一种自动驾驶轨迹规划中车辆协同避撞方法及系统

技术领域

本发明涉及自动驾驶技术领域，尤其涉及一种自动驾驶轨迹规划中车辆协同避撞方法及系统。

背景技术

伴随汽车行业由电动化比拼转向智能化较量，自动驾驶技术也迎来快速发展的契机。自动驾驶的轨迹规划，是由车辆的车载自动驾驶计算机系统的轨迹规划子系统，基于自动驾驶机的路径规划子系统所算得的既定路径，根据自动驾驶机的交通环境感知子系统所实时感知的交通情境信息、车外路障信息，在行驶途中预先计算生成自身车辆的确定性的未来轨迹——即车辆从当前时刻当前位置行驶至道路下游某一位置的轨迹——其中“车辆应在何时、应在何处进行车道变更”是最重要的轨迹内容，从而指引本车在上述的未来时间窗口之内合法地、安全、高效地完成既定路径的行驶；其核心任务之一是本车与邻近车辆之间的避撞，即避免本车轨迹与邻车轨迹之间的冲突；而业界主流的避撞的技术范式是基于单车智能的“实时冲突感知-实时避撞决策”，即：本车自动驾驶机实时感知邻车各种潜在的概率性的未来轨迹，并据此来实时决策本车的未来规划轨迹，以规避本车与邻车之间的轨迹冲突即路权冲突——其中，“实时冲突感知”在数学上一般至少包括三个步骤：

①基于本车的车载传感来实时探测邻车的历史轨迹；

②基于邻车的历史轨迹来对于邻车的轨迹进行数据驱动的建模；

③基于邻车的轨迹模型来实时预测邻车的未来可能轨迹。

但本车的自动驾驶机与邻车的自动驾驶机之间，因缺少信息交互渠道所导致信息不对称、信息不充分，使得上述的单边实时冲突感知的三个步骤其本质是“单边猜测”，即本车所感知的邻车未来可能轨迹其实质是本车对于邻车未来规划轨迹的预测估算。

从单方决策的技术角度看，单边猜测计算过程的实时性要求高、算力成本要求高，其计算结果欠缺可靠性、欠缺通用性，对于不同的国家地区、不同的高/平/低峰时段、不同的交通法律、不同的总体车辆技术水平、不同的驾驶文化等条件下的计算结果，难以通用；

更进一步，在涉及到相邻车道的两车或多车、极易诱发车辆侧向撞车事故的变更车道情境中，从多方决策的技术角度看，本车自动驾驶机与邻车自动驾驶机之间各自为政、相互猜测，并且，各方的单边互猜，互为因果、互耦合、互反馈——甚至是无穷循环的互耦互馈，将增加各方感知的不确定性和各方决策的不稳定性，进一步导致算力成本的增加、结果可靠性的降低。

由此，在“单边实时冲突感知”这种单车独立控制的技术范式之中，如何打破本车自动驾驶机与邻车自动驾驶机之间的“信息不对称/信息不充分”的屏障、实现信息充分与信息对称，如何提升“单边实时冲突感知”的计算可靠性、降低其计算成本，事关自动驾驶车辆避撞的降本增效。

发明内容

本申请实施例通过提供一种自动驾驶轨迹规划中车辆协同避撞方法，包括以下步骤：

步骤1，在本车驶入当前路段的实际时刻，进行业务数据的车际交互，本车自动驾驶机利用车联网无线通信技术，将本车的车辆避撞业务数据发送至无线通信有效半径不低于200m的覆盖范围之内的所有邻车；

步骤2，在本车在当前路段中行驶时段内，进行冲突感知与轨迹决策；所述冲突感知包括两种技术范式：本车针对自动驾驶邻车的预先冲突感知+本车针对手动驾驶邻车的实时冲突感知，每种技术范式各自包括两个技术环节：轨迹感知+冲突校验；所述轨迹决策包括两种技术范式：本车针对自动驾驶邻车的预先避撞决策+本车针对手动驾驶邻车的实时避撞决策；

步骤3，在车辆驶出当前路段实际时刻，进行历史数据的信息上载，进行“车-路-云”通信，将车辆从当前路段起点至当前车辆空间位置的历史轨迹发送至路侧计算机，进而转发至中心计算机，用于相关数据的统计分析。

优选的，所述步骤1中业务数据包括四个部分，各个部分之间按序衔接组合：

(1)本车自动驾驶机无线通信网络地址；

(2)本车路权优先级序号；

(3)当前时刻本车自动驾驶机所生成的未来规划轨迹；

(4)本车自动驾驶机生成当前业务数据的时刻时间戳，基于Internet时刻，精度取“秒”。

优选的，所述无线通信方式包括以下两种方式：

(1)“车—车”直接无线通信，数据流向：本车—邻车；

(2)“车—路—车”间接无线通信，数据流向：本车—路侧计算机—邻车。

优选的，所述本车路权优先级序号包括六项内容，各项内容之间按序衔接组合：

(2.1)驶入时刻的时间戳；

(2.2)驶入时刻本车在当前路段所处于的车道序号；

(2.3)驶入时刻本车驾驶自动机所生成的未来规划轨迹数据生成时刻的时间戳；

(2.4)驶入时刻本车驾驶自动机所生成的未来规划轨迹数据之中时间序列最末时刻的倒数；

(2.5)驶入时刻本车驾驶自动机所随机生成的一个随机数字；

(2.6)本车的车辆号牌号码。

不同车辆的路权优先级序号可相互对比，以分出路权优先级的高低——基于Internet时间的时间戳、车辆号牌号码等数字或字符的对比方法：数字0至9、英文字母A至Z、非英文字母，均转换为10进制的计算机编码，数值越小则优先级越高。

优选的，所述冲突感知包括：本车针对自动驾驶邻车的预先的轨迹感知及冲突校验，适用于“车-车”通信实现车辆间信息交互的条件，为后续的“协同预先避撞决策”奠定基础；本车针对手动驾驶邻车的实时的轨迹感知及冲突校验，适用于缺少“车-车”通信或因通信失效而不存在车辆间信息交互的条件，为后续的“单车实时避撞决策”奠定基础。

优选的，所述本车针对自动驾驶邻车的预先的轨迹感知包括：基于车-车通信来预先确悉邻车的未来规划轨迹，且仅仅存储和处理路权优先级高于本车的自动驾驶邻车的未来规划轨迹。

优选的，所述本车针对手动驾驶邻车的实时的轨迹感知包括：基于车载传感来实时探测邻车的历史轨迹、基于所述历史轨迹来构建邻车的轨迹模型、基于所述轨迹模型来实时预测邻车的未来可能轨迹。

优选的，所述步骤2中(避撞)轨迹决策，具体为：

步骤221，筛除“多边预先冲突感知”与“单边实时冲突感知”的重叠数据；

步骤222，更新本车未来规划轨迹；

步骤223，执行更新的本车未来规划轨迹。

优选的，所述步骤222中本车未来规划轨迹具体为：

车辆的可行轨迹，

其中，j为车辆标识号；t

t∈{t

优选的，所述车辆可行轨迹约束条件包括：

(1)

(2)

(3)

Dist(x

其中：

约束条件(1)，是车辆路径约束条件，其中，

约束条件(2)，是实现车辆功能的内部条件的约束条件，其中，Dist(x

分别表示经度方向、维度方向上车辆的最大可能行驶速度，

分别表示经度方向、维度方向上车辆的最大可能驱动加速度。

约束条件(3)，是实现车辆功能的外部条件的约束条件：其中，x

本申请还提供了一种自动驾驶轨迹规划中车辆协同避撞系统，包括：

车际交互模块，用于在本车驶入当前路段的实际时刻，进行业务数据的车际交互，将本车的车辆避撞业务数据发送至覆盖范围之内的所有邻车；

感知决策模块，用于在本车在当前路段中行驶时刻，进行冲突感知与轨迹决策；

信息传输模块，用于在车辆驶出当前路段实际时刻，进行历史数据的信息上载，将车辆从当前路段起点至当前车辆空间位置的历史轨迹发送至路侧计算机，进而转发至中心计算机，用于相关数据的统计分析。

本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

本专利所提出的方法，在相互邻近的自动驾驶车辆之间，利用车联网的“车-车”或“车-路-车”通信技术，打破车辆之间的“信息不对称/信息不充分”屏障，实现车辆间的多边信息交互即“车车对话”，使得自动驾驶机之间不再需要相互“猜测”对方的未来(不确定性的)可能轨迹、而是能够相互确悉对方的未来(确定性的)规划轨迹，从而能在“车车协同”条件下更可靠地规避车辆之间的轨迹冲突；就自动驾驶车辆“避撞”轨迹规划的技术范式而言，本专利所提出的方法，在业界主流的“单边实时冲突感知(基于车载传感来实时探测邻车的历史轨迹+基于邻车历史轨迹来构建邻车的轨迹模型+基于邻车轨迹模型来实时预测邻车的未来可能轨迹)-单车实时避撞决策(本车的未来规划轨迹)”的基础上，增补扩充“多边预先冲突感知(基于车-车通信预先确悉邻车的未来规划轨迹)-协同预先避撞决策(本车的未来规划轨迹)”，从而在单车智能的基础上，降本增效地实现车车协同的避撞(降低自动驾驶机避撞计算过程的成本、提升避撞计算结果的确定性与稳定性)。

本申请既适用于自动驾驶车辆所构成的车流，也适用于自动驾驶车辆与手动驾驶车辆的混合车流——自动驾驶车辆之间采用“多边预先冲突感知-协同预先避撞决策”技术范式、而自动驾驶车辆针对手动驾驶车辆则采用“单边实时冲突感知-单车实时避撞决策”技术范式。

附图说明

图1为本申请方法的流程图；

图2为本申请路段超车情境车辆A、车辆B的二维时空轨迹的示意图；

图3为本申请路段超车情境车辆A、车辆B的三维时空轨迹的示意图；

图4为本申请路段撞车事故绕行情境t1-t2时刻车辆A、车辆B、车辆C的二维时空轨迹的示意图；

图5为本申请路段撞车事故绕行情境t1-t2-t3时刻车辆A、车辆B、车辆C的二维时空轨迹的示意图

图6为本申请路段撞车事故绕行情境车辆A、车辆B、车辆C的三维时空轨迹的示意图

图7为本申请未来规划轨迹的避撞决策更新方法左视图；

图8为本申请未来规划轨迹的避撞决策更新方法右视图。

具体实施方式

为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。

如图1所示，步骤1，在本车驶入当前路段的实际时刻，进行业务数据的车际交互，本车自动驾驶机利用车联网无线通信技术，将本车的车辆避撞业务数据发送至无线通信有效半径不低于200m的覆盖范围之内的所有邻车。本车驶入当前路段的实际时刻，即驶入时刻，是根据本车自动驾驶机的定位子系统信息与Internet时间来确定。

上述的本车至邻车的数据发送的无线通信技术方式包括以下两种方式：“车-车”直接无线通信、“车-路-车”间接无线通信，优先选用第一种“车-车”直接无线通信。

业务数据包括四个部分，各个部分之间按序衔接组合：

(1)本车自动驾驶机无线通信网络地址；

(2)本车路权优先级序号；

(3)当前时刻本车自动驾驶机所生成的未来规划轨迹；

(4)本车自动驾驶机生成当前业务数据的时刻时间戳，基于Internet时刻，精度取“秒”。

其中，业务数据第(2)部分“本车路权优先级序号”，包括6项内容，各项内容之间按序衔接组合

(2.1)驶入时刻的时间戳；

(2.2)驶入时刻本车在当前路段所处于的车道序号；

(2.3)驶入时刻本车驾驶自动机所生成的未来规划轨迹数据生成时刻的时间戳；

(2.4)驶入时刻本车驾驶自动机所生成的未来规划轨迹数据之中时间序列最末时刻的倒数；

(2.5)驶入时刻本车驾驶自动机所随机生成的一个随机数字；

(2.6)本车的车辆号牌号码。

业务数据第(2)部分“本车路权优先级序号”，其功能是：针对即将发生轨迹冲突，即路权冲突的不同车辆，基于交通法律“交通安全第一、交通效率优先”的原则，评定各车的路权优先级；不同车辆的路权优先级序号可相互对比，以分出路权优先级的高低——基于Internet时间的时间戳、车辆号牌号码等数字或字符的对比方法：数字0至9、英文字母A至Z、非英文字母，均转换为10进制的计算机编码，数值越小则优先级越高；由此，低优先级的车辆必需调整自身的未来规划轨迹、从而规避高优先级的车辆。

路权优先级的对比方法，具体如下：

第(2.1)项：即驶入时刻的Internet时刻，精度取“毫秒”，直观体现“交通效率优先”的原则——该时刻最早，即时间戳数字越小，则一般而言车速越高，体现车辆的通行效率越高。

第(2.2)项：若各车的第(2.1)项相同，则各车相互对比“车道序号”，一般表示不同车道设计时速的高低，以“右行交通”即“左舵车辆”为例：第1车道是最左侧的高速车道；若路段未设置车道线，则车道序号统一设定为1，该序号越小，则一般而言车速越高，体现车辆的通行效率越高。

第(2.3)项：若各车的第(2.1)至(2.2)项均相同，则各车相互对比未来规划轨迹数据的“生成时刻”，精度取“毫秒”，该时刻越早，即时间戳数字越小，则车辆自动驾驶机的工作时效性越高，体现车辆的通行效率越高。

第(2.4)项：若各车的第(2.1)至(2.3)项均相同，则各车相互对比未来规划轨迹数据中“时间序列最末时刻，精度取“毫秒”的倒数”，该数字越小，未来规划轨迹的未来时间窗口越宽，则车辆自动驾驶机的工作前瞻性越强，体现车辆的通行效率越高。

第(2.5)项：若各车的第(2.1)至(2.4)项均相同，则各车相互对比驾驶自动机所随机生成的6～10位阿拉伯数字(一般取6位)，旨在随机地、公平地区分不同车辆的路权优先级。

第(2.6)项：若各车的第(2.1)至(2.5)项均相同，则各车相互对比本车的车辆号牌号码，去除空格；且若号码的总位数、总长度小于所在国/地区的车辆号牌号码的最长位数，则在末尾补零。

由此，凭借业务数据第(2)部分“本车路权优先级序号”，无论常态交通、还是异常交通，例如：路段未设置车道线、多辆车辆骑线或压线驶入同一车道等，均可确保每辆车辆的路权优先级序号的唯一性，确保任何两辆车辆的路权优先级序号之间的差异性。

无线通信方式包括以下两种方式：

(a)“车—车”直接无线通信；

数据流向：本车(广播)—邻车。

(b)“车-路-车”间接无线通信，优先选用第一种“车—车”直接无线通信；

数据流向：本车(点播)—路侧计算机(数据筛选+广播)—邻车；

其中，路侧计算机网络地址是公开信息；

其中，路侧计算机针对当前接收到的每一车辆的业务数据所进行的数据筛选，筛选标准如下：

数据筛选标准(i)：对于第(3)部分“未来规划轨迹”之中的“道路”、“路段”两项数据，若其中任何一项与路侧计算机所管辖的“道路”、“路段”不相同，则忽略丢弃当前接收到的该车辆业务数据。

数据筛选标准(ii)：对于第(1)部分“无线通信网络地址”与第(4)部分“业务数据生成时刻的时间戳”：若当前接收到的该车辆业务数据生成时刻的时间戳，早于已存储记录的该车辆业务数据生成时刻的时间戳，则：忽略丢弃当前接收到的该车辆业务数据；若尚未存储记录该车辆业务数据，则上述的时间戳视为最新的时间戳，并存储记录当前接收到的该车辆业务数据。

若已接收到的所有车辆的业务数据因符合以上全部(i)(ii)两项筛选标准而被忽略丢弃(即：不存在“有效”业务数据)，则不执行数据广播(数据转发)；反之，对于已接收到的、任何车辆的“有效”业务数据(即：不符合以上全部三项筛选标准的业务数据)，则执行数据广播(数据转发)。

步骤2，在本车在当前路段中行驶时刻，进行冲突感知与轨迹决策。

步骤21，本车与邻车之间未来轨迹的冲突感知，包括两种技术范式：本车针对自动驾驶邻车的预先冲突感知+本车针对手动驾驶邻车的实时冲突感知，每种技术范式各自包括两个技术环节：轨迹感知+冲突校验；

若已驶出当前路段，则步骤3；

若未驶出当前路段，则执行既定未来规划轨迹——与此同时，并行不悖地另执行以下步骤。

步骤211，多边预先冲突感知，适用于“车-车”通信实现车辆间信息交互的条件，为后续的步骤22中“协同预先避撞决策”奠定基础。

步骤2111，多边预先感知邻车的未来规划轨迹；

自动驾驶机车载无线通信系统监听当前路段的所有邻车的未来规划轨迹业务数据：

若未接收到“车-车”，则转至步骤21；

若接收到“车-车”，则针对当前接收到的每一邻车的业务数据，进行数据筛选：

业务数据包含以下四部分：

(1)无线通信网络地址；

(2)路权优先级序号；

(3)未来规划轨迹；

(4)业务数据生成时刻的时间戳。

筛选标准如下：

筛选标准(a)：对于第(3)部分“未来规划轨迹”之中的“道路”、“路段”、“行驶方向”三项数据，若其中任何一项与与本车不同，则忽略丢弃当前接收到的该邻车业务数据。

筛选标准(b)：对于第(2)部分“路权优先级序号”：

若邻车的路权优先级低于本车，则忽略丢弃当前接收到的该邻车业务数据；

筛选标准(c)：对于第(1)部分“无线通信网络地址”与第(4)部分“业务数据生成时刻的时间戳”：

若当前接收到的该邻车业务数据生成时刻的时间戳，早于已存储记录的该邻车业务数据生成时刻的时间戳，则：忽略丢弃当前接收到的该邻车业务数据；若尚未存储记录该邻车业务数据，则上述的时间戳视为最新的时间戳，并存储记录当前接收到的该邻车业务数据。

若已接收到的所有邻车的业务数据因符合以上全部(a)(b)(c)三项筛选标准而被忽略丢弃(即：不存在“有效”业务数据)，则执行现有的本车未来规划轨迹，转至步骤23；

反之，对于已接收到的、任何邻车的“有效”业务数据(即：不符合以上(a)(b)(c)三项筛选标准的业务数据)，存储记录(包含：旧数据覆写新数据)，并转至步骤2112。

步骤2112，本车未来规划轨迹、邻车未来规划轨迹之间的冲突校验；

在“经度-纬度-海拔高度-时间”四维坐标系空间或“经度-纬度-时间”三维坐标系空间中，判断：本车的未来规划轨迹、当前路段的所有邻车的未来规划轨迹，彼此在同一时刻点，是否相交于同一空间点；若不相交，则无冲突。

若无冲突，则转至步骤23；若有冲突，则转至步骤22。

步骤212，单边实时冲突感知，适用于缺少“车-车”通信或因通信失效而不存在车辆间信息交互的条件，为后续的步骤22中“单车实时避撞决策”奠定基础。

步骤2121，单边实时感知邻车的未来可能轨迹；

针对当前路段的所有邻车，自动驾驶机“车载传感器子系统实时探测邻车历史轨迹、交通情境相关信息”+“算法子系统实时构建邻车轨迹模型”+“算法子系统实时预测邻车未来可能轨迹”；

若未感知到邻车未来可能轨迹，则转至步骤21；

若感知到邻车未来可能轨迹，则转至步骤2122。

步骤2122，本车未来规划轨迹、邻车未来可能轨迹之间的冲突校验；

在“经度-纬度-海拔高度-时间”四维坐标系空间或“经度-纬度-时间”三维坐标系空间中，判断：本车的未来规划轨迹、当前路段的所有邻车的未来可能轨迹，彼此在同一时刻点，是否相交于同一空间点；若不相交，则无冲突；

若无冲突，则转至步骤21；

若有冲突，则转至步骤22。

步骤22，本车未来规划轨迹的决策更新，包括两种技术范式：本车针对自动驾驶邻车的预先避撞决策+本车针对手动驾驶邻车的实时避撞决策。

步骤221，筛除“多边预先冲突感知”与“单边实时冲突感知”的重叠数据。

在每一当前时刻，对于本车已经“多边预先感知”到的每一条自动驾驶邻车(记为邻车A)业务数据第(4)部分的“未来规划轨迹时间序列”，搜索、提取并存储记录邻车A在最接近于当前时刻的时间戳的空间方位坐标数据(记为数据A)；

与此同时，对于本车已经“单边实时感知”到的任一辆自动驾驶或手动驾驶的邻车(记为邻车M)的“未来可能轨迹时间序列”，搜索、提取并存储记录邻车M在最接近于当前时刻的时间戳的空间方位坐标数据(记为数据M)；

将数据A与数据M进行对比，若数据A、数据M之间的空间距离小于或接近空间距离阈值(空间距离阈值一般取为：道路纵向方向阈值＝2或1米、道路横向方向阈值＝1或.5米)，则将邻车A与邻车M视为同一车辆，则忽略丢弃上述单边实时感知的邻车M的未来可能轨迹。

步骤222，更新本车未来规划轨迹。

在“经度-纬度-海拔高度-时间”四维坐标系空间或“经度-纬度-时间”三维坐标系空间中，本车自动驾驶机以当前时刻当前位置为起点、以道路下游某一位置(例如：当前路段终点)为终点，以车辆“运行成本(时长或里程或时空间距)最小化”为优化目标、且符合“车辆功能——经由既定路径的客货运输”、实现车辆功能的内部条件——“车辆性能(车辆动力学)”、实现车辆功能的外部条件——“安全避障(包括：规避静态路障——例如路段之中不可占用的人行道、非机动车道、逆行机动车道的时空区域等；规避动态路障即其它车辆的未来轨迹)”等约束条件，采用“最短路径”(Shortest Path)的非线性约束优化(Constrained Optimization)算法——包括但不限于Dijkstra算法、Floyd算法、A*算法、快速拓展随机树(RRT)算法、深度强化学习(Deep RL)算法等，更新(重新规划、或部分调整)本车的未来规划轨迹，如附图7所示，本车未来规划轨迹的避撞决策更新方法。

步骤223，执行更新的本车未来规划轨迹。

步骤23，业务数据的车际交互。

广播发送当前时刻的本车业务数据至邻车，业务数据包括以下四部分：

(1)无线通信网络地址；

(2)路权优先级序号；

(3)未来规划轨迹；

(4)业务数据生成时刻时间戳。；

数据发送的无线通信技术方式包括两种：“车-车”直接无线通信、或“车-路-车”间接无线通信，优先选用第一种“车-车”直接无线通信；

随后，转至步骤21。

步骤3，在车辆驶出当前路段实际时刻，进行历史数据的信息上载，进行“车-路-云”通信，将车辆从当前路段起点至当前车辆空间位置的历史轨迹发送至路侧计算机，进而转发至中心计算机，用于相关数据的统计分析。

实施例二

1、车辆轨迹

本专利所论及的车辆标识号为j的车辆轨迹T

{x

Road

即：含有连贯时间戳的空间方位数据的时间序列

t，Road

或{x

如图2、图3所示，为路段超车情景示意图，即车辆在某一路段上“超车”的情境。从时刻t1起、至时刻t2止，车辆A在车道13循道行驶(假设匀速)；同时，车辆B从车道13、向车道12变道、再向车道13变道行驶(假设匀速)；两车特征部位点(例如车身的形心或质心，或者前/后防撞梁的中点)在“经度-纬度”二维坐标平面内的空间轨迹曲线段x

如图4、图5、图6所示，为路段撞车事故绕行情境，即车辆在某一路段上“绕行”的情境。从时刻t1起、至时刻t2止，车辆C、车辆B在车道13循道行驶(假设匀速)；同时，车辆A从车道14、向车道13变道行驶(假设匀速)，在时刻t2，车辆A与车辆B发生接触(撞车事故)；三车特征部位点在“经度-纬度”二维坐标平面内的空间轨迹曲线段x

若另有其它的自动驾驶功能需求、并且“车-地”与“地-车”无线通信的带宽与时延等条件允许，则车辆轨迹进一步更精确地可包括：车辆运动的多自由度空间方位数据的0阶/1阶/2阶/3阶时间导数，即(角)位移/(角)速度/(角)加速度/(角)急动度)，例如：车速的侧偏角、车轮的转向角、车身的横摆角的角位移/角速度/角加速度/角急动度等车辆驾控的动力学参数。

“未来轨迹”是指：(自动驾驶或手动驾驶)车辆从当前时刻当前位置行驶至道路下游某一位置(例如当前路段终点)的车辆轨迹，分为两类：

“未来规划轨迹”是指：在基于“车-车”通信，实现了车辆间信息交互的条件下，由本车自动驾驶机所“多边预先感知”的邻近自动驾驶车辆的确定性未来轨迹；

“未来可能轨迹”是指：在缺少“车-车”通信(或因通信失效)而不存在车辆间信息交互的条件下，由本车自动驾驶机所“单边实时感知”的邻近手动驾驶车辆的概率性未来轨迹。

“历史轨迹”是指：(自动驾驶或手动驾驶)车辆从道路上游某一位置(例如：当前路段起点)行驶至当前时刻当前位置的车辆轨迹

2、当前路段

本专利所论及的“路段”、“当前路段(本车即将驶入、或已经驶入的路段)”、“驶入(驶出)当前路段的实际时刻”，其含义：

①对于“间断交通流”道路(城市道路范畴内的主次干道、支路以及快速路的进出口匝道，城际公路范畴内的国省县乡道以及高速公路的进出口匝道)而言，“路段”是指：相邻两个交叉路口之间的(连线)道路区段；

“驶入当前路段的实际时刻”(简称为当前路段的“驶入时刻”)是指：车辆恰驶出交叉路口中心区域、亦即车辆恰驶入交叉路口出口车道的时刻(一般认为：交叉路口的中心区域，是指交叉路口各条人行横道的合围区域，或者交叉路口各个路缘石弧线中点之间连线的合围区域)；

“驶出当前路段的实际时刻”(简称为当前路段的“驶出时刻”)是指：车辆恰驶出交叉路口进口车道停止线、亦即车辆恰驶入交叉路口中心区域实际的时刻。

②对于“连续交通流”道路(城市道路范畴内的快速路、城际公路范畴内的高速路)而言，“路段”指：任意一条道路之上，每隔一定距离的两个里程点之间的(连线)道路区段；

“驶入当前路段的实际时刻”是指：车辆跨过上游路段与当前路段之间的里程点、(驶出上游路段)恰驶入当前路段的时刻；

“驶出当前路段的实际时刻”是指：车辆跨过当前路段与下游路段之间的里程点、恰驶出当前路段(驶入下游路段)的时刻。

3、道路

本专利所论及的“道路”，其含义包括若干“路段”。

4、自动驾驶机(车端)、路侧计算机(路端)、中心计算机(云端)的逻辑功能与逻辑架构

自动驾驶机(车端)——所有权或使用权归属于自动驾驶服务供应商的车载自动驾驶计算机系统，一般选用嵌入式计算机系统；在逻辑功能上，至少包括自动驾驶车辆的交通环境(交通情境)感知子系统、定位子系统、路径规划子系统、轨迹规划子系统、“驱动/传动/制动/悬挂/转向”控制子系统；在逻辑架构上，上述各子系统各自至少包括以下程序模块(由汇编/C/Python等软件编程语言、或Verilog/VHDL等硬件编程语言编写)：无线通信程序模块、数据存储程序模块、数据处理程序模块、主控模块、以及(若必要)操作系统等；

每一台自动驾驶机具有唯一的网络地址(例如无线互联网协议地址，即无线IP地址)，同时也具有唯一的物理标识(表示自动驾驶机唯一性的编码与/或编号，例如MAC地址，可与车辆号牌号码一一绑定)，网络地址与物理标识一一绑定。

路侧计算机(路端)——所有权或使用权归属于自动驾驶或无线通信服务供应商、或政府交通管理等部门的，被部署在道路设施周边地面的计算机系统，一般选用嵌入式计算机系统；在逻辑功能与逻辑架构上，至少包括自动驾驶车辆数据的无线通信子系统及其程序模块、数据存储子系统及其程序模块、数据处理子系统及其程序模块、主控模块、以及(若必要)操作系统等；每一台路侧计算机的无线通信有效范围无缝覆盖某一个区域之内路网之中各条道路的路段与路口，相邻的若干台路侧计算机的无线通信有效范围相互衔接无缝覆盖若干个上述区域；每一台路侧计算机与中心计算机之间通过无线或有线的通信方式进行连接，用于数据通信；每一台路侧计算机具有唯一的网络地址(例如无线互联网协议地址，即无线IP地址)，同时也具有唯一的物理标识(表示路侧计算机唯一性的编码与/或编号，例如路侧计算机无线通信有效半径覆盖范围之内的道路及路段的编码与/或编号)，网络地址与物理标识一一绑定；并且，基于物理标识，每台路侧计算机与某一路段之间一一对应(例如：路侧计算机物理标识XXXX-YYYY-000100-000700表示并且对应XXXX交叉路口与YYYY交叉路口之间道路之内的第100米里程点至700米里程点之间的路段，包含不同交通流向的若干车道)。

中心计算机(云端)——所有权或使用权归属于自动驾驶或无线通信服务供应商、或政府交通管理等部门的，被部署在相关企业或事业单位或政府部门的数据中心的计算机系统，一般选用通用式计算机系统；在逻辑功能与逻辑架构上，至少包括自动驾驶车辆数据的无线通信子系统及其程序模块、数据存储子系统及其程序模块、数据处理子系统及其程序模块、主控模块、以及(若必要)操作系统等；中心计算机与每一台路侧计算机之间通过无线或有线的通信方式进行连接，从而无缝覆盖一定区域之内(例如：城市、区县)的若干台路侧计算机，用于数据通信。

5、关于自动驾驶机(车端)、路侧计算机(路端)的物理架构

自动驾驶机和路侧计算机，若是嵌入式计算机系统，则包括但不限于以下类型：单板机(Single-Board Computer)、微控制器(Microcontroller)/单片机(Single-ChipComputer)、片上系统(SoC:System-on-Chip)以及在车辆行业一般被称为电控单元(ECU：Electronical Control Unit)或域控制器(Domain/zonal Controller)的嵌入式计算机系统；在物理架构上，至少包括以下设备：

(1)数据输入输出端口设备，包括但不限于：串行(例如RS232)、并行(例如RS485)、以太网(例如RJ45)、无线传输数据通信接口；

(2)数据存储设备，包括但不限于：程序存储设备，例如(电)可擦除可编程只读存储器(EEPROM:(Electrically)Erasable Programmable Read-Only Memory)；数据存储设备，例如：闪存(Flash Memory)、机械硬盘或固态硬盘；缓冲存储设备，例如：随机存取存储器(RAM:Random Access Memory)。

(3)数据处理设备(算术/逻辑/关系运算)——包括但不限于：微处理器(Microprocessor，例如：通用功能集成电路芯片GPIC即General-Purpose IntegratedCircuit、或专用功能集成电路芯片ASIC即Application-Specific Integrated Circuit)，可编程逻辑器件(PLD即Programmable Logic Device，例如：现场可编程门阵列FPGA即Field Programmable Gate Array)；

(4)上述(1)-(3)各个设备的联络电路

6、实施例一的步骤211

“单边实时冲突感知”，其特点是基于车载传感、数学建模(机器学习)、推演预测的相关算法，适用于自动驾驶的本车对于自动驾驶(或手动驾驶)的邻车的历史轨迹、未来可能轨迹进行感知的情境。相关算法具体是指：

(1)基于车载传感的实时探测历史轨迹：利用自动驾驶机感知子系统的车载传感器探测(当前路段所有)邻车的历史轨迹，若必要则还另需探测当前的、其它的交通情境相关信息——道路结构及交通组织相关信息(例如车道布局、车道标线、交通标志等)、交通控制相关信息(交通信号等)；其中，车载传感器类型包括但不限于：电磁波(摄像、激光雷达、微波雷达)+超声波雷达。

(2)基于历史轨迹的轨迹建模：基于上述的邻车的历史轨迹+交通情境相关信息，利用有监督(或无监督)的判别式(或生成式)机器学习建模算法，对于邻车的轨迹进行数据驱动(或逻辑驱动)的建模。

(3)基于轨迹模型的实时预测未来可能轨迹：基于上述的邻车的轨迹模型，推演预测(当前路段所有)邻车的未来可能轨迹。

7、实施例一的步骤212

“多边预先冲突感知”，其特点是基于“车-车”或“车-路-车”通信，适用于自动驾驶的本车对于自动驾驶的邻车未来规划轨迹进行感知的情境。

车联网“车-车”通信技术，是指基于电磁频谱之内的特定频段(例如：1GHz-300GHz的微波频段)和特定带宽(例如：30MHz或75MHz)的电磁载波、采用特定无线通信协议的“Ad-Hoc式”无线通信技术，可实现至少以下三种通信模式：(基于计算机精准网址的)单播、(基于计算机群组网址的)组播、(基于计算机子网网址的)广播；其中，特定无线通信协议，包括但不限于：

(1)基于5.9GHz频段与75MHz带宽、遵从ISO/OSI IEEE 1069+802.11p链路层协议簇的“专用短程通信”(DSRC，Dedicated Short-Range Communication)应用层协议簇、称为“车辆环境无线存取”(WAVE，Wireless Access Vehicular Environment)的无线通信技术；

(2)基于4G LTE-V2X-Direct或5G NR-V2X-Direct协议簇的“车-车”直连无线通信技术。

车联网“车-路-车”(以及“车-路-云”)通信技术，是指基于无线通信(基站)蜂窝网(Cellular)基础设施的民用无线通信技术，采用的无线通信协议，包括但不限于：基于4GLTE-V2X-Cell或5G NR-V2X-Cell协议簇的“车-路”、“路-车”(以及“路-云”、“云-路”)无线通信技术。

8、实施例一的步骤222

更新本车的未来规划轨迹的决策，包括“单车实时避撞决策”与“协同预先避撞决策”。其中，在t

由此，若不考虑车辆所处的“道路/行驶方向/路段/车道”因素、亦不考虑任何约束条件，则第j车辆轨迹T

简记为一维向量序列(Series of 1-Dimensional Vector)即标量序列(Series of Scalar)，/>

在此基础上，以车辆功能“经由既定路径的客货运输”(车辆路径必需符合路径规划子系统，即：轨迹规划子系统的上级系统，所算得的既定路径)、实现车辆功能的内部条件“车辆性能”(车辆动力学)、实现车辆功能的外部条件“安全避障”为约束条件，则可定义车辆的“可行轨迹(避撞轨迹)”

即

Dist(x

其中：

约束条件(1)

该约束条件表示：为了实现车辆功能，第j车辆未来轨迹之中的当前路段驶出时刻

约束条件(2)是实现车辆功能的内部条件即“车辆性能”(车辆动力学)约束条件

其中：

分别表示经度方向、维度方向上车辆的最大可能行驶速度，

分别表示经度方向、维度方向上车辆的最大可能驱动加速度。

该约束条件表示：本车未来规划轨迹之中(时间间隔为dt的)两个相邻时空点之间的时空间距，不允许大于车辆最大驱动力/(加)速度所限定的时空间距；若必要则可以同时考虑最大驱动力/加速度、最大制动力/减速度、最大纵横附着力/减速度、传动比的极大值/极小值、车速的最大侧偏角/车轮的最大转向角/车身的最大横摆角限制等因素所限定的车辆线运动、角运动的时空间距等车辆动力学约束条件。

约束条件(3)，实现车辆功能的外部条件即“安全避障”约束条件：

即Dist(x

其中：x

该约束条件表示：本车未来规划轨迹x

路障点x

第二，动态路障点

至此，对于车辆的“可行轨迹(避撞轨迹)”

简记为，

上述非线性约束最优化问题的具体求解方法：本车自动驾驶机按需选用“最短路径”(Shortest Path)的非线性约束最优化(Constrained Optimization)算法一一包括但不限于：基于离散时空坐标(例如时空网格)或连续时空坐标、基于离散梯度或连续梯度的优化算法(例如Dijkstra算法、Floyd算法、A*算法簇)、或基于随机采样的优化算法(例如“快速拓展随机树Rapidly-explored Random Tree”)、或强化学习优化算法(例如深度强化学习Deep RL算法)，最终计算生成满足上述约束条件、且车辆“运行成本(时长或里程或时空间距)最小化”的直线或曲线(多项式、三角函数或指数函数曲线)型式的本车未来规划轨迹。

如图7、图8所示“本车未来规划轨迹的避撞决策更新方法示例图，定量刻画车辆轨迹的(三维)时空坐标系中，横坐标轴x1、纵坐标轴x2、垂坐标轴t分别刻画(路段横向)里程距离、(路段纵向)车道序号、时间。在从当前时刻即第0秒、至未来时刻即第15秒的未来时间窗口之内，6条不带有任何数据点标识的曲线刻画了的6辆邻车的6条未来轨迹(既包括了基于车车通信的自动驾驶邻车的“未来规划轨迹”，并且，这些自动驾驶邻车的路权优先级高于本车；也包括了本车所预测推算出的手动驾驶邻车的“未来可能轨迹”)，而1条带有数据点标识“Δ”的曲线则刻画了本车在已知上述6辆邻车6条未来轨迹前提下所进行的本车的未来规划轨迹的决策以及更新结果，它与上述6辆邻车的6条未来轨迹之间，不相交、不冲突、不撞车。

本具体实施方式的实施例均为本发明的较佳实施例，并非依此限制本发明的保护范围，故：凡依本发明的结构、形状、原理所做的等效变化，均应涵盖于本发明的保护范围之内。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。