CN117962917A - 自动驾驶决策规划方法及自动驾驶车辆 - Google Patents

Abstract

本申请公开了一种自动驾驶决策规划方法及自动驾驶车辆，属于自动驾驶技术领域。方法包括：响应于自动驾驶车辆所处环境中存在障碍车，控制自动驾驶车辆按照试探路线进行行驶；在自动驾驶车辆按照试探路线进行行驶的过程中，获取障碍车的相关信息；根据障碍车的相关信息确定障碍车的行驶意图；至少根据障碍车的行驶意图对自动驾驶车辆进行自动驾驶决策规划。通过主动展示自动驾驶车辆的行驶意图来引导障碍车运动，以使障碍车尽快展示障碍车的行驶意图，从而使自动驾驶车辆能够提早捕捉到障碍车的行驶意图。在根据障碍车的行驶意图对自动驾驶车辆进行自动驾驶决策规划时，不仅提高了自动驾驶车辆的智能化程度，还提高了自动驾驶车辆的行车安全性。

Description

自动驾驶决策规划方法及自动驾驶车辆

技术领域

本申请实施例涉及自动驾驶技术领域，特别涉及一种自动驾驶决策规划方法及自动驾驶车辆。

背景技术

随着计算机的不断发展，越来越多的车辆配置有传感器、控制器、执行器等器件，使得汽车可以感知周围、内部的环境信息。通过对环境信息进行分析，可以实现控制汽车在不同路况中进行自动驾驶，这类可以自动驾驶的汽车也称为自动驾驶车辆。

相关技术中，自动驾驶车辆可以获取人工设定的行驶路线，并控制自动驾驶车辆按照人工设定的行驶路线进行运动。但实际的交通场景较为复杂，这种控制自动驾驶车辆进行运动的方式较为简单，智能化程度低，影响了自动驾驶车辆的行车安全性。

发明内容

本申请提供了一种自动驾驶决策规划方法及自动驾驶车辆，可用于解决相关技术中的问题，所述技术方案包括如下内容。

一方面，提供了一种自动驾驶决策规划方法，所述方法包括：

响应于自动驾驶车辆所处环境中存在障碍车，控制所述自动驾驶车辆按照试探路线进行行驶，所述障碍车是指与所述自动驾驶车辆的行驶路线存在冲突的车辆；

在所述自动驾驶车辆按照所述试探路线进行行驶的过程中，获取所述障碍车的相关信息；

根据所述障碍车的相关信息确定所述障碍车的行驶意图；

至少根据所述障碍车的行驶意图对所述自动驾驶车辆进行自动驾驶决策规划。

另一方面，提供了一种自动驾驶决策规划装置，所述装置包括：

控制模块，用于响应于自动驾驶车辆所处环境中存在障碍车，控制所述自动驾驶车辆按照试探路线进行行驶，所述障碍车是指与所述自动驾驶车辆的行驶路线存在冲突的车辆；

获取模块，用于在所述自动驾驶车辆按照所述试探路线进行行驶的过程中，获取所述障碍车的相关信息；

确定模块，用于根据所述障碍车的相关信息确定所述障碍车的行驶意图；

规划模块，用于至少根据所述障碍车的行驶意图对所述自动驾驶车辆进行自动驾驶决策规划。

另一方面，提供了一种自动驾驶车辆，所述自动驾驶车辆包括处理器和存储器，所述存储器中存储有至少一条计算机程序，所述至少一条计算机程序由所述处理器加载并执行，以使所述自动驾驶车辆实现上述所述的自动驾驶决策规划方法。

另一方面，还提供了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至少一条计算机程序，所述至少一条计算机程序由处理器加载并执行，以使自动驾驶车辆实现上述任一所述的自动驾驶决策规划方法。

另一方面，还提供了一种计算机程序或计算机程序产品，所述计算机程序或计算机程序产品中存储有至少一条计算机程序，所述至少一条计算机程序由处理器加载并执行，以使自动驾驶车辆实现上述任一种自动驾驶决策规划方法。

本申请提供的技术方案至少带来如下有益效果：

本申请提供的技术方案中，当自动驾驶车辆所处环境中存在障碍车时，控制自动驾驶车辆按照试探路线进行行驶，通过主动展示自动驾驶车辆的行驶意图来引导障碍车运动，以使障碍车尽快展示障碍车的行驶意图。在自动驾驶车辆按照试探路线进行行驶的过程中，获取障碍车的相关信息，并通过障碍车的相关信息确定障碍车的行驶意图，使得自动驾驶车辆能够提早捕捉到障碍车的行驶意图。在根据障碍车的行驶意图对自动驾驶车辆进行自动驾驶决策规划时，不仅提高了自动驾驶车辆的智能化程度，还有利于提高自动驾驶车辆的行车安全性。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的一种自动驾驶决策规划方法的实施环境示意图；

图2是本申请实施例提供的一种自动驾驶决策规划方法的流程图；

图3是本申请实施例提供的一种空间层面的会车示意图；

图4是本申请实施例提供的一种时间层面的会车示意图；

图5是本申请实施例提供的一种轨迹规划的示意图；

图6是本申请实施例提供的一种车辆运动的示意图；

图7是本申请实施例提供的一种自动驾驶决策规划方法的框架示意图；

图8是本申请实施例提供的一种自动驾驶决策规划示意图；

图9是本申请实施例提供的一种自动驾驶决策规划装置的结构示意图；

图10是本申请实施例提供的一种终端设备的结构示意图；

图11是本申请实施例提供的一种服务器的结构示意图。

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，下面将结合附图对本申请实施方式作进一步地详细描述。

图1是本申请实施例提供的一种自动驾驶决策规划方法的实施环境示意图，如图1所示，该实施环境包括终端设备101和服务器102。本申请实施例提供的自动驾驶决策规划方法可以由终端设备101执行，也可以由服务器102执行，或者由终端设备101和服务器102共同执行。其中，终端设备101和服务器102中的至少一项可以部署在自动驾驶车辆中，由自动驾驶车辆执行本申请实施例提供的自动驾驶决策规划方法。自动驾驶车辆可以是自动汽车、自动电动车、无人机、机器人等可以自动行驶的主体。

终端设备101可以是智能手机、游戏主机、台式计算机、平板电脑、膝上型便携计算机、智能电视、智能车载设备、智能语音交互设备、智能家电等。服务器102可以为一台服务器，或者为多台服务器组成的服务器集群，或者为云计算平台和虚拟化中心中的任意一种，本申请实施例对此不加以限定。服务器102可以与终端设备101通过有线网络或无线网络进行通信连接。服务器102可以具有数据处理、数据存储以及数据收发等功能，在本申请实施例中不加以限定。终端设备101和服务器102的数量不受限制，可以是一个或多个。

在自动驾驶技术领域中，自动驾驶车辆可以获取人工设定的行驶路线，并控制自动驾驶车辆按照人工设定的行驶路线进行运动。该自动驾驶决策规划方式较为简单，难以应对复杂的实际交通场景，导致自动驾驶车辆的行车安全性较差。

本申请实施例提供了一种自动驾驶决策规划方法，该方法可应用于上述实施环境中，能够提高自动驾驶车辆的行车安全性。以图2所示的本申请实施例提供的一种自动驾驶决策规划方法的流程图为例，该方法可由自动驾驶车辆来执行。如图2所示，该方法包括如下步骤。

步骤201，响应于自动驾驶车辆所处环境中存在障碍车，控制自动驾驶车辆按照试探路线进行行驶，障碍车是指与自动驾驶车辆的行驶路线存在冲突的车辆。

通常情况下，自动驾驶车辆上配置有至少一种传感器，传感器包括温度传感器、红外传感器、图像传感器等。每一种传感器对应一个感知范围，自动驾驶车辆所处的环境指的是自动驾驶车辆上配置的各种传感器的感知范围。

通过自动驾驶车辆上配置的各种传感器，自动驾驶车辆可以感知到自动驾驶车辆所处环境中所有的车辆。当这些车辆中存在障碍车时，自动驾驶车辆可以规划出试探路线，并按照试探路线进行行驶。其中，障碍车的行驶路线与自动驾驶车辆的行驶路线存在冲突，且障碍车的行驶方向可以和自动驾驶车辆的行驶方向相同，也可以和自动驾驶车辆的行驶方向相反，即障碍车和自动驾驶车辆可以同向行驶，也可以反向行驶。

可选地，自动驾驶车辆可以基于自动驾驶车辆的行驶路线和自动驾驶车辆所处环境中任一车辆的行驶路线，确定自动驾驶车辆和任一车辆的预计碰撞时间。若预计碰撞时间小于时间阈值，则确定任一车辆为障碍车。由于障碍车和自动驾驶车辆的预计碰撞时间小于时间阈值，说明障碍车和自动驾驶车辆会在时间阈值内发生碰撞，因此，障碍车的行驶路线和自动驾驶车辆的行驶路线存在冲突。

在一种可能的实现方式中，步骤201之前还包括步骤205至步骤207。

步骤205，获取自动驾驶车辆的历史实际行驶轨迹、障碍车的历史实际行驶轨迹和障碍车的历史期望行驶轨迹，障碍车的历史期望行驶轨迹是自动驾驶车辆根据障碍车的行驶路线预估得到的。

可以理解的是，本申请实施例对自动驾驶车辆进行自动驾驶决策规划是一个持续性的过程，因此，可以采用周期性的方式，对自动驾驶车辆进行自动驾驶决策规划，以实现对自动驾驶车辆进行周期性的控制。本申请实施例中，自动驾驶车辆可以将当前时间周期的上一时间周期或者上几个时间周期对应的试探路线确定为自动驾驶车辆的历史期望行驶轨迹。由于当前时间周期内自动驾驶车辆按照当前时间周期对应的试探路线进行行驶，因此，自动驾驶车辆的实际行驶路线和试探路线相同，因此，自动驾驶车辆的历史期望行驶轨迹也是自动驾驶车辆的历史实际行驶轨迹。

由于自动驾驶车辆配置有传感器，因此，自动驾驶车辆可以通过传感器感知得到障碍车的实际行驶轨迹。自动驾驶车辆可以将当前时间周期的上一个时间周期或者上几个时间周期对应的障碍车的实际行驶轨迹作为障碍车的历史实际行驶轨迹。也就是说，障碍车的历史实际行驶轨迹是自动驾驶车辆在当前时间周期之前的时间周期内感知得到的障碍车的实际行驶轨迹。

需要说明的是，在当前时间周期内，自动驾驶车辆的传感器可以多次感知障碍车的实际位置，在每次感知到实际位置时，可以记录感知时间(即感知到实际位置时的时间)。因此，障碍车的历史实际行驶轨迹包括多个实际轨迹点的位置信息和障碍车到达各个实际轨迹点的时间信息。其中，实际轨迹点的位置信息对应于感知到的实际位置，到达实际轨迹点的时间信息对应于感知时间。

在当前时间周期内，对自动驾驶车辆进行自动驾驶决策规划时，自动驾驶车辆会进行联合规划，以联合规划出自动驾驶车辆的期望行驶轨迹和障碍车的期望行驶轨迹。其中，自动驾驶车辆的期望行驶轨迹即为自动驾驶车辆在下一时间周期对应的试探路线，因此，障碍车的期望行驶轨迹的确定方式可以见有关确定试探路线的描述，在此暂不赘述。

其中，自动驾驶车辆的期望行驶轨迹包括多个期望轨迹点的位置信息和自动驾驶车辆到达各个期望轨迹点的时间信息。同样地，障碍车的期望行驶轨迹包括多个期望轨迹点的位置信息和障碍车到达各个期望轨迹点的时间信息。

本申请实施例中，自动驾驶车辆可以将当前时间周期的上一时间周期或者上几个时间周期对应的障碍车的期望行驶轨迹确定为障碍车的历史期望行驶轨迹。也就是说，障碍车的历史期望行驶轨迹是当前时间周期之前的时间周期所对应的障碍车的期望行驶轨迹。

步骤206，基于障碍车的历史期望行驶轨迹和障碍车的历史实际行驶轨迹确定历史偏差信息。

自动驾驶车辆为障碍车规划出障碍车的历史期望行驶轨迹。自动驾驶车辆期望障碍车按照障碍车的历史期望行驶轨迹进行运动，而实际上障碍车是按照自身行驶意图进行运动的，因此，障碍车的历史实际行驶轨迹与障碍车的历史期望行驶轨迹之间存在一定的差异。

自动驾驶车辆可以基于障碍车的历史期望行驶轨迹和障碍车的历史实际行驶轨迹确定历史偏差信息，以通过历史偏差信息来量化障碍车的历史实际行驶轨迹与障碍车的历史期望行驶轨迹之间的差异。可选地，历史偏差信息的数值大小与差异的大小成正比，即历史偏差信息的数值越大，则障碍车的历史实际行驶轨迹与障碍车的历史期望行驶轨迹之间的差异越大。

在一种可能的实现方式中，障碍车的数量为至少两个。这种情况下，步骤206包括步骤2061至步骤2062。

步骤2061，对于任一个障碍车，确定任一个障碍车的历史期望行驶轨迹和任一个障碍车的历史实际行驶轨迹之间的偏差信息。

由于任一个障碍车的历史实际行驶轨迹与该障碍车的历史期望行驶轨迹之间存在一定的差异，因此，自动驾驶车辆可以确定出该障碍车的历史期望行驶轨迹和该障碍车的历史实际行驶轨迹之间的偏差信息，将该偏差信息记为该障碍车的偏差信息。通过障碍车的偏差信息可以量化障碍车的历史实际行驶轨迹与障碍车的历史期望行驶轨迹之间的差异。可选地，障碍车的偏差信息的数值大小与差异的大小成正比，即障碍车的偏差信息的数值越大，则障碍车的历史实际行驶轨迹与障碍车的历史期望行驶轨迹之间的差异越大。

上文已提及，任一个障碍车的历史期望行驶轨迹包括多个期望轨迹点的位置信息和障碍车到达各个期望轨迹点的时间信息，任一个障碍车的历史实际行驶轨迹包括多个实际轨迹点的位置信息和障碍车到达各个实际轨迹点的时间信息。在这种情况下，可选地，步骤2061包括：基于多个期望轨迹点的位置信息和多个实际轨迹点的位置信息，确定障碍车对应的空间偏差信息；基于障碍车到达各个期望轨迹点的时间信息和障碍车到达各个实际轨迹点的时间信息，确定障碍车对应的时间偏差信息；基于障碍车对应的空间偏差信息和时间偏差信息，确定障碍车的偏差信息。

本申请实施例中，存在多种实现方式，可以基于多个期望轨迹点的位置信息和多个实际轨迹点的位置信息确定障碍车对应的空间偏差信息。其中，障碍车对应的空间偏差信息可以在空间层面反映出障碍车的历史期望行驶轨迹和障碍车的历史实际行驶轨迹之间的差异。

下面提供了实现方式A1和实现方式A2两种确定障碍车对应的空间偏差信息的方式。

实现方式A1，对于任一个期望轨迹点，基于该期望轨迹点的位置信息与多个实际轨迹点的位置信息，计算该期望轨迹点与各个实际轨迹点之间的距离，从该期望轨迹点与各个实际轨迹点之间的距离中确定该期望轨迹点对应的最小距离。基于多个期望轨迹点对应的最小距离计算出障碍车对应的空间偏差信息，例如，将多个期望轨迹点对应的最小距离进行加权平均，得到障碍车对应的空间偏差信息。

需要说明的是，实现方式A1是基于多个期望轨迹点对应的最小距离计算出障碍车对应的空间偏差信息。在应用时，可以基于实现方式A1的原理，先计算出任一个实际轨迹点与各个期望轨迹点之间的距离，再从中确定出实际轨迹点对应的最小距离。之后，基于多个实际轨迹点对应的最小距离计算出障碍车对应的空间偏差信息。

实现方式A2，一方面，基于多个期望轨迹点的位置信息，确定出障碍车的历史期望行驶轨迹的空间特征。另一方面，基于多个实际轨迹点的位置信息，确定出障碍车的历史实际行驶轨迹的空间特征。之后，计算障碍车的历史期望行驶轨迹的空间特征和障碍车的历史实际行驶轨迹的空间特征之间的特征距离，基于特征距离得到障碍车对应的空间偏差信息，如对特征距离进行映射处理，得到障碍车对应的空间偏差信息。

本申请实施例中，存在多种实现方式，可以基于障碍车到达各个期望轨迹点的时间信息和障碍车到达各个实际轨迹点的时间信息，确定障碍车对应的时间偏差信息。障碍车对应的时间偏差信息可以在时间层面反映出障碍车的历史期望行驶轨迹和障碍车的历史实际行驶轨迹之间的差异。下面提供了实现方式B1和实现方式B2两种确定障碍车对应的时间偏差信息的方式。

需要说明的是，障碍车到达期望轨迹点的时间信息与该期望轨迹点的位置信息相关，障碍车到达实际轨迹点的时间信息与该实际轨迹点的位置信息相关。因此，在计算障碍车对应的时间偏差信息时，需要基于多个期望轨迹点的位置信息、障碍车到达各个期望轨迹点的时间信息、多个实际轨迹点的位置信息和障碍车到达各个实际轨迹点的时间信息来计算。

实现方式B1，对于任一个期望轨迹点，基于该期望轨迹点的位置信息与多个实际轨迹点的位置信息，计算该期望轨迹点与各个实际轨迹点之间的距离，从该期望轨迹点与各个实际轨迹点之间的距离中确定该期望轨迹点对应的最小距离，从而确定出最小距离对应的实际轨迹点。基于障碍车到达该期望轨迹点的时间信息和障碍车到达该期望轨迹点所对应的最小距离对应的实际轨迹点的时间信息(例如，计算这两个时间信息之间的时间差值)，得到该期望轨迹点对应的时间偏差信息。基于多个期望轨迹点对应的时间偏差信息，确定障碍车对应的时间偏差信息，例如，将多个期望轨迹点对应的时间偏差信息进行加权平均，得到障碍车对应的时间偏差信息。

需要说明的是，实现方式B1是基于多个期望轨迹点对应的时间偏差信息计算出障碍车对应的时间偏差信息。在应用时，可以基于实现方式B1的原理，先计算出任一个实际轨迹点与各个期望轨迹点之间的距离，再从中确定出实际轨迹点对应的最小距离，从而确定出最小距离对应的期望轨迹点，以计算出实际轨迹点对应的时间偏差信息。之后，基于多个实际轨迹点对应的时间偏差信息计算出障碍车对应的时间偏差信息。

实现方式B2，一方面，基于多个期望轨迹点的位置信息和障碍车到达各个期望轨迹点的时间信息，确定出障碍车的历史期望轨迹的时间特征。另一方面，基于多个实际轨迹点的位置信息和障碍车到达各个实际轨迹点的时间信息，确定出障碍车的历史实际轨迹的时间特征。之后，计算障碍车的历史期望轨迹的时间特征和障碍车的历史实际轨迹的时间特征之间的特征距离，基于特征距离得到障碍车对应的时间偏差信息，如对特征距离进行映射处理，得到障碍车对应的时间偏差信息。

在按照实现方式A1或者实现方式A2等方式确定出障碍车对应的空间偏差信息，并按照实现方式B1或者实现方式B2等方式确定出障碍车对应的时间偏差信息之后，将障碍车对应的空间偏差信息和障碍车对应的时间偏差信息进行加权求和、加权求平均等计算，得到障碍车的偏差信息。

其中，障碍车的偏差信息可以在时空层面反映出障碍车的历史期望轨迹和障碍车的历史实际行驶轨迹之间差异。由于障碍车的偏差信息是基于障碍车对应的空间偏差信息和障碍车对应的时间偏差信息确定的，因此，本申请实施例将障碍车的偏差信息解耦成了空间层面的差异和时间层面的差异。

请参见图3，图3是本申请实施例提供的一种空间层面的会车示意图，图3示出了道路上的车辆A和车辆B，且车辆A的运动方向和车辆B的运动方向相反。车辆A和车辆B进行会车时，一种可选方式为车辆A按照轨迹A-m1进行运动且车辆B按照轨迹B-m1进行运动，另一种可选方式为车辆A按照轨迹A-m2进行运动且车辆B按照轨迹B-m2进行运动。因此，针对车辆A来说，在空间层面上，车辆A可以按照轨迹A-m1进行运动，也可以按照轨迹A-m2进行运动，这种运动差异即为空间层面的差异。

请参见图4，图4是本申请实施例提供的一种时间层面的会车示意图，图4示出了道路上的车辆A、车辆B和车辆C，其中，车辆A的运动方向和车辆B的运动方向相反，而车辆C静止，或者，车辆C的运动方向与车辆A的运动方向相同。车辆B按照轨迹B-m进行运动，在车辆A和车辆B进行会车时，一种可选方式为车辆A按照轨迹A-m1进行运动，这种情况下，车辆A是跟在车辆C后面完成与车辆B的会车，另一种可选方式为车辆A按照轨迹A-m2进行运动，这种情况下，车辆A是超过了车辆C之后完成与车辆B的会车。因此，针对车辆A来说，在时间层面上，车辆A可以按照轨迹A-m1进行运动，也可以按照轨迹A-m2进行运动，这种运动差异即为时间层面的差异。

本申请实施例中，在空间层面和时间层面分别计算障碍车的历史期望行驶轨迹和障碍车的历史实际行驶轨迹之间的差异，并基于空间层面和时间层面的差异计算障碍车的偏差信息，有利于提高了障碍车的偏差信息的准确性，从而使自动驾驶车辆规划出更准确的期望轨迹，提高自动驾驶车辆的行车安全性。

在另一种可能的实现方式中，任一个障碍车的历史期望行驶轨迹包括多个时刻的期望轨迹点，任一个障碍车的历史实际行驶轨迹包括多个时刻的实际轨迹点。这种情况下，步骤2061包括：对于任一个时刻，基于任一个时刻的期望轨迹点的位置信息和任一个时刻的实际轨迹点的位置信息，确定任一个时刻对应的期望轨迹点和实际轨迹点之间的距离；基于各个时刻对应的期望轨迹点和实际轨迹点之间的距离，确定任一个障碍车的历史期望行驶轨迹和任一个障碍车的历史实际行驶轨迹之间的偏差信息。

由于任一个障碍车的历史期望行驶轨迹包括多个期望轨迹点的位置信息和障碍车到达各个期望轨迹点的时间信息，因此，一个期望轨迹点对应一个时间时间，即一个期望轨迹点可以理解为一个时刻的期望轨迹点。基于同样地原理，任一个障碍车的历史实际行驶轨迹包括多个实际轨迹点的位置信息和障碍车到达各个实际轨迹点的时间信息，因此，一个实际轨迹点可以理解为一个时刻的实际轨迹点。

对于任一个时刻，基于该时刻的期望轨迹点的位置信息和该时刻的实际轨迹点的位置信息，按照距离公式计算出该时刻对应的期望轨迹点和实际轨迹点之间的距离。对各个时刻对应的期望轨迹点和实际轨迹点之间的距离进行求平均、求和等运算，得到运算结果，将运算结果作为障碍车的偏差信息，或者，将运算结果映射为障碍车的偏差信息。其中，障碍车的偏差信息与运算结果成正比，即运算结果越大，障碍车的偏差信息越大，障碍车的历史期望行驶轨迹和障碍车的历史实际行驶轨迹之间的差异越大。

步骤2062，基于各个障碍车的历史期望行驶轨迹和各个障碍车的历史实际行驶轨迹之间的偏差信息，确定历史偏差信息。

本申请实施例中，可以将任一个障碍车的历史期望行驶轨迹和该障碍车的历史实际行驶轨迹之间的偏差信息记为该障碍车的偏差信息。可以对各个障碍车的偏差信息进行加权平均、加权求和等计算，得到历史偏差信息，该历史偏差信息也可称为贝叶斯均衡的偏差。

步骤207，基于自动驾驶车辆的历史实际行驶轨迹和历史偏差信息确定试探路线。

自动驾驶车辆的历史实际行驶轨迹是当前时间周期之前的时间周期对应的试探路线。自动驾驶车辆可以基于自动驾驶车辆的历史实际行驶轨迹和历史偏差信息进行联合规划，以规划出当前时间周期的第一联合路线，第一联合路线包括试探路线。

在一种可能的实现方式中，步骤207包括步骤2071至步骤2074。

步骤2071，响应于历史偏差信息小于第一阈值，则基于自动驾驶车辆的历史实际行驶轨迹和障碍车的历史实际行驶轨迹，确定障碍车的至少一个第一候选路线和自动驾驶车辆的至少一个第一候选路线。

本申请实施例中，第一阈值是设定的数值。当历史偏差信息小于第一阈值时，说明障碍车的历史期望行驶轨迹与障碍车的历史实际行驶轨迹之间的差异较小，符合自动驾驶车辆的期望。自动驾驶车辆通过分析自动驾驶车辆的历史实际行驶轨迹，可以得到自动驾驶车辆的行驶意图，通过分析障碍车的历史实际行驶轨迹，可以得到障碍车的行驶意图，从而得到自动驾驶车辆所处环境中所有主体的行驶意图，这里的所有主体包括自动驾驶车辆和障碍车。基于自动驾驶车辆所处环境中所有主体的行驶意图可以规划出障碍车的至少一个第一候选路线和自动驾驶车辆的至少一个第一候选路线。

例如，请参见图5，图5是本申请实施例提供的一种轨迹规划的示意图。自动驾驶车辆为车辆A，车辆A的历史实际行驶轨迹为A-m’；障碍车包括车辆B和车辆C，其中，车辆B的历史实际行驶轨迹为B-m’，车辆C的历史实际行驶轨迹为静止。则车辆A通过分析A-m’得到车辆A的行驶意图为前进，通过分析B-m’得到车辆B的行驶意图也为前进，通过分析车辆C的历史实际行驶轨迹得到车辆C的行驶意图为静止。在这种情况下，车辆A可以规划出车辆A的第一候选路线包括A-m1和A-m2，车辆B的第一候选路线为B-m，车辆C的第一候选路线为静止。

可选地，步骤2071包括：基于自动驾驶车辆的历史实际行驶轨迹和障碍车的历史实际行驶轨迹确定障碍车的轨迹点分布信息和自动驾驶车辆的轨迹点分布信息；对于目标主体，基于目标主体的轨迹点分布信息生成目标主体的多个轨迹点，目标主体为障碍车或者自动驾驶车辆；从目标主体的多个轨迹点中采样出目标主体的多个目标轨迹点；基于目标主体的多个目标轨迹点生成目标主体的一个第一候选路线。

本申请实施例中，通过分析自动驾驶车辆的历史实际行驶轨迹、障碍车的历史实际行驶轨迹，可以确定出环境中所有主体的行驶意图。基于环境中所有主体的行驶意图和障碍车的历史实际行驶轨迹，可以确定出该障碍车的轨迹点分布信息，其中，障碍车的轨迹点分布信息可以反映障碍车的轨迹点所满足的分布，例如，障碍车的轨迹点满足高斯分布。同样的原理，基于环境中所有主体的行驶意图和自动驾驶车辆的历史实际行驶轨迹，可以确定出自动驾驶车辆的轨迹点分布信息，其中，自动驾驶车辆的轨迹点分布信息可以反映自动驾驶车辆的轨迹点所满足的分布。

将障碍车作为目标主体，或者将自动驾驶车辆作为目标主体。针对目标主体，由于目标主体的轨迹点分布信息可以反应出目标主体的轨迹点所满足的分布，因此，可以基于目标主体的轨迹点分布信息生成目标主体的多个轨迹点，且这多个轨迹点的位置信息满足分布。

接着，从目标主体的多个轨迹点中采样出目标主体的多个目标轨迹点。在一种可能的实现方式中，先根据目标主体的历史实际行驶轨迹，从目标主体的多个轨迹点中采样出第一个目标轨迹点，且第一个目标轨迹点与历史实际行驶轨迹中最后一个实际轨迹点之间的距离小于距离阈值。接着，循环执行根据目标主体的历史实际行驶轨迹和已采样出的目标轨迹点，从目标主体的多个轨迹点中采样出下一个目标轨迹点，且下一个目标轨迹点与已采样出的最后一个目标轨迹点之间的距离小于距离阈值，直至达到循环终止条件。其中，距离阈值是可以设定的数值，也可以是根据目标主体的加速度、速度等信息确定的数值。

通过上述方式，可以采样出目标主体的多个目标轨迹点。接着，基于单位时间确定目标主体到达各个目标轨迹点的时间信息。这种情况下，目标主体到达两个相邻的目标轨迹点的时间信息之间的差值为单位时间。或者，基于目标主体的加速度、速度等信息，确定目标主体到达各个目标轨迹点的时间信息。这种情况下，目标主体到达两个相邻的目标轨迹点的时间信息之间的差值、这两个相邻的目标轨迹点之间的距离、目标主体的加速度和速度等信息，满足运动学公式。

本申请实施例中，目标主体的一个第一候选路线包括目标主体的多个目标轨迹点和目标主体到达各个目标轨迹点的时间信息。通过上述方式，可以得到障碍车的至少一个第一候选路线、自动驾驶车辆的至少一个第一候选路线。

步骤2072，将障碍车的至少一个第一候选路线和自动驾驶车辆的至少一个第一候选路线进行组合，得到至少一个第一组合路线，任一个第一组合路线包括障碍车的一个第一候选路线和自动驾驶车辆的一个第一候选路线。

本申请实施例中，从障碍车的至少一个第一候选路线中随机采样出障碍车的一个第一候选路线；从自动驾驶车辆的至少一个第一候选路线随机采样出该自动驾驶车辆的一个第一候选路线。将采样出的障碍车的一个第一候选路线、自动驾驶车辆的一个第一候选路线视作第一组合路线。通过这种方式，可以确定出至少一个第一组合路线。

步骤2073，确定各个第一组合路线的推荐指标。

本申请实施例中，可以设定一个推荐指标函数，该推荐指标函数可以对任一个第一组合路线进行优劣评价，得到该第一组合路线的推荐指标，也就是说，推荐指标函数用于确定第一组合路线的推荐指标。其中，在评价第一组合路线的优劣时，不仅要考虑自动驾驶车辆的第一候选路线的高效性，还要参考障碍车的第一候选路线来评价自动驾驶车辆的第一候选路线的安全性。第一组合路线的推荐指标越大，表明第一组合路线越好，自动驾驶车辆基于第一组合路线中自动驾驶车辆的第一候选路线进行运动时行车高效性和行车安全性之间的平衡越好。

可选地，步骤2073包括：基于障碍车的历史实际行驶轨迹确定推荐指标函数的参数分布信息，推荐指标函数用于确定第一组合路线的推荐指标；基于推荐指标函数的参数分布信息，生成推荐指标函数的多个候选参数；从推荐指标函数的多个候选参数中采样推荐指标函数的目标参数；基于推荐指标函数的目标参数确定各个第一组合路线的推荐指标。

本申请实施例中，自动驾驶车辆可以先对障碍车的历史期望行驶轨迹和历史实际行驶轨迹进行分析，以确定出历史偏差信息，其中，历史偏差信息的确定方式在上文已有描述，在此不再赘述。接着，基于历史偏差信息的数值确定推荐指标函数的参数分布信息，推荐指标函数的参数分布信息可以反应出推荐指标函数的参数所满足的分布，例如，推荐指标函数的参数满足高斯分布。

由于推荐指标函数的参数分布信息可以反应出推荐指标函数的参数所满足的分布，因此，可以基于推荐指标函数的参数分布信息生成推荐指标函数的多个候选参数，且这多个候选参数的数值满足分布。

接着，从推荐指标函数的多个候选参数中采样推荐指标函数的目标参数，该目标参数可以用于平衡自动驾驶车辆的行车安全性和行车高效性。可选地，可以获取上一时间周期对应的推荐指标函数的目标参数，对于任一个候选参数，计算上一时间周期对应的目标参数与该候选参数之间的差值，得到该候选参数对应的差值。通过这种方式，可以确定出各个候选参数对应的差值，将满足差值条件的差值所对应的候选参数作为当前时间周期对应的推荐指标函数的目标参数。本申请实施例不对满足差值条件的差值做限定，示例性的，满足差值条件的差值为最小差值。

之后，基于当前时间周期对应的推荐指标函数的目标参数，可以确定出当前时间周期对应的推荐指标函数。利用当前时间周期的推荐指标函数确定出各个第一组合路线的推荐指标。

可选地，基于推荐指标函数的目标参数确定各个第一组合路线的推荐指标，包括：对于任一个第一组合路线，获取任一个第一组合路线的至少一个参照信息，任一个参照信息为舒适度、安全度、自动驾驶车辆的速度、不确定度、礼貌程度以及流通度中的任一项，舒适度用于描述加速度，安全度用于描述碰撞信息，不确定度用于描述轨迹点的集中程度，礼貌程度用于描述自动驾驶车辆对障碍车的运动所造成的影响，流通度用于描述自动驾驶车辆所处环境中车辆的平均速度；基于任一个第一组合路线的各个参照信息和各个参考信息对应的推荐指标函数的目标参数，确定任一个第一组合路线的推荐指标。

本申请实施例中，任一个第一组合路线对应舒适度、安全度、自动驾驶车辆的速度、不确定度、礼貌程度以及流通度等参照信息中的至少一个。

其中，舒适度用于描述自动驾驶车辆和/或障碍车的加速度，例如，舒适度包括自动驾驶车辆的加速度和障碍车的加速度，或者，舒适度包括自动驾驶车辆的加加速度和障碍车的加加速度，这里的加加速度可以用加速度的一阶导数也就是速度的二阶导数来表示，指加速度的加速度。

安全度用于描述自动驾驶车辆和障碍车之间的碰撞信息。由于第一组合路线包括障碍车的一个第一候选路线和自动驾驶车辆的一个第一候选路线，因此，自动驾驶车辆可以根据自动驾驶车辆的一个第一候选路线和障碍车的一个第一候选路线，预估出自动驾驶车辆和障碍车之间的碰撞信息。其中，碰撞信息包括碰撞时间和碰撞距离。

不确定度用于描述障碍车和/或自动驾驶车辆的轨迹点的集中程度，轨迹点越集中，不确定度越小。可选地，障碍车的轨迹点分布信息满足高斯分布，同样地，自动驾驶车辆的轨迹点分布信息也满足高斯分布。可以将这两个高斯分布的方差之和或者平均值等，作为不确定度。

礼貌程度用于描述自动驾驶车辆对障碍车的运动所造成的影响。可选地，第一组合路线包括障碍车的一个第一候选路线和自动驾驶车辆的一个第一候选路线，可以基于障碍车的第一候选路线和自动驾驶车辆的第一候选路线，确定出礼貌程度。礼貌程度是衡量障碍车动作幅度的参数，此处的障碍车动作指的是障碍车为避免和自动驾驶车辆碰撞而执行的动作，例如，障碍车动作可以为减速，这种情况下，礼貌程度可以衡量减速幅度。其中，障碍车动作幅度越大，礼貌程度越大。

流通度用于描述自动驾驶车辆所处环境中车辆的平均速度，因此，可以计算自动驾驶车辆的平均速度和障碍车的平均速度，将自动驾驶车辆的平均速度和障碍车的平均速度之间的平均值，作为流通度。

接下来，将第一组合路线的各个参照信息和各个参考信息对应的推荐指标函数的目标参数进行加权求和计算，得到该第一组合路线的推荐指标。例如，第一组合路线的推荐指标＝舒适度*系数1+安全度*系数2+自动驾驶车辆的速度*系数3+不确定度*系数4+礼貌程度*系数5+流通度*系数6。其中，系数1为舒适度对应的推荐指标函数的目标参数。系数2为安全度对应的推荐指标函数的目标参数。系数3为自动驾驶车辆的速度对应的推荐指标函数的目标参数。系数4为不确定度对应的推荐指标函数的目标参数。系数5为礼貌程度对应的推荐指标函数的目标参数。系数6为流通度对应的推荐指标函数的目标参数。

步骤2074，从至少一个第一组合路线中选择推荐指标最高的第一组合路线，将推荐指标最高的第一组合路线包括的自动驾驶车辆的第一候选路线作为试探路线。

本申请实施例中，可以将至少一个第一组合路线按照推荐指标从高到低的顺序进行排序，得到排序后的各个第一组合路线。将排序后的第一个第一组合路线作为第一联合路线。当然，在应用时，也可以将至少一个第一组合路线按照推荐指标从低到高的顺序进行排序，得到排序后的各个第一组合路线。将排序后的最后一个第一组合路线作为第一联合路线。第一联合路线包括障碍车的一个第一候选路线和自动驾驶车辆的一个第一候选路线，其中，障碍车的第一候选路线为障碍车在当前时间周期对应的期望行驶轨迹，自动驾驶车辆的第一候选路线为自动驾驶车辆在当前时间周期对应的试探路线。

需要说明的是，第一联合路线需要满足交通规则。例如，满足交通规则包括在道路上行驶的自动驾驶车辆和障碍车不能相撞，则自动驾驶车辆的试探路线和障碍车的期望行驶轨迹不存在交点。又比如，满足交通规则包括以障碍车的行驶方向作为正方向，障碍车靠近道路右侧行驶，则自动驾驶车辆的试探路线和障碍车的期望行驶轨迹均满足靠近道路右侧。

在一种可能的实现方式中，步骤207包括步骤2075至步骤2077。

步骤2075，响应于历史偏差信息不小于第一阈值，则获取至少一个映射关系，任一个映射关系用于描述行驶轨迹集合和参考路线之间的映射关系，行驶轨迹集合包括至少一个行驶轨迹。

本申请实施例中，当历史偏差信息不小于第一阈值时，说明障碍车的历史期望行驶轨迹与障碍车的历史实际行驶轨迹之间的差异较大，不符合自动驾驶车辆的期望。自动驾驶车辆可以直接确定出自动驾驶车辆在当前时间周期的试探路线。

自动驾驶车辆可以配置有至少一个映射关系。在历史偏差信息不小于第一阈值时，自动驾驶车辆可以调用各个映射关系。任一个映射关系用于描述行驶轨迹集合和参考路线之间的映射关系，行驶轨迹集合包括至少一个行驶轨迹。

步骤2076，从至少一个映射关系中选择行驶轨迹集合与自动驾驶车辆的历史实际行驶轨迹和障碍车的历史实际行驶轨迹相匹配的目标映射关系。

自动驾驶车辆可以将各个映射关系与历史实际轨迹集合进行匹配，其中，历史实际轨迹集合包括自动驾驶车辆的历史实际行驶轨迹和障碍车的历史实际行驶轨迹。

对于任一个映射关系，若该映射关系中的行驶轨迹集合与历史实际轨迹集合匹配，则将该映射关系确定为目标映射关系。本申请实施例不对行驶轨迹集合与历史实际轨迹集合进行匹配的方式做限定。示例性的，若行驶轨迹集合中各个行驶轨迹与历史实际轨迹集合中各个历史实际行驶轨迹相同，则行驶轨迹集合与历史实际轨迹集合相匹配。

步骤2077，将目标映射关系对应的参考路线确定为试探路线。

目标映射关系描述了行驶轨迹集合和参考路线之间的映射关系，可以将目标映射关系对应的参考路线确定为自动驾驶车辆的试探路线。

可选地，步骤2077之后还包括：基于试探路线和障碍车的历史实际行驶轨迹，确定障碍车的至少一个第二候选路线；将障碍车的任一个第二候选路线和试探路线进行组合，得到任一个第二组合路线；确定各个第二组合路线的推荐指标，从各个第二组合路线中选择推荐指标最高的第二组合路线。

自动驾驶车辆通过分析自动驾驶车辆的试探路线，可以得到自动驾驶车辆的行驶意图，通过分析障碍车的历史实际行驶轨迹，可以得到障碍车的行驶意图，从而得到自动驾驶车辆所处环境中所有主体的行驶意图。基于环境中所有主体的行驶意图可以规划出障碍车的至少一个第二候选路线。其中，障碍车的第二候选路线的生成原理与目标主体的第一候选路线的生成原理相类似，在此不再赘述。

从障碍车的至少一个第二候选路线中随机采样出障碍车的一个第二候选路线。将自动驾驶车辆的试探路线和采样出的障碍车的一个第二候选路线视作第二组合路线。通过这种方式，可以确定出至少一个第二组合路线。

可以利用推荐指标函数确定第二组合路线的推荐指标，第二组合路线的推荐指标越大，表明第二组合路线越好，自动驾驶车辆基于第二组合路线中的试探路线进行运动且障碍车基于第二组合路线中障碍车的第二候选路线进行运动时，自动驾驶车辆和障碍车的安全性越高。其中，第二组合路线的推荐指标的确定方式与第一组合路线的推荐指标的确定方式相类似，在此不再赘述。

可以将至少一个第二组合路线按照推荐指标从高到低的顺序进行排序，得到排序后的各个第二组合路线。将排序后的第一个第二组合路线作为第一联合路线。当然，在应用时，也可以将至少一个第二组合路线按照推荐指标从低到高的顺序进行排序，得到排序后的各个第二组合路线。将排序后的最后一个第二组合路线作为第一联合路线。第一联合路线包括障碍车的试探路线和自动驾驶车辆的一个第二候选路线，障碍车的第二候选路线为障碍车在当前时间周期对应的期望行驶轨迹。

步骤202，在自动驾驶车辆按照试探路线进行行驶的过程中，获取障碍车的相关信息。

自动驾驶车辆可以获取到第一联合路线，该第一联合路线包括自动驾驶车辆的试探路线和障碍车的期望行驶轨迹。在当前时间周期内，通过控制自动驾驶车辆按照试探路线进行运动，可以试探性地引导障碍车按照障碍车的期望行驶轨迹进行运动，以使障碍车尽快展示障碍车的行驶意图。

请参见图6，图6是本申请实施例提供的一种车辆运动的示意图。其中，自动驾驶车辆为车辆A，且自动驾驶车辆的试探路线为A-m，障碍车为车辆B。在当前时间周期内控制自动驾驶车辆按照A-m进行运动，以试探性地引导障碍车按照障碍车的期望行驶轨迹B-m1进行运动。通过自动驾驶车辆和障碍车的试探性博弈，可以让障碍车更快地表现出行驶意图，从而使自动驾驶车辆可提早进行决策，提高自动驾驶车辆的行车安全性。

此外，在当前时间周期内障碍车B的实际行驶轨迹为B-m2，也就是说，障碍车B先从道路中间往自身的右侧靠近，再往自身的左侧靠近，之后保持直行。一般情况下，障碍车B往自身的左侧靠近，则自动驾驶车辆A也需要往自身的左侧靠近，但本申请实施例由于在当前时间周期内控制自动驾驶车辆A会持续性的按照A-m进行运动，即使障碍车B往自身的左侧靠近，自动驾驶车辆也不会更改运动方向，从而避免了自动驾驶车辆因盲目的向障碍车妥协而导致被堵塞在原地、自动驾驶车辆产生剧烈的抖动等现象，提高了自动驾驶车辆的运动效率和抗噪声性能。

由于自动驾驶车辆配置有传感器，因此，在当前时间周期内，自动驾驶车辆的传感器可以多次感知障碍车的实际位置，在每次感知到实际位置时，可以得到感知时的时间。因此，自动驾驶车辆可以获取到障碍车在当前时间周期内的实际行驶轨迹，障碍车的实际行驶轨迹包括多个实际轨迹点的位置信息和该障碍车到达各个实际轨迹点的时间信息。障碍车的实际行驶轨迹即为障碍车的相关信息。

步骤203，根据障碍车的相关信息确定障碍车的行驶意图。

自动驾驶车辆通过分析障碍车的实际行驶轨迹，可以确定出障碍车的行驶意图。障碍车的行驶意图反应了障碍车的运动趋势，例如，障碍车趋向于减速左转，则障碍车的行驶意图可以反应出减速左转的信息。

在一种可能的实现方式中，步骤203包括：根据障碍车的相关信息确定障碍车在时间维度的意图；根据障碍车的相关信息确定障碍车在空间维度的意图；将障碍车在时间维度的意图和障碍车在空间维度的意图确定为障碍车的行驶意图。

本申请实施例中，自动驾驶车辆通过分析障碍车的实际行驶轨迹，可以确定出障碍车在时间维度的意图，障碍车在时间维度的意图可以反应障碍车运动快慢的趋势。更通俗的讲，障碍车在时间维度的意图能反应障碍车接下来会加速行驶或者障碍车会保持匀速行驶或者障碍车会减速行驶。

自动驾驶车辆通过分析障碍车的实际行驶轨迹，可以确定出障碍车在空间维度的意图，障碍车在空间维度的意图可以反应障碍车运动方向的趋势。也就是说，障碍车在空间维度的意图能反应障碍车接下来会靠道路左侧行驶还是靠道路右侧行驶。

可以将障碍车在时间维度的意图和障碍车在空间维度的意图进行结合，得到障碍车的行驶意图。因此，障碍车的行驶意图可以反应障碍车运动方向和运动速度的趋势。例如，障碍车的行驶意图可以反应障碍车接下来会加速行驶且向道路左侧靠近，这种情况下，障碍车会迅速地向道路左侧靠近；或者，障碍车的行驶意图可以反应障碍车接下来会减速行驶且向道路左侧靠近，这种情况下，障碍车会缓慢地向道路左侧靠近。

步骤204，至少根据障碍车的行驶意图对自动驾驶车辆进行自动驾驶决策规划。

自动驾驶车辆可以根据障碍车的行驶意图进行自动驾驶决策规划，以规划出第二联合路线，该第二联合路线包括自动驾驶车辆在下一时间周期的试探路线和障碍车在下一时间周期的期望行驶轨迹。其中，第二联合路线和第一联合路线的确定方式相类似，在此不再赘述。

在一种可能的实现方式中，步骤204包括：响应于障碍车的行驶意图发生改变，至少根据障碍车的行驶意图确定障碍车的目标行驶路线；基于障碍车的目标行驶路线确定自动驾驶车辆的目标行驶路线。

当确定出障碍车的行驶意图时，可以确定障碍车的行驶意图是否发生改变，其中，此处障碍车的行驶意图指的是障碍车在当前时间周期的行驶意图。可选地，自动驾驶车辆可以获取障碍车在历史时间周期的行驶意图，其中，障碍车在历史时间周期的行驶意图是通过分析障碍车的历史实际行驶轨迹得到的，历史时间周期是当前时间周期之前的时间周期。通过对比障碍车在当前时间周期的行驶意图和障碍车在历史时间周期的行驶意图，确定障碍车在当前时间周期的行驶意图是否改变。

由于障碍车的历史实际行驶轨迹与自动驾驶车辆的历史实际行驶轨迹冲突，即障碍车与自动驾驶车辆的行驶路线存在冲突，因此，当障碍车的行驶意图发生改变时，说明障碍车表现出解决冲突的意图，此时自动驾驶车辆可以向障碍车妥协，在保证障碍车按照其行驶意图行驶的同时，规划出自动驾驶车辆的行驶路线，以使障碍车和自动驾驶车辆协作运动，保证行车安全性。因此，本申请实施例会先根据障碍车的行驶意图确定障碍车的目标行驶路线，以便于障碍车按照其目标行驶路线进行运动，保证障碍车按照其行驶意图行驶。接着，自动驾驶车辆基于障碍车的目标行驶路线确定自动驾驶车辆的目标行驶路线，且自动驾驶车辆的目标行驶路线和障碍车的目标行驶路线需要满足交通规则，以保证自动驾驶车辆和障碍车能够安全的行驶。

在一种可能的实现方式中，步骤204包括：响应于障碍车的行驶意图未改变，获取自动驾驶车辆与障碍车之间的距离；若自动驾驶车辆与障碍车之间的距离小于距离阈值，则控制自动驾驶车辆停止行驶。

当障碍车的行驶意图未发生改变时，说明障碍车没有表现出解决冲突的意图，此时，需要获取自动驾驶车辆和位置和障碍车的位置，以基于自动驾驶车辆和位置和障碍车的位置，计算出自动驾驶车辆与障碍车之间的距离。

当自动驾驶车辆与障碍车之间的距离小于距离阈值时，说明自动驾驶车辆即将与障碍车碰撞，此时可以控制自动驾驶车辆停止行驶，以主动避免碰撞。当自动驾驶车辆与障碍车之间的距离不小于距离阈值时，说明自动驾驶车辆在短时间内不会与障碍车碰撞，此时可以根据障碍车的行驶意图，规划出第二联合路线，第二联合路线包括自动驾驶车辆在下一时间周期的试探路线和障碍车在下一时间周期的期望行驶轨迹，以便于自动驾驶车辆在下一时间周期按照该试探路线进行行驶。

在一种可能的实现方式中，步骤204包括：至少根据障碍车的行驶意图和推荐指标最高的第二组合路线，对自动驾驶车辆进行自动驾驶决策规划。

本申请实施例中，第一联合路线为推荐指标最高的第二组合路线。推荐指标最高的第二组合路线包括自动驾驶车辆的试探路线和障碍车的一个第二候选路线。其中，在当前时间周期内，自动驾驶车辆按照其试探路线进行行驶的同时，获取障碍车的相关信息，自动驾驶车辆的试探路线即为自动驾驶车辆的期望行驶轨迹，也为自动驾驶车辆的实际行驶轨迹，障碍车的第二候选路线即为障碍车的期望行驶轨迹，障碍车的相关信息即为障碍车的实际行驶轨迹。自动驾驶车辆可以根据障碍车的行驶意图和推荐指标最高的第二组合路线，对自动驾驶车辆进行自动驾驶决策规划，以规划出第二联合路线，可以参照第一联合路线的确定方式，在此不再赘述。

基于同样的原理，当第一联合路线为推荐指标最高的第一组合路线时，自动驾驶车辆至少根据障碍车的行驶意图和推荐指标最高的第一组合路线，对自动驾驶车辆进行自动驾驶决策规划。其中，推荐指标最高的第一组合路线包括障碍车的第一候选路线和自动驾驶车辆的第一候选路线，障碍车的第一候选路线为障碍车的期望行驶轨迹，自动驾驶车辆的第一候选路线为自动驾驶车辆的试探路线，也为自动驾驶车辆的实际行驶轨迹。

综合步骤201至步骤204的内容可知，自动驾驶车辆在当前时间周期的上一时间周期内确定出当前时间周期对应的第一联合路线。在当前时间周期内，一方面，控制自动驾驶车辆按照第一联合路线中的试探路线进行运动，另一方面，获取障碍车的实际行驶轨迹，并基于第一联合路线中的障碍车的期望行驶轨迹和障碍车的实际行驶轨迹，确定出当前时间周期的下一时间周期对应的第二联合路线。在下一时间周期内基于第二联合路线重复执行在当前时间周期内基于第一联合路线执行的内容。

下面结合图7来进行描述，图7是本申请实施例提供的一种自动驾驶决策规划方法的框架示意图。该框架包括前向模仿和在线估算，其中前向模仿用于生成联合路线。联合路线包括自动驾驶车辆的期望行驶轨迹和障碍车的期望行驶轨迹，可以统称为期望行驶轨迹。其中，当前时间周期对应的期望行驶轨迹即为上文提及的第一联合路线，下一时间周期对应的期望行驶轨迹即为上文提及的第二联合路线。

自动驾驶车辆可以在当前时间周期的上一时间周期生成第一联合路线，以便于自动驾驶车辆在当前时间周期按照第一联合路线中自动驾驶车辆的期望行驶轨迹(即试探路线)进行运动。

在上一时间周期，一方面，自动驾驶车辆可以获取上一时间周期对应的期望行驶轨迹(即上文提及的障碍车的历史期望行驶轨迹和自动驾驶车辆的历史期望行驶轨迹)，另一方面，自动驾驶车辆可以观测到上一时间周期对应的实际行驶轨迹(即上文提及的障碍车的历史实际行驶轨迹和自动驾驶车辆的历史实际行驶轨迹)。基于期望行驶轨迹和实际行驶轨迹进行在线估算，得到完美贝叶斯均衡误差(即上文提及的历史偏差信息)。

需要说明的是，由于自动驾驶车辆是按照自动驾驶车辆的历史期望行驶轨迹进行运动的，因此，自动驾驶车辆的历史期望行驶轨迹与自动驾驶车辆的历史实际行驶轨迹之间的差异较小，可以忽略不计。也就是说，自动驾驶车辆的历史期望行驶轨迹即为自动驾驶车辆的历史实际行驶轨迹。

若完美贝叶斯均衡误差小于第一阈值，则由轨迹点分布估算器计算出障碍车的轨迹点分布信息和自动驾驶车辆的轨迹点分布信息，由回报参数估算器估算出回报函数(即上文提及的推荐指标函数)的参数分布信息。

这种情况下，在前向模仿时，可以基于障碍车的轨迹点分布信息生成障碍车的多个轨迹点，通过对多个轨迹点进行目标轨迹点采样，得到障碍车的一个候选路线，采用同样的方式可以得到自动驾驶车辆的一个候选路线。将障碍车的各个候选路线和自动驾驶车辆的各个候选路线进行组合，可以实现组合路线生成(对应于上文提及的第一组合路线)。由回报函数估算器基于回报函数的参数分布信息生成回报函数的多个候选参数，通过从多个候选参数中采样，得到回报函数的目标参数。之后，基于回报函数的目标参数确定各个组合路线的推荐指标，从中选择推荐指标最高的组合路线，作为当前时间周期对应的联合路线。

若完美贝叶斯均衡误差不小于第一阈值，则基于完美贝叶斯均衡误差可以确定出自动驾驶车辆的期望行驶轨迹，由轨迹点分布估算器计算出障碍车的轨迹点分布信息，由回报参数估算器估算出回报函数(即上文提及的推荐指标函数)的参数分布信息。

这种情况下，在前向模仿时，可以基于障碍车的轨迹点分布信息生成障碍车的多个轨迹点，通过对多个轨迹点进行目标轨迹点采样，得到障碍车的一个候选路线。将障碍车的各个候选路线和自动驾驶车辆的期望行驶轨迹进行组合，可以实现组合路线生成(对应于上文提及的第二组合路线)。由回报函数估算器基于回报函数的参数分布信息生成回报函数的多个候选参数，通过从多个候选参数中采样，得到回报函数的目标参数。之后，基于回报函数的目标参数确定各个组合路线的推荐指标，从中选择推荐指标最高的组合路线，作为当前时间周期对应的联合路线。

自此，本申请实施例实现了在上一时间周期，基于上一时间周期对应的期望行驶轨迹和上一时间周期对应的实际行驶轨迹，确定出当前时间周期对应的期望行驶轨迹。接着，自动驾驶车辆在当前时间周期按照当前时间周期对应的自动驾驶车辆的期望行驶轨迹进行运动，同时，观测当前时间周期对应的自动驾驶车辆、障碍车的实际行驶轨迹。通过这种方式，可以得到当前时间周期对应的期望行驶轨迹和当前时间周期对应的实际行驶轨迹，并在当前时间周期，基于当前时间周期对应的期望行驶轨迹和当前时间周期对应的实际行驶轨迹，确定下一时间周期对应的期望行驶轨迹(即第二联合路线)。

请参见图8，图8是本申请实施例提供的一种自动驾驶决策规划示意图。本申请实施例中，道路上包括障碍车A至C和自动驾驶车辆D。在障碍车A至C均是直行的情况下，本申请实施例可以规划出自动驾驶车辆的期望行驶轨迹是靠近自身的道路左侧行驶(如虚线所示)。此时，自动驾驶车辆在一个时间周期内试探性的按照自动驾驶车辆的期望行驶轨迹进行运动，并实时跟踪障碍车A至C的实际行驶轨迹。根据障碍车A至C的实际行驶轨迹来确定自动驾驶车辆D在下一个时间周期的期望行驶轨迹。

简单来说，自动驾驶车辆D试探性的向左转，观测自行车(即障碍车A至C)的反应。基于自行车的反应判断是否继续向左转是否安全。若安全则继续左转，从而实现安全行车。

需要说明的是，本申请实施例提供的自动驾驶决策规划方法可以适用于任意的交通场景，例如，适用于窄路场景、自动驾驶车辆识别障碍车的行驶意图为道路中间行驶的场景等。其中，窄路场景是道路的可行驶宽度小于宽度阈值，例如，道路是辅路或者道路两旁停有较多的车辆。一般情况下，障碍车会选择靠自身的道路左侧或者右侧行驶，而对于在道路中间行驶的障碍车，自动驾驶车辆可以识别出该障碍车的行驶意图为道路中间行驶。比如，在图3中，自动驾驶车辆A和障碍车B均在道路中间相向而行，障碍车B的运动轨迹是近似于直行，自动驾驶车辆A可以识别到障碍车B是在道路中间行驶且与自动驾驶车辆A相向行驶，但自动驾驶车辆A无法确定障碍车B接下来是想要靠自身的道路左侧行驶(即B-m1)，还是靠自身的道路右侧行驶(即B-m2)。

以自动驾驶车辆识别障碍车的行驶意图为道路中间行驶的场景为例，当自动驾驶车辆识别到障碍车在道路中间行驶时，自动驾驶车辆会联合规划出自动驾驶车辆的期望行驶轨迹和障碍车的期望行驶轨迹，寻找到所有主体的最佳协作策略，并且自动驾驶车辆在一个时间周期内持续性地按照自动驾驶车辆的期望行驶轨迹进行运动。例如，在图3中，自动驾驶车辆A会联合规划出自动驾驶车辆A的期望轨迹是A-m2、障碍车B的期望行驶轨迹是B-m2，并且自动驾驶车辆在一个时间周期内持续性地按照A-m2进行运动，以引动障碍车B靠近B-m2来进行运动。在时间周期结束后，若障碍车的实际行驶轨迹与障碍车的期望行驶轨迹一致，则自动驾驶车辆基于捕捉到的障碍车的行驶意图合作完成会车。若障碍车的实际行驶轨迹与障碍车的期望行驶轨迹不一致，则自动驾驶车辆需要再次联合规划出自动驾驶车辆的期望行驶轨迹和障碍车的期望行驶轨迹，以保证自动驾驶车辆的行车安全性。比如，在图3中障碍车B还是保持直行，且自动驾驶车辆与障碍车B的距离较近，则自动驾驶车辆可以联合规划出自动驾驶车辆的期望行驶轨迹是静止的轨迹，而障碍车的期望轨迹是靠自身左侧行驶的轨迹。

本申请实施例中，自动驾驶车辆会在一个时间周期内持续性地按照自动驾驶车辆的期望行驶轨迹进行运动，在时间周期结束后，根据障碍车的实际行驶轨迹再次联合规划出自动驾驶车辆的期望行驶轨迹和障碍车的期望行驶轨迹，这种控制方式会提高联合路线的规划效率。简单来说，当障碍车表现出时间层面的会车意图或空间层面的会车意图时，在自动驾驶车辆的视角中，障碍车的可行轨迹就减少了一半；当障碍车同时表现出时间层面的会车意图和空间层面的会车意图时，障碍车的可行轨迹就减少了3/4。障碍车的可行轨迹越少，自动驾驶车辆的可行轨迹就越多，自动驾驶车辆就越有可能执行更高效的运动轨迹。自动驾驶车辆通过在一个时间周期内持续性地按照自动驾驶车辆的期望行驶轨迹进行运动，以引导障碍车尽快的表现出行驶意图，以削减障碍车的可行轨迹，增加自动驾驶车辆的可行轨迹。使得在时间周期结束后，根据障碍车的实际行驶轨迹再次联合规划出自动驾驶车辆的期望行驶轨迹和障碍车的期望行驶轨迹时，不仅可以提高联合规划效率，保证实时性，还能提高自动驾驶车辆执行高效轨迹的概率，提高自动驾驶车辆的行车高效性。

需要说明的是，本申请所涉及的信息(包括但不限于用户设备信息、用户个人信息等)、数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)以及信号，均为经用户授权或者经过各方充分授权的，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。例如，本申请中涉及到的实际行驶轨迹、期望行驶轨迹等都是在充分授权的情况下获取的。

上述方法中，当自动驾驶车辆所处环境中存在障碍车时，控制自动驾驶车辆按照试探路线进行行驶，通过主动展示自动驾驶车辆的行驶意图来引导障碍车运动，以使障碍车尽快展示障碍车的行驶意图。在自动驾驶车辆按照试探路线进行行驶的过程中，获取障碍车的相关信息，并通过障碍车的相关信息确定障碍车的行驶意图，使得自动驾驶车辆能够提早捕捉到障碍车的行驶意图。在根据障碍车的行驶意图对自动驾驶车辆进行自动驾驶决策规划时，不仅提高了自动驾驶车辆的智能化程度，还有利于提高自动驾驶车辆的行车安全性。

图9所示为本申请实施例提供的一种自动驾驶决策规划装置的结构示意图，如图9所示，该装置包括：

控制模块901，用于响应于自动驾驶车辆所处环境中存在障碍车，控制自动驾驶车辆按照试探路线进行行驶，障碍车是指与自动驾驶车辆的行驶路线存在冲突的车辆；

获取模块902，用于在自动驾驶车辆按照试探路线进行行驶的过程中，获取障碍车的相关信息；

确定模块903，用于根据障碍车的相关信息确定障碍车的行驶意图；

规划模块904，用于至少根据障碍车的行驶意图对自动驾驶车辆进行自动驾驶决策规划。

在一种可能的实现方式中，该装置还包括：

获取模块902，还用于获取自动驾驶车辆的历史实际行驶轨迹、障碍车的历史实际行驶轨迹和障碍车的历史期望行驶轨迹，障碍车的历史期望行驶轨迹是自动驾驶车辆根据障碍车的行驶路线预估得到的；

确定模块903，还用于基于障碍车的历史期望行驶轨迹和障碍车的历史实际行驶轨迹确定历史偏差信息；

确定模块903，还用于基于自动驾驶车辆的历史实际行驶轨迹和历史偏差信息确定试探路线。

在一种可能的实现方式中，确定模块903，用于响应于历史偏差信息小于第一阈值，则基于自动驾驶车辆的历史实际行驶轨迹和障碍车的历史实际行驶轨迹，确定障碍车的至少一个第一候选路线和自动驾驶车辆的至少一个第一候选路线；将障碍车的至少一个第一候选路线和自动驾驶车辆的至少一个第一候选路线进行组合，得到至少一个第一组合路线，任一个第一组合路线包括障碍车的一个第一候选路线和自动驾驶车辆的一个第一候选路线；确定各个第一组合路线的推荐指标；从至少一个第一组合路线中选择推荐指标最高的第一组合路线，将推荐指标最高的第一组合路线包括的自动驾驶车辆的第一候选路线作为试探路线。

在一种可能的实现方式中，确定模块903，用于基于自动驾驶车辆的历史实际行驶轨迹和障碍车的历史实际行驶轨迹确定障碍车的轨迹点分布信息和自动驾驶车辆的轨迹点分布信息；对于目标主体，基于目标主体的轨迹点分布信息生成目标主体的多个轨迹点，目标主体为障碍车或者自动驾驶车辆；从目标主体的多个轨迹点中采样出目标主体的多个目标轨迹点；基于目标主体的多个目标轨迹点生成目标主体的一个第一候选路线。

在一种可能的实现方式中，确定模块903，用于基于障碍车的历史实际行驶轨迹确定推荐指标函数的参数分布信息，推荐指标函数用于确定第一组合路线的推荐指标；基于推荐指标函数的参数分布信息，生成推荐指标函数的多个候选参数；从推荐指标函数的多个候选参数中采样推荐指标函数的目标参数；基于推荐指标函数的目标参数确定各个第一组合路线的推荐指标。

在一种可能的实现方式中，确定模块903，用于对于任一个第一组合路线，获取任一个第一组合路线的至少一个参照信息，任一个参照信息为舒适度、安全度、自动驾驶车辆的速度、不确定度、礼貌程度以及流通度中的任一项，舒适度用于描述加速度，安全度用于描述碰撞信息，不确定度用于描述轨迹点的集中程度，礼貌程度用于描述自动驾驶车辆对障碍车的运动所造成的影响，流通度用于描述自动驾驶车辆所处环境中车辆的平均速度；基于任一个第一组合路线的各个参照信息和各个参考信息对应的推荐指标函数的目标参数，确定任一个第一组合路线的推荐指标。

在一种可能的实现方式中，确定模块903，用于响应于历史偏差信息不小于第一阈值，则获取至少一个映射关系，任一个映射关系用于描述行驶轨迹集合和参考路线之间的映射关系，行驶轨迹集合包括至少一个行驶轨迹；从至少一个映射关系中选择行驶轨迹集合与自动驾驶车辆的历史实际行驶轨迹和障碍车的历史实际行驶轨迹相匹配的目标映射关系；将目标映射关系对应的参考路线确定为试探路线。

在一种可能的实现方式中，确定模块903，还用于基于试探路线和障碍车的历史实际行驶轨迹，确定障碍车的至少一个第二候选路线；将障碍车的任一个第二候选路线和试探路线进行组合，得到任一个第二组合路线；确定各个第二组合路线的推荐指标，从各个第二组合路线中选择推荐指标最高的第二组合路线；

规划模块904，用于至少根据障碍车的行驶意图和推荐指标最高的第二组合路线，对自动驾驶车辆进行自动驾驶决策规划。

在一种可能的实现方式中，确定模块903，用于对于任一个障碍车，确定任一个障碍车的历史期望行驶轨迹和任一个障碍车的历史实际行驶轨迹之间的偏差信息；基于各个障碍车的历史期望行驶轨迹和各个障碍车的历史实际行驶轨迹之间的偏差信息，确定历史偏差信息。

在一种可能的实现方式中，任一个障碍车的历史期望行驶轨迹包括多个时刻的期望轨迹点，任一个障碍车的历史实际行驶轨迹包括多个时刻的实际轨迹点；

确定模块903，用于对于任一个时刻，基于任一个时刻的期望轨迹点的位置信息和任一个时刻的实际轨迹点的位置信息，确定任一个时刻对应的期望轨迹点和实际轨迹点之间的距离；基于各个时刻对应的期望轨迹点和实际轨迹点之间的距离，确定任一个障碍车的历史期望行驶轨迹和任一个障碍车的历史实际行驶轨迹之间的偏差信息。

在一种可能的实现方式中，确定模块903，用于根据障碍车的相关信息确定障碍车在时间维度的意图；根据障碍车的相关信息确定障碍车在空间维度的意图；将障碍车在时间维度的意图和障碍车在空间维度的意图确定为障碍车的行驶意图。

在一种可能的实现方式中，规划模块904，用于响应于障碍车的行驶意图发生改变，至少根据障碍车的行驶意图确定障碍车的目标行驶路线；基于障碍车的目标行驶路线确定自动驾驶车辆的目标行驶路线。

在一种可能的实现方式中，规划模块904，用于响应于障碍车的行驶意图未改变，获取自动驾驶车辆与障碍车之间的距离；若自动驾驶车辆与障碍车之间的距离小于距离阈值，则控制自动驾驶车辆停止行驶。

上述装置中，当自动驾驶车辆所处环境中存在障碍车时，控制自动驾驶车辆按照试探路线进行行驶，通过主动展示自动驾驶车辆的行驶意图来引导障碍车运动，以使障碍车尽快展示障碍车的行驶意图。在自动驾驶车辆按照试探路线进行行驶的过程中，获取障碍车的相关信息，并通过障碍车的相关信息确定障碍车的行驶意图，使得自动驾驶车辆能够提早捕捉到障碍车的行驶意图。在根据障碍车的行驶意图对自动驾驶车辆进行自动驾驶决策规划时，不仅提高了自动驾驶车辆的智能化程度，还有利于提高自动驾驶车辆的行车安全性。

应理解的是，上述图9提供的装置在实现其功能时，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，即将设备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。另外，上述实施例提供的装置与方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

图10示出了本申请一个示例性实施例提供的终端设备1000的结构框图。该终端设备1000包括有：处理器1001和存储器1002。

处理器1001可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器1001可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field-Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器1001也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central ProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器1001可以集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器1001还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。

存储器1002可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器1002还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器1002中的非暂态的计算机可读存储介质用于存储至少一个计算机程序，该至少一个计算机程序用于被处理器1001所执行以实现本申请中方法实施例提供的自动驾驶决策规划方法。

在一些实施例中，终端设备1000还可选包括有：外围设备接口1003和至少一个外围设备。处理器1001、存储器1002和外围设备接口1003之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口1003相连。具体地，外围设备包括：射频电路1004、显示屏1005、摄像头组件1006、音频电路1007和电源1008中的至少一种。

外围设备接口1003可被用于将I/O(Input/Output，输入/输出)相关的至少一个外围设备连接到处理器1001和存储器1002。在一些实施例中，处理器1001、存储器1002和外围设备接口1003被集成在同一芯片或电路板上；在一些其他实施例中，处理器1001、存储器1002和外围设备接口1003中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。

射频电路1004用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路1004通过电磁信号与通信网络以及其他通信设备进行通信。射频电路1004将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路1004包括：天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路1004可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：万维网、城域网、内联网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity，无线保真)网络。在一些实施例中，射频电路1004还可以包括NFC(Near Field Communication，近距离无线通信)有关的电路，本申请对此不加以限定。

显示屏1005用于显示UI(User Interface，用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏1005是触摸显示屏时，显示屏1005还具有采集在显示屏1005的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器1001进行处理。此时，显示屏1005还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏1005可以为一个，设置在终端设备1000的前面板；在另一些实施例中，显示屏1005可以为至少两个，分别设置在终端设备1000的不同表面或呈折叠设计；在另一些实施例中，显示屏1005可以是柔性显示屏，设置在终端设备1000的弯曲表面上或折叠面上。甚至，显示屏1005还可以设置成非矩形的不规则图形，也即异形屏。显示屏1005可以采用LCD(Liquid Crystal Display，液晶显示屏)、OLED(Organic Light-Emitting Diode，有机发光二极管)等材质制备。

摄像头组件1006用于采集图像或视频。可选地，摄像头组件1006包括前置摄像头和后置摄像头。通常，前置摄像头设置在终端的前面板，后置摄像头设置在终端的背面。在一些实施例中，后置摄像头为至少两个，分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种，以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality，虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中，摄像头组件1006还可以包括闪光灯。

音频电路1007可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波，并将声波转换为电信号输入至处理器1001进行处理，或者输入至射频电路1004以实现语音通信。出于立体声采集或降噪的目的，麦克风可以为多个，分别设置在终端设备1000的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器1001或射频电路1004的电信号转换为声波。在一些实施例中，音频电路1007还可以包括耳机插孔。

电源1008用于为终端设备1000中的各个组件进行供电。电源1008可以是交流电、直流电、一次性电池或可充电电池。当电源1008包括可充电电池时，该可充电电池可以是有线充电电池或无线充电电池。

在一些实施例中，终端设备1000还包括有一个或多个传感器1009。该一个或多个传感器1009包括但不限于：加速度传感器1011、陀螺仪传感器1012、压力传感器1013、光学传感器1014以及接近传感器1015。

加速度传感器1011可以检测以终端设备1000建立的坐标系的三个坐标轴上的加速度大小。比如，加速度传感器1011可以用于检测重力加速度在三个坐标轴上的分量。处理器1001可以根据加速度传感器1011采集的重力加速度信号，控制显示屏1005以横向视图或纵向视图进行用户界面的显示。加速度传感器1011还可以用于游戏或者用户的运动数据的采集。

陀螺仪传感器1012可以检测终端设备1000的机体方向及转动角度，陀螺仪传感器1012可以与加速度传感器1011协同采集用户对终端设备1000的3D动作。处理器1001根据陀螺仪传感器1012采集的数据，可以实现如下功能：动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。

压力传感器1013可以设置在终端设备1000的侧边框和/或显示屏1005的下层。当压力传感器1013设置在终端设备1000的侧边框时，可以检测用户对终端设备1000的握持信号，由处理器1001根据压力传感器1013采集的握持信号进行左右手识别或快捷操作。当压力传感器1013设置在显示屏1005的下层时，由处理器1001根据用户对显示屏1005的压力操作，实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。

光学传感器1014用于采集环境光强度。在一个实施例中，处理器1001可以根据光学传感器1014采集的环境光强度，控制显示屏1005的显示亮度。具体地，当环境光强度较高时，调高显示屏1005的显示亮度；当环境光强度较低时，调低显示屏1005的显示亮度。在另一个实施例中，处理器1001还可以根据光学传感器1014采集的环境光强度，动态调整摄像头组件1006的拍摄参数。

接近传感器1015，也称距离传感器，通常设置在终端设备1000的前面板。接近传感器1015用于采集用户与终端设备1000的正面之间的距离。在一个实施例中，当接近传感器1015检测到用户与终端设备1000的正面之间的距离逐渐变小时，由处理器1001控制显示屏1005从亮屏状态切换为息屏状态；当接近传感器1015检测到用户与终端设备1000的正面之间的距离逐渐变大时，由处理器1001控制显示屏1005从息屏状态切换为亮屏状态。

本领域技术人员可以理解，图10中示出的结构并不构成对终端设备1000的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。

图11为本申请实施例提供的服务器的结构示意图，该服务器1100可因配置或性能不同而产生比较大的差异，可以包括一个或多个处理器1101和一个或多个的存储器1102，其中，该一个或多个存储器1102中存储有至少一条计算机程序，该至少一条计算机程序由该一个或多个处理器1101加载并执行以实现上述各个方法实施例提供的自动驾驶决策规划方法，示例性的，处理器1101为CPU。当然，该服务器1100还可以具有有线或无线网络接口、键盘以及输入输出接口等部件，以便进行输入输出，该服务器1100还可以包括其他用于实现设备功能的部件，在此不做赘述。

在示例性实施例中，还提供了一种计算机可读存储介质，该存储介质中存储有至少一条计算机程序，该至少一条计算机程序由处理器加载并执行，以使自动驾驶车辆实现上述任一种自动驾驶决策规划方法。

可选地，上述计算机可读存储介质可以是只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、只读光盘(Compact Disc Read-OnlyMemory，CD-ROM)、磁带、软盘和光数据存储设备等。

在示例性实施例中，还提供了一种计算机程序或计算机程序产品，该计算机程序或计算机程序产品中存储有至少一条计算机程序，该至少一条计算机程序由处理器加载并执行，以使自动驾驶车辆实现上述任一种自动驾驶决策规划方法。

应当理解的是，在本文中提及的“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。

上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。

以上所述仅为本申请的示例性实施例，并不用以限制本申请，凡在本申请的原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (14)

1.一种自动驾驶决策规划方法，其特征在于，所述方法包括：

响应于自动驾驶车辆所处环境中存在障碍车，控制所述自动驾驶车辆按照试探路线进行行驶，所述障碍车是指与所述自动驾驶车辆的行驶路线存在冲突的车辆；

在所述自动驾驶车辆按照所述试探路线进行行驶的过程中，获取所述障碍车的相关信息；

根据所述障碍车的相关信息确定所述障碍车的行驶意图；

至少根据所述障碍车的行驶意图对所述自动驾驶车辆进行自动驾驶决策规划。

2.根据权利要求1所述的方法，其特征在于，所述控制所述自动驾驶车辆按照试探路线进行行驶之前，还包括：

获取所述自动驾驶车辆的历史实际行驶轨迹、所述障碍车的历史实际行驶轨迹和所述障碍车的历史期望行驶轨迹，所述障碍车的历史期望行驶轨迹是所述自动驾驶车辆根据所述障碍车的行驶路线预估得到的；

基于所述障碍车的历史期望行驶轨迹和所述障碍车的历史实际行驶轨迹确定历史偏差信息；

基于所述自动驾驶车辆的历史实际行驶轨迹和所述历史偏差信息确定所述试探路线。

3.根据权利要求2所述的方法，其特征在于，所述基于所述自动驾驶车辆的历史实际行驶轨迹和所述历史偏差信息确定所述试探路线，包括：

响应于所述历史偏差信息小于第一阈值，则基于所述自动驾驶车辆的历史实际行驶轨迹和所述障碍车的历史实际行驶轨迹，确定所述障碍车的至少一个第一候选路线和所述自动驾驶车辆的至少一个第一候选路线；

将所述障碍车的至少一个第一候选路线和所述自动驾驶车辆的至少一个第一候选路线进行组合，得到至少一个第一组合路线，任一个第一组合路线包括所述障碍车的一个第一候选路线和所述自动驾驶车辆的一个第一候选路线；

确定各个第一组合路线的推荐指标；

从所述至少一个第一组合路线中选择推荐指标最高的第一组合路线，将所述推荐指标最高的第一组合路线包括的所述自动驾驶车辆的第一候选路线作为所述试探路线。

4.根据权利要求3所述的方法，其特征在于，所述基于所述自动驾驶车辆的历史实际行驶轨迹和所述障碍车的历史实际行驶轨迹，确定所述障碍车的至少一个第一候选路线和所述自动驾驶车辆的至少一个第一候选路线，包括：

基于所述自动驾驶车辆的历史实际行驶轨迹和所述障碍车的历史实际行驶轨迹确定所述障碍车的轨迹点分布信息和所述自动驾驶车辆的轨迹点分布信息；

对于目标主体，基于所述目标主体的轨迹点分布信息生成所述目标主体的多个轨迹点，所述目标主体为所述障碍车或者所述自动驾驶车辆；

从所述目标主体的多个轨迹点中采样出所述目标主体的多个目标轨迹点；

基于所述目标主体的多个目标轨迹点生成所述目标主体的一个第一候选路线。

5.根据权利要求3所述的方法，其特征在于，所述确定各个第一组合路线的推荐指标，包括：

基于所述障碍车的历史实际行驶轨迹确定推荐指标函数的参数分布信息，所述推荐指标函数用于确定第一组合路线的推荐指标；

基于所述推荐指标函数的参数分布信息，生成所述推荐指标函数的多个候选参数；

从所述推荐指标函数的多个候选参数中采样所述推荐指标函数的目标参数；

基于所述推荐指标函数的目标参数确定各个第一组合路线的推荐指标。

6.根据权要求5所述的方法，其特征在于，所述基于所述推荐指标函数的目标参数确定各个第一组合路线的推荐指标，包括：

对于任一个第一组合路线，获取所述任一个第一组合路线的至少一个参照信息，任一个参照信息为舒适度、安全度、所述自动驾驶车辆的速度、不确定度、礼貌程度以及流通度中的任一项，所述舒适度用于描述加速度，所述安全度用于描述碰撞信息，所述不确定度用于描述轨迹点的集中程度，所述礼貌程度用于描述所述自动驾驶车辆对所述障碍车的运动所造成的影响，所述流通度用于描述所述自动驾驶车辆所处环境中车辆的平均速度；

基于所述任一个第一组合路线的各个参照信息和所述各个参考信息对应的推荐指标函数的目标参数，确定所述任一个第一组合路线的推荐指标。

7.根据权利要求2所述的方法，其特征在于，所述基于所述自动驾驶车辆的历史实际行驶轨迹和所述历史偏差信息确定所述试探路线，包括：

响应于所述历史偏差信息不小于第一阈值，则获取至少一个映射关系，任一个映射关系用于描述行驶轨迹集合和参考路线之间的映射关系，所述行驶轨迹集合包括至少一个行驶轨迹；

从所述至少一个映射关系中选择行驶轨迹集合与所述自动驾驶车辆的历史实际行驶轨迹和所述障碍车的历史实际行驶轨迹相匹配的目标映射关系；

将所述目标映射关系对应的参考路线确定为所述试探路线。

8.根据权利要求7所述的方法，其特征在于，所述方法还包括：

基于所述试探路线和所述障碍车的历史实际行驶轨迹，确定所述障碍车的至少一个第二候选路线；

将所述障碍车的任一个第二候选路线和所述试探路线进行组合，得到任一个第二组合路线；

确定各个第二组合路线的推荐指标，从各个第二组合路线中选择推荐指标最高的第二组合路线；

所述至少根据所述障碍车的行驶意图对所述自动驾驶车辆进行自动驾驶决策规划，包括：

至少根据所述障碍车的行驶意图和所述推荐指标最高的第二组合路线，对所述自动驾驶车辆进行自动驾驶决策规划。

9.根据权利要求2所述的方法，其特征在于，所述基于所述障碍车的历史期望行驶轨迹和所述障碍车的历史实际行驶轨迹确定历史偏差信息，包括：

对于任一个障碍车，确定所述任一个障碍车的历史期望行驶轨迹和所述任一个障碍车的历史实际行驶轨迹之间的偏差信息；

基于各个障碍车的历史期望行驶轨迹和所述各个障碍车的历史实际行驶轨迹之间的偏差信息，确定所述历史偏差信息。

10.根据权利要求9所述的方法，其特征在于，所述任一个障碍车的历史期望行驶轨迹包括多个时刻的期望轨迹点，所述任一个障碍车的历史实际行驶轨迹包括多个时刻的实际轨迹点；

所述确定所述任一个障碍车的历史期望行驶轨迹和所述任一个障碍车的历史实际行驶轨迹之间的偏差信息，包括：

对于任一个时刻，基于所述任一个时刻的期望轨迹点的位置信息和所述任一个时刻的实际轨迹点的位置信息，确定所述任一个时刻对应的期望轨迹点和实际轨迹点之间的距离；

基于各个时刻对应的期望轨迹点和实际轨迹点之间的距离，确定所述任一个障碍车的历史期望行驶轨迹和所述任一个障碍车的历史实际行驶轨迹之间的偏差信息。

11.根据权利要求1所述的方法，其特征在于，所述根据所述障碍车的相关信息确定所述障碍车的行驶意图，包括：

根据所述障碍车的相关信息确定所述障碍车在时间维度的意图；

根据所述障碍车的相关信息确定所述障碍车在空间维度的意图；

将所述障碍车在时间维度的意图和所述障碍车在空间维度的意图确定为所述障碍车的行驶意图。

12.根据权利要求1所述的方法，其特征在于，所述至少根据所述障碍车的行驶意图对所述自动驾驶车辆进行自动驾驶决策规划，包括：

响应于所述障碍车的行驶意图发生改变，至少根据所述障碍车的行驶意图确定所述障碍车的目标行驶路线；

基于所述障碍车的目标行驶路线确定所述自动驾驶车辆的目标行驶路线。

13.根据权利要求1所述的方法，其特征在于，所述至少根据所述障碍车的行驶意图对所述自动驾驶车辆进行自动驾驶决策规划，包括：

响应于所述障碍车的行驶意图未改变，获取所述自动驾驶车辆与所述障碍车之间的距离；

若所述自动驾驶车辆与所述障碍车之间的距离小于距离阈值，则控制所述自动驾驶车辆停止行驶。

14.一种自动驾驶车辆，其特征在于，所述自动驾驶车辆包括处理器和存储器，所述存储器中存储有至少一条计算机程序，所述至少一条计算机程序由所述处理器加载并执行，以使所述自动驾驶车辆实现权利要求1至13任一所述的自动驾驶决策规划方法。