JP7183490B2 - 車両軌跡計画方法、装置、コンピュータ設備、コンピュータ可読記憶媒体、及びプログラム - Google Patents

車両軌跡計画方法、装置、コンピュータ設備、コンピュータ可読記憶媒体、及びプログラム Download PDF

Info

Publication number
JP7183490B2
JP7183490B2 JP2020041773A JP2020041773A JP7183490B2 JP 7183490 B2 JP7183490 B2 JP 7183490B2 JP 2020041773 A JP2020041773 A JP 2020041773A JP 2020041773 A JP2020041773 A JP 2020041773A JP 7183490 B2 JP7183490 B2 JP 7183490B2
Authority
JP
Japan
Prior art keywords
point
grid
grids
destination
vehicle trajectory
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
Application number
JP2020041773A
Other languages
English (en)
Other versions
JP2020148776A (ja
Inventor
シア ジョォンプゥ
パヌ イフォン
Original Assignee
アポロ インテリジェント ドライビング テクノロジー（ペキン）カンパニー リミテッド
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 アポロ インテリジェント ドライビング テクノロジー（ペキン）カンパニー リミテッド filed Critical アポロ インテリジェント ドライビング テクノロジー（ペキン）カンパニー リミテッド
Publication of JP2020148776A publication Critical patent/JP2020148776A/ja
Application granted granted Critical
Publication of JP7183490B2 publication Critical patent/JP7183490B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Traffic Control Systems (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Instructional Devices (AREA)
  • Navigation (AREA)

Description

本発明は、車運転技術分野に関し、特に車両軌跡計画方法、装置、コンピュータ設備、コンピュータ可読記憶媒体、及びプログラムに関する。
従来技術の無人車両計画アルゴリズムは、無人車両が現在所在している道路シーンに基づいて、状態空間を渡ってサンプリングし、その後、評価関数に従って最適な軌跡を選択する。既存の無人車両軌道計画技術の欠点としては次のようなことが挙げられる。第一に、以前に経験したシーンでも、再度サンプリングする必要があり、計算リソースの浪費になるとともに、車載システムのリアルタイム性能に影響を及ぼす。第二に、評価関数の選択は経験に基づいて設計されたもので、運転の快適さと安全性まで達成することは困難である。
したがって、従来技術に対して、無人車両計画アルゴリズムを緊急に改善する必要がある。
従来技術における１つ又は複数の技術課題を解決するために、本発明は、車両軌跡計画方法、装置、コンピュータ設備及びコンピュータ可読記憶媒体を提供する。
本発明の第１態様は、車両軌跡計画方法を提供する。当該方法は、
出発地から目的地までの道路シーンを複数のグリッドに分割し、前記複数のグリッドのうち、障害物を包含するグリッドと障害物を包含しないグリッドに対し、対応するシーン情報をそれぞれ標識することと、
前記グリッドに標識されたシーン情報Ａと計画戦略Ｂとの関数であるＢ＝ｆ（Ａ，Ｗ）を構築し、ここで、ＷはニューラルネットワークモデルＷであり、計画戦略Ｂは、前記出発地から前記目的地まで通過するグリッドにおける各位置ポイントの情報を含むことと、
構築された複数の前記関数Ｂ＝ｆ（Ａ，Ｗ）によりフィッティングして、前記ニューラルネットワークモデルＷを取得することと、
前記ニューラルネットワークモデルＷに基づいて、前記出発地から前記目的地までの計画軌跡を得ることと、を含む。
１つの実施形態において、前記出発地から目的地までの道路シーンを複数のグリッドに分割することは、
前記各グリッドに番号を付けること、を含む。
１つの実施形態において、障害物を包含するグリッドと障害物を包含しないグリッドに対し、対応するシーン情報をそれぞれ標識することは、
前記障害物を包含するグリッドを標識するためのシーン情報には、障害物のタイプと状態を含み、前記障害物を包含しないグリッドには、同じシーン情報が標識されることを含む。
１つの実施形態において、前記グリッドに標識されたシーン情報Ａと計画戦略Ｂとの関数であるＢ＝ｆ（Ａ，Ｗ）を構築することは、
出発地から目的地まで通過する各グリッドに対し、所定条件に基づき、前記グリッドに標識されたシーン情報Ａと計画戦略Ｂとの関数であるＢ＝ｆ（Ａ，Ｗ）を構築することを含む。
１つの実施形態において、前記所定条件には、時間が最短であること、距離が最短であること、高速が優先的であること、及び／又は渋滞を回避することが含まれる。
１つの実施形態において、前記出発地から目的地まで通過するグリッド内の各位置ポイントの情報は、通過するグリッド内の所定ポイントの横座標と縦座標を含む。
本発明の第２態様は、車両軌跡計画装置を提供する。当該装置は、
出発地から目的地までの道路シーンを複数のグリッドに分割し、前記複数のグリッドのうち、障害物を包含するグリッドと障害物を包含しないグリッドに対し、対応するシーン情報をそれぞれ標識するグリッド分割ユニットと、
前記グリッドに標識されたシーン情報Ａと計画戦略Ｂとの関数であるＢ＝ｆ（Ａ，Ｗ）を構築し、ここで、ＷはニューラルネットワークモデルＷであり、計画戦略Ｂは、前記出発地から前記目的地まで通過するグリッドにおける各位置ポイントの情報を含む構築ユニットと、
構築された複数の前記関数Ｂ＝ｆ（Ａ，Ｗ）によりフィッティングして、前記ニューラルネットワークモデルＷを取得するフィッティングユニットと、
前記ニューラルネットワークモデルＷに基づいて、前記出発地から前記目的地までの計画軌跡を得る計画ユニットと、を含む。
１つの実施形態において、前記出発地から目的地までの道路シーンを複数のグリッドに分割することは、前記各グリッドに番号を付けること、を含む。
１つの実施形態において、障害物を包含するグリッドと障害物を包含しないグリッドに対し、対応するシーン情報をそれぞれ標識することは、
前記障害物を包含するグリッドを標識するためのシーン情報には、障害物のタイプと状態を含み、前記障害物を包含しないグリッドには、同じシーン情報が標識されることを含む。
１つの実施形態において、前記グリッドに標識されたシーン情報Ａと計画戦略Ｂとの関数であるＢ＝ｆ（Ａ，Ｗ）を構築することは、
出発地から目的地まで通過する各グリッドに対し、所定条件に基づき、前記グリッドに標識されたシーン情報Ａと計画戦略との関数であるＢ＝ｆ（Ａ，Ｗ）を構築することを含む。
１つの実施形態において、前記所定条件には、時間が最短であること、距離が最短であること、高速が優先的であること、及び／又は渋滞を回避することが含まれる。
１つの実施形態において、前記出発地から目的地まで通過するグリッド内の各位置ポイントの情報は、通過するグリッド内の所定ポイントの横座標と縦座標を含む。
本発明の第３態様は、コンピュータ設備を提供する。当該コンピュータ設備は、１つ又は複数のプロセッサと、１つ又は複数のプログラムを記憶するためのメモリとを含み、１つ又は複数のプログラムが１つ又は複数のプロセッサにより実行される場合、上記の方法を実現させる。
本発明の第４態様において、コンピュータプログラムが記憶されているコンピュータ可読記憶媒体を提供し、当該プログラムがプロセッサにより実行される場合、上記の方法を実行させる。
本発明によれば、以前の、例えば、人による運転のもとで経験したシーンを再度サンプリングする必要がなく、計算リソースの浪費を回避するとともに、車載システムのリアルタイム性能を保障し、さらに、快適さと安全性をも保障することができる。本発明の各実施形態において提供される技術は、無人運転の場合に適応することもでき、人による運転の場合に適応することもできる。
上記の略述は、単に説明のために過ぎず、いかなる限定をも目的としない。上記に記載されている例示的な態様、実施形態、及び特徴以外に、図面及び下記の詳細説明を参照することによって、本発明のさらなる態様、実施形態、及び特徴の理解を促す。
本発明の第１態様の実施形態による車両軌跡計画方法を示す模式図である。 本発明の第１態様の実施形態による障害物を包含するグリッドと障害物を包含しないグリッドに対応するシーン情報の標識を示す模式図である。 本発明の第１態様の実施形態によるグリッドに標識されるシーン情報Ａと計画戦略Ｂとの関数であるＢ＝ｆ（Ａ，Ｗ）の構築を示す模式図である。 本発明の第１態様の実施形態による車両計画軌跡を示す模式図である。 本発明の第１態様の実施形態による所定条件を示す模式図である。 本発明の第１態様の実施形態による出発地から目的地まで通過するグリッドにおける各位置ポイントの情報を示す模式図である。 本発明の第２態様の実施形態による車両軌跡計画装置を示す模式図である。 本発明の第３態様の実施形態によるコンピュータ設備を示す模式図である。
図面において特に規定されない限り、複数の図面において同様の図面符号は、同様又は類似的な部材又はエレメントを示す。これらの図面は必ずしも実際の比例に従って製図されたものではない。これらの図面は本発明に基づいて開示された幾つかの実施形態を描いたものに過ぎず、本発明の範囲に対する制限としてはならないことを理解すべきである。
下記において、幾つかの例示的実施形態を簡単に説明する。当業者が把握出来るよう、本発明の主旨又は範囲を逸脱しない限り、様々な方式により説明された実施形態に変更可能である。従って、図面と説明は制限を加えるものでなく、本質的には例示的なものである。
図１は、本発明の第１態様の実施形態による車両軌跡計画方法１００を示す模式図であり、下記のステップＳ１０２、Ｓ１０４、Ｓ１０６、Ｓ１０８を含む。
ステップＳ１０２において、出発地から目的地までの道路シーンを複数のグリッドに分割し、複数のグリッドのうち、障害物を包含するグリッドと障害物を包含しないグリッドに対し、対応するシーン情報をそれぞれ標識する。
ステップＳ１０４において、グリッドに標識されたシーン情報Ａと計画戦略Ｂとの関数であるＢ＝ｆ（Ａ，Ｗ）を構築し、ここで、ＷはニューラルネットワークモデルＷであり、計画戦略Ｂは、出発地から目的地まで通過するグリッドにおける各位置ポイントの情報を含む。
ステップＳ１０６において、構築された複数の関数Ｂ＝ｆ（Ａ，Ｗ）によりフィッティングして、前記ニューラルネットワークモデルＷを取得する。
ステップＳ１０８において、ニューラルネットワークモデルに基づいて、出発地から目的地までの計画軌跡を得る。
図４に例示的に示したように一実施例において、出発地Ａから目的地Ｄへの道路シーンを複数のグリッドに分割し、各グリッドに番号を付ける。
図４に示したように、出発地Ａから目的地Ｄへの道路シーンは５＊８個のグリッドに分割される。グリッドの番号は、例えば図４にて簡単に示されたよう、当該５＊８個のグリッド番号は次の通りである。
（１，１），（１，２），（１，３），（１，４），（１，５），（１，６），（１，７），（１，８）；
（２，１），（２，２），（２，３），（２，４），（２，５），（２，６），（２，７），（２，８）；
（３，１），（３，２），（３，３），（３，４），（３，５），（３，６），（３，７），（３，８）；
（４，１），（４，２），（４，３），（４，４），（４，５），（４，６），（４，７），（４，８）；
（５，１），（５，２），（５，３），（５，４），（５，５），（５，６），（５，７），（５，８）。
図４は、出発地Ａから目的地Ｄへの４つの可能な経路、つまり、経路１、経路２、経路３、経路４を示している。この４つの可能な経路はすべて、出発地Ａから目的地Ｄへ到達することができる。２つのグリッドには障害物が存在している。つまり、グリッド（３，３）には障害物１、グリッド（３，６）には障害物２がそれぞれ存在している。ここでの障害物は、現在車両（自車両）の前方で走行している車両であってもよいし、または道路建設などの工事によって引き起こされる障害物であってもよい。分割されたグリッドのサイズは妥当であり、障害物１の領域と障害物２の領域は避けられない領域であるため、回避する必要があるとする。ここに示されている５＊８個グリッドは単なる例示であり、当業者なら理解されうるよう、任意の適切な分割を行うことができる。
１つの実施形態において、ステップ１０２のうち、障害物を包含するグリッドと障害物を包含しないグリッドに対し、対応するシーン情報をそれぞれ標識することは以下を含むことができる。
ステップ１１０において、障害物を包含するグリッドを標識するためのシーン情報については、障害物のタイプと状態を含み、前記障害物を包含しないグリッドについては、同じシーン情報が標識される。例えば、障害物のタイプや状態などの情報を使用してグリッド値を標識する場合、障害物１のタイプは車両で、状態は運動または静止であり、障害物２のタイプは工事のマウンドで、状態は静止である、のように区別させる。さらに、図４に示すよう、障害物のないグリッドに対しては同じシーン情報が標識され、例えば、グリッド（３，３）、（３，６）を除いて、他のグリッドは通過可能の状態情報と標識され、 グリッド（１，１）、（１，２）、（２，１）、（２，２）、…（４，７）、（４，８）、（５，７）、（５，８）などは、妨げがないと標識される。
１つの実施形態において、ステップ１０４で言及した前記グリッドに標識されるシーン情報Ａと計画戦略Ｂとの関数であるＢ＝ｆ（Ａ，Ｗ）を構築することは、以下を含むことができる。
出発地から目的地まで通過する各グリッドに対し、所定条件に基づき、グリッドに標識されるシーン情報Ａと計画戦略Ｂとの関数であるＢ＝ｆ（Ａ，Ｗ）を構築する。
例えば、特定のニューラルネットワークモデルＷにより計画戦略Ｂへのグリッド（シーン情報Ａが表れる）のマッピングを学習できる。
例えば、Ｂ１＝ｆ（Ａ１，Ｗ）について、Ｂ１は計画戦略であり、出発地Ａからグリッド（３，２）にあるポイントＢまでの計画戦略を表し、Ａ１は、出発地ＡからポイントＢまでのシーン情報であり、出発地Ａからグリッド（３，２）にあるポイントＢまでのシーン情報は妨げがなく、何の障害物もないという情報であり、Ｗはニューラルネットワークモデルを表す。
図４に示すように、出発地Ａはグリッド（３，１）にあり、目的地Ｄはグリッド（３，８）にあり、障害物１はグリッド（３，３）にあり、障害物２はグリッド（３，６）内にある。 図４の黒い点「・」は、考慮すべきであるノード、例えば、図４における経路２に示されるポイントＡ、ポイントＢ、ポイントＣ０、ポイントＣ１、ポイントＣ２、ポイントＣ３、ポイントＣ４、ポイントＣ５、ポイントＣ７およびポイントＤなどがあり、これらのノードについては後述する。
車両が出発地Ａから出発すると、出発地のグリッド（３，１）から次のグリッドへの経路選択の計算が開始され、例えば、時間が最短であること、距離が最短であること、高速が優先的であること、及び／又は渋滞を回避することなどの特定のニーズに応じて、Ｂ１＝ｆ（Ａ１，Ｗ）によって、次のグリッド（３，２）、つまり、グリッド（３，２）におけるＢポイントを選択でき、上記のように、Ａ１は出発地Ａから地点Ｂへのシーン情報を表し、Ｂ１は出発地ＡからポイントＢへの計画戦略を表す。
グリッド（３，２）のポイントＢに到達しようとしているとき、障害物１を避ける選択をする必要がある。例えば、計画戦略Ｂ２＝ｆ（Ａ２，Ｗ）は、経路１、経路２、経路３、経路４のいずれかを選択する。 例えば、時間が最短であるなどの要因に応じて、経路２が選択される場合がある。
経路２を選択する場合、例えば計画戦略Ｂ２＝ｆ（Ａ２，Ｗ）に従って、時間が最短であるなどの要因に応じて、次のポイントとしてグリッド（２，２）のエッジであるＣ０ポイントが選択され、Ａ２はポイントＢからポイントＣ０のシーン情報であり、Ｂ２はポイントＢからポイントＣ０までの計画戦略を表す。
グリッド（２，２）のエッジであるポイントＣ０に到達しようとしているとき、例えば計画戦略Ｂ３＝ｆ（Ａ３，Ｗ）に従って、時間が最短であるなどの要因に応じて、次のポイントとしてグリッド（２，３）のエッジであるポイントＣ１が選択され、Ａ３はポイントＣ０からポイントＣ１のシーン情報であり、Ｂ３はポイントＣ０からポイントＣ１までの計画戦略を表す。
グリッド（２，３）のエッジであるポイントＣ１に到達しようとしているとき、例えば計画戦略Ｂ４＝ｆ（Ａ４，Ｗ）に従って、時間が最短であるなどの要因に応じて、次のポイントとしてグリッド（２，４）のエッジであるポイントＣ２が選択され、Ａ４はポイントＣ１からポイントＣ２のシーン情報であり、Ｂ４はポイントＣ１からポイントＣ２までの計画戦略を表す。
グリッド（２，４）のエッジであるポイントＣ２に到達しようとしているとき、例えば計画戦略Ｂ５＝ｆ（Ａ５，Ｗ）に従って、時間が最短であるなどの要因に応じて、次のポイントとしてグリッド（２，５）のエッジであるポイントＣ３が選択され、Ａ５はポイントＣ２からポイントＣ３のシーン情報であり、Ｂ５はポイントＣ２からポイントＣ３までの計画戦略を表す。
グリッド（２，５）のエッジであるポイントＣ３に到達しようとしているとき、例えば計画戦略Ｂ６＝ｆ（Ａ６，Ｗ）に従って、時間が最短であるなどの要因に応じて、次のポイントとしてグリッド（２，６）のエッジであるポイントＣ４が選択され、Ａ６はポイントＣ３からポイントＣ４のシーン情報であり、Ｂ６はポイントＣ３からポイントＣ４までの計画戦略を表す。
グリッド（２，６）のエッジであるポイントＣ４に到達しようとしているとき、例えば計画戦略Ｂ７＝ｆ（Ａ７，Ｗ）に従って、時間が最短であるなどの要因に応じて、次のポイントとしてグリッド（２，７）のエッジであるポイントＣ５が選択され、Ａ７はポイントＣ４からポイントＣ５のシーン情報であり、Ｂ７はポイントＣ４からポイントＣ５までの計画戦略を表す。
グリッド（２，７）のエッジであるポイントＣ５に到達しようとしているとき、例えば計画戦略Ｂ８＝ｆ（Ａ８，Ｗ）に従って、時間が最短であるなどの要因に応じて、次のポイントとしてグリッド（２，７）の内部にあるポイントＣ６が選択され、Ａ８はポイントＣ５からポイントＣ６のシーン情報であり、Ｂ８はポイントＣ５からポイントＣ６までの計画戦略を表す。
グリッド（２，７）の内部にあるポイントＣ６に到達しようとしているとき、例えば計画戦略Ｂ９＝ｆ（Ａ９，Ｗ）に従って、時間が最短であるなどの要因に応じて、次のポイントとしてグリッド（３，７）のエッジであるポイントＣ７が選択され、Ａ９はポイントＣ６からポイントＣ７のシーン情報であり、Ｂ９はポイントＣ６からポイントＣ７までの計画戦略を表す。
グリッド（３，７）のエッジであるポイントＣ７に到達しようとしているとき、例えば計画戦略Ｂ１０＝ｆ（Ａ１０，Ｗ）に従って、時間が最短であるなどの要因に応じて、次のポイントがグリッド（３，８）の内部にあるポイントＤ（すなわち、目的地）が選択され、Ａ１０はポイントＣ７からポイントＤのシーン情報であり、Ｂ１０はポイントＣ７からポイントＤまでの計画戦略を表す。
なお、上記の選択された経路１は一例であり、時間が最短である場合に得られる選択経路であることに留意すべきである。
あるいは、出発地Ａから出発し、目的地Ｄへの計画戦略としては、経路３の計画戦略を選択してもよい。なぜなら、全ての経路のうち、経路３は、距離が最短であるという所定条件を満たすためである。
あるいは、出発地Ａから出発して、目的地Ｄへの計画戦略としては、経路１の計画戦略を選択してもよい。なぜなら、全ての経路のうち、経路１は、高速が優先的であるという所定条件を満たすためである。
あるいは、出発地Ａから出発して、目的地Ｄへの計画戦略としては、経路４の計画戦略を選択してもよい。なぜなら、全ての経路のうち、経路４は、渋滞を回避するという所定条件を満たすためである。
経路３、１、４などを選択する場合、類似したマッピング操作も同様に実行され、最終的に目的地Ｄが所在しているグリッド（３，８）に到達する。
図４に示されたグリッド化方法は単に例示であり、出発地Ａと目的地Ｄ間に複数の可能な経路があり得ることに留意すべきである。各経路（各またはいくつかの特定のニーズに対応）に基づいて、類似するマッピングと計算を実行する必要がある。
本発明の１つの実施形態において、ステップ１０４で述べたよう、出発地Ａから目的地Ｄまで通過するグリッド内の各位置ポイントの情報は、通過するグリッド内の所定ポイントの横座標と縦座標を含むことができる。
例えば、出発地Ａが位置するグリッド（３，１）から出発する場合、計画戦略Ｂ１には、具体的にグリッド（３，２）のどのノードに到達するか、例えば到達したグリッド（３，２）のポイントＢの位置情報（ΔＸ１，ΔＹ１）が含まれる。ここで、値ΔＸ１は、ポイントＢからグリッド（３，２）の左下隅にあるポイント（ポイントＭ、ポイントＭを出発地とする）の横座標上の距離であり、値ΔＹ１は、ポイントＢからグリッド（３，２）の左下隅にあるポイント（ポイントＭ、ポイントＭを出発地とする）の縦座標上の距離を表す。 また、同様に、他の各グリッドの左下隅にあるポイントは対応するグリッドの出発地（図示せず）であるとする。例えば、図４では、グリッド（３，２）の左下隅にあるポイントＭは、グリッド（３，２）の出発地として示されている。
経路２を選択する場合、前述のように、例えば計画戦略Ｂ２＝ｆ（Ａ２，Ｗ）に従って、時間が最短であるなどの要因に応じて、次のポイントとしてグリッド（２，２）のエッジであるポイントＣ０が選択され、ここで、計画戦略には、到達しようとする位置（グリッド（２，２）のエッジであるポイントＣ０）及び相応の端点Ｃ０の位置情報（ΔＸ２，ΔＹ２）が含まれる。
グリッド（２，２）のエッジであるポイントＣ０に到達しようとしているとき、例えば計画戦略Ｂ３＝ｆ（Ａ３，Ｗ）に従って、時間が最短であるなどの要因に応じて、次のポイントとしてグリッド（２，３）のエッジであるポイントＣ１が選択され、ここで、計画戦略には、到達しようとする位置（グリッド（２，３）のエッジであるポイントＣ１）及び相応の端点Ｃ１の位置情報（ΔＸ３，ΔＹ３）が含まれる。
グリッド（２，３）のエッジであるポイントＣ１に到達しようとしているとき、例えば計画戦略Ｂ４＝ｆ（Ａ４，Ｗ）に従って、時間が最短であるなどの要因に応じて、次のポイントとしてグリッド（２，４）のエッジであるポイントＣ２が選択され、ここで、計画戦略には、到達しようとする位置（グリッド（２，４）のエッジであるポイントＣ２）及び相応の端点Ｃ２の位置情報（ΔＸ４，ΔＹ４）が含まれる。
グリッド（２，４）のエッジであるポイントＣ２に到達しようとしているとき、例えば計画戦略Ｂ５＝ｆ（Ａ５，Ｗ）に従って、時間が最短であるなどの要因に応じて、次のポイントとしてグリッド（２，５）のエッジであるポイントＣ３が選択され、ここで、計画戦略には、到達しようとする位置（グリッド（２，５）のエッジであるポイントＣ３）及び相応の端点Ｃ３の位置情報（ΔＸ５，ΔＹ５）が含まれる。
グリッド（２，５）のエッジであるポイントＣ３に到達しようとしているとき、例えば計画戦略Ｂ６＝ｆ（Ａ６，Ｗ）に従って、時間が最短であるなどの要因に応じて、次のポイントとしてグリッド（２，６）のエッジであるポイントＣ４が選択され、ここで、計画戦略には、到達しようとする位置（グリッド（２，６）のエッジであるポイントＣ４）及び相応の端点Ｃ４の位置情報（ΔＸ６，ΔＹ６）が含まれる。
グリッド（２，６）のエッジであるポイントＣ４に到達しようとしているとき、例えば計画戦略Ｂ７＝ｆ（Ａ７，Ｗ）に従って、時間が最短であるなどの要因に応じて、次のポイントとしてグリッド（２，７）のエッジであるポイントＣ５が選択され、ここで、計画戦略には、到達しようとする位置（グリッド（２，７）のエッジであるポイントＣ５）及び相応の端点Ｃ５の位置情報（ΔＸ７，ΔＹ７）が含まれる。
グリッド（２，７）のエッジであるポイントＣ５に到達しようとしているとき、例えば計画戦略Ｂ８＝ｆ（Ａ８，Ｗ）に従って、時間が最短であるなどの要因に応じて、次のポイントとしてグリッド（２，７）の内部にあるポイントＣ６が選択され、ここで、計画戦略には、到達しようとする位置（グリッド（２，７）の内部にあるポイントＣ６）及び相応の端点Ｃ６の位置情報（ΔＸ８，ΔＹ８）が含まれる。
グリッド（２，７）のエッジであるポイントＣ６に到達しようとしているとき、例えば計画戦略Ｂ９＝ｆ（Ａ９，Ｗ）に従って、時間が最短であるなどの要因に応じて、次のポイントとしてグリッド（３，７）のエッジであるポイントＣ７が選択され、ここで、計画戦略には、到達しようとする位置（グリッド（３、７）のエッジであるポイントＣ７）及び相応の端点Ｃ７の位置情報（ΔＸ９，ΔＹ９）が含まれる。
グリッド（３，７）のエッジであるポイントＣ７に到達しようとしているとき、例えば計画戦略Ｂ１０＝ｆ（Ａ１０，Ｗ）に従って、時間が最短であるなどの要因に応じて、次のポイントとしてグリッド（３，８）のエッジであるポイントＤ（すなわち、目的地）が選択され、ここで、計画戦略には、到達しようとする位置（グリッド（３，８）の内部にあるポイントＤ）及び相応のポイントＤの位置情報（ΔＸ１０，ΔＹ１０）が含まれる。
経路３、１、４などを選択する場合、類似した計算も同様に実行され、最終的に目的地Ｄが所在しているグリッド（３，８）内にあるポイントＤに到達する。
本発明の様々な実施形態で言及される「位置情報」という用語は、この位置を選択するための確率情報を含むことに留意すべきである。 例えば、図４のポイントＣ６と目的地Ｄ間は、通過するポイントＣ７を含む直線となっているが、ポイントＣ６と目的地Ｄ間に曲線状または他の形状の経路をとることも可能であるため、このような場合、 ポイントＣ７は通過するポイントとして選択されない可能性がある。したがって、選択された各ポイントの確率情報は各選択に含まれ、これは当業者にとって理解するのが難しいものではない。
１つの実施形態において、ステップ１０６にて、構築された複数の前記関数Ｂ＝ｆ（Ａ，Ｗ）によりフィッティングして、ニューラルネットワークモデルＷを取得することができる。
例えば、上記のように取得したデータに基づき、多数のグリッド（シーン情報Ａ）と計画戦略Ｂ（Ｂ１、Ｂ２、Ｂ３、Ｂ４、．．． Ｂｎ）間の関数関係のデータ、または標記データが生成される。例えば、経路２を選択した場合、次の関数関係が取得される。
Ｂ１＝ｆ（Ａ１，Ｗ），
Ｂ２＝ｆ（Ａ２，Ｗ），
Ｂ３＝ｆ（Ａ３，Ｗ），
……
Ｂｎ＝ｆ（Ａｎ，Ｗ）；

例えば、経路３を選択した場合、次の関数関係が取得される。
Ｂ１ ’＝ｆ（Ａ１ ’，Ｗ），
Ｂ２ ’＝ｆ（Ａ２ ’，Ｗ），
Ｂ３ ’＝ｆ（Ａ３ ’，Ｗ），
……
Ｂｎ’＝ｆ（Ａｎ’，Ｗ）；
例えば、経路１を選択した場合、次の関数関係が取得される。
Ｂ１ ’’＝ｆ（Ａ１ ’’，Ｗ），
Ｂ２ ’’＝ｆ（Ａ２ ’’，Ｗ），
Ｂ３ ’’＝ｆ（Ａ３ ’’，Ｗ），
……
Ｂｎ ’’＝ｆ（Ａｎ ’’，Ｗ）；
例えば、経路４を選択した場合、次の関数関係が取得される。
Ｂ１ ’’’＝ｆ（Ａ１ ’’’，Ｗ），
Ｂ２ ’’’＝ｆ（Ａ２ ’’’，Ｗ），
Ｂ３ ’’’＝ｆ（Ａ３ ’’’，Ｗ），
……
Ｂｎ’’’＝ｆ（Ａｎ’’’，Ｗ）；
よって、上記の関数関係によりフィッティングして、ニューラルネットワークモデルＷを取得することができる。
１つの実施形態において、ステップ１０８にて、ニューラルネットワークモデルＷに基づいて、出発地Ａから目的地Ｄまでの計画軌跡を得る。
例えば、フィッティングして取得したニューラルネットワークモデルＷに基づいて、出発地Ａと目的地Ｄの情報を入力した後、ニューラルネットワークモデルＷは経路２を選択する計画戦略を、出発地Ａから出発して目的地Ｄに到達する計画戦略として推薦する（経路２は時間が最短である要件を満たしているため）。
あるいは、ニューラルネットワークモデルＷは経路３を選択する計画戦略を、出発地Ａから出発して目的地Ｄに到達する計画戦略として推薦する（経路３は距離が最短である要件を満たしているため）。
あるいは、ニューラルネットワークモデルＷは経路１を選択する計画戦略を、出発地Ａから出発して目的地Ｄに到達する計画戦略として推薦する（経路１は高速が優先的である要件を満たしているため）。
あるいは、ニューラルネットワークモデルＷは経路４を選択する計画戦略を、出発地Ａから出発して目的地Ｄに到達する計画戦略として推薦する（経路４は渋滞を回避する要件を満たしているため）。
図７は、本発明の第２態様の実施形態による車両軌跡計画装置２００を示す。当該装置は、
出発地から目的地までの道路シーンを複数のグリッドに分割し、複数のグリッドのうち、障害物を包含するグリッドと障害物を包含しないグリッドに対し、対応するシーン情報をそれぞれ標識するグリッド分割ユニット２０２と、
グリッドに標識されるシーン情報Ａと計画戦略Ｂとの関数であるＢ＝ｆ（Ａ，Ｗ）を構築し、ここで、ＷはニューラルネットワークモデルＷであり、計画戦略Ｂは、前記出発地から前記目的地まで通過するグリッドにおける各位置ポイントの情報を含む構築ユニット２０４と、
構築された複数の関数Ｂ＝ｆ（Ａ，Ｗ）をフィッティングして、ニューラルネットワークモデルＷを取得するフィッティングユニット２０６と、
ニューラルネットワークモデルに基づいて、出発地から目的地までの計画軌跡を得る計画ユニット２０８と、を含む。
本発明の他の実施形態において、グリッド分割ユニット２０２は、各グリッドに番号を付けるようにさらに構成される。
本発明のもう１つの実施形態において、障害物を包含するグリッドと障害物を包含しないグリッドに対し、対応するシーン情報をそれぞれ標識することは、障害物を包含するグリッドを標識するためのシーン情報には、障害物のタイプと状態を含み、障害物を包含しないグリッドには、同じシーン情報が標識されることを含む。
本発明のさらなる実施形態において、グリッドに標識されたシーン情報Ａと計画戦略Ｂとの関数であるＢ＝ｆ（Ａ，Ｗ）を構築することは、
発地から目的地まで通過する各グリッドに対し、所定条件に基づき、前記グリッドに標識されるシーン情報Ａと計画戦略との関数であるＢ＝ｆ（Ａ，Ｗ）を構築することを含むように構成されている。
本発明のもう１つの実施形態において、所定条件には、時間が最短であること、距離が最短であること、高速が優先的であること、及び／又は渋滞を回避することを含む。
本発明の１つの実施形態において、出発地から目的地まで通過するグリッド内の各位置ポイントの情報は、通過するグリッド内の所定ポイントの横座標と縦座標を含む。
本発明の第３態様の実施形態において、コンピュータ設備を提供する。当該コンピュータ設備は、１つ又は複数のプロセッサと、１つ又は複数のプログラムを記憶するためのメモリと、を含み、１つ又は複数のプログラムが１つ又は複数のプロセッサにより実行される場合、上記の方法は実現される。
本発明の第４態様の実施形態において、コンピュータプログラムが記憶されているコンピュータ可読記憶媒体を提供し、当該プログラムがプロセッサにより実行される場合、上記の方法は実行される。
図８は、本発明の実施形態によるコンピュータ設備のブロック図である。図８に示すように、当該コンピュータ設備は、メモリ３１０とプロセッサ３２０を含み、メモリ３１０にプロセッサ３２０で実行可能なコンピュータプログラムが記憶される。前記プロセッサ３２０が前記コンピュータプログラムを実行する場合、上記の実施形態における車両軌跡計画方法は実現される。前記メモリ３１０とプロセッサ３２０の数は１つであってもよく又は複数であってもよい。
当該装置／設備／端末／サーバーは、他のデバイスと通信するために用いられ、データの相互伝送を行う通信インターフェース３３０をさらに含む。
メモリ３１０は、高速度ＲＡＭメモリを含んでもよく、少なくとも１つの磁気メモリのような不揮発性メモリ（ｎｏｎ－ｖｏｌａｔｉｌｅ ｍｅｍｏｒｙ）を含んでもよい。
メモリ３１０、プロセッサ３２０、及び通信インターフェース３３０が個別に実現される場合、メモリ３１０、プロセッサ３２０、及び通信インターフェース３３０は、バスによって相互接続して相互通信を行うことができる。前記バスは、インダストリスタンダードアーキテクチャ（ＩＳＡ、Ｉｎｄｕｓｔｒｙ Ｓｔａｎｄａｒｄ Ａｒｃｈｉｔｅｃｔｕｒｅ）バス、外部デバイス相互接続（ＰＣＩ、Ｐｅｒｉｐｈｅｒａｌ ＣｏｍｐｏｎｅｎｔＩｎｔｅｒｃｏｎｎｅｃｔ）バス、又は拡張インダストリスタンダードアーキテクチャ（ＥＩＳＡ、Ｅｘｔｅｎｄｅｄ Ｉｎｄｕｓｔｒｙ Ｓｔａｎｄａｒｄ Ｃｏｍｐｏｎｅｎｔ）バス等であってもよい。前記バスは、アドレスバス、データバス、制御バス等として分けられることが可能である。表示の便宜上、図８に１本の太線のみで表示するが、バスが１つ又は１種類のみであることを意味しない。
任意選択で、具体的な実現において、メモリ３１０、プロセッサ３２０及び通信インターフェース３３０が１つのチップに集成した場合、メモリ３１０、プロセッサ３２０、及び通信インターフェース３３０は、内部インターフェースによって相互通信を行うことができる。
本発明の実施形態は、コンピュータプログラムが記憶されるコンピュータ可読記憶媒体を提供し、当該プログラムがプロセッサにより実行される時、上記の実施形態のいずれか１つに記載された方法を実現させる。
本明細書において、「１つの実施形態」、「幾つかの実施形態」、「例」、「具体例」或いは「一部の例」などの用語とは、当該実施形態或いは例で説明された具体的特徴、構成、材料或いは特点を結合して、本発明の少なくとも１つの実施形態或いは実施例に含まれることを意味する。また、説明された具体的特徴、構成、材料或いは特点は、いずれか１つ或いは複数の実施形態または例において適切に結合することが可能である。また、矛盾しない限り、当業者は、本明細書の異なる実施形態または例、および、異なる実施形態または例における特徴を結合したり、組み合わせたりすることができる。
また、用語「第１」、「第２」とは比較的重要性を示している又は暗示しているわけではなく、単に説明のためのものであり、示される技術的特徴の数を暗示するわけでもない。そのため、「第１」、「第２」で限定される特徴は、少なくとも１つの当該特徴を明示又は暗示的に含むことが可能である。本出願の記載の中において、「複数」の意味とは、明確的に限定される以外に、２つ又は２つ以上を意味する。
フローチャート又はその他の方式で説明された、いかなるプロセス又は方法に対する説明は、特定な論理的機能又はプロセスのステップを実現するためのコマンドのコードを実行可能な１つ又はそれ以上のモジュール、断片若しくはセグメントとして理解することが可能であり、さらに、本発明の好ましい実施形態の範囲はその他の実現を含み、示された、又は、記載の順番に従うことなく、係る機能に基づいてほぼ同時にまたは逆の順序に従って機能を実行することを含み、これは当業者が理解すべきことである。
フローチャートに示された、又はその他の方式で説明された論理及び／又はステップは、例えば、論理機能を実現させるための実行可能なコマンドのシーケンスリストとして見なされることが可能であり、コマンド実行システム、装置、又はデバイス（プロセッサのシステム、又はコマンド実行システム、装置、デバイスからコマンドを取得して実行することが可能なその他のシステムを含むコンピュータによるシステム）が使用できるように提供し、又はこれらのコマンドを組み合わせて使用するコマンド実行システム、装置、又はデバイスに使用されるために、いかなるコンピュータ可読記憶媒体にも具体的に実現されることが可能である。本明細書において、「コンピュータ可読記憶媒体」は、コマンド実行システム、装置、デバイス、又はこれらのコマンドを組み合わせて実行するシステム、装置又はデバイスが使用できるように提供するため、プログラムを格納、記憶、通信、伝搬又は伝送する装置であってもよい。コンピュータ読み取り可能媒体のより具体的例（非網羅的なリスト）として、１つ又は複数の布配線を含む電気接続部（電子装置）、ポータブルコンピュータディスク（磁気装置）、ランダム・アクセス・メモリ（ＲＡＭ）、リード・オンリー・メモリ（ＲＯＭ）、消去書き込み可能リード・オンリー・メモリ（ＥＰＲＯＭ又はフラッシュメモリ）、光ファイバー装置、及びポータブル読み取り専用メモリ（ＣＤＲＯＭ）を少なくとも含む。また、コンピュータ読み取り可能媒体は、そのうえで前記プログラムを印字できる紙又はその他の適切な媒体であってもよく、例えば紙又はその他の媒体に対して光学的スキャンを行い、そして編集、解釈又は必要に応じてその他の適切の方式で処理して電子的方式で前記プログラムを得、その後コンピュータメモリに記憶することができるためである。
なお、本発明の各部分は、ハードウェア、ソフトウェア、ファームウェア又はこれらの組み合わせによって実現されることができる。上記実施形態において、複数のステップ又は方法は、メモリに記憶された、適当なコマンド実行システムによって実行されるソフトウェア又はファームウェアによって実施されることができる。例えば、ハードウェアによって実現するとした場合、別の実施形態と同様に、データ信号に対して論理機能を実現する論理ゲート回路を有する離散論理回路、適切な混合論理ゲート回路を有する特定用途向け集積回路、プログラマブルゲートアレイ（ＧＰＡ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）などといった本技術分野において公知である技術のうちのいずれか１つ又はそれらの組み合わせによって実現される。
当業者は、上記の実施形態における方法に含まれるステップの全部又は一部を実現するのは、プログラムによって対応するハードウェアを指示することによって可能であることを理解することができる。前記プログラムは、コンピュータ読取可能な媒体に記憶されてもよく、当該プログラムが実行される場合き、方法の実施形態に係るステップのうちの１つ又はそれらの組み合わせを含むことができる。
また、本発明の各実施形態における各機能ユニットは、１つの処理モジュールに統合されてよく、別個の物理的な個体であってもよく、２つ又は３つ以上のユニットが１つのモジュールに統合されてもよい。上記の統合モジュールは、ハードウェアで実現されてもよく、ソフトウェア機能モジュールで実現されてもよい。上記の統合モジュールが、ソフトウェア機能モジュールで実現され、しかも独立した製品として販売又は使用される場合、コンピュータ読取可能な記憶媒体に記憶されてもよい。前記記憶媒体は読取専用メモリ、磁気ディスク又は光ディスク等であってもよい。
上記の記載は、単なる本発明の具体的な実施形態に過ぎず、本発明の保護範囲はそれに限定されることなく、当業者が本発明に開示されている範囲内において、容易に想到し得る変形又は置換は、全て本発明の範囲内に含まれるべきである。そのため、本発明の範囲は、記載されている特許請求の範囲に準じるべきである。

Claims (13)

  1. 出発地から目的地までの道路シーンを複数のグリッドに分割し、前記複数のグリッドのうち、障害物を包含するグリッドと障害物を包含しないグリッドに対し、対応するシーン情報をそれぞれ標識することと、 前記出発地から前記目的地まで通過する前記障害物を包含しない各グリッドに対し、所定条件に基づき、前記グリッドに標識されたシーン情報Ａと計画戦略Ｂとの関数であるＢ＝ｆ（Ａ，Ｗ）を構築し、ここで、ＷはニューラルネットワークモデルＷであり、計画戦略Ｂは、前記出発地から前記目的地まで通過するグリッドにおける各位置ポイントの情報を含むことと、 構築された複数の前記関数Ｂ＝ｆ（Ａ，Ｗ）によりフィッティングして、前記ニューラルネットワークモデルＷを取得することと、 前記ニューラルネットワークモデルＷに基づいて、前記出発地から前記目的地までの計画軌跡を得ることと、を含む、 ことを特徴とする車両軌跡計画方法。
  2. 前記出発地から前記目的地までの道路シーンを複数のグリッドに分割することは、 前記各グリッドに番号を付けること、を含む、 ことを特徴とする請求項１に記載の車両軌跡計画方法。
  3. 前記障害物を包含するグリッドと前記障害物を包含しないグリッドに対し、前記対応するシーン情報をそれぞれ標識することは、 前記障害物を包含するグリッドを標識するためのシーン情報には、障害物のタイプと状態を含み、前記障害物を包含しないグリッドには、同じシーン情報が標識されることを含む、 ことを特徴とする請求項２に記載の車両軌跡計画方法。
  4. 前記所定条件には、時間が最短であること、距離が最短であること、高速が優先的であること、及び／又は渋滞を回避することが含まれる、 ことを特徴とする請求項１に記載の車両軌跡計画方法。
  5. 前記出発地から前記目的地まで通過するグリッド内の各位置ポイントの情報は、通過するグリッド内の所定ポイントの横座標と縦座標を含む、 ことを特徴とする請求項４に記載の車両軌跡計画方法。
  6. 出発地から目的地までの道路シーンを複数のグリッドに分割し、前記複数のグリッドのうち、障害物を包含するグリッドと障害物を包含しないグリッドに対し、対応するシーン情報をそれぞれ標識するグリッド分割ユニットと、 前記出発地から前記目的地まで通過する前記障害物を包含しない各グリッドに対し、所定条件に基づき、前記グリッドに標識されたシーン情報Ａと計画戦略Ｂとの関数であるＢ＝ｆ（Ａ，Ｗ）を構築し、ここで、ＷはニューラルネットワークモデルＷであり、計画戦略Ｂは、前記出発地から前記目的地まで通過するグリッドにおける各位置ポイントの情報を含む構築ユニットと、 構築された複数の前記関数Ｂ＝ｆ（Ａ，Ｗ）によりフィッティングして、前記ニューラルネットワークモデルＷを取得するフィッティングユニットと、 前記ニューラルネットワークモデルＷに基づいて、前記出発地から前記目的地までの計画軌跡を得る計画ユニットと、を含む、 ことを特徴とする車両軌跡計画装置。
  7. 前記出発地から前記目的地までの道路シーンを複数のグリッドに分割することは、前記各グリッドに番号を付けること、を含む、 ことを特徴とする請求項６に記載の車両軌跡計画装置。
  8. 前記障害物を包含するグリッドと前記障害物を包含しないグリッドに対し、前記対応するシーン情報をそれぞれ標識することは、 前記障害物を包含するグリッドを標識するためのシーン情報には、障害物のタイプと状態を含み、前記障害物を包含しないグリッドには、同じシーン情報が標識されることを含む、 ことを特徴とする請求項７に記載の車両軌跡計画装置。
  9. 前記所定条件には、時間が最短であること、距離が最短であること、高速が優先的であること、及び／又は渋滞を回避することが含まれる、 ことを特徴とする請求項６に記載の車両軌跡計画装置。
  10. 前記出発地から前記目的地まで通過するグリッド内の各位置ポイントの情報は、通過するグリッド内の所定ポイントの横座標と縦座標を含む、 ことを特徴とする請求項９に記載の車両軌跡計画装置。
  11. １つ又は複数のプロセッサと、 １つ又は複数のプログラムを記憶するためのメモリと、を含み、 前記１つ又は複数のプロセッサは、前記１つ又は複数のプログラムを実行する場合、請求項１～５のいずれか１項に記載の車両軌跡計画方法を実行させる、 ことを特徴とするコンピュータ設備。
  12. コンピュータプログラムが記憶されているコンピュータ可読記憶媒体であって、 当該プログラムがプロセッサにより実行される場合、請求項１～５のいずれか１項に記載の車両軌跡計画方法を実行させる、 ことを特徴とするコンピュータ可読記憶媒体。
  13. コンピュータにおいて、プロセッサにより実行される場合、請求項１～５のいずれか１項に記載の車両軌跡計画方法を実現することを特徴とするプログラム。
JP2020041773A 2019-03-12 2020-03-11 車両軌跡計画方法、装置、コンピュータ設備、コンピュータ可読記憶媒体、及びプログラム Active JP7183490B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201910185812.0 2019-03-12
CN201910185812.0A CN109978243A (zh) 2019-03-12 2019-03-12 车辆轨迹规划方法、装置、计算机设备、计算机存储介质

Publications (2)

Publication Number Publication Date
JP2020148776A JP2020148776A (ja) 2020-09-17
JP7183490B2 true JP7183490B2 (ja) 2022-12-06

Family

ID=67078599

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020041773A Active JP7183490B2 (ja) 2019-03-12 2020-03-11 車両軌跡計画方法、装置、コンピュータ設備、コンピュータ可読記憶媒体、及びプログラム

Country Status (5)

Country Link
US (1) US20200292336A1 (ja)
EP (1) EP3709231A1 (ja)
JP (1) JP7183490B2 (ja)
KR (2) KR20200109275A (ja)
CN (1) CN109978243A (ja)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113781132A (zh) * 2020-06-15 2021-12-10 北京沃东天骏信息技术有限公司 一种线上导购方法和装置
CN112633590B (zh) * 2020-12-30 2024-04-30 江苏智库智能科技有限公司 一种用于四向穿梭车的智能入库方法及系统
CN113115622B (zh) * 2021-03-08 2022-09-30 深圳拓邦股份有限公司 视觉机器人避障控制方法、装置及割草机器人
CN114815825A (zh) * 2022-04-21 2022-07-29 合众新能源汽车有限公司 确定车辆最优行驶轨迹方法和装置
CN115235501B (zh) * 2022-09-20 2022-12-09 江苏天一航空工业股份有限公司 一种物流散装货物装载车行驶轨迹规划控制系统及方法
CN115657674B (zh) * 2022-10-26 2023-05-05 宝开(上海)智能物流科技有限公司 一种基于图神经网络的分布式路径规划方法及装置
CN115577574B (zh) * 2022-12-08 2023-03-10 西南交通大学 一种导流栏杆位置计算方法、装置、设备及可读存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013160504A (ja) 2012-02-01 2013-08-19 Toyota Motor Corp 移動体の走行支援装置及び移動体の走行支援方法
JP2018095149A (ja) 2016-12-15 2018-06-21 本田技研工業株式会社 軌道評価装置、軌道評価方法、および軌道評価プログラム
WO2019010659A1 (en) 2017-07-13 2019-01-17 Beijing Didi Infinity Technology And Development Co., Ltd. SYSTEMS AND METHODS FOR TRACK DETERMINATION

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3544577B2 (ja) * 1995-03-30 2004-07-21 株式会社日立製作所 経路選択装置
DE102006022365B3 (de) * 2006-05-12 2007-08-02 Hummel, Heinrich, Dipl.-Math. Multipath - vorwärts und rückwärts
JP4661838B2 (ja) * 2007-07-18 2011-03-30 トヨタ自動車株式会社 経路計画装置及び方法、コスト評価装置、並びに移動体
KR101022785B1 (ko) * 2008-09-17 2011-03-17 포항공과대학교 산학협력단 신경망과 진화연산을 이용한 로봇의 환경 지도 작성 방법
US8352112B2 (en) * 2009-04-06 2013-01-08 GM Global Technology Operations LLC Autonomous vehicle management
KR101105325B1 (ko) * 2009-09-08 2012-01-16 부산대학교 산학협력단 실제 로봇의 다중 경로계획 방법
US20180341881A1 (en) * 2017-05-23 2018-11-29 Uber Technologies, Inc. Post-trip optimization for autonomous vehicles
CN107817798A (zh) * 2017-10-30 2018-03-20 洛阳中科龙网创新科技有限公司 一种基于深度学习系统的农用机械避障方法
CN108536157A (zh) * 2018-05-22 2018-09-14 上海迈陆海洋科技发展有限公司 一种智能水下机器人及其系统、物标跟踪方法
CN108896052A (zh) * 2018-09-20 2018-11-27 鲁东大学 一种基于动态复杂环境下的移动机器人平滑路径规划方法
CN109343532A (zh) * 2018-11-09 2019-02-15 中国联合网络通信集团有限公司 一种动态随机环境的路径规划方法和装置
US10948300B2 (en) * 2018-12-27 2021-03-16 Beijing Voyager Technology Co., Ltd. Systems and methods for path determination

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013160504A (ja) 2012-02-01 2013-08-19 Toyota Motor Corp 移動体の走行支援装置及び移動体の走行支援方法
JP2018095149A (ja) 2016-12-15 2018-06-21 本田技研工業株式会社 軌道評価装置、軌道評価方法、および軌道評価プログラム
WO2019010659A1 (en) 2017-07-13 2019-01-17 Beijing Didi Infinity Technology And Development Co., Ltd. SYSTEMS AND METHODS FOR TRACK DETERMINATION

Also Published As

Publication number Publication date
JP2020148776A (ja) 2020-09-17
KR20220034748A (ko) 2022-03-18
KR20200109275A (ko) 2020-09-22
KR102554126B1 (ko) 2023-07-12
EP3709231A1 (en) 2020-09-16
US20200292336A1 (en) 2020-09-17
CN109978243A (zh) 2019-07-05

Similar Documents

Publication Publication Date Title
JP7183490B2 (ja) 車両軌跡計画方法、装置、コンピュータ設備、コンピュータ可読記憶媒体、及びプログラム
EP3699048A1 (en) Travelling track prediction method and device for vehicle
WO2020108207A1 (zh) 一种高精度地图的构建方法及装置
US8214142B2 (en) System and method for efficient routing on a network in the presence of multiple-edge restrictions and other constraints
JP7000637B2 (ja) 運転参照経路の処理方法、装置、車両、及びプログラム
JP4950858B2 (ja) 画像認識装置及び画像認識プログラム
CN110287276A (zh) 高精地图更新方法、装置及存储介质
CN110462543A (zh) 用于评估自动驾驶车辆的感知要求的基于仿真的方法
JP7220169B2 (ja) 情報処理方法、装置、記憶媒体、及びプログラム
CN110119140A (zh) 用于加速曲线投影的系统和方法
CN109429518A (zh) 基于地图图像的自动驾驶交通预测
JP2020132154A (ja) 運転経路の計画方法、装置、車両、及びプログラム
US20210191394A1 (en) Systems and methods for presenting curated autonomy-system information of a vehicle
CN110364009A (zh) 基于路侧设备的行驶规划方法、装置、路侧设备和存储介质
CN110096053A (zh) 用于自动驾驶车辆的驾驶轨迹生成方法、系统和机器可读介质
US20200262436A1 (en) Method, device, and terminal apparatus for invoking automatic driving reference line
CN109491378A (zh) 自动驾驶车辆的基于道路分段的路线引导系统
WO2020057407A1 (zh) 一种辅助车辆导航方法和系统
US10834552B1 (en) Intelligent vehicle pass-by information sharing
JP2023515188A (ja) ナビゲーション方法および装置
US20200410851A1 (en) Intelligent vehicle pass-by information sharing
WO2022052856A1 (zh) 基于交通工具的数据处理方法、装置、计算机及存储介质
JP7121454B2 (ja) 統計に基づく障害物位置シミュレーション方法、装置及び端末
JP2020009189A (ja) 渋滞状態特定方法、渋滞状態特定装置及びコンピュータプログラム
JP5194828B2 (ja) 道路ネットワーク突合プログラム、方法及びシステム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200311

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210427

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20210428

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210726

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20211005

A711 Notification of change in applicant

Free format text: JAPANESE INTERMEDIATE CODE: A711

Effective date: 20211029

RD03 Notification of appointment of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7423

Effective date: 20211104

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20211104

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20220603

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220630

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220915

RD04 Notification of resignation of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7424

Effective date: 20221117

R150 Certificate of patent or registration of utility model

Ref document number: 7183490

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150