一种对于自动驾驶车辆进行紧急制动的方法及装置与流程

1.本技术涉及自动驾驶技术领域，具体涉及一种对于自动驾驶车辆进行紧急制动的方法及装置。


背景技术：

2.车路云一体化融合控制系统采用新一代信息通信技术，将人、车、路、云的物理层、信息层、应用层连接起来，实现一体化感知、决策和控制，全面提升车辆行驶和交通运行的安全性和效率。
3.紧急制动系统是一种驾驶员辅助系统，旨在防止碰撞或降低碰撞的严重程度。其基本形式为，时刻监控本车的速度、前方车辆的速度以及本车与前方车辆之间的距离，以便在碰撞可能出现时激活车辆制动系统以使车辆减速。使用雷达、激光雷达和摄像头这样的传感器来监控前方车辆的状态，系统包含传感器、传感器数据解析系统、可以自主工作的制动系统。通常情况下系统只会在紧急情况下进行干预，不需要驾驶员操作。
4.现有技术中，其紧急制动系统是基于单车智能，通过单车传感器检测车辆前方的事物，基于单车的决策算法判断是否需要紧急制动。但是单车传感器存在限制，在感知条件不友好的情况下(例如在没有街道照明的黑暗条件下、大雨大雪或大雾等恶劣天气下)，系统难以识别前方风险，有时候传感器会识别到道路阴影、金属路标从而在不必要的情况下紧急制动。另外，单车的决策算法存在限制，车辆在路口或者弯道上时很难准确预测其他车辆的行为，也无法确定哪一辆车是前车，因此现有技术中的紧急制动系统在车辆直行之外的工况下经常是被关闭的，据统计一年有近20％的道路交通事故发生在十字路口或交叉路口。
5.基于此，特提出本技术，以解决现有的紧急制动系统基于单车智能，由于单车的传感器和单车的决策算法存在限制带来的紧急制动系统适用行车场景少，用户体验差的问题。


技术实现要素：

6.本说明书实施例提供一种对于自动驾驶车辆进行紧急制动的方法及装置，以解决现有的紧急制动系统基于单车智能的方法存在的紧急制动系统适用行车场景少，用户体验差的问题。
7.本说明书实施例采用下述技术方案：
8.本说明书提供了一种对于自动驾驶车辆进行紧急制动的方法，包括：
9.向云控平台实时发送自动驾驶车辆的车辆行驶信息，所述车辆行驶信息包括所述自动驾驶车辆的高精度定位信息和行驶状态信息；所述高精度定位信息为所述自动驾驶车辆的车载gps采集的经纬度信息，所述行驶状态数据包括所述自动驾驶车辆的速度、航向角和总线数据；
10.获取所述云控平台反馈的紧急制动控制指令，所述紧急制动控制指令是基于所述
车辆行驶信息、道路环境数据以及高精度地图信息生成的；所述道路环境数据为路侧感知设备实时采集并发送至云控平台的道路环境数据；所述高精地图信息中包括标记有较大概率发生车辆碰撞的位置信息；
11.控制所述自动驾驶车辆按照所述紧急制动控制指令完成车辆的紧急制动。
12.本说明书还提供了一种对于自动驾驶车辆进行紧急制动的装置，包括：
13.发送模块，所述发送模块用于向云控平台实时发送自动驾驶车辆的车辆行驶信息，所述车辆行驶信息包括所述自动驾驶车辆的高精度定位信息和行驶状态信息；所述高精度定位信息为所述自动驾驶车辆的车载gps采集的经纬度信息，所述行驶状态数据包括所述自动驾驶车辆的速度、航向角和总线数据；
14.获取模块，所述获取模块用于获取所述云控平台反馈的紧急制动控制指令，所述紧急制动控制指令是基于所述车辆行驶信息、道路环境数据以及高精度地图信息生成的；所述道路环境数据为路侧感知设备实时采集并发送至云控平台的道路环境数据；所述高精地图信息中包括标记有较大概率发生车辆碰撞的位置信息；
15.控制模块，所述控制模块用于控制所述自动驾驶车辆按照所述紧急制动控制指令完成车辆的紧急制动。
16.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：
17.通过向云控平台实时发送自动驾驶车辆的车辆行驶信息，车辆行驶信息包括自动驾驶车辆的高精度定位信息和行驶状态信息；所述高精度定位信息为所述自动驾驶车辆的车载gps采集的经纬度信息，所述行驶状态数据包括所述自动驾驶车辆的速度、航向角和总线数据；获取云控平台反馈的紧急制动控制指令，紧急制动控制指令是基于所述车辆行驶信息、道路环境数据以及高精度地图信息生成的；所述道路环境数据为路侧感知设备实时采集并发送至云控平台的道路环境数据；所述高精地图信息中包括标记有较大概率发生车辆碰撞的位置信息；控制所述自动驾驶车辆按照所述紧急制动控制指令完成车辆的紧急制动；基于上述方法控制自动驾驶车辆完成车辆的紧急制动，避免了单车自身传感器和自身决策算法存在的限制带来的问题，能适用于更多的行车场景，提高了行车安全，同时也提升了用户体验。
附图说明
18.为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
19.图1是本说明书实施例提供的一种对于自动驾驶车辆进行紧急制动的方法流程图。
20.图2是本说明书实施例提供的基于高精度地图和路侧感知的云控紧急制动系统的架构示意图。
21.图3是本说明书实施例提供的搜索相关环境车辆的示意图。
22.图4是本说明书实施例提供的将环境车辆定位于车道的示意图。
23.图5是本说明书实施例提供的一种对于自动驾驶车辆进行紧急制动的装置流程
图。
具体实施方式
24.为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书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实施例，而不是全部的实施例。基于本说明书实施例，本领域普通技术人员在没有作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。
25.需要说明的是，本技术说明书中所述的云控平台是用于远程对自动驾驶车辆提供服务的平台，该平台可以是由多个计算机或服务器组成的设备集群，也可称为智能网联云控平台或自动驾驶控制平台。云控平台至少包括以下模块的一种或多种：仿真测试模块、信息互联模块、数据融合模块、标准化模块和云端协同模块等等。本技术说明书中不对该平台的名称做具体限定，仅以云控平台作为本方案的实施例进行方案的介绍；如基于本说明书实施例，本领域普通技术人员在没有作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。
26.如背景技术中提到的，现有的紧急制动系统基于单车智能，即基于单车传感器检测车辆前方的事物、并基于单车的决策算法判断是否需要紧急制动。首先，由于单车传感器存在限制，在感知条件不友好的情况下，例如：在没有街道照明的黑暗条件下、大雨大雪或大雾等恶劣天气下，系统难以识别前方风险，有时候传感器会识别到道路阴影、金属路标从而在不必要的情况下紧急制动。其次，单车的决策算法存在限制，车辆在路口或者弯道上时很难准确预测其他车辆的行为，也无法确定哪一辆车是前车，因此市面上的紧急制动系统在车辆直行之外的工况下经常是被关闭的，而20％的道路交通事故发生在十字路口。针对以上场景，现有技术中的紧急制动方法应用时容易受环境因素和自身决策算法限制的影响，紧急时刻并不能及时地发挥其紧急制动功能，因此适用行车场景少，用户体验差。
27.为了解决以上技术问题，本发明基于高精度地图和路侧感知设备的云控紧急制动系统，采用包括云控平台中的自动驾驶车辆状态检验模块、行为限制计算模块、搜索相关环境车辆模块、预测相关环境车辆行为模块、判断紧急制动必要性模块，结合自动驾驶车辆的车辆行驶状态，下发紧急制动指令至自动驾驶车辆。自动驾驶车辆在收到云端下发的紧急制动指令后，车辆的制动系统开始工作，使得车辆以最大减速度制动，最大减速度一般是5米每二次方秒；同时紧急制动指令会通过人机交互界面传达给驾驶员。
28.下面结合具体示例对本说明书的方法进行详细说明。
29.参照图1，图1是本说明书实施例提供的一种对于自动驾驶车辆进行紧急制动的方法流程图。
30.s110：向云控平台实时发送自动驾驶车辆的车辆行驶信息，所述车辆行驶信息包括所述自动驾驶车辆的高精度定位信息和行驶状态信息；所述高精度定位信息为所述自动驾驶车辆的车载gps采集的经纬度信息，所述行驶状态数据包括所述自动驾驶车辆的速度、航向角和总线数据；
31.在该步骤中，自动驾驶车辆利用自身安装的环境感知传感器获取行驶状态数据和高精度定位信息；其中，高精度定位信息为所述自动驾驶车辆的车载gps采集的经纬度信
息；行驶状态数据包括自动驾驶车辆的速度、航向角以及车辆自身状态的各种总线数据；需要说明的是，本方案中不对自动驾驶车辆实际安装的传感器设备做具体的限定，如基于本说明书实施例，本领域普通技术人员在没有作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。
32.在实际应用中，自动驾驶车辆的环境感知传感器主要有超声波雷达、毫米波雷达、激光雷达、单/双/三目摄像头、环视摄像头以及夜视设备。
33.环视摄像头：主要应用于短距离场景，可识别障碍物，但对光照、天气等外在条件很敏感。
34.摄像头：常用有单、双、三目，主要应用于中远距离场景，能识别清晰的车道线、交通标识、障碍物、行人，但对光照、天气等条件很敏感。
35.超声波雷达：主要应用于短距离场景下，如辅助泊车，结构简单、体积小、成本低。
36.毫米波雷达：主要有用于中短测距的24ghz雷达和长测距的77ghz雷达两种。毫米波雷达可有效提取景深及速度信息，识别障碍物，有一定的穿透雾、烟和灰尘的能力，但在环境障碍物复杂的情况下，由于毫米波依靠声波定位，声波出现漫反射，导致漏检率和误差率比较高。
37.激光雷达：分单线和多线激光雷达，多线激光雷达可以获得极高的速度、距离和角度分辨率，形成精确的3d地图，抗干扰能力强，是智能驾驶汽车发展的最佳技术路线，但是成本较高，也容易受到恶劣天气和烟雾环境的影响。
38.不同传感器的感知范围均有各自的优点和局限性，现在发展的趋势是通过传感器信息融合技术，弥补单个传感器的缺陷，提高整个智能驾驶系统的安全性和可靠性。
39.在本发明中，自动驾驶车辆向云控平台实时发送自身的车辆行驶状态信息，包括向云控平台实时上报自车的高精定位信息，如车载gps传感器提供的经纬度；行驶状态数据，包括自身安装的车载传感检测到的车速、航向角以及各种总线数据等行驶状态数据；基于自动驾驶车辆实时的行驶状态数据，云控平台可以分析自动驾驶车辆的自身状态和预期的行驶状态信息，有利于分判断自动驾驶车辆与其它环境车辆之间的动态关系。
40.s120：获取所述云控平台反馈的紧急制动控制指令，所述紧急制动控制指令是基于所述车辆行驶信息、道路环境数据以及高精度地图信息生成的；所述道路环境数据为路侧感知设备实时采集并发送至云控平台的道路环境数据；所述高精地图信息中包括标记有较大概率发生车辆碰撞的位置信息。
41.近年来，不断发展的通信技术使车与基础设施之间的通讯更快、更可靠；有了这些进步，基于单车智能的紧急制动系统可以被优化为基于高精度地图和路侧感知的云控紧急制动系统，以减少或者减轻碰撞事故。
42.因此，本发明提出了基于高精度地图和路侧感知的云控紧急制动系统。紧急制动的决策在云端实现，自动驾驶车辆只执行对紧急制动决策的执行。各个网联自动驾驶车辆所共用的地图数据在云端被存储，地图数据的作用是找到可能发生碰撞的路径交叉点。在自动驾驶车辆与其他交通参与者的碰撞无法避免时，紧急制动提示被云端下发给车辆。自动驾驶车辆此时应以最大减速度刹车。
43.在该步骤中，云控平台基于自动驾驶车辆的车辆行驶信息、道路环境数据以及高精度地图信息生成自动驾驶车辆的紧急制动控制指令；其中，道路环境数据为路侧感知设
备实时采集并发送至云控平台的道路环境数据，道路环境数据包括与自动驾驶车辆行驶道路相关的道路上行驶的环境车辆，所述环境车辆的车辆类型可以是自动驾驶车辆，也可以是非自动驾驶车辆；高精地图信息中包括标记有较大概率发生车辆碰撞的位置信息。
44.作为示例，本发明中的道路环境数据为道路上安装的路侧感知设备实时采集并发送至云控平台的道路环境数据；该道路环境数据与自动驾驶车辆的行驶区域相关联，上传数据的时间也是一致的；如：自动驾驶车辆在道路上指定的区域自动行驶时将自身的状态数据发送至云控平台，该道路上的路侧感知设备则实时感知该自动驾驶车辆及其它环境车辆的行驶状态数据并上传云控平台，以上两种数据的实时发送是通过不同的数据发送方同步发送给相同的数据接收方。
45.进一步，所述高精地图信息中包括标记有较大概率发生车辆碰撞的位置信息。各个网联自动驾驶车辆所共用的地图数据在云端被存储，其地图数据的作用是找到可能发生碰撞的路径交叉点。
46.进一步，根据云端高精地图数据，确定有较大概率发生车辆碰撞的路径交叉点信息；基于所述有较大概率发生车辆碰撞的路径交叉点信息，标记所述高精地图，得到所述高精地图信息中标记有较大概率发生车辆碰撞的位置信息。
47.进一步，通过标记有可能发生碰撞的位置信息，在自动驾驶车辆经过这些位置的时候，云控平台可以提取做好预判，更好地降低车辆发生碰撞的概率；如在自动驾驶车辆与其他交通参与者的碰撞无法避免时，紧急制动提示被云端下发给车辆，自动驾驶车辆此时应以最大减速度刹车。并且，通过标记有较大概率发生车辆碰撞的位置信息，将更有利于网络分析模型更好的判断所述自动驾驶车辆是否需要进行车辆紧急制动。
48.在实际应用中，网联自动驾驶车辆向云控平台实时上报自车的高精定位信息和行驶状态数据，路侧感知设备将道路上各类车辆们的位置、速度、方向信息上报至云控平台；云控平台结合自动驾驶车辆辆行驶信息、道路环境以及高精度地图，进行危险碰撞判断，并在需要的时候下发紧急制动指令。
49.作为示例，参照图2，图2是本说明书实施例提供的基于高精度地图和路侧感知的云控紧急制动系统的架构示意图。
50.基于高精度地图和路侧感知的云控紧急制动系统的架构中，云控平台的架构包含自动驾驶车辆状态检验模块、行为限制计算模块、搜索相关环境车辆模块、预测相关环境车辆行为模块、判断紧急制动必要性模块。其中，自动驾驶车辆状态检验模块的作用是，检查自动驾驶车辆状态是否在合理范围内，如果不在则输出异常标识，如果上报的自动驾驶车辆速度明显不合理，或者位置不在道路范围内，那么后面的各个模块也不需要被进行；行为限制计算模块的作用是，根据自动驾驶车辆当前的状态确定紧急制动行为是否可行，需要确认决策可以保证车辆安全性并且在车辆动力学的允许范围内，因为紧急制动决策是需要被自动驾驶车辆执行的。例如车辆换道时不能紧急制动，那么后面的各个模块也不需要被进行，判断的依据是自动驾驶车辆实时上传的自动驾驶车辆总线数据，例如方向盘转角、挡位以及制动系统故障码等等。
51.基于高精度地图和路侧感知的云控紧急制动系统中，紧急制动决策功能可以起作用的场景有：跟车及超视距前碰撞风险下的紧急制动，匝道汇入及车道汇聚下的紧急制动、路口内的紧急制动等等。
52.进一步，所述获取所述云控平台反馈的紧急制动控制指令之前，包括：云控平台获取所述车辆行驶信息，所述道路环境数据以及所述高精度地图信息；根据所述车辆行驶信息，所述道路环境数据以及所述高精度地图信息，采用预设的网络分析模型判断所述自动驾驶车辆是否需要进行车辆紧急制动，得到第一判断结果；
53.若所述第一判断结果表示所述自动驾驶车辆需要进行车辆紧急制动，则生成所述紧急制动控制指令。
54.在实际应用中，预设的网络分析模型可以是云控平台上的数据分析模型，包括用于自动驾驶车辆状态检验的分析模型、行为限制计算分析模型、搜索相关环境车辆分析模型、预测相关环境车辆行为分析模型和判断紧急制动必要性分析模型等等；通过以上模型可以判断道路上行驶的自动驾驶车辆是否需要进行车辆紧急制动，以提高自动驾驶车辆的行车安全。
55.进一步，所述基于预设的网络分析模型判断所述自动驾驶车辆是否需要进行车辆紧急制动，包括：基于用于执行车辆状态检验的模型判断所述自动驾驶车辆的状态是否在合理状态，所述合理状态包括所述自动驾驶车辆的速度在合理范围内和位置在道路范围内。
56.进一步，所述基于预设的网络分析模型判断所述自动驾驶车辆是否需要进行车辆紧急制动，还包括：基于用于执行车辆行为限制计算的模型判断所述自动驾驶车辆当前的状态是否为可以进行紧急制动的车辆状态，所述可以进行紧急制动的车辆状态包括可以保证车辆安全性并且在车辆动力学的允许范围内的车辆状态。
57.作为示例：跟车及超视距前碰撞风险下的紧急制动，指的是判断自动驾驶车辆是否应该紧急制动，以避免“与自动驾驶车辆同车道的前方车辆”和自动驾驶车辆发生碰撞。决策的依据是自动驾驶车辆同车道的前方车辆的状态和速度。超视距前碰撞风险下的紧急制动的例子如图2所示，标星号的车辆为自动驾驶车辆，当自动驾驶车辆的前车(3号车辆)的前方车辆(4号车辆)突然刹车时，其前方3号车辆可以第一时间避开，而自动驾驶车辆由于无法第一时间观察到前方4号车辆突然刹车，无法第一时间避让，有追尾危险，此时云端根据自动驾驶车辆与“与自动驾驶车辆同车道的前方车辆”的相对距离及车速，判断是否有碰撞危险，是否需要通过紧急制动来降低驾驶安全风险。
58.作为另一种示例，基于高精度地图和路侧感知的云控紧急制动系统中，紧急制动决策功能可以起作用的场景之匝道汇入及车道汇聚下的紧急制动和路口内的紧急制动。
59.自动驾驶车辆在匝道上且即将汇入到主路的时候或者车道多变少的时候，自动驾驶车辆和其他车辆的行驶路径有冲突。云控基础平台能获取环境车辆的信息，因此可以为车辆提供决策指令，判断自动驾驶车辆辆是否需要在匝道汇入或者车道汇聚前紧急制动，以避免碰撞。
60.自动驾驶车辆在路口内的时候，自动驾驶车辆和其他车辆的行驶路径有冲突。例如，在路口左转的自动驾驶车辆辆与对向直行车辆以及在路口右转的自动驾驶车辆辆与汇入的直行车辆。路口遮挡较多，交通事故容易出现。云控基础平台能获取路口内环境车辆的信息，因此可以为车辆提供决策指令，判断自动驾驶车辆辆是否需要在路口紧急制动，以避免碰撞。判断的依据为前车的预期行为，路口内环境车辆的预期行为被其交通环境决定，也就是地图信息决定。
61.进一步，基于预设的网络分析模型判断所述自动驾驶车辆是否需要进行车辆紧急制动还包括：基于用于执行搜索相关环境车辆的模型判断在预设的区域内所述自动驾驶车辆周围是否存在其它环境车辆。
62.本发明中提到的其它环境车辆可以包括与此时监控的自动驾驶车辆相关的其它自动驾驶车辆或非自动驾驶车辆；如在道路行驶环境中，云控平台接收到a自动驾驶车辆的行驶状态数据，进一步判断a车辆此时是否需要进行紧急制动；在a车辆行驶环境中有相关的其他车辆b和c，其车辆b和c可以是自动驾驶车辆，也可以是非自动驾驶车辆。
63.进一步，基于预设的网络分析模型判断所述自动驾驶车辆是否需要进行车辆紧急制动还还包括：基于用于执行预测相关环境车辆行为的模型判断所述环境车辆预期的行驶轨迹。
64.其中，预期的行驶轨迹至少包括车辆的车速、位置及航向角。在实际应用中，通过云控平台的预测相关环境车辆行为模型，可以基于路侧感知设备上传的相关环境车辆的车速、位置及航向角信息预测所述环境车辆未来预设时间的车辆的车速、位置及航向角；根据预测的准确度，可以预测未来5～10秒的环境车辆行驶状态信息，在保证预测准确度的前提下，具体可以预测之后多长时间的环境车辆的状态信息，与行驶道路的复杂情况也有密切相关，本发明中不做具体的限定。
65.进一步，基于预设的网络分析模型判断所述自动驾驶车辆是否需要进行车辆紧急制动，还包括：根据环境车辆预期的行驶轨迹与自动驾驶车辆预期的行驶轨迹，基于用于执行判断紧急制动必要性的模型判断所述环境车辆与所述自动驾驶车辆是否有概率发生碰撞。
66.进一步，可以根据前车的预期行为和/或交叉车道内环境车辆的预期行为，确定所述环境车辆预期的车速、位置和航向角；根据自动驾驶车辆的预期行为，确定所述自动驾驶车辆预期的车速、位置和航向角；根据所述环境车辆预期的车速，位置和航向角与所述自动驾驶车辆预期的车速，位置和航向角判断所述环境车辆与所述自动驾驶车辆是否有概率发生碰撞。
67.作为示例，参照图3，图3是本说明书实施例提供的搜索相关环境车辆的示意图。
68.基于高精度地图和路侧感知的云控紧急制动系统中，搜索相关环境车辆的方法为，搜索“与自动驾驶车辆同车道的前方车辆”以及搜索与自动驾驶车辆所在车道有交叉的车道上的环境车辆。根据自动驾驶车辆上报的位置数据，自动驾驶车辆被定位在特定的车道上，路侧感知信息中环境车辆的位置，每一辆环境车辆都被定位在特定的车道上，只要确定要搜索的车道，就能找到车道上的环境车辆。搜索“与自动驾驶车辆同车道的前方车辆”对应的场景为，跟车及超视距前碰撞风险下的紧急制动，需要判断“与自动驾驶车辆同车道的前方车辆”中每一辆车和自动驾驶车辆的碰撞风险。搜索与自动驾驶车辆所在车道有交叉的车道上的车，对应的场景为匝道汇入及车道汇聚下的紧急制动、路口内的紧急制动。如图3的例子所示，带星号的车辆为自动驾驶车辆，自动驾驶车辆在路口右转(图3的左半部分)以及在汇入主路(图3的右半部分)的时候，自动驾驶车辆的路径和其他车道存在交叉点，也就是自动驾驶车辆在路口右转时可能和直行车道上的车碰撞，在匝道汇入时可能和主路上的车辆碰撞。因此，与自动驾驶车辆路径有交叉的车道上的车，都是相关环境车辆，需要判断它们中每一辆环境车辆和自动驾驶车辆的碰撞风险。
69.作为另一种示例，参照图4，图4是本说明书实施例提供的将环境车辆定位于车道的示意图。
70.基于高精度地图和路侧感知设备的云控紧急制动系统，在执行搜索相关环境车辆的方法中，前提条件是可以将环境车辆定位于车道。将环境车辆定位于车道的方法是综合考虑环境车辆和车道的航向角以及环境车辆和车道的距离，其方法步骤如图4的例子所示，其中黑色线为车道中心线。图4的上面半部分内容，车辆左拐行驶到路口处，路侧感知设备感知到它的位置，速度和航向角。
71.进一步，如图4中间部分所示，查找与自动驾驶车辆位置，将该车辆的位置用一个点的位置表达，距离很近，该点与车道中心线的距离小于1.5米；如图4下半部分的图例所示的车道，如果车辆在路口外，那么距离车辆较近的车道只有一条，车辆被定位于这条车道，如果车辆在路口内，那么距离车辆较近的车道有很多条。
72.进一步，如图4中间部分道路a、b、c和d的4条备选车道，需要从这4条备选车道中选择一条，作为车辆所在的车道。计算每条备选车道的航向角与车辆航向的偏差选择的车道，如图4下半部分的图例所示，选择最小的航向角偏差，对应的车道为车辆所在车道。在图4中，虽然车辆与多条车道的距离都很近，但是它的行驶方向与左转车道a的方向是最接近的，因此将其定位在左转的车道a上。
73.通过确定需要在上面搜寻相关环境车辆的车道、并搜寻到相关环境车辆之后，相关环境车辆的未来较短时间之内的行为被大致预测，也就是相关环境车辆会沿着它所在的车道行驶，并且保持匀速运动。
74.进一步，判断紧急制动必要性的方法为，预计驾驶员的反应时间为2秒，判断驾驶员反应时间内，自动驾驶车辆和相关环境车辆都保持当前速度、车道行驶的话，会不会发生碰撞。每一辆相关环境车辆与自动驾驶车辆间会不会有碰撞风险都被判断，任意一辆相关环境车辆与自动驾驶车辆有碰撞风险，则紧急制动有必要。如果相关环境车辆是“与自动驾驶车辆同车道的前方车辆”，那么碰撞风险的判断方法为，计算从当前时刻2秒之后，相关环境车辆与自动驾驶车辆的间距，如果自动驾驶车辆在相关环境车辆之后的安全距离10米开外，那么无碰撞风险，否则有碰撞风险。如果相关环境车辆是“与自动驾驶车辆所在车道有交叉的车道上的车”，那么碰撞风险的判断方法为，计算相关环境车辆和自动驾驶车辆是否都会在2秒内到达路径交叉点，如果是的话有碰撞风险，否则无碰撞风险。
75.进一步，结合图3左半部分中，自动驾驶车辆沿着当前所在的右转车道，还需要行驶18米才能到达路径交叉点，它的速度为10米/秒，那么自动驾驶车辆就会在1.8秒之后到达路径交叉点；相关环境车辆沿着当前所在的直行车道，还需要行驶5米才能到达路径交叉点，它的速度为5米/秒，那么相关环境车辆就会在1秒之后到达路径交叉点。相关环境车辆与自动驾驶车辆都会在两秒内到达交叉点，存在碰撞风险，自动驾驶车辆需要紧急制动。
76.s130：控制所述自动驾驶车辆按照所述紧急制动控制指令完成车辆的紧急制动。
77.所述控制所述自动驾驶车辆按照所述紧急制动控制指令完成车辆的紧急制动，包括：根据所述紧急制动控制指令，控制所述自动驾驶车辆的制动系统工作，所述制动系统按照所述紧急制动控制指令完成车辆的紧急制动。
78.在实际应用中，在控制所述自动驾驶车辆的制动系统工作的同时，也可以将所述紧急制动指令发送给所述自动驾驶车辆的人机交互界面；所述人机交互界面显示所述紧急
制动指令信息，以提示驾驶人员或远程监控平台知晓自动驾驶车辆目前的行驶状态。
79.综上，本发明提供的方法可以实现将紧急制动系统的软件架构建立在云端服务器上，网联车只需要根据下发的指令执行动作即可；相比于基于单车智能的紧急制动系统，本发明的技术方案对需要网联车进行避让的环境车辆的信息来自于路侧感知设备的上传数据，具有感知范围广、感知质量好的优势，解决了单车传感器无法稳定可靠识别前方风险的问题，提高了自动驾驶的安全性。
80.相比于基于单车智能的紧急制动，本发明还借助云端平台上的地图数据，其他环境车辆被定位在各自车道上，其预期行驶路线可以被确定或预判；通过预测其他车辆的路线，基于高精度地图和路侧感知的云控紧急制动系统能够更准确地判断碰撞风险是否存在。
81.而且，基于单车智能的紧急制动可以起稳定作用的场景只有避免车辆与前车的碰撞，而本发明中借助基于路侧感知的其他车辆信息获取和基于地图的其他车辆路线预测，通过云控平台的紧急制动决策功能可以起作用的场景更多了，自动驾驶车辆在路口、弯道上也能得到紧急制动决策服务，自动驾驶车辆与视距外的“与自动驾驶车辆同车道的前方车辆”的碰撞也可以被避免。
82.更进一步说明了，通过本发明的方法控制自动驾驶车辆完成车辆的紧急制动，可以避免单车自身传感器和自身决策算法存在的限制带来的问题，紧急制动决策功能可以起作用的场景更多了，提高了行车安全，也提升了用户体验。
83.基于同样的发明构思，本说明书还提供了一种对于自动驾驶车辆进行紧急制动的装置。参照图5，图5是本说明书实施例提供的一种对于自动驾驶车辆进行紧急制动的装置流程图。
84.如图5所示，所示装置包括：
85.发送模块510，所述发送模块510用于向云控平台实时发送自动驾驶车辆的车辆行驶信息，所述车辆行驶信息包括所述自动驾驶车辆的高精度定位信息和行驶状态信息；所述高精度定位信息为所述自动驾驶车辆的车载gps采集的经纬度信息，所述行驶状态数据包括所述自动驾驶车辆的速度、航向角和总线数据；
86.获取模块520，所述获取模块520用于获取所述云控平台反馈的紧急制动控制指令，所述紧急制动控制指令是基于所述车辆行驶信息、道路环境数据以及高精度地图信息生成的；所述道路环境数据为路侧感知设备实时采集并发送至云控平台的道路环境数据；所述高精地图信息中包括标记有较大概率发生车辆碰撞的位置信息；
87.控制模块530，所述控制模块530用于控制所述自动驾驶车辆按照所述紧急制动控制指令完成车辆的紧急制动。
88.关于该装置的具体说明参见上文对方法的说明，此处不再赘述。
89.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。
90.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，对于图5所
示的装置实施例而言，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。
91.以上所述仅为本说明书实施例而已，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范围之内。