基于相似场景挖掘的自动驾驶方法和车辆与流程

1.本公开涉及数据处理技术领域，尤其涉及自动驾驶技术领域，具体涉及一种基于相似场景挖掘的数据处理自动驾驶方法、装置、车辆、电子设备、计算机可读存储介质和计算机程序产品。


背景技术：

2.人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
3.基于人工智能的数据处理，已经广泛应用于各个领域。其中，在自动驾驶领域中，基于人工智能对数据进行处理，能够为车辆规划合理的驾驶轨迹。
4.在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。


技术实现要素：

5.本公开提供了一种基于相似场景挖掘的自动驾驶方法、装置、车辆、电子设备、计算机可读存储介质和计算机程序产品。
6.根据本公开的一方面，提供了一种基于相似场景挖掘的自动驾驶基于相似场景挖掘的自动驾驶方法，包括：获得本车的当前驾驶场景数据，所述当前驾驶场景数据包括所述本车所处的环境信息；从数据集中获得所述当前驾驶场景数据对应的至少一个相似驾驶场景数据，所述数据集包括多个车辆分别对应的多个驾驶场景数据，所述多个驾驶场景数据中的每一个驾驶场景数据指示相应车辆在相应驾驶轨迹上行驶时的环境信息，所述至少一个相似驾驶场景数据中的每一个相似驾驶场景数据与所述当前驾驶场景数据之间的相似度大于预设值；以及基于所述多个相似驾驶场景对应的多个驾驶轨迹，确定用于所述本车的自动驾驶推荐轨迹。
7.根据本公开的另一方面，提供了一种自动驾驶方法，包括：接收推荐轨迹，所述推荐轨迹是根据本公开的实施例所述的基于相似场景挖掘的自动驾驶方法获得的；基于所述推荐轨迹，获得目标驾驶轨迹；以及基于所述目标驾驶轨迹进行自动驾驶。
8.根据本公开的另一方面，提供了一种基于相似场景挖掘的自动驾驶基于相似场景挖掘的自动驾驶装置，包括：当前驾驶场景数据获取单元，被配置用于获得本车的当前驾驶场景数据，所述当前驾驶场景数据包括所述本车所处的环境信息；检索单元，被配置用于从数据集中获得所述当前驾驶场景数据对应的至少一个相似驾驶场景数据，所述数据集包括多个车辆分别对应的多个驾驶场景数据，所述多个驾驶场景数据中的每一个驾驶场景数据
指示相应车辆在相应驾驶轨迹上行驶时的环境信息，所述至少一个相似驾驶场景数据中的每一个相似驾驶场景数据与所述当前驾驶场景数据之间的相似度大于预设值；以及推荐轨迹获取单元，被配置用于所述多个相似驾驶场景对应的多个驾驶轨迹，确定用于所述本车的自动驾驶推荐轨迹。
9.根据本公开的另一方面，提供了一种自动驾驶装置，包括：接收单元，被配置用于接收推荐轨迹，所述推荐轨迹是根据本公开的实施例所述的基于相似场景挖掘的自动驾驶方法获得的；目标驾驶轨迹获取单元，被配置用于基于所述推荐轨迹，获得目标驾驶轨迹；以及驾驶单元，被配置用于基于所述目标驾驶轨迹进行自动驾驶。
10.根据本公开的另一方面，提供了一种车辆，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开的实施例所述的方法。
11.根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开的实施例中所述的方法。
12.根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据本公开的实施例所述的方法。
13.根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现本公开的实施例所述的方法。
14.根据本公开的一个或多个实施例，可以通过对驾驶场景进行理解，基于车辆在与本车的当前驾驶场景相似的驾驶场景中的驾驶轨迹，为本车推荐自动驾驶的轨迹，使得所本车获得的推荐轨迹是适用于其当前驾驶场景的，提升所获得的推荐轨迹的准确性，根据本公开的基于相似场景挖掘的自动驾驶方法能够针对各种不同场景获得准确的推荐轨迹，提升路径规划和轨迹推荐过程中的场景泛化能力。
15.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
16.附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。
17.图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图；
18.图2示出了根据本公开的实施例的基于相似场景挖掘的自动驾驶方法的流程图；
19.图3示出了根据本公开的实施例的基于相似场景挖掘的自动驾驶方法中从数据集中获得当前驾驶场景数据对应的多个相似驾驶场景数据的过程的流程图；
20.图4示出了根据本公开的实施例的基于相似场景挖掘的自动驾驶方法中基于多个相似驾驶场景对应的多个驾驶轨迹，获得推荐轨迹的过程的流程图；
21.图5示出了根据本公开的实施例的基于相似场景挖掘的自动驾驶方法中基于多个第一驾驶轨迹获得推荐轨迹的过程的流程图；
22.图6示出了根据本公开的实施例的基于相似场景挖掘的自动驾驶方法中基于多个第三驾驶轨迹获得推荐轨迹的过程的流程图；
23.图7示出了根据本公开的实施例的基于相似场景挖掘的自动驾驶方法的流程图；
24.图8示出了根据本公开的实施例的自动驾驶方法的流程图；
25.图9示出了根据本公开的实施例的基于相似场景挖掘的自动驾驶装置结构框图；
26.图10示出了根据本公开的实施例的自动驾驶装置结构框图；以及
27.图11示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
28.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
29.在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个要素与另一要素区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。
30.在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
31.下面将结合附图详细描述本公开的实施例。
32.图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1，该系统100包括机动车辆110、服务器120以及将机动车辆110耦接到服务器120的一个或多个通信网络130。
33.在本公开的实施例中，机动车辆110可以包括根据本公开实施例的计算设备和/或被配置以用于执行根据本公开实施例的方法。
34.服务器120可以运行使得能够执行信息处理方法的一个或多个服务或软件应用。在某些实施例中，服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在图1所示的配置中，服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。机动车辆110的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解，各种不同的系统配置是可能的，其可以与系统100不同。因此，图1是用于实施本文所描述的各种方法的系统的一个示例，并且不旨在进行限制。
35.服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如pc(个人计算机)服务器、unix服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机，或
者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中，服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
36.服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个，包括http服务器、ftp服务器、cgi服务器、java服务器、数据库服务器等。
37.在一些实施方式中，服务器120可以包括一个或多个应用程序，以分析和合并从机动车辆110接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序，以经由机动车辆110的一个或多个显示设备来显示数据馈送和/或实时事件。
38.网络130可以是本领域技术人员熟知的任何类型的网络，其可以使用多种可用协议中的任何一种(包括但不限于tcp/ip、sna、ipx等)来支持数据通信。仅作为示例，一个或多个网络110可以是卫星通信网络、局域网(lan)、基于以太网的网络、令牌环、广域网(wan)、因特网、虚拟网络、虚拟专用网络(vpn)、内部网、外部网、公共交换电话网(pstn)、红外网络、无线网络(包括例如蓝牙、wifi)和/或这些与其他网络的任意组合。
39.系统100还可以包括一个或多个数据库150。在某些实施例中，这些数据库可以用于存储数据和其他信息。例如，数据库150中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据存储库150可以驻留在各种位置。例如，由服务器120使用的数据存储库可以在服务器120本地，或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据存储库150可以是不同的类型。在某些实施例中，由服务器120使用的数据存储库可以是数据库，例如关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
40.在某些实施例中，数据库150中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库，例如键值存储库，对象存储库或由文件系统支持的常规存储库。
41.机动车辆110可以包括传感器111用于感知周围环境。传感器111可以包括下列传感器中的一个或多个：视觉摄像头、红外摄像头、超声波传感器、毫米波雷达以及激光雷达(lidar)。不同的传感器可以提供不同的检测精度和范围。摄像头可以安装在车辆的前方、后方或其他位置。视觉摄像头可以实时捕获车辆内外的情况并呈现给驾驶员和/或乘客。此外，通过对视觉摄像头捕获的画面进行分析，可以获取诸如交通信号灯指示、交叉路口情况、其他车辆运行状态等信息。红外摄像头可以在夜视情况下捕捉物体。超声波传感器可以安装在车辆的四周，用于利用超声波方向性强等特点来测量车外物体距车辆的距离。毫米波雷达可以安装在车辆的前方、后方或其他位置，用于利用电磁波的特性测量车外物体距车辆的距离。激光雷达可以安装在车辆的前方、后方或其他位置，用于检测物体边缘、形状信息，从而进行物体识别和追踪。由于多普勒效应，雷达装置还可以测量车辆与移动物体的速度变化。
42.机动车辆110还可以包括通信装置112。通信装置112可以包括能够从卫星141接收卫星定位信号(例如，北斗、gps、glonass以及galileo)并且基于这些信号产生坐标的卫星定位模块。通信装置112还可以包括与移动通信基站142进行通信的模块，移动通信网络可
以实施任何适合的通信技术，例如gsm/gprs、cdma、lte等当前或正在不断发展的无线通信技术(例如5g技术)。通信装置112还可以具有车联网或车联万物(vehicle-to-everything，v2x)模块，被配置用于实现例如与其它车辆143进行车对车(vehicle-to-vehicle，v2v)通信和与基础设施144进行车辆到基础设施(vehicle-to-infrastructure，v2i)通信的车与外界的通信。此外，通信装置112还可以具有被配置为例如通过使用ieee802.11标准的无线局域网或蓝牙与用户终端145(包括但不限于智能手机、平板电脑或诸如手表等可佩戴装置)进行通信的模块。利用通信装置112，机动车辆110还可以经由网络130接入服务器120。
43.机动车辆110还可以包括控制装置113。控制装置113可以包括与各种类型的计算机可读存储装置或介质通信的处理器，例如中央处理单元(cpu)或图形处理单元(gpu)，或者其他的专用处理器等。控制装置113可以包括用于自动控制车辆中的各种致动器的自动驾驶系统。自动驾驶系统被配置为经由多个致动器响应来自多个传感器111或者其他输入设备的输入而控制机动车辆110(未示出的)动力总成、转向系统以及制动系统等以分别控制加速、转向和制动，而无需人为干预或者有限的人为干预。控制装置113的部分处理功能可以通过云计算实现。例如，可以使用车载处理器执行某一些处理，而同时可以利用云端的计算资源执行其他一些处理。控制装置113可以被配置以执行根据本公开的方法。此外，控制装置113可以被实现为根据本公开的机动车辆侧(客户端)的计算设备的一个示例。
44.图1的系统100可以以各种方式配置和操作，以使得能够应用根据本公开所描述的各种方法和装置。
45.在相关技术中，基于地图对本车进行路径或者轨迹规划，以获得本车的导航路径或者推荐轨迹，由于基于地图的路径或者轨迹规划过程中，针对不同类型的驾驶场景设计不同的规则，基于场景对应类型，依据规则获得导航路径。例如，针对左转场景，基于左转场景对应的起始位置从地图中，获得导航路径或者推荐轨迹。这种方法获得导航路径或者推荐轨迹的过程中，往往场景泛化能力不强，在出现新的类型的场景的情况下，往往无法获得准确的导航路径或者推荐轨迹。
46.根据本公开的一方面，提供了一种基于相似场景挖掘的自动驾驶方法。如图2所示，根据本公开的基于相似场景挖掘的自动驾驶方法200包括：
47.步骤s210：获得本车的当前驾驶场景数据，所述当前驾驶场景数据包括所述本车所处的环境信息；
48.步骤s220：从数据集中获得所述当前驾驶场景数据对应的多个相似驾驶场景数据，所述数据集包括多个车辆分别对应的多个驾驶场景数据，所述多个驾驶场景数据中的每一个驾驶场景数据指示相应车辆在相应驾驶轨迹上行驶时的环境信息，所述多个相似驾驶场景数据中的每一个相似驾驶场景数据与所述当前驾驶场景数据之间的相似度大于预设值；以及
49.步骤s230：基于所述多个相似驾驶场景数据对应的多个驾驶轨迹，确定用于所述本车的自动驾驶推荐轨迹。
50.通过基于本车的当前驾驶场景数据，从数据集中获得与当前驾驶场景数据对应的多个相似驾驶场景数据，并基于该多个相似驾驶场景数据对应的多个驾驶轨迹，获得本车的推荐轨迹。由于在获得推荐轨迹的过程中，是通过理解本车所在的驾驶场景中的当前驾驶场景数据和数据集中其他车辆所在的驾驶场景中的场景数据后，通过获得在与本车所在
的驾驶场景相似的驾驶场景下车辆的驾驶轨迹，获得推荐轨迹，其针对本车所在的驾驶场景进行理解，无需依据来规则进行处理，使得所获得的推荐轨迹能够适用于其当前的驾驶场景，准确性高，从而使本车基于该推荐轨迹获得的驾驶轨迹适用于其当前的驾驶场景，准确性高。
51.同时，根据本公开的基于相似场景挖掘的自动驾驶方法，直接针对本车所在的驾驶场景进行理解，不将其转化为场景类型进行理解，能够提升获得推荐轨迹的过程中的场景泛化能力。
52.在一些实施例中，本车是需要对其进行路径规划或者推荐轨迹的准备行驶或者正在行驶中的车辆。
53.在一些实施例中，当前驾驶场景数据可以包括由本车上的数据采集设备所采集的数据。例如，本车上的数据采集设备可以包括摄像装置；当前驾驶场景数据可以包括由摄像装置采集的视频等，在此并不限定。
54.在一些实施例中，当前驾驶场景数据还可以包括从本车所在的位置的路侧设备上所采集的数据。
55.在一些实施例中，当前驾驶场景数据可以是对本车上的数据采集设备所采集的数据进行理解后的数据。例如，采用图像识别模型，对本车上的摄像装置所采集的视频帧进行理解后，获得的本车所在的环境中的各个实例和各个实例相对本车的距离。例如，各个实例可以是行人、障碍物、交通设施、道路等。
56.在一些实施例中，本车所处的环境信息包括道路信息、交通设施信息、障碍物信息等，在此并不限定。
57.在一些实施例中，在步骤s210中，通过接收由本车发送的本车上的数据采集设备所采集的数据，获得该当前驾驶场景数据。
58.在一些实施例中，数据集可以预先收集的来自多个车辆的驾驶场景数据。该多个车辆分别在行驶过程中采集驾驶场景数据，并发送到服务端，以使服务端存储其驾驶场景数据，从而获得该数据集。
59.在一些实施例中，在服务端获得数据集的过程中，还获得将与数据集中的各个驾驶场景数据相应车辆的驾驶轨迹，并将各个驾驶场景数据与相应的驾驶轨迹相关联进行存储。
60.在一些实施例中，在步骤s220中，通过将当前驾驶场景数据和数据集中的每一个驾驶场景数据进行对比，获得该多个相似驾驶场景数据。例如，针对数据集中的每一个驾驶场景数据，通过将该驾驶场景数据中的道路信息和交通设施信息分别与当前驾驶场景数据中的道路信息和交通设施信息进行对比，获得当前驾驶场景数据和每一个驾驶场景数据的相似度。
61.在一些实施例中，所述数据集包括所述多个驾驶场景数据中的每一个驾驶场景数据对应的特征向量，如图3所示，步骤s220、从数据集中获得所述当前驾驶场景数据对应的多个相似驾驶场景数据包括：
62.步骤s310：对所述当前驾驶场景数据进行处理，以获得所述当前驾驶场景数据对应的特征向量；以及
63.步骤s320：基于所述当前驾驶场景数据对应的向量和所述多个驾驶场景数据中的
每一个驾驶场景数据的特征向量，获得所述多个相似驾驶场景数据。
64.通过将驾驶场景数据以特征向量进行存储，使得获得多个相似场景数据的过程中，通过获得当前驾驶场景数据的特征向量，并基于特征向量之间的相似度计算，直接获得场景数据之间的相似度，能够减少获得相似驾驶场景数据的数据处理量，提升计算速度。
65.根据本公开的实施例，通过向量检索(ann)的方式，获得多个相似场景数据，降低计算复杂度，提升处理效率，同时，由于数据集中的特征向量对场景数据进行了“裁剪”表达，使得能够在向量维度上对驾驶场景进行理解和索引，强化对场景的理解和索引。
66.在一些实施例中，在步骤s310中，通过将当前驾驶场景数据输入至卷积神经网络cnn，获得当前驾驶场景数据的特征向量。
67.在一些实施例中，在步骤s310中，通过将当前驾驶场景数据输入至向量网络(vectornet)，获得当前驾驶场景数据的特征向量。向量网络通过抽取驾驶场景数据中的实例特征，对不同实例之间的关系进行建模，以获得驾驶场景数据的特征向量，使得对驾驶场景数据的理解更加准确。
68.在一些实施例中，在步骤s230中，将多个驾驶轨迹中的每一个驾驶轨迹作为推荐轨迹，以推荐给本车，使得本车从多个驾驶轨迹中选择一个驾驶轨迹作为目标驾驶轨迹，以进行自动驾驶，其中，在自动驾驶过程中沿着目标驾驶轨迹进行行驶。
69.在一些实施例中，如图4所示，步骤s230、基于所述多个相似驾驶场景对应的多个驾驶轨迹，确定用于本车的自动驾驶推荐轨迹包括：
70.步骤s410：确定所述多个驾驶轨迹中的每一个驾驶轨迹的安全性指数；
71.步骤s420：获得所述多个驾驶轨迹中的多个第一驾驶轨迹，所述多个第一驾驶轨迹中的每一个第一驾驶轨迹的安全性指数大于第二驾驶轨迹，所述第二驾驶轨迹区别于所述第一驾驶轨迹中的每一个第一驾驶轨迹；以及
72.步骤s430：基于所述多个第一驾驶轨迹，获得所述推荐轨迹。
73.在获得推荐轨迹的过程中，首先考虑各个相似场景下的驾驶轨迹的安全性，使得所获得的推荐轨迹是安全性高的轨迹，提升基于推荐轨迹所获得的目标推荐轨迹的安全性。
74.在一些实施例中，在步骤s410中，通过比较多个驾驶轨迹中的每一个驾驶轨迹在各个分段上的曲率，以获得安全性指数，其中，曲率较大的分段所在的驾驶轨迹的安全性指数较低。
75.在一些实施例中，所述多个驾驶场景数据中的每一个驾驶场景数据还包括相应车辆在相应驾驶轨迹上行驶时的驾驶行为数据，所述驾驶行为数据包括指示所述相应车辆是否有碰撞的第一行为数据，指示所述相应车辆是否有急刹车的第二行为数据，指示所述相应车辆是否有急加速或者急减速的第三行为数据，或者指示所述相应车辆是否有顿挫的第四行为数据；
76.其中，步骤s410、确定所述多个驾驶轨迹中的每一个驾驶轨迹的安全性指数包括：
77.基于所述多个驾驶场景数据中的每一个驾驶场景数据中的驾驶行为数据，对该驾驶场景数据的相应驾驶轨迹进行安全性打分，以获得所述相应驾驶轨迹的安全性指数。
78.通过根据各个驾驶场景数据的驾驶行为数据，对相应的驾驶轨迹进行安全性打分，以获得该驾驶轨迹的安全性指数，使得所获得的安全性指数是基于在该驾驶轨迹上进
行实际驾驶过程进行的，提升所获得的安全性指数的准确性和可靠性。
79.在一些实施例中，在步骤s420中，获得预设数量的第一驾驶轨迹，其中，该预测数量的第一驾驶轨迹是多个驾驶轨迹中安全性指数较高的多个驾驶轨迹。
80.在一些实施例中，在步骤s420中，基于预设的安全性指数阈值，从多个驾驶轨迹中获得多个第一驾驶轨迹，其中，每一个第一驾驶轨迹的安全性指数不小于该安全性指数阈值。
81.在一些实施例中，在步骤s430中，将多个第一驾驶轨迹中的每一个第一驾驶轨迹作为推荐轨迹，以推荐给本车，使得本车从多个第一驾驶轨迹中选择一个第一驾驶轨迹作为目标驾驶轨迹，以进行自动驾驶。
82.在一些实施例中，如图5所示，步骤s430、基于所述多个第一驾驶轨迹，获得所述推荐轨迹包括：
83.步骤s510：确定所述多个第一驾驶轨迹中的每一个第一驾驶轨迹的舒适性指数；
84.步骤s520：获得所述多个第一驾驶轨迹中的多个第三驾驶轨迹，所述多个第三驾驶轨迹中的每一个第三驾驶轨迹的舒适性指数大于第四驾驶轨迹，所述第四驾驶轨迹区别于所述第三驾驶轨迹中的每一个第三驾驶轨迹；以及
85.步骤s530：基于所述多个第三驾驶轨迹，获得所述推荐轨迹。
86.在获得推荐轨迹的过程中，还考虑各个相似场景数据所对应的驾驶轨迹的舒适性，使得所获得的推荐轨迹是安全性高并且在基于其进行驾驶过程中舒适性高的轨迹，从而提升本车基于所获得的推荐轨迹进行自动驾驶时的舒适性。
87.在一些实施例中，在步骤s510中，通过比较多个第一驾驶轨迹中的每一个第一驾驶轨迹在各个分段上的曲率，以获得舒适性指数，其中，曲率较大的分段所在的驾驶轨迹的舒适性指数较低。
88.在一些实施例中，在步骤s510中、针对多个第一驾驶轨迹中的每一个第一驾驶轨迹，基于该第一驾驶轨迹，获得本车在该第一驾驶轨迹上行驶是的动力学模型，基于该动力学模型进行舒适度打分，以获得该第一驾驶轨迹的舒适性指数。
89.在一些实施例中，在步骤s520中，获得预设数量的第三驾驶轨迹，其中，该预测数量的第三驾驶轨迹是多个第一驾驶轨迹中舒适性指数较高的多个第一驾驶轨迹。
90.在一些实施例中，在步骤s520中，基于预设的舒适性指数阈值，从多个第一驾驶轨迹中获得多个第三驾驶轨迹，其中，每一个第三驾驶轨迹的舒适性指数不小于该舒适性指数阈值。
91.在一些实施例中，在步骤s530中，将多个第三驾驶轨迹中的每一个第三驾驶轨迹作为推荐轨迹，以推荐给本车，使得本车从多个第三驾驶轨迹中选择一个第三驾驶轨迹作为目标驾驶轨迹，以进行自动驾驶。
92.在一些实施例中，如图6所示，步骤s530、基于所述多个第三驾驶轨迹，获得所述推荐轨迹包括：
93.步骤s610：采用仿真模拟驾驶系统，获得所述多个第三驾驶轨迹中的每一个第三驾驶轨迹对应的综合得分，所述综合得分指示所述本车按照该第三驾驶轨迹行驶时考虑行驶效率、安全性和舒适性的得分；
94.步骤s620：获得所述多个第三驾驶轨迹中的综合得分最高的第五驾驶轨迹；以及
95.步骤s630：基于所述第五驾驶轨迹，获得所述推荐轨迹。
96.针对多个第三驾驶轨迹中的每一个第三驾驶轨迹，通过仿真模拟驾驶系统，获得考虑了本车按照该第三驾驶轨迹行驶时的行驶效率、安全性和舒适性的综合性得分，使得所获得的推荐轨迹是考虑了多种因素的最佳轨迹，从而使本车基于该推荐轨迹获得的目标驾驶轨迹更加符合本车的需求，进一步提升所获得的目标驾驶轨迹的准确性。
97.在一些实施例中，在步骤s630中，将第五轨迹作为推荐轨迹以推荐给本车。
98.在一些实施例中，如图7所示，根据本公开的基于相似场景挖掘的自动驾驶方法还包括：
99.步骤s710：将所述推荐轨迹，推送给所述本车，以使所述本车基于所述推荐轨迹，获得目标驾驶轨迹，并基于目标驾驶轨迹进行自动驾驶；以及
100.步骤s720：获得所述本车基于所述目标驾驶轨迹进行自动驾驶后的行驶轨迹，并且将该行驶轨迹与所述当前驾驶场景数据存储至所述数据集。
101.通过将推荐轨迹推送给当前车辆，并基于当前车辆实际行驶的行驶轨迹和当前驾驶场景数据，更新数据集，使得后续获得其他本车的当前驾驶场景数据后，根据本公开的基于相似场景挖掘的自动驾驶方法在基于数据集进行检索时具备更多的数据，从而提升后续获得准确的推荐轨迹的能力。
102.根据本公开的实施例，通过不断收集本车车辆的驾驶场景数据和驾驶轨迹，能够不断基于检索，获得相似驾驶场景数据的能力，进而能够提升为本车推荐准确的推荐轨迹的能力。
103.在一些实施例中，在步骤s710中，通过无线网络，将推荐轨迹发送给本车。
104.在一些实施例中，本车将所推荐的轨迹作为目标驾驶轨迹，直接进行导航行驶。
105.在一些实施例中，本车通过所推荐的轨迹对基于地图获得的导航路径或轨迹进行修正，将修正后的路径或轨迹作为目标驾驶轨迹以进行导航行驶。
106.在一些实施例中，在步骤s720中，通过无线网络接收本车发送的行驶轨迹。
107.根据本公开的另一方面，还提供了一种导航方法，如图8所示，方法800包括：
108.步骤s810：接收推荐轨迹，其中，所述推荐轨迹是根据本公开的实施例所述的基于相似场景挖掘的自动驾驶方法获得的；
109.步骤s820：基于所述推荐轨迹，获得目标驾驶轨迹；以及
110.步骤s830：基于所述目标驾驶轨迹进行自动驾驶。
111.由于根据本公开的基于相似场景挖掘的自动驾驶方法，在获得推荐轨迹的过程中，是通过理解本车所在的驾驶场景中的当前驾驶场景数据和数据集中其他车辆所在的驾驶场景中的场景数据后，通过获得在与本车所在的驾驶场景相似的驾驶场景下车辆的驾驶轨迹，获得推荐轨迹，其针对本车所在的驾驶场景进行理解，无需依据来规则进行处理，使得所获得的目标驾驶轨迹能够适用于其当前的驾驶场景，准确性高，从而使根据本公开的自动驾驶方法获得的目标驾驶轨迹适用于其当前的驾驶场景，准确性高。
112.同时，由于根据本公开的基于相似场景挖掘的自动驾驶方法，直接针对本车所在的驾驶场景进行理解，不将其转化为场景类型进行理解，能够提升获得推荐轨迹的过程中的场景泛化能力，根据本公开的自动驾驶方法能够提升获得目标驾驶轨迹的过程中的场景泛化能力，能够基于所获得的目标驾驶轨迹进行准确导航和自动驾驶。
113.在一些实施例中，在步骤s820中，将推荐轨迹作为目标驾驶轨迹。
114.在一些实施例中，在步骤s820中，通过推荐轨迹对基于地图获得的导航路径或轨迹进行修正，将修正后的路径或轨迹作为目标驾驶轨迹。
115.根据本公开的另一方面，还提供了一种基于相似场景挖掘的自动驾驶装置，如图9所示，基于相似场景挖掘的自动驾驶装置900包括：当前驾驶场景数据获取单元910，被配置用于获得本车的当前驾驶场景数据，所述当前驾驶场景数据包括所述本车所处的环境信息；检索单元920，被配置用于从数据集中获得所述当前驾驶场景数据对应的多个相似驾驶场景数据，所述数据集包括多个车辆分别对应的多个驾驶场景数据，所述多个驾驶场景数据中的每一个驾驶场景数据指示相应车辆在相应驾驶轨迹上行驶时的环境信息，所述多个相似驾驶场景数据中的每一个相似驾驶场景数据与所述当前驾驶场景数据之间的相似度大于预设值；以及推荐轨迹获取单元930，被配置用于基于所述多个相似驾驶场景数据对应的多个驾驶轨迹，确定用于本车的自动驾驶推荐轨迹。
116.在一些实施例中，所述数据集包括所述多个驾驶场景数据中的每一个驾驶场景数据对应的特征向量，所述检索单元920包括：特征向量获取单元，被配置用于对所述当前驾驶场景数据进行处理，以获得所述当前驾驶场景数据对应的特征向量；以及检索子单元，被配置用于基于所述当前驾驶场景数据对应的向量和所述多个驾驶场景数据中的每一个驾驶场景数据的特征向量，获得所述多个相似驾驶场景数据。
117.在一些实施例中，所述推荐轨迹获取单元930包括：第一确定单元，被配置用于确定所述多个驾驶轨迹中的每一个驾驶轨迹的安全性指数；第一获取单元，被配置用于获得所述多个驾驶轨迹中的多个第一驾驶轨迹，所述多个第一驾驶轨迹中的每一个第一驾驶轨迹的安全性指数大于第二驾驶轨迹，所述第二驾驶轨迹区别于所述第一驾驶轨迹中的每一个第一驾驶轨迹；以及第一推荐轨迹获取子单元，被配置用于基于所述多个第一驾驶轨迹，获得所述推荐轨迹。
118.在一些实施例中，所述多个驾驶场景数据中的每一个驾驶场景数据还包括相应车辆在相应驾驶轨迹上行驶时的驾驶行为数据，所述驾驶行为数据包括指示所述相应车辆是否有碰撞的第一行为数据，指示所述相应车辆是否有急刹车的第二行为数据，指示所述相应车辆是否有急加速或者急减速的第三行为数据，或者指示所述相应车辆是否有顿挫的第四行为数据；其中，所述第一确定单元包括：安全性打分单元，被配置用于基于所述多个驾驶场景数据中的每一个驾驶场景数据中的驾驶行为数据，对该驾驶场景数据的相应驾驶轨迹进行安全性打分，以获得所述相应驾驶轨迹的安全性指数。
119.在一些实施例中，所述第一推荐轨迹获取子单元包括：第二确定单元，被配置用于确定所述多个第一驾驶轨迹中的每一个第一驾驶轨迹的舒适性指数；第二获取单元，被配置用于获得所述多个第一驾驶轨迹中的多个第三驾驶轨迹，所述多个第三驾驶轨迹中的每一个第三驾驶轨迹的舒适性指数大于第四驾驶轨迹，所述第四驾驶轨迹区别于所述第三驾驶轨迹中的每一个第三驾驶轨迹；以及第二推荐轨迹获取子单元，被配置用于基于所述多个第三驾驶轨迹，获得所述推荐轨迹。
120.在一些实施例中，所述第二推荐轨迹获取子单元包括：仿真模拟处理单元，被配置用于采用仿真模拟驾驶系统，获得所述多个第三驾驶轨迹中的每一个第三驾驶轨迹对应的综合得分，所述综合得分指示所述本车按照该第三驾驶轨迹行驶时考虑行驶效率、安全性
和舒适性的得分；第三获取单元，被配置用于获得所述多个第三驾驶轨迹中的综合得分最高的第五驾驶轨迹；以及第三推荐轨迹获取子单元，被配置用于基于所述第五驾驶轨迹，获得所述推荐轨迹。
121.在一些实施例中，装置900还包括：将所述推荐轨迹，推送给所述本车，以使所述本车基于所述推荐轨迹，获得目标驾驶轨迹，并基于所述目标驾驶轨迹进行自动驾驶；以及获得所述本车基于所述目标驾驶轨迹进行自动驾驶后的行驶轨迹，并且将该行驶轨迹与所述当前驾驶场景数据存储至所述数据集。
122.根据本公开的另一方面，还提供了一种导航装置，如图10所示，装置1000包括：接收单元1010，被配置用于接收推荐轨迹，所述推荐轨迹是根据本公开的实施例所述的基于相似场景挖掘的自动驾驶方法获得的；目标驾驶轨迹获取单元1020，被配置用于基于所述推荐轨迹，获得目标驾驶轨迹；以及驾驶单元1030，被配置用于基于所述目标驾驶轨迹进行自动驾驶。
123.根据本公开的另一方面，还提供了一种车辆，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行根据本公开的实施例所述的方法。
124.根据本公开的实施例，还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
125.参考图11，现将描述可以作为本公开的服务器或客户端的电子设备1100的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
126.如图11所示，电子设备1100包括计算单元1101，其可以根据存储在只读存储器(rom)1102中的计算机程序或者从存储单元1108加载到随机访问存储器(ram)1103中的计算机程序，来执行各种适当的动作和处理。在ram 1103中，还可存储电子设备1100操作所需的各种程序和数据。计算单元1101、rom 1102以及ram 1103通过总线1104彼此相连。输入/输出(i/o)接口1105也连接至总线1104。
127.电子设备1100中的多个部件连接至i/o接口1105，包括：输入单元1106、输出单元1107、存储单元1108以及通信单元1109。输入单元1106可以是能向电子设备1100输入信息的任何类型的设备，输入单元1106可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元1107可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元1108可以包括但不限于磁盘、光盘。通信单元1109允许电子设备1100通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙tm设备、802.11
设备、wifi设备、wimax设备、蜂窝通信设备和/或类似物。
128.计算单元1101可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1101的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元1101执行上文所描述的各个方法和处理，例如方法200或者方法800。例如，在一些实施例中，方法200或者方法800可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1108。在一些实施例中，计算机程序的部分或者全部可以经由rom 1102和/或通信单元1109而被载入和/或安装到电子设备1100上。当计算机程序加载到ram 1103并由计算单元1101执行时，可以执行上文描述的方法200的一个或多个步骤。备选地，在其他实施例中，计算单元1101可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法200或者方法800。
129.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、复杂可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
130.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程基于相似场景挖掘的自动驾驶装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
131.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
132.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
133.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
134.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
135.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
136.虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、系统和设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。