具体实施方式

下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做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。

在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，还可以是两个元件内部的连通，可以是无线连接，也可以是有线连接。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。

本实施例提供一种自动驾驶方法，该方法可以应用于车辆终端，也可以应用于路端侧，还可以用于云端侧，本实施例不做限定，如图1所示，包括如下步骤：

S101，获取车辆当前位置信息以及目的地信息；

示例性地，获取车辆当前位置信息的方式可以是获取车辆上装载的定位信息，比如GPS导航信息等。目的地信息可以是由用户提前设置的，获取车辆目的地信息的方式可以是获取用户的设置信息或者预约信息中设定的目的地信息。本实施例对获取车辆当前位置信息以及目的地信息的方式不做限定，本领域技术人员可以根据需要确定。

S102，根据当前位置信息以及目的地信息，确定多条预选路径；

示例性地，根据当前位置信息以及目的地信息，确定多条预选路径的方式可以是在地图中以当前位置为起点，目的地位置为终点，以穷尽的方式组合出多组可行路线；还可以是在地图中以当前位置为起点，目的地位置为终点，按照第三方地图应用给出的推荐度选择排位靠前的若干组路径作为预选路径，本实施例对根据当前位置信息以及目的地信息确定多条预选路径的方式不做限定，本领域技术人员可以根据需要确定。

S103，获取多条预选路径的交通情况；获取多条预选路径的交通情况的方式可以是从城市交通监控数据中得到。

S104，根据多条预选路径的交通情况，对多条预选路径的驾驶自动化程度进行评估，得到驾驶自动化程度最高的路径作为自动驾驶路径，驾驶自动化程度由驾驶员在驾驶过程的干预程度表征；

示例性地，驾驶自动化程度可以取决于在自动驾驶途中需要人为接管/干预的概率或者次数，人为接管/干预的概率越低或者次数越少，则表明自动化程度越高，否则，自动化程度越低。对多条预选路径的驾驶自动化程度进行评估的方式可以是统计各个预选路径上影响车辆驾驶的因素，比如交通拥堵情况、拥堵时长、突发事件(车祸、临时交通管制等)，为每一种影响车辆的驾驶的因素赋值，并对每种因素设置对应权重，将预选路径上的所有因素进行加权处理，得到计算值，可以通过该计算值反映自动化驾驶程度，计算值越高，可以表明自动化驾驶程度越低。本实施例对根据多条预选路径的交通情况，对多条预选路径的驾驶自动化程度进行评估的方式不做限定，本领域技术人员可以根据需要确定。从而选择多条预选路径中计算结果最小值对应的路径作为自动驾驶路径。

S105，控制车辆按照自动驾驶路径进行驾驶。控制车辆按照自动驾驶路径进行驾驶的方式可以是将控制指令下发至车辆的ECU单元，通过ECU单元执行该控制指令。

本实施例提供的自动驾驶方法，通过预先获取各个预选路径的交通情况，根据交通情况确定车辆行驶在该路径上的自动化驾驶程度，从而选择自动化驾驶程度最高的路径进行驾驶，在该方法中可以预先排除一部分已经出现车祸或临时交通管制之类的突发事件导致车辆需要手动接管的情况，从而可以降低手动接管的概率，提高车辆自动驾驶的智能化程度。

由于在评估驾驶自动化程度时，可能出现驾驶自动化程度最高的路径存在多条的情况，由此，为了进一步减短路径行驶时长，作为本实施例一种可选的实施方式，上述方法还包括：

当驾驶自动化程度最高的路径存在多条时，则预估驾驶自动化程度最高的多条路径的驾驶时间；选取驾驶自动化程度最高的多条路径中驾驶时间最短的路径作为自动驾驶路径。

示例性地，预估驾驶自动化程度最高的多条路径的驾驶时间的方式可以是获取历史数据中当前时间段驾驶自动化程度最高的多条路径的平均驾驶时间作为预估时间。在驾驶自动化程度最高的多条路径中选取驾驶时间最短的路径作为自动驾驶路径，能够减短驾驶时长。

作为本实施例一种可选的实施方式，所述根据多条预选路径的交通情况，对所述多条预选路径的驾驶自动化程度进行评估，得到驾驶自动化程度最高的路径作为自动驾驶路径，包括：

首先，获取多端协同信息，所述多端协同信息包括车端信息、路端信息、云端信息中的至少一种；

示例性地，车端信息、路端信息、云端信息可以分别来自于车端自身感知设备、路端计算平台、云端计算平台。车端信息包括由摄像头、毫米波雷达、超声波雷达、激光雷达等车载传感器获取到的驾驶过程中的环境信息；路端信息包括从路端计算平台接收到的多个车端计算平台采集的信息以及安装在道路侧的数据采集设备采集到的环境信息；云端信息包括从云端计算平台接收到的多个路端计算平台上传的环境信息组成的宏观信息。

其次，根据所述多端协同信息，构建所述多条预选路径的数字孪生模型，根据数字孪生结果，对多条预选路径的驾驶自动化程度进行评估，得到驾驶自动化程度最高的路径作为自动驾驶路径。

示例性地，根据多端协同信息构建多条预选路径的数字孪生模型的方式可以是将多端协同信息进行信息分类以及根据不同种类的信息构建数字模型，比如，信息分类可以分为车辆几何数据、车辆运行数据、环境数据、车辆性能数据等等，通过车辆几何数据形成车辆几何数字孪生模块，通过车辆运行数据构建运行状态数字孪生模块，通过环境数据构建地图数字孪生模块，通过车辆性能数据构建车辆运动控制数字孪生模块。也即，数字孪生模型包括车辆几何数字孪生模块、运行状态数字孪生模块、地图数字孪生模块、自车运动控制数字孪生模块，其中，车辆几何数字孪生模块用于对环境信息中的多个车辆属性信息等进行数字孪生；运行状态数字孪生模块用于对环境信息中的多个车辆运动信息、车辆故障、车流量进行数字孪生；地图数字孪生模块用于对环境信息中的道路图像信息、障碍物信息、交通环境信息等进行数字孪生；自车运动控制数字孪生模块用于根据车辆动力学对车辆控制进行数字孪生。

根据构建好的数字孪生模型，可以进行数据推演，从而实现在未来时段的交通情况预测，那么在对多条预选路径的驾驶自动化程度进行评估时，其评估的依据来自于对未来交通情况的预测，而不仅仅依赖于当前的交通情况，大大提高了驾驶自动化程度评估的准确性，进一步避免了自动驾驶车辆需要人为接管的可能性，更加智能。

作为本实施例一种可选的实施方式，所述预估驾驶自动化程度最高的多条路径的驾驶时间，包括：

根据多端协同信息，构建自动化程度最高的多条路径的数字孪生模型，所述多端协同信息包括云端信息、路端信息、车端信息中的至少一种；具体内容参见上述实施例对应部分，在此不再赘述。

根据数字孪生模型，对多条路径的拥堵情况进行预测；示例性地，数字孪生模型可以根据当前的交通情况进行数据推演，从而实现未来一段时间的交通情况的预测，从而得到多条路径的拥堵情况。

根据多条路径的拥堵情况，预估自动化程度最高的多条路径的驾驶时间。

示例性地，根据多条路径的拥堵情况预估驾驶时间的方式可以是根据数字孪生模型进行数据推演，预估得到车辆驾驶所可能面对的拥堵、结束拥堵的时间以及车辆在未来时间段的驾驶速度，然后根据车辆自身的速度以及路程之间的关系，得到非拥堵路段的驾驶时间。根据非拥堵路段的驾驶时间以及拥堵路端的拥堵时间，得到多条路径的驾驶时间。

本实施例提供的自动驾驶方法，通过数字孪生模型多条路径未来时间段内的拥堵情况进行预估，从而根据拥堵情况确定驾驶时间，相比于直接根据历史数据确定驾驶时间，更符合实际情况，确定的驾驶时间更加准确，进一步地，能够有效地节约自动驾驶时长。

作为本实施例一种可选的实施方式，所述预估驾驶自动化程度最高的多条路径的驾驶时间，包括：

当所述驾驶自动化程度最高的多条路径中包含路过红绿灯的路径，且预测到车辆在达到所述红绿灯时为禁止通过状态，则预测车辆变换车道，使其行驶在所述红绿灯管辖的任一允许通过状态车道时，车辆通过红绿灯管辖路段的时间以及车辆行驶在原车道，等待红绿灯由禁止通行状态转换为运行通行状态时，车辆通过红绿灯管辖路段的时间；

选取车辆通过红绿灯管辖路段最短的时间作为通过红绿灯的驾驶时间。

示例性地，图2为一个有红绿灯进行交通管控的十字路口，当车辆要直行时：判断右转车道是否为禁止通过状态，当为禁止通过状态，则从地图上获取第一车道的道路信息，确定车道中可掉头位置，根据数字孪生模型确定车辆行驶在第二路线时，可掉头位置到十字路口的交通情况以得到车辆在第二路线上行驶时的驾驶时间，当第二路线行驶总时长小于第一路线行驶总时长，则变换车道按照第二路线对车辆驾驶路径规划。

图3为一个有红绿灯进行交通管控的十字路口，当车辆要左转时：

判断右转车道是否禁止通过状态，当为禁止通过状态，则从地图上获取第一车道的道路信息，确定其车道中可掉头位置，根据数字孪生模型确定车辆行驶在第二路线时，可掉头位置到十字路口另一侧的交通情况以得到车辆在第二路线上行驶时的驾驶时间，当第二路线行驶总时长小于第一路线行驶总时长，则变换车道按照第二路线对车辆驾驶路径规划。

本发明实施例提供一种自动驾驶装置，如图4所示，包括：

信息获取模块201，用于获取车辆当前位置信息以及目的地信息；具体内容参见上述方法实施例对应部分，在此不再赘述。

预选路径确定模块202，用于根据当前位置信息以及目的地信息，确定多条预选路径；具体内容参见上述方法实施例对应部分，在此不再赘述。

交通情况确定模块203，用于获取多条预选路径的交通情况；具体内容参见上述方法实施例对应部分，在此不再赘述。

自动化评估模块204，用于根据多条预选路径的交通情况，对所述多条预选路径的驾驶自动化程度进行评估，得到驾驶自动化程度最高的路径作为自动驾驶路径，所述驾驶自动化程度由驾驶员在驾驶过程的干预程度表征；具体内容参见上述方法实施例对应部分，在此不再赘述。

驾驶模块205，用于控制所述车辆按照所述自动驾驶路径进行驾驶。具体内容参见上述方法实施例对应部分，在此不再赘述。

作为本实施例一种可选的实施方式，自动驾驶装置，还包括：

驾驶时间评估模块，用于当驾驶自动化程度最高的路径存在多条时，则预估驾驶自动化程度最高的多条路径的驾驶时间；具体内容参见上述方法实施例对应部分，在此不再赘述。

路径选取模块，用于选取驾驶自动化程度最高的多条路径中驾驶时间最短的路径作为自动驾驶路径。具体内容参见上述方法实施例对应部分，在此不再赘述。

作为本实施例一种可选的实施方式，自动化评估模块，包括：

第一协同信息获取模块，用于获取多端协同信息，所述多端协同信息包括车端信息、路端信息、云端信息中的至少一种；具体内容参见上述方法实施例对应部分，在此不再赘述。

自动化评估子模块，用于根据所述多端协同信息，构建所述多条预选路径的数字孪生模型，根据数字孪生结果，对多条预选路径的驾驶自动化程度进行评估，得到驾驶自动化程度最高的路径作为自动驾驶路径。具体内容参见上述方法实施例对应部分，在此不再赘述。

作为本实施例一种可选的实施方式，驾驶时间评估模块，包括：

数字孪生构建模块，用于根据多端协同信息，构建所述自动化程度最高的多条路径的数字孪生模型，所述多端协同信息包括云端信息、路端信息、车端信息中的至少一种；具体内容参见上述方法实施例对应部分，在此不再赘述。

拥堵预测模块，用于根据所述数字孪生模型，对所述多条路径的拥堵情况进行预测；具体内容参见上述方法实施例对应部分，在此不再赘述。

时间预估模块，用于根据所述多条路径的拥堵情况，预估自动化程度最高的多条路径的驾驶时间。具体内容参见上述方法实施例对应部分，在此不再赘述。

作为本实施例一种可选的实施方式，驾驶时间评估模块，包括：

红绿灯路段时间预估模块，用于当所述驾驶自动化程度最高的多条路径中包含路过红绿灯的路径，且预测到车辆在达到所述红绿灯时为禁止通过状态，则预测车辆变换车道，使其行驶在所述红绿灯管辖的任一允许通过状态车道时，车辆通过红绿灯管辖路段的时间以及车辆行驶在原车道，等待红绿灯由禁止通行状态转换为运行通行状态时，车辆通过红绿灯管辖路段的时间；具体内容参见上述方法实施例对应部分，在此不再赘述。

红路灯路段驾驶时间确定模块，用于选取车辆通过红绿灯管辖路段最短的时间作为通过红绿灯的驾驶时间。具体内容参见上述方法实施例对应部分，在此不再赘述。

本申请实施例还提供一种电子设备，如图5所示，处理器310和存储器320，其中处理器310和存储器320可以通过总线或者其他方式连接。

处理器310可以为中央处理器(Central Processing Unit，CPU)。处理器310还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。

存储器320作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施例中的自动驾驶方法对应的程序指令/模块。处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理。

存储器320可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储处理器所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器320可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

所述一个或者多个模块存储在所述存储器320中，当被所述处理器310执行时，执行如图1所示实施例中的自动驾驶方法。

上述电子设备的具体细节可以对应参阅图1所示的实施例中对应的相关描述和效果进行理解，此处不再赘述。

本实施例还提供了一种计算机存储介质，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例1中自动驾驶方法。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read－Only Memory，ROM)、随机存储记忆体(Random Access Memory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid－State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。

显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。