详情

原文传递车辆自动驾驶方法、装置及电子设备

专利名称：	车辆自动驾驶方法、装置及电子设备
摘要：	本申请提供了一种车辆自动驾驶方法、装置及电子设备，该方法包括：首先获取目标车辆的行驶信息，相关车辆的行驶信息以及车道信息，然后通过第一神经网络模型进行行驶得分的预测，得到多个不同驾驶策略的行驶得分，最终根据行驶得分确定目标驾驶策略。本申请的技术中通过驾驶决策首先确定出多个驾驶策略，然后针对每个驾驶策略，利用神经网络模型对其进行得分预测，使得最终确定的目标驾驶策略在传统决策算法的基础上融合了神经网络对目标车辆的行驶性能的有效预测，通过第一神经网络模型预测的得分而确定的目标驾驶策略更贴近实际的复杂交通情况，有效提升了车辆自动驾驶的安全性。
专利类型：	发明专利
申请人：	苏州挚途科技有限公司;挚途(上海)智能科技有限公司
发明人：	张艺浩;韩志华;徐修信;郭立群
专利状态：	有效
申请日期：	2022-01-12T00:00:00+0800
发布日期：	2022-03-11T00:00:00+0800
申请号：	CN202210033315.0
公开号：	CN114162145A
代理机构：	北京超凡宏宇专利代理事务所(特殊普通合伙)
代理人：	舒淼
分类号：	B60W60/00;B60W30/18;G06N3/04;B;G;B60;G06;B60W;G06N;B60W60;B60W30;G06N3;B60W60/00;B60W30/18;G06N3/04
申请人地址：	215100 江苏省苏州市相城区高铁新城青龙港路58号天成时代商务广场11、12层;
主权项：	1.一种车辆自动驾驶方法，其特征在于，所述方法包括：获取目标车辆在当前时刻的第一行驶信息、与所述目标车辆相距第一指定范围内的相关车辆对应的第二行驶信息以及与所述目标车辆相距第二指定范围内的相关车道的车道信息；通过第一神经网络模型、所述第一行驶信息、所述第二行驶信息以及所述车道信息预测所述目标车辆以多个不同的预定驾驶策略行驶的行驶得分；其中，所述行驶得分用于表征所述目标车辆以所述预定驾驶策略进行行驶的行驶状况和车辆性能；所述第一神经网络模型通过不同交通状况下对应的样本数据训练得到；根据所述多个不同驾驶策略分别对应的行驶得分从所述多个不同驾驶策略中确定目标驾驶策略，以使所述目标车辆在所述当前时刻的下一时刻按照所述目标驾驶策略行驶。 2.根据权利要求1所述的方法，其特征在于，所述与所述目标车辆相距指定范围内的相关车辆包括以下至少一者：所述目标车辆所在车道中与所述目标车辆距离小于第一距离阈值且位于所述目标车辆行驶方向前方的第一相关车辆；在所述目标车辆所在车道右侧车道中与所述目标车辆距离小于第二距离阈值且位于所述目标车辆行驶方向前方的第二相关车辆；在所述目标车辆所在车道右侧车道中与所述目标车辆距离小于第三距离阈值且位于所述目标车辆行驶方向后方的第三相关车辆；在所述目标车辆所在车道左侧车道中与所述目标车辆距离小于第四距离阈值且位于所述目标车辆行驶方向前方的第四相关车辆；在所述目标车辆所在车道右侧车道中与所述目标车辆距离小于第五距离阈值且位于所述目标车辆行驶方向后方的第五相关车辆。 3.根据权利要求1所述的方法，其特征在于，所述目标车辆在当前时刻的第一行驶信息包括所述目标车辆的第一位置和第一速度；获取与所述目标车辆相距指定范围内的相关车辆对应的第二行驶信息的步骤，包括：获取所述相关车辆在所述当前时刻的第二位置和第二速度；计算所述第二位置相对于第一位置的相对位置，以及所述第二速度相对于所述第一速度的相对速度；将所述相对位置和所述相对速度确定为所述相关车辆对应的第二行驶信息。 4.根据权利要求3所述的方法，其特征在于，所述方法还包括：如果所述目标车辆所在车道为道路中最右侧车道，将位于所述目标车辆所在车道右侧车道中的所述相关车辆的第二行驶信息设置为0；如果所述目标车辆所在车道为道路中最左侧车道，将位于所述目标车辆所在车道左侧车道中的所述相关车辆的第二行驶信息设置为0。 5.根据权利要求1所述的方法，其特征在于，所述相关车道包括所述目标车辆所在车道、所述目标车辆所在车道的右侧车道以及所述目标车辆所在车道的左侧车道；获取与所述目标车辆相距第二指定范围内的相关车道的车道信息的步骤，包括：将所述车辆在当前时刻的位置作为原点位置；计算所述相关车道中第一预设数量个连续位置中每个位置与所述原点位置的横向距离和纵向距离；其中，在所述第一预设数量个连续位置中每两个相邻位置之间的距离相等；将所述第一预设数量个连续位置中每个位置对应的所述横向距离和纵向距离构成的集合确定为与所述目标车辆相距第二指定范围内的相关车道的车道信息。 6.根据权利要求1所述的方法，其特征在于，所述多个不同驾驶策略至少包括以下中的任意两个：加速直行、保持速度直行、减速直行、直线紧急刹车、向左车道匀速变道以及向右车道匀速变道。 7.根据权利要求1所述的方法，其特征在于，所述第一神经网络模型通过以下步骤训练得到：获取样本数据；其中，所述样本数据包括目标样本车辆的速度信息和位置信息，与所述目标样本车辆相关的相关样本车辆的速度信息和位置信息，以及所述目标样本车辆对应的车道的车道信息；根据所述样本数据和损失函数计算第二预设数量个连续时刻中每个时刻对应的初始神经网络模型的损失值；其中，损失函数包括碰撞参数、能耗参数、变道惩罚参数、行驶效率参数中的一个或多个；根据所述损失值调整所述初始神经网络模型的参数，将满足训练停止条件时对应的所述初始神经网络模型确定为所述第一神经网络模型。 8.根据权利要求7所述的方法，其特征在于，所述方法还包括：通过所述初始神经网络模型确定所述第二预设数量个连续时刻中所述当前时刻的下一时刻所述多个不同驾驶策略分别对应的预测得分；将所述预测得分最大的所述驾驶策略作为下一时刻驾驶策略，并获取所述目标样本车辆以所述下一时刻驾驶策略行驶产生的下一时刻的样本数据；基于所述下一时刻的样本数据，继续对所述初始神经网络模型进行训练。 9.根据权利要求1所述的方法，其特征在于，根据所述多个不同驾驶策略分别对应的行驶得分从所述多个不同驾驶策略中确定目标驾驶策略的步骤，包括：将所述行驶得分高于预设得分阈值的驾驶策略确定为备选驾驶策略集合；从所述备选驾驶策略集合中确定目标驾驶策略。 10.根据权利要求9所述的方法，其特征在于，从所述备选驾驶策略集合中确定目标驾驶策略的步骤，包括：判断所述备选驾驶策略集合中行驶得分最高的驾驶策略是否满足预设的安全行驶条件；如果满足，将该驾驶策略确定为目标驾驶策略；如果不满足，将该驾驶策略从所述备选驾驶策略集合中删除。 11.根据权利要求1-10任一项所述的方法，其特征在于，所述方法还包括：如果所述目标驾驶策略为向左车道匀速变道或向右车道匀速变道，则通过以下公式控制所述车辆进行变道：其中，表示方向盘的转角，θn与θf分别表示目标车道上前方第一位置与前方第二位置与自车位置形成的夹角，Δt为时间步长，kf、kn和kI表示驾驶行为的常数，所述目标车道为所述目标车辆准备从所述目标车辆所在车道切换的车道。 12.一种车辆自动驾驶装置，其特征在于，所述装置包括：信息获取模块，用于获取目标车辆在当前时刻的第一行驶信息、与所述目标车辆相距第一指定范围内的相关车辆对应的第二行驶信息以及与所述目标车辆相距第二指定范围内的相关车道的车道信息；预测模块，用于通过第一神经网络模型、所述第一行驶信息、所述第二行驶信息以及所述车道信息预测所述目标车辆以多个不同的预定驾驶策略行驶的行驶得分；其中，所述行驶得分用于表征所述目标车辆以所述预定驾驶策略进行行驶的行驶状况和车辆性能；所述第一神经网络模型通过不同交通状况下对应的样本数据训练得到；目标驾驶策略确定模块，用于根据所述多个不同驾驶策略分别对应的行驶得分从所述多个不同驾驶策略中确定目标驾驶策略，以使所述目标车辆在所述当前时刻的下一时刻按照所述目标驾驶策略行驶。 13.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机可执行指令，所述处理器执行所述计算机可执行指令以实现权利要求1-11中任一项所述的方法。 14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令在被处理器调用和执行时，计算机可执行指令促使处理器实现权利要求1-11中任一项所述的方法。
所属类别：	发明专利