用于紧急车道改变的操纵计划

摘要

在各个实施例中，提供了用于执行主车辆的车道改变的方法、系统和车辆。在各个实施例中，一个或多个传感器获得与主车辆附近的目标车辆有关的传感器数据；且处理器至少有助于：使用传感器数据，获得关于目标车辆的未来位置和运动的预测；基于所述预测，识别主车辆可以通过其完成车道改变的多个间隙；计算多个间隙中的每个的成本；选择多个间隙中的具有最小成本的所选间隙；以及通过所选间隙执行主车辆的车道改变。

说明书

技术领域

本公开总体涉及车辆，更具体地涉及用于计划紧急车道改变操纵的系统和方法。

背景技术

自主车辆是能够在很少或没有用户输入的情况下感测其环境并导航的车辆。其通过使用诸如雷达、激光雷达、图像传感器等的感测设备来实现。自主车辆还使用来自全球定位系统(GPS)技术、导航系统、车辆对车辆通信、车辆对基础设施技术和/或电传驾驶系统的信息来导航车辆。

尽管自主车辆相对于传统车辆具有许多潜在的优势，但在某些情况下，可能需要改善自主车辆的运动，例如计划紧急车道改变。

因此，期望提供用于操作车辆比如自主车辆的系统和方法，包括计划车辆的紧急车道改变。此外，结合附图以及前述技术领域和背景技术，根据随后的详细描述和所附权利要求，本公开的其他期望特征和特性将变得显而易见。

发明内容

在示例性实施例中，一种用于执行主车辆的车道改变的方法包括：通过一个或多个传感器获得与主车辆附近的目标车辆有关的传感器数据；通过处理器使用传感器数据获得关于目标车辆的未来位置和运动的预测；通过处理器基于所述预测识别主车辆可以通过其完成车道改变的多个间隙；通过处理器计算多个间隙中的每个的成本；通过处理器选择多个间隙中的具有最小成本的所选间隙；以及通过由处理器提供的指令，经由所选间隙执行主车辆的车道改变。

同样在一实施例中，该方法还包括：获得与主车辆行驶的道路有关的地图数据；以及通过处理器使用地图数据确定是否在预定时间量内执行车道改变；其中，识别多个间隙、计算成本、选择最佳间隙以及执行车道改变的步骤仅在确定车道改变要在预定时间量内执行的另一条件下执行。

同样在一实施例中，该方法还包括：通过处理器为每个当前间隙确定主车辆行驶以执行车道改变的相应轨迹；其中：计算每个当前间隙的成本的步骤包括计算当前间隙的每个轨迹的相应成本；选择最佳间隙的步骤包括为当前间隙中的具有最小成本的一个间隙选择最佳轨迹；以及执行车道改变的步骤包括通过由处理器提供的指令执行主车辆的最佳轨迹。

同样在一实施例中，该方法还包括：通过处理器为多个预测间隙中的每个确定用于利用使间隙的尺寸最大化的预测间隙执行车道改变的优化时间，这取决于车道改变的最小间隙尺寸以及车道改变的相应的最小时间和最大时间；其中，确定相应轨迹的步骤包括为多个相应间隙中的每个确定在对于该间隙的优化时间使用该间隙执行车道改变的相应轨迹。

同样在一实施例中，该方法还包括对于每个当前间隙及其对应的轨迹：将轨迹分为车道保持分量和车道改变分量；以及计算轨迹的总成本以包括车道保持分量和车道改变分量的相应成本；其中，选择最佳轨迹的步骤基于使总成本最小化。

同样在一实施例中，计算每个轨迹的成本的步骤包括基于操纵的攻击性度量、到达期望车道的时间量以及整个操纵过程中与其他车辆的最近距离来计算成本。

同样在一实施例中，攻击性度量包括横向加速度、纵向加速度、横向加速度率和纵向加速度率的度量。

同样在一实施例中，该方法在自主车辆中实施。

在另一示例性实施例中，提供了一种系统，该系统包括：(i)一个或多个传感器，其配置为获得与主车辆附近的目标车辆有关的传感器数据；以及(ii)处理器，其耦合到一个或多个传感器并且配置为至少有助于：获得关于目标车辆的未来位置和运动的预测；基于所述预测识别主车辆可以通过其完成车道改变的多个间隙；计算每个当前间隙的成本；选择具有最小成本的最佳间隙；以及提供用于执行主车辆的车道改变的指令。

同样在一实施例中，处理器还配置为至少有助于：获得与主车辆正在行驶的道路有关的地图数据；使用地图数据确定是否在预定时间量内执行车道改变；以及计算成本，选择最佳间隙，并且仅在确定车道改变要在预定时间量内执行的其他条件下执行车道改变。

同样在一实施例中，处理器还配置为至少有助于：对于每个潜在间隙，确定主车辆行驶以执行车道改变的相应轨迹；计算当前间隙的每个轨迹的相应成本；为当前间隙中的具有最小成本的一个间隙选择最佳轨迹；以及提供用于执行主车辆的最佳轨迹的指令。

同样在一实施例中，其中，处理器还配置为至少有助于：对于每个当前间隙，确定用于利用使预测间隙的尺寸最大化的间隙执行车道改变的优化时间，这取决于车道改变的最小间隙尺寸以及车道改变的相应的最小时间和最大时间；并且对于多个相应间隙中的每个，选择在对于该间隙的优化时间使用该间隙执行车道改变的相应轨迹。

同样在一实施例中，处理器还配置为至少有助于：(i)对于每个当前间隙及其对应的轨迹：(a)将轨迹分为车道保持分量和车道改变分量；和(b)计算轨迹的总成本以包括车道保持分量和车道改变分量的相应成本；以及(ii)选择最佳轨迹基于使总成本最小化。

同样在一实施例中，处理器还配置为至少有助于：基于操纵的攻击性度量、到达期望车道的时间量以及整个操纵过程中与其他车辆的最近距离来计算成本。

在另一示例性实施例中，一种自主车辆包括：(i)一个或多个传感器，其配置为获得与自主车辆附近的目标车辆有关的传感器数据；(ii)处理器，其耦合到一个或多个传感器并且配置为至少有助于：(a)获得关于目标车辆的未来位置和运动的预测；(b)基于所述预测识别自主车辆可以通过其完成车道改变的多个间隙；(c)计算每个当前间隙的成本；(d)选择具有最小成本的最佳间隙；以及(e)提供用于执行自主车辆的车道改变的指令；以及(iii)车辆致动器系统，其耦合到处理器并且配置为根据由处理器提供的指令来实施车道改变。

同样在一实施例中，处理器还配置为至少有助于：获得与自主车辆正在行驶的道路有关的地图数据；使用地图数据确定是否在预定时间量内执行车道改变；以及计算成本，选择所选间隙，并且仅在确定车道改变要在预定时间量内执行的其他条件下执行车道改变。

同样在一实施例中，处理器还配置为至少有助于：对于每个当前间隙，确定自主车辆行驶以执行车道改变的相应轨迹；计算每个轨迹的相应成本；为当前间隙中的具有最小成本的一个间隙选择最佳轨迹；以及向致动器系统提供用于执行自主车辆的所选轨迹的指令。

同样在一实施例中，处理器还配置为至少有助于：对于每个当前间隙，确定用于利用使间隙的尺寸最大化的间隙执行车道改变的最佳时间，这取决于车道改变的最小间隙尺寸以及车道改变的相应的最小时间和最大时间；并且对于每个当前间隙，选择在对于该间隙的优化时间使用该间隙执行车道改变的相应轨迹。

同样在一实施例中，处理器还配置为至少有助于：(i)对于每个当前间隙及其对应的轨迹：(a)将轨迹分为车道保持分量和车道改变分量；和(b)计算轨迹的总成本以包括车道保持分量和车道改变分量的相应成本；以及(ii)选择所选轨迹基于使总成本最小化。

同样在一实施例中，其中处理器还配置为至少有助于：基于操纵的攻击性度量、到达期望车道的时间量以及整个操纵过程中与其他车辆的最近距离来计算成本。

附图说明

在下文中将结合以下附图描述示例性实施例，其中相同的数字表示相同的元件，并且其中：

图1是示出根据各个实施例的具有车道改变计划系统的车辆的功能框图；

图2是示出根据各个实施例的具有如图1所示的一个或多个车辆的运输系统的功能框图；

图3是示出根据各个实施例的具有与图1的车辆相关的车道改变计划系统的自主驾驶系统(ADS)的功能框图；

图4是示出根据各个实施例的车道改变计划系统的功能框图；

图5是根据各个实施例的用于计划车辆的紧急车道改变的控制过程的流程图；

图6是根据各个实施例的在与其他车辆共享的道路上的图1的车辆的示意图，其中需要紧急车道改变；

图7和8是示出根据示例性实施例的用于执行图1的车辆和图6的道路的紧急车道改变的最佳时间的计算和使用的示例性曲线图；以及

图9和10是示出根据示例性实施例的确定用于执行图1的车辆和图6的道路的紧急车道改变并利用图7和8的最佳时间的最佳间隙的示意图。

具体实施方式

以下详细描述本质上仅是示例性的，并不旨在限制应用和使用。此外，无意受在前述技术领域、背景技术、发明内容或以下详细描述中提出的任何明示或暗示的理论约束。如本文所用，术语“模块”是指单独或以任何组合的任何硬件、软件、固件、电子控制部件、处理逻辑和/或处理器设备，包括但不限于：专用集成电路(ASIC)、现场可编程门阵列(FPGA)、电子电路、执行一个或多个软件或固件程序的处理器(共享、专用或组)和存储器、组合逻辑电路和/或提供所描述功能的其他合适部件。

这里可以根据功能和/或逻辑块部件以及各种处理步骤来描述本公开的实施例。应当理解，可以通过配置为执行指定功能的任何数量的硬件、软件和/或固件部件来实现这样的块部件。例如，本公开的实施例可以采用各种集成电路部件，例如存储器元件、数字信号处理元件、逻辑元件、查找表等，其可以在一个或多个微处理器或其他控制设备的控制下执行各种功能。另外，本领域技术人员将理解，可以结合任何数量的系统来实践本公开的实施例，并且本文描述的车辆系统仅仅是本公开的示例性实施例。

为了简洁起见，与信号处理、数据传输、信令、控制、机器学习、图像分析和系统的其他功能方面(以及系统的各个操作部件)有关的常规技术在此处可能不会详细描述。此外，本文包含的各个附图中所示的连接线旨在表示各个元件之间的示例功能关系和/或物理联接。应当注意，在本公开的实施例中可以存在许多替代或附加的功能关系或物理连接。

参考图1，根据各个实施例，总体上表示为100的车道改变计划系统与车辆10(在本文中也称为“主车辆”)相关。一般而言，车道改变计划系统(或简称为“系统”)100提供车辆10通过与其他车辆(例如在本文中可称为“其他车辆”或“目标车辆”)共享的道路的行驶走廊的计划。例如，在各个实施例中，车辆10确定何时需要紧急车道改变，并且基于沿道路检测到的目标车辆来计划紧急车道改变的最佳执行。

如下面进一步详细描述，紧急车道改变包括如下情况：车辆10需要迫在眉睫的车道改变以维持其预期的行驶路线，例如，当车辆10正在接近高速公路出口并且目前不在出口车道上，和/或当车辆10的当前行驶车道即将结束并且车辆10在密集的交通环境中需要合并到另一车道中时。同样如下文更详细地描述，车辆10基于在多个时间点的车辆环境的模拟以及对于车辆10的紧急车道改变的不同潜在车道改变间隙的成本分析来选择最佳车道改变时间(具有相关的车道改变间隙)。

如图1所示，车辆10通常包括底盘12、车身14、前轮16和后轮18。车身14布置在底盘12上并且基本上包围车辆10的部件。车身14和底盘12可以共同形成框架。车轮16-18每个在车身14的相应角部附近旋转地联接至底盘12。在各个实施例中，车轮16、18包括车轮组件，该车轮组件还包括相应的相关轮胎。

在各个实施例中，车辆10是自主车辆，并且车道改变计划系统100和/或其部件被结合到车辆10中。车辆10是例如被自动控制以将乘客在各位置间载运的车辆。在图示的实施例中，车辆10被描述为乘用车，但应当理解，也可以使用任何其他车辆，包括摩托车、卡车、运动型多用途车(SUV)、休闲车(RV)、轮船、飞机等。

在示例性实施例中，车辆10对应于自动驾驶级别的汽车工程师协会(SAE)“J3016”标准分类法下的四级或五级自动化系统。使用该术语，四级系统表示“高度自动化”，是指自动驾驶系统执行动态驾驶任务的所有方面的驾驶模式，即使人类驾驶员没有适当地响应干预要求。另一方面，五级系统表示“完全自动化”，是指自动驾驶系统在可由人类驾驶员管理的所有道路和环境条件下执行动态驾驶任务的所有方面的驾驶模式。然而，将理解，根据本主题的实施例不限于自动化类别的任何特定分类法或标题。此外，根据本实施例的系统可以与包括传感器和悬架系统的任何自主、非自主或其他车辆结合使用。

如图所示，车辆10通常包括推进系统20、传动系统22、转向系统24、制动系统26、一个或多个用户输入设备27、传感器系统28、致动器系统30、至少一个数据存储设备32、至少一个控制器34和通信系统36。在各个实施例中，推进系统20可以包括内燃机、诸如牵引马达的电机和/或燃料电池推进系统。传动系统22配置成根据可选速比将动力从推进系统20传递至车轮16和18。根据各个实施例，传动系统22可包括有级传动比自动变速器、无级变速器或其他合适的变速器。

制动系统26配置成向车轮16和18提供制动扭矩。在各个实施例中，制动系统26可以包括摩擦制动、线制动、诸如电机的再生制动系统和/或其他合适的制动系统。

转向系统24影响车轮16和/或18的位置。尽管出于说明性目的示出为包括方向盘，但在本公开范围内预期的一些实施例中，转向系统24可以不包括方向盘。

在各个实施例中，一个或多个用户输入设备27从车辆10的一个或多个乘客接收输入。在各个实施例中，输入包括车辆10的期望的行驶目的地。在某些实施例中，一个或多个输入设备27包括在车辆10中的交互式触摸屏。在某些实施例中，一个或多个输入设备27包括扬声器，用于接收来自乘客的音频信息。在某些其他实施例中，一个或多个输入设备27可包括一种或多种其他类型的设备和/或可以耦合到乘客的用户设备(例如智能电话和/或其他电子设备)，比如图2中描绘并在下文中与之结合进一步描述的用户设备54。

传感器系统28包括一个或多个传感器40a-40n，其感测车辆10的外部环境和/或内部环境的可观察到的状况。传感器40a-40n包括但不限于雷达、激光雷达、全球定位系统、光学相机、热像仪、超声传感器、惯性测量单元和/或其他传感器。

致动器系统30包括一个或多个致动器42a-42n，其控制一个或多个车辆特征，比如但不限于推进系统20、传动系统22、转向系统24和制动系统26。在各个实施例中，车辆10还可以包括图1中未示出的内部和/或外部车辆特征，比如各种门、行李箱和舱室特征，比如通风、音乐、照明、触摸屏显示部件(比如与导航系统结合使用的那些)等。

数据存储设备32存储用于自动控制车辆10的数据。在各个实施例中，数据存储设备32存储可导航环境的定义地图。在各个实施例中，定义地图可以由远程系统预定义并从其获得(参考图2更详细地描述)。例如，定义地图可以由远程系统组装，并(无线地和/或以有线方式)传送到车辆10，并存储在数据存储设备32中。路线信息也可以存储在数据存储设备32中，即一起定义用户从起始位置(例如用户的当前位置)到目标位置可能要行使的路线的一组路段(在地理上与一个或多个定义地图相关)。将理解的是，数据存储设备32可以是控制器34的一部分、与控制器34分离或者是控制器34的一部分并且是单独系统的一部分。

控制器34包括至少一个处理器44和计算机可读存储设备或介质46。处理器44可以是任何定制的或可商购的处理器、中央处理单元(CPU)、图形处理单元(GPU)、与控制器34相关的多个处理器中的辅助处理器、基于半导体的微处理器(形式为微芯片或芯片组)、其任何组合或通常用于执行指令的任何设备。例如，计算机可读存储设备或介质46可以包括只读存储器(ROM)、随机存取存储器(RAM)和保持活动存储器(KAM)中的易失性和非易失性存储。KAM是持久性或非易失性存储器，其可以在处理器44掉电时用于存储各种操作变量。可以使用许多已知的存储设备中的任何一种来实现计算机可读存储设备或介质46，比如PROM(可编程只读存储器)、EPROM(电PROM)、EEPROM(电可擦除PROM)、闪存或能够存储数据的任何其他电、磁、光或组合存储设备，其中一些表示可执行指令，由控制器34在控制车辆10时使用。

指令可以包括一个或多个单独的程序，每个程序包括用于实现逻辑功能的可执行指令的有序列表。当由处理器44执行时，指令从传感器系统28接收并处理信号，执行用于自动控制车辆10的部件的逻辑、计算、方法和/或算法，并且基于逻辑、计算、方法和/或算法生成传输至致动器系统30的控制信号以自动控制车辆10的部件。尽管在图1中仅示出了一个控制器34，但车辆10的实施例可包括任意数量的控制器34，它们通过任何合适的通信介质或通信介质的组合进行通信，并且配合以处理传感器信号，执行逻辑、计算、方法和/或算法，并且生成控制信号以自动控制车辆10的特征。

通信系统36配置为与其他实体48进行无线通信，比如但不限于其他车辆(“V2V”通信)、基础设施(“V2I”通信)、远程运输系统和/或用户设备(关于图2更详细地描述)。在示例性实施例中，通信系统36是无线通信系统，其配置为使用IEEE 802.11标准或通过使用蜂窝数据通信经由无线局域网(WLAN)进行通信。然而，在本公开的范围内还考虑了诸如专用短程通信(DSRC)信道之类的附加或替代通信方法。DSRC信道是指专门为汽车使用而设计的单向或双向短程到中程无线通信信道以及一组相应的协议和标准。

在某些实施例中，通信系统36还配置为在传感器系统28、输入设备27、致动器系统30、一个或多个控制器(例如控制器34)和/或更多其他系统和/或设备(比如作为示例，在图2中描绘并且在下面结合其进一步描述的用户设备54)之间进行通信。例如，通信系统36可以包括控制器局域网(CAN)总线和/或传感器系统28、致动器系统30、一个或多个控制器34和/或一个或多个其他系统和/或设备之间的直接布线的任意组合。在各个实施例中，通信系统36可以包括一个或多个收发器，用于与车辆10的一个或多个设备和/或系统、乘客的设备(例如图2的用户设备54)和/或一个或多个远程信息(例如GPS数据、交通信息、天气信息等)源通信。

现在参考图2，在各个实施例中，参照图1描述的车辆10可以适用于在特定地理区域(例如城市、学校或商业园区、购物中心、游乐园、活动中心等)中的出租车或班车系统的情境中使用，或者可能只需由远程系统管理。例如，车辆10可以与基于自主车辆的远程运输系统相关。图2示出了总体上以50示出的操作环境的示例性实施例，其包括基于自主车辆的远程运输系统(或简称为“远程运输系统”)52，其与关于图1所描述的一个或多个车辆10a-10n相关。在各个实施例中，操作环境50(其全部或部分可以对应于图1所示的实体48)进一步包括通过通信网络56而与车辆10和/或远程运输系统52通信的一个或多个用户设备54。

通信网络56根据需要支持由操作环境50支持的设备、系统和部件之间的通信(例如经由有形的通信链路和/或无线通信链路)。例如，通信网络56可以包括诸如蜂窝电话系统之类的无线载波系统60，其包括多个蜂窝塔(未示出)、一个或多个移动交换中心(MSC)(未示出)以及将无线载波系统60与陆地通信系统连接所需的任何其他联网部件。每个蜂窝塔包括发送和接收天线以及基站，来自不同蜂窝塔的基站直接或通过诸如基站控制器的中间装备连接到MSC。无线载波系统60可以实施任何合适的通信技术，包括例如数字技术，比如CDMA(例如CDMA2000)、LTE(例如4G LTE或5G LTE)、GSM/GPRS或者其他当前或新兴的无线技术。其他蜂窝塔/基站/MSC布置也是可能的，并且可以与无线载波系统60一起使用。例如，基站和蜂窝塔可以共同位于同一地点，或者它们可以位于彼此遥远的位置，每个基站可以负责单个蜂窝塔，或单个基站可以服务各个蜂窝塔，或各个基站可以耦合到单个MSC，仅举几个可能的布置。

除了包括无线载波系统60之外，还可以包括卫星通信系统64的形式的第二无线载波系统，以提供与车辆10a-10n的单向或双向通信。这可以使用一个或多个通信卫星(未示出)和上行链路发送站(未示出)来完成。单向通信可以包括例如卫星无线电服务，其中节目内容(新闻、音乐等)由发送站接收，打包后上传，然后发送到卫星，它将节目广播给订户。双向通信可以包括例如卫星电话服务，其使用卫星来中继车辆10和站之间的电话通信。除了或代替无线载波系统60，还可以利用卫星电话。

可以进一步包括陆地通信系统62，其是连接到一个或多个陆线电话的常规基于陆地的电信网络，并且将无线载波系统60连接到远程运输系统52。例如，陆地通信系统62可以包括公共交换电话网络(PSTN)，比如用于提供硬线电话、分组交换的数据通信以及互联网基础设施。可以通过使用标准有线网络、光纤或其他光网络、电缆网络、电力线、其他无线网络(比如无线局域网(WLAN))或提供宽带无线访问(BWA)的网络或其任何组合来实施陆地通信系统62的一个或多个段。此外，远程运输系统52不需要经由陆地通信系统62连接，而是可以包括无线电话装备，从而其可以与诸如无线载波系统60的无线网络直接通信。

尽管在图2中仅示出了一个用户设备54，但操作环境50的实施例可以支持任何数量的用户设备54，包括一个人拥有、操作或以其他方式使用的多个用户设备54。可以使用任何适当的硬件平台来实施由操作环境50支持的每个用户设备54。就这一点而言，用户设备54可以以任何常见的形式来实现，包括但不限于：台式计算机；移动计算机(例如平板计算机、膝上型计算机或上网本计算机)；智能手机；视频游戏设备；数字媒体播放器；家庭娱乐设备的部件；数码相机或摄像机；可穿戴计算设备(例如智能手表、智能眼镜、智能服装)等。由操作环境50支持的每个用户设备54被实现为具有执行本文所述的各种技术和方法所需的硬件、软件、固件和/或处理逻辑的计算机实施的或基于计算机的设备。例如，用户设备54包括可编程设备形式的微处理器，其包括存储在内部存储器结构中并被用于接收二进制输入以创建二进制输出的一个或多个指令。在一些实施例中，用户设备54包括GPS模块，其能够接收GPS卫星信号并基于那些信号生成GPS坐标。在其他实施例中，用户设备54包括蜂窝通信功能，使得该设备使用一种或多种蜂窝通信协议通过通信网络56执行语音和/或数据通信，如本文所讨论。在各个实施例中，用户设备54包括视觉显示器，比如触摸屏图形显示器或其他显示器。

远程运输系统52包括一个或多个后端服务器系统(未示出)，其可以是基于云的、基于网络的或驻留在由远程运输系统52提供服务的特定校园或地理位置中。远程运输系统52可以由现场顾问，自动顾问，人工智能系统或其组合来操纵。远程运输系统52可以与用户设备54和车辆10a-10n通信以安排行程、调度车辆10a-10n等。在各个实施例中，远程运输系统52存储商店帐户信息，比如订户认证信息、车辆识别符、简档记录、生物统计数据、行为模式以及其他相关的订户信息。

根据典型的用例工作流程，远程运输系统52的注册用户可以经由用户设备54创建乘车请求。乘车请求通常将指示乘客的期望上车位置(或当前GPS位置)、期望的目的地位置(其可以识别预定义的车辆停靠站和/或用户指定的乘客目的地)以及上车时间。远程运输系统52接收乘车请求，处理该请求，并调度车辆10a-10n中的一个选定车辆(当可用时且如果有的话)在指定的上车地点并在适当的时间接载乘客。运输系统52还可以生成适当配置的确认消息或通知并将其发送到用户设备54，以使乘客知道车辆在路上。

可以理解的是，本文公开的主题提供了可以视为标准或基准车辆10和/或基于车辆的远程运输系统52的某些增强的特征和功能。为此，可以对车辆和基于车辆的远程运输系统进行修改、增强或补充，以提供以下更详细描述的其他特征。

根据各个实施例，控制器34实施如图3所示的自主驾驶系统(ADS)。即，控制器34(例如处理器44和计算机可读存储设备46)的合适的软件和/或硬件部件用于提供与车辆10结合使用的ADS。

在各个实施例中，自主驾驶系统70的指令可以通过功能或系统来组织。例如，如图3所示，自主驾驶系统70可以包括计算机视觉系统74、定位系统76、引导系统78和车辆控制系统80。可以理解的是，在各个实施例中，指令可被组织成任意数量的系统(例如组合的，进一步划分的等)，因为本公开不限于本示例。

在各个实施例中，计算机视觉系统74合成并处理传感器数据，并且预测车辆10的环境的物体和特征的存在、位置、分类和/或路径。在各个实施例中，计算机视觉系统74可以包括合并来自多个传感器的信息，包括但不限于相机、激光雷达、雷达和/或任何数量的其他类型传感器。

定位系统76与其他数据一起处理传感器数据以确定车辆10相对于环境的位置(例如相对于地图的局部位置、相对于道路车道的精确位置、车辆前进方向、速度等)。引导系统78与其他数据一起处理传感器数据，以确定车辆10要遵循的路径。车辆控制系统80根据确定的路径生成用于控制车辆10的控制信号。

在各个实施例中，控制器34实施机器学习技术以辅助控制器34的功能，比如特征检测/分类、障碍物缓解、路线穿越、地图绘制、传感器集成、地面真相确定等。

在各个实施例中，如以上关于图1所讨论，控制器34的一个或多个指令体现在车道改变计划系统100中，用于计划车辆10沿道路行使的走廊。如图所示，车道改变计划系统100的全部或部分可以体现在计算机视觉系统74和/或车辆控制系统80中，或者可以实施为单独的系统(称为车道改变计划系统400)。

参考图4并且继续参考图1，车道改变计划系统400通常包括检测模块410和处理模块420。在各个实施例中，检测模块410和处理模块420设置在车辆10上。可以理解的是，在各个实施例中，车道改变计划系统400的部分可以设置在远离车辆10的系统上，而车道改变计划系统400的其他部分可以设置在车辆10上。

在各个实施例中，检测模块410从车辆10的各个传感器40a-40n(例如激光雷达传感器、雷达传感器、相机等)接收传感器数据412。检测模块410收集传感器数据412以便获得与车辆10正在行使的道路有关的信息，包括可能需要紧急改变车道的条件(例如当车辆10正在接近高速公路出口并且目前不在出口车道上时，和/或当车辆10的当前行驶车道即将结束并且车辆10需要在密集的交通环境中合并到另一车道中时)，以及关于车辆10附近的目标车辆和/或道路车道的信息。在各个实施例中，经由图1的传感器40a-40n获得传感器数据412。在各个实施例中，除其他数据外，传感器数据412还可包括车道数据以及每个检测到的车辆(或其他物体)的位置以及有关目标车辆是否在运动的信息，并且如果是的话则还包括运动的方向和大小以及其他可能的信息。在各个实施例中，检测模块410收集该信息并生成观测数据415作为检测模块410的输出，其被提供给以下描述的处理模块420。

处理模块420从检测模块410接收观察数据415，使用接收到的观察数据415执行分析，包括对紧急车道改变的需要的识别以及紧急车道改变的计划(包括基于多个时间点的车辆环境的模拟以及针对车辆10的紧急车道改变的不同潜在车道改变间隙的成本分析，选择具有相关车道改变间隙的最佳车道改变时间)。同样在各个实施例中，处理模块420生成适合于车辆10的操作的指令425，以用于执行关于分析的紧急车道改变。例如，在各个实施例中，处理模块420为紧急车道改变选择最佳时间和轨迹。同样在各个实施例中，处理模块420生成用于车辆10的操作的指令425以执行最佳车道改变(例如用于经由诸如图3的ADS70之类的自动驾驶系统和/或其部件和/或诸如图1的致动器42a...42n之类的车辆致动器来实施)。

参照图5，提供了用于控制过程500的流程图，其用于计划沿道路的紧急车道改变。根据各个实施例，可以结合图1的车道改变计划系统100和车辆10、图2的运输系统52、图3的自主驾驶系统以及图4的车道改变计划系统400来实施控制过程500。

如根据本公开可以理解的是，控制过程500内的操作顺序不限于如图5所示的顺序执行，而是可以按照适用且根据本公开的一个或多个变化顺序来执行。在各个实施例中，控制过程500可被调度为基于一个或多个预定事件运行，和/或可以在车辆10的操作期间连续运行。

下面还将参考图6-10进一步讨论图5的过程500。具体地，图6是根据各个实施例的在与其他车辆共享的道路600上的图1的车辆10的示意图，其中需要紧急车道改变。图7和8是示出根据示例性实施例的用于执行图1的车辆10和图6的道路600的紧急车道改变的最佳时间的计算和使用的示例性曲线图。图9和10是示出根据示例性实施例的确定用于执行图1的车辆10和图6的道路600的紧急车道改变并利用图7和8的最佳时间的最佳间隙的示意图。

返回参照图5，在各个实施例中，控制过程500可以在502开始。在各个实施例中，当乘员在车辆10内并且车辆10以自动或非自动方式开始操作时，发生过程步骤502。

在某些实施例中，在504获得乘客输入。在各个实施例中，乘客输入涉及经由车辆10行驶的期望目的地。在各个实施例中，可以经由车辆的输入设备(例如对应于图1的输入设备27)和/或乘客设备(例如图2的用户设备54)获得用户输入。同样在某些实施例中，经由图4的检测模块410获得乘客输入。在某些其他实施例中，可能不需要乘客输入(例如在完全自主车辆的情况下)。

在506获得传感器数据。在各个实施例中，从图1的各个传感器40a…40n获得传感器数据。例如，在各个实施例中，从相机和/或其他视觉系统、激光雷达传感器、雷达传感器和/或图1的一个或多个其他传感器40a…40n获得传感器数据。同样在各个实施例中，传感器数据可以涉及与车辆10沿道路(例如图6、9和10的道路600)行使时的其周围环境有关的数据观察，包括与道路600本身(例如其车道和其中的变化以及宽度、长度、曲率等)以及也使用道路600的其他车辆和其他物体有关的信息。同样在某些实施例中，606的传感器数据经由图4的检测模块410获得作为图4的传感器数据412，且相应的输出作为观察数据415被提供给处理模块420以进行处理。

在508获得地图数据。在各个实施例中，从车辆10上的存储器比如图1的数据存储设备32和/或46中检索地图数据。在某些实施例中，可以从图2的基于自主车辆的远程运输系统52的路线数据库53中检索地图数据。同样在各个实施例中，地图数据包括与车辆10正在行驶的图6、9和10的道路600有关的地图和相关数据。同样在某些实施例中，经由图4的检测模块410获得地图数据。

在各个实施例中，在510获得其他数据。在各个实施例中，在610经由图1(例如来自其收发器)的通信系统36从或利用一个或多个远程数据源获得其他数据。举例来说，在某些实施例中，510的其他数据可以包括使用一个或多个GPS卫星的GPS数据，包括车辆10的当前位置；有关道路的适用交通流量和模式的数据；交通灯历史记录、附近固定车辆的运动历史记录和/或来自一个或多个远程源的天气、建筑和/或其他数据，这些可能会影响道路分析，包括关于是否有必要紧急改变车道。

在512确定车辆的当前位置。在各个实施例中，当前位置由图4的处理模块420(例如使用图1的处理器44)使用从504、506、508和/或510获得的信息确定。例如，在某些实施例中，当前位置是使用GPS和/或其他定位系统确定的，和/或从此类系统收到。在某些其他实施例中，可以使用来自车辆的其他传感器数据和/或经由车辆10的用户或乘客提供的输入来确定位置。

在514做出关于与车辆10共享道路的其他车辆的识别。在各个实施例中，图1的处理器44识别沿道路600的其他车辆(例如图6、9和10的其他车辆612、614、616、1018和1020)。在各个其他实施例中，还可以检测其他物体(例如树木、岩石、墙壁等)。在各个实施例中，514的识别由图4的处理模块420(例如经由图1的处理器44)使用来自506的检测模块410的观察数据415进行。

在516确定关于紧急车道改变。在各个实施例中，关于车辆10何时需要迫在眉睫的车道改变以维持其预期的行驶路线，基于506的传感器数据、508的地图数据、510的其他数据(如果适用的话)、512的位置数据以及514的其他车辆数据来确定紧急车道改变。在各个实施例中，当(a)车辆10接近高速公路出口并且当前不在出口车道中时，和/或(b)当车辆的当前行驶车道即将结束并且车辆10需要合并到另一车道中时(如果车辆10处于拥挤的交通环境中)，则确定需要紧急车道改变。例如，在某些实施例中，当(a)车辆10在第一预定距离或时间内接近高速公路出口并且当前不在出口车道中时，和/或(b)当车辆的当前行驶车道在第二预定距离或时间内即将结束并且车辆10需要合并到另一车道中时(如果沿着车辆10附近的道路检测到至少预定数量的车辆10)，则确定需要紧急车道改变。在各个实施例中，由图4的处理模块420(例如经由图1的处理器44)使用来自检测模块410的观察数据415进行516的确定。

参照图6，在其中描绘的示例性道路600中，车辆10被描绘为当前位于第一车道(或当前车道)602中。同样如图6所示，在各个实施例中，紧急车道改变是为了使车辆10移动到道路的第二车道(或目标车道)604中。同样如图6所示，各个其他车辆612、614和616(其他车辆的数量可以在不同情况下变化)被识别为潜在地阻碍和/或干扰进入第二车道604的期望车道改变。

返回参照图5，一旦确定紧急车道改变，则在518在将来的时间中识别并预测用于紧急车道改变的当前间隙。每个间隙被确定为目标车道上的主车辆与远程车辆之间以及与当前车道中的前方车辆之间的空间。图6描绘了由主车辆10与远程车辆612、614、616之间的空间限定的用于紧急车道改变操纵的当前间隙之一。在各个实施例中，在当前时间(t＝0)以及使用时间步长间隔(例如t＝0.5，t＝1，t＝2，代表秒、毫秒和/或其他时间测量单位等)的后续时间点，相对于主车辆10的水平轴线和/或道路600在时间上预测每个当前。在各个实施例中，作为518的一部分，用于每个检测到的车辆的当前和未来的预测位置和轨迹用于确定在各个未来时间点的当前间隙尺寸。为每个目标车辆确定未来预测的位置、前进方向、速度和加速度(包括其大小和方向)，包括考虑彼此之间以及与主车辆10的相互作用(例如考虑到一个车辆的运动可能会响应地对另一车辆的运动产生变化等)。

参照图6，在各个实施例中，在各个时间点(t)处将各个预测间隙620描绘为图6的道路600中的阴影区域。在某些实施例中，每个预测间隙存在于特定的时间点，并且代表当前车道602和目标车道604中的不同其他车辆(例如车辆612、614、616等)之间的区域，目标车辆10通过该区域可以执行期望的车道改变成目标车道604。同样如图6所示，基于其他车辆随时间的不同位置(例如其他车辆612在不同对应的不同时间点1、2…n的不同位置612(1)、612(2)...612(n)；其他车辆614在不同对应的不同时间点1、2…n的不同位置614(1)、614(2)...614(n)；以及其他车辆616在不同对应的不同时间点1、2…n的不同位置616(1)、616(2)...616(n)；其中“n”表示在分析中利用的时间点数量等)来识别预测间隙620。同样在各个实施例中，由当前车道602和目标车道604中的检测到的其他车辆创建的当前车道602和目标车道604之间的相交区域定义间隙函数Gap(t)。尽管图6描绘了分析单个间隙的过程，但应理解，在各个实施例中(例如如图10所示，将在下文进一步讨论)，将针对每个间隙重复相同的过程。在各个实施例中，由图4的处理模块420(例如经由图1的处理器44)进行518的确定和预测。

另外，在各个实施例中，一旦识别预测间隙，就在520为每个预测间隙创建评估函数。在各个实施例中，对于每个预测间隙，相应的评估函数表示间隙随时间(例如从当前时间T0开始)的尺寸(例如沿着相对于主车辆10的水平轴线的长度)。

在某些实施例中，每个间隙的评估函数由图4的处理模块420(例如经由图1的处理器44)创建如下：

U

其中，U

同样在各个实施例中，在522，使用针对间隙的相应评估函数，为每个间隙确定所有预测间隙时间中的最佳时间(T*)。具体地，在某些实施例中，图4的处理模块420(例如经由图1的处理器44)确定主车辆10利用特定间隙进行期望车道改变的最佳时间(T*)。在某些实施例中，对于每个特定间隙，最佳时间(T*)表示特定间隙将具有等式1中计算的其最大尺寸的时间。

参照图7，在示例性实施例中，提供了示例性曲线图，其针对特定间隙示出了在时间702(x轴)上的预测间隙尺寸704(y轴)。如图7所示，时间702上的间隙尺寸704由代表以上等式1的函数的曲线706反映。如图7所示，针对图7的特定间隙的最佳时间(T*)712对应于最大(即最大)间隙尺寸716。

另外，同样在某些实施例中，该曲线图包括g

同样在各个实施例中，在524，对于每个间隙，将车辆操纵分为两个分量，即车道保持分量和车道改变分量(例如用于进一步分析，比如关于轨迹和成本，如在下面进一步讨论)。在各个实施例中，车道保持分量包括在执行车道改变之前保持在当前车道中时的第一车辆动作。同样在各个实施例中，车道改变分量包括在执行车道改变到期望车道中时的第二车辆动作。在各个实施例中，以这种方式分割车辆操纵由图4的处理模块420(例如经由图1的处理器44)执行。

参照图8，在各个实施例中：(i)描绘了车道保持区域810，其从当前时间t0开始并且在车道保持时间T

返回参考图5，在各个实施例中，在526，为每个间隙产生轨迹。在各个实施例中，对于每个间隙，轨迹代表车辆10的计划运动，包括车道保持和车道改变分量。在各个实施例中，图4的处理模块420(例如经由图1的处理器44)产生用于车辆10的目标车道上的每个间隙的轨迹，车辆10在指定区域内完成车道保持和车道改变操纵并且在目标时间T*满足车道改变结束时的终端约束(例如在完成车道改变操纵之后，主车辆10为了平稳地跟随目标车道上的引导车辆所需的速度和加速度)。

参考图9，示出了根据各个实施例的沿道路600的具有计划轨迹的车辆10。例如，如图9所示，在某些实施例中，针对主车辆10通过描绘的间隙902在从当前车道602行驶到期望车道604的过程中计划轨迹904，包括车道保持分量910(在某些实施例中，对应于图8的车道保持分量时间810)和车道改变分量912(在某些实施例中，对应于图8的车道改变分量时间812)。同样如图9所示，在该示例中，主车辆10能够使用间隙902经由轨迹904成功地导航期望的车道改变，而无需接触任何周围目标车辆612、614或616。尽管图9描绘了分析单个间隙的过程，但应当理解，在各个实施例中(例如如图10所示，将在下文进一步讨论)，将针对每个间隙重复相同的过程。

返回参考图5，在各个实施例中，在528，针对每个轨迹(即对应于每个间隙)计算成本值。在各个实施例中，对于每个轨迹，成本值包括操纵的攻击性度量(例如就横向和/或纵向加速度和/或加速度率而言)以及到达期望车道的时间量以及整个操纵过程中与其他车辆的最近距离。例如，在各个实施例中：(i)具有相对较大的横向和/或纵向加速度和/或加速度率值(例如高于一个或多个预定阈值)的轨迹将导致相对较大的成本；(ii)到达期望车道的具有相对较大时间的轨迹将导致相对较大的成本；(iii)具有与其他车辆或物体的相对较小距离的轨迹(例如在整个操纵过程中具有相对较小的最近距离)也会导致相对较大的成本。在各个实施例中，图4的处理模块420(例如经由图1的处理器44)基于计划的轨迹和各个车辆的预测运动来计算不同轨迹的成本，并基于它们的相对重要性将权重用于各种成本因子等。另外，在各个实施例中，每个轨迹(及相关间隙)的计算成本包括整个轨迹的计算的总成本，包括轨迹的车道保持分量和车道改变分量的相应成本。

同样在各个实施例中，在530确定最佳间隙。在某些实施例中，图4的处理模块420(例如经由图1的处理器44)基于528的计算选择具有最低轨迹成本值的用于期望车道改变的间隙。

参照图10，示出了根据各个实施例的沿道路600具有多个投影轨迹的车辆10。在图10中描绘了各个可能的间隙902(1)、902(2)和902(n)，每个执行用于将主车辆10的期望车道改变成期望车道604，同时避免其他车辆614、616、1018和1020。应当理解，在各个实施例中，间隙902的数量可以变化(视情况而定等)，目标车辆的数量和/或与图10有关的其他条件也可如此。如图10所示，每个间隙902(1)、902(2)…902(n)具有带有相关的相应成本的相应轨迹904(1)、904(2)…904(n)，而在530，图1的处理器44选择具有最小成本值的间隙902和对应的轨迹904。

在各个实施例中，在532，根据优化的(即最低成本)间隙来计划车辆10的轨迹。在各个实施例中，图4的处理模块420(例如经由图1的处理器44)计划具有最低/最小成本的轨迹，并发送用于所选轨迹的指令。同样在各个实施例中，根据由处理器44提供给图1的一个或多个系统的指令的实施，在534为车辆10执行车道改变，比如通过致动器系统30(和/或在某些实施例中推进系统20、传动系统22、转向系统24、制动系统26和/或图1的其他系统和/或部件)实施。同样在各个实施例中，该过程然后在536终止。

如本文所指，除非另有说明：在各个实施例中，(i)如本文所用的当前间隙是指基于主车辆和远程车辆的当前位置而识别的间隙(例如图10描绘了三个当前间隙，而其他附图每个仅描绘单个当前间隙)；(ii)如本文所用的预测间隙(例如多个预测间隙)是指对于每个当前间隙基于远程车辆的预测而产生的间隙(例如每个当前间隙可具有如图6所示的多个预测间隙)；(iii)对于每个当前间隙基于其预测间隙确定一次最佳时间、轨迹和成本值(例如，在图10中，其中存在三个当前间隙，计算将确定三个最佳时间、三个轨迹和三个成本值，且最佳间隙是具有三个成本中的最小成本的间隙)。

因此，在各个实施例中，提供了用于执行车辆比如自主车辆的紧急车道改变的方法、系统和车辆。如上面更详细地阐述，在各个实施例中，(i)对于每个当前间隙，基于主车辆和周围目标车辆的实际和预测位置以及运动来产生用于期望车道改变的各个预测间隙；(ii)为每个当前间隙并根据其预测的最佳间隙尺寸产生轨迹及相关成本；(iii)基于具有最小成本值(例如导致目标车辆之间的相对较大距离，同时在相对较小的时间量内以相对较小的操纵攻击性实现期望的车道改变等，如上所述)的所选间隙(具有相关轨迹)执行车道改变)。

将理解的是，在各个实施例中，在附图中描绘并在上面描述的车辆、系统和部件可以变化。类似地将理解，在附图中描绘并在上面描述的步骤、实施方式和示例也可以变化，和/或可以以不同的顺序或次序执行等。

尽管在前面的详细描述中已经提出了至少一个示例性实施例，但应当理解，存在大量的变型。还应当理解，一个或多个示例性实施例仅是示例，并且无意以任何方式限制本公开的范围、适用性或配置。相反，前述详细描述将为本领域技术人员提供用于实施一个或多个示例性实施例的便利路线图。应当理解，在不脱离如所附权利要求及其合法等同物所阐述的本公开的范围的情况下，可以对元件的功能和布置进行各种改变。