CN110398960A - 一种智能驾驶的路径规划方法、装置及设备 - Google Patents

一种智能驾驶的路径规划方法、装置及设备 Download PDF

Info

Publication number
CN110398960A
CN110398960A CN201910612580.2A CN201910612580A CN110398960A CN 110398960 A CN110398960 A CN 110398960A CN 201910612580 A CN201910612580 A CN 201910612580A CN 110398960 A CN110398960 A CN 110398960A
Authority
CN
China
Prior art keywords
information
vehicle
intelligent driving
bus
initial
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.)
Granted
Application number
CN201910612580.2A
Other languages
English (en)
Other versions
CN110398960B (zh
Inventor
邓堃
张军
卢红喜
孙伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Geely Holding Group Co Ltd
Zhejiang Geely Automobile Research Institute Co Ltd
Original Assignee
Zhejiang Geely Holding Group Co Ltd
Zhejiang Geely Automobile Research Institute Co Ltd
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 Zhejiang Geely Holding Group Co Ltd, Zhejiang Geely Automobile Research Institute Co Ltd filed Critical Zhejiang Geely Holding Group Co Ltd
Priority to CN201910612580.2A priority Critical patent/CN110398960B/zh
Publication of CN110398960A publication Critical patent/CN110398960A/zh
Application granted granted Critical
Publication of CN110398960B publication Critical patent/CN110398960B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
    • G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G05D1/0251—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting 3D information from a plurality of images taken from different locations, e.g. stereo vision
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0259—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0259—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means
    • G05D1/0261—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means using magnetic plots
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G05D1/028—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using a RF signal
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Electromagnetism (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Optics & Photonics (AREA)
  • Multimedia (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)

Abstract

本申请公开了一种智能驾驶的路径规划方法、装置及设备，该方法包括接收车路协同基站推送的智能驾驶规划信息；提取智能驾驶规划信息中用于所述车辆进行智能驾驶的初始路径信息；获取用户对所述车辆进行智能驾驶的个性化需求数据；基于所述个性化需求数据对所述初始路径信息进行调整，得到所述车辆用于进行智能驾驶的目标路径信息。通过车路协同基站确定的所述车辆的智能驾驶规划信息的准确性更高，且可减少自动驾驶车辆的车载计算处理能力和复杂性要求较高，可为每个用户所提供更多差异化的目标路径信息，满足实际的应用需求。

Description

一种智能驾驶的路径规划方法、装置及设备
技术领域
本申请涉及智能交通技术领域，尤其涉及一种智能驾驶的路径规划方法、装置及设备。
背景技术
自动驾驶技术是当前汽车产业的技术热点，根据SAE的自动驾驶分级，目前主要划分为L0-L5这六个自动驾驶分级，其中L0级指没有任何自动驾驶功能的车辆，L1-L2级自动驾驶本质上仍是驾驶辅助***(ADAS)，L3级自动驾驶可以称之为准自动驾驶***，L4-L5级自动驾驶可以认为是真正有意义的自动驾驶***。
传统的自动驾驶车辆是根据自身所搭载的传感器来检测周围环境信息，之后基于检测到的周围环境信息来计算自动驾驶路径，再基于该自动驾驶路径执行自动驾驶。然而，无论是传统的L1-L2级别自动驾驶车辆所具备例如包括前向雷达、前视摄像头、超声波雷达等传感器，还是L3及以上的自动驾驶车辆所包括的前向激光雷达、多个角雷达和侧雷达、高精度前视摄像头、侧视摄像头、后视摄像头等传感器，这些传感器的感知范围和感知能力也是有限的(例如无法覆盖更大范围的驾驶场景、无法覆盖更加复杂的驾驶场景等)。由于现有的自动驾驶车辆的自车环境感知能力是有限的，因此所获取的周围环境信息也是有限的，进而导致所计算得到的自动驾驶路径的准确性不高，且影响智动驾驶体验。此外，现有的自动驾驶车辆所计算的自动驾驶路径较为单一，且对自动驾驶车辆的车载计算处理能力和复杂性要求较高，这些均无法满足实际的应用需求。
发明内容
基于此，本申请目的在于提供一种智能驾驶的路径规划方法、装置及设备，以解决以上至少一种技术问题。所述技术方案如下：
一方面，本申请提供了一种智能驾驶的路径规划方法，包括：
接收车路协同基站推送的智能驾驶规划信息；所述智能驾驶规划信息是所述车路协同基站基于所述车辆的初始车路协同信息所确定的；
提取所述智能驾驶规划信息中用于所述车辆进行智能驾驶的初始路径信息；
获取用户对所述车辆进行智能驾驶的个性化需求数据；
基于所述个性化需求数据对所述初始路径信息进行调整，得到所述车辆用于进行智能驾驶的目标路径信息；
其中，所述初始车路协同信息包括初始导航信息和当前定位信息。
另一方面，本申请还提供了一种智能驾驶的路径规划方法，包括：
获取车辆发送的车辆信息；所述车辆信息包括初始车路协同信息和用户对所述车辆进行智能驾驶的个性化需求数据；
基于所述初始车路协同信息确定所述车辆的智能驾驶规划信息；所述智能驾驶规划信息包括用于所述车辆进行智能驾驶的初始路径信息；
基于所述个性化需求数据对所述初始路径信息进行调整，得到所述车辆用于进行智能驾驶的目标路径信息；
将所述目标路径信息推送至所述车辆；
其中，所述初始车路协同信息包括初始导航信息和当前定位信息。
另一方面，本申请还提供了一种智能驾驶的路径规划装置，包括：
接收模块，用于接收车路协同基站推送的智能驾驶规划信息；所述智能驾驶规划信息是所述车路协同基站基于所述车辆的初始车路协同信息所确定的；
提取模块，用于提取所述智能驾驶规划信息中用于所述车辆进行智能驾驶的初始路径信息；
获取模块，用于获取用户对所述车辆进行智能驾驶的个性化需求数据；
调整模块，用于基于所述个性化需求数据对所述初始路径信息进行调整，得到所述车辆用于进行智能驾驶的目标路径信息；
其中，所述初始车路协同信息包括初始导航信息和当前定位信息。
另一方面，本申请还提供了一种智能驾驶的路径规划装置，包括：
获取模块，用于获取车辆发送的车辆信息；所述车辆信息包括初始车路协同信息和用户对所述车辆进行智能驾驶的个性化需求数据；
规划模块，用于基于所述初始车路协同信息确定所述车辆的智能驾驶规划信息；所述智能驾驶规划信息包括用于所述车辆进行智能驾驶的初始路径信息；
调整模块，用于基于所述个性化需求数据对所述初始路径信息进行调整，得到所述车辆用于进行智能驾驶的目标路径信息；
推送模块，用于将所述目标路径信息推送至所述车辆；
其中，所述初始车路协同信息包括初始导航信息和当前定位信息。
另一方面，本申请还提供了一种智能驾驶的路径规划设备，所述设备包括车辆，所述车辆的终端包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上述任一所述的智能驾驶的路径规划方法；和/或
所述设备包括至少一个车路协同基站，所述车路协同基站中服务器包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上述任一所述的智能驾驶的路径规划方法。
本申请提供的一种智能驾驶的路径规划方法、装置及设备，至少具有如下有益效果：
本申请通过接收车路协同基站推送的智能驾驶规划信息；所述智能驾驶规划信息是所述车路协同基站基于所述车辆的初始车路协同信息所确定的；提取所述智能驾驶规划信息中用于所述车辆进行智能驾驶的初始路径信息；获取用户对所述车辆进行智能驾驶的个性化需求数据；基于所述个性化需求数据对所述初始路径信息进行调整，得到所述车辆用于进行智能驾驶的目标路径信息。由于车路协同基站可获得更大范围且更精确的环境感知信息，从而通过车路协同基站确定的所述车辆的智能驾驶规划信息的准确性更高，且可减少自动驾驶车辆的车载计算处理能力和复杂性要求较高。此外，在确定目标路径信息时还考虑用户的个性化需求数据，如此为每个用户所提供更多差异化的目标路径信息，满足实际的应用需求。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本申请。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，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附图。
图1是本申请实施例提供的一种智能驾驶的路径规划方法的流程图。
图2是本申请另一实施例中提供的一种智能驾驶的路径规划方法的流程图。
图3是本申请实施例提供的一种智能驾驶的路径规划装置的框图。
图4是本申请又一实施例提供的一种智能驾驶的路径规划方法的流程图。
图5是本申请另一实施例提供的一种智能驾驶的路径规划装置的框图。
图6是本申请实施例提供的一种用于实现本申请实施例所提供的方法的设备的硬件结构示意图。
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
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作进一步地详细描述。显然，所描述的实施例仅仅是本申请一个实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
此处所称的“一个实施例”或“实施例”是指可包含于本申请至少一个实现方式中的特定特征、结构或特性。在本申请的描述中，需要理解的是，术语“上”、“下”、“左”、“右”、“顶”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含的包括一个或者更多个该特征。而且，术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
下面结合附图对本申请实施例中涉及的方法和设备进行详细描述。
现有技术，传统的自动驾驶车辆是根据自身所搭载的传感器来检测周围环境信息，之后基于检测到的周围环境信息来计算自动驾驶路径，再基于该自动驾驶路径执行自动驾驶。然而，无论是传统的L1-L2级别自动驾驶车辆还是L3及以上的自动驾驶车辆所包括各种传感器，这些传感器的感知范围和感知能力也是有限的(例如无法覆盖更大范围的驾驶场景、无法覆盖更加复杂的驾驶场景等)。由于现有的自动驾驶车辆的自车环境感知能力是有限的，因此所获取的周围环境信息也是有限的，进而导致所计算得到的自动驾驶路径的准确性不高，进而影响智动驾驶体验。此外，现有的自动驾驶车辆所计算的自动驾驶路径较为单一，且对自动驾驶车辆的车载计算处理能力和复杂性要求较高，这些均无法满足实际的应用需求。为了解决该技术问题，本申请提供一种智能驾驶的路径规划方法、装置及设备。
图1是本申请实施例中提供的一种智能驾驶的路径规划方法的流程图。该方法应用于终端，具体可以由路径规划装置来执行，该装置可以由软件和/或硬件的方式实现，该装置可以集成在终端中。请参见图1，所述方法可以包括：
S102，接收车路协同基站推送的智能驾驶规划信息；所述智能驾驶规划信息是所述车路协同基站基于所述车辆的初始车路协同信息所确定的。
在本申请实施例中，车辆终端可以与车路协同基站建立通信连接。在建立通信连接后，车路协同基站可以根据所述车辆的初始车路协同信息确定所述车辆的智能驾驶规划信息，并将智能驾驶规划信息发送至对应的车辆。当然，所述车辆可以事先向车路协同基站发送规划信息获取请求，之后车路协同基站基于该信息获取请求确定所述车辆的智能驾驶规划信息。
所述初始车路协同信息包括初始导航信息和当前定位信息。初始导航信息中可以包括目的地位置信息、初始导航线路；所述当前定位信息可以包括所述车辆所在的具***置，例如所述车辆所在的车道线位置、所述车辆所在经纬度、海拔高度等信息。
在一可选实施例中，所述初始车路协同信息还可以包括第一环境感知信息。所述第一环境感知信息为所述车辆所在环境的周围环境信息，其可通过自车的传感器来检测得到的，也可通过周围其他车的传感器所检测到当前区域来检测所得并共享的信息。在另一可选实施例中，所述初始车路协同信息还可以包括但不限于为车载总线数据信息。
需要说明的是，上述初始车路协同信息中的各项信息可以是通过数据封装后传输到车路协同基站。示例的，车辆终端可以与车路协同基站建立无线通讯、鉴权、握手(确定通讯协议、确定传输频率、以及其它需要达成一致的)、建立发送传输信道；之后通过无线通信将车辆自身的上述初始车路协同信息中的各项信息进行封装后传输给车路协同基站。
在本申请实施例中，该车路协同基站至少具备边缘计算能力和无线通信能力。在一实施例中，该车路协同基站的这些能力可以通过服务器或服务器集群来实现，示例的，该车路协同基站可以包括无线通信服务器和边缘计算服务器，但一般不拥有底盘线控、车载总线设备。
可选的，无线通讯服务器可以利用蜂窝网通讯，也可以在不具备蜂窝网的情况线通过V2X通讯；通过与各道路参与者进行无线通讯，交换传输数据。边缘计算服务器可以利用大数据和私有云服务器等处理无线通讯数据；融合基站通讯范围内的道路参与者的定位感知信息，计算生成融合的定位感知模型；计算所有具有线控设备的车辆的规划无人驾驶路径和底盘控制量。可选的，边缘计算服务器可以为用于数据处理、自动驾驶、决策规划、实时控制计算和存储的，其具有大数据、机器学习、实时控制的能力，可以处理环境感知大数据，利用机器学习提取有价值信息，无人驾驶路径规划、分层决策、实时控制等相关信号的计算。
可选的，该车路协同基站还可以具备定位感知能力。相应的，该车路协同基站还可以包括定位感知服务器，该定位感知服务器优选为配置高精度、大范围的定位感知功能。示例的，定位感知服务器可以利用高精度定位设备，提供基站的高精度位置；利用安装的高性能雷达、摄像头、激光雷达传感器等设备，检测视场范围内的动静态目标、交通标识、道路线等信息。
当然，在其他实施例中，该车路协同基站的这些能力不限于为通过上述各服务器来实现，其还可通过嵌入式***、模块或其他计算机设备来实现。
需要说明的是，所述车路协同基站的数量不限于为一个，在实际应用中，该车路协同基站可以为分布式排列的多个，多个车路协同基站之间的通信覆盖范围可以有部分重叠。
在本申请实施例中，所述车辆的终端可为车载终端，其可由例如行车记录仪、T-box等实体设备进行实现，也可通过软件和/或硬件进行实现。作为一种变形，所述车载终端可替换为与车辆信号连接的移动终端，如此通过移动终端可实现对车辆的自动驾驶控制。所述车辆可包括：普通手动驾驶车辆，例如L0-L5级别自动驾驶车辆，两轮/三轮摩托车或其他机动车辆等；其通常包括定位感知设备、车载线控设备、无线通信设备，有些车辆可包括边缘计算设备。根据机动车辆的种类的不同，拥有不同性能的定位感知设备、边缘计算设备、车载线控设备。可选地，所述定位感知设备可以包括定位设备和环境感知设备。所述无线通信设备可以包括但不限于为具有高通量、高带宽、高可靠、低时延等特征的通讯设备(例如5G通讯设备)，也可以和其他具有类似功能的设备(例如3G/4G/6G/LTE等)进行通讯和交换数据等。所述车载线控设备可以包括车载传感器、人机交互、动力总成、底盘、车联网等接在车载总线或者网关上的设备；通过控制车载线控设备工作，实现了通过电子信号控制车辆的加减速、转向、换档、驻车等，从而实现更高自动驾驶级别的智能驾驶。
在本申请实施例中，所述智能驾驶规划信息可以是所述车路协同基站基于对目标区域内所融合的环境感知信息和所述车辆的初始车路协同信息所计算得到的。所述智能驾驶规划信息可以包括路径规划信息。所述路径规划信息用于描述所述车辆执行智能驾驶时的规划路径。
可选地，该路径规划信息可以为一系列在大地坐标系中的路点信息。其中，每个路点信息中可以包含位置信息以及例如速度信息、航向角信息、曲率信息等底盘控制量信息。所述底盘控制信息包括用于描述所述车辆执行智能驾驶时所确定的规划路径时，车载线控设备所需的底盘控制量。所述底盘控制量可以包括加减速、方向盘扭矩、油门开度、刹车踏板位移、档位信息和方向盘转角中的至少一种。
S104，提取所述智能驾驶规划信息中用于所述车辆进行智能驾驶的初始路径信息。
在本申请实施例中，由于智能驾驶规划信息中可以包括多种信息，通过提取可获取用于所述车辆进行智能驾驶的初始路径信息。
可选地，所述初始路径信息可以包括与起始-目的地位置相匹配的全局规划路径和与实际驾驶环境信息相匹配的局部规划路径；也可以包括包含多个路段的各路段规划信息。
S106，获取用户对所述车辆进行智能驾驶的个性化需求数据。
在本申请实施例中，个性化需求数据是基于所述车辆的定制化需求、信息安全需求、行驶舒适性需求、驾驶员或乘客的隐私化需求、紧急或突发场景需求等所确定的。示例的，所述个性化需求数据可以包括需求道路类型、需求途径位置数据和需求停靠位置数据中的至少一种。
该个性化需求数据可以为用户通过通过语音、手动等方法所输入的信息进行直接确定的，也可根据解析所述车辆的历史驾驶数据所间接确定的。
此外，针对于个性化需求数据包括多种需求数据的情况下，可结合不同实际场景为每种需求数据按优先级别进行处理，也可为每种需求数据进行加权处理，融合每个个性化需求，得到加权后的个性化需求数据。
需要说明的是，上述个性化需求数据并不是固定的，其可根据实际行驶情况进行适配性调整。
S108，基于所述个性化需求数据对所述初始路径信息进行调整，得到所述车辆用于进行智能驾驶的目标路径信息。
通常，车路协同基站是考虑多车辆协同、车路协同、交通拥堵、路径跟随、行驶舒适性、燃油经济性等指标进行路径规划的，其并未考虑到每个车辆使用者(驾驶员或者乘客)的实际个性化需求，因此所规划的行驶路径较为单一。这些需求的出发点的可能是从驾驶的体验感、车辆的属性、服务的质量、数据的私密性等提出的。因此，在实际智能驾驶过程中，可能至少存在以下两种情况：第一种情况，车辆使用者对驾驶平顺性要求较高，希望车辆行驶的过程中更加平顺自然，加减速不要太急促；第二种情况，车辆使用者在车辆沿初始路径行驶过程中，突然想临时去一个新的地点(例如，餐馆或购物中心)或者临时停靠在某一地点或者希望沿着小路行驶。
对于第一种情况，所述个性化需求数据可以包括驾驶平顺性要求数据。此时，所述基于所述个性化需求数据对所述初始路径信息进行调整，得到所述车辆用于进行智能驾驶的目标路径信息，即所述S108可以包括：
根据驾驶平顺性要求数据确定所述车辆的底盘控制量阈值，所述底盘控制量阈值包括车辆加减速和转向的最大幅值以及其各自的最大变化率；
判断所述车辆的当前底盘控制量中各项行驶数据是否超过底盘控制量阈值中对应的行驶数据；
若判断结果为是，则根据所述底盘控制量阈值对所述初始路径信息进行调整，得到所述车辆用于进行智能驾驶的目标路径信息。
其中，车辆的目标路径信息也可以为一系列在大地坐标系中的路点信息。其中，每个路点信息中包含位置信息以及例如速度信息、航向角信息、曲率信息等底盘控制量信息。目标路径信息中的底盘控制量信息满足底盘控制量阈值。
对于第二种情况，所述个性化需求数据可以包括需求道路类型、需求途径位置数据和需求停靠位置数据中的至少一种。此时，所述基于所述个性化需求数据对所述初始路径信息进行调整，得到所述车辆用于进行智能驾驶的目标路径信息，即所述S108步骤可以包括：
S1082，获取车路协同基站推送的高精地图信息。
在一实施例中，该高精地图信息可以是反映所述车辆所在区域的高精三维地图或高精二维地图。高精地图信息可以是车路协同基站中高精地图服务器所确定的，也可是车路协同基站根据获取道路参与者所感知的环境信息和所在区域的地图信息所确定的。所述车辆可以事先向车路协同基站发送高精地图信息获取请求或者路径调整请求，之后车路协同基站基于该信息该请求确定所述车辆的高精地图信息并发送至所述车辆。
S1084，基于所述个性化需求数据和所述高精地图信息，对所述初始路径信息进行调整，得到所述车辆用于进行智能驾驶的目标路径信息。
在一实施例中，该个性化需求数据可以包括需求道路类型。该需求道路类型可为用户希望驾驶的道路类型，例如大道、小道、沿湖道路、需要过桥的道路等。此时，所述S1084具体可包括：
基于该道路类型和高精地图信息，识别所述初始路径信息中的待调整道路路段和其他道路路段；
对该待调整的道路路段进行个性化调整，得到调整路径信息；
获取基于所述所述初始路径信息中的其他道路路段对应的部分初始路径信息；
基于所述部分初始路径信息和所述调整路径信息，得到所述车辆用于进行智能驾驶的目标路径信息。
在另一实施例中，所述个性化需求数据可以包括需求途径位置数据或需求停靠位置数据。该需求途径位置数据可为例如途径标志物名称、途径道路名称、途径道路经纬度坐标等。该停靠位置数据可包括停靠位置地理位置、停靠经纬度坐标、停靠标志物名称等。此时，所述S1084具体可包括：
确定所述初始路径信息中是否存在所述需求途径位置数据；
若否，则基于高精地图信息，确定途径所述需求途径位置数据所在途径路径与初始路径信息的线路交叉点；
将所述初始路径信息中的线路交叉点之间的线路替换为对应的所述途径路径中的部分线路；
基于所述部分线路和所述初始路径信息中的其他为调整线路，拼接得到所述车辆用于进行智能驾驶的目标路径信息。
此外，若车辆使用者对驾驶平顺性要求较高，希望车辆行驶的过程中更加平顺自然，加减速不要太急促。对于此种情形，所述个性化需求数据可以包括驾驶平顺性要求数据。此时，所述基于所述个性化需求数据对所述初始路径信息进行调整，得到所述车辆用于进行智能驾驶的目标路径信息，即所述S108可以包括：
根据驾驶平顺性要求数据确定所述车辆的底盘控制量阈值，所述底盘控制量阈值包括车辆加减速和转向的最大幅值以及其各自的最大变化率；
判断所述车辆的当前底盘控制量中各项行驶数据是否超过底盘控制量阈值中对应的行驶数据；
若判断结果为是，则根据所述底盘控制量阈值对所述初始路径信息进行调整，得到所述车辆用于进行智能驾驶的目标路径信息。
其中，车辆的目标路径信息也可以为一系列在大地坐标系中的路点信息。其中，每个路点信息中包含位置信息以及例如速度信息、航向角信息、曲率信息等底盘控制量信息。目标路径信息中的底盘控制量信息满足底盘控制量阈值。
本申请实施例，由于车路协同基站可获得更大范围且更精确的环境感知信息，从而通过车路协同基站确定的所述车辆的智能驾驶规划信息的准确性更高，且可减少自动驾驶车辆的车载计算处理能力和复杂性要求较高。此外，在确定目标路径信息时还考虑用户的个性化需求数据，如此为每个用户所提供更多差异化的目标路径信息，满足实际的应用需求。
在另一实施方式中，车辆在实际行驶过程中，可能会出现一些突发紧急场景，例如，突然有小孩闯入本车的行驶路径等紧急交通情况。此时，所述方法还可包括：
S110，实时获取所述车辆的周围环境的环境感知信息。
S112，基于所述环境感知信息，判断所述车辆是否会发生紧急交通情况。
S114，若判断会发生紧急交通情况，则根据所述环境感知信息确定所述车辆用于进行避撞的智能驾驶的临时路径信息。
S116，将所述目标路径信息替换为所述临时路径信息，直至判断紧急交通情况已被消除。
若判断紧急交通情况未被清除，则将所述目标路径信息替换为所述临时路径信息，以使所述车辆按照临时路径信息进行智能驾驶。若判断紧急交通情况未被清除，则恢复至所述目标路径信息，以使所述车辆按照目标路径信息进行智能驾驶。
在紧急交通情况，可通过确定所述车辆用于进行避撞的智能驾驶的临时路径信息，从而控制自车进行快速响应，以减少交通事故发生，提高了智能驾驶的安全性。
图2是本申请另一实施例中提供的一种智能驾驶的路径规划方法的流程图。该方法的交互执行主体为车辆终端和车路协同基站。请参见图2，所述方法可以包括：
S201，车辆终端获取用户对智能驾驶的触发操作；
S202，车辆终端基于所述触发操作，向车路协同基站发送驾驶规划信息获取请求；所述驾驶规划信息获取请求中包括所述车辆的初始车路协同信息；
S203，车路协同基站基于所述驾驶规划信息获取请求，确定所述车辆的智能驾驶规划信息；
S204，车路协同基站将所述智能驾驶规划信息推送至所述车辆终端；
S205，车辆终端提取所述智能驾驶规划信息中用于所述车辆进行智能驾驶的初始路径信息；
S206，车辆终端获取用户对所述车辆进行智能驾驶的个性化需求数据；
S207，车辆终端基于所述个性化需求数据对所述初始路径信息进行调整，得到所述车辆用于进行智能驾驶的目标路径信息。
在一实施例中，所述方法还可包括：
S208，车辆终端实时获取所述车辆的周围环境的环境感知信息；
S209，车辆终端基于所述环境感知信息，判断所述车辆是否会发生紧急交通情况；
S210，车辆终端若判断会发生紧急交通情况，则根据所述环境感知信息确定所述车辆用于进行避撞的智能驾驶的临时路径信息；
S211，车辆终端将所述目标路径信息替换为所述临时路径信息，直至判断紧急交通情况已被消除。
需要说明的是，本申请实施例中未披露的细节和有益效果，请参见上述实施例，在此不再赘述。
下述为本申请装置实施例，可以用于执行本申请上述方法实施例。对于本申请装置实施例中未披露的细节和有益效果，请参照本申请方法实施例。
请参考图3，其示出了本申请实施例提供的一种智能驾驶的路径规划装置的框图。该智能驾驶的路径规划装置具有实现上述方法示例中终端侧的功能，所述功能可以由硬件实现，也可以由硬件执行相应的软件实现。该智能驾驶的路径规划装置30可以包括：
接收模块31，用于接收车路协同基站推送的智能驾驶规划信息；所述智能驾驶规划信息是所述车路协同基站基于所述车辆的初始车路协同信息所确定的；
提取模块32，用于提取所述智能驾驶规划信息中用于所述车辆进行智能驾驶的初始路径信息；
获取模块33，用于获取用户对所述车辆进行智能驾驶的个性化需求数据；
调整模块34，用于基于所述个性化需求数据对所述初始路径信息进行调整，得到所述车辆用于进行智能驾驶的目标路径信息；
其中，所述初始车路协同信息包括初始导航信息和当前定位信息。
可选地，所述个性化需求数据包括需求道路类型、需求途径位置数据和需求停靠位置数据中的至少一种。相应的，所述调整模块34还可包括：
获取单元341，用于获取车路协同基站推送的高精地图信息；
调整单一342，用于基于所述个性化需求数据和所述高精地图信息，对所述初始路径信息进行调整，得到所述车辆用于进行智能驾驶的目标路径信息。
可选地，所述装置30还可包括：
实时感知信息获取模块，用于实时获取所述车辆的周围环境的环境感知信息；
判断模块，用于基于所述环境感知信息，判断所述车辆是否会发生紧急交通情况；
临时路径确定模块，用于若判断会发生紧急交通情况，则根据所述环境感知信息确定所述车辆用于进行避撞的智能驾驶的临时路径信息；
路径替换模块，用于将所述目标路径信息替换为所述临时路径信息，直至判断紧急交通情况已被消除。
图4是本申请又一实施例中提供的一种智能驾驶的路径规划方法的流程图。该方法应用于车路协同基站，具体可以由路径规划装置来执行，该装置可以由软件和/或硬件的方式实现，该装置可以集成在车路协同基站中。请参见图4，所述方法可以包括：
S402，获取车辆发送的车辆信息；所述车辆信息包括初始车路协同信息和用户对所述车辆进行智能驾驶的个性化需求数据。
在本申请实施例中，车路协同基站可以与车辆终端建立通信连接。在建立通信连接后，车路协同基站可以获取车辆上传的车辆信息，之后基于该车辆信息来确定进行智能驾驶的目标路径信息，并将目标路径信息发送至对应的车辆，以使所述车辆进行智能驾驶。
在本申请实施例中，该车辆信息可以包括初始车路协同信息和用户对所述车辆进行智能驾驶的个性化需求数据。
可选地，所述初始车路协同信息包括初始导航信息和当前定位信息。初始导航信息中可以包括目的地位置信息、初始导航线路；所述当前定位信息可以包括所述车辆所在的具***置，例如所述车辆所在的车道线位置、所述车辆所在经纬度、海拔高度等信息。
在一可选实施例中，所述初始车路协同信息还可以包括第一环境感知信息。所述第一环境感知信息为所述车辆所在环境的周围环境信息，其可通过自车的传感器来检测得到的，也可通过周围其他车的传感器所检测到当前区域来检测所得并共享的信息。在另一可选实施例中，所述初始车路协同信息还可以包括但不限于为车载总线数据信息。
可选地，该个性化需求数据是基于所述车辆的定制化需求、信息安全需求、行驶舒适性需求、驾驶员或乘客的隐私化需求、紧急或突发场景需求等所确定的。示例的，所述个性化需求数据可以包括需求道路类型、需求途径位置数据和需求停靠位置数据中的至少一种。
该个性化需求数据可以为用户通过通过语音、手动等方法所输入的信息进行直接确定的，也可根据解析所述车辆的历史驾驶数据所间接确定的。
此外，针对于个性化需求数据包括多种需求数据的情况下，可结合不同实际场景为每种需求数据按优先级别进行处理，也可为每种需求数据进行加权处理，融合每个个性化需求，得到加权后的个性化需求数据。
需要说明的是，上述个性化需求数据并不是固定的，其可根据实际行驶情况进行适配性调整。
需要说明的是，上述车辆信息中的各项信息可以是通过数据封装后传输到车路协同基站。示例的，车辆终端可以与车路协同基站建立无线通讯、鉴权、握手(确定通讯协议、确定传输频率、以及其它需要达成一致的)、建立发送传输信道；之后通过无线通信将车辆自身的上述车辆信息中的各项信息进行封装后传输给车路协同基站。
S404，基于所述初始车路协同信息确定所述车辆的智能驾驶规划信息；所述智能驾驶规划信息包括用于所述车辆进行智能驾驶的初始路径信息。
在本申请实施例中，所述智能驾驶规划信息可以是所述车路协同基站基于对目标区域内所融合的环境感知信息和所述车辆的初始车路协同信息所计算得到的。所述智能驾驶规划信息可以包括路径规划信息，所述路径规划信息用于描述所述车辆执行智能驾驶时的规划路径。车路协同基站可以考虑到多车辆协同、车路协同、交通拥堵、路径跟随、行驶舒适性、燃油经济性等指标进行路径规划。
可选地，车辆的初始路径信息可以为一系列在大地坐标系中的路点信息。其中，每个路点信息中可以包含位置信息以及例如速度信息、航向角信息、曲率信息等底盘控制量信息。所述底盘控制信息包括用于描述所述车辆执行智能驾驶时所确定的规划路径时，车载线控设备所需的底盘控制量。所述底盘控制量可以包括加减速、方向盘扭矩、油门开度、刹车踏板位移、档位信息、方向盘转角、转向灯、危险灯中的至少一种。
可选地，所述初始车路协同信息还可以包括第一环境感知信息。所述第一环境感知信息为所述车辆所在环境的周围环境信息，其可通过自车的传感器来检测得到的，也可通过周围其他车的传感器所检测到当前区域来检测所得并共享的信息。在另一可选实施例中，所述初始车路协同信息还可以包括但不限于为车载总线数据信息。
需要说明的是，实施本发明的车路协同基站至少具备边缘计算能力和无线通信能力。在一实施例中，该车路协同基站的这些能力可以通过服务器或服务器集群来实现，示例的，该车路协同基站可以包括无线通信服务器和边缘计算服务器，但一般不拥有底盘线控、车载总线设备。
可选的，无线通讯服务器可以利用蜂窝网通讯，也可以在不具备蜂窝网的情况线通过V2X通讯；通过与各道路参与者进行无线通讯，交换传输数据。边缘计算服务器可以利用大数据和私有云服务器等处理无线通讯数据；融合基站通讯范围内的道路参与者的定位感知信息，计算生成融合的定位感知模型；计算所有具有线控设备的车辆的规划无人驾驶路径。
可选的，边缘计算服务器可以为用于数据处理、自动驾驶、决策规划、实时控制计算和存储的，其具有大数据、机器学习、实时控制的能力，可以处理环境感知大数据，利用机器学习提取有价值信息，无人驾驶路径规划、分层决策、实时控制等相关信号的计算。
在一实施例中，该车路协同基站还可以具备定位感知能力。相应的，该车路协同基站可以包括定位感知服务器，该定位感知服务器优选为配置高精度、大范围的定位感知功能。示例的，定位感知服务器可以利用高精度定位设备，提供基站的高精度位置；利用安装的高性能雷达、摄像头、激光雷达传感器等设备，检测视场范围内的动静态目标、交通标识、道路线等信息。
当然，在其他实施例中，该车路协同基站的这些能力不限于为通过上述各服务器来实现，其还可通过嵌入式***、模块或其他计算机设备来实现。
在一具体实施例中，所述基于所述初始车路协同信息确定所述车辆的智能驾驶规划信息，即所述步骤S404可以包括：
S4041，利用车路协同基站的定位感知服务器定位自身绝对位置，然后检测目标范围内的动静态目标、道路线、交通标识等信息以建立基站位置为原点的环境感知模型。
S4042，接收每个连接到车路协同基站的道路参与者发送的封装好的通讯数据(封装信息)。
其中，所述道路参与者可以包括其它机动车辆、非机动车车辆、路基设施、其它车路协同基站和障碍物中至少一种。
S4043，根据获取的各道路参与者的封装信息，通过计算将封装信息中的各项信息(例如导航信息、定位信息、感知信息、车载总线信息等)融合进该车路协同基站基站的环境感知模型，得到融合后的环境感知模型。
S4044，根据融合后的环境感知模型，计算所有道路参与者融合后的定位感知信息；
S4045，根据融合后的定位感知信息和各个道路参与者提供的导航路径信息，计算所有具备车载线控底盘多个车辆的智能驾驶规划信息。
其中，所述智能驾驶规划信息包括用于所述车辆进行智能驾驶的初始路径信息。该初始路径信息可以是车路协同基站根据云端的高精地图信息、车辆周边的动静态目标信息来计算得到的。在一实施例中，所述S4045步骤可具体为：
首先，根据高精地图信息以及车辆起点和车辆终点(目的地)，计算得到一条连接起点和终点的车辆导航路径信息(例如，一系列全球定位***中的经纬度坐标点)，该车辆导航路径信息可以引导车辆在结构化道路上沿着车道线等交通标识标志从起点行驶到终点。
接着，根据车辆导航路径信息和融合后的定位感知信息(也即车辆周边动静态目标信息)，可以计算得到车辆的初始路径信息(例如，一系列在大地坐标系中的路点信息)。其中，每个路点信息中可以包含位置信息以及例如速度信息、航向角信息、曲率信息等底盘控制量信息。一般而言，当车辆行驶方向上没有其他交通参与者时，该初始路径信息和导航路径一致；但是在实际中导航路径上会存在其他车辆、行人、障碍物等其他交通参与者，因此需要进一步根据融合后的定位感知信息来规划一条以平顺高效通行的初始路径信息。
S406，基于所述个性化需求数据对所述智能驾驶规划信息中的初始路径信息进行调整，得到所述车辆用于进行智能驾驶的目标路径信息。
通常，车路协同基站是考虑多车辆协同、车路协同、交通拥堵、路径跟随、行驶舒适性、燃油经济性等指标进行路径规划的，其并未考虑到每个车辆使用者(驾驶员或者乘客)的实际个性化需求，因此所规划的行驶路径较为单一。这些需求的出发点的可能是从驾驶的体验感、车辆的属性、服务的质量、数据的私密性等提出的。因此，在实际智能驾驶过程中，可能至少存在以下两种情况：第一种情况，车辆使用者对驾驶平顺性要求较高，希望车辆行驶的过程中更加平顺自然，加减速不要太急促；第二种情况，车辆使用者在车辆沿初始路径行驶过程中，突然想临时去一个新的地点(例如，餐馆或购物中心)或者临时停靠在某一地点或者希望沿着小路行驶。
对于第一种情况，所述个性化需求数据可以包括驾驶平顺性要求数据。此时，所述基于所述个性化需求数据对所述初始路径信息进行调整，得到所述车辆用于进行智能驾驶的目标路径信息，即所述S406可以包括：
根据驾驶平顺性要求数据确定所述车辆的底盘控制量阈值，所述底盘控制量阈值包括车辆加减速和转向的最大幅值以及其各自的最大变化率；
判断所述车辆的当前底盘控制量中各项行驶数据是否超过底盘控制量阈值中对应的行驶数据；
若判断结果为是，则根据所述底盘控制量阈值对所述初始路径信息进行调整，得到所述车辆用于进行智能驾驶的目标路径信息。
其中，车辆的目标路径信息也可以为一系列在大地坐标系中的路点信息。其中，每个路点信息中包含位置信息以及例如速度信息、航向角信息、曲率信息等底盘控制量信息。目标路径信息中的底盘控制量信息满足底盘控制量阈值。
对于第二种情况，所述个性化需求数据可以包括需求道路类型、需求途径位置数据和需求停靠位置数据中的至少一种。此时，所述基于所述个性化需求数据对所述初始路径信息进行调整，得到所述车辆用于进行智能驾驶的目标路径信息，即所述S406可以包括：
S4062，获取高精地图信息。
在一实施例中，该高精地图信息可以是反映所述车辆所在区域的高精三维地图或高精二维地图。高精地图信息可以是云端存储的高精地图，也可以是车路协同基站中高精地图服务器所确定的，还可是车路协同基站根据获取道路参与者所感知的环境信息和所在区域的地图信息所确定的。
S4064，基于所述个性化需求数据和所述高精地图信息，对所述初始路径信息进行调整，得到所述车辆用于进行智能驾驶的目标路径信息。
在一实施例中，若该个性化需求数据包括需求道路类型。该需求道路类型可为用户希望驾驶的道路类型，例如大道、小道、沿湖道路、需要过桥的道路等。此时，所述S4064具体可包括：
基于该道路类型和高精地图信息，识别所述初始路径信息中的待调整道路路段和其他道路路段；
对该待调整的道路路段进行个性化调整，得到调整路径信息；
获取基于所述所述初始路径信息中的其他道路路段对应的部分初始路径信息；
基于所述部分初始路径信息和所述调整路径信息，得到所述车辆用于进行智能驾驶的目标路径信息。
在另一实施例中，若所述个性化需求数据包括需求途径位置数据或需求停靠位置数据。该需求途径位置数据可为例如途径标志物名称、途径道路名称、途径道路经纬度坐标等。该停靠位置数据可包括停靠位置地理位置、停靠经纬度坐标、停靠标志物名称等。此时，所述S4064具体可包括：
确定所述初始路径信息中是否存在所述需求途径位置数据；
若否，则基于高精地图信息，确定途径所述需求途径位置数据所在途径路径与初始路径信息的线路交叉点；
将所述初始路径信息中的线路交叉点之间的线路替换为对应的所述途径路径中的部分线路；
基于所述部分线路和所述初始路径信息中的其他为调整线路，拼接得到所述车辆用于进行智能驾驶的目标路径信息。
S408，将所述目标路径信息推送至所述车辆。
在本申请实施例中，可通过车路协同基站中的无线通信服务器将目标路径信息发送至所述车辆。
在一种可选的实施例，所述车辆信息和所述目标路径信息是经过区块链加密处理的。这是由于不同的车辆或车主对于隐私性具有不一样的需求，有的车主愿意公开个人、车辆、驾驶等隐私信息(例如，个人身份信息、个人行驶习惯数据、个人行驶过的路径信息等)，有的车主则对公开以上这些个人隐私比较敏感，不愿意将这些隐私信息公开给车路协同基站。因此车路协同基站发来的智能驾驶规划信息和自车的状态信息、定位信息等，不可以直接进行交换存储等，否则会将自车的隐私信息泄露出去。因此，通过区块链加密的方式，将关系到车主或驾驶员且需要传输通信的相关车辆信息和目标路径信息都进行匿名化处理和高级加密处理，减少隐私信息的公开同时又能保证信息的交互。
本申请实施例，由于车路协同基站可获得更大范围且更精确的环境感知信息，从而通过车路协同基站确定的所述车辆的智能驾驶规划信息的准确性更高，且可减少自动驾驶车辆的车载计算处理能力和复杂性要求较高。此外，在确定目标路径信息时还考虑用户的个性化需求数据，如此为每个用户所提供更多差异化的目标路径信息，满足实际的应用需求。
在另一实施方式中，车辆在实际行驶过程中，可能会出现一些突发紧急场景，例如，突然有小孩闯入本车的行驶路径等紧急交通情况。此时，所述方法还可包括：
S410，实时获取所述车辆的周围环境的环境感知信息。
S412，基于所述环境感知信息，判断所述车辆是否会发生紧急交通情况。
S414，若判断会发生紧急交通情况，则根据所述环境感知信息确定所述车辆用于进行避撞的智能驾驶的临时路径信息。
S416，将所述目标路径信息替换为所述临时路径信息，直至判断紧急交通情况已被消除。
若判断紧急交通情况未被清除，则将所述目标路径信息替换为所述临时路径信息，以使所述车辆按照临时路径信息进行智能驾驶。若判断紧急交通情况未被清除，则恢复至所述目标路径信息，以使所述车辆按照目标路径信息进行智能驾驶。
在紧急交通情况，可通过确定所述车辆用于进行避撞的智能驾驶的临时路径信息，从而控制自车进行快速响应，以减少交通事故发生，提高了智能驾驶的安全性。
下述为本申请装置实施例，可以用于执行本申请上述方法实施例。对于本申请装置实施例中未披露的细节和有益效果，请参照本申请方法实施例。
请参考图5，其示出了本申请另一实施例提供的一种智能驾驶的路径规划装置的框图。该智能驾驶的路径规划装置具有实现上述方法示例中车路协同基站侧的功能，所述功能可以由硬件实现，也可以由硬件执行相应的软件实现。该智能驾驶的路径规划装置50可以包括：
获取模块51，用于获取车辆发送的车辆信息；所述车辆信息包括初始车路协同信息和用户对所述车辆进行智能驾驶的个性化需求数据；
规划模块52，用于基于所述初始车路协同信息确定所述车辆的智能驾驶规划信息；所述智能驾驶规划信息包括用于所述车辆进行智能驾驶的初始路径信息；
调整模块53，用于基于所述个性化需求数据对所述初始路径信息进行调整，得到所述车辆用于进行智能驾驶的目标路径信息；
推送模块54，用于将所述目标路径信息推送至所述车辆；
其中，所述初始车路协同信息包括初始导航信息和当前定位信息。
可选地，所述车辆信息和所述目标路径信息是经过区块链加密处理的。所述装置50还可包括加密单元，用于对所述目标路径信息和/或上传的车辆信息进行加密。
可选地，所述个性化需求数据包括需求道路类型、需求途径位置数据和需求停靠位置数据中的至少一种。相应的，所述调整模块53可以包括：
获取单元，用于获取高精地图信息；
调整单元，用于基于所述个性化需求数据和所述高精地图信息，对所述初始路径信息进行调整，得到所述车辆用于进行智能驾驶的目标路径信息。
可选地，所述装置50还可包括：
实时感知获取模块，用于实时获取所述车辆的周围环境的环境感知信息；
判断模块，用于基于所述环境感知信息，判断所述车辆是否会发生紧急交通情况；
临时路径确定模块，用于若判断会发生紧急交通情况，则根据所述环境感知信息确定所述车辆用于进行避撞的智能驾驶的临时路径信息；
替换模块，用于将推送至所述车辆的所述目标路径信息替换为所述临时路径信息，直至判断紧急交通情况已被消除。
本申请实施例还提供的一种智能驾驶的路径规划设备。该设备包括车辆，所述车辆的终端包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如本申请上述车辆终端执行的智能驾驶的路径规划方法；和/或
所述设备包括至少一个车路协同基站，所述车路协同基站中服务器包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如本申请上述车路协同基站执行的的智能驾驶的路径规划方法。
进一步地，图6示出了一种用于实现本申请实施例所提供的方法的任一设备的硬件结构示意图，所述设备可以为计算机终端、移动终端或其它设备，所述设备还可以参与构成或包含本申请实施例所提供的装置。如图6所示，计算机终端10可以包括一个或多个(图中采用102a、102b，……，102n来示出)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器104、以及用于通信功能的传输装置106。除此以外，还可以包括：显示器、输入/输出接口(I/O接口)、通用串行总线(USB)端口(可以作为I/O接口的端口中的一个端口被包括)、网络接口、电源和/或相机。本领域普通技术人员可以理解，图6所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，计算机终端10还可包括比图6中所示更多或者更少的组件，或者具有与图6所示不同的配置。
应当注意到的是上述一个或多个处理器102和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外，数据处理电路可为单个独立的处理模块，或全部或部分的结合到计算机终端10(或移动设备)中的其他元件中的任意一个内。如本申请实施例中所涉及到的，该数据处理电路作为一种处理器控制(例如与接口连接的可变电阻终端路径的选择)。
存储器104可用于存储应用软件的软件程序以及模块，如本申请实施例中所述的方法对应的程序指令/数据存储装置，处理器102通过运行存储在存储器104内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的一种神经网络处理方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端10的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(Network Interface Controller，NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。
显示器可以例如触摸屏式的液晶显示器(LCD)，该液晶显示器可使得用户能够与计算机终端10(或移动设备)的用户界面进行交互。
需要说明的是：上述本申请实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置和服务器实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本申请的保护范围。

Claims (10)

1.一种智能驾驶的路径规划方法，其特征在于，包括：
接收车路协同基站推送的智能驾驶规划信息；所述智能驾驶规划信息是所述车路协同基站基于所述车辆的初始车路协同信息所确定的；
提取所述智能驾驶规划信息中用于所述车辆进行智能驾驶的初始路径信息；
获取用户对所述车辆进行智能驾驶的个性化需求数据；
基于所述个性化需求数据对所述初始路径信息进行调整，得到所述车辆用于进行智能驾驶的目标路径信息；
其中，所述初始车路协同信息包括初始导航信息和当前定位信息。
2.根据权利要求1所述的方法，其特征在于，所述个性化需求数据包括需求道路类型、需求途径位置数据和需求停靠位置数据中的至少一种；
相应的，所述基于所述个性化需求数据对所述初始路径信息进行调整，得到所述车辆用于进行智能驾驶的目标路径信息，包括：
获取车路协同基站推送的高精地图信息；
基于所述个性化需求数据和所述高精地图信息，对所述初始路径信息进行调整，得到所述车辆用于进行智能驾驶的目标路径信息。
3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：
实时获取所述车辆的周围环境的环境感知信息；
基于所述环境感知信息，判断所述车辆是否会发生紧急交通情况；
若判断会发生紧急交通情况，则根据所述环境感知信息确定所述车辆用于进行避撞的智能驾驶的临时路径信息；
将所述目标路径信息替换为所述临时路径信息，直至判断紧急交通情况已被消除。
4.一种智能驾驶的路径规划方法，其特征在于，包括：
获取车辆发送的车辆信息；所述车辆信息包括初始车路协同信息和用户对所述车辆进行智能驾驶的个性化需求数据；
基于所述初始车路协同信息确定所述车辆的智能驾驶规划信息；所述智能驾驶规划信息包括用于所述车辆进行智能驾驶的初始路径信息；
基于所述个性化需求数据对所述初始路径信息进行调整，得到所述车辆用于进行智能驾驶的目标路径信息；
将所述目标路径信息推送至所述车辆；
其中，所述初始车路协同信息包括初始导航信息和当前定位信息。
5.根据权利要求4所述的方法，其特征在于，所述车辆信息和所述目标路径信息是经过区块链加密处理的。
6.根据权利要求4所述的方法，其特征在于，所述个性化需求数据包括需求道路类型、需求途径位置数据和需求停靠位置数据中的至少一种；
相应的，所述基于所述个性化需求数据对所述初始路径信息进行调整，得到所述车辆用于进行智能驾驶的目标路径信息，包括：
获取高精地图信息；
基于所述个性化需求数据和所述高精地图信息，对所述初始路径信息进行调整，得到所述车辆用于进行智能驾驶的目标路径信息。
7.根据权利要求4-6任一所述的方法，其特征在于，所述方法还包括：
实时获取所述车辆的周围环境的环境感知信息；
基于所述环境感知信息，判断所述车辆是否会发生紧急交通情况；
若判断会发生紧急交通情况，则根据所述环境感知信息确定所述车辆用于进行避撞的智能驾驶的临时路径信息；
将推送至所述车辆的所述目标路径信息替换为所述临时路径信息，直至判断紧急交通情况已被消除。
8.一种智能驾驶的路径规划装置，其特征在于，包括：
接收模块，用于接收车路协同基站推送的智能驾驶规划信息；所述智能驾驶规划信息是所述车路协同基站基于所述车辆的初始车路协同信息所确定的；
提取模块，用于提取所述智能驾驶规划信息中用于所述车辆进行智能驾驶的初始路径信息；
获取模块，用于获取用户对所述车辆进行智能驾驶的个性化需求数据；
调整模块，用于基于所述个性化需求数据对所述初始路径信息进行调整，得到所述车辆用于进行智能驾驶的目标路径信息；
其中，所述初始车路协同信息包括初始导航信息和当前定位信息。
9.一种智能驾驶的路径规划装置，其特征在于，包括：
获取模块，用于获取车辆发送的车辆信息；所述车辆信息包括初始车路协同信息和用户对所述车辆进行智能驾驶的个性化需求数据；
规划模块，用于基于所述初始车路协同信息确定所述车辆的智能驾驶规划信息；所述智能驾驶规划信息包括用于所述车辆进行智能驾驶的初始路径信息；
调整模块，用于基于所述个性化需求数据对所述初始路径信息进行调整，得到所述车辆用于进行智能驾驶的目标路径信息；
推送模块，用于将所述目标路径信息推送至所述车辆；
其中，所述初始车路协同信息包括初始导航信息和当前定位信息。
10.一种智能驾驶的路径规划设备，其特征在于，所述设备包括车辆，所述车辆的终端包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1至3任一所述的智能驾驶的路径规划方法；和/或
所述设备包括至少一个车路协同基站，所述车路协同基站中服务器包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求4至7任一所述的智能驾驶的路径规划方法。
CN201910612580.2A 2019-07-08 2019-07-08 一种智能驾驶的路径规划方法、装置及设备 Active CN110398960B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910612580.2A CN110398960B (zh) 2019-07-08 2019-07-08 一种智能驾驶的路径规划方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910612580.2A CN110398960B (zh) 2019-07-08 2019-07-08 一种智能驾驶的路径规划方法、装置及设备

Publications (2)

Publication Number Publication Date
CN110398960A true CN110398960A (zh) 2019-11-01
CN110398960B CN110398960B (zh) 2024-01-19

Family

ID=68322924

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910612580.2A Active CN110398960B (zh) 2019-07-08 2019-07-08 一种智能驾驶的路径规划方法、装置及设备

Country Status (1)

Country Link
CN (1) CN110398960B (zh)

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110979319A (zh) * 2019-11-26 2020-04-10 三星电子（中国）研发中心 驾驶辅助方法、装置和***
CN111212399A (zh) * 2019-12-23 2020-05-29 新奇点企业管理集团有限公司 数据传输方法、装置、计算机存储介质及电子设备
CN111326001A (zh) * 2020-02-26 2020-06-23 中国联合网络通信集团有限公司 自动驾驶的方法和装置
CN111367275A (zh) * 2020-02-18 2020-07-03 吉利汽车研究院（宁波）有限公司 一种智能驾驶控制方法、装置、***及存储介质
CN111583691A (zh) * 2020-04-23 2020-08-25 北京踏歌智行科技有限公司 一种集群式的障碍物同步方法
CN112257486A (zh) * 2019-12-23 2021-01-22 北京新能源汽车技术创新中心有限公司 算力分配方法、装置、计算机设备和存储介质
CN112668847A (zh) * 2020-12-17 2021-04-16 国网山西省电力公司运城供电公司 配网线路无人机自主巡检综合管理***
CN112706776A (zh) * 2020-12-18 2021-04-27 浙江吉利控股集团有限公司 道路标定数据的确定方法、装置、电子设备及存储介质
CN112740725A (zh) * 2020-03-31 2021-04-30 华为技术有限公司 驾驶数据采集方法及装置
CN112817249A (zh) * 2020-12-28 2021-05-18 马樱 一种自动驾驶汽车控制***
CN113074747A (zh) * 2021-03-25 2021-07-06 驭势科技（北京）有限公司 一种路径规划方法、装置、设备及存储介质
CN113834497A (zh) * 2021-09-24 2021-12-24 合众新能源汽车有限公司 自动驾驶的路线规划方法及装置
CN114137956A (zh) * 2021-10-28 2022-03-04 华人运通(上海)云计算科技有限公司 一种车云协同路径规划方法及***
CN114295144A (zh) * 2021-12-30 2022-04-08 海南大学 基于dikw的车辆路径规划方法
CN114360272A (zh) * 2021-11-30 2022-04-15 岚图汽车科技有限公司 一种车路协同***、自动驾驶控制方法及其设备
CN114475659A (zh) * 2022-02-25 2022-05-13 北京全路通信信号研究设计院集团有限公司 一种信息处理方法、装置、设备以及存储介质
CN114779780A (zh) * 2022-04-26 2022-07-22 四川大学 一种随机环境下路径规划方法及***
CN115617046A (zh) * 2022-11-01 2023-01-17 中国第一汽车股份有限公司 一种路径规划方法、装置、电子设备及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104616541A (zh) * 2015-02-03 2015-05-13 吉林大学 基于鱼群效应的无信号交叉口车车协同控制***
CN104949684A (zh) * 2015-06-23 2015-09-30 西华大学 基于车路协同的车载导航***
US20180322782A1 (en) * 2015-11-04 2018-11-08 Volkswagen Aktiengesellschaft Method and vehicle communication system for determining a driving intention for a vehicle
CN108986509A (zh) * 2018-08-13 2018-12-11 北方工业大学 一种基于车路协同的城市区域路径实时规划方法
CN109115236A (zh) * 2018-07-10 2019-01-01 上海博泰悦臻电子设备制造有限公司 车辆、车机设备及其基于条件触发的行程自动导航方法
CN109582018A (zh) * 2018-12-04 2019-04-05 黄昊 基于区块链的四维架构的智能驾驶方法、装置及***
CN109829573A (zh) * 2019-01-15 2019-05-31 宁波洁程汽车科技有限公司 一种融合用户驾驶习惯的智能路径规划方法
CN109901591A (zh) * 2019-04-02 2019-06-18 天津清智科技有限公司 一种无人驾驶车辆多地图路径选择控制***及方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104616541A (zh) * 2015-02-03 2015-05-13 吉林大学 基于鱼群效应的无信号交叉口车车协同控制***
CN104949684A (zh) * 2015-06-23 2015-09-30 西华大学 基于车路协同的车载导航***
US20180322782A1 (en) * 2015-11-04 2018-11-08 Volkswagen Aktiengesellschaft Method and vehicle communication system for determining a driving intention for a vehicle
CN109115236A (zh) * 2018-07-10 2019-01-01 上海博泰悦臻电子设备制造有限公司 车辆、车机设备及其基于条件触发的行程自动导航方法
CN108986509A (zh) * 2018-08-13 2018-12-11 北方工业大学 一种基于车路协同的城市区域路径实时规划方法
CN109582018A (zh) * 2018-12-04 2019-04-05 黄昊 基于区块链的四维架构的智能驾驶方法、装置及***
CN109829573A (zh) * 2019-01-15 2019-05-31 宁波洁程汽车科技有限公司 一种融合用户驾驶习惯的智能路径规划方法
CN109901591A (zh) * 2019-04-02 2019-06-18 天津清智科技有限公司 一种无人驾驶车辆多地图路径选择控制***及方法

Cited By (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110979319A (zh) * 2019-11-26 2020-04-10 三星电子（中国）研发中心 驾驶辅助方法、装置和***
CN111212399B (zh) * 2019-12-23 2023-08-18 新奇点企业管理集团有限公司 数据传输方法、装置、计算机存储介质及电子设备
CN111212399A (zh) * 2019-12-23 2020-05-29 新奇点企业管理集团有限公司 数据传输方法、装置、计算机存储介质及电子设备
CN112257486B (zh) * 2019-12-23 2023-12-29 北京国家新能源汽车技术创新中心有限公司 算力分配方法、装置、计算机设备和存储介质
CN112257486A (zh) * 2019-12-23 2021-01-22 北京新能源汽车技术创新中心有限公司 算力分配方法、装置、计算机设备和存储介质
CN111367275A (zh) * 2020-02-18 2020-07-03 吉利汽车研究院（宁波）有限公司 一种智能驾驶控制方法、装置、***及存储介质
CN111326001A (zh) * 2020-02-26 2020-06-23 中国联合网络通信集团有限公司 自动驾驶的方法和装置
CN112740725A (zh) * 2020-03-31 2021-04-30 华为技术有限公司 驾驶数据采集方法及装置
CN111583691B (zh) * 2020-04-23 2021-08-20 北京踏歌智行科技有限公司 一种集群式的障碍物同步方法
CN111583691A (zh) * 2020-04-23 2020-08-25 北京踏歌智行科技有限公司 一种集群式的障碍物同步方法
CN112668847A (zh) * 2020-12-17 2021-04-16 国网山西省电力公司运城供电公司 配网线路无人机自主巡检综合管理***
CN112668847B (zh) * 2020-12-17 2023-11-24 国网山西省电力公司运城供电公司 配网线路无人机自主巡检综合管理***
CN112706776A (zh) * 2020-12-18 2021-04-27 浙江吉利控股集团有限公司 道路标定数据的确定方法、装置、电子设备及存储介质
CN112817249A (zh) * 2020-12-28 2021-05-18 马樱 一种自动驾驶汽车控制***
CN113074747A (zh) * 2021-03-25 2021-07-06 驭势科技（北京）有限公司 一种路径规划方法、装置、设备及存储介质
CN113074747B (zh) * 2021-03-25 2024-01-05 驭势科技（北京）有限公司 一种路径规划方法、装置、设备及存储介质
CN113834497A (zh) * 2021-09-24 2021-12-24 合众新能源汽车有限公司 自动驾驶的路线规划方法及装置
CN114137956B (zh) * 2021-10-28 2023-11-10 华人运通(上海)云计算科技有限公司 一种车云协同路径规划方法及***
CN114137956A (zh) * 2021-10-28 2022-03-04 华人运通(上海)云计算科技有限公司 一种车云协同路径规划方法及***
CN114360272A (zh) * 2021-11-30 2022-04-15 岚图汽车科技有限公司 一种车路协同***、自动驾驶控制方法及其设备
CN114295144B (zh) * 2021-12-30 2023-05-26 海南大学 基于dikw的车辆路径规划方法
CN114295144A (zh) * 2021-12-30 2022-04-08 海南大学 基于dikw的车辆路径规划方法
CN114475659A (zh) * 2022-02-25 2022-05-13 北京全路通信信号研究设计院集团有限公司 一种信息处理方法、装置、设备以及存储介质
CN114475659B (zh) * 2022-02-25 2024-03-26 北京全路通信信号研究设计院集团有限公司 一种信息处理方法、装置、设备以及存储介质
CN114779780A (zh) * 2022-04-26 2022-07-22 四川大学 一种随机环境下路径规划方法及***
CN114779780B (zh) * 2022-04-26 2023-05-12 四川大学 一种随机环境下路径规划方法及***
CN115617046A (zh) * 2022-11-01 2023-01-17 中国第一汽车股份有限公司 一种路径规划方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN110398960B (zh) 2024-01-19

Similar Documents

Publication Publication Date Title
CN110398960A (zh) 一种智能驾驶的路径规划方法、装置及设备
US10976745B2 (en) Systems and methods for autonomous vehicle path follower correction
CN108725446B (zh) 用于自主车辆的俯仰角补偿
US10732625B2 (en) Autonomous vehicle operations with automated assistance
US11041731B2 (en) Destination changes in autonomous vehicles
CN108062094B (zh) 基于处理器实现车辆行驶轨迹规划的自主***和方法
US11720094B2 (en) System and method for remote intervention of vehicles
US20180164822A1 (en) Systems and methods for autonomous vehicle motion planning
US11860625B2 (en) System and method for updating vehicle operation based on remote intervention
CN110422177A (zh) 一种车辆控制方法、装置及***
US10495493B2 (en) Systems and methods for controlling sensing device field of view
US10576991B2 (en) Systems and methods for low level feed forward vehicle control strategy
US20180315314A1 (en) Automated vehicle route traversal
US20190155292A1 (en) Using discomfort for speed planning in autonomous vehicles
US10725473B2 (en) Systems and methods for changing a destination of an autonomous vehicle in real-time
US20180224860A1 (en) Autonomous vehicle movement around stationary vehicles
CN112937607B (zh) 一种用于景区观光车的网联自动驾驶***及方法
US20190096250A1 (en) Systems and Methods for Determining Whether an Autonomous Vehicle Can Provide a Requested Service for a Rider
CN110506194A (zh) 驾驶控制方法及驾驶控制装置
US11148668B2 (en) Autonomous vehicle control for reverse motion
WO2019118132A1 (en) Suggesting alternative pickup and drop off locations for autonomous vehicles
US20200103902A1 (en) Comfortable ride for autonomous vehicles
US11260875B2 (en) Systems and methods for road surface dependent motion planning
US20220063660A1 (en) Drive Mode Selection

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant