一种自动驾驶车辆的控制方法和自动驾驶系统与流程

本发明涉及自动驾驶技术领域，尤其涉及一种自动驾驶车辆的控制方法和自动驾驶系统。

背景技术：

随着科技的发展，智能车辆成为未来汽车的重要发展方向。自动驾驶车辆不仅能帮助提高人们的出行便利性和出行体验，还能极大提升人们出行的效率。然而，自动驾驶车辆的安全性仍然是当前需要解决的主要问题之一。在影响自动驾驶车辆安全性的因素中，自动驾驶车辆的决策与控制是其中最关键的因素之一，直接影响其安全性与合理性，因此，提高自动驾驶车辆决策与控制的灵敏度与准确性是提高自动驾驶车辆的关键任务。

现有的自动驾驶车辆的自动驾驶系统局限于其数据储存和处理能力，通常都采用相对简单的算法模型对所述自动驾驶车辆的行驶信息和环境信息进行运算，其运算精度，广度和运算的深度都受到一定的限制，这就影响了所述自动驾驶系统决策指令的准确度，影响了自动驾驶车辆的安全性。

因此，有必要提供一种自动驾驶车辆的控制方法和自动驾驶系统，以解决上述技术问题。

技术实现要素：

本申请披露了一种自动驾驶车辆的控制方法和自动驾驶系统，提高所述自动驾驶车辆决策指令的准确性，提高所述自动驾驶车辆的行驶安全性。

本申请的一方面提出一种自动驾驶车辆的控制方法，包括：通过自动驾驶车辆的车载自动驾驶系统获取所述自动驾驶车辆的实时驾驶数据；基于所述实时驾驶数据，由所述车载自动驾驶系统生成第一决策；由所述车载自动驾驶系统将所述实时驾驶数据发送至远程数据处理系统；由所述车载自动驾驶系统从所述远程数据处理系统接收第二决策，所述第二决策为所述远程数据处理系统基于所述实时驾驶数据生成；通过所述自动驾驶系统将所述第二决策与第一决策进行验算比对；根据验算比对的结果，由所述车载自动驾驶系统对所述自动驾驶车辆下达决策指令。

其中，所述第一决策为所述车载自动驾驶系统利用所述实时驾驶数据通过第一决策模型获得。

其中，所述第二决策为所述远程数据处理系统利用所述实时驾驶数据通过第二决策模型获得。

其中，所述远程数据处理系统为云端服务器，通讯手段为5g通讯。

其中，所述根据验算比对的结果，由所述车载自动驾驶系统对所述自动驾驶车辆下达决策指令包括：所述第一决策和第二决策的差别小于预设的阈值；根据第一决策或者第二决策或者基于第一决策和第二决策获取的第三决策发出指令。

其中，所述根据验算比对的结果，由所述车载自动驾驶系统对所述自动驾驶车辆下达决策指令包括：所述第一决策和第二决策的差别大于预设的阈值，控制模块驱动所述自动驾驶车辆立即停车或者尽快驶离驾驶环境，进入安全环境后停车。

其中，所述根据验算比对的结果，由所述车载自动驾驶系统对所述自动驾驶车辆下达决策指令包括：所述第一决策和第二决策的差别大于预设的阈值，再次获取所述第一决策和第二决策。

其中，所述根据验算比对的结果，由所述车载自动驾驶系统对所述自动驾驶车辆下达决策指令包括：所述第一决策和第二决策的差别依然大于预设的阈值，控制模块驱动所述自动驾驶车辆立即停车或者尽快驶离驾驶环境，进入安全环境后停车。

其中，所述车载自动驾驶系统还可以从所述远程数据处理系统接收感知结果。

本申请的另一方面，提供一种自动驾驶系统，包括：存储器，所述存储器包括至少一组指令，所述指令被构建为完成自动驾驶车辆的驾驶策略；处理器，在工作状态下读取所述存储器的所述至少一组指令，并根据所述至少一组指令：获取所述自动驾驶车辆的的实时驾驶数据；基于所述实时驾驶数据，生成第一决策信息；将所述实时驾驶数据发送至远程数据处理系统；从所述远程数据处理系统接收第二决策，所述第二决策为所述远程数据处理系统基于所述实时驾驶数据生成；将所述第二决策与第一决策进行验算比对，并根据验算比对的结果，对所述自动驾驶车辆下达决策指令。

其中，所述第一决策为所述车载自动驾驶系统利用所述实时驾驶数据通过第一决策模型获得。

其中，所述第二决策为所述远程数据处理系统利用所述实时驾驶数据通过第二决策模型获得。

其中，所述远程数据处理系统为云端服务器，通讯手段为5g通讯。

其中，所述根据验算比对的结果，由所述车载自动驾驶系统对所述自动驾驶车辆下达决策指令包括：所述第一决策和第二决策的差别小于预设的阈值；根据第一决策或者第二决策或者基于第一决策和第二决策获取的第三决策发出指令。

其中，所述根据验算比对的结果，由所述车载自动驾驶系统对所述自动驾驶车辆下达决策指令包括：所述第一决策和第二决策的差别大于预设的阈值，控制模块驱动所述自动驾驶车辆立即停车或者尽快驶离驾驶环境，进入安全环境后停车。

其中，所述根据验算比对的结果，由所述车载自动驾驶系统对所述自动驾驶车辆下达决策指令包括：所述第一决策和第二决策的差别大于预设的阈值，再次获取所述第一决策和第二决策。

其中，所述根据验算比对的结果，由所述车载自动驾驶系统对所述自动驾驶车辆下达决策指令包括：所述第一决策和第二决策的差别依然大于预设的阈值，控制模块驱动所述自动驾驶车辆立即停车或者尽快驶离驾驶环境，进入安全环境后停车。

其中，所述车载自动驾驶系统还可以从所述远程数据处理系统接收感知结果。

本申请的另一方面，还提供一种自动驾驶车辆，所述自动驾驶车辆配置本申请所述的自动驾驶系统。

综上，本申请提出一种自动驾驶车辆的控制方法和自动驾驶系统，优化了现有自动驾驶控制车辆控制系统和方法，提高了现有的所述系统和方法发出的决策指令的准确性，提高所述自动驾驶车辆的行驶安全性。

本申请所述的自动驾驶车辆的控制方法和自动驾驶系统对网络时延和数据的传输速度要求较高。比如，本申请中披露的技术可以应用在4g网络环境，但是更适合5g网络环境。4g的数据传输速率是100mbps量级，时延是30-50ms，每平方千米的最大连接数1万量级，移动性350km/h左右，而5g的传输速率是10gbps量级，时延是1ms，每平方千米的最大连接数是百万量级，移动性是500km/h左右。5g具有更高的传输速率，更短的时延，更多的平方千米连接数，以及更高的速度容忍度。5g还有一个变化，就是传输路径的变化。以往我们打电话或者传照片，信号都要通过基站进行中转，但是5g之后，设备和设备之间就可以直接进行传输，不需要再通过基站。因此，本申请虽然也适用于4g环境，但是5g环境下运行会得到更好的技术表现，体现更高的商业价值。

本申请中另外的特征将部分地在下面的描述中阐述。通过该阐述，使以下附图和实施例叙述的内容对本领域普通技术人员来说变得显而易见。本申请中的发明点可以通过实践或使用下面讨论的详细示例中阐述的方法、手段及其组合来得到充分阐释。

附图说明

以下附图详细描述了本申请中披露的示例性实施例。其中相同的附图标记在附图的若干视图中表示类似的结构。本领域的一般技术人员将理解这些实施例是非限制性的、示例性的实施例，附图仅用于说明和描述的目的，并不旨在限制本公开的范围，其他方式的实施例也可能同样的完成本申请中的发明意图。应当理解，附图未按比例绘制。其中：

图1是本申请中用于移动设备网络管理的无线通信系统的一个实施例。

图2是根据本申请的一些实施例的具有自动驾驶能力的示例性车辆的框图。

图3是本申请基于自动驾驶车辆的控制方法和自动驾驶系统一个实施例的场景示意图。

图4是根据本申请的一些实施例的具有自动驾驶能力的示例性车辆和自动驾驶系统的框图。

图5是本申请中信息处理单元的示例性硬件和软件组件的示意图。

图6是本申请的一种自动驾驶车辆的控制方法的工艺流程图。

图7是本申请中的一种自动驾驶车辆的控制方法和自动驾驶系统中远程数据处理系统的结构框图。

具体实施方式

本申请披露了一种自动驾驶车辆的控制方法和自动驾驶系统，将所述自动驾驶车辆的自动驾驶系统获取的所述自动驾驶车辆的实时驾驶数据发送至远程数据处理系统，利用所述远程数据处理系统更强大的信息处理能力，形成第二决策，并将所述第二决策与第一决策进行验算对比，形成更加优化的决策指令，提高了现有的自动驾驶系统和方法发出的决策指令的准确性，提高所述自动驾驶车辆的行驶安全性。

为了给本领域普通技术人员提供相关披露的透彻理解，在以下详细描述中通过示例阐述了本发明的具体细节。然而本申请披露的内容应该理解为与权利要求的保护范围一致，而不限于该具体发明细节。比如，对于本领域普通技术人员来说，对本申请中披露的实施例进行各种修改是显而易见的；并且在不脱离本申请的精神和范围的情况下，本领域的普通技术人员可以将这里定义的一般原理应用于其他实施例和应用。再比如，这些细节如果没有以下披露，对本领域普通技术人员来说也可以在不知道这些细节的情况下实践本申请。另一方面，为了避免不必要地模糊本申请的内容，本申请对公知的方法，过程，系统，组件和/或电路做了一般性概括而没有详细描述。因此，本申请披露的内容不限于所示的实施例，而是与权利要求的组款范围一致。

本申请中使用的术语仅用于描述特定示例实施例的目的，而不是限制性的。比如除非上下文另有明确说明，本申请中如果对某要件使用了单数形式的描述(比如，“一”、“一个”和/或等同性的说明)也可以包括多个该要件。在本申请中使用的术语“包括”和/或“包含”是指开放性的概念。比如a包括/包含b仅仅表示a中有b特征的存在，但并不排除其他要件(比如c)在a中存在或添加的可能性。

应当理解的是，本申请中使用的术语，比如“系统”，“单元”，“模块”和/或“块”，是用于区分不同级别的不同组件，元件，部件，部分或组件的一种方法。但是，如果其他术语可以达到同样的目的，本申请中也可能使用该其他术语来替代上述术语。

本申请中描述的模块(或单元，块，单元)可以实现为软件和/或硬件模块。除非上下文另有明确说明，当某单元或模块被描述为“接通”、“连接到”或“耦合到”另一个单元或模块时，该表达可能是指该单元或模块直接接通、链接或耦合到该另一个单元或模块上，也可能是指该单元或模块间接的以某种形式接通、连接或耦合到该另一个单元或模块上。在本申请中，术语“和/或”包括一个或多个相关所列项目的任何和所有组合。

在本申请中，术语“自动驾驶车辆”可以指能够感知其环境并且在没有人(例如，驾驶员，飞行员等)输入和/或干预的情况下对外界环境自动进行感知、判断并进而做出决策的车辆。术语“自动驾驶车辆”和“车辆”可以互换使用。术语“自动驾驶”可以指没有人(例如，驾驶员，飞行员等)输入的对周边环境进行智能判断并进行导航的能力。

考虑到以下描述，本申请的这些特征和其他特征、以及结构的相关元件的操作和功能、以及部件的组合和制造的经济性可以得到明显提高。参考附图，所有这些形成本申请的一部分。然而，应该清楚地理解，附图仅用于说明和描述的目的，并不旨在限制本申请的范围。应理解，附图未按比例绘制。

本申请中使用的流程图示出了根据本申请中的一些实施例的系统实现的操作。应该清楚地理解，流程图的操作可以不按顺序实现。相反，操作可以以反转顺序或同时实现。此外，可以向流程图添加一个或多个其他操作。可以从流程图中移除一个或多个操作。

本申请中使用的定位技术可以基于全球定位系统(gps)，全球导航卫星系统(glonass)，罗盘导航系统(compass)，伽利略定位系统，准天顶卫星系统(qzss)，无线保真(wifi)定位技术等，或其任何组合。一个或多个上述定位系统可以在本申请中互换使用。

此外，尽管本申请中的系统和方法主要描述了一种自动驾驶车辆的控制方法和自动驾驶系统，但是应该理解，这仅是示例性实施例。本申请的系统或方法可以应用于任何其他类型的导航系统。例如，本申请的系统或方法可以应用于不同环境的运输系统，包括陆地，海洋，航空航天等，或其任何组合。运输系统的自动驾驶车辆可包括出租车，私家车，挂车，公共汽车，火车，子弹列车，高速铁路，地铁，船只，飞机，宇宙飞船，热气球，自动驾驶车辆等，或其任何组合。在一些实施例中，该系统或方法可以在例如物流仓库，军事事务中找到应用。

图1为用于移动设备网络管理的无线通信系统100的一个实施例。所述移动设备网络管理系统可以作为支持网络应用在本披露所描述的发明中。

无线通信系统100包括远程单元142，144，146，基站110和无线通信链路115，148。图1中描绘了特定数量的远程单元142，144，146，基站110和无线通信链路115，148，但本领域技术人员会认识到，无线通信系统100中可包括任何数量的远程单元142，144，146，基站110和无线通信链路115，148。

在一些实施例中，远程单元142，144，146可以是移动设备，比如车载计算机(包括人工驾驶车辆和或有自动驾驶能力的自动驾驶车辆的车载计算机)142，144，和其他移动设备146，比如手机、笔记本电脑、个人数字助理(“pda”)、平板计算机、智能手表、健身带、光学头戴式显示器等。远程单元142，144，146也可以包括非移动计算设备，诸如台式计算机，智能电视(例如，连接到因特网的电视机)，设置-顶盒，游戏控制台，安全系统(包括安全摄像机)，固定式网络设备(例如，路由器，交换机，调制解调器)等。此外，移动远程单元142，144，146可以被称为移动站，移动设备，用户，终端，移动终端，固定终端，用户站，ue，用户终端，设备，或者在本领域中使用的其他术语。

远程单元142，144，146之间的无线链路为148。远程单元142，144，146之间的无线链路可以为5g通信交互以及其他方式的无线交互，比如蓝牙、wifi等等。基站110形成无线电接入网络(radioaccessnetwork“ran”)120。基站110之间的无线链路为115。ran120可以通过通信的方式耦合到移动核心网络130。移动核心网络130可以是5g网络，也可以是4g、3g、2g或者其他形式的网路。在本披露中以5g网络为例说明本发明。

5g移动核心网络130可以属于单个公共陆地移动网络(singlepubliclandmobilenetwork“plmn”)。例如，移动核心网络130可以提供低延迟和高可靠性要求的服务，比如应用于自动驾驶领域。移动核心网络130也可以针对其他应用要求提供服务。比如移动核心网络130可以提供高数据速率和中等延迟流量的服务，比如对手机等移动设备提供服务。比如移动核心网络130也可以提供低移动性和低数据速率等服务。

基站110可以通过无线通信链路服务于服务区域内的多个远程单元142，144，146，例如，小区或小区扇区。基站110可以经由通信信号直接与一个或多个远程单元142，144，146通信。远程单元142，144，146可以经由上行链路(uplink“ul”)通信信号直接与一个或多个基站110通信。此外，ul通信信号可以通过无线通信链路115，148承载。基站110也可以发送下行链路(downlink“dl”)通信信号以在时域，频域和/或空域中为远程单元142，144，146服务。此外，dl通信信号可以通过无线通信链路115承载。无线通信链路115可以是许可或未许可无线电频谱中的任何合适的载波。无线通信链路115可以与一个或多个远程单元142，144，146和/或一个或多个基站110通信。在一些实施例中，无线通信系统100符合3gpp协议的长期演进(long-termevolution“lte”)，其中基站110使用dl上的正交频分复用(orthogonalfrequencydivisionmultiplexing“ofdm”)调制方案进行发送。远程单元142，144，146使用单载波频分多址(single-carrierfrequencydivisionmultipleaccess“sc-fdma”)方案在ul上进行发送。然而，更一般地，无线通信系统100可以实现一些其他开放或专有通信协议，例如，wimax，以及其他协议。本公开不旨在限于任何特定无线通信系统架构或协议的实现。

基站110和远程单元142，144，146可以分布在地理区域上。在某些实施例中，基站110和远程单元142，144，146还可以称为接入点，接入终端或者在本领域中使用的任何其他术语。通常，两个或更多个地理上相邻的基站110或远程单元142，144，146被组合在一起成为路由区域。在某些实施例中，路由区域还可以称为位置区域，寻呼区域，跟踪区域，或者在本领域中使用的任何其他术语。每个“路由区域”具有从其服务基站110发送到远程单元142，144，146(或者远程单元142，144，146之间发送的)的标识符。

当移动远程单元142，144，146移动到广播不同“路由区域”的新小区(例如，在新基站110的范围内移动)时，移动远程单元142，144，146检测路由区域的改变。ran120又通过其当前路由区域中的基站110以空闲模式寻呼移动远程单元142，144，146。ran120包含多个路由区域。如本领域中已知的，可以选择路由区域的大小(例如，包括在路由区域中的数量基站)以平衡路由区域更新信令负载与寻呼信令负载。

在一些实施例中，远程单元142，144，146可以附接到核心网络130。当远程单元142，144，146检测到移动设备网络管理事件(例如，路由区域的改变)时，远程单元142，144，146可以向核心网络130(例如，自动驾驶需要的低延迟和高可靠性要求的服务或者手机需要的高数据速率和中等延迟流量的服务)发送移动设备网络管理请求消息。此后，核心网络130将移动设备网络管理请求转发到与远程单元142，144，146连接的一个或多个辅助网络片以提供相应的服务。

在某一时刻，远程单元142，144，146可能不再需要某一网络服务(例如，自动驾驶需要的低延迟和高可靠性要求的服务或者手机需要的高数据速率和中等延迟流量的服务)。在这种情况下，远程单元142，144，146可以发送分离请求消息，例如数据连接释放消息，以从网络分离中分离。

图2是根据本公开的一些实施例的具有自动驾驶能力的示例性车辆的框图。所述具有自动驾驶能力的车辆200可以是图1所示的移动设备网络管理的无线通信系统100中的车辆142、144。例如，具有自动驾驶能力的车辆200可包括控制模块、多个传感器、存储器、指令模块、和控制器区域网络(can)以及执行机构。

所述执行机构可以包括，但不限于，油门、引擎、制动系统和转向系统(包括轮胎的转向和/或转向灯的操作)的驱动执行。

所述多个传感器可以包括向车辆200提供数据的各种内部和外部传感器。比如图2中所示，所述多个传感器可以包括车辆部件传感器和环境传感器。车辆部件传感器连接着车辆200的执行机构，可以检测到所述执行机构各个部件的运行状态和参数。

所述环境传感器允许车辆理解并潜在地响应其环境，以便帮助自动驾驶车辆200进行导航、路径规划以及保障乘客以及周围环境中的人或财产的安全。所述环境传感器还可用于识别，跟踪和预测物体的运动，例如行人和其他车辆。所述环境传感器可以包括位置传感器和外部对象传感器。

所述位置传感器可以包括gps接收器、加速度计和/或陀螺仪，接收器。所述位置传感器可以感知和/或确定自动驾驶车辆200多地理位置和方位。例如，确定车辆的纬度，经度和高度。

所述外部对象传感器可以检测车辆外部的物体，例如其他车辆，道路中的障碍物，交通信号，标志，树木等。外部对象传感器可以包括激光传感器、雷达、照相机、声纳和/或其他检测装置。

激光传感器可以通过在其轴上旋转并改变其间距来测量车辆和面向车辆的物体表面之间的距离。激光传感器还可用于识别表面纹理或反射率的变化。因此，激光传感器可以被配置为通过区分由涂漆的车道线相对于未涂漆的暗路面反射的光量来检测车道线。

雷达传感器可以位于汽车的前部和后部以及前保险杠的任一侧。除了使用雷达来确定外部物体的相对位置之外，其他类型的雷达也可以用于其他目的，例如传统的速度检测器。短波雷达可用于确定道路上的积雪深度并确定路面的位置和状况。

相机可以捕获车辆200周围的视觉图像并从中提取内容。例如，相机可以拍摄道路两边的路牌标识，并通过控制模块识别这些标识的意义。比如利用相机来判断道路的速限。车辆200还可以通过多个相机拍摄的不同图像的视差计算周围物体离车辆200的距离。

声纳可以探测车辆200同周围障碍物的距离。例如，所述声纳可以是超声波测距仪。所述超声波测距仪安装在车辆的两侧和后面，在泊车的时候开启来探测泊车位周围的障碍物以及车辆200同所述障碍物的距离。

所述控制模块接收所述多个传感器感知的信息后，可以处理与车辆驾驶(例如，自动驾驶)有关的信息和/或数据，以执行本公开中描述的一个或多个功能。在一些实施例中，控制模块可以配置成自主地驱动车辆。例如，控制模块可以输出多个控制信号。多个控制信号可以被配置为由一个或者多个电子控制模块(electroniccontrolunits，ecu)接收，以控制车辆的驱动。在一些实施例中，控制模块可基于车辆的环境信息确定参考路径和一个或多个候选路径。

在一些实施例中，控制模块可以包括一个或多个中央处理器(例如，单核处理器或多核处理器)。仅作为示例，控制模块可以包括中央处理单元(centralprocessingunit，cpu)，专用集成电路(application-specificintegratedcircuit，asic)，专用指令集处理器(application-specificinstruction-setprocessor，asip)，图形处理单元(graphicsprocessingunit，gpu)，物理处理单元(physicsprocessingunit，ppu)，数字信号处理器(digitalsignalprocessor，dsp)，场可编程门阵列(fieldprogrammablegatearray，fpga)，可编程逻辑器件(programmablelogicdevice，pld)，控制器，微控制器单元，精简指令集计算机(reducedinstruction-setcomputer，risc)，微处理器(microprocessor)等，或其任何组合。

存储器可以存储数据和/或指令。在一些实施例中，存储器可以存储从自动驾驶车辆传感器获得的数据。在一些实施例中，存储器可以存储控制模块可以执行或使用的数据和/或指令，以执行本公开中描述的示例性方法。在一些实施例中，存储器可以包括大容量存储器，可移动存储器，易失性读写存储器(volatileread-and-writememory)，只读存储器(rom)等，或其任何组合。作为示例，比如大容量存储器可以包括磁盘，光盘，固态驱动器等；比如可移动存储器可以包括闪存驱动器，软盘，光盘，存储卡，拉链盘，磁带；比如易失性读写存储器可以包括随机存取存储器(ram)；比如ram可以包括动态ram(dram)，双倍数据速率同步动态ram(ddrsdram)，静态ram(sram)，可控硅ram(t-ram)和零电容器ram(z-ram)；比如rom可以包括掩模rom(mrom)，可编程rom(prom)，可擦除可编程rom(eprom)，电可擦除可编程rom(eeprom)，光盘rom(cd-rom)，以及数字通用磁盘rom等。在一些实施例中，存储可以在云平台上实现。仅作为示例，云平台可以包括私有云，公共云，混合云，社区云，分布式云，云间云，多云等，或其任何组合。

在一些实施例中，存储器可以为本地存储器，即存储器可以是自动驾驶车辆200的一部分。在一些实施例中，存储器也可以是远程存储器。所述中央处理器可以通过网络100连接所述远程存储器以与自动驾驶车辆200的一个或多个组件(例如，控制模块，传感器模块)通信。自动驾驶车辆200中的一个或多个组件可以经由网络100访问远程存储在远程存储器中的数据或指令。在一些实施例中，存储器420可以直接连接到自动驾驶车辆200中的一个或多个组件或与其通信(例如，控制模块，传感器)。

指令模块接收控制模块传来的信息，并将之转换成驱动执行机构的指令传给控制器区域网络(controllerareanetwork)can总线。比如，控制模块向指令模块发送自动驾驶车辆200的行驶策略(加速、减速、转弯等等)，指令模块接收所述行驶策略，并将之转换成对执行机构的驱动指令(对油门、制动机构、转向机构的驱动指令)。同时，指令模块再将所述指令通过can总线下发到所述执行机构去。执行机构对所述指令的执行情况再由车辆部件传感器检测并反馈到控制模块，从而完成对自动驾驶车辆200到闭环控制和驱动。

图3是本申请中基于自动驾驶车辆的控制系统以及方法的一个实施例的场景示意图。如图3所示，自动驾驶车辆200(下文简称“车辆”)可在道路321上沿着其自主设定的路径320行驶，而无需人们输入路径行驶。所述自动驾驶车辆200在道路321上行驶时不得违反所述道路321的交通规则，例如，所述自动驾驶车辆200的速度不得超过所述道路321的最高限速，又例如，行驶至红绿灯路口时不得闯红灯。

所述自动驾驶车辆200可包括非自主车辆所有的一些常规结构，例如，发动机、车轮、方向盘等，还可包括感知模块340、控制模块350和判断决策模块360。

在所述道路321的交叉路口处设有交通灯310、停车线311、斑马线312、标示牌313，所述自动驾驶车辆200可识别和获取交叉路口的信息，包括所述交通灯310状态(例如，交通灯的颜色和倒计时的时间)、与路口停车线311和斑马线312的距离、标志牌313的内容等。所述标志牌313是显示交通法规及道路信息的图形符号，包括但不限于警告标志、禁令标志、指路标志、旅游区标志、道路施工安全标志、限速标志(例如，最高限速)等。所述自动驾驶车辆200在行驶至交叉路口的过程中，可基于所述交通灯310状态确定车辆的行驶速度，例如，可以基于所述交通灯310的颜色和倒计时时间、与所述路口停车线311的距离、当前的实时速度等参数，判断车辆是否能通过所述路口停车线311，并基于判断结果生成和执行相应的行驶策略，例如，在所述交通灯310为绿色且倒计时的时间足够长时，所述自动驾驶车辆200加速通过所述路口停车线311；又例如，在所述交通灯310为红色且倒计时的时间足够长时，所述自动驾驶车辆200减速并在所述路口停车线311前停车。

本申请的一个实施例提供一种自动驾驶车辆的控制方法，参考附图6所示，包括：

步骤s101：通过自动驾驶车辆的车载自动驾驶系统获取所述自动驾驶车辆的实时驾驶数据；

步骤s102：基于所述实时驾驶数据，由所述车载自动驾驶系统生成第一决策；

步骤s103：由所述车载自动驾驶系统将所述实时驾驶数据发送至远程数据处理系统；

步骤s104：由所述车载自动驾驶系统从所述远程数据处理系统接收第二决策，所述第二决策为所述远程数据处理系统基于所述实时驾驶数据生成；

步骤s105：通过所述自动驾驶系统将所述第二决策与第一决策进行验算比对；

步骤s106：根据验算比对的结果，由所述车载自动驾驶系统对所述自动驾驶车辆下达决策指令。

下面结合附图2至附图4提供所述的自动驾驶车辆以及自动驾驶系统的可能的实施例。

本申请的实施例所述的自动驾驶车辆例如为附图2以及附图3中所示例的自动驾驶车辆200。所述的自动驾驶车辆的车载设备包括自动驾驶车辆装配的所有的电子以及机械设备，可以获取所述自动驾驶车辆200所探测，感知或者生成的所有数据以及信息。在本申请的一些实施例中，所述的自动驾驶车辆200的车载设备包括所述自动驾驶车辆200的自动驾驶系统400。

图4是根据本申请的一些实施例的具有自动驾驶能力的示例性车辆和自动驾驶系统400的框图。如图4所示，所述自动驾驶系统400可包括感知模块340、控制模块350和判断决策模块360，存储器420，网络430，网关模块440，控制器区域网络(can)450，发动机管理系统(ems)460，电动稳定性控制(esc)470，电力系统(eps)480，转向柱模块(scm)490，节流系统465，制动系统475和转向系统495等。

所述感知模块340可以采集车辆的行车数据和环境信息，所述行车数据和环境信息包括但不限于：车辆的实时速度、车辆与目标的距离、车辆的行进路线，车辆行进路线中的交通状况，交通灯的颜色、交通灯倒计时的时间和路口的最高限速，车辆前后的其它车辆或者行人信息，道路两侧的视觉信息，车辆的定位信息等。在一些实施例中，所述感知模块340可以包括视觉传感器342，距离传感器344，速度传感器346，加速度传感器348，定位单元349。所述视觉传感器342可以检测所述交通灯310的状态(包括所述交通灯310的颜色和倒计时的时间)、车道线、所述标示牌313和其他车辆等，并将检测的视觉信息传送给所述判断决策模块360。在一些实施例中，所述视觉传感器342可以采用双目摄像头、lidar系统等等所有本领域技术人员了解的视觉系统。所述距离传感器344可以测量所述自动驾驶车辆200与环境中特定目标物(例如，所述路口停车线311、所述自动驾驶车辆200周围的其他车辆)的距离，并将其测量信息传送给所述判断决策模块360。在一些实施例中，所述距离传感器344可基于所述自动驾驶车辆200的定位信息和所述目标在地图上的位置信息，以测量二者的距离。在一些实施例中，所述距离传感器344为激光雷达或毫米波雷达，对所述自动驾驶车辆200的周围环境进行三维建模。所述速度传感器346可以测量所述自动驾驶车辆200的实时行驶速度，并将其测量信息传送给所述判断决策模块360。所述加速度传感器348可以测量所述自动驾驶车辆200的实时加速度，并将其测量信息传送给所述判断决策模块360。所述定位单元349可以对所述自动驾驶车辆200进行实时定位，并将定位信息传送至所述判断决策模块360。在一些实施例中，所述定位单元349为高精度gps定位单元。

所述判断决策模块360可以接收所述行车信息和环境信息例如交通信号信息，障碍物信息，周围车辆信息，行人信息等，并根据所述行车信息和环境信息生成判断信息和针对所述判断信息的行车决策信息。在一些实施例中，所述判断信息包括但不限于：当交通灯310为绿色时，在对应交通灯倒计时的时间内，所述自动驾驶车辆200能否通过路口停车线311；或当交通灯310分别为红色或黄色时，在对应交通灯倒计时的时间内，所述自动驾驶车辆200分别能否通过路口停车线311；当车辆行进路程中有障碍物，行人或者其它车辆时，所述自动驾驶车辆200应该进行减速，绕行或者停车等操作。在一些实施例中，所述决策信息包括但不限于：向所述自动驾驶车辆200下发保持实时速度匀速、加速、减速或停止行驶的行驶指令。在一些实施例中，加速的行驶指令包括但不限于：匀加速或变加速。在一些实施例中，减速的行驶指令包括但不限于：匀减速或变减速。

所述控制模块350可以处理与车辆驾驶(例如，自动驾驶)有关的信息和/或数据，以执行本申请中描述的一个或多个功能。在一些实施例中，所述控制模块350可以接收所述决策信息，并根据所述决策信息控制所述自动驾驶车辆200执行决策的行驶指令。在一些实施例中，所述控制模块350可以配置成自主地驱动车辆。例如，所述控制模块350可以输出多个控制信号。多个控制信号可以被配置为由多个电子控制模块(electroniccontrolunits，ecu)接收，以控制车辆的驱动。在一些实施例中，所述控制模块350可基于车辆的环境信息(例如，交通灯310的状态)确定车辆的行驶速度。在一些实施例中，所述控制模块350可以包括一个或多个处理引擎(例如，单核处理引擎或多核处理器)。仅作为示例，所述控制模块350可以包括中央处理单元(centralprocessingunit，cpu)，专用集成电路(application-specificintegratedcircuit，asic)，专用指令集处理器(application-specificinstruction-setprocessor，asip)，图形处理单元(graphicsprocessingunit，gpu)，物理处理单元(physicsprocessingunit，ppu)，数字信号处理器(digitalsignalprocessor，dsp)，场可编程门阵列(fieldprogrammablegatearray，fpga)，可编程逻辑器件(programmablelogicdevice，pld)，控制器，微控制器单元，精简指令集计算机(reducedinstruction-setcomputer，risc)，微处理器(microprocessor)等，或其任何组合。

所述存储器420可以存储数据和/或指令。在一些实施例中，所述存储器420可以存储从所述自动驾驶车辆200获得的数据(例如，所述感知模块340中各传感器测量的数据)。在一些实施例中，所述存储器420可以存储高精度地图，高精度地图中还包括车道数量、车道宽度、道路曲率、道路坡度、最高速度和推荐行驶速度等信息。在一些实施例中，所述存储器420可以存储所述控制模块350可以执行或使用的数据和/或指令，以执行本申请中描述的示例性方法。在一些实施例中，所述存储器420可以包括大容量存储器，可移动存储器，易失性读写存储器(volatileread-and-writememory)，只读存储器(rom)等，或其任何组合。作为示例，比如大容量存储器可以包括磁盘，光盘，固态驱动器等；比如可移动存储器可以包括闪存驱动器，软盘，光盘，存储卡，拉链盘，磁带；比如易失性读写存储器可以包括随机存取存储器(ram)；比如ram可以包括动态ram(dram)，双倍数据速率同步动态ram(ddrsdram)，静态ram(sram)，可控硅ram(t-ram)和零电容器ram(z-ram)；比如rom可以包括掩模rom(mrom)，可编程rom(prom)，可擦除可编程rom(eprom)，电可擦除可编程rom(eeprom)，光盘rom(cd-rom)，以及数字通用磁盘rom等。

在一些实施例中，所述存储器420可以连接到所述网络430以与自动驾驶车辆200的一个或多个组件(例如，控制模块350，视觉传感器342)通信。所述自动驾驶车辆200中的一个或多个组件可以经由所述网络430访问存储在所述存储器420中的数据或指令。在一些实施例中，所述存储器420可以直接连接到所述自动驾驶车辆200中的一个或多个组件或与其通信(例如，控制模块350，视觉传感器342)。在一些实施例中，所述存储器420可以是自动驾驶车辆200的一部分。

所述网络430可以促进信息和/或数据的交换。在一些实施例中，所述自动驾驶车辆200中的一个或多个组件(例如，控制模块350，视觉传感器342)可以经由所述网络430将信息和/或数据发送到所述自动驾驶车辆200中的其他组件。例如。所述控制模块350可以经由所述网络430获得/获取车辆的动态情况和/或车辆周围的环境信息。在一些实施例中，所述网络430可以是任何类型的有线或无线网络，或其组合。仅作为示例，所述网络430可以包括有线网络，有线网络，光纤网络，远程通信网络，内联网，因特网，局域网(lan)，广域网(wan)，无线局域网(wlan)，城域网(man)，广域网(wan)，公共电话交换网(pstn)，蓝牙网络，zigbee网络，近场通信(nfc)网络等，或其任何组合。在一些实施例中，所述网络430可以包括一个或多个网络接入点。例如，所述网络430可以包括有线或无线网络接入点，例如基站和/或互联网交换点430-1，…...。通过该自动驾驶车辆200的一个或多个部件可以连接到网络430以交换数据和/或信息。

所述网关模块440可以基于车辆的当前驾驶状态确定多个ecu(例如，ems460，eps480，esc470，scm490)的命令源。命令源可以来自人类驾驶员，来自所述控制模块350等，或其任何组合。

所述网关模块440可以确定车辆的当前驾驶状态。车辆的驾驶状态可以包括手动驾驶状态，半自动驾驶状态，自动驾驶状态，错误状态等，或其任何组合。例如，所述网关模块440可以基于来自人类驾驶员的输入将车辆的当前驾驶状态确定为手动驾驶状态。又例如，当前道路状况复杂时，所述网关模块440可以将车辆的当前驾驶状态确定为半自动驾驶状态。作为又一示例，当发生异常(例如，信号中断，处理器崩溃)时，所述网关模块440可以将车辆的当前驾驶状态确定为错误状态。

在一些实施例中，所述网关模块440可以判断车辆的当前驾驶状态是手动驾驶状态做出响应，将人类驾驶员的操作发送到多个ecu。例如，确定了车辆的当前驾驶状态是手动驾驶状态后，所述网关模块440可以做出响应将由人类驾驶员执行的对所述自动驾驶车辆200的加速器的按压操作发送到所述ems460。确定了车辆的当前驾驶状态是自动驾驶状态后，所述网关模块440可以做出响应将所述控制模块350的控制信号发送到多个ecu。例如，确定车辆的当前驾驶状态是自动驾驶状态后，网关模块440可以做出响应将与转向操作相关联的控制信号发送到所述scm490。所述网关模块440可以响应于车辆的当前驾驶状态是半自动驾驶状态的结论，将人驾驶员的操作和所述控制模块350的控制信号发送到多个ecu。当确定了车辆的当前驾驶状态是错误状态的时候，所述网关模块440可以做出响应将错误信号发送到多个ecu。

所述控制器区域网络(can总线)450是个可靠的车辆总线标准(例如，基于消息的协议message-basedprotocol)，其允许微控制器(例如，控制模块350)和设备(例如，ems460，eps480，esc470，scm490等)在没有主计算机的应用程序中彼此通信。所述can450可以被配置为将所述控制模块350与多个ecu(例如，ems460，eps480，esc470，scm490)连接。

所述ems460可以确定所述自动驾驶车辆200的发动机性能。在一些实施例中，所述ems460可以基于来自所述控制模块350的控制信号确定自动驾驶车辆200的发动机性能。例如。当前驾驶状态是自动驾驶状态时，所述ems460可以基于与来自所述控制模块350的加速度相关联的控制信号来确定自动驾驶车辆200的发动机性能。在一些实施例中，所述ems460可以基于人类驾驶员的操作来确定所述自动驾驶车辆200的发动机性能。例如，当前驾驶状态是手动驾驶状态时，所述ems460可以基于人驾驶员对加速器的按压来确定所述自动驾驶车辆200的发动机性能。

所述ems460可以包括多个传感器和至少一个微处理器。多个传感器可以被配置为检测一个或多个物理信号并将一个或多个物理信号转换为电信号以进行处理。在一些实施例中，所述多个传感器可包括各种温度传感器，空气流量传感器，节气门位置传感器，泵压力传感器，速度传感器，氧传感器，负载传感器，爆震传感器等，或其任何组合。所述一个或多个物理信号可包括但不限于发动机温度，发动机进气量，冷却水温度，发动机速度等，或其任何组合。所述微处理器可以基于多个发动机控制参数确定发动机性能。所述微处理器可以基于多个电信号确定多个发动机控制参数，可以确定多个发动机控制参数以优化发动机性能。所述多个发动机控制参数可包括点火时机，燃料输送，空转气流等，或其任何组合。

所述节流系统465可以改变所述自动驾驶车辆200的运动。例如，所述节流系统465可以基于发动机输出确定所述自动驾驶车辆200的速度。又例如，所述节流系统465可以基于发动机输出引起所述自动驾驶车辆200的加速。所述节流系统465可包括燃料喷射器，燃料压力调节器，辅助空气阀，温度开关，节气门，空转速度电动机，故障指示器，点火线圈，继电器等，或其任何组合。在一些实施例中，所述节流系统465可以是ems460的外部执行器。所述节流系统465可以被配置为基于由ems460确定的多个发动机控制参数来控制发动机输出。

所述esc470可以改善车辆的稳定性，所述esc470可以通过检测和减少牵引力损失来改善车辆的稳定性。在一些实施例中，所述esc470可以控制所述制动系统475的操作以响应于确定所述esc470检测到转向控制的损失而帮助操纵车辆。例如，所述esc470可以提高所述制动系统475的稳定性。当车辆在上坡启动点火的时候通过刹车制动防止车辆下滑，帮助车辆顺利点火。在一些实施例中，所述esc470可以进一步控制发动机性能以改善车辆的稳定性。例如，所述esc470可在发生可能的转向控制损失时降低发动机功率。可能发生失去转向控制的场景包括：当车辆在紧急避让转弯期间滑行时，当车辆在湿滑路面上判断不良时转向不足或转向过度等时刻。

所述制动系统475可以控制所述自动驾驶车辆200的运动状态。例如，所述制动系统475可以使所述自动驾驶车辆200减速。作为另一个示例，所述制动系统475可以在一个或多个道路状况(例如，下坡)下使所述自动驾驶车辆200停止前行。作为又一个示例，所述制动系统475可以在下坡上行驶时使所述自动驾驶车辆200保持恒定速度。所述制动系统475可包括机械控制部件，液压单元，动力单元(例如，真空泵)，执行单元等，或其任何组合。机械控制部件可包括踏板，手制动器等。液压单元可包括液压油，液压软管，制动泵等。执行单元可包括制动钳，制动衬块，制动盘，等等。

所述eps480可以控制所述自动驾驶车辆200的电力供应。所述eps480可以为所述自动驾驶车辆200供应，传输和/或存储电力。例如，所述eps480可以包括一个或多个电池和交流发电机。交流发电机可以对电池充电，并且电池可以连接到所述自动驾驶车辆200的其他部分(例如，起动器以提供电力)。在一些实施例中，所述eps480可以控制对所述转向系统495的电力供应。例如，当所述自动驾驶车辆200确定需要进行急转弯的时候(例如，将方向盘一直向左打到底或一直向右打到底)，所述eps480可以向所述转向系统495提供大电力以响应于所述自动驾驶车辆200产生大的转向扭矩。

所述scm490可以控制车辆的方向盘。所述scm490可以锁定/解锁车辆的方向盘。所述scm490可以基于车辆的当前驾驶状态来锁定/解锁车辆的方向盘。例如，所述scm490可以响应于确定当前驾驶状态是自动驾驶状态而锁定车辆的方向盘。响应于确定当前驾驶状态是自动驾驶状态，所述scm490可以进一步缩回转向柱轴。作为另一示例，所述scm490可以响应于确定当前驾驶状态是半自动驾驶状态，手动驾驶状态和/或错误状态而解锁车辆的方向盘。所述scm490可以基于所述控制模块350的控制信号来控制所述自动驾驶车辆200的转向。控制信号可以包括与转弯方向，转弯位置，转弯角度等有关的信息，或其任何组合。

所述转向系统495可以操纵所述自动驾驶车辆200。在一些实施例中，所述转向系统495可以基于从所述scm490发送的信号来操纵所述自动驾驶车辆200。例如，所述转向系统495可以响应于确定当前驾驶状态是自动驾驶状态，基于从所述scm490发送的所述控制模块350的控制信号来引导所述自动驾驶车辆200。在一些实施例中，所述转向系统495可以基于人类驾驶员的操作来操纵所述自动驾驶车辆200。例如，当人类驾驶员响应于确定当前驾驶状态是手动驾驶状态而将方向盘转向左方向时，所述转向系统495可以将所述自动驾驶车辆200转向左方向。

图5是信息处理单元500的示例性硬件和软件组件的示意图。所述信息处理单元500上可以承载实施所述控制模块350，ems460，esc470，eps480，scm490......等等。例如，所述控制模块350可以在信息处理单元500上实现以执行本申请中公开的所述控制模块350的功能。

所述信息处理单元500可以是专门设计用于处理来自所述自动驾驶车辆200的传感器和/或部件的信号并将指令发送到车辆200的传感器和/或部件的专用计算机设备。

例如，所述信息处理单元500可以包括连接到与其连接的网络的com端口550，以便于数据通信。所述信息处理单元500还可以包括处理器520，处理器520以一个或多个处理器的形式，用于执行计算机指令。计算机指令可以包括例如执行本文描述的特定功能的例程，程序，对象，组件，数据结构，过程，模块和功能。例如，所述处理器520可以获得与多个候选路径相关的一个或多个路径样本特征。与候选路径相关的一个或多个样本特征可以包括路径起始位置，路径目的地，与候选路径相关联的车辆的路径速度，车辆的路径加速度，候选路径的路径瞬时曲率。或类似物，或其任何组合。

在一些实施例中，所述处理器520可以包括一个或多个硬件处理器，例如微控制器，微处理器，精简指令集计算机(risc)，专用集成电路(asic)，特定于应用的指令-集处理器(asip)，中央处理单元(cpu)，图形处理单元(gpu)，物理处理单元(ppu)，微控制器单元，数字信号处理器(dsp)，现场可编程门阵列(fpga)，高级risc机器(arm)，可编程逻辑器件(pld)，能够执行一个或多个功能的任何电路或处理器等，或其任何组合。

所述信息处理单元500可以包括内部通信总线510，程序存储和不同形式的数据存储(例如，磁盘570，只读存储器(rom)530，或随机存取存储器(ram)540)用于由计算机处理和/或发送的各种数据文件。所述信息处理单元500还可以包括存储在rom530，ram540和/或将由处理器520执行的其他类型的非暂时性存储介质中的程序指令。本申请的方法和/或过程可以作为程序指令实现。所述信息处理单元500还包括i/o组件560，支持计算机和其他组件(例如，用户界面元件)之间的输入/输出。所述信息处理单元500还可以通过网络通信接收编程和数据。

仅仅为了说明问题，在本申请中所述信息处理单元500中仅描述了一个处理器。然而，应当注意，本申请中的所述信息处理单元500还可以包括多个处理器，因此，本申请中披露的操作和/或方法步骤可以如本申请所述的由一个处理器执行，也可以由多个处理器联合执行。例如，如果在本申请中信息处理单元500的处理器520执行步骤a和步骤b，则应该理解，步骤a和步骤b也可以由信息处理中的两个不同处理器联合或分开执行(例如，第一处理器执行步骤a，第二处理器执行步骤b，或者第一和第二处理器共同执行步骤a和b)。

基于本申请以上实施例的描述，执行步骤s101，通过自动驾驶车辆的车载设备，例如自动驾驶系统400的感知模块340，获取所述自动驾驶车辆200在行驶过程中生成，感知或者探测的实时驾驶数据，所述的实时驾驶数据例如为自动驾驶车辆的行车数据和环境信息，所述行车数据和环境信息包括但不限于：自动驾驶车辆的实时速度、车辆与目标的距离、车辆的行进路线，车辆行进路线中的交通状况，交通灯的颜色、交通灯倒计时的时间和路口的最高限速，车辆前后的其它车辆或者行人信息，道路两侧的视觉信息，车辆的定位信息等。在本申请的一些实施例中，所述的行车数据和环境信息可以通过所述感知模块340的视觉传感器342，距离传感器344，速度传感器346，加速度传感器348，定位单元349等获取。

在本申请的一个实施例中，所述实时驾驶数据可储存于所述自动驾驶系统400的存储器420中。所述的实时驾驶数据存储可以通过容量存储器，可移动存储器，易失性读写存储器，只读存储器或其任何组合来实现。在本申请的一些实施例中，所述的实时驾驶数据也可以储存于云端，也就是说，所述的存储器420为云端存储器。

进一步的，将所述的实时驾驶数据发送至所述自动驾驶系统400的判断决策模块360。在本申请的一个实施例中，所述的判断决策模块可360对接收到的所述实时驾驶数据进行处理，以将所述实时驾驶数据转换为适合所述判断决策模块360执行判断步骤的文件格式。

在本申请的一个实施例中，所述判断决策模块360根据接收到的所述实时驾驶数据，判断所述自动行驶车辆的行驶状态以及当前的环境状况；并根据所述判断结果，形成用于驱动所述自动驾驶车辆200的第一决策(步骤s102)。例如，所述的第一决策为降低或者增加车辆的行驶速度，又或者，所述第一决策为控制所述自动驾驶车辆进行变道行驶，又或者，所述第一决策为确定所述自动驾驶车辆的准确定位，或者，所述第一决策为控制所述车辆停止行驶或者驶进附近的停车场。

在本申请的一些实施例中，所述的判断决策模块360通过执行所述自动驾驶车辆200的自动驾驶系统400内设定的算法模型对所述的实时驾驶数据进行处理，并形成所述第一决策。也就是说，所述第一决策为所述车载自动驾驶系统利用所述实时驾驶数据通过第一决策模型获得。由于所述的实时驾驶数据可能包含多种信息，例如，车辆的行驶路线信息，车辆的行驶速度信息，车辆行驶过程中周围其它车辆的行驶信息，红绿灯信息，路况信息以及行驶路线上的障碍物信息等，因此，针对不同的信息和数据，所述的自动驾驶系统采用的第一决策模型也有所不同。

例如，若所述的数据为自动驾驶车辆200行驶过程中在路口遇到红绿灯时所述感知模块340识别的交通灯310的信息，那么所述的判断决策模块执行的第一决策模型可以为：判断所述自动驾驶车辆200车头与路口停车线311的距离是否大于减速区，若是，则直接形成第一决策。在一些实施例中，所述减速区的表述为：所述自动驾驶车辆200以当前的实时速度按照预定减速策略减速到零时所需的滑行距离。所述的第一决策模型可以用如下公式表述，判断所述自动驾驶车辆200车头与路口停车线311的距离是否大于减速区：

其中，d为所述自动驾驶车辆车头与路口停车线311的距离，v为所述车辆的规定滑行速度，a为停车阶段加速度。

在本申请的一个实施例中，形成所述第一决策后，将所述的第一决策储存到所述的存储

器420中。而没有将所述的第一决策直接发送至所述控制模块350。

执行步骤s103：由所述车载自动驾驶系统400将所述实时驾驶数据发送至远程数据处理系统600，并对所述信息和数据进行处理，生成第二决策；

附图7为所述的远程数据处理系统600的结构框图。所述的远程数据处理系统600至少包括：数据发送以及接收模块610；第二存储器620；第二判断决策模块630以及网络640。

所述的数据发送以及接收模块610用于接收从所述自动驾驶车辆200的自动驾驶系统400发送来的实时驾驶数据，并用于将处理后的实时驾驶数据以及决策信息发送回所述自动驾驶系统400。

第二存储器620；所述的第二存储器620可以存储数据和/或指令。在一些实施例中，所述第二存储器620可以存储从自动驾驶车辆发送来的数据。在一些实施例中，所述第二存储器620可以存储所述的远程数据处理系统处理后的信息和数据以及通过所述远程数据处理系统处理后获取到的第二决策，以执行本公开中描述的示例性方法。在一些实施例中，所述第二存储器620的存储功能可以在云平台上实现。仅作为示例，云平台可以包括私有云，公共云，混合云，社区云，分布式云，云间云，多云等，或其任何组合。

在一些实施例中，所述第二存储器620为远程存储器，可以包括大容量存储器，可移动存储器等，或其任何组合。作为示例，比如大容量存储器可以包括磁盘，光盘，固态驱动器等；比如可移动存储器可以包括闪存驱动器，软盘，光盘，存储卡，拉链盘，磁带。

所述第二判断决策模块630可以将所述自动驾驶系统发送的信息和数据进行处理，并形成第二决策。所述信息和数据例如自动驾驶车辆的实时驾驶数据，例如车辆周边的交通信号信息，行进过程中的障碍物信息，周围车辆信息，行人信息，车辆的加速度信息，车辆的定位信息，车辆的行进路线信息等。

在本申请的一个实施例中，所述第二判断决策模块630根据接收到的所述实时驾驶数据，判断所述自动行驶车辆的行驶状态以及当前的环境状况；并根据所述判断结果，形成第二决策。例如，所述的第二决策为降低或者增加车辆的行驶速度，又或者，所述第二决策为控制所述自动驾驶车辆进行变道行驶，又或者，所述第二决策为确定所述自动驾驶车辆的准确定位，或者，所述第二决策为控制所述车辆停止行驶或者驶进附近的停车场。

在本申请的一些实施例中，所述的第二判断决策模块630与自动驾驶系统400的判断决策模块360处理的自动驾驶车辆行车过程中获取的实时驾驶数据一样。其形成的第二决策与第一决策也是一一对应的。例如，在实际操作中，若所述的自动驾驶系统400的判断决策模块360基于自动驾驶车辆200行驶过程中在路口遇到红绿灯时所述感知模块340识别的交通灯310的信息，做出了第一决策，则所述远程数据处理系统600的第二判断决策模块630也会基于自动驾驶车辆200行驶过程中在路口遇到红绿灯时所述感知模块340识别的交通灯310的信息，做出了第二决策。

在本申请的另外一些实施例中，所述的第二判断决策模块630处理的数据量大于所述自动驾驶系统400的判断决策模块360处理的自动驾驶车辆行车过程中获取的实时驾驶数据。这是由于所述的第二决策模块630还可能储存或者从其他的数据源获取信息。例如，自动驾驶车辆在行驶过程中，车辆的自动驾驶系统获取的地图信息仅仅局限在车身周围一定的距离，而所述的远程数据处理系统600还可以从云端获取其他设备提供的更远范围内的交通拥堵信息，路况信息等。

在本申请的一些实施例中，所述的第二判断决策模块630通过执行所述远程数据处理系统600内设定的第二决策模型对所述的信息和数据进行处理，并形成所述第二决策。由于所述的信息和数据可能包含多种信息，例如，车辆的行驶路线信息，车辆的行驶速度信息，车辆行驶过程中周围其它车辆的行驶信息，红绿灯信息，路况信息以及行驶路线上的障碍物信息等，因此，针对不同的信息和数据，所述的远程数据处理系统600采用的第二决策模型也有所不同。

在本申请的一些实施例中，由于所述的判断决策模块360和第二判断决策模块630进行数据处理时所采用的决策模型不同，所述的第一决策和第二决策可能相同，也可能不同。在本发明的一些实施例中，所述的第二判断决策模块对所述数据处理的深度，广度和精细程度都大于所述判断决策模块360，从而可能使所述的第二决策的准确度和精细程度都大于所述第一决策。这是由于所述的判断决策模块360被设置于车载自动驾驶系统，受所述车载自动驾驶系统数据存储量以及数据运算能力的限制，所述的第一决策模型相对于第二决策模型比较简单，其运算广度，运算精度和运算深度都有限，而且判断决策模块360的数据运算能力小于所述第二判断决策模块630的数据运算能力。基于此，在本发明的一些实施例中，所述的第二决策的准确度大于所述第一决策的准确度。例如，在规划自动驾驶车辆的行驶路线时，由于所述的第二决策模型能将更远距离的堵车信息，路况信息等结合进来，因此，其给出的第二决策的准确性和实用性高于所述第一决策的准确性和实用性。而且，在本申请的一些实施例中，所述的第二决策模型的运算复杂度，例如运算层数也远高于所述第一决策模型的运算层数。

在本申请的一些具体实施例中，若所述的数据为自动驾驶车辆200行驶过程中在路口遇到红绿灯时所述感知模块340识别的交通灯310的信息，那么所述的第二判断决策模块执行的第二决策模型例如为：

如果所述自动驾驶车辆200按照预定加速策略行驶，从当前的实时速度加速到最高限速，所述自动驾驶车辆200路口停车线311的时间是否不大于绿灯的倒计时时间。在一些实施例中，所述预定加速策略可以包括但不限于：以当前的实时速度在指定的距离内匀加速至最高限速，或以当前的实时速度变加速至最高限速(比如以三角函数的方式在制定距离内将加速至道路最高速限)。自动驾驶车辆200通过路口停车线的计算方式可以按照车头经路口停车线311算起，也可以按照车身经过路口停车线算起，也可以按照车尾经过路口停车线算起。比如，所述第二决策模型判断如果车辆按照均匀加速策略，到车尾通过路口停车线311加速到最大速限(假定绿灯变成红灯的时刻车尾需通过停车线才为不闯红灯)，车辆到达路口的时间是否大于绿灯的倒计时剩余时间：

其中，ta为绿灯时对应的倒计时的时间，d为所述车辆车头与路口的距离，lv为车身长度，v为所述车辆的实时速度，vmax为路口的最高限速。

所述的远程数据处理系统600还包括用于进行所述实时驾驶数据的传输交换的网络640，在本申请的一些实施例中，所述的网络可以与所述自动驾驶控制系统中的网络430为同一个网络，也可以是不同的网络，但是所述网络为不同网络时，应该保证不同的网络间可以进行数据的传输与交换。

在一些实施例中，所述网络640可以是任何类型的有线或无线网络，或其组合。仅作为示例，所述网络640可以包括有线网络，有线网络，光纤网络，远程通信网络，内联网，因特网，局域网(lan)，广域网(wan)，无线局域网(wlan)，城域网(man)，广域网(wan)，公共电话交换网(pstn)，蓝牙网络，zigbee网络，近场通信(nfc)网络等，或其任何组合。在一些实施例中，所述网络640可以包括一个或多个网络接入点。

在本申请的另一些实施例中，所述的远程数据处理系统600还包括第二感知模块，用于对所述感知模块340采集的行车数据和环境信息进行深层次的感知，并将所述的感知结果发送回所述车载自动驾驶系统。所述行车数据和环境信息包括但不限于：车辆的实时速度、车辆与目标的距离、车辆的行进路线，车辆行进路线中的交通状况，交通灯的颜色、交通灯倒计时的时间和路口的最高限速，车辆前后的其它车辆或者行人信息，道路两侧的视觉信息，车辆的定位信息等。在本申请的一些实施例中，所述远程数据处理系统600对数据的感知范围更广，因此，其感知结果的广度和准确度大于所述自动驾驶系统的感知广度和准确度。

执行步骤s104，通过所述的数据发送以及接收模块，将所述第二决策发回所述自动驾驶系统400，所述自动驾驶系统的控制模块350接收所述第二决策，并将所述的第二决策存储在所述存储器420中。

执行步骤s105，通过所述自动驾驶系统的判断决策模块360将所述第二决策与第一决策

进行验算比对，所述的验算比对也可以被称为冗余比对；在通信工程当中，冗余指出于系统安全和可靠性等方面的考虑，人为地对一些关键部件或功能进行重复的配置。当系统发生故障时，比如某一设备发生损坏，冗余配置的部件可以作为备援，及时介入并承担故障部件的工作，由此减少系统的故障时间。冗余尤用于应急处理。冗余可以存在于不同层面，如网络冗余、服务器冗余、磁盘冗余、数据冗余等。

执行步骤s106，根据验算比对的结果，由所述车载自动驾驶系统对所述自动驾驶车辆下达决策指令。在本申请的一些实施例中，如果所述的第一决策和第二决策相同，则所述自动驾驶系统的控制模块350接收所述第一决策或者第二决策，并向所述自动驾驶车辆的发出决策指令。在一些实施例中，所述控制模块350可以配置成自主地驱动车辆。例如，所述控制模块350可以输出多个控制信号。多个控制信号可以被配置为由多个电子控制模块(electroniccontrolunits，ecu)接收，以控制车辆的驱动。

在本申请的一些实施例中，所述控制模块350自主的向所述的网关模块440，控制器区域网络(can)450，发动机管理系统(ems)460，电动稳定性控制(esc)470，电力系统(eps)480，转向柱模块(scm)490，节流系统465，制动系统475和转向系统495等发布执行指令，以控制所述自动驾驶车辆执行加速，减速，变道，转弯等操作。

在本申请的另一些实施例中，所述的第一决策和第二决策存在较小的差异(所述第一决策和第二决策的差别小于预设的阈值)，例如第一决策和第二决策对所述自动驾驶车辆坐标位置的判断，对所述自动驾驶车辆运行速度和运行路线的判断等有稍微差异，当所述差异小于设定的阈值的情况下，可以直接选用第一决策或者第二决策。针对不同的决策信息，其选择方案会有不同。比如，若所述的第一决策以及第二决策是对所述自动驾驶车辆车速和车身坐标的判定，由于第二决策梳理数据的精度更高，处理数据的范围更广，则优先选用所述第二决策的数值。除此之外，在堵车的情况下，对自动驾驶车辆的行驶路线进行规划时，由于第二决策模型获取的数据范围更广(从其他数据获取中心获取)，处理的数据量可能更大，因此，第二决策的准确度更高。在进行路径规划以判断车辆的预期到达时间时，所述的第二决策的准确度也可能更高。

如果所述第一决策和第二决策是关于红绿灯路口是否需要加速通过的决策，则采用所述第一决策和第二决策中相对更安全的决策指令。在某些实施例中，也可能选用第一决策和第二决策的平均值。

本申请的实施例中，对所述第一决策和第二决策指令差异性的判断是基于经验值和理论数据判断(预先设定阈值)，对于不同的决策信息类型，对指令差异性的判断方法和判断标准也并不相同，并且，所述的差异性的判断可以随经验数据的积累以及技术方案的改进进行优化设定。

本申请的一些实施例中，所述的决策也可以是基于所述第一决策和第二决策获取的第三决策。例如，所述的第三决策是第一决策和第二决策的函数。

在本申请的另一些实施例中，若所述第一决策和第二决策的差异被判定为较大(所述第一决策和第二决策的差别大于预设的阈值)，则判定为所述自动驾驶车辆以及自动驾驶系统故障，则通过所述的控制模块发出停车指令，将所述自动驾驶车辆尽快驶离路面，比如进入停车场或者路边允许停车的地方，并通知网关模块，或者发出预警信息。

在本申请的另一些实施例中，若所述第一决策和第二决策的差异被判定为较大(所述第一决策和第二决策的差别大于预设的阈值)，则继续重复执行本申请实施例所提供的自动驾驶车辆的控制方法，以避免之前获取第一决策和第二决策并进行比对的过程中，可能产生的计算误差。再一次进行所述的比对计算后，若最后获取的第一决策和第二决策的差异小于预设的阈值，则选取所述第一决策或者第二决策。若最后获取的第一决策和第二决策的差异依然大于预设的阈值，则控制模块驱动所述自动驾驶车辆立即停车或者尽快驶离驾驶环境，进入安全环境后停车。

本申请的实施例还提供一种自动驾驶系统，包括：存储器，所述存储器包括至少一组指令，所述指令被构建为完成自动驾驶车辆的驾驶策略；处理器，在工作状态下读取所述存储器的所述至少一组指令，并根据所述至少一组指令：

获取所述自动驾驶车辆的的实时驾驶数据；

基于所述实时驾驶数据，生成第一决策信息；

将所述实时驾驶数据发送至远程数据处理系统；

从所述远程数据处理系统接收第二决策，所述第二决策为所述远程数据处理系统基于所述实时驾驶数据生成；

将所述第二决策与第一决策进行验算比对，并根据验算比对的结果，对所述自动驾驶车辆下达决策指令。

本申请实施例还提供一种装配有所述自动驾驶系统的自动驾驶车辆。

综上所述，在阅读本详细公开内容之后，本领域技术人员可以明白，前述详细公开内容可以仅以示例的方式呈现，并且可以不是限制性的。尽管这里没有明确说明，本领域技术人员可以理解本申请意图囊括对实施例的各种合理改变，改进和修改。这些改变，改进和修改旨在由本申请提出，并且在本申请的示例性实施例的精神和范围内。

此外，本申请中的某些术语已被用于描述本申请的实施例。例如，“一个实施例”，“实施例”和/或“一些实施例”意味着结合该实施例描述的特定特征，结构或特性可以包括在本申请的至少一个实施例中。因此，可以强调并且应当理解，在本说明书的各个部分中对“实施例”或“一个实施例”或“替代实施例”的两个或更多个引用不一定都指代相同的实施例。此外，特定特征，结构或特性可以在本申请的一个或多个实施例中适当地组合。

应当理解，在本申请的实施例的前述描述中，为了帮助理解一个特征，出于简化本申请的目的，本申请有时将各种特征组合在单个实施例、附图或其描述中。或者，本申请又是将各种特征分散在多个本发明的实施例中。然而，这并不是说这些特征的组合是必须的，本领域技术人员在阅读本申请的时候完全有可能将其中一部分特征提取出来作为单独的实施例来理解。也就是说，本申请中的实施例也可以理解为多个次级实施例的整合。而每个次级实施例的内容在于少于单个前述公开实施例的所有特征的时候也是成立的。

在一些实施方案中，表达用于描述和要求保护本申请的某些实施方案的数量或性质的数字应理解为在某些情况下通过术语“约”，“近似”或“基本上”修饰。例如，除非另有说明，否则“约”，“近似”或“基本上”可表示其描述的值的±20％变化。因此，在一些实施方案中，书面描述和所附权利要求书中列出的数值参数是近似值，其可以根据特定实施方案试图获得的所需性质而变化。在一些实施方案中，数值参数应根据报告的有效数字的数量并通过应用普通的舍入技术来解释。尽管阐述本申请的一些实施方案列出了广泛范围的数值范围和参数是近似值，但具体实施例中都列出了尽可能精确的数值。

本文引用的每个专利，专利申请，专利申请的出版物和其他材料，例如文章，书籍，说明书，出版物，文件，物品等，可以通过引用结合于此。用于所有目的的全部内容，除了与其相关的任何起诉文件历史，可能与本文件不一致或相冲突的任何相同的，或者任何可能对权利要求的最宽范围具有限制性影响的任何相同的起诉文件历史。现在或以后与本文件相关联。举例来说，如果在与任何所包含的材料相关联的术语的描述、定义和/或使用与本文档相关的术语、描述、定义和/或之间存在任何不一致或冲突时，使用本文件中的术语为准。

最后，应理解，本文公开的申请的实施方案是对本申请的实施方案的原理的说明。其他修改后的实施例也在本申请的范围内。因此，本申请披露的实施例仅仅作为示例而非限制。本领域技术人员可以根据本申请中的实施例采取替代配置来实现本申请中的发明。因此，本申请的实施例不限于申请中被精确地描述过的哪些实施例。