本技術(shù)涉及自動(dòng)駕駛車輛的控制領(lǐng)域，具體而言，涉及一種自動(dòng)駕駛車輛的控制方法、控制裝置、計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)和車輛。

背景技術(shù)：

1、自動(dòng)駕駛技術(shù)不斷的發(fā)展，許多sae?2(美國(guó)汽車工程師協(xié)會(huì)標(biāo)準(zhǔn))級(jí)駕駛自動(dòng)化系統(tǒng)已部署在商用車輛，它能夠提供更舒適的駕駛體驗(yàn)，通過對(duì)環(huán)境的動(dòng)態(tài)感知，提前做出決策，能夠減少交通事故。世界各地的汽車制造商和高科技公司都在努力致力于更高級(jí)別的自動(dòng)駕駛系統(tǒng)的開發(fā)，在空曠的高速公路上自動(dòng)駕駛車輛的控制相對(duì)容易，但是對(duì)車流復(fù)雜更擁擠的交通場(chǎng)景目前方案仍存在許多不完善的地方。其中一個(gè)問題是，在匝道匯入?yún)R出、自動(dòng)換道場(chǎng)景中自動(dòng)駕駛汽車需要根據(jù)交通參與者預(yù)測(cè)信息，輸出安全、合理、高效的決策，完成車輛在匝道、擁堵場(chǎng)景的軌跡規(guī)劃。即對(duì)于不確定場(chǎng)景的規(guī)劃方法，目前規(guī)劃效果仍不夠完善。

2、現(xiàn)有技術(shù)中通常采用以下方法：(1)基于規(guī)則的決策方法，依靠規(guī)則設(shè)計(jì)各種狀態(tài)機(jī)，從極限角度考慮要實(shí)現(xiàn)系統(tǒng)完全安全、舒適，系統(tǒng)需要在高維連續(xù)狀態(tài)空間連續(xù)動(dòng)作空間進(jìn)行海量采樣，尋找最優(yōu)策略，但是目前的硬件算力平臺(tái)以及嵌入式實(shí)時(shí)系統(tǒng)無法做到高密度計(jì)算的實(shí)時(shí)性，這是一個(gè)關(guān)于軟件和硬件的系統(tǒng)性問題。即使采用分層級(jí)的基于規(guī)則的決策方法，其規(guī)則參數(shù)來源人的駕駛經(jīng)驗(yàn)，需要大量調(diào)試優(yōu)化，泛化能力極差。(2)采用pomdp(可觀測(cè)馬爾可夫過程)方法對(duì)不確定性環(huán)境決策，均采用蒙特卡洛搜索或者粒子濾波對(duì)自車及障礙物狀態(tài)空間進(jìn)行搜索產(chǎn)生狀態(tài)轉(zhuǎn)移概率，在位置、速度、加速度等連續(xù)狀態(tài)空間進(jìn)行搜索，需要使用大量算力進(jìn)行這一個(gè)過程，因此主流方法進(jìn)行剪枝優(yōu)化，在剪枝后的空間進(jìn)行狀態(tài)轉(zhuǎn)移，但是目前采用這些方法仍舊不具備決策實(shí)時(shí)性要求，一次決策時(shí)間消耗在秒級(jí)，由于規(guī)劃系統(tǒng)需要實(shí)時(shí)的決策信息，低實(shí)時(shí)性時(shí)使pomdp方法無法在實(shí)際生產(chǎn)中進(jìn)行應(yīng)用。(3)采用強(qiáng)化學(xué)習(xí)方法，同時(shí)需要大量數(shù)據(jù)訓(xùn)練，不具備解釋性，要達(dá)到合理高效安全的決策輸出，需要大量數(shù)據(jù)訓(xùn)練該網(wǎng)絡(luò)，缺少了對(duì)輸出決策進(jìn)行安全分析，存在危險(xiǎn)決策的可能性。(4)采用車聯(lián)網(wǎng)方式，該方法成本高不通用，車聯(lián)網(wǎng)需要對(duì)場(chǎng)端和車端進(jìn)行改造，通過改造獲取車周圍環(huán)境信息，對(duì)廠端的改造需要時(shí)間逐步的改進(jìn)，目前都是在局部試點(diǎn)無法推廣到市場(chǎng)，車端的改造需要行業(yè)統(tǒng)一、可靠、通用的車聯(lián)網(wǎng)協(xié)議和標(biāo)準(zhǔn)，目前車聯(lián)網(wǎng)行業(yè)正在不斷的發(fā)展和整合，標(biāo)準(zhǔn)仍不成熟。(5)采用時(shí)空軌跡規(guī)劃方法，在笛卡爾坐標(biāo)系下常使用障礙物法將非線性約束加入到目標(biāo)函數(shù)，如現(xiàn)有技術(shù)中用內(nèi)點(diǎn)障礙物罰函數(shù)這種內(nèi)點(diǎn)法，罰函數(shù)的海森矩陣條件數(shù)會(huì)趨于無窮，求解會(huì)變得很困難，海森矩陣變得病態(tài)這個(gè)問題無論是內(nèi)罰函數(shù)還是外罰函數(shù)都會(huì)存在，所以使用罰函數(shù)方法存在軌跡求解失敗的可能。

3、因此，需要一種克服上述問題的自動(dòng)駕駛車輛的規(guī)劃方法。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)的主要目的在于提供一種自動(dòng)駕駛車輛的控制方法、控制裝置、計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)和車輛，以至少解決現(xiàn)有技術(shù)中自動(dòng)駕駛車輛的道路規(guī)劃方法不準(zhǔn)確的問題。

2、為了實(shí)現(xiàn)上述目的，根據(jù)本技術(shù)的一個(gè)方面，提供了一種自動(dòng)駕駛車輛的控制方法，包括：獲取被控車輛的當(dāng)前狀態(tài)信息、道路場(chǎng)景信息和障礙物場(chǎng)景信息，其中，所述當(dāng)前狀態(tài)信息為當(dāng)前時(shí)刻所述被控車輛的位置和速度，所述道路場(chǎng)景信息表示所述被控車輛所處的道路狀況信息，所述障礙物場(chǎng)景信息表示道路中除所述被控車輛之外的車輛的信息且至少包括位置和速度；根據(jù)所述當(dāng)前狀態(tài)信息、所述道路場(chǎng)景信息和所述障礙物場(chǎng)景信息確定多個(gè)行駛策略，根據(jù)多個(gè)所述行駛策略確定行駛動(dòng)作，確定所述行駛動(dòng)作的概率分布模型，并根據(jù)所述概率分布模型計(jì)算置信度，其中，每個(gè)所述行駛策略包括多個(gè)時(shí)刻的所述行駛動(dòng)作，所述概率分布模型表示所述被控車輛按照所述行駛策略行駛的概率；根據(jù)所述置信度建立狀態(tài)價(jià)值函數(shù)，將最高的狀態(tài)價(jià)值函數(shù)值對(duì)應(yīng)的所述行駛策略作為目標(biāo)行駛策略，并控制所述被控車輛按照所述目標(biāo)行駛策略行駛，其中，所述狀態(tài)價(jià)值函數(shù)表示每個(gè)所述行駛策略的優(yōu)劣，所述狀態(tài)價(jià)值函數(shù)值越高，表示對(duì)應(yīng)的所述行駛策略越優(yōu)。

3、可選地，根據(jù)多個(gè)所述行駛策略確定行駛動(dòng)作，包括：獲取所述被控車輛的橫向語義動(dòng)作和縱向語義動(dòng)作，將所述橫向語義動(dòng)作和所述縱向語義動(dòng)作映射至多維狀態(tài)空間，其中，所述橫向語義動(dòng)作為表征所述被控車輛做出的橫向動(dòng)作的詞語且包括車道保持、左換道和右換道，所述縱向語義動(dòng)作為表征所述被控車輛做出的縱向動(dòng)作的詞語且包括加速、減速和勻速；使用每個(gè)所述行駛策略在所述多維狀態(tài)空間進(jìn)行搜索，確定所述行駛策略中每個(gè)時(shí)刻對(duì)應(yīng)的所述行駛動(dòng)作。

4、可選地，確定所述行駛動(dòng)作的概率分布模型，包括：獲取被控車輛狀態(tài)變量和障礙物決策變量，其中，所述被控車輛決策變量為表征被控車輛的動(dòng)作的變量，所述障礙物決策變量為影響障礙物做出決策的變量；將所述被控車輛狀態(tài)變量和所述障礙物決策變量作為動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的特征，建立動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)預(yù)測(cè)模型，對(duì)所述動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)預(yù)測(cè)模型進(jìn)行更新，得到所述概率分布模型。

5、可選地，根據(jù)所述概率分布模型計(jì)算置信度，包括：根據(jù)所述概率分布模型計(jì)算所述被控車輛的動(dòng)作概率，并計(jì)算所述障礙物的動(dòng)作概率；計(jì)算所述被控車輛的動(dòng)作概率與所述障礙物的動(dòng)作概率的乘積，得到所述置信度。

6、可選地，控制所述被控車輛按照所述目標(biāo)行駛策略行駛，包括：在笛卡爾坐標(biāo)系下建立控制車輛的運(yùn)動(dòng)學(xué)模型并獲取約束條件，根據(jù)所述運(yùn)動(dòng)學(xué)模型和所述約束條件建立目標(biāo)函數(shù)；對(duì)所述目標(biāo)函數(shù)進(jìn)行求解，得到所述目標(biāo)行駛策略對(duì)應(yīng)的控制變量和優(yōu)化變量，并控制所述車輛按照所述控制變量和所述優(yōu)化變量行駛，以使得所述被控車輛按照所述目標(biāo)行駛策略行駛，其中，所述控制變量包括方向盤轉(zhuǎn)角變化率和加速度，所述優(yōu)化變量包括位置、速度、車身航向角和方向盤轉(zhuǎn)角。

7、可選地，對(duì)所述目標(biāo)函數(shù)進(jìn)行求解，包括：根據(jù)所述目標(biāo)函數(shù)和所述約束條件建立增廣拉格朗日等式，并對(duì)所述增廣拉格朗日等式進(jìn)行迭代求解；在所述增廣拉格朗日等式滿足目標(biāo)收斂條件的情況下，停止迭代，得到所述控制變量和所述優(yōu)化變量。

8、可選地，根據(jù)所述置信度建立狀態(tài)價(jià)值函數(shù)，包括：建立部分可觀測(cè)馬爾可夫決策過程模型；將所述置信度代入所述部分可觀測(cè)馬爾可夫決策過程模型，得到所述狀態(tài)價(jià)值函數(shù)。

9、根據(jù)本技術(shù)的另一方面，提供了一種自動(dòng)駕駛車輛的控制裝置，包括：獲取單元，用于獲取被控車輛的當(dāng)前狀態(tài)信息、道路場(chǎng)景信息和障礙物場(chǎng)景信息，其中，所述當(dāng)前狀態(tài)信息為當(dāng)前時(shí)刻所述被控車輛的位置和速度，所述道路場(chǎng)景信息表示所述被控車輛所處的道路狀況信息，所述障礙物場(chǎng)景信息表示道路中除所述被控車輛之外的車輛的信息且至少包括位置和速度；計(jì)算單元，用于根據(jù)所述被控車輛的當(dāng)前狀態(tài)信息、所述道路場(chǎng)景信息和所述障礙物場(chǎng)景信息確定多個(gè)行駛策略，根據(jù)多個(gè)所述行駛策略確定行駛動(dòng)作，確定所述行駛動(dòng)作的概率分布模型，并根據(jù)所述概率分布模型計(jì)算置信度，其中，每個(gè)所述行駛策略包括多個(gè)時(shí)刻的所述行駛動(dòng)作，所述概率分布模型表示所述被控車輛按照所述行駛策略行駛的概率；控制單元，用于根據(jù)所述置信度建立狀態(tài)價(jià)值函數(shù)，將最高的狀態(tài)價(jià)值函數(shù)值對(duì)應(yīng)的所述行駛策略作為目標(biāo)行駛策略，并控制所述被控車輛按照所述目標(biāo)行駛策略行駛，其中，所述狀態(tài)價(jià)值函數(shù)表示每個(gè)所述行駛策略的優(yōu)劣，所述狀態(tài)價(jià)值函數(shù)值越高，表示對(duì)應(yīng)的所述行駛策略越優(yōu)。

10、根據(jù)本技術(shù)的再一方面，提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)包括存儲(chǔ)的程序，其中，在所述程序運(yùn)行時(shí)控制所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)所在設(shè)備執(zhí)行任意一種所述的控制方法。

11、根據(jù)本技術(shù)的又一方面，提供了一種車輛，包括：一個(gè)或多個(gè)處理器，存儲(chǔ)器，以及一個(gè)或多個(gè)程序，其中，所述一個(gè)或多個(gè)程序被存儲(chǔ)在所述存儲(chǔ)器中，并且被配置為由所述一個(gè)或多個(gè)處理器執(zhí)行，所述一個(gè)或多個(gè)程序包括用于執(zhí)行任意一種所述的控制方法。

12、應(yīng)用本技術(shù)的技術(shù)方案，根據(jù)車輛的當(dāng)前狀態(tài)信息、道路場(chǎng)景信息和障礙物場(chǎng)景信息，確定多個(gè)可能的行駛策略，之后再確定行駛動(dòng)作和概率分布模型以及置信度，之后建立狀態(tài)價(jià)值函數(shù)，并計(jì)算狀態(tài)價(jià)值函數(shù)值，控制車輛按照最高的狀態(tài)價(jià)值函數(shù)值對(duì)應(yīng)的行駛策略行駛，這樣就能夠在復(fù)雜道路情況下，從多個(gè)行駛策略中選擇最優(yōu)的行駛策略開控制車輛的行駛。與現(xiàn)有技術(shù)中，車輛在復(fù)雜道路場(chǎng)景下的道路規(guī)劃方法不準(zhǔn)確的方法相比，本技術(shù)能夠從車輛的當(dāng)前狀態(tài)信息、道路場(chǎng)景信息和障礙物場(chǎng)景信息確定的多個(gè)行駛策略中選擇最優(yōu)的行駛策略，因此，能夠緩解現(xiàn)有技術(shù)中車輛道路規(guī)劃方法不準(zhǔn)確的問題，提高道路規(guī)劃方法的準(zhǔn)確性。