[发明专利]一种换道决策方法及装置

说明书

本发明公开了一种换道决策方法及装置，基于获取的本车辆的第一运动信息和环境车辆的第二运动信息，将本车辆所处的行驶环境分割成不同的区域，各个区域中的环境车辆与本车辆的相对方位相同，确定各个区域中的目标车辆，基于各个区域的目标车辆与本车辆的相对距离和相对速度，确定各个区域的换道标志位为安全状态或不安全状态，从而根据各个区域的换道标志位确定目标换道决策。本发明通过将本车辆所处的行驶环境分割成不同区域，并确定各个区域中是否存在对本车辆的正常行驶产生潜在威胁的目标车辆，来确定最终的目标换道决策，整个换道决策确定过程简单清晰，并避免了大量数据的收集和训练。

技术领域

本发明涉及自动驾驶技术领域，更具体的说，涉及一种换道决策方法及装置。

背景技术

车辆在行驶过程中，通常为了追求更快的车速和更自由的驾驶空间而自主进行车道变换。相比于跟驰行为，换道行为需要考虑更加复杂的周围车辆和道路环境信息。为使自动驾驶车辆具有人类驾驶员的换道经验，能够在道路环境中自如行驶，需要对换道行为进行深入的研究。而合理的换道决策为实施换道行为提供了良好的基础，对于保证换道的安全性和舒适度都具有非常重要的意义。目前应用较多的自主性换道决策方法为基于数据的换道决策方法。

基于数据的换道决策方法主要包括几种典型的机器学习算法，例如决策树、粗糙集和最近邻模型等。首先，从数据集中提取车辆行驶过程中影响驾驶员换道决策的因素作为输入特征，例如自车和周围车辆的位置、速度等状态数据，将其进行预处理后划分成训练样本和测试样本。然后，选取合理的模型结构和参数阈值，基于训练样本对决策模型进行训练和优化。最后，采用训练后的模型对测试样本进行分类，将分类结果与实际的换道情况进行对比，验证决策模型的精确性。

基于数据的算法需要大量数据用于模型训练和测试，而不同驾驶员在不同工况下产生的换道动机有很大的差异，因此很难收集到全面并且完整的换道数据。而且算法实现的过程比较繁琐，数据处理、模型选取和模型训练在时间和空间上都需要占用很多的资源，导致该换道决策方法成本高。另外，基于数据算法不能采用简单的规则和公式关系来表征输入和输出关系，因此计算过程不透明，无法被解释。

发明内容

有鉴于此，本发明公开一种换道决策方法及装置，以实现整个换道决策确定过程简单清晰，在时间和空间上需要占用的资源较少，并有效避免了大量数据的收集和训练。

一种换道决策方法，包括：

获取本车辆的运动信息，并记为第一运动信息，所述第一运动信息包括：行驶速度以及相对于相邻车道线的位置；获取环境车辆的运动信息，并记为第二运动信息，所述第二运动信息包括：所述环境车辆与本车辆的相对距离和相对速度；

基于所述第一运动信息和所述第二运动信息，将本车辆所处的行驶环境分割成不同的区域，各个所述区域中的环境车辆与本车辆的相对方位相同；

确定各个所述区域中满足预设要求的目标车辆，所述预设要求：同一区域中与本车辆的相对距离最短，或者，与本车辆的纵向碰撞时间最短；

根据各个所述区域的所述目标车辆与本车辆的相对距离和相对速度，确定各个所述区域的换道标志位为安全状态或不安全状态；

根据各个所述区域的换道标识位确定本车辆的目标换道决策。

可选的，所述基于所述第一运动信息和所述第二运动信息，将本车辆所处的行驶环境分割成不同的区域，各个所述区域中的环境车辆与本车辆的相对方位相同，具体包括：

基于所述第一运动信息和所述第二运动信息，将本车辆所处的行驶环境分割成前车区域、侧前车区域、邻车区域、侧后车区域和后车区域。

可选的，还包括：