CN117246320B - 车辆的控制方法、装置、设备及存储介质 - Google Patents
车辆的控制方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117246320B CN117246320B CN202311499104.7A CN202311499104A CN117246320B CN 117246320 B CN117246320 B CN 117246320B CN 202311499104 A CN202311499104 A CN 202311499104A CN 117246320 B CN117246320 B CN 117246320B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- time
- obstacle
- obstacle vehicle
- conflict area
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 65
- 230000004044 response Effects 0.000 claims abstract description 37
- 230000001133 acceleration Effects 0.000 claims description 88
- 230000007704 transition Effects 0.000 claims description 60
- 238000004590 computer program Methods 0.000 claims description 5
- 230000036461 convulsion Effects 0.000 claims description 5
- 238000012546 transfer Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 description 20
- 230000015654 memory Effects 0.000 description 17
- 230000006399 behavior Effects 0.000 description 12
- 238000004891 communication Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000004088 simulation Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000010365 information processing Effects 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
-
- 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
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0953—Predicting travel path or likelihood of collision the prediction being responsive to vehicle dynamic parameters
-
- 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
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
-
- 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
- B60W30/18159—Traversing an intersection
-
- 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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
-
- 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
- B60W2556/00—Input parameters relating to data
- B60W2556/10—Historical data
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种车辆的控制方法、装置、设备及存储介质,涉及自动驾驶技术领域。该方法的一具体实施方式包括:根据障碍车辆的历史行驶数据,获取自车与障碍车辆的冲突区域,并确定障碍车辆经过冲突区域的时间;响应于障碍车辆经过冲突区域的时间满足预设时间条件,根据障碍车辆经过冲突区域的时间,确定目标时刻;将目标时刻代入轨迹规划模型,并基于目标函数和时空约束条件对轨迹规划模型进行求解;响应于求解成功,基于求解得到的目标规划轨迹控制自车行驶,其中,目标规划轨迹用于控制自车与障碍车辆不同时出现在冲突区域内,目标规划轨迹包括自车在当前时刻和目标时刻的行驶数据。
Description
技术领域
本申请涉及自动驾驶技术领域,尤其涉及一种车辆的控制方法、装置、设备及存储介质。
背景技术
交叉路口的通行一直是智能交通***研究的难点和热点,这主要是因为交叉路口场景具有高度的复杂性和动态性。
相关技术中,交叉路口通行若依赖于V2V(Vehicle to Vehicle)或V2I(Vehicleto Infrastructure)技术,使得自车不能及时应对障碍车辆的突发行为(例如,突然加速/减速),造成自车与障碍车辆发生碰撞。
发明内容
本申请的实施例提出了一种车辆的控制方法、装置、设备及存储介质。
第一方面,本申请的实施例提供了一种车辆的控制方法,该方法包括:根据障碍车辆的历史行驶数据,获取自车与障碍车辆的冲突区域,并确定障碍车辆经过冲突区域的时间;响应于障碍车辆经过冲突区域的时间满足预设时间条件,根据障碍车辆经过冲突区域的时间,确定目标时刻;将目标时刻代入轨迹规划模型,并基于目标函数和时空约束条件对轨迹规划模型进行求解;响应于求解成功,基于求解得到的目标规划轨迹控制自车行驶,其中,目标规划轨迹用于控制自车与障碍车辆不同时出现在冲突区域内,目标规划轨迹包括自车在当前时刻和目标时刻的行驶数据。
第二方面,本申请的实施例提供了一种车辆的控制装置,该装置包括:时间确定模块,用于根据障碍车辆的历史行驶数据,获取自车与障碍车辆的冲突区域,并确定障碍车辆经过冲突区域的时间;时刻确定模块,用于响应于障碍车辆经过冲突区域的时间满足预设时间条件,根据障碍车辆经过冲突区域的时间,确定目标时刻;轨迹求解模块,用于将目标时刻代入轨迹规划模型,并基于目标函数和时空约束条件对轨迹规划模型进行求解;车辆控制模块,用于响应于求解成功,基于求解得到的目标规划轨迹控制自车行驶,其中,目标规划轨迹用于控制自车与障碍车辆不同时出现在冲突区域内,目标规划轨迹包括自车在当前时刻和目标时刻的行驶数据。
第三方面,本申请的实施例提供了一种电子设备,包括至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行如第一方面描述的方法。
第四方面,本申请的实施例提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,计算机指令用于使计算机执行如第一方面描述的方法。
本申请的实施例提供的车辆的控制方法、装置、设备及存储介质,能够基于障碍车辆的历史行驶数据,确定障碍车辆经过冲突区域的时间,从而可以基于历史行驶数据,了解障碍车辆在突发行为情况下经过冲突区域的时间;并在障碍车辆经过冲突区域的时间满足预设时间条件时,根据障碍车辆经过冲突区域的时间,确定目标时刻;然后求解轨迹规划模型在目标时刻是否存在目标规划轨迹,该目标规划轨迹可以用于控制自车与障碍车辆不同时出现在冲突区域内,从而可以对自车在当前时刻和目标时刻的行驶数据进行规划,以使自车具备预判和处理障碍车辆突发行为的能力,进而可以及时应对障碍车辆的突发行为,以避免自车与障碍车辆在冲突区域内发生碰撞。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请可以应用于其中的示例性***架构图;
图2是根据本申请的车辆的控制方法的一个实施例的流程图;
图3是冲突区域的示意图;
图4是根据本申请的车辆的控制方法的一个实施例的流程图;
图5是根据本申请的车辆的控制方法的一个实施例的流程图;
图6是根据本申请的车辆的控制方法的一个应用场景的示意图;
图7是根据本申请的车辆的控制装置的实施例的结构示意图;
图8是适于用来实现本申请的实施例的电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的车辆的控制方法和装置的实施例的示例性***架构100。
如图1所示,***架构100可以包括车载终端101和102,网络103和服务器104。网络103用以在车载终端101和102和服务器104之间提供通信链路的介质。网络103可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用车载终端101和102通过网络103与服务器104交互,以接收或发送消息等。车载终端101上可以安装有各种通讯客户端应用,如视频播放类应用、导航类应用、搜索类应用、即时通信工具、邮箱客户端等。车载终端101也称为车机、车载智能设备、智能车载终端、车辆调度监控终端、车载无线终端等。
服务器104可以提供各种服务。例如,服务器104可以根据障碍车辆的历史行驶数据,获取自车与障碍车辆的冲突区域,并确定障碍车辆经过冲突区域的时间;响应于障碍车辆经过冲突区域的时间满足预设时间条件,根据障碍车辆经过冲突区域的时间,确定目标时刻;将目标时刻代入轨迹规划模型,并基于目标函数和时空约束条件对轨迹规划模型进行求解;响应于求解成功,基于求解得到的目标规划轨迹控制自车行驶,其中,目标规划轨迹用于控制自车与障碍车辆不同时出现在冲突区域内,目标规划轨迹包括自车在当前时刻和目标时刻的行驶数据。
需要说明的是,服务器104可以是硬件,也可以是软件。当服务器104为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器104为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是,本申请实施例所提供的车辆的控制方法一般由服务器104执行,相应地,车辆的控制装置一般设置于服务器104中。
应该理解,图1中的车载终端、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的车载终端、网络和服务器。
如图2,示出了根据本申请的车辆的控制方法的一个实施例的流程图200,该车辆的控制方法可以包括以下步骤:
步骤201,根据障碍车辆的历史行驶数据,获取自车与障碍车辆的冲突区域,并确定障碍车辆经过冲突区域的时间。
在本实施例中,车辆的控制方法的执行主体(例如图1所示的服务器104)可以通过自车或路侧设备获取障碍车辆的历史行驶数据;然后,根据历史行驶数据,获取自车与障碍车辆的冲突区域;然后,根据该历史行驶数据,确定障碍车辆经过冲突区域的时间。
在一个示例中,通过自车感知障碍车辆的历史行驶数据;然后,采用预设的图像处理软件,基于自车的当前行驶数据与障碍车辆的历史行驶数据,确定自车与障碍车辆的冲突区域。该历史行驶数据,例如,速度、加速度、朝向等。该当前行驶数据可以为行驶相关的数据,例如,速度、加速度、朝向等。
对应地,在该示例中,该图像处理软件可以为图像仿真软件,例如,Matlab、Simulink等仿真软件。
在这里,上述冲突区域可以为自车与障碍车辆可能发生碰撞的区域。上述自车可以为与障碍车辆相对行驶的车辆,该障碍车辆可以为阻碍自车按照当前通行策略正常行驶的车辆。
对应地,在图3中,自车沿着AB轨迹直行,障碍车辆沿CD轨迹左转通过同一个交叉口时发生碰撞,将自车与障碍车辆发生碰撞的区域称为冲突区域。
在自车直行通过交叉口的过程中,自车的车头所在的平面首次与冲突区域所在的平面相交的线为边界线4,该边界线4对应冲突区域的上边界,该上边界表示自车首次经过冲突区域的边界;自车的车尾所在的平面最后一次与冲突区域所在的平面相交的线为边界线2,该边界线2对应冲突区域的下边界,该下边界表示自车最后经过冲突区域的边界。
在障碍车辆左转通过交叉口的过程中,障碍车辆的车头所在的平面首次与冲突区域所在的平面相交的线为边界线3,该边界线3为冲突区域的左边界,该左边界表示障碍车辆首次经过冲突区域的边界;障碍车辆的车尾所在的平面最后一次与冲突区域所在的平面相交的线为边界线1,该边界线1对应冲突区域的右边界,该右边界表示障碍车辆最后经过冲突区域的边界。
需要说明的是,在自车右拐,障碍车辆直行通过同一个交叉口时发生碰撞,也是可以基于自车的当前行驶数据与障碍车辆的历史行驶数据,确定自车与障碍车辆的冲突区域的边界。
要说明的是,很多车辆上都安装了车载终端,通过车载终端联网,进而实现智能交通、车况查询等业务。
在本实施例中,可以通过时空约束对自车的行驶数据进行约束,以避免自车与障碍车辆同时出现在冲突区域。
在这里,障碍车辆经过冲突区域的时间可以为经过冲突区域任意位置的时间段。
在本实施例中,可以将障碍车辆经过冲突区域的时间中的某个时刻确定为目标时刻。
在一个示例中,自车可以为具备自动驾驶技术的车辆,此时该车可以用于感知障碍车辆的历史行驶数据。
在一个示例中,该路侧设备可以包括感知设备(如路侧相机)的数据,例如图片和视频等,从而进行图像视频处理和数据计算,以得到障碍车辆的历史行驶数据。该历史行驶数据可以为障碍车辆在过去一个时刻或多个时刻行驶数据,该行驶数据可以与障碍车辆的行驶相关的数据,例如,速度、正加速度、负加速度等。
在本实施例中,障碍车辆可以可能会阻碍自车按照当前行驶数据进行行驶的车辆,例如,由于障碍车辆抢行或让行导致障碍车辆与自车可能会在冲突区域发生碰撞,此时需要对自车的行驶数据调整以避免自车与障碍车辆发生碰撞。
步骤202,响应于经过冲突区域的时间满足预设时间条件,根据障碍车辆经过冲突区域的时间,确定目标时刻。
在本实施例中,在障碍车辆经过冲突区域的时间满足预设时间条件时,上述执行主体可以根据障碍车辆经过冲突区域的时间,确定目标时刻。
在这里,可以通过经过冲突区域的时间是否满足预设时间条件来确定是否需要调整自车的当前通行策略,以避免自车与障碍车辆同时出现在冲突区域内。
步骤203,将目标时刻代入轨迹规划模型,并基于目标函数和时空约束条件对轨迹规划模型进行求解。
在本实施例中,上述执行主体可以基于目标时刻的时空约束条件和目标函数对轨迹规划模型进行求解。
在这里,目标函数可以为求解轨迹规划模型求解的目标。
步骤204,响应于求解成功,基于求解得到的目标规划轨迹控制自车行驶,其中,目标规划轨迹用于控制自车与障碍车辆不同时出现在冲突区域内,目标规划轨迹包括自车在当前时刻和目标时刻的行驶数据。
在本实施例中,在步骤204中求解成功时,上述执行主体可以控制自车基于求解得到的目标规划轨迹行驶,以使自车与障碍车辆不同时出现在冲突区域内,进而使得障碍车辆与自车不会发生碰撞。
在这里,目标规划轨迹可以指对自车的当前时刻和目标时刻的行驶数据的进行规划的轨迹。
在一个示例中,目标规划轨迹可以为最优规划轨迹或满足预设的轨迹规划条件的轨迹。
在这里,预设的轨迹规划条件可以用于筛选出规划轨迹,以使自车与冲突区域不同时出现在冲突区域内。
该目标规划轨迹可以包括初始状态(s0,s0_dot,s0_ddot)、终止状态(s1,s1_dot,s1_ddot),目标时刻T,时间间隔t。
其中,s0、s1为位移,s0_dot、s1_dot为速度,s0_ddot、s1_ddot为加速度,时间间隔t可以为当前时刻与目标时刻T之间的间隔。
在一个示例中,在图3中,在自车沿AB轨迹直行,障碍车辆沿CD轨迹左转通过同一个交叉口的过程中,如果自车调整当前通行策略为让行策略行驶时,终止状态s1的位置与冲突区域的上边界之间距离需满足安全距离;如果自车调整当前通行策略为抢行策略行驶时,终止状态s1的位置可以为冲突区域的下边界。
需要说明的是,在当前通行策略为让行策略时,需要保证自车不驶入冲突区域且通过最小安全距离来进一步保证自车与障碍车辆不同时出现在冲突区域内;在当前通行策略为抢行时,则需要保证自车一定要驶入冲突区域,以保证自车与障碍车辆不同时出现在冲突区域内。
本实施例提供的车辆的控制方法,能够基于障碍车辆的历史行驶数据,确定障碍车辆经过冲突区域的时间,从而可以基于历史行驶数据,了解障碍车辆在突发行为情况下经过冲突区域的时间;并在障碍车辆经过冲突区域的时间满足预设时间条件时,根据障碍车辆经过冲突区域的时间,确定目标时刻;然后求解轨迹规划模型在目标时刻是否存在目标规划轨迹,该目标规划轨迹可以用于控制自车与障碍车辆不同时出现在冲突区域内,从而可以对自车在当前时刻和目标时刻的行驶数据进行规划,以使自车具备预判和处理障碍车辆突发行为的能力,进而可以及时应对障碍车辆的突发行为,以避免自车与障碍车辆在冲突区域内发生碰撞。
如图4,示出了根据本申请的车辆的控制方法的一个实施例的流程图400,该车辆的控制方法可以包括以下步骤:
步骤401,根据障碍车辆的历史行驶数据,获取自车与障碍车辆的冲突区域,并拟合状态转移模型。
在本实施例中,上述执行主体可以根据获取障碍车辆的历史行驶数据,获取自车与障碍车辆的冲突区域;然后,对障碍车辆的历史行驶数据进行拟合,得到状态转移模型。该状态转移模型可以用于对障碍车辆的行驶数据进行预测。该历史行驶数据可以为障碍车辆在过去一段时间的行驶数据,例如,速度、正加速度、负加速度等。
在一个示例中,上述执行主体可以根据障碍车辆的过去五帧的行驶数据,拟合状态转移模型。
在这里,历史行驶数据可以为障碍车辆在过去时刻的行驶数据,例如,过去五帧的行驶数据。
对应地,在该示例中,步骤402可以包括:通过自车或路侧设备感知障碍车辆的历史行驶速度;然后,通过过去五帧障碍车辆行驶数据拟合四次多项式来得到状态转移模型,其中,状态转移模型v(t)公式如下:
其中,v(t)为速度,t为过去时刻,为拟合系数。
步骤402,根据状态转移模型,确定障碍车辆经过冲突区域的时间。
在本实施例中,上述执行主体可以基于状态转移模型确定预测行驶速度和/或加速度,来确定障碍车辆经过冲突区域的时间。
在一个示例中,上述执行主体可以将当前时刻代入状态转移模型中,以得到当前时刻的预测行驶数据。
对应地,在该示例中,上述执行主体还可以将下一时刻代入状态转移模型中,以得到下一时刻的预测行驶数据。
在一个示例中,上述执行主体可以基于状态转移模型进行反推,以得到加速度。
在本实施例中,基于自车与障碍车辆交互时的时空约束和基于障碍车辆的历史行驶数据所拟合得到的状态转移模型来获取障碍车辆的突发行为。然后,根据障碍车辆经过冲突区域的时间,确定为目标时刻;之后,根据自车当前时刻到目标时刻这一时间段的行驶数据进行规划,以得到目标轨迹规划,从而使自车具备对障碍车辆突发行为的预判和处理能力。
步骤403,响应于障碍车辆经过冲突区域的时间满足预设时间条件,根据障碍车辆经过冲突区域的时间,确定目标时刻。
在本实施例中,在障碍车辆经过冲突区域的时间满足预设时间条件时,上述执行主体可以将障碍车辆经过冲突区域的时间中的某一时刻,作为目标时刻。
步骤404,将目标时刻代入轨迹规划模型,并基于目标函数和时空约束条件对轨迹规划模型进行求解。
在本实施例中,上述执行主体可以基于目标时刻的时空约束条件和目标函数对轨迹规划模型进行求解。
步骤405,响应于求解成功,基于求解得到的目标规划轨迹控制自车行驶,其中,目标规划轨迹用于控制自车与障碍车辆不同时出现在冲突区域内,目标规划轨迹包括自车在当前时刻和目标时刻的行驶数据。
在本实施例中,在步骤405中求解成功时,上述执行主体可以控制自车基于求解得到的目标规划轨迹行驶,以使自车与障碍车辆不同时出现在冲突区域内,进而使得障碍车辆与自车不会发生碰撞。
在本实施例中,步骤403、404和405的具体操作与图2所示的实施例中的步骤202、203和204的操作基本相同,在此不再赘述。
在本实施例中,与图2相比,突出了根据所述障碍车辆的历史行驶数据,确定障碍车辆经过冲突区域的时间的具体步骤,能够根据障碍车辆的历史行驶数据拟合得到状态转移模型,确定障碍车辆经过冲突区域的时间,从而可以基于历史行驶数据拟合所得的状态转移模型,了解障碍车辆在突发行为情况下经过冲突区域的时间;并在障碍车辆经过冲突区域的时间满足预设时间条件时,根据障碍车辆经过冲突区域的时间,确定目标时刻;然后求解轨迹规划模型得到目标规划轨迹,该目标规划轨迹可以用于控制自车与障碍车辆不同时出现在冲突区域内,从而可以对自车在当前时刻和目标时刻的行驶数据进行规划,以使自车具备预判和处理障碍车辆突发行为的能力,进而可以及时应对障碍车辆的突发行为,以避免自车与障碍车辆在冲突区域内发生碰撞。
在本实施例的一些可选的实现方式中,自车的当前通行策略为抢行策略;以及
根据状态转移模型,确定障碍车辆经过冲突区域的时间,包括:
基于状态转移模型,确定障碍车辆的最大加速度;
响应于预设障碍车辆抢行,基于障碍车辆与冲突区域之间的距离,以及障碍车辆的最大加速度,确定障碍车辆驶入冲突区域的第一时刻;
响应于经过冲突区域的时间满足预设时间条件,根据障碍车辆经过冲突区域的时间,确定目标时刻,包括:
响应于第一时刻不为预设时刻,将第一时刻作为目标时刻。
在本实现方式中,上述执行主体可以在自车的当前通行策略为抢行策略时,由于障碍车辆突然加速,导致自车与障碍车辆可能会在冲突区域发生碰撞。
在自车按照当前通行策略运行时,根据状态转移模型,确定障碍车辆经过冲突区域的时间,可以包括以下步骤:
基于状态转移模型,确定障碍车辆的最大加速度;然后,在障碍车辆突然加速(也即,障碍车辆抢行)时,可以基于障碍车辆与冲突区域之间的距离和障碍车辆的最大加速度,以确定障碍车辆驶入冲突区域的第一时刻。
对应地,在该示例中,在障碍车辆驶入冲突区域的第一时刻不为预设时刻时,将第一时刻作为目标时刻。
需要说明的是,预设时刻可以为确定是否对轨迹规划模型进求解,该预设时刻可以通过标志位表示。
在本实现方式中,该预设时刻可以为在自车按照抢行策略行驶,且自车与障碍车辆不同时出现在冲突区域内的约束条件进行设定。该约束条件可以包括以下至少一项:速度约束、决策约束等。
在一个示例中,基于障碍车辆与冲突区域之间的距离,以及障碍车辆的最大加速度进行前向仿真,以确定障碍车辆驶入冲突区域的第一时刻,可以包括:
其中, 为第一时刻, />,为障碍车辆的最大加速度进行仿真的前向仿真距离,/>为冲突区域左边界,该左边界是以path(路径)为参考线的frenet(弗勒内)坐标系下的s(位移)方向下的前边界,t_forward为前向仿真时间。
在本实现方式中,可以基于状态转移模型所确定的障碍车辆的最大加速度,以及障碍车辆与冲突区域之间的距离,确定障碍车辆驶入冲突区域的第一时刻;且在第一时刻不为标志位时,将该第一时刻作为目标时刻,从而实现了对目标时刻的确定。
在本实施例的一些可选的实现方式中,基于状态转移模型,确定障碍车辆的最大加速度,包括:
将状态转移模型的一阶导和零加速度之中的较大者,作为障碍车辆的最大加速度。
在本实现方式中,可以基于状态转移模型的一阶导数和零加速度二者之中的较大者,作为障碍车辆的最大加速度。
在这里,零加速度可以为速度为0或加速度为0的匀速行驶。
在一个示例中,将状态转移模型的一阶导和0之中的较大者,作为障碍车辆的最大加速度:
在本实现方式中,可以基于状态转移模型的一阶导和零加速度之间的最大者,确定障碍车辆的最大加速度。
在本实施例的一些可选的实现方式中,基于状态转移模型,确定障碍车辆的最大加速度,包括:
将状态转移模型的一阶导和零加速度之中的较大者,作为障碍车辆在第一时间段的最大加速度;
以障碍车辆先于自车驶入冲突区域,且障碍车辆驶入冲突区域时自车与冲突区域之间的距离满足安全距离约束,反推障碍车辆的安全加速度;
将安全加速度与障碍车辆的极限加速度之间的较小者,作为障碍车辆在第二时间段的最大加速度,其中,第一时间段为第二时间段之前的时间段。
在本实现方式中,在自车的当前通行策略为抢行策略时,自车需要注意障碍车辆突然加速,即,障碍车辆抢行。此时,需要对障碍车辆的最大加速度进一步推断。
需要说明的是,障碍车辆采取的最大加速度越大,自车越可能与障碍车辆在冲突区域内发生碰撞;此时通过轨迹规划模型求得目标规划轨迹的可能性越小。因此,为避免障碍车辆最大加速度过大,进行如下假设:
(1)认为障碍车辆在第一时间段(例如,1s)内的状态转移模型可靠;此时,障碍车辆的最大加速度可以为状态转移模型一阶导与0之间的较大者;
(2)认为障碍车辆行驶过程是理性的。此时,障碍车辆在第一时间段外(即,第二时间段)的最大加速度需要考虑自车的影响,障碍车辆如果抢行,以下满足以下条件:a.障碍车辆须先于自车到达冲突区域,b.障碍车辆到达冲突区域时须保证自车与冲突区域之间的距离满足安全距离约束。通过上述条件,反推障碍车辆需采取的加速度(即,安全加速度),将安全加速度与障碍车辆的极限加速度间的较小者,作为障碍车辆在第二时间段的最大加速度。
其中, 为所采取的加速度, />为极限加速度。
需要说明的是,极限加速度可以为障碍车辆发生侧滑/侧翻的临界加速度。在障碍车辆按照该极限加速度运行时障碍车辆不会发生侧滑/侧翻。
在本实施例的一些可选的实现方式中,该方法还包括:
响应于障碍车辆经过冲突区域的时间不满足预设时间条件,或求解失败,将自车的当前通行策略由抢行策略调整为让行策略。
在本实现方式中,在障碍车辆经过冲突区域的时间不满足预设时间条件,或者,求解轨迹规划模型失败时,将自车的当前通行策略由抢行策略切换为让行策略。
在这里,求解失败可以为轨迹规划模型没有解;或,通过轨迹规划模型求解出的规划轨迹不满足预设的轨迹规划条件。
需要说明的是,预设的轨迹规划条件可以用于筛选出规划轨迹,以使自车与冲突区域不同时出现在冲突区域内。
在本实现方式中,可以在障碍车辆经过冲突区域的时间不满足预设时间条件或轨迹规划模型求解失败,将自车的当前通行策略切换由抢行策略切换为让行策略,以避免自车与障碍车辆同时出现在冲突区域内。
如图5,示出了根据本申请的车辆的控制方法的一个实施例的流程图500,该车辆的控制方法可以包括以下步骤:
步骤501,获取自车的当前行驶数据和自车与冲突区域之间的距离。
在实施例中,车辆的控制方法的执行主体(例如图1所示的服务器104)可以通过自车或路侧设备感知自车的当前行驶数据和自车与冲突区域之间的距离。
步骤502,根据自车的当前行驶数据和自车与冲突区域之间的距离,确定自车驶入冲突区域的第二时刻。
在本实施例中,上述执行主体可以根据自车的当前行驶数据和自车与冲突区域之间的距离,确定自车驶入冲突区域的第二时刻。
步骤503,根据障碍车辆的极限加速度,以及障碍车辆与冲突区域之间的距离,确定障碍车辆是否在所述第二时刻之前驶入冲突区域。
在本实施例中,上述执行主体可以判断在第二时刻之前,该障碍车辆是否驶入冲突区域,具体可以根据障碍车辆的极限加速度和障碍车辆与冲突区域之间的距离,来确定该障碍车辆是否可以在第二时刻之前驶入冲突区域。
步骤504,若是,执行根据障碍车辆的历史行驶数据,获取自车与障碍车辆的冲突区域,并拟合状态转移模型。
在本实施例中,如果在第二时刻之前,障碍车辆驶入冲突区域,则执行根据障碍车辆的历史行驶数据,获取自车与障碍车辆的冲突区域,并根据障碍车辆的历史行驶数据以拟合状态转移模型。
在一个示例中,计算自车根据当前行驶数据到达冲突区域所需的时间(即,第二时刻),计算第二时刻之前障碍车辆以极限加速度行驶将要到达的位置;如果第二时刻之前,障碍车辆驶入冲突区域;此时,需要根据障碍车辆的历史行驶数据,以拟合状态转移模型。如果第二时刻之前,障碍车辆没有驶入冲突区域,则控制自车按照跟驰策略行驶,例如采用IDM模型(Intelligent Driver Mode)或FVDM模型进行跟驰。
步骤505,根据状态转移模型,确定障碍车辆经过冲突区域的时间。
在本实施例中,上述执行主体可以基于状态转移模型确定预测行驶速度和/或加速度,来确定障碍车辆经过冲突区域的时间。
步骤506,响应于障碍车辆经过冲突区域的时间满足预设时间条件,根据障碍车辆经过冲突区域的时间,确定目标时刻。
在本实施例中,在障碍车辆经过冲突区域的时间满足预设时间条件时,上述执行主体可以根据障碍车辆经过冲突区域的时间,确定目标时刻。
步骤507,将目标时刻代入轨迹规划模型,并基于目标函数和时空约束条件对轨迹规划模型进行求解;
在本实施例中,上述执行主体可以基于目标时刻的时空约束条件和目标函数对轨迹规划模型进行求解。
步骤508,响应于求解成功,基于求解得到的目标规划轨迹控制自车行驶,其中,目标规划轨迹用于控制自车与障碍车辆不同时出现在冲突区域内,目标规划轨迹包括自车在当前时刻和目标时刻的行驶数据。
在本实施例中,在步骤508中求解成功时,上述执行主体可以控制自车基于求解得到的目标规划轨迹行驶,以使自车与障碍车辆不同时出现在冲突区域内,进而使得障碍车辆与自车不会发生碰撞。
在本实施例中,步骤505、506、507和508的具体操作与图4所示的实施例中的步骤402、403、404和405的操作基本相同,在此不再赘述。
在本实施例中,与图4相比,突出了是否执行根据障碍车辆的历史行驶数据,获取自车与障碍车辆的冲突区域,并拟合状态转移模型;也即,根据自车的当前行驶数据和自车与冲突区域之间的距离,确定自车驶入冲突区域的第二时刻;根据障碍车辆的极限加速度,以及障碍车辆与冲突区域之间的距离,确定障碍车辆是否在第二时刻之前驶入冲突区域,从而可以确定是否需要优化(对应,附图2、图4中的步骤)。
在本实施例的一些可选的实现方式中,自车的当前通行策略的通行策略为让行策略;以及
根据状态转移模型,确定障碍车辆经过冲突区域的时间,包括:
基于状态转移模型,确定障碍车辆的预测行驶速度;
响应于预设障碍车辆让行,根据障碍车辆的预测行驶速度,障碍车辆与冲突区域之间的距离,以及障碍车辆的最大制动速度,确定障碍车辆驶入冲突区域的第三时刻以及驶出冲突区域的第四时刻;
其中,响应于经过冲突区域的时间满足预设时间条件,根据障碍车辆经过冲突区域的时间,确定目标时刻,包括:
响应于第三时刻小于第四时刻,将第三时刻作为目标时刻。
在一个示例中,基于状态转移模型,确定障碍车辆的预测行驶速度,可以包括:
将时间参数代入状态转移模型中,得到障碍车辆的预测行驶速度。
在这里,预测行驶速度可以为基于状态转移模型预测当前或未来某一时刻的行驶数据。该时间参数可以为当前或未来的时间参数。
在一个示例中,响应于预设障碍车辆让行,根据障碍车辆的预测行驶速度,障碍车辆与冲突区域之间的距离,以及障碍车辆的最大制动速度,确定障碍车辆驶入冲突区域的第三时刻以及驶出冲突区域的第四时刻,可以包括:
在自车的通行策略为让行策略时,障碍车辆突然减速,此时可以先预设(即,先设定)障碍车辆让行;
根据障碍车辆的预测行驶速度,障碍车辆与冲突区域的第一边界之间的距离,以及障碍车辆的最大制动速度,确定障碍车辆驶入冲突区域的第三时刻;以及
根据障碍车辆的预测行驶速度,障碍车辆与冲突区域的第二边界之间的距离,以及障碍车辆的最大制动速度,确定障碍车辆驶出冲突区域的第四时刻。
在一个示例中,在障碍车辆经过冲突区域的时间满足预设时间条件时,根据障碍车辆经过冲突区域的时间,确定目标时刻,可以包括:
在第三时刻小于第四时刻时,将第三时刻作为目标时刻。
具体地,在自车的通行策略为让行决策时,在自车行驶过程中需要保证不与障碍车辆同时出现在冲突区域内。当障碍车辆遇到紧急情况/障碍车辆意外紧急刹车,导致障碍车辆将停在冲突区域内。此时,考虑到上述可能的特殊情况,自车需预留最小安全距离以保证自车与障碍车辆不同时出现在冲突区域内。将障碍车辆以最大制动速度紧急制动驶入冲突区域的时刻作为特殊时刻A,将障碍车辆以最大制动速度紧急制动驶出冲突区域的时刻作为特殊时刻B。当特殊时刻A小于特殊时刻B,则将特殊时刻A=目标时刻;反之,自车与障碍车辆不同时出现在冲突区域内,则不需要考虑障碍车辆紧急制动的情况。
对应地,在该示例中,第三时刻(即,特殊时刻A)可以基于以下公式确定:
其中,为第三时刻,/>前向仿真在t时刻的速度(对应,预测行驶速度),/>为最大制动速度, />,/>为冲突区域的左边界, />为前向仿真时间。
对应地,在该示例中,第四时刻(即,特殊时刻B)可以基于以下公式确定:
其中, 为第四时刻,/>,/>为冲突区域的右边界。
在本实现方式中,可以根据障碍车辆的预测行驶速度,障碍车辆与冲突区域之间的距离,以及障碍车辆的最大制动速度,确定障碍车辆驶入冲突区域的第三时刻以及驶出冲突区域的第四时刻;然后,在第三时刻小于第四时刻时,将第三时刻作为目标时刻,从而可以准确地确定目标时刻,以避免自车与障碍车辆同时出现在冲突区域内。
在本实施例的一些可选的实现方式中,该方法还包括:
根据障碍车辆的最大制动速度,确定障碍车辆是否驶入冲突区域;
若否,执行根据障碍车辆的历史行驶数据,获取自车与障碍车辆的冲突区域,并拟合状态转移模型。
在本实现方式中,可以根据障碍车辆的最大制动速度,确定障碍车辆是否可以驶入冲突区域;若否,则执行根据障碍车辆的历史行驶数据,获取自车与障碍车辆的冲突区域,并拟合状态转移模型。
需要说明的是,可以通过让行时间来约束障碍车辆采取最大制动速度时,所停止的位置。
在一个示例中,确定障碍车辆以最大制动速度行驶之后停止的位置;若是,障碍车辆以最大制动速度不能驶出冲突区域,则执行根据障碍车辆的历史行驶数据,以拟合得到状态转移模型。若否,则控制自车按照跟驰策略行驶,例如采用IDM模型(IntelligentDriver Mode) 或FVDM模型进行跟驰。
在本实现方式中,可以根据障碍车辆的最大制动速度来确定执行优化步骤,即根据障碍车辆的历史行驶数据,拟合状态转移模型。
在本实施例的一些可选的实现方式中,该方法还包括:响应于障碍车辆经过冲突区域的时间不满足预设时间条件,或不存在目标规划轨迹,将自车的当前通行策略由让行策略调整为抢行策略。
在本实现方式中,在障碍车辆经过冲突区域的时间不满足预设时间条件,或者,求解轨迹规划模型失败时,将自车的当前通行策略由让行策略切换为抢行策略。
在这里,求解失败可以为轨迹规划模型没有解;或,通过轨迹规划模型求解出的规划轨迹不满足预设的轨迹规划条件。
需要说明的是,预设的轨迹规划条件可以用于筛选出规划轨迹,以使自车与冲突区域不同时出现在冲突区域内。
在本实现方式中,可以在障碍车辆经过冲突区域的时间不满足预设时间条件或轨迹规划模型求解失败,将自车的当前通行策略由让行策略调整为抢行策略,以避免自车与障碍车辆同时出现在冲突区域内。
在本实施例的一些可选的实现方式中,时空约束包括以下至少一项:
速度约束、安全距离约束、决策约束。
在本实现方式中,上述速度约束可以包括以下至少一项:最小速度约束、最大速度约束、侧翻/侧滑速度约束。
其中,最小速度约束用于约束目标规划轨迹的终止状态中的速度应大于等于0。
最大速度约束用于约束目标规划轨迹包括的速度应小于交叉路的限速/自车的动力学上限。
侧翻速度约束:
其中,g为重力加速度,H为质心高度,R为转弯半径,W为轮距。
侧滑速度约束:
其中,g为重力加速度,R为转弯半径,u为路面附着系数。
需要说明的是,目标规划轨迹中的速度应满足: 以保证自车安全行驶。
其中,安全距离约束可以用于约束:在当前通行策略为让行决策时,自车与冲突区域之间的距离需满足最小安全距离。
安全距离约束可以用于约束:在当前通行策略为让行策略时,且自车到达冲突区域时,障碍车辆与冲突区域之间的距离需满足最小安全距离。
在本实施例的一些可选的实现方式中,决策约束包括:让行决策约束和抢行决策约束;
其中,让行决策约束为:自车经过冲突区域的时间大于障碍车辆经过冲突区域的时间与自车的让行时间之和;
抢行决策约束为自车经过冲突区域的时间小于障碍车辆经过冲突区域的时间与自车的抢行时间之差。
在一个示例中,让行决策约束可以为:
,其中/> 为自车到达A点(冲突区域下边界)的时间, />为他车到达D点(冲突区域右边界)的时间, />为自车让行时间。
在一个示例中,抢行决策约束可以为:
,其中/> 为当前时刻估计自车到达B点(冲突区域上边界)的时间, />为他车(障碍车辆)到达C点(冲突区域左边界)的时间, />为自车抢行时间。
在本实现方式中,可以通过决策约束来对目标函数进行优化,以求解得到目标规划轨迹。
在本实施例的一些可选的实现方式中,目标函数包括跃度参数和通行效率参数,其中,跃度参数用于表示自车行驶的平稳性,通行效率参数表示自车按照当前通行策略经过冲突区域的时间。
在本实现方式中,上述执行主体可以以跃度参数和通行效率参数为目标函数,以时空约束为约束条件,构建轨迹规划模型,其中,跃度参数用于表示自车行驶的平稳性,通行效率参数表示自车按照当前通行策略经过冲突区域的时间。
在一个示例中,轨迹规划模型的目标函数如下:
其中,acc为加速度,v为目标规划轨迹的终点速度,t1为对目标函数进行优化后自车到达冲突区域的时间,t2为整个优化过程的离散时间步上限。
在本实现方式中,可以通过跃度参数通行效率参数为目标函数,以时空约束为约束条件,以构建轨迹规划模型。在保证安全性的同时,也综合了考虑自车行驶的平稳性和通行效率,将上述问题形式化为一个优化问题进行求解。简化了求解目标目标规划轨迹的过程,节省了运算资源。
如图6,示出了根据本申请的车辆的控制方法的一个应用场景的示意图,在该应用场景中:
若,自车当前通行策略为让行策略时,该车辆的控制方法可以包括以下步骤:
第一步骤,获取自车和障碍车辆的行驶数据,例如自车让行时间。
第二步,计算当前状态障碍车辆以最大制动减速后的停止位置。
第三步,如果障碍车辆以最大制动减速仍将驶出冲突区域,则执行跟驰控制策略,例如采用IDM模型(Intelligent Driver Mode)或FVDM模型进行跟驰。
第四步:否则,获取障碍车辆过去帧的速度,拟合四次多项式,推断障碍车辆的状态转移模型(即,状态转移建模)。
第五步,前向仿真,计算特殊时刻A,特殊时刻B。
第六步,如果特殊时刻A为无穷大,让行决策规划器返回无解,将当前通行策略由让行策略切换抢行策略。
第七步,如果A不为预设时刻,则将特殊时刻A作为目标时刻,遍历纵向acc(加速度)集合,求解轨迹规划模型。
第八步,如果求解失败,则将当前通行策略由让行策略切换为抢行策略。
第九步,如果求解得到目标规划轨迹,则控制自车按照目标规划轨迹行驶。
若,自车当前通行策略为抢行策略时,该车辆的控制方法可以包括以下步骤:
第1步,获取自车和障碍车辆的行驶数据,例如,自车抢行时间。
第2步,计算当前状态自车到达冲突区域所需时间t,计算t时间内障碍车辆以极限加速度行驶将到达的位置。
第3步,如果t时间内障碍车辆未到达冲突区域,则执行跟驰策略,例如采用IDM(Intelligent Driver Mode)模型或FVDM(全速度差模型)进行跟驰。
第4步,如果t时间内障碍车辆到达冲突区域否则,采集障碍车辆过去帧速度,拟合四次多项式,拟合障碍车辆的状态转移模型。
第5步,通过rss(责任安全敏感)模型推断障碍车辆,采取的最大加速度。
第6步,第一时间段内,通过障碍车辆的状态转移模型,确定障碍车辆的加速度。
第7步,第二时间段内,通过rss模型反推障碍车辆可能采取的加速度。
第8步,前向仿真,计算第一时刻。
第9步,在第一时刻不为预设时刻时,遍历纵向acc集合,求解轨迹规划模型。
第10步,如果轨迹规划模型无解,则将当前通性策略由抢行策略切换为让行策略。
第11步,如果求解得到目标规划轨迹,控制自车按照目标规划轨迹行驶。
进一步参考图7,作为对上述各图所示方法的实现,本申请公开了车辆的控制装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图7所示,本申请的实施例提供了一种车辆的控制装置700,该装置700包括:时间确定模块701、时刻确定模块702、轨迹求解模块703和车辆控制模块704。其中,时间确定模块701,用于根据障碍车辆的历史行驶数据,获取自车与障碍车辆的冲突区域,并确定障碍车辆经过冲突区域的时间;时刻确定模块702,用于响应于障碍车辆经过冲突区域的时间满足预设时间条件,根据障碍车辆经过冲突区域的时间,确定目标时刻;轨迹求解模块703,用于将目标时刻代入轨迹规划模型,并基于目标函数和时空约束条件对轨迹规划模型进行求解;车辆控制模块704,用于响应于求解成功,基于求解得到的目标规划轨迹控制自车行驶,其中,目标规划轨迹用于控制自车与障碍车辆不同时出现在冲突区域内,目标规划轨迹包括自车在当前时刻和目标时刻的行驶数据。
在本实施例中,车辆的控制装置700中,时间确定模块701、时刻确定模块702、轨迹求解模块703和车辆控制模块704的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201~步骤204。
在一些实施例中,时间确定模块701,包括:模型拟合单元,用于根据障碍车辆的历史行驶数据,获取自车与障碍车辆的冲突区域,并拟合状态转移模型;时间确定单元,用于根据状态转移模型,确定障碍车辆经过冲突区域的时间。
在一些实施例中,自车的当前通行策略为抢行策略;以及时间确定单元,包括:加速度确定子单元,用于基于状态转移模型,确定障碍车辆的最大加速度;时刻确定子单元,用于响应于预设障碍车辆抢行,基于障碍车辆与冲突区域之间的距离,以及障碍车辆的最大加速度,确定障碍车辆驶入冲突区域的第一时刻;时刻确定单元,具体用于:响应于第一时刻不为预设时刻,将第一时刻作为目标时刻。
在一些实施例中,加速度确定单元,具体用于:将状态转移模型的一阶导和零加速度之中的较大者,作为障碍车辆的最大加速度。
在一些实施例中,加速度确定单元,具体用于:将状态转移模型的一阶导和零加速度之中的较大者,作为障碍车辆在第一时间段的最大加速度;以障碍车辆先于自车驶入冲突区域,且障碍车辆驶入冲突区域时自车与冲突区域之间的距离满足安全距离约束,反推障碍车辆的安全加速度;将安全加速度与障碍车辆的极限加速度之间的较小者,作为障碍车辆在第二时间段的最大加速度,其中,第一时间段为第二时间段之前的时间段。
在一些实施例中,该装置还包括:时刻确定模块702,用于根据自车的当前行驶数据和自车与冲突区域之间的距离,确定自车驶入冲突区域的第二时刻;判断模块,用于根据障碍车辆的极限加速度,以及障碍车辆与冲突区域之间的距离,确定障碍车辆是否在第二时刻之前驶入冲突区域;若是,执行根据障碍车辆的历史行驶数据,获取自车与障碍车辆的冲突区域,并拟合状态转移模型。
在一些实施例中,该装置还包括:策略切换模块,用于响应于障碍车辆经过冲突区域的时间不满足预设时间条件,或求解失败,将自车的当前通行策略由抢行策略调整为让行策略。
在一些实施例中,自车的当前通行策略的通行策略为让行策略;以及时间确定模块701,包括:数据确定单元,用于基于状态转移模型,确定障碍车辆的预测行驶速度;时刻确定单元,用于响应于预设障碍车辆让行,根据障碍车辆的预测行驶速度,障碍车辆与冲突区域之间的距离,以及障碍车辆的最大制动速度,确定障碍车辆驶入冲突区域的第三时刻以及驶出冲突区域的第四时刻;其中,时刻确定模块702,具体用于:响应于第三时刻小于第四时刻,将第三时刻作为目标时刻。
在一些实施例中,该装置还包括:判断模块,用于根据障碍车辆的最大制动速度,确定障碍车辆是否驶入冲突区域;若否,执行根据障碍车辆的历史行驶数据,获取自车与障碍车辆的冲突区域,并拟合状态转移模型。
在一些实施例中,该装置还包括:策略切换模块,用于响应于经过冲突区域的时间不满足预设时间条件,或不存在目标规划轨迹,将自车的当前通行策略由让行策略调整为抢行策略。
在一些实施例中,时空约束包括以下至少一项:速度约束、安全距离约束、决策约束。
在一些实施例中,决策约束包括:让行决策约束和抢行决策约束;其中,让行决策约束为:自车经过冲突区域的时间大于障碍车辆经过冲突区域的时间与自车的让行时间之和;抢行决策约束为自车经过冲突区域的时间小于障碍车辆经过冲突区域的时间与自车的抢行时间之差。
在一些实施例中,目标函数包括跃度参数和通行效率参数,其中,跃度参数用于表示自车行驶的平稳性,通行效率参数表示自车按照当前通行策略经过冲突区域的时间。
如图8所示,是根据本申请实施例的车辆的控制方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图8所示,该电子设备包括:一个或多个处理器801、存储器802,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器***)。图8中以一个处理器801为例。
存储器802即为本申请所提供的非瞬时计算机可读存储介质。其中,存储器存储有可由至少一个处理器执行的指令,以使至少一个处理器执行本申请所提供的车辆的控制方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的车辆的控制方法。
存储器802作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的车辆的控制方法对应的程序指令/模块(例如,附图7所示的时间确定模块701、时刻确定模块702、轨迹求解模块703和车辆控制模块704)。处理器801通过运行存储在存储器802中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的车辆的控制方法。
存储器802可以包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需要的应用程序;存储数据区可存储根据基于区块链的信息处理电子设备的使用所创建的数据等。此外,存储器802可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器802可选包括相对于处理器801远程设置的存储器,这些远程存储器可以通过网络连接至基于区块链的信息处理电子设备。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。
车辆的控制方法的电子设备还可以包括:输入装置803和输出装置804。处理器801、存储器802、输入装置803和输出装置804可以通过总线或者其他方式连接,图8中以通过总线连接为例。
输入装置803可接收输入的数字或字符信息,以及产生与基于区块链的信息处理电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置804可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (13)
1.一种车辆的控制方法,包括:
若自车的当前通行策略为抢行策略,根据障碍车辆的历史行驶数据,获取自车与所述障碍车辆的冲突区域,并确定所述障碍车辆经过所述冲突区域的时间,所述障碍车辆经过所述冲突区域的时间包括所述障碍车辆抢行经过所述冲突区域的时间;
响应于所述障碍车辆经过所述冲突区域的时间满足预设时间条件,根据所述障碍车辆经过所述冲突区域的时间,确定目标时刻;
将所述目标时刻代入轨迹规划模型,并基于目标函数和时空约束条件对所述轨迹规划模型进行求解;
响应于求解成功,基于求解得到的目标规划轨迹控制自车按照抢行策略行驶,其中,所述目标规划轨迹用于控制自车与所述障碍车辆不同时出现在所述冲突区域内,所述目标规划轨迹包括自车在当前时刻和目标时刻的行驶数据;
响应于求解失败,将自车的当前通行策略由抢行策略调整为让行策略。
2.根据权利要求1所述的方法,其中,所述根据障碍车辆的历史行驶数据,获取自车与所述障碍车辆的冲突区域,并确定所述障碍车辆经过所述冲突区域的时间,包括:
根据所述障碍车辆的历史行驶数据,获取自车与所述障碍车辆的所述冲突区域,并拟合状态转移模型;
根据所述状态转移模型,确定所述障碍车辆经过所述冲突区域的时间。
3.根据权利要求2所述的方法,其中,所述根据所述状态转移模型,确定所述障碍车辆经过所述冲突区域的时间,包括:
基于所述状态转移模型,确定所述障碍车辆的最大加速度;
响应于预设所述障碍车辆抢行,基于所述障碍车辆与所述冲突区域之间的距离,以及所述障碍车辆的最大加速度,确定所述障碍车辆驶入所述冲突区域的第一时刻;
所述响应于所述障碍车辆经过所述冲突区域的时间满足预设时间条件,根据所述障碍车辆经过所述冲突区域的时间,确定目标时刻,包括:
响应于所述第一时刻不为预设时刻,将所述第一时刻作为目标时刻。
4.根据权利要求3所述的方法,其中,基于所述状态转移模型,确定所述障碍车辆的最大加速度,包括:
将所述状态转移模型的一阶导和零加速度之中的较大者,作为所述障碍车辆在第一时间段的最大加速度;
以所述障碍车辆先于自车驶入所述冲突区域,且所述障碍车辆驶入所述冲突区域时自车与所述冲突区域之间的距离满足安全距离约束,反推所述障碍车辆的安全加速度;
将所述安全加速度与所述障碍车辆的极限加速度之间的较小者,作为所述障碍车辆在第二时间段的最大加速度,其中,第一时间段为第二时间段之前的时间段。
5.根据权利要求3所述的方法,其中,所述方法还包括:
根据自车的当前行驶数据和自车与所述冲突区域之间的距离,确定自车驶入所述冲突区域的第二时刻;
根据所述障碍车辆的极限加速度,以及所述障碍车辆与所述冲突区域之间的距离,确定所述障碍车辆是否在所述第二时刻之前驶入所述冲突区域;
若是,执行所述根据所述障碍车辆的历史行驶数据,获取自车与所述障碍车辆的所述冲突区域,并拟合状态转移模型。
6.根据权利要求2所述的方法,其中,所述方法还包括:
若自车的当前通行策略的通行策略为让行策略,所述障碍车辆经过所述冲突区域的时间包括所述障碍车辆让行经过所述障碍区域的时间;以及
所述根据所述状态转移模型,确定所述障碍车辆经过所述冲突区域的时间,包括:
基于所述状态转移模型,确定所述障碍车辆的预测行驶速度;
响应于预设所述障碍车辆让行,根据所述障碍车辆的预测行驶速度,所述障碍车辆与所述冲突区域之间的距离,以及所述障碍车辆的最大制动速度,确定所述障碍车辆驶入所述冲突区域的第三时刻以及驶出所述冲突区域的第四时刻;
其中,响应于所述障碍车辆经过所述冲突区域的时间满足预设时间条件,根据所述障碍车辆经过所述冲突区域的时间,确定目标时刻,包括:
响应于所述第三时刻小于所述第四时刻,将所述第三时刻作为目标时刻。
7.根据权利要求6所述的方法,其中,所述方法还包括:
根据所述障碍车辆的最大制动速度,确定所述障碍车辆是否驶入所述冲突区域;
若否,执行所述根据所述障碍车辆的历史行驶数据,获取自车与所述障碍车辆的所述冲突区域,并拟合状态转移模型。
8.根据权利要求6或7所述的方法,其中,所述方法还包括:
响应于求解失败,将自车的当前通行策略由让行策略调整为抢行策略。
9.根据权利要求1所述的方法,其中,所述时空约束包括以下至少一项:
速度约束、安全距离约束、决策约束;
其中,所述决策约束包括:让行决策约束和抢行决策约束;
其中,所述让行决策约束为自车经过所述冲突区域的时间大于所述障碍车辆经过所述冲突区域的时间与自车的让行时间之和;
所述抢行决策约束为自车经过所述冲突区域的时间小于所述障碍车辆经过所述冲突区域的时间与自车的抢行时间之差。
10.根据权利要求1所述的方法,其中,所述目标函数包括跃度参数和通行效率参数,其中,所述跃度参数用于表示自车行驶的平稳性,所述通行效率参数表示自车按照当前通行策略经过所述冲突区域的时间。
11.一种车辆的控制装置,包括:
时间确定模块,用于若自车的当前通行策略为抢行策略,根据障碍车辆的历史行驶数据,获取自车与所述障碍车辆的冲突区域,并确定所述障碍车辆经过所述冲突区域的时间,所述障碍车辆经过所述冲突区域的时间包括所述障碍车辆抢行经过所述冲突区域的时间;
时刻确定模块,用于响应于所述障碍车辆经过所述冲突区域的时间满足预设时间条件,根据所述障碍车辆经过所述冲突区域的时间,确定目标时刻;
轨迹求解模块,用于将所述目标时刻代入轨迹规划模型,并基于目标函数和时空约束条件对所述轨迹规划模型进行求解;
车辆控制模块,用于响应于求解成功,基于求解得到的目标规划轨迹控制自车按照抢行策略行驶,其中,所述目标规划轨迹用于控制自车与所述障碍车辆不同时出现在所述冲突区域内,所述目标规划轨迹包括自车在当前时刻和目标时刻的行驶数据;
策略切换模块,用于响应于求解失败,将自车的当前通行策略由抢行策略调整为让行策略。
12.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-10中任一所述的方法。
13.一种存储有计算机指令的非瞬时计算机可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如权利要求1-10中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311499104.7A CN117246320B (zh) | 2023-11-10 | 2023-11-10 | 车辆的控制方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311499104.7A CN117246320B (zh) | 2023-11-10 | 2023-11-10 | 车辆的控制方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117246320A CN117246320A (zh) | 2023-12-19 |
CN117246320B true CN117246320B (zh) | 2024-02-09 |
Family
ID=89131593
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311499104.7A Active CN117246320B (zh) | 2023-11-10 | 2023-11-10 | 车辆的控制方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117246320B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111775961A (zh) * | 2020-06-29 | 2020-10-16 | 北京百度网讯科技有限公司 | 自动驾驶车辆规划方法、装置、电子设备及存储介质 |
CN114245885A (zh) * | 2019-07-05 | 2022-03-25 | 祖克斯有限公司 | 基于动作数据的自上而下场景预测 |
CN114559956A (zh) * | 2022-02-23 | 2022-05-31 | 阿波罗智联(北京)科技有限公司 | 自动驾驶车辆的避让方法、装置、设备及计算机存储介质 |
CN115056787A (zh) * | 2022-06-21 | 2022-09-16 | 驭势科技(北京)有限公司 | 自动驾驶的速度决策规划***、方法及自动驾驶车辆 |
CN115158319A (zh) * | 2022-07-22 | 2022-10-11 | 阿波罗智能技术(北京)有限公司 | 车辆变道方法、装置、电子设备和存储介质 |
CN115257724A (zh) * | 2022-07-07 | 2022-11-01 | 同济大学 | 一种插电式混动汽车安全节能决策控制方法和*** |
WO2022227827A1 (zh) * | 2021-04-26 | 2022-11-03 | 华为技术有限公司 | 一种决策方法、装置和车辆 |
CN116149329A (zh) * | 2023-01-31 | 2023-05-23 | 北京百度网讯科技有限公司 | 轨迹确定方法、装置、设备以及自动驾驶车辆 |
WO2023155041A1 (zh) * | 2022-02-15 | 2023-08-24 | 华为技术有限公司 | 一种智能驾驶方法、装置及包括该装置的车辆 |
CN116985790A (zh) * | 2023-07-04 | 2023-11-03 | 南京航空航天大学 | 一种用于无信号灯路口的智能网联汽车决策方法及*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114475585B (zh) * | 2022-03-11 | 2022-11-01 | 阿波罗智能技术(北京)有限公司 | 路口自动驾驶方法、装置、电子设备及自动驾驶车辆 |
-
2023
- 2023-11-10 CN CN202311499104.7A patent/CN117246320B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114245885A (zh) * | 2019-07-05 | 2022-03-25 | 祖克斯有限公司 | 基于动作数据的自上而下场景预测 |
CN111775961A (zh) * | 2020-06-29 | 2020-10-16 | 北京百度网讯科技有限公司 | 自动驾驶车辆规划方法、装置、电子设备及存储介质 |
WO2022227827A1 (zh) * | 2021-04-26 | 2022-11-03 | 华为技术有限公司 | 一种决策方法、装置和车辆 |
WO2023155041A1 (zh) * | 2022-02-15 | 2023-08-24 | 华为技术有限公司 | 一种智能驾驶方法、装置及包括该装置的车辆 |
CN114559956A (zh) * | 2022-02-23 | 2022-05-31 | 阿波罗智联(北京)科技有限公司 | 自动驾驶车辆的避让方法、装置、设备及计算机存储介质 |
CN115056787A (zh) * | 2022-06-21 | 2022-09-16 | 驭势科技(北京)有限公司 | 自动驾驶的速度决策规划***、方法及自动驾驶车辆 |
CN115257724A (zh) * | 2022-07-07 | 2022-11-01 | 同济大学 | 一种插电式混动汽车安全节能决策控制方法和*** |
CN115158319A (zh) * | 2022-07-22 | 2022-10-11 | 阿波罗智能技术(北京)有限公司 | 车辆变道方法、装置、电子设备和存储介质 |
CN116149329A (zh) * | 2023-01-31 | 2023-05-23 | 北京百度网讯科技有限公司 | 轨迹确定方法、装置、设备以及自动驾驶车辆 |
CN116985790A (zh) * | 2023-07-04 | 2023-11-03 | 南京航空航天大学 | 一种用于无信号灯路口的智能网联汽车决策方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN117246320A (zh) | 2023-12-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11623659B2 (en) | Method for controlling autonomous vehicle to pass through curve, electronic device and medium | |
US11151868B2 (en) | Remote vehicle control at intersections | |
JP6881982B2 (ja) | 拡張された前方衝突警告を提供する装置及び方法 | |
US20230041319A1 (en) | Data processing method and apparatus, device, and storage medium | |
KR20210041544A (ko) | 자율 주행 차량 설계 방법, 장치, 전자기기 및 저장매체 | |
EP3893221B1 (en) | Event detection method and apparatus for cloud control platform, device, and storage medium | |
CN113071520A (zh) | 车辆行驶控制方法及装置 | |
CN110751825B (zh) | 编队行驶的避让方法、装置、设备和计算机可读存储介质 | |
EP4124532A2 (en) | Control method, apparatus, device, and medium for autonomous driving vehicle | |
CN113692372B (zh) | 用于自主车辆的异常处理 | |
US20230032713A1 (en) | Method and system for remote assistance of an autonomous agent | |
CN112700668A (zh) | 自动驾驶的远程控制方法、自动驾驶车辆及云端设备 | |
US11011059B2 (en) | Vehicle control device | |
US11084496B2 (en) | Utilizing qualitative models to provide transparent decisions for autonomous vehicles | |
WO2022022549A1 (zh) | 用于控制车辆的方法、装置、电子设备和存储介质 | |
CN112424047B (zh) | 将不适感用于自主车辆的速度规划 | |
CN111273662B (zh) | 车辆控制方法、装置、电子设备及可读存储介质 | |
CN115158319A (zh) | 车辆变道方法、装置、电子设备和存储介质 | |
US20220340165A1 (en) | Systems and methods for vehicular safety control | |
CN115675534A (zh) | 车辆轨迹预测方法、装置、电子设备及存储介质 | |
CN108860167A (zh) | 基于区块链的自动驾驶控制方法及装置 | |
CN110570648A (zh) | 编队行驶的调整方法、装置、设备和计算机可读存储介质 | |
US11897503B2 (en) | Method and apparatus for detecting unexpected control state in autonomous driving system | |
CN117246320B (zh) | 车辆的控制方法、装置、设备及存储介质 | |
CN112622924A (zh) | 一种驾驶规划方法及装置、车辆 |
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 |