TW201838847A - 車道選擇方法、目標車輛及計算機儲存介質 - Google Patents

車道選擇方法、目標車輛及計算機儲存介質 Download PDF

Info

Publication number
TW201838847A
TW201838847A TW107112473A TW107112473A TW201838847A TW 201838847 A TW201838847 A TW 201838847A TW 107112473 A TW107112473 A TW 107112473A TW 107112473 A TW107112473 A TW 107112473A TW 201838847 A TW201838847 A TW 201838847A
Authority
TW
Taiwan
Prior art keywords
lane
target vehicle
information
target
speed
Prior art date
Application number
TW107112473A
Other languages
English (en)
Other versions
TWI676970B (zh
Inventor
王斌
Original Assignee
大陸商騰訊科技（深圳）有限公司
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 大陸商騰訊科技（深圳）有限公司 filed Critical 大陸商騰訊科技（深圳）有限公司
Publication of TW201838847A publication Critical patent/TW201838847A/zh
Application granted granted Critical
Publication of TWI676970B publication Critical patent/TWI676970B/zh

Links

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
    • 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/18—Propelling the vehicle
    • B60W30/18009—Propelling the vehicle related to particular drive situations
    • B60W30/18163—Lane change; Overtaking manoeuvres
    • 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/14—Adaptive cruise control
    • B60W30/143—Speed control
    • B60W30/146—Speed limiting
    • 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
    • G01C21/36—Input/output arrangements for on-board computers
    • G01C21/3626—Details of the output of route guidance instructions
    • G01C21/3658—Lane guidance
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
    • 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
    • B60W2050/0062—Adapting control system settings
    • B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
    • B60W2050/0083—Setting, resetting, calibration
    • B60W2050/0085—Setting or resetting initial positions
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4042—Longitudinal speed
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/804—Relative longitudinal speed
    • 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
    • B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
    • B60W2555/60—Traffic rules, e.g. speed limits or right of way

Abstract

本發明揭示一種車道選擇方法、目標車輛及計算機儲存介質。該方法包括：根據用於決策路口變道的第一模型和用於決策行駛速度的第二模型，得到用於變道選擇的決策模型；實時獲取目標車輛的行駛訊息以及與目標車輛相關的目標訊息，所述目標訊息用於表徵目標車輛周邊車輛的行駛訊息；以及根據實時獲取的所述目標訊息、目標車輛的行駛訊息，透過所述決策模型得到目標車道。

Description

車道選擇方法、目標車輛及計算機儲存介質
本發明係關於道路選擇技術，特別有關一種車道選擇方法、目標車輛及計算機儲存介質。
在車輛行駛過程中，駕駛員會選擇最合理的車道進行行駛。而在無人駕駛場景(或稱無人駕駛車輛的行駛場景)中，車輛在自動駕駛時必須具備和駕駛員一樣的自主選擇最優車道的能力，才能在多車道的高速公路或者城市道路上行駛，否則將無法上路。二者的區別在於：用戶自主駕駛的過程中，是半自動，對自動導航的路線預估後可以加入用戶自己的判斷，因此，可以允許有很長的響應時間；而無人駕駛是全自動，不允許有過長的響應時間，需要確保響應時間盡可能低。在無人駕駛場景中，選擇最優車道會涉及到變換車道的變道行為，包括自由變道(Discretionary Lane Change，DLC)和強制變道(Mandatory lane change，MLC)兩種。DLC是為了改善行駛速度，MLC是由於路口等影響必須得離開本車道。
採用習知技術，需要先判斷是否需要考慮MLC，在符合一定條件後再考慮DLC，以便透過這種判斷機制對駕駛員的駕駛行為進行仿真模擬。然而，這種判斷機制的問題是：將DLC和MLC割裂的進行分析的判斷機制，與無人駕駛的場景，尤其是變道的 選擇上存在較大差異。基於該判斷機制的決策結果在實際應用中並不理想，無法實現精準的變道選擇，從而也無法確保響應時間盡可能低的要求。
相關技術中，對於該問題，尚無有效解決方案。
有鑑於此，本發明實施例提供了一種車道選擇方法、目標車輛及計算機儲存介質，至少解決了習知技術存在的問題。
本發明實施例一種車道選擇方法，所述方法包括：根據用於決策路口變道的第一模型和用於決策行駛速度的第二模型，得到用於變道選擇的決策模型；實時獲取目標車輛的行駛訊息以及與目標車輛相關的目標訊息，所述目標訊息用於表徵目標車輛周邊車輛的行駛訊息；以及根據實時獲取的所述目標訊息、目標車輛的行駛訊息，透過所述決策模型得到目標車道。
本發明實施例的一種目標車輛，所述目標車輛包括：第一獲取單元，配置為根據用於決策路口變道的第一模型和用於決策行駛速度的第二模型，得到用於變道選擇的決策模型；第二獲取單元，配置為實時獲取目標車輛的行駛訊息以及與目標車輛相關的目標訊息，所述目標訊息用於表徵目標車輛周邊車輛的行駛訊息；以及車道確定單元，配置為根據實時獲取的所述目標訊息、目標車輛的行駛訊息，透過所述決策模型得到目標車道。
本發明實施例的一種目標車輛，所述目標車輛包括：處理器和用於儲存能夠在處理器上運行的計算機程式的儲存器；其 中，所述處理器用於運行所述計算機程式時，執行上述方案所述的車道選擇方法。
本發明實施例的一種計算機儲存介質，所述計算機儲存介質中儲存有計算機可執行指令，該計算機可執行指令用於執行上述方案所述的車道選擇方法。
本發明實施例的一種車道選擇方法，所述方法由目標車輛執行，所述目標車輛包括有一個或多個處理器以及儲存器，以及一個或一個以上的程式，其中，所述一個或一個以上的程式儲存於儲存器中，所述程式可以包括一個或一個以上的每一個對應於一組指令的單元，所述一個或多個處理器被配置為執行指令；所述方法包括：
根據用於決策路口變道的第一模型和用於決策行駛速度的第二模型，得到用於變道選擇的決策模型；實時獲取目標車輛的行駛訊息以及與目標車輛相關的目標訊息，所述目標訊息用於表徵目標車輛周邊車輛的行駛訊息；以及根據實時獲取的所述目標訊息、目標車輛的行駛訊息，透過所述決策模型得到目標車道。
採用本發明實施例，根據用於表徵不同決策選擇的模型建模，以得到用於變道選擇的決策模型，比如，採用DLC和MLC來建模得到的決策結果，可以將速度和路口等影響情況都全面考慮到無人駕駛場景中，更符合實際需求，根據實時獲取的與目標車輛相關的目標訊息、目標車輛的行駛訊息，透過決策模型得到目標車道，由得到的目標車道來執行車道選擇，實現了精準的變道選擇，能確保響應時間盡可能低。
1‧‧‧終端設備
2‧‧‧伺服器
10‧‧‧處理邏輯
11、12、13、14‧‧‧目標車輛
41‧‧‧終端
42‧‧‧伺服器
61‧‧‧處理器
62‧‧‧匯流排
63‧‧‧計算機儲存介質
411‧‧‧第一獲取單元
412‧‧‧第二獲取單元
413‧‧‧車道確定單元
100‧‧‧移動終端
101~103‧‧‧步驟
110‧‧‧通訊單元
111‧‧‧GPS定位單元
112‧‧‧無線通訊單元
113‧‧‧無線網際網路單元
114‧‧‧報警通訊單元
121‧‧‧地圖單元
122‧‧‧語音單元
130‧‧‧用戶輸入單元
140‧‧‧第一獲取單元
141‧‧‧第二獲取單元
142‧‧‧車道確定單元
150‧‧‧輸出單元
151‧‧‧顯示單元
152‧‧‧音頻輸出單元
160‧‧‧儲存單元
170‧‧‧連接埠單元
180‧‧‧處理單元
190‧‧‧電源單元
270‧‧‧基地台
275‧‧‧基地台控制器
280‧‧‧行動交換中心
290‧‧‧公共電話交換網路
295‧‧‧廣播發射器
300‧‧‧衛星
S1~S4‧‧‧步驟
第1圖為實現本發明各個實施例目標車輛上安裝的車載終端或用戶手持的移動終端的一個可選的硬體結構示意圖；第2圖為如第1圖所示的移動終端的通訊系統示意圖；第3圖為本發明實施例中進行訊息互動的各方硬體實體的示意圖；第4圖為本發明實施例一方法的實現流程示意圖；第5圖為本發明實施例一系統架構的示意圖；第6圖為應用本發明實施例一車道變換行為決策的關鍵參數示意圖；第7圖為應用本發明實施例一用於變道選擇的決策模型的結構示意圖；第8圖為應用本發明實施例一實際應用中採樣的變道選擇情況示意圖；第9圖為應用本發明實施例一變道選擇過程示意圖；第10圖為本發明實施例目標車輛上安裝的車載終端或用戶手持的移動終端的硬體結構圖。
下面結合圖式對技術方案的實施作進一步的詳細描述。
現在將參考圖式描述實現本發明各個實施例的移動終端。在後續的描述中，使用用於表示元件的諸如“模組”、“部件”或“單元”的後綴僅為了有利於本發明實施例的說明，其本身並沒有特定的意義。因此，"模組"與"部件"可以混合地使用。
在下面的詳細說明中，陳述了眾多的具體細節，以便徹底理解本發明。不過，對於所屬技術領域具有通常知識者來說，顯然可在沒有這些具體細節的情況下實踐本發明。在其他情況下，沒有詳細說明公開的公知方法、過程、組件、電路和網路， 以避免不必要地使實施例的各個方面模糊不清。
另外，本文中儘管多次採用術語“第一”、“第二”等來描述各種元件(或各種閾值或各種應用或各種指令或各種操作)等，不過這些元件(或閾值或應用或指令或操作)不應受這些術語的限制。這些術語只是用於區分一個元件(或閾值或應用或指令或操作)和另一個元件(或閾值或應用或指令或操作)。例如，第一操作可以被稱為第二操作，第二操作也可以被稱為第一操作，而不脫離本發明的範圍，第一操作和第二操作都是操作，只是二者並不是相同的操作而已。
本發明實施例中的步驟並不一定是按照所描述的步驟順序進行處理，可以按照需求有選擇的將步驟打亂重排，或者刪除實施例中的步驟，或者增加實施例中的步驟，本發明實施例中的步驟描述只是可選的順序組合，並不代表本發明實施例的所有步驟順序組合，實施例中的步驟順序不能認為是對本發明的限制。
本發明實施例中的術語“和/或”指的是包括相關聯的列舉項目中的一個或多個的任何和全部的可能組合。還要說明的是：當用在本說明書中時，“包括/包含”指定所陳述的特徵、整數、步驟、操作、元件和/或組件的存在，但是不排除一個或多個其他特徵、整數、步驟、操作、元件和/或組件和/或它們的組群的存在或添加。
本文的“目標車輛”是指：在無人駕駛場景中自動駕駛的汽車，或者可以稱為自駕車。
本發明實施例的智慧型(如移動終端)可以以各種形式來實施。例如，本發明實施例中描述的移動終端可以包括諸如移動電話、智慧型電話、筆記型電腦、數位廣播接收器、個人數位助理(Personal Digital Assistant，PDA)、平板電腦(PAD)、便攜 式多媒體播放器(Portable Media Player，PMP)、導航裝置等等的移動終端以及諸如數位TV、臺式電腦等等的固定終端。下面，假設終端是移動終端。然而，所屬技術領域具有通常知識者將理解的是，除了特別用於移動目的的元件之外，根據本發明的實施方式的構造也能夠應用於固定類型的終端。
第1圖為實現本發明各個實施例的移動終端一個可選的硬體結構示意圖。移動終端100不限於車載終端或手機終端。本實施例中，所述移動終端置於目標車輛內。
移動終端100為車載終端時，可以包括：GPS定位單元111、無線通訊單元112、無線網際網路單元113、報警通訊單元114、地圖單元121、語音單元122、用戶輸入單元130、第一獲取單元140、第二獲取單元141、車道確定單元142、輸出單元150、顯示單元151、音頻輸出單元152、儲存單元160、連接埠單元170、處理單元180和電源單元190等等。第1圖示出了具有各種組件的移動終端，但是應理解的是，並不要求實施所有示出的組件。可以替代地實施更多或更少的組件。將在下面詳細描述車載終端的元件。
GPS定位單元111用於接收衛星所傳遞的訊息，以檢查或獲取車載終端的位置訊息，比如，根據所傳遞的訊息進行單星定位或雙星定位等，以確定車輛相對於導航路徑的位置或者導航路徑上某個車道的位置等。具體的，計算來自三個或更多衛星的距離訊息和準確的時間訊息並且對於計算的訊息應用三角測量法，從而根據經度、緯度和高度準確地計算三維當前位置訊息。當前，用於計算位置和時間訊息的方法使用三顆衛星並且透過使用另外的一顆衛星校正計算出的位置和時間訊息的誤差。此外，GPS定位單元111還能夠透過實時地連續計算當前位置訊息來計算速度訊息，得到當前車輛的車速訊息。
無線通訊單元112，其允許車載終端與無線通訊系統或網路之間的無線電通訊。例如，無線通訊單元進行通訊的形式多種多樣，可以採用廣播的形式、Wi-Fi通訊形式、行動通訊(2G、3G或4G)形式等與後臺伺服器進行通訊互動。其中，採用廣播的形式進行通訊互動時，可以經由廣播頻道從外部廣播管理伺服器接收廣播訊號和/或廣播相關訊息。廣播頻道可以包括衛星頻道和/或地面頻道。廣播管理伺服器可以是生成並發送廣播訊號和/或廣播相關訊息的伺服器或者接收之前生成的廣播訊號和/或廣播相關訊息並且將其發送給終端的伺服器。廣播訊號可以包括TV廣播訊號、無線電廣播訊號、資料廣播訊號等等。而且，廣播訊號可以進一步包括與TV或無線電廣播訊號組合的廣播訊號。廣播相關訊息也可以經由行動通訊網路提供。廣播訊號可以以各種形式存在，例如，其可以以數位多媒體廣播(Digital Multimedia Broadcasting，DMB)的電子節目指南(Electronic Program Guide，EPG)、數位視頻廣播手持(Digital Video Broadcasting-Handheld，DVB-H)的電子服務指南(Electronic Service Guide，ESG)等等的形式而存在。廣播訊號和/或廣播相關訊息可以儲存在儲存單元160(或者其它類型的儲存介質)中。Wi-Fi是一種可以將個人電腦、移動終端(如車載終端、手機終端)等終端以無線方式互相連接的技術，採用Wi-Fi通訊形式時，能夠訪問Wi-Fi熱點進而訪問Wi-Fi網路。Wi-Fi熱點是透過在網際網路連接上安裝存取點來創建的。這個存取點將無線訊號透過短程進行傳輸，一般覆蓋300英尺。當支持Wi-Fi的車載終端遇到一個Wi-Fi熱點時，就可以用無線方式連接到Wi-Fi網路中。採用行動通訊(2G、3G或4G)形式時，將無線電訊號發送到基地台(例如，存取點、節點B等等)、外部終端以及伺服器中的至少一個和/或從其接收無線電訊號。這 樣的無線電訊號可以包括語音通話訊號、視頻通話訊號、或者根據文字訊息和/或多媒體訊息發送和/或接收的各種類型的資料。
無線網際網路單元113支持車載終端的包括無線在內的各種資料傳輸通訊技術，以便訪問網際網路。該單元可以內部或外部地耦接到車載終端。該單元所涉及的無線網際網路訪問技術可以包括無線區域網路(Wireless Local Area Networks，WLAN)、無線寬頻(Wibro)、全球互通微波接取(Wimax)、高速下行封包接取(High Speed Downlink Packet Access，HSDPA)等等。
報警通訊單元114，配置為向後臺伺服器發出報警訊號，通報車輛異常訊息。具體的，是將透過GPS定位單位得到當前車輛位置訊息和該車輛異常訊息一起打包傳到後臺伺服器，如報警或監控中心進行處理。地圖單元121，配置為儲存地圖訊息，地圖訊息可以是線上下載後離線使用的地圖訊息，也可以是實時下載的地圖訊息。地圖訊息還可以及時最新。語音單元122，配置為執行語音操作，一方面，可以接收用戶的語音命令，另一方面，可以結合當前的車輛位置和導航訊息、車輛異常訊息的後台處理結果進行語音播報，提醒用戶注意路況等。
車載終端可以應用2G、3G或4G、無線技術等，支持高速資料傳輸，同時傳送聲音及資料訊息，開放連接埠，無限應用，車載終端能夠更輕鬆地與各種I/O設備配合使用。
用戶輸入單元130可以根據用戶輸入的命令生成鍵輸入資料以控制車載終端的各種操作。用戶輸入單元130允許用戶輸入各種類型的訊息，並且可以包括鍵盤、滑鼠、觸控板(例如，檢測由於被接觸而導致的電阻、壓力、電容等等的變化的觸敏組件)、滾輪、搖杆等等。特別地，當觸控板以層的形式疊加在顯示單元151上時，可以形成觸控螢幕。
第一獲取單元140，配置為根據用於決策路口變道的第一模型和用於決策行駛速度的第二模型，得到用於變道選擇的決策模型；第二獲取單元141，配置為實時獲取目標車輛的行駛訊息以及與目標車輛相關的目標訊息，所述目標訊息用於表徵目標車輛周邊車輛的行駛訊息；車道確定單元142，配置為根據實時獲取的所述目標訊息、目標車輛的行駛訊息，透過所述決策模型得到目標車道。
連接埠單元170用作至少一個外部裝置與車載終端連接的連接埠。例如，外部裝置可以包括有線或無線頭戴式耳機埠、外部電源(或電池充電器)埠、有線或無線資料埠、儲存卡埠、用於連接具有識別單元的裝置的埠、音頻輸入/輸出(I/O)埠、視頻I/O埠、耳機埠等等。識別單元可以是儲存用於驗證用戶使用車載終端的各種訊息並且可以包括用戶識別單元(User Identify Module，UIM)、客戶識別單元(Subscriber Identity Module，UIM)、通用客戶識別單元(Universal Subscriber Identity Module，USIM)等等。另外，具有識別單元的裝置(下面稱為"識別裝置")可以採取智慧型卡片的形式，因此，識別裝置可以經由連接埠或其它連接裝置與車載終端連接。連接埠單元170可以用於接收來自外部裝置的輸入(例如，資料訊息、電力等等)並且將接收到的輸入傳輸到車載終端內的一個或多個元件或者可以用於在車載終端和外部裝置之間傳輸資料。
另外，當車載終端與外部底座連接時，連接埠單元170可以用作允許透過其將電力從底座提供到車載終端的路徑，或者可以用作允許從底座輸入的各種命令訊號透過其傳輸到車載終端的路徑。從底座輸入的各種命令訊號或電力可以用作用於識別車載終端是否準確地安裝在底座上的訊號。輸出單元150被構造為以 視覺、音頻和/或觸覺方式提供輸出訊號(例如，音頻訊號、視頻訊號、振動訊號等等)。輸出單元150可以包括顯示單元151、音頻輸出單元152等等。
顯示單元151可以顯示在車載終端中處理的訊息。例如，車載終端可以顯示相關用戶界面(User Interface，UI)或圖形用戶界面(Graphical User Interface，GUI)。當車載終端處於視頻通話模式或者圖像捕獲模式時，顯示單元151可以顯示捕獲的圖像和/或接收的圖像、示出視頻或圖像以及相關功能的UI或GUI等等。
同時，當顯示單元151和觸控板以層的形式彼此疊加以形成觸控螢幕時，顯示單元151可以用作輸入裝置和輸出裝置。顯示單元151可以包括液晶顯示器(Liquid Crystal Display，LCD)、薄膜電晶體LCD(Thin Film Transistor-LCD，TFT-LCD)、有機發光二極體(Organic Light-Emitting Diode，OLED)顯示器、柔性顯示器、三維(3D)顯示器等等中的至少一種。這些顯示器中的一些可以被構造為透明狀以允許用戶從外部觀看，這可以稱為透明顯示器，典型的透明顯示器可以例如為透明有機發光二極體(TOLED)顯示器等等。根據特定想要的實施方式，車載終端可以包括兩個或更多顯示單元(或其它顯示裝置)，例如，車載終端可以包括外部顯示單元(未圖示)和內部顯示單元(未圖示)。觸控螢幕可用於檢測觸摸輸入壓力以及觸摸輸入位置和觸摸輸入面積。
音頻輸出單元152可以在車載終端處於呼叫訊號接收模式、通話模式、記錄模式、語音識別模式、廣播接收模式等等模式下時，將接收的或者在儲存單元160中儲存的音頻資料轉換音頻訊號並且輸出為聲音。而且，音頻輸出單元152可以提供與車載終 端執行的特定功能相關的音頻輸出(例如，呼叫訊號接收聲音、訊息接收聲音等等)。音頻輸出單元152可以包括揚聲器、蜂鳴器等等。
儲存單元160可以儲存由處理單元180執行的處理和控制操作的軟體程式等等，或者可以暫時地儲存已經輸出或將要輸出的資料(例如，電話簿、訊息、靜態圖像、視頻等等)。而且，儲存單元160可以儲存關於當觸摸施加到觸控螢幕時輸出的各種方式的振動和音頻訊號的資料。
儲存單元160可以包括至少一種類型的儲存介質，所述儲存介質包括快閃記憶體、硬碟、多媒體卡、卡型儲存器(例如，SD或DX儲存器等等)、隨機存取記憶體(Random Access Memory，RAM)、靜態隨機存取記憶體(Static Random Access Memory，SRAM)、唯讀記憶體(Read Only Memory，ROM)、電子式可清除程式化唯讀記憶體(Electrically Erasable Programmable Read Only Memory，EEPROM)、可編程唯讀記憶體(Programmable Read Only Memory，PROM)、磁性儲存器、磁碟、光碟等等。而且，車載終端可以與透過網路連接執行儲存單元160的儲存功能的網路儲存裝置協作。
處理單元180通常控制車載終端的總體操作。例如，處理單元180執行與語音通話、資料通訊、視頻通話等等相關的控制和處理。又如，處理單元180可以執行模式識別處理，以將在觸控螢幕上執行的手寫輸入或者圖片繪製輸入識別為字元或圖像。
電源單元190在處理單元180的控制下接收外部電力或內部電力並且提供操作各元件和組件所需的適當的電力。
這裡描述的各種實施方式可以以使用例如電腦軟體、硬體或其任何組合的計算機可讀介質來實施。對於硬體實施，這裡 描述的實施方式可以透過使用特殊應用積體電路(Application Specific Integrated Circuit，ASIC)、數位訊號處理器(Digital Signal Processor，DSP)、數位訊號處理裝置(Digital Signal Processing Device，DSPD)、可編程邏輯裝置(Programmable Logic Device，PLD)、現場可程式閘陣列(Field Programmable Gate Array，FPGA)、處理器、控制器、微控制器、微處理器、被設計為執行這裡描述的功能的電子單元中的至少一種來實施，在一些情況下，這樣的實施方式可以在處理單元180中實施。對於軟體實施，諸如過程或功能的實施方式可以與允許執行至少一種功能或操作的單獨的軟體單元來實施。軟體程式碼可以由以任何適當的程式語言編寫的軟體應用程式(或程式)來實施，軟體程式碼可以儲存在儲存單元160中並且由處理單元180執行。其中，儲存單元160的一個具體硬體實體可以為儲存器，處理單元180的一個具體硬體實體可以為控制器。
至此，已經按照其功能描述了移動終端中以車載終端為代表的上述單元組成結構。
如第1圖中所示的移動終端100可以被構造為利用經由幀或封包發送資料的諸如有線和無線通訊系統以及基於衛星的通訊系統來操作。
現在將參考第2圖描述其中根據本發明實施例的移動終端100能夠操作的通訊系統。
這樣的通訊系統可以使用不同的空中界面和/或物理層。例如，由通訊系統使用的空中界面包括例如分頻多工(Frequency Division Multiple Access，FDMA)、分時多工(Time Division Multiple Access，TDMA)、分碼多工(Code Division Multiple Access，CDMA)和通用行動通訊系統(Universal Mobile Telecommunications System，UMTS)(特別地，長期演進(Long Term Evolution，LTE))、全球行動通訊系統(GSM)等等。作為非限制性示例，下面的描述涉及CDMA通訊系統，但是這樣的教導同樣適用於其它類型的系統。
參考第2圖，CDMA無線通訊系統可以包括多個移動終端100、多個基地台(Base Station，BS)270、基地台控制器(Base Station Controller，BSC)275和行動交換中心(Mobile Switching Center，MSC)280。MSC280被構造為與公共電話交換網路(Public Switched Telephone Network，PSTN)290形成界面。MSC280還被構造為與可以經由回程線路耦接到BS270的BSC275形成界面。回程線路可以根據複數已知的界面中的任一種來構造，所述界面包括例如E1/T1、ATM、IP、PPP、幀中繼、HDSL、ADSL或xDSL。將理解的是，如第2圖中所示的系統可以包括多個BSC275。
每個BS 270可以服務一個或多個分區(或區域)，由多向天線或指向特定方向的天線覆蓋的每個分區放射狀地遠離BS 270。或者，每個分區可以由用於分集接收的兩個或更多天線覆蓋。每個BS 270可以被構造為支持多個頻率分配，並且每個頻率分配具有特定頻譜(例如，1.25MHz，5MHz等等)。
分區與頻率分配的交叉可以被稱為CDMA頻道。BS 270也可以被稱為基地台收發器子系統(Base Transceiver Station，BTS)或者其它等效術語。在這樣的情況下，術語“基地台”可以用於籠統地表示單個BSC275和至少一個BS 270。基地台也可以被稱為“蜂窩站”。或者，特定BS 270的各分區可以被稱為多個蜂窩站。
如第2圖中所示，廣播發射器(Broadcast Transmitter，BT)295將廣播訊號發送給在系統內操作的移動終端100。如第1 圖中所示的廣播接收單元111被設置在移動終端100處以接收由BT295發送的廣播訊號。在第2圖中，示出了幾個衛星300，例如可以採用全球定位系統(GPS)衛星300。衛星300幫助定位多個移動終端100中的至少一個。
在第2圖中，描繪了多個衛星300，但是理解的是，可以利用任何數目的衛星獲得有用的定位訊息。如第1圖中所示的位置訊息單元115通常被構造為與衛星300配合以獲得想要的定位訊息。替代GPS跟蹤技術或者在GPS跟蹤技術之外，可以使用可以跟蹤移動終端的位置的其它技術。另外，至少一個GPS衛星300可以選擇性地或者額外地處理衛星DMB傳輸。
作為無線通訊系統的一個典型操作，BS 270接收來自各種移動終端100的反向鏈路訊號。移動終端100通常參與通話、訊息收發和其它類型的通訊。特定基地台接收的每個反向鏈路訊號被在特定BS 270內進行處理。獲得的資料被轉發給相關的BSC275。BSC提供通話資源分配和包括BS 270之間的軟切換過程的協調的移動管理功能。BSC275還將接收到的資料路由到MSC280，其提供用於與PSTN290形成連接埠的額外的路由服務。類似地，PSTN290與MSC280形成連接埠，MSC與BSC275形成連接埠，並且BSC275相應地控制BS 270以將正向鏈路訊號發送到移動終端100。
移動終端中通訊單元110的行動通訊單元112基於移動終端內置的訪問行動通訊網路(如2G/3G/4G等行動通訊網路)的必要資料(包括用戶識別訊息和身份驗證訊息)訪問行動通訊網路為移動終端用戶的網頁瀏覽、網路多媒體播放等業務傳輸行動通訊資料(包括上行的行動通訊資料和下行的行動通訊資料)。
通訊單元110的無線網際網路單元113透過運行無線熱 點的相關協議功能而實現無線熱點的功能，無線熱點支持多個移動終端(移動終端之外的任意移動終端)訪問，透過多工行動通訊單元112與行動通訊網路之間的行動通訊連接為移動終端用戶的網頁瀏覽、網路多媒體播放等業務傳輸行動通訊資料(包括上行的行動通訊資料和下行的行動通訊資料)，由於移動終端實質上是多工移動終端與通訊網路之間的行動通訊連接傳輸行動通訊資料的，因此移動終端消耗的行動通訊資料的流量由通訊網路側的計費實體計入移動終端的通訊資費，從而消耗移動終端簽約使用的通訊資費中包括的行動通訊資料的資料流量。
第3圖為本發明實施例中進行訊息互動的各方硬體實體的示意圖，第3圖中包括：終端設備1和伺服器2。其中，終端設備1由終端設備11-14構成，終端設備透過有線網路或者無線網路與伺服器進行訊息互動。終端設備可以為目標車輛上安裝的車載終端或用戶手持的移動終端。終端設備配置在行駛的車輛上，每個車輛上都可以配置終端設備，以便透過終端設備與後臺伺服器的資料互動，得到各種用於無人駕駛的控制訊息。首先需要明確自動駕駛和無人駕駛的區別，用戶自主駕駛的過程中，是半自動，對自動導航的路線預估後可以加入用戶自己的判斷，因此，可以允許有很長的響應時間；而無人駕駛是全自動，不允許有過長的響應時間，需要確保響應時間盡可能低。在無人駕駛場景中，選擇最優車道會涉及到變換車道的變道行為，包括DLC和MLC兩種。DLC是為了改善行駛速度，MLC是由於路口等影響必須得離開本車道，比如，需要先判斷是否需要考慮MLC，在符合一定條件後再考慮DLC，以便透過這種判斷機制對駕駛員的駕駛行為進行仿真模擬。然而，這種判斷機制存在的問題是：將DLC和MLC割裂的進行分析的判斷機制，會將DLC和MLC這2個模型完全割裂，一 方面，會導致場景切換的過度不夠自然，可能會出現上次還是向左變道，還沒執行完，接下來又決定向右變道的情況，也就是說，現有的這種判斷機制與本實施例要討論的無人駕駛場景相比，在變道的選擇上尤其是存在較大的差異，無法確保響應時間盡可能低的要求，並不適用於無人駕駛場景。另一方面，基於該判斷機制的決策結果，在實際應用中受當前車輛車速影響較大，結果不夠穩定，比如，當車速稍微發生變化時，就可能會出現來回切換的情況，也無法實現精準的變道選擇，也無法確保響應時間盡可能低的要求。另，現有的這種判斷機制對所有車道都是平等處理的，不能採用從左側車道的超車等需求。
而採用本發明實施例，終端設備的處理邏輯10如第3圖所示，處理邏輯10包括：S1、獲取與目標車輛相關的目標訊息，所述目標訊息用於表徵目標車輛周邊車輛的行駛訊息；S2、獲取目標車輛訊息；S3、根據用於決策路口變道的第一模型和用於決策行駛速度的第二模型得到用於變道選擇的決策模型；S4、將實時獲取的資料，包括目標車輛訊息和目標車輛相關的目標訊息，如當前車輛的訊息和與當前車輛相關車輛的訊息輸入該決策模型中運算，得到控制指令，根據所述控制指令執行車道選擇。
可見，所用的運算邏輯可以在目標車輛上安裝的車載終端或用戶手持的移動終端生成及執行對應的處理，伺服器用於提供目標車輛需要的各種資料源，包括當前車輛及與當前車輛相關的其他車輛，可以將這些資料儲存於目標車輛上安裝的車載終端或用戶手持的移動終端中，透過控制指令來執行車道選擇。本發明實施例不限於運算邏輯在伺服器中，則伺服器收到請求後，執行運算邏輯，將控制指令實時下發給車輛，用於根據控制指令來執行車道選擇，不過，由於網路互動的多重風險，將運算邏輯置 於伺服器可能會因為網路互動帶來的資料互動延遲而導致本實施例無人駕駛場景中響應時間的增加，從而增加無人駕駛的風險，不利於風險控制。將運算邏輯置於目標車輛上安裝的車載終端或用戶手持的移動終端中雖然會一定程度上增加處理難度，但是控制指令的下發不受網路資料互動的影響，可以實時操控車輛的變道選擇，因此，能很大程度上確保無人駕駛場景中的響應時間，也能確保變道選擇的精準性。
上述第3圖的例子只是實現本發明實施例的一個系統架構實例，本發明實施例並不限於上述第3圖所述的系統結構，基於上述第3圖所述的系統架構，提出本發明方法各個實施例。
本發明實施例的車道選擇方法，如第4圖所示，所述方法包括：根據用於決策路口變道的第一模型和用於決策行駛速度的第二模型，得到用於變道選擇的決策模型(101)。一個實例是：1)第一模型為MLC，用於評估當前車輛行駛到路口需要的時間t，是否大於變換車道所需要的時間，採用MLC，是對路口變道進行決策，比如當前由於路口等影響必須得離開本車道。2)第二模型為DLC，DLC的決策分為車道選擇(lane selection)和確定變道的接納(Gap acceptance)兩步。其中，在lane selection中，是根據車速、車道限速等綜合訊息判定相鄰車道是否需要變道；而Gap acceptance中，是根據相鄰車道前後車的距離來判斷，是否擁有總夠的變道空間。只有這2個條件同時滿足，才會做出變道決策。採用DLC，是對行駛速度進行改善，比如，前車距離後車比較近，那麼需要減速，如果前車距離後車允許超車，則加速。實時獲取目標車輛的行駛訊息以及與目標車輛相關的目標訊息，所述目標訊息用於表徵目標車輛周邊車輛的行駛訊息(102)。目標訊息包括但不限於：1)周邊車輛的地理位置訊息，需要指出的是：該訊 息是一種絕對位置訊息；2)周邊車輛相對於目標車輛的距離訊息，需要指出的是：區別於地理位置訊息，是一種相對位置訊息；3)周邊車輛掛空檔(如在路邊停車休息)時的周邊環境、周邊車輛的速度訊息；4)存在多條車道可以進行選擇時周邊車輛當前行駛於哪一個車道上等等。一個實例是：在駕駛過程中，可以根據本車車速、前車車速、車距；相鄰車道車速與車距來決策是否可以進行變道操作，目的是為了改善本車的行駛速度。根據實時獲取的所述目標訊息、目標車輛的行駛訊息，透過所述決策模型得到目標車道(103)。一個實例是：透過計算本車道、左右車道的多個效用值(utility)，最後，選擇多個utility中utility最大的車道作為用於車道選擇的變換車道。
進一步的，還可以根據所述目標車輛相關的目標訊息，實時獲取的目標車輛訊息和所述決策模型得到控制指令，根據所述控制指令執行無人駕駛中的車道選擇。在車輛自動行駛或手動加速場景中，駕駛員會選擇最合理的車道進行行駛。而採用本發明實施例的無人駕駛場景中，車輛必須具備和駕駛員一樣的自主選擇最優車道的能力，才能在多車道的高速公路或者城市道路上行駛，否則將無法上路。採用本發明實施例，是一種綜合周圍車輛和導航路徑的車道選擇方案，根據DLC和MLC建模，以將DLC和MLC統一到一個新建得到的決策模型當中。分別計算本車道、左右車道的utility，最後選擇utility最大的車道作為用於變道選擇的變換車道，從而解決了無人駕駛車輛自主選擇車道的問題。本發明實施例有效結合了DLC和MLC的優勢，得到了更加優化的決策模型，採用該決策模型，當離路口越遠的情況下，DLC模型起主要作用；當離路口越近的情況下，受到MLC模型的影響就越大，保證了在一定距離範圍內選擇的目標車道的穩定性，不會來回切 換。
另一個實例是：1)根據目標車輛變道次數(如nlanechange)、目標車輛距離路口的距離值(如distanceToJunction)和單次變道最小距離值(如d0)，確定各個車道與所述第一模型相關的第一類utility。本實施例中，所述第一類utility包括分別對應目標車輛當前所在的本車道、與目標車輛相鄰的左側車道和右側車道的值，比如，可以採取公式：U_MLC=p2×pow(nlanechange/(distanceToJunction/d0)，p3)來計算該類utility。其中，p2和p3為權重值。pow函數是將第二個參數作為第一個參數的冪自乘，它是對時間系列起作用的一種二進制算術函數。可選的，第一模型，如MLC，可以使用指數模型，這樣處理的好處是：使得MLC的影響力隨著該目標車輛距離路口的距離值的逐漸變小而迅速增大，最終在路口附近起絕對主導作用，進而可以忽略第二模型如DLC的影響，中間的過渡是平滑自然的。這樣設計符合實際的變道規律。2)根據目標車輛車速訊息(如laneSpeed)及車道限速訊息(如SPEED_LIMIT)確定與所述第二模型相關的第二類utility。本實施例中，對應目標車輛當前所在的本車道、與目標車輛相鄰的左側車道和右側車道，分別計算所述第二類效用值。比如，可以採用公式：U_DLC=p1×laneSpeed/SPEED_LIMIT來計算該類utility。其中，p1為權重值。3)根據所述第一類utility和所述第二類utility得到車道綜合utility，所述車道綜合utility包括分別對應目標車輛當前所在的本車道、與目標車輛相鄰的左側車道和右側車道的車道綜合utility，即：採用公式：Utility=(int)U_DLC-(int)U_MLC得到該車道綜合utility。其中，先分別對U_DLC和U_MLC取整數，然後再計算綜合utility。這樣處理的好處是：相當於對車速、距離等關鍵因素進行了分段分級，最大優點是可以在 一定的車速範圍和距離範圍內保持utility的數值穩定性，進一步保證換道結果的穩定性，不會來回切換。
最終，根據所述目標車輛相關的目標訊息，實時獲取的目標車輛訊息和所述決策模型得到控制指令，根據所述控制指令執行無人駕駛中的車道選擇。一個實例是：透過計算本車道、左右車道的多個utility，最後，選擇多個utility中utility最大的車道作為用於車道選擇的變換車道。也就是說，從分別對應目標車輛當前所在的本車道、與目標車輛相鄰的左側車道和右側車道的車道綜合utility中，選擇車道綜合utility最大的車道，將所述車道綜合utility最大的車道決策為用於變道選擇的目標車道。
本發明實施例的車道選擇方法中，根據目標車輛變道次數和目標車輛距離路口的距離值，確定與所述第一模型相關的第一類效用值之前，還可以根據路網情況得到備選車道。該備選車道也可以稱為備選的目標車道，這個備選並不一定是最終選擇要變道的目標車道，只是為了初始的運算需要先建立一個參照物；備選的目標車道還可以是最終路口需要分叉的最終目的車道，不限於這裡的可能性。
本發明實施例中，所述路網情況由路口(如十字路口，二岔路口，三岔路口等)及與所述路口相連的下一個道路構成。在實際應用中，根據路口和下一條道路的連接關係確定MLC目標車道。在當前位置待選的車道裡，根據連通性挑選可以到達路口並進入下一條道路的車道作為目標車道。例如當前本車在車道1，在路口需要右拐，則選擇車道2作為目標車道。如果是直行透過路口的話，可能會有多條待選車道符合要求，此時選定其中離當前車道最近的車道當做目標車道。根據目標車輛當前所在本車道與所述備選車道在第一方向(如Y軸)上的距離，得到所述目標車輛 變道次數，也就是說，在確定了最終目標車道之後，可以計算當前每條車道距離最終車道的變道次數。相對於第一方向(如Y軸)而言，本文中的第二方向可以為X軸。X軸為與沿車道中心線向前的方向，則Y軸為與其呈垂直的方向。一個實施例中，如果將第一方向和第二方向放到平面直角坐標系中進行表示，平面直角坐標系中有兩個坐標軸，其中橫軸為X軸，取向右方向為正方向；縱軸為Y軸，取向上為正方向。
根據目標車輛當前所在本車道上的位置與所述路口在X軸上的距離，計算當前車輛位置距離路口的距離，以得到所述目標車輛距離路口的距離值(如distanceToJunction)。根據目標車輛當前車速和變道時間，得到完成一次變道所需要的所述單次變道最小距離值(如d0)。
本發明實施例的車道選擇方法中，在根據目標車輛車速訊息及車道限速訊息，確定與所述第二模型相關的第二類utility之前，根據檢測到的目標車輛周邊車輛的速度訊息，計算並實時調整所述目標車輛的車速訊息。
在無人駕駛車輛的目標車道選擇中，為了確保響應時間儘量短，需要無人駕駛車輛以較高的頻率來判斷周圍的車輛的行駛情況，比如，需要關注目標車輛周邊車輛的速度訊息，以便根據該速度訊息來動態實時調整目標車輛的速度，比如，估計目標車輛的速度，可以根據檢測到的周圍車輛的速度來分別估計本車道、左側車道、右側車道的行車速度，以確保無人駕駛場景中目標車輛的行駛安全、及後續確定出目標車道後的變道安全。無人駕駛車輛和自動駕駛車輛的場景最大的區別是：是否加入用戶自己的判斷。自動駕駛車輛的場景中，對自動導航的路線預估後可以加入用戶自己的判斷，實際是對用戶自主駕駛的輔助功能，而 無人駕駛依賴於決策模型，是全自動的，需要確保響應時間盡可能低，才可以確保無人駕駛場景中目標車輛的行駛安全、及後續確定出目標車道後的變道安全，如發現有危險的話，會放棄變道。
本發明實施例的車道選擇方法中，獲取目標車輛中心點(如目標車輛車軸上的任意點，或者車輛整體的中心點)到當前車道中心線的垂直距離，判斷所述垂直距離是否小於閾值，當小於閾值時確定出目標車輛隸屬於所述當前車道，根據在所述當前車道的預設規則得到所述車道限速訊息。比如，根據車輛中心點到車道中心線的垂直距離d，來判定車輛屬於哪條車道。當d小於一定閾值，例如d<2.0m時，則車輛屬於此車道。
需要指出的是，本文中車道速度，是參考車輛在當前車道上行駛的速度得到的，一個特例中，當前車道上只有目標車輛一個車輛的場景中，車道速度等於目標車輛在當前車道上行駛的速度。相應的，車道限速訊息與目標車輛的車道速度有關，這不同於道路上限速指示牌所指示的限速指標，比如，交通規則中規定高速公路的限速通常為60-120km/h，高速公路某個路段指示牌所指示的限速指標為90km/h。
本文中的車道速度和車道限速訊息是根據目標車輛周邊車輛的行駛情況(如車速訊息)實時動態調整的，不是上述所規定的限速指標為一個固定值。下面舉兩個實施例進行對此進行描述。
一、本發明實施例的車道選擇方法中，根據在所述當前車道的預設規則得到所述車道限速訊息的過程中，在所述當前車道檢測到包括所述目標車輛在內的至少兩輛車時，記錄其中最小的速度作為車道速度，將至少兩輛車中最小的速度，即該車道速度作為所述車道限速訊息。其中，就車道速度而言，可以根據當前車道 上目標車輛周邊車輛的行駛速度來對自身行駛的速度進行調整，比如，在車道速度為80公里/小時的當前車道上，所述目標車輛行駛方向上有一輛車(記為車輛B)，當前車速為70公里/小時，而該目標車輛本身(記為車輛A)，當前車速為75公里/小時，由於車輛B位於車輛A的前方，因此，為了避免出現追尾等交通安全問題，車道限速訊息取車輛A和車輛B中的最小值，即將70公里/小時作為車道限速訊息。
二、本發明實施例的車道選擇方法中，根據在所述當前車道的預設規則得到所述車道限速訊息的過程中，在所述當前車道檢測到所述目標車輛行駛方向上沒有其它車輛時，將車道速度作為所述車道限速訊息。一個實例中，如果車道裡沒有自駕車身前的車輛，則記錄車道速度等於車道最大限速。其中，就車道速度而言，可以根據交通規則中的規定，如道路上限速指示牌所指示的限速指標來執行，比如，在車道速度為120公里/小時的當前車道上，所述目標車輛行駛方向上沒有任何車輛，即該目標車輛本身(記為車輛A)前方沒有任何車輛，存在交通安全隱患的可能性非常低，因此，車道限速訊息取車道速度，即將120公里/小時作為車道限速訊息。
本發明實施例的車道選擇方法中，檢測在所述當前車道中位於所述目標車輛後方存在其它車輛時，忽略比所述目標車輛靠後的其它車輛。在每個車道統計過程中，如果一車輛B的X坐標(或稱橫坐標)小於本車輛A的X坐標(或稱橫坐標)，其中，車輛A為目標車輛，車輛B為其他車輛，X軸為與沿車道中心線向前的方向，則忽略比目標車輛靠後的車輛，其有益效果為：在無人駕駛中，無論考慮到行駛安全和變道安全，更需要關注目標車輛前面車輛的行駛速度，避免目標車輛與其追尾，而目標車輛後面 的車輛則無需過多關注，將目標車輛後面的車輛進行忽略，除了排除無需關注的因素來提高決策模型的運算精度之外，還可以提高決策模型的運算速度。這個實施例想說明的是決策策略中的忽略策略，以忽略比所述終端靠後的其它車輛。決策策略中還可以包括其他策略，比如，對路口距離的判斷需要設置有個預先的最小距離看是否變道或者採取減速策略等。
本發明實施例的車道選擇方法中，當所述當前車道的數量大於等於3，且所述終端當前位於左側車道上，左側車道只是為了方便描述的一個指代詞，包括但不限於：多個車輛長時間佔用的快速車道。為了避免車輛不會長期佔用最左車道的情況，需要根據調整係數對所述終端車速訊息進行修正處理，得到修正速度訊息。根據所述修正速度訊息及車道限速訊息，確定與所述第二模型相關的第二類utility。比如，當車道資料>=3，本車當前在最左車道上，在計算laneSpeed時，在統計的基礎上給一個折扣係數，使用k×laneSpeed(一般情況下k=0.9)作為車道速度參與之後U_DLC計算。這樣處理的好處是：保證了在同等情況下，車輛不會長期佔用最左車道的情況。
本發明實施例的車道選擇方法中，在根據所述控制指令執行無人駕駛中的車道選擇的過程中，1)所述控制指令為保持在本車道行駛時，不執行變化到所述目標車道的變道處理。2)所述控制指令為向左側車道變道時，將所述左側車道作為所述目標車道並執行變化到所述目標車道的變道處理。3)所述控制指令為向右側車道變道時，將所述右側車道作為所述目標車道並執行變化到所述目標車道的變道處理。透過這些手段來實現變道類型的判定。最終的變道類型分別是保持本車道、向左變道、向右變道三種情況。
一個實例中，可以按照本車道、左車道和右車道的順序計算utility，選定utility最大的車道作為變道的目標車道。這種順序保證了超車時優先從左側車道超車。如果utility一樣，則優先保持本車道。1)可以計算當前車道的utility，記錄變道類型為保持本車道，更新uMax；2)計算左側車道的utility，記做u_left。如果u_left>u_uMax，則記錄LaneChange=向左變道，更新uMax=u_left；3)計算右側車道的utility，記做u_right。如果u_right>u_uMax，則記錄LaneChange=向右變道。
上述各個實施例中，以無人駕駛場景為例，對於車載終端或攜帶移動終端的目標車輛而言，可完成目標車道的評估和選擇。然而，上述各個實施例尚未關注是否可以立即執行變道。
可以理解的是，根據所述控制指令執行無人駕駛中的車道選擇，得到所述目標車道後，可進一步結合目標車輛本身的行駛情況和周圍的靜態和動態障礙物，判斷是否符合另一預設規則，如果符合另一預設規則，則立即由目標車輛當前無人駕駛所處於的所在的本車道變化到所述目標車道，否則，不執行變化到所述目標車道的變道處理。也就是說，當目標車道選定後，能否正常執行變道取決於系統之後的行為規劃，車輛系統會以較高的頻率來判斷周圍的靜態和動態障礙物是否會影響變道，保證變道安全。如果有危險的話，會放棄變道。
本發明實施例的車道選擇系統中，如第5圖所示，包括終端41(安裝於目標車輛上的車載終端或用戶手持的移動終端)和伺服器42，其中，目標車輛運用根據伺服器提供的資料源執行運算邏輯，以執行對應的車道選擇處理，伺服器配置為提供目標車輛需要的各種資料源，包括當前車輛及與當前車輛相關的其他車輛，可以將這些資料儲存於目標車輛上安裝的終端設備(車載 終端或用戶手持的移動終端)中。進一步，可以透過目標車輛下發的控制指令來執行車道選擇。終端41包括：第一獲取單元411，配置為根據用於決策路口變道的第一模型和用於決策行駛速度的第二模型，得到用於變道選擇的決策模型；第二獲取單元412，配置為實時獲取目標車輛的行駛訊息以及與目標車輛相關的目標訊息，所述目標訊息用於表徵目標車輛周邊車輛的行駛訊息；車道確定單元413，配置為根據實時獲取的所述目標訊息、目標車輛的行駛訊息，透過所述決策模型得到目標車道。其中，與目標車輛相關的目標訊息用於表徵目標車輛周邊車輛的行駛訊息。
採用本發明實施例，首先獲取與目標車輛相關的目標訊息，所述目標訊息用於表徵目標車輛周邊車輛的行駛訊息。目標訊息包括：1)周邊車輛的地理位置訊息，需要指出的是：該訊息是一種絕對位置訊息；2)周邊車輛相對於當前目標車輛的距離訊息，需要指出的是：區別於地理位置訊息，是一種相對位置訊息；3)周邊車輛掛空檔(如在路邊停車休息)時的周邊環境、周邊車輛的速度訊息；4)存在多條車道可以進行選擇時周邊車輛當前行駛於哪一個車道上等等。一個實例是：在駕駛過程中，可以根據本車車速、前車車速、車距；相鄰車道車速與車距來決策是否可以進行變道操作，目的是為了改善本車的行駛速度。之後，根據用於決策路口變道的第一模型和用於決策行駛速度的第二模型進行建模，得到用於變道選擇的決策模型。一個實例是：1)第一模型為MLC，用於評估當前車輛行駛到路口需要的時間t，是否大於變換車道所需要的時間，採用MLC，是對路口變道進行決策，比如當前由於路口等影響必須得離開本車道。2)第二模型為DLC，DLC的決策分為lane selection和Gap acceptance兩步。其中，在lane selection中，是根據車速、車道限速等綜合訊息判定相鄰車道是否 需要變道；而Gap acceptance中，是根據相鄰車道前後車的距離來判斷，是否擁有總夠的變道空間。只有這2個條件同時滿足，才會做出變道決策。採用DLC，是對行駛速度進行改善，比如，前車距離後車比較近，那麼需要減速，如果前車距離後車允許超車，則加速。
所述車道確定單元，還配置為：根據實時獲取的所述目標訊息、目標車輛的行駛訊息，透過所述決策模型計算與目標車輛相關的特定車道對應的效用值；將效用值最大的車道作為目標車道。其中，所述特定車道至少包括目標車輛當前所在的本車道、與目標車輛相鄰的左側車道和右側車道。一個實例是：透過計算本車道、左右車道的多個效用值(utility)，最後，選擇多個utility中utility最大的車道作為用於車道選擇的變換車道。
在車輛自動行駛或手動加速場景中，駕駛員會選擇最合理的車道進行行駛。而採用本發明實施例的無人駕駛場景中，車輛必須具備和駕駛員一樣的自主選擇最優車道的能力，才能在多車道的高速公路或者城市道路上行駛，否則將無法上路。採用本發明實施例，是一種綜合周圍車輛和導航路徑的車道選擇方案，根據DLC和MLC建模，以將DLC和MLC統一到一個新建得到的決策模型當中。分別計算本車道、左右車道的utility，最後選擇utility最大的車道作為用於變道選擇的變換車道，從而解決了無人駕駛車輛自主選擇車道的問題。本發明實施例有效結合了DLC和MLC的優勢，得到了更加優化的決策模型，採用該決策模型，當離路口越遠的情況下，DLC模型起主要作用；當離路口越近的情況下，受到MLC模型的影響就越大，保證了在一定距離範圍內選擇的目標車道的穩定性，不會來回切換。
在本發明實施例一實施方式中，所述車道確定單元，還 配置為：根據目標車輛變道次數、目標車輛距離路口的距離值和單次變道最小距離值確定與所述第一模型相關的第一類utility，所述第一類效用值包括分別對應目標車輛當前所在的本車道、與目標車輛相鄰的左側車道和右側車道的第一類utility。根據目標車輛車速訊息及車道限速訊息，確定特定車道與所述第二模型相關的第二類效用值，所述第二類效用值包括分別對應目標車輛當前所在的本車道、與目標車輛相鄰的左側車道和右側車道的第二類utility。根據所述第一類utility和所述第二類utility得到特定車道的車道綜合效用值，所述車道綜合utility包括分別對應目標車輛當前所在的本車道、與目標車輛相鄰的左側車道和右側車道的車道綜合utility。從分別對應目標車輛當前所在的本車道、與目標車輛相鄰的左側車道和右側車道的車道綜合utility中，選擇車道綜合utility最大的車道，將所述車道綜合utility最大的車道決策為用於變道選擇的目標車道。
在本發明實施例一實施方式中，所述車道確定單元，還配置為：根據路網情況得到備選車道，所述路網情況由路口及與所述路口相連的下一個道路構成。所述目標車輛還包括：變道次數確定單元，配置為根據目標車輛當前所在本車道與所述備選車道在第一方向上的距離，得到所述目標車輛變道次數。及距離值確定單元，配置為根據目標車輛當前所在本車道上的位置與所述路口在第二方向上的距離，得到所述目標車輛距離路口的距離值。及單次變道距離值確定單元，配置為根據目標車輛當前車速和變道時間，得到完成一次變道所需要的所述單次變道最小距離值。
在本發明實施例一實施方式中，所述目標車輛還包括：車速檢測單元，配置為根據檢測到的目標車輛周邊車輛的速度訊 息，計算並實時調整所述目標車輛車速訊息；限速確定單元，配置為獲取目標車輛中心點到當前車道中心線的垂直距離，判斷所述垂直距離是否小於閾值，當小於閾值時確定出目標車輛隸屬於所述當前車道，根據在所述當前車道的預設規則得到所述車道限速訊息。
在本發明實施例一實施方式中，所述限速確定單元，還配置為：在所述當前車道檢測到包括所述目標車輛所在車輛在內的至少兩輛車時，將至少兩輛車中最小的速度作為所述車道限速訊息。
在本發明實施例一實施方式中，所述限速確定單元，還配置為：在所述當前車道檢測到所述目標車輛行駛方向上沒有其它車輛時，將車道速度作為所述車道限速訊息。
在本發明實施例一實施方式中，所述目標車輛還包括：忽略決策單元，配置為檢測在所述當前車道中位於所述目標車輛所在車輛後方存在其它車輛時，忽略比所述目標車輛靠後的其它車輛。
在本發明實施例一實施方式中，所述目標車輛還包括：修正決策單元，配置為當所述當前車道的數量大於等於3，且所述目標車輛所在車輛當前位於左側車道上，則根據調整係數對所述目標車輛車速訊息進行修正處理，得到修正速度訊息；所述建模單元，還配置為根據所述修正速度訊息及車道限速訊息，確定與所述第二模型相關的第二類utility。
在本發明實施例一實施方式中，所述車道確定單元，還配置為：所述控制指令為保持在本車道行駛時，不執行變化到所述目標車道的變道處理；所述控制指令為向左側車道變道時，將所述左側車道作為所述目標車道並執行變化到所述目標車道的變 道處理；所述控制指令為向右側車道變道時，將所述右側車道作為所述目標車道並執行變化到所述目標車道的變道處理。
在本發明實施例一實施方式中，所述目標車輛還包括：變道執行決策單元，配置為：根據所述控制指令執行車道選擇，得到所述目標車道後，如果符合預設規則，則立即由目標車輛當前所在的本車道變化到所述目標車道，否則，不執行變化到所述目標車道的變道處理。
其中，對於用於資料處理的處理器而言，在執行處理時，可以採用微處理器、中央處理器(Central Processing Unit，CPU)、DSP或FPGA實現；對於儲存介質來說，包含操作指令，該操作指令可以為計算機可執行程式碼，透過所述操作指令來實現上述本發明實施例訊息處理方法流程中的各個步驟。
這裡需要指出的是：以上涉及終端和伺服器項的描述，與上述方法描述是類似的，同方法的有益效果描述，不做贅述。對於本發明終端和伺服器實施例中未披露的技術細節，請參照本發明方法流程描述的實施例所描述內容。
以一個現實應用場景為例對本發明實施例闡述如下：駕駛行為建模主要包括縱向和橫向2個方面。縱向駕駛行為主要包括剎車、跟車等等。而橫向駕駛行為主要就是變道模型。變道行為是駕駛員由自身駕駛特性，針對周圍車輛的車速、空擋等周邊環境訊息的刺激，調整並完成自身駕駛目標策略包括訊息判斷和操作執行的綜合行為過程。這樣的行為被認為十分複雜甚至難以用數學模型進行描述。變道的模型可以分為DLC模型和MLC模型兩種。DLC是為了改善行駛速度，MLC是由於路口等影響必須得離開本車道。首先，會判斷是否需要考慮MLC。比如，評估當前車輛行駛到路口需要的時間t，是否大於變換車道所需要 的時間。假如行駛道路必須變換到最右車道，與當前車道比需要變換n個車道，每變換一個車道需要時間t0，則：如果t>n×t0，則只需要考慮DLC；否則，需要同時考慮MLC和DLC，並且他們衝突時，以MLC的結果為準。在DLC的決策中，對於lane selection，是根據車速、車道限速等綜合訊息判定相鄰車道是否需要變道；而對於Gap acceptance，是根據相鄰車道前後車的距離來判斷，是否擁有總夠的變道空間。只有這個條件同時滿足，才會做出變道決策。在行車過程中，駕駛員一般會根據本車車速、前車車速、車距；相鄰車道車速與車距來決策是否可以進行變道操作，目的是為了改善本車的行駛速度。
在上述實施例中，單純採用MLC模型或DLC模型進行變道選擇都是無法達到響應及時和變道選擇精確的目的。如下實施例中，是將DLC和MLC統一到一個模型當中，分別計算本車道、左右車道的utility，最後選擇utility最大的車道作為變換車道。
以無人駕駛場景為例，對本發明實施例進行說明如下：第6圖至第8圖為在無人駕駛場景中採用本發明實施例用到的關鍵參數、決策模型的結構及實際應用中採樣的變道選擇情況示意圖。其中，第6圖為車道變換行為決策的關鍵參數示意圖，其中，S為當前車道前車間距；L1為目標車道前淨距；L2為目標車道後淨距；V1為變道車輛速度；V2為當前車道前車速度；V3為相鄰車道前車速度；V4為相鄰車道後車速度。第7圖為用於變道選擇的決策模型的結構示意圖，第8圖為實際應用中採樣的變道選擇情況示意圖。
基於上述第6圖至第8圖所示的內容，本實施例主要關注無人駕駛車輛的目標車道選擇，與傳統的變道模型有所差異。在本階段，無人駕駛車輛只關注目標車道的評估和選擇，不關注是 否可以立即執行變道。當目標車道選定後，能否正常執行變道取決於之後的行為規劃(motion plan)，它會以較高的頻率來判斷周圍的靜態和動態障礙物是否會影響變道，保證變道安全。如果有危險的話，會放棄變道。以第9圖所示的變道選擇過程為例進行說明如下：
第9圖的變道選擇過程中，包括如下內容：第一步：根據路口確定最終目標車道，即找到基於MLC的目標車道(find goal lane for MLC)。
具體的，根據路口和下一條道路的連接關係確定MLC目標車道。在當前位置待選的車道裡，根據連通性挑選可以到達路口並進入下一條道路的車道作為goal lane。例如當前本車在車道1，在路口需要右拐，則選擇車道2作為goal lane。如果是直行透過路口的話，可能會有多條待選車道符合要求，此時選定其中離當前車道最近的車道當作目標車道(goal lane)。
確定了最終目標車道之後，可以計算當前每條車道距離最終車道的變道次數(如nlanechange)。假設沿車道中心線向前的方向為X軸，計算當前車輛位置距離路口的距離，將該距離記做distanceToJunction。
第二步：估計車道車速，即計算基於DLC的車道車速(estimate lane speed for DLC)。
根據檢測到的周圍車輛的速度來分別估計本車道、左側車道、右側車道的行車速度(如laneSpeed)。
首先根據車輛中心點到車道中心線的垂直距離d，來判定車輛屬於哪條車道。當d小於一定閾值，例如d<2.0m時，則車輛屬於此車道。
在每個車道統計過程中，忽略比本車靠後的車輛(如果 x坐標小於本車x坐標，則忽略)。如果有多輛車，則記錄其中最小的速度作為車道速度；如果車道裡沒有自駕車身前的車輛，則記錄車道速度等於車道最大限速(如SPEED_LIMIT)。
當車道資料>=3，本車當前在最左車道上，在計算laneSpeed時，在統計的基礎上給一個折扣係數，使用k×laneSpeed(一般情況下k=0.9)作為車道速度參與之後U_DLC計算。這樣就保證了在同等情況下，車輛不會長期佔用最左車道的情況。
第三步：計算車道的Utility，即整合基於MLC和DLC的Utility所得到的綜合Utility。
採用公式(1)對特定車道，根據車道速度laneSpeed、最大限速SPEED_LIMIT來計算DLC相關的utility：U_DLC=p1×laneSpeed/SPEED_LIMIT (1)
採用公式(2)根據變道次數nlanechange，車輛到路口的距離distanceToJunction和單次變道所需的最小距離d0，來計算MLC相關的utility；U_MLC=p2×pow(lanechange/(distanceToJunction/d0)，p3) (2)
其中d0是根據當前車速和變道時間估計出來的完成一次變道需要的最小距離，計算方法如公式(3)所示：d0=MAX(dmin,vehicleSpeed×t0) (3)
其中dmin和t0是一個常數，可以根據實際需要取值；vehicleSpeed為本車速度，t0為根據經驗估計的完成一次變道需要的時間。建議dmin=50m，t0=10s。
p1、p2、p3分別是權重係數，可以根據需要調節，一般取p1=10，p2=2.0，p3=2.0。
車道綜合Utility的計算方法如公式(4)所示： Utility=(int)U_DLC-(int)U_MLC (4)
注意，先分別對U_DLC和U_MLC取整數，然後再計算綜合utility。這樣做相當於對車速、距離等關鍵因素進行了分段分級，最大優點是可以在一定的車速範圍和距離範圍內保持utility的數值穩定性，進一步保證換道結果的穩定性，不會來回切換。
MLC使用指數模型，可以使得它的影響力隨著distanceToJunction的逐漸變小而迅速增大，最終在路口附近起絕對主導作用，進而可以忽略DLC的影響，中間的過渡是平滑自然的。這樣設計符合實際的變道規律。
第四步：變道類型的判定
最終的變道類型LaneChange分別是保持本車道、向左變道、向右變道三種情況。
按照本車道、左車道和右車道的順序計算utility，選定utility最大的車道作為變道的目標車道。這種順序保證了超車時優先從左側車道超車。如果utility一樣，則優先保持本車道。
第一步：計算當前車道的utility，記錄變道類型為保持本車道，更新uMax；第二步：計算左側車道的utility，記做u_left。如果u_left>u_uMax，則記錄LaneChange=向左變道，更新uMax=u_left；第三步：計算右側車道的utility，記做u_right。如果u_right>u_uMax，則記錄LaneChange=向右變道。
採用本發明實施例，有效結合了DLC和MLC，過渡自然，變道行為更加穩定。有效結合了DLC和MLC對車道選擇的影響，距離路口越近，MLC起到的作用越大，過渡平滑自然，符合客觀規律。對車速和路口距離等關鍵因素做了分級處理，保證了變道結果的穩定性，不會發生抖動現象。保證了左側超車優先原 則，但不長期佔用最左車道。所採用的決策模型所採用的特定的判定順序和規則，保證了在在相似條件下從左側超車；對於車道資料較多的道路，車輛會長期佔用最左側的超車道。這樣更加符合交通規則，符合道路的客觀情況。
本發明實施例的一種終端(安裝於目標車輛上的車載終端或用戶手持的移動終端)，如第10圖所示，所述終端包括：處理器61和用於儲存能夠在處理器上運行的計算機程式的儲存器，儲存器的一個表現形式可以為如第10圖所示的計算機儲存介質63，還包括用於資料通訊的匯流排62。
所述處理器用於運行所述計算機程式時，執行：根據用於決策路口變道的第一模型和用於決策行駛速度的第二模型，得到用於變道選擇的決策模型；實時獲取目標車輛的行駛訊息以及與目標車輛相關的目標訊息，所述目標訊息用於表徵目標車輛周邊車輛的行駛訊息；根據實時獲取的所述目標訊息、目標車輛的行駛訊息，透過所述決策模型得到目標車道。
所述處理器用於運行所述計算機程式時，還執行：根據實時獲取的所述目標訊息、目標車輛的行駛訊息，透過所述決策模型計算與目標車輛相關的特定車道對應的效用值；將效用值最大的車道作為目標車道。
所述特定車道至少包括目標車輛當前所在的本車道、與目標車輛相鄰的左側車道和右側車道。
所述處理器用於運行所述計算機程式時，還執行：根據目標車輛的變道次數、距離路口的距離值和單次變道最小距離值確定特定車道與所述第一模型相關的第一類效用 值；根據目標車輛車速訊息及車道限速訊息，確定特定車道與所述第二模型相關的第二類效用值；根據所述第一類效用值和所述第二類效用值得到特定車道的車道綜合效用值。
所述處理器用於運行所述計算機程式時，還執行：根據路網情況得到備選車道，所述路網情況由路口及與所述路口相連的下一個道路構成；根據目標車輛當前所在本車道與所述備選車道在第一方向上的距離，得到所述目標車輛變道次數；根據目標車輛當前所在本車道上的位置與所述路口在第二方向上的距離，得到所述目標車輛距離路口的距離值；根據目標車輛當前車速和變道時間，得到完成一次變道所需要的最小距離值。
所述處理器用於運行所述計算機程式時，還執行：根據檢測到的目標車輛周邊車輛的速度訊息，計算並實時調整所述目標車輛的車速訊息；獲取目標車輛中心點到當前車道中心線的垂直距離，判斷所述垂直距離是否小於閾值，當小於閾值時確定出目標車輛隸屬於所述當前車道，根據在所述當前車道的預設規則得到所述車道限速訊息。
所述處理器用於運行所述計算機程式時，還執行：在所述當前車道檢測到包括所述目標車輛在內的至少兩輛車時，將至少兩輛車中最小的速度作為所述車道限速訊息。
所述處理器用於運行所述計算機程式時，還執行：在所述當前車道檢測到所述目標車輛行駛方向上沒有 其它車輛時，將車道速度作為所述車輛限速訊息。
所述處理器用於運行所述計算機程式時，還執行：檢測在所述當前車道中位於所述目標車輛後方存在其它車輛時，忽略比所述目標車輛靠後的其它車輛。
所述處理器用於運行所述計算機程式時，還執行：當目標車輛行駛道路的車道數量大於等於3，且所述目標車輛位於左側車道上時，根據調整係數對所述目標車輛車速訊息進行修正處理，得到修正速度訊息；根據所述修正速度訊息及車道限速訊息，重新確定所述特定車道與所述第二模型相關的第二類效用值。
本發明實施例的一種計算機儲存介質，所述計算機儲存介質中儲存有計算機可執行指令，該計算機可執行指令用於執行：根據用於決策路口變道的第一模型和用於決策行駛速度的第二模型，得到用於變道選擇的決策模型；實時獲取目標車輛的行駛訊息以及與目標車輛相關的目標訊息，所述目標訊息用於表徵目標車輛周邊車輛的行駛訊息；根據實時獲取的所述目標訊息、目標車輛的行駛訊息，透過所述決策模型得到目標車道。
該計算機可執行指令用於還執行：根據實時獲取的所述目標訊息、目標車輛的行駛訊息，透過所述決策模型計算與目標車輛相關的特定車道對應的效用值；將效用值最大的車道作為目標車道。
所述特定車道至少包括目標車輛當前所在的本車道、與目標車輛相鄰的左側車道和右側車道。
該計算機可執行指令用於還執行： 根據目標車輛的變道次數、距離路口的距離值和單次變道最小距離值確定特定車道與所述第一模型相關的第一類效用值；根據目標車輛車速訊息及車道限速訊息，確定特定車道與所述第二模型相關的第二類效用值；根據所述第一類效用值和所述第二類效用值得到特定車道的車道綜合效用值。
該計算機可執行指令用於還執行：根據路網情況得到備選車道，所述路網情況由路口及與所述路口相連的下一個道路構成；根據目標車輛當前所在本車道與所述備選車道在第一方向上的距離，得到所述目標車輛變道次數；根據目標車輛當前所在本車道上的位置與所述路口在第二方向上的距離，得到所述目標車輛距離路口的距離值；根據目標車輛當前車速和變道時間，得到完成一次變道所需要的最小距離值。
該計算機可執行指令用於還執行：根據檢測到的目標車輛周邊車輛的速度訊息，計算並實時調整所述目標車輛的車速訊息；獲取目標車輛中心點到當前車道中心線的垂直距離，判斷所述垂直距離是否小於閾值，當小於閾值時確定出目標車輛隸屬於所述當前車道，根據在所述當前車道的預設規則得到所述車道限速訊息。
該計算機可執行指令用於還執行：在所述當前車道檢測到包括所述目標車輛在內的至少兩輛車時，將至少兩輛車中最小的速度作為所述車道限速訊息。
該計算機可執行指令用於還執行：在所述當前車道檢測到所述目標車輛行駛方向上沒有其它車輛時，將車道速度作為所述車輛限速訊息。
該計算機可執行指令用於還執行：檢測在所述當前車道中位於所述目標車輛後方存在其它車輛時，忽略比所述目標車輛靠後的其它車輛。
該計算機可執行指令用於還執行：當目標車輛行駛道路的車道數量大於等於3，且所述目標車輛位於左側車道上時，根據調整係數對所述目標車輛車速訊息進行修正處理，得到修正速度訊息；根據所述修正速度訊息及車道限速訊息，重新確定所述特定車道與所述第二模型相關的第二類效用值。
在本申請所提供的幾個實施例中，應該理解到，所揭露的設備和方法，可以透過其它的方式實現。以上所描述的設備實施例僅僅是示意性的，例如，所述單元的劃分，僅僅為一種邏輯功能劃分，實際實現時可以有另外的劃分方式，如：多個單元或組件可以結合，或可以集成到另一個系統，或一些特徵可以忽略，或不執行。另外，所顯示或討論的各組成部分相互之間的耦合、或直接耦合、或通訊連接可以是透過一些連接埠，設備或單元的間接耦合或通訊連接，可以是電性的、機械的或其它形式的。
上述作為分離部件說明的單元可以是、或也可以不是物理上分開的，作為單元顯示的部件可以是、或也可以不是物理單元，即可以位於一個地方，也可以分佈到多個網路單元上；可以根據實際的需要選擇其中的部分或全部單元來實現本實施例方案的目的。
另外，在本發明各實施例中的各功能單元可以全部集成 在一個處理單元中，也可以是各單元分別單獨作為一個單元，也可以兩個或兩個以上單元集成在一個單元中；上述集成的單元既可以採用硬體的形式實現，也可以採用硬體加軟體功能單元的形式實現。
所屬技術領域具有通常知識者可以理解：實現上述方法實施例的全部或部分步驟可以透過程式指令相關的硬體來完成，前述的程式可以儲存於一計算機可讀取儲存介質中，該程式在執行時，執行包括上述方法實施例的步驟；而前述的儲存介質包括：移動儲存設備、ROM、RAM、磁碟或者光碟等各種可以儲存程式程式碼的介質。
或者，本發明上述集成的單元如果以軟體功能單元的形式實現並作為獨立的產品銷售或使用時，也可以儲存在一個計算機可讀取儲存介質中。基於這樣的理解，本發明實施例的技術方案本質上或者說對習知技術做出貢獻的部分可以以軟體產品的形式體現出來，該電腦軟體產品儲存在一個儲存介質中，包括複數指令用以使得一台計算機設備(可以是個人電腦、伺服器、或者網路設備等)執行本發明各個實施例所述方法的全部或部分。而前述的儲存介質包括：移動儲存設備、ROM、RAM、磁碟或者光碟等各種可以儲存程式程式碼的介質。
以上所述，僅為本發明的具體實施方式，但本發明的保護範圍並不局限於此，任何熟悉本技術領域的技術人員在本發明揭露的技術範圍內，可輕易想到變化或替換，都應涵蓋在本發明的保護範圍之內。因此，本發明的保護範圍應以所述權利要求的保護範圍為準。
工業實用性：
採用本發明實施例，根據用於表徵不同決策選擇的模型 建模，以得到用於變道選擇的決策模型，比如，採用DLC和MLC來建模得到的決策結果，可以將速度和路口等影響情況都全面考慮到無人駕駛場景中，更符合實際需求，根據實時獲取的與目標車輛相關的目標訊息、目標車輛的行駛訊息，透過決策模型得到目標車道，由得到的目標車道來執行車道選擇，實現了精準的變道選擇，能確保響應時間盡可能低。

Claims (32)

  1. 一種車道選擇方法，包括：根據用於決策路口變道的第一模型和用於決策行駛速度的第二模型，得到用於變道選擇的決策模型；實時獲取目標車輛的行駛訊息以及與目標車輛相關的目標訊息，所述目標訊息用於表徵目標車輛周邊車輛的行駛訊息；以及根據實時獲取的所述目標訊息、目標車輛的行駛訊息，透過所述決策模型得到目標車道。
  2. 如申請專利範圍第1項所述之方法，其中所述根據實時獲取的所述目標訊息、目標車輛的行駛訊息，透過所述決策模型得到目標車道，包括：根據實時獲取的所述目標訊息、目標車輛的行駛訊息，透過所述決策模型計算與目標車輛相關的特定車道對應的效用值；以及將效用值最大的車道作為目標車道。
  3. 如申請專利範圍第2項所述之方法，其中所述特定車道至少包括目標車輛當前所在的本車道、與目標車輛相鄰的左側車道和右側車道。
  4. 如申請專利範圍第2項所述之方法，其中所述透過所述決策模型計算與目標車輛相關的特定車道對應的效用值，包括：根據目標車輛的變道次數、距離路口的距離值和單次變道最小距離值確定特定車道與所述第一模型相關的第一類效用值；根據目標車輛車速訊息及車道限速訊息，確定特定車道與所述第二模型相關的第二類效用值；以及根據所述第一類效用值和所述第二類效用值得到特定車道的車道綜合效用值。
  5. 如申請專利範圍第4項所述之方法，其中根據目標車輛變道次數和目標車輛距離路口的距離值，確定與所述第一模型相關的第一類效用值之前，所述方法還包括：根據路網情況得到備選車道，所述路網情況由路口及與所述路口相連的下一個道路構成；根據目標車輛當前所在本車道與所述備選車道在第一方向上的距離，得到所述目標車輛變道次數；根據目標車輛當前所在本車道上的位置與所述路口在第二方向上的距離，得到所述目標車輛距離路口的距離值；以及根據目標車輛當前車速和變道時間，得到完成一次變道所需要的最小距離值。
  6. 如申請專利範圍第4項所述之方法，其中根據目標車輛車速訊息及車道限速訊息，確定與所述第二模型相關的第二類效用值之前，所述方法還包括：根據檢測到的目標車輛周邊車輛的速度訊息，計算並實時調整所述目標車輛的車速訊息；以及獲取目標車輛中心點到當前車道中心線的垂直距離，判斷所述垂直距離是否小於閾值，當小於閾值時確定出目標車輛隸屬於所述當前車道，根據在所述當前車道的預設規則得到所述車道限速訊息。
  7. 如申請專利範圍第6項所述之方法，其中根據在所述當前車道的預設規則得到所述車道限速訊息，包括：在所述當前車道檢測到包括所述目標車輛在內的至少兩輛車時，將至少兩輛車中最小的速度作為所述車道限速訊息。
  8. 如申請專利範圍第6項所述之方法，其中根據在所述當前車道的預設規則得到所述車道限速訊息，包括： 在所述當前車道檢測到所述目標車輛行駛方向上沒有其它車輛時，將車道速度作為所述車輛限速訊息。
  9. 如申請專利範圍第6項所述之方法，還包括：檢測在所述當前車道中位於所述目標車輛後方存在其它車輛時，忽略比所述目標車輛靠後的其它車輛。
  10. 如申請專利範圍第6項所述之方法，還包括：當目標車輛行駛道路的車道數量大於等於3，且所述目標車輛位於左側車道上時，根據調整係數對所述目標車輛車速訊息進行修正處理，得到修正速度訊息；以及根據所述修正速度訊息及車道限速訊息，重新確定所述特定車道與所述第二模型相關的第二類效用值。
  11. 一種目標車輛，所述目標車輛包括：第一獲取單元，配置為根據用於決策路口變道的第一模型和用於決策行駛速度的第二模型，得到用於變道選擇的決策模型；第二獲取單元，配置為實時獲取目標車輛的行駛訊息以及與目標車輛相關的目標訊息，所述目標訊息用於表徵目標車輛周邊車輛的行駛訊息；以及車道確定單元，配置為根據實時獲取的所述目標訊息、目標車輛的行駛訊息，透過所述決策模型得到目標車道。
  12. 如申請專利範圍第11項所述之目標車輛，其中所述車道確定單元，還配置為：根據實時獲取的所述目標訊息、目標車輛的行駛訊息，透過所述決策模型計算與目標車輛相關的特定車道對應的效用值；以及將效用值最大的車道作為目標車道。
  13. 如申請專利範圍第12項所述之目標車輛，其中所述特定 車道至少包括目標車輛當前所在的本車道、與目標車輛相鄰的左側車道和右側車道。
  14. 如申請專利範圍第12項所述之目標車輛，其中所述車道確定單元，還配置為：根據目標車輛變道次數、目標車輛距離路口的距離值和單次變道最小距離值確定與所述第一模型相關的第一類效用值；根據目標車輛車速訊息及車道限速訊息，確定特定車道與所述第二模型相關的第二類效用值；以及根據所述第一類效用值和所述第二類效用值得到特定車道的車道綜合效用值。
  15. 如申請專利範圍第14項所述之目標車輛，其中所述車道確定單元，還配置為：根據路網情況得到備選車道，所述路網情況由路口及與所述路口相連的下一個道路構成；所述目標車輛還包括：變道次數確定單元，配置為根據目標車輛當前所在本車道與所述備選車道在第一方向上的距離，得到所述目標車輛變道次數；距離值確定單元，配置為根據目標車輛當前所在本車道上的位置與所述路口在第二方向上的距離，得到所述目標車輛距離路口的距離值；以及單次變道距離值確定單元，配置為根據目標車輛當前車速和變道時間，得到完成一次變道所需要的所述單次變道最小距離值。
  16. 如申請專利範圍第14項所述之目標車輛，其中所述目標車輛還包括：車速檢測單元，配置為根據檢測到的目標車輛周邊車輛的速度訊息，計算並實時調整所述目標車輛的車速訊息；以及 限速確定單元，配置為獲取目標車輛中心點到當前車道中心線的垂直距離，判斷所述垂直距離是否小於閾值，當小於閾值時確定出目標車輛隸屬於所述當前車道，根據在所述當前車道的預設規則得到所述車道限速訊息。
  17. 如申請專利範圍第16項所述之目標車輛，其中所述限速確定單元，還配置為：在所述當前車道檢測到包括所述目標車輛在內的至少兩輛車時，將至少兩輛車中最小的速度作為所述車道限速訊息。
  18. 如申請專利範圍第16項所述之目標車輛，其中所述限速確定單元，還配置為：在所述當前車道檢測到所述目標車輛行駛方向上沒有其它車輛時，將車道速度作為所述車道限速訊息。
  19. 如申請專利範圍第16項所述之目標車輛，還包括：忽略決策單元，配置為檢測在所述當前車道中位於所述目標車輛後方存在其它車輛時，忽略比所述目標車輛靠後的其它車輛。
  20. 如申請專利範圍第16項所述之目標車輛，還包括：修正決策單元，配置為當所述目標車輛行駛道路的車道數量大於等於3，且所述目標車輛當前位於左側車道上，則根據調整係數對所述目標車輛車速訊息進行修正處理，得到修正速度訊息，其中所述車道確定單元，還配置為根據所述修正速度訊息及車道限速訊息，重新確定所述特定車道與所述第二模型相關的第二類效用值。
  21. 一種目標車輛，所述目標車輛包括：處理器和用於儲存能夠在處理器上運行的計算機程式的儲存器；其中，所述處理器用於運行所述計算機程式時，執行上述申請專利範圍第1至10項任一項所述的車道選擇方法。
  22. 一種計算機儲存介質，所述計算機儲存介質中儲存有計算機可執行指令，該計算機可執行指令用於執行上述申請專利範圍第1至10項任一項所述的車道選擇方法。
  23. 一種車道選擇方法，所述方法由目標車輛執行，所述目標車輛包括有一個或多個處理器以及儲存器，以及一個或一個以上的程式，其中，所述一個或一個以上的程式儲存於儲存器中，所述程式可以包括一個或一個以上的每一個對應於一組指令的單元，所述一個或多個處理器被配置為執行指令；所述方法包括：根據用於決策路口變道的第一模型和用於決策行駛速度的第二模型，得到用於變道選擇的決策模型；實時獲取目標車輛的行駛訊息以及與目標車輛相關的目標訊息，所述目標訊息用於表徵目標車輛周邊車輛的行駛訊息；以及根據實時獲取的所述目標訊息、目標車輛的行駛訊息，透過所述決策模型得到目標車道。
  24. 如申請專利範圍第23項所述之方法，其中所述根據實時獲取的所述目標訊息、目標車輛的行駛訊息，透過所述決策模型得到目標車道，包括：根據實時獲取的所述目標訊息、目標車輛的行駛訊息，透過所述決策模型計算與目標車輛相關的特定車道對應的效用值；以及將效用值最大的車道作為目標車道。
  25. 如申請專利範圍第24項所述之方法，其中所述特定車道至少包括目標車輛當前所在的本車道、與目標車輛相鄰的左側車道和右側車道。
  26. 如申請專利範圍第24項所述之方法，其中所述透過所述決策模型計算與目標車輛相關的特定車道對應的效用值，包括： 根據目標車輛的變道次數、距離路口的距離值和單次變道最小距離值確定特定車道與所述第一模型相關的第一類效用值；根據目標車輛車速訊息及車道限速訊息，確定特定車道與所述第二模型相關的第二類效用值；以及根據所述第一類效用值和所述第二類效用值得到特定車道的車道綜合效用值。
  27. 如申請專利範圍第26項所述之方法，其中根據目標車輛變道次數和目標車輛距離路口的距離值，確定與所述第一模型相關的第一類效用值之前，所述方法還包括：根據路網情況得到備選車道，所述路網情況由路口及與所述路口相連的下一個道路構成；根據目標車輛當前所在本車道與所述備選車道在第一方向上的距離，得到所述目標車輛變道次數；根據目標車輛當前所在本車道上的位置與所述路口在第二方向上的距離，得到所述目標車輛距離路口的距離值；以及根據目標車輛當前車速和變道時間，得到完成一次變道所需要的最小距離值。
  28. 如申請專利範圍第26項所述之方法，其中根據目標車輛車速訊息及車道限速訊息，確定與所述第二模型相關的第二類效用值之前，所述方法還包括：根據檢測到的目標車輛周邊車輛的速度訊息，計算並實時調整所述目標車輛的車速訊息；以及獲取目標車輛中心點到當前車道中心線的垂直距離，判斷所述垂直距離是否小於閾值，當小於閾值時確定出目標車輛隸屬於所述當前車道，根據在所述當前車道的預設規則得到所述車道限速訊息。
  29. 如申請專利範圍第28項所述之方法，其中根據在所述當前車道的預設規則得到所述車道限速訊息，包括：在所述當前車道檢測到包括所述目標車輛在內的至少兩輛車時，將至少兩輛車中最小的速度作為所述車道限速訊息。
  30. 如申請專利範圍第28項所述之方法，其中根據在所述當前車道的預設規則得到所述車道限速訊息，包括：在所述當前車道檢測到所述目標車輛行駛方向上沒有其它車輛時，將車道速度作為所述車輛限速訊息。
  31. 如申請專利範圍第28項所述之方法，還包括：檢測在所述當前車道中位於所述目標車輛後方存在其它車輛時，忽略比所述目標車輛靠後的其它車輛。
  32. 如申請專利範圍第28項所述之方法，還包括：當目標車輛行駛道路的車道數量大於等於3，且所述目標車輛位於左側車道上時，根據調整係數對所述目標車輛車速訊息進行修正處理，得到修正速度訊息；以及根據所述修正速度訊息及車道限速訊息，重新確定所述特定車道與所述第二模型相關的第二類效用值。
TW107112473A 2017-04-20 2018-04-11 車道選擇方法、目標車輛及計算機儲存介質 TWI676970B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201710262939.9 2017-04-20
CN201710262939.9A CN108305477B (zh) 2017-04-20 2017-04-20 一种车道选择方法及终端

Publications (2)

Publication Number Publication Date
TW201838847A true TW201838847A (zh) 2018-11-01
TWI676970B TWI676970B (zh) 2019-11-11

Family

ID=62872213

Family Applications (1)

Application Number Title Priority Date Filing Date
TW107112473A TWI676970B (zh) 2017-04-20 2018-04-11 車道選擇方法、目標車輛及計算機儲存介質

Country Status (7)

Country Link
US (1) US11059485B2 (zh)
EP (1) EP3614359A4 (zh)
JP (1) JP6808853B2 (zh)
KR (1) KR102212431B1 (zh)
CN (1) CN108305477B (zh)
TW (1) TWI676970B (zh)
WO (1) WO2018192352A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI678515B (zh) * 2018-11-21 2019-12-01 財團法人車輛研究測試中心 動態圖資分類裝置及其方法
TWI684085B (zh) * 2019-04-24 2020-02-01 揚昇育樂事業股份有限公司 自駕車輛之自駕行駛路徑中央控制裝置

Families Citing this family (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190091366A (ko) * 2016-12-23 2019-08-05 모빌아이 비젼 테크놀로지스 엘티디. 부과된 책임 제약이 있는 항법 시스템
JP6994567B2 (ja) * 2018-05-15 2022-01-14 日立Astemo株式会社 車両制御装置
JP6984547B2 (ja) * 2018-06-08 2021-12-22 トヨタ自動車株式会社 車線変更支援システム、車線変更支援装置及び車線変更支援方法
US10916125B2 (en) * 2018-07-30 2021-02-09 Honda Motor Co., Ltd. Systems and methods for cooperative smart lane selection
CN111091727A (zh) * 2018-10-24 2020-05-01 上汽通用汽车有限公司 基于移动车联网的用于变更车道的方法和系统
CN109871017B (zh) * 2019-02-20 2022-09-13 阿波罗智能技术(北京)有限公司 自动驾驶参考线调用方法、装置和终端
CN113392809B (zh) * 2019-02-21 2023-08-15 百度在线网络技术（北京）有限公司 一种自动驾驶信息处理方法、装置及存储介质
JP7152339B2 (ja) * 2019-03-25 2022-10-12 本田技研工業株式会社 走行制御装置、走行制御方法、およびプログラム
CN109782776B (zh) * 2019-03-28 2022-07-29 北京百度网讯科技有限公司 无人车的车道选择方法、装置及存储介质
CN109949611B (zh) 2019-03-28 2021-11-30 阿波罗智能技术(北京)有限公司 无人车的变道方法、装置及存储介质
JP7159109B2 (ja) * 2019-05-16 2022-10-24 本田技研工業株式会社 車両制御装置、車両制御装方法、およびプログラム
CN110160552B (zh) * 2019-05-29 2021-05-04 百度在线网络技术（北京）有限公司 导航信息确定方法、装置、设备和存储介质
CN112634627B (zh) * 2019-10-08 2023-03-10 宁波吉利汽车研究开发有限公司 一种高速巡航状态下的换道方法、装置及汽车
CN110686693A (zh) * 2019-10-14 2020-01-14 泰牛汽车技术(苏州)有限公司 封闭场景内路网信息的构建方法
CN112991792B (zh) * 2019-12-12 2023-05-26 奥迪股份公司 车辆的变道方法、装置、计算机设备和存储介质
TWI762887B (zh) * 2020-03-19 2022-05-01 荷蘭商荷蘭移動驅動器公司 交通安全管控方法、車載裝置及可讀儲存介質
CN111413973A (zh) * 2020-03-26 2020-07-14 北京汽车集团有限公司 车辆的换道决策方法及装置、电子设备、存储介质
CN111586557B (zh) * 2020-04-03 2024-05-03 腾讯科技（深圳）有限公司 车辆通信方法、装置、计算机可读介质及电子设备
US11904890B2 (en) * 2020-06-17 2024-02-20 Baidu Usa Llc Lane change system for lanes with different speed limits
CN113808385B (zh) * 2020-06-17 2023-09-26 奥迪股份公司 机动车行车道的选择方法及装置、车辆
CN114506324B (zh) * 2020-10-23 2024-03-15 上海汽车集团股份有限公司 一种车道决策方法及相关装置
CN112365741B (zh) * 2020-10-23 2021-09-28 淮阴工学院 一种基于多车道车距检测的安全预警方法及系统
CN112416004B (zh) * 2020-11-19 2021-12-14 腾讯科技（深圳）有限公司 一种基于自动驾驶的控制方法、装置、车辆以及相关设备
CN114194193B (zh) * 2021-01-11 2023-06-27 广东科学技术职业学院 一种控制车辆变道的方法
CN113602263A (zh) * 2021-08-26 2021-11-05 中国第一汽车股份有限公司 车辆避让方法、装置、车载设备及存储介质
US11804131B2 (en) * 2021-11-24 2023-10-31 GM Global Technology Operations LLC Communication system for determining vehicle context and intent of a target vehicle based on perceived lane of travel
CN113997934B (zh) * 2021-12-09 2024-05-03 中国第一汽车股份有限公司 车道变换方法、装置、计算机设备及存储介质
CN115472032A (zh) * 2022-08-24 2022-12-13 武汉理工大学 一种高速公路匝道合流区车辆自动换道决策系统及方法
CN116279567B (zh) * 2023-05-11 2023-11-14 长城汽车股份有限公司 显示车道信息的方法、显示车道信息的装置及车辆

Family Cites Families (45)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7979173B2 (en) * 1997-10-22 2011-07-12 Intelligent Technologies International, Inc. Autonomous vehicle travel control systems and methods
JP4066573B2 (ja) * 1999-09-22 2008-03-26 株式会社デンソー 先行車選択装置、車間制御装置及び記録媒体
JP2003157500A (ja) * 2001-11-22 2003-05-30 Fujitsu Ltd 安全走行支援装置，安全走行支援プログラム，及び安全走行支援方法
JP3925474B2 (ja) * 2003-07-18 2007-06-06 日産自動車株式会社 車線変更支援装置
US10964209B2 (en) * 2003-12-24 2021-03-30 Mark W. Publicover Method and system for traffic and parking management
JP2006113918A (ja) * 2004-10-15 2006-04-27 Fujitsu Ten Ltd 運転支援装置
JP4581674B2 (ja) * 2004-12-24 2010-11-17 アイシン・エィ・ダブリュ株式会社 経路案内システム及び経路案内方法
TWI270827B (en) * 2005-06-29 2007-01-11 Jau-Shiang Wang Traffic lane recognition system and traffic lane deviation warning device with traffic lane recognition system and method of forming the same
US20070225914A1 (en) * 2006-03-21 2007-09-27 Hiroshi Kawazoe Lane departure avoidance control
JP4366419B2 (ja) * 2007-09-27 2009-11-18 株式会社日立製作所 走行支援装置
KR20110026433A (ko) * 2008-06-25 2011-03-15 톰톰 인터내셔날 비.브이. 주차시설 찾기를 탐지하는 내비게이션 장치 및 방법
JP5663942B2 (ja) * 2010-05-11 2015-02-04 トヨタ自動車株式会社 走行軌道作成装置
CN103348392B (zh) * 2010-12-31 2016-06-29 通腾比利时公司 导航方法与系统
JP5786941B2 (ja) * 2011-08-25 2015-09-30 日産自動車株式会社 車両用自律走行制御システム
JP2013050397A (ja) * 2011-08-31 2013-03-14 Nissan Motor Co Ltd 走行制御装置
CN103065501B (zh) * 2012-12-14 2014-08-06 清华大学 一种汽车换道预警方法及换道预警系统
US9286800B2 (en) * 2012-12-30 2016-03-15 Robert Gordon Guidance assist vehicle module
GB201307550D0 (en) * 2013-04-26 2013-06-12 Tomtom Dev Germany Gmbh Methods and systems of providing information indicative of a recommended navigable stretch
US9946818B2 (en) * 2013-07-30 2018-04-17 University Of Florida Research Foundation, Inc. System and method for automated model calibration, sensitivity analysis, and optimization
CN103871242B (zh) * 2014-04-01 2015-09-09 北京工业大学 一种驾驶行为综合评价系统与方法
JP6537780B2 (ja) * 2014-04-09 2019-07-03 日立オートモティブシステムズ株式会社 走行制御装置、車載用表示装置、及び走行制御システム
US9609046B2 (en) * 2014-04-29 2017-03-28 Here Global B.V. Lane level road views
CN103996287B (zh) * 2014-05-26 2016-04-06 江苏大学 一种基于决策树模型的车辆强制换道决策方法
KR101610544B1 (ko) 2014-11-21 2016-04-07 현대자동차주식회사 차량의 자율 주행 시스템 및 방법
JP2016215790A (ja) * 2015-05-19 2016-12-22 株式会社デンソー 車線変更計画生成装置、車線変更計画生成方法
KR101724887B1 (ko) 2015-08-10 2017-04-07 현대자동차주식회사 전방 도로 형상과 연결을 분석해 차선 변경과 타이밍을 결정하는 자율주행 제어 장치 및 방법
CN105160917B (zh) * 2015-08-24 2017-09-29 武汉理工大学 基于车路协同的信号控制交叉口车速引导系统及方法
CN105206052B (zh) * 2015-09-21 2018-05-11 张力 一种驾驶行为分析方法及设备
CN108604292B (zh) * 2015-11-26 2023-10-13 御眼视觉技术有限公司 对切入车道的车辆的自动预测和利他响应
JP2017142145A (ja) * 2016-02-10 2017-08-17 株式会社ゼンリン 車線変更支援装置、車両制御装置およびその方法
US9672734B1 (en) * 2016-04-08 2017-06-06 Sivalogeswaran Ratnasingam Traffic aware lane determination for human driver and autonomous vehicle driving system
CN106114507B (zh) * 2016-06-21 2018-04-03 百度在线网络技术（北京）有限公司 用于智能车辆的局部轨迹规划方法和装置
WO2018132608A2 (en) * 2017-01-12 2018-07-19 Mobileye Vision Technologies Ltd. Navigation based on occlusion zones
US20190381914A1 (en) * 2017-01-24 2019-12-19 Honda Motor Co., Ltd. Target support device, vehicle control system, vehicle control method, vehicle control program, and support structure of vehicle seat
WO2018175441A1 (en) * 2017-03-20 2018-09-27 Mobileye Vision Technologies Ltd. Navigation by augmented path prediction
US11210744B2 (en) * 2017-08-16 2021-12-28 Mobileye Vision Technologies Ltd. Navigation based on liability constraints
US10668925B2 (en) * 2017-09-05 2020-06-02 Baidu Usa Llc Driver intention-based lane assistant system for autonomous driving vehicles
CN107792073B (zh) * 2017-09-29 2019-10-25 东软集团股份有限公司 一种车辆换道控制方法、装置及相关设备
US11360475B2 (en) * 2017-12-05 2022-06-14 Waymo Llc Real-time lane change selection for autonomous vehicles
WO2019173426A1 (en) * 2018-03-07 2019-09-12 Robert Bosch Gmbh Known lane intervals for automated driving
EP3832261A1 (en) * 2018-04-03 2021-06-09 Mobileye Vision Technologies Ltd. Systems and methods for determining navigational parameters
US20190315345A1 (en) * 2018-04-16 2019-10-17 David E. Newman Blind spot potential-hazard avoidance system
US10569773B2 (en) * 2018-05-31 2020-02-25 Nissan North America, Inc. Predicting behaviors of oncoming vehicles
US20200114921A1 (en) * 2018-10-11 2020-04-16 Ford Global Technologies, Llc Sensor-limited lane changing
CN113272743B (zh) * 2019-02-19 2024-04-12 奥普塔姆软件股份有限公司 使用有通道结构的动态环境进行基于规则的自动化控制

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI678515B (zh) * 2018-11-21 2019-12-01 財團法人車輛研究測試中心 動態圖資分類裝置及其方法
TWI684085B (zh) * 2019-04-24 2020-02-01 揚昇育樂事業股份有限公司 自駕車輛之自駕行駛路徑中央控制裝置

Also Published As

Publication number Publication date
CN108305477B (zh) 2019-08-13
KR20190104391A (ko) 2019-09-09
EP3614359A1 (en) 2020-02-26
JP2020516535A (ja) 2020-06-11
US11059485B2 (en) 2021-07-13
CN108305477A (zh) 2018-07-20
EP3614359A4 (en) 2020-05-27
US20190322281A1 (en) 2019-10-24
TWI676970B (zh) 2019-11-11
KR102212431B1 (ko) 2021-02-03
WO2018192352A1 (zh) 2018-10-25
JP6808853B2 (ja) 2021-01-06

Similar Documents

Publication Publication Date Title
TWI676970B (zh) 車道選擇方法、目標車輛及計算機儲存介質
CN109697875B (zh) 规划行驶轨迹的方法及装置
CN106960564B (zh) 一种车辆调度方法、装置及相关系统
KR101500060B1 (ko) 차량 단말 및 군집주행 제어 시스템과 이를 이용한 선행 차량 선택 방법
CN107223201B (zh) 一种导航方法、装置以及终端设备
CN104344833A (zh) 车辆导航方法、装置和系统
CN105865466A (zh) 一种智能导航系统和方法
CN103884344A (zh) 一种基于海量车辆数据的智能化导航方法及导航系统
CN104732782A (zh) 发明智能在线式红绿灯及其智慧交通系统和方法
JP2020056739A (ja) 経路探索装置及びコンピュータプログラム
CN106895845A (zh) 一种会合地点的确定方法及装置
US20190180615A1 (en) System and method for reducing delays in road traffic
CN103236170B (zh) 一种基于动态路网的交通诱导方法
CN108028710A (zh) 传输通信消息的装置和方法
EP3892960A1 (en) Systems and methods for augmented reality in a vehicle
Lee et al. Design of V2X-based vehicular contents centric networks for autonomous driving
JP2018529962A (ja) ナビゲーション方法、ナビゲーション端末及びサーバ
US11231293B2 (en) Method, terminal, and computer storage medium for identifying information during navigation
US20190147739A1 (en) Information processing device
US20210204021A1 (en) Systems and methods for managing infotainment buffer in a vehicle
US20230403612A1 (en) Cell data transmission method and apparatus and electronic device
US8543327B2 (en) Intelligent navigation device and method
KR20150052915A (ko) 서로 다른 교통수단을 이용하는 경로 안내 시스템 간의 만남 장소 안내 방법
US20050256634A1 (en) Self-measuring automotive traffic
CN105841689A (zh) 提供长途交通工具信息的方法及装置