本发明提供了一种车道规划方法、装置、电子设备、可读存储介质，在全局道路级规划的基础上，根据路口进行分段，并且依据实时的路况进行局部车道级规划，然后控制智能体按照规划的路径形式。本发明提供的技术方案可以实时选择出最优的行驶路径，使智能体灵活应对不同的情况，提高了整个系统的智能性。
1.一种基于高精地图的自动驾驶车道规划方法，其特征在于，所述方法包括：S10.全局道路级规划：根据起点、途经点和终点的坐标信息，以及高精地图提供的道路间拓扑关系计算全局路径代价，以所述全局路径代价最低的轨迹作为全局道路级轨迹；
S20.局部车道级规划：根据所述全局道路级轨迹途径的路口对所述全局道路级轨迹进行分段；以当前车道作为临时起点，下一路口的N个车道作为临时终点，计算所述临时起点至N个所述临时终点的局部代价；以所述局部代价最低的轨迹作为局部车道级轨迹；
S30.判断智能体是否能根据所述局部车道级轨迹从所述当前车道行驶至目标车道，当判断结果为所述智能体可以行使至所述目标车道时，根据即将在所述目标车道发生的动作属性和所述目标车道的时间属性规划所述智能体的行驶路径；
当判断结果为所述智能体不能行使至所述目标车道时，控制所述智能体行驶至所述当前车道连接的虚拟车道，并且以所述虚拟车道连接的下一道路作为起点，进行所述全局道路级规划；
其中，所述根据即将在所述目标车道发生的动作属性和所述目标车道的时间属性规划所述智能体的行驶路径；包括：当所述动作属性为右转时，根据下一路口的直行等待时间规划所述智能体的行驶路径；
当所述动作属性为非右转时，根据所述时间属性规划所述智能体的行驶路径；所述时间属性为所述目标车道对应的路口的红绿灯等待时间；
所述根据下一路口的直行等待时间规划所述智能体的行驶路径；包括：若所述直行等待时间为0，则将直行到达的下一道路作为起点进行全局道路级规划，计算得到新的全局路径代价Cnew1；
当Cnew1+C1＜Cold+Cextra时，则将所述目标车道变为含有直行属性的车道，且根据所述新的全局路径代价Cnew1更新导航路径；
当Cnew1+C1≥Cold+Cextra时，则以当前的全局道路级轨迹作为后续的导航路径；
其中，Cnew1为直行到达的下一道路作为起点进行全局道路级规划得到的新的全局路径代价；C1为直行代价；Cold为当前全局道路级轨迹的全局路径代价；Cextra为常数；
若所述直行等待时间大于0，则以当前的全局道路级轨迹作为后续的导航路径。
2.根据权利要求1所述的方法，其特征在于，所述根据所述时间属性规划所述智能体的行驶路径；包括：若所述时间属性判断为超出时间阈值，
当所述动作属性为左转时，则判断是否可以规划出直行的局部车道级轨迹，得到第一判断结果，根据所述第一判断结果规划所述智能体的行驶路径；
当所述动作属性为直行时，则判断是否可以规划出右转/左转的局部车道级轨迹，得到第二判断结果，根据所述第二判断结果规划所述智能体的行驶路径；
当所述动作属性为掉头时，则以当前的全局道路级轨迹作为后续的导航路径。
若所述第一判断结果为是，则将直行到达的下一道路作为起点进行全局道路级规划，计算得到新的全局路径代价Cnew1；
所述根据所述第一判断结果规划所述智能体的行驶路径包括：
当Cnew1+C1+Ct1＜Cold+Ct3时，则将所述目标车道变为含有直行属性的车道，且根据所述新的全局路径代价Cnew1更新导航路径；
当Cnew1+C1+Ct1≥Cold+Ct3时，则以当前的全局道路级轨迹作为后续的导航路径；
其中，Cnew1为直行到达的下一道路作为起点进行全局道路级规划得到的新的全局路径代价；C1为直行代价；Ct1为直行等待时间代价；Cold为当前全局道路级轨迹的全局路径代价；
若所述第一判断结果为否，则以当前的全局道路级轨迹作为后续的导航路径。
若所述第二判断结果为是，则将左转/右转到达的下一道路作为起点进行全局道路级规划，计算得到新的全局路径代价Cnew2/Cnew3；
所述根据所述第二判断结果规划所述智能体的行驶路径包括：
当Cnew2+C2+Ct2＜Cold+Ct1或Cnew3+C3+Ct3＜Cold+Ct1，并且Cnew2+C2+Ct2＜Cnew3+C3+Ct3时；则将所述目标车道变为含有右转属性的车道，且根据所述新的全局路径代价Cnew2更新导航路径；
当Cnew2+C2+Ct2＜Cold+Ct1或Cnew3+C3+Ct3＜Cold+Ct1，并且Cnew2+C2+Ct2大于等于Cnew3+C3+Ct3时；则将所述目标车道变为含有左转属性的车道，且根据所述新的全局路径代价Cnew3更新导航路径；
当不满足Cnew2+C2+Ct2＜Cold+Ct1或Cnew3+C3+Ct3＜Cold+Ct1时，则以当前的全局道路级轨迹作为后续的导航路径；
其中，Cnew2为右转到达的下一道路作为起点进行全局道路级规划得到的新的全局路径代价；Cnew3为左转到达的下一道路作为起点进行全局道路级规划得到的新的全局路径代价；C2为右转代价；C3为左转代价；Ct1为直行等待时间代价；Ct2为右转等待时间代价；Ct3为左转等待时间代价；Cold为当前全局道路级轨迹的全局路径代价；
若所述第二判断结果为否，则以当前的全局道路级轨迹作为后续的导航路径。
5.根据权利要求1所述的方法，其特征在于，所述根据所述时间属性规划所述智能体的行驶路径；包括：若所述时间属性判断为未超出时间阈值，则以当前的全局道路级轨迹作为后续的导航路径。
6.一种基于高精地图的自动驾驶车道规划装置，其特征在于，包括：全局道路级规划模块；用于根据起点、途经点和终点的坐标信息，以及高精地图提供的道路间拓扑关系计算全局路径代价，以所述全局路径代价最低的轨迹作为全局道路级轨迹；
局部车道级规划模块；用于根据所述全局道路级轨迹途径的路口对所述全局道路级轨迹进行分段；以当前车道作为临时起点，下一路口的N个车道作为临时终点，计算所述临时起点至N个所述临时终点的局部代价；以所述局部代价最低的轨迹作为局部车道级轨迹；
自动驾驶决策模块；用于根据所述局部车道级轨迹控制智能体的行驶路径；
所述基于高精地图的自动驾驶车道规划装置用于实现如权利要求1至5中任一项所述的自动驾驶车道规划方法。
7.一种电子设备，其特征在于，包括处理器，存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求1至5中任一项所述的自动驾驶车道规划方法。
8.一种可读存储介质，其特征在于，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如权利要求1至5中任一项所述的自动驾驶车道规划方法。
一种车道规划方法、装置、电子设备、可读存储介质
技术领域
[0001] 本发明涉及自动驾驶技术领域，具体而言，涉及一种车道规划方法、装置、电子设备、可读存储介质。
背景技术
[0002] 随着自动驾驶技术的发展，传统的道路级规划提供的导航路径无法很好的服务于智能驾驶系统，如道路级规划路径无法指导智能驾驶系统驶达所需的路口处目标车道，例如左转车道在最右侧等复杂的路口车道分布情况，若智能驾驶系统无法及时地到达目标车道将会导致后续的全局导航路径失效，需要重新计算，这将增加驾驶成本并且影响乘坐体验。在某些城市的部分繁忙路口处，红灯长达180秒之久，传统的道路级规划无法利用实时的动态数据信息来更新路径规划结果。
发明内容
[0003] 针对上述问题，本发明提供一种基于高精地图的自动驾驶车道规划方法包括：
[0004] S10.全局道路级规划：根据起点、途经点和终点的坐标信息，以及高精地图提供的道路间拓扑关系计算全局路径代价，以全局路径代价最低的轨迹作为全局道路级轨迹；
[0005] S20.局部车道级规划：根据全局道路级轨迹途径的路口对全局道路级轨迹进行分段；以当前车道作为临时起点，下一路口的N个车道作为临时终点，计算临时起点至N个临时终点的局部代价；以局部代价最低的轨迹作为局部车道级轨迹；
[0006] S30.判断智能体是否能根据局部车道级轨迹从当前车道行驶至目标车道，[0007] 当判断结果为所述智能体可以行使至所述目标车道时，根据即将在所述目标车道发生的动作属性和所述目标车道的时间属性规划所述智能体的行驶路径；
[0008] 当判断结果为智能体不能行使至目标车道时，控制智能体行驶至当前车道连接的虚拟车道，并且以虚拟车道连接的下一道路作为起点，进行全局道路级规划。
[0009] 由于相关技术中在导航路径规划的过程中缺乏智能性，因而在本发明提供的技术方案中，引入并应用高精度图基于V2X技术提供的动态数据能够有效增加智能系统的智能性。具体的，基于全局道路级规划的结果，根据路口的信息进行分段，然后再针对当前位置到下个路口处的局部道路进行局部车道级规划，一方面可以减少不必要的计算时间，另一方面也能满足智能驾驶系统对于实时性的要求。
[0010] 进一步的，根据即将在目标车道发生的动作属性和目标车道的时间属性规划智能体的行驶路径；包括：
[0011] 当动作属性为右转时，根据下一路口的直行等待时间规划智能体的行驶路径；
[0012] 当动作属性为非右转时，根据时间属性规划智能体的行驶路径；
[0013] 其中，时间属性为目标车道对应的路口的红绿灯等待时间。
[0014] 进一步的，根据下一路口的直行等待时间规划智能体的行驶路径；包括：
[0015] 若直行等待时间为0，则将直行到达的下一道路作为起点进行全局道路级规划，计算得到新的全局路径代价Cnew1；
[0016] 当Cnew1+C1＜Cold+Cextra时，则将目标车道变为含有直行属性的车道，且根据新的全局路径代价Cnew1更新导航路径；
[0017] 当Cnew1+C1≥Cold+Cextra时，则以当前的全局道路级轨迹作为后续的导航路径；
[0018] 其中，Cnew1为直行到达的下一道路作为起点进行全局道路级规划得到的新的全局路径代价；C1为直行代价；Cold为当前全局道路级轨迹的全局路径代价；Cextra为常数；
[0019] 若直行等待时间大于0，则以当前的全局道路级轨迹作为后续的导航路径。
[0020] 进一步的，根据时间属性规划智能体的行驶路径；包括：
[0021] 若时间属性判断为超出时间阈值，
[0022] 当动作属性为左转时，则判断是否可以规划出将目标车道为直行车道的局部车道级轨迹，得到第一判断结果，根据第一判断结果规划智能体的行驶路径；
[0023] 当动作属性为直行时，则判断是否可以规划出目标车道为右转/左转的局部车道级轨迹，得到第二判断结果，根据第二判断结果规划智能体的行驶路径；
[0024] 当动作属性为掉头时，则以当前的全局道路级轨迹作为后续的导航路径。
[0025] 进一步的，若第一判断结果为是，则将直行到达的下一道路作为起点进行全局道路级规划，计算得到新的全局路径代价Cnew1；
[0026] 根据第一判断结果规划智能体的行驶路径包括：
[0027] 当Cnew1+C1+Ct1＜Cold+Ct3时，则将目标车道变为含有直行属性的车道，且根据新的全局路径代价Cnew1更新导航路径；
[0028] 当Cnew1+C1+Ct1≥Cold+Ct3时，则以当前的全局道路级轨迹作为后续的导航路径；
[0029] 其中，Cnew1为直行到达的下一道路作为起点进行全局道路级规划得到的新的全局路径代价；C1为直行代价；Ct1为直行等待时间代价；Cold为当前全局道路级轨迹的全局路径代价；Ct3为左转等待时间代价；
[0030] 若第一判断结果为否，则以当前的全局道路级轨迹作为后续的导航路径。
[0031] 进一步的，若第二判断结果为是，则将左转/右转到达的下一道路作为起点进行全局道路级规划，计算得到新的全局路径代价Cnew2/Cnew3；
[0032] 根据第二判断结果规划智能体的行驶路径包括：
[0033] 当Cnew2+C2+Ct2＜Cold+Ct1或Cnew3+C3+Ct3＜Cold+Ct1，并且Cnew2+C2+Ct2＜Cnew3+C3+Ct3时；则将目标车道变为含有右转属性的车道，且根据新的全局路径代价Cnew2更新导航路径；
[0034] 当Cnew2+C2+Ct2＜Cold+Ct1或Cnew3+C3+Ct3＜Cold+Ct1，并且Cnew2+C2+Ct2大于等于Cnew3+C3+Ct3时；则将目标车道变为含有左转属性的车道，且根据新的全局路径代价Cnew3更新导航路径；
[0035] 当不满足Cnew2+C2+Ct2＜Cold+Ct1或Cnew3+C3+Ct3＜Cold+Ct1时，则以当前的全局道路级轨迹作为后续的导航路径；
[0036] 其中，Cnew2为右转到达的下一道路作为起点进行全局道路级规划得到的新的全局路径代价；Cnew3为左转到达的下一道路作为起点进行全局道路级规划得到的新的全局路径代价；C2为右转代价；C3为左转代价；Ct1为直行等待时间代价；Ct2为右转等待时间代价；Ct3为左转等待时间代价；Cold为当前全局道路级轨迹的全局路径代价；
[0037] 若第二判断结果为否，则以当前的全局道路级轨迹作为后续的导航路径。
[0038] 进一步的，根据时间属性规划智能体的行驶路径；包括：若时间属性判断为未超出时间阈值，则以当前的全局道路级轨迹作为后续的导航路径。
[0039] 本技术方案提供一种基于高精地图的自动驾驶车道规划装置，包括：
[0040] 全局道路级规划模块；用于根据起点、途经点和终点的坐标信息，以及高精地图提供的道路间拓扑关系计算全局路径代价，以全局路径代价最低的轨迹作为全局道路级轨迹；
[0041] 局部车道级规划模块；用于根据全局道路级轨迹途径的路口对全局道路级轨迹进行分段；以当前车道作为临时起点，下一路口的N个车道作为临时终点，计算临时起点至N个临时终点的变道代价；以变道代价最低的轨迹作为局部车道级轨迹；
[0042] 自动驾驶决策模块；用于根据局部车道级轨迹控制智能体的形式路径。
[0043] 本技术方案提供一种电子设备，包括处理器，存储器及存储在存储器上并可在处理器上运行的程序或指令，程序或指令被处理器执行时实现上述技术方案方法的步骤。
[0044] 本技术方案提供一种可读存储介质，可读存储介质上存储程序或指令，程序或指令被处理器执行时实现上述技术方案方法的步骤。
[0045] 其中，处理器为上述技术方案中的电子设备中的处理器。可读存储介质，包括计算机可读存储介质，如计算机只读存储器（Read‑Only Memory， ROM）、随机存取存储器（RandomAccess Memory，RAM）、磁碟或者光盘等。
[0046] 本发明设置的局部车道级规划可以更好的为自动驾驶服务，本发明对传统的全局规划模块进行了拆分，保留了传统的全局道路级规划模块，并将其输出的轨迹及轨迹上的路口信息作为先验信息指导下层局部车道级规划模块进行车道级的规划。局部车道级规划根据高精地图提供的实时动态数据信息指导上层道路级规划模块进行新的全局道路级规划，并判断是否使用新的全局规划轨迹。上述技术方案至少具备如下优点的至少其中之一：
[0047] 1.提供了一个局部车道级规划模块，以路口处目标车道为临时终点，能够实时为智能系统提供一条到最优目标车道的车道级规划轨迹。
[0048] 2.充分利用了高精地图提供的实时信号灯数据，并加以预测判断，合理指导道路级规划系统规划出新的全局轨迹。使智能系统能更灵活地应对不同的情况，减少智能系统等待红灯时间，提高了智能系统的智能性。
[0049] 3.全局道路级规划模块触发式运行，局部车道级规划模块实时运行，使用较少的计算资源满足了智能系统实时性需求。
[0050] 4.以分段的方式保存全局路径代价，并在智能系统运行过程中实时对代价进行更新，减少了对旧全局规划轨迹的计算，节约了计算资源，提高系统的实时性。
附图说明
[0051] 图1为本发明实施例中虚拟车道规划示意图。
[0052] 图2为本发明实施例中车道属性示意图。
[0053] 图3为本发明实施例提供的一种车道规划装置示意图。
具体实施方式
[0054] 为使本发明的上述目的、特征和优点能够更为明显易懂，下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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。
[0055] 实施例1
[0056] 在自动驾驶技术领域中，对于智能体行驶路径的规划往往无法顾及到实时的路况，因此很可能增加驾驶成本。
[0057] 基于上述原因，本实施例提供一种基于高精地图的自动驾驶车道规划方法包括：S10.全局道路级规划：根据起点、途经点和终点的坐标信息，以及高精地图提供的道路间拓扑关系计算全局路径代价，以全局路径代价最低的轨迹作为全局道路级轨迹；S20.局部车道级规划：根据全局道路级轨迹途径的路口对全局道路级轨迹进行分段；以当前车道作为临时起点，下一路口的N个车道作为临时终点，计算临时起点至N个临时终点的局部代价；以局部代价最低的轨迹作为局部车道级轨迹；S30.判断智能体是否能根据局部车道级轨迹从当前车道行驶至目标车道，当判断结果为智能体可以行使至目标车道时，根据即将在目标车道发生的动作属性和目标车道的时间属性规划智能体的行驶路径；当判断结果为智能体不能行使至目标车道时，控制智能体行驶至当前车道连接的虚拟车道，并且以虚拟车道连接的下一道路作为起点，进行全局道路级规划。
[0058] 在本实施例中，全局道路级规划基于起点、途经点和终点的坐标信息，以及高精地图提供的道路间拓扑关系进行规划；一般的，采用规划算法计算全局路径代价，规划算法包括 A*算法、Dijkstra算法等，全局路径代价包括道路代价、路口处动作代价等。其中，道路代价例如参考道路的长短和拥挤程度进行计算，路口处动作代价例如包括直行、左转、右转、掉头的代价。全局路径代价在计算过程中分段保存，并且根据智能体当前的状态实时更新。例如：智能体行驶完A道路，那么当前的全局路径代价就会更新为C0‑CA‑road，其中，C0为行驶A道路之前的全局路径代价，CA‑road为A道路代价；如果智能体在路口直行完直行动作，那么当前的全局路径代价就会更新为C0‑C1，其中，C0为直行动作前的全局路径代价，C1为直行代价。
[0059] 根据上述算法得到全局路径代价最低的全局道路级轨迹，根据规划得到的全局道路级轨迹，并且依据该轨迹途径的各个路口进行分段。一般的，智能体即将到达的下一路口包括多个车道，以当前智能体所处的车道作为起点，以下一路口的N个车道作为临时终点，根据车道间的拓扑关系，采用规划算法计算局部代价；选择局部代价最低的轨迹作为局部车道级轨迹。其中，规划算法例如包括 A*算法、Dijkstra算法等；局部代价由变道代价、车道属性代价、车道拥挤程度代价等计算得到。其中，变道代价是智能体行驶至目标车道所需要付出的代价，例如包括变道的次数。车道属性一般包括单车道属性和多车道属性，参见图2，单车道属性只能执行一种动作，例如直行；多车道属性可以执行至少两种动作，例如直行和右转。车道拥挤程度代价则根据实时路况的拥挤程度计算得到。
[0060] 在得到局部车道级轨迹之后，进一步判断智能体能否从当前车道行驶至目标车道；并且根据不同的判断结果规划智能体的行驶路径。具体的判断过程如下：当判断结果为智能体可以行使至目标车道时，根据即将在目标车道发生的动作属性和目标车道的时间属性规划智能体的行驶路径；当判断结果为智能体不能行使至目标车道时，控制智能体行驶至当前车道连接的虚拟车道，并且以虚拟车道连接的下一道路作为起点，进行全局道路级规划。
[0061] 举例来说，参见图1，当智能体的当前车道为左转车道，由于其所处的位置实线无法变道时，则按照当前车道的路径左转驶入虚拟车道，虚拟车道就是连接当前的左转车道和左转后车道的一个过渡车道。然后，以虚拟车道连接的下一道路作为起点进行全局道路级规划，重复上述规划方法，
[0062] 进一步的，根据即将在目标车道发生的动作属性和目标车道的时间属性规划智能体的行驶路径；包括：
[0063] 当动作属性为右转时，根据下一路口的直行等待时间规划智能体的行驶路径；
[0064] 当动作属性为非右转时，根据时间属性规划智能体的行驶路径；
[0065] 其中，时间属性为目标车道对应的路口的红绿灯等待时间。
[0066] 在本实施例中，动作属性一般分为右转、左转、直行和掉头；对于右转而言，常常可以无需等待直接转弯，因此本实施例在判断的过程中，优先判断动作属性是否为右转。当动作属性为右转时，预测下一路口的红绿灯等待时间，根据等待时间规划智能体的行驶路径；当动作属性为非右转时，则需要根据下一路口的红绿灯等待时间来规划智能体的行驶路径。
[0067] 进一步的，根据下一路口的直行等待时间规划智能体的行驶路径；包括：
[0068] 若直行等待时间为0，则将直行到达的下一道路作为起点进行全局道路级规划，计算得到新的全局路径代价Cnew1；
[0069] 当Cnew1+C1＜Cold+Cextra时，则将目标车道变为含有直行属性的车道，且根据新的全局路径代价Cnew1更新导航路径；
[0070] 当Cnew1+C1≤Cold+Cextra时，则以当前的全局道路级轨迹作为后续的导航路径；
[0071] 其中，Cnew1为直行到达的下一道路作为起点进行全局道路级规划得到的新的全局路径代价；C1为直行代价；Cold为当前全局道路级轨迹的全局路径代价；Cextra为常数；
[0072] 若直行等待时间大于0，则以当前的全局道路级轨迹作为后续的导航路径。
[0073] 在本实施例中，当Cnew1+C1＜Cold+Cextra的时候，说明新的全局道路级轨迹的全局路径代价更低，因此将导航路径更新为全局路径代价Cnew1对应的全局道路级规划；反之则沿用原先的导航路径。
[0074] 进一步的，根据时间属性规划智能体的行驶路径；包括：
[0075] 若时间属性判断为超出时间阈值，
[0076] 当动作属性为左转时，则判断是否可以规划出将目标车道为直行车道的局部车道级轨迹，得到第一判断结果，根据第一判断结果规划智能体的行驶路径；
[0077] 当动作属性为直行时，则判断是否可以规划出目标车道为右转/左转的局部车道级轨迹，得到第二判断结果，根据第二判断结果规划智能体的行驶路径；
[0078] 当动作属性为掉头时，则以当前的全局道路级轨迹作为后续的导航路径。
[0079] 在本实施例中，当动作属性非右转时，根据不同的动作属性进行更细致的运算；例如，在目标车道的动作属性为左转时，先判断能否直行；目标车道的动作属性为直行时，则判断能否规划出左转或者右转的车道；若动作属性为掉头，则说明路径可能偏离，以当前全局道路级轨迹作为后续的导航路径。
[0080] 进一步的，若第一判断结果为是，则将直行到达的下一道路作为起点进行全局道路级规划，计算得到新的全局路径代价Cnew1；
[0081] 根据第一判断结果规划智能体的行驶路径包括：
[0082] 当Cnew1+C1+Ct1＜Cold+Ct3时，则将目标车道变为含有直行属性的车道，且根据新的全局路径代价Cnew1更新导航路径；
[0083] 当Cnew1+C1+Ct1≥Cold+Ct3时，则以当前的全局道路级轨迹作为后续的导航路径；
[0084] 其中，Cnew1为直行到达的下一道路作为起点进行全局道路级规划得到的新的全局路径代价；C1为直行代价；Ct1为直行等待时间代价；Cold为当前全局道路级轨迹的全局路径代价；Ct3为左转等待时间代价；
[0085] 若第一判断结果为否，则以当前的全局道路级轨迹作为后续的导航路径。
[0086] 在本实施例中，当Cnew1+C1+Ct1＜Cold+Ct3的时候，说明新的全局道路级轨迹的全局路径代价更低，因此将导航路径更新为全局路径代价Cnew1对应的全局道路级规划；反之则沿用原先的导航路径。
[0087] 进一步的，若第二判断结果为是，则将左转/右转到达的下一道路作为起点进行全局道路级规划，计算得到新的全局路径代价Cnew2/Cnew3；
[0088] 根据第二判断结果规划智能体的行驶路径包括：
[0089] 当Cnew2+C2+Ct2＜Cold+Ct1或Cnew3+C3+Ct3＜Cold+Ct1，并且Cnew2+C2+Ct2＜Cnew3+C3+Ct3时；则将目标车道变为含有右转属性的车道，且根据新的全局路径代价Cnew2更新导航路径；
[0090] 当Cnew2+C2+Ct2＜Cold+Ct1或Cnew3+C3+Ct3＜Cold+Ct1，并且Cnew2+C2+Ct2大于等于Cnew3+C3+Ct3时；则将目标车道变为含有左转属性的车道，且根据新的全局路径代价Cnew3更新导航路径；
[0091] 当不满足Cnew2+C2+Ct2＜Cold+Ct1或Cnew3+C3+Ct3＜Cold+Ct1时，则以当前的全局道路级轨迹作为后续的导航路径；
[0092] 其中，Cnew2为右转到达的下一道路作为起点进行全局道路级规划得到的新的全局路径代价；Cnew3为左转到达的下一道路作为起点进行全局道路级规划得到的新的全局路径代价；C2为右转代价；C3为左转代价；Ct1为直行等待时间代价；Ct2为右转等待时间代价；Ct3为左转等待时间代价；Cold为当前全局道路级轨迹的全局路径代价；
[0093] 若第二判断结果为否，则以当前的全局道路级轨迹作为后续的导航路径。
[0094] 在本实施例中，根据第二判断结果规划智能体的行驶路径，简单来说，从直行、左转和右转中选择一条全局路径代价最低的路线作为智能体的导航路径。具体的，当Cnew2+C2+Ct2＜Cold+Ct1或Cnew3+C3+Ct3＜Cold+Ct1，并且Cnew2+C2+Ct2＜Cnew3+C3+Ct3的时候，说明右转对应的全局路径代价更低，因此将导航路径更新为全局路径代价Cnew2对应的全局道路级规划。当Cnew2+C2+Ct2＜Cold+Ct1或Cnew3+C3+Ct3＜Cold+Ct1，并且Cnew2+C2+Ct2大于等于Cnew3+C3+Ct3的时候，说明左转对应的全局路径代价更低，因此将导航路径更新为全局路径代价Cnew3对应的全局道路级规划。当上述情况都不满足时，则以当前的全局道路级轨迹作为后续的导航路径。
[0095] 进一步的，根据时间属性规划智能体的行驶路径；包括：若时间属性判断为未超出时间阈值，则以当前的全局道路级轨迹作为后续的导航路径。
[0096] 在本实施例中，时间属性未超出时间阈值，意味着目标车道所需要的等待红绿灯的时间较短，在可接受的范围之内，因而继续沿用当前的导航不做更新。
[0097] 实施例2
[0098] 参见图3，本实施例提供一种基于高精地图的自动驾驶车道规划装置，包括：
[0099] 全局道路级规划模块；用于根据起点、途经点和终点的坐标信息，以及高精地图提供的道路间拓扑关系计算全局路径代价，以全局路径代价最低的轨迹作为全局道路级轨迹；
[0100] 局部车道级规划模块；用于根据全局道路级轨迹途径的路口对全局道路级轨迹进行分段；以当前车道作为临时起点，下一路口的N个车道作为临时终点，计算临时起点至N个临时终点的局部代价；以局部代价最低的轨迹作为局部车道级轨迹；
[0101] 自动驾驶决策模块；用于根据局部车道级轨迹控制智能体的形式路径。
[0102] 实施例3
[0103] 本实施例提供一种电子设备，包括处理器，存储器及存储在存储器上并可在处理器上运行的程序或指令，程序或指令被处理器执行时实现上述实施例方法的步骤。
[0104] 实施例4
[0105] 本实施例提供一种可读存储介质，可读存储介质上存储程序或指令，程序或指令被处理器执行时实现上述实施例方法的步骤。
[0106] 其中，处理器为上述实施例中的电子设备中的处理器。可读存储介质，包括计算机可读存储介质，如计算机只读存储器（Read‑Only Memory， ROM）、随机存取存储器（RandomAccess Memory，RAM）、磁碟或者光盘等。
[0107] 最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
