CN113619597A

CN113619597A - 自动驾驶车辆速度限制变更的规划***

Info

Publication number: CN113619597A
Application number: CN202011562622.5A
Authority: CN
Inventors: 朱帆
Original assignee: Baidu USA LLC
Current assignee: Baidu USA LLC
Priority date: 2020-05-08
Filing date: 2020-12-25
Publication date: 2021-11-09
Anticipated expiration: 2040-12-25
Also published as: US11623662B2; CN113619597B; US20210347381A1

Abstract

在一个实施方式中，速度规划***接收自动驾驶车辆(ADV)的速度限制信息，其中速度限制信息包括自动驾驶车辆的当前道路的道路速度限制的变更。***基于速度限制信息，确定与当前道路对应的渐减速度限制，其中渐减速度限制对应于从第一道路速度限制到第二道路速度限制的逐渐减速。***根据渐减速度限制以及第一道路速度限制和第二道路速度限制确定成本函数。***基于成本函数生成多个轨迹候选。***基于轨迹候选选择轨迹以使用所选择的轨迹来控制自动驾驶车辆。

Description

自动驾驶车辆速度限制变更的规划***

技术领域

本公开的实施方式总体涉及操作自动驾驶车辆。更具体地，本公开的实施方式涉及用于自动驾驶车辆(ADV)的速度限制变更的规划***。

背景技术

以自动驾驶模式运行(例如，无人驾驶)的车辆可以将乘员、尤其是驾驶员从一些驾驶相关的职责中解放出来。当以自动驾驶模式运行时，车辆可以使用车载传感器导航到各个位置，从而允许车辆在最少人机交互的情况下或在没有任何乘客的一些情况下行驶。

移动规划和控制是自动驾驶中的关键操作。然而，传统的移动规划操作主要根据其曲率和速度来估计完成给定路径的难度，而不考虑不同类型的车辆的特征差异。相同的移动规划和控制被应用于所有类型的车辆，在某些情况下可能不够准确和顺畅。

速度限制通常在交通标志上表示，表达为每小时公里(km/h)，反映了道路车辆在给定路段上可行驶的合法最高或最低速度。即使没有速度限制指示，某些县/市道路也有合法分配的最高速度限制。

发明内容

本公开的实施方式提供了用于操作自动驾驶车辆ADV的计算机实现的方法、非暂时性机器可读介质以及计算机实现的方法。

在本公开的一方面，提供了一种用于操作自动驾驶车辆ADV的计算机实现的方法，包括：接收所述自动驾驶车辆的速度限制信息，其中所述速度限制信息包括所述自动驾驶车辆的当前道路的道路速度限制的变更；基于所述速度限制信息，确定与所述当前道路对应的渐减速度限制，其中所述渐减速度限制对应于从第一道路速度限制到第二道路速度限制的逐渐减速；基于所述渐减速度限制以及所述第一道路速度限制和所述第二道路速度限制来确定成本函数；基于所述成本函数生成多个轨迹候选；以及基于所述多个轨迹候选选择轨迹，以使用所选择的轨迹来控制所述自动驾驶车辆。

在本公开的又一方面，提供了一种计算机实现的方法，包括：确定用于使自动驾驶车辆ADV逐渐减速的参考速度曲线；对于自动驾驶车辆的速度限制信息中的多个路段的每一个路段，确定所述路段的速度限制从第一道路速度限制降低到第二道路速度限制；基于所述参考速度曲线，生成所述路段的、从所述第一道路速度限制到所述第二道路速度限制的渐减速度限制；以及在所述速度限制信息中存储所述路段的所述渐减速度限制，其中所述渐减速度限制被所述自动驾驶车辆用来生成驾驶轨迹候选。

在本公开的又一方面，提供了一种非暂时性机器可读介质，具有存储在其中的指令，所述指令在由处理器执行时，使所述处理器执行上述任一方法。

在本公开的又一方面，提供了一种计算机程序程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现上述任一方法。

在本公开的又一方面，提供了一种数据处理***，包括：处理器；以及存储器，联接至所述处理器以存储指令，所述指令在由所述处理器执行时使所述处理器执行上述任一方法。

附图说明

本公开的实施方式在附图的各图中以举例而非限制的方式示出，附图中的相似附图标记指示相似元件。

图1是示出根据一个实施方式的联网***的框图。

图2是示出根据一个实施方式的自动驾驶车辆的示例的框图。

图3A-图3B是示出根据一个实施方式的与自动驾驶车辆一起使用的自动驾驶***的示例的框图。

图4是示出根据一个实施方式的决策和规划***的示例的框图。

图5是示出根据一个实施方式的基点侧移地图的框图。

图6A和图6B是示出根据一些实施方式的基点时间地图的框图。

图7A-图7B是示出了根据一些实施方式的用于速度限制的变更的速度与距离的图表的框图。

图8A-图8B是示出了根据一些实施方式的基点时间地图的框图。

图9是示出根据一个实施方式的速度限制模块的框图。

图10是示出根据一个实施方式的具有渐变速度限制的速度规划方法的流程图。

图11是示出根据一个实施方式的渐减速度限制生成器的框图。

图12是示出了根据一个实施方式的生成渐变速度限制的方法的流程图。

具体实施方式

将参考以下讨论的细节来描述本公开的各种实施方式和各方面，并且附图将示出各种实施方式。以下描述和附图是本公开的示例，而不应被解释为限制本公开。本文描述了许多具体细节，以提供对本公开的各种实施方式的透彻理解。然而，在某些情况下，为了提供对本公开的实施方式的简洁讨论，没有描述公知的或常规的细节。

在说明书中提及“一个实施方式”或“实施方式”意味着结合该实施方式描述的特定特征、结构或特性可包括于本公开的至少一个实施方式中。在说明书各处出现的表达“在一个实施方式中”不一定均指同一实施方式。

发布的法定最高(或最低)道路速度限制指导驾驶员出于安全目使车辆减速(或加速)。对于自动驾驶车辆(ADV)，可以通过感知自动驾驶车辆的环境来确定发布的速度限制。可以基于自动驾驶车辆的当前道路从地图数据中进一步检索发布的速度限制。这里，地图数据已预先配置了发布的速度限制信息。

当在高速公路出口匝道或急转弯的情况下，当发布的道路速度限制突然从例如100km/h降到40km/h时，自动驾驶车辆通常会采用紧急制动控制以保持在下一个发布的速度限制内。以下实施方式抑制了突然的紧急制动控制。

根据第一方面，速度限制***接收自动驾驶车辆(ADV)的速度限制信息，其中速度限制信息包括自动驾驶车辆的当前道路的道路速度限制的变更。***基于速度限制信息，确定与当前道路对应的渐减速度限制，其中渐减速度限制对应于从第一道路速度限制到第二道路速度限制的逐渐减速。***根据渐减速度限制以及第一道路速度限制和第二道路速度限制确定成本函数。***基于成本函数生成多个轨迹候选。***基于轨迹候选选择轨迹以使用所选择的轨迹来控制自动驾驶车辆。

根据第二方面，***确定用于使自动驾驶车辆(ADV)逐渐减速的参考速度曲线。对于自动驾驶车辆的地图信息中的多个路段的每一个路段(或段)，***确定路段的速度限制从第一道路速度限制降低到第二道路速度限制。***基于参考速度曲线，生成从第一道路速度限制到第二道路速度限制的路段的渐减速度限制。***在地图信息中存储路段的渐减速度限制，其中渐减速度限制被自动驾驶车辆用来生成驾驶轨迹候选。

图1是示出根据本公开的一个实施方式的自动驾驶网络配置的框图。参照图1，网络配置100包括自动驾驶车辆(ADV)101，自动驾驶车辆可以通过网络102通信地联接至一个或多个服务器103至服务器104。尽管示出了一个自动驾驶车辆，但是多个自动驾驶车辆可以彼此联接，并且/或通过网络102联接至服务器103至服务器104。网络102可以是有线或无线的任何类型的网络，诸如局域网(LAN)，诸如因特网的广域网(WAN)、蜂窝网络、卫星网络或其组合。服务器103至服务器104可以是任何种类的服务器或服务器集群，诸如Web或云服务器、应用程序服务器、后端服务器或其组合。服务器103至服务器104可以是数据分析服务器、内容服务器、交通信息服务器、地图和兴趣点(MPOI)服务器或位置服务器等。

自动驾驶车辆是指可以被配置成处于自动驾驶模式下的车辆，在所述自动驾驶模式下车辆在极少或没有来自驾驶员的输入的情况下导航通过环境。这种自动驾驶车辆可包括传感器***，所述传感器***具有被配置成检测与车辆运行环境有关的信息的一个或多个传感器。所述车辆和其关联的控制器使用所检测的信息来导航通过所述环境。自动驾驶车辆101可以在手动模式下、在全自动驾驶模式下或者在部分自动驾驶模式下运行。

在一个实施方式中，自动驾驶车辆101包括，但不限于，自动驾驶***(ADS)110、车辆控制***111、无线通信***112、用户接口***113和传感器***115。自动驾驶车辆101还可包括普通车辆中包括的某些常用部件，诸如：发动机、车轮、方向盘、变速器等，所述部件可以由车辆控制***111和/或ADS 110使用多种通信信号和/或命令进行控制，该多种通信信号和/或命令例如，加速信号或命令、减速信号或命令、转向信号或命令、制动信号或命令等。

部件110至115可以经由互连件、总线、网络或其组合通信地联接到彼此。例如，部件110至115可以经由控制器局域网(CAN)总线通信地联接到彼此。CAN总线是被设计成允许微控制器和设备在没有主机计算机的应用中与彼此通信的车辆总线标准。它是最初是为汽车内的复用电气布线设计的基于消息的协议，但也用于许多其它环境。

现在参照图2，在一个实施方式中，传感器***115包括但不限于一个或多个相机211、全球定位***(GPS)单元212、惯性测量单元(IMU)213、雷达单元214以及光探测和测距(LIDAR)单元215。GPS***212可包括收发器，所述收发器可操作以提供关于自动驾驶车辆的位置的信息。IMU单元213可以基于惯性加速度来感测自动驾驶车辆的位置和定向变化。雷达单元214可以表示利用无线电信号来感测自动驾驶车辆的本地环境内的对象的***。在一些实施方式中，除感测对象之外，雷达单元214可以另外感测对象的速度和/或前进方向。LIDAR单元215可以使用激光来感测自动驾驶车辆所处环境中的对象。除其它***部件之外，LIDAR单元215还可包括一个或多个激光源、激光扫描器以及一个或多个检测器。相机211可包括用来采集自动驾驶车辆周围环境的图像的一个或多个设备。相机211可以是静物相机和/或视频相机。相机可以是可机械地移动的，例如，通过将相机安装在旋转和/或倾斜平台上。

传感器***115还可包括其它传感器，诸如：声纳传感器、红外传感器、转向传感器、油门传感器、制动传感器以及音频传感器(例如，麦克风)。音频传感器可以被配置成从自动驾驶车辆周围的环境中采集声音。转向传感器可以被配置成感测方向盘、车辆的车轮或其组合的转向角度。油门传感器和制动传感器分别感测车辆的油门位置和制动位置。在一些情形下，油门传感器和制动传感器可以集成为集成式油门/制动传感器。

在一个实施方式中，车辆控制***111包括但不限于转向单元201、油门单元202(也被称为加速单元)和制动单元203。转向单元201用来调整车辆的方向或前进方向。油门单元202用来控制电动机或发动机的速度，电动机或发动机的速度进而控制车辆的速度和加速度。制动单元203通过提供摩擦使车辆的车轮或轮胎减速而使车辆减速。应注意，如图2中所示的部件可以以硬件、软件或其组合实施。

回到图1，无线通信***112允许自动驾驶车辆101与诸如设备、传感器、其它车辆等外部***之间的通信。例如，无线通信***112可以与一个或多个设备直接无线通信，或者经由通信网络进行无线通信，诸如，通过网络102与服务器103至服务器104通信。无线通信***112可以使用任何蜂窝通信网络或无线局域网(WLAN)，例如，使用WiFi，以与另一部件或***通信。无线通信***112可以例如使用红外链路、蓝牙等与设备(例如，乘客的移动设备、显示设备、车辆101内的扬声器)直接通信。用户接口***113可以是在车辆101内实施的***设备的部分，包括例如键盘、触摸屏显示设备、麦克风和扬声器等。

自动驾驶车辆101的功能中的一些或全部可以由ADS 110控制或管理，尤其当在自动驾驶模式下操作时。ADS 110包括必要的硬件(例如，处理器、存储器、存储设备)和软件(例如，操作***、规划和路线安排程序)，以从传感器***115、控制***111、无线通信***112和/或用户接口***113接收信息，处理所接收的信息，规划从起始点到目的地点的路线或路径，随后基于规划和控制信息来驾驶车辆101。可替代地，ADS 110可以与车辆控制***111集成在一起。

例如，作为乘客的用户可以例如经由用户接口来指定行程的起始位置和目的地。ADS 110获得行程相关数据。例如，ADS 110可以从MPOI服务器中获得位置和路线数据，所述MPOI服务器可以是服务器103至服务器104的一部分。位置服务器提供位置服务，并且MPOI服务器提供地图服务和某些位置的POI。可替代地，此类位置和MPOI信息可以本地高速缓存在ADS 110的永久性存储设备中。

当自动驾驶车辆101沿着路线移动时，ADS 110也可以从交通信息***或服务器(TIS)获得实时交通信息。应注意，服务器103至服务器104可以由第三方实体进行操作。可替代地，服务器103至服务器104的功能可以与ADS 110集成在一起。基于实时交通信息、MPOI信息和位置信息以及由传感器***115检测或感测的实时本地环境数据(例如，障碍物、对象、附近车辆)，ADS 110可以规划最佳路线并且根据所规划的路线例如经由控制***111来驾驶车辆101，以安全且高效到达指定目的地。

服务器103可以是为各种客户端执行数据分析服务的数据分析***。在一个实施方式中，数据分析***103包括数据收集器121和机器学习引擎122。数据收集器121从各种车辆(自动驾驶车辆或由人类驾驶员所驾驶的常规车辆)收集驾驶统计数据123。驾驶统计数据123包括表示在不同的时间点处发出的驾驶命令(例如，油门命令、制动命令、转向命令)以及车辆的传感器所捕获的车辆的响应(例如速度、加速、减速、方向)的信息。驾驶统计数据123还可包括描述在不同的时间点处的驾驶环境的信息，例如，路线(包括起始位置和目的地位置)、MPOI、道路状况、天气状况等。

基于驾驶统计数据123、机器学习引擎122生成或训练规则、算法和/或预测模型124的集合，以用于各种目的。在一个实施方式中，算法124可以包括成本函数，以基于渐减速度限制结合发布的道路速度限制来生成规划轨迹。渐减速度限制可以是软约束(发布的道路速度限制是硬约束)，并且基于发布的道路速度限制生成，以引导自动驾驶车辆进行更顺畅的行驶。然后可以将算法124上传到自动驾驶车辆上，以在自动驾驶过程中实时使用。

渐减速度限制生成器125可以为每个路段生成多个渐减速度限制。与发布的道路速度限制相似，渐减速度限制表示道路路段的最高(或最低)速度限制，但仅作为自动驾驶车辆的软约束(没有绝对强制执行的约束)。渐减速度限制可以存储在速度限制信息中(例如，作为地图和路线数据311的一部分和/或图3A的速度限制信息313的一部分)，或作为自动驾驶车辆用来为自动驾驶车辆生成一个或多个驾驶轨迹的一种软约束。例如，渐减速度限制可以包括一个或多个速度限制，速度限制沿着道路的路段从较高的(例如，100km/h)速度限制逐渐降低到较低的速度(例如40km/h)限制。自动驾驶车辆可以使用渐减速度限制来生成/选择驾驶轨迹，以通过最小的制动控制将自动驾驶车辆从较高的速度限制降低到较低的速度限制。

图3A和图3B是示出根据一个实施方式的与自动驾驶车辆一起使用的自动驾驶***的示例的框图。***300可以被实施为图1的自动驾驶车辆101的一部分，包括但不限于ADS 110、控制***111和传感器***115。参照图3A至图3B，ADS 110包括但不限于定位模块301、感知模块302、预测模块303、决策模块304、规划模块305、控制模块306、路线安排模块307和速度限制模块308。

模块301至308中的一些或全部可以以软件、硬件或其组合实施。例如，这些模块可以安装在永久性存储设备352中、加载到存储器351中，并且由一个或多个处理器(未示出)执行。应注意，这些模块中的一些或全部可以通信地联接到图2的车辆控制***111的一些或全部模块或者与它们集成在一起。模块301至308中的一些可以一起集成为集成模块。例如，模块308可以被集成为规划模块305的一部分。

定位模块301确定自动驾驶车辆300的当前位置(例如，利用GPS单元212)，并管理与用户的行程或路线相关的任何数据。定位模块301(也被称为地图与路线模块)管理与用户的行程或路线相关的任何数据。用户可以例如经由用户接口登录并且指定行程的起始位置和目的地。定位模块301与自动驾驶车辆300的诸如地图和路线数据311的其它部件通信，以获得行程相关数据。例如，定位模块301可以从位置服务器和地图与POI(MPOI)服务器获得位置和路线数据。位置服务器提供位置服务，并且MPOI服务器提供地图服务和某些位置的POI，从而可以作为地图和路线数据311的一部分高速缓存。当自动驾驶车辆300沿着路线移动时，定位模块301也可以从交通信息***或服务器获得实时交通信息。

基于由传感器***115提供的传感器数据和由定位模块301获得的定位信息，感知模块302确定对周围环境的感知。感知信息可以表示普通驾驶员在驾驶员正驾驶的车辆周围将感知到的东西。感知可包括例如采用对象形式的车道配置、交通灯信号、另一车辆的相对位置、行人、建筑物、人行横道或其它交通相关标志(例如，停止标志、让行标志)等。车道配置包括描述一条车道或多条车道的信息，例如，车道的形状(例如，直线或曲率)、车道的宽度、道路中的车道数目、单向车道或双向车道、合流车道或分流车道、出口车道等。

感知模块302可包括计算机视觉***或计算机视觉***的功能，以处理并分析由一个或多个相机采集的图像，从而识别自动驾驶车辆环境中的对象和/或特征。所述对象可包括交通信号、道路边界、其它车辆、行人和/或障碍物等。计算机视觉***可以使用对象识别算法、视频追踪以及其它计算机视觉技术。在一些实施方式中，计算机视觉***可以绘制环境地图，追踪对象，以及估算对象的速度等。感知模块302也可以基于由诸如雷达和/或LIDAR的其它传感器提供的其它传感器数据来检测对象。

针对每个对象，预测模块303预测所述对象在所述情况下将做出什么行为。基于在某时间点感知的驾驶环境的感知数据根据地图/路线信息311与交通规则312的集合来执行所述预测。例如，如果对象是相反方向处的车辆且当前驾驶环境包括十字路口，预测模块303则将预测该车辆是可能向前直行还是可能转弯。如果感知数据表明十字路口没有交通灯，则预测模块303可预测该车辆可能在进入十字路口之前必须完全停下。如果感知数据表明该车辆当前处于左转专用车道或右转专用车道，则预测模块303可分别预测该车辆更可能进行左转或右转。

针对每个对象，决策模块304做出关于如何处置对象的决定。例如，针对特定对象(例如，交叉路线中的另一车辆)以及描述对象的元数据(例如，速度、方向、转弯角度)，决策模块304决定如何与所述对象相遇(例如，超车、让行、停止、超过)。决策模块304可以根据诸如交通规则或驾驶规则312的规则集来做出此类决定，所述规则集可以存储在永久性存储设备352中。

路线安排模块307配置成提供从起始点到终点的一个或多个路线或路径。对于例如从用户处接收到的从起始位置到目的地位置的给定行程，路线安排模块307获取地图和路线信息311，并确定从起始位置到达目的地位置的所有可能的路线或路径。对于确定了从起始位置到达目的地位置的路线中的每一个，路线安排模块307可以以地形图的形式生成参考线路。参考线路表示没有诸如其它车辆、障碍物或交通状况的其它干扰的理想路线或理想路径。即，如果道路上没有其它车辆、行人或障碍物，则自动驾驶车辆应精确地或严密地遵循参考线路。随后可向决策模块304和/或规划模块305提供地形图。根据由其它模块提供的其它数据(诸如，来自定位模块301的交通状况、感知模块302感知的驾驶环境和预测模块303预测的交通状况)，决策模块304和/或规划模块305检验所有可能的路线，以选择并修正最佳路线中的一个。取决于在某时间点处的特定的驾驶环境，用于控制自动驾驶车辆的实际路径或路线可接近于或不同于由路线安排模块307提供的参考线路。

基于针对所感知到的对象中的每一个的决定，规划模块305使用由路线安排模块307提供的参考线路作为基础，为自动驾驶车辆规划路径或路线以及驾驶参数(例如，距离、速度和/或转弯角度)。即，针对给定的对象，决策模块304决定对该对象做什么，而规划模块305确定如何去做。例如，针对给定的对象，决策模块304可以决定超过所述对象，而规划模块305可以确定在所述对象的左侧还是右侧超过。规划和控制数据由规划模块305生成，包括描述车辆300在下一移动周期(例如，下一路线/路径段)中将如何移动的信息。例如，规划和控制数据可以指示车辆300以30英里每小时(mph)的速度移动10米，随后以25mph的速度变到右侧车道。

基于规划和控制数据，控制模块306根据由规划和控制数据限定的路线或路径通过将适当的命令或信号发送到车辆控制***111来控制并驾驶自动驾驶车辆。所述规划和控制数据包括足够的信息，以沿着路径或路线在不同的时间点使用适当的车辆设置或驾驶参数(例如，油门命令、制动命令和转向命令)将车辆从路线或路径的第一点驾驶到第二点。

在一个实施方式中，规划阶段在多个规划周期(也称为驾驶周期)中执行，诸如，以例如每100毫秒(ms)的时间间隔执行。针对每个规划周期或驾驶周期，将基于规划和控制数据发出一个或多个控制命令。即，对于每100ms，规划模块305规划下一路线段或路径段，例如，包括目标位置和自动驾驶车辆到达该目标位置所需的时间。可替代地，规划模块305还可指定具体速度、方向和/或转向角度等。在一个实施方式中，规划模块305为下一预定时间段(诸如5秒)规划路线段或路径段。对于每个规划周期，规划模块305基于先前周期中所规划的目标位置为当前周期(例如，下个5秒)规划目标位置。控制模块306随后基于当前周期的规划和控制数据生成一个或多个控制命令(例如，油门控制命令、制动控制命令、转向控制命令)。

应注意，决策模块304和规划模块305可以集成为集成模块。决策模块304/规划模块305可包括导航***或导航***的功能，以确定自动驾驶车辆的驾驶路径。例如，导航***可以确定用于实现自动驾驶车辆沿着以下路径移动的一系列速度和前进方向以影响自动驾驶车辆的移动：所述路径在使自动驾驶车辆沿着通往最终目的地的基于道路的路径前进的同时，基本上避免感知到的障碍物。目的地可以根据经由用户接口***113进行的用户输入来设定。导航***可以在自动驾驶车辆正在运行的同时动态地更新驾驶路径。导航***可以将来自GPS***和一个或多个地图的数据合并，以确定用于自动驾驶车辆的驾驶路径。

速度限制模块308可基于速度规划成本函数生成多条速度曲线(或轨迹)。速度规划成本函数具有与发布的道路速度限制(最高或最低)和对应于发布的道路速度限制的逐渐减速(渐减)速度限制对应的分量。

图4是示出根据一个实施方式的决策和规划***的示例的框图。***400可以被实现为图3A-图3B的自动驾驶***300的一部分，以执行路径规划和速度规划操作。参照图4，决策和规划***400(也称为规划和控制或PnC***或模块)除其他外，包括路线安排模块307、本地化/感知数据401、路径决策模块403、速度决策模块405、路径规划模块407、速度规划模块409、聚合器411和轨迹计算器413。

路径决策模块403和速度决策模块405可以被实现为决策模块304的一部分。在一个实施方式中，路径决策模块403可以包括路径状态机、一个或多个路径交通规则以及基点侧移地图生成器。路径决策模块403可以使用动态编程来生成粗略路径轮廓作为路径规划模块407/和速度规划模块409的初始约束。

在一个实施方式中，路径状态机包括至少三个状态：行驶状态、变更车道状态和/或怠速状态。路径状态机提供先前的规划结果和重要信息，诸如自动驾驶车辆是在行驶还是在变更车道。可以是图3A的驾驶/交通规则312的一部分的路径交通规则包括可以影响路径决策模块的结果的交通规则。例如，路径交通规则可以包括交通信息，诸如，建筑交通标志，附近的自动驾驶车辆可以避开带有这种建筑标志的车道。根据状态、交通规则，路线安排模块307提供的参考线路以及自动驾驶车辆的感知模块302感知到的障碍物，路径决策模块403可以决定如何处理感知到的障碍物(即，忽略、超车、让行、停车、通过)，作为粗略路径轮廓的一部分。

例如，在一个实施方式中，由成本函数生成的粗略路径轮廓由基于以下项的成本构成：从参考线路和/或参考点到障碍物的路径曲率以及距离。选择参考线路上的点并将其移动到参考线路的左侧或右侧，作为表示路径候选的候选移动。候选移动中的每一个都有关联的成本。可以使用动态编程来针对参考线路上的一个或多个点的候选移动的关联成本进行求解，以依次获得最佳成本，一次求解一个点。

在一个实施方式中，状态侧面(SL)地图生成器(未示出)生成SL地图作为粗略路径轮廓的一部分。SL地图是二维几何地图(与x-y坐标平面相似)，其中包括自动驾驶车辆感知到的障碍物信息。根据SL地图，路径决策模块403可以布置遵循障碍物决策的自动驾驶车辆路径。动态编程(也称为动态优化)是一种数学优化方法，该方法可以将要解决的问题分解为一系列值函数，仅一次解决这些值函数中的每一个并存储其解。下一次出现相同的值函数时，只需查找先前计算出的解即可，从而节省了计算时间，而无需重新计算其解。

速度决策模块405或速度决策模块包括速度状态机、速度交通规则和基点时间地图生成器(未示出)。速度决策过程或速度决策模块可以使用动态编程来生成粗略速度轮廓作为路径规划模块407/和速度规划模块409的初始约束。在一个实施方式中，速度状态机包括至少两个状态：加速状态和/或减速状态。可以是图3A的驾驶/交通规则312的一部分的速度交通规则包括可以影响速度决策模块的结果的交通规则。例如，速度交通规则可以包括交通信息，诸如红色/绿色交通信号灯，过路路线中的其他车辆等。根据速度状态机的状态、速度交通规则、决策模块403生成的粗略路径轮廓/SL地图，以及感知到的障碍物，速度决策模块405可以生成粗略速度轮廓以控制何时使自动驾驶车辆加速和/或减速。SL地图生成器可以生成基点时间(ST)地图，作为粗略速度轮廓的一部分。

在一个实施方式中，路径规划模块407包括一个或多个SL地图、几何平滑器和路径成本模块(未示出)。SL地图可以包括由路径决策模块403的SL地图生成器生成的基点侧移地图。路径规划模块407可以使用粗略路径轮廓(例如，基点侧移地图)作为初始约束使用二次编程来重新计算最优参考线路。二次编程(QP)涉及最小化或最大化受边界、线性等式和不等式约束的目标函数(例如，具有多个变量的二次函数)。

动态编程和二次编程之间的一个区别在于二次编程一次优化了参考线路上所有点的所有候选移动。几何平滑器可以将平滑算法(诸如B样条(B-spline)或回归)应用于输出基点侧移地图。路径成本模块可以使用路径成本函数重新计算参考线路，以例如使用由QP模块(未示出)执行的QP优化来优化参考点的候选移动的总成本。例如，在一个实施方式中，总路径成本函数可以定义如下：

其中，路径成本是参考线路上所有点上的总和，前进方向表示点相对于参考线路的径向角度(例如，方向)之差，曲率表示这些点相对于该点的参考线路所形成的曲线的曲率之间的差，以及距离表示从该点到参考线路的横向(垂直于参考线路的方向)距离。在一些实施方式中，距离表示从点到参考线路的目的地位置或中间点的距离。在另一实施方式中，曲率成本是在相邻点处形成的曲线的曲率值之间的变化。应注意，可以选择参考线路上的点，作为与相邻点具有相等距离的点。基于路径成本，路径成本模块可以使用二次编程优化(例如，由QP模块进行优化)，通过最小化路径成本来重新计算参考线路。

速度规划模块409包括基点时间地图、序列平滑器和速度成本模块。基点时间地图可以包括由速度决策模块405的ST地图生成器生成的ST地图。速度规划模块409可以使用粗略速度轮廓(例如，基点时间地图)并将路径规划模块407的结果作为初始约束来计算最佳的基点时间曲线。序列平滑器可以对点的时间序列应用平滑算法(诸如B样条或回归)。速度成本模块可以使用速度成本函数重新计算ST地图，以优化在不同时间点的移动候选(例如，加速/减速)的总成本。

例如，在一个实施方式中，总速度成本函数可以是：

速度成本＝∑_点(速度′)²+∑_点(速度″)²+(距离)²，

其中，在所有时间数列点上对速度成本求和，速度'表示加速度值或在两个相邻点之间改变速度的成本，速度”表示急拉值或加速度值的导数或改变两个相邻点之间的加速度的成本，以及距离表示从ST点到目的地位置的距离。这里，速度成本模块使用二次编程优化(例如，由QP模块进行优化)通过最小化速度成本来计算基点时间地图。

聚合器411执行聚合路径和速度规划结果的功能。例如，在一个实施方式中，聚合器411可以将二维ST地图和SL地图组合成三维SLT图。在另一实施方式中，聚合器411可以基于SL参考线路或ST曲线上的两个连续点进行插值(或填充附加点)。在另一实施方式中，聚合器411可以将参考点从(S，L)坐标转换为(x，y)坐标。轨迹生成器413可以计算用于控制自动驾驶车辆510的最终轨迹。例如，轨迹生成器413基于聚合器411提供的SLT图，计算(x，y，T)点的列表，列表指示ADC应该在何时通过特定(x，y)坐标。

因此，路径决策模块403和速度决策模块405被配置为生成考虑障碍物和/或交通状况的粗略路径轮廓和粗略速度轮廓。给定关于障碍物的所有路径决策和速度决策，路径规划模块407和速度规划模块409将考虑到障碍物，使用QP编程来优化粗略路径轮廓和粗略速度轮廓以生成具有最小路径成本和/或速度成本的最优轨迹。

图5是示出根据一个实施方式的基点侧移地图的框图。参照图5，SL地图500具有S水平轴或基点，以及L垂直轴或侧移。如上所述，基点侧移坐标是一个相对几何坐标系，其参考参考线路上的特定固定点并沿着参考线路。例如，(S，L)＝(1，0)坐标可以表示参考线路上的固定点(即，参考点)之前的一米处，该处具有零米的侧面偏移。(S，L)＝(2，1)参考点可以表示沿着参考线路在固定参考点之前的两米处，并且表示与参考线路垂直一米的侧面偏移，例如，左偏移。

参照图5，SL地图500包括参考线路501和自动驾驶车辆510感知到的障碍物503-障碍物509。在一个实施方式中，障碍物503-障碍物509可以在不同坐标系中被自动驾驶车辆510的RADAR单元或LIDAR单元感知并转换为SL坐标系。在另一实施方式中，障碍物503-障碍物509可以是人为地形成的障碍作为约束，因此决策和规划模块将不会在受约束的几何空间中搜索。在该示例中，路径决策模块可以为障碍物503-障碍物509中的每一个生成决策，诸如避开障碍物503-障碍物508并轻推(非常接近)障碍物509(即，这些障碍物可以是其他汽车、建筑物和/或结构)的决策。然后，路径规划模块可以使用QP编程，根据障碍物503-障碍物509基于路径成本重新计算或优化参考线路501，从而如上所述以最小的总成本微调参考线路501。在此示例中，自动驾驶车辆会从障碍物509的左侧向障碍物509移动或非常接近。

图6A和图6B是示出根据一些实施方式的基点时间地图的框图。参照图6A，ST地图600具有基点(或S)垂直轴和时间(或T)水平轴。ST地图600包括曲线601和障碍物603-障碍物607。如上所述，在基点时间地图上的曲线601指示自动驾驶车辆距基点的时间和距离是多少。例如，(T，S)＝(10000，150)可以表示为在10000毫秒处，自动驾驶车辆将距离固定点(即，参考点)150米。在该示例中，障碍物603可以是要避免的建筑物/结构，并且障碍物607可以是与超越移动车辆的决策对应的人为障碍。

参照图6B，在这种情景下，人为障碍605作为约束被添加到ST地图610。人为障碍可以是自动驾驶车辆感知到的、距离基点参考点大约S2距离的道路中的红灯或行人的示例。障碍705对应于“停止”自动驾驶车辆直到晚些时候人为障碍已移除(即，交通信号灯从红色变为绿色，或者行人不再在道路上)的决策。

图7A-图7B是示出了根据一些实施方式的用于速度限制的变更的速度与距离的图表的框图。参照图7A，图表700可以表示具有发布的速度限制721的高速公路上的自动驾驶车辆101。自动驾驶车辆101可以具有规划的路线以退出具有发布的速度限制723的匝道。这里，发布的速度限制721 100km/h将变更为40km/h，而自动驾驶车辆101可以正好以低于发布的速度限制721 100km/h的速度(诸如～90km/h)行驶。

在一个实施方式中，自动驾驶车辆101可以从图3A的地图和路线数据311或速度限制信息313检索道路的当前路段的发布的道路速度限制721。基于规划的路径，自动驾驶车辆101可以生成一个或更多条速度曲线(或轨迹)候选，并基于速度规划成本函数选择候选之一。速度规划成本函数可以是：

如果速度>道路速度限制，则成本(速度限制)＝最大值(例如,1.0e9),其中，速度是自动驾驶车辆101的当前速度，道路速度限制是自动驾驶车辆在当前位置处的道路的发布的道路速度限制，以及最大值设置为某个较大的值(例如，1.0e9)。

应注意，可以为每个规划周期(例如，100ms)生成轨迹，并且规划周期为规划窗口725生成轨迹。例如，窗口725可以为8秒，并且自动驾驶车辆101可以为接下来的8秒内的任何规划周期生成轨迹。

在从发布的速度限制723开始大约8秒钟的规划周期内，自动驾驶车辆101规划了一条具有速度限制变更的轨迹。换言之，自动驾驶车辆101具有8秒的窗口以降低自动驾驶车辆101的速度，在大多数情况下，会导致自动驾驶车辆101突然刹车，使得当自动驾驶车辆101达到发布的速度限制为723的速度限制标志时，自动驾驶车辆101的规划速度将低于发布的速度限制723。这里，自动驾驶车辆101可能会在发布的速度限制723之前，沿着路线701进行突然的速度变化。

参照图7B，图表710可以表示图7A的图表700，但是自动驾驶车辆101根据发布的速度限制721、发布的速度限制723和渐减速度限制727规划轨迹。在一个实施方式中，自动驾驶车辆101可以根据图3A的地图和路线数据311或速度限制信息313检索发布的道路速度限制721和渐减速度限制727。渐减速度限制727可以在500米的路段上，建议的速度限制为90km/h(在500m处)，80km/h(在400m处)，70km/h(在300m处)，60km/h(在200m处)，50km/h(在100m处)和40km/h(在从速度限制变更的边界开始的0m处)。然后，自动驾驶车辆101基于修改的速度规划成本函数来规划轨迹，修改的速度规划成本函数具有与道路速度限制721、道路速度限制723和/或规划窗口725的渐减速度限制727对应的成本。修改的速度规划成本函数可以是：

如果速度>道路速度限制，则成本(速度限制)＝最大值(e.g.,1.0e9)；

如果速度<渐减速度限制，则成本(速度限制)＝0；以及

如果道路速度限制>速度>渐减速度限制，则成本(速度限制)＝α(速度-渐减速度限制),

其中，速度是自动驾驶车辆101的当前速度，道路速度限制是自动驾驶车辆在当前位置处的道路的发布的道路速度限制，渐减速度限制为渐减速度限制，最大值设置为某个较大的值(例如，1.0e9)，以及α为换算系数。

在一个实施方式中，自动驾驶车辆101基于路径路线，生成一条或更多条速度曲线，并且基于修改的速度规划成本函数选择一条速度曲线。在一个实施方式中，如果自动驾驶车辆101规划超越车辆，则可以调整换算系数α，使得与具有渐减速度限制关联的成本为零，并且自动驾驶车辆101可以加速至发布的道路速度限制以超越车辆。应注意，速度曲线候选之一和路径路线可以组合以生成轨迹候选。然后，自动驾驶车辆101基于修改的速度规划成本函数，选择具有最低成本的速度曲线(或轨迹候选)。然后，该轨迹候选被用来控制自动驾驶车辆101。应注意，由于自动驾驶车辆101可以基于渐减速度限制来规划轨迹，因此规划的轨迹可以逐渐降低自动驾驶车辆101的速度而无需应用制动控制(例如，生成具有这种特性的渐减速度限制)，因此，自动驾驶车辆101速度规划可以在不应用制动控制的情况下降低自动驾驶车辆101的速度。即，自动驾驶车辆101不限于8秒的预定速度规划滑动窗口725，并且规划的轨迹可以避免突然的制动控制。

图8A-图8B是示出了根据一些实施方式的基点时间地图的框图。图8A可以对应于图7A，图8B可以对应于图7B。参照图8A，ST地图800具有基点(或S)垂直轴和时间(或T)水平轴。ST地图800包括速度曲线801和障碍物821、823。障碍物821、823可以代表分别对应于图7A的道路速度限制721(100km/h)和道路速度限制723(40km/h)的人为障碍。这里，障碍物821的斜率721为100km/h，障碍物823的斜率723为40km/h。在一个实施方式中，自动驾驶车辆101基于速度规划成本函数的优化来生成一条或更多条速度曲线并选择曲线801。例如，应用硬约束，使得曲线801在点A、B处的斜率应小于斜率721；以及曲线801在点C、D、E处的斜率应小于斜率723。

这里，由于斜率721和斜率723之间的斜率是突然的(例如，速度限制100km/h变更为40km/h)，因此曲线801包括突然的速度变化(例如，紧急制动控制)。因此，自动驾驶车辆101规划具有突然的速度变化的速度曲线。

参照图8B，在一个实施方式中，除了自动驾驶车辆101考虑了渐减速度限制之外，ST地图810可以与ST地图800相似。ST地图810包括速度曲线803和障碍物821、823和827。障碍物821、823和827可以代表与道路速度限制721(100km/h)、723(40km/h)和图7B的渐减速度限制727分别对应的人为障碍。

在一个实施方式中，自动驾驶车辆101生成用于速度规划的ST地图810。基于ST地图810，在每个规划周期生成一个或多个速度曲线候选(或轨迹候选)，并基于修改的速度规划成本函数选择一条速度曲线作为最佳速度曲线。例如，可以在点A处生成一个或多个速度曲线候选(未示出)，并且从候选中选择一条曲线作为最佳曲线。可以沿着速度曲线803的点A、B、C、D和E选择每条曲线。在一个实施方式中，自动驾驶车辆101的规划***基于所选择的速度曲线(或轨迹)来控制自动驾驶车辆101。由于沿点B和点C的速度曲线受渐减速度限制827(例如，斜率727)的约束，因此沿点B和点C的曲线具有逐渐的速度变化(例如，逐渐减速)。在一个实施方式中，自动驾驶车辆101的逐渐减速对应于从第一速度限制100km/h到第二速度限制40km/h的减速，而没有应用制动，同时保持与自动驾驶车辆101相同的转向。

图9是示出根据一个实施方式的速度限制模块的框图。速度限制模块308可以基于速度成本函数生成多个轨迹候选，其中选择具有较低成本的轨迹候选以控制自动驾驶车辆。参照图9，速度限制模块308可以包括子模块，诸如速度限制接收器901、成本函数确定器902、成本确定器903、速度曲线/轨迹生成器904和轨迹选择器905。速度限制接收器901可以接收地图数据的一个或多个速度限制。地图数据可以是从服务器(诸如图1的服务器103)流式传输的数据，也可以是自动驾驶车辆101本地的数据，诸如图3A的地图和路线数据311。速度限制可以是发布的道路法定(最高或最低)速度限制或与道路路段速度限制急剧下降关联的渐减(逐渐减速)速度限制。

成本函数确定器902可以确定用于优化的速度成本函数，以计算一个或多个轨迹(或速度曲线)候选。成本确定器903可以确定与每个轨迹候选关联的成本。速度曲线/轨迹候选生成器904可以生成一个或多个轨迹候选。轨迹选择器905可以选择轨迹候选中的一个作为控制自动驾驶车辆101的轨迹。这里，轨迹是沿路径路线(或与速度曲线结合的路径路线)具有速度信息的路径路线，使得自动驾驶车辆的规划***可以自动地控制自动驾驶车辆。

图10是示出根据一个实施方式的具有渐变速度限制的速度规划方法的流程图。可以通过可以包括软件、硬件或其组合的处理逻辑来执行过程1000。例如，过程1000可以由图9的速度限制模块308执行。参照图10，在框1001处，处理逻辑接收自动驾驶车辆(ADV)的速度限制信息，其中速度限制信息包括自动驾驶车辆的当前道路的道路速度限制的变更。在框1002处，处理逻辑基于速度限制信息，确定与当前道路对应的渐减速度限制，其中渐减速度限制对应于从第一道路速度限制到第二道路速度限制的逐渐减速。在框1003处，处理逻辑根据渐减速度限制以及第一道路速度限制和第二道路速度限制确定成本函数。在框1004处，处理逻辑基于成本函数生成多个轨迹候选。在框1005处，处理逻辑基于轨迹候选选择轨迹以使用所选择的轨迹来控制自动驾驶车辆。

在一个实施方式中，响应于确定自动驾驶车辆的当前道路的道路速度限制即将降低，生成渐减速度限制。在一个实施方式中，自动驾驶车辆的速度规划***具有规划时间窗口，所述规划时间窗口小于自动驾驶车辆在不应用制动控制的情况下从第一道路速度限制减速到第二道路速度限制所需的时间窗口。

在一个实施方式中，对于规划速度大于道路的相应路段的道路速度限制的轨迹候选，将成本函数的成本设置为最大成本。在一个实施方式中，对于规划速度小于渐减速度限制的轨迹候选，将成本函数的成本设置为零成本。

在一个实施方式中，对于在道路的相应路段具有在渐减速度限制和道路速度限制之间的规划速度的轨迹候选，将成本函数的成本设置为与规划速度和渐减速度限制之差成比例的值。在一个实施方式中，成本函数包括急拉成本、加速度成本、速度成本、和/或距离成本。

图11是示出根据一个实施方式的渐减速度限制生成器的框图。渐减速度限制生成器125可以生成一个或多个渐减速度限制(离线)以补充道路的发布的速度限制，其中发布的速度限制发生变更。发布的速度限制的变更可以是从较高速度限制到较低速度限制的变更。参照图11，渐减速度限制生成器125可以包括子模块，诸如参考速度曲线确定器1101、道路速度限制确定器1102、速度曲线生成器1103和渐减速度限制生成器1104。参考速度曲线确定器1101可以确定自动驾驶车辆的参考速度曲线。参考速度曲线是由操作者在从较高速度(例如，120km/h)到较低速度(10km/h)操作车辆时收集的速度曲线。在一个实施方式中，可以从物理模拟中收集用于从较高速度(例如，120km/h)到较低速度(10km/h)运行的车辆的曲线数据。收集的数据反映了在保持转向以将车辆从高速减速到较低速度的同时释放油门控制和制动控制的车辆。可以基于车辆的型号、品牌或类型等来收集参考速度曲线。例如，第一参考速度曲线可以用于轿车，而第二参考速度曲线可以用于卡车等。

道路速度限制确定器1102可以确定(获取)自动驾驶车辆的当前道路的道路速度限制。道路速度限制确定器1102还可以基于所检索的道路速度限制来确定速度限制的即将发生的变更(例如，从第一道路速度限制到第二道路速度限制)。基于即将发生的变更，速度曲线生成器1103可以通过在与第一速度限制对应的第一点处以及在与第二速度限制对应的第二点处将参考速度曲线截断/剪断来生成速度曲线。

渐减速度限制生成器1104可以将所生成的速度曲线映射到速度限制改变点之前的路段，例如，映射到对应于较高速度限制的路段，使得速度曲线对应于从第一速度限制到第二速度限制逐渐减速的车辆。渐减速度限制生成器1104可以基于速度曲线生成多个速度限制(例如，渐减速度限制)并将其存储为速度限制信息的一部分，因此，使用速度限制信息的自动驾驶车辆可以同时访问渐减速度限制和发布的道路速度限制。

图12是示出了根据一个实施方式的一种生成渐变速度限制的方法的流程图。可以通过可以包括软件、硬件或其组合的处理逻辑来执行过程1200。例如，过程1200可以由图11的渐减速度限制生成器125执行。参照图12，在框1201处，处理逻辑确定用于使自动驾驶车辆(ADV)逐渐减速的参考速度曲线。在框1202处，对于自动驾驶车辆的速度限制信息中的多个路段的每一个路段，处理逻辑确定路段的速度限制从第一道路速度限制降低到第二道路速度限制。在框1203处，处理逻辑基于参考速度曲线，生成路段的、从第一道路速度限制到第二道路速度限制的渐减速度限制。在框1204处，处理逻辑在速度限制信息中存储路段的渐减速度限制，其中渐减速度限制被自动驾驶车辆用来生成驾驶轨迹候选。

在一个实施方式中，使自动驾驶车辆逐渐减速的参考速度曲线对应于在保持自动驾驶车辆的相同转向的同时通过释放自动驾驶车辆的油门控制和制动控制来使自动驾驶车辆减速的速度曲线。在一个实施方式中，通过截断参考速度曲线来生成渐减速度限制，参考速度曲线以与第一道路速度限制对应的速度开始并且以与第二道路速度限制对应的速度结束。

在一个实施方式中，渐减速度限制包括沿路段在多个点处的多个速度限制。在一个实施方式中，渐减速度限制用于基于成本函数生成多个轨迹候选。

在一个实施方式中，多个轨迹候选中的一个被选择为具有最低成本的轨迹，以基于所选择的轨迹来控制自动驾驶车辆。在一个实施方式中，对于规划速度大于道路的相应路段的道路速度限制的轨迹候选，将成本函数的成本设置为最大成本。

应注意，如上文示出和描述的部件中的一些或全部可以在软件、硬件或其组合中实施。例如，此类部件可以实施为安装并存储在永久性存储设备中的软件，所述软件可以通过处理器(未示出)加载在存储器中并在存储器中执行以实施本申请全文中所述的过程或操作。可替代地，此类部件可以实施为编程或嵌入到专用硬件(诸如，集成电路(例如，专用集成电路或ASIC)、数字信号处理器(DSP)或现场可编程门阵列(FPGA))中的可执行代码，所述可执行代码可以经由来自应用的相应驱动程序和/或操作***来访问。此外，此类部件可以实施为处理器或处理器内核中的特定硬件逻辑，作为可由软件部件通过一个或多个特定指令访问的指令集的一部分。

前述详细描述中的一些部分已经根据在计算机存储器内对数据位的运算的算法和符号表示而呈现。这些算法描述和表示是数据处理领域中的技术人员所使用的方式，以将他们的工作实质最有效地传达给本领域中的其他技术人员。本文中，算法通常被认为是导致所期望结果的自洽操作序列。这些操作是指需要对物理量进行物理操控的操作。

然而，应当牢记，所有这些和相似的术语均旨在与适当的物理量关联，并且仅仅是应用于这些物理量的方便标记。除非在以上讨论中以其它方式明确地指出，否则应当了解，在整个说明书中，利用术语(诸如所附权利要求书中所阐述的术语)进行的讨论是指计算机***或相似电子计算设备的动作和处理，所述计算机***或电子计算设备操控计算机***的寄存器和存储器内的表示为物理(电子)量的数据，并将所述数据变换成计算机***存储器或寄存器或者其它此类信息存储设备、传输或显示设备内相似地表示为物理量的其它数据。

本公开的实施方式还涉及用于执行本文中的操作的装置。这种计算机程序被存储在非暂时性计算机可读介质中。机器可读介质包括用于以机器(例如，计算机)可读的形式存储信息的任何机构。例如，机器可读(例如，计算机可读)介质包括机器(例如，计算机)可读存储介质(例如，只读存储器(“ROM”)、随机存取存储器(“RAM”)、磁盘存储介质、光存储介质、闪存存储器设备)。

前述附图中所描绘的过程或方法可以由处理逻辑来执行，所述处理逻辑包括硬件(例如，电路、专用逻辑等)、软件(例如，体现在非暂时性计算机可读介质上)或两者的组合。尽管所述过程或方法在上文是依据一些顺序操作来描述的，但是应当了解，所述操作中的一些可以按不同的顺序执行。此外，一些操作可以并行地执行而不是顺序地执行。

本公开的实施方式并未参考任何特定的编程语言进行描述。应认识到，可以使用多种编程语言来实施如本文描述的本公开的实施方式的教导。

在以上的说明书中，已经参考本公开的具体示例性实施方式对本公开的实施方式进行了描述。将显而易见的是，在不脱离所附权利要求书中阐述的本公开的更宽泛精神和范围的情况下，可以对本公开做出各种修改。因此，应当在说明性意义而不是限制性意义上来理解本说明书和附图。

Claims

1.一种用于操作自动驾驶车辆ADV的计算机实现的方法，包括：

接收所述自动驾驶车辆的速度限制信息，其中所述速度限制信息包括所述自动驾驶车辆的当前道路的道路速度限制的变更；

基于所述速度限制信息，确定与所述当前道路对应的渐减速度限制，其中所述渐减速度限制对应于从第一道路速度限制到第二道路速度限制的逐渐减速；

基于所述渐减速度限制以及所述第一道路速度限制和所述第二道路速度限制来确定成本函数；

基于所述成本函数生成多个轨迹候选；以及

基于所述多个轨迹候选选择轨迹，以使用所选择的轨迹来控制所述自动驾驶车辆。

2.根据权利要求1所述的方法，其中，响应于确定所述自动驾驶车辆的所述当前道路的道路速度限制即将降低，生成所述渐减速度限制。

3.根据权利要求1所述的方法，其中，所述自动驾驶车辆具有速度规划时间窗口，所述速度规划时间窗口小于所述自动驾驶车辆在不应用制动控制的情况下从所述第一道路速度限制减速到所述第二道路速度限制所需的时间窗口。

4.根据权利要求1所述的方法，其中，对于规划速度大于所述当前道路的相应路段的道路速度限制的轨迹候选，将所述成本函数的成本设置为最大成本。

5.根据权利要求1所述的方法，其中，对于规划速度小于所述渐减速度限制的轨迹候选，将所述成本函数的成本设置为零成本。

6.根据权利要求1所述的方法，其中，对于规划速度在所述渐减速度限制和所述当前道路的所述相应路段的所述道路速度限制之间的轨迹候选，将所述成本函数的成本设置为与所述规划速度和所述渐减速度限制之差成比例的值。

7.根据权利要求1所述的方法，其中，所述成本函数包括急拉成本、加速度成本、速度成本、距离成本和/或速度限制成本。

8.一种其中存储有指令的非暂时性机器可读介质，所述指令在由处理器执行时使所述处理器执行根据权利要求1-7中任一项所述的方法。

9.一种计算机程序程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的方法。

10.一种数据处理***，包括：

处理器；以及

存储器，联接至所述处理器以存储指令，所述指令在由所述处理器执行时使所述处理器执行根据权利要求1-7中任一项所述的方法。

11.一种计算机实现的方法，包括：

确定用于使自动驾驶车辆ADV逐渐减速的参考速度曲线；

对于自动驾驶车辆的速度限制信息中的多个路段的每一个路段，

确定所述路段的速度限制从第一道路速度限制降低到第二道路速度限制；

基于所述参考速度曲线，生成所述路段的、从所述第一道路速度限制到所述第二道路速度限制的渐减速度限制；以及

在所述速度限制信息中存储所述路段的所述渐减速度限制，其中所述渐减速度限制被所述自动驾驶车辆用来生成驾驶轨迹候选。

12.根据权利要求11所述的计算机实现方法，其中，所述参考速度曲线对应于在保持所述自动驾驶车辆的相同转向的同时通过释放所述自动驾驶车辆的油门控制和制动控制来使所述自动驾驶车辆减速的速度曲线。

13.根据权利要求11所述的计算机实现方法，其中，通过截断所述参考速度曲线来生成所述渐减速度限制，所述参考速度曲线以与所述第一道路速度限制对应的速度开始并且以与所述第二道路速度限制对应的速度结束。

14.根据权利要求11所述的计算机实现方法，其中，所述渐减速度限制表示沿所述路段在多个点处的多个速度限制。

15.根据权利要求11所述的计算机实现方法，其中，所述渐减速度限制用于基于成本函数生成多个轨迹候选。

16.根据权利要求11所述的计算机实现方法，其中，所述多个轨迹候选中的一个被选择为具有最低成本的轨迹，以基于所选择的轨迹来控制所述自动驾驶车辆。

17.一种其中存储有指令的非暂时性机器可读介质，所述指令在由处理器执行时使所述处理器执行根据权利要求11-16中任一项所述的方法。

18.一种计算机程序程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求11-16中任一项所述的方法。

19.一种数据处理***，包括：

处理器；以及

存储器，联接至所述处理器以存储指令，所述指令在由所述处理器执行时使所述处理器执行根据权利要求11-16中任一项所述的方法。