本发明的实施方式大体涉及操作自动驾驶车辆。更具体地，本发明的实施方式涉及动态地调整自动驾驶车辆的速度控制率。
背景技术：
以自动驾驶模式(例如，无人驾驶)运行的车辆可以将乘员、尤其是驾驶员从一些驾驶相关的职责中解放出来。当以自动驾驶模式运行时，车辆可以使用车载传感器导航到各个位置，从而允许车辆以最少的人机交互而行驶或在某些情况下不搭载任何乘员而行驶。
运动规划和控制是自动驾驶中的关键操作。然而，常规的运动规划操作主要根据其曲率和速度来评估完成一个给定路线的难度，而不考虑不同类型车辆的特征差异。同样的运动规划和控制被应用于所有类型的车辆，这在某些情况下可能不准确和顺利。
此外，速度控制是自动驾驶中的关键一步。当寻求速度控制准确度时，通常需要一个较高的速度控制(例如，油门、刹车)变化率。然而，较高的变化率可能是危险的，因为这样可能难以预测车辆的下一次移动并且对乘客来说是不舒适的。
技术实现要素：
根据本发明的一个方面，提供了一种用于确定操作自动驾驶车辆的速度控制率的计算机实现的方法，所述方法包括：为操作自动驾驶车辆的速度控制指令确定多个速度控制率候选；对于每个所述速度控制率候选，通过应用多个成本函数为所述速度控制率候选计算多个单独成本，每个所述成本函数对应于多个成本类别中的一个，以及基于由所述成本函数产生的所述单独成本，计算所述速度控制率候选的总成本；选择所述速度控制率候选中具有最低总成本的一个作为目标速度控制率；以及基于所选择的所述速度控制率候选，生成所述速度控制指令以控制所述自动驾驶车辆的速度。
根据本发明的另一方面，提供了一种包含存储在其中的指令的非暂时性机器可读介质，当所述指令由处理器执行时，使所述处理器执行操作，所述操作包括：为操作自动驾驶车辆的速度控制指令确定多个速度控制率候选；对于每个所述速度控制率候选，通过应用多个成本函数为所述速度控制率候选计算多个单独成本，每个所述成本函数对应于多个成本类别中的一个，以及基于由所述成本函数产生的所述单独成本，计算所述速度控制率候选的总成本；选择所述速度控制率候选中具有最低总成本的一个作为目标速度控制率；以及基于所选择的所述速度控制率候选，生成所述速度控制指令以控制所述自动驾驶车辆的速度。
根据本发明的另一方面，提供了一种数据处理系统，包括：处理器；以及存储器，连接至所述处理器以存储指令，当所述指令由所述处理器执行时，使所述处理器执行操作，所述操作包括：为操作自动驾驶车辆的速度控制指令确定多个速度控制率候选；对于每个所述速度控制率候选，通过应用多个成本函数为所述速度控制率候选计算多个单独成本，每个所述成本函数对应于多个成本类别中的一个，以及基于由所述成本函数产生的所述单独成本，计算所述速度控制率候选的总成本；选择所述速度控制率候选中具有最低总成本的一个作为目标速度控制率；以及基于所选择的所述速度控制率候选，生成所述速度控制指令以控制所述自动驾驶车辆的速度。
附图说明
本发明的实施方式在附图的各图中以举例而非限制的方式示出，附图中的相同参考标号指示相似元件。
图1是示出根据本发明的一个实施方式的网络化系统的框图；
图2是示出根据本发明的一个实施方式的自动驾驶车辆的示例的框图；
图3是示出根据本发明的一个实施方式的与自动驾驶车辆一起使用的感知与规划系统的示例的框图；
图4是示出根据本发明的一个实施方式的控制模块的框图；
图5是示出根据本发明的一个实施方式的确定速度控制率的过程的数据结构；
图6示出了根据本发明的一个实施方式的速度控制率确定模型的示例；
图7是示出根据本发明的一个实施方式的确定操作自动驾驶车辆的速度控制率的过程的流程图；
图8是示出根据本发明的另一实施方式的确定操作自动驾驶车辆的速度控制率的过程的流程图；以及
图9是示出根据一个实施方式的数据处理系统的框图。
具体实施方式
以下将参考所讨论的细节来描述本发明的各种实施方式和方面，附图将示出所述各种实施方式。下列描述和附图是对本发明的说明，而不应当解释为限制本发明。描述了许多特定细节以提供对本发明各种实施方式的全面理解。然而，在某些情况下，并未描述众所周知的或常规的细节以提供对本发明的实施方式的简洁讨论。
本说明书中对“一个实施方式”或“实施方式”的提及意味着结合该实施方式所描述的特定特征、结构或特性可以包括在本发明的至少一个实施方式中。短语“在一个实施方式中”在本说明书中各个地方的出现不必全部指同一实施方式。
根据一些实施方式，提供一种速度控制率确定系统或预测模型，以基于在时间点规划的车辆控制信息确定或推荐速度控制率(例如，油门速率或刹车速率)。速度控制率确定系统或预测模型可以基于从在各种驾驶条件下驱动的各种车辆采集的大量驾驶统计信息来创建，并可以使用机器学习系统训练。车辆控制信息可以包括在该时间点的当前目标速度控制位置(例如，当前目标油门或刹车位置或百分比)、当前速度控制位置、先前目标速度控制位置、当前车速、先前车辆速度和/或当前转向位置。速度控制位置是指以其各自的最大油门值或最大刹车值为一百份而表示的油门或刹车位置。当车辆在运转中时，车辆控制信息可以由车辆的各种传感器另外实时采集。系统或预测模型的输出表示推荐的速度控制率(也称为目标速度控制率)，其可以用于为后续的一个或多个指令周期生成速度控制指令。速度控制率是指油门百分比或刹车百分比形式下的速度控制指令的变化率或变化量(例如，增量或减量)。
在一个实施方式中，确定一组速度控制率候选，其代表特定自动驾驶车辆或自动驾驶车辆的特定类型的可能的速度控制率。该组速度控制率候选可以是预先决定的，并且它们可以随车辆不同而变化。对于每个速度控制率候选，使用一个或多个成本函数为速度控制率候选计算一个或多个单独成本。当确定一个或多个后续指令周期的目标速度控制率时，每个成本函数对应于需要考虑的一个成本类别。基于每个速度控制率候选的单独成本计算总成本。在所有速度控制率候选的所有总成本确定之后，选择速度控制率候选中具有最低总成本的一个作为一个或多个后续指令周期的实际目标速度控制率。
图1是示出根据本发明的一个实施方式的自动驾驶车辆网络配置的框图。参考图1，配置100包括可以通过网络102以通信方式连接到一个或多个服务器103至104的自动驾驶车辆101。尽管示出一个自动驾驶车辆，但多个自动驾驶车辆可以通过网络102彼此连接和/或连接到服务器103至104。网络102可以是任何类型的网络，例如，有线或无线的局域网(lan)、诸如互联网、蜂窝网络、卫星网络的广域网(wan)或其组合。服务器103至104可以是任何类型的服务器或服务器群集，诸如，网络或云服务器、应用服务器、后端服务器或其组合。服务器103至104可以是数据分析服务器、内容服务器、交通信息服务器、地图和兴趣点(mpoi)服务器或者位置服务器等。
自动驾驶车辆是指可以被配置成处于自动驾驶模式下的车辆，在所述自动驾驶模式下车辆在极少或没有来自驾驶员的输入的情况下以导航方式在环境中通过。这种自动驾驶车辆可以包括传感器系统，所述传感器系统具有被配置成检测与车辆运行环境有关的信息的一个或多个传感器。所述车辆和其相关联的控制器使用所检测的信息来以导航方式在环境中通过。自动驾驶车辆101可以在手动模式下、在全自动驾驶模式下或者在部分自动驾驶模式下运行。
在一个实施方式中，自动驾驶车辆101包括，但不限于，感知与规划系统110、车辆控制系统111、无线通信系统112、用户接口系统113、信息系统114和传感器系统115。自动驾驶车辆101还可以包括普通车辆中包括的某些常用部件，诸如：发动机、车轮、方向盘、变速器等，所述部件可以由车辆控制系统111和/或感知与规划系统110使用多种通信信号和/或指令进行控制，例如，加速信号或指令、减速信号或指令、转向信号或指令、制动信号或指令等。
部件110至115可以经由互连件、总线、网络或其组合以通信方式彼此连接。例如，部件110至115可以经由控制器局域网络(can)总线以通信方式彼此连接。can总线是被设计成允许微控制器和装置在没有主机的应用中彼此之间通信的车辆总线标准。它是基于消息的协议，最初是为汽车内的多路电线设计的，但也用于许多其他环境。
现在参考图2，在一个实施方式中，传感器系统115包括但不限于一个或多个摄像机211、全球定位系统(gps)单元212、惯性测量单元(imu)213、雷达单元214以及光探测和测距(lidar)单元215。gps单元212可以包括收发器，所述收发器可操作以提供关于自动驾驶车辆的位置的信息。imu213可以基于惯性加速度来感测自动驾驶车辆的位置和方向变化。雷达单元214可以表示利用无线电信号来感测自动驾驶车辆的本地环境内的对象的系统。在一些实施方式中，除感测对象之外，雷达单元214可以附加地感测对象的速度和/或前进方向。lidar单元215可以使用激光来感测自动驾驶车辆所处环境中的对象。除其他系统部件之外，lidar单元215还可以包括一个或多个激光源、激光扫描器以及一个或多个检测器。摄像机211可以包括用来捕获自动驾驶车辆周围环境的图像的一个或多个装置。摄像机211可以是静物摄像机和/或视频摄像机。摄像机可以是可机械移动的，例如，通过将摄像机安装在旋转和/或倾斜平台上。
传感器系统115还可以包括其他传感器，诸如：声纳传感器、红外传感器、转向传感器、油门传感器、制动传感器以及音频传感器(例如，麦克风)。音频传感器可以被配置成从自动驾驶车辆周围的环境中捕获声音。转向传感器可以被配置成感测方向盘、车辆的车轮或其组合的转向角度。油门传感器和制动传感器分别感测车辆的油门位置和制动位置。在一些情形下，油门传感器和制动传感器可以集成为集成式油门/制动传感器。
在一个实施方式中，车辆控制系统111包括但不限于转向单元201、油门单元202(也被称为加速单元)和制动单元203。转向单元201用来调整车辆的方向或前进方向。油门单元202用来控制电动机或发动机的速度，从而控制车辆的速度和加速度。制动单元203通过提供摩擦使车辆的车轮或轮胎变慢而使车辆减速。应注意，如图2所示的部件可以以硬件、软件或其组合实施。
回到图1，无线通信系统112允许自动驾驶车辆101与诸如装置、传感器、其他车辆等外部系统之间的通信。例如，无线通信系统112可以与一个或多个装置直接无线通信，或者经由通信网络与一个或多个装置进行无线通信，诸如，经由网络102与服务器103至104通信。无线通信系统112可以使用任何蜂窝通信网络或无线局域网(wlan)，例如，使用wifi，以便与另一部件或系统通信。无线通信系统112可以例如使用红外链路、蓝牙等与装置(例如，乘客的移动装置、显示装置、车辆101内的扬声器)直接通信。用户接口系统113可以是在车辆101内实施的外围装置的一部分，包括例如键盘、触摸屏显示装置、麦克风和扬声器等。
自动驾驶车辆101的功能中的一些或全部可以由感知与规划系统110控制或管理，尤其当在自动驾驶模式下操作时。感知与规划系统110包括必要的硬件(例如，处理器、存储器、存储设备)和软件(例如，操作系统、规划和安排路线程序)，以便从传感器系统115、车辆控制系统111、无线通信系统112和/或用户接口系统113接收信息，处理所接收的信息，规划从起始点到目的地的路线或路径，随后基于规划和控制信息来驾驶车辆101。替代地，感知与规划系统110可以与车辆控制系统111集成在一起。
例如，作为乘客的用户可以例如经由用户接口来指定行程的起始位置和目的地。感知与规划系统110获得行程相关数据。例如，感知与规划系统110可以从mpoi服务器中获得位置和路线信息，所述mpoi服务器可以是服务器103至104的一部分。位置服务器提供位置服务，并且mpoi服务器提供地图服务和某些位置的poi。替代地，此类位置和mpoi信息可以本地缓存在感知与规划系统110的永久存储装置中。
当自动驾驶车辆101沿着路线移动时，感知与规划系统110也可以从交通信息系统或服务器(tis)获得实时交通信息。应注意，服务器103至104可以由第三方实体进行操作。替代地，服务器103至104的功能可以与感知与规划系统110集成在一起。基于实时交通信息、mpoi信息和位置信息以及由传感器系统115检测或感测到的实时本地环境数据(例如，障碍物、对象、附近车辆)，感知与规划系统110可以规划最佳路线并且根据所规划的路线例如经由车辆控制系统111来驾驶车辆101，以便安全有效地到达指定目的地。
服务器103可以是为各种客户执行数据分析服务的数据分析系统。在一个实施方式中，数据分析系统103包括数据收集器121和机器学习引擎122。数据收集器121从各种车辆收集驾驶统计信息123，所述各种车辆可以是自动驾驶车辆，也可以是由人类驾驶员驾驶的常规车辆。驾驶统计信息123包括指示在不同的时间点由车辆的传感器所采集的发出的驾驶指令(例如，油门、刹车、转向指令)和车辆的响应(例如，速度、加速度、减速度、方向)的信息。驾驶统计信息123还可以包括描述不同时间点的驾驶环境的信息，例如路线(包括起始位置和目的地位置)、mpoi、路况，天气条件等。
基于驾驶统计信息123，机器学习引擎122为各种目的而执行或训练一组算法或预测模型124。在一个实施方式中，机器学习引擎122生成一个或多个成本函数所形成的组或成本预测模型124，以确定或预测作为目标的特定速度控制率的成本。成本函数124可以包括一个或多个单独的成本函数以计算一个或多个成本类别的一个或多个单独成本。成本函数124被设计为计算以特定速度控制率为目标的单独成本。
在一个实施方式中，成本函数124包括基于目标速度控制位置(例如，油门位置)和当前速度控制位置确定第一成本的第一成本函数。成本函数124还可以包括第二成本函数，用于基于先前指令周期中的过去目标车辆速度和过去车辆速度确定第二成本。成本函数124还可以包括基于当前车辆速度确定第三成本的第三成本函数。成本函数124还可以包括基于目标速度控制率确定第四成本的第四成本函数。成本函数124还可以包括基于车辆的当前转向位置确定第五成本的第五成本函数。
在一个实施方式中，成本函数124可以由机器学习引擎122基于从各种车辆收集的驾驶统计信息123来确定和创建。机器学习引擎122可以检查自动驾驶的驾驶统计信息，并且将其与在相同或类似驾驶环境下由人类驾驶员驾驶的车辆的驾驶统计信息相比较。自动驾驶和人为驾驶之间的差异可以确定驾驶参数的成本，在本例中为速度控制率，以便达到与人类驾驶员相同或相似的结果。在一个实施方式中，如果自动驾驶与人为驾驶之间的差异较小，则成本可能较低，反之亦然。一旦成本函数124被创建，它们可以被上传到自动驾驶车辆以用于实时地如规划中那样的动态地调整速度控制率，使得车辆的加速或减速可以更为舒适和平顺。
图3是示出根据本发明一个实施方式的与自动驾驶车辆一起使用的感知与规划系统的示例的框图。系统300可以被实施为图1的自动驾驶车辆101的一部分，包括但不限于感知与规划系统110、车辆控制系统111和传感器系统115。参考图3，感知与规划系统110包括但不限于定位模块301、感知模块302、决策模块303、规划模块304以及控制模块305。
模块301至307中的一些或全部可以以软件、硬件或其组合实施。例如，这些模块可以安装在永久存储装置352中，加载到存储器351中，并且由一个或多个处理器(未示出)执行。应注意，这些模块中的一些或全部可以以通信方式连接到图2的车辆控制系统111的一些或全部模块或者与它们集成在一起。模块301至307中的一些可以一起集成为集成模块。
定位模块301(也被称为地图与路线模块)管理与用户的行程或路线相关的任何数据。用户可以例如经由用户接口登录并且指定行程的起始位置和目的地。定位模块301与自动驾驶车辆300的其他部件通信，诸如地图和路线信息311，以获得行程相关数据。例如，定位模块301可以从位置服务器和地图与poi(mpoi)服务器获得位置和路线信息。位置服务器提供位置服务，并且mpoi服务器提供地图服务和某些位置的poi，从而可以作为地图和路线信息311的一部分而缓存。当自动驾驶车辆300沿着路线移动时，定位模块301也可以从交通信息系统或服务器获得实时交通信息。
基于由传感器系统115提供的传感器数据和由定位模块301获得的定位信息，感知模块302确定周围环境的感知。感知信息可以表示普通驾驶员会感知到的驾驶员驾驶的车辆周围的信息。感知可以包括车道配置(例如，直线车道或弯曲车道)、交通灯信号、另一车辆的相对位置、行人、建筑物、人行横道或例如采用对象形式的其他交通相关标志(例如，停止标志、让路标志)等。
感知模块302可以包括计算机视觉系统或计算机视觉系统的功能，以处理并分析由一个或多个摄像机捕获的图像，以便识别自动驾驶车辆的环境中的对象和/或特征。所述对象可以包括交通信号、道路边界、其他车辆、行人和/或障碍物等。计算机视觉系统可以使用对象识别算法、视频跟踪以及其他计算机视觉技术。在一些实施方式中，计算机视觉系统可以绘制环境，跟踪对象，以及估算对象的速度等。感知模块302也可以基于由诸如雷达和/或lidar的其他传感器提供的其他传感器数据来检测对象。
针对每个对象，决策模块303作出关于如何处置对象的决定。例如，针对特定对象(例如，交叉路线中的另一车辆)以及描述对象的元数据(例如，速度、方向、转弯角度)，决策模块303决定如何遇到所述对象(例如，超车、让路、停止、通过)。决策模块303可以根据诸如驾驶或交通规则312的一套规则来作出此类决定，所述规则可以存储在永久存储装置352中。
基于针对所感知到的对象中的每个对象的决定，规划模块304为自动驾驶车辆规划路径或路线以及驾驶参数(例如，距离、速度和/或转弯角度)。换言之，针对给定的对象，决策模块303决定对该对象做什么，而规划模块304确定如何去做。例如，针对给定的对象，决策模块303可以决定超过所述对象，而规划模块304可以确定在所述对象的左侧还是右侧超过。规划和控制数据由规划模块304生成，包括描述车辆300在下一移动周期(例如，下一路线/路径段)中将如何移动的信息。例如，规划和控制数据可以指示车辆300以30英里每小时(mph)的速度移动10米，随后以25mph的速度变到右侧车道。
基于规划和控制数据，控制模块305根据由规划和控制数据限定的路线或路径通过将适当的指令或信号发送到车辆控制系统111来控制并驾驶自动驾驶车辆。所述规划和控制数据包括足够的信息，以沿着路径或路线在不同的时间点使用适当的车辆设置或驾驶参数(例如，油门、制动和转弯指令)将车辆从路线或路径的第一点驾驶到第二点。
应注意，决策模块303和规划模块304可以集成为集成模块。决策模块303/规划模块304可以包括导航系统或导航系统的功能，以确定自动驾驶车辆的驾驶路径。例如，导航系统可以确定一系列速度和行进方向，以实现自动驾驶车辆沿着基本上避开了所感知到的障碍的路径的移动，同时一般沿着通向最终目的地的基于道路的路径推进自动驾驶车辆。目的地可以根据经由用户接口系统113进行的用户输入来设定。导航系统可以在自动驾驶车辆正在运行的同时动态地更新驾驶路径。导航系统可以将来自gps系统和一个或多个地图的数据合并，以确定用于自动驾驶车辆的驾驶路径。
决策模块303/规划模块304还可以包括防撞系统或防撞系统的功能，以识别、评估并且避免或以其他方式越过自动驾驶车辆的环境中的潜在障碍物。例如，防撞系统可以通过以下方式实现自动驾驶车辆的导航中的变化：操作车辆控制系统111中的一个或多个子系统来采取转向操纵、转弯操纵、制动操纵等。防撞系统可以基于周围的交通模式、道路状况等自动确定可行的障碍物回避操纵。防撞系统可以被配置成使得当其他传感器系统检测到在自动驾驶车辆将转向进入的相邻区域中有车辆、建筑障碍物等时不采取转向操纵。防撞系统可以自动选择既可行又使得自动驾驶车辆乘员的安全性最大化的操纵。防撞系统可以选择预计在自动驾驶车辆的乘客舱内造成最小量加速度的避开操纵。
根据一个实施方式，控制模块305包括控制车辆速度的速度控制模块306。响应于可以由规划模块304规划的改变车辆速度的请求，速度控制模块306将一个或多个速度控制率候选所形成的组确定为潜在目标速度控制率。可以预先为车辆或车辆类型确定速度控制率候选，并存储在永久存储装置352中。对于速度控制率候选中的每一个，速度控制模块306基于作为潜在目标速度控制率的速度控制率候选使用一个或多个成本函数124确定发出速度控制指令的成本。速度控制模块306随后选择速度控制率候选中具有最低总成本的一个作为后续指令周期的目标速度控制率。
与速度控制率候选相关联的成本代表车辆能够如在该情况下按照规划加速或减速的困难或危险程度。高成本表示车辆基于所讨论的速度控制率候选实现加速或减速的目标可能有较高的困难程度。或者，成本表示当车辆根据在该情况下所讨论的速度控制率候选而加速或者减速时乘客所处的舒适度。较低的成本表示当车辆根据所讨论的速度控制率候选加速或减速时乘客可能感觉更舒服。
图4是示出根据本发明的一个实施方式的控制模块的框图。参考图4，控制模块305包括速度控制模块306、基于当前位置成本模块401、基于过去速度成本模块402、基于当前速度成本模块403、基于目标率成本模块404和基于转向位置成本模块405。成本模块401-405中的每一个使用成本函数124中的相应一个，诸如基于当前位置成本函数411、基于过去速度成本函数412、基于当前速度成本函数413、基于目标率成本函数414和基于转向位置成本函数415计算特定成本类别的单独成本。成本函数411-415可以基于先前驾驶统计信息由机器学习引擎诸如图1的机器学习引擎122而创建。虽然这里仅有代表五个不同成本类别的五个成本函数，但也可以使用更多或更少的成本函数。
在一个实施方式中，响应于确定速度控制率的请求，确定或选择一个或多个速度控制率候选所形成的组。对于每个速度控制率候选，速度控制模块306调用成本模块401-405中的一个或多个来使用一个或多个成本函数411-415计算其各自成本类别的一个或多个单独成本。然后，基于成本模块401-405生成的单独成本使用成本函数411-415中的至少一些计算速度控制率候选的总成本。选择速度控制率候选中具有最低总成本的一个作为后续指令周期的目标速度控制率。速度控制位置是指以其各自的最大油门值或最大刹车值为一百份而表示的油门或刹车位置。速度控制率是指速度控制位置(例如，油门或刹车位置或百分比)的变化量。例如，如果油门位置从35％变为50％，则油门速率将为15％的增量。
在一个实施方式中，基于当前位置成本函数411由基于当前位置成本模块401使用，相对于表示潜在目标速度控制率的所讨论的速度控制率候选而基于当前速度控制位置(例如，油门或刹车位置)和目标速度控制位置来计算成本。在一个实施方式中，相对于所讨论的目标速度控制率，使用成本函数411基于当前速度控制位置和目标速度控制位置之间的差来计算成本。在一个实施方式中，如果目标速度控制率大于或等于当前速度控制位置和目标速度控制位置之间的差，则将成本指定为零。否则，如果目标速度控制率小于当前速度控制位置和目标速度控制位置之间的差，则如下所示，将成本指定为当前速度控制位置和目标速度控制位置之间的差减去目标速度控制率(例如，所讨论的速度控制率候选)：
成本＝差(目标位置，当前位置)-目标速度控制率
现参考图5，图5是示出为一组速度控制率候选501使用不同成本函数计算出成本的数据结构，为速度控制率候选501计算出成本502。在该示例中，假设在当前速度控制位置和当前指令周期中的目标速度控制位置之间的差是50。于是，对于作为潜在目标速度控制率的速度控制率候选为30，基于如上所述的基于当前位置成本函数411，由于差50大于潜在目标速度控制率30，因此成本将为20(即，差50减去目标速度控制率30)。类似地，速度控制率候选为60和80的成本将为0，这是由于速度控制率候选大于或等于差50。
根据一个实施方式，基于过去速度成本函数412由基于过去速度成本模块402使用，以基于先前指令周期的先前目标速度和先前指令周期结束时的先前实际速度之间的差(即，“当前”速度和先前指令周期的目标速度之间的差)计算成本。在一个实施方式中，先前指令周期是指当前指令周期之前的最近一个指令周期。在一个实施方式中，对于给定的速度控制率候选，基于过去速度成本503按照如下计算：
成本＝差(过去目标速度，过去实际速度)*100/速度控制率候选
此处差(diff)是指先前指令周期的目标车辆速度与先前指令周期结束时的实际车辆速度之间的差。
参考图5，在该示例中，假设过去目标速度与过去实际速度之间的差为5。由于速度控制率为30，因此成本将为5*100/30＝16.67。其余速度控制率候选60和80的成本也可以使用上述算法计算，为8.3和6.25。
根据一个实施方式，基于当前速度成本504可以相对于当前速度控制率候选基于当前车辆速度，由基于当前速度成本模块403(例如，基于当前速度成本函数413)计算出。在一个实施方式中，可以基于当前车辆速度与所讨论的速度控制率候选之间的差确定成本504。在特定实施方式中，如果速度控制率候选大于或等于当前速度，则成本504被指定为该差；否则，成本将指定为预定值，在本示例中如图5所示，为零。因此，由于车辆速度大于速度控制率候选，因此速度控制率候选30的成本504为零。速度控制率候选60和80的成本504将是它们各自的差，即，10和30。
根据一个实施方式，基于目标率成本模块404可以使用诸如线性成本函数的基于目标率成本函数414计算基于目标率成本505。支持其的基本原理是成本与目标速度控制率成比例：因此更高的速度控制率成本也更高。为简单起见，在一个实施方式中，对于给定的速度控制率候选的成本，如图5所示，基于目标率成本505等于速度控制率候选本身，为30、60和80。
根据一个实施方式，基于当前转向位置(以度计)和目标速度控制率候选，基于转向位置成本模块405可以使用基于转向位置成本函数415计算基于转向位置成本506。在一个实施方式中，可以基于当前转向位置和所讨论的速度控制率候选之间的差确定成本506。支持其的基本原理是：如果转向位置较大，则因为车辆正在转向，则加速或减速的成本将更高。如果车辆转向更急剧，则更大的加速或减速时会更危险或不舒服。在特定实施方式中，如果速度控制率候选大于或等于当前转向位置，则将成本506被指定为该差，否则，成本将被指定为预定值，在该示例中如图5所示，为零。因此，假设当前转向位置为40，则由于转向位置大于速度控制率候选，因此速度控制率候选30的成本506将为零。速度控制率候选60和80的成本506将是它们各自的差，即，20和40。
在针对速度控制率候选501中的每一个计算了所有单独成本502-506之后，针对速度控制率候选501中的每一个计算出总成本507，例如通过将单独成本502-506相加。然后选择速度控制率候选501中具有最低总成本(在该示例中，候选为100)的一个作为用于速度控制的后续指令周期的目标速度控制率。
需要注意的是，如图5所示的表格被用于示出确定油门速率的过程。也可以使用相同或相似的技术确定刹车速率。还要注意的是上述技术可以以各种方式实现。在一种实施方式中，速度控制率候选的成本计算和/或选择可以通过如图6所示的速度控制率模型或函数来执行。参考图6，可以以诸如数据分析系统103的机器学习引擎122的机器学习引擎创建速度控制率确定模型600并且对其进行训练。可以基于离线的大量驾驶统计信息123训练模型600。
当车辆运行在实时或在线状态时，针对可以是油门或刹车速率候选的一组速度控制率候选602，一组驾驶统计信息601被采集并提供到模型600中。模型600可以执行至少一些上述操作，以确定并选择速度控制率候选602中的一个作为用于生成下一个指令周期的速度控制指令的目标速度控制率603。指令周期是指其间将生成并向车辆硬件发出控制指令的一段时间或频率。例如，如果每0.1秒发出一个控制指令，则将0.1秒的时间段称为指令周期。
图7是示出根据本发明的一个实施方式的确定操作自动驾驶车辆的速度控制率的过程的流程图。过程700可以由可包括软件、硬件或其组合的处理逻辑执行。例如，过程700可以由控制模块305执行。参考图7，在操作701中，处理逻辑确定用于adv(自动驾驶车辆)的速度控制(例如，加速、减速或保持恒定速度)的速度控制率候选的数量。对于每个速度控制率候选(例如，油门速率或刹车速率)，在操作702中，处理逻辑应用一个或多个成本函数计算表示速度控制率候选对运行adv的影响的一个或多个单独成本。每个成本函数对应于一个成本类别(例如，基于当前位置类别、基于过去速度类别、基于当前速度类别、基于目标率类型和基于转向位置类别)。在操作703中，基于每个速度控制率候选的单独成本确定总成本。在操作704中，选择速度控制率候选中具有最低总成本的一个作为用于adv的速度控制的后续指令周期的目标速度控制率。在操作705中，基于目标速度控制率生成速度控制指令以控制adv的速度。
图8是示出根据本发明的另一实施方式的确定操作自动驾驶车辆的速度控制率的过程的流程图。过程800可以由可包括软件、硬件或其组合的处理逻辑执行。例如，过程800可以由控制模块305执行，作为图7的操作702-703的一部分。参考图8，在操作801中，处理逻辑基于(当前指令周期的)的目标速度控制位置和当前速度控制位置使用第一成本函数(例如，基于当前位置成本函数411)计算第一成本。如果目标和当前速度控制位置之间的差小于目标速度控制率(例如，所讨论的当前速度控制率候选)，则第一成本为零；否则，第一成本等于目标和当前速度控制位置之间的差。
在操作802中，处理逻辑基于先前指令周期的过去目标速度和先前指令周期结束时的过去实际速度使用第二成本函数(例如，基于过去速度成本函数412)计算第二成本。在操作803中，处理逻辑基于adv的当前车辆速度使用第三成本函数(例如，基于当前速度成本函数413)计算第三成本。在操作804中，处理逻辑基于目标速度控制率(例如，所讨论的速度控制率候选)使用第四成本函数(例如，基于目标率成本函数414)计算第四成本。在操作805中，处理逻辑基于adv的当前转向位置使用第五成本函数(例如，基于转向位置成本函数415)计算第五成本。在操作806中，基于第一成本、第二成本、第三成本、第四成本和第五成本计算总成本。
应注意，如上文示出和描述的部件中的一些或全部可以以软件、硬件或其组合实施。例如，此类部件可以实施为安装并存储在永久存储装置中的软件，所述软件可以通过处理器(未示出)加载在存储器中并在存储器中执行以实施遍及本申请所述的过程或操作。替代地，此类部件可以实施为被编程或嵌入到专用硬件(诸如，集成电路(例如，专用ic或asic(特定用途集成电路))、数字信号处理器(dsp)或现场可编程门阵列(fpga))中的可执行代码，其可以经由来自应用的相应驱动程序和/或操作系统来访问。此外，此类部件可以实施为处理器或处理器内核中的特定硬件逻辑，作为可由软件部件通过一个或多个特定指令访问的指令集的一部分。
图9是示出可以与本发明的一个实施方式一起使用的数据处理系统的示例的框图。例如，系统1500可以表示执行上述任何过程或方法的任何数据处理系统，例如，图1的感知与规划系统110或者服务器103至104中的任一个。系统1500可以包括许多不同的部件。这些部件可以实施为集成电路(ic)、集成电路的部分、分立电子装置或适用于电路板(诸如，计算机系统的主板或附加卡)的其他模块或者实施为作为组件并入计算机系统的机壳内。
还应注意，系统1500旨在示出计算机系统的许多部件的高级视图。然而，应当理解的是，某些实施例中可以具有附加的部件，此外，其他实施例中可以具有所示部件的不同配置。系统1500可以表示台式计算机、膝上型计算机、平板计算机、服务器、移动电话、媒体播放器、个人数字助理(pda)、智能手表、个人通信器、游戏装置、网络路由器或集线器、无线接入点(ap)或中继器、机顶盒或其组合。此外，虽然仅示出了单个机器或系统，但是术语“机器”或“系统”还应当被理解为包括单独地或共同地执行一个(或多个)指令集的机器或系统的任何集合，以执行本文所讨论的任何一种或多种方法。
在一个实施方式中，系统1500包括通过总线或互连件1510连接的处理器1501、存储器1503以及装置1505至1508。处理器1501可以表示其中包括单个处理器内核或多个处理器内核的单个处理器或多个处理器。处理器1501可以表示一个或多个通用处理器，诸如，微处理器、中央处理单元(cpu)等。更具体地，处理器1501可以是复杂指令集计算(cisc)微处理器、精简指令集计算(risc)微处理器、超长指令字(vliw)微处理器、或实施其他指令集的处理器、或实施指令集组合的处理器。处理器1501还可以是一个或多个专用处理器，诸如，特定用途集成电路(asic)、蜂窝或基带处理器、现场可编程门阵列(fpga)、数字信号处理器(dsp)、网络处理器、图形处理器、通信处理器、加密处理器、协同处理器、嵌入式处理器，或者能够处理指令的任何其他类型的逻辑。
处理器1501(其可以是诸如超低电压处理器的低功率多核处理器插口)可以充当用于与所述系统的各种部件通信的主处理单元和中央集线器。这种处理器可以实施为片上系统(soc)。处理器1501被配置成执行用于执行本文所讨论的操作和步骤的指令。系统1500还可以包括与可选的图形子系统1504通信的图形接口，图形子系统1504可以包括显示控制器、图形处理器和/或显示装置。
处理器1501可以与存储器1503通信，存储器1503在一个实施方式中可以通过将多个存储器装置提供给定量的系统存储来实施。存储器1503可以包括一个或多个易失性存储(或存储器)装置，诸如，随机存取存储器(ram)、动态ram(dram)、同步dram(sdram)、静态ram(sram)或者其他类型的存储装置。存储器1503可以存储包括由处理器1501或任何其他装置执行的指令序列的信息。例如，可以将各种操作系统、装置驱动程序、固件(例如，输入输出基本系统或bios)和/或应用程序的可执行代码和/或数据加载到存储器1503中并由处理器1501执行。操作系统可以是任何类型的操作系统，例如，机器人操作系统(ros)、来自
系统1500还可以包括io装置，诸如装置1505至1508，包括网络接口装置1505、可选的输入装置1506，以及其他可选的io装置1507。网络接口装置1505可以包括无线收发器和/或网络接口卡(nic)。所述无线收发器可以是wifi收发器、红外收发器、蓝牙收发器、wimax收发器、无线蜂窝电话收发器、卫星收发器(例如，全球定位系统(gps)收发器)或其他射频(rf)收发器或者它们的组合。nic可以是以太网卡。
输入装置1506可以包括鼠标、触摸板、触敏屏幕(其可以与显示装置1504集成在一起)、指针装置(诸如，指示笔)和/或键盘(例如，物理键盘或作为触敏屏幕的一部分显示的虚拟键盘)。例如，输入装置1506可以包括连接到触摸屏的触摸屏控制器。触摸屏和触摸屏控制器以及其他接近传感器阵列或用于确定与触摸屏的一个或多个接触点的其他元件可以例如使用触敏技术中的任何一种来对接触和它的移动或断开进行检测，所述触敏技术包括但不限于电容、电阻、红外和表面声波技术。
io装置1507可以包括音频装置。音频装置可以包括扬声器和/或麦克风，以实现支持语音的功能，诸如语音识别、语音复制、数字记录和/或电话功能。其他io装置1507还可以包括通用串行总线(usb)端口、并行端口、串行端口、打印机、网络接口、总线桥(例如，pci-pci桥)、传感器(例如，运动传感器，诸如加速度计、陀螺仪、磁力计、光传感器、指南针、接近传感器等)或者它们的组合。装置1507还可以包括成像处理子系统(例如，摄像机)，所述成像处理子系统可以包括用于实现摄像机功能(诸如，记录照片和视频片段)的光学传感器，诸如电荷耦合装置(ccd)或互补金属氧化物半导体(cmos)光学传感器。某些传感器可以经由传感器集线器(未示出)连接到互连件1510，而诸如键盘或热传感器的其他装置可以由嵌入式控制器(未示出)控制，这取决于系统1500的具体配置或设计。
为了提供诸如数据、应用、一个或多个操作系统等信息的永久存储，大容量存储设备(未示出)也可以连接到处理器1501。在各种实施方式中，为了实现更薄且更轻的系统设计并且改进系统响应性，这种大容量存储设备可以经由固态装置(ssd)来实施。然而，在其他实施方式中，大容量存储设备可以主要使用硬盘驱动器(hdd)来实施，其中较小量的ssd存储设备充当ssd高速缓存以在断电事件期间实现上下文状态以及其他此类信息的非易失性存储，从而使得在系统活动重新启动时能够实现快速上电。另外，闪存装置可以例如经由串行外设接口(spi)连接到处理器1501。这种闪存装置可以提供系统软件的非易失性存储，所述系统软件包括所述系统的bios以及其他固件。
存储装置1508可以包括计算机可访问的存储介质1509(也被称为机器可读存储介质或计算机可读介质)，其上存储有体现本文所述的任何一种或多种方法或功能的一个或多个指令集或软件(例如，模块、单元和/或逻辑1528)。处理模块/单元/逻辑1528可以表示上述部件中的任一个，例如诸如控制模块305。处理模块/单元/逻辑1528还可以在其由数据处理系统1500、存储器1503和处理器1501执行期间完全地或至少部分地驻留在存储器1503内和/或处理器1501内，数据处理系统1500、存储器1503和处理器1501也构成机器可访问的存储介质。处理模块/单元/逻辑1528还可以通过网络经由网络接口装置1505进行传输或接收。
计算机可读存储介质1509也可以用来永久地存储上述的一些软件功能。虽然计算机可读存储介质1509在示例性实施方式中被示为单个介质，但是术语“计算机可读存储介质”应当被认为包括存储所述一个或多个指令集的单个介质或多个介质(例如，集中式或分布式数据库和/或相关联的缓存和服务器)。术语“计算机可读存储介质”还应当被认为包括能够存储或编码指令集的任何介质，所述指令集用于由机器执行并且使得所述机器执行本发明的任何一种或多种方法。因此，术语“计算机可读存储介质”应当被认为包括但不限于固态存储器以及光学介质和磁性介质，或者任何其他非暂时性机器可读介质。
本文所述的处理模块/单元/逻辑1528、部件以及其他特征可以实施为分立硬件部件或集成在硬件部件(诸如，asic、fpga、dsp或类似装置)的功能中。此外，处理模块/单元/逻辑1528可以实施为硬件装置内的固件或功能电路。此外，处理模块/单元/逻辑1528可以以硬件装置和软件部件的任何组合来实施。
应注意，虽然系统1500被示出为具有数据处理系统的各种部件，但是并不旨在表示使部件互连的任何特定架构或方式；因为此类细节和本发明的实施方式没有密切关系。还应当认识到，具有更少部件或可能具有更多部件的网络计算机、手持计算机、移动电话、服务器和/或其他数据处理系统也可以与本发明的实施方式一起使用。
前述详细描述中的一些部分已经根据在计算机存储器内对数据位的运算的算法和符号表示而呈现。这些算法描述和表示是数据处理领域中的技术人员所使用的方式，以将他们的工作实质最有效地传达给本领域中的其他技术人员。本文中，算法通常被认为是导致所期望结果的自洽操作序列。这些操作是指需要对物理量进行物理操控的操作。
然而，应当牢记，所有这些和类似的术语均旨在与适当的物理量关联，并且仅仅是应用于这些量的方便标记。除非在以上讨论中以其他方式明确地指出，否则应当了解，在整个说明书中，利用术语(诸如所附权利要求书中所阐述的术语)进行的讨论是指计算机系统或类似电子计算装置的动作和处理，其将计算机系统的寄存器和存储器中表示为物理(电子)量的数据操纵和变换为类似地表示为计算机系统存储器或寄存器或其他此类信息存储、传输或显示设备内的物理量的其他数据。
本发明的实施方式还涉及用于执行本文中的操作的设备。这种计算机程序被存储在非暂时性计算机可读介质中。机器可读介质包括用于以机器(例如，计算机)可读的形式存储信息的任何机构。例如，机器可读(例如，计算机可读)介质包括机器(例如，计算机)可读存储介质(例如，只读存储器(“rom”)、随机存取存储器(“ram”)、磁盘存储介质、光存储介质、闪存存储器装置)。
前述附图中所描绘的过程或方法可以由处理逻辑来执行，所述处理逻辑包括硬件(例如，电路、专用逻辑等)、软件(例如，体现在非暂时性计算机可读介质上)或两者的组合。尽管所述过程或方法在上文是依据一些顺序操作来描述的，但是应当了解，所述操作中的一些操作可以按不同的顺序执行。此外，一些操作可以并行地执行而不是顺序地执行。
本发明的实施方式并未参考任何特定的编程语言进行描述。应认识到，可以使用多种编程语言来实施如本文描述的本发明的实施方式的教导。
在以上的说明书中，已经参考本发明的具体示例性实施方式对本发明的实施方式进行了描述。将显而易见的是，在不脱离所附权利要求书中阐述的本发明的更宽泛精神和范围的情况下，可以对本发明做出各种修改。因此，应当在说明性意义而不是限制性意义上来理解本说明书和附图。