行车规划方法、装置、设备及介质与流程

1.本发明涉及智能驾驶领域，尤其涉及行车规划方法、装置、设备及介质。


背景技术：

2.随着5g的发展，无人驾驶技术也越来越成熟。当前，根据其他车辆的历史轨迹数据，车辆可以结合自身的感知，预测和规划功能，保证了车辆的安全行驶。其中，规划模块起着很重要的作用。它接收感知模块对周围环境的识别输出，也和当前定位，地图信息交互，来决定最后的规划路径。
3.规划常用的算法有dijkstra，prm，rrt，d等以及相应的变形，每一种算法都需要特定的高精度地图形式。这些算法的本质都是基于规则，在一个可行区域不断优化，求一个最优解。但这个算法也有一定的问题：一方面汽车的行为空间具有典型的非凸性，同一个目标任务可能对应非常多个解决方案，同时全局最优解难以获得，具体表现就是汽车可能由于陷入局部最优，无法快速做出准确决策；另一方面行为空间具有多维性，要制定针对目标任务的规划方案需要在短时间内快速产生速度、加速度等多个维度的参数，对计算算力要求比较高，也比较费时。


技术实现要素：

4.本发明提供了一种行车规划方法、装置、设备及介质，以实现对行车危险的提前预警与行车决策的及时规划。
5.根据本发明的第一方面，提供了一种行车规划方法，包括：
6.确定当前行车周期下自身车辆和周边车辆的当前行车轨迹信息；
7.基于各所述当前行车轨迹信息，进行下一行车周期的行车安全判定，并获得行车安全判定结果；
8.根据所述行车安全判定结果，确定所述下一行车周期的下一行车决策信息。
9.根据本发明的第二方面，提供了一种行车规划装置，包括：
10.第一确定模块，用于确定当前行车周期下自身车辆和周边车辆的当前行车轨迹信息；
11.结果获得模块，用于基于各所述当前行车轨迹信息，进行下一行车周期的行车安全判定，并获得行车安全判定结果；
12.第二确定模块，用于根据所述行车安全判定结果，确定所述下一行车周期的下一行车决策信息。
13.根据本发明的第三方面，提供了一种电子设备，所述电子设备包括：
14.至少一个处理器；以及
15.与所述至少一个处理器通信连接的存储器；其中，
16.所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序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发明任一实施例所述的
行车规划方法。
17.根据本发明的第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的行车规划方法。
18.本发明实施例的技术方案，通过确定当前行车周期下自身车辆和周边车辆的当前行车轨迹信息；基于各当前行车轨迹信息，进行下一行车周期的行车安全判定，并获得行车安全判定结果；根据行车安全判定结果，确定下一行车周期的下一行车决策信息。通过在行车决策规划前根据车辆的历史轨迹，对下一行车周期的行车路径进行行车安全的判定，判断是否存在行车危险，根据判定结果决定是否更新车辆的规划路线，从而确定下一行车决策信息。实现了在预测到有危险时，提前更新最优路径并及时采取相应措施，解决了规划滞后的问题，避免行车过程中不必要的危险，提高了行车规划的效率，保证了行车安全。
19.应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明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
20.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
21.图1是本发明实施例一提供的一种行车规划方法的流程图；
22.图2是本发明实施例二提供的一种行车规划方法的流程图；
23.图3是本发明实施例三提供的一种行车规划装置的结构示意图；
24.图4是实现本发明实施例的电子设备的结构示意图。
具体实施方式
25.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明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发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，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，都应当属于本发明保护的范围。
26.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
27.实施例一
28.图1为本发明实施例一提供了一种行车规划方法的流程图，本实施例可适用于行
车规划的情况，该方法可以由行车规划装置来执行，该行车规划装置可以采用硬件和/或软件的形式实现，该行车规划装置可配置于电子设备中。如图1所示，该方法包括：
29.s110、确定当前行车周期下自身车辆和周边车辆的当前行车轨迹信息。
30.在本实施例中，当前行车周期可以理解为设定的行车规划周期。自身车辆可以理解为需要进行行车规划的车辆。周边车辆可以理解为在当前行车周期下自身车辆周边设定范围下的车辆。当前行车轨迹信息可以理解为在当前行车周期下自身车辆和周边车辆已经行驶及即将行驶的轨迹、速度、距离等车辆信息。
31.具体的，当电子设备置于自身车辆上时，处理器可以通过控制自身车辆上配备的传感器、摄像头等装置，按照设定的距离范围对自身车辆周边的车辆进行识别，从而可以检测出距离范围内的周边车辆的偏航角、倾侧角、速度等车辆信息，处理器根据这些车辆信息可以对周边车辆当前已经行驶的路线及即将行驶的路线进行确定，即处理器可以确定出周边车辆的当前行车轨迹信息。处理器还可以对自身车辆在当前行车周期已经行驶过的行车轨迹进行记录，并可以结合上一行车周期对当前行车周期进行规划的路线中未行驶的路线，确定自身车辆的当前行车轨迹信息。当电子设备置于云端时，处理器可以通过定位的方式确定自身车辆周围的周边车辆，可以获取自身车辆及周边车辆上传的当前行车轨迹信息。
32.s120、基于各当前行车轨迹信息，进行下一行车周期的行车安全判定，并获得行车安全判定结果。
33.在本实施例中，下一行车周期可以理解为自身车辆即将行驶的周期。行车安全判定结果可以对应为自身车辆即将行驶的轨迹是否安全。
34.具体的，处理器可以根据自身车辆的当前行车轨迹信息以及周边车辆的当前行车轨迹信息，对下一行车周期下要行驶的路径进行确定，可以根据历史发生不同种类事故时车辆的情况进行综合分析，来判断自身车辆及周边车辆的行车轨迹及车辆信息是否对应为历史发生事故前的车辆情况，即进行下一行车周期的行车安全判定，判断自身车辆在下一行车周期按照根据当前行车轨迹信息预测出的下一行驶路径继续行驶，是否会发生行车危险，将是否会发生行车危险作为行车安全判定结果。
35.s130、根据行车安全判定结果，确定下一行车周期的下一行车决策信息。
36.在本实施例中，下一行车决策信息可以理解为下一行车周期自身车辆应行驶的路径、加速度等用于车辆控制的信息。
37.具体的，可以根据行车安全判定结果，确定下一行车周期继续按照根据当前行车轨迹信息进行预测的路径是否安全，如果该条路径是安全的，则处理器可以结合该条路径，对行驶的路径、与障碍物间距、自身的加速度等参数进行规划，确定下一行车周期的下一行车决策信息。如果预测的路径是不安全的，则处理器可以排除该条路径，对排除该条路径的其他的行驶路径、与障碍物间距、自身的加速度等参数进行规划，确定下一行车周期的下一行车决策信息。
38.本发明实施例的技术方案，通过确定当前行车周期下自身车辆和周边车辆的当前行车轨迹信息；基于各当前行车轨迹信息，进行下一行车周期的行车安全判定，并获得行车安全判定结果；根据行车安全判定结果，确定下一行车周期的下一行车决策信息。通过在行车决策规划前根据车辆的历史轨迹，对下一行车周期的行车路径进行行车安全的判定，判
断是否存在行车危险，根据判定结果决定是否更新车辆的规划路线，从而确定下一行车决策信息。实现了在预测到有危险时，提前更新最优路径并及时采取相应措施，解决了规划滞后的问题，避免行车过程中不必要的危险，提高了行车规划的效率，保证了行车安全。
39.实施例二
40.图2为本发明实施例二提供的一种行车规划方法的流程图，本实施例是在上述实施例的基础上的进一步细化。如图2所示，该方法包括：
41.s201、获取预先相对当前行车周期确定的当前行车决策信息，并从当前行车决策信息中提取自身车辆的当前行车轨迹信息。
42.在本实施例中，当前行车决策信息可以理解为在在上一行车周期确定出的自身车辆在当前周期的行驶路径、加速度等与控制驾驶相关的信息。
43.具体的，由于在上一行车周期可以对下一行车周期的行车决策信息进行预先确定，可以将预测出的当前行车决策信息储存在相关存储单元中。在到达当前行车周期时，处理器可以从相关存储单元中获取预先相对当前行车周期确定的当前行车决策信息。并从当前行车决策信息中提取自身车辆的当前行车轨迹信息。
44.s202、获取各传感装置相对行车环境中周边车辆捕获的当前传感数据。
45.在本实施例中，传感装置可以理解为用于采集周边车辆的行驶信息的数据。当前传感数据可以理解为周边车辆的驾驶数据，如速度、位置等。
46.具体的，处理器可以通过控制设置于车辆中的各传感装置进行周边车辆的数据的采集，并将采集的数据传送至处理器中，实现对行车环境中周边车辆的当前传感数据进行捕获，如可以通过感知装置及定位装置对周边的车辆进行拍摄，确定出周边各车辆相对于自身车辆的位置，周边各车辆的横向、纵向速度、偏航角、俯仰角等传感信息，作为当前传感数据。
47.s203、根据各当前传感数据，确定周边车辆在当前行车周期的当前行车轨迹信息。
48.具体的，处理器可以接收各传感装置传送的当前传感数据，可以当前传感数据进行分析，确定出周边车辆在当前行车周期的当前行车轨迹信息。
49.s204、获取自身车辆在当前行车周期下的当前路况信息。
50.在本实施例中，当前路况信息可以理解为自身车辆所处地理位置、道路的情况对应的信息，如所处地理位置的天气、能见度等与天气相关的信息，与所处道路周边车辆数目的信息等。
51.需要知道的是，车辆当在通勤高峰，恶劣天气，道路湿滑等情况行驶时，可能会因为外界因素导致本身是安全的驾驶场景变成了危险的场景，则需要对这些可能影响车辆行驶安全的信息进行收集。
52.具体的，在当前行车周期处理器可以发送一条当前路况信息获取指令至相关的设备及传感装置，相关设备及传感装置接收到获取指令后，可以对自身车辆所处地理位置、道路的情况进行采集，并将采集到的数据反馈至处理器。
53.示例性的，处理器可以通过网络等方式，如从天气预报中获取自身车辆所处地理位置的天气情况、能见度情况等与天气相关的信息，可以通过相应的传感装置，对设定的周边距离范围内的车辆数目进行采集，如距离自身车辆100米范围内的车辆数目，将天气情况、能见度情况等于天气相关的信息以及车辆数目作为当前路况参数信息。
54.s205、根据当前路况信息，确定当前安全判定阈值。
55.在本实施例中，当前安全判定阈值可以理解为用于通过比对的方式判断车辆是否安全的阈值，其中，当前路况参数信息包括天气信息、能见度、道路湿滑信息、拥堵度中的任意一个或组合，以及自身车辆预设范围内的车辆数。
56.需要知道的是，安全判定阈值通常为一个固定值，但是随着自身车辆驾驶的位置变化，车况情况的变化，其周边情况即路况也会变化，当车况、路况对应较好时，按照设定的固定的安全判定阈值进行判断可能会造成偏差，则需要结合路况信息实时对安全判定阈值进行更改，如在路况较好的时候，危险场景判别的神经网络的最后一层非线性sigmod模块可以自动适当提高它的安全判定阈值，降低召回率，提高准确率，做到预警即危险，而不用频繁地去提醒规划模块可能发生危险，提升计算速度。相反，在路况不好的时候，非线性模块适当降低它的安全判定阈值，降低准确率，提高召回率。这样规划轨迹时就能考虑到所有可能发生的危险，降低事故率，保障驾驶安全。
57.具体的，可以预先设定当前路况信息与当前安全判定阈值的关联关系，处理器可以根据关联关系确定出当前路况信息对应的当前安全判定阈值。
58.进一步地，在上述步骤的基础上，根据当前路况信息，确定当前安全判定阈值的步骤，具体可以包括：
59.a1、根据当前路况信息，确定当前路况参数信息。
60.在本实施例中，当前路况参数信息可以理解为将路况信息转换为数字形式表示的信息。
61.具体的，当前路况信息可能为文字信息，如天气情况对应为晴天，安全判定阈值为数值，如0.5。为了便于处理器后续根据当前路况信息确定安全判定阈值，需要将获取的当前路况信息进行转换，转换为对应的数值信息。可以预先建立每种路况与其对应的数值的关联关系，当处理器接收到当前路况信息时，可以将当前路况信息中的各信息与关联关系进行比对，确定出当前路况情况中各信息对应的数值，将数值作为当前路况参数信息。
62.示例性的，天气的常见有15种情况：晴天，阴天，雾天，小雨，中雨，大雨，雷阵雨，暴雨，小雪，中雪，大雪，暴雪，扬尘，沙尘暴，如天气信息从晴天、阴天、雾天、小雨、中雨、大雨、雷阵雨、暴雨、小雪、中雪、大雪、暴雪、扬尘至沙尘暴，天气情况可以从优良到恶劣，天气信息数值取值范围0.5-1.5，可以将雾天、暴雪、沙尘暴等恶劣天气设定为数值0.8，将小雨、中雨、大雨等雨天设定为数值0.9，阴天设定为数值1.0，晴天设定为1.1。可以根据能见程度设定数值，如从30公里到100米，从能见度情况从远至近设定能见度参数范围1-9：1为能见度20-30公里，能见度较好且视野清晰；2为能见度15-25公里，能见度好且视野较清晰；3为能见度10-20公里，能见度一般；4为能见度5-15公里，能见度较好且视野清晰；5为能见度1-10公里，轻雾，能见度差且视野不清晰；6为能见度0.3-1公里，大雾，能见度很差；7为能见度小于0.3公里，重雾，能见度极差；8为能见度小于0.1公里，浓雾，能见度极差；9为能见度不足100米，通常能见度被认定为零。获取的当前路况信息中可以的天气情况为晴天，则对应的当前路况参数情况中天气数值为1.1，能见度为22公里，对应的能见度数值为1，自身车辆20米范围内的车辆情况为3辆。
63.b1、根据当前路况参数信息，确定当前安全判定阈值。
64.具体的，可以根据当前路况参数信息及预先设定的阈值确定公式，确定当前安全
判定阈值。
65.示例性的，阈值确定公式可以为：
66.c＝0.5*w*v/(n*0.15)
67.其中，c可以表示当前安全判定阈值，w可以表示天气，v可以表示能见度，n可以表示车辆数。
68.s206、将各当前行车轨迹信息作为输入数据，输入至预先训练的行车安全预警模型中。
69.在本实施例中，输入数据可以理解为输入模型的数据。行车安全预警模型可以理解为用于确定行车安全结果的模型。
70.具体的，可以预先训练生成行车安全预警模型，处理器可以将自身车辆及周边车辆的各当前行车轨迹信息作为输入数据，输入预先训练的行车安全预警模型中。
71.进一步地，在上述步骤的基础上，行车安全预警模型的确定步骤可以包括：
72.a2、获取原始样本集。
73.在本实施例中，原始样本集可以理解为大量数据形成的样本集。
74.需要知道的是，统计数据显示，追尾和侧面碰撞是现实世界中最常见的两种交通事故，因此关注的事故包括六种类型：1、正常驾驶无事故，2、前车紧急刹车，导致追尾，3、后车加速与前车相撞，4、后面的车辆撞上同一车道上的停车车辆，5、车辆撞车，刚完成换道就发生追尾事故，6、改变车道的车辆与直线行驶的车辆相撞，7、直线行驶的车辆与正在变道的车辆相撞，其中四种属于追尾事故，可以共7种分类场景。本模型关注的重点是轨迹是否危险，所以最后将七种标签分成两种，安全和危险情况。
75.具体的，可以通过实车采集打标的方式，采集了路口正常交通流状态下多车的多条高精度轨迹数据，形成原始样本集，并获取原始样本集。
76.b2、对原始样本集中包括的各行车轨迹数据进行切割，得到中间样本集。
77.在本实施例中，中间样本集可以理解为各数据长度相同的样本集。
78.具体的，行车安全预警模型需要所有样本的输入长度相同，因此需要对原始样本集中的各行车轨迹数据进行切割，保证每个行车轨迹数据的长度均相同。对处理后的数据进行归一化，消除数据的单位限制，将其转化为无量纲的纯值，有利于提高学习效率和性能，将归一化后的样本集作为中间样本集。
79.具体的，切割方法可以是删除原始样本集中包括的开始轨迹点或结束轨迹点，但需要确保切割后的数据包含事故点，为了保证事故检测的及时性，轨迹的持续时间可以设定为一定值，因此，以碰撞点为参考点，保留参考点前后设定时间长度的轨迹数据，进行切割。
80.c2、根据中间样本集，确定初始化模型。
81.在本实施例中，初始化模型可以理解为未经过训练的模型。
82.具体的，可以根据中间样本集，确定初始化模型。
83.示例性的，模型的输入是两辆事故车辆或两辆正常行驶车辆的轨迹相关变量，每辆车包括8个变量，即纵向位置、横向位置、俯仰角、偏航角、侧倾角、纵向速度、横向速度和垂直速度。因此，一个样本中的两辆车有16个输入变量，即可以设定初始化模型的样本列数为16，定义样本的行数为r，样本的大小可以表示为[r
×
16]。初始化模型的输出则对应为2
个类别的结果。
[0084]
d2、对初始化模型进行交叉验证，得到行车安全预警模型。
[0085]
具体的，为了解决样本较少，训练学习到的模型出现过拟合情况，最大限度地提高数据利用率，需要结合中间样本集对初始化模型进行交叉验证，得到训练后的行车安全预警模型。
[0086]
示例性的，可以所以采用10折交叉验证方法。在10文件夹交叉验证方法中，将数据分为10个文件夹，其中训练数据集、验证数据集和测试数据集的比例为8:1:1。train-validate-test过程进行10次，每次使用8个文件夹数据训练，1个文件夹数据进行验证，其余1个文件夹用于测试提出的模型。最后，这10个文件夹都被用作验证数据和测试数据一次。取10次的平均结果作为最终结果。
[0087]
s207、判断行车安全预警模型输出的运行结果是否小于当前安全判定阈值。
[0088]
在本实施例中，运行结果可以理解为用于显示安全程度的数值。
[0089]
具体的，处理器可以将输入数据输入至行车安全预警模型中，得到运行结果，将这个与确定出的当前安全判定阈值进行比对，判断运行结果是否小于当前安全判定阈值。
[0090]
s208、若是，则将安全行车作为行车安全判定结果。
[0091]
具体的，通过比对，如果运行结果小于当前安全判定阈值，则将安全行车作为行车安全判定结果。
[0092]
示例性的，运行结果为0.51，安全判定阈值为固定值时为0.5，0.51比0.5大，那么模型就会判断出当前轨迹是危险的，车辆继续行驶可能发生危险。但如果车况较好，天气情况也很好，在实际的驾驶过程中车辆可以及时调整驾驶行为，这样的轨迹其实是安全的。那么这样的报警就显得没有意义了。根据路况参数信息对安全判定阈值进行动态确定后，根据公式计算，天气和路况较好，假设w是1.1，v是1.2，n为6，那么c的计算结果为0.73，这时0.51小于0.73，将安全行车作为行车安全判定结果，此时模型的判断结果就和实际情况一致。
[0093]
s209、否则，将危险行车作为行车安全判定结果。
[0094]
具体的，通过比对，如果运行结果大于或等于当前安全判定阈值，则将危险行车作为行车安全判定结果。
[0095]
示例性的，运行结果是0.45，安全判定阈值为固定值时为0.5，0.45比0.5小，那么模型就会判断出这个轨迹是安全的。但如果车况较差，天气情况恶劣，在实际的驾驶过程中车辆可能制动距离变长，视野变小，这样的轨迹其实正是危险的，车辆还是可能发生危险。根据路况参数信息对安全判定阈值进行动态确定后，根据公式计算，天气和路况较差，假设w是0.9，v是0.7，n为12，那么c的计算结果为0.18，这时模型的输出值0.45大于0.18，将危险行车作为行车安全判定结果，和实际情况相符。
[0096]
s210、如果行车安全判定结果为安全行车，则基于自身车辆的当前行车轨迹信息，结合获得的行车感知及定位信息，确定下一行车周期的下一行车决策信息。
[0097]
具体的，处理器可以控制行车感知设备对周边车辆的情况进行感知，得到行车感知信息，可以控制车辆上配备的定位单元，对自身车辆进行定位，得到定位信息。对根据行车安全预警模型及当前安全判定阈值确定出行车安全判定结果为安全行车时，可以基于自身车辆的当前行车轨迹信息，结合获得的行车感知及定位信息，确定下一行车周期自身车
辆的行驶路径、加速度等信息，即确定下一行车周期的下一行车决策信息。
[0098]
s211、如果行车安全判定结果为危险行车，则排除自身车辆所对应当前行车轨迹信息中包含的行车道。
[0099]
在本实施例中，行车道可以理解为车辆行驶的车道。
[0100]
具体的，对根据行车安全预警模型及当前安全判定阈值确定出行车安全判定结果为危险行车时，可以认为按照当前行车轨迹信息中的行车道继续行驶，可能会出现撞车等危险，则再对路径进行规划时，可以排除自身车辆所对应的当前行车轨迹中包含的行车道。
[0101]
s212、基于剩余行车道信息确定候选行车路径信息，并候选行车路径信息中包含的候选行车路径进行行车安全判定。
[0102]
在本实施例中，剩余行车道信息可以理解为通过预测得到的可以行驶的其他行车道。候选行车路径信息可以理解为下一行车周期可以行驶的路径。
[0103]
具体的，处理器可以根据预先配备的感知、地图、定位、预测等设备或模块输入的信息，根据排除了判定为危险行车的行车道的剩余行车道信息，结合自身车辆及周边车辆的轨迹信息，可以预测出多条下一行车周期对应的候选行车路径，将多条候选行车路径作为候选行车路径信息，可以将多条候选行车路径进行最优排序，按照排序的顺序对每条候选行车路径进行行车安全判定。
[0104]
s213、基于行车安全判定结果为安全行车的候选行车路径，结合行车感知及定位信息，确定下一行车周期的下一行车决策信息。
[0105]
具体的，可以按照排序的顺序对排名第一的候选行车路径进行行车安全判定，如果判定结果为危险行车，则再对排名顺序中位于第二位的候选行车路径进行行车安全判定，确定判定结果是否为安全行车，以此类推，当判定结果为安全行车时，则可以将判定结果为安全行车的候选行车路径，结合行车感知及定位信息，进行车辆行为规划、动作优化等综合规划，根据规划结果确定下一行车周期的下一行车决策信息。
[0106]
本发明实施例的技术方案，通过根据自身车辆及周边车辆的当前行车轨迹信息，作为输入信息，输入预先训练的行车安全预警模型中，基于路况信息实时调整安全判定阈值，使安全判定阈值可以满足实际场景的需要，当路况信息对应路况较好时可以自适应的增大安全判定阈值，降低召回率，提高准确率，做到预警即危险，而不用频繁地去提醒规划模块可能发生危险，提升计算速度。当路况信息对应路况不好时可以自适应的减小安全判定阈值，降低准确率，提高召回率，这样对行车决策进行规划时就能考虑到所有可能发生的危险，降低事故率，保障驾驶安全。当判定结果为危险行车时，可以排除当前行车道，提前让规划模块更新最优路径，及时采取相应措施，避免一些不必要的危险，当判定结果为安全行车时，可以基于当前行车道进行策略规划，提高了规划效率，节省了算力，进而保证了行车安全。
[0107]
实施例三
[0108]
图3为本发明实施例三提供的一种行车规划装置的结构示意图。如图3所示，该装置包括：第一确定模块31、结果获得模块32及第二确定模块33。其中，
[0109]
第一确定模块31，用于确定当前行车周期下自身车辆和周边车辆的当前行车轨迹信息；
[0110]
结果获得模块32，用于基于各当前行车轨迹信息，进行下一行车周期的行车安全
判定，并获得行车安全判定结果；
[0111]
第二确定模块33，用于根据行车安全判定结果，确定下一行车周期的下一行车决策信息。
[0112]
本发明实施例的技术方案，通过确定当前行车周期下自身车辆和周边车辆的当前行车轨迹信息；基于各当前行车轨迹信息，进行下一行车周期的行车安全判定，并获得行车安全判定结果；根据行车安全判定结果，确定下一行车周期的下一行车决策信息。通过在行车决策规划前根据车辆的历史轨迹，对下一行车周期的行车路径进行行车安全的判定，判断是否存在行车危险，根据判定结果决定是否更新车辆的规划路线，从而确定下一行车决策信息。实现了在预测到有危险时，提前更新最优路径并及时采取相应措施，解决了规划滞后的问题，避免行车过程中不必要的危险，提高了行车规划的效率，保证了行车安全。
[0113]
可选的，第一确定模块31可以具体用于：
[0114]
获取预先相对当前行车周期确定的当前行车决策信息，并从当前行车决策信息中提取自身车辆的当前行车轨迹信息；
[0115]
获取各传感装置相对行车环境中周边车辆捕获的当前传感数据；
[0116]
根据各当前传感数据，确定周边车辆在当前行车周期的当前行车轨迹信息。
[0117]
可选的，结果获得模块32包括：
[0118]
信息获取单元，用于获取自身车辆在当前行车周期下的当前路况信息；
[0119]
阈值确定单元，用于根据当前路况信息，确定当前安全判定阈值；
[0120]
数据输入单元，用于将各当前行车轨迹信息作为输入数据，输入至预先训练的行车安全预警模型中；
[0121]
第一判断单元，用于如果行车安全预警模型输出的运行结果小于当前安全判定阈值，则将安全行车作为行车安全判定结果；
[0122]
第二判断单元，用于否则，将危险行车作为行车安全判定结果。
[0123]
进一步的，阈值确定单元可以具体用于：
[0124]
根据当前路况信息，确定当前路况参数信息；
[0125]
根据当前路况参数信息，确定当前安全判定阈值，其中，当前路况参数信息包括天气信息、能见度、道路湿滑信息、拥堵度中的任意一个或组合，以及自身车辆预设范围内的车辆数。
[0126]
进一步的，行车安全预警模型的确定步骤包括：
[0127]
获取原始样本集；
[0128]
对原始样本集中包括的各行车轨迹数据进行切割，得到中间样本集；
[0129]
根据中间样本集，确定初始化模型；
[0130]
对初始化模型进行交叉验证，得到行车安全预警模型。
[0131]
可选的，第二确定模块33可以具体用于：
[0132]
如果行车安全判定结果为安全行车，则基于自身车辆的当前行车轨迹信息，结合获得的行车感知及定位信息，确定下一行车周期的下一行车决策信息。
[0133]
可选的，第二确定模块33还可以具体用于：
[0134]
如果行车安全判定结果为危险行车，则排除自身车辆所对应当前行车轨迹信息中包含的行车道；
[0135]
基于剩余行车道信息确定候选行车路径信息，并候选行车路径信息中包含的候选行车路径进行行车安全判定；
[0136]
基于行车安全判定结果为安全行车的候选行车路径，结合行车感知及定位信息，确定下一行车周期的下一行车决策信息。
[0137]
本发明实施例所提供的行车规划装置可执行本发明任意实施例所提供的行车规划方法，具备执行方法相应的功能模块和有益效果。
[0138]
实施例四
[0139]
图4示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，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(如头盔、眼镜、手表等)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/或者要求的本发明的实现。
[0140]
如图4所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(rom)12、随机访问存储器(ram)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(rom)12中的计算机程序或者从存储单元18加载到随机访问存储器(ram)13中的计算机程序，来执行各种适当的动作和处理。在ram 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、rom 12以及ram 13通过总线14彼此相连。输入/输出(i/o)接口15也连接至总线14。
[0141]
电子设备10中的多个部件连接至i/o接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10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。
[0142]
处理器11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。处理器11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处理器、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。处理器11执行上文所描述的各个方法和处理，例如行车规划方法。
[0143]
在一些实施例中，行车规划方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由rom 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到ram 13并由处理器11执行时，可以执行上文描述的行车规划方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行行车规划方法。
[0144]
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)、负载可编程逻辑设备(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。
[0145]
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序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。
[0146]
在本发明的上下文中，计算机可读存储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计算机程序。计算机可读存储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。备选地，计算机可读存储介质可以是机器可读信号介质。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。
[0147]
为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：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电子设备。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。
[0148]
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)、或者包括第一件部件的计算系统(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、第一件部件、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)、区块链网络和互联网。
[0149]
计算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，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务中，存在的管理难度大，业务扩展性弱的缺陷。
[0150]
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，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
[0151]
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明
的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。