集中式车辆协同决策匝道汇入分离方法、装置及云端与流程

1.本发明属于自动驾驶技术领域，更具体地，涉及一种集中式车辆协同决策匝道汇入分离方法、装置及云端。


背景技术：

2.随着经济的快速发展，私家车持有比例快速上升，机动车数量逐年上升且增量不断增加；加之城市化进程的加快，车辆的集中程度加大。不断增长的汽车数量使许多地方的道路交通系统的负担日益加重，而人们对更加便捷的交通环境的需求却不断加强，这种矛盾导致了许多交通问题乃至更大范围的社会矛盾。交通问题的日益严峻，引起社会各方的广泛重视，已然成为民众关心的焦点问题。
3.路径规划在交通领域有广泛的应用，如gps导航、gis系统中的路径规划和城市路网规划等。从路径规划算法诞生至今，从传统算法逐渐演变为现在的智能化算法。路径规划算法多种多样，各有特点，在应用时应根据实际应用情况选择合适的算法。目前，车辆的整体智能化程度得到极大的提升，与之相配套的道路智能化交通也越来越先进，为了向用户提供更舒适、更安全的驾乘体验，也为了缓解交通压力，减少交通事故的发生，需要将智能化交通和智能化车辆结合起来来实现。
4.参考公开号为cn115061466a的专利申请，公开了一种车路协同自动驾驶的方法、路侧设备、云控平台和系统，该方法包括：响应于检测到第一车辆，采集第一车辆的第一行车信息和路况信息，第一行车信息包括第一车辆的定位信息；将第一行车信息和路况信息传送至服务器；接收用于第一车辆的第一车辆控制信息，第一车辆控制信息是基于第一行车信息和路况信息而生成的；将第一车辆控制信息传送至第一车辆，第一行车信息是由路侧设备采集的，第一车辆控制信息包括以下中的至少一者：行为决策信息，以指示第一车辆的动作；运动规划信息，以指示第一车辆的运动状态和/或运动轨迹；控制指令信息，用于对第一车辆的执行器进行控制。
5.参考公开号为cn113734202a的专利申请，该方法可包括在云端执行的如下步骤：获取车联网中各车辆的规划路径信息和实时状态信息；基于各车辆的规划路径信息，确定本车与他车之间的协同区；基于协同区与实时状态信息，确定需要与本车协同的车辆集合；基于车辆集合，确定各车辆的通行权限。本发明通过云端进行多车协同处理，改善了由于车辆均相互避让导致的通行效率较低以及车辆均抢行导致的行驶安全问题，提升了交通效率，同时提升了车辆行驶安全性。
6.然而上述方案存在如下技术问题：仅给出了协同决策系统的工作方法和思路，没有给出系统协同决策过程中以及智能车辆全局路径规划方法；给出了车、路、云三者之间的数据交互关系，并没有具体到协同决策的具体应用场景和工况中，以及判断得出的全局路径是否存在碰撞安全的方法。
7.因此，如何在保障智能车辆行驶安全的前提下，最大程度上提高单个智能车辆的行驶效率以及道路的通行效率是目前亟需解决的技术问题。


技术实现要素：

8.针对现有技术的以上缺陷或改进需求，本发明提出了一种集中式多智能体车辆协同决策匝道汇入分离方法、装置及云端，多智能体车辆在协同决策模式下，在保障智能车辆行驶安全的前提下，最大程度上提高单个智能车辆的行驶效率以及道路的通行效率。
9.为实现上述目的，按照本发明的一个方面，提供了一种集中式车辆协同决策匝道汇入分离方法，包括：
10.根据目标车辆当前时刻的位置信息和目的地址，采用快速扩展随机树规划目标车辆的全局路径；
11.将生成的全局路径结合期望行驶速度得出目标车辆各时间点在全局路径上的位置，以使其他车辆结合目标车辆各时间点在全局路径上的位置来规划全局路径；
12.若目标车辆的全局路径规划时间晚于当其到达目标路段时其他车辆全局路径规划时间，且规划的匝道汇入或分离的路线已被其他车辆占有，则基于管控路段内路侧设备的感知数据、车辆的运行数据及车端传感器感知数据，生成协同控制策略。
13.在一些可选的实施方案中，所述根据目标车辆当前时刻的位置信息和目的地址，采用快速扩展随机树规划目标车辆的全局路径，包括：
14.定义全局路径规划任务空间n代表空间维度，将全局路径规划任务空间划分为存在障碍物的空间以及空白区域设目标车辆当前时刻的位置信息对应的初始状态点为p
start
∈x
free
，目的地址对应的目标点为p
end
∈x
free
；
15.将点p
start
作为整个树状结构的根节点，在空白区域中的随机位置生成一个随机点p
rand
，以p
rand
为中心，对树状结构上的所有节点进行遍历搜索，计算这些节点与p
rand
之间的欧氏距离，选取距离最小的节点p
near
作为最近节点；
16.设从p
near
点到p
rand
点的方向为树状结构的生长方向，使搜索树从p
near
点沿生长方向生长一定距离，得到树状结构上的下一个节点，记为p
new
，判断目标车辆在点p
near
到p
new
代表的路径上，是否与该路径周围障碍物发生碰撞，若与障碍物相撞则剔除节点p
new
，再次重新在空白区域中的随机位置生成一个随机点p
rand
进行采样搜索；若没有发生碰撞，则将p
new
点添加到树上，直至新生成的节点p
new
到达目标点p
end
，或者与目标点p
end
之间的距离小于一个单位的生长步长，从目标点p
end
按顺序回溯一系列父节点，得到最终路径。
17.在一些可选的实施方案中，所述判断目标车辆在点p
near
到p
new
代表的路径上，是否与该路径周围障碍物发生碰撞，包括：
18.将目标车辆看作为以长度l为直径的圆，该圆圆心走过的路径即为点p
near
到p
new
的路径，判断圆心走过的路径，是否与p
near
到p
new
的路径周围障碍物发生碰撞，其中，l的值为目标车辆距离最远两点的大小。
19.在一些可选的实施方案中，所述基于管控路段内路侧设备的感知数据、车辆的运行数据及车端传感器感知数据，生成协同控制策略，包括：
20.若目标车辆和第一车辆存在路径冲突，和其他车辆不存在路径冲突，且目标车辆减速不会影响其他车辆行驶，而第一车辆减速会影响其他车辆行驶，则目标车辆的行驶过程改变为先减速后加速的行驶过程，等第一车辆释放路权时，目标车辆再变道至目标车道，然后驶离或驶入主干道路。
21.在一些可选的实施方案中，所述基于管控路段内路侧设备的感知数据、车辆的运行数据及车端传感器感知数据，生成协同控制策略，包括：
22.目标车辆和第一车辆存在路径冲突，和其他车辆不存在路径冲突，且目标车辆减速会影响其他车辆行驶，而第一车辆减速不会影响其他车辆行驶，则第一车辆的行驶过程改变为先减速后加速行驶，第一车辆主动释放路权，目标车辆加速或匀速变道至目标车道然后驶离或驶入主干道路。
23.在一些可选的实施方案中，所述基于管控路段内路侧设备的感知数据、车辆的运行数据及车端传感器感知数据，生成协同控制策略，包括：
24.若目标车辆和多辆车存在路径冲突，则逐步提高目标车辆行驶速度，然后根据升高后速度重新进行全局路径规划直至找到合适全局行驶路径，且最终确定的行驶速度不能超过允许行驶的最大值。
25.在一些可选的实施方案中，所述基于管控路段内路侧设备的感知数据、车辆的运行数据及车端传感器感知数据，生成协同控制策略，包括：
26.若目标车辆和多辆车存在路径冲突，且提高目标车辆的期望行驶速度至允许行驶的最大值均存在冲突，则降低目标车辆的行驶速度，根据期望行驶速度规划出第二条全局行驶路径以及计算出相对应的车辆行驶时间t
limit
；
27.目标车辆逐步降低行驶速度，根据t
limit
的值计算出目标车辆最低行驶速度v
limit
，若在目标车辆减速至v
limit
之前便找到合适的全局路径，则按照v
limit
行驶，否则目标车辆按照第二条全局行驶路径行驶。
28.按照本发明的另一方面，提供了一种集中式车辆协同决策匝道汇入分离装置，包括：
29.全局路径规划模块，用于根据目标车辆当前时刻的位置信息和目的地址，采用快速扩展随机树规划目标车辆的全局路径；将生成的全局路径结合期望行驶速度得出目标车辆各时间点在全局路径上的位置，以使其他车辆结合目标车辆各时间点在全局路径上的位置来规划全局路径；
30.协同控制模块，用于在目标车辆的全局路径规划时间晚于当其到达目标路段时其他车辆全局路径规划时间，且规划的匝道汇入或分离的路线已被其他车辆占有时，基于管控路段内路侧设备的感知数据、车辆的运行数据及车端传感器感知数据，生成协同控制策略。
31.按照本发明的另一方面，提供了一种包括集中式车辆协同决策匝道汇入分离装置的云端。
32.按照本发明的另一方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述方法的步骤。
33.总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：
34.本发明提供的集中式多智能体车辆协同决策匝道汇入分离方法，多智能体车辆在协同决策模式下，在保障智能车辆行驶安全的前提下，最大程度上提高单个智能车辆的行驶效率以及道路的通行效率。
附图说明
35.图1是本发明实施例提供的一种集中式多智能体车辆动态协同决策匝道汇入分离方法的硬件系统架构图；
36.图2是本发明实施例提供的一种集中式多智能体车辆动态协同决策控车系统功能示意图；
37.图3是本发明实施例提供的一种集中式车辆协同决策匝道汇入分离方法的流程示意图；
38.图4是本发明实施例提供的一种rrt算法树状结构生成过程示意图；
39.图5是本发明实施例提供的一种路径是否存在碰撞可能性示意图；
40.图6是本发明实施例提供的一种目标车辆行驶路况示意图；
41.图7是本发明实施例提供的一种工况一示意图；
42.图8是本发明实施例提供的一种工况二示意图；
43.图9是本发明实施例提供的一种智能车辆全局路径生成流程图；
44.图10是本发明实施例提供的一种工况一实施流程示意图；
45.图11是本发明实施例提供的一种工况二实施流程示意图；
46.图12是本发明实施例提供的一种工况三实施流程示意图；
47.图13是本发明实施例提供的一种工况四实施流程示意图；
48.图14是本发明实施例提供的一种集中式车辆协同决策匝道汇入分离装置示意图。
具体实施方式
49.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
50.在本发明实例中，“第一”、“第二”等是用于区别不同的对象，而不是用于描述特定的顺序或先后次序。
51.本发明提供的集中式车辆群体协同决策匝道汇入分离技术需要的硬件系统包括，如图1所示：云端子系统、路侧子系统以及车端子系统。云端子系统作为群体协同决策控制的中枢，依据各数据源获取的各类数据，管控路段内的车辆行为进行决策控制；路侧子系统一方面可以对管控路段内的车辆状态、交通状态等信息进行实时感知，一方面也作为云端子系统与车端子系统之间的信息桥梁；车端子系统服务于单个自动驾驶车辆，拥有一些必要的感知设备，并依据云端子系统做出的决策对车辆进行控制。
52.具体地，在本发明实施例中，云端子系统主要需要提供以下功能：
53.①
数据实时融合处理。云端子系统的输入数据来源广泛，不仅包括其管控路段内路侧设备的感知数据、车辆的运行数据及车端传感器感知数据、各子系统各单元运行状态数据等实时数据，也包括基础数据、历史数据、外部数据源数据(如气象数据等)、人工管控命令数据等。
54.②
实时决策生成。云端子系统在前述融合数据的基础上，生成作用于其管控范围内所有车辆的实时控制方案，即协同控制策略，在保证智能网联汽车驾驶安全的前提下，尽
可能达到最高的交通效率，充分发挥智能网联环境下车路一体化系统的优势。
55.③
基础数据与历史数据存储。在生成车辆协同决策方案时，不仅需要实时传入的数据，也需要道路线形、标高、车道数、车道宽、路肩信息等大量基础数据。同时，输入数据和输出数据也需要进行实时存储，以便后续方案优化等作用。
56.④
云端子系统间协作。一方面，为保障集中式车辆群体协同决策控制系统的安全性，需要搭建镜像云端子系统避免正在执行任务的云端子系统故障时导致重大交通事故发生，智能网联汽车在各云端子系统间切换时，其前后云端子系统之间需要做好其数据和控制权的交接工作；另一方面，云端子系统间协作也可应用于车辆路线选择、协同管控措施实施等，合理分配路网中各路段上的交通量。
57.具体地，在本发明实施例中，路侧子系统主要需要提供以下功能：
58.①
在感知方面，路侧子系统包含多种感知设备，包括激光雷达、毫米波雷达、视频检测器等。在一组路侧子系统中，可在路段的不同位置以不同密度布设不同的感知设备，实现对路段的多源整体感知。
59.②
在与车端的通信方面，路侧子系统与车端可通过c-v2x无线连接技术进行实时通信，接收车载感知设备数据、车辆运行状态数据等，下达云端子系统做出的控制决策。
60.具体地，在本发明实施例中，车端子系统主要需要提供以下功能：
61.车端子系统是智能网联交通系统决策的最终执行主体，以汽车为载体，包含车辆电子控制单元(electronic control unit,ecu)、感知单元、网络通信单元、底盘电子控制系统四个主要功能单元。
62.如图2所示是本发明实施例提供的一种集中式多智能体车辆动态协同决策控车行驶示意图，其中的多智能体车辆动态协同决策部分为重点，如图3所示，包括以下步骤：
63.s1：根据目标车辆当前时刻的位置信息和目的地址，采用快速扩展随机树规划目标车辆的全局路径；
64.s2：将生成的全局路径结合期望行驶速度得出目标车辆各时间点在全局路径上的位置，以使其他车辆结合目标车辆各时间点在全局路径上的位置来规划全局路径；
65.s3：若目标车辆的全局路径规划时间晚于当其到达目标路段时其他车辆全局路径规划时间，且规划的匝道汇入或分离的路线已被其他车辆占有，则基于管控路段内路侧设备的感知数据、车辆的运行数据及车端传感器感知数据，生成协同控制策略。
66.具体地，在本发明实施例中，各步骤又可以拆分或组合成如下阶段实施：
67.(1)第一阶段乘客启动目标车辆，乘客通过目标车辆hmi(human machine interface)输入目的地址，云端根据目标车辆当前时刻的位置信息和目的地址，采用快速扩展随机树(rapidly-exploring random tree,rrt)算法规划目标车辆的全局路径；
68.其中，rrt算法在多维空间中，向未探索的空白区域按照随机增量的方式不断构建树状搜索结构，每个树状结构的顶点都是一个状态节点，两个相邻节点之间的线段代表当前状态节点与上一个状态节点之间的连接过程，rt算法的树状结构生成过程如图4所示，首先定义全局路径规划任务空间n代表空间维度，该任务空间可以划分为存在障碍物的空间以及空白区域将管控路段内目标车辆当前时刻的位置信息作为初始状态点p
start
，初始状态点为p
start
∈x
free
，目的地址为目标点p
end
，目标点为p
end
∈x
free
，管控路段内存在障碍物(图4中黑色区域)。
69.(2)第二阶段将点p
start
作为整个树状结构的根节点，在空白区域中的随机位置生成一个随机点p
rand
，以p
rand
为中心，对树状结构上的所有节点进行遍历搜索，计算这些节点与p
rand
之间的欧氏距离并排序，选取距离最小的节点p
near
作为最近节点，设从p
near
点到p
rand
点的方向为树状结构的生长方向，通过设定生长步长(记为l)，使搜索树从p
near
点沿生长方向生长一定距离(l的取值需要经过试验选取，过大的生长步长会使算法“跨越”横截面较小的障碍物，步长过短往往会导致算法的遍历搜索能力减弱，降低算法规划效率)，得到树状结构上的下一个节点，记为p
new
，判断车辆行驶在点p
near
到p
new
代表的路径上，是否与该路径周围障碍物发生碰撞，若与障碍物相撞则剔除该节点p
new
，再次重新在空白区域中的随机位置生成一个随机点p
rand
进行采样搜索；若没有发生碰撞，就将p
new
点添加到树上，不断迭代算法直到新生成的节点p
new
到达目标位置，或者与目标点之间的距离小于一个单位的生长步长l，表明搜索过程结束，算法从目标点按顺序回溯一系列父节点，得到最终路径；
70.(3)第三阶段判断点p
near
到p
new
路径是否与该路径附近的障碍物发生碰撞，可以将目标车辆看作为以长度l为直径的圆，l的值为目标车辆距离最远两点的大小，通过标定获取，该圆圆心走过的路径即为点p
near
到p
new
的路径，如图5所示为路径是否存在碰撞可能性的示意图。
71.(4)第四阶段将生成的全局路径结合乘客的期望行驶速度可以得出该目标车辆各时间点在该全局路径上的位置，将该目标车辆的状态信息记为vn＝(tn,qn)，qn为tn时刻目标车辆vn在高精度地图上的位置，同样可以认为tn时刻位置qm处的障碍物为目标车辆vn，通过这种记录方式方便其他智能车辆全局路径的规划，使得各智能车辆的路径不会存在冲突；
72.(5)第五阶段假设目标车辆a的全局路径规划时间晚于当其到达如图6所示的路段时其他车辆全局路径规划时间，且此时目标车辆a需要驶出主干道路进入匝道，但规划的驶离主干道进入匝道的路线已被其他车辆占有，若其他车辆坚持以最初规划的路线行驶，目标车辆a也坚持全局路径规划的线路驶离主干道路，此时就会与其他车辆发生碰撞；若车辆减速等待路权放开，可能会导致自车等待时间过长，导致自车的出行效率过度降低，同是也导致该路段的通行效率过度降低。
73.此时针对第五阶段出现的情况，可以有以下几种特定工况，并给出针对每种工况的解决方案：
74.工况一：目标车辆a和第一车辆b存在路径冲突，和其他车辆不存在路径冲突，目标车辆a减速不会影响其他车辆行驶；第一车辆b减速会影响其他车辆行驶，此种工况下，目标车辆a的行驶过程改变为先减速后加速的行驶过程，等第一车辆b释放该路权时，目标车辆a再变道至车道1然后驶离主干道路，如图7，路径重新规划和避障方法参考第二、三阶段方法。
75.工况二：目标车辆a和第一车辆b存在路径冲突，和其他车辆不存在路径冲突，目标车辆a减速会影响其他车辆行驶；第一车辆b减速不会影响其他车辆行驶，此种工况下，第一车辆b的行驶过程改变为先减速后加速行驶，第一车辆b主动释放该路权，目标车辆a加速或匀速变道至车道1然后驶离主干道路，如图8，路径重新规划和避障方法参考第二、三阶段方法。
76.工况三：目标车辆a和多辆车存在路径冲突，目标车辆a逐步提高行驶速度，按照δv升高(系统设定值)，然后根据升高后速度重新进行全局规划直至找到合适全局行驶路径，
但是最终确定的行驶速度不能超过道路和系统允许行驶的最大值。
77.工况四：目标车辆a和多辆车存在路径冲突，提高目标车辆a的期望行驶速度至道路和系统允许行驶的最大值均存在冲突，因此降低目标车辆a的行驶车速进行全局路径规划。
78.具体地，首先根据系统期望行驶速度规划出第二条全局行驶路径以及计算出相对应的车辆行驶时间t
limit
，目标车辆a逐步降低车辆行驶速度，按照δv1降低(系统设定值)，然后根据降低后速度重新进行全局规划直至找到合适全局行驶路径，系统首先根据t
limit
的值计算出车辆最低行驶速度v
limit
，在车辆减速至v
limit
之前便找到合适的全局路径，则按照该速度行驶，否则车辆按照第二条全局行驶路径行驶。
79.在本发明实施例中，以上四种工况及对应解决方法同样适用于车辆由匝道协同决策汇入主干道路场景工况。
80.如图9所示是本发明实施例提供的一种智能车辆全局路径生成流程图；图10所示是本发明实施例提供的一种工况一流程图；图11所示是本发明实施例提供的一种工况二流程图；图12所示是本发明实施例提供的一种工况三流程图；图13所示是本发明实施例提供的一种工况四流程图。
81.如图14所示是本发明实施例提供的一种集中式车辆协同决策匝道汇入分离装置，包括：
82.全局路径规划模块1401，用于根据目标车辆当前时刻的位置信息和目的地址，采用快速扩展随机树规划目标车辆的全局路径；将生成的全局路径结合期望行驶速度得出目标车辆各时间点在全局路径上的位置，以使其他车辆结合目标车辆各时间点在全局路径上的位置来规划全局路径；
83.协同控制模块1402，用于在目标车辆的全局路径规划时间晚于当其到达目标路段时其他车辆全局路径规划时间，且规划的匝道汇入或分离的路线已被其他车辆占有时，基于管控路段内路侧设备的感知数据、车辆的运行数据及车端传感器感知数据，生成协同控制策略。
84.其中，各模块的具体实施方式可以参考上述方法实施例的描述，本发明实施例将不再复述。
85.需要指出，根据实施的需要，可将本技术中描述的各个步骤/部件拆分为更多步骤/部件，也可将两个或多个步骤/部件或者步骤/部件的部分操作组合成新的步骤/部件，以实现本发明的目的。
86.本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种集中式车辆协同决策匝道汇入分离方法，其特征在于，包括：根据目标车辆当前时刻的位置信息和目的地址，采用快速扩展随机树规划目标车辆的全局路径；将生成的全局路径结合期望行驶速度得出目标车辆各时间点在全局路径上的位置，以使其他车辆结合目标车辆各时间点在全局路径上的位置来规划全局路径；若目标车辆的全局路径规划时间晚于当其到达目标路段时其他车辆全局路径规划时间，且规划的匝道汇入或分离的路线已被其他车辆占有，则基于管控路段内路侧设备的感知数据、车辆的运行数据及车端传感器感知数据，生成协同控制策略。2.根据权利要求1所述的方法，其特征在于，所述根据目标车辆当前时刻的位置信息和目的地址，采用快速扩展随机树规划目标车辆的全局路径，包括：定义全局路径规划任务空间n代表空间维度，将全局路径规划任务空间划分为存在障碍物的空间以及空白区域设目标车辆当前时刻的位置信息对应的初始状态点为p
start
∈x
free
，目的地址对应的目标点为p
end
∈x
free
；将点p
start
作为整个树状结构的根节点，在空白区域中的随机位置生成一个随机点p
rand
，以p
rand
为中心，对树状结构上的所有节点进行遍历搜索，计算这些节点与p
rand
之间的欧氏距离，选取距离最小的节点p
near
作为最近节点；设从p
near
点到p
rand
点的方向为树状结构的生长方向，使搜索树从p
near
点沿生长方向生长一定距离，得到树状结构上的下一个节点，记为p
new
，判断目标车辆在点p
near
到p
new
代表的路径上，是否与该路径周围障碍物发生碰撞，若与障碍物相撞则剔除节点p
new
，再次重新在空白区域中的随机位置生成一个随机点p
rand
进行采样搜索；若没有发生碰撞，则将p
new
点添加到树上，直至新生成的节点p
new
到达目标点p
end
，或者与目标点p
end
之间的距离小于一个单位的生长步长，从目标点p
end
按顺序回溯一系列父节点，得到最终路径。3.根据权利要求2所述的方法，其特征在于，所述判断目标车辆在点p
near
到p
new
代表的路径上，是否与该路径周围障碍物发生碰撞，包括：将目标车辆看作为以长度l为直径的圆，该圆圆心走过的路径即为点p
near
到p
new
的路径，判断圆心走过的路径，是否与p
near
到p
new
的路径周围障碍物发生碰撞，其中，l的值为目标车辆距离最远两点的大小。4.根据权利要求1至3任意一项所述的方法，其特征在于，所述基于管控路段内路侧设备的感知数据、车辆的运行数据及车端传感器感知数据，生成协同控制策略，包括：若目标车辆和第一车辆存在路径冲突，和其他车辆不存在路径冲突，且目标车辆减速不会影响其他车辆行驶，而第一车辆减速会影响其他车辆行驶，则目标车辆的行驶过程改变为先减速后加速的行驶过程，等第一车辆释放路权时，目标车辆再变道至目标车道，然后驶离或驶入主干道路。5.根据权利要求1至3任意一项所述的方法，其特征在于，所述基于管控路段内路侧设备的感知数据、车辆的运行数据及车端传感器感知数据，生成协同控制策略，包括：目标车辆和第一车辆存在路径冲突，和其他车辆不存在路径冲突，且目标车辆减速会影响其他车辆行驶，而第一车辆减速不会影响其他车辆行驶，则第一车辆的行驶过程改变为先减速后加速行驶，第一车辆主动释放路权，目标车辆加速或匀速变道至目标车道然后
驶离或驶入主干道路。6.根据权利要求1至3任意一项所述的方法，其特征在于，所述基于管控路段内路侧设备的感知数据、车辆的运行数据及车端传感器感知数据，生成协同控制策略，包括：若目标车辆和多辆车存在路径冲突，则逐步提高目标车辆行驶速度，然后根据升高后速度重新进行全局路径规划直至找到合适全局行驶路径，且最终确定的行驶速度不能超过允许行驶的最大值。7.根据权利要求1至3任意一项所述的方法，其特征在于，所述基于管控路段内路侧设备的感知数据、车辆的运行数据及车端传感器感知数据，生成协同控制策略，包括：若目标车辆和多辆车存在路径冲突，且提高目标车辆的期望行驶速度至允许行驶的最大值均存在冲突，则降低目标车辆的行驶速度，根据期望行驶速度规划出第二条全局行驶路径以及计算出相对应的车辆行驶时间t
limit
；目标车辆逐步降低行驶速度，根据t
limit
的值计算出目标车辆最低行驶速度v
limit
，若在目标车辆减速至v
limit
之前便找到合适的全局路径，则按照v
limit
行驶，否则目标车辆按照第二条全局行驶路径行驶。8.一种集中式车辆协同决策匝道汇入分离装置，其特征在于，包括：全局路径规划模块，用于根据目标车辆当前时刻的位置信息和目的地址，采用快速扩展随机树规划目标车辆的全局路径；将生成的全局路径结合期望行驶速度得出目标车辆各时间点在全局路径上的位置，以使其他车辆结合目标车辆各时间点在全局路径上的位置来规划全局路径；协同控制模块，用于在目标车辆的全局路径规划时间晚于当其到达目标路段时其他车辆全局路径规划时间，且规划的匝道汇入或分离的路线已被其他车辆占有时，基于管控路段内路侧设备的感知数据、车辆的运行数据及车端传感器感知数据，生成协同控制策略。9.一种包括权利要求8所述的集中式车辆协同决策匝道汇入分离装置的云端。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述方法的步骤。

技术总结
本发明公开了一种集中式车辆协同决策匝道汇入分离方法、装置及云端，属于自动驾驶技术领域，包括：根据目标车辆当前位置信息和目的地址，采用快速扩展随机树规划目标车辆的全局路径；将全局路径结合期望行驶速度得出目标车辆各时间点在全局路径上的位置，以使其他车辆结合目标车辆各时间点在全局路径上的位置来规划全局路径；若目标车辆的全局路径规划时间晚于当其到达目标路段时其他车辆全局路径规划时间，且规划的匝道汇入或分离的路线已被其他车辆占有，则基于路侧设备的感知数据、车辆的运行数据及车端传感器感知数据，生成协同控制策略。本发明在保障智能车辆行驶安全的前提下，最大程度上提高单个智能车辆的行驶效率以及道路的通行效率。以及道路的通行效率。以及道路的通行效率。


技术研发人员：赵奕铭 马泽 佟贝宁 熊吉 杨秋波
受保护的技术使用者：东风汽车集团股份有限公司
技术研发日：2023.05.17
技术公布日：2023/9/14