CN110667578A - 自动驾驶车辆的横向决策***及横向决策确定方法 - Google Patents

自动驾驶车辆的横向决策***及横向决策确定方法 Download PDF

Info

Publication number
CN110667578A
CN110667578A CN201811642027.5A CN201811642027A CN110667578A CN 110667578 A CN110667578 A CN 110667578A CN 201811642027 A CN201811642027 A CN 201811642027A CN 110667578 A CN110667578 A CN 110667578A
Authority
CN
China
Prior art keywords
lane
target
road
obstacle avoidance
automatic driving
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
CN201811642027.5A
Other languages
English (en)
Other versions
CN110667578B (zh
Inventor
张凯
葛建勇
甄龙豹
和林
常仕伟
王天培
刘宏伟
刘洪亮
卜玉帅
高健
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.)
Haomo Zhixing Technology Co Ltd
Original Assignee
Great Wall Motor 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 Great Wall Motor Co Ltd filed Critical Great Wall Motor Co Ltd
Priority to CN201811642027.5A priority Critical patent/CN110667578B/zh
Priority to PCT/CN2019/129284 priority patent/WO2020135742A1/zh
Publication of CN110667578A publication Critical patent/CN110667578A/zh
Application granted granted Critical
Publication of CN110667578B publication Critical patent/CN110667578B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/10—Path keeping
    • B60W30/12—Lane keeping
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/18—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
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/06—Road conditions
    • 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
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/05—Type of road, e.g. motorways, local streets, paved or unpaved roads
    • 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
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/10—Number of lanes
    • 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
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/53—Road markings, e.g. lane marker or crosswalk
    • 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
    • B60W2554/20—Static objects

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及自动驾驶技术领域，提供一种自动驾驶车辆的横向决策***及横向决策确定方法。本发明所述的横向决策***包括：评估单元，用于根据道路特征信息以及预先选择的目标线和环境物体目标，评估所述自动驾驶车辆进行横向决策所需的目标车道和车道异常情况；以及判断单元，用于结合所述道路特征信息，根据所述评估单元所评估的目标车道和车道异常情况，判断并输出所述自动驾驶车辆的预期横向行为，其中所述预期横向行为包括车道保持、换道和异常换道中的任意一者。本发明能够评估出目标车道及车道异常情况，并据此作出符合道路特性的横向决策，以便于车辆的控制***可基于该横向决策进行适应性的横向控制。

Description

自动驾驶车辆的横向决策***及横向决策确定方法
技术领域
本发明涉及自动驾驶技术领域，特别涉及一种自动驾驶车辆的横向决策***及横向决策确定方法。
背景技术
自动驾驶车辆是指通过车载传感***感知道路环境，自动规划行车路线并控制车辆到达预定目的地的一种智能车辆，其依靠自动驾驶***(Autonomous Driving System简称ADS)实现其功能。根据ADS的开发设计过程，可将ADS分为：环境感知***、数据融合***、决策***、控制***、执行***五部分。
具体地，环境感知***用于通过车载传感***提取车辆、行人、道路、交通标示等车辆当前行驶环境信息；数据融合***用于将不同传感器数据信息进行筛选、关联、追踪、过滤等处理以便获得更为精确的道路、环境物体目标等信息；决策***用于根据数据融合***输出的不同环境车辆行驶状态、道路、环境信息等，通过逻辑判断输出无人驾驶车辆的车辆行为；控制***用于根据数据融合***及决策***输出的信息实时计算输出当前车辆横纵向控制变化量；执行***用于根据控制***输出的转向、加速等控制量取代驾驶员对车辆方向盘、加、减速踏板操作过程。
更为具体地，决策***根据输入的环境物体目标、道路等信息判断并输出自动驾驶车辆的横向、纵向车辆行为，其中横向车辆行为表现为车道保持、换道、异常换道等，纵向车辆行为表现为加速、减速等。其中，车道保持、变道和异常换道是车辆行驶中的主要行为，控制***对这三种行为的正确控制对行车安全有着举足轻重的作用。因此，决策***如何实现对车道保持、换道、异常换道等车辆横向行为的正确判断是设计整车决策***时需要考虑的重要因素。
发明内容
有鉴于此，本发明旨在提出一种自动驾驶车辆的横向决策***，以实现对车辆横向行为的正确判断。
为达到上述目的，本发明的技术方案是这样实现的：
一种自动驾驶车辆的横向决策***，包括：评估单元，用于根据道路特征信息以及预先选择的目标线和环境物体目标，评估所述自动驾驶车辆进行横向决策所需的目标车道和车道异常情况；以及判断单元，用于结合所述道路特征信息，根据所述评估单元所评估的目标车道和车道异常情况，判断并输出所述自动驾驶车辆的预期横向行为，其中所述预期横向行为包括车道保持、换道和异常换道中的任意一者。
进一步的，所述评估单元包括：目标车道管理模块，用于根据所述道路特征信息选择所述自动驾驶车辆的目标车道，其中所述目标车道的选择原则包括遵循道路场景的原则、遵循车道属性的原则、不选择异常车道的原则以及车道异常时选择相邻车道和依次靠右选择的原则，其中所述道路特征信息包括道路类型、道路特征点及所述车道属性，且所述车道属性包括车道特征点属性和车道数属性；以及车道异常管理模块，用于根据所述道路特征信息识别异常车道，并提供针对异常车道的避障策略。
进一步的，所述目标车道管理模块包括：主道目标车道选择子模块，用于在所述自动驾驶车辆行驶于主道常规场景时，根据所述选择原则来选择目标车道，其中所述主道常规场景包括加速车道、正常行驶车道和减速车道；以及用于在所述自动驾驶车辆行驶于主道特殊场景时，根据前方道路相对于当前道路的车道数属性的变化来选择目标车道，其中所述主道特殊场景包括主道变窄、主道变宽、主道分叉和/或隧道；以及匝道目标车道选择子模块，用于在所述自动驾驶车辆行驶于匝道场景时，根据前方道路相对于当前道路的车道数属性的变化来选择目标车道，其中所述匝道场景包括常规匝道、匝道变窄、匝道变宽、匝道分叉和/或匝道交汇。
进一步的，所述车道异常管理模块包括：车道异常识别子模块，用于分析道路特征信息以筛选出所述自动驾驶车辆的前方道路的静态障碍目标，并基于所述静态障碍目标识别是否车道异常；以及避障子模块，用于在车道异常时引导所述自动驾驶车辆进行避障。
进一步的，所述避障子模块用于在车道异常时引导所述自动驾驶车辆进行避障包括：根据所述静态障碍目标以及设定区域存在的动态的所述环境物体目标确定避障目标，并确定所述避障目标相对于所述自动驾驶车辆的静态特性和动态特性；基于所述避障目标的静态特性和动态特性建立适应于道路特性的避障区域；基于所述避障目标的静态特性和动态特性，判断所述避障区域的可通行性；对所述自动驾驶车辆正常换道时的相关环境物体目标进行碰撞风险评估，并根据所述碰撞风险评估的结果确定换道可行性；以及根据所述换道可行性和所述避障区域的可通行性，控制所述自动驾驶车辆进行换道或在当前行驶车道绕开所述避障目标行驶。
进一步的，所述避障子模块用于根据所述换道可行性和所述避障区域的可通行性，控制所述自动驾驶车辆进行换道或在当前行驶车道绕开所述避障目标行驶包括：若换道可行，则控制所述自动驾驶车辆进行换道，否则判断所述避障区域的可通行性，若所述避障区域可通行，则确定所述自动驾驶车辆在当前行驶车道绕开所述避障目标行驶。
相对于现有技术，本发明所述的自动驾驶车辆的横向决策***具有以下优势：能够评估出目标车道及车道异常情况，并据此作出符合道路特性的车道保持、换道或异常换道的横向决策，以便于车辆的控制***可基于该横向决策进行适应性的横向控制，以保证车辆的行驶安全。
本发明的另一目的在于提出一种自动驾驶车辆的横向决策确定方法，以实现对车辆横向行为的正确判断。
为达到上述目的，本发明的技术方案是这样实现的：
一种自动驾驶车辆的横向决策确定方法，包括：根据道路特征信息以及预先选择的目标线和环境物体目标，评估所述自动驾驶车辆进行横向决策所需的目标车道和车道异常情况；以及结合所述道路特征信息，根据所评估的目标车道和车道异常情况，判断并输出所述自动驾驶车辆的预期横向行为，其中所述预期横向行为包括车道保持、换道和异常换道中的任意一者。
进一步的，所述评估所述自动驾驶车辆进行横向决策所需的目标车道和车道异常情况包括：根据所述道路特征信息选择所述自动驾驶车辆的目标车道，其中所述目标车道的选择原则包括遵循道路场景的原则、遵循车道属性的原则、不选择异常车道的原则以及车道异常时选择相邻车道和依次靠右选择的原则，其中所述道路特征信息包括道路类型、道路特征点及所述车道属性，且所述车道属性包括车道特征点属性和车道数属性；以及根据所述道路特征信息识别异常车道，并提供针对异常车道的避障策略。
进一步的，所述根据所述道路特征信息选择所述自动驾驶车辆的目标车道包括：在所述自动驾驶车辆行驶于主道常规场景时，根据所述选择原则来选择目标车道，其中所述主道常规场景包括加速车道、正常行驶车道和减速车道；在所述自动驾驶车辆行驶于主道特殊场景时，根据前方道路相对于当前道路的车道数属性的变化来选择目标车道，其中所述主道特殊场景包括主道变窄、主道变宽、主道分叉和/或隧道；以及在所述自动驾驶车辆行驶于匝道场景时，根据前方道路相对于当前道路的车道数属性的变化来选择目标车道，其中所述匝道场景包括常规匝道、匝道变窄、匝道变宽、匝道分叉和/或匝道交汇。
进一步的，所述根据所述道路特征信息识别异常车道，并提供针对异常车道的避障策略包括：分析道路特征信息以筛选出所述自动驾驶车辆的前方道路的静态障碍目标，并基于所述静态障碍目标识别是否车道异常；以及在车道异常时，引导所述自动驾驶车辆进行避障。
进一步的，所述引导所述自动驾驶车辆进行避障包括：根据所述静态障碍目标以及设定区域存在的动态的所述环境物体目标确定避障目标，并确定所述避障目标相对于所述自动驾驶车辆的静态特性和动态特性；基于所述避障目标的静态特性和动态特性建立适应于道路特性的避障区域；基于所述避障目标的静态特性和动态特性，判断所述避障区域的可通行性；对所述自动驾驶车辆正常换道时的相关环境物体目标进行碰撞风险评估，并根据所述碰撞风险评估的结果确定换道可行性；以及根据所述换道可行性和所述避障区域的可通行性，控制所述自动驾驶车辆进行换道或在当前行驶车道绕开所述避障目标行驶。
进一步的，所述根据所述换道可行性和所述避障区域的可通行性，控制所述自动驾驶车辆进行换道或在当前行驶车道绕开所述避障目标行驶包括：若换道可行，则控制所述自动驾驶车辆进行换道，否则判断所述避障区域的可通行性，若所述避障区域可通行，则确定所述自动驾驶车辆在当前行驶车道绕开所述避障目标行驶。
所述自动驾驶车辆的横向决策确定方法与上述横向决策***相对于现有技术所具有的优势相同，在此不再赘述。
本发明的另一目的在于提出一种机器可读存储介质，以实现对车辆横向行为的正确判断。
为达到上述目的，本发明的技术方案是这样实现的：
一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令用于使得机器执行上述的自动驾驶车辆的横向决策确定方法。
本发明的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施方式及其说明用于解释本发明，并不构成对本发明的不当限定。
在附图中：
图1是本发明实施例在车体坐标系下对本车环境进行区域划分的示意图；
图2是本发明实施例的一种自动驾驶车辆的横向决策***的结构示意图；
图3是本发明实施例中正常行驶车道的目标车道选择的示例图；
图4(a)-图4(c)分别是本发明实施例中的主道变窄、主道变宽和主道分叉的示意图；
图5是本发明实施例中车道异常判断的示例图；
图6是本发明实施例中本车道多静态障碍物车道异常识别的示例图；
图7是本发明实施例中车辆进行避障的示意图；
图8是本发明实施例的自动驾驶车辆的硬件布置示意图；以及
图9是本发明实施例的自动驾驶车辆的横向决策确定方法的流程示意图。
具体实施方式
需要说明的是，在不冲突的情况下，本发明中的实施方式及实施方式中的特征可以相互组合。
本发明实施例中提到的“环境物体目标”可以指在车辆前方、后方或侧方的移动的或静止的任意物体，例如，车辆、人、建筑物等，提到的“目标线”可以指自动驾驶车辆(以下简称车辆)横向决策、横向控制所需的车道中心线、动态目标线或安全偏移线等，车辆跟随目标线行驶，“目标车道”与“目标线”相对应，横向决策***将作出车辆在目标车道行驶的决策。另外，本发明实施例中的“车道异常”主要是目标车道异常，表明是由于静态障碍物(如：路障、路锥、无法移动事故车辆等)或隧道入口红灯等引起的车道无法通行的情况。
另外，图1是本发明实施例在车体坐标系下对本车环境进行区域划分的示意图，包括车辆的前方区域、左前方区域等，下文均以图1的区域划分来说明环境物体目标等所处的位置。
下面将参考附图并结合实施方式来详细说明本发明。
图2是本发明实施例的一种自动驾驶车辆的横向决策***的结构示意图。如图2所述，所述横向决策***包括：评估单元100，用于根据道路特征信息以及预先选择的目标线和环境物体目标，评估车辆进行横向决策所需的目标车道和车道异常情况；以及判断单元200，用于结合所述道路特征信息，根据所述评估单元100所评估的目标车道和车道异常情况，判断并输出车辆的预期横向行为。
其中，所述道路特征信息包括道路类型、道路特征点及车道属性，而车道属性又包括车道特征点属性和车道数属性，这些信息将在下文中具体应用，在此不再赘述。另外，预先选择的目标线和环境物体目标是车辆的决策***在进行纵向决策和横向决策之前，通过其他功能模块所得到的，本领域技术人员可参考相关技术理解，本发明实施例并不关注于此。
其中，所述预期横向行为包括车道保持、换道和异常换道中的任意一者。可理解的是，车道保持即车辆沿当前车道行驶；换道即车辆向左或右进入相邻车道行驶，在换道过程中需考虑周围环境车辆对自动驾驶车辆换道过程的可能影响；异常换道即本车道前方不满足车道保持、换道条件时，车辆进入异常换道(避障状态)。下文还将结合示例对这三种预期横向行为进行介绍，在此则不再赘述。
在优选的实施例中，所述评估单元100包括：目标车道管理模块110，用于根据所述道路特征信息选择所述自动驾驶车辆的目标车道；以及车道异常管理模块120，用于根据所述道路特征信息识别异常车道，并提供针对异常车道的避障策略。
其中，对于目标车道管理模块110，目标车道的选择原则包括遵循道路场景的原则、遵循车道属性的原则、不选择异常车道的原则以及车道异常时选择相邻车道和依次靠右选择的原则。举例而言，遵循道路场景的原则是指选择目标车道是要考虑道路是主道还是匝道，遵循车道属性的原则是指选择目标车道时要考虑车道类型变化(通过车道特征点判断，例如驶入加速车道)和车道数变化，不选择异常车道的原则是指不能将异常车道作为目标车道，车道异常时选择相邻车道和依次靠右选择的原则是指在车道异常时，优先选择其相邻车道，若多条车道异常，则依次向右选择相邻车道。需说明的是，本发明实施例并不只局限于这几种选择原则，在目标车道的选择中，需要结合实际情况，考虑更多的因素，下文将通过示例说明这里的四种选择原则以及一些其他的选择原则。
在更为优选的实施例中，所述目标车道管理模块110包括：主道目标车道选择子模块111，用于在所述自动驾驶车辆行驶于主道常规场景时，根据所述选择原则来选择目标车道，还用于在所述自动驾驶车辆行驶于主道特殊场景时，根据前方道路相对于当前道路的车道数属性的变化来选择目标车道；以及匝道目标车道选择子模块112，用于在所述自动驾驶车辆行驶于匝道场景时，根据前方道路相对于当前道路的车道数属性的变化来选择目标车道。
下面具体介绍主道目标车道选择子模块111所关注的主道常规场景和主道特殊场景下的目标车道选择以及匝道目标车道选择子模块112所关注的匝道场景下的目标车道选择。
一、主道常规场景
其中，主道常规场景包括加速车道、正常行驶车道和减速车道，这三种车道属于车辆的正常行车道，可通过车道属性识别这三种车道。
进一步地，在驶出匝道汇入主道之前的部分称为加速车道(遵循车道属性)，当自动驾驶车辆驶入加速车道时，目标车道应选择最右侧车道，当目标车道异常时，应选择原目标车道相邻车道，并根据加速车道在道路右侧(遵循道路场景)的特点，尽量靠右选择目标车道。
进一步地，将正常行驶车道距离减速车道起点距离小于预警距离的这段道路及高速上规划的减速车道部分都称为减速车道(遵循车道属性)，当自动驾驶车辆驶入减速车道时，根据减速车道在道路最右侧(遵循道路场景)的特点，应将目标车道置换为最右侧车道，为进入减速车道及匝道部分提前做好准备。当目标车道异常时，应选择原目标车道相邻车道，并尽量靠右，便于车辆选取适当的时机尽快进入减速车道及匝道部分驶离该路段。
下面详细介绍针对正常行驶车道的目标车道选择。在此的正常行驶车道的是指从车辆驶出加速车道汇入高速公路主道，到驶离进入减速车道的路段(遵循车道属性)，其中不包括上述的主道特殊场景。
图3是本发明实施例中正常行驶车道的目标车道选择的示例图，该图中本车位置、原目标车道位置及障碍物位置可适应于下述场景进行变化，在此不再一一示出各类变化，本领域技术人员可结合文字进行理解。结合图3，正常行驶车道目标车道选择的原则主要有以下几点：
1、两车道(例如只有C3、C4两条车道)：两条车道均正常，右侧车道为目标车道；只有一条车道正常(例如C3正常)，正常车道为目标车道。
2、三车道(例如只有C2、C3、C4三条车道)：三条车道均正常，中间车道为目标车道；中间车道不正常，右侧车道为目标车道；只有一条车道正常，正常车道为目标车道。
3、车道数大于三：左侧第二车道为目标车道，例如C1-C4都正常时，选择C2为目标车道。
4、目标车道异常时，本着逐步向右的原则选择目标车道，当异常消失时，回到原目标车道。如当前的图3所示，目标车道本应为C2，然而C2存在静态障碍物导致C2车道异常，无法通过，此时将目标车道置为C3车道，当车辆超过障碍物，且C2车道正常时，目标车道仍然变为C2车道。同理若C2车道、C3车道前方同样异常无法通过，则将目标车道置于C4车道，当车道数更多时，依次类推。这是因为当车道数较多时，目标车道选择靠近左侧，因为高速路况中，左侧车速更快(符合遵循道路场景的原则)，车辆能够在以一个较快的车速行驶，而当原目标车道出现异常时，目标车道选择右侧相邻车道，并依次向右选择，这有利于在前方道路出现异常时候更加快速的将自动驾驶车辆停在应急车道上或者驶离高速公路。
进一步地，除上述4种选择原则以外，还可对部分特殊场景目标车道选择进行修正，使其更符合人的驾驶习惯，例如以下选取原则：
1)目标车道异常，而当前车辆所在车道正常，则当前车道为目标车道。
2)本车道异常，选取最近的正常车道为目标车道。当左右侧相同时，选取右侧为目标车道。结合图3，原目标车道为C2，此时前方C2和C3异常，因此时车辆在C2，距离C1较近，故将目标车道置于C1。
需说明的是，上述目标车道选择不局限于车道数量，凡符合上述场景均可以采用相应原则。
二、主道特殊场景
其中，主道特殊场景主要包括主道变窄、主道变宽、主道分叉(分离式路基)和/或隧道。
1、主道变窄
图4(a)是本发明实施例中的主道变窄的示意图，其中主道变窄指的是自动驾驶车辆在主道上面行驶，前方车道数量减少，其包括左侧变窄、右侧变窄及两侧变窄三种情况。本发明实施例中，主道变窄情景下的目标车道选择原则为：提前1000m(标定量)变更车道属性(正常车道→变窄车道)；若原目标车道为道路变窄车道，置原目标车道相邻正常车道为目标车道。
其中，在此的主道变窄以及下面的主道变宽、主道分叉和隧道所对应的车道异常时的选择原则与主道常规场景近似，在此不再赘述。
2、主道变宽
图4(b)是本发明实施例中主道变宽的示意图，其中主道变宽指的是自动驾驶车辆在主道上面行驶，前方车道数量增多，其包括左侧变宽、右侧变宽及两侧变宽三种情况。
本发明实施例中，主道变宽情景下的目标车道选择原则为：提前500m(标定值)变更车道属性(正常车道→变宽车道)；车辆沿着当前目标车道行驶，直至进入变宽区域，车道数量发生变化，重新选择目标车道。参考图4(b),当前车道数为2，目标车道为最右侧车道，车辆沿当前道路行驶，本车所在车道数属性由2变为3，目标车道为C2。以原车道数为2为例，左侧变宽、右侧变宽后车道数变为3，双侧变宽后，车道数变为4，根据变更的车道数重新按上文提及的原则选择目标车道。
3、主道分叉
图4(c)是本发明实施例中主道分叉的示意图，其中主道分叉又称为分离式路基，道路指向两个不同的方向，一般伴随着车道数属性的变化。
本发明实施例中，主道分叉情景下的目标车道选择原则包括：提前500m(标定值)变更车道属性(正常车道→主道分叉)；以4车道目标方向为右(为左的情景与此类似)为例，当目标侧前方1条车道时，该车道为目标车道，当目标侧前方2条车道时，右侧车道为目标车道，当目标侧前方3条车道时，中间车道为目标车道。
参考图4(c)，分叉右侧前方有两条车道，依照上面原则，在过了分叉点车辆应走右侧车道，在车道数跳变前，将目标车道置最右侧C4车道，车辆车道保持进入分叉目标方向侧，即行驶于C2车道。
4、隧道
本发明实施例中，隧道目标车道的选择原则与上述的图3所对应的正常行驶车道相同或相似，在此不再赘述。
三、匝道场景
其中，所述匝道场景包括常规匝道、匝道变窄、匝道变宽、匝道分叉和/或匝道交汇。需说明的是，针对匝道变窄、匝道变宽、匝道分叉的目标车道选择与上述图4(a)-图4(c)对应的主道变窄、主道变宽、主道分叉的目标车道选择相同或相似，区别主要在于主道变为匝道，本领域技术人员是可以结合匝道路况进行理解，故在此不再赘述。
对于常规匝道，当车辆驶入匝道时，目标车道选择最右侧车道。当最右侧车道异常时，目标车道选择临近最右侧车道，目标车道选择原则遵从尽量靠右原则。
对于匝道交汇，或称匝道合并，是指不同方向的匝道合并成为一个。此情景下，车辆行驶在匝道上，提前500m(标定值)变更车道属性(普通匝道→交汇匝道)，匝道车道数属性发生变化，车辆沿着当前目标车道行驶汇入交汇匝道，当车道数属性变化后，按照新的车道数，重新选择目标车道。
本发明实施例中，目标车道管理模块110根据法律法规对高速公路上不同车道的不同速度限制，将主道及匝道的目标车道选择为使车辆按照预先设定的方向以一个较快的速度行进的优先行驶车道，并且由于规划了优先行驶车道，避免由于地图定位不准，造成车辆行驶出现较大横向偏差而导致的碰撞危险，保证了车辆在安全的前提下可以以一个较快的速度行驶，并且其目标车道选择规划方式符合人的驾驶习惯。
继续参考图2，在优选的实施例中，所述车道异常管理模块120包括：车道异常识别子模块121，用于分析道路特征信息以筛选出所述自动驾驶车辆的前方道路的静态障碍目标，并基于所述静态障碍目标识别是否车道异常；以及避障子模块122，用于在车道异常时引导所述自动驾驶车辆进行避障。
其中，车道异常识别子模块121还用于向目标车道管理模块110提供识别到的车道异常的信息，以使目标车道管理模块110结合车道异常情况来选择目标车道。
进一步地，结合上文，当车辆行驶在非隧道入口路段时，车道异常识别子模块121应包括静态障碍目标选取、车道异常判断以及本车道多静态障碍物车道异常识别三个部分。
1、静态障碍目标选取
本发明实施例中，静态障碍目标选取原则包括：提取车辆当前行驶路段的道路特征信息(车道数、各车道宽度等)、道路附属物信息、环境物体目标信息。在各车道内，以距离车辆最近的环境物体目标为参考，筛选一定范围内各车道静态障碍目标(也称为静态障碍物)，静态障碍目标主要是路锥、路障、故障车辆等静态物体目标，也包含目标速度小于某一阈值时的动态目标。并且，可按车道提取各静态障碍目标相对于本车的横纵向距离信息等。
2、车道异常判断原则
图5是本发明实施例中车道异常判断的示例图，其以车辆所在的本车道为例，而其他车道的异常判断原则与此类似。如图5所示，由于静态目标1与静态目标2的作用，在D2范围内，自动驾驶车辆可行驶区域如ABCE所示，可行驶宽度D，其为D2范围内静态目标1与本车道中心线横向距离最近的点距离值l1(正值左)，与静态目标2与本车道中心线横向距离最近的点距离值l2(负值右)绝对值的和(l1为本车道中心线横向距离-E点横向距离；l2为本车道中心线横向距离-C点横向距离)。如果没有横向最近点，即前方没有静态障碍目标，则l1和l2取固定值(选确定的标定量，可称为TBD)。当车道的可行驶宽度D小于TBD时，认为车道异常，车辆无法通行，若可行驶宽度D大于TBD时，认为道路正常，车辆可以正常通过。
当车辆行驶于隧道口时，还需要识别隧道入口各车道红绿灯情况，当车道为红灯时，则把该车道置为异常车道(从入口到出口均为异常状态)；直到自动驾驶车辆驶出隧道，***重新识别道路状态是否为隧道，并重新识别红绿灯。
3、本车道多静态障碍物车道异常识别
图6是本发明实施例中本车道多静态障碍物车道异常识别的示例图。参考图6，车道存在静态目标1、2其中两者之间距离D3，可行驶宽度D＝(abs(l1)+abs(l2))大于设定阈值TBD(优先取值2.8m)，车辆可安全通过静态目标1；当D3大于设定阈值TBD1(TBD1的取值与当前车速线性相关K*V，最小取值25m，其中K为比例系数，V为车速)时，可行驶宽度D4＝(abs(l1’)+abs(l2’))大于设定阈值TBD(优先取值2.8m)，车辆可安全通过静态目标2。因此，虽车道异常，但车辆仍可安全通过。
进一步地，对于避障子模块122，其用于在车道异常时引导所述自动驾驶车辆进行避障，主要可包括以下步骤：根据所述静态障碍目标以及设定区域存在的动态的所述环境物体目标确定避障目标，并确定所述避障目标相对于所述自动驾驶车辆的静态特性和动态特性；基于所述避障目标的静态特性和动态特性建立适应于道路特性的避障区域；基于所述避障目标的静态特性和动态特性，判断所述避障区域的可通行性；对所述自动驾驶车辆正常换道时的相关环境物体目标进行碰撞风险评估，并根据所述碰撞风险评估的结果确定换道可行性；以及根据所述换道可行性和所述避障区域的可通行性，控制所述自动驾驶车辆进行换道或在当前行驶车道绕开所述避障目标行驶。
举例而言，避障子模块122所实现的功能主要包括以下几个部分。
1、避障目标选取
避障目标包括静态障碍物和动态障碍物。选取原则以区域内距离自动驾驶车辆最近物体目标为参考。静态障碍物主要是路锥、路障、故障车辆等静态物体目标，避障目标包括：①正前方区域静态物体目标；②左前方区域静态物体目标；③右前方区域静态物体目标；④左侧方区域静态物体目标；⑤右侧方区域的静态物体目标。动态障碍物主要是运动的物体目标，避障目标包括：①正前方区域低于自动驾驶车辆速度的动态物体目标；②左前方区域低于自动驾驶车辆速度的动态物体目标；③右前方区域低于自动驾驶车辆速度的动态物体目标；④左侧方区域的动态物体目标；⑤右侧方区域的动态物体目标；⑥左后方区域高于自动驾驶车辆速度的动态物体目标；⑦右后方区域高于自动驾驶车辆速度的动态物体目标。
2、避障区域建立
传统避障区域建立方法通常建立扇形区域，以扇形角度的1/2作为偏转姿态，躲避障碍物成功后再进行跟随，这种方法适用于无车道线的城市/乡村道路等低速自动驾驶车辆。本发明实施例中，避障区域的建立除了考虑避障目标外，还应考虑道路特性，使自动驾驶的避障行为符合高速公路对于驾驶员的行为要求(如在本车道内行驶，除超车外不压线；不画龙行驶；速度不忽快忽慢等)。
图7是本发明实施例中车辆进行避障的示意图，其中ABCD构成的区域这里的避障区域，弧AC和弧BD的弧长等于200米，曲率等于车道线L2的曲率，即AC与BD平行于道路，该区域的尺寸大小通过避障目标G1和G2确定。
目标G1为正前方区域的动态物体目标，G1与本车之间的关系包括外轮廓点，即横向最近点G11和纵向最近点G12，经G11构建平行于道路的曲线s1，纵向最近点G12到曲线s1垂线的交点为G13，将G13作为目标G1进行避障的外轮廓点，考虑避障安全加入d2＝0.3米的安全距离生成BD曲线。
目标G2为左前方区域的静态物体目标(修路路障)，G2最终选取的外轮廓点为G21，考虑避障安全加入d1＝0.1米的安全距离生成AC曲线。
3、避障区域可通行性判断
根据第2部分生成避障区域ABCD后，车辆是否能够通过该区域则需要进行判断，车辆宽度W+安全距离d3最为可通行性判断的条件，当避障区域宽度大于(W+d3)时，自动驾驶车辆可以进行避障；否则自动驾驶车辆重新判断其它避障区域(如右侧是否可以生成避障区域)。
在优选的实施例中，所述避障子模块122用于根据所述换道可行性和所述避障区域的可通行性，控制所述自动驾驶车辆进行换道或在当前行驶车道绕开所述避障目标行驶包括：若换道可行，则控制所述自动驾驶车辆进行换道，否则判断所述避障区域的可通行性，若所述避障区域可通行，则确定所述自动驾驶车辆在当前行驶车道绕开所述避障目标行驶。具体地，结合实际，所述避障子模块122用于识别是否需要换道包括以下的换道意图产生(即碰撞风险评估)、换道方向判断和换道可行性判断三个方面，
1、换道意图产生
车辆正常行驶时，探测区域前方出现低于车辆最高限速非静态物体目标时，自动驾驶车辆根据本车与前车相对距离、速度权衡确定车辆是否需要换道，降低自动驾驶车辆换道频率。
假设换道意图期望因子阈值设定为η，自动驾驶车辆速度V_auto,目标车辆速度V_trg,自动驾驶车辆与目标车辆之间相对距离Dis_rely,自动驾驶车辆期望安全行车距离K*V_auto其中K优先取0.8。
换道意图期望因子β＝K1*(V_auto/V_trg)+K2*(Dis_rely/K*V_auto)，其中K1+K2＝1当换道意图期望因子β小于η时自动驾驶车辆意图满足。
自动驾驶车辆正常行驶时，探测区域前方出现静态物体目标时，自动驾驶车辆应提前换道避免与前方静态物体发生碰撞。
假设换道意图期望因子阈值设定为ηs，自动驾驶车辆速度V_auto,自动驾驶车辆与静态障碍物之间相对距离Dis_s，自动驾驶车辆期望安全行车距离K*V_auto，其中K优先取1。
换道意图期望因子βs＝K1*(Dis_s/K*V_auto)，其中K1优先取值1，当换道意图期望因子βs小于ηs时自动驾驶车辆意图满足。
2、换道方向判断
自动驾驶车辆换道方向判断需满足以下条件：
a)前方区域(左前方、正前方、右前方)存在非静态物体目标。
b)左前或右前方区域物体目标速度与本车道前车速度之差大于速度阈值ΔV，ΔV优先取值5km/h。
c)车辆与左前或右前车之间距离大于车辆期望安全行车距离K3*V_auto，其中K3优先取0.6。
d)车辆正侧方无车。
e)根据后方区域(左后方、右后方)环境车辆与自动驾驶车辆之间关系进行碰撞风险评估，根据自动驾驶车辆与环境物体目标TTC值(TTC即自动驾驶车辆与前方车辆碰撞时间，TTC＝相对速度/相对距离；相对速度＝本车速度-前车速度)确定自动驾驶车辆换道可行性，优先推荐选取TTC值大于2。
f)后方区域(左后方、右后方)环境车辆与自动驾驶车辆之间相对距离大于自动驾驶车辆期望安全行车距离K4*V_auto，其中K4优先取0.3。
g)换到条件判断中自动驾驶车辆左换道优先，即当左前、右前区域同时满足a～f条件时，优先选择左侧车道为目标车道。
自动驾驶车辆根据上述条件a)～g)确定换道的目标车道。
3、换道可行性判断
车辆须谨遵道路交通法规，如：虚实线、限速、灯光、喇叭、红绿灯、禁止掉头等。
本发明实施例的避障子模块122提出一种适用于车辆高速行驶、结构化道路的避障方法，可避免人工驾驶可能因盲区引起车辆碰撞，且其换道功能能够提高车辆行驶效率降低驾驶员工作量，且涉及的自动换道方法适用范围广，可以适用于较大曲率弯曲道路及笔直道路下自动驾驶***尤其是结构化道路下的自动驾驶***。
在此，本发明实施例的车道异常管理模块120，能识别车道情况，并可以提前主动引导车辆避障或者逐渐向应急车道靠拢或者驶离高速公路，避免车辆发生碰撞危险。
需说明的是，车辆的决策***与环境感知***及它们各自的功能模块可对应理解为车辆上的控制单元，下面将基于这一理解来说明本发明实施例的自动驾驶车辆的硬件布置。图8是本发明实施例的自动驾驶车辆的硬件布置示意图，其中所述自动驾驶车辆的决策***中包括有上述实施例的横向决策***。
如图8所示，控制单元1、控制单元2、控制单元4构成环境感知***，控制单元3构成本发明实施例的横向决策***，其是车辆的决策***的部分。控制单元1为自动驾驶车辆提供准确位置信息，优先选用高精度GPS+IMU设备，横向定位偏差10cm以内，纵向定位偏差30cm以内。控制单元2用于存储、输出自动驾驶车辆前后方200m范围内高精度车道线、车道数、车道宽度等信息，优先使用存储空间大于50G，处理内存大于1G硬件设备。控制单元4用于探测提取自动驾驶车辆周围360°范围内出现的物体目标，优先选用全天候传感器探测设备避免因雨、雪、雾、光照等引起物体目标误检、漏检等。其中，控制单元4不仅仅局限于当前安装位置也不局限于当前数量，为提高物体探测准确性在车身周围布置若干雷达传感器(激光雷达或毫米波雷达设备等)、视觉传感器，通过设备冗余提高物体目标检测准确、稳定性。
其中，控制单元2获取控制单元1提供自动驾驶车辆准确位置信息，处理运算后实时输出自动驾驶车辆前后方200m范围内高精度地图数据，包括：车道线离散点经纬度(经纬度以地心为原点)、离散点航向角(以正北方向为0°顺时针为证)、车道线类型、车道宽度、车道数量、道路边界等信息，控制单元3将通过以太网方式接收到车道线离线数据通过坐标转换至平面车辆坐标系下，提供车辆换道过程中所需的道路特征信息，控制单元4同时将探测区域内物体目标信息以CAN通讯方式传输至控制单元3，控制单元3执行上述的横向决策***的功能。
由此可知，本发明实施例的横向决策***是易于通过硬件来实现的。
综上所述，本发明实施例的横向决策***能够评估出目标车道及车道异常情况，并据此作出符合道路特性的车道保持、换道或异常换道的横向决策，以便于车辆的控制***可基于该横向决策进行适应性的横向控制，以保证车辆的行驶安全。
图9是本发明实施例的一种自动驾驶车辆的横向决策确定方法的流程示意图，该横向决策确定方法与上述的横向决策***是基于同样的发明思路的。如图9所示，所述自动驾驶车辆的横向决策确定方法可以包括以下步骤S100及步骤S200：
步骤S100，根据道路特征信息以及预先选择的目标线和环境物体目标，评估所述自动驾驶车辆进行横向决策所需的目标车道和车道异常情况。
优选地，该步骤S100又包括以下子步骤：
步骤S110，根据所述道路特征信息选择所述自动驾驶车辆的目标车道。
其中，所述目标车道的选择原则包括遵循道路场景的原则、遵循车道属性的原则、不选择异常车道的原则以及车道异常时选择相邻车道和依次靠右选择的原则。
更为优选地，该步骤S110具体包括：在所述自动驾驶车辆行驶于主道常规场景时，根据所述选择原则来选择目标车道，其中所述主道常规场景包括加速车道、正常行驶车道和减速车道；在所述自动驾驶车辆行驶于主道特殊场景时，根据前方道路相对于当前道路的车道数属性的变化来选择目标车道，其中所述主道特殊场景包括主道变窄、主道变宽、主道分叉和/或隧道；以及在所述自动驾驶车辆行驶于匝道场景时，根据前方道路相对于当前道路的车道数属性的变化来选择目标车道，其中所述匝道场景包括常规匝道、匝道变窄、匝道变宽、匝道分叉和/或匝道交汇。
步骤S120，根据所述道路特征信息识别异常车道，并提供针对异常车道的避障策略。
更为优选地，该步骤S120又具体包括：分析道路特征信息以筛选出所述自动驾驶车辆的前方道路的静态障碍目标，并基于所述静态障碍目标识别是否车道异常；以及在车道异常时，引导所述自动驾驶车辆进行避障。
进一步地，所述引导所述自动驾驶车辆进行避障包括：根据所述静态障碍目标以及设定区域存在的动态的所述环境物体目标确定避障目标，并确定所述避障目标相对于所述自动驾驶车辆的静态特性和动态特性；基于所述避障目标的静态特性和动态特性建立适应于道路特性的避障区域；基于所述避障目标的静态特性和动态特性，判断所述避障区域的可通行性；对所述自动驾驶车辆正常换道时的相关环境物体目标进行碰撞风险评估，并根据所述碰撞风险评估的结果确定换道可行性；以及根据所述换道可行性和所述避障区域的可通行性，控制所述自动驾驶车辆进行换道或在当前行驶车道绕开所述避障目标行驶。
更进一步地，所述根据所述换道可行性和所述避障区域的可通行性，控制所述自动驾驶车辆进行换道或在当前行驶车道绕开所述避障目标行驶包括：若换道可行，则控制所述自动驾驶车辆进行换道，否则判断所述避障区域的可通行性，若所述避障区域可通行，则确定所述自动驾驶车辆在当前行驶车道绕开所述避障目标行驶。
步骤S200，结合所述道路特征信息，根据所评估的目标车道和车道异常情况，判断并输出所述自动驾驶车辆的预期横向行为。
需说明的是，本发明实施例的自动驾驶车辆的横向决策确定方法与上述自动驾驶车辆的横向决策***的实施例的具体实施细节及效果相同，在此则不再赘述。
本发明另一实施例还提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令用于使得机器执行上述的横向决策确定方法。所述机器可读存储介质包括但不限于相变内存(相变随机存取存储器的简称，Phase Change Random Access Memory，PRAM，亦称为RCM/PCRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体(Flash Memory)或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (13)

1.一种自动驾驶车辆的横向决策***，其特征在于，所述自动驾驶车辆的横向决策***包括：
评估单元，用于根据道路特征信息以及预先选择的目标线和环境物体目标，评估所述自动驾驶车辆进行横向决策所需的目标车道和车道异常情况；以及
判断单元，用于结合所述道路特征信息，根据所述评估单元所评估的目标车道和车道异常情况，判断并输出所述自动驾驶车辆的预期横向行为，其中所述预期横向行为包括车道保持、换道和异常换道中的任意一者。
2.根据权利要求1所述的自动驾驶车辆的横向决策***，其特征在于，所述评估单元包括：
目标车道管理模块，用于根据所述道路特征信息选择所述自动驾驶车辆的目标车道，其中所述目标车道的选择原则包括遵循道路场景的原则、遵循车道属性的原则、不选择异常车道的原则以及车道异常时选择相邻车道和依次靠右选择的原则，其中所述道路特征信息包括道路类型、道路特征点及所述车道属性，且所述车道属性包括车道特征点属性和车道数属性；以及
车道异常管理模块，用于根据所述道路特征信息识别异常车道，并提供针对异常车道的避障策略。
3.根据权利要求2所述的自动驾驶车辆的横向决策***，其特征在于，所述目标车道管理模块包括：
主道目标车道选择子模块，用于在所述自动驾驶车辆行驶于主道常规场景时，根据所述选择原则来选择目标车道，其中所述主道常规场景包括加速车道、正常行驶车道和减速车道；以及用于在所述自动驾驶车辆行驶于主道特殊场景时，根据前方道路相对于当前道路的车道数属性的变化来选择目标车道，其中所述主道特殊场景包括主道变窄、主道变宽、主道分叉和/或隧道；以及
匝道目标车道选择子模块，用于在所述自动驾驶车辆行驶于匝道场景时，根据前方道路相对于当前道路的车道数属性的变化来选择目标车道，其中所述匝道场景包括常规匝道、匝道变窄、匝道变宽、匝道分叉和/或匝道交汇。
4.根据权利要求2所述的自动驾驶车辆的横向决策***，其特征在于，所述车道异常管理模块包括：
车道异常识别子模块，用于分析道路特征信息以筛选出所述自动驾驶车辆的前方道路的静态障碍目标，并基于所述静态障碍目标识别是否车道异常；以及
避障子模块，用于在车道异常时引导所述自动驾驶车辆进行避障。
5.根据权利要求4所述的自动驾驶车辆的横向决策***，其特征在于，所述避障子模块用于在车道异常时引导所述自动驾驶车辆进行避障包括：
根据所述静态障碍目标以及设定区域存在的动态的所述环境物体目标确定避障目标，并确定所述避障目标相对于所述自动驾驶车辆的静态特性和动态特性；
基于所述避障目标的静态特性和动态特性建立适应于道路特性的避障区域；
基于所述避障目标的静态特性和动态特性，判断所述避障区域的可通行性；
对所述自动驾驶车辆正常换道时的相关环境物体目标进行碰撞风险评估，并根据所述碰撞风险评估的结果确定换道可行性；以及
根据所述换道可行性和所述避障区域的可通行性，控制所述自动驾驶车辆进行换道或在当前行驶车道绕开所述避障目标行驶。
6.根据权利要求5所述的自动驾驶车辆的横向决策***，其特征在于，所述避障子模块用于根据所述换道可行性和所述避障区域的可通行性，控制所述自动驾驶车辆进行换道或在当前行驶车道绕开所述避障目标行驶包括：
若换道可行，则控制所述自动驾驶车辆进行换道，否则判断所述避障区域的可通行性，若所述避障区域可通行，则确定所述自动驾驶车辆在当前行驶车道绕开所述避障目标行驶。
7.一种自动驾驶车辆的横向决策确定方法，其特征在于，所述自动驾驶车辆的横向决策确定方法包括：
根据道路特征信息以及预先选择的目标线和环境物体目标，评估所述自动驾驶车辆进行横向决策所需的目标车道和车道异常情况；以及
结合所述道路特征信息，根据所评估的目标车道和车道异常情况，判断并输出所述自动驾驶车辆的预期横向行为，其中所述预期横向行为包括车道保持、换道和异常换道中的任意一者。
8.根据权利要求7所述的自动驾驶车辆的横向决策确定方法，其特征在于，所述评估所述自动驾驶车辆进行横向决策所需的目标车道和车道异常情况包括：
根据所述道路特征信息选择所述自动驾驶车辆的目标车道，其中所述目标车道的选择原则包括遵循道路场景的原则、遵循车道属性的原则、不选择异常车道的原则以及车道异常时选择相邻车道和依次靠右选择的原则，其中所述道路特征信息包括道路类型、道路特征点及所述车道属性，且所述车道属性包括车道特征点属性和车道数属性；以及
根据所述道路特征信息识别异常车道，并提供针对异常车道的避障策略。
9.根据权利要求8所述的自动驾驶车辆的横向决策确定方法，其特征在于，所述根据所述道路特征信息选择所述自动驾驶车辆的目标车道包括：
在所述自动驾驶车辆行驶于主道常规场景时，根据所述选择原则来选择目标车道，其中所述主道常规场景包括加速车道、正常行驶车道和减速车道；
在所述自动驾驶车辆行驶于主道特殊场景时，根据前方道路相对于当前道路的车道数属性的变化来选择目标车道，其中所述主道特殊场景包括主道变窄、主道变宽、主道分叉和/或隧道；以及
在所述自动驾驶车辆行驶于匝道场景时，根据前方道路相对于当前道路的车道数属性的变化来选择目标车道，其中所述匝道场景包括常规匝道、匝道变窄、匝道变宽、匝道分叉和/或匝道交汇。
10.根据权利要求8所述的自动驾驶车辆的横向决策确定方法，其特征在于，所述根据所述道路特征信息识别异常车道，并提供针对异常车道的避障策略包括：
分析道路特征信息以筛选出所述自动驾驶车辆的前方道路的静态障碍目标，并基于所述静态障碍目标识别是否车道异常；以及
在车道异常时，引导所述自动驾驶车辆进行避障。
11.根据权利要求10所述的自动驾驶车辆的横向决策确定方法，其特征在于，所述引导所述自动驾驶车辆进行避障包括：
根据所述静态障碍目标以及设定区域存在的动态的所述环境物体目标确定避障目标，并确定所述避障目标相对于所述自动驾驶车辆的静态特性和动态特性；
基于所述避障目标的静态特性和动态特性建立适应于道路特性的避障区域；
基于所述避障目标的静态特性和动态特性，判断所述避障区域的可通行性；
对所述自动驾驶车辆正常换道时的相关环境物体目标进行碰撞风险评估，并根据所述碰撞风险评估的结果确定换道可行性；以及
根据所述换道可行性和所述避障区域的可通行性，控制所述自动驾驶车辆进行换道或在当前行驶车道绕开所述避障目标行驶。
12.根据权利要求11所述的自动驾驶车辆的横向决策确定方法，其特征在于，所述根据所述换道可行性和所述避障区域的可通行性，控制所述自动驾驶车辆进行换道或在当前行驶车道绕开所述避障目标行驶包括：
若换道可行，则控制所述自动驾驶车辆进行换道，否则判断所述避障区域的可通行性，若所述避障区域可通行，则确定所述自动驾驶车辆在当前行驶车道绕开所述避障目标行驶。
13.一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令用于使得机器执行权利要求7至12中任意一项所述的自动驾驶车辆的横向决策确定方法。
CN201811642027.5A 2018-12-29 2018-12-29 自动驾驶车辆的横向决策***及横向决策确定方法 Active CN110667578B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201811642027.5A CN110667578B (zh) 2018-12-29 2018-12-29 自动驾驶车辆的横向决策***及横向决策确定方法
PCT/CN2019/129284 WO2020135742A1 (zh) 2018-12-29 2019-12-27 自动驾驶车辆的横向决策***及横向决策确定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811642027.5A CN110667578B (zh) 2018-12-29 2018-12-29 自动驾驶车辆的横向决策***及横向决策确定方法

Publications (2)

Publication Number Publication Date
CN110667578A true CN110667578A (zh) 2020-01-10
CN110667578B CN110667578B (zh) 2021-09-17

Family

ID=69065715

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811642027.5A Active CN110667578B (zh) 2018-12-29 2018-12-29 自动驾驶车辆的横向决策***及横向决策确定方法

Country Status (2)

Country Link
CN (1) CN110667578B (zh)
WO (1) WO2020135742A1 (zh)

Cited By (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111489569A (zh) * 2020-05-28 2020-08-04 兰州理工大学 一种立交匝道车道宽度动态调整***及其调整方法
CN111746542A (zh) * 2020-06-04 2020-10-09 重庆长安汽车股份有限公司 车辆智能换道提醒的方法、***、车辆及存储介质
CN111862604A (zh) * 2020-07-20 2020-10-30 北京京东乾石科技有限公司 无人车的控制方法及装置、计算机存储介质、电子设备
CN111994076A (zh) * 2020-09-02 2020-11-27 中国第一汽车股份有限公司 自动驾驶车辆的控制方法及装置
CN112068559A (zh) * 2020-08-28 2020-12-11 重庆长安汽车股份有限公司 无人驾驶车辆的偏移控制方法、***、车辆及存储介质
CN112435466A (zh) * 2020-10-23 2021-03-02 江苏大学 混合交通流环境下cacc车辆退变为传统车的接管时间预测方法及***
CN112703140A (zh) * 2020-12-15 2021-04-23 华为技术有限公司 控制方法和控制装置
CN113096390A (zh) * 2021-03-25 2021-07-09 南京航空航天大学 一种车辆驶离主道的控制方法
CN113320545A (zh) * 2021-07-01 2021-08-31 江苏理工学院 一种基于线控智能车辆的预路口行为决策方法
WO2021196041A1 (zh) * 2020-03-31 2021-10-07 华为技术有限公司 一种关键目标选取方法、装置及***
CN113548049A (zh) * 2021-07-27 2021-10-26 武汉理工大学 一种基于有限状态机的智能车辆驾驶行为决策方法及***
CN113619602A (zh) * 2021-08-20 2021-11-09 华为技术有限公司 引导车辆行驶的方法及相关***、存储介质
WO2021238723A1 (zh) * 2020-05-29 2021-12-02 杭州海康威视数字技术股份有限公司 自动驾驶设备的控制方法、装置、***及存储介质
US11209828B2 (en) * 2018-06-15 2021-12-28 Honda Motor Co., Ltd. Vehicle control device, vehicle control method, and storage medium
CN113945221A (zh) * 2021-09-26 2022-01-18 华中科技大学 一种考虑近迫感效应的自动驾驶车道宽度确定方法
CN114275039A (zh) * 2021-12-27 2022-04-05 联创汽车电子有限公司 智能驾驶车辆横向控制方法和模块
CN114446041A (zh) * 2020-10-30 2022-05-06 华为终端有限公司 一种车辆变道管理方法及变道管理装置
CN114475602A (zh) * 2020-11-12 2022-05-13 郑州宇通客车股份有限公司 一种车辆、车辆调头方法及装置
CN114550474A (zh) * 2020-11-24 2022-05-27 华为技术有限公司 一种横向规划约束确定方法及装置
CN115320553A (zh) * 2022-08-30 2022-11-11 桂林电子科技大学 一种面向弯道情况下aeb***的前车定位判断方法
CN115447616A (zh) * 2022-10-26 2022-12-09 重庆长安汽车股份有限公司 车辆驾驶客观指标的生成方法及装置
CN115909784A (zh) * 2022-12-07 2023-04-04 长安大学 多车道的智能网联车辆合流控制方法和控制装置
CN116564097A (zh) * 2023-07-11 2023-08-08 蘑菇车联信息科技有限公司 车辆的路口通行决策方法、装置及***、电子设备

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN112650224A (zh) * 2020-12-11 2021-04-13 国汽(北京)智能网联汽车研究院有限公司 自动驾驶仿真的方法、装置、设备及存储介质
CN114822078A (zh) * 2021-01-28 2022-07-29 武汉智行者科技有限公司 一种目标参考线切换控制方法、装置及存储介质
CN112735187A (zh) * 2021-01-29 2021-04-30 重庆长安汽车股份有限公司 一种自动识别应急车道的***和方法
CN113823118B (zh) * 2021-02-19 2022-07-08 石家庄铁道大学 一种联合紧急程度和博弈论的智能网联车辆换道方法
CN113022570B (zh) * 2021-03-19 2022-06-10 武汉理工大学 一种车辆换道行为识别方法及设备
CN113104038B (zh) * 2021-03-31 2022-12-20 江铃汽车股份有限公司 车辆换道控制方法、装置、电子设备及可读存储介质
CN113085853B (zh) * 2021-04-26 2022-05-17 中汽研（天津）汽车工程研究院有限公司 一种车道内主动躲闪大型车辆的辅助驾驶***
CN113848913B (zh) * 2021-09-28 2023-01-06 北京三快在线科技有限公司 一种无人驾驶设备的控制方法及控制装置
CN114360246B (zh) * 2021-12-28 2023-03-17 北京汇通天下物联科技有限公司 一种高速公路出口匝道的预警方法、装置及存储介质
CN114407929B (zh) * 2022-01-29 2023-12-12 上海木蚁机器人科技有限公司 无人驾驶绕障处理方法、装置、电子设备及存储介质
CN114435403B (zh) * 2022-02-22 2023-11-03 重庆长安汽车股份有限公司 一种基于环境信息的导航定位校核***及方法
CN114999152B (zh) * 2022-05-25 2024-04-30 清华大学 面向混合车流的匝道合流边缘云管控方法
CN116229715B (zh) * 2023-02-13 2024-01-12 武汉理工大学 一种道路交织区连续流生成方法与***
CN117079478B (zh) * 2023-08-16 2024-04-05 北京中交华安科技有限公司 一种基于边缘计算的合流区交通冲突辨识装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106681319A (zh) * 2016-12-09 2017-05-17 重庆长安汽车股份有限公司 自动换道***及方法
CN106740835A (zh) * 2016-11-21 2017-05-31 北汽福田汽车股份有限公司 车辆自适应巡航控制方法、装置和车辆
WO2018008317A1 (ja) * 2016-07-05 2018-01-11 日産自動車株式会社 走行制御方法及び走行制御装置
CN107731002A (zh) * 2016-08-10 2018-02-23 丰田自动车株式会社 自动驾驶***及自动驾驶车辆
CN108431549A (zh) * 2016-01-05 2018-08-21 御眼视觉技术有限公司 具有施加的约束的经训练的***

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6467773B2 (ja) * 2014-02-25 2019-02-13 アイシン・エィ・ダブリュ株式会社 経路探索システム、経路探索方法及びコンピュータプログラム
JP6491929B2 (ja) * 2015-03-31 2019-03-27 アイシン・エィ・ダブリュ株式会社 自動運転支援システム、自動運転支援方法及びコンピュータプログラム
JP6545507B2 (ja) * 2015-03-31 2019-07-17 アイシン・エィ・ダブリュ株式会社 自動運転支援システム、自動運転支援方法及びコンピュータプログラム
JP6474307B2 (ja) * 2015-04-27 2019-02-27 アイシン・エィ・ダブリュ株式会社 自動運転支援システム、自動運転支援方法及びコンピュータプログラム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108431549A (zh) * 2016-01-05 2018-08-21 御眼视觉技术有限公司 具有施加的约束的经训练的***
WO2018008317A1 (ja) * 2016-07-05 2018-01-11 日産自動車株式会社 走行制御方法及び走行制御装置
CN107731002A (zh) * 2016-08-10 2018-02-23 丰田自动车株式会社 自动驾驶***及自动驾驶车辆
CN106740835A (zh) * 2016-11-21 2017-05-31 北汽福田汽车股份有限公司 车辆自适应巡航控制方法、装置和车辆
CN106681319A (zh) * 2016-12-09 2017-05-17 重庆长安汽车股份有限公司 自动换道***及方法

Cited By (37)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11209828B2 (en) * 2018-06-15 2021-12-28 Honda Motor Co., Ltd. Vehicle control device, vehicle control method, and storage medium
WO2021196041A1 (zh) * 2020-03-31 2021-10-07 华为技术有限公司 一种关键目标选取方法、装置及***
CN111489569A (zh) * 2020-05-28 2020-08-04 兰州理工大学 一种立交匝道车道宽度动态调整***及其调整方法
CN111489569B (zh) * 2020-05-28 2021-08-31 兰州理工大学 一种立交匝道车道宽度动态调整***及其调整方法
WO2021238723A1 (zh) * 2020-05-29 2021-12-02 杭州海康威视数字技术股份有限公司 自动驾驶设备的控制方法、装置、***及存储介质
CN111746542A (zh) * 2020-06-04 2020-10-09 重庆长安汽车股份有限公司 车辆智能换道提醒的方法、***、车辆及存储介质
CN111862604A (zh) * 2020-07-20 2020-10-30 北京京东乾石科技有限公司 无人车的控制方法及装置、计算机存储介质、电子设备
CN111862604B (zh) * 2020-07-20 2022-03-04 北京京东乾石科技有限公司 无人车的控制方法及装置、计算机存储介质、电子设备
CN112068559A (zh) * 2020-08-28 2020-12-11 重庆长安汽车股份有限公司 无人驾驶车辆的偏移控制方法、***、车辆及存储介质
CN111994076A (zh) * 2020-09-02 2020-11-27 中国第一汽车股份有限公司 自动驾驶车辆的控制方法及装置
CN112435466A (zh) * 2020-10-23 2021-03-02 江苏大学 混合交通流环境下cacc车辆退变为传统车的接管时间预测方法及***
CN112435466B (zh) * 2020-10-23 2022-03-22 江苏大学 混合交通流环境下cacc车辆退变为传统车的接管时间预测方法及***
CN114446041B (zh) * 2020-10-30 2023-03-03 华为终端有限公司 一种车辆变道管理方法及变道管理装置
CN114446041A (zh) * 2020-10-30 2022-05-06 华为终端有限公司 一种车辆变道管理方法及变道管理装置
CN114475602B (zh) * 2020-11-12 2023-05-09 宇通客车股份有限公司 一种车辆、车辆调头方法及装置
CN114475602A (zh) * 2020-11-12 2022-05-13 郑州宇通客车股份有限公司 一种车辆、车辆调头方法及装置
CN114550474B (zh) * 2020-11-24 2023-03-03 华为技术有限公司 一种横向规划约束确定方法及装置
CN114550474A (zh) * 2020-11-24 2022-05-27 华为技术有限公司 一种横向规划约束确定方法及装置
CN112703140A (zh) * 2020-12-15 2021-04-23 华为技术有限公司 控制方法和控制装置
WO2022126349A1 (zh) * 2020-12-15 2022-06-23 华为技术有限公司 控制方法和控制装置
CN113096390A (zh) * 2021-03-25 2021-07-09 南京航空航天大学 一种车辆驶离主道的控制方法
CN113320545A (zh) * 2021-07-01 2021-08-31 江苏理工学院 一种基于线控智能车辆的预路口行为决策方法
CN113548049A (zh) * 2021-07-27 2021-10-26 武汉理工大学 一种基于有限状态机的智能车辆驾驶行为决策方法及***
CN113548049B (zh) * 2021-07-27 2022-05-31 武汉理工大学 一种基于有限状态机的智能车辆驾驶行为决策方法及***
CN113619602A (zh) * 2021-08-20 2021-11-09 华为技术有限公司 引导车辆行驶的方法及相关***、存储介质
CN113619602B (zh) * 2021-08-20 2023-03-10 华为技术有限公司 引导车辆行驶的方法及相关***、存储介质
CN113945221A (zh) * 2021-09-26 2022-01-18 华中科技大学 一种考虑近迫感效应的自动驾驶车道宽度确定方法
CN113945221B (zh) * 2021-09-26 2024-02-13 华中科技大学 一种考虑近迫感效应的自动驾驶车道宽度确定方法
CN114275039A (zh) * 2021-12-27 2022-04-05 联创汽车电子有限公司 智能驾驶车辆横向控制方法和模块
CN114275039B (zh) * 2021-12-27 2022-11-04 联创汽车电子有限公司 智能驾驶车辆横向控制方法和模块
CN115320553A (zh) * 2022-08-30 2022-11-11 桂林电子科技大学 一种面向弯道情况下aeb***的前车定位判断方法
CN115447616B (zh) * 2022-10-26 2024-05-17 重庆长安汽车股份有限公司 车辆驾驶客观指标的生成方法及装置
CN115447616A (zh) * 2022-10-26 2022-12-09 重庆长安汽车股份有限公司 车辆驾驶客观指标的生成方法及装置
CN115909784B (zh) * 2022-12-07 2023-10-27 长安大学 多车道的智能网联车辆合流控制方法和控制装置
CN115909784A (zh) * 2022-12-07 2023-04-04 长安大学 多车道的智能网联车辆合流控制方法和控制装置
CN116564097A (zh) * 2023-07-11 2023-08-08 蘑菇车联信息科技有限公司 车辆的路口通行决策方法、装置及***、电子设备
CN116564097B (zh) * 2023-07-11 2023-10-03 蘑菇车联信息科技有限公司 车辆的路口通行决策方法、装置及***、电子设备

Also Published As

Publication number Publication date
CN110667578B (zh) 2021-09-17
WO2020135742A1 (zh) 2020-07-02

Similar Documents

Publication Publication Date Title
CN110667578B (zh) 自动驾驶车辆的横向决策***及横向决策确定方法
CN111383474B (zh) 自动驾驶车辆的决策***及方法
CN110392652B (zh) 在车辆从道路的车道转弯之前操纵车辆的***和方法
JP6544444B2 (ja) 運転支援方法及び装置
JP6443550B2 (ja) シーン評価装置、走行支援装置、シーン評価方法
JP6451847B2 (ja) 運転計画装置、走行支援装置、運転計画方法
JP6443552B2 (ja) シーン評価装置、走行支援装置、シーン評価方法
US11951991B2 (en) Semantic object clustering for autonomous vehicle decision making
US10359293B2 (en) Travel route calculation device
JP6575612B2 (ja) 運転支援方法及び装置
KR20210030975A (ko) 주행 지원 방법 및 주행 지원 장치
JP2019109675A (ja) 運転行動データ生成装置、運転行動データベース
WO2016063384A1 (ja) 走行経路演算装置
CN112660128A (zh) 用于确定自动驾驶车辆的车道变更路径的设备及其方法
CN115593429A (zh) 自动驾驶车辆对紧急车辆的响应
JP6443551B2 (ja) シーン評価装置、走行支援装置、シーン評価方法
CN114475649A (zh) 自动驾驶控制装置和自动驾驶控制方法
US20220176987A1 (en) Trajectory limiting for autonomous vehicles
WO2019089455A1 (en) Semantic object clustering for autonomous vehicle decision making
US11708087B2 (en) No-block zone costs in space and time for autonomous vehicles
KR20230001869A (ko) 차량 제어 장치, 그를 포함한 시스템 및 그 방법
CN115285141A (zh) 智能驾驶过路口的控制方法、***以及可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20210517

Address after: 100055 1802, 18 / F, building 3, yard 9, Guang'an Road, Fengtai District, Beijing

Applicant after: Momo Zhixing Technology Co.,Ltd.

Address before: 071000 No. 2266 Chaoyang South Street, Hebei, Baoding

Applicant before: Great Wall Motor Co.,Ltd.

GR01 Patent grant
GR01 Patent grant