CN108313054B - 自动驾驶自主换道决策方法和装置及自动驾驶车辆 - Google Patents
自动驾驶自主换道决策方法和装置及自动驾驶车辆 Download PDFInfo
- Publication number
- CN108313054B CN108313054B CN201810009986.7A CN201810009986A CN108313054B CN 108313054 B CN108313054 B CN 108313054B CN 201810009986 A CN201810009986 A CN 201810009986A CN 108313054 B CN108313054 B CN 108313054B
- Authority
- CN
- China
- Prior art keywords
- lane
- change
- financial value
- vehicle
- decision
- 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
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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种自动驾驶自主换道决策方法和装置及自动驾驶车辆,所述方法包括:步骤100,更新车辆参数;步骤200,判断是否有换道动机,如果判断为有,则进入步骤300;如果判断为否,则进入步骤400;步骤300,计算换道的收益值;步骤400,输出换道决策结果,该换道决策结果包括不换道、向左换道和向右换道。本发明提供的自主换道决策算法规则简单、逻辑清晰、适应性好且参数易于整定。在复杂道路环境下,自动驾驶车辆充分借鉴了人类驾驶员的换道经验,在保证安全性的前提下,最大程度提高了换道效率和收益。
Description
技术领域
本发明涉及自动驾驶技术领域,特别是涉及一种自动驾驶自主换道决策方法和装置及自动驾驶车辆。
背景技术
自动驾驶近些年来逐渐成为热点话题,许多高校、传统车企和互联网企业纷纷展开研究,且已经发展到一定水平。国内外研究成果已经预见,在缓解交通拥堵、提高道路安全性、减少空气污染等领域,自动驾驶会带来颠覆性的改变。自动驾驶综合运用了视觉分析、人工智能和分布式计算等先进技术,使车辆具有自主巡航、交通标志识别和碰撞预警等功能,其中车辆自主换道是其重要研究内容之一。
车辆在行驶过程中,通常为了追求更快的车速和更自由的驾驶空间而自主进行车道变换。相比于跟驰行为,换道行为需要考虑更加复杂的周围车辆和道路环境信息。为使自动驾驶车辆具有人类驾驶员的换道经验,能够在道路环境中自如行驶,需要对换道行为进行深入的研究。而合理的换道决策为实施换道行为提供了良好的基础,对于保证换道的安全性和舒适度都具有非常重要的意义。目前应用较多的自主性换道决策方法大致可分为基于数据的换道决策方法和基于规则的换道决策方法两类。
基于数据的换道决策方法主要包括几种典型的机器学习算法,例如决策树、粗糙集和最近邻模型等。首先,从数据集中提取车辆行驶过程中影响驾驶员换道决策的因素作为输入特征,例如自车和周围车辆的位置、速度等状态数据,将其进行预处理后划分成训练样本和测试样本。然后,选取合理的模型结构和参数阈值,基于训练样本对决策模型进行训练和优化。最后,采用训练后的模型对测试样本进行分类,将分类结果与实际的换道情况进行对比,验证决策模型的精确性。
基于数据的算法需要大量数据用于模型训练和测试,而不同驾驶员在不同工况下产生的换道动机有很大的差异,很难收集到全面并且完整的换道数据。而且算法实现的过程比较繁琐,数据处理、模型选取和模型训练在时间和空间上都需要占用很多的资源。最重要的是,基于数据的换道模型都具有一定的假阳性率,即在需要车道保持时做出换道决策,显著影响了行车安全。
基于规则的换道模型主要由换道动机和碰撞检测两部分组成,目前已经应用在某些驾驶辅助系统中。驾驶辅助系统的检测模块可以提供自车与周围障碍物的相对距离和相对速度。当自车的速度或者车头时距低于期望值,如果检测到目标车道具有速度优势或者空间优势就会产生换道动机。碰撞检测主要评价在产生换道动机后,目标车道前后是否有足够的间隙允许安全地执行换道行为,需要计算自主性换道能接受的最小间距和碰撞时间从而做出换道决策。
基于规则的换道模型判断规则复杂,约束条件众多,造成了算法的可移植性差,因而无法满足多种场景下的换道逻辑。并且现有算法只考虑了自车和周围障碍物的状态,而没有将道路的几何结构作为决策影响因素,显然不符合人类驾驶员的驾驶习惯。
因此,希望有一种技术方案来克服或至少减轻现有技术的上述缺陷中的至少一个。
发明内容
本发明的目的在于提供一种自动驾驶自主换道决策方法及装置来克服或至少减轻现有技术的上述缺陷中的至少一个。
为实现上述目的,本发明提供一种自动驾驶自主换道决策方法,所述自动驾驶自主换道决策方法包括如下步骤:步骤100,更新车辆参数,车辆参数包括自车和障碍物参数;步骤200,根据步骤100的车辆参数中的自车和障碍物参数,判断是否有换道动机,如果判断为有,则进入步骤300;如果判断为否,则进入步骤400;步骤300,计算换道的收益值;步骤400,根据步骤300计算的道收益值以及步骤100的车辆参数中的障碍物参数,输出换道决策结果,该换道决策结果包括不换道、向左换道和向右换道;步骤400具体包括:步骤440,左侧车道的收益值Left等于换到右侧车道的收益值Right时,判断目标车道上是否有前车,如果判断为是,则进入步骤450;如果判断为否,则进入步骤460;步骤450,判断左侧车道上前车的车速vL是否大于右侧车道上前车的车速vR,如果判断为是,则换道决策结果为向左换道;如果判断为否,则换道决策结果为向右换道;步骤460,判断自车与左侧车道后车的碰撞时间TTCL是否大于自车与右侧车道后车的碰撞时间TTCR,如果判断为是,则换道决策结果为向左换道;如果判断为否,则换道决策结果为向右换道。
进一步地,步骤400具体还包括:步骤410,判断换到左侧车道的收益值Left和换到右侧车道的收益值Right是否为0,如果都为0,则换道决策结果为不换道;如果换到左侧车道的收益值Left为0且换到右侧车道的收益值Right不为0,则换道决策结果为向右换道;如果换到左侧车道的收益值Left不为0且换到右侧车道的收益值Right为0,则换道决策结果为向左换道;如果都不为0,则进入步骤420;步骤420,判断换到左侧车道的收益值Left是否小于换到右侧车道的收益值Right,如果判断为是,则换道决策结果为向右换道;如果判断为否,则进入步骤430;步骤430,判断换到左侧车道的收益值Left是否大于换到右侧车道的收益值Right,如果判断为是,则换道决策结果为向左换道;如果判断为否,则进入步骤440。
进一步地,步骤300具体包括:步骤320,根据步骤100的车辆参数中的目标车道上的前车和后车与自车的相对位置和相对速度,判断自车是否通过碰撞检测,如果判断为是,则收益值为不小于1;如果判断为否,则收益值为0;步骤320中“判断自车是否通过碰撞检测方法”包括:如果自车与目标车道上的前车和后车的间隙均大于最小安全距离,则表示碰撞检测通过,最小安全距离的表达式为:
Dis=Dissafe+max{t0(vB-vF),0}
其中,Dis表示最小安全距离,Dissafe为安全距离冗余值,t0表示换道过程的平均时间;自车与目标车道上的前车进行碰撞检测时,vB表示自车的速度,vF表示目标车道上的前车速度;自车与目标车道上的后车进行碰撞检测时,vB表示目标车道后车速度,vF表示自车速度;步骤330,判断目标车道是否有前车,如果判断为有,则进入步骤340;如果判断为否,则收益值为第一预设收益值;步骤340,判断目标车道上的前车是否有明显速度优势,如果判断为有,则收益值为第二预设收益值;如果判断为否,则进入步骤350;步骤350,判断目标车道上的前车是否有联合速度距离优势,如果判断为有,则收益值为第三预设收益值;如果判断为否,则收益值为0;其中,所述第一预设收益值大于第二预设收益值,所述第二预设收益值大于所述第三预设收益值。
进一步地,步骤300具体还包括:步骤310,根据地图信息和步骤100的自车参数中的自车位置信息,判断是否存在目标车道,如果判断为是,则进入步骤320;如果判断为否,则收益值为0。
进一步地,步骤200具体包括:步骤210,判断当前车道是否有前车,如果判断为否,即当前车道没有前车,自车可以自由行驶以达到期望速度,因此不产生换道动机;步骤220,判断自车得的速度是否达到一定速度或是否处于跟驰状态,如果判断为否,则不产生换道动机。
进一步地,步骤200具体还包括:如果步骤210和步骤220的判断同时为是,则进入步骤230;步骤230,判断前车的速度是否低于阈值,如果判断为是,则产生换道动机;如果判断为否,则不产生换道动机。
本发明提供一种自动驾驶自主换道决策装置,所述自动驾驶自主换道决策装置包括车辆参数更新模块、换道动机判断模块、收益值计算模块和换道决策结果输出模块,其中:所述车辆参数更新模块用于更新车辆参数,车辆参数包括自车和障碍物参数,并输出;所述换道动机判断模块用于根据所述车辆参数更新模块的车辆参数中的自车和障碍物参数,判断是否有换道动机,将有换道动机的情况输出所述收益值计算模块以及将没有换道动机的情况输出所述换道决策结果输出模块;所述收益值计算模块用于计算收益值;所述换道决策结果输出模块用于根据所述所述收益值计算模块输出的收益值以及所述车辆参数更新模块输出的车辆参数中的的障碍物参数,输出换道决策结果,换道决策结果包括不换道、向左换道和向右换道。
进一步地,所述换道决策结果输出模块具体包括:第一收益值比较子模块,其用于判断换到左侧车道的收益值Left和换到右侧车道的收益值Right是否为0,如果都为0,则换道决策结果为不换道;如果换到左侧车道的收益值Left为0且换到右侧车道的收益值Right不为0,则换道决策结果为向右换道;如果换到左侧车道的收益值Left不为0且换到右侧车道的收益值Right为0,则换道决策结果为向左换道;第二收益值比较子模块,其用于在换到左侧车道的收益值Left和换到右侧车道的收益值Right都不为0的情形下,判断换到左侧车道的收益值Left是否小于换到右侧车道的收益值Right,并在换到左侧车道的收益值Left小于换到右侧车道的收益值Right的情形下,输出的换道决策结果为向右换道;第三收益值比较子模块,其用于在换到左侧车道的收益值Left不小于换到右侧车道的收益值Right的情形下,判断换到左侧车道的收益值Left是否大于换到右侧车道的收益值Right,并在换到左侧车道的收益值Left大于换到右侧车道的收益值Right的情形下,输出的换道决策结果为向左换道;前车判断子模块,其用于在换到左侧车道的收益值Left等于换到右侧车道的收益值Right的情形下,判断目标车道上是否有前车;侧车道前车的车速比较子模块,其用于在所述前车判断子模块判定目标车道上有前车的情形下,判断左侧车道前车的车速是否大于右侧车道前车的车速,并在左侧车道前车的车速大于右侧车道前车的车速,则输出换道决策结果为向左换道,以及在左侧车道前车的车速不大于右侧车道前车的车速,则输出换道决策结果为向右换道;碰撞时间比较子模块,其用于在所述前车判断子模块判定目标车道上没有前车的情形下,判断自车与左侧车道后车的碰撞时间是否大于自车与右侧车道后车的碰撞时间,并在自车与左侧车道后车的碰撞时间大于自车与右侧车道后车的碰撞时间的情形下,则输出换道决策结果为向左换道,以及在自车与左侧车道后车的碰撞时间不大于自车与右侧车道后车的碰撞时间的情形下,则输出换道决策结果为向右换道。
进一步地,所述收益值计算模块具体包括目标车道判断子模块、碰撞检测判断子模块、前车判断子模块、速度优势判断子模块和联合速度距离优势判断子模块,其中:所述目标车道判断子模块用于根据所述车辆参数更新模块输出的车辆参数中的地图信息和自车位置信息,判断是否存在目标车道,并将目标车道存在的信息输送给所述碰撞检测判断子模块,以及在目标车道不存在的情形下向所述换道决策结果输出模块输出收益值为0;所述碰撞检测判断子模块用于根据所述车辆参数更新模块输出的车辆参数中的目标车道上的前车和后车与自车的相对位置和相对速度,判断是否通过碰撞检测,并在碰撞检测通过的情形下向所述换道决策结果输出模块输出收益值为不小于1,以及在碰撞检测不通过的情形下向所述换道决策结果输出模块输出收益值为0;所述前车判断子模块用于判断目标车道是否有前车,并将目标车道上有前车的信息输送给所述速度优势判断子模块,以及在目标车道上没有前车的情形下将收益值设为第一预设收益值;所述速度优势判断子模块用于判断目标车道上的前车是否有明显速度优势,在有明显速度优势的情形下将收益值设为第二预设收益值;所述联合速度距离优势判断子模块用于在所述速度优势判断子模块判断目标车道上的前车没有明显速度优势的情形下,判断目标车道上的前车是否有联合速度距离优势,在有联合速度距离优势的情形下将收益值设为第三预设收益值,以及在没有联合速度距离优势的情形下将收益值设为0;其中,所述第一预设收益值大于第二预设收益值,所述第二预设收益值大于所述第三预设收益值。
本发明还提供一种自动驾驶车辆,所述自动驾驶车辆包括如上所述的自动驾驶自主换道决策装置。
本发明提供的自主换道决策算法规则简单、逻辑清晰、适应性好且参数易于整定。在复杂道路环境下,自动驾驶车辆充分借鉴了人类驾驶员的换道经验,在保证安全性的前提下,最大程度提高了换道效率和收益。
附图说明
图1是本发明方法提供的自动驾驶自主换道决策方法一实施例的流程图。
图2是图1中的步骤200的流程图。
图3是图1中的步骤300的流程图。
图4是图1中的步骤400的流程图。
具体实施方式
在附图中,使用相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面结合附图对本发明的实施例进行详细说明。
在本发明的描述中,术语“中心”、“纵向”、“横向”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明保护范围的限制。
如图1和图3所示,本实施例所提供的自动驾驶自主换道决策方法包括如下步骤:
步骤100,更新车辆参数,车辆参数包括自车和障碍物参数。其中,自车和障碍物参数由传感器采集得到,自车参数包括自车的位置和速度,障碍物参数包括障碍物的位置和速度信息。“障碍物”可以理解为除自车之外的物体(比如:人、车等)。
在每个程序运行周期,需要对车辆参数进行更新,具体更新方法如下:
步骤110,通过车载传感器实时获取车辆参数。
步骤120,结合高精度地图信息,通过自车位置确定自车所在的车道并检测当前车道的左侧和右侧是否存在车道。地图信息无需更新,通过自车位置和地图信息,确定障碍物与自车的相对位置,是在当前车道,还是目标车道。
步骤130,根据每个障碍物的位置信息,选取当前车道及左侧车道、右侧车道上(如果存在)与自车相对纵向距离最近的障碍物作为关键目标,更新关键目标的状态信息。根据步骤130,也可以确定目标车道的前车和后车的相关信息,比如:前车的速度和位置,后车的速度和位置。
步骤200,根据步骤100的车辆参数中的自车和障碍物参数,判断是否有换道动机,如果判断为有,则进入步骤300;如果判断为否,则进入步骤400。
当自车无法达到期望速度(取决于车辆和道路类型)时则会产生自主换道动机,步骤200具体的判断逻辑如图2所示:
步骤210,判断当前车道是否有前车,如果判断为否,即当前车道没有前车,自车可以自由行驶以达到期望速度,因此不产生换道动机。
步骤220,判断自车得的速度是否达到一定速度或是否处于跟驰状态,如果判断为否,则不产生换道动机,也就是说,比如:如果自车速度较低(一般设置为期望速度的20%)并且与前车的纵向间隙较大(高于跟车距离,一般设置为2倍车速),进行换道所需的时间较长,为了保证换道过程的效率和平稳性可以先提高车速再进行换道决策,因此也不产生换道动机。
如果步骤210和步骤220的判断同时为是,则进入步骤230。
步骤230,判断前车的速度是否低于阈值,如果判断为是,则产生换道动机;如果判断为否,则不产生换道动机。
也就是说,除上述步骤210和步骤220的判断均为否的情形之外,如果前车速度低于阈值将产生换道动机,为了防止频繁进行换道,阈值设置为期望速度的80%。
如图3所示,步骤300,在产生换道动机后,计算换道的收益值,具体包括:
步骤310,根据地图信息和步骤100的自车参数中的自车位置信息,判断是否存在目标车道,也就是说,在该步骤中判断是否具有足够空间(自车位置距离目标车道终点大于20米)进行换道,如果判断为是(如果存在目标车道),则进入步骤320;如果判断为否(如果不存在目标车道),则收益值为0。
步骤320,根据步骤100的车辆参数中的目标车道上的前车和后车与自车的相对位置和相对速度(包括前车与自车的相对位置和相对速度、后车与自车的相对位置和相对速度),判断自车是否通过碰撞检测,如果判断为是(如果目标车道满足要求并且通过碰撞检测说明换道具有可行性),则收益值为不小于1;如果判断为否,则收益值为0。
碰撞检测需要考虑自车和目标车道前车的可能碰撞以及自车和目标车道后车的可能碰撞,采用TTC(碰撞时间)模型进行判断。TTC模型描述的是假设当前时间点本车与前车的相对速度不变的情况下,本车与前车碰撞发生时的时间。设定换道过程的平均时间t0(比如5秒),而前车和后车之间的TTC需要大于换道时间,因此步骤320具体方法包括:
如果自车与目标车道上的前车和后车的间隙均大于最小安全距离,则表示碰撞检测通过,最小安全距离的表达式为:
Dis=Dissafe+max{t0(vB-vF),0}
其中,Dis表示最小安全距离,Dissafe为安全距离冗余值,根据自车的速度进行设置,车速越快,设置越大,比如可以设置成4、6、8等,t0表示换道过程的平均时间,属于经验值,Dissafe和t0都为设定值。自车与目标车道上的前车进行碰撞检测时,vB表示自车的速度,vF表示目标车道上的前车速度;自车与目标车道上的后车进行碰撞检测时,vB表示目标车道后车速度,vF表示自车速度。
步骤300具体还包括:
步骤330,判断目标车道是否有前车,如果判断为有,则进入步骤340;如果判断为否,则收益值为第一预设收益值。“判断目标车道是否有前车”d方法具体包括:首先根据自车位置在地图中确定当前车道和目标车道的范围,然后检测目标车道是否有障碍物,如果有且在自车前方说明目标车道有前车。
步骤340,判断目标车道上的前车是否有明显速度优势,如果判断为有,则收益值为第二预设收益值。
其中,所述第一预设收益值大于第二预设收益值。
通过满足步骤330和340,可以使自车换道具有更高的速度。
步骤300具体还包括如果步骤340判断为否,则进入步骤350。
步骤350,判断目标车道上的前车是否有联合速度距离优势,如果判断为有,则收益值为第三预设收益值;如果判断为否,则收益值为0。
其中,所述第二预设收益值大于所述第三预设收益值。
通过满足步骤350,可以使自车换道具有更高的速度,并提高了换道安全性。
在一个具体的实施例中,当目标车道不存在前车时,收益值为3;当目标车道存在明显的速度优势时,即目标车道前车车速大于当前车道前车车速的1.2倍,收益值为2;当目标车道具有联合速度距离优势时,即目标车道前车车速大于当前车道前车车速且目标车道前车与自车的纵向间隙大于跟驰距离,收益值为1;如果目标车道并不满足上述三种条件或不具有换道可行性时,收益值为0。
步骤400,根据步骤300计算的道收益值以及步骤100的车辆参数中的障碍物参数,输出换道决策结果,该换道决策结果包括不换道、向左换道和向右换道。
如图4所示,在一个实施例中,步骤400具体包括:
步骤410,判断换到左侧车道的收益值Left和换到右侧车道的收益值Right是否为0,如果都为0,则换道决策结果为不换道;如果换到左侧车道的收益值Left为0且换到右侧车道的收益值Right不为0,则换道决策结果为向右换道;如果换到左侧车道的收益值Left不为0且换到右侧车道的收益值Right为0,则换道决策结果为向左换道;如果都不为0,则进入步骤420。
步骤420,判断换到左侧车道的收益值Left是否小于换到右侧车道的收益值Right,如果判断为是,则换道决策结果为向右换道;如果判断为否,则进入步骤430。
步骤430,判断换到左侧车道的收益值Left是否大于换到右侧车道的收益值Right,如果判断为是,则换道决策结果为向左换道。
步骤400具体还包括如果步骤430判断为否,即左侧车道的收益值Left等于换到右侧车道的收益值Right时,则进入步骤440。
步骤440,判断目标车道上是否有前车,如果判断为是,则进入步骤450;如果判断为否,则进入步骤460。
步骤450,判断左侧车道前车的车速vL是否大于右侧车道前车的车速vR,如果判断为是,则换道决策结果为向左换道;如果判断为否,则换道决策结果为向右换道。当左右两侧换道优先级相同时,此时的步骤450可以保证更大的速度优势。
步骤460,判断自车与左侧车道后车的碰撞时间TTCL是否大于自车与右侧车道后车的碰撞时间TTCR,如果判断为是,则换道决策结果为向左换道;如果判断为否,则换道决策结果为向右换道。当左右两侧换道优先级相同时,此时的步骤460考虑了更大的安全优势。
上述实施例根据左侧车道和右侧车道的换道优先级可以输出最终的决策结果。图4中,Left表示换到左侧车道的收益值Left,Right表示换到右侧车道的收益值Right。TTCL表示自车与左侧车道后车的碰撞时间,TTCR表示自车与右侧车道后车的碰撞时间,TTCL、TTCR由两辆车之间的相对位置和相对速度获得,“相对位置”指的是障碍物参数,“相对速度”指的是自车速度和障碍物速度(障碍物参数)之差。vL表示左侧车道前车的车速,vR表示右侧车道前车的车速。当左侧收益值和右侧收益值均为0时,不进行自主换道。至少有一侧收益值不为0时,选择收益值较高的一侧进行换道。若两侧的收益值相同,判断目标车道是否存在前车。如果判断为有前车,出于速度优势考虑,选择前车速度较大的一侧进行换道。否则,出于安全优势考虑,选择后车TTC较大的一侧进行换道。
本发明还提供一种自动驾驶自主换道决策装置,所述自动驾驶自主换道决策装置包括车辆参数更新模块、换道动机判断模块、收益值计算模块和换道决策结果输出模块,其中:
所述车辆参数更新模块用于更新车辆参数,车辆参数包括自车和障碍物参数,并输出。
所述换道动机判断模块用于根据所述车辆参数更新模块的车辆参数中的自车和障碍物参数,判断是否有换道动机,将有换道动机的情况输出所述收益值计算模块以及将没有换道动机的情况输出所述换道决策结果输出模块。
收益值计算模块用于计算收益值,具体包括目标车道判断子模块和碰撞检测判断子模块,其中:
所述目标车道判断子模块用于根据所述车辆参数更新模块输出的车辆参数中的地图信息和自车位置信息,判断是否存在目标车道,并将目标车道存在的信息输送给所述碰撞检测判断子模块,以及在目标车道不存在的情形下向所述换道决策结果输出模块输出收益值为0。
所述碰撞检测判断子模块用于根据所述车辆参数更新模块输出的车辆参数中的目标车道上的前车和后车与自车的相对位置和相对速度,判断是否通过碰撞检测,并在碰撞检测通过的情形下向所述换道决策结果输出模块输出收益值为不小于1,以及在碰撞检测不通过的情形下向所述换道决策结果输出模块输出收益值为0。
所述换道决策结果输出模块用于根据所述目标车道判断子模块、所述碰撞检测判断子模块输出的收益值以及所述车辆参数更新模块输出的车辆参数中的的障碍物参数,输出换道决策结果,换道决策结果包括不换道、向左换道和向右换道。
在一个实施例中,所述换道决策结果输出模块具体包括第一收益值比较子模块、第二收益值比较子模块、第三收益值比较子模块、前车判断子模块和侧车道前车的车速比较子模块,其中:
第一收益值比较子模块用于判断换到左侧车道的收益值Left和换到右侧车道的收益值Right是否为0,如果都为0,则换道决策结果为不换道;如果换到左侧车道的收益值Left为0且换到右侧车道的收益值Right不为0,则换道决策结果为向右换道;如果换到左侧车道的收益值Left不为0且换到右侧车道的收益值Right为0,则换道决策结果为向左换道。
第二收益值比较子模块用于在换到左侧车道的收益值Left和换到右侧车道的收益值Right都不为0的情形下,判断换到左侧车道的收益值Left是否小于换到右侧车道的收益值Right,并在换到左侧车道的收益值Left小于换到右侧车道的收益值Right的情形下,输出的换道决策结果为向右换道。
第三收益值比较子模块用于在换到左侧车道的收益值Left不小于换到右侧车道的收益值Right的情形下,判断换到左侧车道的收益值Left是否大于换到右侧车道的收益值Right,并在换到左侧车道的收益值Left大于换到右侧车道的收益值Right的情形下,输出的换道决策结果为向左换道。
前车判断子模块用于在换到左侧车道的收益值Left等于换到右侧车道的收益值Right的情形下,判断目标车道上是否有前车。
侧车道前车的车速比较子模块用于在所述前车判断子模块判定目标车道上有前车的情形下,判断左侧车道前车的车速是否大于右侧车道前车的车速,并在左侧车道前车的车速大于右侧车道前车的车速,则输出换道决策结果为向左换道,以及在左侧车道前车的车速不大于右侧车道前车的车速,则输出换道决策结果为向右换道。
碰撞时间比较子模块用于在所述前车判断子模块判定目标车道上没有前车的情形下,判断自车与左侧车道后车的碰撞时间是否大于自车与右侧车道后车的碰撞时间,并在自车与左侧车道后车的碰撞时间大于自车与右侧车道后车的碰撞时间的情形下,则输出换道决策结果为向左换道,以及在自车与左侧车道后车的碰撞时间不大于自车与右侧车道后车的碰撞时间的情形下,则输出换道决策结果为向右换道。
在一个实施例中,,所述碰撞检测判断子模块判断是否通过碰撞检测的方法具体包括:
如果自车与目标车道上的前车和后车的间隙均大于最小安全距离,则表示碰撞检测通过,最小安全距离的表达式为:
Dis=Dissafe+max{v0(vB-vF),0}
其中,Dis表示最小安全距离,Dissafe为安全距离冗余值,根据自车的速度进行设置,车速越快,设置越大,比如可以设置成4、6、8等,v0表示换道过程的平均时间,属于经验值,Dissafe和v0都为设定值。自车与目标车道上的前车进行碰撞检测时,vB表示自车的速度,vF表示目标车道上的前车速度;自车与目标车道上的后车进行碰撞检测时,vB表示目标车道后车速度,vF表示自车速度。
在一个实施例中,所述收益值计算模块具体还包括前车判断子模块、速度优势判断子模块和联合速度距离优势判断子模块,其中:
所述前车判断子模块用于判断目标车道是否有前车,并将目标车道上有前车的信息输送给所述速度优势判断子模块,以及在目标车道上没有前车的情形下将收益值设为第一预设收益值。
所述速度优势判断子模块用于判断目标车道上的前车是否有明显速度优势,在有明显速度优势的情形下将收益值设为第二预设收益值。
所述联合速度距离优势判断子模块用于在所述速度优势判断子模块判断目标车道上的前车没有明显速度优势的情形下,判断目标车道上的前车是否有联合速度距离优势,在有联合速度距离优势的情形下将收益值设为第三预设收益值,以及在没有联合速度距离优势的情形下将收益值设为0。
其中,所述第一预设收益值大于第二预设收益值,所述第二预设收益值大于所述第三预设收益值。
本发明还提供一种自动驾驶车辆,所述自动驾驶车辆包括上述各实施例中所述的自动驾驶自主换道决策装置。
需要说明的是,除技术方案中提到的影响因素外,还可以结合障碍物的类型、加速度包括行为和轨迹预测等信息进行自主换道决策。获取道路和障碍物信息的途径不局限于高精度地图和车载传感器,同样可以采用视觉、车联网等离线或在线方式。
最后需要指出的是:以上实施例仅用以说明本发明的技术方案,而非对其限制。本领域的普通技术人员应当理解:可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种自动驾驶自主换道决策方法,其特征在于,包括如下步骤:
步骤100,更新车辆参数,车辆参数包括自车和障碍物参数;
步骤200,根据步骤100的车辆参数中的自车和障碍物参数,判断是否有换道动机,如果判断为有,则进入步骤300;如果判断为否,则进入步骤400;
步骤300,计算换道的收益值;
步骤400,根据步骤300计算的道收益值以及步骤100的车辆参数中的障碍物参数,输出换道决策结果,该换道决策结果包括不换道、向左换道和向右换道;步骤400具体包括:
步骤440,左侧车道的收益值Left等于换到右侧车道的收益值Right时,判断目标车道上是否有前车,如果判断为是,则进入步骤450;如果判断为否,则进入步骤460;
步骤450,判断左侧车道上前车的车速vL是否大于右侧车道上前车的车速vR,如果判断为是,则换道决策结果为向左换道;如果判断为否,则换道决策结果为向右换道;
步骤460,判断自车与左侧车道后车的碰撞时间TTCL是否大于自车与右侧车道后车的碰撞时间TTCR,如果判断为是,则换道决策结果为向左换道;如果判断为否,则换道决策结果为向右换道。
2.如权利要求1所述的自动驾驶自主换道决策方法,其特征在于,步骤400具体还包括:
步骤410,判断换到左侧车道的收益值Left和换到右侧车道的收益值Right是否为0,如果都为0,则换道决策结果为不换道;如果换到左侧车道的收益值Left为0且换到右侧车道的收益值Right不为0,则换道决策结果为向右换道;如果换到左侧车道的收益值Left不为0且换到右侧车道的收益值Right为0,则换道决策结果为向左换道;如果都不为0,则进入步骤420;
步骤420,判断换到左侧车道的收益值Left是否小于换到右侧车道的收益值Right,如果判断为是,则换道决策结果为向右换道;如果判断为否,则进入步骤430;
步骤430,判断换到左侧车道的收益值Left是否大于换到右侧车道的收益值Right,如果判断为是,则换道决策结果为向左换道;如果判断为否,则进入步骤440。
3.如权利要求1或2所述的自动驾驶自主换道决策方法,其特征在于,步骤300具体包括:
步骤320,根据步骤100的车辆参数中的目标车道上的前车和后车与自车的相对位置和相对速度,判断自车是否通过碰撞检测,如果判断为是,则收益值为不小于1;如果判断为否,则收益值为0;步骤320中“判断自车是否通过碰撞检测方法”包括:
如果自车与目标车道上的前车和后车的间隙均大于最小安全距离,则表示碰撞检测通过,最小安全距离的表达式为:
Dis=Dissafe+max{t0(vB-vF),0}
其中,Dis表示最小安全距离,Dissafe为安全距离冗余值,t0表示换道过程的平均时间;自车与目标车道上的前车进行碰撞检测时,vB表示自车的速度,vF表示目标车道上的前车速度;自车与目标车道上的后车进行碰撞检测时,vB表示目标车道后车速度,vF表示自车速度;
步骤330,判断目标车道是否有前车,如果判断为有,则进入步骤340;如果判断为否,则收益值为第一预设收益值;
步骤340,判断目标车道上的前车是否有明显速度优势,如果判断为有,则收益值为第二预设收益值;如果判断为否,则进入步骤350;
步骤350,判断目标车道上的前车是否有联合速度距离优势,如果判断为有,则收益值为第三预设收益值;如果判断为否,则收益值为0;
其中,所述第一预设收益值大于第二预设收益值,所述第二预设收益值大于所述第三预设收益值。
4.如权利要求3所述的自动驾驶自主换道决策方法,其特征在于,步骤300具体还包括:
步骤310,根据地图信息和步骤100的自车参数中的自车位置信息,判断是否存在目标车道,如果判断为是,则进入步骤320;如果判断为否,则收益值为0。
5.如权利要求3所述的自动驾驶自主换道决策方法,其特征在于,步骤200具体包括:
步骤210,判断当前车道是否有前车,如果判断为否,即当前车道没有前车,自车可以自由行驶以达到期望速度,因此不产生换道动机;
步骤220,判断自车得的速度是否达到一定速度或是否处于跟驰状态,如果判断为否,则不产生换道动机。
6.如权利要求5所述的自动驾驶自主换道决策方法,其特征在于,步骤200具体还包括:如果步骤210和步骤220的判断同时为是,则进入步骤230;
步骤230,判断前车的速度是否低于阈值,如果判断为是,则产生换道动机;如果判断为否,则不产生换道动机。
7.一种自动驾驶自主换道决策装置,其特征在于,包括车辆参数更新模块、换道动机判断模块、收益值计算模块和换道决策结果输出模块,其中:
所述车辆参数更新模块用于更新车辆参数,车辆参数包括自车和障碍物参数,并输出;
所述换道动机判断模块用于根据所述车辆参数更新模块的车辆参数中的自车和障碍物参数,判断是否有换道动机,将有换道动机的情况输出所述收益值计算模块以及将没有换道动机的情况输出所述换道决策结果输出模块;
所述收益值计算模块用于计算收益值;
所述换道决策结果输出模块用于根据所述收益值计算模块输出的收益值以及所述车辆参数更新模块输出的车辆参数中的的障碍物参数,输出换道决策结果,换道决策结果包括不换道、向左换道和向右换道。
8.如权利要求7所述的自动驾驶自主换道决策装置,其特征在于,所述换道决策结果输出模块具体包括:
第一收益值比较子模块,其用于判断换到左侧车道的收益值Left和换到右侧车道的收益值Right是否为0,如果都为0,则换道决策结果为不换道;如果换到左侧车道的收益值Left为0且换到右侧车道的收益值Right不为0,则换道决策结果为向右换道;如果换到左侧车道的收益值Left不为0且换到右侧车道的收益值Right为0,则换道决策结果为向左换道;
第二收益值比较子模块,其用于在换到左侧车道的收益值Left和换到右侧车道的收益值Right都不为0的情形下,判断换到左侧车道的收益值Left是否小于换到右侧车道的收益值Right,并在换到左侧车道的收益值Left小于换到右侧车道的收益值Right的情形下,输出的换道决策结果为向右换道;
第三收益值比较子模块,其用于在换到左侧车道的收益值Left不小于换到右侧车道的收益值Right的情形下,判断换到左侧车道的收益值Left是否大于换到右侧车道的收益值Right,并在换到左侧车道的收益值Left大于换到右侧车道的收益值Right的情形下,输出的换道决策结果为向左换道;
前车判断子模块,其用于在换到左侧车道的收益值Left等于换到右侧车道的收益值Right的情形下,判断目标车道上是否有前车;
侧车道前车的车速比较子模块,其用于在所述前车判断子模块判定目标车道上有前车的情形下,判断左侧车道前车的车速是否大于右侧车道前车的车速,并在左侧车道前车的车速大于右侧车道前车的车速,则输出换道决策结果为向左换道,以及在左侧车道前车的车速不大于右侧车道前车的车速,则输出换道决策结果为向右换道;
碰撞时间比较子模块,其用于在所述前车判断子模块判定目标车道上没有前车的情形下,判断自车与左侧车道后车的碰撞时间是否大于自车与右侧车道后车的碰撞时间,并在自车与左侧车道后车的碰撞时间大于自车与右侧车道后车的碰撞时间的情形下,则输出换道决策结果为向左换道,以及在自车与左侧车道后车的碰撞时间不大于自车与右侧车道后车的碰撞时间的情形下,则输出换道决策结果为向右换道。
9.如权利要求7所述的自动驾驶自主换道决策装置,其特征在于,所述收益值计算模块具体包括目标车道判断子模块、碰撞检测判断子模块、前车判断子模块、速度优势判断子模块和联合速度距离优势判断子模块,其中:
所述目标车道判断子模块用于根据所述车辆参数更新模块输出的车辆参数中的地图信息和自车位置信息,判断是否存在目标车道,并将目标车道存在的信息输送给所述碰撞检测判断子模块,以及在目标车道不存在的情形下向所述换道决策结果输出模块输出收益值为0;
所述碰撞检测判断子模块用于根据所述车辆参数更新模块输出的车辆参数中的目标车道上的前车和后车与自车的相对位置和相对速度,判断是否通过碰撞检测,并在碰撞检测通过的情形下向所述换道决策结果输出模块输出收益值为不小于1,以及在碰撞检测不通过的情形下向所述换道决策结果输出模块输出收益值为0;
所述前车判断子模块用于判断目标车道是否有前车,并将目标车道上有前车的信息输送给所述速度优势判断子模块,以及在目标车道上没有前车的情形下将收益值设为第一预设收益值;
所述速度优势判断子模块用于判断目标车道上的前车是否有明显速度优势,在有明显速度优势的情形下将收益值设为第二预设收益值;
所述联合速度距离优势判断子模块用于在所述速度优势判断子模块判断目标车道上的前车没有明显速度优势的情形下,判断目标车道上的前车是否有联合速度距离优势,在有联合速度距离优势的情形下将收益值设为第三预设收益值,以及在没有联合速度距离优势的情形下将收益值设为0;
其中,所述第一预设收益值大于第二预设收益值,所述第二预设收益值大于所述第三预设收益值。
10.一种自动驾驶车辆,其特征在于,包括如权利要求7-9中任一项所述的自动驾驶自主换道决策装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810009986.7A CN108313054B (zh) | 2018-01-05 | 2018-01-05 | 自动驾驶自主换道决策方法和装置及自动驾驶车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810009986.7A CN108313054B (zh) | 2018-01-05 | 2018-01-05 | 自动驾驶自主换道决策方法和装置及自动驾驶车辆 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108313054A CN108313054A (zh) | 2018-07-24 |
CN108313054B true CN108313054B (zh) | 2019-08-02 |
Family
ID=62893730
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810009986.7A Active CN108313054B (zh) | 2018-01-05 | 2018-01-05 | 自动驾驶自主换道决策方法和装置及自动驾驶车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108313054B (zh) |
Families Citing this family (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108983787B (zh) * | 2018-08-09 | 2021-09-10 | 北京智行者科技有限公司 | 道路行驶方法 |
CN109017785B (zh) * | 2018-08-09 | 2020-06-26 | 北京智行者科技有限公司 | 车辆换道行驶方法 |
CN109002041B (zh) * | 2018-08-09 | 2021-03-19 | 北京智行者科技有限公司 | 一种车辆避障方法 |
DE102018219391B4 (de) * | 2018-11-14 | 2021-05-20 | Honda Motor Co., Ltd. | Fahrzeugsteuervorrichtung, Fahrzeugsteuerverfahren undFahrzeugsteuerprogramm |
CN111325230B (zh) * | 2018-12-17 | 2023-09-12 | 上海汽车集团股份有限公司 | 车辆换道决策模型的在线学习方法和在线学习装置 |
CN109709956B (zh) * | 2018-12-26 | 2021-06-08 | 同济大学 | 一种自动驾驶车辆速度控制多目标优化的跟驰算法 |
CN110614994B (zh) * | 2018-12-29 | 2021-01-22 | 长城汽车股份有限公司 | 车辆自动驾驶时换道的控制方法、控制系统及车辆 |
CN109739246B (zh) * | 2019-02-19 | 2022-10-11 | 阿波罗智能技术(北京)有限公司 | 一种变换车道过程中的决策方法、装置、设备及存储介质 |
CN109979200A (zh) * | 2019-03-29 | 2019-07-05 | 武汉理工大学 | 一种全时共享公交专用道社会车辆换道引导系统及方法 |
CN110532846B (zh) * | 2019-05-21 | 2022-09-16 | 华为技术有限公司 | 自动换道方法、装置及存储介质 |
CN110228473B (zh) * | 2019-05-27 | 2021-07-02 | 驭势科技(北京)有限公司 | 一种智能车换道决策方法、装置、存储介质和智能车 |
CN110304045B (zh) * | 2019-06-25 | 2020-12-15 | 中国科学院自动化研究所 | 智能驾驶横向换道决策方法、系统和装置 |
CN110362910B (zh) * | 2019-07-05 | 2021-07-16 | 西南交通大学 | 基于博弈论的自动驾驶车辆换道冲突协调模型建立方法 |
CN110466522B (zh) * | 2019-08-07 | 2020-12-15 | 广州小鹏汽车科技有限公司 | 自动变道方法、系统、车辆、车载计算机及存储介质 |
CN110503743B (zh) * | 2019-08-12 | 2021-09-14 | 浙江吉利汽车研究院有限公司 | 一种自动驾驶车辆的异常检测方法、装置和设备 |
CN110723146B (zh) * | 2019-10-31 | 2021-02-09 | 哈尔滨工业大学 | 一种考虑驾驶利益增量的多车交互换道决策方法 |
CN112937564B (zh) * | 2019-11-27 | 2022-09-02 | 魔门塔(苏州)科技有限公司 | 换道决策模型生成方法和无人车换道决策方法及装置 |
CN112863245B (zh) * | 2019-11-28 | 2022-07-05 | 南京理工大学 | 基于深度神经网络的车辆换道轨迹实时预测方法 |
CN111142532B (zh) * | 2020-01-03 | 2023-04-28 | 三一汽车制造有限公司 | 基于5g网络通讯的无人驾驶压路机群避障方法和系统 |
CN113071491B (zh) * | 2020-01-06 | 2022-07-26 | 广州汽车集团股份有限公司 | 一种用于自动驾驶汽车的自主超车方法及其系统 |
CN111717199B (zh) * | 2020-06-24 | 2021-09-17 | 中国第一汽车股份有限公司 | 自动换道避撞控制方法、装置、车辆及存储介质 |
CN111994089A (zh) * | 2020-09-02 | 2020-11-27 | 中国科学技术大学 | 基于混合策略博弈的驾驶人换道意图识别方法及系统 |
CN112406905B (zh) * | 2020-09-10 | 2022-01-28 | 腾讯科技(深圳)有限公司 | 基于交通工具的数据处理方法、装置、计算机及存储介质 |
CN114506324B (zh) * | 2020-10-23 | 2024-03-15 | 上海汽车集团股份有限公司 | 一种车道决策方法及相关装置 |
CN112721948A (zh) * | 2021-01-11 | 2021-04-30 | 成都语动未来科技有限公司 | 基于预测和搜索框架的自动驾驶汽车变道调度的实现方法 |
CN114852099B (zh) * | 2021-02-03 | 2024-08-02 | 宇通客车股份有限公司 | 机动车换道行为的预测方法 |
CN113232655B (zh) * | 2021-06-29 | 2023-01-06 | 安徽江淮汽车集团股份有限公司 | 紧急场景下自动驾驶行驶模式决策方法 |
CN113895440B (zh) * | 2021-12-10 | 2022-03-15 | 深圳佑驾创新科技有限公司 | 一种高速公路自动变道方法、装置、电子设备及存储介质 |
CN114506342B (zh) * | 2022-03-03 | 2023-12-05 | 东风悦享科技有限公司 | 一种自动驾驶变道决策的方法、系统及车辆 |
CN114566065B (zh) * | 2022-03-04 | 2024-02-27 | 天翼交通科技有限公司 | 一种基于车路协同的多车协作式变道方法 |
CN115027497B (zh) * | 2022-06-20 | 2024-07-23 | 重庆长安汽车股份有限公司 | 目标车辆切入意图预测方法及可读存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4333797B2 (ja) * | 2007-02-06 | 2009-09-16 | 株式会社デンソー | 車両用制御装置 |
CN101823486A (zh) * | 2010-04-30 | 2010-09-08 | 奇瑞汽车股份有限公司 | 一种自动驾驶系统 |
JP2012051498A (ja) * | 2010-09-02 | 2012-03-15 | Suzuki Motor Corp | 車両の制御装置 |
CN105216792A (zh) * | 2014-06-12 | 2016-01-06 | 株式会社日立制作所 | 对周围环境中的障碍物目标进行识别跟踪的方法和设备 |
CN105730443B (zh) * | 2016-04-08 | 2019-01-01 | 奇瑞汽车股份有限公司 | 车辆变道控制方法及系统 |
CN106708040B (zh) * | 2016-12-09 | 2019-10-08 | 重庆长安汽车股份有限公司 | 自动驾驶系统的传感器模块、自动驾驶系统及方法 |
-
2018
- 2018-01-05 CN CN201810009986.7A patent/CN108313054B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108313054A (zh) | 2018-07-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108313054B (zh) | 自动驾驶自主换道决策方法和装置及自动驾驶车辆 | |
CN113291308B (zh) | 一种考虑驾驶行为特性的车辆自学习换道决策系统及方法 | |
Liu et al. | Crash comparison of autonomous and conventional vehicles using pre-crash scenario typology | |
Huang et al. | A probabilistic risk assessment framework considering lane-changing behavior interaction | |
Zyner et al. | A recurrent neural network solution for predicting driver intention at unsignalized intersections | |
CN110103956A (zh) | 一种无人车自动超车轨迹规划方法 | |
CN105966396B (zh) | 一种基于驾驶员避撞行为的车辆避撞控制方法 | |
CN103996287B (zh) | 一种基于决策树模型的车辆强制换道决策方法 | |
Zhang et al. | A framework for turning behavior classification at intersections using 3D LIDAR | |
CN110843789A (zh) | 一种基于时序卷积网络的车辆换道意图预测方法 | |
CN113895459B (zh) | 一种障碍物的筛选方法及系统 | |
CN112249008B (zh) | 针对复杂动态环境的无人驾驶汽车预警方法 | |
Bonnin et al. | A generic concept of a system for predicting driving behaviors | |
Woo et al. | Dynamic potential-model-based feature for lane change prediction | |
Gao et al. | Discretionary cut-in driving behavior risk assessment based on naturalistic driving data | |
CN110103968A (zh) | 一种基于三维激光雷达的无人车自主超车轨迹规划系统 | |
Lu et al. | Decision-making method of autonomous vehicles in urban environments considering traffic laws | |
CN117022324A (zh) | 自动驾驶汽车合规性安全决策规划系统和方法 | |
CN116341288A (zh) | 一种异质交通流行车安全场建模方法 | |
Jiang et al. | A review of traffic behaviour and intelligent driving at roundabouts based on a microscopic perspective | |
CN118038698B (zh) | 自动驾驶混合交通流安全状态的确定系统及方法 | |
Yi et al. | Data-driven situation awareness algorithm for vehicle lane change | |
CN112785863B (zh) | 基于K-Means和熵加权的并道决策分类预警方法 | |
CN116331206A (zh) | 一种智能汽车安全行驶的决策方法及系统 | |
Zhao et al. | Decision mechanism of vehicle autonomous lane change based on rough set theory |
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 | ||
CP03 | Change of name, title or address |
Address after: Building C-3, Northern Territory, Zhongguancun Dongsheng Science Park, 66 Xixiaokou Road, Haidian District, Beijing, 100176 Patentee after: Beijing Idriverplus Technology Co.,Ltd. Address before: B4-006, maker Plaza, 338 East Street, Huilongguan town, Changping District, Beijing 102208 Patentee before: Beijing Idriverplus Technology Co.,Ltd. |
|
CP03 | Change of name, title or address |