车辆的变道方法以及变道装置与流程

1.本技术涉及车辆轨迹领域，具体而言，涉及一种车辆的变道方法、变道装置、计算机可读存储介质、处理器、电子设备以及车辆系统。


背景技术：

2.自动驾驶车辆是一种能够感测其环境且在无需人类输入的情况下导航的车辆。自动驾驶车辆使用各种技术来检测周边环境，诸如使用雷达、激光、gps(global positioning system，全球卫星定位系统)、测程法以及计算机视觉。高级的控制系统对感测信息进行解读以标识合适的导航路径、障碍物以及相关路标。
3.现有技术中自动驾驶车辆在变道时缺乏确定较佳变道环境的问题。
4.在背景技术部分中公开的以上信息只是用来加强对本文所描述技术的背景技术的理解，因此，背景技术中可能包含某些信息，这些信息对于本领域技术人员来说并未形成在本国已知的现有技术。


技术实现要素：

5.本技术的主要目的在于提供一种车辆的变道方法、变道装置、计算机可读存储介质、处理器、电子设备以及车辆系统，以解决现有技术中自动驾驶车辆在变道时缺乏确定较佳变道环境的问题。
6.根据本发明实施例的一个方面，提供了一种车辆的变道方法，包括：获取将来运动状态信息，所述将来运动状态信息包括第一目标车辆、多个第二目标车辆以及多个第三目标车辆在各将来时刻的运动状态信息，所述运动状态信息包括位置信息、速度以及加速度中至少之一，所述第一目标车辆为位于第一车道、与待变道车辆相邻且在行驶方向上位于所述待变道车辆前方的车辆，所述第二目标车辆以及所述第三目标车辆为位于第二车道上且相邻的两个车辆，且在所述行驶方向上，所述第二目标车辆位于所述第三目标车辆的前方，所述第一车道为所述待变道车辆所在的车道，所述第二车道为所述待变道车辆待并入的车道；建立空隙的规划模型，并获取所述规划模型对应的约束条件以及损失函数，其中，所述空隙为所述第二目标车辆与所述第三目标车辆之间的距离，所述规划模型的变量为所述待变道车辆的所述运动状态信息；将所述将来运动状态信息输入所述规划模型，并根据所述约束条件以及所述损失函数，计算所述待变道车辆的最优变道运动状态信息；至少根据所述最优变道运动状态信息，控制所述待变道车辆在变道过程中变道至目标空隙中，所述目标空隙为所述最优变道运动状态信息对应的所述空隙。
7.可选地，将所述将来运动状态信息输入所述规划模型，并根据所述约束条件以及所述损失函数，计算所述待变道车辆的最优变道运动状态信息，包括：将所述将来运动状态信息输入所述规划模型，并根据所述约束条件，计算各所述将来时刻对应的可行解，所述可行解包括所述待变道车辆的所述速度、所述加速度以及所述位置信息中的至少之一；根据各所述将来时刻对应的所述可行解以及所述损失函数，确定满足所述损失函数的各所述将
来时刻对应的最优解，得到所述最优变道运动状态信息。
8.可选地，所述可行解包括所述速度和/或所述加速度，至少根据所述最优变道运动状态信息，控制所述待变道车辆在变道过程中变道至目标空隙中，包括：对各所述将来时刻对应的所述速度和/或所述加速度进行预定处理，得到各所述将来时刻对应的所述待变道车辆的所述位置信息，所述预定处理包括积分；根据各所述位置信息，生成所述待变道车辆的运动轨迹；控制所述待变道车辆按照所述运动轨迹运动，以使得所述待变道车辆变道至所述目标空隙中。
9.可选地，获取将来运动状态信息，包括：实时获取当前运动状态信息，所述当前运动状态信息为所述第一目标车辆、多个所述第二目标车辆以及多个所述第三目标车在各当前时刻的所述位置信息、所述速度以及所述加速度；根据所述当前运动状态信息，得到所述第一目标车辆、多个所述第二目标车辆以及多个所述第三目标车辆在各所述将来时刻的所述位置信息、所述速度以及所述加速度；根据各所述将来时刻的所述位置信息，确定各所述第二目标车辆以及对应的所述第三目标车辆在各所述将来时刻的所述空隙。
10.可选地，根据所述当前运动状态信息，得到所述第一目标车辆、多个所述第二目标车辆以及多个所述第三目标车辆在各所述将来时刻的所述位置信息、所述速度以及所述加速度，包括：建立预测模型，所述预测模型为使用多组数据通过机器学习训练出来的，所述多组数据中的每组数据均包括：历史当前运动状态信息以及对应的所述第一目标车辆、多个所述第二目标车辆以及多个所述第三目标车辆在各预定时刻的所述位置信息、所述速度以及所述加速度，所述预定时刻晚于所述历史当前运动状态信息对应的时刻；将所述当前运动状态信息输入所述预测模型，得到所述第一目标车辆、多个所述第二目标车辆以及多个所述第三目标车辆在各所述将来时刻的所述位置信息、所述速度以及所述加速度。
11.可选地，建立空隙的规划模型，包括：以所述待变道车辆的所述运动状态信息为所述变量，建立凸二次规划方程，得到所述规划模型。
12.可选地，所述约束条件包括变道过程中，所述待变道车辆在所述行驶方向上不超越所述第一目标车辆以及所述第二目标车辆，且超越所述第三目标车辆。
13.可选地，获取所述规划模型对应的约束条件，包括：获取变道时长，所述变道时长为收到变道请求开始，到所述待变道车辆变道至所述第二车道所需的时长；获取第一位置信息，所述第一位置信息为所述待变道车辆在所述变道时长内的多个所述位置信息；根据所述将来运动状态信息以及所述变道时长，确定第二位置信息、第三位置信息以及第四位置信息，其中，所述第二位置信息为各所述第二目标车辆在所述变道时长内的多个所述位置信息，所述第三位置信息为对应的各所述第三目标车辆在所述变道时长内的多个所述位置信息，所述第四位置信息为所述第一目标车辆在所述变道时长内的多个所述位置信息；确定所述约束条件为所述第一位置信息满足：在所述变道时长内且所述行驶方向上，所述第一位置信息位于对应时刻的所述第二位置信息的前方，且位于对应时刻的所述第三位置信息以及所述第四位置信息的后方。
14.可选地，所述损失函数包括以下至少之一：所述待变道车辆的各时刻加速度变量的平方和，所述空隙对应的所述第二目标车辆的速度，所述空隙对应的所述第三目标车辆的速度，所述空隙沿所述第二车道方向的长度。
15.根据本发明实施例的另一方面，还提供了一种车辆的变道装置，包括：获取单元，
用于获取将来运动状态信息，所述将来运动状态信息包括第一目标车辆、多个第二目标车辆以及多个第三目标车辆在各将来时刻的运动状态信息，所述运动状态信息包括位置信息、速度以及加速度中至少之一，所述第一目标车辆为位于第一车道、与待变道车辆相邻且在行驶方向上位于所述待变道车辆前方的车辆，所述第二目标车辆以及所述第三目标车辆为位于第二车道上且相邻的两个车辆，且在所述行驶方向上，所述第二目标车辆位于所述第三目标车辆的前方，所述第一车道为所述待变道车辆所在的车道，所述第二车道为所述待变道车辆待并入的车道；建立单元，用于建立空隙的规划模型，并获取所述规划模型对应的约束条件以及损失函数，其中，所述空隙为所述第二目标车辆与所述第三目标车辆之间的距离，所述规划模型的变量为所述待变道车辆的所述运动状态信息；输入单元，用于将所述将来运动状态信息输入所述规划模型，并根据所述约束条件以及所述损失函数，计算所述待变道车辆的最优变道运动状态信息；控制单元，用于至少根据所述最优变道运动状态信息，控制所述待变道车辆在变道过程中变道至目标空隙中，所述目标空隙为所述最优变道运动状态信息对应的所述空隙。
16.可选地，所述输入单元包括：计算模块，用于将所述将来运动状态信息输入所述规划模型，并根据所述约束条件，计算各所述将来时刻对应的可行解，所述可行解包括所述待变道车辆的所述速度、所述加速度以及所述位置信息中的至少之一；确定模块，用于根据各所述将来时刻对应的所述可行解以及所述损失函数，确定满足所述损失函数的各所述将来时刻对应的最优解，得到所述最优变道运动状态信息。
17.根据本发明实施例的又一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的程序，其中，所述程序执行任意一种所述的方法。
18.根据本发明实施例的另一方面，还提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行任意一种所述的方法。
19.根据本发明实施例的再一方面，还提供了一种电子设备，包括：一个或多个处理器，存储器以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行任意一种所述的方法。
20.根据本发明实施例的又一方面，还提供了一种车辆系统，包括：自动驾驶车辆；所述自动驾驶车辆的控制装置，所述控制装置用于执行任意一种所述的方法。
21.在本发明实施例中，本技术的车辆的变道方法，首先，获得表征第一目标车辆、多个第二目标车辆以及多个第三目标车辆在各将来时刻的运动状态信息的将来运动状态信息，所述运动状态信息包括位置、速度以及加速度中至少之一，所述第一目标车辆与待变道车辆均在第一车道且位于待变道车辆前方，第二目标车辆与第三目标车辆在第二车道且相邻；其次，以所述待变道车辆的所述运动状态信息作为变量，建立第二目标车辆与第三目标车辆之间的空隙的规划模型，并获取规划模型对应的约束条件以及损失函数；再次，将获取的所述将来运动状态信息输入所述规划模型，并根据约束条件以及损失函数，计算待变道车辆的最优变道运动状态信息；最后，至少根据最优变道运动状态信息，控制待变道车辆在变道过程中变道值最优变道运动状态信息对应的空隙中。相比于现有技术中，自动驾驶车辆在变道时缺乏确定较佳变道环境的问题，本技术通过建立待并入车道上的多个空隙的规划模型，再根据空隙的规划模型、约束条件以及损失函数来计算待变道车辆的最优变道运
动状态信息，即计算待变道车辆变道至满足约束条件以及损失函数的目标空隙的过程中对应的最优的运动状态信息，最后根据所述最优变道运动状态信息，控制所述待变道车辆在变道过程中变道至目标空隙中，完成变道，实现了变道过程中较佳的变道环境的预测和选择，解决现有技术中自动驾驶车辆在变道时缺乏确定较佳变道环境的问题。
附图说明
22.构成本技术的一部分的说明书附图用来提供对本技术的进一步理解，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
23.图1示出了根据本技术的实施例的车辆的变道方法示意图；
24.图2示出了根据本技术的实施例的车辆的变道位置图；
25.图3示出了根据本技术的实施例的车辆的变道装置示意图。
具体实施方式
26.需要说明的是，在不冲突的情况下，本技术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技术。
27.为了使本技术领域的人员更好地理解本技术方案，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分的实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本技术保护的范围。
28.需要说明的是，本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本技术的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
29.应该理解的是，当元件(诸如层、膜、区域、或衬底)描述为在另一元件“上”时，该元件可直接在该另一元件上，或者也可存在中间元件。而且，在说明书以及权利要求书中，当描述有元件“连接”至另一元件时，该元件可“直接连接”至该另一元件，或者通过第三元件“连接”至该另一元件。
30.正如背景技术中所说的，现有技术中的自动驾驶车辆在变道时缺乏确定较佳变道环境，为了解决上述问题，本技术的一种典型的实施方式中，提供了一种车辆的变道方法、变道装置、计算机可读存储介质、处理器、电子设备以及车辆系统。
31.根据本技术的实施例，提供了一种车辆的变道方法。
32.图1是根据本技术实施例的车辆的变道方法的流程图。如图1所示，该方法包括以下步骤：
33.步骤s101，获取将来运动状态信息，上述将来运动状态信息包括第一目标车辆、多个第二目标车辆以及多个第三目标车辆在各将来时刻的运动状态信息，上述运动状态信息包括位置信息、速度以及加速度中至少之一，如图2所示，上述第一目标车辆为位于第一车
道、与待变道车辆相邻且在行驶方向上位于上述待变道车辆前方的车辆，上述第二目标车辆以及上述第三目标车辆为位于第二车道上且相邻的两个车辆，且在上述行驶方向上，上述第二目标车辆位于上述第三目标车辆的前方，上述第一车道为上述待变道车辆所在的车道，上述第二车道为上述待变道车辆待并入的车道；
34.步骤s102，建立空隙的规划模型，并获取上述规划模型对应的约束条件以及损失函数，其中，上述空隙为上述第二目标车辆与上述第三目标车辆之间的距离，上述规划模型的变量为上述待变道车辆的上述运动状态信息；
35.步骤s103，将上述将来运动状态信息输入上述规划模型，并根据上述约束条件以及上述损失函数，计算上述待变道车辆的最优变道运动状态信息；
36.步骤s104，至少根据上述最优变道运动状态信息，控制上述待变道车辆在变道过程中变道至目标空隙中，上述目标空隙为上述最优变道运动状态信息对应的上述空隙。
37.本技术的车辆的变道方法，首先，获得表征第一目标车辆、多个第二目标车辆以及多个第三目标车辆在各将来时刻的运动状态信息的将来运动状态信息，上述运动状态信息包括位置、速度以及加速度中至少之一，上述第一目标车辆与待变道车辆均在第一车道且位于待变道车辆前方，第二目标车辆与第三目标车辆在第二车道且相邻；其次，以上述待变道车辆的上述运动状态信息作为变量，建立第二目标车辆与第三目标车辆之间的空隙的规划模型，并获取规划模型对应的约束条件以及损失函数；再次，将获取的上述将来运动状态信息输入上述规划模型，并根据约束条件以及损失函数，计算待变道车辆的最优变道运动状态信息；最后，至少根据最优变道运动状态信息，控制待变道车辆在变道过程中变道值最优变道运动状态信息对应的空隙中。相比于现有技术中，自动驾驶车辆在变道时缺乏确定较佳变道环境的问题，本技术通过建立待并入车道上的多个空隙的规划模型，再根据空隙的规划模型、约束条件以及损失函数来计算待变道车辆的最优变道运动状态信息，即计算待变道车辆变道至满足约束条件以及损失函数的目标空隙的过程中对应的最优的运动状态信息，最后根据上述最优变道运动状态信息，控制上述待变道车辆在变道过程中变道至目标空隙中，完成变道，实现了变道过程中较佳的变道环境的预测和选择，解决现有技术中自动驾驶车辆在变道时缺乏确定较佳变道环境的问题。
38.需要说明的是，上述最优变道运动状态信息为预测得到的、上述待变道车辆在变道过程中符合约束条件以及损失函数的最优的运动状态信息。
39.根据本技术的一种具体实施例，将上述将来运动状态信息输入上述规划模型，并根据上述约束条件以及上述损失函数，计算上述待变道车辆的最优变道运动状态信息，包括：将上述将来运动状态信息输入上述规划模型，并根据上述约束条件，计算各上述将来时刻对应的可行解，上述可行解包括上述待变道车辆的上述速度、上述加速度以及上述位置信息中的至少之一；根据各上述将来时刻对应的上述可行解以及上述损失函数，确定满足上述损失函数的各上述将来时刻对应的最优解，得到上述最优变道运动状态信息。该实施例中，首先根据约束条件，计算将来时刻的可行解，再根据损失函数以及得到的多个可行解，确定最优解，进一步地避免了自动驾驶车辆在变道时缺乏确定较佳变道环境的问题，进一步地保证了可以根据实际需求选择较佳的变道环境以及较佳变道环境对应的待变道车辆的运动状态。
40.具体地，上述损失函数可以根据实际变道需求进行灵活设置，使得根据上述损失
函数筛选得到最优解。
41.为了进一步地保证上述待变道车辆可以根据得到的上述最优变道运动状态信息进行变道，进而进入上述目标空隙中，根据本技术的又一种具体实施例，上述可行解包括上述速度和/或上述加速度，至少根据上述最优变道运动状态信息，控制上述待变道车辆在变道过程中变道至目标空隙中，包括：对各上述将来时刻对应的上述速度和/或上述加速度进行预定处理，得到各上述将来时刻对应的上述待变道车辆的上述位置信息，上述预定处理包括积分；根据各上述位置信息，生成上述待变道车辆的运动轨迹；控制上述待变道车辆按照上述运动轨迹运动，以使得上述待变道车辆变道至上述目标空隙中。通过对将来时刻的速度和/或加速度进行积分处理，只要输入速度和/或加速度有稍许偏差就会使输出变道运动轨迹就会发生改变，保证了待变道车辆的运动轨迹的准确性，从而使待变道车辆更精准地变道至目标空隙中，进一步解决了自动驾驶车辆在变道时缺乏确定较佳变道环境的问题。
42.根据本技术的再一种具体实施例，获取将来运动状态信息，包括：实时获取当前运动状态信息，上述当前运动状态信息为上述第一目标车辆、多个上述第二目标车辆以及多个上述第三目标车在各当前时刻的上述位置信息、上述速度以及上述加速度；根据上述当前运动状态信息，得到上述第一目标车辆、多个上述第二目标车辆以及多个上述第三目标车辆在各上述将来时刻的上述位置信息、上述速度以及上述加速度；根据各上述将来时刻的上述位置信息，确定各上述第二目标车辆以及对应的上述第三目标车辆在各上述将来时刻的上述空隙。这样可以较为准确地得到上述将来运动状态信息。
43.具体地，要控制待变道车辆要从第一车道变道到第二车道，首先要获取第二车道上的所有车辆的位置，枚举第二车道上任意两辆车之间的空隙，预测第二车道上任意两辆车的运动状态，根据路程与时间的关系，可预测得到第二车道上任意两辆车在各时刻的速度、加速度以及空隙大小。
44.为了进一步地保证较为准确且简单地获取上述将来运动状态信息，根据本技术的另一种具体实施例，根据上述当前运动状态信息，得到上述第一目标车辆、多个上述第二目标车辆以及多个上述第三目标车辆在各上述将来时刻的上述位置信息、上述速度以及上述加速度，包括：建立预测模型，上述预测模型为使用多组数据通过机器学习训练出来的，上述多组数据中的每组数据均包括：历史当前运动状态信息以及对应的上述第一目标车辆、多个上述第二目标车辆以及多个上述第三目标车辆在各预定时刻的上述位置信息、上述速度以及上述加速度，上述预定时刻晚于上述历史当前运动状态信息对应的时刻；将上述当前运动状态信息输入上述预测模型，得到上述第一目标车辆、多个上述第二目标车辆以及多个上述第三目标车辆在各上述将来时刻的上述位置信息、上述速度以及上述加速度。通过训练预测模型，并通过上述当前运动状态信息以及上述预测模型来获取上述第一目标车辆、多个上述第二目标车辆以及多个上述第三目标车辆在各上述将来时刻的上述位置信息、上述速度以及上述加速度，这样进一步保证了得到的数据的准确性，从而方便了后续根据得到的数据来建立较为准确的规划模型。
45.根据本技术的又一种具体实施例，建立空隙的规划模型，包括：以上述待变道车辆的上述运动状态信息为上述变量，建立凸二次规划方程，得到上述规划模型。通过凸二次规划方程建立的规划模型可以使该模型得到全局最小值，从而较为容易地得到最优变道运动
状态信息。
46.为了进一步地保证变道过程中上述待变道车辆的安全行驶，根据本技术的再一种具体实施例，上述约束条件包括变道过程中，上述待变道车辆在上述行驶方向上不超越上述第一目标车辆以及上述第二目标车辆，且超越上述第三目标车辆。通过约束条件限制待变道车辆的变道轨迹，从而保证在此条件下最优变道轨迹的准确性。当然本技术的约束条件并不限于上述的约束条件，本领域技术人员可以根据实际情况进行灵活设置。
47.根据本技术的另一种具体实施例，获取上述规划模型对应的约束条件，包括：获取变道时长，上述变道时长为收到变道请求开始，到上述待变道车辆变道至上述第二车道所需的时长；获取第一位置信息，上述第一位置信息为上述待变道车辆在上述变道时长内的多个上述位置信息；根据上述将来运动状态信息以及上述变道时长，确定第二位置信息、第三位置信息以及第四位置信息，其中，上述第二位置信息为各上述第二目标车辆在上述变道时长内的多个上述位置信息，上述第三位置信息为对应的各上述第三目标车辆在上述变道时长内的多个上述位置信息，上述第四位置信息为上述第一目标车辆在上述变道时长内的多个上述位置信息；确定上述约束条件为上述第一位置信息满足：在上述变道时长内且上述行驶方向上，上述第一位置信息位于对应时刻的上述第二位置信息的前方，且位于对应时刻的上述第三位置信息以及上述第四位置信息的后方。本实施例中，通过预测第一目标车辆、上述第二目标车辆以及上述第三目标车辆在行驶过程中的位置信息，得到上述约束条件，可以进一步地保证变道过程中待变道车辆不超过第一车道上的第一目标车辆以及第二车道上的第二目标车辆，且超过第二车道上的第三目标车辆，这样进一步地保证了变道过程中的行车安全，进一步地避免了追尾碰撞等事故的发生。
48.一种具体的实施例，通过上述约束条件计算，比如计划在5秒内完成变道，那么这5秒内待变道车辆的每个时刻的优化变量做求和或积分，可以得到5秒内每时每刻待变道车辆的位置，令第三目标车辆相应时刻的位置小于每时每刻的位置小于第一目标车辆与第二目标车辆相应时刻的位置，这样即可得到该优化问题的约束。
49.为了进一步地保证变道过程中能满足用户需求，如使待变道车辆尽可能平稳的变道至目标空隙中，避免出现急加速急减速的情况，或者使变道过程中不与第二目标车辆或者第三目标车辆发生擦车或者追尾等情况，根据本技术的又一种具体实施例，上述损失函数包括以下至少之一：上述待变道车辆的各时刻加速度变量的平方和，上述空隙对应的上述第二目标车辆的速度，上述空隙对应的上述第三目标车辆的速度，上述空隙沿上述第二车道方向的长度。
50.一种具体的实施例中，损失函数fcost＝每个时刻加速度变量的平方和，另外由于这是个框架算法，所以可以添加不同的损失变量，来让变道的过程达到一些目的，因此，本技术的损失函数包括但不限于上述待变道车辆的各时刻加速度变量的平方和，本领域技术人员可以根据实际情况进行灵活设置。
51.需要说明的是，本技术根据这些约束和损失函数就可以优化算法，算出最优的优化变量，也就是最优的待变道车辆每时每刻的运动状态变量，那么根据这些每时每刻的状态变量，做求和或积分，就可以算出本车在变道过程中运动状态，并且最优解是针对当前第一目标车辆、第二目标车辆以及第三目标车辆的。将得到的每时每刻的运动状态变量代入优化目标损失函数，可以得到当前枚举的第一目标车辆、第二目标车辆以及第三目标车辆
间隙的损失，根据最优空隙，确定运动轨迹，并控制车辆变道进入该空隙，比较枚举的第一目标车辆、第二目标车辆以及第三目标车辆间隙的损失，得到最优的间隙，并且也能够知道这个最优间隙待变道车辆对应的最优的每时每刻的运动状态。
52.需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
53.本技术实施例还提供了一种车辆的变道装置，需要说明的是，本技术实施例的车辆的变道装置可以用于执行本技术实施例所提供的用于车辆的变道方法。以下对本技术实施例提供的车辆的变道装置进行介绍。
54.图3是根据本技术实施例的车辆的变道装置的示意图。如图3所示，该装置包括获取单元10、建立单元20、输入单元30以及控制单元40，其中，上述获取单元10用于获取将来运动状态信息，上述将来运动状态信息包括第一目标车辆、多个第二目标车辆以及多个第三目标车辆在各将来时刻的运动状态信息，上述运动状态信息包括位置信息、速度以及加速度中至少之一，如图2所示，上述第一目标车辆为位于第一车道、与待变道车辆相邻且在行驶方向上位于上述待变道车辆前方的车辆，上述第二目标车辆以及上述第三目标车辆为位于第二车道上且相邻的两个车辆，且在上述行驶方向上，上述第二目标车辆位于上述第三目标车辆的前方，上述第一车道为上述待变道车辆所在的车道，上述第二车道为上述待变道车辆待并入的车道；上述建立单元20用于建立空隙的规划模型，并获取上述规划模型对应的约束条件以及损失函数，其中，上述空隙为上述第二目标车辆与上述第三目标车辆之间的距离，上述规划模型的变量为上述待变道车辆的上述运动状态信息；上述输入单元30用于将上述将来运动状态信息输入上述规划模型，并根据上述约束条件以及上述损失函数，计算上述待变道车辆的最优变道运动状态信息；上述控制单元40用于至少根据上述最优变道运动状态信息，控制上述待变道车辆在变道过程中变道至目标空隙中，上述目标空隙为上述最优变道运动状态信息对应的上述空隙。
55.本技术的车辆的变道装置，通过获取单元获得表征第一目标车辆、多个第二目标车辆以及多个第三目标车辆在各将来时刻的运动状态信息的将来运动状态信息，上述运动状态信息包括位置、速度以及加速度中至少之一，上述第一目标车辆与待变道车辆均在第一车道且位于待变道车辆前方，第二目标车辆与第三目标车辆在第二车道且相邻；通过建立单元以上述待变道车辆的上述运动状态信息作为变量，建立第二目标车辆与第三目标车辆之间的空隙的规划模型，并获取规划模型对应的约束条件以及损失函数；通过输入单元将获取的上述将来运动状态信息输入上述规划模型，并根据约束条件以及损失函数，计算待变道车辆的最优变道运动状态信息；通过控制单元至少根据最优变道运动状态信息，控制待变道车辆在变道过程中变道值最优变道运动状态信息对应的空隙中。相比于现有技术中，自动驾驶车辆在变道时缺乏确定较佳变道环境的问题，本技术的车辆的变道装置通过建立待并入车道上的多个空隙的规划模型，再根据空隙的规划模型、约束条件以及损失函数来计算待变道车辆的最优变道运动状态信息，即计算待变道车辆变道至满足约束条件以及损失函数的目标空隙的过程中对应的最优的运动状态信息，最后根据上述最优变道运动状态信息，控制上述待变道车辆在变道过程中变道至目标空隙中，完成变道，实现了变道过程中较佳的变道环境的预测和选择，解决现有技术中自动驾驶车辆在变道时缺乏确定较佳
变道环境的问题。
56.需要说明的是，上述最优变道运动状态信息为预测得到的、上述待变道车辆在变道过程中符合约束条件以及损失函数的最优的运动状态信息。
57.根据本技术的一种具体实施例，上述输入单元包括输入模块以及第一确定模块，其中，上述输入模块用于将上述将来运动状态信息输入上述规划模型，并根据上述约束条件，计算各上述将来时刻对应的可行解，上述可行解包括上述待变道车辆的上述速度、上述加速度以及上述位置信息中的至少之一；上述第一确定模块用于根据各上述将来时刻对应的上述可行解以及上述损失函数，确定满足上述损失函数的各上述将来时刻对应的最优解，得到上述最优变道运动状态信息。该实施例中，首先根据约束条件，计算将来时刻的可行解，再根据损失函数以及得到的多个可行解，确定最优解，进一步地避免了自动驾驶车辆在变道时缺乏确定较佳变道环境的问题，进一步地保证了可以根据实际需求选择较佳的变道环境以及较佳变道环境对应的待变道车辆的运动状态。
58.具体地，上述损失函数可以根据实际变道需求进行灵活设置，使得根据上述损失函数筛选得到最优解。
59.为了进一步地保证上述待变道车辆可以根据得到的上述最优变道运动状态信息进行变道，进而进入上述目标空隙中，根据本技术的又一种具体实施例，上述控制单元包括处理模块、生成模块以及控制模块，其中，上述处理模块用于对各上述将来时刻对应的上述速度和/或上述加速度进行预定处理，得到各上述将来时刻对应的上述待变道车辆的上述位置信息，上述预定处理包括积分；上述生成模块用于根据各上述位置信息，生成上述待变道车辆的运动轨迹；上述控制模块用于控制上述待变道车辆按照上述运动轨迹运动，以使得上述待变道车辆变道至上述目标空隙中。通过对将来时刻的速度和/或加速度进行积分处理，只要输入速度和/或加速度有稍许偏差就会使输出变道运动轨迹就会发生改变，保证了待变道车辆的运动轨迹的准确性，从而使待变道车辆更精准地变道至目标空隙中，进一步解决了自动驾驶车辆在变道时缺乏确定较佳变道环境的问题。
60.根据本技术的再一种具体实施例，上述获取单元包括第一获取模块、第二获取模块以及第二确定模块，其中，上述第一获取模块用于实时获取当前运动状态信息，上述当前运动状态信息为上述第一目标车辆、多个上述第二目标车辆以及多个上述第三目标车在各当前时刻的上述位置信息、上述速度以及上述加速度；上述第二获取模块用于根据上述当前运动状态信息，得到上述第一目标车辆、多个上述第二目标车辆以及多个上述第三目标车辆在各上述将来时刻的上述位置信息、上述速度以及上述加速度；上述第二确定模块用于根据各上述将来时刻的上述位置信息，确定各上述第二目标车辆以及对应的上述第三目标车辆在各上述将来时刻的上述空隙。这样可以较为准确地得到上述将来运动状态信息。
61.具体地，要控制待变道车辆要从第一车道变道到第二车道，首先要获取第二车道上的所有车辆的位置，枚举第二车道上任意两辆车之间的空隙，预测第二车道上任意两辆车的运动状态，根据路程与时间的关系，可预测得到第二车道上任意两辆车在各时刻的速度、加速度以及空隙大小。
62.为了进一步地保证较为准确且简单地获取上述将来运动状态信息，根据本技术的另一种具体实施例，上述第二获取模块包括建立子模块以及输入子模块，其中，上述建立子模块用于建立预测模型，上述预测模型为使用多组数据通过机器学习训练出来的，上述多
组数据中的每组数据均包括：历史当前运动状态信息以及对应的上述第一目标车辆、多个上述第二目标车辆以及多个上述第三目标车辆在各预定时刻的上述位置信息、上述速度以及上述加速度，上述预定时刻晚于上述历史当前运动状态信息对应的时刻；上述输入子模块用于将上述当前运动状态信息输入上述预测模型，得到上述第一目标车辆、多个上述第二目标车辆以及多个上述第三目标车辆在各上述将来时刻的上述位置信息、上述速度以及上述加速度。通过训练预测模型，并通过上述当前运动状态信息以及上述预测模型来获取上述第一目标车辆、多个上述第二目标车辆以及多个上述第三目标车辆在各上述将来时刻的上述位置信息、上述速度以及上述加速度，这样进一步保证了得到的数据的准确性，从而方便了后续根据得到的数据来建立较为准确的规划模型。
63.根据本技术的又一种具体实施例，上述建立单元包括建立模块，上述建立模块用于以上述待变道车辆的上述运动状态信息为上述变量，建立凸二次规划方程，得到上述规划模型。通过凸二次规划方程建立的规划模型可以使该模型得到全局最小值，从而较为容易地得到最优变道运动状态信息。
64.为了进一步地保证变道过程中上述待变道车辆的安全行驶，根据本技术的再一种具体实施例，上述约束条件包括变道过程中，上述待变道车辆在上述行驶方向上不超越上述第一目标车辆以及上述第二目标车辆，且超越上述第三目标车辆。通过约束条件限制待变道车辆的变道轨迹，从而保证在此条件下最优变道轨迹的准确性。当然本技术的约束条件并不限于上述的约束条件，本领域技术人员可以根据实际情况进行灵活设置。
65.根据本技术的另一种具体实施例，上述建立单元包括第三获取模块、第四获取模块、第三确定模块以及第四确定模块，其中，上述第三获取模块用于获取变道时长，上述变道时长为收到变道请求开始，到上述待变道车辆变道至上述第二车道所需的时长；上述第四获取模块用于获取第一位置信息，上述第一位置信息为上述待变道车辆在上述变道时长内的多个上述位置信息；上述第三确定模块用于根据上述将来运动状态信息以及上述变道时长，确定第二位置信息、第三位置信息以及第四位置信息，其中，上述第二位置信息为各上述第二目标车辆在上述变道时长内的多个上述位置信息，上述第三位置信息为对应的各上述第三目标车辆在上述变道时长内的多个上述位置信息，上述第四位置信息为上述第一目标车辆在上述变道时长内的多个上述位置信息；上述第四确定模块用于确定上述约束条件为上述第一位置信息满足：在上述变道时长内且上述行驶方向上，上述第一位置信息位于对应时刻的上述第二位置信息的前方，且位于对应时刻的上述第三位置信息以及上述第四位置信息的后方。本实施例中，通过预测第一目标车辆、上述第二目标车辆以及上述第三目标车辆在行驶过程中的位置信息，得到上述约束条件，可以进一步地保证变道过程中待变道车辆不超过第一车道上的第一目标车辆以及第二车道上的第二目标车辆，且超过第二车道上的第三目标车辆，这样进一步地保证了变道过程中的行车安全，进一步地避免了追尾碰撞等事故的发生。
66.一种具体的实施例，通过上述约束条件计算，比如计划在5秒内完成变道，那么这5秒内待变道车辆的每个时刻的优化变量做求和或积分，可以得到5秒内每时每刻待变道车辆的位置，令第三目标车辆相应时刻的位置小于每时每刻的位置小于第一目标车辆与第二目标车辆相应时刻的位置，这样即可得到该优化问题的约束。
67.为了进一步地保证变道过程中能满足用户需求，如使待变道车辆尽可能平稳的变
道至目标空隙中，避免出现急加速急减速的情况，或者使变道过程中不与第二目标车辆或者第三目标车辆发生擦车或者追尾等情况，根据本技术的又一种具体实施例，上述损失函数包括以下至少之一：上述待变道车辆的各时刻加速度变量的平方和，上述空隙对应的上述第二目标车辆的速度，上述空隙对应的上述第三目标车辆的速度，上述空隙沿上述第二车道方向的长度。
68.一种具体的实施例中，损失函数fcost＝每个时刻加速度变量的平方和，另外由于这是个框架算法，所以可以添加不同的损失变量，来让变道的过程达到一些目的，因此，本技术的损失函数包括但不限于上述待变道车辆的各时刻加速度变量的平方和，本领域技术人员可以根据实际情况进行灵活设置。
69.需要说明的是，本技术根据这些约束和损失函数就可以优化算法，算出最优的优化变量，也就是最优的待变道车辆每时每刻的运动状态变量，那么根据这些每时每刻的状态变量，做求和或积分，就可以算出本车在变道过程中运动状态，并且最优解是针对当前第一目标车辆、第二目标车辆以及第三目标车辆的。将得到的每时每刻的运动状态变量代入优化目标损失函数，可以得到当前枚举的第一目标车辆、第二目标车辆以及第三目标车辆间隙的损失，根据最优空隙，确定运动轨迹，并控制车辆变道进入该空隙，比较枚举的第一目标车辆、第二目标车辆以及第三目标车辆间隙的损失，得到最优的间隙，并且也能够知道这个最优间隙待变道车辆对应的最优的每时每刻的运动状态。
70.上述车辆的变道装置包括处理器和存储器，上述获取单元、上述建立单元、上述输入单元以及上述控制单元等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
71.处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来解决现有技术中自动驾驶车辆在变道时缺乏确定较佳变道环境的问题。
72.存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)，存储器包括至少一个存储芯片。
73.本发明实施例提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现上述车辆的变道方法。
74.本发明实施例提供了一种处理器，上述处理器用于运行程序，其中，上述程序运行时执行上述车辆的变道方法。
75.本发明实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现至少以下步骤：
76.步骤s101，获取将来运动状态信息，上述将来运动状态信息包括第一目标车辆、多个第二目标车辆以及多个第三目标车辆在各将来时刻的运动状态信息，上述运动状态信息包括位置信息、速度以及加速度中至少之一，上述第一目标车辆为位于第一车道、与待变道车辆相邻且在行驶方向上位于上述待变道车辆前方的车辆，上述第二目标车辆以及上述第三目标车辆为位于第二车道上且相邻的两个车辆，且在上述行驶方向上，上述第二目标车辆位于上述第三目标车辆的前方，上述第一车道为上述待变道车辆所在的车道，上述第二车道为上述待变道车辆待并入的车道；
77.步骤s102，建立空隙的规划模型，并获取上述规划模型对应的约束条件以及损失函数，其中，上述空隙为上述第二目标车辆与上述第三目标车辆之间的距离，上述规划模型的变量为上述待变道车辆的上述运动状态信息；
78.步骤s103，将上述将来运动状态信息输入上述规划模型，并根据上述约束条件以及上述损失函数，计算上述待变道车辆的最优变道运动状态信息；
79.步骤s104，至少根据上述最优变道运动状态信息，控制上述待变道车辆在变道过程中变道至目标空隙中，上述目标空隙为上述最优变道运动状态信息对应的上述空隙。
80.本文中的设备可以是服务器、pc、pad、手机等。
81.本技术还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有至少如下方法步骤的程序：
82.步骤s101，获取将来运动状态信息，上述将来运动状态信息包括第一目标车辆、多个第二目标车辆以及多个第三目标车辆在各将来时刻的运动状态信息，上述运动状态信息包括位置信息、速度以及加速度中至少之一，上述第一目标车辆为位于第一车道、与待变道车辆相邻且在行驶方向上位于上述待变道车辆前方的车辆，上述第二目标车辆以及上述第三目标车辆为位于第二车道上且相邻的两个车辆，且在上述行驶方向上，上述第二目标车辆位于上述第三目标车辆的前方，上述第一车道为上述待变道车辆所在的车道，上述第二车道为上述待变道车辆待并入的车道；
83.步骤s102，建立空隙的规划模型，并获取上述规划模型对应的约束条件以及损失函数，其中，上述空隙为上述第二目标车辆与上述第三目标车辆之间的距离，上述规划模型的变量为上述待变道车辆的上述运动状态信息；
84.步骤s103，将上述将来运动状态信息输入上述规划模型，并根据上述约束条件以及上述损失函数，计算上述待变道车辆的最优变道运动状态信息；
85.步骤s104，至少根据上述最优变道运动状态信息，控制上述待变道车辆在变道过程中变道至目标空隙中，上述目标空隙为上述最优变道运动状态信息对应的上述空隙。
86.本发明实施例还提供了一种车辆系统，包括自动驾驶车辆以及上述自动驾驶车辆的控制装置，其中，上述控制装置用于执行任意一种上述的方法。
87.本技术的车辆系统，包括上述控制装置，并且上述控制装置用于执行任意一种车辆的变道方法，首先，获得表征第一目标车辆、多个第二目标车辆以及多个第三目标车辆在各将来时刻的运动状态信息的将来运动状态信息，上述运动状态信息包括位置、速度以及加速度中至少之一，上述第一目标车辆与待变道车辆均在第一车道且位于待变道车辆前方，第二目标车辆与第三目标车辆在第二车道且相邻；其次，以上述待变道车辆的上述运动状态信息作为变量，建立第二目标车辆与第三目标车辆之间的空隙的规划模型，并获取规划模型对应的约束条件以及损失函数；再次，将获取的上述将来运动状态信息输入上述规划模型，并根据约束条件以及损失函数，计算待变道车辆的最优变道运动状态信息；最后，至少根据最优变道运动状态信息，控制待变道车辆在变道过程中变道值最优变道运动状态信息对应的空隙中。相比于现有技术中，自动驾驶车辆在变道时缺乏确定较佳变道环境的问题，本技术的车辆系统通过建立待并入车道上的多个空隙的规划模型，再根据空隙的规划模型、约束条件以及损失函数来计算待变道车辆的最优变道运动状态信息，即计算待变道车辆变道至满足约束条件以及损失函数的目标空隙的过程中对应的最优的运动状态信
息，最后根据上述最优变道运动状态信息，控制上述待变道车辆在变道过程中变道至目标空隙中，完成变道，实现了变道过程中较佳的变道环境的预测和选择，解决现有技术中自动驾驶车辆在变道时缺乏确定较佳变道环境的问题。
88.在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
89.在本技术所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如上述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
90.上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
91.另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
92.上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例上述方法的全部或部分步骤。而前述的存储介质包括：u盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
93.从以上的描述中，可以看出，本技术上述的实施例实现了如下技术效果：
94.1)、本技术的车辆的变道方法，首先，获得表征第一目标车辆、多个第二目标车辆以及多个第三目标车辆在各将来时刻的运动状态信息的将来运动状态信息，上述运动状态信息包括位置、速度以及加速度中至少之一，上述第一目标车辆与待变道车辆均在第一车道且位于待变道车辆前方，第二目标车辆与第三目标车辆在第二车道且相邻；其次，以上述待变道车辆的上述运动状态信息作为变量，建立第二目标车辆与第三目标车辆之间的空隙的规划模型，并获取规划模型对应的约束条件以及损失函数；再次，将获取的上述将来运动状态信息输入上述规划模型，并根据约束条件以及损失函数，计算待变道车辆的最优变道运动状态信息；最后，至少根据最优变道运动状态信息，控制待变道车辆在变道过程中变道值最优变道运动状态信息对应的空隙中。相比于现有技术中，自动驾驶车辆在变道时缺乏确定较佳变道环境的问题，本技术通过建立待并入车道上的多个空隙的规划模型，再根据空隙的规划模型、约束条件以及损失函数来计算待变道车辆的最优变道运动状态信息，即计算待变道车辆变道至满足约束条件以及损失函数的目标空隙的过程中对应的最优的运动状态信息，最后根据上述最优变道运动状态信息，控制上述待变道车辆在变道过程中变
道至目标空隙中，完成变道，实现了变道过程中较佳的变道环境的预测和选择，解决现有技术中自动驾驶车辆在变道时缺乏确定较佳变道环境的问题；
95.2)、本技术的车辆的变道装置，通过获取单元获得表征第一目标车辆、多个第二目标车辆以及多个第三目标车辆在各将来时刻的运动状态信息的将来运动状态信息，上述运动状态信息包括位置、速度以及加速度中至少之一，上述第一目标车辆与待变道车辆均在第一车道且位于待变道车辆前方，第二目标车辆与第三目标车辆在第二车道且相邻；通过建立单元以上述待变道车辆的上述运动状态信息作为变量，建立第二目标车辆与第三目标车辆之间的空隙的规划模型，并获取规划模型对应的约束条件以及损失函数；通过输入单元将获取的上述将来运动状态信息输入上述规划模型，并根据约束条件以及损失函数，计算待变道车辆的最优变道运动状态信息；通过控制单元至少根据最优变道运动状态信息，控制待变道车辆在变道过程中变道值最优变道运动状态信息对应的空隙中。相比于现有技术中，自动驾驶车辆在变道时缺乏确定较佳变道环境的问题，本技术的车辆的变道装置通过建立待并入车道上的多个空隙的规划模型，再根据空隙的规划模型、约束条件以及损失函数来计算待变道车辆的最优变道运动状态信息，即计算待变道车辆变道至满足约束条件以及损失函数的目标空隙的过程中对应的最优的运动状态信息，最后根据上述最优变道运动状态信息，控制上述待变道车辆在变道过程中变道至目标空隙中，完成变道，实现了变道过程中较佳的变道环境的预测和选择，解决现有技术中自动驾驶车辆在变道时缺乏确定较佳变道环境的问题；
96.3)、本技术的车辆系统，包括上述控制装置，并且上述控制装置用于执行任意一种车辆的变道方法，首先，获得表征第一目标车辆、多个第二目标车辆以及多个第三目标车辆在各将来时刻的运动状态信息的将来运动状态信息，上述运动状态信息包括位置、速度以及加速度中至少之一，上述第一目标车辆与待变道车辆均在第一车道且位于待变道车辆前方，第二目标车辆与第三目标车辆在第二车道且相邻；其次，以上述待变道车辆的上述运动状态信息作为变量，建立第二目标车辆与第三目标车辆之间的空隙的规划模型，并获取规划模型对应的约束条件以及损失函数；再次，将获取的上述将来运动状态信息输入上述规划模型，并根据约束条件以及损失函数，计算待变道车辆的最优变道运动状态信息；最后，至少根据最优变道运动状态信息，控制待变道车辆在变道过程中变道值最优变道运动状态信息对应的空隙中。相比于现有技术中，自动驾驶车辆在变道时缺乏确定较佳变道环境的问题，本技术的车辆系统通过建立待并入车道上的多个空隙的规划模型，再根据空隙的规划模型、约束条件以及损失函数来计算待变道车辆的最优变道运动状态信息，即计算待变道车辆变道至满足约束条件以及损失函数的目标空隙的过程中对应的最优的运动状态信息，最后根据上述最优变道运动状态信息，控制上述待变道车辆在变道过程中变道至目标空隙中，完成变道，实现了变道过程中较佳的变道环境的预测和选择，解决现有技术中自动驾驶车辆在变道时缺乏确定较佳变道环境的问题。
97.以上所述仅为本技术的优选实施例而已，并不用于限制本技术，对于本领域的技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。