一种云控自动驾驶融合决策方法及装置与流程

1.本说明书实施例涉及自动驾驶技术领域，尤其涉及一种云控自动驾驶融合决策方法及装置。


背景技术：

2.传统的交通基础设施、交通服务能力和交通管理能力已无法应对日益严峻且复杂的交通问题，基于车联网和自动驾驶技术的智能网联车辆(intelligent connected vehicle，icv)技术能够有效改善交通问题，提高交通效率。当前，云控系统通过车路云能力的融合，利用车路融合感知与云端协同决策，使用各类智能网联驾驶功能对智能网联汽车进行辅助，提高安全、效率等性能，如车辆逆行预警、车辆异常低速预警、盲区协同感知、路口汇入协同、信号灯绿波带通行诱导(glosa)、换道协同等，这些功能可能同时作用于同一辆智能网联汽车，形成复合场景，这些复合场景需要进行协调，以给车辆提供最优的唯一的辅助，并避免歧义。
3.多种协同决策功能面向不同独立场景可能同时给车辆下发决策指令，对于自动驾驶车而言，为了生成车辆执行的决策，需要将多个场景的协同决策指令进行融合形成唯一的决策，需要在云端或车端进行决策融合，决策融合需要自适应不同数量和场景的决策。而自动驾驶车辆上的决策是基于车端统一融合感知结果进行的一次决策，或基于自定义的情况和规则来处理多个情况的决策。


技术实现要素：

4.有鉴于此，本说明书实施例提供了一种云控自动驾驶融合决策方法及装置，用于解决现有技术中自动驾驶决策融合无法适用于云控平台上对于各类协同决策的融合的问题。
5.本说明书实施例采用下述技术方案：
6.本说明书实施例提供一种云控自动驾驶融合决策方法，包括：
7.基于各网联车辆的当前行驶状态信息和行驶环境信息，预测各所述网联车辆执行驾驶决策后的状态，得到预测结果；
8.根据所述预测结果、所述当前行驶状态信息和所述行驶环境信息生成各所述网联车辆的驾驶决策指令；
9.若所述网联车辆当前还存在与所述驾驶决策指令适用场景功能不同的其他驾驶决策指令，则对所述驾驶决策指令和所述其他驾驶决策指令进行融合，生成融合驾驶决策指令；
10.将所述融合驾驶决策指令发送给所述网联车辆，使得所述网联车辆执行所述融合驾驶决策指令。
11.进一步的，基于各网联车辆的当前行驶状态信息和行驶环境信息，预测各所述网联车辆执行驾驶决策后的状态，包括：
12.基于所述当前行驶状态信息和所述行驶环境信息，判断所述网联车辆执行驾驶决策后是否安全，得到判断结果；
13.若所述判断结果为安全，则生成至少一种可行的驾驶决策；
14.分别预测所述网联车辆执行至少一种可行的驾驶决策后的状态，得到预测结果。
15.进一步的，根据所述预测结果、所述当前行驶状态信息和所述行驶环境信息生成各所述网联车辆的驾驶决策指令，包括：
16.根据所述预测结果、所述当前行驶状态信息和所述行驶环境信息生成决策建议；
17.将所述决策建议转换为可执行的驾驶决策指令。
18.进一步的，所述方法还可以包括：
19.在生成所述驾驶决策指令后，对所述驾驶决策指令进行缓存。
20.进一步的，对所述驾驶决策指令进行缓存，包括：
21.按照各所述网联车辆当前所在车道上的驾驶决策指令和其他车道上的驾驶决策指令分别进行缓存。
22.进一步的，所述方法还可以包括：
23.若所述驾驶决策指令包括决策取消信息，则在对所述驾驶决策指令和所述其他驾驶决策指令进行融合之前，根据所述决策取消信息清除缓存中对应的驾驶决策指令。
24.进一步的，对所述驾驶决策指令和所述其他驾驶决策指令进行融合，包括：
25.对所述网联车辆相同车道当前缓存的各驾驶决策指令进行融合；
26.或者，
27.对所述网联车辆不同车道当前缓存的各驾驶决策指令进行融合。
28.进一步的，若对所述网联车辆不同车道当前缓存的各驾驶决策指令进行融合，则所述其他驾驶决策指令包括所述网联车辆当前所在车道缓存的驾驶决策指令，和其他车道缓存的驾驶决策指令；
29.则对所述驾驶决策指令和所述其他驾驶决策指令进行融合，生成融合驾驶决策指令，包括：
30.根据预设的决策紧急程度对所述网联车辆当前所在车道缓存的驾驶决策指令，和其他车道缓存的驾驶决策指令进行合并，得到合并结果；
31.根据所述合并结果生成所述融合驾驶决策指令。
32.进一步的，根据预设的决策紧急程度对所述网联车辆当前所在车道缓存的驾驶决策指令，和其他车道缓存的驾驶决策指令进行合并，包括：
33.对各所述驾驶决策指令中包含的速度、加速度、沿道路横向可行域、沿道路纵向可行域与换道目标车道的可行范围进行交集计算，以根据计算结果得到所述融合驾驶决策指令。
34.本说明书实施例还提供一种云控自动驾驶融合决策装置，包括：
35.预测模块，基于各网联车辆的当前行驶状态信息和行驶环境信息，预测各所述网联车辆执行驾驶决策后的状态，得到预测结果；
36.指令生成模块，根据所述预测结果、所述当前行驶状态信息和所述行驶环境信息生成各所述网联车辆的驾驶决策指令；
37.融合模块，若所述网联车辆当前还存在与所述驾驶决策指令适用场景功能不同的
其他驾驶决策指令，则对所述驾驶决策指令和所述其他驾驶决策指令进行融合，生成融合驾驶决策指令；
38.发送模块，将所述融合驾驶决策指令发送给所述网联车辆，使得所述网联车辆执行所述融合驾驶决策指令。
39.本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：
40.通过基于网联车辆的当前行驶状态信息和行驶环境信息，预测网联车辆执行不同驾驶决策后的状态，再根据当前行驶状态信息与预测结果生成网联车辆的驾驶决策指令，并将同一车的多个驾驶决策指令进行融合，得到融合驾驶决策指令，使得网联车辆能够执行接收到的融合驾驶决策指令。
41.这样，可以根据网联车辆实时的行驶状态和行驶环境，在考虑网联车辆执行可行的驾驶决策之后的预测状态，并协同各网联车辆进行驾驶决策指令的自适应融合，可以更高效、更安全的给各网联车辆提供驾驶辅助。
附图说明
42.此处所说明的附图用来提供对本说明书实施例的进一步理解，构成本说明书实施例的一部分，本说明书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：
43.图1为本说明书实施例提供的一种云控自动驾驶融合决策方法的流程示意图；
44.图2为本说明书实施例提供的一种云控自动驾驶融合决策系统的总体架构图；
45.图3为本说明书实施例提供的可行域决策融合模块的结构示意图；
46.图4为本说明书实施例提供的一种云控自动驾驶融合决策方法的流程示意图；
47.图5为本说明书实施例提供的一种云控自动驾驶融合决策装置的结构示意图。
具体实施方式
48.为使本技术的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本技术技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，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，都属于本技术保护的范围。
49.以下结合附图，详细说明本说明书各实施例提供的技术方案。
50.如图1所示，为本说明书实施例提供的一种云控自动驾驶融合决策方法的流程示意图，本说明书实施例提供的云控自动驾驶融合决策方法的执行主体可以为云控平台、服务器或车载计算平台等可执行云控自动驾驶融合决策软件的主体。
51.所述云控自动驾驶融合决策方法可以包括以下步骤：
52.s101：基于各网联车辆的当前行驶状态信息和行驶环境信息，预测各所述网联车辆执行驾驶决策后的状态，得到预测结果；
53.s102：根据所述预测结果、所述当前行驶状态信息和所述行驶环境信息生成各所述网联车辆的驾驶决策指令；
54.s103：若所述网联车辆当前还存在与所述驾驶决策指令适用场景功能不同的其他驾驶决策指令，则对所述驾驶决策指令和所述其他驾驶决策指令进行融合，生成融合驾驶
决策指令；
55.s104：将所述融合驾驶决策指令发送给所述网联车辆，使得所述网联车辆执行所述融合驾驶决策指令。
56.在本说明书实施例中，行驶环境信息可以是指各网联车辆所在地周围的环境信息，可以包括地图数据、道路使用者状态信息、路况信息、天气信息、交通信息、动态事件等，其中，动态事件可以是指能够影响网联车辆行驶状态的事件，例如，交通事故、天气突变、红绿灯、交通管制、异常车辆、车辆故障等，在此不再一一赘述。
57.作为一种应用实施例，对于所述步骤s101，基于各网联车辆的当前行驶状态信息和行驶环境信息，预测各所述网联车辆执行驾驶决策后的状态，可以包括：
58.基于所述当前行驶状态信息和所述行驶环境信息，判断所述网联车辆执行驾驶决策后是否安全，得到判断结果；
59.若所述判断结果为安全，则生成至少一种可行的驾驶决策；
60.分别预测所述网联车辆执行至少一种可行的驾驶决策后的状态，得到预测结果。
61.在本说明书实施例中，生成的至少一种可行的驾驶决策可以是指在保证网联车辆行驶安全的情况下，网联车辆当前可以执行的驾驶决策，例如，可以包括可行的换道目标车道、加速或者减速、沿道路横向偏移量、沿道路纵向行驶距离等。
62.在这种情况下，可能存在两种以上可行的驾驶决策，例如，向左或者向右换道均可行，那么通过对向左换道和向右换道之后网联车辆的行驶状态进行预测，方便云控平台根据预测结果做出合理的决策建议，例如，通过状态预测，发现基于当前的行驶环境，向左换道的行驶状态更好，那么，云控平台就会根据该预测结果给出向左换道的决策建议。
63.预测网联车辆执行驾驶决策后的状态，可以是指网联车辆执行驾驶决策后的行驶状态，具体可以是指网联车辆在执行驾驶决策后的行驶速度、行驶位置等。
64.对于所述步骤s102，根据所述预测结果、所述当前行驶状态信息和所述行驶环境信息生成各所述网联车辆的驾驶决策指令，可以包括：
65.根据所述预测结果、所述当前行驶状态信息和所述行驶环境信息生成决策建议；
66.将所述决策建议转换为可执行的驾驶决策指令。
67.在本说明书实施例中，可执行的驾驶决策指令可以包括网联车辆执行驾驶决策所需要的具体行驶数据，可以是指具体的行驶速度、加速度、减速度、换道目标车道、沿道路横向偏移量、沿道路纵向行驶距离等，驾驶决策指令还可以包括需要执行该指令的时空状态或范围，如在随后多少时间内执行，具体可以是在三分钟之后匀速换道至左车道等。
68.进一步的，所述方法还可以包括：
69.在生成所述驾驶决策指令后，对所述驾驶决策指令进行缓存。
70.若所述驾驶决策指令包括决策取消信息，则在对所述驾驶决策指令和所述其他驾驶决策指令进行融合之前，根据所述决策取消信息清除缓存中对应的驾驶决策指令。
71.具体的，对所述驾驶决策指令进行缓存，可以包括：
72.对各所述网联车辆，按照各所述网联车辆当前所在车道上的驾驶决策指令和其他车道上的驾驶决策指令分别进行缓存。
73.在本说明书实施例中，云控平台对于每一辆网联车辆，在缓存中统一记录当前运行的所有可用于决策融合的单一驾驶决策指令。并且，分别缓存每一辆网联车辆对于本车
道、左侧各车道和右侧各车道的单一驾驶决策指令，在缓存中，每个单一驾驶决策指令带有唯一的标识或者编号。
74.若新加入一个单一驾驶决策指令，则将该单一驾驶决策指令更新缓存到对应的车道缓存中。具体的，面向同一场景功能的决策建议的单一驾驶决策指令只保留最新的一个，例如，对于前方紧急制动车辆的决策建议，在缓存中，只保留该场景功能发出的最新接收到的减速或换道指令。
75.而若加入一个单一驾驶决策取消指令，则将缓存中对应的单一驾驶决策删除。
76.进一步的，所述方法还可以包括：
77.若所述网联车辆在执行融合驾驶决策指令的过程中接收到决策取消信息，造成融合驾驶决策指令类型变化，则取消原有融合驾驶决策的执行，按需计算下发新的融合驾驶决策指令。
78.在具体应用场景中，随着网联车辆的行驶，网联车辆的行驶状态和行驶环境信息在不断的变化，那么在网联车辆执行融合驾驶决策指令的过程中，可能会由于车辆行驶状态和行驶环境的变化，生成新的单一驾驶决策指令。
79.例如，在网联车辆执行加速决策指令的过程中，云控平台检测到当前车道前方的红绿灯即将变为红灯，那么，如果网联车辆继续执行当前的加速决策指令，可能会造成网联车辆在到达路口时，无法及时停车，闯红灯而造成交通事故的发生，这个时候，云控平台就会根据该情况生成加速决策指令取消的新的驾驶决策指令，并发送给网联车辆，而网联车辆则可以根据该新的驾驶决策指令取消当前执行的加速决策指令，使得网联车辆在到达路口时可以及时停车。
80.进一步的，对于步骤s103，对所述驾驶决策指令和所述其他驾驶决策指令进行融合，可以包括：
81.对所述网联车辆相同车道当前缓存的各驾驶决策指令进行融合；
82.或者，
83.对所述网联车辆不同车道当前缓存的各驾驶决策指令进行融合。
84.在具体应用场景中，若对所述网联车辆相同车道当前缓存的各驾驶决策指令进行融合，则将同一车道当前缓存的至少两个驾驶决策指令进行合并，具体可以是对所述至少两个驾驶决策指令中包含的速度、加速度、沿道路横向可行域、沿道路纵向可行域与换道目标车道的可行范围进行交集计算，根据计算结果得到所述融合驾驶决策指令，即同时满足不同场景单一驾驶决策的融合驾驶决策指令。
85.在本说明书实施例中，对于同一车道缓存的各驾驶决策指令，在进行融合之前，可以在时序上考虑同一车道不同决策的融合，也可以分别执行各驾驶决策指令，在执行完一轮后，若该车道还缓存有至少两个驾驶决策指令，则触发驾驶决策指令的融合。
86.例如，对于网联车辆当前车道缓存的驾驶决策指令来说，包括加速决策指令、向左换道决策指令和停车决策指令，需要完成这三个指令来达到最后的停车操作，也就是说，需要在当前车道进行加速，保证网联车辆在换道时与左车道车辆之间的行车安全，然后再进行向左换道并停车，在对各驾驶决策指令分别执行后，由于行驶环境的改变，向左换道决策指令和停车决策指令还没有完成，还缓存在云控平台中，那么，此时会触发驾驶决策指令的融合，也就是将向左换道决策指令和停车决策指令进行融合，以更快速的完成停车操作。
87.需要说明的是，同一车辆当前缓存的至少两个驾驶决策指令具有不同的决策功能，例如，加速决策指令、换道决策指令、停车决策指令等。
88.在具体应用场景中，若对所述网联车辆不同车道当前缓存的各驾驶决策指令进行融合，则所述其他驾驶决策指令可以包括所述网联车辆当前所在车道缓存的驾驶决策指令，和其他车道缓存的驾驶决策指令。
89.在本说明书实施例中，若所述网联车辆当前还存在其他驾驶决策指令，则对所述驾驶决策指令和所述其他驾驶决策指令进行融合，生成融合驾驶决策指令，具体可以包括：
90.根据预设的决策紧急程度对所述网联车辆当前所在车道缓存的驾驶决策指令，和其他车道缓存的驾驶决策指令进行合并，得到合并结果；
91.根据所述合并结果生成所述融合驾驶决策指令。
92.在本说明书实施例中，预设的决策紧急程度可以是指预先对各不同场景功能的驾驶决策指令的紧急重要程度进行的划分，这样，在对网联车辆当前车道和其他车道分别缓存的驾驶决策指令进行融合时，可以根据预设的决策紧急程度依次对不同场景功能的驾驶决策指令进行融合。
93.在具体应用场景中，可以预先对各不同场景功能的驾驶决策指令的紧急重要程度进行列表，这样，在进行融合时，可以查表来确定各不同场景功能的驾驶决策指令的紧急重要程度，更加的清晰明了。
94.具体的，根据预设的决策紧急程度对所述网联车辆当前所在车道缓存的驾驶决策指令，和其他车道缓存的驾驶决策指令进行合并，可以包括：
95.对各所述驾驶决策指令中包含的速度、加速度、沿道路横向可行域、沿道路纵向可行域与换道目标车道的可行范围进行交集计算，得到计算结果；
96.根据所述计算结果生成所述融合驾驶决策指令。
97.本说明书实施例提供的云控自动驾驶融合决策方法，通过基于网联车辆的当前行驶状态信息和行驶环境信息，预测网联车辆执行不同驾驶决策后的状态，再根据当前行驶状态信息与预测结果生成各网联车辆的驾驶决策指令，并将同一车的多个驾驶决策指令进行融合，得到融合驾驶决策指令，使得网联车辆能够执行接收到的融合驾驶决策指令。
98.这样，可以根据网联车辆实时的行驶状态和行驶环境，在考虑网联车辆执行可行的驾驶决策之后的预测状态，并协同各网联车辆进行驾驶决策指令的自适应融合，可以更高效、更安全的给各网联车辆提供驾驶辅助。
99.如图2所示，为本说明书实施例提供的一种云控自动驾驶融合决策系统的总体架构图。
100.本说明书实施例提供的云控自动驾驶融合决策系统包括感知总线21、动态事件识别模块22、筛选模块23、辅助决策模块24、预测模块25、安全检查模块26、决策格式转化模块27和可行域决策融合模块28。
101.其中，感知总线21能够感知各网联车辆的当前行驶状态信息和行驶环境信息，动态事件识别模块22从感知总线21获取各网联车辆的当前行驶状态信息和行驶环境信息，从其中识别出动态事件，并输出给筛选模块23。
102.安全检查模块25从感知总线21获取需服务的网联车辆的当前行驶状态信息，判断网联车辆执行各驾驶决策后的安全性，并将可行的驾驶决策输出给预测模块25，由预测模
块25预测网联车辆执行该可行的驾驶决策后的状态。
103.例如，安全检查模块25可以基于网联车辆的当前行驶状态信息、行驶环境信息与地图，判断各网联车辆执行换道的安全性，将可行的换道目标车道输出给预测模块25，由预测模块25预测向左和向右换道的状态。
104.具体的，对于换道后的状态预测，可以包括以下方式：
105.(1)安全检查模块25查询地图判断车辆所在车道是否为直道，若是，则可换道，继续，否则不可换道，退出。
106.(2)安全检查模块25查询查地图获取车辆所车道道路航向与车道宽与到停止线、弯道(或其他节点)距离，如果按当前车速经过换道时间所行驶的距离小于到停止线(或其他节点)距离则可换道，继续，否则不可换道，退出。
107.(3)安全检查模块25根据网联车辆的当前行驶状态信息、行驶环境信息与地图，判断网联车辆周围道路使用者(机动车、非机动车、行人等)状态是否满足网联车辆换道的时空要求(如车间距及时距大于阈值)，是则可换道，继续，否则不可换道，退出。
108.(4)将车辆位置经纬度转换为直角坐标，换道后直角坐标位置为，将当前坐标沿道路航向向前移动按当前车速经过换道时间所行驶的距离，再沿道路航向垂直方向上移动车道宽的距离，方向根据换道的左或右方向确定，将换道后直角坐标转化为经纬度输出。
109.筛选模块23获取各网联车辆当前行驶状态信息和预测状态，筛选出当前各动态事件所影响的各网联车辆及其当前行驶状态信息和预测状态集合，输出给辅助决策模块24。
110.辅助决策模块24根据动态事件、网联车辆当前行驶状态信息和预测状态集合，计算各网联车辆的决策建议和决策取消信息，并发送给决策格式转化模块27。在具体应用场景中，辅助决策模块24在计算决策建议和决策取消信息时，可以考虑或者不考虑安全检查模块26的输出结果。
111.决策格式转化模块27将决策建议和决策取消信息转化为标准格式的可行域决策模式，生成驾驶决策指令，并输出给可行域决策融合模块28。
112.可行域决策融合模块28可以根据决策取消信息清除缓存中对应场景功能的驾驶决策指令。对于各网联车辆，当输入一个新的单一驾驶决策指令时，如果缓存中还有针对该网联车辆的其他驾驶决策指令，则触发融合功能计算该网联车辆的融合决策，发送给该网联车辆。
113.对于每辆车，当接收到融合决策时，则按融合决策执行，当接收到决策取消时，如果有融合决策在执行中，则取消融合决策的执行。
114.如图3所示，为上述实施例中可行域决策融合模块28的总体架构图。
115.其中，可行域决策融合模块28包括决策缓存模块281、决策融合模块282、融合输出模块283和输出取消模块284。
116.决策格式转化模块27生成驾驶决策指令后，输出给决策缓存模块281，对驾驶决策指令进行缓存。
117.判断缓存中各单一驾驶决策指令是否执行完一轮，若是，且当前缓存中存在多个决策指令，则将触发决策融合模块282对缓存中的多个单一驾驶决策指令进行融合，由融合输出模块283输出融合驾驶决策指令。
118.而若当前缓存中不存在多个决策指令，且之前发出过融合驾驶决策指令，则由输
出取消模块284输出取消指令。
119.另外，融合输出模块283输出融合驾驶决策指令前，可以考虑安全检查模块26的安全检查结果，来进一步保证融合驾驶决策指令的安全性。
120.如图4所示，为本说明书实施例提供的一种云控自动驾驶融合决策方法的具体应用的流程示意图，在本说明书实施例中，以换道决策为具体应用场景，来进行融合决策的执行流程。
121.s401：各车道均进行决策融合；
122.其中，各车道均进行决策融合具体可以是指将针对网联车辆在本车道及相邻车道的单一决策进行合并，算法是将速度、加速度、沿道路横向可行域、沿道路纵向可行域与换道的可行范围求交集。
123.s402：判断网联车辆在本车道的单一驾驶决策指令是否是都换道，得到第一判断结果；
124.s403：若所述第一判断结果为否，表明存在要求减速的单一驾驶决策指令，这种情况下，网联车辆必须减速才能避让，则输出融合决策指令为在本车道减速；
125.s404：若所述第一判断结果为是，则判断本车道是否可换道，得到第二判断结果；
126.s405：若所述第二判断结果为是，则判断相邻车道是否有事件，得到第三判断结果；
127.s406：若所述第三判断结果为否，则输出融合决策指令为换道至相邻车道；
128.s407：若所述第三判断结果为是，则判断可达相邻车道是否决策换道，得到第四判断结果；
129.s408：若所述第四判断结果为否，则输出融合决策指令为在本车道正常行驶；
130.s409：若所述第四判断结果为是，则比较事件紧急重要度；
131.具体的，可以根据动态事件类型和距离或时距来加权计算比较不同事件的紧急重要度，或者可以预先对不同动态事件的紧急重要度进行列表，这样，就可以直接进行查表比较。其中，时距表示车辆前端到达动态事件位置(可移动) 的时间差，一般可使用车辆到动态事件的车头间距除以车辆与动态事件的相对速度来计算。
132.s410：判断相邻车道是否更紧急，得到第五判断结果；
133.s411：若所述第五判断结果为否，则输出融合决策指令为换道至该相邻车道；
134.若所述第五判断结果为是，则输出融合决策指令为在本车道正常行驶。
135.s412：若所述第二判断结果为否，则输出融合决策指令为在本车道正常行驶。
136.如图5所示，基于同样的发明思路，为本说明书实施例提供的一种云控自动驾驶融合决策装置的结构示意图。
137.其中，所述云控自动驾驶融合决策装置可以包括：
138.预测模块501，基于各网联车辆的当前行驶状态信息和行驶环境信息，预测各所述网联车辆执行驾驶决策后的状态，得到预测结果；
139.指令生成模块502，根据所述预测结果、所述当前行驶状态信息和所述行驶环境信息生成各所述网联车辆的驾驶决策指令；
140.融合模块503，若所述网联车辆当前还存在与所述驾驶决策指令适用场景功能不同的其他驾驶决策指令，则对所述驾驶决策指令和所述其他驾驶决策指令进行融合，生成
融合驾驶决策指令；
141.发送模块504，将所述融合驾驶决策指令发送给所述网联车辆，使得所述网联车辆执行所述融合驾驶决策指令。
142.进一步地，基于各网联车辆的当前行驶状态信息和行驶环境信息，预测各所述网联车辆执行驾驶决策后的状态，可以包括：
143.基于所述当前行驶状态信息和所述行驶环境信息，判断所述网联车辆执行驾驶决策后是否安全，得到判断结果；
144.若所述判断结果为安全，则生成至少一种可行的驾驶决策；
145.分别预测所述网联车辆执行至少一种可行的驾驶决策后的状态，得到预测结果。
146.进一步地，根据所述预测结果、所述当前行驶状态信息和所述行驶环境信息生成各所述网联车辆的驾驶决策指令，可以包括：
147.根据所述预测结果、所述当前行驶状态信息和所述行驶环境信息生成决策建议；
148.将所述决策建议转换为可执行的驾驶决策指令。
149.进一步地，所述装置还可以包括：
150.在生成所述驾驶决策指令后，对所述驾驶决策指令进行缓存。
151.进一步地，对所述驾驶决策指令进行缓存，可以包括：
152.按照各所述网联车辆当前所在车道上的驾驶决策指令和其他车道上的驾驶决策指令分别进行缓存。
153.进一步地，所述装置还可以包括：
154.若所述驾驶决策指令包括决策取消信息，则在对所述驾驶决策指令和所述其他驾驶决策指令进行融合之前，根据所述决策取消信息清除缓存中对应的驾驶决策指令。
155.进一步地，对所述驾驶决策指令和所述其他驾驶决策指令进行融合，可以包括：
156.对所述网联车辆相同车道当前缓存的各驾驶决策指令进行融合；
157.或者，
158.对所述网联车辆不同车道当前缓存的各驾驶决策指令进行融合。
159.进一步地，若对所述网联车辆不同车道当前缓存的各驾驶决策指令进行融合，则所述其他驾驶决策指令包括所述网联车辆当前所在车道缓存的驾驶决策指令，和其他车道缓存的驾驶决策指令；
160.则对所述驾驶决策指令和所述其他驾驶决策指令进行融合，生成融合驾驶决策指令，可以包括：
161.根据预设的决策紧急程度对所述网联车辆当前所在车道缓存的驾驶决策指令，和其他车道缓存的驾驶决策指令进行合并，得到合并结果；
162.根据所述合并结果生成所述融合驾驶决策指令。
163.进一步地，根据预设的决策紧急程度对所述网联车辆当前所在车道缓存的驾驶决策指令，和其他车道缓存的驾驶决策指令进行合并，可以包括：
164.对各所述驾驶决策指令中包含的速度、加速度、沿道路横向可行域、沿道路纵向可行域与换道目标车道的可行范围进行交集计算，以根据计算结果得到所述融合驾驶决策指令。
165.本说明书实施例提供的云控自动驾驶融合决策装置，通过基于网联车辆的当前行
驶状态信息和行驶环境信息，预测网联车辆执行不同驾驶决策后的状态，再根据当前行驶状态信息与预测结果生成网联车辆的驾驶决策指令，并将同一车的多个驾驶决策指令进行融合，得到融合驾驶决策指令，使得网联车辆能够执行接收到的融合驾驶决策指令。
166.这样，可以根据网联车辆实时的行驶状态和行驶环境，在考虑网联车辆执行可行的驾驶决策之后的预测状态，并协同各网联车辆进行驾驶决策指令的自适应融合，可以更高效、更安全的给各网联车辆提供驾驶辅助。
167.在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(例如，对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件 (programmable logic device,pld)(例如，现场可编程门阵列(fieldprogrammable gate array，fpga))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片 pld上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logiccompiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言 (hardware description language，hdl)，而hdl也并非仅有一种，而是有许多种，如abel(advanced boolean expression language)、ahdl(alterahardware description language)、confluence、cupl(cornell universityprogramming language)、hdcal、jhdl(java hardware description language)、 lava、lola、myhdl、palasm、rhdl(ruby hardware description language) 等，目前最普遍使用的是vhdl(very-high-speed integrated circuit hardwaredescription language)与verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
168.控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(application specificintegrated circuit，asic)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：arc 625d、atmel at91sam、microchippic18f26k20以及silicone labs c8051f320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
169.上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放
器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
170.为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本技术时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
171.本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
172.本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和 /或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/ 或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
173.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
174.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
175.在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
176.内存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)。内存是计算机可读介质的示例。
177.计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带、磁带式磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
178.还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包
括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
179.本技术可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本技术，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
180.本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
181.以上所述仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理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权利要求保护范围之内。