技术领域
[0001] 本
发明涉及信息处理技术领域，特别涉及一种基于场景识别的自动驾驶低油耗运动规划方法及系统。
背景技术
[0002] 对于客运，物流等行业，油耗是影响运营单位业绩的重要指标，但是人类驾驶员的行为具有很大的随机性，即使同一位驾驶员在同一空旷路段的不同次驾驶行为所消耗的油量也是不同的。因此，随着自动驾驶技术的发展，通过计算机在线计算控制，智能优化节油方式具有重大意义。现有的自动驾驶节省燃油技术大概可以分为两类，一类是实时对驾驶员提供操作指导，如通过仪表面板或者声音提示驾驶员进行
加速或减速。这类方法虽然可以在一定程度上节油，但是驾驶员很难准确的
跟踪系统指示，可节油空间有限，同时过多的提示也可能对驾驶员造成干扰，导致事故发生。另一类是主要集中作用在车辆底层，根据当前车辆动
力学估计对车辆动力链输出进行优化，包括
发动机转速，变速箱档位等调整。该类方法能够在一定程度上提高燃油经济效率，但是相比目前车辆行驶所能够采集的信息量，其所利用的信息较少，无法满足当前复杂的综合交通情况，需要对燃油经济效率提供进一步的优化。随着自动驾驶技术的成熟，越来越多的信息，如GPS，摄像头，radar，lidar，高精地图等技术被应到自动驾驶中，如何全面利用多
传感器信息，深入提高燃油经济效率具有重大意义，且有待于进一步研究。
发明内容
[0003] 本发明要解决的技术问题是针对上述不足，提供一种基于场景识别的自动驾驶低油耗运动规划方法及系统。
[0004] 本发明是通过以下技术方案实现的：
[0005] 一种基于场景识别的自动驾驶低油耗运动规划方法，该方法包括以下步骤：
[0006] ⑴建立当前场景信息；
[0007] ⑵根据所述当前场景信息，将当前场景分类为：自由场景、主动
制动场景或紧急制动场景；
[0008] ⑶基于不同场景的节油策略，规划未来一段时间的自动驾驶
速度曲线；
[0009] ⑷记录驾驶员指令习惯，对当前驾驶员意图进行识别分类；
[0010] ⑸根据所述自动驾驶速度曲线、驾驶员实际的操作指令和当前驾驶员意图分类结果，生成最终指令，并下发给车辆
控制器。
[0011] 进一步的，所述的一种基于场景识别的自动驾驶低油耗运动规划方法，所述步骤⑴中，所述当前场景信息包括自身车辆的
定位信息、周围可行驶区域信息、障碍物的识别与车道线匹配信息和障碍物行为及运动的预测信息中的一个或多个。
[0012] 进一步的，所述的一种基于场景识别的自动驾驶低油耗运动规划方法，所述步骤⑵包括：
[0013] 将障碍物车辆进入到自身车道的时刻的
位置和速度投影到自身车道内，得到自身车辆未来一段时间的威胁分布图；
[0014] 根据所述威胁分布图，得到自身车辆未来一段时间的可行驶区域图；
[0015] 根据所述可行驶区域图计算危险性系数，根据危险性系数对当前场景进行分类。
[0016] 进一步的，所述的一种基于场景识别的自动驾驶低油耗运动规划方法，所述危险性系数根据以下公式计算：
[0017] ρ＝max(e1-i*ρi)，i∈{0...T}
[0018] 其中,T为
采样时间，e1-i描述了危险性随着时间的衰减；
[0019]
[0020] 其中，ρi为i时刻的危险性系数，ttc为安全时间间距，sC为最小安全距离，v0为当前速度，vi为i时刻的速度，ti为当前到i时刻的时间，si为i时刻
车身与当前的距离。
[0021] 进一步的，所述的一种基于场景识别的自动驾驶低油耗运动规划方法，
[0022] 所述自由场景，表示在车辆动力学约束范围内，无可能碰撞的发生；
[0023] 所述主动制动场景，表示在未来时间内有可能发生碰撞，需要准备
刹车，并进一步观察；
[0024] 所述紧急制动场景，表示在未来时间内需要紧急减速，且需要的减速度会导致不舒服的乘坐体验。
[0025] 进一步的，所述的一种基于场景识别的自动驾驶低油耗运动规划方法，所述步骤⑶包括：
[0026] 根据能耗优化指标参数、安全性优化指标参数、舒适性优化指标参数和不同场景中各优化指标的权重参数规划所述自动驾驶速度曲线，并计算得到当前自动驾驶规划的期望加速度。
[0027] 进一步的，所述的一种基于场景识别的自动驾驶低油耗运动规划方法，所述步骤⑷包括：
[0028] 根据驾驶员最近指令序列，计算得到当前
油门刹车指令值；
[0029] 将所述当前油门刹车指令值与当前驾驶员实际的指令输入值做比较，并基于比较结果将当前驾驶员意图分类为：维持当前状态、性能提升或紧急刹车。
[0030] 进一步的，所述的一种基于场景识别的自动驾驶低油耗运动规划方法，所述步骤⑸包括：
[0031] 当所述当前驾驶员意图分类为维持当前状态时，则以所述自动驾驶速度曲线作为最终指令；
[0032] 当所述当前驾驶员意图分类为性能提升时，则以所述自动驾驶速度曲线和驾驶员实际的操作指令的均值作为最终指令；
[0033] 当所述当前驾驶员意图分类为紧急刹车时，则以驾驶员实际的操作指令作为最终指令。
[0034] 一种基于场景识别的自动驾驶低油耗运动规划系统，该系统包括：
[0035] 车辆定位和传感器模
块，用于建立当前场景信息；
[0036] 识别与运动预测模块，用于根据所述当前场景信息，将当前场景分类为：自由场景、主动制动场景或紧急制动场景；
[0037] 运动规划模块，用于基于不同场景的节油策略，规划未来一段时间的自动驾驶速度曲线；
[0038] 驾驶员意图识别模块，用于记录驾驶员指令习惯，对当前驾驶员意图进行识别分类；和
[0039] 速度仲裁模块，用于根据所述自动驾驶速度曲线、驾驶员实际的操作指令和当前驾驶员意图分类结果，生成最终指令，并下发给车辆控制器。
[0040] 本发明的优点与效果是：
[0041] 1.本发明提供的自动驾驶低油耗运动规划方法，基于场景识别和驾驶员意图识别，并结合驾驶员实际的操作指令，得到最终指令下发给车辆控制器，对车辆的燃油经济效率进行深度优化，节省了车辆的运营成本。
[0042] 2.本发明提供的自动驾驶低油耗运动规划方法及系统，在不改变现有自动驾驶系统结构、
硬件设备的前提下，以一种简便易用的方式，保证了车辆的
稳定性和安全性，同时，提高了节油效率。
[0043] 3.本发明的自动驾驶低油耗运动规划方法及系统应用广泛，其适用于半辅助型以及全智能型自动驾驶车辆。
附图说明
[0044] 图1示出本发明提供的自动驾驶低油耗运动规划方法的一
实施例的
流程图；
[0045] 图2示出本发明提供的自动驾驶低油耗运动规划方法的举例实际场景图；
[0046] 图3示出图2的威胁分布图；
[0047] 图4示出图2的可行驶区域图；
[0048] 图5示出本发明提供的自动驾驶低油耗运动规划系统的一实施例的结构示意图。
具体实施方式
[0049] 为使本发明实施的目的、技术方案和优点更加清楚，下面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更加详细的描述。所描述的实施例是本发明的一部分实施例，而不是全部的实施例。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。下面结合附图对本发明的实施例进行详细说明：
[0050] 在有些情况下存在诸如“一个或多个”、“至少”、“但不限于”或其他类似短语的扩展性单词和词组将不应当理解为在扩展性词组不存在的情况下有意或要求更窄的情形。当提及数值或范围时，术语“约”旨在包含当进行测量时可能出现的实验误差产生的值。
[0051] 如本文中使用，除非另外明确地陈述，否则“可(能)操作(用于)”意指能够被使用、安装、或准备好使用或服务、可用于特定目的、和能够执行本文中描述的陈述的或期望的功能。关于系统和设备，术语“可(能)操作(用于)”意指系统和/或设备是完全地功能化和被校准的，包括用于和满足可应用的操作要求的元件，以在激活时执行所陈述的功能。
[0052] 在本文中使用的术语和短语和其变体，除非另外明确地陈述，否则应当解释为开放式的，而不是限制性的。作为上述的实例：术语“包括”应当理解为“包括，但不限于”等；术语“实例”用于提供所讨论项目的示例性实例，而不是其穷尽的或限制的清单；并且形容词诸如“惯用的”、“传统的”、“常规的”、“标准的”、“已知的”和类似含义的术语不应当解释为将描述的项目限制为特定时期的项目或特定时间可获得的项目，而是应当理解为包含现在或在将来任何时候可以获得或已知的惯用的、传统的、常规的、或标准的技术。
[0053] 图1示出本发明提供的自动驾驶低油耗运动规划方法的一实施例的流程图。该自动驾驶低油耗运动规划方法包括以下步骤：
[0054] ⑴建立当前场景信息。具体的是，根据自身车辆搭载的不同定位系统和
传感器系统(包括高精地图、高精定位、环视摄像头、毫米波雷达和
激光雷达等)对周围环境进行
感知，获得自身车辆的定位信息，周围可行驶区域信息，障碍物的识别与车道线匹配信息，和障碍物行为及运动的预测信息等中的一个或多个。
[0055] 具体举例，如图2所示的举例实际场景图，在自身车辆行驶中的一个汇入处，左侧车道有Obs1、Obs2前后行驶的两辆车辆，自身车辆Ego计划从右侧
匝道汇入左侧车道。以图2的举例实际场景图，将障碍物车辆Obs1、Obs2进入到自身车道的时刻的位置和速度投影到自身车道内，得到自身车辆未来一段时间的威胁分布图，如图3所示。
[0056] ⑵根据当前场景信息，将当前场景识别分类为，自由场景、主动制动场景，或紧急制动场景。
[0057] 具体的是，根据步骤⑴中建立的威胁分布图，如图3，得到自身车辆未来一段时间的可行驶区域图，如图4。以采样时间点延纵轴方向寻找和每个障碍物的交点，形成部分可行驶区间，图4中标号为1-14线段，然后搜索延时间采样方向上的连通区域，使得该连通序列连接采样时间的开始和结束。最终可行驶区域为(1,2,3,4,5,6)，(1,2,3,7,8,9)，和(1,10,11,12,8,9)。
[0058] 根据上述的最终可行驶区域对场景进行划分，每个可行驶区域由时间以及上下边界序列(ti，Ui，Li)描述，其中Ui，Li＝(si，vi),包含i时刻的位移和速度。对于每个上边界点Ui，根据当前车身位置s0和速度v0计算i时刻的危险性系数：
[0059]
[0060] 其中，ttc为安全时间间距，sc为最小安全距离。优选的是，ttc＝5.0s，sc＝10.0m。
[0061] 该危险性系数ρi描述了自身车辆和前车之间在i时刻的危险程度，最终的危险性系数：
[0062] ρ＝max(e1-i*ρi)，i∈{0...T}
[0063] 其中，T为采样时间，e1-i描述了危险性随着时间的衰减。
[0064] 根据危险性系数ρ的大小将当前场景分为三类，即：自由场景，表示在车辆动力学约束范围内，无可能碰撞的发生。主动制动场景，表示在未来时间内有可能发生碰撞，需要准备刹车，并进一步观察。紧急制动场景，表示在未来时间内需要紧急减速，且需要的减速度会导致不舒服的乘坐体验。根据自身车速、前车车速，以及两车相对距离划分三类场景的危险性系数的范围值。
[0065] ⑶基于不同场景的节油策略，规划未来一段时间的自动驾驶速度曲线，生成低油耗速度指令。具体的是，根据能耗优化指标参数，安全性优化指标参数，舒适性优化指标参数，和不同场景中各优化指标的权重参数规划自动驾驶速度曲线，并计算得到当前自动驾驶规划的期望加速度。
[0066] 具体计算如下：
[0067] 将自动驾速度曲线的规划问题通过一个优化问题来进行描述，假设纵向位移曲线可以表示为时间的多项式：
[0068] s(t)＝a0+a1t…+antn
[0069] 则优化问题的目标函数可以描述为：
[0070] min：w1*Jfuel+w2*Jsafe+w3*Jcomfort
[0071] s.t.Li＜s(ti)＜Ui
[0072] vlower＜v(ti)＜Vupper
[0073] alower＜a(ti)＜aupper
[0074] 其中，Jfuel为能耗优化指标参数，Jsafe为安全性优化指标参数，Jcomfort为舒适性优化指标参数，wi为不同场景中各优化指标的权重参数，Li＜s(ti)＜Ui表示在ti时刻行驶的距离要在约束的范围内，vlower＜v(ti)＜Vupper表示ti时刻行驶的速度要在约束的范围内，alower＜a(ti)＜aupper表示ti时刻行驶加速度要在约束的范围内。具体的，
[0075]
[0076] 其中，q(m，v，a，θ)为瞬时油耗函数，描述了当前瞬时油耗(升/秒)和当前
质量m，速度v，加速度a、
俯仰角θ之间的关系。
[0077]
[0078] 其中，dis(s(t)，osb(t))为障碍物t时刻和自身车辆t时刻之间的距离。
[0079]
[0080] 其中，s″′(t)为加速度变化率，即加速度导数，描述了舒适程度。
[0081] 根据不同的场景选取不同的wi组合，例如，自由模式：(w1＝0.5，w2＝0.3，w3＝0.2),主动制动模式：(w1＝0.2，w2＝0.5，w3＝0.3)，紧急制动模式：(w1＝0.0，w2＝0.8，w3＝
0.2)。
[0082] ⑷记录驾驶员指令习惯，对当前驾驶员意图进行识别分类。
[0083] 具体的是，记录驾驶员最近n个指令序列为Ci＝(ti，ai)，i＝ti...tn
[0084] 其中,ti为时刻，ai＜0为油门指令，ai＜0为刹车指令，ai数值大小为油门刹车深度，即最大深度的百分比。通过3次多项式C(t)＝a0+a1t+a2t2+a3t3来拟合记录最近的n个指令序列，使得|C(ti)-Ci|＜0.01，带入当前时刻t到当前多项式C(t)获得当前油门刹车指令值C′t,与当前驾驶员实际的指令输入值Ct做比较。
[0085] CΔ＝C′t-Ct
[0086]
[0087] 对当前驾驶员意图进行分类，分类结果为p。其中，p＝0，表示驾驶员向维持当前状态，即维持当前状态；P＝1，表示驾驶员想提升驾驶性能，即性能提升；P＝2，表示驾驶员出于安全考虑进行操作，即紧急刹车。
[0088] ⑸结合自动驾驶速度曲线，驾驶员实际的操作指令，和当前驾驶员意图分类，得到最终指令，并下发给车辆控制器。车辆控制器根据车辆当前的状态(如自身车辆当前质量、速度、加速度、
发动机转速、发动机力矩、变速箱档位等)，将最终指令转换为线控车辆控制指令，发送到线控总线进行执行。
[0089] 具体的是，假设自动驾驶速度曲线计算得到的当前自动驾驶规划的期望加速度为s″(t)，驾驶员实际的操作指令为C(t)，当前驾驶员意图分类为P(t)。由于驾驶员的实际操作和自动驾驶的规划操作不可能时时刻刻保持一致，因此，在满足驾驶员意图可靠执行的前提下，最大程度的利用计算机在线计算节省油耗，需要速度仲裁机制对下发给车辆控制器的最终指令Cr(t)进行调整，如下：
[0090]
[0091] 即，当驾驶员意图识别分类为维持当前状态时，则以自动驾驶速度曲线计算得到的当前自动驾驶规划的期望加速度作为最终指令；当驾驶员意图识别分类为性能提升时，则以自动驾驶速度曲线和驾驶员实际的操作指令的均值作为最终指令；当驾驶员意图识别分类为紧急刹车时，则以驾驶员实际的操作指令作为最终指令。
[0092] 图5示出本发明提供的自动驾驶低油耗运动规划系统的一实施例的结构示意图。该自动驾驶低油耗运动规划系统包括：
[0093] 车辆定位和传感器模块，用于建立当前场景信息；
[0094] 识别与运动预测模块，用于根据当前场景信息，将当前场景分类为：自由场景、主动制动场景或紧急制动场景；
[0095] 运动规划模块，用于基于不同场景的节油策略，规划未来一段时间的自动驾驶速度曲线；
[0096] 驾驶员意图识别模块，用于记录驾驶员指令习惯，对当前驾驶员意图进行识别分类；和速度仲裁模块，用于根据自动驾驶速度曲线、驾驶员实际的操作指令和当前驾驶员意图分类结果，生成最终指令，并下发给车辆控制器。
[0097] 该实施例中的自动驾驶低油耗运动规划系统的工作方式和过程如上述实施例中的自动驾驶低油耗运动规划方法相同，在此不再具体赘述。
[0098] 综上，本发明提供的自动驾驶低油耗运动规划方法和系统，其结合车辆周围信息，通过计算机在线智能计算，在保证安全、稳定的前提下，节省车辆行驶油耗。本发明适用于辅助级别和完全自主级别的自动驾驶装置，部署简单，实际效果显著，综合工况节省油耗10％以上，对物流运输行业有着重要的经济价值。
[0099] 以上实施例仅用以说明本发明的技术方案，并非用来限定本发明的实施范围。但凡在本发明的保护范围内所做的等效变化及修饰，皆应认为落入了本发明的保护范围内。
