辆行驶路径规划装置500包括：获取模块501、路径规划模块502、控制模块503。
获取模块501，用于获取本车辆的车辆状态数据、以及本车辆周围预设范围内其他车辆的车辆状态数据；
路径规划模块502，用于根据所述本车辆的车辆状态数据、以及所述其他车辆的车辆状态数据，采用预设路径规划模型获取本车辆未来预设时长内的局部路径；
控制模块503，用于将所述局部路径映射为车辆控制参数，并根据所述车辆控制参数控制本车辆的行驶。
在本申请的一个或多个实施例中，所述获取模块501在获取本车辆周围预设范围内其他车辆的车辆状态数据时，用于：
通过本车辆上配置的传感器采集周围环境数据，并根据周围环境数据获取本车辆周围预设范围内其他车辆的车辆状态数据；和/或
从服务端获取本车辆周围预设范围内其他车辆的车辆状态数据。
在本申请的一个或多个实施例中，所述车辆状态数据包括以下一项或多项：车辆位置、车辆移动速度、车辆前轮转角。
在本申请的一个或多个实施例中，所述获取模块501在获取本车辆的车辆状态数据、以及本车辆周围预设范围内其他车辆的车辆状态数据时，用于：
获取本车辆的实时车辆状态数据、以及本车辆周围预设范围内其他车辆的实时车辆状态数据；
所述路径规划模块502在根据所述本车辆的车辆状态数据、以及所述其他车辆的车辆状态数据，采用预设路径规划模型获取本车辆未来预设时长内的局部路径时，用于：
根据所述本车辆的实时车辆状态数据、以及本车辆周围预设范围内其他车辆的实时车辆状态数据，采用预设路径规划模型实时更新本车辆未来预设时长内的局部路径。
在本申请的一个或多个实施例中，所述路径规划模块502在根据本车辆的车辆状态数据、所述其他车辆的车辆状态数据以及预设路径规划模型，获取本车辆未来预设时长内的局部路径时，用于：
将本车辆的车辆状态数据、以及所述其他车辆的车辆状态数据传输给处理设备，所述处理设备上部署有所述预设路径规划模型，用于根据输入的本仿真车辆的车辆状态数据、以及所述其他车辆的车辆状态数据输出本车辆未来预设时长内的局部路径；
接收所述处理设备发送的本车辆未来预设时长内的局部路径。
本申请实施例的车辆行驶路径规划装置可用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
图6为本申请的一个实施例的车辆行驶路径规划装置的结构图。本实施例提供的车辆行驶路径规划装置可以执行仿真环境中车辆行驶路径规划方法实施例提供的处理流程，应用于仿真环境中任一仿真车辆对应的客户端，如图6所示，所述车辆行驶路径规划装置600包括：获取模块601、路径规划模块602、控制模块603。
获取模块601，用于在仿真环境中，获取本仿真车辆的车辆状态数据、以及本仿真车辆周围预设范围内其他仿真车辆的车辆状态数据；
路径规划模块602，用于根据本仿真车辆的车辆状态数据、以及所述其他仿真车辆的车辆状态数据，采用预设路径规划模型获取本仿真车辆未来预设时长内的局部路径；
控制模块603，用于将所述局部路径映射为车辆控制参数，并根据所述车辆控制参数控制本仿真车辆的行驶。
在本申请的一个或多个实施例中，所述获取模块601在获取本仿真车辆周围预设范围内其他仿真车辆的车辆状态数据时，用于：
通过本仿真车辆上配置的仿真传感器采集周围仿真环境数据，并根据周围仿真环境数据获取本仿真车辆周围预设范围内其他仿真车辆的车辆状态数据；和/或
通过仿真环境接口从服务端获取本仿真车辆周围预设范围内其他仿真车辆的车辆状态数据。
在本申请的一个或多个实施例中，所述路径规划模块602在根据本仿真车辆的车辆状态数据、以及所述其他仿真车辆的车辆状态数据，采用预设路径规划模型获取本仿真车辆未来预设时长内的局部路径时，用于：
将本仿真车辆的车辆状态数据、以及所述其他仿真车辆的车辆状态数据传输给处理设备，所述处理设备上部署有所述预设路径规划模型，用于根据输入的本仿真车辆的车辆状态数据、以及所述其他仿真车辆的车辆状态数据输出本仿真车辆未来预设时长内的局部路径；
接收所述处理设备发送的本仿真车辆未来预设时长内的局部路径。
在本申请的一个或多个实施例中，所述控制模块603还用于：
检测本仿真车辆是否已经到达目标位置，或者是否已经发生碰撞；
若检测到本仿真车辆已经到达目标位置，或者已经发生碰撞，则结束本次测试；
调整所述预设路径规划模型的参数，重新开始测试。
在本申请的一个或多个实施例中，所述控制模块603还用于：
根据对本仿真车辆行驶过程的测试结果以及行驶过程中获取到的各种数据，获取对所述预设路径规划模型的评价指标，所述评价指标包括以下至少一项：在易碰撞道路环境下车辆安全通过率、碰撞规避比例、车辆之间安全距离、行驶过程中加速度变化情况、行驶过程中速度变化情况。
在本申请的一个或多个实施例中，在获取本仿真车辆的车辆状态数据、以及本仿真车辆周围预设范围内其他仿真车辆的车辆状态数据前，所述控制模块603还用于：
通过仿真环境接口在所述仿真环境中创建本仿真车辆。
本申请实施例的车辆行驶路径规划装置可用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
图7示出了本申请实施例提供的一种电子设备的硬件结构示意图。如图7所示，该电子设备700，用于实现上述任一方法实施例中对应于电子设备的操作，本实施例的电子设备700可以包括：存储器701，处理器702和通讯接口703。
存储器701，用于存储计算机执行指令。该存储器701可能包含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(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器，还可以为U盘、移动硬盘、只读存储器、磁盘或光盘等。
处理器702，用于执行存储器存储的计算机执行指令，以实现上述实施例中的方法，具体可以参见前述方法实施例中的相关描述。该处理器702可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)等。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。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
可选的，存储器701既可以是独立的，也可以跟处理器702集成在一起。当存储器701是独立于处理器702之外的器件时，电子设备700还可以包括总线。该总线用于连接存储器701和处理器702。该总线可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外部设备互连(Peripheral Component Interconnect，PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture，EISA)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，本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
通讯接口703，用于接收或发送车辆行驶路径规划方法中涉及到的各种数据和/或指令。
本实施例提供的电子设备可用于执行上述实施例中真实场景或仿真环境中的车辆行驶路径规划方法，其实现方式和技术效果类似，本实施例此处不再赘述。也即，本实施例中的电子设备可以是真实场景中车辆的电控单元(ECU)，或者仿真环境中任一仿真车辆对应的客户端。
另外，本实施例还提供一种计算机可读存储介质，其上存储有计算机执行指令，所述计算机执行指令被处理器执行以实现上述实施例所述的方法。
另外，本实施例还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行以实现上述实施例所述的方法。
在本申请实施例所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请实施例各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本申请实施例各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
以上各实施例仅用以说明本申请实施例的技术方案，而非对其限制；尽管参照前述各实施例对本申请实施例进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请实施例各实施例技术方案的范围。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求书指出。
应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。
Claims (18)
1.一种车辆行驶路径规划方法，其特征在于，包括：
获取本车辆的车辆状态数据、以及本车辆周围预设范围内其他车辆的车辆状态数据；
根据所述本车辆的车辆状态数据、以及所述其他车辆的车辆状态数据，采用预设路径规划模型获取本车辆未来预设时长内的局部路径；
将所述局部路径映射为车辆控制参数，并根据所述车辆控制参数控制本车辆的行驶。
2.根据权利要求1所述的方法，其特征在于，所述获取本车辆周围预设范围内其他车辆的车辆状态数据，包括：
通过本车辆上配置的传感器采集周围环境数据，并根据周围环境数据获取本车辆周围预设范围内其他车辆的车辆状态数据；和/或
从服务端获取本车辆周围预设范围内其他车辆的车辆状态数据。
3.根据权利要求1或2所述的方法，其特征在于，所述车辆状态数据包括以下一项或多项：车辆位置、车辆移动速度、车辆前轮转角。
4.根据权利要求1或2所述的方法，其特征在于，所述获取本车辆的车辆状态数据、以及本车辆周围预设范围内其他车辆的车辆状态数据，包括：
获取本车辆的实时车辆状态数据、以及本车辆周围预设范围内其他车辆的实时车辆状态数据；
所述根据所述本车辆的车辆状态数据、以及所述其他车辆的车辆状态数据，采用预设路径规划模型获取本车辆未来预设时长内的局部路径，包括：
根据所述本车辆的实时车辆状态数据、以及本车辆周围预设范围内其他车辆的实时车辆状态数据，采用预设路径规划模型实时更新本车辆未来预设时长内的局部路径。
5.根据权利要求1或2所述的方法，其特征在于，所述根据本车辆的车辆状态数据、以及所述其他车辆的车辆状态数据，采用预设路径规划模型获取本车辆未来预设时长内的局部路径，包括：
将本车辆的车辆状态数据、以及所述其他车辆的车辆状态数据传输给处理设备，所述处理设备上部署有所述预设路径规划模型，用于根据输入的本仿真车辆的车辆状态数据、以及所述其他车辆的车辆状态数据输出本车辆未来预设时长内的局部路径；
接收所述处理设备发送的本车辆未来预设时长内的局部路径。
6.一种车辆行驶路径规划方法，其特征在于，应用于仿真环境中任一仿真车辆对应的客户端，所述方法包括：
在仿真环境中，获取本仿真车辆的车辆状态数据、以及本仿真车辆周围预设范围内其他仿真车辆的车辆状态数据；
根据本仿真车辆的车辆状态数据、以及所述其他仿真车辆的车辆状态数据，采用预设路径规划模型获取本仿真车辆未来预设时长内的局部路径；
将所述局部路径映射为车辆控制参数，并根据所述车辆控制参数控制本仿真车辆的行驶。
7.根据权利要求6所述的方法，其特征在于，所述获取本仿真车辆周围预设范围内其他仿真车辆的车辆状态数据，包括：
通过本仿真车辆上配置的仿真传感器采集周围仿真环境数据，并根据周围仿真环境数据获取本仿真车辆周围预设范围内其他仿真车辆的车辆状态数据；和/或
通过仿真环境接口从服务端获取本仿真车辆周围预设范围内其他仿真车辆的车辆状态数据。
8.根据权利要求6或7所述的方法，其特征在于，所述根据本仿真车辆的车辆状态数据、以及所述其他仿真车辆的车辆状态数据，采用预设路径规划模型获取本仿真车辆未来预设时长内的局部路径，包括：
将本仿真车辆的车辆状态数据、以及所述其他仿真车辆的车辆状态数据传输给处理设备，所述处理设备上部署有所述预设路径规划模型，用于根据输入的本仿真车辆的车辆状态数据、以及所述其他仿真车辆的车辆状态数据输出本仿真车辆未来预设时长内的局部路径；
接收所述处理设备发送的本仿真车辆未来预设时长内的局部路径。
9.根据权利要求6或7所述的方法，其特征在于，所述方法还包括：
检测本仿真车辆是否已经到达目标位置，或者是否已经发生碰撞；
若检测到本仿真车辆已经到达目标位置，或者已经发生碰撞，则结束本次测试；
调整所述预设路径规划模型的参数，重新开始测试。
10.根据权利要求6或7所述的方法，其特征在于，所述方法还包括：
根据对本仿真车辆行驶过程的测试结果以及行驶过程中获取到的各种数据，获取对所述预设路径规划模型的评价指标，所述评价指标包括以下至少一项：在易碰撞道路环境下车辆安全通过率、碰撞规避比例、车辆之间安全距离、行驶过程中加速度变化情况、行驶过程中速度变化情况。
11.根据权利要求6或7所述的方法，其特征在于，在获取本仿真车辆的车辆状态数据、以及本仿真车辆周围预设范围内其他仿真车辆的车辆状态数据前，还包括：
通过仿真环境接口在所述仿真环境中创建本仿真车辆。
12.一种仿真系统，其特征在于，包括仿真环境的服务端、以及仿真环境中一辆或多辆仿真车辆对应的客户端；
其中任一仿真车辆对应的客户端可用于执行如权利要求6-11任一项所述的方法，且各仿真车辆所采用的预设路径规划模型相同或不相同。
13.根据权利要求12所述的仿真系统，其特征在于，所述仿真系统还包括一个或多个处理设备，所述一个或多个处理设备与至少一个所述客户端连接，所述一个或多个处理设备上部署有预设路径规划模型，所述一个或多个处理设备用于接收客户端发送的本仿真车辆的车辆状态数据、以及本仿真车辆周围预设范围内其他仿真车辆的车辆状态数据，根据本仿真车辆的车辆状态数据、以及所述其他仿真车辆的车辆状态数据输出本仿真车辆未来预设时长内的局部路径并发送给客户端。
14.一种车辆行驶路径规划装置，其特征在于，包括：
获取模块，用于获取本车辆的车辆状态数据、以及本车辆周围预设范围内其他车辆的车辆状态数据；
路径规划模块，用于根据所述本车辆的车辆状态数据、以及所述其他车辆的车辆状态数据，采用预设路径规划模型获取本车辆未来预设时长内的局部路径；
控制模块，用于将所述局部路径映射为车辆控制参数，并根据所述车辆控制参数控制本车辆的行驶。
15.一种车辆行驶路径规划装置，其特征在于，应用于仿真环境中任一仿真车辆对应的客户端，所述装置包括：
获取模块，用于在仿真环境中，获取本仿真车辆的车辆状态数据、以及本仿真车辆周围预设范围内其他仿真车辆的车辆状态数据；
路径规划模块，用于根据本仿真车辆的车辆状态数据、以及所述其他仿真车辆的车辆状态数据，采用预设路径规划模型获取本仿真车辆未来预设时长内的局部路径；
控制模块，用于将所述局部路径映射为车辆控制参数，并根据所述车辆控制参数控制本仿真车辆的行驶。
16.一种电子设备，其特征在于，包括：处理器，以及与所述处理器通信连接的存储器；
所述存储器存储计算机执行指令；
所述处理器执行所述存储器存储的计算机执行指令，以实现如权利要求1-11任一项所述的方法。
17.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1-11任一项所述的方法。
18.一种计算机程序产品，其特征在于，包括计算机程序，该计算机程序被处理器执行时实现权利要求1-11任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311589521.0A CN117382674A (zh) | 2023-11-24 | 2023-11-24 | 车辆行驶路径规划方法、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311589521.0A CN117382674A (zh) | 2023-11-24 | 2023-11-24 | 车辆行驶路径规划方法、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117382674A true CN117382674A (zh) | 2024-01-12 |
Family
ID=89470240
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311589521.0A Pending CN117382674A (zh) | 2023-11-24 | 2023-11-24 | 车辆行驶路径规划方法、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117382674A (zh) |
-
2023
- 2023-11-24 CN CN202311589521.0A patent/CN117382674A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111919225B (zh) | 使用模拟环境对自主机器进行培训、测试和验证 | |
| CN111123933B (zh) | 车辆轨迹规划的方法、装置、智能驾驶域控制器和智能车 | |
| US10755007B2 (en) | Mixed reality simulation system for testing vehicle control system designs | |
| US9922565B2 (en) | Sensor fusion of camera and V2V data for vehicles | |
| WO2020259705A1 (en) | Autonomous driving handoff systems and methods | |
| EP3971526B1 (en) | Path planning in autonomous driving environments | |
| US20210389133A1 (en) | Systems and methods for deriving path-prior data using collected trajectories | |
| US11198444B2 (en) | Automated factory testflow of processing unit with sensor integration for driving platform | |
| RU2750243C2 (ru) | Способ и система для формирования траектории для беспилотного автомобиля (sdc) | |
| JP2019530608A (ja) | 物体レベル融合の自律走行車両 | |
| CN110936959B (zh) | 车辆感知系统在线诊断和预测 | |
| CN110824912B (zh) | 训练用于生成自动驾驶策略的控制策略模型的方法和装置 | |
| CN110647801A (zh) | 设置感兴趣区域的方法、装置、存储介质及电子设备 | |
| CN110654380A (zh) | 用于控制车辆的方法和装置 | |
| CN113734193A (zh) | 用于估计接管时间的系统和方法 | |
| CN114212108A (zh) | 自动驾驶方法、装置、车辆、存储介质及产品 | |
| WO2020049685A1 (ja) | 車両制御装置、自動運転車開発システム、車両制御方法、およびプログラム | |
| US11433923B2 (en) | Systems and methods for long-term prediction of lane change maneuver | |
| CN113665577A (zh) | 操作机动车辆的方法 | |
| EP3896639A1 (en) | Methods and systems for managing an automated driving system of a vehicle | |
| CN113095344A (zh) | 评价、优化装置、系统及方法、车辆、服务器和介质 | |
| CN117382674A (zh) | 车辆行驶路径规划方法、设备及存储介质 | |
| CN116244902A (zh) | 车路云融合的道路环境场景仿真方法、电子设备及介质 | |
| EP4082862A1 (en) | Platform for path planning system development for automated driving system | |
| CN113581193A (zh) | 一种驾驶场景仿真优化方法、系统、电子设备及存储介质 |
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 |