汽车协同决策方法、装置、电子设备及计算机存储介质

本申请属于智能交通技术领域，尤其涉及一种汽车协同决策方法、装置、电子设备及计算机存储介质。

背景技术：

目前，相关技术中的汽车协同决策方法主要是车辆依靠图像识别判断周围其他无人驾驶车行车意图及车辆状况，但所存在的延时和不准确，导致道路使用率低和安全等级低。

因此，如何提高道路使用率和安全等级是本领域技术人员亟需解决的技术问题。

技术实现要素：

本申请实施例提供一种汽车协同决策方法、装置、电子设备及计算机存储介质，能够提高道路使用率和安全等级。

第一方面，本申请实施例提供一种汽车协同决策方法，应用于云服务器端，包括：

接收路侧设备发送的协同决策请求；其中，协同决策请求是路侧设备在获取道路实时信息，并基于道路实时信息确定道路发生拥堵后而发送的请求；

获取协同决策请求中附带的道路场景信息；

基于道路场景信息，确定拥堵场景类型；

基于拥堵场景类型，利用预设场景协同决策模型计算面向多车的决策规划方案；

向各个汽车分别发送对应的决策规划方案，以使各个汽车依据各自的决策规划方案执行对应的驾驶操作。

可选的，基于拥堵场景类型，利用预设场景协同决策模型计算面向多车的决策规划方案，包括：

获取拥堵场景类型对应的道路约束信息和车辆即时状态信息；

基于道路约束信息和车辆即时状态信息，利用预设场景协同决策模型计算面向多车的决策规划方案。

可选的，获取车辆即时状态信息，包括：

接收各个汽车发送的车辆速度、加速度、角速度、车轮转向、制动信息、与前/后车之间的相对距离、目的地信息、规划路径行驶比率中的至少一种信息。

可选的，获取车辆即时状态信息，包括：

接收路侧设备发送的交通灯状态信息、车辆前后相对次序信息、行人在道路场景中所处位置信息中的至少一种信息。

可选的，道路约束信息包括车辆允许速度范围、车道数、车道宽度、道路可行路段。

可选的，预设场景协同决策模型为基于博弈论匹配方法设计的时隙分配模型。

可选的，决策规划方案包括行驶优先级分配方案、车辆路径变更方案、车辆下一状态行驶操作方案中的至少一种方案。

第二方面，本申请实施例提供了一种汽车协同决策装置，应用于云服务器端，包括：

接收模块，用于接收路侧设备发送的协同决策请求；其中，协同决策请求是路侧设备在获取道路实时信息，并基于道路实时信息确定道路发生拥堵后而发送的请求；

获取模块，用于获取协同决策请求中附带的道路场景信息；

确定模块，用于基于道路场景信息，确定拥堵场景类型；

计算模块，用于基于拥堵场景类型，利用预设场景协同决策模型计算面向多车的决策规划方案；

发送模块，用于向各个汽车分别发送对应的决策规划方案，以使各个汽车依据各自的决策规划方案执行对应的驾驶操作。

可选的，计算模块，包括：

获取单元，用于获取拥堵场景类型对应的道路约束信息和车辆即时状态信息；

计算单元，用于基于道路约束信息和车辆即时状态信息，利用预设场景协同决策模型计算面向多车的决策规划方案。

可选的，获取单元，包括：

第一接收子单元，用于接收各个汽车发送的车辆速度、加速度、角速度、车轮转向、制动信息、与前/后车之间的相对距离、目的地信息、规划路径行驶比率中的至少一种信息。

可选的，获取单元，包括：

第二接收子单元，用于接收路侧设备发送的交通灯状态信息、车辆前后相对次序信息、行人在道路场景中所处位置信息中的至少一种信息。

可选的，道路约束信息包括车辆允许速度范围、车道数、车道宽度、道路可行路段。

可选的，预设场景协同决策模型为基于博弈论匹配装置设计的时隙分配模型。

可选的，决策规划方案包括行驶优先级分配方案、车辆路径变更方案、车辆下一状态行驶操作方案中的至少一种方案。

第三方面，本申请实施例提供了一种电子设备，电子设备包括：处理器以及存储有计算机程序指令的存储器；

处理器执行计算机程序指令时实现如第一方面所示的汽车协同决策方法。

第四方面，本申请实施例提供了一种计算机存储介质，计算机存储介质上存储有计算机程序指令，计算机程序指令被处理器执行时实现如第一方面所示的汽车协同决策方法。

本申请实施例的汽车协同决策方法、装置、电子设备及计算机存储介质，能够提高道路使用率和安全等级。该汽车协同决策方法，应用于云服务器端，包括：接收路侧设备发送的协同决策请求；其中，协同决策请求是路侧设备在获取道路实时信息，并基于道路实时信息确定道路发生拥堵后而发送的请求；获取协同决策请求中附带的道路场景信息；基于道路场景信息，确定拥堵场景类型；基于拥堵场景类型，利用预设场景协同决策模型计算面向多车的决策规划方案；向各个汽车分别发送对应的决策规划方案，以使各个汽车依据各自的决策规划方案执行对应的驾驶操作。可见，该方法利用云服务器生成面向多车的决策规划方案，向各个汽车分别发送对应的决策规划方案，以使各个汽车依据各自的决策规划方案执行对应的驾驶操作，故能够提高道路使用率和安全等级。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单的介绍，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。

图1是本申请一个实施例提供的汽车协同决策方法的流程示意图；

图2是本申请另一个实施例提供的汽车协同决策方法的流程示意图；

图3是本申请一个实施例提供的系统架构示意图；

图4是本申请另一个实施例提供的系统架构示意图；

图5是本申请一个实施例提供的汽车协同决策装置的结构示意图；

图6是本申请一个实施例提供的电子设备的结构示意图。

具体实施方式

下面将详细描述本申请的各个方面的特征和示例性实施例，为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本申请进行进一步详细描述。应理解，此处所描述的具体实施例仅意在解释本申请，而不是限定本申请。对于本领域技术人员来说，本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物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、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

目前，相关技术中的汽车协同决策方法主要是车辆依靠图像识别判断周围其他无人驾驶车行车意图及车辆状况，但所存在的延时和不准确，导致道路使用率低和安全等级低。

为了解决现有技术问题，本申请实施例提供了一种汽车协同决策方法、装置、电子设备及计算机存储介质。下面首先对本申请实施例所提供的汽车协同决策方法进行介绍。

图1示出了本申请一个实施例提供的汽车协同决策方法的流程示意图。如图1所示，该汽车协同决策方法应用于云服务器端，可以包括：

s101、接收路侧设备发送的协同决策请求；其中，协同决策请求是路侧设备在获取道路实时信息，并基于道路实时信息确定道路发生拥堵后而发送的请求。

s102、获取协同决策请求中附带的道路场景信息。

s103、基于道路场景信息，确定拥堵场景类型。

s104、基于拥堵场景类型，利用预设场景协同决策模型计算面向多车的决策规划方案。

在一个实施例中，基于拥堵场景类型，利用预设场景协同决策模型计算面向多车的决策规划方案，包括：

获取拥堵场景类型对应的道路约束信息和车辆即时状态信息；

基于道路约束信息和车辆即时状态信息，利用预设场景协同决策模型计算面向多车的决策规划方案。

在一个实施例中，获取车辆即时状态信息，包括：

接收各个汽车发送的车辆速度、加速度、角速度、车轮转向、制动信息、与前/后车之间的相对距离、目的地信息、规划路径行驶比率中的至少一种信息。

在一个实施例中，获取车辆即时状态信息，包括：

接收路侧设备发送的交通灯状态信息、车辆前后相对次序信息、行人在道路场景中所处位置信息中的至少一种信息。

在一个实施例中，道路约束信息包括车辆允许速度范围、车道数、车道宽度、道路可行路段。

在一个实施例中，预设场景协同决策模型为基于博弈论匹配方法设计的时隙分配模型。

在一个实施例中，决策规划方案包括行驶优先级分配方案、车辆路径变更方案、车辆下一状态行驶操作方案中的至少一种方案。

s105、向各个汽车分别发送对应的决策规划方案，以使各个汽车依据各自的决策规划方案执行对应的驾驶操作。

该汽车协同决策方法，应用于云服务器端，包括：接收路侧设备发送的协同决策请求；其中，协同决策请求是路侧设备在获取道路实时信息，并基于道路实时信息确定道路发生拥堵后而发送的请求；获取协同决策请求中附带的道路场景信息；基于道路场景信息，确定拥堵场景类型；基于拥堵场景类型，利用预设场景协同决策模型计算面向多车的决策规划方案；向各个汽车分别发送对应的决策规划方案，以使各个汽车依据各自的决策规划方案执行对应的驾驶操作。可见，该方法利用云服务器生成面向多车的决策规划方案，向各个汽车分别发送对应的决策规划方案，以使各个汽车依据各自的决策规划方案执行对应的驾驶操作，故能够提高道路使用率和安全等级。

图2是本申请另一个实施例提供的汽车协同决策方法的流程示意图，如图2所示，该方法可以包括：路侧设备感知道路实时信息，确定道路发生拥堵，向云服务器端发送协同决策请求；云服务器端接收决策请求，获取场景第一信息，判断拥堵场景类型；根据拥堵场景类型，获取所需决策信息，使用预设协同决策模型，计算多车决策规划方案；将协同决策方案分发至对应车端，完成多车协同决策建议。具体地，该方法可以包括以下步骤：

1)路侧设备感知道路实时信息，分析确定道路发生拥堵，向云服务器端发送协同决策请求。

2)云服务器端接收决策请求，获取场景第一信息，分析道路模型，指定场景决策模型进行决策。

3)场景决策模型获取道路约束信息和车辆即时数据，依照预设场景协同决策模型，计算面向多车的决策规划方案。

3-1)车辆即时数据由从车端、路端和云端获取的即时状态信息组成，其中，车端获取信息包括但不限于场景范围内的所有车辆上传至云端的车辆速度、加速度、角速度、车轮转向、制动信息、与前/后车之间的相对距离、目的地信息、规划路径行驶比率等，路端获取信息包括但不限于场景范围内的所有路侧端上传至云端的交通灯状态、车辆前后相对次序、行人在道路场景中所处位置等。

3-2)道路约束信息包括但不限于车辆允许速度范围、车道数和车道宽度、道路可行路段等。

3-3)决策模型的具体形式包括但不限于使用模糊逻辑法基于专家规则和经验制定的决策规则，基于强化学习的多智能体决策训练模型，基于博弈论匹配方法设计的时隙分配模型等。

3-4)决策方案的具体内容包括但不限于场景区域范围内所有或部分车辆的行驶优先级分配方案、车辆路径变更方案、车辆下一状态最佳行驶动作如变速、刹车、变道等，方案具体展现形式不做限制。

4)决策方案分发至车端，提供决策建议。

该方法通过路侧设备感知道路实时路况信息，根据道路拥堵情况向云端发送协同决策请求，云端接收请求后根据道路模型进行协同决策场景匹配，然后获取多车行驶数据，使用对应协同决策模型分析规划多车协同决策方案，最后将决策建议分发至对应车端。该方法可以根据多车行驶数据在云端完成统一决策规划，对区域内所有车辆提供决策建议，从而降低了对车端和路端的计算性能要求，同时提高了交通通行效率和智能网联汽车的安全等级，适用于智能网联车辆群体决策场景。

本申请一个实施例提供的系统架构如图3所示，系统可以包括云服务器301、路侧设备302、智能网联汽车303、智能网联汽车304，云服务器301和智能路侧设备302之间可以以有线、无线连接方式进行通信，云服务器301和智能网联汽车303、304之间可以以有线、无线方式进行通信，路侧设备302可以通过各类传感器对智能网联汽车303、304行驶态势进行感知。

云服务器包括一个或多个信息收发装置、计算处理装置、存储装置，各装置之间可以通过有线、无线连接方式进行通信。云服务器通过接受路侧端决策请求以及车端信息，对决策场景内所有车辆计算一套最优决策规划方案，为每辆智能网联汽车提供决策建议服务。

道路场景内可以有多个路侧设备，路侧设备上设置有各种传感器、信息收发装置、计算处理装置，各装置之间可以通过有线、无线连接方式进行通信。路侧设备通过各种传感器获取区域内所有车辆的行驶态势，通过计算处理装置计算区域范围内拥堵系数，根据拥堵系数使用信息收发装置向云端发送协同决策请求。

智能网联汽车303和智能网联汽车304上均设置车载智能电脑，用以向云服务器传输自身车速、规划路径等行驶信息，同时接受来自云端的决策建议。车载智能电脑还可根据本车感知信息以及云端的决策建议规划本车行驶决策方案。

上述图3中智能网联汽车数目和路侧设备数目仅仅是示意性的，根据实现需要可以有任一数目的智能网联汽车以及路侧设备。

在一个实施例中，系统架构如图4所示，路口汇入场景中有n辆智能网联汽车；路侧设备包括感知装置、数据处理装置和信息发送装置；云服务器包括信息获取装置、场景判别装置、n个场景决策单元和决策分发装置。

下面以一个具体实施例对上述技术方案进行说明。

步骤1：汇车路口路侧设备获取主干道与汇车道的道路实时信息，分析道路拥堵系数，发送协同决策请求。

在本实施例中，路侧设备包括预先设置在其上的感知装置和数据处理装置和信息发送装置。其中，感知装置至少包括激光雷达、摄像头等传感器用以采集道路主干道和汇车道内车辆数量和车辆位置，数据处理装置通过计算路段内车辆密度和多车行驶平均速度获得道路拥堵系数。

路侧设备数据处理装置判断拥堵系数到达预设阈值，通过信息发送装置向云服务器端发送协同决策请求。

其中，信息发送装置可以通过有线连接或无线连接的通信方式向云服务器端发送请求，具体连接形式包括但不限于3g/4g/5g连接、wifi连接、电缆或光缆连接，以及其他现在已知或将来开发的无线连接方式。

步骤2：云服务器端接收协同决策请求，获取路侧设备所属场景的第一信息，匹配场景决策单元进行决策计算。

在本实施例中，云服务器端包括信息获取装置、场景判别装置、适用于不同道路场景的多个场景决策单元、以及决策分发装置。

在本实施例中，信息获取装置可以有线连接或无线连接方式接收从车端或路侧端各类信息，信息获取装置响应从所述汇车路口路侧设备接收到的协同决策请求，从路侧端接收场景第一信息，并通过有线连接或无线连接方式将其传输给场景判别装置。

在本实施例中，场景第一信息包括主干道车道数，路侧设备所处位置经纬度等，从路侧设备处通过有线或无线连接方式获得。

在本实施例中，场景判别装置内存储有多个预设的协同决策场景模型和带路段标注的路网地图模型，场景判别装置根据场景第一信息与预设场景模型和路网地图模型进行匹配，识别到该道路场景为路口汇车协同决策模型后，通过无线连接或有限连接方式发送计算决策指令给适用于处理路口汇车协同决策的场景决策单元。

步骤3：场景决策单元响应于计算决策指令，获取决策所需信息，分析计算多车决策方案。

在本实施例中，场景决策单元通过有线连接或无线连接的方式与上述信息获取装置进行通信，通过信息获取装置获取所需道路约束信息和车辆即时数据。

在本实施例中，所需道路约束信息包括通过信息获取装置从路侧端接收的主干道限速信息、汇车道限速信息；所需车辆即时信息包括通过信息获取装置从路侧设备感知范围内的每台车辆端获取的车辆规划路径、行车速度、加速度、角速度等即时数据。

在本实施例中，场景决策单元包含预设的适用于路口汇入场景协同决策模型，在满足道路约束信息的条件下对车辆即时信息进行分析，依照协同决策模型计算路口汇入场景下的多车协同决策方案，传输至决策分发装置。

在本实施例中，多车协同决策方案包括对路侧设备感知范围内主干道和汇车道内每台车辆的加速、减速、制动、变道等驾驶行为建议。

步骤4：多车协同汇入决策方案分发至对应车端，提供决策建议。

在本实施例中，决策分发装置通过有线连接或无线连接方式接收来自场景决策单元的决策方案，根据方案内决策流的车辆特征，将决策方案进行分解，形成单车决策建议并分发至对应车辆端，完成路口汇车场景下多车协同决策过程。

如图5所示，本申请还提供一种汽车协同决策装置，该汽车协同决策装置，应用于云服务器端，包括：

接收模块501，用于接收路侧设备发送的协同决策请求；其中，协同决策请求是路侧设备在获取道路实时信息，并基于道路实时信息确定道路发生拥堵后而发送的请求；

获取模块502，用于获取协同决策请求中附带的道路场景信息；

确定模块503，用于基于道路场景信息，确定拥堵场景类型；

计算模块504，用于基于拥堵场景类型，利用预设场景协同决策模型计算面向多车的决策规划方案；

发送模块505，用于向各个汽车分别发送对应的决策规划方案，以使各个汽车依据各自的决策规划方案执行对应的驾驶操作。

可选的，计算模块504，包括：

获取单元，用于获取拥堵场景类型对应的道路约束信息和车辆即时状态信息；

计算单元，用于基于道路约束信息和车辆即时状态信息，利用预设场景协同决策模型计算面向多车的决策规划方案。

可选的，获取单元，包括：

第一接收子单元，用于接收各个汽车发送的车辆速度、加速度、角速度、车轮转向、制动信息、与前/后车之间的相对距离、目的地信息、规划路径行驶比率中的至少一种信息。

可选的，获取单元，包括：

第二接收子单元，用于接收路侧设备发送的交通灯状态信息、车辆前后相对次序信息、行人在道路场景中所处位置信息中的至少一种信息。

可选的，道路约束信息包括车辆允许速度范围、车道数、车道宽度、道路可行路段。

可选的，预设场景协同决策模型为基于博弈论匹配装置设计的时隙分配模型。

可选的，决策规划方案包括行驶优先级分配方案、车辆路径变更方案、车辆下一状态行驶操作方案中的至少一种方案。

图5所示装置中的各个模块/单元具有实现图1中各个步骤的功能，并能达到其相应的技术效果，为简洁描述，在此不再赘述。

图6示出了本申请实施例提供的电子设备的结构示意图。

电子设备可以包括处理器601以及存储有计算机程序指令的存储器602。

具体地，上述处理器601可以包括中央处理器(cpu)，或者特定集成电路(applicationspecificintegratedcircuit，asic)，或者可以被配置成实施本申请实施例的一个或多个集成电路。

存储器602可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器602可包括硬盘驱动器(harddiskdrive，hdd)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(universalserialbus，usb)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器602可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器602可在电子设备的内部或外部。在特定实施例中，存储器602可以是非易失性固态存储器。

在一个实例中，存储器602可以是只读存储器(readonlymemory，rom)。在一个实例中，该rom可以是掩模编程的rom、可编程rom(prom)、可擦除prom(eprom)、电可擦除prom(eeprom)、电可改写rom(earom)或闪存或者两个或更多个以上这些的组合。

处理器601通过读取并执行存储器602中存储的计算机程序指令，以实现上述实施例中的任意一种汽车协同决策方法。

在一个示例中，电子设备还可包括通信接口603和总线610。其中，如图6所示，处理器601、存储器602、通信接口603通过总线610连接并完成相互间的通信。

通信接口603，主要用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。

总线610包括硬件、软件或两者，将在线数据流量计费设备的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口(agp)或其他图形总线、增强工业标准架构(eisa)总线、前端总线(fsb)、超传输(ht)互连、工业标准架构(isa)总线、无限带宽互连、低引脚数(lpc)总线、存储器总线、微信道架构(mca)总线、外围组件互连(pci)总线、pci-express(pci-x)总线、串行高级技术附件(sata)总线、视频电子标准协会局部(vlb)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线610可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线，但本申请考虑任何合适的总线或互连。

另外，本申请实施例可提供一种计算机存储介质来实现。该计算机存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种汽车协同决策方法。

需要明确的是，本申请并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本申请的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本申请的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。

以上所述的结构框图中所示的功能模块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(asic)、适当的固件、插件、功能卡等等。当以软件方式实现时，本申请的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、rom、闪存、可擦除rom(erom)、软盘、cd-rom、光盘、硬盘、光纤介质、射频(rf)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。

还需要说明的是，本申请中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本申请不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。

上面参考根据本申请的实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本申请的各方面。应当理解，流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器，以产生一种机器，使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解，框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合，也可以由执行指定的功能或动作的专用硬件来实现，或可由专用硬件和计算机指令的组合来实现。

以上所述，仅为本申请的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。