CN111477030B - 车辆协同避险方法、车端平台、云端平台及存储介质 - Google Patents

车辆协同避险方法、车端平台、云端平台及存储介质 Download PDF

Info

Publication number
CN111477030B
CN111477030B CN202010288638.5A CN202010288638A CN111477030B CN 111477030 B CN111477030 B CN 111477030B CN 202010288638 A CN202010288638 A CN 202010288638A CN 111477030 B CN111477030 B CN 111477030B
Authority
CN
China
Prior art keywords
vehicle
information
state
target vehicle
early warning
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010288638.5A
Other languages
English (en)
Other versions
CN111477030A (zh
Inventor
彭程
陈新
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.)
Beijing Automotive Group Co Ltd
Beijing Automotive Research Institute Co Ltd
Original Assignee
Beijing Automotive Group Co Ltd
Beijing Automotive 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 Beijing Automotive Group Co Ltd, Beijing Automotive Research Institute Co Ltd filed Critical Beijing Automotive Group Co Ltd
Priority to CN202010288638.5A priority Critical patent/CN111477030B/zh
Publication of CN111477030A publication Critical patent/CN111477030A/zh
Application granted granted Critical
Publication of CN111477030B publication Critical patent/CN111477030B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/161—Decentralised systems, e.g. inter-vehicle communication
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/025—Services making use of location information using location based information parameters
    • H04W4/026—Services making use of location information using location based information parameters using orientation information, e.g. compass
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/025—Services making use of location information using location based information parameters
    • H04W4/027—Services making use of location information using location based information parameters using movement velocity, acceleration information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/46—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for vehicle-to-vehicle communication [V2V]

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请实施例公开了一种车辆协同避险方法、车端平台、云端平台及存储介质，其中，车辆协同避险方法包括步骤：向云端平台发送周边车辆信息、自车信息、路测状态信息，以使得云端平台根据周边车辆信息、自车信息、路测状态信息判断周边车辆是否对目标车辆构成碰撞风险，若是则生成预警信息和基础信息；至少根据基础信息和预警信息、有限状态机模型生成目标车辆的第二行驶状态下的控制信息；根据控制信息将目标车辆的行驶状态从第一行驶状态转化为第二行驶状态等步骤。本申请能偶通过车辆之间、车辆与交通之间、车辆与云端之间的信息交互及各种信息的协同处理，确保车辆在行驶过程对车辆中做出安全正确的决策与控制，使车辆能够安全平稳的行驶。

Description

车辆协同避险方法、车端平台、云端平台及存储介质
技术领域
本申请涉及智能驾驶领域，尤其涉及一种车辆协同避险方法、车端平台、云端平台及存储介质。
背景技术
随着车辆智能化的不断发展，车辆协同控制对于自动驾驶汽车愈发重要。现在车辆协同控制还是比较单一的人机的协同控制，这种方式有以下缺陷：人在控制和决策中占很大的比例，智能性较差，另一方面，这种方式中的智能控制***对比人而言学习和自适应能力相对较弱,进而基于环境理解的综合处理能力不够完善,对未知复杂工况的决策能力较差，进而而人在进行决策时从该智能控制***得到的信息也相对较少而无法作出更加全面的判断与决策。
发明内容
本申请的目的在于公开一种车辆协同避险方法、车端平台、云端平台及存储介质，用于通过车辆之间、车辆与交通之间、车辆与云端之间的信息交互及各种信息的协同处理，确保车辆在行驶过程对车辆中做出安全正确的决策与控制，使车辆能够安全平稳的行驶。
本申请第一方面公开一种车辆协同避险方法，方法应用于车端平台，方法包括步骤：
获取目标车辆的第一行驶状态下的自车信息，以及目标车辆检测周边车辆生成的周边车辆信息、道路交通***发送的路测状态信息；
向云端平台发送周边车辆信息、自车信息、路测状态信息，以使得云端平台根据周边车辆信息、自车信息、路测状态信息判断周边车辆是否对目标车辆构成碰撞风险，若是则生成预警信息和基础信息并将预警信息和基础信息发送至车端平台；
接收云端平台发送的基础信息和预警信息；
至少根据基础信息和预警信息、有限状态机模型生成目标车辆的第二行驶状态下的控制信息；
根据控制信息将目标车辆的行驶状态从第一行驶状态转化为第二行驶状态。
本申请第一方面的车端平台通过获取自车信息、周边车辆的信息、道路交通***发送的路测状态信息，将路测状态信息和周边车辆的信息发送给云端平台，进而能够得到云端平台根据路测状态信息、周边车辆的信息和自身信息生成的预警信息和基础信息，进而能够根据预警信息和基础信息和有限状态机模型将目标车辆从第一行驶状态转换为第二行驶状态，由于本申请的车端平台能够采集更多的信息，进而云端平台能够根据更多的信息更加智能生成预警信息和基础信息，进而车端平台对目标车辆进行控制时，能够基于预警信息和基础信息智能、全面地作出控制决策，因此车端平台与现有技术相比，具有综合处理能力更优、对未知复杂工况的决策能力更优、对人的依赖更小等优点。
作为一种可选的实施方式，有限状态机模型包括初始状态节点、巡线行驶状态节点、路口通行状态节点、路口避障状态节点、通过关节状态节点、强制左换状态节点、强制右换状态节点、自由左换状态节点、自由右换状态节点、错误状态节点、完成状态节点中的至少两项状态节点。
在本可选的实施方式中，有限状态机模型定义了多种状态之间的转换条件，从而基于有限状态机模型，车端平台能够更加精准地根据预警信息和基础信息，将目标车辆从第一行驶状态转换为第二行驶状态。
作为一种可选的实施方式，在接收云端平台发送的基础信息和预警信息之后，至少根据基础信息和预警信息、有限状态机模型生成目标车辆的第二行驶状态下的控制信息之前，方法还包括：
根据周边车辆信息、路测状态信息确定周边车辆的相对位、方位角和移动轨迹；
根据周边车辆的相对位、方位角、移动轨迹对周边车辆进行目标分类并确定周边车辆的目标类型；
基于周边车辆的目标类型确定周边车辆的危险评估；
以及，至少根据基础信息和预警信息、有限状态机模型生成目标车辆的第二行驶状态下的控制信息，包括：
根据危险评估、基础信息和预警信息、有限状态机模型生成目标车辆的第二行驶状态下的控制信息。
在本可选的实施方式中，根据周边车辆信息、路测状态信息能够确定周边车辆的相对位、方位角和移动轨，进而能够对周边车辆进行目标分类的，从而能够初步判断周边车辆的目标类型，进而基于目标类型对周边车辆进行危险评估，进而根据危险评估、基础信息和预警信息、有限状态机模型生成目标车辆的第二行驶状态下的控制信息。
本申请第二方面公开一种车辆协同避险方法，方法应用于云端平台，方法包括：
接收车端平台发送的目标车辆的第一行驶状态下的自车信息，以及目标车辆检测周边车辆生成的周边车辆信息、路测状态信息；
根据周边车辆信息、自车信息、路测状态信息判断周边车辆是否对目标车辆构成碰撞风险；
当根据周边车辆信息、自车信息、路测状态信息判断出周边车辆对目标车辆构成碰撞风险时，生成预警信息和基础信息；
将预警信息和基础信息发送至车端平台，以使得车端平台根据预警信息、基础信息、有限状态机模型生成第二驾驶状态下的控制信息，并根据控制信息将目标车辆的行驶状态从第一行驶状态转为的第二行驶状态。
本申请第二方面的云端平台根据路测状态信息、周边车辆的信息和自身信息生成的预警信息和基础信息，进而能够向车端平台返回预警信息和基础信息，以使得车端平台能够根据预警信息和基础信息和有限状态机模型将目标车辆从第一行驶状态转换为第二行驶状态，由于本申请的云端平台能够基于车端平台采集的信息更加智能生成预警信息和基础信息，进而使得车端平台对目标车辆进行控制时，能够基于预警信息和基础信息智能、全面地作出控制决策，因此与现有技术相比，云端平台具有综合处理能力更优、对未知复杂工况的决策能力更优、对人的依赖更小等优点。
作为一种可选的实施方式，生成预警信息和基础信息，包括：
根据周边车辆对目标车辆构成碰撞风险的类型确定预警信息；
根据预警信息从协同服务集筛选出至少一种服务类型；
根据至少一种服务类型确定基础信息。
在本可选的实施方式中，云端平台能够根据周边车辆对目标车辆构成碰撞风险的类型确定预警信息，进而能够预警信息从协同服务集筛选出至少一种服务类型，从而能够基于服务类型确定基础信息。
作为一种可选的实施方式，协同服务集包括通信接入服务集、语音服务集、位置服务集、天气服务集中的至少一项。
在本可选的实施方式中，协同服务集包括多项服务集，从而能够在判断出周边车辆对目标车辆造成碰撞危险时，能够更加智能地为目标车辆提供避险服务。
作为一种可选的实施方式，根据周边车辆信息、自车信息、路测状态信息判断周边车辆是否对目标车辆构成碰撞风险，包括：
根据周边车辆信息、自车信息、路测状态信息判断周边车辆是否满足预设条件，若是则确定周边车辆对目标车辆构成碰撞风险；
其中，预设条件为目标车辆与周边车辆同时处于第一预警区域内且周边车辆的速度大于预设第一速度阈值，
或目标车辆与周边车辆同时处于第二预警区域内且目标车辆的速度大于预设第二速度阈值，
或目标车辆开启转向指示灯，且在与转向指示灯相同方向的第三预警区域内，周边车辆的车速大于预设第三速度阈值。
在本可选实施方式中，通过根据周边车辆信息、自车信息、路测状态信息能够判断周边车辆是否满足预设条件，进而实现目标车辆的十字路口不明状态预警避险、前向碰撞预警避险、车辆变道预警避险等场景预警避险。
本申请第三方面公开一种车端平台，车端平台包括：
获取模块，用于获取目标车辆的第一行驶状态下的自车信息，以及目标车辆检测周边车辆生成的周边车辆信息、道路交通***发送的路测状态信息；
第一发送模块，用于向云端平台发送周边车辆信息、自车信息、路测状态信息，以使得云端平台根据周边车辆信息、自车信息、路测状态信息判断周边车辆是否对目标车辆构成碰撞风险，若是则生成预警信息和基础信息并将预警信息和基础信息发送至车端平台；
第一接收模块，用于接收云端平台发送的基础信息和预警信息；
第一生成模块，用于至少根据基础信息和预警信息、有限状态机模型生成目标车辆的第二行驶状态下的控制信息；
控制模块，用于根据控制信息将目标车辆的行驶状态从第一行驶状态转化为第二行驶状态。
本申请第三方面的车端平台通过执行车辆协同避险方法，能够获取自车信息、周边车辆的信息、道路交通***发送的路测状态信息，将路测状态信息和周边车辆的信息发送给云端平台，进而能够得到云端平台根据路测状态信息、周边车辆的信息和自身信息生成的预警信息和基础信息，进而能够根据预警信息和基础信息和有限状态机模型将目标车辆从第一行驶状态转换为第二行驶状态，由于本申请的车端平台能够采集更多的信息，进而云端平台能够根据更多的信息更加智能生成预警信息和基础信息，进而车端平台对目标车辆进行控制时，能够基于预警信息和基础信息智能、全面地作出控制决策，因此车端平台与现有技术相比，具有综合处理能力更优、对未知复杂工况的决策能力更优、对人的依赖更小等优点。
本申请第四方面公开一种云端平台，云端平台包括：
第二接收模块，用于接收车端平台发送的目标车辆的第一行驶状态下的自车信息，以及目标车辆检测周边车辆生成的周边车辆信息、路测状态信息；
判断模块，用于根据周边车辆信息、自车信息、路测状态信息判断周边车辆是否对目标车辆构成碰撞风险；
第二生成模块，用于当根据周边车辆信息、自车信息、路测状态信息判断周边车辆判断出周边车辆对目标车辆构成碰撞风险时，生成预警信息和基础信息；
第二发送模块，用于将预警信息和基础信息发送至车端平台，以使得车端平台根据预警信息、基础信息、有限状态机模型生成第二驾驶状态下的控制信息，并根据控制信息将目标车辆的行驶状态从第一行驶状态转为的第二行驶状态。
本申请第四方面的云端平台通过执行车辆协同避险方法，能够根据路测状态信息、周边车辆的信息和自身信息生成的预警信息和基础信息，进而能够向车端平台返回预警信息和基础信息，以使得车端平台能够根据预警信息和基础信息和有限状态机模型将目标车辆从第一行驶状态转换为第二行驶状态，由于本申请的云端平台能够基于车端平台采集的信息更加智能生成预警信息和基础信息，进而使得车端平台对目标车辆进行控制时，能够基于预警信息和基础信息智能、全面地作出控制决策，因此与现有技术相比，云端平台具有综合处理能力更优、对未知复杂工况的决策能力更优、对人的依赖更小等优点。
本申请第五方面公开一种计算机存储介质，计算机存储介质存储有计算机程序，计算机程序被处理器执行本申请第一方面及第二方面公开的车辆协同避险方法。
本申请第五方面的计算机存储介质通过执行车辆协同避险方法，能够根据路测状态信息、周边车辆的信息和自身信息生成的预警信息和基础信息，进而能够根据预警信息和基础信息和有限状态机模型将目标车辆从第一行驶状态转换为第二行驶状态，由于本申请能够更加智能生成预警信息和基础信息，进而在对目标车辆进行控制时，能够基于预警信息和基础信息智能、全面地作出控制决策，因此与现有技术相比，本申请具有综合处理能力更优、对未知复杂工况的决策能力更优、对人的依赖更小等优点。
附图说明
为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对本申请保护范围的限定。在各个附图中，类似的构成部分采用类似的编号。
图1为本申请实施例公开的一种协同控制***的***结构图；
图2为本申请实施例公开的一种有限状态机模型的结构示意图；
图3是本申请实施例公开的一种车辆协同避险方法的流程示意图；
图4是本申请实施例公开的又一种车辆协同避险方法的流程示意图；
图5是本申请实施例公开的再一种车辆协同避险方法的流程示意图；
图6是本申请实施例公开的一种十字路口不明状态预警场景示意图；
图7是本申请实施例公开的一种前向碰撞预警场景示意图；
图8是本申请实施例公开的一种车辆变道预警场景示意图；
图9是本申请实施例公开的一种车端平台的结构示意图；
图10是本申请实施例公开的一种云端平台的结构示意图。
具体实施方式
下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。
在详细介绍本申请实施例之前，为了便于理解本申请实施例，先对本申请涉及的一种协同控制***进行详细介绍。
请参阅图1，图1是本申请实施例公开的一种协同控制***的***结构图。如图1所示，该协同控制***包括三个子***，即包括应用场景库、基础平台、应用服务场景，其中，基础平台子***包括车端平台(即车端数据平台)和云端平台(即云端服务平台)。
在本申请实施例中，车端平台包括驱动层、接口层、数据融合层、世界模型层、应用层、其中，驱动层用于管理车辆上的设备，如用于管理车载雷达、车载摄像头、串口/网口GPS等设备。接口层用于将驱动层获取的设备数据抽接口化，使得不同车端平台、车端平台与云端平台之间能够按照接口定义实现数据交。数据融合层用于根据融合算法将多个来源的数据进行融合。而应用层用于为应用软件提供基本应用功能，例如提供画面渲染等功能。需要说明的是，车端平台驱动层、接口层、数据融合层、世界模型层、应用层为实现车端平台与云端平台、安装于其他车辆上的车端平数据交互的基础环境，该基础环境可执行本申请实施例的车辆协同避险方法。
在本申请实施例中，世界模型层用于应用场景库中的调用世界模型，其中，世界模型包括存在于真实世界中的事物的属性对应的数据节点及管理真实世界中的事物动态变化的管理功能，例如，数据节点可以是位置、状态、路径、信号灯、指示牌等数据项，从而映射车辆的位置、状态等真实属性。再例如，世界模型能够用于定期清除较长时间没有出现在可视范围内对象(对象可以指的是周边车辆、行人等对象)。另一方面，世界模型能够采用数据结构对对象进行空间划分，例如，采用四叉树或KD树(k-dimensional)对对象进行划分。通过世界模型，能够进一步将真实世界的事物进行数据抽象化，进而便于数据交互和便于根据算法对数据进行处理，从而便于精确控制车辆避险。
在本申请实施例中，应用场景库除了包括上述的世界模型，还包括有限状态机模型(即有限状态机模型)、协同服务能力集，其中，有限状态机模型定义在预设场景下车辆可能出现的多种行驶状态及多种行驶状态之间的转换条件。例如，请参阅图2所示，图2是本申请实施例公开的一种有限状态机模型的结构示意图。如图2所示，该有限状态机模型包括错误状态节点、初始状态节点、路口避障节点、自由右换节点、自由左换节点等状态节点，同时，不同状态节点之间通过转换条件C1-C37表示，这样一来，通过有限状态机模型，就能够模拟车辆在不同场景下的行驶状态及行驶状态的转换，进而便于精确控制车辆避险。
在本申请实施例中，协同服务能力集包括多种服务集，例如包括通信接入服务集、语音服务集、位置服务集、天气服务集等。需要说明的是，服务集可以指代的是实现各种服务功能的函数包或由函数包构成的库文件等，这些函数包或由函数包构成的库文件与指定名称建立索引关系并被存储在预设数据库中，当需要使用某种功能时，可通过名称调用服务集，进而以插件的形式被执行容器安装并执行。例如，当需要使用天气服务时，可调用天气服务集并通过执行天气服务集并实现天气服务。
在本申请实施例中，可根据不同的应用场景调用一个服务集或两个以上的服务集，从而能够根据不同的智能驾驶服务的需求，智能编排服务能力集。
在本申请实施例中，应用服务场景包括十字路口不明状态预警、前向碰撞预警、车辆变道预警。应用服务场景可用于为判断目标车辆与周边车辆是否构成碰撞危险提供指定场景下的判断条件。
实施例1
请参阅图3，图3是本申请实施例公开的一种车辆协同避险方法的流程示意图，该方法应用于车端平台。如图3所示，该车辆协同避险方法包括S101、S102、S103、S104、S105，其中：
S101：获取目标车辆的第一行驶状态下的自车信息，以及目标车辆检测周边车辆生成的周边车辆信息、道路交通***发送的路测状态信息。
在本申请实施例中，目标车辆为待控制车辆，例如，在智能驾驶测试过程中的测试车辆。
在本申请实施例中，目标车辆的第一行驶状态对应有限状态机模型中的一种状态节点。另一方面，第一行驶状态与目标车辆当前属性关联。例如，当目标车辆的当前速度为60km/h、当前加速度为60km/h，此时，将目标车辆定义为第一行驶状态。
在本申请实施例中，周边车辆信息可以是能够被目标车辆检测到的车辆，其中，目标车辆装载有雷达、摄像头等其他用于检测周边车辆的传感器。例如，目标车辆通过摄像头捕获距离其1米范围内的车辆的图像。
在本申请实施例中，可选地，周边车辆信息可以包括周边车辆的速度、加速度、位置、大小，需要说明的是，周边车辆信息的具体数据项除了包括周边车辆的速度、加速度、位置、大小之外，还可以包括在车辆智能控制过程所需要的其他数据，本申请实施对周边车辆信息的具体内容不作限定，本领域技术人员在不脱离本申请实施例的发明构思的前提下所作出的对周边车辆信息的具体内容的改动(如增加周边车辆信息的具体内容、删除周边车辆信息的具体内容)均落入本申请实施例记载范围。
在本申请实施例中，路测状态信息可以是信号灯、指示牌、路基等物体的属性信息，例如可以是信号灯的位置和颜色、指示牌的位置和图标。优选地，路测状态信息可以是道路交通***采集并发送至车端平台，其中，车端平台可通过向道路交通***发送携带认证信息的数据拉取请求，进而道路交通***对认证信息验证成功后，向车端平台返回路测状态信息。
S102：向云端平台发送周边车辆信息、自车信息、路测状态信息，以使得云端平台根据周边车辆信息、自车信息、路测状态信息判断周边车辆是否对目标车辆构成碰撞风险，若是则生成预警信息和基础信息并将预警信息和基础信息发送至车端平台。
在本申请实施例中，预警信息包括预警类型和预警等级，这样一来，车端平台能够根据预警类型和预警等级执行不同的避险动作，即将目标车辆从第一行驶状态转换为相应的第二行驶状态。
在本申请实施例中，基础信息可以包括用于控制目标车辆的决策信息，这样一来，车端平台根据基础信息确定是否将车辆的控制权交给云端平台，进而可实现当云端平台判断出目标车辆处于紧急情况时，使得云端平台可直接控制目标车辆。
示例性地，当目标车辆与周边车辆相距1米，云端平台通过基础信息可直接控制目标车辆。
S103：接收云端平台发送的基础信息和预警信息。
S104:至少根据基础信息和预警信息、有限状态机模型生成目标车辆的第二行驶状态下的控制信息。
在本申请实施例中，第二行驶状态对应有限状态机模型中的一种状态节点。
S105:根据控制信息将目标车辆的行驶状态从第一行驶状态转化为第二行驶状态。
在本申请实施例中，可选地，车端平台可向控制目标车辆速度的装置输入控制信息以实现第一行驶状态与第二行驶状态之间的转换，也可以将控制信息展示向驾驶人员，通过驾驶人员改变目标车辆的行驶状态。
例如，当判断出周边车辆对目标车辆构成碰撞风险时，车端平台可根据预警信息和基础信息生成预警画面，其中，预警画面的展示持续时间可以是3S，也可以是4S，对比本申请实施不作限定。
可见，本申请实施例的车端平台通过获取自车信息、周边车辆的信息、道路交通***发送的路测状态信息，将路测状态信息和周边车辆的信息发送给云端平台，进而能够得到云端平台根据路测状态信息、周边车辆的信息和自身信息生成的预警信息和基础信息，进而能够根据预警信息和基础信息和有限状态机模型将目标车辆从第一行驶状态转换为第二行驶状态，由于本申请的车端平台能够采集更多的信息，进而云端平台能够根据更多的信息更加智能生成预警信息和基础信息，进而车端平台对目标车辆进行控制时，能够基于预警信息和基础信息智能、全面地作出控制决策，因此车端平台与现有技术相比，具有综合处理能力更优、对未知复杂工况的决策能力更优、对人的依赖更小等优点。
作为一种可选的实施方式，有限状态机模型可以包括初始状态节、完成状态节点，也可以包括初始状态节、完成状态节点、巡线行驶状态节点、路口通行状态节点、路口避障状态节点、通过关节状态节点、强制左换状态节点、强制右换状态节点、自由左换状态节点、自由右换状态节点、错误状态节点、完成状态节点等多项状态节点。
在本可选的实施方式中，有限状态机模型定义了多种状态之间的转换条件，从而基于有限状态机模型，车端平台能够更加精准地根据预警信息和基础信息，将目标车辆从第一行驶状态转换为第二行驶状态。
实施例二
请参阅图4，图4是本申请实施例公开的一种车辆协同避险方法的流程示意图，该方法应用于车端平台。如图4所示，该车辆协同避险方法包括S201、S202、S203、S204、S205、S206、S207、S208，其中：
S201：获取目标车辆的第一行驶状态下的自车信息，以及目标车辆检测周边车辆生成的周边车辆信息、道路交通***发送的路测状态信息。
S202：向云端平台发送周边车辆信息、自车信息、路测状态信息，以使得云端平台根据周边车辆信息、自车信息、路测状态信息判断周边车辆是否对目标车辆构成碰撞风险，若是则生成预警信息和基础信息并将预警信息和基础信息发送至车端平台。
S203：接收云端平台发送的基础信息和预警信息。
S204：根据周边车辆信息、路测状态信息确定周边车辆的相对位、方位角和移动轨迹。
S205：根据周边车辆的相对位、方位角、移动轨迹对周边车辆进行目标分类并确定周边车辆的目标类型；
S206：基于周边车辆的目标类型确定周边车辆的危险评估。
S207:根据危险评估、基础信息和预警信息、有限状态机模型生成目标车辆的第二行驶状态下的控制信息。
S208:根据控制信息将目标车辆的行驶状态从第一行驶状态转化为第二行驶状态。
在本申请实施例中，第二行驶状态下的控制信息基于有限状态机模型中的两种状态之间的转换条件生成，例如，假设当目标车辆第一行驶状态的速度为60km/h、第二行驶状态为路口避障,且第一行驶状态转换为第二行驶状态的转换条件为预警等级为2和预警类型为路口碰撞，则车端平台生成的控制信息为“速度为0km/h”，从而根据“速度为0km/h”这一控制信息将目标车辆从第一行驶状态转换为第二行驶状态。
在本申请实施例中，车端平台根据周边车辆的相对位、方位角和移动轨迹判断周边车辆是否构成危险，这样一来，就能够在云端平台返回预警信息和基础信息之前，动态检测周边车辆的危险，从而更加智能地对目标车辆作出控制。例如，在云端平台返回预警信息和基础信息之前，周边车辆已驶离目标车辆，此时车端平台通过分析周边车辆的相对位、方位角和移动轨迹判断出周边车辆已不构成碰撞危险，进而车端平台可不改变目标车辆的行驶状态。
可见，本申请实施例能够根据周边车辆信息、路测状态信息能够确定周边车辆的相对位、方位角和移动轨，进而能够对周边车辆进行目标分类的，从而能够初步判断周边车辆的目标类型，进而基于目标类型对周边车辆进行危险评估，进而根据危险评估、基础信息和预警信息、有限状态机模型生成目标车辆的第二行驶状态下的控制信息，从而实现更加智能对目标车辆进行避险控制。
需要说明的是，关于S201、S202、S203、S208的详细描述，可参考本申请实施例一中的S101、S102、S103、S105的详细描述，在此不作赘述。
实施例三
请参阅图5，图5是本申请实施例公开的一种车辆协同避险方法的流程示意图，该方法应用于云端平台。如图5所示，该车辆协同避险方法包括S301、S302、S303、S304，其中：
S301：接收车端平台发送的目标车辆的第一行驶状态下的自车信息，以及目标车辆检测周边车辆生成的周边车辆信息、路测状态信息。
在本申请实施例中，目标车辆为待控制车辆，例如，在智能驾驶测试过程中的测试车辆。
在本申请实施例中，目标车辆的第一行驶状态对应有限状态机模型中的一种状态节点。另一方面，第一行驶状态与目标车辆当前属性关联。例如，当目标车辆的当前速度为60km/h、当前加速度为60km/h，此时，将目标车辆定义为第一行驶状态。
在本申请实施例中，周边车辆信息可以是能够被目标车辆检测到的车辆，其中，目标车辆装载有雷达、摄像头等其他用于检测周边车辆的传感器。例如，目标车辆通过摄像头捕获距离其1米范围内的车辆的图像。
在本申请实施例中，可选地，周边车辆信息可以包括周边车辆的速度、加速度、位置、大小，需要说明的是，周边车辆信息的具体数据项除了包括周边车辆的速度、加速度、位置、大小之外，还可以包括在车辆智能控制过程所需要的其他数据，本申请实施对周边车辆信息的具体内容不作限定，本领域技术人员在不脱离本申请实施例的发明构思的前提下所作出的对周边车辆信息的具体内容的改动(如增加周边车辆信息的具体内容、删除周边车辆信息的具体内容)均落入本申请实施例记载范围。
在本申请实施例中，路测状态信息可以是信号灯、指示牌、路基等物体的属性信息，例如可以是信号灯的位置和颜色、指示牌的位置和图标。优选地，路测状态信息可以是道路交通***采集并发送至车端平台，其中，车端平台可通过向道路交通***发送携带认证信息的数据拉取请求，进而道路交通***对认证信息验证成功后，向车端平台返回路测状态信息。
S302：根据周边车辆信息、自车信息、路测状态信息判断周边车辆是否对目标车辆构成碰撞风险。
S303：当根据周边车辆信息、自车信息、路测状态信息判断出周边车辆对目标车辆构成碰撞风险时，生成预警信息和基础信息。
示例性地，当目标车辆与周边车辆相距1米，云端平台通过基础信息可直接控制目标车辆。
S304：将预警信息和基础信息发送至车端平台，以使得车端平台根据预警信息、基础信息、有限状态机模型生成第二驾驶状态下的控制信息，并根据控制信息将目标车辆的行驶状态从第一行驶状态转为的第二行驶状态。
可见，本申请实施例的云端平台根据路测状态信息、周边车辆的信息和自身信息生成的预警信息和基础信息，进而能够向车端平台返回预警信息和基础信息，以使得车端平台能够根据预警信息和基础信息和有限状态机模型将目标车辆从第一行驶状态转换为第二行驶状态，由于本申请的云端平台能够基于车端平台采集的信息更加智能生成预警信息和基础信息，进而使得车端平台对目标车辆进行控制时，能够基于预警信息和基础信息智能、全面地作出控制决策，因此与现有技术相比，云端平台具有综合处理能力更优、对未知复杂工况的决策能力更优、对人的依赖更小等优点。
作为一种可选的实施方式，S303：当根据周边车辆信息、自车信息、路测状态信息判断出周边车辆对目标车辆构成碰撞风险时，生成预警信息和基础信息，包括：
根据周边车辆对目标车辆构成碰撞风险的类型确定预警信息；
根据预警信息从协同服务集筛选出至少一种服务类型；
根据至少一种服务类型确定基础信息。
在本可选实施方式中，预警信息包括预警类型和预警等级，这样一来，车端平台能够根据预警类型和预警等级执行不同的避险动作，即将目标车辆从第一行驶状态转换为相应的第二行驶状态。
在本可选实施方式中，基础信息可以包括用于引导目标车辆避险的信息，如导航语音信息。
示例性地，假设目标车辆有驾驶员在内，当判断出目标车辆有碰撞风险时，可生产导航语音信息，以引导驾驶员避免碰撞。
在本可选实施方式中，可选地，基础信息还可以包括用于控制目标车辆的决策信息，这样一来，车端平台根据基础信息确定是否将车辆的控制权交给云端平台，进而可实现当云端平台判断出目标车辆处于紧急情况时，使得云端平台可直接控制目标车辆。
可见，在本可选的实施方式中，云端平台能够根据周边车辆对目标车辆构成碰撞风险的类型确定预警信息，进而能够预警信息从协同服务集筛选出至少一种服务类型，从而能够基于服务类型确定基础信息。
作为一种可选的实施方式，协同服务集包括通信接入服务集、语音服务集、位置服务集、天气服务集中的至少一项。
在本可选的实施方式中，协同服务集包括多项服务集，从而能够在判断出周边车辆对目标车辆造成碰撞危险时，能够更加智能地为目标车辆提供避险服务。
作为一种可选的实施方式，S302:根据周边车辆信息、自车信息、路测状态信息判断周边车辆是否对目标车辆构成碰撞风险，包括子步骤：
根据周边车辆信息、自车信息、路测状态信息判断周边车辆是否满足预设条件，若是则确定周边车辆对目标车辆构成碰撞风险。可选地，预设条件为目标车辆与周边车辆同时处于第一预警区域内且周边车辆的速度大于预设第一速度阈值，预设条件适用于城市及郊区普通道路及公路的交叉路口、环道的入口、高速路入口等交叉路口的碰撞危险的预警。
示例性地，请参阅图6,图6是一种十字路口不明状态预警场景示意图。如图6所示，HV表示目标车辆、RV-1和RV-2代表周边车辆，此时，目标车辆和周边车辆处于第一预警区域，即目标车辆、周边车辆同时行驶至十字路口，进一步地，当周边车辆大于预设第一速度阈值时，确定周边车辆对目标车辆构成碰撞风险。
在本可选的实施中，可选地，预设第一速度阈值可以根据目标车辆当前的速度、周边车辆的速度、目标车辆与路***叉中心之间的距离、周边车辆与路***叉中心之间的距离确定。例如，假设目标车辆当前的速度为30km/h且距离路***叉中心为50m，周边车辆距离路***叉中心为50m,目标车辆距离路***叉中心为50m，则预设第一速度阈值为30km/h，即当目标车辆通过路口时，周边车辆也在通过路口，此时周边车辆对目标车辆构成碰撞危险。
在本可选的实施例中，进一步可选地，可根据目标车辆的当前速度和距离路***叉中心的距离确定预警等级。
示例性地，当目标车辆的速度为0～20km/h，距离路***叉中心为6m时，或目标车辆的速度为20～50km/h，距离路***叉中心为25m时，或目标车辆的速度为50～80km/h，距离路***叉中心为50m时,或目标车辆的速度为80～100km/h，距离路***叉中心为70m时，将预警等级确定为等级1，而其他情况下确定将预警等级确定为2。
需要说明的是，第一预警区域可以是以路***叉中心为原点，范围为R的圆区域，其中，R的值可以是30m,也可以是50m，对此本申请实施例不作限定。
在本可选的实施方式中，进一步可选地，预设条件为目标车辆与周边车辆同时处于第二预警区域内且目标车辆的速度大于预设第二速度阈值。
在本可选的实施方式中，请参阅图7，图7是一种前向碰撞预警场景示意图。如图7所示，第二预警区域可以是与目标车辆行驶方向相同的前方车道，且从目标车辆车头算起规定长宽的矩形范围，其中规定长宽可以是10m，对比本申请实施例不作限定。
在本可选的实施方式中，再进一步可选地，预设第二速度阈值可以根据周边车辆的当前速度确定。例如，假设周边车辆在目标车辆前方100m，此时周边车辆的速度为60km/m，此时，如果目标车辆大于60km/m这一预设第二速度阈值，则确定周边车辆对目标车辆构成碰撞危险。
在本可选的实施方式中，再进一步可选地，可根据目标车辆的当前速度和目标车辆与周边车辆之间的距离确定。
示例性地，当目标车辆的速度为40～60km/h，距离周边车辆为25m时，或目标车辆的速度为60～80km/h，距离周边车辆50m时，或目标车辆的速度为80～100km/h时，距周边车辆为70m,或目标车辆的速度为>100km/h，距离周边车辆为70m时，将预警等级确定为等级1，而其他情况下确定将预警等级确定为2。
在本可选的实施方式中，进一步可选地，预设条件为目标车辆开启转向指示灯，且在与转向指示灯相同方向的第三预警区域内，周边车辆的车速大于预设第三速度阈值。
在本可选的实施方式中，在与目标车辆行驶方向相同、且与目标车辆所在车道相邻的车道中，以目标车辆的车身横向中轴线算起规定长宽的矩形范围作为第三预警区域。例如，请参阅图8，图8是一种车辆变道预警场景示意图。如图8所示，假设目标车辆开启左转向指示灯，则以目标车辆的车身横向中轴线为起点向左边延伸出的线段WW和目标车辆的车尾延伸出线段WL构成第三预警区域。
在本可选的实施方式中，优选地，线段WL的取值范围可以是<＝20m，而线段WW的取值范围可以是<＝3.5m。进一步优选地，预设第三速度阈值可以根据36km/h～108km这一速度范围确定。
在本可选的实施方式中，进一步可选地，预设条件为目标车辆开启转向指示灯，且在与转向指示灯相同方向的第三预警区域内，且存在预时间区间内进入第三预警区域的周边车辆。
示例性，当目标车辆开启左转向指示灯时，以左转向指示灯开启时计时，若5S内检测到有周边车辆进入第三预警区域，则确定周边车辆对目标车辆构成碰撞危险。
可见，本可选实施方式通过根据周边车辆信息、自车信息、路测状态信息能够判断周边车辆是否满足预设条件，进而实现目标车辆的十字路口不明状态预警避险、前向碰撞预警避险、车辆变道预警避险等场景预警避险。
实施例四
请参阅图9，图9是本申请实施例公开的一种车端平台的结构示意图。如图9所示，该车端平台包括获取模块401、第一发送模块402、第一接收模块403、第一生成模块404、控制模块405，其中：
获取模块401，用于获取目标车辆的第一行驶状态下的自车信息，以及目标车辆检测周边车辆生成的周边车辆信息、道路交通***发送的路测状态信息。
在本申请实施例中，目标车辆为待控制车辆，例如，在智能驾驶测试过程中的测试车辆。
在本申请实施例中，目标车辆的第一行驶状态对应有限状态机模型中的一种状态节点。另一方面，第一行驶状态与目标车辆当前属性关联。例如，当目标车辆的当前速度为60km/h、当前加速度为60km/h，此时，将目标车辆定义为第一行驶状态。
在本申请实施例中，周边车辆信息可以是能够被目标车辆检测到的车辆，其中，目标车辆装载有雷达、摄像头等其他用于检测周边车辆的传感器。例如，目标车辆通过摄像头捕获距离其1米范围内的车辆的图像。可选地，周边车辆信息可以包括周边车辆的速度、加速度、位置、大小，需要说明的是，周边车辆信息的具体数据项除了包括周边车辆的速度、加速度、位置、大小之外，还可以包括在车辆智能控制过程所需要的其他数据，本申请实施对周边车辆信息的具体内容不作限定，本领域技术人员在不脱离本申请实施例的发明构思的前提下所作出的对周边车辆信息的具体内容的改动(如增加周边车辆信息的具体内容、删除周边车辆信息的具体内容)均落入本申请实施例记载范围。
在本申请实施例中，路测状态信息可以是信号灯、指示牌、路基等物体的属性信息，例如可以是信号灯的位置和颜色、指示牌的位置和图标。优选地，路测状态信息可以是道路交通***采集并发送至车端平台，其中，车端平台可通过向道路交通***发送携带认证信息的数据拉取请求，进而道路交通***对认证信息验证成功后，向车端平台返回路测状态信息。
第一发送模块402，用于向云端平台发送周边车辆信息、自车信息、路测状态信息，以使得云端平台根据周边车辆信息、自车信息、路测状态信息判断周边车辆是否对目标车辆构成碰撞风险，若是则并将预警信息和基础信息发送至车端平台。
在本申请实施例中，预警信息包括预警类型和预警等级，这样一来，车端平台能够根据预警类型和预警等级执行不同的避险动作，即将目标车辆从第一行驶状态转换为相应的第二行驶状态。
在本申请实施例中，基础信息可以包括用于控制目标车辆的决策信息，这样一来，车端平台根据基础信息确定是否将车辆的控制权交给云端平台，进而可实现当云端平台判断出目标车辆处于紧急情况时，使得云端平台可直接控制目标车辆。
示例性地，当目标车辆与周边车辆相距1米，云端平台通过基础信息可直接控制目标车辆。
第一接收模块403，用于接收云端平台发送的基础信息和预警信息。
第一生成模块404，用于至少根据基础信息和预警信息、有限状态机模型生成目标车辆的第二行驶状态下的控制信息。
在本申请实施例中，第二行驶状态对应有限状态机模型中的一种状态节点。
控制模块405，用于根据控制信息将目标车辆的行驶状态从第一行驶状态转化为第二行驶状态。
在本申请实施例中，可选地，车端平台可向控制目标车辆速度的装置输入控制信息以实现第一行驶状态与第二行驶状态之间的转换，也可以将控制信息展示向驾驶人员，通过驾驶人员改变目标车辆的行驶状态。
例如，当判断出周边车辆对目标车辆构成碰撞风险时，车端平台可根据预警信息和基础信息生成预警画面，其中，预警画面的展示持续时间可以是3S，也可以是4S，对比本申请实施不作限定。
可见，本申请实施例的车端平台通过执行车辆协同避险方法，能够获取自车信息、周边车辆的信息、道路交通***发送的路测状态信息，将路测状态信息和周边车辆的信息发送给云端平台，进而能够得到云端平台根据路测状态信息、周边车辆的信息和自身信息生成的预警信息和基础信息，进而能够根据预警信息和基础信息和有限状态机模型将目标车辆从第一行驶状态转换为第二行驶状态，由于本申请的车端平台能够采集更多的信息，进而云端平台能够根据更多的信息更加智能，进而车端平台对目标车辆进行控制时，能够基于预警信息和基础信息智能、全面地作出控制决策，因此车端平台与现有技术相比，具有综合处理能力更优、对未知复杂工况的决策能力更优、对人的依赖更小等优点。
作为一种可选的实施方式，有限状态机模型可以包括初始状态节、完成状态节点，也可以包括初始状态节、完成状态节点、巡线行驶状态节点、路口通行状态节点、路口避障状态节点、通过关节状态节点、强制左换状态节点、强制右换状态节点、自由左换状态节点、自由右换状态节点、错误状态节点、完成状态节点等多项状态节点。
在本可选的实施方式中，有限状态机模型定义了多种状态之间的转换条件，从而基于有限状态机模型，车端平台能够更加精准地根据预警信息和基础信息，将目标车辆从第一行驶状态转换为第二行驶状态。
作为一种可选的实施方式，车端平台还包括第一确定模块、分类模块、第二确定模块，其中：
第一确定模块，用于根据周边车辆信息、路测状态信息确定周边车辆的相对位、方位角和移动轨迹；
分类模块，用于根据周边车辆的相对位、方位角、移动轨迹对周边车辆进行目标分类并确定周边车辆的目标类型；
第二确定模块，基于周边车辆的目标类型确定周边车辆的危险评估。
进一步可选地，第一生成模块404执行至少根据基础信息和预警信息、有限状态机模型生成目标车辆的第二行驶状态下的控制信息的具体方式为：
根据危险评估、基础信息和预警信息、有限状态机模型生成目标车辆的第二行驶状态下的控制信息。
在本可选实施方式中，第二行驶状态下的控制信息基于有限状态机模型中的两种状态之间的转换条件生成，例如，假设当目标车辆第一行驶状态的速度为60km/h、第二行驶状态为路口避障,且第一行驶状态转换为第二行驶状态的转换条件为预警等级为2和预警类型为路口碰撞，则车端平台生成的控制信息为“速度为0km/h”，从而根据“速度为0km/h”这一控制信息将目标车辆从第一行驶状态转换为第二行驶状态。
在本可选实施方式中，车端平台根据周边车辆的相对位、方位角和移动轨迹判断周边车辆是否构成危险，这样一来，就能够在云端平台返回预警信息和基础信息之前，动态检测周边车辆的危险，从而更加智能地对目标车辆作出控制。例如，在云端平台返回预警信息和基础信息之前，周边车辆已驶离目标车辆，此时车端平台通过分析周边车辆的相对位、方位角和移动轨迹判断出周边车辆已不构成碰撞危险，进而车端平台可不改变目标车辆的行驶状态。
可见，本可选实施方法能够根据周边车辆信息、路测状态信息能够确定周边车辆的相对位、方位角和移动轨，进而能够对周边车辆进行目标分类的，从而能够初步判断周边车辆的目标类型，进而基于目标类型对周边车辆进行危险评估，进而根据危险评估、基础信息和预警信息、有限状态机模型生成目标车辆的第二行驶状态下的控制信息，从而实现更加智能对目标车辆进行避险控制。
实施例五
请参阅图10，图10是本申请实施例公开的一种云端平台的结构示意图。如图10所示，该云端平台包括第二接收模块501、判断模块502、第二生成模块503、第二发送模块504，其中：
第二接收模块501，用于接收车端平台发送的目标车辆的第一行驶状态下的自车信息，以及目标车辆检测周边车辆生成的周边车辆信息、路测状态信息。
在本申请实施例中，目标车辆为待控制车辆，例如，在智能驾驶测试过程中的测试车辆。
在本申请实施例中，目标车辆的第一行驶状态对应有限状态机模型中的一种状态节点。另一方面，第一行驶状态与目标车辆当前属性关联。例如，当目标车辆的当前速度为60km/h、当前加速度为60km/h，此时，将目标车辆定义为第一行驶状态。
在本申请实施例中，周边车辆信息可以是能够被目标车辆检测到的车辆，其中，目标车辆装载有雷达、摄像头等其他用于检测周边车辆的传感器。例如，目标车辆通过摄像头捕获距离其1米范围内的车辆的图像。可选地，周边车辆信息可以包括周边车辆的速度、加速度、位置、大小，需要说明的是，周边车辆信息的具体数据项除了包括周边车辆的速度、加速度、位置、大小之外，还可以包括在车辆智能控制过程所需要的其他数据，本申请实施对周边车辆信息的具体内容不作限定，本领域技术人员在不脱离本申请实施例的发明构思的前提下所作出的对周边车辆信息的具体内容的改动(如增加周边车辆信息的具体内容、删除周边车辆信息的具体内容)均落入本申请实施例记载范围。
在本申请实施例中，路测状态信息可以是信号灯、指示牌、路基等物体的属性信息，例如可以是信号灯的位置和颜色、指示牌的位置和图标。优选地，路测状态信息可以是道路交通***采集并发送至车端平台，其中，车端平台可通过向道路交通***发送携带认证信息的数据拉取请求，进而道路交通***对认证信息验证成功后，向车端平台返回路测状态信息。
判断模块502，用于根据周边车辆信息、自车信息、路测状态信息判断周边车辆是否对目标车辆构成碰撞风险。
第二生成模块503，用于当根据周边车辆信息、自车信息、路测状态信息判断周边车辆判断出周边车辆对目标车辆构成碰撞风险时，生成预警信息和基础信息。
示例性地，当目标车辆与周边车辆相距1米，云端平台通过基础信息可直接控制目标车辆。
第二发送模块504，用于将预警信息和基础信息发送至车端平台，以使得车端平台根据预警信息、基础信息、有限状态机模型生成第二驾驶状态下的控制信息，并根据控制信息将目标车辆的行驶状态从第一行驶状态转为的第二行驶状态。
可见，本申请实施例的云端平台通过执行车辆协同避险方法，能够根据路测状态信息、周边车辆的信息和自身信息生成的预警信息和基础信息，进而能够向车端平台返回预警信息和基础信息，以使得车端平台能够根据预警信息和基础信息和有限状态机模型将目标车辆从第一行驶状态转换为第二行驶状态，由于本申请的云端平台能够基于车端平台采集的信息更加智能，进而使得车端平台对目标车辆进行控制时，能够基于预警信息和基础信息智能、全面地作出控制决策，因此与现有技术相比，云端平台具有综合处理能力更优、对未知复杂工况的决策能力更优、对人的依赖更小等优点。
作为一种可选的实施方式，第二生成模块503执行的具体方式为：
根据周边车辆对目标车辆构成碰撞风险的类型确定预警信息；
根据预警信息从协同服务集筛选出至少一种服务类型；
根据至少一种服务类型确定基础信息。
在本可选实施方式中，预警信息包括预警类型和预警等级，这样一来，车端平台能够根据预警类型和预警等级执行不同的避险动作，即将目标车辆从第一行驶状态转换为相应的第二行驶状态。
在本可选实施方式中，基础信息可以包括用于引导目标车辆避险的信息，如导航语音信息。
示例性地，假设目标车辆有驾驶员在内，当判断出目标车辆有碰撞风险时，可生产导航语音信息，以引导驾驶员避免碰撞。
在本可选实施方式中，可选地，基础信息还可以包括用于控制目标车辆的决策信息，这样一来，车端平台根据基础信息确定是否将车辆的控制权交给云端平台，进而可实现当云端平台判断出目标车辆处于紧急情况时，使得云端平台可直接控制目标车辆。
可见，在本可选的实施方式中，云端平台能够根据周边车辆对目标车辆构成碰撞风险的类型确定预警信息，进而能够预警信息从协同服务集筛选出至少一种服务类型，从而能够基于服务类型确定基础信息。
作为一种可选的实施方式，协同服务集包括通信接入服务集、语音服务集、位置服务集、天气服务集中的至少一项。
在本可选的实施方式中，协同服务集包括多项服务集，从而能够在判断出周边车辆对目标车辆造成碰撞危险时，能够更加智能地为目标车辆提供避险服务。
作为一种可选的实施方式，判断模块502执行根据周边车辆信息、自车信息、路测状态信息判断周边车辆是否对目标车辆构成碰撞风险的具体方式为：
根据周边车辆信息、自车信息、路测状态信息判断周边车辆是否满足预设条件，若是则确定周边车辆对目标车辆构成碰撞风险。可选地，预设条件为目标车辆与周边车辆同时处于第一预警区域内且周边车辆的速度大于预设第一速度阈值。
示例性地，请参阅图6,图6是一种十字路口不明状态预警场景示意图。如图6所示，HV表示目标车辆、RV-1和RV-2代表周边车辆，此时，目标车辆和周边车辆处于第一预警区域，即目标车辆、周边车辆同时行驶至十字路口，进一步地，当周边车辆大于预设第一速度阈值时，确定周边车辆对目标车辆构成碰撞风险。
在本可选的实施中，可选地，预设第一速度阈值可以根据目标车辆当前的速度、周边车辆的速度、目标车辆与路***叉中心之间的距离、周边车辆与路***叉中心之间的距离确定。例如，假设目标车辆当前的速度为30km/h且距离路***叉中心为50m，周边车辆距离路***叉中心为50m,目标车辆距离路***叉中心为50m，则预设第一速度阈值为30km/h，即当目标车辆通过路口时，周边车辆也在通过路口，此时周边车辆对目标车辆构成碰撞危险。
在本可选的实施例中，进一步可选地，可根据目标车辆的当前速度和距离路***叉中心的距离确定预警等级。
示例性地，当目标车辆的速度为0～20km/h，距离路***叉中心为6m时，或目标车辆的速度为20～50km/h，距离路***叉中心为25m时，或目标车辆的速度为50～80km/h，距离路***叉中心为50m时,或目标车辆的速度为80～100km/h，距离路***叉中心为70m时，将预警等级确定为等级1，而其他情况下确定将预警等级确定为2。
需要说明的是，第一预警区域可以是以路***叉中心为原点，范围为R的圆区域，其中，R的值可以是30m,也可以是50m，对此本申请实施例不作限定。
在本可选的实施方式中，进一步可选地，预设条件为目标车辆与周边车辆同时处于第二预警区域内且目标车辆的速度大于预设第二速度阈值。
在本可选的实施方式中，请参阅图7，图7是一种前向碰撞预警场景示意图。如图7所示，第二预警区域可以是与目标车辆行驶方向相同的前方车道，且从目标车辆车头算起规定长宽的矩形范围，其中规定长宽可以是10m，对比本申请实施例不作限定。
在本可选的实施方式中，再进一步可选地，预设第二速度阈值可以根据周边车辆的当前速度确定。例如，假设周边车辆在目标车辆前方100m，此时周边车辆的速度为60km/m，此时，如果目标车辆大于60km/m这一预设第二速度阈值，则确定周边车辆对目标车辆构成碰撞危险。
在本可选的实施方式中，再进一步可选地，可根据目标车辆的当前速度和目标车辆与周边车辆之间的距离确定。
示例性地，当目标车辆的速度为40～60km/h，距离周边车辆为25m时，或目标车辆的速度为60～80km/h，距离周边车辆50m时，或目标车辆的速度为80～100km/h时，距周边车辆为70m,或目标车辆的速度为>100km/h，距离周边车辆为70m时，将预警等级确定为等级1，而其他情况下确定将预警等级确定为2。
在本可选的实施方式中，进一步可选地，预设条件为目标车辆开启转向指示灯，且在与转向指示灯相同方向的第三预警区域内，周边车辆的车速大于预设第三速度阈值。
在本可选的实施方式中，在与目标车辆行驶方向相同、且与目标车辆所在车道相邻的车道中，以目标车辆的车身横向中轴线算起规定长宽的矩形范围作为第三预警区域。例如，请参阅图8，图8是一种车辆变道预警场景示意图。如图8所示，假设目标车辆开启左转向指示灯，则以目标车辆的车身横向中轴线为起点向左边延伸出的线段WW和目标车辆的车尾延伸出线段WL构成第三预警区域。
在本可选的实施方式中，优选地，线段WL的取值范围可以是<＝20m，而线段WW的取值范围可以是<＝3.5m。进一步优选地，预设第三速度阈值可以根据36km/h～108km这一速度范围确定。
在本可选的实施方式中，进一步可选地，预设条件为目标车辆开启转向指示灯，且在与转向指示灯相同方向的第三预警区域内，且存在预时间区间内进入第三预警区域的周边车辆。
示例性，当目标车辆开启左转向指示灯时，以左转向指示灯开启时计时，若5S内检测到有周边车辆进入第三预警区域，则确定周边车辆对目标车辆构成碰撞危险。
实施例六
本申请实施例公开一种计算机存储介质，计算机存储介质存储有计算机程序，计算机程序被处理器执行本申请实施例一、实施例二、实施例三公开的车辆协同避险方法。
本申请实施例的计算机存储介质通过执行车辆协同避险方法，能够根据路测状态信息、周边车辆的信息和自身信息生成的预警信息和基础信息，进而能够根据预警信息和基础信息和有限状态机模型将目标车辆从第一行驶状态转换为第二行驶状态，由于本申请能够更加智能，进而在对目标车辆进行控制时，能够基于预警信息和基础信息智能、全面地作出控制决策，因此与现有技术相比，本申请具有综合处理能力更优、对未知复杂工况的决策能力更优、对人的依赖更小等优点。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和结构图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，结构图和/或流程图中的每个方框、以及结构图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请各个实施例中的各功能模块或单元可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或更多个模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是智能手机、个人计算机、服务器、或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器
(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。

Claims (10)

1.一种车辆协同避险方法，其特征在于，所述方法应用于车端平台，所述方法包括：
获取目标车辆的第一行驶状态下的自车信息，以及所述目标车辆检测周边车辆生成的周边车辆信息、道路交通***发送的路测状态信息；
向云端平台发送所述周边车辆信息、所述自车信息、所述路测状态信息，以使得所述云端平台根据所述周边车辆信息、所述自车信息、所述路测状态信息判断所述周边车辆是否对所述目标车辆构成碰撞风险，若是则生成预警信息和基础信息并将所述预警信息和所述基础信息发送至所述车端平台；
接收所述云端平台发送的所述基础信息和所述预警信息；
至少根据所述基础信息和所述预警信息、有限状态机模型生成所述目标车辆的第二行驶状态下的控制信息，其中，所述有限状态机模型定义了多种状态之间的转换条件；
根据所述控制信息将所述目标车辆的行驶状态从所述第一行驶状态转化为第二行驶状态。
2.如权利要求1所述的方法，其特征在于，所述有限状态机模型包括初始状态节点、巡线行驶状态节点、路口通行状态节点、路口避障状态节点、通过关节状态节点、强制左换状态节点、强制右换状态节点、自由左换状态节点、自由右换状态节点、错误状态节点、完成状态节点中的至少两项状态节点。
3.如权利要求1所述的方法，其特征在于，在所述接收所述云端平台发送的所述基础信息和所述预警信息之后，所述至少根据所述基础信息和所述预警信息、有限状态机模型生成所述目标车辆的第二行驶状态下的控制信息之前，所述方法还包括：
根据所述周边车辆信息、所述路测状态信息确定所述周边车辆的相对位、方位角和移动轨迹；
根据所述周边车辆的相对位、方位角、移动轨迹对所述周边车辆进行目标分类并确定所述周边车辆的目标类型；
基于所述周边车辆的目标类型确定所述周边车辆的危险评估；
以及，所述至少根据所述基础信息和所述预警信息、有限状态机模型生成所述目标车辆的第二行驶状态下的控制信息，包括：
根据所述危险评估、所述基础信息和所述预警信息、所述有限状态机模型生成所述目标车辆的第二行驶状态下的控制信息。
4.一种车辆协同避险方法，其特征在于，所述方法应用于云端平台，所述方法包括：
接收车端平台发送的目标车辆的第一行驶状态下的自车信息，以及所述目标车辆检测周边车辆生成的周边车辆信息、路测状态信息；
根据所述周边车辆信息、所述自车信息、所述路测状态信息判断所述周边车辆是否对所述目标车辆构成碰撞风险；
当根据所述周边车辆信息、所述自车信息、所述路测状态信息判断出所述周边车辆对所述目标车辆构成碰撞风险时，生成预警信息和基础信息；
将所述预警信息和所述基础信息发送至所述车端平台，以使得所述车端平台根据所述预警信息、所述基础信息、有限状态机模型生成第二驾驶状态下的控制信息，并根据所述控制信息将所述目标车辆的行驶状态从所述第一行驶状态转为的第二行驶状态，其中，所述有限状态机模型定义了多种状态之间的转换条件。
5.如权利要求4所述的方法，其特征在于，所述生成预警信息和基础信息，包括：
根据所述周边车辆对所述目标车辆构成碰撞风险的类型确定所述预警信息；
根据所述预警信息从协同服务集筛选出至少一种服务类型；
根据所述至少一种服务类型确定所述基础信息。
6.如权利要求5所述的方法，其特征在于，所述协同服务集包括通信接入服务集、语音服务集、位置服务集、天气服务集中的至少一项。
7.如权利要求4所述的方法，其特征在于，所述根据所述周边车辆信息、所述自车信息、所述路测状态信息判断所述周边车辆是否对所述目标车辆构成碰撞风险，包括：
根据所述周边车辆信息、所述自车信息、所述路测状态信息判断所述周边车辆是否满足预设条件，若是则确定所述周边车辆对所述目标车辆构成碰撞风险；
其中，所述预设条件为所述目标车辆与所述周边车辆同时处于第一预警区域内且所述周边车辆的速度大于预设第一速度阈值，
或所述目标车辆与所述周边车辆同时处于第二预警区域内且所述目标车辆的速度大于预设第二速度阈值，
或所述目标车辆开启转向指示灯，且在与所述转向指示灯相同方向的第三预警区域内，所述周边车辆的车速大于预设第三速度阈值。
8.一种车端平台，其特征在于，所述车端平台包括：
获取模块，用于获取目标车辆的第一行驶状态下的自车信息，以及所述目标车辆检测周边车辆生成的周边车辆信息、道路交通***发送的路测状态信息；
第一发送模块，用于向云端平台发送所述周边车辆信息、所述自车信息、所述路测状态信息，以使得所述云端平台根据所述周边车辆信息、所述自车信息、所述路测状态信息判断所述周边车辆是否对所述目标车辆构成碰撞风险，若是则生成预警信息和基础信息并将所述预警信息和所述基础信息发送至所述车端平台；
第一接收模块，用于接收所述云端平台发送的所述基础信息和所述预警信息；
第一生成模块，用于至少根据所述基础信息和所述预警信息、有限状态机模型生成所述目标车辆的第二行驶状态下的控制信息，其中，所述有限状态机模型定义了多种状态之间的转换条件；
控制模块，用于根据所述控制信息将所述目标车辆的行驶状态从所述第一行驶状态转化为第二行驶状态。
9.一种云端平台，其特征在于，所述云端平台包括：
第二接收模块，用于接收车端平台发送的目标车辆的第一行驶状态下的自车信息，以及所述目标车辆检测周边车辆生成的周边车辆信息、路测状态信息；
判断模块，用于根据所述周边车辆信息、所述自车信息、所述路测状态信息判断所述周边车辆是否对所述目标车辆构成碰撞风险；
第二生成模块，用于当根据所述周边车辆信息、所述自车信息、所述路测状态信息判断所述周边车辆判断出所述周边车辆对所述目标车辆构成碰撞风险时，生成预警信息和基础信息；
第二发送模块，用于将所述预警信息和所述基础信息发送至所述车端平台，以使得所述车端平台根据所述预警信息、所述基础信息、有限状态机模型生成第二驾驶状态下的控制信息，并根据所述控制信息将所述目标车辆的行驶状态从所述第一行驶状态转为的第二行驶状态，其中，所述有限状态机模型定义了多种状态之间的转换条件。
10.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机程序，所述计算机程序被处理器执行如权利要求1-7所述的车辆协同避险方法。
CN202010288638.5A 2020-04-14 2020-04-14 车辆协同避险方法、车端平台、云端平台及存储介质 Active CN111477030B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010288638.5A CN111477030B (zh) 2020-04-14 2020-04-14 车辆协同避险方法、车端平台、云端平台及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010288638.5A CN111477030B (zh) 2020-04-14 2020-04-14 车辆协同避险方法、车端平台、云端平台及存储介质

Publications (2)

Publication Number Publication Date
CN111477030A CN111477030A (zh) 2020-07-31
CN111477030B true CN111477030B (zh) 2022-01-21

Family

ID=71752436

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010288638.5A Active CN111477030B (zh) 2020-04-14 2020-04-14 车辆协同避险方法、车端平台、云端平台及存储介质

Country Status (1)

Country Link
CN (1) CN111477030B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115223394A (zh) * 2021-04-20 2022-10-21 北京航迹科技有限公司 一种预警方法、装置、设备、存储介质和程序产品
CN113793535B (zh) * 2021-09-15 2022-06-21 智道网联科技(北京)有限公司 并存交通风险的告警方法、装置和计算机可读存储介质
CN113762406B (zh) * 2021-09-15 2024-07-19 东软睿驰汽车技术（沈阳）有限公司 数据的挖掘方法、装置和电子设备
CN116246454A (zh) * 2021-12-07 2023-06-09 中兴通讯股份有限公司 车辆控制方法、决策服务器及存储介质
CN114428504A (zh) * 2022-01-18 2022-05-03 上汽通用五菱汽车股份有限公司 无人驾驶车辆避障方法、***、电子设备及存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3496969A4 (en) * 2016-08-10 2020-09-16 Xevo Inc. PROCEDURE AND SYSTEM FOR PROVIDING INFORMATION ON COLLECTED AND STORED METADATA WITH A DERIVED ATTENTION MODEL
CN106627574A (zh) * 2016-12-22 2017-05-10 深圳市元征科技股份有限公司 车辆碰撞预警方法、装置及***
CN110928284B (zh) * 2018-09-19 2024-03-29 阿波罗智能技术(北京)有限公司 辅助控制车辆的自动驾驶的方法、设备、介质和***
CN110850711A (zh) * 2019-12-06 2020-02-28 中国科学院自动化研究所 基于云端的辅助驾驶控制***及方法

Also Published As

Publication number Publication date
CN111477030A (zh) 2020-07-31

Similar Documents

Publication Publication Date Title
CN111477030B (zh) 车辆协同避险方法、车端平台、云端平台及存储介质
CN113165652B (zh) 使用基于网格的方法检验预测轨迹
US11554785B2 (en) Driving scenario machine learning network and driving environment simulation
US11967230B2 (en) System and method for using V2X and sensor data
US10896122B2 (en) Using divergence to conduct log-based simulations
CN113848921B (zh) 车路云协同感知的方法和***
CN110716529A (zh) 一种自动驾驶测试用例自动生成方法和装置
CN113692373B (zh) 自动驾驶车辆服务的滞留和范围分析
CN111339996A (zh) 静态障碍物的检测方法、装置、设备及存储介质
CN110675476A (zh) 一种直观传达自动驾驶场景定义的方法和装置
US11634068B2 (en) Display device and display method for display device
CN116597690B (zh) 智能网联汽车的高速公路测试场景生成方法、设备及介质
CN115855531B (zh) 自动驾驶汽车的测试场景构建方法、设备和介质
CN113962107A (zh) 对行驶路段仿真的方法、装置、电子设备及存储介质
CN115092186A (zh) 一种车辆自动驾驶方法及装置、电子设备、存储介质
EP4209805A1 (en) Radar multipath filter with track priors
CN114414259B (zh) 车辆的防碰撞测试方法、装置、电子设备及存储介质
US20230399008A1 (en) Multistatic radar point cloud formation using a sensor waveform encoding schema
US20230024799A1 (en) Method, system and computer program product for the automated locating of a vehicle
CN112740188B (zh) 使用偏差进行基于日志的模拟
US20230192092A1 (en) Interaction Auto-Labeling Using Spatial Overlap of Track Footprints For Mining Interactions
Abdalkarim Using V2X and reinforcement learning to improve autonomous vehicles algorithms with CARLA
CN117841995A (zh) 车辆交互方法、装置、车辆及存储介质
Li Safe training of traffic assistants for detection of dangerous accidents
CN117037523A (zh) 导航方法、装置、***及存储介质

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
GR01 Patent grant
GR01 Patent grant