本发明涉及自动驾驶技术，尤其涉及一种自动驾驶方法及装置、车辆。
背景技术：
作为下一个科技时代—人工智能的一种典型应用模式，自动驾驶技术正在受到前所未有的高度关注。
车辆的实际行驶环境是复杂多样的，以中国的道路行驶为例，车辆行驶需要参照道路交通安全法实施条例45条规定：
机动车在道路上行驶不得超过限速标志、标线标明的速度。在没有限速标志、标线的道路上，机动车不得超过下列最高行驶速度：
(一)没有道路中心线的道路，城市道路为每小时30公里，公路为每小时40公里；
(二)同方向只有1条机动车道的道路，城市道路为每小时50公里，公路为每小时70公里。
车辆行驶经过路口是车辆行驶的一个常见的场景，车辆需要经过路口时，一般需要提前减速，将车速降低到一定速度以下，以保证安全；通常，即使车辆在行驶至路口时遇到绿灯时也需要减速，以保证在突然出现红灯时能够在到达停止线之前及时停车。
对于人工驾驶的车辆来讲，驾驶员根据自己的驾驶经验、以及感知的各种信息决策经过路口的方式，进而对车辆进行操控。
对于自动驾驶的车辆而言，车辆必须具备合理的速度规划能力，才能实际上路使用。但是，路口的交通环境过于复杂，对于如何控制车辆在包括路口的环境中安全、平稳行驶，相关技术尚无有效解决方案。
技术实现要素：
本发明实施例提供一种自动驾驶方法、装置及车辆，能够控制车辆在包括路口的环境中安全、平稳行驶。
本发明实施例的技术方案是这样实现的：
第一方面，本发明实施例提供一种自动驾驶方法，包括：
检测位于车辆行驶方向的路口的交通信号；
确定从车辆位置至所述路口的目标位置的路径；
对所述路径应用不同的加速度曲线得到对应所述路径的不同的行驶轨迹，所述行驶轨迹包括所述路径中各个位置的速度以及时间；
根据所述交通信号指示的状态，选取与所述路口的交通状态对应的行驶模型；
从所述不同的行驶轨迹中选取与车辆速度适配的行驶轨迹；
根据所选取的行驶轨迹，在所述路径执行至少一个减速行驶过程和至少一个匀速行驶过程后到达所述路口。
第二方面，本发明实施例提供一种自动驾驶装置，包括：
检测单元，用于检测位于车辆行驶方向的路口的交通信号；
路径单元，用于确定从车辆位置至所述路口的目标位置的路径；
轨迹单元，用于对所述路径应用不同的加速度曲线得到对应所述路径的不同的行驶轨迹，所述行驶轨迹包括所述路径中各个位置的速度以及时间；
模型单元，用于根据所述交通信号指示的状态，选取与所述路口的交通状态对应的行驶模型；
选取单元，用于从所述不同的行驶轨迹中选取与车辆速度适配的行驶轨迹；
执行单元，用于根据所选取的行驶轨迹，在所述路径执行至少一个减速行驶过程和至少一个匀速行驶过程后到达所述路口。
第三方面，本发明实施例提供一种自动驾驶装置，包括：存储器和处理器，存储器中存储有可执行指令，用于引起处理器执行自动驾驶方法，包括：
检测位于车辆行驶方向的路口的交通信号；
确定从车辆位置至所述路口的目标位置的路径；
对所述路径应用不同的加速度曲线得到对应所述路径的不同的行驶轨迹，所述行驶轨迹包括所述路径中各个位置的速度以及时间；
根据所述交通信号指示的状态，选取与所述路口的交通状态对应的行驶模型；
从所述不同的行驶轨迹中选取与车辆速度适配的行驶轨迹；
根据所选取的行驶轨迹，在所述路径执行至少一个减速行驶过程和至少一个匀速行驶过程后到达所述路口。
第四方面，本发明实施例提供一种车辆，设置有本发明实施例提供的自动驾驶装置。
第五方面，本发明实施例提供一种存储介质，存储有可执行指令，用于执行本发明实施例提供的自动驾驶方法。
本发明实施例具有以下有益效果：
第一方面，当这样的行驶模型应用到车辆行驶的路径中时，到达路口会有至少一次匀速行驶的过程至少一次刹车的过程，这样会保证足够的反应时间来应对交通信号(如交通灯信号、红外信号)的变换和其他的突发情况；
第二方面，车辆从当前车辆位置到达路口的行驶过程被至少划分为两个阶段，每个阶段对应有相应的目标速度，与只针对到达路口设置一个目标速度相比，由于每个阶段的行驶距离相对缩短因此更加易于控制目标速度的精度；第三方面，根据交通信号对应应用不同的模型，尤其是对于黄灯信号而言，避免了将黄灯信号简单等同于红灯信号到能导致的急刹车的情况，保证了行驶安全。
附图说明
图1是本发明实施例提供的在车辆侧和云端分布部署自动驾驶装置的一个可选的示意图；
图2-1是本发明实施例提供的在车辆侧部署自动驾驶装置的一个可选的示意图；
图2-2是本发明实施例提供的在车辆侧部署自动驾驶装置的一个可选的示意图；
图2-3是本发明实施例提供的在车辆侧部署自动驾驶装置的一个可选的示意图；
图3是本发明实施例提供的自动驾驶装置的一个可选的硬件结构示意图；
图4是本发明实施例提供的人工驾驶车辆与自动驾驶车辆进行行驶控制的方法的一个可选的对比示意图；
图5是本发明实施例提供的决策的用于自动行驶的路径的可选的示意图；
图6是本发明实施例提供的自动行驶车辆的行驶轨迹决策的一个可选的流程示意图；
图7-1是本发明实施例提供的自动驾驶装置决策的行驶轨迹的一个可选的示意图；
图7-2是本发明实施例提供的自动驾驶装置决策的行驶轨迹的一个可选的示意图；
图8是本发明实施例提供的与红灯信号对应的行驶模型的一个可选的示意图；
图9是本发明实施例提供的与绿灯信号对应的行驶模型的一个可选的示意图；
图10是本发明实施例提供的自动驾驶方法的一个可选的流程示意图；
图11是本发明实施例提供的对应红灯信号的2个不同行驶模型的示意图；
图12是本发明实施例提供的对应绿灯信号的2个不同行驶模型的示意图；
图13是本发明实施例提供的自动驾驶装置的一个可选的功能结构示意图。
具体实施方式
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。
对本发明进行进一步详细说明之前，对本发明实施例中涉及的名词和术语进行说明，本发明实施例中涉及的名词和术语适用于如下的解释。
1)车辆，能够在道路上行驶的各种交通工具，如燃油汽车、电动车和混合动力车等。
2)路径(path)，是由车辆行驶经过的不同位置集合而形成的路线，可以视为对路径的一系列采样点(以各种形式的坐标如平面坐标、球面坐标等)的集合来表示。
3)行驶模型，也称为速度-时间模型，表示车辆在路径中不同位置的速度以及时间，由于根据车辆的速度和时间可以获得车辆的加速度，可以使用曲线的形式表示，，因此速度-时间曲线与加速度曲线(accprofile)等同。由于行驶模型是用于在车辆行驶的不同阶段对车辆的速度进行限制，因此也可以称为限速模型。
4)速度-时间曲线，表示车辆在不同时刻的速度的曲线，由于根据速度以及时间可以得到车辆在不同时刻的加速度，因此，速度-时间曲线也可以视为加速度曲线。
5)行驶轨迹(trajectory)，简称轨迹，是用于表示车辆在路径中的行驶方式，将速度-时间模型应用到路径中时，能够确定车辆到达路径的各个采样点的位置、以及车辆在到达路径中各采样点的时间以及速度，路径、以及路径中各位置的速度、时间构成行驶轨迹。
例如，可以采用曲线的方式记录车辆在路径中不同位置的速度、时间信息，由于每个位置的速度和时间可以推算得到加速度，因此轨迹也可以是路径和加速度曲线的合成，采用路径、以及在路径中每个位置的加速度的方式进行记录，当然，也可以采用速度-时间的二元数据集合的方式记录。
6)人机界面(hmi，humanmachineinterface)，车辆中以各种形式提供的实现人机交互的界面，如车辆控制台的界面，与车辆各种有线方式如通用串行总线(usb)或者无线方式(如蓝牙)连接的移动设备(如智能手机、平板电脑)的界面。
7)交通信号，以各种方式发射的能够被车辆接收并识别的声、光、电等信号，如传统的交通灯信号，还可以是红外信号(调制至对应红灯信号、黄灯信号和绿灯信号)、超声波信号等，另外，还可以是根据车辆的当前车辆位置从实时的高精度地图中读取的信号。
可以理解地，本发明实施例中记载的红灯信号不仅限于以交通灯方式发出，还可以是上述的任意方式发出的信号，绿灯信号和黄灯信号同理。
本发明实施例提供能够应用于各种车辆的自动驾驶方法、实施自动驾驶方法的自动驾驶装置、设置有自动驾驶装置(设置自动驾驶装置的部分或全部模块)的车辆、以及存储介质。
就实施自动驾驶方法的自动驾驶装置而言，作为部署自动驾驶装置的一个示例，参见图1，图1是本发明实施例提供的在车辆侧和云端分布部署自动驾驶装置的一个可选的示意图，组成自动驾驶装置的功能模块可以采用分布式的部署方式，部分模块设置在网络侧的服务器用于决策自动驾驶的轨迹，部分模块设置在车辆侧，用于根据网络侧决策的轨迹控制车辆进行行驶。
作为部署自动驾驶装置的另一个示例，组成自动驾驶装置的功能模块可以采用各种形式全部设置在车辆侧。
例如，参见图2-1，图2-1是本发明实施例提供的在车辆侧部署自动驾驶装置的一个可选的示意图，在车辆100的车辆控制台200中固定设置自动驾驶装置，一般来说，车辆控制台的内部留有一定的空间可供设置自动驾驶装置，自动驾驶装置通过有线(如通用串行总线协议)或无线(如基于蓝牙、紫蜂通信协议)方式与车辆的内部总线连接，通过车辆内部总线控制车辆按照决策的轨迹行驶。
又例如，参见图2-2，图2-2是本发明实施例提供的在车辆侧部署自动驾驶装置的一个可选的示意图，自动驾驶装置提供为在车辆100内部使用的移动终端300，移动终端通过有线(如通用串行总线协议)或无线(如基于蓝牙、紫蜂通信协议)方式与车辆的内部总线连接，通过车辆内部总线控制车辆按照决策的轨迹行驶。
再例如，参见图2-3，图2-3是本发明实施例提供的在车辆侧部署自动驾驶装置的一个可选的示意图，自动驾驶装置还可以实施为设置在车辆100内部的方向盘的方向盘控制器400，方向盘控制器400除了具有与车辆100连接以提供对多媒体的控制外，还集成有控制车辆实现自动驾驶的功能，通过与车辆100的各种方式的连接，控制车辆按照决策的轨迹行驶。
以自动驾驶装置集成到方向盘控制器为例，参见图3，图3是本发明实施例提供的自动驾驶装置的一个可选的硬件结构示意图，图3示出了自动驾驶装置100的一个可选的硬件结构示意图，需要指出的是，在实际应用中图3示出的自动驾驶装置100中的组件并且都是必需的，可以根据实际情况部分实施或全部实施；
1)处理器101负责执行存储器中的控制逻辑(也就是可执行指令)，通过总线102与自动驾驶装置100中的其他组件进行通信来实现自动驾驶装置100的各种功能，包括通过车辆的内部总线控制车辆的行驶和制动。
2)蜂窝模块103进行数据通信。
蜂窝模块103以接入基站的建立链路的方式承载自动驾驶装置100的移动通信，例如语音(视频)通信和数据通信，通信制式可以采用码分多址(cdma)、宽带码分多址(wcdma)、时分-同步码分多址(td-scdma)以及演进制式。
3)无线相容性认证(wifi)模块104接入无线局域网，或与车辆内部的移动终端(如用户的智能手机、平板电脑)或车载移动终端进行无线通信。
wifi模块104基于wifi技术支持自动驾驶装置100接入无线互联网，基于wifi直连技术支持自动驾驶装置100与车辆内部的移动终端或车载移动终端进行无线通信，还可作为无线热点提供对车辆内部的移动终端(如用户持有的智能手机、平板电脑、笔记本电脑等)的无线互联网接入。
3)蓝牙模块105与车辆内部的移动终端(如用户的智能手机、平板电脑)或车载移动终端进行无线通信。
蓝牙模块105用于支持自动驾驶装置100采用蓝牙配对的方式与车辆内部的移动终端或车载移动终端进行无线通信。
另外，自动驾驶装置100中还可以设置基于红外、紫蜂等技术的模块实现在车辆内部与用户的移动终端(如智能手机、平板电脑)的近距离无线通信。
4)存储器106用于存储供处理器101执行的指令，另外，还可以存储用户针对自动驾驶装置100设置的信息，如按键107的防误触功能的设置信息(如防误触功能是否开启)、定时开启信息(支持自动驾驶装置100的工作时间)等信息。
5)按键107是在自动驾驶装置100的壳体上显露，按键107的数量根据需要控制的车载功能的数量设置(按键107的数量与需要控制的车载功能的数量对应，或者，按键107的数量小于需要控制的车载功能的数量，此时按键107采用组合的方式与车载功能对应以节省在自动驾驶装置100设置按键107的数量)。
根据按键107被触发时输出电信号的类型，可以分为电阻分压式(不同的按键107被触发时输出不同的电阻信号，无电压信号输出)、电压式(不同的按键107被触发时输出不同的电阻信号，以及不同的电压信号)和脉冲式(同的按键107被触发时输出相同的电阻信号、以及不同的跳变的电压信号)，处理器100根据来自按键107的信号生成表征相应按键107被触发的按键指令，。
按键107以及按键107的组合与车载功能、以及车载功能的控制项对应；作为示例，车载功能包括多媒体播放功能和车载电话功能，多媒体播放功能的控制项包括选曲、播放、暂停、升高音量、降低音量等；车载电话功能的控制项包括拨打电话、挂断电话、在通讯录中向前选取联系人、在通讯录中向后选取联系人等。
7)供电模块108用于为自动驾驶装置100中的组件提供电能，可以实施为电池(如纽扣电池、锂聚合物电池等)，还可以实施为电连接端口如通用串行总线(usb)接口与方向盘中的usb接口耦接，使车辆通过在方向盘中设置的usb接口向自动驾驶装置100提供电能。
车辆的行驶过程中最常见的一个场景是经过不同道路所交汇的路口，由于路口的交通状况复杂，用户在驾驶车辆经过路口时需要提前减速，然后注意观察，在确保安全的情况下以相对低的速度通过，高速过路口，容易冲撞电动车、行人或是出租车。
车辆在包括路口的环境行驶时，人工驾驶车辆与自动驾驶装置控制车辆的处理存在显著区别，参见图4，图4是本发明实施例提供的人工驾驶车辆与自动驾驶车辆进行行驶控制的方法的一个可选的对比示意图。
对于人工驾驶的车辆来讲，驾驶员根据自己的驾驶经验、以及感知的各种信息，如实际交通情况，如各种目标(行人、障碍物和路标)、道路(车道、防撞栏和路缘石)、天气(如可见度、雨量、空间(位置)等各种因素，决策经过路口的方式，进而对车辆进行操控，以行驶经过路口或者在路口停止线上停车等候通行。
而对于由自动驾驶装置控制的自动驾驶的车辆来讲，车辆必须具备合理的路径和速度规划能力。在图4中，自动驾驶装置中涉及感知、决策和控制三个与自动驾驶相关的功能模块，下面分别进行说明。
决策模块，主要根据地图、导航路线和感知到的障碍物进行行为规划(motionplanning)，生成最终的行驶轨迹，交给控制(control)模块来进行执行。对无人驾驶车的行驶轨迹规划(motionplanning)，包含了路径决策和速度决策(即在行驶轨迹的不同位置的速度)。
参见图6，图6是本发明实施例提供的自动行驶车辆的行驶轨迹决策的一个可选的流程示意图，以下几个步骤：
步骤101，生成从当前的车辆位置到目标位置的路径(path)。
按照需要一般会生成从当前的车辆位置到达目标位置的路径，参见图5，图5是本发明实施例提供的决策的用于自动行驶的路径的可选的示意图，图5中示出了车辆自动行驶的路径，路径一般是曲率连续的螺旋(sprial)线或者其他形式的曲线，路径的曲率呈现连续变化的趋势时能够保证行驶的平稳性。
步骤102，对于每个路径应用不同的速度-时间曲线(也就是加速度曲线)确定车辆到达路径上各个位置(采样点)时的时间和速度，结合路径的各个位置、经过路径上每个位置的速度和时间，形成行驶轨迹(包括路径、各位置的速度和时间)。
对同一条路径，应用不同的速度-时间曲线，即加速度曲线，来计算自动驾驶时到路径中每个位置的时间(t)和速度(v)，对于同一路径而言，在路径上应用的速度-时间曲线不同，到达路径中同一位置的时间和速度也会相应地存在差异，因此，针对同一路径可以生成多个不同的轨迹(trajectory)。
加速度曲线表示的车辆的行驶轨迹一般包括加速行驶、匀速行驶、减速行驶等多种行驶过程，参见图7-1，图7-1是本发明实施例提供的自动驾驶装置决策的行驶轨迹的一个可选的示意图，在行车轨迹中示例性标识了路径中的三个位置的速度和时间，自动驾驶的轨迹可以结合速度和时间来记录为：(t1，v1)、(t2，v2)和(t3，v3)。
参见图7-2，图7-2是本发明实施例提供的自动驾驶装置决策的行驶轨迹的一个可选的示意图，如果在图7-1示出的轨迹的三个位置应用不同于图7-1的速度-时间曲线，能够形成不同于图7-1的自动驾驶的轨迹，如：(t4，v4)、(t5，v5)和(t6，v6)，从而，针对同一路径，能够形成多个不同的候选的行驶轨迹。
步骤103，从形成的一系列的行驶的轨迹中选定最优轨迹，控制车辆按照最优轨迹行驶。
对所有的轨迹评估安全性和舒适性，例如根据包括动力学限制、障碍物避让等各种因素从轨迹中筛除不恰当的轨迹，然后从剩余的轨迹挑出最快到达目标位置的轨迹作为最优的结果，根据轨迹控制车辆行驶。
本发明实施例中，当车辆在包括路口的环境中行驶时，预先设定阈值d，当车辆距离路口的距离小于或等于d时，将目标位置确定为路口的停止线的位置，然后根据交通信号，如交通灯是红灯(禁止通行状态)、绿灯(可通行状态)还是黄灯(警示状态)选定目标速度，生成一个匀减速的行驶轨迹，例如，如果当前交通灯为绿灯，则目标速度为路口限速，一般为40km/h；如果当前交通灯为是红灯或黄灯，则目标速度为0。
根据交通灯的状态决策出一系列的候选的轨迹并评估出最优的轨迹，控制车辆按照轨迹形式，当车辆行驶至目标位置时达到目标速度。例如，如果目标速度为0，则车辆行驶至停止线时恰好减速至0。
本发明实施例上述提供的自动驾驶的方案应用在路口环境时，存在以下问题：
1)当车辆距离目标位置小于或等于阈值后，即控制车辆开始减速，并且是一个持续的减速的过程，这不符合人工驾驶的习惯，容易与邻车发生刮碰，存在安全隐患。
人工驾驶车辆时，接近路口一般会有多次刹车的过程，这样会保证足够的反应时间来应对交通信号(如交通灯)的变换和其他的突发情况。自动行驶的车辆需要和人工驾驶的车辆共同在路上行驶，如果自动行驶的车辆和人工驾驶车辆的行驶特性差异过大，会造成安全隐患。
2)按照一个特定的目标速度来生成的轨迹，对自动驾驶装置的控制模块的控制精度要求过高。
例如，如果从一个较高的速度停车，由于只有一个持续减速至0的减速过程，难以保证在目标位置停车的精度。
3)对交通灯出现黄灯的情况难以处理。
上述方案中，如果将黄灯与红灯等同处理，则可能会产生急刹车，造成追尾等安全问题。
针对上述问题，本发明实施例中，根据不同类型的交通信号(如交通灯的状态、路口交通设施发射的交通信号，如红外交通信号)，建立了当前车辆位置到路口的行驶模型，根据交通信号的类型选取相应的行驶模型。利用行驶模型确定车辆行驶的前方位置的最大限速，根据最大限速对行驶轨迹进行决策，在符合最大限速的行驶轨迹中选取佳行驶轨迹，由自动驾驶装置的控制模块控制车辆按照轨迹行驶，包括至少一个减速行驶过程和至少一个匀速行驶过程，因此，能够更好地规划车辆的车速，在路口提前减速，以行车保证安全，得整个过程更加平稳顺畅，符合人类的驾驶习惯。
如前所述，本发明实施例中提供有至少一个减速行驶过程和至少一个匀速行驶过程组合的行驶模型(即速度-时间模型)，根据交通信号指示的路口的状态(如红灯表示的禁止通行状态、绿灯表示的允许通行状态、黄灯表示的停止状态)的不同，行驶模型中减速行驶过程和匀速行驶过程的组合方式也可以存在区别。
通过检测车辆行驶方向的路口的交通信号指示的状态，将与相应状态对应的行驶模型应用到车辆行驶的路径中形成车辆的行驶轨迹(也即轨迹，包括路径、路径中各个位置的速度和时间信息)，并利用行驶模型确定车辆行驶的前方位置的最大限速，根据最大限速决策行驶轨迹是否最优，根据决策的最优行驶轨迹控制车辆行驶。
第一方面，当这样的行驶模型应用到车辆行驶的路径中时，到达路口会有至少一次匀速行驶的过程至少一次刹车的过程，这样会保证足够的反应时间来应对交通信号(如交通灯信号、红外信号)的变换和其他的突发情况；
第二方面，车辆从当前车辆位置到达路口的行驶过程被至少划分为两个阶段，每个阶段对应有相应的目标速度，与只针对到达路口设置一个目标速度相比，由于每个阶段的行驶距离相对缩短因此更加易于控制目标速度的精度；
第三方面，根据交通信号对应应用不同的模型，尤其是对于黄灯信号而言，避免了将黄灯信号简单等同于红灯信号到能导致的急刹车的情况，保证了行驶安全。
第四方面，根据行驶模型确定的车辆行驶的前方位置的最大限速，对行驶轨迹进行决策，当行驶轨迹中在前方位置的行驶速度超出最大限速时能够及时重新决策最优的行驶轨迹，确保车俩能够按照行驶轨迹精确行驶。
本发明实施例提供的行驶模型主要分为红灯信号适配的行驶模型、以及绿灯信号适配的行驶模型，其中，黄灯信号适配的行驶模型，根据车辆至路口的距离在上述类型的行驶模型中对应选择。
下面，对本发明实施例针对不同交通信号提供的行驶模型进行说明。
1)红灯信号对应的行驶模型
红灯信号(禁止通行状态)对应的行驶模型，依次包括：减速行驶过程、以及至少一个交替的匀速行驶过程和减速行驶过程。
例如，【减速行驶-<匀速行驶-减速行驶>】，又例如，【减速行驶-<匀速行驶-减速行驶>-<匀速行驶-减速行驶>】，再例如，【减速行驶-<匀速行驶-减速行驶>-<匀速行驶-减速行驶>-<匀速行驶-减速行驶>】。
可以理解地，由于红灯信号对应的行驶模型是针对需要在路口停车的情形设计，因此行驶模型其中最后一个减速过程的最终速度为0。
对于减速行驶过程来说，可以是匀减速行驶(即加速度保持不变)或者是非匀减速行驶(即加速度是变化的)。例如，【减速行驶-<匀速行驶-减速行驶>】可以为：【匀减速行驶-<匀速行驶-非匀减速行驶>】，或者为：【非匀减速行驶-<匀速行驶-匀减速行驶>】，又或者为：【非匀减速行驶-<匀速行驶-非匀减速行驶>】。
其中，两个以上的交替的匀速行驶过程和减速行驶过程的组合适用于车辆行驶的路径的限速较高的情况，在这种情况下车辆在到达路口前往往会以较高的速度行驶，通过多次交替的匀速行驶过程和减速行驶过程，将车辆在路口的最终速度(0)分解为多个行驶过程的目标速度，更加易于控制车辆的行驶速度，在车辆高速行驶的情况下保证车辆的行驶速度控制的精度，避免只采用一个减速过程可能导致的车辆在到达停止线时无法及时停车的情况。
参见图8，图8是本发明实施例提供的与红灯信号对应的行驶模型的一个可选的示意图，在图8中，以【减速行驶-<匀速行驶-减速行驶>】这样一个行驶模型为例，在车辆检测到红灯信号的时刻开始计时，假设车辆以道路最大限速(v_max接近路口，以固定的加速度a来匀减速行驶，在距离路口停止线距离为d3时开始第一个匀减速过程brake1，在t1时刻速度降为v_uniform，此时距离路口的距离为d2；然后匀速行驶一段固定的时间t_uniform，在t2时刻开始第二次减速行驶过程brake2，此时距离路口的距离为d1，完成减速行驶过程后在t3时刻速度降为0，与路口的距离为0。
为了计算方便，使用a为正值的减速度，从路口处反向计算d1、d2和d3三个关键距离点。
假设匀速行驶过程的时间t_uniform、以及加速度a是预先设定的，可以分别计算两次减速行驶过程的所需要的时间：
第一次减速行驶过程的时间：
t_brake1＝(v_max-v_uniform)/a
其中，道路最大限速v_max是车辆在当前所行驶路径中允许的最大速度，车辆总是被自动驾驶装置控制以低于道路最大限速的速度行驶。
第二次减速行驶过程的时间：
t_brake2＝v_uniform/a
根据牛顿运动定律，可以计算出在时刻t时车辆至路口的距离:
第二次减速行驶过程开始时刻到路口的距离：
d1＝0.5*a*t_brake2*t_brake2
在匀速行驶过程的开始时刻到路口的距离：
d2＝d1+v_uniform*t_uniform
第一次减速行驶开始时刻到路口的距离:
d3＝d2+v_uniform*t_brake1+0.5*a*t_brake1*t_brake1
对于行驶模型中距离路口停止线距离为d的点，则可以计算出该点对应的最大限速v_limit，最大限速是行驶模型对应车辆在该d点的行驶的一个目标速度，车辆的行驶速度超出该最大限速时，则说明使用该行驶轨迹已经不符合行驶模型，需要重新决策行驶轨迹。
对于确定行驶模型中不同行驶过程的最大限速举例来说，
如果d>＝d3，此时还未开始第一减速行驶过程，则v_limit＝v_max；
如果d<d3并且d>d2，处于第一次减速行驶过程，根据牛顿运动定律，匀减速行驶过程中2个点(d点和减速行驶过程的终点)来说，v_uniform和行驶距离(d-d2)是已知量，则d点对应的速度v_limit＝sqrt(v_uniform*v_uniform+2*a*(d-d2))；
如果d<＝d2并且d>＝d1，处于匀速行驶过程，根据行驶模型，车辆在该过程中的目标行驶速度为一恒定值，则d点对应的速度v_limit＝v_uniform；
如果d<d1，处于第二次减速行驶过程，匀减速行驶过程中2个点(d点和路口停止线)来说，终点速度0、行驶距离d，则d点对应的速度v_limit＝sqrt(2*a*d)。
对于上述参数的取值来说，减速行驶过程的加速度a和匀速行驶时间t_uniform一般都会根据实际需要选择固定值。一般情况下，可以选定a＝1.0m/s2，t_uniform＝3.0s。
道路最大限速v_max的取值一般来自地图(如从高精度地图中根据车辆位置实时获取)、交通标志识别或预先设置。
对于速度v_uniform，则根据道路最大限速v_max和转弯类型来确定，一般的，满足直行通过路口的匀速行驶过程的速度v_uniform>左转或右转时通过路口的匀速行驶过程的速度v_uniform>车辆需要在路口掉头场景中匀速行驶的速度v_uniform。
例如，当车辆直行通过路口v_uniform＝0.6*vmax，当车辆左转或右转时v_uniform＝0.4*v_max，如果车辆需要在路口掉头，则设置v_uniform＝2.0m/s。也可以根据需要调整上述参数。
在图8中，对于减速行驶过程的加速度a、匀速行驶过程的速度v_uniform、道路最大限速v_max赋予不同的取值，可以形成一系列的对应红灯信号的行驶模型，对于每个行驶模型所包括的行驶过程而言，可以采用速度-时间曲线的方式表示，例如可以采用速度-时间曲线的方式，或者，采用<速度，时间>这样的二元数据的集合表示。
另外，对于行驶模型中依次包括两个或两个以上的交替<匀速行驶-减速行驶>的行驶模型来说，通过上述设定的加速度a、匀速行驶的速度v_uniform、道路最大限速v_max的取值，同样可以形成由速度-时间表示的行驶模型。
2)绿灯信号对应的行驶模型
绿灯信号(可通行状态)对应的行驶模型，包括至少一个交替的减速行驶过程和匀速行驶过程的组合。
例如，<减速行驶-匀速行驶>，又例如，【<减速行驶-匀速行驶>-<减速行驶-匀速行驶>】，再例如，【<减速行驶-匀速行驶>-<减速行驶-匀速行驶>-<减速行驶-匀速行驶>】。
可以理解地，由于绿灯信号对应的行驶模型是针对需要在路口停车的情形设计，因此行驶模型其中最后一个减速过程的最终速度为非零的值。
针对绿灯的情况减速通过路口设计，参见图9，图9是本发明实施例提供的与绿灯信号对应的行驶模型的一个可选的示意图，在图9中，以<减速行驶-匀速行驶>这样一个行驶模型为例，在车辆检测到绿灯信号的时刻开始计时，假设车辆以道路最大限速v_max接近路口，以固定的加速度a来减速行驶，在距离路口停止线距离为d2时开始第一个减速行驶过程，在t1时刻速度降为v_uniform，此时车辆与路口的距离为d1；然后匀速运行一段固定的时间t_uniform到达路口。
在到达路口前先低速匀速运行一段时间，可以预留充分的反应时间来应对突发状况，也便于无人驾驶车辆控制器的精确控制，保证行车安全。
对于图9示出的行驶模型而言，匀速行驶过程的时间t_uniform、以及加速度a是预先设定的，可以分别计算两次减速行驶过程的所需要的时间：
第一次减速行驶过程的时间：
t_brake1＝(v_max-v_uniform)/a
根据牛顿定律，可以计算在时刻t时车辆至路口的距离：
第一次匀速行驶开始时刻(t1)到路口的距离：
d1＝v_uniform*t_uniform
第一次减速行驶开始时刻(t2)到路口的距离：
d2＝d1+v_uniform*t_brake1+0.5*a*t_brake1*t_brake1；
则对路径上距离路口停止线距离为d的点，则可以根据距离d确定在行驶模型所处的行驶过程(是处于第一次减速行驶过程、匀速行驶过程还是第二次减速行驶过程)，从而计算d点对应的最大限速v_limit，最大限速是行驶模型在该点的目标行驶速度，超出该最大限速时，则该行驶轨迹不能继续用于控制车辆行驶，需要重新决策行驶轨迹。
对于确定行驶模型中不同行驶过程的最大限速举例来说，
如果d>＝d2，此时还未开始减速行驶过程，则点对应的速度v_limit＝v_max；
如果d<d2并且d>＝d1，处于减速行驶过程，根据牛顿运动定律，匀减速行驶过程中2个点来说，v_uniform和行驶距离(d-d2)是已知量，则d点对应的速度则点对应的速度v_limit＝sqrt(v_uniform*v_uniform+2*a*(d-d1))；
如果d<d1，处于匀速行驶过程，根据行驶模型，车辆在该过程中的目标行驶速度为一恒定值，则d点对应的速度v_limit＝v_uniform；
对于上述参数的取值来说，减速行驶过程的加速度a和匀速行驶时间t_uniform一般都会根据实际需要选择固定值。一般情况下，可以选定a＝1m/s2，t_uniform＝3.0s。
道路最大限速v_max的取值一般来自地图(如从高精度地图中根据车辆位置实时获取)、交通标志识别或预先设置。
对于速度v_uniform，则根据道路最大限速v_max和转弯类型来确定，一般的，满足直行通过路口的匀速行驶过程的速度v_uniform>左转或右转时通过路口的匀速行驶过程的速度v_uniform>车辆需要在路口掉头场景中匀速行驶的速度v_uniform。
例如，当车辆直行通过路口v_uniform＝0.6*vmax，当车辆左转或右转时v_uniform＝0.4*v_max，如果车辆需要在路口掉头，则设置v_uniform＝2.0m/s。也可以根据需要调整上述参数。
3)黄灯信号对应的行驶模型
黄灯信号对应的行驶模型，根据车辆在检测到黄灯信号时的刹车距离d_brake(即车辆在检测到黄灯信号时开始刹车至停车所经过的距离)，与车辆当前车辆位置(即检测到黄灯信号时的位置)至路口的距离d比较，包括以下2种情况：
3.1)若d>d_brake，则表示车辆在能够在到达停止线之前停车，选择红灯信号对应的行驶模型，以在出现红灯信号之前及时停车，避免追尾事故口；
3.2)若d≤d_brake，则表示车辆不能够在到达停止线之前停车，选择绿灯信号对应的行驶模型，以在出现红灯信号之前越过停止线，从而能够通过路口，避免出现闯红灯违规的情况。
根据牛顿运动定律，理论上的刹车距离为：
d_brake＝0.5*a_brake*t_brake*t_brake；
作为一个示例，由于从检测到黄灯到实际响应处理存在一定的延时，本发明实施例中使用的刹车距离根据刹车时间t_brake和系统延迟时间t_delay对刹车距离进行补偿得到。
根据牛顿运动定律，刹车时间t_brake表示为：
t_brake＝v/a_brake
补偿后的刹车距离为：
d_brake＝v*(t_brake+t_delay)+0.5*a_brake*t_brake*t_brake；
其中，刹车加速度a_brake可以取一个相对较大的值，一般取a_brake＝2.0m/s2，这样可以保证刹车时间<4s；t_delay为自动驾驶装置的系统延迟时间，根据无人驾驶车辆的设置来决定，一般t_delay＝0.1s。
基于上述行驶模型，自动驾驶的一个示例如下：
在包括路口的环境中检测到交通信号是，选择与交通信号对应的行驶模型，
根据交通信号的类型，来选择与交通信号指示的交通状态对应的行驶模型，例如，如果是红灯信号，则选择“减速-匀速-减速模型”，如果是绿灯信号，则选择“减速-匀速模型”；如果是黄灯信息，则根据当前车速计算刹车直至停车的距离d_brake，与当前车辆位置到路口的距离d比较，如果d>d_brake，则可以正常刹车，选择“减速-匀速-减速模型”，否则选择“减速-匀速模型”。
确定从车辆的当前车辆位置至路口停车线的路径(曲率连续变化)，对路径应用不同的加速度曲线(例如，通过枚举的方式产生不同的加速度曲线)，形成一系列的候选的行驶轨迹。
对于候选的一系列的行驶轨迹，根据行驶轨迹中车辆的前方位置(如，在车辆前方预定距离20米)至路口的距离，确定前方位置在行驶模型中所对应的行驶速度，将行驶速度或预定比例的行驶速度作为最大限速，将行驶轨迹中对应前方位置的行驶速度与前方位置的最大限速比较，如果超出最大限速则筛除该行驶轨迹。
对筛除后剩余的轨迹进行评估，通常从使用以下一个或结合几个方面来进行决策出最优的行驶轨迹。例如，行驶轨迹是否规避了路径中的障碍物，如果行驶轨迹中存在障碍物(如路面中的坑洞、前方或侧方的车辆等)，则筛除该行驶轨迹；再例如，行驶轨迹是否是所有行驶轨迹中到达路口所需时间最短的，如果不是则筛除该行驶轨迹。
又例如，行驶轨迹是否超出了车辆的动力学限制，如行驶轨迹中针对路径中某一位置的速度是否车辆的动力性能能够达到的，如果不是则筛除该行驶轨迹。
对于评估出的最优的行驶轨迹，由自动驾驶装置的控制模块控制车辆按照最优的行驶轨迹进行行驶。
基于上述行驶模型，参见图10，图10是本发明实施例提供的自动驾驶方法的一个可选的流程示意图，能够应用于自动驾驶装置，包括以下步骤：
步骤201，检测位于车辆行驶方向的待通行路口的交通信号。
在一个实施例中，车辆中设置的自动驾驶装置提供控制车辆自动驾驶的功能，车辆中设置的自动驾驶装置接收关于车辆行驶的最终位置-目标位置的设置，并根据车辆的当前车辆位置规划至目标位置的路径，例如根据自动驾驶装置本地的高精度地图数据库(或在云端的高精度地图数据库)查询路径，并按照查询的路径行驶。
当然，可以按照用户的需求查询路径，如查询最短路径、最畅通路径等，控制车辆按照用户选择的路径自动驾驶。
自动驾驶装置在控制车辆自动驾驶的过程中，检测至目标位置(的路径中位于车辆行驶方向的待通行路口的交通信号，实际应用中可以有多种检测交通信号的方式。
例如，通过车辆中的图像采集装置(如高清摄像头)不断扫描车辆前方，不断尝试从采集的图像中识别交通灯信号；又例如，通过红外扫描装置探测路口的红外交通信号发射装置发射的交通信号；再例如，通过卫星定位装置对车辆进行定位，并在云端或本地的实时的高精地图数据库中查询位于车辆前方的路口的交通信号。
步骤202，确定从当前车辆位置至路口的目标位置的路径。
一个实施例中，以当前时刻的车辆位置为起始位置，以路口的停止线位置为目标位置，形成曲率连续变化的一个或多个曲线；步骤202可以根据预定的间隔时间周期性执行，从而能够基于后续的步骤不断更新车辆的行驶轨迹。
按照需要一般会生成从当前车辆位置到达目标位置的多个路径，参见图7，图7是本发明实施例提供的决策的用于自动行驶的一系列路径的可选的示意图，图7中示出了车辆自动行驶的一系列的可选的路径，以检测到交通信号时的车辆位置为起始位置，以路口的停止线位置为目标位置(这里的目标位置与前述的用户在自动驾驶装置中设定的目标位置不同)，形成曲率连续变化的多个曲线路径，一般是曲率连续的螺旋线或者其他形式的曲线，路径的曲率呈现连续变化的趋势时能够保证行驶的平稳性。
步骤203，对路径应用不同的加速度曲线得到对应所述路径的不同的行驶轨迹，所述行驶轨迹包括所述路径中各个位置的速度以及时间。
作为一个示例，不同的加速度曲线可以采用枚举的方式得到，对于行驶轨迹来说，从路径的起点开始应用加速度曲线(初始速度可以采用车辆的当前速度)，能够得到车辆在路径中不同位置的速度，以及到达该位置的时间。
步骤204，对路径应用不同的行驶模型，得到行驶模型对应路径的行驶轨迹，行驶轨迹包括路径中各个位置的速度以及时间。
对路径应用不同的加速度曲线能够得到车辆在路径中各个位置的时间以及速度，结合路径中各个位置的坐标、以及对应的速度和时间信息可以构成路径的行驶轨迹，路径中不同位置的三元数据<位置坐标，速度，时间>的集合构成了基于该行驶模型在路径的行驶轨迹，也即轨迹。
行驶轨迹可以直接用于供自动驾驶装置使用，即控制车辆在路径的各个位置按照在行驶轨迹中记录的速度和时间进行行驶。
例如，以交通信号为红灯信号为例，将同一路径应用到图11示出的两个行驶模型，能够得到与图11示出的2个行驶模型一一对应的2个行驶轨迹，对于这两个行驶轨迹来说，减速行驶过程的加速度a以及减速行驶时间不同，匀速行驶过程的时间也不同。
步骤205，根据交通信号指示的状态，选取与路口的交通状态对应的行驶模型。
结合交通信号指示的不同状态进行说明。
在一个实施例中，当交通信号指示为可通行状态，例如交通信号为绿灯信号时，选取可通行状态对应的多个行驶模型，可通行状态对应的行驶模型中依次包括：减速行驶过程、以及至少一个交替的匀速行驶过程和减速行驶过程的组合。
例如，如前，【减速行驶-<匀速行驶-减速行驶>】，又例如，【减速行驶-<匀速行驶-减速行驶>-<匀速行驶-减速行驶>】，再例如，【减速行驶-<匀速行驶-减速行驶>-<匀速行驶-减速行驶>-<匀速行驶-减速行驶>】。
参见图11，图11是本发明实施例提供的对应红灯信号的2个不同行驶模型的示意图，在每个行驶模型中，对于减速行驶过程的加速度a、匀速行驶过程的速度v_uniform、道路最大限速v_max具有不同的取值。
在一个实施例中，当交通信号指示为禁止通行状态，例如为红灯信号时，选取禁止通行状态对应的行驶模型，可通行状态对应的行驶模型中依次包括：至少一个交替的匀速行驶过程和减速行驶过程的组合。
例如，如前，<匀速行驶-减速行驶>，又例如，【<匀速行驶-减速行驶>-<匀速行驶-减速行驶>】，再例如，【<匀速行驶-减速行驶>-<匀速行驶-减速行驶>-<匀速行驶-减速行驶>】。
参见图12，图12是本发明实施例提供的对应绿灯信号的2个不同行驶模型的示意图，在每个行驶模型中，对于减速行驶过程的加速度a、匀速行驶过程的速度v_uniform、道路最大限速v_max具有不同的取值。
在一个实施例中，当交通信号指示路口为停止状态，例如为黄灯信号时，根据车辆至路口的距离与车辆的刹车距离的比较结果，选取可通行状态对应的行驶模型，或选取禁止通行状态对应的行驶模型。
例如，当车辆至路口的距离大于车辆的刹车距离时，则表示车辆在能够在到达停止线之前停车，选择红灯信号对应的行驶模型，以在出现红灯信号之前及时停车，避免追尾事故口，选取禁止通行状态对应的行驶模型；
再例如，当车辆至路口的距离小于或等于车辆的刹车距离时，则表示车辆不能够在到达停止线之前停车，选取可通行状态对应的行驶模型，以在出现红灯信号之前越过停止线，从而能够通过路口，避免出现闯红灯违规的情况。
步骤206，根据行驶模型，从不同的行驶轨迹中选取与车辆速度适配的行驶轨迹。
行驶模型包括不同的行驶过程，根据车辆前方位置至路口的距离，确定车辆模型中在该前方位置车辆所应该具有的目标速度，以目标速度或预定比例(如80％)的目标速度作为在前方位置的最大限速，将候选的行驶轨迹中对应前方位置的行驶速度与最大限速比较，如果超出了最大限速，则筛除该行驶轨迹，筛除后剩余的行驶轨迹作为与车辆速度适配的行驶轨迹。
对于行驶模型中距离路口停止线距离为d的前方位置，则可以计算出该点对应的最大限速v_limit，最大限速是行驶模型支持车辆在该点所具有的最大行驶速度，当行驶轨迹中对应该前方位置的行驶速度超出该最大限速时，则说明该行驶轨迹不再适用于控制车辆行驶，筛除该行驶轨迹。
结合图8提供的与红灯信号对应的行驶模型，就最大限速v_limit来说，对于距离路口停止线距离为d的前方位置：
如果d>＝d3，则v_limit＝v_max；
如果d<d3并且d>d2，则v_limit＝sqrt(v_uniform*v_uniform+2*a*(d-d2))；
如果d<＝d2并且d>＝d1，则v_limit＝v_uniform；
如果d<d1，则v_limit＝sqrt(2*a*d)。
例如，就筛除行驶轨迹来说，根据距离路口d的前方位置的最大限速，与行驶轨迹中对应前方位置的速度进行比较，例如，距离路口停止线距离为d的前方位置，如d<d3并且d>d2，那么当一行驶轨迹中对应该前方位置的速度大于sqrt(v_uniform*v_uniform+2*a*(d-d2))时，删除该行驶轨迹。
再例如，就筛除行驶轨迹来说，根据距离路口d的前方位置的最大限速，与行驶轨迹中对应前方位置的速度进行比较，距离路口停止线距离为d的前方位置，如d<d1，那么当一行驶轨迹中对应该前方位置的速度大于sqrt(2*a*d)时，删除该行驶轨迹。
结合图9提供的与绿灯信号对应的行驶模型，就最大限速v_limit来说，对于距离路口停止线距离为d的前方位置：
如果d>＝d2，则v_limit＝v_max；
如果d<d2并且d>＝d1，则v_limit＝sqrt(v_uniform*v_uniform+2*a*(d-d1))；
如果d<d1，则v_limit＝v_uniform。
例如，就筛除行驶轨迹来说，根据距离路口d的前方位置的最大限速，与行驶轨迹中对应前方位置的速度进行比较，例如，距离路口停止线距离为d的前方位置，如d>＝d2，那么当一行驶轨迹中对应该前方位置的速度大于v_max时，删除该行驶轨迹。
再例如，就筛除行驶轨迹来说，根据距离路口d的前方位置的最大限速，与行驶轨迹中对应前方位置的速度进行比较，距离路口停止线距离为d的前方位置，如d<d1，那么当一行驶轨迹中对应该前方位置的速度大于sv_uniform时，删除该行驶轨迹。
步骤207，根据所选取的行驶轨迹，进行最优行驶轨迹的决策。
从步骤206所选取的行驶轨迹中进行最优行驶轨迹的决策，选取满足以下条件的行驶轨迹：符合车辆的动力学限制；到达路口的时间最短；规避障碍物。
对所有的行驶轨迹进行评估安全性和舒适性，例如根据包括动力学限制、障碍物避让等各种因素从轨迹中筛除不恰当的轨迹，然后从剩余的行驶轨迹中选出最快到达路口的行驶轨迹作为最优的行驶轨迹。
步骤208，根据决策的最优行驶轨迹，在路径执行至少一个减速行驶过程和至少一个匀速行驶过程后到达路口。
例如，就基于图8示出的红灯信号对应的行驶模型形成的行驶轨迹来说，自动驾驶装置控制车辆在0-t1时刻以加速度进行第一次匀减速行驶过程，减速至v_uniform，在t1-至t2时刻以v_uniform匀速行驶，在t2-t3时刻以加速度a继续进行第二次匀减速行驶过程，在t3时刻速度减速至0，在路口停止线之前停车。
例如，就基于图9示出的绿灯信号对应的行驶模型形成的行驶轨迹来说，自动驾驶装置控制车辆在0-t1时刻以加速度进行第一次匀减速行驶过程，减速至v_uniform，在t1-至t2时刻以v_uniform匀速行驶，在t3时刻到达路口并继续通过路口。
实际应用中，自动驾驶装置采用比例-积分-微分控制器(pid)算法跟踪、规划行驶轨迹，由于将行驶至路口的路径划分为了至少两个行驶阶段，行驶阶段相对于至路口只有一个减速过程而言，控制得以简化，可以使得速度和位置的控制更加精确，整个过程更加平稳顺畅，使得行车更加安全。
对前述自动驾驶装置的功能结构进行说明，参见图13，图13是本发明实施例提供的自动驾驶装置的一个可选的功能结构示意图，包括：检测单元210、路径单元220、模型单元240、轨迹单元230、选取单元250和执行单元260。
检测单元210，用于检测位于车辆行驶方向的路口的交通信号；
路径单元220，用于确定从检测到所述交通信号时的车辆位置至所述路口的目标位置的路径；
轨迹单元230，用于对所述路径应用不同的加速度曲线得到对应所述路径的不同的行驶轨迹，所述行驶轨迹包括所述路径中各个位置的速度以及时间；
模型单元240，用于根据所述交通信号指示的状态，选取与所述路口的交通状态对应的行驶模型；
选取单元250，用于根据所述行驶模型，从不同的行驶轨迹中选取与车辆速度适配的行驶轨迹；
执行单元260，用于根据所选取的行驶轨迹，在路径执行至少一个减速行驶过程和至少一个匀速行驶过程后到达所述路口。
在一个实施例中，所述路径单元220，还用于以当前的车辆位置为起始位置，以所述路口的停止线为目标位置，形成曲率连续变化的曲线。
在一个实施例中，所述选取单元250，还用于当所述交通信号指示为可通行状态时，选取所述可通行状态对应行驶模型，所述可通行状态对应的行驶模型中依次包括：至少一个交替的减速行驶过程和匀速行驶过程的组合。
在一个实施例中，所述选取单元250，还用于当所述交通信号指示为禁止通行状态时，选取禁止通行状态对应的行驶模型，所述禁止通行状态对应的行驶模型中依次包括：减速行驶过程(例如，一个或多个)，以及至少一个交替的匀速行驶过程和减速行驶过程的组合。
在一个实施例中，所述选取单元250，还用于当所述交通信号指示所述路口为警示状态时，根据所述车辆至所述路口的距离与所述车辆的刹车距离的比较结果，选取可通行状态对应的行驶模型，或选取禁止通行状态对应的行驶模型。
在一个实施例中，所述选取单元250，还用于将所述行驶轨迹中所述车辆的前方位置的行驶速度、与在所述行驶模型中对应所述前方位置的最大限速进行比较；选取行驶速度未超出所述最大限速的行驶轨迹。
在一个实施例中，所述选取单元250，，还用于确定所述前方位置至所述路口的距离，确定所述不同的行驶模型中对应所述距离的行驶速度，将所确定的行驶速度或预定比例的所确定的行驶速度，作为相应前方位置的最大限速。
在一个实施例中，所述选取单元250，还用于选取与所述路口的交通状态适配的行驶模型之后，从所选取的行驶轨迹中继续选取满足以下条件的行驶轨迹：符合所述车辆的动力学限制；到达所述路口的时间最短；规避障碍物。
在一个实施例中，所述模型单元240，还用于根据针对所述行驶模型包括的减速行驶过程预先设置的加速度、以及针对所述行驶模型包括的匀速行驶过程预先设定的行驶时间和行驶速度，确定相应行驶模型所包括的行驶过程的各位置的速度和时间信息。
在一个实施例中，所述模型单元240，还用于当所述行驶模型为车辆需直行通过所述路口的交通场景时，设置所述行驶速度为第一速度，当所述行驶模型为所述车辆需在所述路口转弯时，设置所述行驶速度为第二速度，当所述行驶模型为所述车辆需在所述路口掉头时，设置所述行驶速度为第三速度；其中，所述第一速度、第二速度和第三速度依次减小，且所述第一速度小于或等于所述路径的最大限速。
本发明实施例还提供一种车辆，设置有本发明实施例提供的自动驾驶装置，根据图2-1至图2-3，自动驾驶装置可以采用诸如方向盘、方向盘控制器和车拉车辆驾驶台的方式设置在车辆中，车辆可以为采用各种形式动力的行驶工具。
综上，本发明实施例具有以下有益效果：
提出了自动驾驶车辆通过路口的行驶模型，对自动驾驶车辆进行行驶规划速度时进行约束和限制，具有以下优点：
1)使得自动驾驶车辆更加符合人类的驾驶习惯；
2)模拟了人类驾驶员通过路口时的驾驶习惯，符合交通法规，使得通过路口时更加安全。低速匀速通过路口，给车辆预留了充分的反应时间来应对复杂的路口交通状况，尤其是路上既有无人驾驶车辆，又有人工驾驶车辆的情况。也易于人类驾驶员理解和预判无人驾驶车辆的行为，减少事故概率。
3)经过路口时包括减速过程，以及预留的匀速行驶过程，易于控制器执行，保障行车安全。
4)底层控制器是利用pid等控制算法来进行轨迹跟踪的。在规划轨迹时就预留给控制器多次校准误差的时间，可以使得速度和位置的控制更加精确，整个过程更加平稳顺畅，使得行车更加安全。
5)对黄灯的情形做了优化。
如果无法正常刹车的车辆，允许保持原速度继续通行，可以避免强行急刹车造成追尾等事故。整个行驶模型可以从上保证，如果黄灯时车辆不刹车的话，会在黄灯时间内穿过路口，不会出现闯红灯的情况。
本领域的技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、随机存取存储器(ram，randomaccessmemory)、只读存储器(rom，read-onlymemory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ram、rom、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。