CN115465288B - 自动驾驶车辆的控制方法、装置、车辆及存储介质 - Google Patents

Abstract

本申请涉及车辆自动驾驶技术领域，特别涉及一种自动驾驶车辆的控制方法、装置、车辆及存储介质，其中，包括：获取本车周围多个目标车辆的实际行驶状态；根据本车的实际行驶状态和每个目标车辆的实际行驶状态计算每个目标车辆的实际危险等级，并根据每个目标车辆的实际危险等级计算由多个目标车辆组成的车流的实际危险等级；在车流的实际危险等级小于预设等级时，控制车辆执行加速动作和/或换道动作，否则控制车辆执行减速动作或保持当前车速不变。由此，解决了相关技术中通常基于单目标的危险程度控制车辆自动驾驶决策，忽略了其他危险因素对于决策的影响，导致决策规划不合理，降低行车安全，用户体验不佳等问题。

Description

自动驾驶车辆的控制方法、装置、车辆及存储介质

技术领域

本申请涉及自动驾驶技术领域，特别涉及一种自动驾驶车辆的控制方法、装置、车辆及存储介质。

背景技术

自动驾驶技术主要包括环境感知、决策规划和控制执行三个部分，而环境感知作为自动驾驶技术的前端，准确性至关重要，在当前传感器性能较差，探测精度不足，可探测目标类别有限的情况下，对信息的充分挖掘使用则显得尤为重要。

相关技术中，通常基于单个目标车辆或是环境状态中单个目标的危险程度，控制车辆执行自动驾驶决策。然而，相关技术中基于单目标的危险程度控制车辆自动驾驶决策时，忽略了其他危险因素对于决策的影响，容易导致决策规划不合理，降低用户的行驶安全和驾乘舒适性，降低用户用车体验。

发明内容

本申请提供一种自动驾驶车辆的控制方法、装置、车辆及存储介质，以解决相关技术中通常基于单目标的危险程度控制车辆自动驾驶决策，忽略了其他危险因素对于决策的影响，导致决策规划不合理，降低行车安全，用户体验不佳等问题。

本申请第一方面实施例提供一种自动驾驶车辆的控制方法，包括以下步骤：获取本车周围多个目标车辆的实际行驶状态；根据所述本车的实际行驶状态和每个目标车辆的实际行驶状态计算所述每个目标车辆的实际危险等级，并根据所述每个目标车辆的实际危险等级计算由所述多个目标车辆组成的车流的实际危险等级；在所述车流的实际危险等级小于预设等级时，控制所述车辆执行加速动作和/或换道动作，否则控制所述车辆执行减速动作或保持当前车速不变。

根据上述技术手段，本申请实施例通过获取本车行驶周围多个目标车辆以及车辆组成的车流的实际行驶状态，计算每个目标车辆所组成的车流对本车造成的实际危险等级，当实际危险等级较小时，可以控制车辆加速或是换道，否则控制车辆减速或是保持车道行驶，从而准确识别和评估车流危险程度，并基于车流的危险程度控制车辆执行自动驾驶决策，使得自动驾驶决策更加合理化以及人性化，提升自动驾驶车辆的安全性，提升用户的使用体验。

可选地，所述根据所述本车的实际行驶状态和每个目标车辆的实际行驶状态计算所述每个目标车辆的实际危险等级，包括：根据所述本车的实际行驶状态和每个目标车辆的实际行驶状态计算所述本车的避撞减速度，并根据所述避撞减速度匹配所述每个目标车辆的纵向危险等级；所述目标车辆与本车所在车道线的横向距离、所述目标车辆的车身宽度和所述目标车辆所在车道的车道宽度计算横向距离占比，并根据所述横向距离占比匹配所述每个目标车辆的横向危险等级；以所述本车与所述目标车辆的纵向距离为索引，查询预设系数表，得到横向危险系数和纵向危险系数，根据所述纵向危险等级、所述横向危险等级、所述横向危险系数和所述纵向危险系数计算所述每个目标车辆的实际危险等级。

根据上述技术手段，本申请实施例通过计算本车和每个目标车辆之间的碰撞减速度以及横向距离占比分别匹配纵向危险等级和横向危险等级，并以本车与目标车辆的纵向距离为索引，查询表格得到横向危险系数和纵向危险系数，并基于纵/横的危险等级和系数得到目标车辆的实际危险等级，为自动驾驶车辆的横/纵向规划决策部分提供依据，使得车辆自动驾驶功能更加合理化，提升用户行车安全和用车体验。

可选地，所述根据所述本车的实际行驶状态和每个目标车辆的实际行驶状态计算所述本车的避撞减速度，包括：根据所述本车的实际行驶状态和每个目标车辆的实际行驶状态计算所述本车与所述每个目标车辆之间的纵向碰撞时间和横向碰撞时间；在所述横向碰撞时间与所述纵向碰撞时间差值小于碰撞阈值时，根据所述本车车速、目标车辆的车速和所述纵向碰撞时间计算所述避撞减速度，否则判定所述本车与所述目标车辆之间无碰撞风险。

根据上述技术手段，本申请实施例基于本车与目标车辆的实际行驶状态计算出纵/横碰撞时间，当横向碰撞时间与纵向碰撞时间差小于碰撞阈值时，此时碰撞风险较高，则继续计算本车所需避让减速度；当横向碰撞时间与纵向碰撞时间差大于或等于碰撞阈值时，则判定本车与目标车辆无碰撞风险，在本车具备碰撞风险时，自动计算出本车所需避让减速度，及时提醒车辆避免发生碰撞，提升用户行车安全和用车体验。

可选地，所述根据所述每个目标车辆的实际危险等级计算由所述多个目标车辆组成的车流的实际危险等级，包括：根据所述每个目标车辆与所述本车的相对位置关系匹配所述每个目标车辆的权重；根据所述每个目标车辆的实际危险等级和权重进行加权求和，得到求和结果，根据所述求和结果确定所述车流的实际危险等级。

根据上述技术手段，本申请实施例通过每个目标车辆对本车的权重，并与车辆的实际危险等级进行加权求和，得到的求和结果判定车流的实际危险等级，当在车辆较多情况下，为自动驾驶车辆行驶过程中多个目标对本车造成的影响提供依据，提升用户行车安全和用车体验。

可选地，所述根据所述每个目标车辆的实际危险等级计算由所述多个目标车辆组成的车流的实际危险等级，还包括：根据每个目标车辆的实际行驶状态计算所述车流的车流速度和车流密度；根据所述车流密度、所述本车与所述车流速度的速度差匹配所述车流的初始危险等级；利用第一预设归一化处理策略对所述求和结果、所述基础危险等级进行归一化，得到所述车流的实际危险等级。

根据上述技术手段，本申请实施例依据本车周围车辆的速度和密度匹配车辆的危险等级，并将其和求和结果进行归一化处理，得到车流的实际危险等级，综合考虑本车周围的车流对本车所造成的实际影响，并依据实际危险等级确保车辆的行车安全，提升用户行车安全和用车体验。

可选地，当由所述多个目标车辆组成的车流分别位于所述本车的两侧时，所述根据所述每个目标车辆的实际危险等级计算由所述多个目标车辆组成的车流的实际危险等级，还包括：基于所述第一预设归一化处理策略计算任意一侧车流的实际危险等级；利用第二预设归一化处理策略对所述本车的两侧车流的实际危险等级和所述初始危险等级进行归一化，得到所述本车周围车流的实际危险等级。

根据上述技术手段，本申请实施例通过先计算单侧车辆的实际危险等级，然后叠加两侧车流的实际危险等级进行归一化处理，得到本车周围车流的实际危险等级，准确地评估两侧缓慢车流危险程度，提升用户行车安全和用车体验。

本申请第二方面实施例提供一种自动驾驶车辆的控制装置，包括：获取模块，用于获取本车周围多个目标车辆的实际行驶状态；计算模块，用于根据所述本车的实际行驶状态和每个目标车辆的实际行驶状态计算所述每个目标车辆的实际危险等级，并根据所述每个目标车辆的实际危险等级计算由所述多个目标车辆组成的车流的实际危险等级；控制模块，用于在所述车流的实际危险等级小于预设等级时，控制所述车辆执行加速动作和/或换道动作，否则控制所述车辆执行减速动作或保持当前车速不变。

可选地，所述计算模块用于：根据所述本车的实际行驶状态和每个目标车辆的实际行驶状态计算所述本车的避撞减速度，并根据所述避撞减速度匹配所述每个目标车辆的纵向危险等级；所述目标车辆与本车所在车道线的横向距离、所述目标车辆的车身宽度和所述目标车辆所在车道的车道宽度计算横向距离占比，并根据所述横向距离占比匹配所述每个目标车辆的横向危险等级；以所述本车与所述目标车辆的纵向距离为索引，查询预设系数表，得到横向危险系数和纵向危险系数，根据所述纵向危险等级、所述横向危险等级、所述横向危险系数和所述纵向危险系数计算所述每个目标车辆的实际危险等级。

可选地，所述计算模块进一步用于：根据所述本车的实际行驶状态和每个目标车辆的实际行驶状态计算所述本车与所述每个目标车辆之间的纵向碰撞时间和横向碰撞时间；在所述横向碰撞时间与所述纵向碰撞时间差值小于碰撞阈值时，根据所述本车车速、目标车辆的车速和所述纵向碰撞时间计算所述避撞减速度，否则判定所述本车与所述目标车辆之间无碰撞风险。

可选地，所述计算模块进一步用于：根据所述每个目标车辆与所述本车的相对位置关系匹配所述每个目标车辆的权重；根据所述每个目标车辆的实际危险等级和权重进行加权求和，得到求和结果，根据所述求和结果确定所述车流的实际危险等级。

可选地，所述计算模块进一步用于：根据每个目标车辆的实际行驶状态计算所述车流的车流速度和车流密度；根据所述车流密度、所述本车与所述车流速度的速度差匹配所述车流的初始危险等级；利用第一预设归一化处理策略对所述求和结果、所述基础危险等级进行归一化，得到所述车流的实际危险等级。

可选地，所述计算模块进一步用于：基于所述第一预设归一化处理策略计算任意一侧车流的实际危险等级；利用第二预设归一化处理策略对所述本车的两侧车流的实际危险等级和所述初始危险等级进行归一化，得到所述本车周围车流的实际危险等级。

本申请第三方面实施例提供一种车辆，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述实施例所述的自动驾驶车辆的控制方法。

本申请第四方面实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行，以用于实现如上述实施例所述的自动驾驶车辆的控制方法。

由此，本申请至少具有如下有益效果：

(1)本申请实施例通过获取本车行驶周围多个目标车辆以及车辆组成的车流的实际行驶状态，计算每个目标车辆所组成的车流对本车造成的实际危险等级，当实际危险等级较小时，可以控制车辆加速或是换道，否则控制车辆减速或是保持车道行驶，从而准确识别和评估车流危险程度，并基于车流的危险程度控制车辆执行自动驾驶决策，使得自动驾驶决策更加合理化以及人性化，提升自动驾驶车辆的安全性，提升用户的使用体验。

(2)本申请实施例通过计算本车和每个目标车辆之间的碰撞减速度以及横向距离占比分别匹配纵向危险等级和横向危险等级，并以本车与目标车辆的纵向距离为索引，查询表格得到横向危险系数和纵向危险系数，并基于纵/横的危险等级和系数得到目标车辆的实际危险等级，为自动驾驶车辆的横/纵向规划决策部分提供依据，使得车辆自动驾驶功能更加合理化，提升用户行车安全和用车体验。

(3)本申请实施例基于本车与目标车辆的实际行驶状态计算出纵/横碰撞时间，当横向碰撞时间与纵向碰撞时间差小于碰撞阈值时，此时碰撞风险较高，则继续计算本车所需避让减速度；当横向碰撞时间与纵向碰撞时间差大于或等于碰撞阈值时，则判定本车与目标车辆无碰撞风险，在本车具备碰撞风险时，自动计算出本车所需避让减速度，及时提醒车辆避免发生碰撞，提升用户行车安全和用车体验。

(4)本申请实施例通过每个目标车辆对本车的权重，并与车辆的实际危险等级进行加权求和，得到的求和结果判定车流的实际危险等级，当在车辆较多情况下，为保证车辆行驶过程中多个目标对本车造成的影响提供依据，提升用户行车安全和用车体验。

(5)本申请实施例依据本车周围车辆的速度和密度匹配车辆的危险等级，并将其和求和结果进行归一化处理，得到车流的实际危险等级，综合考虑本车周围的车流对本车所造成的实际影响，并依据实际危险等级确保车辆的行车安全，提升用户行车安全和用车体验。

(6)本申请实施例通过先计算单侧车辆的实际危险等级，然后叠加两侧车流的实际危险等级进行归一化处理，得到本车周围车流的实际危险等级，准确地评估两侧缓慢车流危险程度，提升用户行车安全和用车体验。

本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。

附图说明

本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为根据本申请实施例的自动驾驶车辆的控制方法的流程图；

图2为根据本申请实施例的本车周边目标的示例图；

图3为根据本申请实施例的归一化函数tanh的曲线图；

图4为根据本申请实施例的自动驾驶车辆的控制装置的方框示意图；

图5为根据本申请实施例的车辆的结构示意图。

具体实施方式

下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终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。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。

自动驾驶技术主要包括环境感知、决策规划和控制执行三个部分。环境感知作为技术的前端，准确性至关重要，在当前传感器性能较差，探测精度不足，可探测目标类别有限的情况下，对信息的充分挖掘使用则显得尤为重要。

为提高复杂交通场景下的环境感知能力，需要综合道路形态，本车周边目标车辆的行驶意图、行驶状态等信息，对自动驾驶车辆两侧车流危险程度进行评估，这样才能保证决策规划的合理性与超前性，为控制执行部分预留充足的处理时间并提高驾乘安全性和舒适性。

现有危险等级估计算法主要有以下两类：

(1)基于单个目标车辆与本车相对运动关系的危险等级评估方法，该方法评估单个目标对本车安全行驶造成的影响，针对危险目标进行决策规划，并未考虑多个目标互相影响的因素，评估结果过于简单机械，使得规划控制不能区别对待不同的交通状态下的危险目标，与由驾驶员操作的驾驶过程差距较大，合理性明显不足。

(2)基于环境状态、目标车辆状态、目标车辆意图状态以及目标车辆类型的目标危险等级估计方法，该方法考虑到了环境状态对目标危险等级的影响，但并未将环境中的多个目标危险程度进行综合考虑，不能反映行驶环境中道路信息与行驶环境的复杂性对本车造成的危险。

具体而言，图1为本申请实施例所提供的一种自动驾驶车辆的控制方法的流程图。

如图1所示，该自动驾驶车辆的控制方法包括以下步骤：

在步骤S101中，获取本车周围多个目标车辆的实际行驶状态。

可以理解的是，本申请实施例提供获取的本车周围的多个目标车辆的行驶状态，为后续对其进行危险等级的评估做准备。

在步骤S102中，根据本车的实际行驶状态和每个目标车辆的实际行驶状态计算每个目标车辆的实际危险等级，并根据每个目标车辆的实际危险等级计算由多个目标车辆组成的车流的实际危险等级。

可以理解的是，本申请实施例先通过计算每个目标车辆对本车造成的实际危险等级，再计算由多个目标车辆组成的车流的实际危险等级，从单个目标到整个车流，利用多个纬度对目标危险等级进行计算，为车辆在行驶途中在不同危险等级下使用不同的方案应对提供依据，提升行驶安全性与驾乘舒适性，提升用户使用体验。

在本申请实施例中，根据本车的实际行驶状态和每个目标车辆的实际行驶状态计算每个目标车辆的实际危险等级，包括：根据本车的实际行驶状态和每个目标车辆的实际行驶状态计算本车的避撞减速度，并根据避撞减速度匹配每个目标车辆的纵向危险等级；目标车辆与本车所在车道线的横向距离、目标车辆的车身宽度和目标车辆所在车道的车道宽度计算横向距离占比，并根据横向距离占比匹配每个目标车辆的横向危险等级；以本车与目标车辆的纵向距离为索引，查询预设系数表，得到横向危险系数和纵向危险系数，根据纵向危险等级、横向危险等级、横向危险系数和纵向危险系数计算每个目标车辆的实际危险等级。

其中，碰撞减速度＝(本车速度-目标速度)/TTC；纵向危险等级可以是将减速度的数据限制上下限至[0-3.5]后转换到区间[0-1]得到的危险等级；横向距离占比＝目标距离本车车道线横向距离/[(目标车道宽度-目标宽度)/2]；横向危险等级可以是将横向距离占比的数值限制上下限至[-150,200]得到的危险等级。

其中，横向危险系数可以是根据本车速度和目标纵向距离查表得到的，纵向危险系数＝1-横向危险系数。

其中，预设系数表可以是用户事先设置的系数表，也可以是计算机经过多次数据得出的系数表，在此不做具体限定。

可以理解的是，本申请实施例通过计算本车和每个目标车辆之间的碰撞减速度以及横向距离占比分别匹配纵向危险等级和横向危险等级，并以本车与目标车辆的纵向距离为索引，查询表格得到横向危险系数和纵向危险系数，并基于纵/横的危险等级和系数得到目标车辆的实际危险等级，为自动驾驶车辆的横/纵向规划决策部分提供依据，使得车辆自动驾驶功能更加合理化，提升用户行车安全和用车体验。

在本申请实施例中，根据本车的实际行驶状态和每个目标车辆的实际行驶状态计算本车的避撞减速度，包括：根据本车的实际行驶状态和每个目标车辆的实际行驶状态计算本车与每个目标车辆之间的纵向碰撞时间和横向碰撞时间；在横向碰撞时间与纵向碰撞时间差值小于碰撞阈值时，根据本车车速、目标车辆的车速和纵向碰撞时间计算避撞减速度，否则判定本车与目标车辆之间无碰撞风险。

其中，碰撞阈值可以是TTC+0.1＝TLC。

可以理解的是，本申请实施例基于本车与目标车辆的实际行驶状态计算出纵/横碰撞时间，当横向碰撞时间与纵向碰撞时间差小于碰撞阈值时，此时碰撞风险较高，则继续计算本车所需避让减速度；当横向碰撞时间与纵向碰撞时间差大于或等于碰撞阈值时，则判定本车与目标车辆无碰撞风险，在本车具备碰撞风险时，自动计算出本车所需避让减速度，及时提醒车辆避免发生碰撞，提升用户行车安全和用车体验。

在本申请实施例中，根据每个目标车辆的实际危险等级计算由多个目标车辆组成的车流的实际危险等级，包括：根据每个目标车辆与本车的相对位置关系匹配每个目标车辆的权重；根据每个目标车辆的实际危险等级和权重进行加权求和，得到求和结果，根据求和结果确定车流的实际危险等级。

其中，权重可以是每个目标车辆对本车造成的危险程度相对于整体的比重。

可以理解的是，本申请实施例通过每个目标车辆对本车的权重，并与车辆的实际危险等级进行加权求和，得到的求和结果判定车流的实际危险等级，当在车辆较多情况下，为自动驾驶车辆行驶过程中多个目标对本车造成的影响提供依据，提升用户行车安全和用车体验。

在本申请实施例中，根据每个目标车辆的实际危险等级计算由多个目标车辆组成的车流的实际危险等级，还包括：根据每个目标车辆的实际行驶状态计算车流的车流速度和车流密度；根据车流密度、本车与车流速度的速度差匹配车流的初始危险等级；利用第一预设归一化处理策略对求和结果、基础危险等级进行归一化，得到车流的实际危险等级。

其中，初始危险等级是由车流密度以及本车与车流之间的速度差通过查表得到的危险等级。

其中，第一预设归一化处理策略可以是用户事先设置的归一化处理策略，例如：将本车周围的每个目标车辆的实际危险等级和权重进行加权求和得到的求和结果、以及车流的基础危险等级通过归一化处理得到车流的危险等级。

可以理解的是，本申请实施例依据本车周围车辆的速度和密度匹配车辆的初始危险等级，并将其和求和结果进行归一化处理，得到车流的实际危险等级，综合考虑本车周围的车流对本车所造成的实际影响，并依据实际危险等级确保车辆的行车安全，提升用户行车安全和用车体验。

具体地，将本车周围的每个目标车辆的实际危险等级和权重进行加权求和得到的求和结果、以及车流的基础危险等级通过归一化处理得到车流的危险等级，公式具体如下：

Left_Traffic_DF/Right_Traffic_DF＝tanh(1.6*DangerFactorTraffic+0.5*DangerFactorTargets)*100％。

在本申请实施例中，当由多个目标车辆组成的车流分别位于本车的两侧时，根据每个目标车辆的实际危险等级计算由多个目标车辆组成的车流的实际危险等级，还包括：基于第一预设归一化处理策略计算任意一侧车流的实际危险等级；利用第二预设归一化处理策略对本车的两侧车流的实际危险等级和初始危险等级进行归一化，得到本车周围车流的实际危险等级。

其中，第二预设归一化处理策略可以是用户事先设置的归一化处理策略，例如：叠加本车周围其中单侧车流的实际危险等级和初始危险等级进行归一化处理，得到的本车周围车流的实际危险等级。

可以理解的是，本申请实施例通过先计算单侧车辆的实际危险等级，然后叠加两侧车流的实际危险等级进行归一化处理，得到本车周围车流的实际危险等级，使得计算出的结果更具准确性，提升用户行车安全和用车体验。

具体地，两侧车流危险等级的计算公式如下：Left_Right_Traffic_DF＝tanh(1.5*Left_Traffic_DF+1.5*Right_Traffic_DF+0.4*DangerFactorTargets)*100％。

在步骤S103中，在车流的实际危险等级小于预设等级时，控制车辆执行加速动作和/或换道动作，否则控制车辆执行减速动作或保持当前车速不变。

其中，预设等级可以是用户事先设置的等级，也可以是计算机经过多次实验数据得出的等级，例如：车流的实际预设危险等级可以为5级或4级等。

可以理解的是，当实际危险等级较小时，可以控制车辆加速或是换道，否则控制车辆减速或是保持车道行驶，车辆自动驾驶可以规划在不同危险等级的场景下使用不同的加/减速度或换道等方法，使得自动驾驶车辆更加合理化以及人性化，提升用户行驶安全和用车体验。

根据本申请实施例提出的自动驾驶车辆的控制方法，本申请实施例通过获取本车行驶周围多个目标车辆以及车辆组成的车流的实际行驶状态，计算每个目标车辆所组成的车流对本车造成的实际危险等级，当实际危险等级较小时，可以控制车辆加速或是换道，否则控制车辆减速或是保持车道行驶，从而准确识别和评估车流危险程度，并基于车流的危险程度控制车辆执行自动驾驶决策，使得自动驾驶决策更加合理化以及人性化，提升自动驾驶车辆的安全性，提升用户的使用体验。由此，解决了相关技术中通常基于单目标的危险程度控制车辆自动驾驶决策，忽略了其他危险因素对于决策的影响，导致决策规划不合理，降低行车安全，用户体验不佳等问题。

下面将以图2所示的具体场景为例，当RT1距离本车相对较远或不存在时，自动驾驶车辆以较高的车速行驶，逐步超过左侧或右侧的缓慢车流，若左侧或右侧车辆突然切入本车行驶车道将会存在安全风险，并给乘坐人员带来较强的压迫感及较差的舒适感。为提高复杂交通场景下的环境感知能力，需要综合道路形态以及本车周边目标行驶意图、行驶状态等信息，对自动驾驶车辆两侧车流危险程度进行评估，以保证决策规划的合理性与超前性，为控制执行部分预留充足的处理时间并提高驾乘安全性和舒适性。

下面将对自动驾驶车辆危险等级的评估方法进行详细阐述，具体步骤如下：

(1)分别计算：通过摄像头、毫米波雷达、激光雷达等传感器获取到的目标原始信息融合后得到目标信息，根据得到的目标信息分别计算出目标的纵向碰撞时间TTC(秒)、横向碰撞时间TLC(秒)、本车对目标避撞需要的减速度TarAcc(m/s^2)，目标处于偏离车道百分比LatPer(靠近本车道小于100；远离本车道大于100)，车流密度TrafficDensity(辆)，车流速度TrafficSpeed以及本车与车流的速度差ΔV。

(2)对单目标危险等级计算：分别计算本车与目标之间的纵向碰撞时间TTC(秒)和横向碰撞时间TLC(秒)，当TTC+0.1≥TLC时，则判断存在碰撞风险；

通过计算避撞减速度TarAcc＝(本车速度-目标速度)/TTC，将减速度TarAcc(m/s^2)的数值限制上下限至[0-3.5]后转换到区间[0-1]得到纵向基础危险等级long_danger_basic；

通过横向距离占比lat_percent＝目标距离本车车道线横向距离(dis_lane)/[(目标车道宽度lane_width-目标宽度width)/2]，将横向距离占比lat_percent的数值限制上下限至[-150，200]后查表得到横向基础危险等级lat_danger_basic；

根据本车速度和目标纵向距离查表得到横向危险系数，所以纵向危险系数＝1-横向危险系数；最后通过横/纵向基础危险等级和横纵向危险系数计算得到单目标危险等级Obj DangerFactor(DF)。

(3)单侧车流危险等级计算：根据车流密度TrafficDensity和本车与车流的速度差ΔV通过查表得到车流的基础危险等级DangerFactorTraffic，由本车周边目标的危险等级进行加权求和后归一化处理得到周边目标的危险等级，公式如下：

DangerFactorTargets＝tanh(W1*DF_RT1+W3*DF_RT3+W4*DF_RT4+W5*DF_RT5+W6*DF_RT6+W7*DF_RT7+W8*DF_RT8++W19*DF_RT19++W20*DF_RT20)。

其中，tanh为归一化函数，其曲线如图3所示，DF_RTn为目标RTn由步骤2得到的目标危险等级，Wn为目标权重由如下表格得到：

目标编号RTn	RT1	RT3	RT4	RT5	RT6	RT7	RT8	RT19	RT20
										权重Wn	0.6	1	1	0.7	0.7	0.8	0.8	0.4	0.4

综合车流的基础危险等级和周边目标的危险等级，通过归一化处理得到车流的危险等级，公式如下：

Left_Traffic_DF/Right_Traffic_DF＝tanh(1.6*DangerFactorTraffic+0.5*DangerFactorTargets)*100％。

(4)两侧车流危险等级计算：由步骤2和3得出的计算结果，两侧车流危险等级，公式如下：

Left_Right_Traffic_DF＝tanh(1.5*Left_Traffic_DF+1.5*Right_Traffic_DF+0.4*DangerFactorTargets)*100％。

综上所述，通过分别计算出的目标的相关目标属性，再计算出目标的危险等级，然后综合目标危险等级和单侧车流属性得到单侧车流危险等级，依据单侧车流危险等级进行叠加并归一化处理得到当前车辆两侧车流的危险等级。

其次参照附图描述根据本申请实施例提出的自动驾驶车辆的控制装置。

图4是本申请实施例的自动驾驶车辆的控制装置的方框示意图。

如图4所示，该自动驾驶车辆的控制装置10包括：获取模块100、计算模块200和控制模块300。

其中，获取模块100用于获取本车周围多个目标车辆的实际行驶状态；计算模块200用于根据本车的实际行驶状态和每个目标车辆的实际行驶状态计算每个目标车辆的实际危险等级，并根据每个目标车辆的实际危险等级计算由多个目标车辆组成的车流的实际危险等级；控制模块300用于在车流的实际危险等级小于预设等级时，控制车辆执行加速动作和/或换道动作，否则控制车辆执行减速动作或保持当前车速不变。

在本申请实施例中，计算模块200用于：根据本车的实际行驶状态和每个目标车辆的实际行驶状态计算本车的避撞减速度，并根据避撞减速度匹配每个目标车辆的纵向危险等级；目标车辆与本车所在车道线的横向距离、目标车辆的车身宽度和目标车辆所在车道的车道宽度计算横向距离占比，并根据横向距离占比匹配每个目标车辆的横向危险等级；以本车与目标车辆的纵向距离为索引，查询预设系数表，得到横向危险系数和纵向危险系数，根据纵向危险等级、横向危险等级、横向危险系数和纵向危险系数计算每个目标车辆的实际危险等级。

在本申请实施例中，计算模块200进一步用于：根据本车的实际行驶状态和每个目标车辆的实际行驶状态计算本车与每个目标车辆之间的纵向碰撞时间和横向碰撞时间；在横向碰撞时间与纵向碰撞时间差值小于碰撞阈值时，根据本车车速、目标车辆的车速和纵向碰撞时间计算避撞减速度，否则判定本车与目标车辆之间无碰撞风险。

在本申请实施例中，计算模块进一步用于：根据每个目标车辆与本车的相对位置关系匹配每个目标车辆的权重；根据每个目标车辆的实际危险等级和权重进行加权求和，得到求和结果，根据求和结果确定车流的实际危险等级。

在本申请实施例中，计算模块200进一步用于：根据每个目标车辆的实际行驶状态计算车流的车流速度和车流密度；根据车流密度、本车与车流速度的速度差匹配车流的初始危险等级；利用第一预设归一化处理策略对求和结果、基础危险等级进行归一化，得到车流的实际危险等级。

在本申请实施例中，计算模块200进一步用于：基于第一预设归一化处理策略计算任意一侧车流的实际危险等级；利用第二预设归一化处理策略对本车的两侧车流的实际危险等级和初始危险等级进行归一化，得到本车周围车流的实际危险等级。

需要说明的是，前述对自动驾驶车辆的控制方法实施例的解释说明也适用于该实施例的自动驾驶车辆的控制装置，此处不再赘述。

根据本申请实施例提出的自动驾驶车辆的控制装置，本申请实施例通过获取本车行驶周围多个目标车辆以及车辆组成的车流的实际行驶状态，计算每个目标车辆所组成的车流对本车造成的实际危险等级，当实际危险等级较小时，可以控制车辆加速或是换道，否则控制车辆减速或是保持车道行驶，从而准确识别和评估车流危险程度，并基于车流的危险程度控制车辆执行自动驾驶决策，使得自动驾驶决策更加合理化以及人性化，提升自动驾驶车辆的安全性，提升用户的使用体验。由此，解决了相关技术中通常基于单目标的危险程度控制车辆自动驾驶决策，忽略了其他危险因素对于决策的影响，导致决策规划不合理，降低行车安全，用户体验不佳等问题。

图5为本申请实施例提供的车辆的结构示意图。该车辆可以包括：

存储器501、处理器502及存储在存储器501上并可在处理器502上运行的计算机程序。

处理器502执行程序时实现上述实施例中提供的自动驾驶车辆的控制方法。

进一步地，车辆还包括：

通信接口503，用于存储器501和处理器502之间的通信。

存储器501，用于存放可在处理器502上运行的计算机程序。

存储器501可能包含高速RAM(Random Access Memory，随机存取存储器)存储器，也可能还包括非易失性存储器，例如至少一个磁盘存储器。

如果存储器501、处理器502和通信接口503独立实现，则通信接口503、存储器501和处理器502可以通过总线相互连接并完成相互间的通信。总线可以是ISA(IndustryStandard Architecture，工业标准体系结构)总线、PCI(Peripheral Component，外部设备互连)总线或EISA(Extended Industry Standard Architecture，扩展工业标准体系结构)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

可选的，在具体实现上，如果存储器501、处理器502及通信接口503，集成在一块芯片上实现，则存储器501、处理器502及通信接口503可以通过内部接口完成相互间的通信。

处理器502可能是一个CPU(Central Processing Unit，中央处理器)，或者是ASIC(Application Specific Integrated Circuit，特定集成电路)，或者是被配置成实施本申请实施例的一个或多个集成电路。

本申请实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上的自动驾驶车辆的控制方法。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不是必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或N个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“N个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更N个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。

应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，N个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列，现场可编程门阵列等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (8)

1.一种自动驾驶车辆的控制方法，其特征在于，包括以下步骤：

获取本车周围多个目标车辆的实际行驶状态；

根据所述本车的实际行驶状态和每个目标车辆的实际行驶状态计算所述每个目标车辆的实际危险等级，并根据所述每个目标车辆的实际危险等级计算由所述多个目标车辆组成的车流的实际危险等级；

在所述车流的实际危险等级小于预设等级时，控制所述车辆执行加速动作和/或换道动作，否则控制所述车辆执行减速动作或保持当前车速不变；

所述根据所述本车的实际行驶状态和每个目标车辆的实际行驶状态计算所述每个目标车辆的实际危险等级，包括：

根据所述本车的实际行驶状态和每个目标车辆的实际行驶状态计算所述本车的避撞减速度，并根据所述避撞减速度匹配所述每个目标车辆的纵向危险等级；

所述目标车辆与本车所在车道线的横向距离、所述目标车辆的车身宽度和所述目标车辆所在车道的车道宽度计算横向距离占比，并根据所述横向距离占比匹配所述每个目标车辆的横向危险等级；

以所述本车与所述目标车辆的纵向距离为索引，查询预设系数表，得到横向危险系数和纵向危险系数，根据所述纵向危险等级、所述横向危险等级、所述横向危险系数和所述纵向危险系数计算所述每个目标车辆的实际危险等级。

2.根据权利要求1所述的方法，其特征在于，所述根据所述本车的实际行驶状态和每个目标车辆的实际行驶状态计算所述本车的避撞减速度，包括：

根据所述本车的实际行驶状态和每个目标车辆的实际行驶状态计算所述本车与所述每个目标车辆之间的纵向碰撞时间和横向碰撞时间；

在所述横向碰撞时间与所述纵向碰撞时间差值小于碰撞阈值时，根据所述本车车速、目标车辆的车速和所述纵向碰撞时间计算所述避撞减速度，否则判定所述本车与所述目标车辆之间无碰撞风险。

3.根据权利要求1所述的方法，其特征在于，所述根据所述每个目标车辆的实际危险等级计算由所述多个目标车辆组成的车流的实际危险等级，包括：

根据所述每个目标车辆与所述本车的相对位置关系匹配所述每个目标车辆的权重；

根据所述每个目标车辆的实际危险等级和权重进行加权求和，得到求和结果，根据所述求和结果确定所述车流的实际危险等级。

4.根据权利要求3所述的方法，其特征在于，所述根据所述每个目标车辆的实际危险等级计算由所述多个目标车辆组成的车流的实际危险等级，还包括：

根据每个目标车辆的实际行驶状态计算所述车流的车流速度和车流密度；

根据所述车流密度、所述本车与所述车流速度的速度差匹配所述车流的初始危险等级；

利用第一预设归一化处理策略对所述求和结果、基础危险等级进行归一化，得到所述车流的实际危险等级。

5.根据权利要求4所述的方法，其特征在于，当由所述多个目标车辆组成的车流分别位于所述本车的两侧时，所述根据所述每个目标车辆的实际危险等级计算由所述多个目标车辆组成的车流的实际危险等级，还包括：

基于所述第一预设归一化处理策略计算任意一侧车流的实际危险等级；

利用第二预设归一化处理策略对所述本车的两侧车流的实际危险等级和所述初始危险等级进行归一化，得到所述本车周围车流的实际危险等级。

6.一种自动驾驶车辆的控制装置，其特征在于，包括：

获取模块，用于获取本车周围多个目标车辆的实际行驶状态；

计算模块，用于根据所述本车的实际行驶状态和每个目标车辆的实际行驶状态计算所述每个目标车辆的实际危险等级，并根据所述每个目标车辆的实际危险等级计算由所述多个目标车辆组成的车流的实际危险等级；

控制模块，用于在所述车流的实际危险等级小于预设等级时，控制所述车辆执行加速动作和/或换道动作，否则控制所述车辆执行减速动作或保持当前车速不变；

所述计算模块用于：

根据所述本车的实际行驶状态和每个目标车辆的实际行驶状态计算所述本车的避撞减速度，并根据所述避撞减速度匹配所述每个目标车辆的纵向危险等级；

所述目标车辆与本车所在车道线的横向距离、所述目标车辆的车身宽度和所述目标车辆所在车道的车道宽度计算横向距离占比，并根据所述横向距离占比匹配所述每个目标车辆的横向危险等级；

以所述本车与所述目标车辆的纵向距离为索引，查询预设系数表，得到横向危险系数和纵向危险系数，根据所述纵向危险等级、所述横向危险等级、所述横向危险系数和所述纵向危险系数计算所述每个目标车辆的实际危险等级。

7.一种车辆，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如权利要求1-5任一项所述的自动驾驶车辆的控制方法。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行，以用于实现如权利要求1-5任一项所述的自动驾驶车辆的控制方法。